本發(fā)明涉及無(wú)線電地圖估計(jì)，特別是涉及一種基于生成對(duì)抗網(wǎng)絡(luò)的無(wú)線電地圖協(xié)同估計(jì)方法。

背景技術(shù)：

1、在6g時(shí)代，實(shí)時(shí)監(jiān)測(cè)和管理無(wú)線電資源對(duì)于支持多樣化的無(wú)線應(yīng)用至關(guān)重要。傳統(tǒng)的無(wú)線電地圖估計(jì)（rme）方法，如數(shù)據(jù)驅(qū)動(dòng)的插值方法和基于模型的射線追蹤方法，無(wú)法同時(shí)兼顧高精度和高速度，無(wú)法實(shí)現(xiàn)既精確又快速的無(wú)線電地圖估計(jì)?，F(xiàn)有的基于深度學(xué)習(xí)的方法有望解決上述難題，即通過采用高精度數(shù)據(jù)集訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，賦能深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)快速精確的無(wú)線電地圖估計(jì)。

2、然而，目前基于深度學(xué)習(xí)的方法，想要實(shí)現(xiàn)精確的無(wú)線電地圖估計(jì)，均依賴于信號(hào)源信息，即信號(hào)源信息為神經(jīng)網(wǎng)絡(luò)輸入信息中不可或缺的一部分。而由于在無(wú)線網(wǎng)絡(luò)下，信號(hào)源可能為基站或各類移動(dòng)設(shè)備，其信息（尤其是實(shí)時(shí)信息）往往無(wú)法獲取。此外，這類依賴信號(hào)源信息的估計(jì)方法，在地理環(huán)境信息不準(zhǔn)確時(shí)，泛化能力較差。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于生成對(duì)抗網(wǎng)絡(luò)的無(wú)線電地圖協(xié)同估計(jì)方法，基于多個(gè)移動(dòng)用戶的接收信號(hào)強(qiáng)度（rss）信息和地理環(huán)境地圖即可進(jìn)行無(wú)線電地圖估計(jì)，無(wú)需信號(hào)源信息。

2、本發(fā)明的目的是通過以下技術(shù)方案來(lái)實(shí)現(xiàn)的：一種基于生成對(duì)抗網(wǎng)絡(luò)的無(wú)線電地圖協(xié)同估計(jì)方法，包括以下步驟：

3、s1.將多個(gè)用戶的接收信號(hào)強(qiáng)度信息、rss信息和地理環(huán)境信息作為數(shù)據(jù)特征，將無(wú)線電地圖作為標(biāo)簽，構(gòu)建訓(xùn)練數(shù)據(jù)集，其中rss信息即位置信息；

4、s2.?采用unet模型作為生成器，輸入為圖像化的地理環(huán)境地圖和rss信息，輸出為圖像化的無(wú)線電地圖估計(jì)結(jié)果；

5、s3.?采用卷積神經(jīng)網(wǎng)絡(luò)模型,即cnn模型作為判別器，用于評(píng)估生成器輸出的無(wú)線電地圖的真實(shí)性;

6、s4.在模型訓(xùn)練階段，生成器和判別器聯(lián)合優(yōu)化；

7、s5.在推理階段，使用生成器進(jìn)行無(wú)線電地圖估計(jì)。

8、本發(fā)明的有益效果是：本發(fā)明提出的基于生成對(duì)抗網(wǎng)絡(luò)（gan）的協(xié)同無(wú)線電地圖估計(jì)（crme）方法，即gan-crme，基于多個(gè)移動(dòng)用戶的接收信號(hào)強(qiáng)度（rss）信息和地理環(huán)境地圖即可進(jìn)行無(wú)線電地圖估計(jì)，無(wú)需信號(hào)源信息?；趃an學(xué)習(xí)算法提高了系統(tǒng)的準(zhǔn)確性和泛化能力，該方法即使在地理數(shù)據(jù)不準(zhǔn)確的情況下也能有效工作，自動(dòng)修正部分誤差，保證估計(jì)的準(zhǔn)確性與魯棒性。

技術(shù)特征：

1.一種基于生成對(duì)抗網(wǎng)絡(luò)的無(wú)線電地圖協(xié)同估計(jì)方法，其特征在于：包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于生成對(duì)抗網(wǎng)絡(luò)的無(wú)線電地圖協(xié)同估計(jì)方法，其特征在于：所述步驟s1中，設(shè)訓(xùn)練數(shù)據(jù)集中包含l個(gè)數(shù)據(jù)樣本，對(duì)于第個(gè)數(shù)據(jù)樣本：

3.根據(jù)權(quán)利要求1所述的一種基于生成對(duì)抗網(wǎng)絡(luò)的無(wú)線電地圖協(xié)同估計(jì)方法，其特征在于：所述步驟s2中，采用unet網(wǎng)絡(luò)作為生成器，表示為，其參數(shù)矩陣為。

4.根據(jù)權(quán)利要求1所述的一種基于生成對(duì)抗網(wǎng)絡(luò)的無(wú)線電地圖協(xié)同估計(jì)方法，其特征在于：所述步驟s3中選取cnn網(wǎng)絡(luò)作為鑒別器，表示為，其參數(shù)矩陣為。

5.根據(jù)權(quán)利要求3所述的一種基于生成對(duì)抗網(wǎng)絡(luò)的無(wú)線電地圖協(xié)同估計(jì)方法，其特征在于：所述步驟s4包括：

技術(shù)總結(jié)
本發(fā)明公開了一種基于生成對(duì)抗網(wǎng)絡(luò)的無(wú)線電地圖協(xié)同估計(jì)方法，包括以下步驟：S1.構(gòu)建訓(xùn)練數(shù)據(jù)集；S2.采用UNet模型作為生成器，輸入為圖像化的地理環(huán)境地圖和RSS信息，輸出為圖像化的無(wú)線電地圖估計(jì)結(jié)果；S3.采用卷積神經(jīng)網(wǎng)絡(luò)模型,即CNN模型作為判別器，用于評(píng)估生成器輸出的無(wú)線電地圖的真實(shí)性;S4.在模型訓(xùn)練階段，生成器和判別器聯(lián)合優(yōu)化，即通過對(duì)抗訓(xùn)練過程，生成器和判別器相互優(yōu)化，生成器生成更高質(zhì)量的無(wú)線電地圖，判別器提高對(duì)生成結(jié)果的判別能力;S5.在推理階段，使用生成器進(jìn)行無(wú)線電地圖估計(jì)。本發(fā)明基于多個(gè)移動(dòng)用戶的接收信號(hào)強(qiáng)度（RSS）信息和地理環(huán)境地圖即可進(jìn)行無(wú)線電地圖估計(jì)，無(wú)需信號(hào)源信息。

技術(shù)研發(fā)人員：張澤中,陳俊挺,朱光旭,崔曙光
受保護(hù)的技術(shù)使用者：香港中文大學(xué)（深圳）
技術(shù)研發(fā)日：
技術(shù)公布日：2025/6/9