超宽带通信：神经网络预测路径损耗研究

"这篇硕士学位论文主要探讨了利用神经网络预测超宽带室内路径损耗的问题，由南京邮电大学的朱中华撰写，导师为朱洪波，专业为电磁场与微波技术。该研究受到国家自然科学基金重点项目的支持，旨在解决超宽带无线通信领域的关键传播特性——路径损耗的预测。 超宽带（UWB）无线通信技术因其低成本、低功耗和高效率的特性，近年来受到了广泛的关注。与传统的窄带系统不同，UWB信号是功率受限的，工作频率范围在3.1至10.6GHz，带宽超过500MHz，脉冲宽度小于1ns。这些独特的属性使得UWB系统需要全新的信道测量方案和模型来研究其传播特性。 论文首先概述了UWB的基本特征，包括信号波形、带宽、时域行为以及多径传播等，分析了这些特征对系统性能的影响。接着，论文探讨了路径损耗的研究方法，包括无线电波的传播机制，路径损耗预测的重要性，以及三种基本的预测模型。作者特别引用了Intel公司的UWB数据库，详述了数据采集和处理过程，为后续的现场测试提供了实用的指导。 在此基础上，论文提出了一个基于前馈型神经网络的自适应传播预测模型。这一模型的构建和预测步骤被详细阐述，通过与信道建模小组委员会推荐的路径损耗模型对比，表明神经网络预测方法能更准确地匹配实际测量数据，从而证明了其在路径损耗预测研究中的有效性。 关键词涵盖了超宽带、神经网络、路径损耗和无线信道，表明这篇论文的核心内容集中在应用神经网络技术来理解和预测UWB无线环境中的路径损耗问题，对于提升无线通信系统的性能具有重要意义。"