时空频谱预测网络

带噪缺损也准

用Transformer与张量补全协同处理不完整观测，从全维度挖掘频谱关联，完成精确的时空频谱地图预测。

Lei, Wang · Hu, Jun · Dan, Jiang · 陈曾平

Expert Systems with Applications 2026

技术优势

缺损也稳

通过融合深度学习和张量补全，充分利用时空频三维结构，即使观测不完整也能可靠预测。

异常波动扛得住

模型能处理被破坏的数据，避免异常值干扰最终地图生成。

真实数据验证过

在真实世界频谱测量数据上验证，而非仅模拟数据集，更具部署参考价值。

应用场景

• 频谱地图构建：从稀疏、带噪的测量值重建完整频谱地图，降低数据采集成本。
• 认知无线电：为动态频谱接入提供准确的干扰地图，辅助决策。
• 电磁频谱感知：弥补传感器稀疏部署导致的感知盲区，提升态势精度。
• 无线网络优化：指导网络参数调整和资源调度，提高频谱利用效率。