通信路径损耗预测方法、设备、存储介质及装置制造方法及图纸

本发明专利技术涉及通信技术领域，公开了一种通信路径损耗预测方法、设备、存储介质及装置，该方法包括：将发送终端与接收终端之间的地理信息输入预设迁移网络模型，以获得接收终端的初始场强，根据地理信息确定近距离地物类型向量，将近距离地物类型向量和初始场强输入预设地物类型网络模型，以获得发送终端与接收终端之间的路径损耗；由于本发明专利技术先将地理信息输入预设迁移网络模型，再将近距离地物类型向量和迁移网络模型的输出输入预设地物类型网络模型，以获得发送终端与接收终端之间的路径损耗，从而降低了整体网络的参数数量，降低了网络深度，进而避免了出现过拟合和梯度饱和现象，进而提高了路径损耗预测的准确性。而提高了路径损耗预测的准确性。而提高了路径损耗预测的准确性。

【技术实现步骤摘要】
通信路径损耗预测方法、设备、存储介质及装置


[0001]本专利技术涉及通信
，尤其涉及一种通信路径损耗预测方法、设备、存储介质及装置。

技术介绍

[0002]目前，通常通过传播模型估算收发两点间的路径损耗。现有技术中，传播模型有多种类型，如自由空间，COST231，SPM模型和三维射线跟踪模型，均属于确定性模型，有严格的因果律。
[0003]上述传播模型同属一类模型，本质上是线形模型及其各种变形，添加相关的修正项，频率因素，基站/终端高度因素以及地物类型因素等。这类模型的方程形式就决定了无法精确描述电磁波在城区场景下的复杂情况，而AI神经网络的多层感知机理论是可描述任意复杂的函数，只要经过良好的输入、输出的设定和合理的数据集训练就可以得到更加好的模型。但其缺点是参数随着神经网络结构扩大急速扩大，容易出现过拟合或者在训练时发生梯度饱和，使得路径损耗预测不准确。
[0004]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0005]本专利技术的主要目的在于提供一种通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通信路径损耗预测方法，其特征在于，所述通信路径损耗预测方法包括以下步骤：将发送终端与接收终端之间的地理信息输入预设迁移网络模型，以获得所述接收终端的初始场强；根据所述地理信息确定近距离地物类型向量；将所述近距离地物类型向量和所述初始场强输入预设地物类型网络模型，以获得所述发送终端与所述接收终端之间的路径损耗。2.如权利要求1所述的通信路径损耗预测方法，其特征在于，所述将发送终端与接收终端之间的地理信息输入预设迁移网络模型，以获得所述接收终端的初始场强的步骤之前，还包括：获取发送终端与接收终端之间的地理信息样本；基于所述地理信息样本对初始迁移网络模型进行训练，获得预设迁移网络模型；获取所述预设迁移网络模型的输出场强，并根据所述地理信息样本确定近距离地物类型向量样本；基于所述输出场强和所述近距离地物类型向量样本对初始地物类型网络模型进行训练，获得预设地物类型网络模型。3.如权利要求2所述的通信路径损耗预测方法，其特征在于，所述基于所述输出场强和所述近距离地物类型向量样本对初始地物类型网络模型进行训练，获得预设地物类型网络模型的步骤，包括：将所述输出场强和所述近距离地物类型向量样本输入初始地物类型网络模型，获得预测场强；获取实际场强，并根据所述预测场强和所述实际场强确定损失函数；基于所述损失函数对所述初始地物类型网络模型进行优化，获得预设地物类型网络模型。4.如权利要求1至3中任一项所述的通信路径损耗预测方法，其特征在于，所述将所述近距离地物类型向量和所述初始场强输入预设地物类型网络模型，以获得所述发送终端与所述接收终端之间的路径损耗的步骤，包括：将所述近距离地物类型向量和所述初始场强输入预设地物类型网络模型，以获得目标场强；根据所述目标场强和功率修正值确定所述接收终端的接收功率；根据所述发送终端的发送功率和所述接收终端的接收功率确定所述发送终端与所述接收终端之间的路径损耗。5.如权利要求4所述的通信路径损耗预测方法，其特征在于，所述将所述近距离地物类型向量和所述初始场强输入预设地物类型网络模型，以获得目标场强的步骤之前，还包括：获取地物类型网络模型训练时所述发送终端的训练发送功率；根据所述训练发送功率和所述发送终端的发送功率确定功率修正值。6.如权利要求1至3中任一项所述的通信路径损耗预测方法，其特征在于，所述将发送终端与接收终端之间...

【专利技术属性】
技术研发人员：张华，董江波，张新程，刘建飞，刘兴旭，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：