文献类型：期刊文章

作　　者：院琳[1] 杨雪松[1] 王秉中[1]

Yuan Lin;Yang Xue-Song;Wang Bing-Zhong(School of Physics,University of Electronic Science and Technology of China, Chengdu 610054, China)

机构地区：[1]电子科技大学物理学院

出　　处：《物理学报》

基　　金：国家自然科学基金(批准号:61331007)资助的课题~~

年　　份：2019

卷　　号：68

期　　号：17

起止页码：66-73

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、INSPEC、JST、RCCSE、SCIE、SCOPUS、ZGKJHX、核心刊

摘　　要：人工神经网络由于具有较强的非线性拟合能力,可用来建立终端位置与接收信号之间的映射关系,从而获得不同位置的信道特性.神经网络建模的精度一般由所使用的训练样本数量决定,训练样本数目越多,模型往往越精确.但大量的训练数据的获取,耗时较多.本文将经验知识融入遗传算法,对人工神经网络模型进行优化,实现了时间反演电磁信道的快速建模.通过提取时间反演信号的传播参数,并将其作为经验知识用于遗传算法的适应度函数,来优化神经网络模型的权值和阈值.在保证训练样本数量不变的情况下,相比直接利用神经网络建模,提高了建模的精度.以一种简单的室内时间反演场景为例,验证了方法的有效性.

关 键 词：时间反演 信道建模 人工神经网络 经验知识

分 类 号：TN92] TP18]