基于机器学习的城市环境跨频段跨场景路径损耗预测方法OA北大核心CSTPCD
为解决传统路径损耗模型未考虑环境信息、跨场景跨频段预测性能不佳等问题,提出了环境特征驱动的跨频段跨场景路径损耗预测方法。结合二维线性和矩形环境特征描述传播环境,在随机森林路径损耗预测模型基础上引入迁移学习,实现跨频段跨场景预测;搭建了两个城市场景,场景1频段为140、220、280和300 GHz,场景2频段为140 GHz;使用140和220 GHz数据集预测280和300 GHz路径损耗,并用场景1数据集预测场景2路径损耗。结果表明,与未经迁移学习调优的预测方法相比,所提方法实现280和300 GHz跨频段预测的均方根误差分别下降了3.3311和4.3215 dB,跨场景预测的均方根误差下降了0.7244 dB。
廖希;周萍;周思洋;陈心睿;王洋;何占林
重庆邮电大学通信与信息工程学院,重庆400065重庆邮电大学通信与信息工程学院,重庆400065军事科学院系统工程研究院,北京100141重庆邮电大学通信与信息工程学院,重庆400065重庆邮电大学通信与信息工程学院,重庆400065中国电子科技集团公司第五十四研究所,石家庄050081
电子信息工程
机器学习亚太赫兹路径损耗预测随机森林迁移学习
《重庆邮电大学学报（自然科学版）》 2024 (6)
P.1099-1109,11
国家自然科学基金项目(62271095,62171071)重庆市自然科学基金项目(cstc2021jcyj-msxmX0634,CSTB2022NSCQMSX1125)重庆市教委科学技术研究项目(KJZD-K202300607)重庆市自然科学基金创新发展联合基金(CSTB2022NSCQLZX0037)。
评论