典型文献
基于机器学习和卫星图像的路径损耗预测
文献摘要：
基于反向传播神经网络(back propagation neural network,BPNN)构建了一种路径损耗预测模型.通过卫星图像的红、绿、蓝(red,green and blue,RGB)通道的颜色信息来表征无线通信电波传播路径的环境特征,结合路测点与基站的距离特征构建数据集,迭代训练网络参数,以预测传播路径损耗.结果表明,对跨基站路测点的预测结果与实测数据之间的相关系数达到0.83,绝对平均误差控制在0.66 dB,标准差控制在6.65 dB,说明在缺乏某一场景的详细模型和材质参数时,本文模型也能可靠预测无线通信电波的传播路径损耗.此外,本文信道模型与传统信道建模方法多方面的对比与分析表明,本文模型在相同计算资源下可以提供和传统信道建模方法相差很小的预测结果,同时大大缩短预测所需的时间,说明本文模型对传播路径损耗做出快速预测的能力可以用于无线通信网络系统的优化.
文献关键词：
路径损耗预测;信道建模;反向传播神经网络(BPNN);机器学习;RGB信息
中图分类号：
作者姓名：
何丹萍;徐卓成;曹惠云;殷玥;吴丽娜;官科
作者机构：
北京交通大学轨道交通控制与安全国家重点实验室,北京100044;北京高速铁路宽带移动通信工程研究中心,北京100044;北京交通大学电子信息工程学院,北京100044
文献出处：
引用格式：
[1]何丹萍;徐卓成;曹惠云;殷玥;吴丽娜;官科-.基于机器学习和卫星图像的路径损耗预测)[J].电波科学学报,2022(03):372-379
A类：
B类：
基于机器学习,卫星图像,路径损耗预测,反向传播神经网络,back,propagation,neural,network,BPNN,red,green,blue,RGB,颜色信息,电波传播,传播路径,环境特征,路测,基站,距离特征,特征构建,迭代训练,网络参数,平均误差,误差控制,dB,详细模型,波的传播,信道模型,信道建模,对比与分析,计算资源,大大缩短,快速预测,无线通信网络,通信网络系统
AB值：
0.364062
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
