面向6G的无线通信信道特性分析与建模

在28 GHz与39 GHz毫米波频段室外微蜂窝场景下,基于改进射线跟踪法和反向传播(back propagation, BP)神经网络算法对毫米波单发单收信道及单发多收信道进行建模仿真研究. 在得到的无线信道仿真数据基础上,研究分析了毫米波信道的路径损耗、均方根(root-mean-square, RMS)时延扩展(delay spread, DS)、接收功率等传播特性. 通过与现有文献的测量结果对比分析验证了改进射线跟踪法的正确性与有效性. 通过BP神经网络方法拟合得到的路径损耗模型参数结果与改进射线跟踪法仿真得到的路径损耗参数结果对比发现,两者吻合程度很高,验证了BP神经网络算法能很好地对室外微蜂窝毫米波信道大尺度参数进行预测. 同时,文中给出了一种普遍适用的用来表征室外微蜂窝视距(line-of-sight, LoS)与非视距(non-line-of-sight, NLoS)场景下28 GHz与39 GHz毫米波信道的路径损耗模型. 结果表明：LoS场景下的RMS DS和接收功率都小于NLoS场景下得到的结果;LoS场景与NLoS场景下RMS DS、水平方向到达角、多径簇的个数累积分布函数均服从高斯分布;RMS DS在毫米波频段微蜂窝场景下,随着频率的升高而增大,到达接收端的多径成簇呈现稀疏性.     

用射线跟踪法研究毫米波在微蜂窝中的传播特性

中运用一种基于镜像理论的射线跟踪方法来预测工作频率为62.4GHz的微蜂窝信道的传播特性。该方法考虑了反射和铙射。预测结果表明当假设建筑物的表面是光滑并且忽略了大气中氧分子的吸收损耗时，预测的接收信号功率要比实际信号功率小，而考虑建筑物表面的粗糙度和氧分子的吸收损耗将改善预测精度，最大反射阶数为两阶并且忽略绕射射线的贡献就可以很好地预测微蜂窝的传播情况。当直径路径被阻挡时接收信号的强度会下降一个比较大的值，这种特性会影响微蜂窝的覆盖。     

39 GHz室外微蜂窝信道测量、建模与仿真研究

基于39 GHz室外微蜂窝场景实测数据,开展了毫米波段路径损耗、阴影衰落和大尺度参数的建模与仿真研究.介绍了毫米波段喇叭旋转测量系统下空间交替广义期望最大化(Space-Alternating Generalized Expectation-maximization,SAGE)算法信号模型,优化的分簇算法与莱斯因子计算方法.基于SAGE提取多径参数,利用优化的分簇算法提取并分析了簇参数,包括簇内角度扩展、簇内时延扩展以及簇的数目,并根据测量结果验证了第三代合作伙伴计划(The 3rd Generation Partnership Project,3GPP)第五代(the 5th Generation,5G)移动通信标准推荐的仿真平台准确定性无线信道产生器(Quasi-Deterministic Radio Channel Generator,QuaDRiGa)在39 GHz的可用性.结果表明:在视距径下,方向性路损和全向路损在固定截距和浮动截距两种拟合方式下与自由空间路损模型接近;大尺度参数统计特性与基于毫米波的第五代集成通信移动无线电接入网络(Millimetre-Wave Based Mobile Radio Access Network for Fifth Generation Integrated Communications,mmMAGIC)、3GPP结论接近;视距径与非视距径的簇参数差别较小,且簇的个数较6 GHz下的频段更少.本文为5G毫米波39 GHz频段信道仿真和系统设计提供了重要的信道模型和参数.     

基于射线跟踪的车联网毫米波信道准平稳区间研究

针对28 GHz车联网中车对基础设施（Vehicle-to-Infrastructure,V2I）毫米波信道,开展了准平稳区间的研究.首先,分析了信道准平稳区间的理论基础和计算方法.其次,利用功率相关（Correlation of Power,CP）算法和谱散度（Spectral Divergence,SD）算法进行准平稳区间的计算.结果表明,CP算法复杂度低且精度较高,更适合用于计算V2I通信场景下的准平稳区间.最后,利用CP算法计算出的准平稳区间作为新的采样间隔,从而减少了射线跟踪仿真器的采样点数.通过原始采样和减少采样点后的信道特性的比较,在合理的门限值下,利用信道准平稳区间的方法加速了射线跟踪仿真器,并且不会造成信道参数的失真.另外,对于信道特性的分析结果也对车联网在毫米波频段的仿真和设计具有重要意义.     

基于CNN的毫米波无蜂窝大规模MIMO信道估计

针对小区间干扰导致蜂窝边缘无法满足不断增长的数据速率需求问题,毫米波无蜂窝大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)系统被认为是一种很有前途的解决方案。然而,毫米波的高频率、大带宽以及接入点配置的大量天线给信道估计带来了较大挑战。将毫米波大规模MIMO信道矩阵视为二维图像,结合图像去噪方法提出一种基于改进去噪卷积神经网络(Improved-Denoising Convolutional Neural Network, I-DnCNN)的信道估计算法。通过具有注意力机制的压缩与激励(Squeeze-and-Excitation, SE)模块,自适应调整提取的全局特征以增强对信道噪声特征的学习,根据接收信号估计出噪声等级图且增添为输入,提升对噪声的鲁棒性。最后,采用残差学习的方式获得估计信道矩阵。利用理论信道模型和基于波束追踪的信道数据集进行的仿真实验结果表明,与去噪卷积神经网络(Denoising Convolutional Neural Network, DnCNN)算法相比,所提算法在两个数据集下的信道估计精度可分别平均提升2.27...     

基于神经网络的毫米波跨场景路径损耗预测研究

毫米波通信因其可以提供更高的传输速率和系统容量受到了广泛关注。无人机空地通信技术是未来通信网络的重要组成部分,路径损耗预测对于无人机的节点布局、轨迹优化和功率分配具有重要意义。针对无人机通信多场景PL预测问题,结合参数化的几何场景和多输入反向传播神经网络,提出了一种具有跨场景能力的PL迁移预测模型。该模型利用有限场景下信道数据进行网络训练,可以预测未知新场景下的PL。最后,利用射线跟踪仿真数据进行模型有效性验证,仿真结果表明,所提模型的神经网络训练收敛效果较好,在新场景下预测PL结果与RT仿真结果基本吻合,验证了该模型的跨场景迁移预测能力。     

基于射线跟踪的毫米波大规模天线车地间信道特性研究

以轨道交通列车地面间通信作为研究场景,毫米波大规模多天线信道作为研究对象,采用车厢接入点进行用户信息分发的方案,利用毫米波大规模天线波束赋形与空间复用技术与射线跟踪信道仿真,仿真了大规模多天线下,不同阵列和地面基站位置的接收功率、角度扩展,并列举了不同方案之间在传输速率上所存在的差别.通过对结果的分析,在轨道交通车地间通信场景下,毫米波频段散反射体一般存在于列车接入点周边;相比于阵列的垂直分辨率,更多的水平分辨率往往拥有更好的效果;更低的路径损耗与更广的覆盖范围不可兼得.研究成果将为轨道交通车地场景下毫米波大规模多天线系统的设计、评估及其在轨道交通中的应用、部署提供不可或缺的信道信息和理论依据.     

用射线跟踪法对室外至室内的电波传播进行预测

本文在介绍了电波传播预测的射线跟踪法,根据建筑物体对电波的反向和透射的特点,结合射线跟踪法,提出了一种室内物体的分块西式,设计了射线跟踪的递归算法,根据这一方面可以计算出当发射点在室外而接收点在室内时室内各处电波传播的路径损耗。实验结果表明,预测结果与测量结果符合很好。     

基于BP神经网络的RSSI测距优化算法

基于接收信号强度指示(received signal strength indication, RSSI)测距的研究和应用领域很广泛,一直是物联网研究的热点. 为降低传统基于反向传播(back propagation,BP)神经网络的RSSI测距误差,文中提出一种基于K-means聚类算法对样本数据进行预处理的BP神经网络测距算法,来解决由于RSSI值衰减程度不同引起的不同距离区间RSSI值和真实距离之间映射关系不均匀的问题. 将K-means聚类算法应用于BP神经网络模型中,对样本数据进行距离区间划分,然后将已经分类好的数据分别输入BP神经网络建立网络模型并进行实验仿真. 结果显示:传统基于BP神经网络的RSSI测距算法的均方根误差为1.425 7 m;而经过K-means算法改进后的BP神经网络测距算法的均方根误差为1.288 7 m,降低了测距误差,并优化了目标RSSI值与真实距离的映射关系.     

基于射线跟踪的空地毫米波传播损耗预测

传播毫米波传播损耗模型假设收发端天线高度比较低,不直接适用于空地传输场景,本文基于射线跟踪原理提出了一种空地场景下毫米波通信的传播损耗统计模型。该模型推导分析了视距、反射、绕射和无信号四种不同传播情况的路径概率,并综合考虑了环境、频率、距离和天线高度等因素对路径损耗的影响。仿真分析结果表明,本文模型对不同场景和传播高度都具有良好的适用性,对于非视距情况的细化分类使其计算结果,比传统模型更为精确且与射线跟踪仿真结果更为吻合,可用于空地毫米波通信系统设计和算法优化等领域。      

基于项目属性和BP神经网络的协同过滤推荐

针对协同过滤推荐中存在的数据稀疏性问题,文中提出了一种基于项目特征属性和BP神经网络相结合的协同过滤推荐算法,并通过Movielens数据集验证了该模型的有效性。此方法首先将用户评分数据映射为用户对项目特征属性的偏好,然后使用BP神经网络训练得到目标用户的特征属性偏好模型并对新项目的评分进行预测,从而降低用户项目评分矩阵的数据稀疏性,最后使用协同过滤推荐算法,形成最近邻并生成推荐建议。     

基于改进BP神经网络的数字识别

针对BP(Back Propagation)神经网络易陷入局部极小、收敛速度慢的缺点,提出了一种新的BP神经网络改进算法.与标准BP算法比较,该系统通过结合附加动量法和自适应学习速率形成新的BP改进算法.附加动量法虽然可以使BP算法避免陷入局部极小,但是对初始值的选取比较敏感,而且选取合适的学习速率比较困难.而自适应学...     

基于GA改进BP神经网络网络异常检测方法

考虑到常规BP神经网络算法容易陷入局部最优解,所建立的网络遗传流量检测模型检测效率低,准确率不高等问题,提出一种改进型GA优化BP神经网络算法,并使用其建立网络遗传流量检测模型。常规遗传算法在搜索过程中,往往会由于出现影响生产适应度高的个体而对遗传算法搜索过程产生影响的现象发生,因此需要对常规遗传算法进行改进。使用的方法是通过混合编码方式进行改进,同时对交叉算子、变异算子、交叉概率以及变异概率等参数进行优化修正。使用KDD CUP99数据库中的网络异常流量数据进行实验研究,研究结果表明,所提出方法的检测性能要明显优于常规算法,其对BP神经网络的结构、权值以及阈值进行同步优化,避免了盲目选择BP神经网络结构参数带来的问题,避免了常规BP神经网络容易陷入局部最优解的问题。     

基于改进型BP神经网络的电网负荷预测

考虑到传统的线性电网负荷预测方法的预测精度无法满足现代电力电网管理系统的要求,使用更适用于电力电网负荷的预测任务的非线性BP神经网络算法建立预测模型。由于常规的BP神经网络存在容易陷入局部最优解以及收敛效率低等问题,该文使用模拟退火算法对BP神经网络权值训练算法进行优化,提高预测模型的收敛效率和自学习能力。通过实例对所研究的预测模型进行分析,结果表明,所研究的改进型BP神经网络的训练次数和训练耗时均低于常规神经网络,具有更高的收敛精度,同时改进型BP神经网络预测模型的预测误差明显降低,具有较好的工程应用价值。     

基于小波PCA与BP神经网络的人脸识别算法

特征提取和分类器设计是人脸识别算法中的两个关键问题。提出一种基于二次小波变换、PCA算法与BP神经网络的人脸识别算法。该算法采用二次小波变换与PCA相结合的算法提取人脸图像的主要特征,并运用加入动量项的改进BP神经网络算法进行人脸图像分类识别。在MATLAB环境下,利用ORL人脸图像数据库进行了仿真实验,实验结果表明,该算法实现简单、识别速度快、识别率较高。     

基于BP神经网络的智能电网配电系统改进算法的研究

提出一种基于BP神经网络的智能电网配电系统改进算法.由于BP网络是一种按误差逆传播算法训练的多层前馈网络,具有学习性,可以根据已有的配电参数样本集进行训练,从中分析出内蒙古各地区根据时间不同所配电的分配情况的内在联系,实现对以后配电系统进行自适应控制.该算法的优点就是在构造过程考虑了BP的预测精度和训练时间,采用了梯度下降法的方法,进行Matlab仿真实验,获得了较为准确的预测结果.     

基于高斯光束与射线追踪的短波波场计算算法

短波通信中几何光学理论难以计算焦散波场的传播问题,提出一种基于高斯光束的短波传播计算算法.首先,采用高斯光束法将产生高频波场的波源分解为若干个高斯光束;然后,通过射线追踪法与拉格朗日公式计算每个高斯光束,通过沿光束中心射线的ODE(常微分方程)计算曲率与光束宽度等定量;最终,采用泰勒展开式决定中心射线附近光束的贡献度,将接收点附近的高斯光束进行加权求和,获得接收端的波场.实验结果表明,本算法可有效地计算焦散的短波传播,并且与几何光学法的误差极为接近.     

基于BP神经网络算法的入侵检测技术

在入侵检测中应用神经网络技术,可以大大提高入侵检测的检测率,有效提高网络数据的安全。本文分析了BP神经网络应用于入侵检测的实现方式及存在的问题,并对现有的BP神经网络算法进行改进,阐述了基于BP神经网络入侵检测系统及仿真实验。