← 返回列表
基于时空特征学习的低轨卫星网络时延预测方法
摘要文本
本发明涉及一种基于时空特征学习的低轨卫星网络时延预测方法，通过对低轨卫星网络内三种不同业务进行流量建模，并在多时间片拓扑下模拟业务流传输过程，统计相应业务的传播时延和星上队列时延，构建网络业务时延时间序列数据集。同时利用图卷积网络提取各个时间片下动态拓扑的空间特征，结合时延数据集共同作为输出，输入长短期记忆网络进行训练并对下一阶段一定时间序列下的时延情况进行预测，和对应统计数据进行误差分析，实现对低轨卫星网络动态拓扑与复杂业务环境下的时延精准预测。
申请人信息
- 申请人:航天恒星科技有限公司
- 申请人地址:100086 北京市海淀区知春路82号
- 发明人: 航天恒星科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于时空特征学习的低轨卫星网络时延预测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311542525.3 |
| 申请日 | 2023/11/20 |
| 公告号 | CN117674961A |
| 公开日 | 2024/3/8 |
| IPC主分类号 | H04B7/185 |
| 权利人 | 航天恒星科技有限公司 |
| 发明人 | 董涛; 邸航; 刘志慧; 姚海鹏; 冯伟莹; 李小虎 |
| 地址 | 北京市海淀区知春路82号 |
专利主权项内容
1.一种基于时空特征学习的低轨卫星网络时延预测方法，其特征在于，所述方法包括：S100，构建低轨卫星网络，并形成多时间片下的低轨卫星网络拓扑矩阵；S200，将各个时间片下的拓扑矩阵作为输入，利用图卷积网络提取低轨卫星网络拓扑的空间特征；S300，对低轨卫星网络内的突发类业务、周期性业务以及长时间传输类业务，进行建模并分别形成流量数据集；S400，在当前网络拓扑下部署流量业务，并统计各业务传输过程中时延情况，时延由传播时延和星上队列时延组成，形成业务时延时间序列数据集；S500，对时延数据集进行预处理，分为训练集和测试集，将时延数据和空间特征向量共同作为输入，通过长短期记忆网络算法进行训练，并预测一段时间内的时延变化情况，同测试集进行比对。