admin管理员组文章数量:1602097
#频谱#
W. Liu and J. Chen, "UAV-Aided Radio Map Construction Exploiting Environment Semantics," in IEEE Transactions on Wireless Communications, vol. 22, no. 9, pp. 6341-6355, Sept. 2023, doi: 10.1109/TWC.2023.3241845.(香港中文大学、KTH皇家理工学院)
目录
概述
三个挑战
radio semantics的含义
分类法
本文贡献
Sec. II 频谱图模型
问题
概述
本文解决收发机之间信道增益预测的问题。本文首先估计并构建多类别的3D虚拟障碍物地图,其中障碍物地图用射频语义描述了环境的几何形状。建立了一个最小二乘问题来联合估计虚拟障碍物地图和传播参数。本研究可以增加对环境的了解,有助于用户选择,波束赋型,通信节点位置优化等。所提出的方法不仅重建了传播环境的几何结构,而且在无线电地图构建中获得了更好的精度。
三个挑战
如何有效地构建全维无线电地图?
- 1. 测量数据量要求大,传播信道有足够的自由度,通常需要大量的测量数据来构建无线电地图。
- 2. 通信节点之间存储、转移和共享成本也很高(大数据量带来的)
- 3. 如何将环境信息嵌入到map中,涉及到信号反射、衍射和散射等,这些复杂机制依赖于地理环境。
radio semantics的含义
从radio semantics可以推断出信道传播是在LOS下、轻微阻塞还是在深度阴影下,并利用这些信息来预测信道增益。(用于描述信道信息?)
分类法
- 1.数据驱动方法
KNN、稀疏矩阵或张量处理、crowdsourcing众包、Kriging、深度学习方法。主要为2D无线电地图设计的,它们可能不容易扩展到我们感兴趣的场景(这样说张量方法不合适吧)
- 2.模型驱动方法
将局部区域标记为细类,如城市和乡村,然后从精细类别中选择参数模型。分类通常是客观的,并且通常有有限数量的预定义模型和参数集可供选择
- 3.射线追踪方法
(感觉这一类分的不好):基于环境的3D模型并计算物理传播路径。复杂度高,对可用信息的精度和准确性非常敏感。
本文贡献
- 1. 提出了一种新的无线电地图模型,该模型由一个参数子模型和一个非参数子模型组成,参数子模型用无线电语义捕捉传播环境的几何结构,非参数子模式捕捉阴影的残差。有了这样的框架,该模型在少量或大量训练数据的情况下都表现良好
- 2. 为无线电地图的构建提出了一个最小二乘估计问题。虽然该问题是具有退化梯度的非凸性,我们发现并证明了该问题的部分拟凸性;基于这一理论结果,开发了一种有效的算法来构建无线电地图以及虚拟环境的几何结构
-
Sec. II 频谱图模型
提出多类别虚拟障碍物模型,用传播区域来描述环境语义(射频语义),区分LOS, NOLS等多类别的传播区域。
给出传播区域的两类边界:硬边界(Hard Boundary),和软边界(Soft Boundary)。软边界是通过邻居节点的平均实现的。即:
问题
1. Sec. II A 通信链路,只是只空间上两个三维的叠加,没有涉及到时频维度。而在Sec. II B中,使用矩阵H描述虚拟障碍图,如何把第m个grid映射到没有说清楚,映射之后,原有的三维空间的相关性是不是就被破坏了?
2. 式(2)下方,为什么把叫做似然?--> 在Sec.B 中,不是一个分布,为什么称做likelihood?(求助)
未完……
版权声明:本文标题:频谱论文:利用环境语义构建无人机辅助无线电地图 UAV-Aided Radio Map Construction Exploiting Environment Semantics 内容由热心网友自发贡献,该文观点仅代表作者本人, 转载请联系作者并注明出处:https://m.elefans.com/dianzi/1728395962a1157005.html, 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。
发表评论