【技术实现步骤摘要】
本专利技术涉及卫星通信，更具体的，涉及一种卫星语音通信任务的智能优化方法及系统。
技术介绍
1、近年来，随着商业航天的兴起，卫星制造和发射成本大幅降低，星载天线技术快速发展，为卫星通信产业注入了新的活力。同时，随着通信芯片、终端能力的提升，基于星地网络融合的公众手持终端直连卫星逐步成为现实。“手机直连卫星”具有丰富的应用场景。在卫星通信应用中，语音通话是必备的一个通信功能需求，用于解决在偏远的无地面通信手段覆盖区域的实时语音通话需求以及在保障救援、紧急救助和应急通信等情况下，为用户提供保底通信保障。
2、伴随着卫星通信应用范围越来越广、用户越来越多，对卫星通信网络语音质量的要求也越来越高。解决卫星通信网络中语音质量问题的解决办法，首先要能够准确评测语音质量，才能根据评测结果提升语音质量。在当前卫星网络中，语音质量问题的发现主要依靠人工感知，依靠用户对呼叫过程中听到的声音质量进行评价，这种方法成本高、费时长、没有统一可信的度量标准。语音通信任务的合理规划有助于提高卫星资源利用率，降低整体的卫星通信任务完成时间。因此，如何根据干扰态势对卫星语音质量进行评估及任务分配优化，提高语音质量是亟需解决的问题。
技术实现思路
1、为了解决上述技术问题，本专利技术提出了一种卫星语音通信任务的智能优化方法及系统，目的是通过语音通信任务的智能调度提升抗干扰性能，有效降低语音通信任务的时延,提升卫星通信服务质量及资源的利用率。
2、本专利技术第一方面提供了一种卫星语音通信任务的智
3、获取用户的卫星语音通信的语音状态数据，对所述语音状态数据进行编码，生成语音调制数据，根据所述语音调制数据组建卫星语音通信任务队列；
4、基于所述卫星语音通信任务队列进行频谱感知，获取当前卫星语音通信的干扰占用状态数据，并预测卫星在未来时段的干扰态势；
5、对所述卫星语音通信任务队列进行拆分处理，利用所述干扰态势评估拆分后任务数据块的语音质量，根据语音质量判断当前卫星的资源适配度；
6、通过资源适配度结果为卫星语音通信任务分配合适卫星，将任务数据块根据发送格式进行标准化处理，发送至接收端，对数据块进行解调，生成语音数据。
7、本方案中，获取用户的卫星语音通信的语音状态数据，对所述语音状态数据进行编码，生成语音调制数据，具体为：
8、通过卫星通信终端接收用户语音数据，对所述用户语音数据进行基础特征提取，所述基础特征包括信噪比、回音程度、灵敏度、转录时延及语速，将所述基础特征及语音通信的周围环境信息生成语音状态数据；
9、构建符号速率估计的深度卷积网络，利用数据检索获取历史音频频谱数据进行预处理，将预处理后的特征向量与对应的符号速率标签进行匹配，生成数据集，并根据预设分割比例获取验证集；
10、将数据集中的特征向量及标签导入所述深度卷积网络，引入自适应注意力机制，使用不同的可变形卷积提取不同层次特征，并在相同的位置聚合不同层次的特征；
11、利用深度卷积网络学习特征向量与符号速率标签的映射关系，并以最小化验证损失进行优化，通过符合预设标准的深度卷积网络对所述语音状态数据预处理，并预测符号速率；
12、通过所述预测符号速率对所述语音状态数据进行编码，生成语音调制数据。
13、本方案中，基于所述卫星语音通信任务队列进行频谱感知，获取当前卫星语音通信的干扰占用状态数据，具体为：
14、聚合预设时隙内的语音调制数据，利用时序对语音调制数据集合进行排序生成卫星语音通信任务队列，基于所述卫星语音通信任务队列获取已完成语音通信任务所对应的卫星；
15、根据已完成语音通信任务的历史语音调制数据生成频谱图，基于改进yolov5构建干扰检测网络，根据底噪起伏、带宽信号干扰及单音信号干扰为检索指标，获取对应的频谱图，在获取的频谱图中进行先验框标注构建训练集；
16、在原始yolov5模型中引入膨胀卷积替换骨干网络中的卷积，并在原特征提取机制中增加空间注意力及通道注意力，将提取的特征图进行同时加权，通过最大池化操作对各层输出的特征图进行拼接；
17、将拼接后的特征图通过大型可分离卷积注意力进行再次特征提取，特征融合后导入检测头，在检测头中进行任务感知对融合特征进行任务自适应，设置两个分支分别进行干扰分类及回归；
18、使用训练集对干扰检测网络进行训练，利用训练后的干扰检测网络获取当前卫星的频谱图的干扰信号，通过检测的干扰信号生成干扰占用状态数据。
19、本方案中，预测卫星在未来时段的干扰态势，具体为：
20、基于双向卷积门控循环单元构建干扰态势预测模型，将已完成语音通信任务对应的干扰占用状态数据进行数据量化，利用前向卷积门控循环单元及后向卷积门控单元进行挖掘已量化干扰占用状态数据的频谱占用特征及频谱占用程度特征；
21、通过隐状态的重置更新进行预测，在预测干扰频谱占用状态时，若所预测频谱被占用，则预测值为1，否则，预测值为0，在预测干扰频谱占用程度时，利用sigmoid函数的输出概率作为预测值表征未来时段频谱被占用的功率水平；
22、通过预测干扰的频谱占用状态和频谱占用程度生成已完成语音通信任务所对应卫星在未来预设时段的干扰态势。
23、本方案中，利用所述干扰态势评估拆分后任务数据块的语音质量，根据语音质量判断当前卫星的资源适配度，具体为：
24、将检索获取的历史音频数据通过pesq进行语音质量客观评价，对历史音频数据及语音质量标签进行配对，选取符合预设质量标准的历史音频数据；
25、通过自编码器获取选取的历史音频数据中干扰态势数据的潜在分布，根据所述潜在分布构建正常语音质量与干扰态势的映射模型，生成干扰态势对应的正常行为模型；
26、获取划分所得任务数据块及对应的预测干扰态势，将所述任务数据块导入所述正常行为模型得到参考干扰态势，通过曼哈顿距离度量预测干扰态势与参考干扰态势的距离，根据距离所落入的预设区间范围评估任务数据块的语音质量；
27、当所述语音质量小于预设语音质量阈值时，则根据语音质量偏差判断当前卫星的资源适配度。
28、本方案中，通过资源适配度结果为卫星语音通信任务分配合适卫星，具体为：
29、获取当前卫星的预设邻域范围内邻居卫星的频率范围与时间范围中的资源占用及任务数量，根据平均资源占用率及运行开销指标生成邻居卫星评价值；
30、基于邻居卫星评价值设置初始聚类中心，计算剩余邻居卫星到所述初始聚类中心的距离，并归于距离最近的初始聚类中心；
31、在聚类类簇中更新聚类中心进行迭代聚类，在聚类结束后，选取与当前卫星节点距离最近的聚类中心作为重分配卫星，将任务数据块进行转发。
32、本方案中，将任务数据块根据发送格式进行标准化处理，发送至接收端，对数据块进行解调，生成语音数据，具体为：...
【技术保护点】
1.一种卫星语音通信任务的智能优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种卫星语音通信任务的智能优化方法，其特征在于，获取用户的卫星语音通信的语音状态数据，对所述语音状态数据进行编码，生成语音调制数据，具体为：
3.根据权利要求1所述的一种卫星语音通信任务的智能优化方法，其特征在于，基于所述卫星语音通信任务队列进行频谱感知，获取当前卫星语音通信的干扰占用状态数据，具体为：
4.根据权利要求1所述的一种卫星语音通信任务的智能优化方法，其特征在于，预测卫星在未来时段的干扰态势，具体为：
5.根据权利要求1所述的一种卫星语音通信任务的智能优化方法，其特征在于，利用所述干扰态势评估拆分后任务数据块的语音质量，根据语音质量判断当前卫星的资源适配度，具体为：
6.根据权利要求1所述的一种卫星语音通信任务的智能优化方法，其特征在于，通过资源适配度结果为卫星语音通信任务分配合适卫星，具体为：
7.根据权利要求1所述的一种卫星语音通信任务的智能优化方法，其特征在于，将任务数据块根据发送格式进行标准化处理，
8.一种卫星语音通信任务的智能优化系统，其特征在于，该系统包括：语音状态调制模块、干扰频谱感知模块、干扰态势预测模块、语音质量评估模块及通信任务重分配模块；
...【技术特征摘要】
1.一种卫星语音通信任务的智能优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种卫星语音通信任务的智能优化方法，其特征在于，获取用户的卫星语音通信的语音状态数据，对所述语音状态数据进行编码，生成语音调制数据，具体为：
3.根据权利要求1所述的一种卫星语音通信任务的智能优化方法，其特征在于，基于所述卫星语音通信任务队列进行频谱感知，获取当前卫星语音通信的干扰占用状态数据，具体为：
4.根据权利要求1所述的一种卫星语音通信任务的智能优化方法，其特征在于，预测卫星在未来时段的干扰态势，具体为：
5.根据权利要求1所述的一种卫星语音通信任务的智能优...
【专利技术属性】
技术研发人员：雷玉霞，印海林，谢李斌，
申请(专利权)人：深圳市遨游通讯设备有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。