频谱插补预测残差网络

缺失80%仍精准预测

通过堆叠残差卷积双向门控循环网络联合插补与预测，避免两阶段方法中插补对特征的扭曲，对缺失数据具有鲁棒性。

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

Expert Systems with Applications 2026

参数信息

缺失率

20 %

技术优势

联合处理，少一步

同时完成缺失值插补和未来状态预测，避免两阶段方法中插补引起的特征扭曲。

能抓时空相关性

通过设计的残差卷积门控循环单元（RC-GRU）捕获动态的频谱和时间相关性，提升建模能力。

高缺失率也能用

在缺失率从20%到80%的两种缺失模式下，模型都能有效运行并优于现有方法。

应用场景

• 频谱感知网络：在频谱感知网络中，即使大量感知数据缺失，仍能准确预测未来频谱状态。
• 认知无线电：为认知无线电提供鲁棒的频谱预测，使其在数据不完整时仍能做出明智的接入决策。
• 无线通信测试：在无线通信测试中，对缺失的频谱监测数据进行插补和预测，辅助系统性能评估。
• 卫星频谱监测：用于卫星频谱监测中处理因干扰导致的缺失数据，提高监测数据完整性。