基于3D电子地图和信道实测数据的市区路径损耗机器学习模型研究

基于3D电子地图和信道实测数据的市区路径损耗机器学习模型研究

TN929.5%TP181; 随着5G移动通信系统的发展部署以及网络性能的优化,高精度和低复杂度的路径损耗预测模型尤为重要.该文针对大型城市场景,使用目前5G热点频段700 MHz,2.4 GHz,3.5 GHz的实测数据,将收发端位置、3维距离、相对余隙、建筑物密度、平均高度等作为环境特征,建立了基于3D电子地图的机器学习路径损耗预测模型,结果表明在复杂城市环境下,该文方法因其预测精度高而优于传统的基于收发端距离的路径损耗模型.另外,该文提出了基于频率迁移学习的路径损耗预测模型,并用均方误差、平均绝对百分比误差、均方根误差、决定系数等指标对其性能进行评估.该文方法可以解决建筑物遮挡严重的复杂...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:电子与信息学报 2022-10, Vol.44 (10), p.3524-3531
Hauptverfasser: 耿绥燕, 胡玮, 丁海成, 钱肇钧, 赵雄文
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 3531
container_issue 10
container_start_page 3524
container_title 电子与信息学报
container_volume 44
creator 耿绥燕
胡玮
丁海成
钱肇钧
赵雄文
description TN929.5%TP181; 随着5G移动通信系统的发展部署以及网络性能的优化,高精度和低复杂度的路径损耗预测模型尤为重要.该文针对大型城市场景,使用目前5G热点频段700 MHz,2.4 GHz,3.5 GHz的实测数据,将收发端位置、3维距离、相对余隙、建筑物密度、平均高度等作为环境特征,建立了基于3D电子地图的机器学习路径损耗预测模型,结果表明在复杂城市环境下,该文方法因其预测精度高而优于传统的基于收发端距离的路径损耗模型.另外,该文提出了基于频率迁移学习的路径损耗预测模型,并用均方误差、平均绝对百分比误差、均方根误差、决定系数等指标对其性能进行评估.该文方法可以解决建筑物遮挡严重的复杂城市环境以及在无大量测试数据的路径损耗预测问题,精确地预测城市环境中视距非视距混合信道的路径损耗值.
doi_str_mv 10.11999/JEIT210802
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_dzkxxk202210021</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>dzkxxk202210021</wanfj_id><sourcerecordid>dzkxxk202210021</sourcerecordid><originalsourceid>FETCH-LOGICAL-s1021-dbfe1dece6ad3ad90d84f1ae0610674f27510730ea0ffff9c2c64151c9054c413</originalsourceid><addsrcrecordid>eNotkLtKA0EYRqdQMMRUPoTV6v_P7G1KiVEjAZtoGyZ7EY2s4CIGK5V0SUQ0ImrIpZFYJKaJly3iy-zsxrdwQb_mdOfAR8gSwgoi53x1O5cvUgQT6BxJIQBXNJPrCyTj-wdloAx1A4ClyJ7sBmFwzdbj1kQOb2R7LJ-n8rYRfvd_Lu_kqBNN6tH9OGqO4qea_LySjWD28SantajZnV08RO1APg7k8CX86kWDvuzU414rfn1fJPOuOPKdzD_TZHcjV8xuKYWdzXx2raD4CBQVu-w6aDuWowubCZuDbaouCgd0BN1QXWpoCAYDR4CbjFvU0lXU0OKgqZaKLE2W_7xnwnOFt186PD498ZJiyT6vVKsVCjR5IUmxX3HEcC0</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于3D电子地图和信道实测数据的市区路径损耗机器学习模型研究</title><source>Alma/SFX Local Collection</source><creator>耿绥燕 ; 胡玮 ; 丁海成 ; 钱肇钧 ; 赵雄文</creator><creatorcontrib>耿绥燕 ; 胡玮 ; 丁海成 ; 钱肇钧 ; 赵雄文</creatorcontrib><description>TN929.5%TP181; 随着5G移动通信系统的发展部署以及网络性能的优化,高精度和低复杂度的路径损耗预测模型尤为重要.该文针对大型城市场景,使用目前5G热点频段700 MHz,2.4 GHz,3.5 GHz的实测数据,将收发端位置、3维距离、相对余隙、建筑物密度、平均高度等作为环境特征,建立了基于3D电子地图的机器学习路径损耗预测模型,结果表明在复杂城市环境下,该文方法因其预测精度高而优于传统的基于收发端距离的路径损耗模型.另外,该文提出了基于频率迁移学习的路径损耗预测模型,并用均方误差、平均绝对百分比误差、均方根误差、决定系数等指标对其性能进行评估.该文方法可以解决建筑物遮挡严重的复杂城市环境以及在无大量测试数据的路径损耗预测问题,精确地预测城市环境中视距非视距混合信道的路径损耗值.</description><identifier>ISSN: 1009-5896</identifier><identifier>DOI: 10.11999/JEIT210802</identifier><language>chi</language><publisher>河北省电力物联网技术重点实验室(华北电力大学) 保定 071003%国家无线电监测中心 北京 100037</publisher><ispartof>电子与信息学报, 2022-10, Vol.44 (10), p.3524-3531</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/dzkxxk/dzkxxk.jpg</thumbnail><link.rule.ids>314,776,780,27901,27902</link.rule.ids></links><search><creatorcontrib>耿绥燕</creatorcontrib><creatorcontrib>胡玮</creatorcontrib><creatorcontrib>丁海成</creatorcontrib><creatorcontrib>钱肇钧</creatorcontrib><creatorcontrib>赵雄文</creatorcontrib><title>基于3D电子地图和信道实测数据的市区路径损耗机器学习模型研究</title><title>电子与信息学报</title><description>TN929.5%TP181; 随着5G移动通信系统的发展部署以及网络性能的优化,高精度和低复杂度的路径损耗预测模型尤为重要.该文针对大型城市场景,使用目前5G热点频段700 MHz,2.4 GHz,3.5 GHz的实测数据,将收发端位置、3维距离、相对余隙、建筑物密度、平均高度等作为环境特征,建立了基于3D电子地图的机器学习路径损耗预测模型,结果表明在复杂城市环境下,该文方法因其预测精度高而优于传统的基于收发端距离的路径损耗模型.另外,该文提出了基于频率迁移学习的路径损耗预测模型,并用均方误差、平均绝对百分比误差、均方根误差、决定系数等指标对其性能进行评估.该文方法可以解决建筑物遮挡严重的复杂城市环境以及在无大量测试数据的路径损耗预测问题,精确地预测城市环境中视距非视距混合信道的路径损耗值.</description><issn>1009-5896</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2022</creationdate><recordtype>article</recordtype><recordid>eNotkLtKA0EYRqdQMMRUPoTV6v_P7G1KiVEjAZtoGyZ7EY2s4CIGK5V0SUQ0ImrIpZFYJKaJly3iy-zsxrdwQb_mdOfAR8gSwgoi53x1O5cvUgQT6BxJIQBXNJPrCyTj-wdloAx1A4ClyJ7sBmFwzdbj1kQOb2R7LJ-n8rYRfvd_Lu_kqBNN6tH9OGqO4qea_LySjWD28SantajZnV08RO1APg7k8CX86kWDvuzU414rfn1fJPOuOPKdzD_TZHcjV8xuKYWdzXx2raD4CBQVu-w6aDuWowubCZuDbaouCgd0BN1QXWpoCAYDR4CbjFvU0lXU0OKgqZaKLE2W_7xnwnOFt186PD498ZJiyT6vVKsVCjR5IUmxX3HEcC0</recordid><startdate>20221001</startdate><enddate>20221001</enddate><creator>耿绥燕</creator><creator>胡玮</creator><creator>丁海成</creator><creator>钱肇钧</creator><creator>赵雄文</creator><general>河北省电力物联网技术重点实验室(华北电力大学) 保定 071003%国家无线电监测中心 北京 100037</general><general>新能源电力系统国家重点实验室(华北电力大学) 北京 102206</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>20221001</creationdate><title>基于3D电子地图和信道实测数据的市区路径损耗机器学习模型研究</title><author>耿绥燕 ; 胡玮 ; 丁海成 ; 钱肇钧 ; 赵雄文</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-s1021-dbfe1dece6ad3ad90d84f1ae0610674f27510730ea0ffff9c2c64151c9054c413</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2022</creationdate><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>耿绥燕</creatorcontrib><creatorcontrib>胡玮</creatorcontrib><creatorcontrib>丁海成</creatorcontrib><creatorcontrib>钱肇钧</creatorcontrib><creatorcontrib>赵雄文</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>电子与信息学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>耿绥燕</au><au>胡玮</au><au>丁海成</au><au>钱肇钧</au><au>赵雄文</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于3D电子地图和信道实测数据的市区路径损耗机器学习模型研究</atitle><jtitle>电子与信息学报</jtitle><date>2022-10-01</date><risdate>2022</risdate><volume>44</volume><issue>10</issue><spage>3524</spage><epage>3531</epage><pages>3524-3531</pages><issn>1009-5896</issn><abstract>TN929.5%TP181; 随着5G移动通信系统的发展部署以及网络性能的优化,高精度和低复杂度的路径损耗预测模型尤为重要.该文针对大型城市场景,使用目前5G热点频段700 MHz,2.4 GHz,3.5 GHz的实测数据,将收发端位置、3维距离、相对余隙、建筑物密度、平均高度等作为环境特征,建立了基于3D电子地图的机器学习路径损耗预测模型,结果表明在复杂城市环境下,该文方法因其预测精度高而优于传统的基于收发端距离的路径损耗模型.另外,该文提出了基于频率迁移学习的路径损耗预测模型,并用均方误差、平均绝对百分比误差、均方根误差、决定系数等指标对其性能进行评估.该文方法可以解决建筑物遮挡严重的复杂城市环境以及在无大量测试数据的路径损耗预测问题,精确地预测城市环境中视距非视距混合信道的路径损耗值.</abstract><pub>河北省电力物联网技术重点实验室(华北电力大学) 保定 071003%国家无线电监测中心 北京 100037</pub><doi>10.11999/JEIT210802</doi><tpages>8</tpages></addata></record>
fulltext fulltext
identifier ISSN: 1009-5896
ispartof 电子与信息学报, 2022-10, Vol.44 (10), p.3524-3531
issn 1009-5896
language chi
recordid cdi_wanfang_journals_dzkxxk202210021
source Alma/SFX Local Collection
title 基于3D电子地图和信道实测数据的市区路径损耗机器学习模型研究
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-28T22%3A25%3A36IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E3D%E7%94%B5%E5%AD%90%E5%9C%B0%E5%9B%BE%E5%92%8C%E4%BF%A1%E9%81%93%E5%AE%9E%E6%B5%8B%E6%95%B0%E6%8D%AE%E7%9A%84%E5%B8%82%E5%8C%BA%E8%B7%AF%E5%BE%84%E6%8D%9F%E8%80%97%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%A8%A1%E5%9E%8B%E7%A0%94%E7%A9%B6&rft.jtitle=%E7%94%B5%E5%AD%90%E4%B8%8E%E4%BF%A1%E6%81%AF%E5%AD%A6%E6%8A%A5&rft.au=%E8%80%BF%E7%BB%A5%E7%87%95&rft.date=2022-10-01&rft.volume=44&rft.issue=10&rft.spage=3524&rft.epage=3531&rft.pages=3524-3531&rft.issn=1009-5896&rft_id=info:doi/10.11999/JEIT210802&rft_dat=%3Cwanfang_jour%3Edzkxxk202210021%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=dzkxxk202210021&rfr_iscdi=true