用于射频传播预测的物理信息生成神经网络及其在室内人体感知中的应用
信号处理
2024-05-16 v2 人工智能
系统与控制
系统与控制
摘要
用于预测射频（RF）传播的电磁（EM）人体模型是耗时的方法，这阻碍了它们在严格实时计算成像问题（如人体定位和感知）中的应用。最近提出了物理信息生成神经网络（GNN）模型来复现EM效应，即通过结合相关的EM原理和约束来模拟或重建缺失的数据或样本。本文讨论了一种变分自编码器（VAE）模型，该模型经过训练以复现人体运动对EM场的影响，并融入了EM人体衍射原理。所提出的物理信息生成神经网络模型已通过经典的基于衍射的EM工具和全波EM人体仿真进行了验证。
引用
@article{arxiv.2405.02131,
title = {Physics-informed generative neural networks for RF propagation prediction with application to indoor body perception},
author = {Federica Fieramosca and Vittorio Rampa and Michele D'Amico and Stefano Savazzi},
journal= {arXiv preprint arXiv:2405.02131},
year = {2024}
}