为了解决Vehicle to Everything(V2X)毫米波通信系统延时高、链路易阻塞等问题,基于车辆和用户终端周围环境状态信息的感知,提出一种视觉辅助的能效最大阻塞预测方法。利用视觉感知模型实现系统对目标用户以及周围障碍物的精准感知,结...为了解决Vehicle to Everything(V2X)毫米波通信系统延时高、链路易阻塞等问题,基于车辆和用户终端周围环境状态信息的感知,提出一种视觉辅助的能效最大阻塞预测方法。利用视觉感知模型实现系统对目标用户以及周围障碍物的精准感知,结合深度强化学习设计了一种融合特征和时间注意力的DA-DBLSTM网络预测未来链路阻塞到达时间,与传统注意力相比,该融合注意力不仅可以关注每个时间单元中的不同特征,而且关注不同时间单元的时序信息,使检测效果更优。仿真和分析结果表明,提出的DA-DBLSTM网络预测链路阻塞效果明显,在均方误差(Mean Square Error,MSE)、均方根误差(Root Mean Square Error,RMSE)、平均绝对误差(Mean Absolute Error,MAE)和平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)方面均优于现有方法。展开更多
