一种基于深度神经网络的电波传播损耗模型构建方法.pptxVIP

一种基于深度神经网络的电波传播损耗模型构建方法.pptx

content

研究背景与技术挑战

经典传播模型体系及其局限性分析

深度神经网络建模的理论基础与优势

模型构建方法与关键技术路径

数据闭环与工程落地实践

未来发展方向与拓展应用前景

研究背景与技术挑战

无线通信系统演进对传播损耗预测精度提出更高要求，尤其在5G及后5G高频段与复杂城市环境中

毫米波挑战

毫米波频段在自由空间损耗大，穿透和绕射能力弱，导致信号传播受限。

多径效应显著

城市三维环境引发多径传播，非视距路径占比高，增加建模难度。

传统模型局限

经验模型参数固化，泛化能力差，在动态场景中预测偏差大。

数据驱动趋势

深度神经网络利用数据学习复杂关系，提升传播预测准确性。

融合物理特征

结合电磁传播机理与空间结构信息，增强模型可解释性与精度。

智能预测需求

高速率低时延业务要求更高规划精度，推动智能化建模发展。

传统经验模型受限于场景泛化能力弱、难以刻画非线性多因素耦合效应，亟需数据驱动方法突破瓶颈

泛化能力弱

传统模型如Hata依赖特定区域实测数据，在新场景下预测偏差大。其参数固化难以适应地形与建筑布局的显著差异，导致跨区域应用受限。

非线性耦合难建模

电磁波受多因素交织影响，传统方法无法捕捉复杂非线性关系。经验公式对反射、绕射等机制的耦合作用仅作简化处理，精度不足。

高频段失效明显

毫米波通

更多 >