-
题名基于神经网络的无线信道场景识别
被引量：2
- 1
-
-
作者
樊圆圆
刘留
张嘉驰
李慧婷
周涛
唐盼
-
机构
北京交通大学电子信息工程学院
北京邮电大学网络与交换技术国家重点实验室
-
出处
《电波科学学报》
CSCD
北大核心
2021年第2期208-215,共8页
-
基金
国家重点研发计划(2018YFE0205501)
北京市自然科学基金-海淀原始创新联合基金(L172030)
国家自然科学基金重点项目(61931001)。
-
文摘
无线信道场景识别对于无线资源调度和系统性能的优化等具有重要意义.文中基于QuaDriGa平台研究了反向传播神经网络(back propagation neural network,BPNN)和卷积神经网络(convolutional neural networks,CNN)在无线信道场景识别中的应用.首先,利用QuaDriGa生成不同场景下的信道冲激响应(channel impulse response,CIR),并提取时延扩展、角度扩展等信道参数.然后,对于BPNN,直接利用其对不同场景的参数进行训练;对于CNN,需要经过"抽头移动、数量级微调、自相关"等操作将一维的CIR转化为二维图像再进行训练.最后,计算识别准确率并利用K折交叉验证该两种模型的泛化能力.结果表明,CNN比BPNN识别精度高,但BPNN识别效率更高,二者均可用于未来信道场景的智能感知和识别.
-
关键词
信道场景识别
信道仿真
QuaDriGa
反向传播神经网络(BPNN)
卷积神经网络(CNN)
-
Keywords
channel classification
channel simulation
quaddriga platform
back propagation neural network
convolutional neural network
-
分类号
TN929.5
[电子电信—通信与信息系统]
-
