賈怡婧，李真真

（漯河職業(yè)技術(shù)學(xué)院，河南 漯河 462000）

0 引 言

隨著無線通信技術(shù)的迅猛發(fā)展，頻譜資源的有效利用成為優(yōu)化網(wǎng)絡(luò)性能的重要課題之一[1-3]。頻譜感知作為一種關(guān)鍵的技術(shù)手段，可以實(shí)時(shí)監(jiān)測和分析周圍無線環(huán)境，使通信系統(tǒng)能夠動態(tài)適應(yīng)不斷變化的無線信道條件，從而提高系統(tǒng)的效率和可靠性[4-5]。然而，傳統(tǒng)的頻譜感知方法在應(yīng)對復(fù)雜和動態(tài)的通信環(huán)境時(shí)面臨一系列挑戰(zhàn)，包括感知精度不足、實(shí)時(shí)性差等，限制了網(wǎng)絡(luò)性能的進(jìn)一步提升[6-7]。為克服這些挑戰(zhàn)，文章提出一種基于深度學(xué)習(xí)的無線通信頻譜感知優(yōu)化方法，旨在提高網(wǎng)絡(luò)性能和頻譜利用效率。深度學(xué)習(xí)作為一種強(qiáng)大的模型學(xué)習(xí)技術(shù)，通過對大量數(shù)據(jù)的學(xué)習(xí)和訓(xùn)練，能夠有效挖掘復(fù)雜的非線性關(guān)系，從而更精準(zhǔn)地進(jìn)行頻譜感知[8-9]。在該框架中，頻譜感知被賦予核心地位，并通過引入長短時(shí)記憶網(wǎng)絡(luò)（Long Short Term Memory，LSTM）進(jìn)行深度學(xué)習(xí)模型的構(gòu)建，以實(shí)現(xiàn)對動態(tài)無線環(huán)境的高效感知，提高網(wǎng)絡(luò)性能[10-11]。

1 針對頻譜感知的網(wǎng)絡(luò)性能優(yōu)化框架

基于LSTM 的無線通信頻譜感知優(yōu)化方法的核心思想在于利用LSTM 網(wǎng)絡(luò)有效建模頻譜信息，實(shí)現(xiàn)對時(shí)序變化的動態(tài)感知，從而更精準(zhǔn)地適應(yīng)復(fù)雜的通信環(huán)境。

具體而言，該方法采集周圍無線環(huán)境的頻譜信息，形成時(shí)序數(shù)據(jù)序列。將這些時(shí)序數(shù)據(jù)引入LSTM網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使網(wǎng)絡(luò)能夠?qū)W習(xí)到頻譜變化的內(nèi)在規(guī)律和復(fù)雜的非線性關(guān)系。LSTM 網(wǎng)絡(luò)以其優(yōu)秀的記憶性能，能夠捕捉時(shí)序數(shù)據(jù)中的長期依賴關(guān)系，適用于頻譜感知這一需要考慮歷史信息的場景。完成訓(xùn)練后，文章設(shè)計(jì)方法通過LSTM 網(wǎng)絡(luò)預(yù)測實(shí)時(shí)采集的頻譜信息，得到當(dāng)前時(shí)刻的頻譜狀態(tài)。這一預(yù)測結(jié)果被用于調(diào)整通信系統(tǒng)的參數(shù)和資源分配，以優(yōu)化網(wǎng)絡(luò)性能。通過LSTM 網(wǎng)絡(luò)的學(xué)習(xí)和預(yù)測，該方法能夠更加準(zhǔn)確地把握頻譜變化的趨勢，從而實(shí)現(xiàn)對通信系統(tǒng)的智能優(yōu)化。

基于LSTM 的無線通信頻譜感知的網(wǎng)絡(luò)性能優(yōu)化方法如圖1 所示，主要是時(shí)序頻譜數(shù)據(jù)的采集、LSTM 模型的訓(xùn)練、實(shí)時(shí)預(yù)測、頻譜狀態(tài)的輸出以及網(wǎng)絡(luò)性能的優(yōu)化過程。整個(gè)框架通過LSTM 網(wǎng)絡(luò)實(shí)現(xiàn)對頻譜信息的智能感知和網(wǎng)絡(luò)性能的實(shí)時(shí)優(yōu)化。

圖1 基于LSTM 的頻譜感知的網(wǎng)絡(luò)性能優(yōu)化方法

2 基于LSTM 的頻譜感知方法研究

2.1 長短期記憶網(wǎng)絡(luò)

LSTM 是一種循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，RNN）的變體，旨在克服傳統(tǒng)RNN 在處理長序列時(shí)容易出現(xiàn)梯度消失或梯度爆炸問題的不足。LSTM 的核心結(jié)構(gòu)包括記憶單元和門控單元，其中記憶單元負(fù)責(zé)儲存并傳遞信息，而門控單元?jiǎng)t負(fù)責(zé)控制信息的輸入、輸出和遺忘?？紤]一個(gè)時(shí)刻t：xt為輸入向量，表示當(dāng)前時(shí)刻的輸入信息；ht為隱藏狀態(tài)，表示當(dāng)前時(shí)刻的網(wǎng)絡(luò)狀態(tài)；ct為記憶單元的狀態(tài)，負(fù)責(zé)長期儲存信息。LSTM 的基本單元如圖2 所示。

圖2 LSTM 的基本單元

遺忘門通過Sigmoid 激活函數(shù)來決定前一時(shí)刻的記憶單元狀態(tài)中哪些信息應(yīng)該被遺忘，輸入門通過Sigmoid 激活函數(shù)來決定當(dāng)前時(shí)刻的哪些輸入信息應(yīng)該更新到記憶單元中。記憶單元狀態(tài)負(fù)責(zé)長期儲存信息，通過綜合遺忘門和輸入門的信息得到更新。輸出門通過Sigmoid 激活函數(shù)和雙曲正切激活函數(shù)來決定當(dāng)前時(shí)刻的隱藏狀態(tài)和輸出值。

2.2 基于LSTM 的頻譜分析方法

本研究考慮一個(gè)時(shí)序序列X={x1,x2,…,xT}，其中xt表示時(shí)刻t的頻譜信息?；贚STM 的頻譜分析方法具體步驟如下。

首先，對于時(shí)刻t的輸入xt，定義輸入門的輸出it和記憶單元狀態(tài)為

式中：σ表示Sigmoid 激活函數(shù)；tanh 表示雙曲正切激活函數(shù)；Wi和Wc分別表示相應(yīng)的權(quán)重矩陣；bi和bc是偏置項(xiàng)。

定義遺忘門的輸出ft為

遺忘門的輸出用于決定前一時(shí)刻的記憶狀態(tài)中哪些信息需要被遺忘。該過程的數(shù)學(xué)表達(dá)式為

式中：ct表示時(shí)刻t的記憶單元狀態(tài)；ct-1表示前一時(shí)刻的記憶單元狀態(tài)。最后，定義輸出門的輸出ot和當(dāng)前時(shí)刻的隱藏狀態(tài)ht為

輸出門的輸出ot用于決定當(dāng)前時(shí)刻隱藏狀態(tài)ht中哪些信息需要輸出。該過程結(jié)合了 Sigmoid 和雙曲正切激活函數(shù)，通過調(diào)節(jié)記憶單元狀態(tài)ct，得到最終的隱藏狀態(tài)。

在基于LSTM 進(jìn)行頻譜時(shí)序建模和分析后，網(wǎng)絡(luò)優(yōu)化主要通過LSTM 的輸出來調(diào)整通信系統(tǒng)的參數(shù)和資源分配，以提高網(wǎng)絡(luò)性能，具體步驟如下。

第一，LSTM 輸出的利用。LSTM 網(wǎng)絡(luò)的輸出包括隱藏狀態(tài)ht，該狀態(tài)攜帶了對時(shí)序頻譜數(shù)據(jù)的建模信息，可以被視為對當(dāng)前時(shí)刻頻譜狀態(tài)的抽象表示。本研究利用這一表示來進(jìn)行網(wǎng)絡(luò)優(yōu)化。

第二，網(wǎng)絡(luò)參數(shù)調(diào)整。將LSTM 的輸出與通信系統(tǒng)的參數(shù)關(guān)聯(lián)，如調(diào)整調(diào)制方式、信道編碼率等，以更好地適應(yīng)當(dāng)前時(shí)刻的頻譜環(huán)境。這樣的調(diào)整能夠使通信系統(tǒng)更加靈活地響應(yīng)不同頻譜條件下的變化，提高系統(tǒng)的健壯性。

第三，資源分配優(yōu)化?；贚STM 輸出的頻譜建模結(jié)果，可以智能分配通信資源。例如，動態(tài)調(diào)整功率分配、子載波分配等資源配置策略，最大限度地利用當(dāng)前時(shí)刻的頻譜資源，提高通信系統(tǒng)的效率。

第四，實(shí)時(shí)優(yōu)化決策。由于LSTM 網(wǎng)絡(luò)能夠?qū)崟r(shí)感知?jiǎng)討B(tài)無線環(huán)境，其輸出能夠用于實(shí)時(shí)的決策。根據(jù)LSTM 輸出，通信系統(tǒng)可以及時(shí)做出優(yōu)化決策，以適應(yīng)頻繁變化的頻譜條件，提高通信系統(tǒng)的實(shí)時(shí)性和適應(yīng)性。

LSTM 網(wǎng)絡(luò)建模與分析輸出與網(wǎng)絡(luò)優(yōu)化的關(guān)系如圖3 所示，包括參數(shù)調(diào)整、資源分配和實(shí)時(shí)決策。這一流程使通信系統(tǒng)能夠根據(jù)時(shí)序的頻譜信息動態(tài)調(diào)整其運(yùn)行狀態(tài)，從而提高網(wǎng)絡(luò)性能。

圖3 LSTM 網(wǎng)絡(luò)建模與分析輸出與網(wǎng)絡(luò)優(yōu)化

3 結(jié)果與分析

為測試基于LSTM 的無線通信頻譜感知優(yōu)化方法的有效性，本研究在開放區(qū)域測量了無線通信頻譜制作數(shù)據(jù)集，包含在不同頻段和環(huán)境條件下的頻譜測量信息。該數(shù)據(jù)集覆蓋多種通信場景，包括城市、農(nóng)村、室內(nèi)以及室外環(huán)境，涉及不同信號類型和強(qiáng)度。數(shù)據(jù)集的多樣性有助于驗(yàn)證模型在各種頻譜條件下的性能。實(shí)驗(yàn)過程如下：首先，清理和預(yù)處理數(shù)據(jù)，包括去除異常值、標(biāo)準(zhǔn)化處理等，以確保輸入數(shù)據(jù)的質(zhì)量和一致性；其次，將數(shù)據(jù)集的60%和40%分別劃分為訓(xùn)練集和測試集，用于模型的訓(xùn)練和性能評估；再次，使用劃分的訓(xùn)練集訓(xùn)練基于LSTM 的頻譜感知模型，調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)、超參數(shù)，以最大限度地適應(yīng)數(shù)據(jù)集的特征；最后，使用測試集評估模型在實(shí)驗(yàn)數(shù)據(jù)上的性能，記錄模型在不同頻譜條件下的感知精度和實(shí)時(shí)性。實(shí)驗(yàn)結(jié)果如表1 所示。

表1 實(shí)驗(yàn)結(jié)果

從表1 的實(shí)驗(yàn)結(jié)果可以看出，在不同的頻譜條件下，模型的感知精度變化不大，較為一致，這表明基于LSTM 的無線通信頻譜感知方法對于不同環(huán)境的頻譜變化具有較好的泛化能力，并且模型在實(shí)時(shí)性能方面表現(xiàn)良好，響應(yīng)時(shí)間在可接受的范圍內(nèi)。通過在城市、農(nóng)村、室內(nèi)和室外等不同場景的測試，模型在各種環(huán)境中都能取得較好的性能。這證明了該方法在應(yīng)對復(fù)雜的頻譜條件和通信場景時(shí)的健壯性較好。由此表明，基于LSTM 的無線通信頻譜感知優(yōu)化方法在不同頻譜條件下的性能較優(yōu)，為無線通信系統(tǒng)的性能優(yōu)化提供了可行的解決途徑。

4 結(jié) 論

文章通過深度學(xué)習(xí)建模，精準(zhǔn)分析了無線通信頻譜時(shí)序數(shù)據(jù)，為通信系統(tǒng)的智能優(yōu)化提供了有效手段。然而仍需要進(jìn)一步探討改進(jìn)LSTM 網(wǎng)絡(luò)結(jié)構(gòu)、優(yōu)化參數(shù)調(diào)整方法，并在實(shí)際通信系統(tǒng)中進(jìn)行更為全面的驗(yàn)證。未來的研究方向包括引入更復(fù)雜的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、探索多模態(tài)信息融合的方法以及深入挖掘在5G 及以后通信標(biāo)準(zhǔn)中的應(yīng)用。