基于CNN-BiLSTM的短波通信频率预测研究
Communications Technology（2020）
摘要
受电离层变化影响,短波通信频率如何实现优选一直是影响短波通信效果的关键.针对目前短波频率预测方法在远程通信中出现的预测精度不高、不能较好满足通信需要的现状,提出一种基于历史通信数据的卷积神经网络(CNN)和双向长短期记忆神经网络(BiLSTM)相结合的预测模型实现对短波通信频率值进行预测,并与单特征、多特征输入长短期记忆神经网络(LSTM)预测模型进行对比.仿真结果表明,该模型能够实现短波通信频率预测且相对于单特征输入LSTM预测用时更短、多特征输入LSTM预测精度更高,具有一定的可行性.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要