万晓榆，胡盼，王正强

（重庆邮电大学，重庆 400065）

基于二维LMBP神经网络的ISM频段预测算法

万晓榆，胡盼，王正强

（重庆邮电大学，重庆 400065）

随着短距离无线通信技术的快速发展及应用，ISM（2.4 GHz）频段的电磁干扰问题日益凸现，而利用频谱预测来预先获知频段的占用信息，已成为解决设备间兼容共存问题的有效途径。在验证ISM频段时域频域相关性的基础上，提出了一种时频二维LMBP神经网络，并将其应用于ISM频段的频谱预测。通过仿真和理论分析得到了最佳的时频训练组合点（△t=5、△f=2），在神经网络输入向量N=9的条件下，该点的预测准确度可达95%，相比Markov算法和时域LMBP神经网络分别提高了9%和4%的预测精度，且具有更优的训练收敛时间。

ISM频段时频相关性；BP神经网络；时频二维LMBP神经网络；频谱预测精度

1 引言

物联网产业的快速发展导致工作在ISM频段的物联网设备数量日渐增加，该频段的同频干扰问题日趋严重［1，2］。由于ISM频段为非授权频段，小功率网络（如ZigBee）极易被 WLAN（wireless local area networks，无线局域网）这类强功率设备的干扰所湮没，从而造成节点间的数据丢帧，甚至 整 个网 络的瘫痪［3］。

自 2006 年美国加利福尼亚大学 Acharya［4，5］首次提出将预测机制应用到推演时域频谱空穴的出现时刻和持续时间后，各类预测算法在频谱预测中得到了广泛的应用［6-8］。通过频谱预测算法来预先获知频段的占用信息，同样是解决ISM频段设备间兼容共存问题的一种有效途径。

［9］基于GSM频段的时域相关特性，采用一阶Markov链和时域LMBP神经网络来实现GSM频段的频谱预测，但该方法并未对频段的频域相关特性进行验证，且采用一阶Markov链和时域LMBP神经网络来实现ISM频段的频谱预测，算法的训练收敛时间和预测精度难以达到较为理想的均衡。……