摘要
本发明公开了一种基于机器学习和地理环境信息的无线信道预测方法,属于智能信道预测领域。该方法通过卷积神经网络的多层结构从低级到高级提取地形图像中的地形特征信息和信道状态信息值,并将其编码为高维状态向量作为全连接神经网络的输入;全连接神经网络分析和学习地形特征高维状态向量和对应区域的信道状态信息CSI值之间的复杂关系,实现户外无线信道预测。本发明提高了深度神经信道预测网络的准确度,有助于在缺乏基础设施的偏远地区或灾难现场更高效地部署无人机基站。
技术关键词
无线信道预测方法
无人机高度
地形特征
地理环境信息
无人机基站
信道状态信息值
卷积神经网络模块
预测信道状态
数字地形图
数字高程模型
地理信息系统
模型预测值
灾难现场
样本
场景
信道特征
压缩特征
系统为您推荐了相关专利信息
高分遥感影像
融合方法
多尺度特征提取
协同注意力
序列
空间插值方法
水文
地形特征
动态神经网络
动态网格
耕地
高分辨率遥感数据
地形特征
判别技术
计算机存储介质
场景特征
SOM神经网络
轮廓系数
场景分类
数据