基于Koopman算子和机器学习的信道预测方法、系统、终...
公开
摘要
本发明公开了一种基于Koopman算子和机器学习的信道预测方法、系统、终端及介质，包括：基于基站存储设备，对临近历史时刻的信道状态信息X进行保存；采集不同信噪比下的信道状态的训练数据集，并基于采集到的训练数据集对卷积神经网络进行训练；基于Koopman算子理论和经过训练的卷积神经网络，将历史时刻信道状态信息X映射至线性变化的不变子空间中，得到历史时刻映射变量Υ；基于所获取的历史时刻映射变量Υ推导出Koopman算子，基于Koopman算子得到目标时刻不变子空间的映射向量；基于全连接网络，将目标时刻不变子空间的映射向量转变为目标时刻的信道状态信息。本发明基于利用通信基站储存的有效信息、Koopman算子理论及机器学习原理，提高了机器学习方法预测的准确性。
基本信息
专利标题 ：
基于Koopman算子和机器学习的信道预测方法、系统、终端及介质
专利标题（英）：
暂无
公开（公告）号 ：
CN114626302A
申请号 ：
CN202210269670.8
公开（公告）日 ：
2022-06-14
申请日 ：
2022-03-18
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
常晓东薛江孙建永
申请人 ：
杭州勒贝格智能系统有限责任公司
申请人地址 ：
浙江省杭州市余杭区余杭街道文一西路1818-1号1幢405-3室
代理机构 ：
西安通大专利代理有限责任公司
代理人 ：
张宇鸽
优先权 ：
CN202210269670.8
主分类号 ：
G06F30/27
IPC分类号 ：
G06F30/27 G06F119/02
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/27
使用机器学习，例如人工智能，神经网络，支持向量机或训练模型
法律状态
2022-06-14 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
