新文推送--基于卷积神经网络的NLOS信道识别
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},}
或
Q. Zheng et al., "Channel Non-Line-of-Sight Identification Based on Convolutional Neural Networks," in IEEE Wireless Communications Letters (Early Access).
