融合多層注意力機(jī)制與CNN-LSTM的反向散射信道預(yù)測(cè)

摘要： 反向散射通信系統(tǒng)頻譜資源十分有限且易受鏈路突變性影響，信道預(yù)測(cè)是提高其頻譜資源利用率和通信質(zhì)量的一種有效方法.但大多數(shù)現(xiàn)有預(yù)測(cè)方法的預(yù)測(cè)精度偏低、依賴(lài)完全已知的信道狀態(tài)信息、適用性受限.為此，本文提出了一種融合多層注意力機(jī)制與卷積神經(jīng)網(wǎng)絡(luò)-長(zhǎng)短期記憶網(wǎng)絡(luò)(Convolutional Neural Networks-Long Short-Term Memory, CNN-LSTM...