认知无线电网络中的频谱预测深度学习：现状、新机遇与挑战

本研究针对频谱预测这一提高频谱效率的技术，解决了在认知无线电网络中因频谱数据的高度非线性以及复杂使用模式而带来的预测准确性挑战。论文提出了一种新颖的时空频谱预测框架ViTransLSTM，通过结合视觉自注意力和长短期记忆网络，能够有效捕捉频谱使用模式的长短期时空依赖性，验证了该方法在真实频谱数据集上的有效性，开辟了未来研究的新挑战和机遇。