Cost231-Hata框架下基于深度学习的无线传播智能预测模型

作者：高鑫杰; 谷云东; 刘浩; 马冬芬^*

来源：数学的实践与认识, 2021, 51(09): 312-320.

• Cost 231-Hata模型
• 特征相关性
• 深度学习

精确的网络估算对于5G网络部署有重要意义.为进一步提升无线传播网络分析的计算精度,构建了基于Cost 231-Hata框架下深度学习的无线智能传播预测模型.该模型考虑无线通信网络设计原理并结合特征的表征意义,构建输入特征候选集.采用Pearson相关系数计算各候选特征与参考信号接收功率(RSRP)之间的相关性,并借助基于随机森林回归的特征摄动分析方法度量反映各特征对RSRP的相对重要性.利用加权综合方法计算综合关联度,并据此筛选确定最终的输入特征集.引入基于RMSE和弱覆盖识别率(PCRR)的综合评价指标PR,通过对PR值的分析确定隐藏层数量,并基于Cost 231-Hata框架下的Moldelarts和TensorFlow平台,建立了基于深度学习的RSRP预测新模型.测试集上的仿真分析验证了新模型的有效性.

• 单位
  数理学院; 华北电力大学; 新疆财经大学