一种电波传播路径损耗预测方法及装置与流程

本发明涉及计算机，尤其涉及一种电波传播路径损耗预测方法及装置。

背景技术：

1、随着计算机技术的迅速发展，针对无线网络规划下的电磁传播路径消耗的预测方法，在复杂环境下的准确性、特征选择、鲁棒性和泛化能力，以及优化方面仍旧存在着问题，且电磁传播路径消耗的预测方法通常专注于特定领域，没有更广泛的适用性。

2、通常在解决电磁传播路径消耗的预测问题上，可以通过基于机器学习的无线环境电磁参数拟合方法或基于机器学习和卫星图像的路径损耗预测方法，但是，该两种方法在训练集和测试集的误差方面存在显著差异，这种差异很可能暗示着模型存在过拟合的迹象。

技术实现思路

1、本发明实施例的目的是提供一种电波传播路径损耗预测方法及装置，以解决在现有的通信系统中对无线电波在不同环境中的路径损耗的预测准确性较差的问题。

2、为解决上述技术问题，本发明实施例是这样实现的：

3、第一方面，本发明实施例提供的一种电波传播路径损耗预测方法，所述方法包括：

4、获取无线电波在传输过程中的环境特征，以及路径损耗值；

5、将所述环境特征输入损耗预测模型，得到预测损耗值，所述损耗预测模型的超参数为在预设超参数搜索空间进行搜索得到，所述损耗预测模型为基于随机森林算法构建的包含多个决策树的模型；

6、基于所述路径损耗值和所述预测损耗值，确定所述损耗预测模型是否收敛，在所述损耗预测模型未收敛的情况下，基于预设验证指标、所述路径损耗值和所述预测损耗值，对所述损耗预测模型进行性能评估处理；

7、基于性能评估结果和所述预设超参数搜索空间，确定下一次迭代过程中所述损耗预测模型的超参数，并继续对所述损耗预测模型进行迭代训练，直到所述损耗预测模型收敛，得到训练后的损耗预测模型。

8、可选地，所述将所述环境特征输入损耗预测模型，得到预测损耗值，包括：

9、将所述环境特征分别输入所述损耗预测模型中的每个决策树，得到所述决策树对应的预测子损耗值；

10、将所述预测子损耗值的均值，确定为所述预测损耗值。

11、可选地，所述预设验证指标包括均方误差、均方根误差、平均绝对误差、决定系数以及相关系数中的一个或多个。

12、可选地，所述预设超参数搜索空间包括所学习数量、最大深度、叶节点最小数量的范围，以及非叶节点最小数量的范围。

13、可选地，所述获取无线电波在传输过程中的环境特征，包括：

14、获取所述无线电波在传输过程中的环境参数；

15、对所述环境参数进行预处理操作，得到预处理后的环境参数，所述预处理操作包括缺失值去除处理操作、异常值处理操作、标准化处理操作以及归一化处理操作；

16、对所述预处理后的环境参数进行特征提取，得到环境特征。

17、可选地，所述对所述预处理后的环境参数进行特征提取处理，得到所述环境特征，包括：

18、获取预设特征的特征重要度，并基于预设重要度阈值和所述特征重要度，对所述预设特征进行筛选处理，得到目标特征；

19、基于所述目标特征，所述预处理后的环境参数进行特征提取处理，得到所述环境特征。

20、可选地，所述环境参数包括无线电波的信号发射源的位置信息、无线电报的接收器的位置信息、无线电波的传输路径对应的地形信息、无线电波的频率，以及无线电波的传输路径对应的建筑物分布信息。

21、第二方面，本发明实施例提供了一种电波传播路径损耗预测装置，所述装置包括：

22、数据获取模块，用于获取无线电波在传输过程中的环境特征，以及路径损耗值；

23、预测模块，用于将所述环境特征输入损耗预测模型，得到预测损耗值，所述损耗预测模型的超参数为在预设超参数搜索空间进行搜索得到，所述损耗预测模型为基于随机森林算法构建的包含多个决策树的模型；

24、训练模块，用于基于所述路径损耗值和所述预测损耗值，确定所述损耗预测模型是否收敛，在所述损耗预测模型未收敛的情况下，基于预设验证指标、所述路径损耗值和所述预测损耗值，对所述损耗预测模型进行性能评估处理；

25、调优模块，用于基于性能评估结果和所述预设超参数搜索空间，确定下一次迭代过程中所述损耗预测模型的超参数，并继续对所述损耗预测模型进行迭代训练，直到所述损耗预测模型收敛，得到训练后的损耗预测模型。

26、可选地，所述训练模块，用于：

27、将所述环境特征分别输入所述损耗预测模型中的每个决策树，得到所述决策树对应的预测子损耗值；

28、将所述预测子损耗值的均值，确定为所述预测损耗值。

29、可选地，所述预设验证指标包括均方误差、均方根误差、平均绝对误差、决定系数以及相关系数中的一个或多个。

30、可选地，所述预设超参数搜索空间包括所学习数量、最大深度、叶节点最小数量的范围，以及非叶节点最小数量的范围。

31、可选地，所述数据获取模块，用于：

32、获取所述无线电波在传输过程中的环境参数；

33、对所述环境参数进行预处理操作，得到预处理后的环境参数，所述预处理操作包括缺失值去除处理操作、异常值处理操作、标准化处理操作以及归一化处理操作；

34、对所述预处理后的环境参数进行特征提取，得到环境特征。

35、可选地，所述数据获取模块，用于：

36、获取预设特征的特征重要度，并基于预设重要度阈值和所述特征重要度，对所述预设特征进行筛选处理，得到目标特征；

37、基于所述目标特征，所述预处理后的环境参数进行特征提取处理，得到所述环境特征。

38、可选地，所述环境参数包括所述无线电波的信号发射源的位置信息、所述无线电报的接收器的位置信息、所述无线电波的传输路径对应的地形信息。所述无线电波的频率，以及所述无线电波的传输路径对应的建筑物分布信息。

39、由以上本发明实施例提供的技术方案可见，本发明实施例通过获取无线电波在传输过程中的环境特征，以及路径损耗值，将环境特征输入损耗预测模型，得到预测损耗值，损耗预测模型的超参数为在预设超参数搜索空间进行搜索得到，损耗预测模型为基于随机森林算法构建的包含多个决策树的模型，基于路径损耗值和预测损耗值，确定损耗预测模型是否收敛，在损耗预测模型未收敛的情况下，基于预设验证指标、路径损耗值和预测损耗值，对损耗预测模型进行性能评估处理，基于性能评估结果和预设超参数搜索空间，确定下一次迭代过程中损耗预测模型的超参数，并继续对损耗预测模型进行迭代训练，直到损耗预测模型收敛，得到训练后的损耗预测模型。这样，可以通过获取的无线电波在传输过程中的环境特征和路径损耗值，对由随机森林算法构建的损耗预测模型进行训练，可以提高训练得到的损耗预测模型在不同环境下的损耗预测准确性，同时，在训练过程中，还可以通过预设验证指标对损耗预测模型进行性能评估，以基于性能评估结果，在下一次迭代过程中，可以从预设超参数搜索空间筛选出损耗预测模型的超参数，以提高损耗预测模型的训练效果，进而通过训练得到的损耗预测模型对无线电波在不同环境中的路径损耗进行准确的预测。