针对传统移动信号传播模型搭建的过程计算量大,实际应用准确率低等问题,提出一种基于大数据的机器学习建模方法。通过对大量真实LTE数据进行预处理、特征构建,采用互信息法求解特征与标签值的相关性大小,结合移动通信理论进行特征选取。将影响因素最大的7个特征作为输入,以接收点的信号功率值作为输出,使用梯度下降算法不断迭代更新权重和偏置以减小误差,将模型的代价函数作为评估参数,建立16层的深度神经网络模型仿真。训练好的模型可用于预测新环境下的信号接收功率值,且在准确度及算法复杂度方面优于传统模型。
科研之友
微信
新浪微博
Facebook
分享链接
