电磁波特性启发的无线电环境知识构建及面向6G数字孪生信道的AI验证
信号处理
2024-06-04 v1
摘要
作为数字孪生网络的基础，数字孪生信道能够精确描述空口无线电传播过程，以支持基于数字孪生网络的6G无线网络。由于无线电传播受环境影响，构建环境与无线电波传播之间的关系是提高数字孪生信道精度的关键，而基于人工智能的构建方法最为集中。然而，现有方法中输入神经网络的環境信息维度众多，且环境与信道之间的相关性不明确，导致关系构建过程高度复杂。为解决此问题，本文提出一种受电磁波特性启发的无线电环境知识构建方法，以量化无线电传播的贡献。具体来说，我们提出了一种基于随机几何的有效环境信息范围选择方案，以减少环境信息的冗余。我们利用环境信息量化无线电传播反射、衍射和散射体遮挡的贡献，并提出了无线电环境知识构建的流程图，以部分替代基于神经网络的特征提取过程。为了验证无线电环境知识的有效性，我们基于轻量级卷积神经网络（采用简单的两层卷积结构）执行了路径损耗预测任务。结果表明，范围选择方法的准确率达到90%；构建的无线电环境知识将预测误差保持在0.3，且仅需0.04秒的测试时间，有效降低了网络复杂度。
引用
@article{arxiv.2406.00690,
title = {Electromagnetic Wave Property Inspired Radio Environment Knowledge Construction and AI-based Verification for 6G Digital Twin Channel},
author = {Jialin Wang and Jianhua Zhang and Yutong Sun and Yuxiang Zhang and Tao Jiang and Liang Xia},
journal= {arXiv preprint arXiv:2406.00690},
year = {2024}
}