根据支持向量域的性质，建立了混沌信道的向量域预测模型以及非线性映射的混沌相位轨迹，基于Takens相空间时延重构理论建立了混沌衰落信道模型。 自学习使误差最小化泛化模型的上限最小。 非线性高维图是通过平方支持向量域实现的。 从训练数据集中预测了未来的衰落信道数据。 预测误差随嵌入尺寸的增加而变化为常数。 实验结果表明，支持向量域几乎不需要支持向量，收敛速度快。 由于样本量少且概率密度未知，因此多径快速衰落信道中的多径预测序列由真值序列组成。 在小样本条件下，预测序列与信道真实值一致。