首页/文章/ 详情

新文推送--基于卷积神经网络的NLOS信道识别

1年前浏览1611

 

北京交通大学

轨道交通控制与安全国家重点实验室

高移动性通信/智能交通电波传播研究组

   

文章概况

 
   

  

以团队成员郑青碧(Qingbi Zheng),何睿斯(Ruisi He)和黄晨(Chen Huang)为主要作者的成果期日于知名期刊IEEE Wireless Communications Letter上发表(Early Access)。

文章题目为:“Channel Non-Line-of-Sight Identification Based on Convolutional Neural Networks(基于卷积神经网络的NLOS信道识别)”。

DOI: 10.1109/LWC.2020.2994945

其他来自北京交通大学的作者有:艾渤(Bo Ai)教授、陈为(Wei Chen)教授和钟章队(Zhangdui Zhong)教授。

     
   

内容介绍

   


   

(图1 使用的卷积神经网络)

视线(LOS)和非视线(NLOS)信道的区分对于位置感知相关技术和无线信道建模非常重要。到目前为止,现有的大多数LOS/NLOS识别方法都是基于无线电的传播特性,例如,使用莱斯K因子(Ricean K factor)。然而,莱斯K因子对环境敏感,因此很难找到合适的阈值进行NLOS判别。

为此,本文提出了一种基于卷积神经网络(CNN)的NLOS识别方法。首先,通过使用从信道测量中收集的预先标记的LOS和NLOS数据来训练卷积神经网络。然后基于训练的反馈来设置网络参数。随后,本文使用不同的数据集对该方法进行了验证。与识别精度为86%的基于莱斯K因子的方法相比,该方法对NLOS的识别精度高达99%。

     


(图2 本文方法的识别准确率)


(表1 不同方法识别准确率的对比)

     


(文章引用)

@ARTICLE{9094185,  

author={Q. {Zheng} and R. {He} and B. {Ai} and C. {Huang} and W. {Chen} and Z. {Zhong} and H. {Zhang}},  

journal={IEEE Wireless Communications Letters},   

title={Channel Non-Line-of-Sight Identification Based on Convolutional Neural Networks},

year={2020},  

volume={},  

number={},  

pages={1-1},}

Q. Zheng et al., "Channel Non-Line-of-Sight Identification Based on Convolutional Neural Networks," in IEEE Wireless Communications Letters (Early Access).


 


来源:北交大智能交通电波传播研究团队
轨道交通通信控制
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2023-06-14
最近编辑:1年前
北交大智能交通电波传播研究团队
博士 高移动性通信技术研究组
获赞 1粉丝 6文章 22课程 1
点赞
收藏
未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习 福利任务 兑换礼品
下载APP
联系我们
帮助与反馈