用于无线电地图估计的深度补全自编码器
信号处理
2021-09-10 v3
摘要
无线电地图提供地理区域中每个位置的功率谱密度等指标，并有着众多应用，例如无人机通信、干扰控制、频谱管理、资源分配和网络规划等。无线电地图由分布空间中频谱传感器收集的测量值构建。由于无线电地图因电磁波传播特性而成为空间坐标的复杂函数，无模型方法受到强烈推崇。然而，所有现有的无线电占用地图估计方案都依赖无法从经验中学习的插值算法。相反，本文提出一种新方法，其中传播现象（如阴影效应）的空间结构事先从其他环境中含测量值的数据集学习得到。相较于现有方案，因此仅需显著更少的测量值即可估计出具有规定精度的地图。作为另一创新点，这也是首个使用深度神经网络估计无线电占用地图的工作。具体而言，我们开发了全卷积深度补全自编码器架构，以有效利用此类地图的流形结构。
引用
@article{arxiv.2005.05964,
title = {Deep Completion Autoencoders for Radio Map Estimation},
author = {Yves Teganya and Daniel Romero},
journal= {arXiv preprint arXiv:2005.05964},
year = {2021}
}
备注
15 pages, 19 figures. Accepted for publication in the IEEE Transactions on Wireless Communications. arXiv admin note: text overlap with arXiv:1911.12810