排序方式: 共有15条查询结果,搜索用时 156 毫秒
11.
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 dB,说明在缺乏某一场景的详细模型和材质参数时,本文模型也能可靠预测无线通信电波的传播路径损耗. 此外,本文信道模型与传统信道建模方法多方面的对比与分析表明,本文模型在相同计算资源下可以提供和传统信道建模方法相差很小的预测结果,同时大大缩短预测所需的时间,说明本文模型对传播路径损耗做出快速预测的能力可以用于无线通信网络系统的优化. 相似文献
12.
13.
随着移动通信技术的快速发展和更新换代,各行各业的信息化、智能化日益依赖于无线通信的强有力保障。因此,准确的信道信息、可靠的无线覆盖至关重要。射线跟踪技术面向不同行业的各类通信场景,通过建立有效的三维场景模型,以材料电磁参数、天线参数为基础,依托高性能计算引擎,将光学的射线技术引入电磁计算领域,能够准确地表征反射、散射、绕射、透射等多种电波传播机理及其对无线系统的影响。本文介绍了作者团队自主研发的高性能射线跟踪仿真平台,围绕高性能射线跟踪技术在智能交通领域的应用案例,阐述了射线跟踪技术在轨道交通、水路交通、公路交通等智能交通领域无线网络规划与优化、无线信道建模及信道特性分析等方面的技术优势,以期以自主可控的高性能射线跟踪仿真技术更好地助力我国交通强国战略的实施。 相似文献
14.
为了解决铁路移动通信网络规划成本高且效率低的问题,满足铁路智能无线网络建设需求,以京沈客运专线为场景,研究了2.1 GHz频段下基于高性能射线跟踪的5G铁路专用移动通信(5G for railway, 5GR)智能无线网络规划技术.依托参考信号接收功率(reference signal receiving power, RSRP)高性能射线跟踪仿真得到电磁波在特定环境下传播时的信道特性和路径损耗,进而精准预算无线链路的RSRP和下行传输速率;同时将规划问题建模为多目标优化求解问题,使用遗传算法对基站参数进行分级规划,在RSRP覆盖达标的前提下,最大化下行传输速率,智能输出基站工参最优解.仿真结果表明该技术可以满足RSRP覆盖率和最大化下行传输速率的规划目标,为后续实现精准高效的5G-R无线网络规划和优化提供仿真支撑和参考. 相似文献
15.
为助力铁路数字化转型,基于5G的铁路专用移动通信(5G for railway, 5G-R)系统成为铁路智能联接的首选.本文利用前沿技术赋能铁路新一代移动通信,开展了智能反射面(intelligent reflecting surface,IRS)辅助5G高铁车站覆盖增强的研究.采用射线跟踪技术,精准刻画了2.1 GHz频段下高铁车站场景的电波传播特性;基于准确的电波传播特性,利用反射面、发射机和接收机三者之间的角度关系,对IRS部署进行了研究,并设计了相应的IRS波束指向;在获得IRS辅助下的信道传递函数后,对部署IRS前后的路径损耗(path loss,PL)和阴影衰落进行了建模和比较.结果表明:IRS的部署为目标区域带来了最大8.1 dB、平均4.63 dB的信号增益;目标区域的PL指数由未部署时的2.68减小至2.33,阴影衰落标准差由9.45 dB减小至6.43 dB.因此,部署IRS能够显著提高室外宏站对车站内部的信号覆盖,缓解车站建筑物遮挡对5G信号传输的影响,为车站场景下5G-R系统的设计与优化提供了理论基础和数据支撑. 相似文献