一种面向频谱预测的概念漂移检测与自学习方法、装置、存储介质和计算机程序产品制造方法及图纸

本发明专利技术提出了一种面向频谱预测的概念漂移检测与自学习方法、装置、存储介质和计算机程序产品，包括：获取预先构建的基于随机化方法的频谱预测模型；对动态频谱数据流中的频谱数据进行归一化和切分处理，得到多个频谱数据段；利用基准模型处理当前频谱数据，得到当前频谱数据的分布特征，并计算当前频谱数据的统计信息；根据历史频谱数据的统计信息计算调整检测阈值；根据当前频谱数据的统计信息和调整检测阈值，判断是否发生概念漂移；当发生概念漂移，对基于随机化方法的频谱预测模型进行自适应频谱预测训练。本发明专利技术能够精准判断模态变化点，克服传统方法灵敏度极端的问题，同时能够提高模型可靠性，提高模型预测性能。

【技术实现步骤摘要】

本专利技术涉及一种面向频谱预测的概念漂移检测与自学习方法、装置、存储介质和计算机程序产品，属于频谱预测。

技术介绍

1、随着无线通信的飞速发展，越来越多的设备被接入到无线网络，无线频谱正在成为一种重要的稀缺资源，于是认知无线电被提出，用于缓解目前频谱资源紧张的问题。认知无线电的发展使得电磁环境演进预测特别是其中的电磁频谱预测受到了越来越多的关注。频谱预测技术是指通过对历史频谱信息进行学习对未来的频谱状态信息进行预测的技术，它是解决认知无线电网络中处理等待时间、频谱访问冲突和能耗等问题的有效途径。

2、随着深度学习在语音识别、图像分类、自然语言处理等领域取得出色表现，深度学习的方法也被尝试应用于电磁环境预测特别是频谱预测等领域。虽然在特定的预测任务中取得了较好的效果，但仍存在部分问题。

3、传统频谱预测的概念漂移检测方法中，因为算法的设计的局限导致灵敏度过于极端，尽管高灵敏度能够捕捉到频谱的微妙变化，确保系统即时响应变化，然而高灵敏度会导致系统会对无关变化过度反应，使得模型进行无意义的大量重复训练，这不仅会浪费大量资源，而且还有可能使本文档来自技高网...

【技术保护点】

1.一种面向频谱预测的概念漂移检测与自学习方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的面向频谱预测的概念漂移检测与自学习方法，其特征在于，所述基于随机化方法的频谱预测模型包括用于特征提取的3个子网络和1个用于融合特征的激活层，其中，3个子网络分别为MLP网络、ConvGRU网络和ConvLSTM网络。

3.根据权利要求2所述的面向频谱预测的概念漂移检测与自学习方法，其特征在于，当频谱数据x输入基于随机化方法的频谱预测模型后，通过MLP网络、ConvGRU网络和ConvLSTM网络分别提取频谱数据x的子特征；

4.根据权利要求1所述的面向频...

【技术特征摘要】

1.一种面向频谱预测的概念漂移检测与自学习方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的面向频谱预测的概念漂移检测与自学习方法，其特征在于，所述基于随机化方法的频谱预测模型包括用于特征提取的3个子网络和1个用于融合特征的激活层，其中，3个子网络分别为mlp网络、convgru网络和convlstm网络。

3.根据权利要求2所述的面向频谱预测的概念漂移检测与自学习方法，其特征在于，当频谱数据x输入基于随机化方法的频谱预测模型后，通过mlp网络、convgru网络和convlstm网络分别提取频谱数据x的子特征；

4.根据权利要求1所述的面向频谱预测的概念漂移检测与自学习方法，其特征在于，所述统计信息包括频谱数据段对应的特征向量的平均值以及平均值的期望；

5.根据权利要求1所述的面向频谱预测的概念漂移检测与自学习方法，其特征在于，所述根据当前频谱数据段和上一个频谱数据段的统计信息，计算调整检...

【专利技术属性】
技术研发人员：桂冠，季佩良，彭旸，王禹，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：