基于经验知识遗传算法优化的神经网络模型实现时间反演信道预测

摘要

cqvip: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.