一种基于高精度电磁传播模型的路径损耗预测方法技术

本发明专利技术公开了一种基于高精度电磁传播模型的路径损耗预测方法，包括以下步骤：S1.对于一类物品中的每一个待测物体，获取该待测物体的地理环境信息和该待测物体的电磁传播模型，加入该类物品的样本集；S2.构建神经网络预测模型进行训练，得到成熟神经网络预测模型；S3.对于不同类别的物品S类物体，重复执行步骤S1~S2，得到每一类物体对应的成熟神经网络预测模型；S4.基于神经网络预测模型，对发射机经预测区域向接收机传播信息的路径损耗进行预测。本发明专利技术针对每一类物品建立了神经网络预测模型，并在此基础上对不同的物体进行双向反射透射分布函数值（BRTDF值）求解，基于光线追踪实现路径损耗预测，有效提高了预测精度。有效提高了预测精度。有效提高了预测精度。

【技术实现步骤摘要】
一种基于高精度电磁传播模型的路径损耗预测方法


[0001]本专利技术涉及路径损耗预测，特别是涉及一种基于高精度电磁传播模型的路径损耗预测方法。

技术介绍

[0002]现有的路径损耗（Path loss）预测存在很不精确的问题。路径损失的预测主要有一下几种方法。
[0003]第一种是基于模型的数据拟合方法，典型的方法是基于斜率和截距的统计模型进行预测，这种预测模型只利用了发射机和接收机之间的距离，因此预测精度低，与真实值的偏差一般在10db。
[0004]第二种是基于数据驱动的插值方法，这种方法在某些位置测量了一些路径损耗的值，然后通过一些信号处理方法，如克里金（Kriging）插值估计未测量位置的路径损耗。这种方法几乎不依赖于物理模型。除克里格法外，其他例子还有径向基函数插值法、张量补全法、支持向量回归法和矩阵补全法。这种方法的预测精度和采集的数据量直接相关，需要在每个环境中大量测量才能取得较好的预测结果。
[0005]第三种估计路径损失的方法是仅利用物理先验知识的方法，而不对预测区域进行任何测量。典型的例子有光线跟踪法、主导路径预测法。这是目前预测精度较高的方法误差在5db左右，但是因为传播环境的建模精度有限，同时有树木和其他杂物，不精确的环境建模限制了光线追踪的精度。此外到了毫米波频段之后，光线追踪更加困难，因为波长变窄，与波长尺寸相当的环境信息都需要知道，但是光线追踪法很难利用高精度环境信息。此外要对反射/衍射参数估计近似值，还需要现场测量调整这些参数。

技术实现思路

[0006]本专利技术的目的在于克服现有技术的不足，提供一种基于高精度电磁传播模型的路径损耗预测方法，针对每一类物品建立了神经网络预测模型，并在此基础上对不同的物体进行双向反射透射分布函数（BRTDF）值求解，并基于光线追踪实现路径损耗预测，有效提高了预测精度。
[0007]本专利技术的目的是通过以下技术方案来实现的： 一种基于高精度电磁传播模型的路径损耗预测方法，包括以下步骤：S1.对于一类物品中的每一个待测物体，获取该待测物体的地理环境信息和该待测物体的电磁传播模型，加入该类物品的样本集；电磁波传播过程中遇到障碍物后，出射电磁波的能量特性。如果电磁波穿透了物体，我们就认为这是透射的电磁波；如果电磁波没有穿过物体，那我们就认为这是反射的电磁波。之后的内容中，我们就用反射和透射这两种现象概括传播现象。这种高精度的电磁传播模型就用物体的双向反射透射分布函数来刻画。
[0008]S2.构建神经网络预测模型，利用步骤S1中得到的样本集中的样本进行训练，得到
成熟神经网络预测模型；S3.对于不同类别的物品S类物体，重复执行步骤S1~S2，得到每一类物体对应的成熟神经网络预测模型；S4.基于神经网络预测模型，对发射机经预测区域向接收机传播信息的路径损耗进行预测：S401.获取预测区域的地理环境信息：利用激光雷达测量预测区域内物品的外形结构，得到物品的三维模型，三维模型用dxf格式的文件存储，以便于光线追踪的使用；对预测区域内物品拍摄多个不同角度下的照片，作为反映物品材质信息的照片；S402.通过光线追踪计算出从发射机到接收机的所有传播路径，相近的路径计入一个传播簇，所有的传播簇记为cluster1,
ꢀ…ꢀ
, clusterK；首先以发射机为球心，向各个方向均匀发射光线；然后追踪每一条光线，光线直线传播并与S1中获取的环境中三维模型发生反射；最后能传播到接收机的所有光线组成了所有的传播路径，所述传播路径包括离去角DoA、到达角AoA、传播路径的三维长度d、与环境中物体发生反射的坐标位置、传播时间构成。
[0009]如果两条光线DoA和AoA的角度差值小于预先设定的阈值那么将他们分为一簇光线，所述一簇光线是指簇内各条光线经历了相同的物体。
[0010]S403.针对每个传播簇，基于步骤S3中得到的成熟神经网络预测模型计算能量损失；对于通过光线追踪法得到一簇光线路径Cluster k，k=1,
…
,K；离去角AoD为，到达角AoA是，TX天线在方向有增益，RX天线在方向有增益；将这一簇里面的离去角为的光线能量写成式中的表示成熟神经网络预测模型的预测结果：首先确定预测区域内的物体种类，选择对应种类的成熟神经网络预测模型，然后将预测区域内物体的特征M，以及入射角度，作为成熟神经网络预测模型的输入，由成熟神经网络预测模型输出预测结果，所述预测结果为BRTDF预测值构成的一张图片，包含所有接收角度下的BRTDF预测值；考虑电磁波在自由空间中的损耗，这一簇电磁波信号的总能量就是：式中的d表示这一簇光线传播路径的三维长度。
[0011]S404.计算所有传播簇的能量和，并据此预测路径损耗。
[0012]对所有传播簇求和得到接收机的接收功率
而预测的路径损耗就是发射功率减去接收功率。
[0013]本专利技术的有益效果是：本专利技术针对每一类物品建立了神经网络预测模型，并在此基础上对不同的物体进行双向反射透射分布函数（BRTDF）值求解，并基于光线追踪实现路径损耗预测，有效提高了预测精度。
附图说明
[0014]图1为本专利技术的方法流程图；图2为实施例中物体BRTDF的测量原理示意图；图3为实施例中电磁波经过一个墙面反射之后的能量分布BRTDF示意图；图4为实施例中区域的建筑物外墙示意图；图5为实施例中神经网络的输出示意图；图6为实施例中仿真的神经网络预测结果示意图。
具体实施方式
[0015]下面结合附图进一步详细描述本专利技术的技术方案，但本专利技术的保护范围不局限于以下所述。
[0016]如图1所示，一种基于高精度电磁传播模型的路径损耗预测方法，其特征在于：包括以下步骤：S1.对于一类物品中的每一个待测物体，获取该待测物体的地理环境信息和该待测物体的电磁传播模型，加入该类物品的样本集；电磁波传播过程中遇到障碍物后，出射电磁波的能量特性。如果电磁波穿透了物体，我们就认为这是透射的电磁波；如果电磁波没有穿过物体，那我们就认为这是反射的电磁波。之后的内容中，我们就用反射和透射这两种现象概括传播现象。这种高精度的电磁传播模型就用物体的双向反射透射分布函数来刻画。
[0017]S101.对于一类物品中的任一待测物体，首先用激光雷达测量该物品的外形结构，得到该物品的三维模型，三维模型用dxf格式的文件；然后该物品拍摄多个不同角度下的照片，作为反映物品材质信息的照片，将物品三维模型和反应物品材质信息的记为物品的地理环境信息；S102.设电磁传播模型通过BRTDF函数进行刻画，则需要测量待测物体的BRTDF值：BRTDF值通过BRTDF函数进行求解，所述BRTDF函数即为双向反射透射分布函数，等于电磁波接收位置处能量与电磁波发射位置处能量的比值；测量过程为：将载有发射机TX的无人机，悬空在坐标为的地方并朝着物体发射电磁
波，发射的电磁波能量是；将载有接收机RX的无人机放置在接收位置，测量得到这个接收位置的RX接收到的电磁波能量；通过计算得到的结果本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高精度电磁传播模型的路径损耗预测方法，其特征在于：包括以下步骤：S1.对于一类物品中的每一个待测物体，获取该待测物体的地理环境信息和该待测物体的电磁传播模型，加入该类物品的样本集；S2.构建神经网络预测模型，利用步骤S1中得到的样本集中的样本进行训练，得到成熟神经网络预测模型；S3.对于不同类别的物品S类物体，重复执行步骤S1~S2，得到每一类物体对应的成熟神经网络预测模型；S4.基于神经网络预测模型，对发射机经预测区域向接收机传播信息的路径损耗进行预测。2.根据权利要求1所述的一种基于高精度电磁传播模型的路径损耗预测方法，其特征在于：所述步骤S1包括：S101.对于一类物品中的任一待测物体，首先用激光雷达测量该物品的外形结构，得到该物品的三维模型，三维模型用dxf格式的文件；然后该物品拍摄多个不同角度下的照片，作为反映物品材质信息的照片，将物品三维模型和反应物品材质信息的记为物品的地理环境信息；S102.设电磁传播模型通过BRTDF函数进行刻画，则需要测量待测物体的BRTDF值：BRTDF值通过BRTDF函数进行求解，所述BRTDF函数即为双向反射透射分布函数，等于电磁波接收位置处能量与电磁波发射位置处能量的比值；测量过程为：将载有发射机TX的无人机，悬空在坐标为的地方并朝着物体发射电磁波，发射的电磁波能量是；将载有接收机RX的无人机放置在接收位置，测量得到这个接收位置的RX接收到的电磁波能量；通过计算得到的结果，即为接收角度下的BRTDF值；S103.改变载有RX的无人机遍历的接收位置，使得载有RX的无人机遍历所有预设的接收位置，在每一个接收位置下重复执行步骤S102，得到所有接收角度下的BRTDF值，并将这些BRTDF值构成一张图片，记为；将地理环境信息和载有TX的无人机悬空坐标构成样本特征，将作为样本特征的标签，构成一个训练样本；S104.改变载有TX的无人机的悬空坐标，使得载有TX的无人机的悬空坐标遍历所有预设的发射位置，设预设的发射位置共有R个，并在每一个发射位置下重复执行步骤S102~S103，得到R个训练样本；S105.遍历当前类物品中的每一个待测物体，并在每一个待测物品下重复执行步骤S101~S104，设当前类物品共有C个待测物体，则供得到个训练样本，加入当前类物品
的训练集中。3.根据权利要求1所述的一种基于高精度电磁传播模型的路径损耗预测方法，其特征在于：所述步骤S2包括：S201.通过神经网络算法构建BRTDF的神经网络预测模型；S202.利用训练集中的训练样本对神经网络预测模型进行训练，在训练过...

【专利技术属性】
技术研发人员：黄川，崔曙光，汪彦丞，张晗，唐心怡，
申请(专利权)人：香港中文大学深圳，
类型：发明
国别省市：