基于LSTM与多特征融合的高铁无线信道场景识别.pdf

万方数据
基于与多特征融合的高铁无线信道场景识别王英捷周涛第卷．，第陶成摘要为满足移动通信系统中用户通信业务质量的需求，提出了一种基于长短时记忆，攵嗵卣魅诤系氖侗鸱椒ǎ祸咳肥侗鸶咛尴咝诺莱【埃梅椒芄挥胫悄芫霾呦低诚嘟岷希岣通信系统的整体性能．首先，对不同信道场景的特点及信道特征参数进行阐述，并对整体数据集进行训练集与测试集的划分．然后，提出一种基于网络的加权平均后融合的方法识别无线信道场景，并与三种常用的特征融合方式的结果相比较．结果表明，本文所提方法在验证集上的识别准确率达到．ィ苁哉吖ぷ魈卣鱢珹畲螅庞谄渌卣魅诤戏绞剑虼耍梅椒够为鬲铁通信系统提供一种精准识别传播场景的方法．关键词高铁无线信道；信道场景识别；多特征融合；长短时记忆神经网络；混淆矩阵；受试者工作中图分类号文献标志码文章编号———随着我国交通的不断发展，高铁目前在我国占骨干地位，其中通信系统是满足铁路运营与乘客需求必不可少的部分．近年来，用户对通信服务质量需求逐步提升，为了满足用户移动通信的需求，铁路下电波科学学报本┙煌ù笱У缱有畔⒐こ萄г海本，曲线下面积特征／甤．籧王英捷，周涛，陶成．基于与多特征融合的高铁无线信道场景识别绮ǹ蒲аПǎ：．／甤．珽／珺，珻，猣—，：甌．ィ瑃甌，籱—；、收稿日期：—．资助项目：国家自然科学基金联系人：周涛：．瓹琋年瓹：痡瓵，．瑆甌籶；口．琙琓甅—
万方数据
，与加权高铁无线信道典型场景波科学学报一代移动通信技术铁路长期演进猼琇—将在不久的将来成为铁路专用宽带移动通信系统主体送猓氖贝丫嚼矗系统将支持各种高速场景的应用，因此也非常适宜部署在高铁上，满足乘客在时代对通信服务的各类需求．高铁列车沿线通过多个场景团，根据电磁波传播特性，高铁信道场景具体被划分成类：高架桥、尾邸⒊嫡尽⑺淼馈⑶鹆辍⑾绱濉⒔记⒊鞘械萚．此外，有作者提⋯一种在高铁通信系统中⋯现的特殊场景：多链路场景髦植煌拇úコ【岸杂α说磁波在其中不同的传播特性，影响着通信系统的性能绻尴咄ㄐ畔低衬芄恢悄艿厥侗鸪龅鼻暗拇播场景，则通过一些白适应技术，如自适应调制与编码，并结合资源分配与调度，可以有效地提高系统整体性能．因此，信道场景识别对于高铁无线通信网络的设计十分重要．机器学习作为一种在自然语言、图像领域被大量使用且效果显著的算法模型，目前在无线通信信道领域应用仍然不多．热瞬捎靡幌盗芯劾算法对信道功率延时谱中的多径分量进行聚类分析，提出了多种针对高速场景下的聚类算法，并取得了良好的聚簇性能【．等人在荡率凳┝信道测量，并使用人工神经网络珹圆煌炱⒊【暗男诺啦问辛预测．统计结果表明，．サ脑げ馐涤肫涠杂Φ测量结果误差小于．上述内容聚焦于信道多径分量的聚簇研究、簇模型和多径簇生灭追踪，以及针对某一特定场景的信道特征参数预测估计．而本文中我们聚焦于目前成果较少的信道场景识别研究．目前已发表的主要成果如下：甀．热私道转移函数，与频率相关函数，作为特征，使用猲，攵允内的不同场景进行了识别钪辗⑾諻诓试集数据中的表现最佳，达到了．サ氖侗鹱既率．文献氖侗鹉谌萁鼋隹悸橇思钢旨虻サ幕学习方法而未涉及深度学习的模型，且文中并未明确其提⋯的方法能够同样用于时变信道的识别，也并没有考虑特征融合的方式．除此之外，针对高速场景下不同传播环境的识别仍然较少，因此本文将针对这一独特场景下的不同传播环境，通过多特征融合的方式进行识别．本