干扰管理学习日志10-------BLE__信道估计__LSTM

---

本文是对论文《Predictive Interference Management for Wireless Channels in the Internet of Things》的分析，第一作者为 Ali Nikoukar

一、文章概述

本文作者主要使用了LSTM长短期记忆机器学习模型对各个频段的信道进行估计，优化频谱使用状况，以达到更优的数据传输效果。

二、系统环境

LSTM模型主要用于对2.4Ghz频段的上各个频点不同时间的干扰进行估计，因为本文是为了达到更好的蓝牙(BLE)传输效果，所以干扰主要来自于2.4Ghz频段的WiFi信号。

三、理论模型

本文作者用RMSE(real-mean-square-error) 均方误差来表征信道干扰预测的情况，RMSE越小越佳。其中表示估计值与显示值的差。

四、应用算法

1.数据预处理

首先，使用差分对数据进行预处理，使非平稳序列变为平稳序列。

2.超参数选择

3.LSTM

处理方法为常见LSTM,此处不展开描述。

五、性能表征

在采样信道15与信道38上，作者所提出的LSTM时间序列模型，相较于传统时间序列预测算法ARIMA，准确度都有所提升。