[發明專利]信號生存期態勢預測方法與裝置

在審

• 申請號: 201811295189.6
• 申請日: 2018-11-01
• 公開（公告）號: CN109412854A
• 公開（公告）日: 2019-03-01
• 發明（設計）人: 周屹;陳良;趙甫胤;周凱;張學玲;顏學彥;唐剛;彭濤;萬峻;李友邦;衡鵬;楊慧平
• 申請（專利權）人: 國家無線電監測中心成都監測站;成都奧特為通訊有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24
• 代理公司: 成都超凡明遠知識產權代理有限公司 51258
• 代理人: 張紅平

1.一種信號生存期態勢預測方法，其特征在于，所述信號生存期態勢預測方法包括：

接收智能終端發送的無線電參數數據；

對某頻率信號計算從起始時間開始至當前時刻為止，該頻率信號出現的時間周期長度與總時間長度的比值以生成信號生存期，其中，信號生存期是指一個預設定的時間周期內，某頻段的無線信號出現的時刻點集合；

對所述連續時間點分別至起始時間的多個時間段的信號生存期進行分解生成多個當前時間段對應的信號生存期；

提取所述多個當前時間段對應的信號生存期的態勢特征；

依據當前提取到多個當前時間段對應的信號生存期的態勢特征、預先訓練的非線性態勢預測模型、預存儲的多個歷史信號生存期的態勢特征訓練樣本以及每個歷史信號生存期的態勢特征訓練樣本對應的信號生存期態勢生成多個當前時間段對應的多個未來時間段信號生存期態勢；

將多個當前時間段對應的多個未來時間段信號生存期態勢合成生成信號生存期態勢預測結果。

2.根據權利要求1所述的信號生存期態勢預測方法，其特征在于，所述預先訓練的非線性態勢預測模型為利用多個歷史信號生存期的態勢特征訓練樣本以及每個歷史信號生存期的態勢特征訓練樣本對應的信號生存期態勢預先訓練的時間遞歸神經網絡算法模型或決策樹算法模型或支持向量機算法模型。

3.根據權利要求1所述的信號生存期態勢預測方法，其特征在于，所述對所述連續時間點分別至起始時間的多個時間段的信號生存期進行分解生成多個當前時間段對應的信號生存期的步驟包括：

利用小波信號分解方法對所述連續時間點分別至起始時間的多個時間段的信號生存期進行分解生成多個當前時間段對應的信號生存期。

4.根據權利要求1所述的信號生存期態勢預測方法，其特征在于，所述在連續時間點分別至起始時間的多個時間段的信號生存期為在一個周期的信號生存期。

5.根據權利要求1所述的信號生存期態勢預測方法，其特征在于，所述信號生存期態勢預測方法還包括：

將信號生存期態勢預測結果發送至所述智能終端。

6.一種信號生存期態勢預測裝置，其特征在于，所述信號生存期態勢預測裝置包括：

信息接收單元，用于接收智能終端發送的無線電參數數據；

計算單元，用于對某頻率信號計算從起始時間開始至當前時刻為止，該頻率信號出現的時間周期長度與總時間長度的比值以生成信號生存期，其中，信號生存期是指一個預設定的時間周期內，某頻段的無線信號出現的時刻點集合；

信號分解單元，用于對所述連續時間點分別至起始時間的多個時間段的信號生存期進行分解生成多個當前時間段對應的信號生存期；

特征提取單元，用于提取所述多個當前時間段對應的信號生存期的態勢特征；

預測單元，用于依據當前提取到多個當前時間段對應的信號生存期的態勢特征、預先訓練的非線性態勢預測模型、預存儲的多個歷史信號生存期的態勢特征訓練樣本以及每個歷史信號生存期的態勢特征訓練樣本對應的信號生存期態勢生成多個當前時間段對應的多個未來時間段信號生存期態勢；

結果生成單元，用于將多個當前時間段對應的多個未來時間段信號生存期態勢合成生成信號生存期態勢預測結果。

7.根據權利要求6所述的信號生存期態勢預測裝置，其特征在于，所述預先訓練的非線性態勢預測模型為利用多個歷史信號生存期的態勢特征訓練樣本以及每個歷史信號生存期的態勢特征訓練樣本對應的信號生存期態勢預先訓練的時間遞歸神經網絡算法模型或決策樹算法模型或支持向量機算法模型。

8.根據權利要求6所述的信號生存期態勢預測裝置，其特征在于，所述信號分解單元具體用于利用小波信號分解裝置對所述連續時間點分別至起始時間的多個時間段的信號生存期進行分解生成多個當前時間段對應的信號生存期。

9.根據權利要求6所述的信號生存期態勢預測裝置，其特征在于，所述在連續時間點分別至起始時間的多個時間段的信號生存期為在一個周期的信號生存期。

10.根據權利要求6所述的信號生存期態勢預測裝置，其特征在于，所述信號生存期態勢預測裝置還包括：

信息發送單元，用于將信號生存期態勢預測結果發送至所述智能終端。