《表2 基于神经网络的大尺度衰落建模分类》
如图5所示,针对大尺度衰落,可以得到路径损耗和阴影衰落。路径损耗决定了蜂窝网络的覆盖距离和受干扰的程度,其依赖于传播环境、频带及天线增益。阴影衰落在对数域服从均值为0的正态分布,其标准差?由路径损耗模型的预测值和实测数据的统计偏差来表示[11]。传统大尺度衰落中对路径损耗和阴影衰落进行建模时,都是基于统计分布、经验值进行通用计算的,而实际中不同场景的物理传播环境、收发天线等参数对信道模型有着重要影响,传统经验公式很难体现这些维度的信息。神经网络可以对高维度数据以及非线性映射关系进行训练和计算,解决了传统建模方法几乎无法解决的问题[59]。研究表明,神经网络适用于多种传播环境下的路径损耗建模,比如室内[60-61]、农村[62]、城市[63-66]和郊区[67-68]。如表2所示,文献[69-70]提出了一种用于矿井环境中超宽带(UWB,ultra-wideband)信道路径损耗的神经网络模型,重点研究了路径损耗衰减随着时间和距离变化的情况。Ferreira等[71]和Ayadi等[72]利用神经网络来改善对超高频(UHF,ultra high frequency)频段(300~3 000 MHz)中室外信号强度的预测,测量是在城市环境中以1 140 MHz进行的,绕射损耗和信号强度被输入神经网络中,输出层接收信号的强度来源于ITU-R模型的计算结果,结果表明神经网络可以改善UHF频带中室外信号强度的预测。Faruk等[59,73]研究了在甚高频(VHF,very high frequency)频段(30~300 MHz)下,路径损耗与传播距离之间的关系。Zhao等[17]研究了在毫米波频段(30~300 GHz)下路径损耗与传播距离之间的关系。
图表编号 | XD00211588100 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.25 |
作者 | 刘留、张建华、樊圆圆、于力、张嘉驰 |
绘制单位 | 北京交通大学电子信息工程学院、北京邮电大学网络与交换技术国家重点实验室、北京交通大学电子信息工程学院、北京邮电大学网络与交换技术国家重点实验室、北京交通大学电子信息工程学院 |
更多格式 | 高清、无水印(增值服务) |