计算机应用

作者：杨亚楠, 夏斌, 赵磊, 袁文浩

单位：山东理工大学 计算机科学与技术学院, 山东 淄博 255049

关键词：非视距,卷积神经网络,信道环境,超宽带,BP网络

基金：国家自然科学基金资助项目（61701286）；山东省自然科学基金资助项目（ZR2017MF047）。

针对非视距（NLOS）状态鉴别需要已知信道类型的分类的问题，提出了一种基于卷积神经网络（CNN）的信道环境分类算法。首先，对超宽带（UWB）信道进行采样，构建样本集合；然后，利用样本集合训练CNN，对不同的信道场景特征进行提取；最终实现超宽带信道环境的分类。实验结果表明：所采用的分类方法的总模型准确率约为93.40%，能有效地实现信道环境的分类识别。

来源：2019年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第5期