基于机器学习的空地通信高度相关视距概率经验性模型

2022年第23卷第9期

摘要

关键词

相关研究

回顶部

《信息与电子工程前沿（英文）》 >> 2022年第23卷第9期 doi: 10.1631/FITEE.2200041

基于机器学习的空地通信高度相关视距概率经验性模型

1南京航空航天大学电子信息工程学院电磁频谱空间认知动态系统工信部重点实验室，中国南京市，211106；2西安电子科技大学综合业务网理论及关键技术国家重点实验室，中国西安市，710000；3南京航空航天大学电子信息工程学院雷达成像与微波光子技术教育部重点实验室，中国南京市，211106

收稿日期： 2022-02-01 录用日期： 2022-09-21 发布日期： 2022-09-21

HTML200 PDF 29 收藏 0

摘要

视距（line-of-sight, LoS）概率预测对于无线通信系统的性能优化至关重要。然而，由于无人机等飞行器飞行高度从十几米到数千米不等，空地（air-to-ground, A2G）通信的LoS概率预测具有挑战性。本文针对A2G场景，提出一种高度相关的经验性LoS概率模型。在模型参数估计之前，设计了一种基于K近邻（K-nearest neighbors, KNN）的策略对LoS和非视距（none-line-of-sight, NLoS）路径进行分类。然后，开发了一种基于双层反向传播神经网络（back propagation neural network, BPNN）的参数估计方法来建立每个模型参数与无人机高度之间的关系。仿真表明该模型获得的结果与射线追踪（ray trancing, RT）数据、实测数据和标准模型结果具有良好一致性。该模型还可提供比其他LoS概率模型更广泛的适用高度，能够应用于各种A2G场景下的不同通信高度。

关键词

视距概率模型 ; 空地信道 ; 机器学习 ; 射线跟踪