白天晟，陈永刚

基于AOS-ELM的高铁频谱预测策略

白天晟，陈永刚

(兰州交通大学 自动化与电气工程学院，甘肃 兰州 730070)

针对高铁无线通信环境中频谱利用率低且网络环境复杂这一现实问题，提出一种基于自适应在线极限学习机(Adaptive Online Sequence Extreme Learning Machine, AOS-ELM)的频谱状态预测模型。利用计算机产生与实际环境相符且在一定时间内满足指数分布的主用户到来时间及满足正态分布的持续时间，建立频谱状态模型。提出基于自适应神经元构造法和Cholesky分解的AOS-ELM，通过二者对模型的优化，提高模型灵活性及泛化能力，简化计算复杂度。将一维数据利用交互信息法和Cao氏计算法分别计算延迟时间和嵌入维数，构造相应样本，并送入ELM计算相对较优的初始隐层节点数，进而利用AOS-ELM进行频谱状态的预测，并与ELM和在线序列ELM(Online Sequence ELM, OS-ELM)等模型进行对比。研究结果表明：该模型可用于预知频谱状态，指导信道择优分配，提高频谱利用率。在提高预测精度的同时，显著降低了频谱预测时间，具有一定的适用性及实用性。

高速铁路；认知无线电；频谱预测；在线序列ELM；自适应神经元；Cholesky分解

高铁通信承载着许多安全业务，需要稳定成熟的通信环境提供支撑。2011年12月，国际铁路联盟(International Union of Railways，UIC)在综合技术和产业等多方面因素后，于第七届高速铁路大会上明确提出，铁路移动通信系统，即全球移动通信(Global System for Mobile Communications-Railway, GSM-R)技术，将跨越3G技术直接向铁路长期演进(Long Term Evolution-Railway, LTE-R)技术发展[1]。因此，继GSM-R之后的下一代铁路无线通信系统——LTE-R，有着良好的发展前景。随着高速铁路无线通信业务种类日益增加，解决频谱资源紧缺问题迫在眉睫。……