从地面众包数据迁移至天空：基于地面众包数据的低空航路级无线电图谱
信号处理
2026-02-12 v1
摘要
低空经济的发展依赖于无人机（UAV）可靠的细胞网络 connectivity。航线规划的关键挑战在于预测沿所提议和预定义航线的通信链路质量，这一任务受稀疏测量数据的限制，使得现有无线电图谱方法难以实现。本文引入一种迁移学习框架，用于高保真航线级无线电图谱预测。我们的关键洞察是利用丰富的众包地面信号作为辅助监督。为了弥合地面数据与航空数据之间的显著领域差距并解决空间稀疏性问题，我们的框架从仿真中学习通用传播先验，执行特征空间的对抗性对齐，并在有限的真实 UAV 测量数据上进行微调。在美团的真实数据集上进行的广泛实验表明，我们的方法在预测航线 RSRP 方面的准确率比当前最先进的基线方法高出 50% 以上。
引用
@article{arxiv.2602.10736,
title = {Transfer to Sky: Unveil Low-Altitude Route-Level Radio Maps via Ground Crowdsourced Data},
author = {Wenlihan Lu and Huacong Chen and Ruiyang Duan and Weijie Yuan and Shijian Gao},
journal= {arXiv preprint arXiv:2602.10736},
year = {2026}
}