基于深度学习的无线电传播链路降水环境识别分析.pdfVIP

第 38 卷　第 3 期 电　波　科　学　学　报 Vol. 38，No. 3 2023 年 6 月 CHINESE JOURNAL OF RADIO SCIENCE June，2023 敏捷，伍忠东，郑礼，等. 基于深度学习的无线电传播链路降水环境识别分析 [J]. 电波科学学报，2023，38（3）：453-462 + 484. DOI: 10.12265/j.cjors.2022150 MIN J, WU Z D, ZHENG L, et al. Identification analysis of radio propagation links for rainfall environment based on deep learning [J]. Chinese journal of radio science，2023，38（3）：453-462 + 484. （in Chinese）. DOI: 10.12265/j.cjors.2022150 基于深度学习的无线电传播链路降水环境识别分析 1，2 1* 1，2 1，2 敏捷 　伍忠东 　郑礼 　程倩 （1. 兰州交通大学, 兰州 730070；2. 数字信号处理及软件无线电研究所, 兰州 730070 ） 摘　要　 降水是一种常见的自然现象，在气候调节中起着极为重要的作用. 同时，由于降水在空间、时间上 的不均匀性，会发生诸如洪涝、干旱等自然灾害，给人类的经济、生活等造成严重影响，为了防治这类自然灾害，需 要我们进行准确而及时的降水监测. 本文使用人工智能的手段，将无线电在传播过程中由于降水引起的衰减作为 研究对象，尝试从不同的衰减中找到降水量信息，进而达到降水监测的目的. 实测结果表明，使用通信基站作为信 号源，以数据采集时的标准的气象降水信息作为标签，神经网络成功地学习到了衰减特征，且实验准确率在 95% 左右. 这说明，使用无线电传播链路结合人工智能的方法进行降雨监测是一种新型的降雨测量方法，具有一 定的研究意义. 关键词　降水；降水衰减；深度学习；无线电通信；基站信号 中图分类号　TN011 文献标志码　A 文章编号　1005-0388（2023 ）03-0453-10 DOI　 10.12265/j.cjors.2022150 Identification analysis of radio propagation links for rainfall environment based on deep learning MIN Jie1,2　WU Zhongdong1*　ZHENG Li1,2　CHENG Qian1,2 （1. Lanzhou Jiaotong University , Lanzhou 730070, China；2. Digital Signal Processing and Software Radio Institute, Lanzhou 730070, China） Abstract　Precipitation is a common natural phenomenon that plays an important role in climate regulation. At the sa