基于图像超分辨率的深度学习CKM构建
信号处理
2024-11-15 v1 人工智能
摘要
信道知识图（CKM）是一种实现环境感知的新技术，从而提升无线系统的通信和感知性能。CKM面临的一个基本问题是：如何仅基于稀疏数据测量，构建一个为大量位置提供信道知识的完整CKM。这一问题与图像处理中的超分辨率（SR）问题相似。在本信中，我们提出了一种有效的基于深度学习的CKM构建方法，利用称为SRResNet的图像SR网络。与大多数现有研究不同，我们的方法不需要除稀疏测量数据以外的任何额外输入。除了传统的路径损耗图构建，得益于使用名为CKMImageNet的新数据集，我们的方法还可应用于构建信道角度图（CAM）。数值结果表明，在CKM构建中，我们的方法优于基于插值的方法（如最近邻插值和双三次插值）以及SRGAN方法。此外，仅需测量1/16的位置即可在路径损耗上实现1.1 dB的均方根误差（RMSE）。
引用
@article{arxiv.2411.08887,
title = {Deep Learning-Based CKM Construction with Image Super-Resolution},
author = {Shiyu Wang and Xiaoli Xu and Yong Zeng},
journal= {arXiv preprint arXiv:2411.08887},
year = {2024}
}