一种基于CNN-LSTM深度学习模型的卫星通信频谱异常检测与抗干扰增强方法

本发明公开了一种基于CNN‑LSTM深度学习模型的卫星通信频谱异常检测与抗干扰增强方法，属于卫星无线通信技术领域，S1：通过高精度频谱分析设备对卫星通信频谱进行实时数据采集，并进行预处理；S2：通过对卷积神经网络模型进行训练，以便提取关键特征；S3：通过长短期记忆网络对卫星通信频谱的时间序列数据进行分析；S4：借助长短期记忆网络算法的门控机制控制所述时间序列数据信息的流动，定义并提取反映卫星通信频谱动态特征的关键时域特征；S5：采用动态调整算法对卫星通信频谱分配策略进行动态调整；通过上述步骤，以实现对卫星通信频谱资源的精确分析和优化控制，具有重要的应用价值和广阔的发展前景。