机器学习在无线信道建模中的应用现状与展望*
2021-08-03黄鸿清刘为伍沛然夏明华
移动通信 2021年4期
黄鸿清,刘为,伍沛然,4,夏明华,4
(1.中山大学电子与信息工程学院,广东 广州 510006;2.中国电子科技集团公司新一代移动通信创新中心,上海 200331;3.中国电子科技集团公司第七研究所,广东 广州 510310;4.南方海洋科学与工程广东省实验室,广东 珠海 519082)
0 引言
无线信道作为无线通信系统传输电磁波信号的媒介,其传播特性对通信系统的误码率、信道容量、能量效率和频谱效率等性能具有决定性作用。一个反映实际传播环境的信道模型对于通信系统的设计、开发、性能评估与实际部署具有重要的指导意义。因此,无线信道建模被认为是无线通信领域最基础且重要的研究课题之一[1]。具体来说,信道建模是一个探索并表征真实环境中信道传播特性的过程,通过有效的数学模型对信道进行刻画,从而揭示电磁波在不同场景下的传播特性。为了尽可能准确地表征真实环境的信道传播特性,对实际场景的无线信道进行大量的测量是必不可少的,目前,国内外许多研究团队及项目已经针对B5G/6G的需求开展了无线信道的测量与建模工作[2]。
对于无线信道传播特性的研究,根据建模方法的差异性可将无线信道模型分类为确定性模型和随机性模型,其中的随机性模型又包括了非几何随机模型(NGSM,Non-Geometric Stochastic Model)和基于几何的随机模型(GBSM, Geometry-Based Stochastic Model)[2]。 确定性模型依赖于传播环境的精确信息,通过光学射线理论或电磁传播理论来准确地分析和预测无线信道传播特性,如射线追踪法(Ray Tracing)和计算电磁法(CEM,Computational Electromagnetic)等。……
登录APP查看全文
