基于神經網絡的多維頻譜推理方法探討

周佳宇 吳皓

【摘 要】簡要介紹了頻譜推理的發展現狀，提出了一種多時隙頻譜的推理方法——長短時記憶網絡（LSTM）推理法，在其基礎上結合神經網絡算法，拓展衍生出時頻二維頻譜推理法和時空頻三維頻譜推理法，能夠在有限的、不連續的時空頻多維頻譜監測數據情況下實現頻譜推理預測，為戰場電磁頻譜態勢生成和頻譜管控提供了支撐。

【關鍵詞】頻譜推理；神經網絡；時空頻

Discussion on Neural Network based Multi-Dimensional

Spectrum Reasoning Method

ZHOU Jiayu， WU Hao

[Abstract] The developmental status of spectrum reasoning is introduced to propose a multi-slot spectrum reasoning of long short term memory （LSTM） network method. Combined with neural network algorithm， the time-frequency 2D spectrum reasoning method and the space-time-frequency 3D spectrum reasoning method are derived， which can realize the spectrum reasoning prediction in the condition of limited and discrete space-time-frequency multi-dimensional spectrum monitoring data. It provides a powerful support to the generation of battlefield electromagnetic spectrum situation and spectrum control.

[Key words]spectrum reasoning； neural network； space time frequency

1 引言

在現代化戰場條件下，作戰平臺或用頻系統并不一定全部裝備有專業的頻譜監測設備，更多的是來源于作戰平臺或用頻系統自身的頻譜感知能力，因此，這些頻譜監測數據在時域、空域、頻域等多個維度上都是非常稀疏的甚至是非常匱乏的。因此，需要對有限的、不連續的時空頻多維分布式頻譜監測進行數據匯集、融合，并對這些數據做頻譜推理預測，形成戰場復雜電磁環境的態勢信息，并形成可用頻譜資源的預測分析，從而為戰場頻譜管控提供依據。

頻譜推理技術是認知通信的重要基礎，其能夠通過模式挖掘、機器學習等方法為裝備系統提供在未知區域、未來時間或陌生頻譜的信道占用情況，在很大程度上提高了復雜電磁環境下的裝備生存適應能力，其在現代化戰爭中的意義不容忽視。

頻譜推理是基于歷史已知頻譜數據來挖掘數據內在的相關性或者規律性，以獲得將來未知無線頻譜的數據狀態[1]。頻譜推理也是一把雙刃劍，一方面它能夠通過歷史數據來預測信道未來某一段時間內的信道狀態，提供非授權用戶的吞吐量，能夠縮短感知時間在自適應頻譜感知中的能量消耗；……