基于通信导频数据环境识别研究

首先基于真实通信设备,通过对物理层协议进行改造获取用于信道均衡的导频数据,通过对导频数据的数学处理获取信道的时延功率谱。然后对城区建筑物密集的办公区环境、临街道路环境和建筑物较为稀疏的郊区环境进行了实地测量,基于测量得到的时延功率谱数据,通过数据处理得到时延功率谱图片数据,用于对三种环境识别的学习和验证。最后使用深度学习的方式构建了Res Net50深度网络,对数据进行了训练和验证,仿真结果表明,对三种环境的识别准确度可达到90.31%。基于导频数据进行环境识别的研究适用于真实的通信设备进行通感一体化升级,通信设备在无需进行通信协议重构的前提下通过移植训练模型即可实现对环境的识别。