基于神经网络的无线信道场景识别

樊圆圆 刘留 张嘉驰 李慧婷 周涛 唐盼

（1. 北京交通大学电子信息工程学院，北京 100044；2. 北京邮电大学 网络与交换技术国家重点实验室，北京 100876）

引 言

无线通信系统的传输速率和传输质量受限于无线信道[1]，若能提取不同区域内无线信道的差异化特征，并根据实际情况进行必要的识别，有助于将测量的数据自动分离到不同场景中，从而建立相应的信道模型，这具有重要的科学意义与工程价值. 另外，对于室内定位而言，视距（line-of-sight，LOS）和非视距（none-line-of -sight，NLOS）信道产生的测距误差相差很大，因此对信道进行精确的识别是必要的. 尤其是在5G技术不断发展的今天，为了能够保证用户在500 km/h的速度下有更好的体验，结合人工智能的技术迅速、准确地识别出无线信道场景，从而在不同环境下高效地完成信息传输任务，是值得研究探索的[2-3].

神经网络是20世纪80年代以来人工智能领域研究热点之一，它依靠自身强大的学习能力和计算能力，可以从有限的数据中挖掘到信道的隐含特征，进而实现对信道所处场景的识别[4]. 近年来，相继有学者利用神经网络对无线信道进行场景识别：文献[5]基于无迹卡尔曼滤波神经网络建立了先分段再分区的场景识别模型，该模型识别效率高，但个别分段后的识别准确率低于80%；文献[6]结合图论、主成分分析以及径向基神经网络，剖析信道特性，对信道参数进行降维和训练，该模型具有较高的精度，但无法集中存储大量数据且模型相对复杂……