基于卷积神经网络的卫星网络协调态势评估方法及系统技术方案

本发明专利技术公开了基于卷积神经网络的卫星网络协调态势评估方法及系统，所述方法包括：提取待协调的卫星网络的多个特征属性；将多个特征属性输入预先建立的卷积神经网络，输出协调态势评评估结果。本发明专利技术的方法对协调态势分析因素进行研究，结合卫星网络数据特点，提出基于机器学习的态势评估方法，利用国际电联卫星网络历史数据库，建立训练数据集，验证并分析算法的在处理卫星网络协调态势方面的有效性，结果表明本发明专利技术所提方法对卫星网络态势评估应用具有良好的适应性，对于提高卫星网络态势评估效能具有一定的开创性意义。

Method and system of satellite network coordination situation evaluation based on convolutional neural network

【技术实现步骤摘要】
基于卷积神经网络的卫星网络协调态势评估方法及系统
本专利技术涉及卫星频轨资源分析与储备领域，具体涉及基于卷积神经网络的卫星网络协调态势评估方法及系统。
技术介绍
卫星频率和轨道资源是卫星应用产业发展的基本要素，同时也是世界各国必争的一种宝贵的战略资源，世界各国必须按照国际电联(InternationalTelecommunicationUnion,ITU)的《组织法》及《无线电规则等》，在划分的空间业务频段内，遵循“先登先占”原则，卫星网络资料为基本单位，开展国际申报、协调、登记和维护工作，任何一个国家都不能单方面主宰卫星频率轨道资源的获取和使用。卫星网络资料的申报与国际协调是卫星频率轨道资源获取与频轨战略资源储备的唯一途径，同时，卫星网络资料的申报、协调是一个长期过程，尤其是GSO的资源竞争异常激烈。相关技术人员在卫星网络申报协调管理工作中，很难将复杂的申报、协调态势准确把握，特别是协调涉及网络的申报地位、国家、政治、经济、技术、卫星操作者能力、谈判专家能力等多个维度的影响因素，且某些特征因素无法定量分析。为了能够提前做好GSO频率轨本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的卫星网络协调态势评估方法，所述方法包括：/n提取待协调的卫星网络的多个特征属性；/n将多个特征属性输入预先建立的卷积神经网络，输出协调态势评评估结果。/n

【技术特征摘要】
1.一种基于卷积神经网络的卫星网络协调态势评估方法，所述方法包括：
提取待协调的卫星网络的多个特征属性；
将多个特征属性输入预先建立的卷积神经网络，输出协调态势评评估结果。


2.根据权利要求1所述的基于卷积神经网络的卫星网络协调态势评估方法，其特征在于，所述卫星网络的多个特征属性包括：卫星网络资料基础属性、频率指配属性和协调信息属性；所述卫星网络资料基础属性包括：接收日期、轨位、所属国家/组织、操作者；所述频率指配属性包括：波束指配个数、极化方式、业务区/全球ratio、业务、最小频率、最大频率、最大带宽和最小带宽；所述协调信息属性包括：存在协调关系的卫星网络数量、存在协调关系的国家、存在协调关系的国家以及该国家的能力评估和存在协调关系的操作者数量。


3.根据权利要求2所述的基于卷积神经网络的卫星网络协调态势评估方法，其特征在于，所述卷积神经网络具体为：
所述卷积神经网络的输入包括卫星网络的多个特征属性；
所述卷积神经网络的神经元间的连接是非全连接的，部分神经元之间的连接的权重是共享的；
所述卷积神经网络的输出为：是否通过协调。


4.根据权利要求3所述的基于卷积神经网络的卫星网络协调态势评估方法，其特征在于，所述方法还包括：对卷积神经网络进行训练的步骤，具体包括：
步骤S1)依据国际电联卫星网络数据库，建立训练集数据集合，对该集合进行标定和降维后得到训练样本集：{(Xi,Yi),1≤i≤m}，m为训练样本数量；Xi为第i个训练样本的输入向量，Yi为第i个训练样本的标签；
步骤S2)前向传播计算：
Oi＝Fs(...(F2(F1(Xiw(1))w(2))...)w(s))
数据从输入层经过逐级的变换，传送到输出层，其输出结果为Oi，其中，w(1),w(2)...w(s)分别为s个隐层的权值向量，F1,F2…Fs分别为s个隐层的处理函数；权值矩阵W为：
W＝(w(1),w(2)...w(s))
步骤S3)反向传播计算：
采用误差函数，按照输出集合Oi与Yi极小化误差准则，进一步调整权值矩阵W，直至权值矩阵W收敛。


5.根据权利要求4所述的基于卷积神经网络的卫星网络协调态势评估方法，其特征在于，所述步骤S1)具体包括：
步骤S1-1)据国际电联卫星网络数据库，建立训练集数据集合；
步骤S1-2)对训练集数据集合的数据进行标定操作，标定结果为每个资料ITEM的协调通过概率，标定方法如下：






其中，P(Cn)为第n条卫星网络的通过协调概率，Cn为第n条卫星网络记录，grpNum_pass为通过协调的频率指配数量，grpNum为具备协调关系的频率指配数量，Index_Countryk为第k个协调国家的权重系数，Num_GSO_N为该国GSO卫星网络N资料数量，Total_all为全球GSO卫星网络N资料数量；
步骤S3)对于数据集中多值属性数据，采取增益比率标准对数据打分，将分数低于阈值的数据删除，实现降维处理：



其中，GainRatio(S,A)为增益比率，Gain(S,A)为信息增益，SplitInformaion(S,A)为分裂信息项，用于衡量属性分裂数据的广度域均匀性：



其中，S为多值属性A的数值集合，Sj为t个值的属性A分割S而形成的t个子集。


6.一种基于卷积神经网络的卫星网络...

【专利技术属性】
技术研发人员：高翔，陈志敏，闫毅，姚秀娟，
申请(专利权)人：中国科学院国家空间科学中心，
类型：发明
国别省市：北京;11