[发明专利]一种具备异常数据净化能力的在线频谱预测方法

摘要

本发明提出一种具备异常数据净化能力的在线频谱预测方法，用一个F行T列的XT表示频谱数据矩阵，频谱数据矩阵中的每一个矩阵元素表示第f个频段在第t个时隙的频谱状态；频谱数据矩阵每一行元素表示在连续T个时隙内、第f个频段的频谱状态，矩阵每一列元素表示在第t个时隙内、全部F个频段的频谱状态分布；将前T‑1列的全部F个频段的频谱状态视作历史频谱数据，历史数据中包括正常频谱数据、异常频谱数据和缺失频谱数据，然后根据历史频谱数据预测出第T列的全部F个频段的频谱状态。本发明可以稳健、精确地捕获频谱状态的演化并预测未来频谱状态，同时具有实时处理数据的能力。

主权项

一种具备异常数据净化能力的在线频谱预测方法，其特征在于，用式(1)所示矩阵表示频谱数据矩阵，ΓΩT(XT)=ΓΩT(ZT+AT+VT)---(1)]]>式(1)中，集合ΩT为一个包含F×T个元素的集合，其元素为频谱数据矩阵中未缺失的数据，集合ΩT之外的元素为频谱数据矩阵中缺失的数据；为采样算子矩阵，其将频谱数据矩阵中缺失的数据置零；式(1)中，矩阵XT为具有F行T列的频谱数据矩阵，矩阵XT的每一个元素xf,t,f∈{1,...,F},t∈{1,...,T}表示第f个频段在第t个时隙的频谱状态，矩阵XT的每一行元素xf,.:＝[xf,1,xf,2,,...,xf,T],f∈{1,...,F}表示在连续T个时隙内、第f个频段的频谱状态，矩阵XT的每一列x.,t:＝[x1,t,x2,t,...,xF,t]',t∈{1,...,T}表示在第t个时隙内、全部F个频段的频谱状态分布；式(1)中，矩阵ZT大小为F×T，其第f行第t列元素对应信号分量zf,t,f＝1,...,F,t＝1,...,T；矩阵AT大小为F×T，其第f行第t列元素对应异常数据分量af,t,f＝1,...,F,t＝1,...,T；矩阵VT大小为F×T，其第f行第t列元素对应噪声分量vf,t,f＝1,...,F,t＝1,...,T；将矩阵XT的前T‑1列的全部F个频段的频谱状态视作历史频谱数据，根据所述历史频谱数据预测第T个时隙全部F个频段的频谱数据。