一种基于CNN-GRU与多头注意力机制的非视距估计算法

本发明公开了一种基于卷积神经网络(CNN)、门控循环单元(GRU)和多头注意力机制的深度学习网络模型及其实现方法，旨在实现高效、准确的非视距(NLOS)识别。所述方法首先通过数个一维卷积层提取输入信道响应特征(CIR)，并结合批量归一化和激活函数提升特征提取的鲁棒性；接着，利用双向GRU捕捉序列特征的时间依赖性；然后通过多头注意力机制捕获输入序列中多维特征的长程依赖性和相互关系，增强关键特征的表达能力。通过公共数据集，划分训练集和测试集，对模型进行训练，并使用自定义数据集进行测试。最终实现对信道环境的精准分类。本发明具有计算效率高、模型泛化能力强的特点，适用于非视距信道检测、通信环境感知及其他相关应用场景。