文档介绍：基于射线跟踪和神经网络的
场强预测混合模型
Hybrid Prediction Model for Field Strength
with Ray Tracing and Artificial Neural
Networks
学科专业：信息与通信工程
研 究 生：林玉妹
指导教师：陈为刚 副教授
天津大学电子信息工程学院
二零一二年十二月
独创性声明
本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的
研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表
或撰写过的研究成果，也不包含为获得 天津大学 或其他教育机构的学位或证
书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中
作了明确的说明并表示了谢意。
学位论文作者签名： 签字日期： 年 月 日
学位论文版权使用授权书
本学位论文作者完全了解 天津大学 有关保留、使用学位论文的规定。
特授权 天津大学 可以将学位论文的全部或部分内容编入有关数据库进行检
索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校
向国家有关部门或机构送交论文的复印件和磁盘。
（保密的学位论文在解密后适用本授权说明）
学位论文作者签名： 导师签名：
签字日期： 年 月 日 签字日期： 年 月 日
摘 要
随着城市建筑物数量的增加，电波传播的环境也变得日益复杂。同时，电波
传播的频段也越来越高，微蜂窝、微微蜂窝技术开始被采用以提高系统容量。在
微蜂窝系统中，各个小区之间的统计相似性消失，传统的基于统计方法的场强预
测模型不再适用。而新一代通信系统的规划与优化需要更精确的场强预测。针对
该问题，本文重点研究新的高效、精确的场强预测方法。
首先，射线跟踪法是近年来常用于城市微小区和室内环境的场强预测方法。
论文实现了基于三维场景数据库的反向射线跟踪算法。射线跟踪方法虽可以得到
精确的预测结果，但是需要建立高精度的场景数据库，并且算法复杂度高、计算
量大。
进一步，针对射线跟踪场强预测方法的局限性，引入了神经网络场强预测的
优点，提出了一种基于射线跟踪和神经网络的场强预测混合模型。首先，基于简
化的场景数据库用射线跟踪方法进行仿真，得到一组粗糙的场强值；然后，利用
测量或者精确模型仿真得到的结果对神经网络进行训练，使其能够预测场景中的
细节信息对场强值的影响。一方面，由于建立的场景数据库比较简单，与射线跟
踪方法相比，采用混合模型可以明显地减少仿真时间；另一方面，采用神经网络
来补偿场景中细小物体对场强的影响，提高了预测精度。本文在室内场景下对混
合模型的性能进行了验证，仿真结果表明，混合模型能够高效、精确地预测场强。
关键词： 场强预测 混合模型 射线跟踪 神经网络
ABSTRACT
As the number of buildings increases in urban environment, radio propagation
environment becomes more and more complex. The frequency band of radio is also
higher. Technology of microcell and pico cell is adopted to improve system capacity.
In micro cellular system, traditional statistical methods ar