南京航空航天大学'继续奔跑的小白'团队利用ML算法提升无线链路损耗预测与站址规划

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”由指导老师李海林带领，参赛队员杨凌辉、杨昌林和张嘉纹共同完成了题为“数据驱动的机器学习算法为基站链路损耗预测与站址规划赋能”的项目。该研究关注的核心问题是无线通信网络中的关键任务——基站链路损耗预测与站址规划。传统的链路损耗预测主要依赖于经验模型（如Cost231-Hata和Okumura）或理论模型（如Volcano模型），这些模型通过统计和电磁学原理来估计信号强度。 然而，面对复杂电磁环境中的电波传播，如反射、散射和绕射，单一模型可能无法精确预测。因此，该研究团队引入了机器学习技术，尤其是随机森林（Random Forest, RF）、卷积神经网络（Convolutional Neural Network, CNN）和深度神经网络（Deep Neural Network, DNN）来处理大量的基站信号测量数据。这些模型利用数据驱动的方法，能够捕捉到更复杂的环境因素，从而提高链路损耗预测的准确性。 文章指出，通过对比分析，这些机器学习模型在链路损耗预测方面展现出优于传统模型的性能。特别是，研究者创新性地应用了加权聚类算法的KW-means模型来进行站址规划优化。这种方法旨在找出基站的最佳部署位置，以最小化弱信号区域，提升整体网络覆盖质量，从而提升通信业务指标，如小区基站覆盖范围、网络干扰控制、传输速率和链路容量的效率。 这项研究不仅提升了无线通信网络规划的精度，还展示了大数据和人工智能技术在解决实际问题中的潜力。它强调了在现代通信环境中，数据驱动的智能算法在提升网络性能和服务质量方面的核心作用，为未来的无线通信网络设计提供了新的思考角度和技术支持。