專利名稱：一種基于圖形模型的跳頻序列預(yù)測系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于跳頻序列預(yù)測技術(shù)領(lǐng)域，尤其涉及一種基于圖形模型的跳頻序列預(yù)測系統(tǒng)。
背景技術(shù)：
現(xiàn)有的混沌時(shí)間序列預(yù)測方法是，將原始混沌時(shí)間序列嵌入到m維相空間，其實(shí)質(zhì)是利用原始序列中某個(gè)序列點(diǎn)和它在延遲時(shí)間τ下生成的多個(gè)不同延遲點(diǎn)，共同重構(gòu)m維相空間中的一個(gè)相點(diǎn)，因?yàn)闀r(shí)間延遲τ的選取可以確保這些時(shí)延點(diǎn)間相互關(guān)聯(lián)，故可以利用貝葉斯網(wǎng)絡(luò)來刻畫這種關(guān)聯(lián)性；重構(gòu)后的相空間表示為一個(gè)mXn維的矩陣，各個(gè)行向量之間存在依賴關(guān)聯(lián)特性，現(xiàn)有技術(shù)方案:(I)將各行向量作為貝葉斯網(wǎng)絡(luò)的一個(gè)變量，采用K2算法進(jìn)行貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)，進(jìn)而構(gòu)造含有m個(gè)節(jié)點(diǎn)的有向無環(huán)圖，有向無環(huán)圖把相空間中各行向量之間的相互依賴關(guān)系直觀地用圖形表示；(2)用最大似然估計(jì)學(xué)習(xí)貝葉斯網(wǎng)絡(luò)參數(shù)，即確定每個(gè)節(jié)點(diǎn)處的條件概率分布表，其中概率分布表內(nèi)的概率值，體現(xiàn)各行向量之間的依賴強(qiáng)度，進(jìn)而完成貝葉斯預(yù)測模型的構(gòu)建；(3)將重構(gòu)后的相空間進(jìn)行τ步延拓，延拓后的相空間如下所示:
權(quán)利要求
1.一種基于圖形模型的跳頻序列預(yù)測系統(tǒng)，其特征在于，通過相空間重構(gòu)建立的基于圖形模型的跳頻序列預(yù)測系統(tǒng)包括: 預(yù)處理模塊，對截獲的原始跳頻序列進(jìn)行去噪、去帶寬等，選取適量的一段跳頻序列{xj,i=l, 2，…，N作為模型構(gòu)建的訓(xùn)練集數(shù)據(jù)，把訓(xùn)練集數(shù)據(jù)后面相鄰的M個(gè)跳頻碼作為模型檢驗(yàn)數(shù)據(jù)； 預(yù)測模塊，與所述預(yù)處理模塊連接，用于重構(gòu)相空間和構(gòu)建預(yù)測模型； 反饋調(diào)整模塊，與所述預(yù)處理模塊和預(yù)測模塊連接，用于精度檢測，反饋與模型調(diào)整。
2.如權(quán)利要求1所述的基于圖形模型的跳頻序列預(yù)測系統(tǒng)，其特征在于，重構(gòu)相空間所需的嵌入維數(shù)m和時(shí)間延遲τ分別采用Cao方法和自相關(guān)法求解。
3.如權(quán)利要求1所述的基于圖形模型的跳頻序列預(yù)測系統(tǒng)，其特征在于，構(gòu)建預(yù)測模型所需的貝葉斯網(wǎng)局部絡(luò)構(gòu)由基于MMPC的改進(jìn)算法學(xué)習(xí)查詢節(jié)點(diǎn)的馬爾科夫邊界而獲得。
4.如權(quán)利要求1所述的基于圖形模型的跳頻序列預(yù)測系統(tǒng)，其特征在于，所述預(yù)處理模塊還包括: 用偵察接收機(jī)截獲原始跳頻序列的跳頻序列數(shù)據(jù)收集單元； 用于去除原始跳頻序列噪聲、帶寬的數(shù)據(jù)處理單元，與所述跳頻序列數(shù)據(jù)收集單元連接; 經(jīng)過歸一化得到的用于重構(gòu)相空間和構(gòu)建模型的訓(xùn)練集數(shù)據(jù)單元，與所述數(shù)據(jù)處理單元連接； 用于預(yù)測精度檢測、反饋與模型調(diào)整的檢測模型檢驗(yàn)數(shù)據(jù)單元，與所述數(shù)據(jù)處理單元連接； 經(jīng)相空間τ步延拓得到的用于預(yù)測的證據(jù)數(shù)據(jù)單元，與所述訓(xùn)練集數(shù)據(jù)單元連接。
5.如權(quán)利要求1所述的基于圖形模型的跳頻序列預(yù)測系統(tǒng)，其特征在于，所述預(yù)測模塊還包括: 利用訓(xùn)練集數(shù)據(jù)學(xué)習(xí)獲得的相空間數(shù)據(jù)單元，與所述訓(xùn)練集數(shù)據(jù)單元連接； 在相空間重構(gòu)基礎(chǔ)上，經(jīng)過局部結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí)得到的貝葉斯網(wǎng)絡(luò)單元，與所述相空間數(shù)據(jù)單元連接； 利用貝葉斯網(wǎng)絡(luò)模型預(yù)測跳頻序列的預(yù)測數(shù)列單元，與所述貝葉斯網(wǎng)絡(luò)單元和證據(jù)數(shù)據(jù)單元連接。
6.一種基于圖形模型的跳頻序列預(yù)測方法，其特征在于，所述跳頻序列預(yù)測方法包括以下步驟: 步驟1，對截獲的原始跳頻序列進(jìn)行去噪、去帶寬等，選取適量的一段跳頻序列{xj,i=l, 2，…，N作為模型構(gòu)建的訓(xùn)練集數(shù)據(jù)， 把訓(xùn)練集數(shù)據(jù)后面相鄰的M個(gè)跳頻碼作為模型檢驗(yàn)數(shù)據(jù)； 步驟2，利用自相關(guān)法和Cao方法求重構(gòu)相空間的時(shí)間延遲τ和嵌入維數(shù)m，然后根據(jù)這兩個(gè)參數(shù)，把訓(xùn)練集數(shù)據(jù)重構(gòu)成mXn維的矩陣作為相空間X，其中
7.如權(quán)利要求6所述的重構(gòu)相空間的參數(shù)，其特征在于，在自相關(guān)法求得的延遲值Td基礎(chǔ)上，時(shí)間延遲τ可以向下調(diào)節(jié)，τ的取值范圍為2彡τ ^ Tdo
8.如權(quán)利要求6所述基于MMPC的改進(jìn)算法學(xué)習(xí)得到的查詢節(jié)點(diǎn)的馬爾科夫邊界，其特征在于，馬爾科夫邊界包含的節(jié)點(diǎn)數(shù)為α，參數(shù)α的取值范圍為2彡α彡5。
全文摘要
本發(fā)明公開了一種基于圖形模型的跳頻序列預(yù)測系統(tǒng)，包括預(yù)處理模塊，用于對截獲的原始跳頻序列進(jìn)行去噪、去帶寬等處理；預(yù)測模塊，與所述預(yù)處理模塊連接，用于重構(gòu)相空間和構(gòu)建預(yù)測模型；反饋調(diào)整模塊，與所述預(yù)處理模塊和預(yù)測模塊連接，用于精度檢測，反饋與模型調(diào)整。本發(fā)明采用Cao方法和自相關(guān)法求解嵌入維數(shù)m和時(shí)間延遲τ進(jìn)而重構(gòu)相空間，基于改進(jìn)的MMPC算法學(xué)習(xí)查詢節(jié)點(diǎn)的馬爾科夫邊界構(gòu)建預(yù)測模型。本發(fā)明的嵌入維數(shù)m和時(shí)間延遲τ是相空間重構(gòu)的兩個(gè)關(guān)鍵參數(shù)，利用自相關(guān)法和Cao方法獲得參數(shù)更穩(wěn)定可靠，通過馬爾科夫邊界簡化貝葉斯網(wǎng)絡(luò)模型，使得預(yù)測效率更高。
文檔編號H04B1/7136GK103209005SQ201310137018
公開日2013年7月17日 申請日期2013年4月18日 優(yōu)先權(quán)日2013年4月18日
發(fā)明者楊有龍, 王文生, 曹穎 申請人:西安電子科技大學(xué)