基于机器学习和卫星图像的路径损耗预测OA北大核心CSTPCD
基于反向传播神经网络(back propagation neural network,BPNN)构建了一种路径损耗预测模型.通过卫星图像的红、绿、蓝(red,green and blue,RGB)通道的颜色信息来表征无线通信电波传播路径的环境特征,结合路测点与基站的距离特征构建数据集,迭代训练网络参数,以预测传播路径损耗.结果表明,对跨基站路测点的预测结果与实测数据之间的相关系数达到0.83,绝对平均误差控制在0.66 dB,标准差控制在6.65…查看全部>>
何丹萍;徐卓成;曹惠云;殷玥;吴丽娜;官科
北京交通大学轨道交通控制与安全国家重点实验室,北京100044 北京高速铁路宽带移动通信工程研究中心,北京100044北京交通大学电子信息工程学院,北京100044北京交通大学电子信息工程学院,北京100044北京交通大学电子信息工程学院,北京100044北京交通大学轨道交通控制与安全国家重点实验室,北京100044 北京高速铁路宽带移动通信工程研究中心,北京100044北京交通大学轨道交通控制与安全国家重点实验室,北京100044 北京高速铁路宽带移动通信工程研究中心,北京100044
信息技术与安全科学
路径损耗预测信道建模反向传播神经网络(BPNN)机器学习RGB信息
《电波科学学报》 2022 (3)
P.372-379,8
评论