如何使用AI加快室內(nèi)無(wú)線電點(diǎn)設(shè)計(jì)

室內(nèi)無(wú)線電點(diǎn)的設(shè)計(jì)和部署通常是耗時(shí)且費(fèi)力的過(guò)程?，F(xiàn)在，來(lái)自愛(ài)立信全球人工智慧加速器(GAIA)的一組科學(xué)家正在提出一種利用人工智能和機(jī)器學(xué)習(xí)的力量進(jìn)行無(wú)線電設(shè)計(jì)的新方法。在這里發(fā)現(xiàn)更多。

室內(nèi)無(wú)線連接變得越來(lái)越重要。有關(guān)蜂窩網(wǎng)絡(luò)使用情況的最新研究表明，在，室內(nèi)流量占用了87%的使用時(shí)間，并產(chǎn)生了全球移動(dòng)數(shù)據(jù)流量的70%。自2014年以來(lái)，愛(ài)立信提供了一種室內(nèi)解決方案，稱(chēng)為愛(ài)立信無(wú)線電點(diǎn)系統(tǒng)(RDS)。RDS易于安裝且覆蓋范圍廣，適用于大型室內(nèi)區(qū)域，例如辦公室，體育館，購(gòu)物中心和大學(xué)。這與我們部署室外宏小區(qū)系統(tǒng)的方式非常相似，并且可以靈活地重新配置設(shè)置以滿(mǎn)足不同的網(wǎng)絡(luò)覆蓋要求。

在新建筑物內(nèi)部署RDS需要現(xiàn)場(chǎng)勘測(cè)和初始點(diǎn)布局設(shè)計(jì)，這通常是相當(dāng)耗時(shí)且昂貴的過(guò)程。需要進(jìn)行現(xiàn)場(chǎng)調(diào)查以找出地板的最佳無(wú)線點(diǎn)數(shù)量和布局，以實(shí)現(xiàn)最佳部署和性能。

現(xiàn)場(chǎng)調(diào)查包括以下幾個(gè)步驟：首先，我們需要確定所有墻段的墻類(lèi)型(混凝土，玻璃，金屬等)。然后，我們需要測(cè)量宏小區(qū)干擾(附近室外宏基站發(fā)送的信號(hào))，以計(jì)算它們對(duì)室內(nèi)位置的干擾。一旦我們完成了所有調(diào)查，經(jīng)驗(yàn)豐富的無(wú)線電設(shè)計(jì)師就會(huì)通過(guò)設(shè)計(jì)，評(píng)估和重申由射頻(RF)計(jì)劃軟件生成的信號(hào)傳播熱圖來(lái)確定最佳的無(wú)線電點(diǎn)位置，以最大程度地提高每個(gè)樓層的覆蓋效率。下圖顯示了從給定的原始平面圖到其RDS部署的典型設(shè)計(jì)過(guò)程。建筑物房東提供目標(biāo)建筑物的原始平面圖后，工程師被送到建筑物進(jìn)行現(xiàn)場(chǎng)調(diào)查，以用不同的顏色標(biāo)記墻壁類(lèi)型。然后，RF設(shè)計(jì)人員在檢查其模擬的參考信號(hào)接收功率(RSRP)級(jí)別的模擬熱圖時(shí)，手動(dòng)放置無(wú)線電點(diǎn)，這是從無(wú)線電點(diǎn)測(cè)量的一種接收功率。請(qǐng)注意，在熱圖中，較暗的像素表示更強(qiáng)的RSRP。整個(gè)設(shè)計(jì)過(guò)程不僅成本高昂，而且冗長(zhǎng)乏味，一棟大型建筑要花數(shù)十天才能完成。由于這些因素，當(dāng)前的RDS部署方法無(wú)法擴(kuò)展，并且限制了室內(nèi)RDS業(yè)務(wù)。像素越暗表示RSRP越強(qiáng)。整個(gè)設(shè)計(jì)過(guò)程不僅成本高昂，而且冗長(zhǎng)乏味，一棟大型建筑要花數(shù)十天才能完成。由于這些因素，當(dāng)前的RDS部署方法無(wú)法擴(kuò)展，并且限制了室內(nèi)RDS業(yè)務(wù)。像素越暗表示RSRP越強(qiáng)。整個(gè)設(shè)計(jì)過(guò)程不僅成本高昂，而且冗長(zhǎng)乏味，一棟大型建筑要花數(shù)十天才能完成。由于這些因素，當(dāng)前的RDS部署方法無(wú)法擴(kuò)展，并且限制了室內(nèi)RDS業(yè)務(wù)。

DA-cGAN：無(wú)線電設(shè)計(jì)的生成對(duì)抗網(wǎng)絡(luò)

為了解決當(dāng)前RDS部署過(guò)程中的效率低下問(wèn)題，我們提出了一種基于機(jī)器學(xué)習(xí)的解決方案，該解決方案使用生成對(duì)抗網(wǎng)絡(luò)(GAN)將設(shè)計(jì)過(guò)程公式化為圖像到圖像的轉(zhuǎn)換問(wèn)題。具體來(lái)說(shuō)，我們提出了一種尺寸感知條件GAN(DA-cGAN)，以根據(jù)給定的平面圖生??成最佳點(diǎn)布局的熱圖。GAN以生成人工圖像的能力而聞名。GAN由兩個(gè)深層神經(jīng)網(wǎng)絡(luò)組成：例如，生成器和鑒別器。它們中的兩個(gè)相互競(jìng)爭(zhēng)并互相學(xué)習(xí)，最終生成器可以生成偽造的圖像，該偽造的圖像無(wú)法通過(guò)鑒別器和希望的人眼識(shí)別出來(lái)。使用GAN的一些有趣的應(yīng)用包括從其素描圖像中著色卡通人物，

在各種應(yīng)用中，選擇著色作為起點(diǎn)，因?yàn)樗c我們的問(wèn)題最相關(guān)。給定布局圖草圖的著色不僅需要保留其邊框形狀，而且還需要學(xué)習(xí)其內(nèi)部結(jié)構(gòu)以生成所需的信號(hào)熱圖，因?yàn)椴季謭D的結(jié)構(gòu)與其最佳點(diǎn)布局及其生成的熱圖高度相關(guān)。例如，混凝土墻比干墻具有更高的信號(hào)衰減，因此，圍繞混凝土墻的無(wú)線電信號(hào)強(qiáng)度會(huì)迅速下降數(shù)十倍。為了解決我們的圖像翻譯問(wèn)題，我們采用了條件GAN(cGAN)，它可以學(xué)習(xí)從輸入圖像和隨機(jī)噪聲到對(duì)應(yīng)輸出圖像的映射。但是，我們遵循cGAN中的約定在架構(gòu)中丟棄了隨機(jī)噪聲，