[发明专利]基于参考信号特征的信号学习与动态确定方法

权利要求书

1.基于参考信号特征的信号学习与动态确定方法，其特征在于，包括以下步骤：

S1、构建参考信号学习与追踪网络；

S2、获取无雨时期的参考信号；

S3、基于所述参考信号对所述参考信号学习与追踪网络的参数进行更新；

S4、获取降雨时期的参考信号，结束所述更新；

S5、结束降雨后重复所述S1-S3；开始降雨时再次执行所述S4，最终完成所述参考信号的信号学习与动态确定。

2.根据权利要求1所述的基于参考信号特征的信号学习与动态确定方法，其特征在于，所述S1中的参考信号学习与追踪网络包括长短时神经网络、广义回归网络和卡尔曼滤波网络。

3.根据权利要求1所述的基于参考信号特征的信号学习与动态确定方法，其特征在于，所述S2中无雨时期的参考信号包括微波链路和星地链路。

4.根据权利要求1所述的基于参考信号特征的信号学习与动态确定方法，其特征在于，所述S2中无雨时期的参考信号AC_sun(t)表示为：

AC_sun(t)＝A_O(t)+A_V(t)+A_C(t)+A_S(t)+A_other+C

式中，A_o是氧气衰减；A_v是水气衰减；A_c是云中液态水衰减；A_s是闪烁衰减；A_other是其他因素造成的衰减；C是一个常量。

5.根据权利要求1所述的基于参考信号特征的信号学习与动态确定方法，其特征在于，所述S3中参数的更新过程为：将所述参考信号输入所述参考信号学习与追踪网络中，通过学习所述参考信号获取变化特征，并基于所述变化特征对所述参考信号学习与追踪网络的参数进行更新。

6.根据权利要求5所述的基于参考信号特征的信号学习与动态确定方法，其特征在于，所述参考信号包括信噪比和电平值。

7.根据权利要求5所述的基于参考信号特征的信号学习与动态确定方法，其特征在于，所述变化特征包括参考信号在所述无雨时期和降雨时期的时序变化特征。

8.根据权利要求1所述的基于参考信号特征的信号学习与动态确定方法，其特征在于，所述S3中参数的更新表示为：

式中，f_t表示遗忘门；g_t表示更新门；i_t表示输入门；c_t表示t时刻的单元状态；c_t-1表示t-1时刻的单元状态；h_t表示t时刻的信号强度；h_t-1表示t-1时刻的信号强度；o_t表示输出门；W_xf表示遗忘门中可见层输入的权重；W_hf表示遗忘门中隐藏层输出的权重；W_xc表示更新门中可见层输入的权重；W_hc表示更新门中隐藏层输出的权重；W_xi表示输入门中可见层输入的权重；W_hi表示输入门中隐藏层输出的权重；b_f表示遗忘门的偏差；b_c表示单元状态的偏差；b_i表示输入门的偏差；x_t表示参考信号值AC_sun(t)，σ(·)表示sigmoid函数。