公开(公告)号：CN115882986B

公开(公告)日：2025-03-21

申请号：CN202211528007.1

申请日：2022-11-30

Applicant: 同济大学

Inventor： 王萍 ,  尹学锋 ,  郭川茗 ,  王晓炜

IPC: H04B17/391 ,  H04B17/373 ,  H04B17/327 ,  H04B7/22

Abstract: 本发明涉及一种预测接收信号功率的无线电波传播信道建模方法，包括以下步骤：S1、输入目标测量区域的数字地图；S2、根据收发端位置，确定椭球形菲涅耳区、第一球形区域和第二球形区域；S3、根据步骤S2确定的区域设置散射体位置和散射体能够影响电波传播的概率，并根据收发端的移动，更新散射体分布；S4、采用射线追踪与传播图论的混合仿真模型模拟电波传播；S5、根据测量数据，训练具有设定阻挡下的视距传播路径衰落的统计模型，嵌入仿真模型中，得到优化后的预测模型；S6、输出预测接收电平与信道特征参数。与现有技术相比，本发明模拟城区场景下，存在一定阻挡的视距路径的电波传播，具有算法复杂度低，预测准确度高的优点。

公开(公告)号：CN116963271A

公开(公告)日：2023-10-27

申请号：CN202310928402.7

申请日：2023-07-27

Applicant: 同济大学

Inventor： 刘文菁 ,  何塞 ,  尹学锋 ,  王宇 ,  王晓炜

IPC: H04W64/00 ,  G06N3/084 ,  G06N3/0499 ,  G06N3/048 ,  H04B17/391 ,  H04W4/44

Abstract: 本发明涉及一种基于深度学习的低空空地无人机信道散射体定位方法、装置及存储介质，其中方法包括：获取多个多组训练集数据，其中，每组训练集数据包括无人机和基站之间的距离、时延、校准功率、多普勒频率和散射体位置；基于训练集数据，训练散射体定位模型；获取实际工况下，无人机和基站之间的实际距离，以及每个信号传播路径的时延、校准功率和多普勒频率，将每个信号传播路径的时延、校准功率和多普勒频率连同无人机和基站之间的实际距离，依次输入训练好的散射体定位模型，得到对应于各信号传播路径的散射体位置。与现有技术相比，本发明具有所需参数容易获得并且定位准确等优点。

公开(公告)号：CN115882986A

公开(公告)日：2023-03-31

申请号：CN202211528007.1

申请日：2022-11-30

Applicant: 同济大学

Inventor： 王萍 ,  尹学锋 ,  郭川茗 ,  王晓炜

IPC: H04B17/391 ,  H04B17/373 ,  H04B17/327 ,  H04B7/22

Abstract: 本发明涉及一种预测接收信号功率的无线电波传播信道建模方法，包括以下步骤：S1、输入目标测量区域的数字地图；S2、根据收发端位置，确定椭球形菲涅耳区、第一球形区域和第二球形区域；S3、根据步骤S2确定的区域设置散射体位置和散射体能够影响电波传播的概率，并根据收发端的移动，更新散射体分布；S4、采用射线追踪与传播图论的混合仿真模型模拟电波传播；S5、根据测量数据，训练具有设定阻挡下的视距传播路径衰落的统计模型，嵌入仿真模型中，得到优化后的预测模型；S6、输出预测接收电平与信道特征参数。与现有技术相比，本发明模拟城区场景下，存在一定阻挡的视距路径的电波传播，具有算法复杂度低，预测准确度高的优点。