[发明专利]一种基于电磁传播模型的信道预测方法

说明书

本发明公开了一种基于电磁传播模型的信道预测方法，包括以下步骤：S1.对于一类物品中的每一个待测物体，获取该待测物体的地理环境信息和该待测物体的电磁传播模型，并构建不同接收区域内该类物品的分布式样本集；S2.构建神经网络预测模型，并基于步骤S1中得到的分布式样本集中的样本进行联邦学习，得到成熟神经网络预测模型；S3.对于不同类别的物品S类物体，重复执行步骤S1~S2，得到每一类物体对应的成熟神经网络预测模型；S4.基于成熟的神经网络预测模型，预测信道的冲击响应作为信道预测结果。本发明针对每一类物品建立了神经网络预测模型，并基于光线追踪实现了信道预测，有效提高了预测精度。

技术领域

本发明涉及电磁波领域，特别是涉及一种基于电磁传播模型的信道预测方法。

背景技术

无线信道是无线通信至关重要的部分，无线通信系统传输的所有信息必须通过无线信道。信道情况直接决定了发射和接受端的通信参数设置，决定了基站的功率分配等重要参数。因此精确预测无线信道意义重大，并吸引了众多研究者参与。

传统的信道预测方法主要为建立统计模型，模型中的几个参数，例如传播时延扩展、角度扩展是根据测量结果加以确定，这样预测得到的信道存在，预测结果不精确，预测场景和统计模型场景不匹配的问题。他们预测的信道无法直接得到信道的冲击响应。而本专利提出了一种基于电磁传播模型的预测方法，具体做法是先针对传播环境中的各种物体，通过联邦学习的方法，快速、实时建立他们的高精度电磁传播模型，然后通过光线追踪法，确定待预测位置下的传播簇和传播子路径，根据预测的传播路径调用对应物体的传播模型，精确预测出每个子路径的信道，通过求和得到各簇信道和总信道。这样能直接预测出包含了传播损耗、传播时延、离去角、到达角信息的完整信道冲激响应，而传统方法无法预测。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于电磁传播模型的信道预测方法，针对每一类物品建立了神经网络预测模型，并基于光线追踪实现了信道预测，有效提高了预测精度。

本发明的目的是通过以下技术方案来实现的：一种基于电磁传播模型的信道预测方法，包括以下步骤：

S1.对于一类物品中的每一个待测物体，获取该待测物体的地理环境信息和该待测物体的电磁传播模型，并构建不同接收区域内该类物品的分布式样本集；

S2.构建神经网络预测模型，并基于步骤S1中得到的分布式样本集中的样本进行联邦学习，得到成熟神经网络预测模型；

S3.对于不同类别的物品S类物体，重复执行步骤S1~S2，得到每一类物体对应的成熟神经网络预测模型；

S4.基于成熟的神经网络预测模型，预测信道的冲击响应作为信道预测结果。

本发明的有益效果是：本发明针对每一类物品建立了神经网络预测模型，并基于光线追踪实现了信道预测，有效提高了预测精度。

附图说明

图1为本发明的方法流程图；

图2为本发明的预测的BRTDF图片与真实值图片的对比示意图；

图3为单接收机预测的BRTDF图片与真实图片对比示意图；

图4为本发明提出的方法进行预测的误差与联邦学习训练轮数的关系示意图；

图5为不使用联邦学习时的训练误差示意图。

具体实施方式

下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。

如图1所示，一种基于电磁传播模型的信道预测方法，包括以下步骤：

S1.对于一类物品中的每一个待测物体，获取该待测物体的地理环境信息和该待测物体的电磁传播模型，并构建不同接收区域内该类物品的分布式样本集；