基于改进卷积神经网络的矿井巷道场强预测
2021-11-05王安义周孝铭
工矿自动化 2021年10期
关键词:模型
王安义, 周孝铭
(西安科技大学 通信与信息工程学院, 陕西 西安 710054)
0 引言
矿井无线通信系统对智能矿山建设起着至关重要的作用[1-2],但由于煤矿空间受限、环境复杂,电磁波传输过程中存在严重的反射、绕射、散射等现象,使得建立可靠的矿井无线通信系统面临较大困难[3-4]。矿井巷道场强覆盖大小直接影响矿井无线通信系统性能,因此在井下基站建成之前,了解基站在矿井巷道的电磁波传播路径损耗规律,提高场强预测精度,有助于合理规划基站位置和基站覆盖范围,避免出现网络覆盖盲区或网络资源浪费等情况。
国内外研究人员对场强预测方法进行了大量研究。文献[5-7]建立了基于几何光学法的射线追踪模型,用射线来近似等价电磁波,其优点是能够得到巷道中过渡场和稳态场的所有信息,但缺点是在预测远场区场强时要考虑较多的镜像级数,导致算法复杂度增加。文献[8-9]提出了利用三维射线跟踪法进行场强预测,但数据测量需要消耗大量人力和时间,且建模过程较为复杂。文献[10-11]对室内走廊环境中2.4 GHz无线信号的路径损耗进行分析,提出了单斜率和双斜率模型,但其在受限空间下拟合效果不理想,场强预测精度较低。文献[12-14]建立了基于支持向量机(Support Vector Machine,SVM)的矿井无线信道大尺度和小尺度场强预测模型,并利用最小二乘法和遗传算法对SVM参数进行了优化,但面对大规模训练样本时,SVM算法需要不断迭代参数,增加了计算复杂度和训练时间。……
登录APP查看全文
