基于时频空多维特征解耦的电磁频谱预测模型OA
为了满足当前技术发展对多维频谱数据的高精度预测需求,文章提出一个基于时频空多维特征解耦的电磁频谱预测模型(Time-Frequency-Space Multi-dimensional Feature Decoupling-Feature Fusion Prediction Model based on Mutual Attention,TFS-PMMA)。在多维特征解耦部分,构建一个时频空多维特征解耦模型,以分离频谱数据中的单维信息与跨维度交互特征。为了降低多路特征的冗余信息,提出一个基于互注意力机制的特征融合预测模型,通过互注意力实现原始频谱特征与解耦特征间的高效交互与信息融合,并利用长短期记忆网络捕获多维时序特征的动态关联。实验表明,TFS-PMMA模型的预测精度优于其他两种典型多维预测模型,为缓解频谱资源紧张问题提供了一种高精度的智能预测方案。
宋佳怡;王芷淇;喻麦琪;李爽;韩宇;林云
哈尔滨工程大学,黑龙江哈尔滨150001哈尔滨工程大学,黑龙江哈尔滨150001哈尔滨工程大学,黑龙江哈尔滨150001哈尔滨工程大学,黑龙江哈尔滨150001哈尔滨工程大学,黑龙江哈尔滨150001哈尔滨工程大学,黑龙江哈尔滨150001
信息技术与安全科学
电磁频谱预测特征融合多维解耦互注意力机制长短期记忆网络
《海军航空大学学报》 2026 (5)
P.847-852,6
国家自然科学基金(U23A20271)中央高校基本科研业务费(3072025YY0801)。
评论