基于复合2D-LSTM网络的频谱预测研究

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。