TiRE-GAN：面向射位图估计的任务激励生成式学习
信号处理
2025-02-26 v3
摘要
为了刻画无线通信系统中射频（RF）信号功率分布，射位图是一种用于资源分配和网络管理的有用工具。通常，射位图是从由部署传感器或移动设备收集的稀疏观测数据中重建的稠密图。为了同时利用射播pagation模型的物理原理和稀疏观测数据的统计信息，本文提出一种新颖的任务激励生成式学习模型，即TiRE-GAN，用于射位图估计。具体而言，本文首先引入射播深度图，以捕捉射播 Propagation及阴影效应的整体模式，随后提出一种任务驱动的激励网络，用于根据下游任务提供反馈，实现射位图的补偿。我们的实验结果表明，射播深度图在捕捉射播 Propagation信息方面具有重要作用，而本文提出的TiRE-GAN在射位图估计方面具有高效性能。
引用
@article{arxiv.2405.02567,
title = {TiRE-GAN: Task-Incentivized Generative Learning for Radiomap Estimation},
author = {Yueling Zhou and Achintha Wijesinghe and Yibo Ma and Songyang Zhang and Zhi Ding},
journal= {arXiv preprint arXiv:2405.02567},
year = {2025}
}