<sub id="n0hly"></sub>
<sub id="n0hly"></sub>

      <small id="n0hly"><progress id="n0hly"></progress></small>

      3. <address id="n0hly"></address>
      3. 
	
        

		
		

	
        
				
			加急見(jiàn)刊
		
        
		

		
		
        
			
        
				
				
				
        
					
					
        
						
						
        基于神經(jīng)網(wǎng)絡(luò )結構化組合的下行鏈路SINR預測
        
						
        劉松林; 秦曉衛; 戴旭初  中國科學(xué)技術(shù)大學(xué)電子工程與信息科學(xué)系; 合肥230027
        

					
        
					
        摘要：針對無(wú)線(xiàn)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(chǎng)景進(jìn)行一步預測、預測誤差較大等不足,根據信道參數變化場(chǎng)景下SINR序列相關(guān)性的變化,對長(cháng)短期記憶網(wǎng)絡(luò )(LSTM)和前饋神經(jīng)網(wǎng)絡(luò )(FNN)進(jìn)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(guò)預訓練-全局訓練策略和迭代調優(yōu)策略對組合網(wǎng)絡(luò )進(jìn)行較好地訓練。仿真實(shí)驗表明,LSTM-FNN模型相比于傳統的自回歸積分滑動(dòng)平均模型(ARIMA)和單一FNN、LSTM網(wǎng)絡(luò ),在信道參數變化場(chǎng)景下具有更好的SINR預測性能,且時(shí)間復雜度的增加在可接受范圍內。
        
					
        注: 保護知識產(chǎn)權,如需閱讀全文請聯(lián)系遙測遙控雜志社
        
				
        
				

			
        
		
        

		
		

	
        

	
	
	
	
	
	
	
	


亚欧成人中文字幕一区-日韩影音先锋AV乱伦小说-成人精品久久一区二区-成人美女视频在线观看

        <sub id="n0hly"></sub>
        <sub id="n0hly"></sub>
        

          <small id="n0hly"><progress id="n0hly"></progress></small>
          3. 

          <address id="n0hly"></address>
          3.