摘要
本发明公开了一种基于深度学习的宽带宽频率频谱分析方法及系统,方法包括频谱信号采集、频谱预处理、异常干扰检测、频谱趋势预测和频谱调度管理。本发明涉及宽频率频谱分析技术领域,具体是指一种基于深度学习的宽带宽频率频谱分析方法及系统,本方案采用异常干扰检测—频谱趋势预测—频谱调度管理的三步走方法,通过逐层递进的深度学习和强化学习技术,能够实现对频谱异常的实时检测、未来趋势的精准预测,以及动态资源优化分配;采用结合特征增强的联合改进多分类支持向量机方法,进行异常干扰检测;采用结合一维卷积特征提取的时序集成网络,进行频谱趋势预测;采用近端策略优化算法增强的强化学习方法,进行频谱调度管理。
技术关键词
分类支持向量机
频谱分析方法
时序集成网络
矩阵
卷积特征提取
强化学习环境
数据
趋势预测模型
双向长短期记忆
线性
频率
频谱分析系统
网络特征
判别特征
强化学习方法
资源利用率最大化
参数
样本
信号采集模块
系统为您推荐了相关专利信息
人工智能驱动
数据采集层
控制系统
Attention机制
控制策略
交叉口车辆
语义特征
融合特征
节点特征
交通环境信息
浓度预测方法
模型预测值
ARIMA模型
检验方法
浓度检测技术