一种基于深度神经网络的电波传播损耗模型构建方法

将传统经验模型用于电波传播损耗计算,存在泛化性差等问题,在复杂传播环境下难以取得良好的计算效果。针对该问题,本文从数据驱动的角度出发,设计了一种基于深度神经网络的电波传播损耗模型构建方法并进行了仿真验证。首先,基于辐射源与接收机的距离特征及环境特征,构建一定地域内电磁环境感知数据与地形数据的联合数据集,作为本模型的数据源;其次,构建深度神经网络,迭代训练网络参数,并通过网格搜索法优化超参数;最后,运用联合数据集与深度神经网络模型开展计算机仿真实验。结果表明,提出的方法在复杂地域电波传播损耗计算方面能够取得良好的预测精度。     

一种基于支持向量机的电波传播损耗计算方法

当前,电磁环境日益复杂,电波传播损耗作为电磁环境分析领域的重要研究对象,其预测结果的准确性将直接影响频谱态势生成、用频兼容分析等实际效果。由于电磁波在传播过程中易受环境影响,传统方法采用单一模型计算电波传播损耗,潜在误差较大。本文提出一种基于支持向量机（Support Vector Machine,SVM）的电波传播损耗计算方法。在训练阶段,采用不同传播环境下的感知数据对支持向量机模型进行训练;在测试阶段,以一定步长对传播路径进行分段,运用训练得到的支持向量机模型来对传播环境分段识别,继而采用各段识别结果相匹配的电波传播损耗模型分段计算损耗值并叠加为总的路径损耗值。仿真结果表明,相较于采用单一模型的传统方法,本文所提方法能够显著提高电波传播损耗计算精度。