摘要
智能化已经成为未来移动网络的重要发展方向，第六代(6G)移动通信技术将结合人工智能(Artificial Intelligence,AI)技术逐渐向内生智能的无线系统演进。智能信道感知技术作为未来无线网络空口设计的重要功能模块，能够借助通信信号实现对传播场景的识别和传播环境信息的感知，并利用感知信息辅助通信系统的智能化调控，形成通信和感知闭环的相互增强。无线信道特征参数被广泛应用于传播场景的识别，现有的场景识别研究中没有考虑到不同算法对不同信道参数表达能力的差异，难以充分挖掘这些参数所包含的有效环境特征信息。另外，国内外研究中并未充分考虑将基于AI的智能算法与传播环境信息感知相结合，并且缺乏对散反射体形状的有效检测。因此，本文针对上述研究的不足，对智能信道感知的关键技术，即传播场景识别和散反射体检测开展研究。本文主要的贡献和创新点如下: (1)针对智能信道感知研究的数据集获取问题，利用自主搭建的无线信道测量系统，开展了典型变电站场景下不同区域的实地测量工作，采集了大量的无线信道数据。通过对实测信道数据的离线处理分析了宽带无线信道的路径损耗、阴影衰落与多径衰落特性。实际测量得到的变电站无线信道数据能够为后续智能信道感知的关键技术研究提供数据支撑。 (2)针对视距(Line of Sight,LOS)/非视距(Non-Line of Sight,NLOS)传播场景识别问题，提出了一种基于深度神经网络和自注意力网络双层特征融合的LOS/NLOS传播场景识别模型，确定了模型结构和模型实现的具体细节。通过变电站场景的实测数据和基于QuaDRiGa模型生成的仿真数据构建了模型的训练集和测试集，进而分析了不同特征融合方法和不同特征组合对模型性能的影响。使用准确率、混淆矩阵和受试者工作特性曲线等指标验证了所提出的场景识别模型的识别性能，并从抗噪声性能和复杂度两个方面评估了该模型的优势。 (3)针对散反射体检测问题，在LOS/NLOS传播场景识别的基础上，提出了一种基于机器学习的被动式散反射体检测算法。详细阐述了散反射体检测算法的主要流程和基本原理，包括多径分量映射、散射点聚簇、簇跟踪与合并以及聚簇结果的校正。基于Wireless InSite射线跟踪仿真平台构建了面向散反射体检测的仿真数据集，利用准确率、虚警概率和漏警概率等多种评价指标，评估了所提出的算法在室外变电站和典型城市街道场景下的散反射体检测性能。
NETL