[发明专利]适于智能家居的基于神经网络的路径损耗预测方法

权利要求书

1.一种适于智能家居的基于神经网络的路径损耗预测方法，其特征在于，所述预测方法包括：

S1，模拟智能家居的多种场景，对实际环境中发送天线和接收天线之间的信道进行测量，通过扫频得到实测的信道频率响应，其中f是扫频的频点，d是收发天线之间的距离，h_tx是发送天线的高度，h_rx是接收天线的高度，e是收发天线所处的环境，c是收发天线之间的传播情况；

S2，通过对所有频点上的信道频率响应的平方值进行平均，计算实测信道的路径损耗，其中BW为扫频带宽；

S3，使用步骤S2中计算所得的路径损耗和对应的输入值d、h_tx、h_rx、e和c确定隐层神经元个数N，训练基于人工神经网络的路径损耗模型的权重w_0j、w_j1、w_j2、w_j3、w_j4和偏置量b₀、b_j，并使用极大似然估计的方法计算μ和σ；

所述路径损耗模型为：

其中，N为隐层神经元个数，w_0j、w_j1、w_j2、w_j3、w_j4为人工神经网络神经元的权重，b₀、b_j为各个神经元的偏置量，j的取值为1到N范围内的所有整数，f_a为神经元的传递函数，X_σ为正态分布的随机变量，其均值和方差分别为μ和σ，d_m、h_tm、h_rm、e_m、c_m、PL_m分别是测量的最大收发天线距离，最大发送天线高度，最大接收天线高度，最大收发天线所处的环境，最大收发天线之间的传播情况，最大路径损耗；

S4，使用不同的d、h_tx、h_rx、e和c作为输入，并使用步骤S3中获得的模型参数w_0j、w_j1、w_j2、w_j3、w_j4、b₀、b_j、μ和σ，将其代入步骤S3中的模型，预测不同距离、发送天线高度、接收天线高度、环境和传播情况下的路径损耗。

2.根据权利要求1所述的适于智能家居的基于神经网络的路径损耗预测方法，其特征在于，步骤S1中，所述模拟智能家居的多种场景，对实际环境中发送天线和接收天线之间的信道进行测量包括：

分别选择卧室、客厅、厨房、过道、楼梯作为发送天线和接收天线的摆放位置；

将发送天线从0.1m到3m以0.1m为间隔进行变化模拟发送智能设备所处位置，接收天线高度从0.1m到2m以0.1m为间隔进行变化模拟接收智能设备所处位置，固定发送天线位置，移动接收天线位置，收发天线之间的距离范围限制在1m到15m；

将发送天线和接收天线分别通过低损耗电缆连接至矢量网络分析仪的两端，扫频测量S₂₁参数获得信道频率响应，测量频率范围为2.3GHz-2.5GHz，4.9GHz-5.1GHz。

3.根据权利要求1所述的适于智能家居的基于神经网络的路径损耗预测方法，其特征在于，所述隐层神经元个数N的取值范围为3到50，通过对不同N的神经网络进行训练，取均方误差最小的N作为模型的参数。

4.根据权利要求1所述的适于智能家居的基于神经网络的路径损耗预测方法，其特征在于，所述神经元的传递函数f_a为tansig函数：

；

其中，x为各神经元的输入值。