RME-GAN：一种基于条件生成对抗网络的无线电地图估计学习框架
信号处理
2022-12-27 v1
摘要
室外无线电地图估计是现代物联网（IoT）与蜂窝系统中网络规划与资源管理的重要工具。无线电地图描述空间信号强度分布并提供网络覆盖信息。一个实际目标是从稀疏无线电强度测量中估计高分辨率无线电地图。然而，非均匀分布的测量与接入障碍会使许多室外环境中的精确无线电地图估计（RME）与频谱规划变得困难。本工作中，我们通过整合无线电传播模型并设计条件生成对抗网络（cGAN），开发了用于无线电地图估计的两阶段学习框架。我们首先探索全局信息以提取无线电传播模式。随后聚焦于局部特征以估计阴影效应对无线电地图的影响，从而训练并优化 cGAN。我们的实验结果表明，所提出的基于生成模型从室外场景稀疏观测中进行无线电地图估计的框架是有效的。
引用
@article{arxiv.2212.12817,
title = {RME-GAN: A Learning Framework for Radio Map Estimation based on Conditional Generative Adversarial Network},
author = {Songyang Zhang and Achintha Wijesinghe and Zhi Ding},
journal= {arXiv preprint arXiv:2212.12817},
year = {2022}
}