一种基于神经网络的太赫兹散射参数预测方法及装置制造方法及图纸

本发明专利技术提供一种基于神经网络的太赫兹散射参数预测方法及装置，所述方法的步骤包括：将测试集中的输入参数分别输入到预先完成训练的多个神经网络模型中，获取预测散射参数；将由多个神经网络模型获得的预测散射参数，根据预设条件划分为多个对比组，计算同一对比组的预测散射参数和真实散射参数的平均绝对误差和均方根误差，预设条件包括介质类型；基于平均绝对误差和均方根误差对多个神经网络模型进行筛选，得到对应介质类型的神经网络模型；基于实际测量中的介质在多个神经网络模型中匹配对应的神经网络模型；将实际测量中的介质类型、发射角和接收角组成的输入向量，输入到对应的神经网络模型中，得到实际预测散射参数。数。数。

【技术实现步骤摘要】
一种基于神经网络的太赫兹散射参数预测方法及装置


[0001]本专利技术涉及通信
，尤其涉及一种基于神经网络的太赫兹散射参数预测方法及装置。

技术介绍

[0002]6G移动通信系统是近些年来国内外研究的热点，由于6G通信系统具有典型的大数据特征，而机器学习是大数据处理开发的强有力技术，因此将传统信道研究与神经网络结合用于高精度信道预测是新一代通信研究的热点方向。
[0003]无线信道是电波传播的基础，在无线移动通信中，所有信息都要通过无线信道来传播。但是无线信道传输的过程中容易受到干扰，且具有较大的随机性，使得对无线通信的精确分析变得困难。由于与6G通信系统具有超宽频谱、超大规模天线阵列、高度异构化以及众多新型应用场景的特点，可将太赫兹频段通信信道研究中的通信特征数据化分析处理，因此在未来太赫兹通信实际应用中，可将神经网络技术及改进算法更好地运用于太赫兹频段通信研究，实现对电磁参数的高精度预测分析。由于太赫兹测试设备成本高昂，在未来6G复杂的应用场景需求下，针对特定场景的实测数据的获取具有一定的门槛，对于超过100GHz的实测数据集本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的太赫兹散射参数预测方法，其特征在于，所述方法的步骤包括：获取预设的测试集，将测试集中的输入参数分别输入到预先完成训练的多个神经网络模型中，获取对应输入参数的预测散射参数；所述测试集包括输入参数和与输入参数对应的真实散射参数，所述输入参数为由介质类型、发射角和接收角组成的三维向量；所述真实散射参数为预测的由发射天线发射，接收天线接收的太赫兹波的散射参数；所述发射角为发射天线的角度，所述接收角为接收天线的角度；所述介质类型为发射天线和接收天线之间的介质的类型；将由多个神经网络模型获得的预测散射参数，根据预设条件划分为多个对比组，计算同一对比组的每个神经网络模型的预测散射参数和真实散射参数的平均绝对误差和均方根误差，所述预设条件包括介质类型；基于平均绝对误差和均方根误差对多个神经网络模型进行筛选，得到对应介质类型的神经网络模型；基于实际测量中采用的介质在多个神经网络模型中匹配对应的神经网络模型；将实际测量中的介质类型、发射角和接收角组成的输入向量，输入到对应的神经网络模型中，得到对应的实际预测散射参数。2.根据权利要求1所述的基于神经网络的太赫兹散射参数预测方法，其特征在于，所述计算同一对比组的每个神经网络模型的预测散射参数和真实散射参数的平均绝对误差和均方根误差的步骤包括：将同一对比组中多个神经网络模型输出的预测散射参数基于根据神经网络模型的类型分别标记在不同的二维坐标系中，并基于预测散射参数的输入参数标记对应的真实散射参数；计算每个二维坐标系中多个预测散射参数和真实散射参数的平均绝对误差和均方根误差。3.根据权利要求1所述的基于神经网络的太赫兹散射参数预测方法，其特征在于，所述基于平均绝对误差和均方根误差对多个神经网络模型进行筛选，得到对应介质类型的神经网络模型的步骤包括：计算每个对比组中同一神经网络模型的平均绝对误差和均方根误差之和；将平均绝对误差和均方根误差之和的最小值对应的神经网络模型作为该对比组的介质类型对应的神经网络模型。4.根据权利要求1所述的基于神经网络的太赫兹散射参数预测方法，其特征在于，在根据预设条件划分为多个对比组的步骤中，所述预设条件还包括发射角或者接收角，若所述预设条件还包括发射角或接收角，则基于同一介质类型，同一发射角或者接收角将预测散射参数划分为多个对比组。5.根据权利要求1
‑
4任一项所述的基于神经网络的太赫兹散射参数预测方法，其特征在于，所述计算同一对比组的每个神经网络模型的预测散射参数和真实散射参数的平均绝对误差和均方根误差的步骤中，根据如下公式计算平均绝对误差：
MAE表示平均绝对误差，n表示同一二维坐标系中真实...

【专利技术属性】
技术研发人员：王卫民，程昊，吴永乐，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：