2023年第6期技术交流基于深度学习的场景化5G传播模型研究李军（中国移动通信集团河南有限公司，河南省郑州市450000）摘要准确的传播模型是5G移动通信网小区合理规划的基础。文章将深度学习方法与无线传播模型相结合，利用深度学习算法获取影响路径损耗的场景化因素特征，建立基于深度学习的无线传播模型。外场实际道路测试和用户测量报告评估验证表明，基于深度学习的场景化5G传播模型的覆盖预测准确，更加匹配真实的网络场景，保证5G无线网络规划建设的质量。关键词5G；传播模型；深度学习；校正0引言传播模型是利用移动通信无线电波传播特性来预测路径损耗的模型，用来定量描述发射天线和接收天线之间传播路径上的环境因素导致的接收信号强度变化情况。电波传播中影响功率损耗的场景因素包括传播路径距离、地形地貌、建筑物、树木、天气状况等场景因素。在给定频率、距离、收发信机天线高度和环境特性等参数时，传播模型可以预测电波传播路径损耗，模型校准结果的准确性直接影响移动通信中蜂窝小区的规划设计。不同地区的地形地貌千差万别，传播环境多种多样，相应区域的传播模型也存在较大的差异性。如果仅根据经验而无视不同地形、地貌、建筑物、植被等传播模型关联参数的影响，必然会导致建成的网络存在覆盖、质量、结构等问题。随着5G网络的飞速发展，运营商越来越重视传播模型的准确性，它直接影响到网络规划的准确性、网络质量和建网成本，关乎到运营商是否以经济合理的网络投资满足了用户真实业务需求。在5G网络规划建设初期，传播模型校准对于网络覆盖规划准确性和资源精准投入至关重要。1传统的传播模型传统的传播模型根据理论分析、测量数据统计分析，建立各种类型的传播预测模型。传统传播模型的误差来源主要包括电子地图与实际传播环境存在的误差，建筑地物损耗参数与实际存在的误差，针对散射、反射、绕射等物理规则的拟合误差。模型在实际应用中经常出现精度较低的情况，还需要采集大量的实测数据通过最小二乘法针对模型进行拟合修正。网络规划通常采用Okumura-Hata传统经验模型，主要通过人工设置频率、距离、地形地貌等因子，基于大量实测数据拟合各因子的权重系数，最后得出一组计算路径损耗的数学公式。另外，针对当地的实际无线场景，需要进行CW（连续波）测试，修正上述计算无线信号传播路径损耗的数学公式。Okumura-Hata是建立在大量测试数据和经验公式基础上的实测统计方法，并利用计算机进行辅助预测。其优点在于公式简单...
