摘要
本发明公开了一种深度学习驱动的多基站无线电地图快速构建方法及系统,该方法包括:生成当前环境的无线电地图原始数据集;对所述无线电地图原始数据集进行处理得到无线电地图样本数据集;构建神经网络模型,并根据所述无线电地图样本数据集对神经网络模型进行训练得到无线电地图构建模型。本发明的方法采用双路径神经网络架构通过残差连接和批量归一化增强了模型的学习能力和泛化性能,从而实现了对多基站信号的综合处理,以及快速、高精度的无线电地图预测,满足了实时网络规划和优化的需求。此外,通过对所述无线电地图原始数据集进行处理,使得图像中的每个像素数据中均包括路径增益信息从而提供了精确的信号传播路径提高了识别准确度。
技术关键词
无线电地图
神经网络模型
卷积模块
路径损耗估计
基站
构建系统
图像
样本
数据
信号传播路径
像素
神经网络架构
上采样
误差函数
非线性
模式
批量
规划
系统为您推荐了相关专利信息
智能监测方法
通信光缆
信道
光纤
神经网络模型训练
遥感影像数据
识别方法
训练神经网络模型
遥感影像识别技术
样本提取方法
插层结构
密度泛函理论
机器学习训练
离子电池电极材料
传播算法
图像识别方法
图像识别设备
拼接单元
可读存储介质
图像识别装置