基于三维地图与深度学习的空间信号强度预测
信号处理
2020-11-10 v1
摘要
机器学习(ML)与人工神经网络(ANN)已凭借大数据通过学习物理模型成功应用于模拟复杂物理。受 ANN 在物理建模中成功的启发,我们使用深度神经网络(DNN)预测城市环境中的无线电信号强度场。我们的算法依赖于在预测空间内采集的信号强度样本以及环境的三维地图,这使其能预测无线电波在环境中的散射。尽管空间信号强度预测已有大量研究,我们的方法不同于大多数现有方法之处在于:不需要发射机位置知识,不需要如衰减和阴影参数等侧信道信息,且据我们所知,是首个使用三维地图完成信号强度预测任务的工作。该算法用于优化无人机或移动机器人的放置以最大化与固定收发机之间的信号强度,但也与动态频谱接入网络、蜂窝覆盖设计、功率控制算法等相关。
引用
@article{arxiv.2011.03597,
title = {Spatial Signal Strength Prediction using 3D Maps and Deep Learning},
author = {Enes Krijestorac and Samer Hanna and Danijela Cabric},
journal= {arXiv preprint arXiv:2011.03597},
year = {2020}
}
备注
6 pages