南京航空航天大学团队利用机器学习优化基站链路损耗预测

在第十五届中国研究生电子设计竞赛中，南京航空航天大学的队伍“继续奔跑的小白”针对无线通信网络规划与建设的关键问题，提交了一篇技术论文。研究团队由指导老师李海林带领，成员包括杨凌辉、杨昌林和张嘉纹，他们的作品专注于数据驱动的机器学习算法在基站链路损耗预测和站址规划中的应用，完成于2020年7月20日。 论文的核心内容聚焦于高效精确的无线链路损耗预测在基站网络优化中的作用。无线信道的电波传输特性与复杂的电磁环境紧密相关，这导致了诸如反射、散射和绕射等多种传播现象，使得传统的自由空间损耗模型不再适用，需要引入场景修正因子来提高预测准确性。研究者们探讨了传统的电波传输损耗模型，如经验模型（如Cost231-Hata和Okumura模型）、理论模型（如Volcano模型）和改进的经验模型（如SPM），这些模型通过实测数据拟合或基于电磁传播理论进行建模。 为了应对海量的基站信号测量数据，研究团队利用了现代机器学习技术，特别是随机森林算法(RF)、卷积神经网络(CNN)和深度神经网络(DNN)，提出了一种基于实测数据的链路损耗预测模型。与传统模型相比，这些深度学习方法显著提高了预测精度。此外，团队还创新性地引入了加权聚类算法的KW-means模型，用于优化基站的部署策略，目标是减少基站弱信号覆盖区域，从而提升整体网络性能。 这篇论文不仅提供了基于数据驱动的机器学习在无线链路损耗预测中的实用解决方案，而且展示了如何结合现代技术与传统理论，以适应通信网络快速发展的需求。通过实证分析，该研究为无线通信网络的规划和优化提供了科学依据，具有很高的实际应用价值。