IPP-Net: 一种用于室内路径损耗无线电地图预测的通用深度神经网络模型
信号处理
2025-01-14 v1 机器学习
摘要
在本文中，我们提出了一种用于室内路径损耗无线电地图预测的通用深度神经网络模型（称为IPP-Net）。IPP-Net基于UNet架构，并从大规模射线追踪仿真数据和改进的3GPP室内热点模型中学习。IPP-Net的性能在ICASSP 2025的第一届室内路径损耗无线电地图预测挑战赛中进行了评估。评估结果表明，IPP-Net在三个竞赛任务上实现了9.501 dB的加权均方根误差，并获得了总体排名第二。
引用
@article{arxiv.2501.06414,
title = {IPP-Net: A Generalizable Deep Neural Network Model for Indoor Pathloss Radio Map Prediction},
author = {Bin Feng and Meng Zheng and Wei Liang and Lei Zhang},
journal= {arXiv preprint arXiv:2501.06414},
year = {2025}
}
备注
2 pages, 1 figure, Accepted to ICASSP 2025