《表2 最佳超参数:基于最小二乘支持向量机的时变信道建模》
图4所示为经GA优化后LS-SVM的各个信道参数,包括时延扩展、接收端水平角度扩展和垂直角度扩展的预测值与测试值.由图可见,预测值和原始(测试)值非常接近,如时延扩展和接收端水平角度扩展两者数据几乎重叠.值得注意的是,相比于水平角度扩展,接收端垂直角度扩展的预测值与原始值略有差异.这是由于发送端用的是全向阵列天线,而接收端所用的16单元平面阵列天线对垂直角度扩展影响较大,因此原始数据的非线性程度加大,从而导致在数据量较小的情况下,LS-SVM的预测值与原始数据的拟合程度降低.由图4可见,基于GA优化的LS-SVM模型可以较好地学习信道参数之间的内在数据特征,在有限训练数据的条件下可预测出未来数据.即GA+LS-SVM模型在数据量较小的情况下对信道参数的变化有良好的适应性.对于非线性信道,经GA算法优化后的LS-SVM模型可取得较好的预测效果.
图表编号 | XD00115286100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 赵雄文、孙宁姚、耿绥燕、张钰、杜飞 |
绘制单位 | 华北电力大学电气与电子工程学院、华北电力大学电气与电子工程学院、华北电力大学电气与电子工程学院、华北电力大学电气与电子工程学院、华北电力大学电气与电子工程学院 |
更多格式 | 高清、无水印(增值服务) |