一种融合EMD分解和LSTM网络的频谱占用度预测模型

作者：赵晓东; 苏公瑾; 李克利; 成杰; 徐江峰^*

来源：计算机科学, 2020, S1: 294-324.

• 频谱占用度
• 长短时记忆
• 网络经验模态
• 分解EMD-LSTM

频谱占用度是衡量频谱利用率、反应频谱分配是否合理的重要依据,但是非稳态的频谱占用度序列为有效的预测带来了巨大的挑战。文中提出了融合EMD与LSTM的计算模型(EMD-LSTM),该模型首先对原始占用度序列进行经验模态分解(EMD),令其生成含有不同时间尺度的本征模函数(IMF),然后用Pearson相关系数选择出相关度高的IMF,并将其与频谱占用度序列进行融合,最后利用长短时记忆网络(LSTM)对融合序列进行占用度预测。仿真实验结果及分析表明,相比于普通的LSTM网络,新的模型在预测频谱占用度变化上有了较大的性能改善。