高铁中基于改进GM(1,1)马尔可夫模型的频谱预测策略

针对现有高铁环境中沿线网络复杂且频谱利用率低的问题，将具有人工智能特性的认知基站引入高铁无线通信，并提出一种新的改进灰色GM（1，1）马尔可夫模型对频谱进行预测。与其他方法不同，分别从主用户到来时间及其持续时间两方面进行预测，建立信道的占用/空闲模型。通过新陈代谢GM（1，1）对历史序列的1步预测结果进行对比，得到最佳历史序列个数，并对最佳序列预测值利用二次加权马尔可夫模型进行校正，该校正模型分别对各步长的转移概率和各概率的转移状态进行加权，使其更加适应真实的高铁无线通信场景。通过MATLAB实验仿真，将新的改进GM（1，1）马尔可夫模型与灰色关联度模型的拟合程度和1步预测精度进行对比。结果表明，就时间序列预测而言，该模型对历史序列的拟合程度及1步预测精度更高。因此，该模型能够有效进行频谱预测，提高预测性能。