摘要
本发明公开了基于深度学习的低轨卫星通信链路切换方法,涉及卫星通信链路切换技术领域,为了解决低轨卫星通信链路进行切换时切换效果不佳的问题。本发明通过利用神经网络模型的强大计算和学习能力进行切换策略推理,能够自动适应不同的链路环境,提高切换决策的准确性和灵活性,切换策略包括链路选择、切换时机和切换条件,通过概率值、分类标签或数值进行表达,能够提供多种可能的切换方案,若链路切换的运行过程或性能表现未达到预期标准,则根据切换策略再次进行链路切换,不断优化和调整的过程能够确保链路切换始终处于最佳状态,提高通信系统的整体性能和稳定性。
技术关键词
卫星通信链路
神经网络模型
异常数据
性能指标数据
切换方法
深度学习架构
实时通信
信号特征
特征数据提取
深度学习模型
卫星通信系统
数值
前馈神经网络
策略
地面站
风险
成分分析