CN118741572B 一种基于多网融合的星地一体物联网通信处理方法及系统 （深圳市微星物联科技有限公司）

道高新区社区高新南九道61号卫星大一种基于多网融合的星地一体物联网通信一种基于多网融合的星地一体物联网通信处理二数据的故障类型标签和数据再生所需能量预型；通过多层感知机神经网络构建能量调度模网系统在遇到数据传输异常时的自适应能力和2获取星地一体物联网终端的实时位置，在星地一体物联网终获取星地一体物联网终端向低轨卫星传输的历史数据，为所从所述故障诊断数据集中提取出关键特征，获得特征向量，采用支持向将所述故障诊断特征空间表示和各个故障类型进行关联后，形获取地面控制中心和低轨卫星之间的环境数据，通过所述环境数量预测值确定所述第二数据在地面控制中心进行数据再生的数据再生处理方根据所述第二数据的故障类型标签和所述数据再生所需能量预其中，所述根据所述第二数据的故障类型标签和所述数据再生所需根据所述第一特征向量，采用所述第二数据的独热编码将故障类型将所述故障类型标签向量和所述数据再生所需能量预测值进行拼接根据所述融合特征向量，确定多层感知机神经网络的输入层采用反向传播算法，计算损失函数对多层感知机神经网络的权重矩阵根据所述梯度，采用随机梯度下降法更新多层感知机神经网络的权重矩阵和偏置向根据所述数据再生处理方案对所述第二数据进行数据再生，获得数据根据所述能量调度模型计算星地一体物联网终端的故障自愈所需能3其中，所述通过所述故障自愈所需能量消耗值、所述故获取历史故障特征数据和历史故障自愈数据，为所述历史故障若满足，则直接根据故障自愈方案生成模型为星地一体物联获取各个星地一体物联网终端的能量供给情况，根据所述故根据所述实时位置确定星地一体物联网终端的坐标信息，将所在所述第一数据的传输过程中实时采集网络状态参数，根据所述网采用维特比算法求解所述网络状态隐马尔可夫模型，获得网络状态最优状态转移路获取从低轨卫星传输到地面控制中心的第二数据的历史传将所述环境数据和所述数据再生所需能量值数据集进行关联，并输根据所述数据再生所需能量预测模型确定当前的第二数据从低轨卫星传输到地面控将所述数据再生所需能量预测值作为约束条件，将数据再根据所述约束条件和所述目标函数，采用多目标优化算法计第一处理模块，用于获取星地一体物联网终端的实时位置，4获取星地一体物联网终端向低轨卫星传输的历史数据，为所从所述故障诊断数据集中提取出关键特征，获得特征向量，采用支持向将所述故障诊断特征空间表示和各个故障类型进行关联后，形第二处理模块，用于获取地面控制中心和低轨卫星之间所述数据再生所需能量预测值确定所述第二数据在地面控制中心进行数据再生的数据再第三处理模块，用于根据所述第二数据的故障类型标签和所其中，所述根据所述第二数据的故障类型标签和所述数据再生所需根据所述第一特征向量，采用所述第二数据的独热编码将故障类型将所述故障类型标签向量和所述数据再生所需能量预测值进行拼接根据所述融合特征向量，确定多层感知机神经网络的输入层采用反向传播算法，计算损失函数对多层感知机神经网络的权重矩阵根据所述梯度，采用随机梯度下降法更新多层感知机神经网络的权重矩阵和偏置向第四处理模块，用于根据所述数据再生处理方案对所述第第五处理模块，用于根据所述能量调度模型计算星地一体其中，所述通过所述故障自愈所需能量消耗值、所述故5获取历史故障特征数据和历史故障自愈数据，为所述历史故障若满足，则直接根据故障自愈方案生成模型为星地一体物联第六处理模块，用于获取各个星地一体物联网6需能量预测值确定所述第二数据在地面控制中心进行数据再生的数据再生处[0009]根据所述数据再生处理方案对所述第二数据进行数据再7境数据确定所述第二数据从低轨卫星传输到地面控制中心后的数据再生所需能量预测值，根据所述数据再生所需能量预测值确定所述第二数据在地面控制中心进行数据再生的数[0016]第四处理模块，用于根据所述数据再生处理方案对所述[0022]1、显著提高了星地一体物联网系统在遇到数据传输异常时的自适应能力和自愈8[0029]图1是本发明一实施例提供的一种基于多网融合的星地一体物联网通信处理方法[0030]图2是本发明一实施例提供的一种基于多网融合的星地一体物联网通信处理系统9合系统通过GPS模块或北斗定位模块获取每个终端的实时位置信息，并监控其数据传输状LTE网络和卫星物联网的双网智能信号搜索切换或双网双待，实现有LTE基站地区的LTE物[0042]星地一体物联网融合系统实现多频段智能算法识别，数据平台自动识别频段来[0044]在星地一体物联网终端向低轨卫星传输第一数据的过程中，实时监测传输状统能够迅速定位到出现通信异常的设备，为后续的故障处理和网络切换提供基础数据支和丢包率，利用孤立森林算法进行异常检测，若出现往返时间超过500ms或丢包率高于5%分类，识别出是信号衰减、设备故障还是网络拥塞等故障类型，生成故障类型标签如输策略。将第二数据存储到ApacheCassandra分布式数据库中，采用LZ4压缩算法进行压[0049]在所述第一数据的传输过程中实时采集网络状态参数，[0060]根据故障诊断特征空间表示和各个故障类型的关联关系，获取形成的关联数据生成的决策树模型对新的故障诊断特征空间表示进行分类，通过遍历决策树的判断节点，再生所需能量预测值确定所述第二数据在地面控制中心进行数据再生的数据再生处理方据收集到的环境数据预测第二数据(即经过故障类型标签识别后的数据)从低轨卫星传输得到第二数据从低轨卫星传输到地面控制中心后的误码率预测值。根据香农信息论公式，所述历史传输损失程度数据确定数据再生所需能量值数[0068]根据所述数据再生所需能量预测模型确定当前的第二数据从低轨卫星传输到地星所采集的第二数据传输到地面控制中心后的数据再生所需能融合系统如何分配有限的能量资源以支持数据再型标签从文本形式转换为数值型向量表示，得到能够用于模型训练的故障类型标签向量；接着将转换后的故障类型标签向量与数整地反映星地一体物联网终端的故障状况，为后续的故障维修和恢复提供精准的诊断依测算法采用基于支持向量机的单分类器模型，通过对正常状态的终端性能数据进行训练，持续监测各个星地一体物联网终端的能量消耗情况。如果发现某个终端的能量消耗异常，[0103]例如，通过能量检测模块获取10个星地一体物联网终端的剩余能量分别为[0104]参照图2，本发明一实施例提供了一种基于多网融合的星地一体物联网通信处理环境数据确定所述第二数据从低轨卫星传输到地面控制中心后的数据再生所需能量预测[0107]第三处理模块203，用于根据所述第二数据的故障类型标签和所述数据再生所需[0108]第四处理模块204，用于根据所述数据再生处理方案对所述第二数据进行数据再[0109]第五处理模块205，用于根据所述能量调度模型计算星地一体物联网终端的故障[0111]可以理解的是，如图1所示的基于多网融合的星地一体物联网通信处理方法实施网融合的星地一体物联网通信处理系统实施例所具体实现的功能与如图1所示的基于多网融合的星地一体物联网通信处理方法实施例相同，并且达到的有益效果与如图1所示的基于多网融合的星地一体物联网通信处理方法实施例所达到的及存储在存储器302上的计算机程序303，当所述计算机程序303在处理器301上被执行时，实现如上述方法中任一项所述的基于多网融合的星地一体分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器算机设备3的硬盘或内存。