一种融合EMD分解和LSTM网络的频谱占用度预测模型

摘要：

频谱占用度是衡量频谱利用率、反应频谱分配是否合理的重要依据,但是非稳态的频谱占用度序列为有效的预测带来了巨大的挑战.文中提出了融合EMD与LSTM的计算模型(EMD-LSTM),该模型首先对原始占用度序列进行经验模态分解(EMD),令其生成含有不同时间尺度的本征模函数(IMF),然后用Pearson相关系数选择出相关度高的IMF,并将其与频谱占用度序列进行融合,最后利用长短时记忆网络(LSTM)对融合序列进行占用度预测.仿真实验结果及分析表明,相比于普通的LSTM网络,新的模型在预测频谱占用度变化上有了较大的性能改善.

关键词：频谱占用度、长短时记忆、网络经验模态、分解EMD-LSTM

所属期刊栏目：47

分类号：TP183(自动化基础理论)

资助基金：国家重点研发计划

在线出版日期：2020-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：294-298,324