[发明专利]地铁隧道混合信道建模方法及电子终端

说明书

本发明提供一种地铁隧道混合信道建模方法及电子终端，所述方法包括：建立地铁隧道的三维模型；配置地铁隧道的三维模型的参数；基于射线跟踪法，发射机向接收机辐射信号；在发射机向接收机辐射信号过程中，构建径向基函数神经网络，并对径向基函数神经网络结构进行配置；选取测试数据对径向基函数神经网络进行训练，以测试路径损耗减去仿真路径损耗值得到的差当作RBF神经网络的输入，输出为接收点处的路径损耗预测值，形成所需的地铁隧道混合信道的径向基函数神经网络模型。本发明提高了单一射线跟踪仿真的预测的准确度；本发明与传统的射线跟踪方法相比，有效减少了仿真参数的调整次数，用于多种复杂场景下的无线信道特性预测时效率更高。

技术领域

本发明属于软件仿真建模技术领域，特别是涉及一种地铁隧道混合信道建模方法及电子终端。

背景技术

现有的无线信道仿真建模对隧道内波传播特性的预测精度较差。传统的射线跟踪仿真建模缺乏科学的方法调整粗糙度、反射次数、射线间隔等仿真参数，需要经过多次的仿真实验才可以得到与实际较为接近的预测结果，此外，一旦传播场景改变，原先的仿真参数也需要重新校准。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种地铁隧道混合信道建模方法及电子终端，用于解决现有技术中信道仿真建模预测准确度较差的技术问题。

为实现上述目的及其他相关目的，本发明的实施例提供一种地铁隧道混合信道建模方法，包括：建立地铁隧道的三维模型；配置地铁隧道的三维模型的参数；基于射线跟踪法，发射机向接收机辐射信号；在发射机向接收机辐射信号过程中，构建径向基函数神经网络，并对所述径向基函数神经网络结构进行配置；选取测试数据对所述径向基函数神经网络进行训练，以测试路径损耗减去仿真路径损耗值得到的差当作RBF神经网络的输入，输出为接收点处的路径损耗预测值，形成所需的地铁隧道混合信道的径向基函数神经网络模型。

于本申请的一实施例中，配置的地铁隧道的三维模型的参数包括：隧道壁的粗糙度、射线间隔、射线反射次数以及射线绕射次数。

于本申请的一实施例中，所述基于射线跟踪法，发射机向接收机辐射信号包括：射机向各个方向辐射信号，所述辐射信号经过空间信道的传输后到达接收机；所述接收机为多个不同半径的同心球体，其半径与射线的路径长度以及相邻射线间的夹角对应匹配。

于本申请的一实施例中，所述对所述径向基函数神经网络结构进行配置所述径向基函数神经网络结构为：配置输入层为向量x，维度为m，样本个数为n，隐藏层与输入层全连接，层内无连接。

于本申请的一实施例中，所述隐藏层神经元个数最大值与样本个数相等，所述隐藏层的神经元个数设置为30～40。

于本申请的一实施例中，以收发距离、隧道壁的粗糙度、射线间隔、射线反射次数、射线绕射次数作为输入层向量x的细节信息。

于本申请的一实施例中，所述径向基函数神经网络的传输函数为径向基函数；所述径向基函数的分布密度配置为1.5。

于本申请的一实施例中，所述径向基函数神经网络的基函数配置为高斯函数。

于本申请的一实施例中，还包括采用剩余的测试数据对所述地铁隧道混合信道的径向基函数神经网络模型进行验证。

本发明的实施例还提供一种电子终端，其特征在于：包括处理器和存储器，所述存储器存储有程序指令；所述处理器运行程序指令实现如上所述的地铁隧道混合信道建模方法。

如上所述，本发明的地铁隧道混合信道建模方法及电子终端，具有以下有益效果：

1、本发明通过径向基函数(Radial Basis Function，RBF)神经网络算法构建地铁隧道混合信道的径向基函数神经网络模型，提高了单一射线跟踪仿真的预测的准确度。