科研之友
微信
新浪微博
Facebook
分享链接
摘要
在高速铁路列车运行过程中，为了保持不中断通信，列车需要不断与基站进行越区切换，越区切换作为LTE-R通信关键技术，对于保障行车安全至关重要。针对下一代高速铁路无线通信LTE-R系统越区切换算法，因迟滞门限参数固定，导致切换成功率低等问题，提出了一种基于长短期记忆（LSTM）循环神经网络的高速铁路越区切换算法。首先，利用LSTM神经网络的记忆特性以及高速铁路越区切换重叠区信号时空相关性的特点，构建了基于LSTM循环神经网络的越区切换迟滞门限参数动态预测深度学习网络。其次，通过提出的LSTM深度学习模型对越区切换迟滞参数，进行线下训练和线上预测来获取未来时刻的切换门限值，实现了对越区切换迟滞参数的自适应预测，克服了迟滞门限参数固定的缺点。最后，通过仿真实验，结果表明，所提基于LSTM循环神经网络的高速铁路越区切换算法较其他比较方法，能够有效提高越区切换成功率，并降低乒乓切换率的影响。研究结果为高速铁路安全和LTE-R演进提供了一定的理论参考。
- 单位
