#频谱#

T. Hu, Y. Huang, J. Chen, Q. Wu and Z. Gong, "3D Radio Map Reconstruction Based on Generative Adversarial Networks Under Constrained Aircraft Trajectories," in IEEE Transactions on Vehicular Technology, vol. 72, no. 6, pp. 8250-8255, June 2023, doi: 10.1109/TVT.2023.3239556. (南京航空航天大学,香港中文大学)

摘要

        三维（3D）无线电地图可以表征接收信号强度（RSS）在3D空间上的空间分布，是无线资源管理和频谱监视的重要工具。然而，由于飞行器执行RSS测量的位置数量无穷多，轨迹受限，因此在实践中通常会获得不完整的3D无线电地图。为了解决这个问题，我们提出了一种基于生成对抗性网络（GAN）的3D无线电地图重建方案，其中提出了一个具有无监督学习的新型GAN变体。具体而言，该变体的成本函数集成了重建损失和对抗性损失，而网络结构在patchGAN的思想下利用了ResNet和扩张卷积。数值结果表明，网络结构和代价函数有利于重构方案，具有低波动性和较低的均方误差。此外，研究表明，即使用于推理的测量样本数量显著减少，所提出的方案在平均MSE方面也可以优于基线。

分析

    无线电地图表征了接收信号强度（RSS）在感兴趣的地理空间中的空间分布，并已被用于优化车载基站的部署、管理干扰和保证陆地无线网络的频谱安全。然而，无人机在增强型移动宽带、大规模机器型通信和基于无线电的传感中的应用使得使用地面测量的RSS构建的无线电地图不适用于空地三维（3D）空间中的无线资源管理和频谱监视。安装有频谱监测设备（SMD）的飞机可以用于测量3D空间中的RSS。在实践中，不可能收集3D空间中所有可能位置的RSS测量值。因此，从3D空间上的稀疏测量子集重建3D辐射图是至关重要但具有挑战性的。

        对照方法需要空间密集的测量样本，这导致飞行器遵循设计轨迹的巨大成本。与上述研究相反，在实践中，飞机的轨迹可能受到飞行计划、飞行禁区等的约束。因此，本文研究了考虑约束轨迹的三维无线电地图重建，这些轨迹是预先设定的，但没有优化，以提高重建精度。具体来说，我们认为飞机沿着几个半径和高度不同的圆形飞行回路飞行，以进行测量。

        GAN的各种应用让人想起利用GAN来捕捉RSS的分布，从而可以重建由GAN生成的几乎与实际完整的3D无线电地图相同的整个3D无线电地图。受此启发，我们提出了一种基于GANs的三维无线电地图重建方案

总结

        在本文中，我们研究了一个三维无线电地图重建问题，其中飞机在受约束的轨迹下获得不完整的地图。提出了一种基于GAN的三维无线电地图重建方案，该方案包括预处理、基于离线无监督学习的训练和在线推理，其中提出了3D-DCRGAN来捕捉RSS的分布。结果表明，得益于精心设计的网络结构和代价函数，该方案在平均均方误差方面优于各种基线。