bp神经网络的传播模型在td-scdma网络中的应用new

《bp神经网络的传播模型在td-scdma网络中的应用new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、BP神经网络的传播模型在TD—SCDMA网络中的应用许森1黄超1傅瑜2(1．普天信息技术研究院有限公司，北京100080；2．北京邮电大学信息学院，北京100876)摘要：传播模型是无线网络规划的基础。本文首先分析了经验模型和确定性模型的优缺点，然后提出了一种基于BP神经网络的传播模型并且给出了整个网络的输入参数的定义．利用在2000MHz频段的TD—SCDMA网络中的CW测试数据对该网络进行训练。最后采用TD—SCDMA网络规划中常用的SPM模型进行对比实验，实验结果表明充分训练后的网络对无线环境的预测的精确性优于经验模型并克服了经验模型和确定性模型中的一些缺点。关键词：传播模

2、型；神经网络；网络规划APropagationModelBasedonBPNeuralNetworksforTD．SCDMANetworkXuSenlHuangCha01FuYu2(1．PotevioInstituteofTechnologyCo．，Ltd，China，Beijing100080；2．BeijingUniversityofPostsandTelecommunication，China，100876)Abstreat：PropagationModelisthebaseofwirelessnetworkplanning．Firstlythispaperanalyses

3、theadvantageanddisvantageofempiricalmodelanddeterministicmodel．SecondlyweproposeanewpropagationModelbasedonBPneuralnetworksanddefinetheinputparametersofneuralnetwork．ThisiStrainedbythedataofCWtestinthe2000MHzfrequencyband．LastlywecomparethedataobtainedbytheproposedmodelwithSPMshowthatthepropo

4、sedmodelissufficientlyaccurateforuseinplanningTD．SCDMAsystems．Keywords：propagationmodel；neuralnetworks；networkplanning1引言TD—SCDMA是中国提出3G标准，现在TD．SCDMA已经在中国的八个城市完成了网络的建设，在未来将会有更多的城市将建成TD．SCDMA网络。传播模型是移动通信网络合理规划的基础。适合本地的精确的传播模型能够保障所设计的无线网络覆盖的准确性，并且对整个无线网络规划的规模估算、站点分布、系统仿真以及投资计划具有十分重要的作用。一个有效的传播模

5、型应该是能够很好地预测传播损耗，该损耗是距离、’频率、环境等的函数。一般来说，传播模型分为经验模型、理论模型或者二者的组合。经验模型主要基于测量结果，而理论模型主要依据电磁场理论。在经验模型中，隐含地考虑了所有环境因素的影响，不管它们彼此之间是互相独立的或是互相影响的。这也是这类模型的主要优点。然而，这些模型·242·的精确程度不仅取决于测量的精确程度，而且还和所分析的环境与所测试的环境二者间的相似程度有关。这类模型的计算效率通常能满足要求。确定模型基于物理原理，因此，在用于不同环境中是不影响其精确程度。经验模型最大的缺点是每一个模型都与模型提出人、公司所要进行规划的地区有关系，

6、其模型只反映了这些地区或者情况相似的地区，例如Okumura模型就是在东京等日本准平滑城区中获得，但是由于各个地区和城市的情况千差万别，地貌不同，所以应用这些模型的时候就需要进行修正。实际工程中发现，没有修正过的地区，会导致超过20dB的均方根误差和．30dB----40dB的平均误差。确定模型所使用的算法通常很复杂且计算效率不高。因为这一原因，确定模型的应用通常局限于微蜂窝或室内环境等较小的场地范围。不过，一旦确定性模型得以正确应用，可望得到较之经验模型更为准确的预测结果。因此需要有一种新的模型来克服这些缺点。。本文采用了的是基于BP神经网络的传播模型，神经网络模型基于一种非常

7、流行的正馈神经网络结构，具有sigmoid激活功能的正馈神经网络求解问题时的优越性表现在，适用于对含噪声数据集上进行的适度非线性处理。利用经验模型进行传播模型校正也是采用已知的数据对模型参数进行校正，直到预测值与路测数据的均方差及标准差达到最小。而人工神经网络的主要特点之一是对信息的处理具有自组织、自学习的特点[2】。在神经网络传播模型中，首先会采用路测的数据对整个网络进行训练，在经过训练后的网络可以对路径损耗具有良好的预测能力。此外神经网络的内在的并行处理机制可以实现快速求解，