基于自适应粒子群优化的RBF毫米波信道建模研究

作者：胡玮; 耿绥燕^*; 赵雄文

来源：电波科学学报, 2021, 36(03): 405-412.

• 机器学习(ML)
• 信道建模
• 自适应粒子群算法
• RBF神经网络
• 参数预测

基于毫米波室内无线信道测量数据,将机器学习(machine learning,ML)中的径向基函数(radial basis function,RBF)方法应用于毫米波信道建模中,建立了基于自适应粒子群优化(adaptive particle swarm optimization, APSO)的RBF神经网络信道参数预测模型,并与传统RBF算法的预测结果进行了比较.利用APSO-RBF模型对信道大尺度参数(large-scale channel parameter,LSCP)如路径损耗(path loss, PL)、时延扩展(delay spread, DS)等数据的特征进行了学习和预测.结果表明,APSO-RBF模型信道参数的预测值与实际测量值非常吻合,均方根误差(root-mean-square error,RMSE)较小,且预测曲线与原始测量值曲线的拟合度较好,该算法的学习性能和预测效果均优于传统RBF算法.另外,APSO-RBF模型在数据量波动较大的情况下对信道参数的变化有着良好的适应性,对5G毫米波信道参数可以取得较好的预测效果.

• 单位
  华北电力大学; 电子工程学院