【技术实现步骤摘要】
一种无线信道大尺度衰落建模方法及装置
本专利技术涉及无线信道建模和人工智能领域，特别是指一种无线信道大尺度衰落建模方法及装置。
技术介绍
随着移动通信技术的发展，无线电波的传播路径(即无线信道)的各种指标，如带宽，频段，天线规模等成倍增大，无线信道中的数据也急剧增多。众所周知，目前最为复杂的通信系统首推无线通信系统。它的复杂性主要在于无线通信的工作环境十分复杂，电波信号不仅会随着传播距离的增加而产生弥散损耗，而且会受到地形、建筑物的遮蔽而发生“阴影效应”，同时，信号传播过程中的多点反射会产生电平快衰落和时延扩展；另外，无线通信常常发生在快速移动中，因而会引起多普勒频移，产生随机调频，而且会使电波传播特性发生快速的随机起伏。根据实际情况建立合适的信道模型对研究信道特征和性能具有重要意义，任何无线通信系统的标准都需要指定一个信道模型作为性能评估和比较的基础，而该信道模型必须充分体现出目标应用环境的特性。深度学习是在机器学习的基础上发展而来，它采用分层处理机制，能够自动地从输入数据逐层学习高级特征。因此，通过无监督式或半监督式的特征学习和分层特征提取的高效算法，深度学习...
【技术保护点】
1.一种无线信道大尺度衰落建模方法，其特征在于，包括：获取测量环境的图片信息和测量环境中多个测量点的实际路径损耗值；根据图片信息提取传播环境的地表高度分布、地物及建筑类型信息，并对提取的地物及建筑类型信息进行独热编码；获取测量环境中基站的发射频率、基站高度、基站到接收天线的距离；对得到的实际路径损耗值、地表高度分布、独热编码后的地物及建筑类型信息、基站的发射频率、基站高度和基站到接收天线的距离进行组合，得到多维度信道特征；根据得到的多维度信道特征，对卷积神经网络进行训练，得到信道损耗检测模型，所述信道损耗检测模型用于确定待测量点的路径损耗值。
【技术特征摘要】
1.一种无线信道大尺度衰落建模方法，其特征在于，包括：获取测量环境的图片信息和测量环境中多个测量点的实际路径损耗值；根据图片信息提取传播环境的地表高度分布、地物及建筑类型信息，并对提取的地物及建筑类型信息进行独热编码；获取测量环境中基站的发射频率、基站高度、基站到接收天线的距离；对得到的实际路径损耗值、地表高度分布、独热编码后的地物及建筑类型信息、基站的发射频率、基站高度和基站到接收天线的距离进行组合，得到多维度信道特征；根据得到的多维度信道特征，对卷积神经网络进行训练，得到信道损耗检测模型，所述信道损耗检测模型用于确定待测量点的路径损耗值。2.根据权利要求1所述的无线信道大尺度衰落建模方法，其特征在于，所述根据图片信息提取传播环境的地表高度分布包括：根据测量环境的图片信息，将基站覆盖下的区域划分为S×S个网格，在地理信息系统中通过抽样和内插法获得网格化的高度模型；根据所述高度模型，得到用于确定传播环境地表高度分布的地表高度均值和地表高度标准差Q：其中，hij表示每个网格的高度，i＝1,2,…,S；j＝1,2,…,S。3.根据权利要求1所述的无线信道大尺度衰落建模方法，其特征在于，所述根据得到的多维度信道特征，对卷积神经网络进行训练，得到信道损耗检测模型包括：对各个维度的信道特征进行归一化处理；将归一化处理后的信道特征输入到卷积神经网络中，利用卷积神经网络的梯度优化算法迭代优化均方误差和准确度，直至均方误差小于预设的第一阈值且准确度大于预设的第二阈值时停止迭代，当前的卷积神经网络作为信道损耗检测模型。4.根据权利要求1所述的无线信道大尺度衰落建模方法，其特征在于，所述卷积神经网络的学习率采用动态学习率，随着迭代轮数的增加学习率自动发生衰减，每轮衰减后的学习速率表示为：decayed_learning_rate＝\learning_rate*decay_rate∧(global_step/decay_step)其中，decayed_learning_rate表示每轮衰减后的学习速率，learning_rate表示初始学习速率，decay_rate表示衰减率系数，global_step表示当前训练轮次，decay_step表示衰减周期。5.一种无线信道大尺...
【专利技术属性】
技术研发人员：姚琳，张建发，张海君，皇甫伟，隆克平，刘玮，任冶冰，董江波，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。