Path Loss Prediction Using Deep Learning

要約

無線の導入とスペクトル計画は、パス損失の予測から恩恵を受けます。
通信リンクに沿った障害物は、多くの場合、暗黙的に、または代表的なクラッター高さまたは障害物の合計深さなどの派生メトリックを通じて考慮されます。
本稿では、畳み込みニューラルネットワークを使用して高解像度障害物高さマップからの特徴抽出を自動的に実行する、経路固有の経路損失予測方法を提案します。
私たちの方法は、派生メトリクスを必要とせずに、さまざまな環境で低い予測誤差をもたらします。

要約(オリジナル)

Radio deployments and spectrum planning benefit from path loss predictions. Obstructions along a communications link are often considered implicitly or through derived metrics such as representative clutter height or total obstruction depth. In this paper, we propose a path-specific path loss prediction method that uses convolutional neural networks to automatically perform feature extraction from high-resolution obstruction height maps. Our methods result in low prediction error in a variety of environments without requiring derived metrics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google