摘要
本发明具体涉及一种用于低轨卫星的智慧多组多播动态波束赋形方法,包括:建立LEO卫星通信信道模型;使用卷积长短期记忆网络ConvLSTM进行链路状态与业务需求预测;根据信道模型和业务/链路预测结果,建立多组多播波束赋形的优化问题;通过强化学习求解波束赋形优化问题。本发明通过ConvLSTM网络模型对未来链路质量和业务需求进行预测,可提前获得系统的未来状态,为优化波束赋形策略提供了关键信息;创新性地将LSTM与强化学习结合用于波束赋形的优化,利用ConvLSTM预测未来的链路质量和业务需求,强化学习则在此基础上优化波束赋形决策,确保在不同链路和需求条件下实现动态的最优波束配置。
技术关键词
波束赋形方法
卫星通信信道
优化波束赋形
卷积长短期记忆
链路
Sigmoid函数
sigmoid函数
模拟波束赋形
接收天线阵列
优化神经网络
动态
卫星通信系统
多播场景
双曲正切函数
处理器
方位角
计算机程序产品
系统为您推荐了相关专利信息
空间相关性系数
数据传输方法
传输路径
链路丢包率
时间序列预测模型
路边单元
深度强化学习
卸载方法
数据传输延迟
传输路径