基于CNN-GRU的对流层散射通信短期传输损耗预测

来源：电讯技术杂志2024年第8期北京时间：

作者：赵玉超,钱佳静,芮义斌,王世练

单位：(1.国防科技大学 电子科学学院，长沙 410073;2.中国电子科技集团公司第五十四研究所，石家庄 050081;3.南京理工大学 电子工程与光电技术学院，南京 210094)

摘要：针对对流层散射通信短期传输损耗预测这一难题，提出了一种基于卷积神经网络联合门控循环单元（Convolutional Neural Networks-Gated Recurrent Neural Network,CNN-GRU）的混合神经网络模型，利用CNN提取气象数据的特征，再利用GRU提取数据的时间相关性特征，最后通过全连接层将特征映射到信道传输损耗，从而利用气象数据实现对散射通信短期传输损耗的预测。通过实测数据进行了验证，结果显示该模型相对现有的短期预测算法精确度提升10.98%，最大误差下降8.57 dB，能更准确地预测对流层散射通信短期传输损耗。

关键词：散射通信；短期传输损耗预测；卷积神经网络；门控循环单元；

基金资助：国家自然科学基金资助项目（62171445）