本文是对论文《Predictive Interference Management for Wireless Channels in the Internet of Things》的分析,第一作者为 Ali Nikoukar
一、文章概述
本文作者主要使用了LSTM长短期记忆机器学习模型对各个频段的信道进行估计,优化频谱使用状况,以达到更优的数据传输效果。
二、系统环境
LSTM模型主要用于对2.4Ghz频段的上各个频点不同时间的干扰进行估计,因为本文是为了达到更好的蓝牙(BLE)传输效果,所以干扰主要来自于2.4Ghz频段的WiFi信号。
三、理论模型
本文作者用RMSE(real-mean-square-error) 均方误差来表征信道干扰预测的情况,RMSE越小越佳。其中表示估计值与显示值的差。
四、应用算法
1.数据预处理
首先,使用差分对数据进行预处理,使非平稳序列变为平稳序列。
2.超参数选择
3.LSTM
处理方法为常见LSTM,此处不展开描述。
五、性能表征
在采样信道15与信道38上,作者所提出的LSTM时间序列模型,相较于传统时间序列预测算法ARIMA,准确度都有所提升。