一种基于深度学习的电波传播场强预测方法

电波传播场强预测对于无线网络的规划具有重要意义,其预测精度与通信环境的大规模传播特性直接相关。为了提升电波传播场强预测的准确性,需尽可能地增加输入特征维度以最大化描述环境。卫星图像能直观地展示研究区域的环境特征,将其作为输入特征,采用卷积神经网络构建模型准确地预测电波传播情况。因此,提出了一种基于卫星图像数据的深度学习场强预测方法,输入数据为经纬度、高程和卫星图像,输出为预测场强。结果表明,与未使用卫星图像作为输入的模型预测值对比,添加卫星图像作为输入特征后,预测精度提高15.2%,对卫星图像数据进行增强,预测精度获得6.4%的提升。

基于ITU-RP.1546建议书的电波传播仿真研究

本文主要研究了ITU-R P.1546建议书,利用Matlab对该建议书中提出的场强预测方法进行仿真计算,最后结合地理信息数据,举例说明了基于该建议书的监测覆盖分析,进一步说明了该电波传播模型研究可以为VHF/UHF监测站建站规划提供有力的理论依据。