信道估计(四)：LSTM能征服信道预测吗？

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