基于迁移学习和双 U-Net 的复杂室内环境波传播模型
信号处理
2025-01-28 v3
摘要
一种基于迁移学习和变换器网络的机器学习网络被应用于复杂室内环境的波传播模型。该网络旨在预测包含多种物体的环境中的信号传播，有效模拟室内空间中常见家具的多样化配置。我们提出以高效网络为骨干的注意力 U-Net，用于处理编码了室内环境关键信息的图像。室内环境由其基本结构定义，如墙壁、窗户和门way的布局，以及家具摆放的不同配置。引入一种创新算法，用于从 2D 平面图生成 3D 环境，这对于高效收集训练数据至关重要。该模型通过将预测的信号覆盖图与射线追踪（RT）仿真结果进行比较进行评估。预测结果显示，在所有测试场景中，均小于 6 dB 的均方根误差，采用双 U-Net 结构相较于单 U-Net 模型观察到显著改进。
引用
@article{arxiv.2409.13833,
title = {Transfer Learning and Double U-Net Empowered Wave Propagation Model in Complex Indoor Environment},
author = {Ziheng Fu and Swagato Mukherjee and Michael T. Lanagan and Prasenjit Mitra and Tarun Chawla and Ram M. Narayanan},
journal= {arXiv preprint arXiv:2409.13833},
year = {2025}
}