从空中图像预测无线电制图及其在覆盖优化中的应用

已有多项研究探索了深度学习算法用于预测城市通信网络中大尺度信号衰落（即路径损耗）。目标是用机器学习模型取代昂贵的测量活动、不准确的统计模型或计算昂贵的射线追踪仿真，提供快速而准确的预测。我们专注于使用卷积神经网络预测路径损耗无线电制图，仅利用空中图像或结合补充高度信息。值得注意的是，我们的方法不依赖明确的环境目标分类，这些目标在全球大多数地区通常不可得。虽然使用完整三维环境数据预测无线电制图已为人所熟知，但仅使用空中图像的做法仍鲜有探索。我们通过展示最新模型可有效适配此任务来弥补这一差距。此外，我们提出一种新型模型称为 UNetDCN，实现了与最先进方法相当或更好性能且复杂度更低。训练好的模型是可微的，因此可集成到各种网络优化算法中。虽然详尽讨论超出本文范围，但我们通过示例演示了如何通过反向传播优化细胞网络基站的定向以提高覆盖范围。