原文服务方: 物联网技术       
摘要:
频谱预测技术对提升物联网频谱利用效率具有重要作用,受到广泛关注和研究。根据实际频谱环境数据的时-频域相关性和时间上的周期性特征,提出一种基于二维采样的长短时记忆网络预测模型2D-SPLSTM。在充分利用历史频谱数据时-频域相关性的基础上,通过采样融合了历史频谱数据中的接近趋势和周期趋势。仿真表明,2D-SPLSTM模型在实际频谱环境数据中获得了明显的性能提升,并在均方根误差(RMSE)、平均绝对百分比误差(MAPE)和R2分数性能指标方面得到验证。同时,在跨步预测场景中,提出的模型有着更稳定、优越的性能,进一步说明了模型的有效性。
推荐文章
基于PF-LSTM网络的高效网络流量预测方法
网络流量预测
长短期记忆神经网络
粒子滤波算法
预测模型
基于LSTM时间递归神经网络的短期电力负荷预测
短期电力负荷预测
LSTM
时间递归
神经网络
基于注意力时空解耦3D卷积LSTM的视频预测
视频预测
卷积LSTM
注意力机制
时空解耦
重采样
基于LSTM模型的短期负荷预测
短期负荷预测
LSTM神经网络
工业用户
深度学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于复合2D-LSTM网络的频谱预测研究
来源期刊 物联网技术 学科 工学
关键词 认知无线电 频谱预测 2D-LSTM 网络 激活函数 频谱演化 时间复杂度
年,卷(期) 2022,(10) 所属期刊栏目 学术研究_可靠传输
研究方向 页码范围 36-39
页数 3页 分类号 TP393
字数 语种 中文
DOI 10.16667/j.issn.2095-1302.2022.10.010
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
认知无线电
频谱预测
2D-LSTM 网络
激活函数
频谱演化
时间复杂度
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
物联网技术
月刊
2095-1302
61-1483/TP
16开
2011-01-01
chi
出版文献量(篇)
5103
总下载数(次)
0
总被引数(次)
13151
论文1v1指导