基于其他AP数据推断CKM：跨AP深度学习CKM推断方法
信号处理
2024-11-28 v1 系统与控制
图像与视频处理
系统与控制
摘要
信道知识图（CKM）是面向环境感知通信与感知的范式转变， 通过在实时通信前提供特定位置的信道知识先决条件。虽然CKM特别适用于密集网络（如无线细胞网络），但仍存在在密集网络中高效生成CKM的挑战。对于拥有现有接入点（AP）CKM的密集网络，高效生成仅具备AP位置信息的潜在新AP的CKM将大有裨益。跨AP的CKM推断生成可帮助密集网络实现便捷的初始CKM生成、环境感知的AP部署以及经济高效的CKM更新。鉴于同一区域内的不同AP共享相同的物理环境，信道知识之间存在自然关联。因此，通过挖掘位置特定信道知识之间的隐式关联，可实现跨AP的CKM推断。本文提出一种基于深度学习的跨AP推断方法，用于生成仅凭其他AP数据即可推断的潜在新AP的CKM。将目标AP的位置输入到UNet模型中，结合其他现有AP的信道知识，并基于目标AP的信道知识进行监督学习。基于训练好的UNet和现有AP的信道知识，可在跨AP之间生成潜在新AP的CKM推断。推断CKM的生成结果验证了利用其他AP的信道知识进行跨APCKM推断的可行性和有效性。
引用
@article{arxiv.2411.17716,
title = {Generating CKM Using Others' Data: Cross-AP CKM Inference with Deep Learning},
author = {Zhuoyin Dai and Di Wu and Xiaoli Xu and Yong Zeng},
journal= {arXiv preprint arXiv:2411.17716},
year = {2024}
}