ACT-GAN：基于带有ACT模块的生成对抗网络的无线电地图构建
机器学习
2024-01-18 v1 信号处理
摘要
无线电地图作为电磁空间特性的可视化表示，在无线通信网络评估和无线电监测覆盖中起着关键作用。针对当前无线电地图构建中存在的精度不高的问题，本文提出了一种基于生成对抗网络（GAN）的新型无线电地图构建方法，该方法在生成器中应用了聚合上下文变换（AOT）模块、卷积块注意力模块（CBAM）和转置卷积（T-Conv）模块，我们将其命名为ACT-GAN。它显著提高了无线电地图的重建精度和局部纹理。展示了ACT-GAN在三种不同场景下的性能。实验结果表明，在没有稀疏离散观测的场景中，与最先进的模型相比，所提出的方法将均方根误差（RMSE）降低了14.6%。在有稀疏离散观测的场景中，RMSE降低了13.2%。此外，所提出模型的预测结果更清晰地展示了电磁空间场分布。为了验证该模型在无线电地图构建任务中的普适性，研究了未知无线电发射源的场景。结果表明，所提出的模型在无线电地图构建方面具有鲁棒性，并能准确预测发射源的位置。
引用
@article{arxiv.2401.08976,
title = {ACT-GAN: Radio map construction based on generative adversarial networks with ACT blocks},
author = {Chen Qi and Yang Jingjing and Huang Ming and Zhou Qiang},
journal= {arXiv preprint arXiv:2401.08976},
year = {2024}
}
备注
11 pages, 10 figures