信道估计(四):LSTM能征服信道预测吗?
零.概述
之前,我们调研了卡尔曼滤波器和所谓的MLP去进行信道预测,然而已经证明,线性滤波器对于信道预测的能力只能局限在十分之几的波长,这是远远不够的
因此,作为非线性拟合这两年的扛把子深度学习肯定要来掺和两脚,而LSTM,就是专门用于时间序列预测的,因此理论上很适合。
一. LSTM的基本结构
https://www.bilibili.com/video/BV1qM4y1M7Nv?p=2
LSTM的基础知识可以在这个视频学习,LSTM的效果是能够选择性的记忆之前学习的内容,对于信道预测来说,这是合理的,这相当于可以选择所使用的拟合的阶数,在信道预测中是需要的。
在信道预测中,一个经典的模型是用前k个时刻的信道,预测下w时刻的信道,做一个sequence-sequence的模型
这也是一个经典的encoder-decoder的结构,encoder用来提取特征,decoder用于生成预测
或者更暴力一些,直接LSTM往里套就行了
LSTM里还有一个常常被提起的概念
离线和在线学习
说的很好,先学习,然后投入使用,使用时同时采集数据,然后不断更新,然而我看了两篇文章,连这一块的实验都没有,鉴定为胡说
二.总结
这篇写的很短啊,没有什么干货,因为我觉得LSTM的文章都不是很solid,只是套了一下这个模型。而且这个模型对于不同移动性有用吗?我表示怀疑