摘要
一种基于联合神经网络的动态频谱共享方法,属于频谱预测方法领域。针对频谱资源利用率不高和匮乏的问题,对于如何获取频谱资源,提出一种基于联合神经网络的动态频谱共享方法,包括:改进LSTM循环神经网络,提取时间序列数据的特征;设计基于长短时记忆网络LSTM与循环神经网络RNN结合的频谱感知模型;设计基于BP神经网络和GRNN神经网络的时间序列预测模型;并用频谱感知检测到的数据来提升频谱预测的准确性从而增强频谱利用率,使得动态频谱接入更好的完成。本发明解决了RNN模型中长期存在的依赖问题同时减弱了因长距离而使历史信息丢失的风险,进而提高未来频谱的趋势预测结果的准确性。
技术关键词
动态频谱共享方法
长短期记忆网络
时间序列预测模型
BP神经网络
频谱预测方法
频谱资源利用率
记忆单元
阈值机制
数学模型
频段
数据
存储单元
信号
关系
模板
矩阵
系统为您推荐了相关专利信息
LSTM神经网络
长短期记忆网络
气体传感器
输出特征
Softmax函数
意图识别方法
分层强化学习
意图识别装置
生成对抗网络
算法引擎
卷积循环神经网络
温度预测方法
注意力
记忆单元
长短期记忆网络
磁性天线
电磁噪声
趋势预测方法
趋势预测模型
特征选择