Geo2SigMap：利用地理数据库的高保真射频信号映射
信号处理
2024-01-08 v2 机器学习
网络与互联网体系结构
摘要
射频（RF）信号映射是分析和预测特定区域RF信号强度与分布的过程，对蜂窝网络规划与部署至关重要。传统的RF信号映射方法依赖于基于测量数据构建的统计模型，复杂度低但通常精度不足；或者使用射线追踪工具，为目标区域提供增强精度但计算复杂度高。近年来，机器学习（ML）作为一种数据驱动的RF信号传播建模方法出现，利用在合成数据集上训练的模型在“未见”区域执行RF信号映射。本文提出Geo2SigMap，一个基于ML的框架，利用地理数据库实现高效高保真RF信号映射。首先，我们开发了一个自动化框架，无缝集成了三个开源工具：OpenStreetMap（地理数据库）、Blender（计算机图形学）和Sionna（射线追踪），能够高效生成大规模3D建筑地图和射线追踪模型。其次，我们提出了一种级联U-Net模型，该模型在合成数据集上预训练，并用于生成详细的RF信号图，利用环境信息和稀疏测量数据。最后，我们通过实际测量活动评估Geo2SigMap的性能，其中三种类型的用户设备（UE）收集了来自公民宽带无线电服务（CBRS）频段六个LTE小区的超过45,000个与蜂窝信息相关的数据点。结果表明，Geo2SigMap在预测UE处的参考信号接收功率（RSRP）时，平均均方根误差（RMSE）为6.04 dB，相比现有方法平均RMSE改善了3.59 dB。
引用
@article{arxiv.2312.14303,
title = {Geo2SigMap: High-Fidelity RF Signal Mapping Using Geographic Databases},
author = {Yiming Li and Zeyu Li and Zhihui Gao and Tingjun Chen},
journal= {arXiv preprint arXiv:2312.14303},
year = {2024}
}