CN118659845B 一种信道增益预测模型的训练方法、装置和计算机设备 （南通大学）

本申请涉及一种信道增益预测模型的训练域的第一子集合中样本点地理位置信息与信道所述子区域的采样数量对所述子区域进行样本2获取目标区域的第一样本集合，所述第一样本集合包括样本点的基于所述样本点的地理位置信息和信道增益，对所述样本点进行基于各所述子区域的第一子集合中样本点地理位置信息获取并基于各初始信道增益预测模型的准确度，确定每个模型对应子区域的采样数量权重以及所述初始信道增益预测模型的信道增益标注量的累基于所述目标区域的第二样本集合的采样总数以及所述子区域的按照所述子区域的采样数量对所述子区域进行样本点的采样，得到所述子区基于所述子区域的第二子集合及所述第一子集合，训练得到对应的信道增益预测模3获取目标区域的样本点的位置信息以及所述样本点与对所述位置信息和所述距离信息分别进行归一化处理，得到所述获取目标区域内对应的第三集合；其中，所述第三集合包括多个将所述第三集合中位置点的地理位置信息输入至按照权利要求1或2中任一项所述的第一获取模块，用于获取目标区域的第一样本集合，所聚类模块，用于基于所述样本点的地理位置信息和第一训练模块，用于基于各所述子区域的第一子集合中样本间聚类数量以及所述第一样本集合中样本点的地理位置信息，对所述样本点进行聚类处第一确定模块，用于获取并基于各初始信道增益预测模型的准述初始信道增益预测模型对应子区域的采样数量权重以及所述初始信道增益预测模型的第二确定模块，用于基于所述目标区域的第二样本集合采样模块，用于按照所述子区域的采样数量对所述子区域进行样本点4第二训练模块，用于基于所述子区域的第二子集合及所述预测模块，用于将所述第三集合中位置点的地理位置信息输入至按照权处理器执行时实现权利要求1或2中任一项所述的方5CKM包含多种特殊实例，例如信道路径地图(channelpathmap，CPM)、信道增益地图复杂的遮挡关系造成的训练信息的巨大差异所带来的挑战，提升了信道增益地图重构效[0009]基于各所述子区域的第一子集合中样本点地理位置信息6信道增益预测模型对应子区域的采样数量权重以及所述初始信道增益预测模型的信道增[0016]基于各初始信道增益预测模型的平均差量、所述累计偏差以及所述采样数量权[0021]在所述参照样本点与所述聚类中心的距离与所述最大距离的差量小于或等于预[0025]基于所述中间聚类数量的第一子集合中样本点地理位置信息与信道增益的对应[0031]基于最小的参考平均差量对应的中间聚类数量以及所述第一样本集合中样本点7[0037]将所述第三集合中位置点的地理位置信息输入至按照本公开实施例任一项所述信道增益预测模型对应子区域的采样数量权重以及所述初始信道增益预测模型的信道增[0049]基于各初始信道增益预测模型的平均差量、所述累计偏差以及所述采样数量权[0054]在所述参照样本点与所述聚类中心的距离与所述最大距离的差量小于或等于预8[0058]基于所述中间聚类数量的第一子集合中样本点地理位置信息与信道增益的对应[0064]基于最小的参考平均差量对应的中间聚类数量以及所述第一样本集合中样本点通讯环境复杂度较高的区域设置更多数量的新的样本点，在总的样本点数量有限的情况9信息和信道增益可以表示为：其中ersER"和e,iER"表示|，其中||·||表示欧式距离的计算公式。因此构建稀疏表示的信道增益地图数据集为其中Mscgm表示为稀疏信道增益地图中的数据点总对应的训练输出表示为E={elies},其中Mk表示第一集合k中包含的样本点数。将训练样本转变为对应的子神经网络第l层的输出可以表示为那么，l+1层[0108]在一个实施例中，选取测试集so内的数据点vz前三维度的信息，构成测试样本k[0113]步骤S301，获取初始信道增益预测模型的信道增益的预测量与标注量的平均差i和e分别表示第一子集合信道增益的标注量(真实值)和平均信偏差大说明这个子区域内各采样点信道增益变化大，也就是反应出无线电传播环境复杂，[0127]在一示例性实施例中，可以将第二子集合中Nk个新样本点加入到第一子集合[0132]步骤S403，获取所述第三子集合中各样本点到对应聚类中心的距离中的最大距[0133]在一示例性实施例中，距离可以包括每个样本点到聚类中心ok的欧式距表示计算的数据点va与聚类中心ok的距离，M:表示加入了新的样本点后第三子集合内[0146]在一个实施例中，参考图5所示，所述基于所述样本点的地理位置信息和信道增[0147]步骤S501，基于中间聚类数量以及所述第一样本集合中O=(olk=1,…,k,oreR4⃞},计算每个数据点到聚类中心ok的欧式距离，并将vi[0177]在另一示例性实施例中，对所述位置信息和所述距离信[0182]将所述第三集合中位置点的地理位置信息输入至按照本公开实施例任一项所述[0185]最后为了验证所提出的信道增益地图重构方法的有效性利用射线追踪算法获的训练装置实施例中的具体限定可以参见上文中对于信道增益预测模型的训练方法的限[0191]第一训练模块905，用于基于各所述子区域的第一子集合中样本点地理位置信息[0193]第二确定模块909，用于基于所述目标区域的第二样本集合的采样总数以及所述信道增益预测模型对应子区域的采样数量权重以及所述初始信道增益预测模型的信道增[0198]基于各初始信道增益预测模型的平均差量、所述累计偏差以及所述采样数量权[0203]在所述参照样本点与所述聚类中心的距离与所述最大距离的差量小于或等于预[0207]基于所述中间聚类数量的第一子集合中样本点地理位置信息与信道增益的对应[0213]基于最小的参考平均差量对应的中间聚类数量以及所述第一样本集合中样本点[0222]上述信道增益地图的生成装置和信道增益预测模型的训练装置装置中的各个模机程序的运行提供环境。该计算机设备的数据库用于存储信道增益预测模型的训练数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read_Only(ReRAM)、磁变存储器(MagnetoresistiveRandomAccessMemory，MRAM)、铁电存储器(StaticRandomAccessMemory，SRAM)或动态随机存取存储器(DynamicRandomAccess