期刊文献+

基于长短期记忆网络的无人机认知无线电频谱预测 被引量:6

UAV cognitive radio spectrum prediction based on long short-term memory network
下载PDF
导出
摘要 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(ARIMA),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。 In order to solve the problem of low radio frequency spectrum utilization,a long short-term memory network(LSTM)is proposed to predict the radio frequency spectrum information over a period of time.Enables drones equipped with cognitive radios to access spectrum holes opportunistically to improve the utilization of radio spectrum.First,establish a prediction model auto-regressive integrated moving average(ARIMA),time delay neural network(TDNN)and LSTM.Secondly,construct the corresponding prediction algorithms for the three prediction models.Finally,use the proposed LSTM prediction model to compare the prediction errors with ARIMA and TDNN,which also have time series prediction models.Prove that the LSTM network has better predictive performance in predicting time-series UAV spectrum information.
作者 陈安民 张春元 张泽林 Chen Anmin;Zhang Chunyuan;Zhang Zelin(College of Mechatronic Engineering,North University of China,Taiyuan 030051.China)
出处 《国外电子测量技术》 北大核心 2021年第1期37-43,共7页 Foreign Electronic Measurement Technology
关键词 无人机 认知无线电 频谱预测 LSTM ARIMA TDNN UAV cognitive radio spectrum prediction LSTM ARIMA TDNN
  • 相关文献

参考文献4

二级参考文献43

共引文献61

同被引文献47

引证文献6

二级引证文献9

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部