[發明專利]一種低軌衛星移動通信資源智慧調度方法

在審

• 申請號: 202010035289.6
• 申請日: 2020-01-14
• 公開（公告）號: CN111047018A
• 公開（公告）日: 2020-04-21
• 發明（設計）人: 劉鴻鵬
• 申請（專利權）人: 東方紅衛星移動通信有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;H04B7/185
• 代理公司: 重慶啟恒騰元專利代理事務所(普通合伙) 50232
• 代理人: 萬建

1.一種低軌衛星移動通信資源智慧調度方法，其特征在于：包括以下步驟：

S1：初始化深度學習網絡參數；

S2：輸入先驗低軌衛星樣本數據，用深度學習網絡訓練方法對樣本數據進行擬合，并對樣本偏差進行預測；

S3：分析樣本偏差，若擬合偏差大于0.01，則表明現在的深度學習網絡屬于欠擬合狀態，需要擴大深度學習網絡訓練的次數，并轉向步驟S2；否則，進入步驟S4；

S4：再次收集低軌衛星樣本數據并進行狀態標志作為測試樣本，并運用神經網絡對樣本數據進行預測；

S5：分析樣本方差，如果擬合方差大于0.005，說明現在樣本處于過擬合狀態，需要對深度學習網絡進行正則化處理，處理完成后并轉向步驟S2；否則，進入步驟S6；

S6：輸入低軌衛星需要預測的樣本數據，利用深度學習網絡輸出低軌衛星分配網絡資源策略。

2.根據權利要求1所述的一種低軌衛星移動通信資源智慧調度方法，其特征在于，所述深度學習網絡訓練的方法流程如下：

A1：每個訓練樣本為為訓練樣本的特征，為訓練樣本的目標值；將輸入向量的每個元素x_i的值賦給神經網絡的輸入層的神經元；

A2：計算第二層的每個神經元的輸出值構成的輸出向量為其計算表達式為：

其中，為第二層的每個神經元的系數；f_network(*)為激活函數；

A3：依次根據f_network(*)向前計算第k層的每個神經元的值構成的輸出向量其計算表達式為：

其中，為第k層的每個神經元的系數；

A4：最后一層為輸出層的所有神經元的值計算完畢，最后將輸出的每個神經元的值串在一起就得到了輸出向量

A5：計算輸出層的誤差項其計算表達式為：

其中，f′_network(*)為激活函數f_network(*)的導數；

A6：然后反向依次計算每個隱藏層的誤差項，直到與輸入層相連的隱藏層，其計算表達式為：

其中，為第k層誤差向量值，為的轉置；

A7：對深度學習網絡的每一層系數更新，其計算表達式為：

其中，η為學習因子。

3.根據權利要求2所述的一種低軌衛星移動通信資源智慧調度方法，其特征在于，所述激活函數f_network(*)為：

其中，exp(*)為指數函數。

4.根據權利要求1所述的一種低軌衛星移動通信資源智慧調度方法，其特征在于，所述對深度學習網絡進行正則化處理，正則化處理為：

其中，N為樣本數，λ為正則化因子，對任意s輸入sgn(*)，則有

5.根據權利要求2所述的一種低軌衛星移動通信資源智慧調度方法，其特征在于，所述學習因子η＝0.01。

6.根據權利要求4所述的一種低軌衛星移動通信資源智慧調度方法，其特征在于，所述正則化因子λ＝0.58。