基于ED-LSTM架构的混沌跳频序列多步预测模型及预测方法技术

基于ED‑LSTM架构的混沌跳频序列多步预测模型及预测方法，属于混沌跳频码多步预测算法技术。解决了传统的混沌跳频码多步预测模型由于在序列间数据偏移存在，导致模型预测精度低及泛化能力差的问题。本发明专利技术在多步预测模型结构本身进行改进，一方面通过引入消除数据偏移的标准化处理，使得不同时间段数据分布尽可能一致，提高了预测的精度和模型在不同混沌序列上的泛化性。另一方面，引入注意力层，通过加权平均的方式捕获全局特征，模型可以更准确地捕获和学习输入序列时间的维度相关性，进一步提高预测精度。本发明专利技术主要用于跳频通信中混沌跳频序列多步预测。

【技术实现步骤摘要】

本专利技术属于混沌跳频码多步预测算法技术。

技术介绍

1、随着电磁环境越来愈复杂和干扰信号类型多样化，通信抗干扰能力已成为一个重要的研究课题，是当前信息战的焦点与挑战。20世纪90年代有人提出了跳频通信方式，优点是保密性好、低拦截概率和灵活的组网能力。跳频通信模式的载波频率受伪随机跳频码控制。在跳频系统中引入频谱预测具有重大意义。一方面，现代战争通信环境复杂，通信信号类型不一，频谱预测可以辅助不同的通信目标选择各自合适的频段，既能提高通信效率，也能在一定程度上增强通信质量；另一方面，在常见的非合作通信场景下，跟踪干扰敌方信号以及避免被干扰都需要提前预知敌方信号的占用频段和时长，如果能够根据采样得到的跳频历史数据来预测跳频码的码序列，就可以得到目标信号在下一跳可能的所有频点及其概率分布，进而提高设备抗干扰能力。

2、混沌理论证明了混沌时间序列具有短期可预测性，跳频序列是由确定系统产生的随机性很强的伪随机序列。对跳频系统中的混沌跳频序列进行预测，本质是建立一个由输入数据到输出数据的非线性映射。以lstm网络为架构的深度学习模型在时间序列预测问题上具本文档来自技高网...

【技术保护点】

1.基于ED-LSTM架构的混沌跳频序列多步预测模型，其特征在于，包括：

2.根据权利要求1所述的基于ED-LSTM架构的混沌跳频序列多步预测模型，其特征在于，编码模块包括第一LSTM、标准化层和中间向量层；

3.根据权利要求1所述的基于ED-LSTM架构的混沌跳频序列多步预测模型，其特征在于，解码模块包括第二LSTM、注意力层和全连接层；

4.根据权利要求1所述的基于ED-LSTM架构的混沌跳频序列多步预测模型，其特征在于，标准化处理的实现方式为：

5.根据权利要求4所述的基于ED-LSTM架构的混沌跳频序列多步预测模型，其特征在于，0＜...

【技术特征摘要】

1.基于ed-lstm架构的混沌跳频序列多步预测模型，其特征在于，包括：

2.根据权利要求1所述的基于ed-lstm架构的混沌跳频序列多步预测模型，其特征在于，编码模块包括第一lstm、标准化层和中间向量层；

3.根据权利要求1所述的基于ed-lstm架构的混沌跳频序列多步预测模型，其特征在于，解码模块包括第二lstm、注意力层和全连接层；

4.根据权利要求1所述的基于ed-lstm架构的混沌跳频序列多步预测模型，其特征在于，标准化处理的实现方式为：

5.根据权利要求4所述的基于ed-lstm架构的混沌跳频序列多步预测模型，其特征在于，0＜ε＜0.0001。

6.根据权利要求3所述的基于ed-lstm架构的混沌跳频序列多步...

【专利技术属性】
技术研发人员：高玉龙，薛文举，孔金山，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：