公开(公告)号：CN119892272A

公开(公告)日：2025-04-25

申请号：CN202510056179.0

申请日：2025-01-14

Applicant: 哈尔滨工业大学

Inventor： 高玉龙 ,  孔金山 ,  徐前 ,  王钢

IPC: H04B17/373 ,  H04B17/382 ,  H04L41/16

Abstract: 一种信道分离的频谱预测方法，它属于频谱预测技术领域。本发明解决了现有频谱预测方法存在的预测效率低、预测精度低以及存储资源占用大的问题。本发明将信道维度与批次维度进行融合，实现信道的分离，频谱预测模型将关注点放在时间相关性的提取上，避免了信道干扰和各信道数据分布差异大对模型特征提取过程造成的影响。在模型输出预测结果后，将批次维度进行拆分，将各信道的结果还原到原来的维度中，且同时预测所有信道的未来信息，本发明方法结合了信道独立与信道联合预测方法的优势，可以提高频谱数据预测的精度和效率。通过多信道模型共用，提升了模型的泛化能力，减小了资源占用。本发明方法可以应用于频谱预测技术领域。

公开(公告)号：CN118101102A

公开(公告)日：2024-05-28

申请号：CN202410327631.8

申请日：2024-03-21

Applicant: 哈尔滨工业大学

Inventor： 高玉龙 ,  薛文举 ,  孔金山

IPC: H04B17/391 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/042

Abstract: 基于ED‑LSTM架构的混沌跳频序列多步预测模型及预测方法，属于混沌跳频码多步预测算法技术。解决了传统的混沌跳频码多步预测模型由于在序列间数据偏移存在，导致模型预测精度低及泛化能力差的问题。本发明在多步预测模型结构本身进行改进，一方面通过引入消除数据偏移的标准化处理，使得不同时间段数据分布尽可能一致，提高了预测的精度和模型在不同混沌序列上的泛化性。另一方面，引入注意力层，通过加权平均的方式捕获全局特征，模型可以更准确地捕获和学习输入序列时间的维度相关性，进一步提高预测精度。本发明主要用于跳频通信中混沌跳频序列多步预测。

公开(公告)号：CN117278154A

公开(公告)日：2023-12-22

申请号：CN202311379839.6

申请日：2023-10-23

Applicant: 哈尔滨工业大学

Inventor： 王钢 ,  孔金山 ,  高玉龙

IPC: H04B17/382 ,  G06N3/045 ,  G06N3/08

Abstract: 基于注意力机制的频谱预测方法，解决了如何更准确预测未来尽可能多时刻的频谱占用状态的问题，属于频谱预测领域。本发明包括：在基于注意力机制的Transformer模型的每一个子模块中嵌入门控递归单元得到频谱预测网络，门控递归单元对频谱占用信息进行局部相关性提取，并输出自带位置编码的信息预提取结果；训练集的输入数据包括输入序列和输出序列，输入序列为历史频谱信息序列，输出序列为右移一位的未来频谱信息序列，输出数据为未来频谱信息；利用训练集对频谱预测网络进行训练后，将当前的频谱信息作为输入序列，输入序列中最后一个时刻的频谱信息作为解码子模块输出序列的首次输入，利用频谱预测网络以自回归的形式进行频谱预测。