(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111480956.2 (22)申请日 2021.12.0 6 (71)申请人 上海中铁通信 信号测试有限公司 地址 200436 上海市 静安区江场西路248号 4幢2层 (72)发明人 周亦峰　刘伟　郭良海　何庆军　 钱宏华　石磊　陈鑫　王永　 顾玲嘉　晏成宏　 (74)专利代理 机构 上海光华专利事务所(普通 合伙) 31219 代理人 庞红芳 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/27(2020.01) (54)发明名称 地铁隧道混合信道建模方法及电子终端 (57)摘要 本发明提供一种地铁隧道混合信道建模方 法及电子终端， 所述方法包括： 建立地铁隧道的 三维模型； 配置地铁隧道的三维模型的参数； 基 于射线跟踪法， 发射机向接收机辐射信号； 在发 射机向接收机辐射信号过程中， 构建径向基函数 神经网络， 并对径向基函数神经网络结构进行配 置； 选取测试数据对径向基函数神经网络进行训 练， 以测试路径损耗减去仿真路径损耗值得到的 差当作RBF神经网络的输入， 输出为接收点处的 路径损耗预测值， 形成所需的地铁隧道混合信道 的径向基函数神经网络模型。 本发 明提高了单一 射线跟踪仿真的预测的准确度； 本发 明与传统的 射线跟踪方法相比， 有效减少了仿真参数的调整 次数， 用于多种复杂场景下的无线信道特性预测 时效率更高。 权利要求书1页 说明书5页 附图3页 CN 114297747 A 2022.04.08 CN 114297747 A 1.一种地铁隧道混合信道建模方法， 其特 征在于： 包括： 建立地铁隧道的三维模型； 配置地铁隧道的三维模型的参数； 基于射线跟踪法， 发射机向接收机辐射信号； 在发射机向接收机辐射信号过程中， 构建径向基函数神经网络， 并对所述径向基函数 神经网络结构进行配置； 选取测试数据对所述径向基函数神经网络进行训练， 以测试路径损耗减去仿真路径损 耗值得到的差 当作RBF神经网络的输入， 输出为接收点处的路径损耗预测值， 形成所需的地 铁隧道混合信道的径向基函数神经网络模型。 2.根据权利要求1所述的地铁隧道混合信道建模方法， 其特征在于： 配置的地铁隧道的 三维模型的参数包括： 隧道壁的粗 糙度、 射线间隔、 射线反射次数以及射线绕射次数。 3.根据权利要求1述的地铁隧道混合信道建模方法， 其特征在于： 所述基于射线跟踪 法， 发射机向接收机辐射信号包括： 射机向各个方向辐射信号， 所述辐射信号经过 空间信道 的传输后到达接 收机； 所述接 收机为多个不同半径的同心球体， 其半径与射线的路径长度 以及相邻射线间的夹角对应匹配。 4.根据权利要求2述的地铁隧道混合信道建模方法， 其特征在于： 所述对所述径向基函 数神经网络结构进 行配置所述径向基函数神经网络结构为： 配置输入层为向量x， 维度为m， 样本个数为 n， 隐藏层与输入层全连接， 层内无 连接。 5.根据权利要求4所述的地铁隧道混合信道建模方法， 其特征在于： 所述隐藏层神经元 个数最大值与样本个数相等， 所述隐藏层的神经 元个数设置为3 0～40。 6.根据权利要求4所述的地铁 隧道混合信道建模方法， 其特征在于： 以收发距离、 隧道 壁的粗糙度、 射线间隔、 射线反射次数、 射线绕射次数作为输入层向量x的细节信息 。 7.根据权利要求1所述的地铁隧道混合信道建模方法， 其特征在于： 所述径向基函数神 经网络的传输函数为径向基函数； 所述径向基函数的分布密度配置为1.5 。 8.根据权利要求7所述的地铁隧道混合信道建模方法， 其特征在于： 所述径向基函数神 经网络的基函数配置为高斯 函数。 9.根据权利要求1所述的地铁隧道混合信道建模方法， 其特征在于： 还包括采用剩余的 测试数据对所述 地铁隧道混合信道的径向基函数神经网络模型进行验证。 10.一种电子终端， 其特征在于： 包括处理器和存储器， 所述存储器存储有程序指令； 所 述处理器运行程序指令实现如权利要求1至权利要求9任一权利要求所述的地铁隧道混合 信道建模方法。权　利　要　求　书 1/1 页 2 CN 114297747 A 2地铁隧道混合信 道建模方 法及电子终端 技术领域 [0001]本发明属于软件仿真建模技术领域， 特别是涉及 一种地铁隧道混合信道 建模方法 及电子终端。 背景技术 [0002]现有的无线信道仿真建模对隧道内波传播特性的预测精度较差。 传统的射线跟踪 仿真建模缺乏科学的方法调整粗糙度、 反射次数、 射线间隔等仿 真参数， 需要 经过多次的仿 真实验才 可以得到与实际较为接近的预测结果， 此外， 一旦传播场景改变， 原先的仿 真参数 也需要重新校准。 发明内容 [0003]鉴于以上所述现有技术的缺点， 本发明的目的在于提供一种地铁隧道混合信道 建 模方法及电子终端， 用于解决现有技 术中信道仿真 建模预测准确度较差的技 术问题。 [0004]为实现上述目的及 其他相关目的， 本发明的实施例提供一种地铁隧道混合信道 建 模方法， 包括： 建立地铁隧道的三维模型； 配置地铁隧道的三维模型 的参数； 基于射线跟踪 法， 发射机向接收机辐射信号； 在发射机向接收机辐射信号过程中， 构建径向基函数神经网 络， 并对所述径向基函数神经网络结构进行配置； 选取测试数据对所述径向基函数神经网 络进行训练， 以测试路径损耗减去仿 真路径损耗值得到的差 当作RBF神经网络的输入， 输出 为接收点处的路径损耗预测值， 形成所需的地铁隧道混合信道的径向基函数神经网络模 型。 [0005]于本申请的一实施例中， 配置 的地铁隧道的三维模型的参数包括： 隧道壁的粗糙 度、 射线间隔、 射线反射次数以及射线绕射次数。 [0006]于本申请的一实施例中， 所述基于射线跟踪法， 发射机向接收机辐射信号包括： 射 机向各个方向辐 射信号， 所述辐射信号经过空间信道的传输后到达接 收机； 所述接 收机为 多个不同半径的同心球 体， 其半径与射线的路径长度以及相邻射线间的夹角对应匹配。 [0007]于本申请的一实施例中， 所述对所述径向基函数神经网络结构进行配置所述径向 基函数神经网络结构为： 配置输入层为向量x， 维度为m， 样 本个数为n， 隐藏层与输入层 全连 接， 层内无 连接。 [0008]于本申请的一实施例中， 所述隐藏层神经元个数最大值与样本个数相等， 所述隐 藏层的神经 元个数设置为3 0～40。 [0009]于本申请的一实施例中， 以收发距离、 隧道壁的粗糙度、 射线间隔、 射线反射次数、 射线绕射次数作为输入层向量x的细节信息 。 [0010]于本申请的一实施例中， 所述径向基函数神经网络 的传输函数为径向基函数； 所 述径向基函数的分布密度配置为1.5 。 [0011]于本申请的一实施例中， 所述径向基函数神经网络的基函数配置为高斯 函数。 [0012]于本申请的一实施例中， 还包括采用剩余的测试数据对所述地铁隧道混合信道的说　明　书 1/5 页 3 CN 114297747 A 3