1.一种基于改进卷积神经网络的移动通信系统智能预测方法，其特征在于，该方法包括以下步骤：

S1：建立移动协作通信系统模型，选取2‑Nakagami通信信道；

S2：针对发射天线选择TAS方案，推导出所述通信系统OP性能的闭合表达式；所述S2中，最佳TAS方案是从Nt根发射天线中选择发射天线w，使目的端的接收信噪比最大，即γSDij,γRDqj分别表示MSi→MDj,MRq→MDj链路的信噪比，译码集合C表示为C＝{1≤i≤Nt|Ci}                   (13)|C|表示译码集合C的势，Ci表示译码集合，Nt表示发射端的天线数量；所述MS为移动信源，所述MR为多个移动中继，所述MD为移动目的端，所述MS的第i根发射天线表示为MSi，所述MD的第j根天线表示为MDj；

那么，最佳TAS方案的OP表示为：其中Rth是中断阈值,γSCij表示第i根发射天线到第j根接收天线的接收信噪比，Nr表示接收端的天线数量，

其中，γSRjl表示MSj→MRl链路的信噪比，L为中继的数目，m为衰弱系数，K为功率分配系2

数，Ω＝E(|a|),E()表示求均值运算；G[·]表示Meijer’s G函数；为平均信噪比，GSR,GSD,GRD分别表示MS→MR,MS→MD,MR→MD链路的位置增益，GSD＝1；

V1表示为

V2表示为

S3：选取CNN模型，并将该模型中的池化层去除，将影响通信系统OP性能的信道参数作为该模型输入，再通过训练样本进行训练，即得到基于改进卷积神经网络的移动通信系统智能预测模型。

2.如权利要求1所述的移动通信系统智能预测方法，其特征在于，所述S3中，CNN模型构造过程包括数据预处理、卷积层搭建和全连接层搭建。

3.如权利要求1所述的移动通信系统智能预测方法，其特征在于，所述S3中，选取8个信道参数：mSR,mRD,mSD,GSR,GRD,K,γth, 其中mSR,mSD,mRD分别表示MS→MR,MS→MD,MR→MD链路的衰弱系数；X表示为

X＝(x1,x2,...,x8)                      (22)然后利用X，通过所述公式(14)，就计算得到了输出y，即为OP性能。

4.如权利要求1所述的移动通信系统智能预测方法，其特征在于，所述S3中，使用贪心算法与迁移学习训练CNN模型，采用均方误差(MSE)作为损失函数，损失函数表示如下：z z

其中,y是第z个输入对应的实际输出,d是其理想的输出，PP是测试集的数目。