-
题名基于GAPSO优化的神经网络无线信道参数预测
被引量：2
- 1
-
-
作者
胡喆馨
卜凡亮
丁丹丹
-
机构
中国人民公安大学信息网络安全学院
-
出处
《无线电工程》
北大核心
2023年第12期2944-2950,共7页
-
文摘
针对复杂环境中无线信道参数的预测问题展开深入研究,基于反向传播神经网络(Back Propagation Neural Network,BPNN),提出了遗传算法(Genetic Algorithm,GA)与粒子群优化(Particle Swarm Optimization,PSO)算法联合优化的神经网络预测无线信道参数的方法。在利用QuaDriGa平台生成非视距(Non-Line-of-Sight,NLoS)环境下的信道冲激响应(Channel Impulse Response,CIR)的基础上,结合GA在搜索最优解方面的优势与PSO算法加快收敛的特点,利用优化后的BP神经网络模型对相关信道参数进行学习和预测,解决了学习过程中收敛速度慢、预测精确度有限等问题。仿真结果表明,GAPSO-BPNN模型对NLoS环境下的信道参数的预测有较好的效果,能够在未来适应更多的复杂环境。
-
关键词
信道参数
空间交替广义期望最大化算法
反向传播神经网络
遗传算法
粒子群算法
-
Keywords
channel parameters
space-alternating generalized expectation maximization algorithm
BPNN
GA
particle swarm algorithm
-
分类号
TN928
[电子电信—通信与信息系统]
-
