一种基于神经网络的传播模型自适应分类校正算法
适合本地的精确传播模型能够保证所设计的无线网络覆盖的准确性，是网络优化中必不可少的一步。同时移动通信信道是一个开放的信道，传播损耗不仅决定于传播距离，而且还与传播中的地形、地貌、载波频率，以及发、收天线高度等密切相关。中国幅员辽阔，各省、市的无线传播环境千差万别，传播特性十分复杂。因此，要想从理论角度给出一个确切、完整的传播模型公式十分困难。传播预测模型是进行网络规划和优化的基础.传统的经验模型准确性不够,确定性模型复杂度太高.近来年,研究发现人工神经网络在进行传播预测时有着优良的性能,尽管人工神经网络对不同的地理环境都表现出了很好的适应性,但是如果需要预测的区域规模过大,传播环境复杂,模型训练的计算时间会成指数增长,并且一个训练模型难以准确地反应出多种复杂的传播环境,降低了模型预测的精度.为了解决这个问题,本文充分结合了HATA模型和神经网络模型的优点,提出了一种基于BP(Back Propagation)神经网络的,通过ATA传播模型自适应分类的校正算法.实验表明,经过分类的传播预测模型与没有经过分类的传播预测模型相比,不仅提高了计算效率,而且得到了更高的准确度.
移动通信 BP神经网络 传播模型 自适应分类 校正算法
陈思伃 许文俊 田宝玉 贺志强
北京邮电大学,北京,100876
国内会议
大连
中文
343-349
2010-08-20（万方平台首次上网日期，不代表论文的发表时间）