频谱论文：学习神经模型补全无线地图Deep Spectrum Cartography: Completing Radio Map Tensors Using Learned Neural Models

#频谱#

S. Shrestha, X. Fu and M. Hong, "Deep Spectrum Cartography: Completing Radio Map Tensors Using Learned Neural Models," in IEEE Transactions on Signal Processing, vol. 70, pp. 1170-1184, 2022, doi: 10.1109/TSP.2022.3145190. （俄勒冈州立大学，明尼苏达大学）

研究内容

本文研究频谱制图spectrum cartography问题。

        基于模型的制图技术通常依赖于稀疏性、平滑性和低阶结构等先验来补全，这样的先验可能不足以捕捉复杂无线环境的本质——尤其是在发生严重阴影时。本文将离线训练的无线电地图深度神经模型-深度神经网络DNN用于频谱制图，从数据中“学习”复杂的底层结构。面临的挑战是生成无线电地图的隐藏状态空间大，因此本文提出了一种基于辐射源无线电地图分解的方法，在该方法下，只有单个辐射源的无线电地图才由DNN建模。