基于神經網絡結構化組合的下行鏈路SINR預測
摘要：針對無線蜂窩系統下行鏈路信道SINR預測方法存在的只能對單一信道參數場景進行一步預測、預測誤差較大等不足,根據信道參數變化場景下SINR序列相關性的變化,對長短期記憶網絡(LSTM)和前饋神經網絡(FNN)進行結構化組合,提出一種基于LSTM-FNN預測模型的SINR預測方法,并通過預訓練-全局訓練策略和迭代調優策略對組合網絡進行較好地訓練。仿真實驗表明,LSTM-FNN模型相比于傳統的自回歸積分滑動平均模型(ARIMA)和單一FNN、LSTM網絡,在信道參數變化場景下具有更好的SINR預測性能,且時間復雜度的增加在可接受范圍內。
注: 保護知識產權,如需閱讀全文請聯系遙測遙控雜志社
相關推薦
更多
