[發明專利]頻段占用度態勢預測方法與裝置

在審

• 申請號: 201811295194.7
• 申請日: 2018-11-01
• 公開（公告）號: CN109450567A
• 公開（公告）日: 2019-03-08
• 發明（設計）人: 周屹;陳良;趙甫胤;周凱;唐剛;顏學彥;張學玲;單亮亮;楊瀏;彭濤;萬峻;衡鵬;楊慧平;張翔引;黃寅峰
• 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: H04B17/30
• 分類號: H04B17/30;H04B17/373;H04B17/391
• 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

1.一種頻段占用度態勢預測方法，其特征在于，所述頻段占用度態勢預測方法包括：

接收智能終端發送的在連續時間點的頻段占用度；

對所述連續時間點的頻段占用度進行分解生成多個當前時間段對應的頻段占用度；

提取所述多個當前時間段對應的頻段占用度的態勢特征；

依據當前提取到多個當前時間段對應的頻段占用度的態勢特征、預先訓練的非線性態勢預測模型、預存儲的多個歷史頻段占用度的態勢特征訓練樣本以及每個歷史頻段占用度的態勢特征訓練樣本對應的頻段占用度態勢生成多個當前時間段對應的多個未來時間段頻段占用度態勢；

將多個當前時間段對應的多個未來時間段頻段占用度態勢合成生成頻段占用度態勢預測結果。

2.根據權利要求1所述的頻段占用度態勢預測方法，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頻段占用度的態勢特征訓練樣本以及每個歷史頻段占用度的態勢特征訓練樣本對應的頻段占用度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所述的頻段占用度態勢預測方法，其特征在于，所述對所述連續時間點的頻段占用度進行分解生成多個當前時間段對應的頻段占用度的步驟包括：

利用小波信號分解方法對所述連續時間點的頻段占用度進行分解生成多個當前時間段對應的頻段占用度。

4.根據權利要求1所述的頻段占用度態勢預測方法，其特征在于，所述在連續時間點的頻段占用度為在一個預設定的檢測周期的頻段占用度。

5.根據權利要求1所述的頻段占用度態勢預測方法，其特征在于，所述頻段占用度態勢預測方法還包括：

將頻段占用度態勢預測結果發送至所述智能終端。

6.一種頻段占用度態勢預測裝置，其特征在于，所述頻段占用度態勢預測裝置包括：

信息接收單元，用于接收智能終端發送的在連續時間點的頻段占用度；

信號分解單元，用于對所述連續時間點的頻段占用度進行分解生成多個當前時間段對應的頻段占用度；

特征提取單元，用于提取所述多個當前時間段對應的頻段占用度的態勢特征；

預測單元，用于依據當前提取到多個當前時間段對應的頻段占用度的態勢特征、預先訓練的非線性態勢預測模型、預存儲的多個歷史頻段占用度的態勢特征訓練樣本以及每個歷史頻段占用度的態勢特征訓練樣本對應的頻段占用度態勢生成多個當前時間段對應的多個未來時間段頻段占用度態勢；

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頻段占用度態勢合成生成頻段占用度態勢預測結果。

7.根據權利要求6所述的頻段占用度態勢預測裝置，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頻段占用度的態勢特征訓練樣本以及每個歷史頻段占用度的態勢特征訓練樣本對應的頻段占用度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所述的頻段占用度態勢預測裝置，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的頻段占用度進行分解生成多個當前時間段對應的頻段占用度。

9.根據權利要求6所述的頻段占用度態勢預測裝置，其特征在于，所述在連續時間點的頻段占用度為在一個預設定的檢測周期的頻段占用度。

10.根據權利要求6所述的頻段占用度態勢預測裝置，其特征在于，所述頻段占用度態勢預測裝置還包括：

信息發送單元，用于將頻段占用度態勢預測結果發送至所述智能終端。