版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著城市建筑物數(shù)量的增加,電波傳播的環(huán)境也變得日益復(fù)雜。同時(shí),電波傳播的頻段也越來(lái)越高,微蜂窩、微微蜂窩技術(shù)開(kāi)始被采用以提高系統(tǒng)容量。在微蜂窩系統(tǒng)中,各個(gè)小區(qū)之間的統(tǒng)計(jì)相似性消失,傳統(tǒng)的基于統(tǒng)計(jì)方法的場(chǎng)強(qiáng)預(yù)測(cè)模型不再適用。而新一代通信系統(tǒng)的規(guī)劃與優(yōu)化需要更精確的場(chǎng)強(qiáng)預(yù)測(cè)。針對(duì)該問(wèn)題,本文重點(diǎn)研究新的高效、精確的場(chǎng)強(qiáng)預(yù)測(cè)方法。
首先,射線跟蹤法是近年來(lái)常用于城市微小區(qū)和室內(nèi)環(huán)境的場(chǎng)強(qiáng)預(yù)測(cè)方法。論文實(shí)現(xiàn)了基于三維場(chǎng)景數(shù)據(jù)庫(kù)的反向射
2、線跟蹤算法。射線跟蹤方法雖可以得到精確的預(yù)測(cè)結(jié)果,但是需要建立高精度的場(chǎng)景數(shù)據(jù)庫(kù),并且算法復(fù)雜度高、計(jì)算量大。
進(jìn)一步,針對(duì)射線跟蹤場(chǎng)強(qiáng)預(yù)測(cè)方法的局限性,引入了神經(jīng)網(wǎng)絡(luò)場(chǎng)強(qiáng)預(yù)測(cè)的優(yōu)點(diǎn),提出了一種基于射線跟蹤和神經(jīng)網(wǎng)絡(luò)的場(chǎng)強(qiáng)預(yù)測(cè)混合模型。首先,基于簡(jiǎn)化的場(chǎng)景數(shù)據(jù)庫(kù)用射線跟蹤方法進(jìn)行仿真,得到一組粗糙的場(chǎng)強(qiáng)值;然后,利用測(cè)量或者精確模型仿真得到的結(jié)果對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,使其能夠預(yù)測(cè)場(chǎng)景中的細(xì)節(jié)信息對(duì)場(chǎng)強(qiáng)值的影響。一方面,由于建立的
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于主路徑的射線跟蹤和神經(jīng)網(wǎng)絡(luò)混合場(chǎng)強(qiáng)預(yù)測(cè)模型.pdf
- 基于射線跟蹤模型的數(shù)據(jù)插值法場(chǎng)強(qiáng)預(yù)測(cè).pdf
- 基于射線跟蹤模型的數(shù)據(jù)插值法場(chǎng)強(qiáng)預(yù)測(cè)(1)
- 射線跟蹤場(chǎng)強(qiáng)預(yù)測(cè)模型的參數(shù)校正方法.pdf
- 基于混合優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)模型.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的入侵預(yù)測(cè)模型.pdf
- 基于優(yōu)化神經(jīng)網(wǎng)絡(luò)的混合網(wǎng)絡(luò)流量預(yù)測(cè)模型仿真與實(shí)現(xiàn).pdf
- 基于神經(jīng)網(wǎng)絡(luò)的質(zhì)量預(yù)測(cè)模型.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的棉紗質(zhì)量預(yù)測(cè)模型.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的灰色預(yù)測(cè)模型.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)和自回歸模型的股市預(yù)測(cè).pdf
- 基于神經(jīng)網(wǎng)絡(luò)模型辨識(shí)的水質(zhì)預(yù)測(cè)模型研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的銷(xiāo)售預(yù)測(cè)模型.pdf
- 基于聯(lián)合神經(jīng)網(wǎng)絡(luò)的流量預(yù)測(cè)模型.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測(cè)模型.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)困境預(yù)測(cè)模型設(shè)計(jì).pdf
- 基于神經(jīng)網(wǎng)絡(luò)集成的匯率預(yù)測(cè)模型研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的匯率預(yù)測(cè)模型研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的混凝土強(qiáng)度預(yù)測(cè)模型.pdf
評(píng)論
0/150
提交評(píng)論