基于射线跟踪的空地毫米波传播损耗预测

传播毫米波传播损耗模型假设收发端天线高度比较低,不直接适用于空地传输场景,本文基于射线跟踪原理提出了一种空地场景下毫米波通信的传播损耗统计模型。该模型推导分析了视距、反射、绕射和无信号四种不同传播情况的路径概率,并综合考虑了环境、频率、距离和天线高度等因素对路径损耗的影响。仿真分析结果表明,本文模型对不同场景和传播高度都具有良好的适用性,对于非视距情况的细化分类使其计算结果,比传统模型更为精确且与射线跟踪仿真结果更为吻合,可用于空地毫米波通信系统设计和算法优化等领域。      

毫米波室内传播场景的蚁群优势路径搜索方法

为更高效地实现毫米波室内传播特性分析,提出了一种基于蚁群算法的快速射线追踪方法.该方法利用蚁群分布计算和启发式搜索原理寻找电波传播优势射线路径,并选取室内传播中能量较高的优势射线路径代替所有射线路径进行分析,用于降低算法复杂度和提高执行效率.通过典型室内场景下28 GHz、32 GHz和38 GHz三个频率信道特性的仿...     

基于改进射线跟踪法和BP神经网络算法的室外微蜂窝毫米波信道特性研究

在28 GHz与39 GHz毫米波频段室外微蜂窝场景下,基于改进射线跟踪法和反向传播(back propagation,BP)神经网络算法对毫米波单发单收信道及单发多收信道进行建模仿真研究.在得到的无线信道仿真数据基础上,研究分析了毫米波信道的路径损耗、均方根(root-mean-square,RMS)时延扩展(del...     

基于机器学习和卫星图像的路径损耗预测

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.     

基于多层感知器神经网络的路径损耗预测研究

为了更好地服务于5G及未来无线通信系统的网络规划与优化,开展了基于多层感知器(multi-layer perceptron, MLP)神经网络的路径损耗预测研究. 利用有限的地物类型,提出一种表征传播环境的简易方法,避免了繁琐的三维场景建模. 结合测量数据和由环境表征方法提取的环境特征,基于MLP神经网络建立了路径损耗模型. 数据实验的对比分析表明MLP神经网络能够实现路径损耗的准确预测,且环境特征的引入有助于提升模型性能. 为解决干扰地物影响路径损耗模型的准确性以及模型对环境变化的敏感性问题,根据视距(line-of-sight, LoS)和非视距(non-line-of-sight, NLoS)标签改进环境表征方法,进一步提升了模型的稳定性和泛化能力. 所做工作有助于了解无线电波传播特性,为无线网络优化和通信系统设计提供了理论依据.     

28 GHz室内毫米波信道路径损耗模型研究

毫米波信道建模是第五代（the 5th Generation,5G）移动通信系统的关键技术,而路径损耗是表征毫米波信道传播大尺度衰落影响的重要参数.为了更好地理解毫米波信道的传播特性,应进行广泛的信道测量与建模.因此,对28 GHz室内环境进行了信道测量,并给出了相应的毫米波信道路径损耗模型,同时基于入射及反弹射线法/镜像法仿真分析了路径损耗传播特性.研究结果表明:实测结果与仿真结果一致性吻合良好,从而验证了入射及反弹射线法/镜像法的正确性;自由空间邻近（Close-In,CI）参考距离路径损耗模型表达式更简洁,鲁棒性更强.最后,本文给出了一种普遍适用的用来表征室内视距（Line-of-Sight,LOS）与非视距（Non-Line-of-Sight,NLOS）环境28 GHz与60 GHz毫米波信道的路径损耗模型.     

用射线跟踪法研究毫米波在微蜂窝中的传播特性

中运用一种基于镜像理论的射线跟踪方法来预测工作频率为62.4GHz的微蜂窝信道的传播特性。该方法考虑了反射和铙射。预测结果表明当假设建筑物的表面是光滑并且忽略了大气中氧分子的吸收损耗时，预测的接收信号功率要比实际信号功率小，而考虑建筑物表面的粗糙度和氧分子的吸收损耗将改善预测精度，最大反射阶数为两阶并且忽略绕射射线的贡献就可以很好地预测微蜂窝的传播情况。当直径路径被阻挡时接收信号的强度会下降一个比较大的值，这种特性会影响微蜂窝的覆盖。     

基于神经网络的无线信道场景识别

无线信道场景识别对于无线资源调度和系统性能的优化等具有重要意义.文中基于QuaDriGa平台研究了反向传播神经网络(back propagation neural network,BPNN)和卷积神经网络(convolutional neural networks,CNN)在无线信道场景识别中的应用.首先,利用QuaD...     

一种林区毫米波通信的路径损耗预测模型

由于林区环境复杂,实地测量路损存在困难,因此基于自由空间邻近模型(Close-In,CI)引入了路径损耗指数矫正因子,并考虑视距和非视距传输概率以及雨衰提出了适用于林区的毫米波路径损耗预测模型.以60 GHz毫米波为例,考虑不同的树木高度、树冠半径、天线高度、树木密度进行模拟仿真并与传统的自由空间路损模型进行比较.仿真...     

用射线跟踪法对室内电波传播进行预测

根据室内电波传播的特点，对室内电波的反射，透射和绕射等传播路径进行了分析，首次考虑了多层介质的反射，透射以及棱角边缘的绕射，建立了基于射线跟踪法的二维和三维传播预测模型，根据这些模型能够计算出室内各处电波传播的路径损耗。计算结果与测量结果符合很好。同时，将二维和三信跟踪预测结果作了比较，结果表明在有些情况下二维跟踪更经济实用。     

近距离散射跨山通信传播损耗的简便算法

近距离散射跨山通信存在山峰绕射和对流层散射2种电波传播模式,需要按照不同的传播方式计算传播损耗。无论是绕射还是散射,现有的算法都不能快速预计出传播损耗。为了便于在实际应用中对传播损耗做出快速预计,结合实测数据,给出了近距离跨山通信中散射传播损耗的简便工程算法。介绍了山峰绕射传播损耗的计算方法,提出了绕射参数的工程算法,并给出了近距离散射跨山通信站址选择的建议,为选址提供理论参考。     

一种基于深度神经网络的电波传播损耗模型构建方法

将传统经验模型用于电波传播损耗计算,存在泛化性差等问题,在复杂传播环境下难以取得良好的计算效果。针对该问题,本文从数据驱动的角度出发,设计了一种基于深度神经网络的电波传播损耗模型构建方法并进行了仿真验证。首先,基于辐射源与接收机的距离特征及环境特征,构建一定地域内电磁环境感知数据与地形数据的联合数据集,作为本模型的数据源;其次,构建深度神经网络,迭代训练网络参数,并通过网格搜索法优化超参数;最后,运用联合数据集与深度神经网络模型开展计算机仿真实验。结果表明,提出的方法在复杂地域电波传播损耗计算方面能够取得良好的预测精度。     

短波地面波传播路径损耗分析

为获得更好的短波通信效果,需了解短波的传播路径,通过对路径所造成的损耗进行分析,采取有效措施减少损耗.     

用射线跟踪法对室外至室内的电波传播进行预测

本文在介绍了电波传播预测的射线跟踪法,根据建筑物体对电波的反向和透射的特点,结合射线跟踪法,提出了一种室内物体的分块西式,设计了射线跟踪的递归算法,根据这一方面可以计算出当发射点在室外而接收点在室内时室内各处电波传播的路径损耗。实验结果表明,预测结果与测量结果符合很好。     

基于三维射线跟踪模型的电波传播预测研究

电波传播预测在现代无线通信系统中扮演着极其重要的角色，精确预测电波传播路径损耗为合理的微蜂窝无线网络规划、设计提供了必要条件。首先介绍了利用射线跟踪技术这种确定性的分析方法预测无线电波传播的理论基础和基本思想，接着详细论述了几种常用的射线跟踪方法，并对他们做了简单的比较，随后介绍了射线跟踪加速技术中的空间分区技术，最后展望了采来要解决的问题和发展方向。     

面向6G的无线通信信道特性分析与建模

在28 GHz与39 GHz毫米波频段室外微蜂窝场景下,基于改进射线跟踪法和反向传播(back propagation, BP)神经网络算法对毫米波单发单收信道及单发多收信道进行建模仿真研究. 在得到的无线信道仿真数据基础上,研究分析了毫米波信道的路径损耗、均方根(root-mean-square, RMS)时延扩展(delay spread, DS)、接收功率等传播特性. 通过与现有文献的测量结果对比分析验证了改进射线跟踪法的正确性与有效性. 通过BP神经网络方法拟合得到的路径损耗模型参数结果与改进射线跟踪法仿真得到的路径损耗参数结果对比发现,两者吻合程度很高,验证了BP神经网络算法能很好地对室外微蜂窝毫米波信道大尺度参数进行预测. 同时,文中给出了一种普遍适用的用来表征室外微蜂窝视距(line-of-sight, LoS)与非视距(non-line-of-sight, NLoS)场景下28 GHz与39 GHz毫米波信道的路径损耗模型. 结果表明：LoS场景下的RMS DS和接收功率都小于NLoS场景下得到的结果;LoS场景与NLoS场景下RMS DS、水平方向到达角、多径簇的个数累积分布函数均服从高斯分布;RMS DS在毫米波频段微蜂窝场景下,随着频率的升高而增大,到达接收端的多径成簇呈现稀疏性.     

基于神经网络的网络流量预测算法研究

网络流量预测有助于网络服务质量的提升和网络资源的合理分配,对优化网络管理与运营、保障用户体验质量至关重要.因特网业务的急剧增加和基础网络的快速发展导致网络流量变得更加复杂多样,传统网络流量预测模型难以保证较高的预测精度,而神经网络作为人工智能的重要分支,在预测复杂网络流量时具有显著优势.简述反向传播神经网络、径向基神经...     

主路径射线跟踪与神经网络混合预测模型

文中提出一种基于主路径的快速射线跟踪和神经网络的混合差分预测模型,对室内场景区域进行场强预测。为了兼顾高效性和准确性,该模型首先利用部分实测值和来源于快速射线跟踪的主路径信息训练得到RBF神经网络,然后再利用主路径信息预测场强。与单纯的射线跟踪相比,此模型能够得到快速、准确的预测结果。     

复杂边界电波传播损耗的神经网络估计方法

针对抛物方程用于模拟复杂地面边界电波传播计算时间随着频率升高急剧增加的缺点,提出利用抛物方程给神经网络提供训练数据,用电磁波频率和水平方向的距离作为神经网络的输入,传播损耗作为神经网络输出的电波传播损耗的分析估计方法.与传统抛物方程的计算结果对比表明,所提出的复杂边界电波传播损耗的估计方法,在保证了较高计算精度的同时,计算速度得到很大的提高.