首页/文章/ 详情

新文推送——环境粒度对基于CNN的无线信道预测的影响

1月前浏览1095
 


 

北京交通大学

高移动性通信/智能交通电波传播研究组

 


   

文章概况


 
   

     
   
以邱志成(Zhicheng Qiu)为第一作者的文章近日于IEEE Transactions on Vehicular Technology(Early Access)上发表。      


文章题目为:“Impact of Environmental Granularity on CNN-Based Wireless Channel Prediction(环境粒度对基于 CNN 的无线信道预测的影响)”。


所有作者为:邱志成Zhicheng Qiu、何睿斯(Ruisi He)、杨汨(Mi Yang)、周顺(Shun Zhou)、于龙(Long Yu)汪琛龙(Chenlong Wang)、张语昕(Yuxin Zhang)、范建华(Jianhua Fan)、艾渤(Bo Ai)


DOI:10.1109/TVT.2024.3457032

 

   
   

内容介绍


 
   

 










(图1 测量场景、路线、收发机位置及示例数据区域


借助环境信息,深度学习为无线信道建模提供了有效的解决方案,其一个重要应用是基于卫星影像的路径损耗path loss,PL预测 PL 预测中,环境特征在图像中的最直观表现是覆盖范围和分辨率这被称为环境粒度本文采用绝对度量指标(/像素通过大量实验研究了环境粒度对基于深度学习的 PL 预测的影响结果表明,随着环境粒度的增加,网络的预测误差呈现出非单调变化当环境粒度较低时,提高图像分辨率有助于减少误差然而,当环境粒度较高时,进一步提高分辨率反而会降低预测精度。    
实验通过构建不同环境粒度的卫星图像数据集,系统分析了环境粒度对 PL 预测的影响。实验场景选择了北京交通大学校园场景,结合实地测量数据和卫星图像,制作了包含多种分辨率的图像数据集,分辨率范围从16像素到512像素不等。每张卫星图像中心对准接收机位置,并覆盖足够的地理区域,确保图像中包含影响信号传播的关键环境特征。数据集包括了12952组测量数据,其中包含 PL 、接收机坐标、高度等信息。    
     

 


     

   (图2 数据集数据示例)



       

 


       

   (图3 实验流程及网络架构)


基于所构建数据集,采用卷积神经网络(convolutional neural network, CNN)进行PL的预测。所设计的CNN网络结构分为特征处理和图像处理模块,特征处理模块结合了测量中的关键信息(如发射机坐标、发射功率等),帮助模型更精准地处理接收机周围的环境信息。图像处理模块则由卷积块和残差块构成,以应对深层神经网络中常见的梯度消失或爆炸问题,从而更好地捕捉信号传播中的复杂模式。      


     

 


     

   (图4 模型预测性能随分辨率变化关系)


实验结果显示,随着图像分辨率的增加,模型预测误差呈现出U形变化趋势。初期提高分辨率能够有效降低预测误差,但当图像分辨率超过256像素时,模型的误差反而增加,这表明过高的环境粒度会导致模型处理过多无关细节,无法有效捕捉关键环境特征,进而影响预测精度。这些发现为设计基于深度学习的无线信道预测网络提供了重要指导。


   

文章链接


  










@ARTICLE{10679911,  author={Qiu, Zhicheng and He, Ruisi and Yang, Mi and Zhou, Shun and Yu, Long and Wang, Chenlong and Zhang, Yuxin and Fan, Jianhua and Ai, Bo},  journal={IEEE Transactions on Vehicular Technology},   title={Impact of Environmental Granularity on CNN-Based Wireless Channel Prediction},   year={2024},  volume={},  number={},  pages={1-5},  keywords={Satellite images;Image resolution;Predictive models;Accuracy;Wireless communication;Training;Signal resolution;Deep learning (DL);environmental granularity;satellite images;path loss (PL);radio propagation},  doi={10.1109/TVT.2024.3460397}}
     



Z. Qiu et al., "Impact of Environmental Granularity on CNN-Based Wireless Channel Prediction," in IEEE Transactions on Vehicular Technology, doi: 10.1109/TVT.2024.3460397.      


 


 

立足学术,艰苦奋斗

谱写交通强国建设新篇章

 


 


来源:北交大智能交通电波传播研究团队
ACTANSA通信UM爆炸
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2024-10-18
最近编辑:1月前
北交大智能交通电波传播研究团队
博士 高移动性通信技术研究组
获赞 1粉丝 6文章 24课程 1
点赞
收藏
作者推荐
未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习 福利任务 兑换礼品
下载APP
联系我们
帮助与反馈