论文部分内容阅读
针对非视距(NLOS)状态鉴别需要已知信道类型的分类的问题,提出了一种基于卷积神经网络(CNN)的信道环境分类算法。首先,对超宽带(UWB)信道进行采样,构建样本集合;然后,利用样本集合训练CNN,对不同的信道场景特征进行提取;最终实现超宽带信道环境的分类。实验结果表明:所采用的分类方法的总模型准确率约为93.40%,能有效地实现信道环境的分类识别。