ExposNet：复杂城市环境中电磁场暴露预测的深度学习框架
信号处理
2025-03-06 v1
摘要
电场（E-field）的预测在监测蜂窝网络诱导的射频电磁场（RF-EMF）暴露中起着关键作用。本文提出了一种用于预测复杂城市环境中 E-field 水平的深度学习框架。首先，介绍了用于构建训练数据集的测量实验和公开可访问数据库，并详细说明了这些数据集如何被构建和整合以增强其对基于卷积神经网络（CNN）模型的适用性。随后展示了所提出的模型 ExposNet，并详细解释了其网络架构和工作流程。提出了两种网络结构变体，并进行了广泛的实验分析，证明 ExposNet 在两种配置下均取得了良好的预测精度。此外，评估了模型的泛化能力。整体结果表明，尽管该模型是在真实世界测量数据上训练和测试的，但其表现良好，且相比先前研究取得了更高的精度。
引用
@article{arxiv.2503.02966,
title = {ExposNet: A Deep Learning Framework for EMF Exposure Prediction in Complex Urban Environments},
author = {Yarui Zhang and Shanshan Wang and Joe Wiart},
journal= {arXiv preprint arXiv:2503.02966},
year = {2025}
}