基于改进环境编码的无线电环境地图预测方法OA

深度学习相比传统预测无线电环境地图(Radio Environment Map,REM)方法有着预测时间快、精度高的优点。然而模型为了保证预测的精度往往需要设计复杂的网络进行训练,导致耗费大量的训练时间。为降低模型的训练时长,实现REM快速构建,提出了一种改进深度学习模型结合环境编码的REM构建方法。该方法在深度学习网络结构中,通过利用轻量级视觉转换器(Mobile Vision Transformer,MobileViT)模块替换传统模型的卷积模块,增加了模型的全局视野;在输入数据预处理中,引入电波传播机理,提高了模型的可解释性与图像的一维熵,通过结合经验公式计算的路径损耗与天线位置图进行环境编码,进而与城市环境地图作为共同输入。仿真结果表明,改进模型在训练阶段具有更快的收敛速度;所提出的数据预处理方法能够对模型训练起到加速的作用。