基于时频融合注意力网络的频谱预测方法

频谱预测能够建模频谱状态时频域关联关系,对于降低不同优先级用户频谱冲突、提升频谱利用率具有重要意义。针对复杂动态电磁环境中频谱状态多维复杂关联特性建模问题,综合考虑频谱数据中的时间相关性和频段相关性,提出一种基于时频融合注意力网络的频谱预测方法。通过多个扩张因果卷积提取频谱数据中不同周期的时序特征,将多频段频谱数据用图表征,利用图卷积网络获取频域特征,引入注意力网络对时域特征和频域特征进行动态加权,有效提升模型的训练效率和预测精度。基于实测频谱数据的大量仿真结果表明,典型场景下平均绝对误差、均方根误差和平均绝对百分比误差等指标比现有典型预测算法分别降低15.8%、16.9%、15.1%,训练时间平均降低21.5%。