基于GC-2LSTM-NN模型的频谱冲突时间比率预测方法

本发明属于认知无线电领域，具体涉及一种基于GC‑2LSTM‑NN模型的频谱冲突时间比率预测方法。从非同步认知无线电网络中获得次发射机的时空数据，分别提取第t时隙的感知矩阵中过去ξ个时隙的次发射机的历史信息输入GC‑2LSTM‑NN模型，GC‑2LSTM‑NN模型包括图卷积层和双层LSTM，双层LSTM包括N个个体LSTM、群体LSTM和线性层，最终输出时隙t的H个时间片的预测冲突时间比率向量；利用反向传播算法对GC‑2LSTM‑NN模型进行训练；利用训练好的GC‑2LSTM‑NN模型预测每个时隙的H个时间片的冲突时间比率向量。本发明提高了冲突时间比率预测准确程度。