机构名称：
¥ 1.0
摘要 - 频率覆盖范围图（RF地图）在无线通信方面是有效的，但是通过现场调查获得它们可能是劳动密集型，有时是不切实际的。为了应对这一挑战，我们提出了Recugan，这是一种基于生成的对抗网络（GAN）生成RF地图的方法。recugan利用信息最大化gan（Infogan）的原理来捕获RF地图的潜在特性，从而实现了无监督的分类和新的和多样的RF地图的生成。与传统方法不同，recugan不需要标记的数据或条件输入，降低复杂性，时间和成本。我们使用基于定制的梯度惩罚剂量（WGAN）功能和基于梯度的损耗功能来增强Recugan目标函数，以稳定训练和准确的地图生成。我们还提供了将多个发电机纳入recugan中的选项，从而使高分辨率的RF地图生成。通过通过实验和仿真数据进行广泛的培训证明，Recugan可以合成各种高质量的RF图，并根据RSS分布对它们进行分类。与基于UNET的有条件GAN（CGAN）相比，Recugan的平均平均百分比误差（MAPE）为1.18％，表现优于CGAN模型，CGAN模型的MAPE为2.5％。索引术语 - 生成对抗网络，RF映射，深神经网络，覆盖范围，AI。
recugan：一种新颖的生成AI方法，用于合成RF覆盖地图
主要关键词
相关文件推荐
