期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于机器学习和卫星图像的路径损耗预测
被引量：
4
1
作者
何丹萍
徐卓成
+3 位作者
曹惠云
殷玥
吴丽娜
官科
《电波科学学报》
CSCD
北大核心
2022年第3期372-379,共8页
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...
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.
展开更多
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
在线阅读
下载PDF
职称材料
基于3D电子地图和信道实测数据的市区路径损耗机器学习模型研究
被引量：
4
2
作者
耿绥燕
胡玮
+2 位作者
丁海成
钱肇钧
赵雄文
《电子与信息学报》
EI
CSCD
北大核心
2022年第10期3524-3531,共8页
随着5G移动通信系统的发展部署以及网络性能的优化,高精度和低复杂度的路径损耗预测模型尤为重要。该文针对大型城市场景,使用目前5G热点频段700 MHz,2.4 GHz,3.5 GHz的实测数据,将收发端位置、3维距离、相对余隙、建筑物密度、平均高...
随着5G移动通信系统的发展部署以及网络性能的优化,高精度和低复杂度的路径损耗预测模型尤为重要。该文针对大型城市场景,使用目前5G热点频段700 MHz,2.4 GHz,3.5 GHz的实测数据,将收发端位置、3维距离、相对余隙、建筑物密度、平均高度等作为环境特征,建立了基于3D电子地图的机器学习路径损耗预测模型,结果表明在复杂城市环境下,该文方法因其预测精度高而优于传统的基于收发端距离的路径损耗模型。另外,该文提出了基于频率迁移学习的路径损耗预测模型,并用均方误差、平均绝对百分比误差、均方根误差、决定系数等指标对其性能进行评估。该文方法可以解决建筑物遮挡严重的复杂城市环境以及在无大量测试数据的路径损耗预测问题,精确地预测城市环境中视距非视距混合信道的路径损耗值。
展开更多
关键词
5G无线通信
路径损耗预测
机器学习
频率迁移
3D电子地图
在线阅读
下载PDF
职称材料
题名
基于机器学习和卫星图像的路径损耗预测
被引量：
4
1
作者
何丹萍
徐卓成
曹惠云
殷玥
吴丽娜
官科
机构
北京交通大学轨道交通控制与安全国家重点实验室
北京高速铁路宽带移动通信工程研究中心
北京交通大学电子信息工程学院
出处
《电波科学学报》
CSCD
北大核心
2022年第3期372-379,共8页
基金
国家自然科学基金(61771036,61901029)
轨道交通控制与安全国家重点实验室基本科研业务费(2020JBM082)
北京市级大学生创新创业训练计划(202110004105)。
文摘
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.
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
Keywords
path loss prediction
channel modeling
back propagation neural network(BPNN)
machine learning
RGB information
分类号
TN929.5 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于3D电子地图和信道实测数据的市区路径损耗机器学习模型研究
被引量：
4
2
作者
耿绥燕
胡玮
丁海成
钱肇钧
赵雄文
机构
新能源电力系统国家重点实验室(华北电力大学)
河北省电力物联网技术重点实验室(华北电力大学)
国家无线电监测中心
出处
《电子与信息学报》
EI
CSCD
北大核心
2022年第10期3524-3531,共8页
基金
国家自然科学基金(61931001,61771194)。
文摘
随着5G移动通信系统的发展部署以及网络性能的优化,高精度和低复杂度的路径损耗预测模型尤为重要。该文针对大型城市场景,使用目前5G热点频段700 MHz,2.4 GHz,3.5 GHz的实测数据,将收发端位置、3维距离、相对余隙、建筑物密度、平均高度等作为环境特征,建立了基于3D电子地图的机器学习路径损耗预测模型,结果表明在复杂城市环境下,该文方法因其预测精度高而优于传统的基于收发端距离的路径损耗模型。另外,该文提出了基于频率迁移学习的路径损耗预测模型,并用均方误差、平均绝对百分比误差、均方根误差、决定系数等指标对其性能进行评估。该文方法可以解决建筑物遮挡严重的复杂城市环境以及在无大量测试数据的路径损耗预测问题,精确地预测城市环境中视距非视距混合信道的路径损耗值。
关键词
5G无线通信
路径损耗预测
机器学习
频率迁移
3D电子地图
Keywords
5G wireless communication
Path loss prediction
Machine Learning(ML)
Frequency transfer
3D electronic maps
分类号
TN929.5 [电子电信—通信与信息系统]
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机器学习和卫星图像的路径损耗预测
何丹萍
徐卓成
曹惠云
殷玥
吴丽娜
官科
《电波科学学报》
CSCD
北大核心
2022
4
在线阅读
下载PDF
职称材料
2
基于3D电子地图和信道实测数据的市区路径损耗机器学习模型研究
耿绥燕
胡玮
丁海成
钱肇钧
赵雄文
《电子与信息学报》
EI
CSCD
北大核心
2022
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
