基于机器学习的城市环境跨频段跨场景路径损耗预测方法

摘要

为解决传统路径损耗模型未考虑环境信息、跨场景跨频段预测性能不佳等问题，提出了环境特征驱动的跨频段跨场景路径损耗预测方法。结合二维线性和矩形环境特征描述传播环境，在随机森林路径损耗预测模型基础上引入迁移学习，实现跨频段跨场景预测；搭建了两个城市场景，场景1频段为140、220、280和300 GHz,场景2频段为140 GHz;使用140和220 GHz数据集预测280和300 GHz路径损耗，并用场景1数据集预测场景2路径损耗。结果表明，与未经迁移学习调优的预测方法相比，所提方法实现280和300 GHz跨频段预测的均方根误差分别下降了3.331 1和4.321 5 dB,跨场景预测的均方根误差下降了0.724 4 dB。

关键词

机器学习 / 亚太赫兹 / 路径损耗预测 / 随机森林 / 迁移学习

基金资助

国家自然科学基金项目(62271095,62171071); 重庆市自然科学基金项目(cstc2021jcyj-msxmX0634,CSTB2022NSCQMSX1125); 重庆市教委科学技术研究项目(KJZD-K202300607); 重庆市自然科学基金创新发展联合基金(CSTB2022NSCQLZX0037)