一种基于机器学习的多信道频谱预测方法

本申请涉及无线通信领域，公开了一种基于机器学习的多信道频谱预测方法，包括以下步骤：S1、接收同一频段内多个信道的频谱数据；S2、对接收到的频谱数据执行信噪分离，获取频谱占用状态序列；S3、计算每个窗口内的频谱占用度，构建频谱占用度时间序列；S4、应用图卷积网络模型，提取多个信道之间的空间特征；S5、将空间特征数据输入到双向长短时记忆网络中，结合得到的时域特征，预测每个信道的未来频谱占用状态；S6、对每个信道的未来频谱占用状态的输出进行加权合并，得到多信道频谱预测结果。本发明通过利用图卷积网络结合信道间的相关性信息，能够有效提取和利用信道之间的空间特征，从而提高频谱状态的预测准确性。