来源：期刊VIP网 时间：
作者：王志鹏;万留进;李玉生;吴昊;马鑫;行鸿彦;
单位：南京信息工程大学电子与信息工程学院;国防科技大学第六十三研究所;
摘要：针对城市复杂电磁环境下传统经验模型预测精度不足与射线追踪(Ray-Tracing, RT)方法计算效率低下的双重挑战，提出了一种融合卫星影像与三维几何特征的反向传播神经网络(Back Propagation Neural Network, BPNN)路径损耗预测模型。通过整合高分辨率卫星影像的RGB光谱信息与散射体的统计特征，表征电磁传播路径的环境特征，结合经过实测数据校准的RT仿真数据构建数据集。实验结果表明，引入三维环境特征后，预测精度显著提高。相较于不使用三维特征的数据集，均方根误差(Root Mean Square Error, RMSE)下降1.54 dB;与对比的多层感知器(Multi-Layer Perceptron, MLP)和随机森林(Random Forest, RF)模型相比，RMSE分别下降2.21 dB和0.34 dB。同时，BPNN模型的计算时间仅为RT模型的一半左右，且在新场景中与实测数据相比的RMSE为5.27 dB,表现出良好的泛化能力。
关键词：路径损耗;;反向传播神经网络;;信道模型;;环境表征
