[发明专利]一种应用于卫星网络的拓扑预测模型训练方法及预测方法

权利要求书

1.一种应用于卫星网络的拓扑预测模型训练方法，所述卫星网络包括多个卫星、多个终端以及多个地面站，其特征在于，所述拓扑预测模型包括时空学习层和全连接层，所述方法包括如下步骤：

S1、获取目标区域内的卫星网络历史拓扑图数据，所述卫星网络历史拓扑图数据包括多个时刻连续的卫星网络拓扑图，每一时刻的卫星网络拓扑图包括多个节点和多条边，其中，节点表示终端、卫星或者地面站，任意两个节点之间有边表示该两个节点之间设置有链路；

S2、基于步骤S1获取的卫星网络历史拓扑图数据训练所述拓扑预测模型直至收敛。

2.根据权利要求1所述的方法，其特征在于，所述时空学习层包括一个或多个时空学习模块，所述时空学习模块用于获取卫星网络拓扑图数据的空间特征和时空特征。

3.根据权利要求2所述的方法，其特征在于，所述时空学习模块包括串联的一个图卷积模块、一个时间特征提取模块，其中，所述图卷积模块用于提取卫星网络拓扑图数据的空间特征，所述时间特征提取模块用于根据所述图卷积模块的输出与卫星网络拓扑图数据获取卫星网络拓扑图数据的时空特征。

4.根据权利要求3所述的方法，其特征在于，所述时间特征提取模块采用长短时记忆网络、循环神经网络或者门控循环单元。

5.根据权利要求4所述的方法，其特征在于，所述步骤S1包括：

S11、将全球划分为不同的区域；

S12、以步骤S11得到的所有区域中的任一区域作为目标区域，获取该目标区域内的卫星网络历史拓扑图数据。

6.根据权利要求5所述的方法，其特征在于，所述步骤S2包括：

S21、基于步骤S1得到的卫星网络历史图数据获取其对应的邻接矩阵集合；

S22、按照预设的数据处理规则对步骤S21得到的邻接矩阵集合中的每个邻接矩阵进行处理，并以每个邻接矩阵的处理结果构建数据集；

S23、基于步骤S22得到的数据集对所述拓扑预测模型进行训练直至收敛。

7.根据权利要求6所述的方法，其特征在于，在步骤S22中，所述预设的数据处理规则为：

将原始邻接矩阵与单位矩阵相加后进行对称归一化处理得到新的邻接矩阵；

基于新的邻接矩阵构建与其对应的度矩阵；

以新的邻接矩阵及其对应的度矩阵作为原始邻接矩阵的处理结果。

8.根据权利要求7所述的方法，其特征在于，所述步骤S23包括：

S231、从所述步骤S22获取的数据集中进行多次数据截取以获得多个样本组成训练集合，每次数据截取是从数据集中选择时刻连续的预设宽度的时间窗口内的卫星网络拓扑图对应的数据；

S232、基于步骤S231获取的训练集合采用自监督学习训练所述拓扑预测模型直至模型收敛。

9.根据权利要求8所述的方法，其特征在于，所述预设宽度为6。

10.一种应用于卫星网络的拓扑预测方法，其特征在于，所述方法包括如下步骤：

T1、获取卫星网络上一时刻网络拓扑数据；

T2、采用如权利要求1-9任一所述方法训练的拓扑预测模型基于步骤T1获取的卫星网络上一时刻网络拓扑数据预测卫星网络下一时刻网络拓扑数据。

11.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序可被处理器执行以实现权利要求1-10任一所述方法的步骤。

12.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现如权利要求1-10任一项所述方法的步骤。