随着物联网技术的发展和5G商用化的逐步展开,用户对高质量的无线通信需求不断增加。业务类型的不断演变和数据多样化,室内移动数据流量的快速增长,电磁环境日益复杂,各种短距离无线设备的应用、控制和管理,需要高效、稳定的信息传输和连接。为了确保室内无线通信业务的质量,需要获得相对准确的无线传播预测模型对室内电磁波的传播特性和覆盖性能进行深入了解和准确评估。将无线传播模型根据原理和适用范围分别进行分类,说明了每类模型的特点及代表模型,详细介绍了ITU-R P.1238模型、对数距离路径损耗模型、Lee模型、射线跟踪模型等室内无线传播模型的使用方法和特点,对比了经验模型和理论模型在工程应用中的优缺点。室内无线传播损耗与建筑结构和材质、家具等密切相关,人和物体的移动也会导致信号强度在短距离和短时间内发生剧烈变化。选取走廊、墙体、人体等场景进行CW(continuous wave,连续波)测试来研究电磁波在不同室内环境下的衰减特性并对Lee模型进行优化。介绍了每个场景的测试场地、测试方案、人员分配、设备选型和校准等工作,整理了测试中的注意事项以及数据处理和分析的方法,总结了室内无线测试和模型优化的基本思路。模型优化成果如下:将射线模型用于预测电磁波在走廊视距场景中的路径损耗,测试结果表明三射线模型能够较为准确地描述电磁波的真实衰减;通过单人和多人测试分别研究了室内短距离下不同的人体位置和人体个数对接收信号强度的影响,建立了人体损耗公式;结合建筑结构和信号衰减变化总结了以衍射为主要传播方式的非视距场景中路径损耗的预测方法;在多墙场景中研究了电磁波连续穿过多个建筑物内墙时的单个墙体衰减,建立了墙体损耗与墙体数和频率的关系式,修正了模型的墙体参数。通过机器学习构建一种新型的室内无线传播预测模型首先要精确绘制测试场地的平面图,在图中标记发射点和接收点后获取每条传播路径的长度和障碍物等信息并进行网格化测试。选取多种发射功率和频率按照标记位置分别进行测试,将电磁波参数、直射距离、衍射距离、墙体数和入射角度等11维参数作为输入变量,对应接收点的信号强度作为输出变量来构建室内无线传播预测的数据集。采用多种机器学习算法分别进行训练,结果表明随机森林具备最好的预测准确度,适用于构建模型。最后对比了Lee模型、优化模型以及基于机器学习构建的模型在室内传播预测中的实用性和准确度:机器学习通过提取电磁波参数和室内建筑信息进行训练,无需划分为不同场景,能够在多种频率和功率下对整个无线覆盖场地的信号强度进行预测,并且减小了室内环境差异和多径传播对预测结果的影响。