本發(fā)明涉及電波傳播預(yù)測模型構(gòu)建，尤其涉及一種室外微蜂窩場景電磁傳播預(yù)測模型的構(gòu)建方法、系統(tǒng)、設(shè)備及介質(zhì)。

背景技術(shù)：

1、隨著無線通信技術(shù)的快速發(fā)展，移動通信網(wǎng)絡(luò)的覆蓋和容量需求日益增長。微蜂窩基站由于其覆蓋范圍小、容量高，成為提升網(wǎng)絡(luò)性能、優(yōu)化用戶體驗的重要手段。然而，微蜂窩基站的部署和規(guī)劃面臨著復(fù)雜的傳播環(huán)境，特別是在室外場景中，電磁波傳播受地形、建筑物、植被等多種因素影響，導(dǎo)致傳播模型的預(yù)測難度增加。

2、基于確定性算法的射線跟蹤模型應(yīng)運(yùn)而生。rt算法作為確定性算法被廣泛應(yīng)用，算法依靠go理論和utd理論。隨著科技的發(fā)展，射線跟蹤算法能夠處理更為復(fù)雜的地形數(shù)據(jù)和準(zhǔn)確的建筑物信息等，進(jìn)而進(jìn)行電波預(yù)測。相對于傳統(tǒng)的經(jīng)驗?zāi)Ｐ停瑀t算法能夠進(jìn)行更加精確的電波預(yù)測，但預(yù)測精度和效率嚴(yán)重依靠設(shè)定參數(shù)及環(huán)境信息的精度。傳統(tǒng)的電磁傳播模型，如自由空間模型和okumura-hata模型，通常用于宏蜂窩場景的預(yù)測。這些模型在大尺度環(huán)境下表現(xiàn)較好，但在微蜂窩場景中，其預(yù)測精度受到限制。特別是，在城市密集環(huán)境中，信號傳播路徑復(fù)雜，多徑效應(yīng)和陰影效應(yīng)顯著，傳統(tǒng)模型難以準(zhǔn)確描述實(shí)際傳播情況。

3、近年來，機(jī)器學(xué)習(xí)技術(shù)在電磁傳播預(yù)測中顯示出巨大潛力。相對于傳統(tǒng)的統(tǒng)計方法或簡單的回歸模型，gbdt(梯度提升決策樹)模型是一種更為先進(jìn)的集成學(xué)習(xí)方法。gbdt通過構(gòu)建多個弱預(yù)測模型(決策樹)，逐步提升預(yù)測精度。gbdt這種靈活性較高的模型，可以適應(yīng)不同場景和不同數(shù)據(jù)分布下的電磁傳播預(yù)測任務(wù)，在處理非線性關(guān)系和高維特征時表現(xiàn)優(yōu)異，不容易受到特定場景的局限，適合用于復(fù)雜的電磁傳播環(huán)境建模。

4、會議記錄“l(fā)ocalization?of?microcell?models?by?integrating?measured?andsimulated?data”(april?2024，doi:10.1109/piers62282.2024.10618362，conference:2024photonics&electromagnetics?research?symposium(piers))中，對于自由空間路徑損耗模型、對數(shù)距離路徑損耗模型、自由空間參考距離路徑損耗模型和多斜率路徑損耗模型等四種傳播模型進(jìn)行了深入分析，然而以上模型適用性和靈活性較差，更換新場景后需要很多實(shí)測數(shù)據(jù)來支撐模型，無法適應(yīng)不同場景和不同數(shù)據(jù)分布下的電磁傳播預(yù)測任務(wù)，不能用于復(fù)雜的電磁傳播環(huán)境建模。

技術(shù)實(shí)現(xiàn)思路

1、為了克服上述現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于提供一種室外微蜂窩場景電磁傳播預(yù)測模型的構(gòu)建方法、系統(tǒng)、設(shè)備及介質(zhì)，采用梯度提升決策樹算法進(jìn)行訓(xùn)練，能夠有效應(yīng)對微蜂窩場景下的復(fù)雜傳播環(huán)境，為網(wǎng)絡(luò)規(guī)劃提供精確的傳播預(yù)測，實(shí)現(xiàn)對實(shí)際傳播環(huán)境的本地化預(yù)測。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種室外微蜂窩場景電磁傳播預(yù)測模型的構(gòu)建方法，包括以下步驟：

4、步驟s1、通過cw測試將單載波信號在預(yù)設(shè)路線上進(jìn)行功率測試，獲取原始訓(xùn)練數(shù)據(jù)集，所述原始訓(xùn)練數(shù)據(jù)集包括但不限于頻率(mhz)、發(fā)射天線x坐標(biāo)(經(jīng)緯度坐標(biāo))、發(fā)射天線y坐標(biāo)(經(jīng)緯度坐標(biāo))、發(fā)射天線高度(m)、接收天線x坐標(biāo)(經(jīng)緯度坐標(biāo))、接收天線y坐標(biāo)(經(jīng)緯度坐標(biāo))、接收天線高度(m)和功率(dbm)；

5、步驟s2、對步驟s1取得的原始訓(xùn)練數(shù)據(jù)集進(jìn)行數(shù)據(jù)清洗和地理平均的預(yù)處理；

6、步驟s3、根據(jù)步驟s2中處理后的原始訓(xùn)練數(shù)據(jù)集提取影響電磁傳播的關(guān)鍵特征，所述關(guān)鍵特征包括但不限于頻率(mhz)、發(fā)射天線x坐標(biāo)(utm坐標(biāo))、發(fā)射天線y坐標(biāo)(utm坐標(biāo))、發(fā)射天線高度(m)、接收天線x坐標(biāo)(utm坐標(biāo))、接收天線y坐標(biāo)(utm坐標(biāo))、接收天線高度(m)、是否視距(視距為0，非視距為1)、建筑物密度和功率(dbm)，將提取的關(guān)鍵特征作為測試數(shù)據(jù)集，并對該對測試數(shù)據(jù)集進(jìn)行標(biāo)準(zhǔn)化處理；

7、步驟s4、使用梯度提升決策樹(gbdt)算法對步驟s3獲得的測試數(shù)據(jù)集進(jìn)行訓(xùn)練，構(gòu)建電磁傳播預(yù)測模型，調(diào)整電磁傳播預(yù)測模型的超參數(shù)，所述超參數(shù)包括樹的數(shù)量、最大深度和學(xué)習(xí)率，優(yōu)化模型性能；使用最佳超參數(shù)訓(xùn)練得到最優(yōu)的gbdt模型，并對最優(yōu)的gbdt模型進(jìn)行驗證。

8、所述步驟s1中的cw測試是在設(shè)定區(qū)域放置發(fā)射天線，發(fā)射單載波信號，然后在預(yù)設(shè)路線上進(jìn)行功率測試。

9、所述步驟s2中的數(shù)據(jù)清洗是指濾除功率值小于除-110dbm的數(shù)據(jù)；地理平均是指根據(jù)李氏定理，對測得的功率數(shù)據(jù)進(jìn)行地理平均，對處于同一間隔內(nèi)實(shí)測點(diǎn)的接收功率取均值。

10、所述步驟s4中使用梯度提升決策樹(gbdt)算法對步驟s3獲得的測試數(shù)據(jù)集進(jìn)行訓(xùn)練，構(gòu)建電磁傳播預(yù)測模型的步驟包括：

11、s4.1、數(shù)據(jù)加載與劃分：加載測試數(shù)據(jù)集，并將測試數(shù)據(jù)集隨機(jī)劃分為兩部分，一部分用于訓(xùn)練，一部分用于驗證；輸入數(shù)據(jù)x包含前9列的特征值，y包含第10列的標(biāo)簽(目標(biāo)值)；

12、s4.2、對輸入數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化：采用z分?jǐn)?shù)標(biāo)準(zhǔn)化(z-score)方法，具體公式為：

13、

14、其中，x表示原始數(shù)據(jù)，μ和σ分別表示對應(yīng)輸入維度的平均值和標(biāo)準(zhǔn)差；經(jīng)過z分?jǐn)?shù)標(biāo)準(zhǔn)化后，數(shù)據(jù)將表示為其相對于整個數(shù)據(jù)集的偏差程度，從而使得不同特征維度的數(shù)據(jù)具有相同的尺度；

15、s4.3、超參數(shù)調(diào)優(yōu)：利用超參數(shù)網(wǎng)格搜索，通過嵌套循環(huán)遍歷多個超參數(shù)組合，使用5折交叉驗證法對gbdt模型的超參數(shù)進(jìn)行調(diào)優(yōu)，以最小化均方誤差(mse)為目標(biāo)；

16、s4.4、最佳模型訓(xùn)練：使用在超參數(shù)調(diào)優(yōu)中獲得的最佳參數(shù)，訓(xùn)練最終的gbdt模型，將模型保存到文件中，并對最終模型進(jìn)行驗證。

17、所述的5折交叉驗證方法具體為：首先將訓(xùn)練數(shù)據(jù)隨機(jī)分為5個不相交的子集，每次選取一個子集作為驗證集，剩余的4個子集作為訓(xùn)練集，依次訓(xùn)練模型并計算驗證集上的最小化均方誤差(mse)；將5次驗證的最小化均方誤差(mse)取平均值，作為該組超參數(shù)的評估結(jié)果。

18、所述的最小化均方誤差(mse)計算公式為：

19、

20、式中yi為測試功率值，為預(yù)測功率值，n為測試集的樣本數(shù)。

21、一種室外微蜂窩場景電磁傳播預(yù)測模型的構(gòu)建系統(tǒng)，包括：

22、數(shù)據(jù)測試模塊，用于通過cw測試將單載波信號在預(yù)設(shè)路線上進(jìn)行功率測試，獲取原始訓(xùn)練數(shù)據(jù)集；

23、數(shù)據(jù)預(yù)處理模塊，用于對取得的原始訓(xùn)練數(shù)據(jù)集進(jìn)行數(shù)據(jù)清洗和地理平均的預(yù)處理；

24、數(shù)據(jù)提取及標(biāo)準(zhǔn)化模塊，用于提取影響電磁傳播的關(guān)鍵特征，將提取的關(guān)鍵特征作為測試數(shù)據(jù)集，并對該測試數(shù)據(jù)集進(jìn)行標(biāo)準(zhǔn)化處理；

25、訓(xùn)練及預(yù)測模塊，用于對測試數(shù)據(jù)集進(jìn)行訓(xùn)練，構(gòu)建電磁傳播預(yù)測模型，使用最佳超參數(shù)訓(xùn)練得到最優(yōu)的gbdt模型，并對最優(yōu)的gbdt模型進(jìn)行驗證。

26、一種室外微蜂窩場景電磁傳播預(yù)測模型的構(gòu)建設(shè)備，包括：

27、存儲器，用于存儲獲取的數(shù)據(jù)及步驟s1至步驟s4所構(gòu)建的室外微蜂窩場景電磁傳播預(yù)測模型的計算機(jī)程序；

28、處理器，用于執(zhí)行所述計算機(jī)程序時實(shí)現(xiàn)步驟s1至步驟s4所述的室外微蜂窩場景電磁傳播預(yù)測。

29、一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時能夠預(yù)測室外微蜂窩場景電磁傳播。

30、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

31、1、本發(fā)明通過cw測試，建立了含有大量數(shù)據(jù)的原始訓(xùn)練數(shù)據(jù)集；再對原始訓(xùn)練數(shù)據(jù)集進(jìn)行地理平均、數(shù)據(jù)清洗和數(shù)據(jù)標(biāo)準(zhǔn)化處理，其次提取影響電磁傳播的關(guān)鍵特征，從而放大樣本特征，利用梯度提升決策樹算法進(jìn)行訓(xùn)練。通過驗證，本發(fā)明訓(xùn)練的模型在測試集表現(xiàn)良好，可用來建立電波傳播預(yù)測模型。本發(fā)明通過精細(xì)的數(shù)據(jù)預(yù)處理和集成機(jī)器學(xué)習(xí)算法，有效提升了電磁傳播預(yù)測的準(zhǔn)確性和效率，為無線網(wǎng)絡(luò)的優(yōu)化和規(guī)劃提供了有力支持。

32、2、本發(fā)明通過引入gbdt模型、系統(tǒng)化的超參數(shù)優(yōu)化和精細(xì)的數(shù)據(jù)預(yù)處理，顯著提升了室外微蜂窩場景下電磁傳播預(yù)測模型的性能。相比傳統(tǒng)方法，該模型在預(yù)測精度、泛化能力和適應(yīng)性方面表現(xiàn)出明顯優(yōu)勢。gbdt模型具備高度的靈活性，能夠在不同場景和多樣化的數(shù)據(jù)分布下準(zhǔn)確預(yù)測電磁傳播路徑，尤其在處理非線性關(guān)系和高維特征時表現(xiàn)突出。

33、綜上所述，本發(fā)明通過對信號進(jìn)行cw測試，并引入gbdt模型、系統(tǒng)化的超參數(shù)優(yōu)化和精細(xì)的數(shù)據(jù)預(yù)處理，利用網(wǎng)格搜索法對預(yù)測模型超參數(shù)進(jìn)行優(yōu)化，通過最小化損失函數(shù)的梯度來更新模型，能夠勝任復(fù)雜的電磁傳播環(huán)境建模，不易受到特定場景的限制，具有精度高，預(yù)測準(zhǔn)確度高的特點(diǎn)。