[发明专利]基于机器学习的无线环境电磁参数拟合方法有效
| 申请号： | 201810769278.3 | 申请日： | 2018-07-13 |
| 公开（公告）号： | CN109217955B | 公开（公告）日： | 2020-09-15 |
| 发明（设计）人： | 赵友平;付秋浩 | 申请（专利权）人： | 北京交通大学 |
| 主分类号： | H04B17/391 | 分类号： | H04B17/391;H04B17/327;G06N3/08 |
| 代理公司： | 北京市商泰律师事务所 11255 | 代理人： | 邹芳德 |
| 地址： | 100044 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于机器学习的无线环境电磁参数拟合方法，属于无线电电波传播技术领域。该方法需首先建立无线传播场景的三维射线跟踪模型，然后根据环境信息获得待拟合电磁参数的样本集；将样本集作为三维射线跟踪模型的输入，结合射线跟踪算法，获取相应的路径损耗仿真集；对无线电电波传播场景进行信道测量，获取路径损耗实际值；设置神经网络训练参数，将仿真集作为神经网络的输入，将样本集作为神经网络的输出，训练得到电磁参数拟合模型；将路径损耗实际值作为电磁参数拟合模型的输入，获取电磁参数实际值。本发明能够通过人工神经网络的训练过程构建路径损耗与环境参数之间复杂的非线性关系，拟合出实际无线环境中电磁参数。 | ||
| 搜索关键词： | 基于 机器 学习 无线 环境 电磁 参数 拟合 方法 | ||
【主权项】：
1.一种基于机器学习的无线环境电磁参数拟合方法，其特征在于，包括如下步骤：步骤S110：建立无线传播场景的三维射线跟踪模型；步骤S120：根据所述无线传播场景的环境信息获得待拟合电磁参数的样本值，将多组所述待拟合电磁参数的样本值作为电磁参数样本集；步骤S130：将所述待拟合电磁参数的样本集作为所述三维射线跟踪模型的输入，结合射线跟踪算法，获取相应的路径损耗仿真集；步骤S140：对所述无线传播场景进行信道测量，获取不同收发天线位置处的路径损耗实际值；步骤S150：设置神经网络训练参数，将所述路径损耗仿真集作为所述神经网络的输入，将所述待拟合电磁参数的样本集作为所述神经网络的输出，训练得到电磁参数拟合模型；步骤S160：将所述路径损耗实际值作为所述电磁参数拟合模型的输入，获取电磁参数拟合值，将该电磁参数拟合值作为无线传播场景的电磁参数实际值。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京交通大学，未经北京交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810769278.3/，转载请声明来源钻瓜专利网。
