公开(公告)号：CN115018014A

公开(公告)日：2022-09-06

申请号：CN202210892197.9

申请日：2022-07-27

Applicant: 东南大学

Inventor： 王海明 ,  赵猛 ,  裔成 ,  于一鸣 ,  高松涛

IPC: G06K9/62 ,  G06N20/00 ,  G06F17/18 ,  G06F16/29

Abstract: 本发明公开了一种基于多源信息的机器学习辅助的通信场景分类方法，该方法从700MHz频率下测量的信道数据中提取大尺度信道参数，同时利用地理信息系统统计出各种地形地物以及不同高度建筑物的面积占比，经过数据预处理后得到一个包含二维特征的数据集，其中样本被分为三类：密集城区，一般城区和郊区；利用K最邻近算法以及针对不同类别的样本量不均衡问题而改进的加权K近邻算法进行无线通信场景分类。本方法将信道大尺度特性与地理信息相结合，使用机器学习分类算法实现了高精度、低复杂度的无线通信场景分类框架，获取信道大尺度信道参数相比于获取小尺度参数，其中所需要更少的信道测量工作量以及更低的计算复杂度。

公开(公告)号：CN115018014B

公开(公告)日：2024-05-10

申请号：CN202210892197.9

申请日：2022-07-27

Applicant: 东南大学

Inventor： 王海明 ,  赵猛 ,  裔成 ,  于一鸣 ,  高松涛

IPC: G06F18/2413 ,  G06F18/2415 ,  G06N20/00 ,  G06F17/18 ,  G06F16/29

Abstract: 本发明公开了一种基于多源信息的机器学习辅助的通信场景分类方法，该方法从700MHz频率下测量的信道数据中提取大尺度信道参数，同时利用地理信息系统统计出各种地形地物以及不同高度建筑物的面积占比，经过数据预处理后得到一个包含二维特征的数据集，其中样本被分为三类：密集城区，一般城区和郊区；利用K最邻近算法以及针对不同类别的样本量不均衡问题而改进的加权K近邻算法进行无线通信场景分类。本方法将信道大尺度特性与地理信息相结合，使用机器学习分类算法实现了高精度、低复杂度的无线通信场景分类框架，获取信道大尺度信道参数相比于获取小尺度参数，其中所需要更少的信道测量工作量以及更低的计算复杂度。

公开(公告)号：CN117614574A

公开(公告)日：2024-02-27

申请号：CN202311131757.X

申请日：2023-09-04

Applicant: 东南大学

Inventor： 王海明 ,  裔成 ,  陈炜琦 ,  无奇

IPC: H04B17/391 ,  G06F30/27 ,  G06N20/00 ,  H04B17/309

Abstract: 本发明公开了一种机器学习辅助的射线跟踪信道仿真校准方法与系统，该方法包括：在场景不同位置设置多个接收机获取测试CSI，进行场景建模获取不同材料参数配置下的仿真CSI；分别从测试CSI和仿真CSI获取各接收机位置处MPC，并标记关键径；利用机器学习方法建立代理模型，得到信道仿真模型中各材料参数与接收径功率之间的关系；引入反射率与材料参数之间关系的先验知识动态调整参数的搜索空间，基于代理模型分阶段搜索材料参数的最优解，先基于关键径对部分参数进行优化，再基于所有径对所有参数进行优化；对最优解进行射线跟踪仿真验证，若没达到预设目标则更新数据集和参数搜索空间进一步优化。本发明在保证校准精度的同时实现了耗时的大幅度降低。