通过大型智能表面的无线电感知与学习实现楼层地图重建
信号处理
2022-06-23 v1 计算机视觉与模式识别
摘要
环境场景重建对自主机器人应用具有极大意义，因为环境的准确表示对于确保与机器人的安全交互是必要的。同样重要的是，确保机器人与其控制器之间的可靠通信也至关重要。大型智能表面(Large Intelligent Surface, LIS)是一项因其通信能力而被广泛研究的技术。此外，由于天线单元的数量，这些表面成为无线电感知的有力解决方案。本文提出一种新方法，将LIS处获得的无线电环境图转换为由散布在其区域内的散射体构成的室内环境楼层平面图。利用了基于最小二乘(Least Squares, LS)的方法、U-Net (UN)和条件生成对抗网络(conditional Generative Adversarial Networks, cGANs)来执行此任务。我们表明使用局部和全局测量均可正确重建楼层平面图。
引用
@article{arxiv.2206.10750,
title = {Floor Map Reconstruction Through Radio Sensing and Learning By a Large Intelligent Surface},
author = {Cristian J. Vaca-Rubio and Roberto Pereira and Xavier Mestre and David Gregoratti and Zheng-Hua Tan and Elisabeth de Carvalho and Petar Popovski},
journal= {arXiv preprint arXiv:2206.10750},
year = {2022}
}