基于长短期记忆网络的无人机认知无线电频谱预测
为解决无线电频谱利用率低的问题,提出利用长短期记忆网络(LSTM)来预测一段时间内的无线电频谱信息,使得装有认知无线电的无人机能够机会性的接入频谱空洞,以提高无线电频谱的利用率.首先分别建立整合移动平均自回归(ARI-MA),时延神经网络(TDNN)以及LSTM的预测模型,其次构建3种预测模型相应的预测算法,最后利用提出的LSTM预测模型与同样具有时序型预测模型的ARIMA和TDNN在预测误差上的比较,证明该LSTM网络在预测具有时序型的无人机频谱信息中具有更好的预测性能.
无人机;认知无线电;频谱预测;LSTM;ARIMA;TDNN
40
TN92;TP3
2021-06-15(万方平台首次上网日期,不代表论文的发表时间)
共7页
37-43