面向城区的基于图去噪的小区级RSRP估计方法

作     者：郑毅 廖存燚 张天倩 王骥 刘守印 

作者机构：华中师范大学物理科学与技术学院 

出 版 物：《计算机应用》 (Journal of Computer Applications)

年 卷 期：2023年

学科分类：08[工学] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 

基　　金：国家自然科学基金资助项目（62101205） 湖北省自然科学基金资助项目（2021CFB248） 湖北省重点研发计划项目（2021BAA170） 

主　　题：条件生成对抗网络 机器学习 参考信号接收功率 无线传播模型 图去噪 

摘      要：移动通信系统网络的规划、部署和优化都不同程度依赖于参考信号接收功率（Reference Signal Receiving Power,RSRP）估计的准确性。传统上，基站覆盖小区内某信号接收点的RSRP可由对应的无线传播模型估计。在城市环境中，不同小区的无线传播模型需要使用大量RSRP实测数据校正。由于不同小区环境存在差异，经过校正后的模型只适用于对应小区，且小区内的RSRP估计精度低。针对上述问题，将RSRP估计问题转化为图像去噪问题，并通过图像处理与深度学习技术得到小区级无线传播模型，不仅能实现小区整体的RSRP估计，且能适用于相似环境小区。首先，通过随机森林回归器逐点预测每个接收点的RSRP，得到整个小区的RSRP估计图；然后，将RSRP估计图和实测RSRP分布图之间的损失视为RSRP噪声图，提出了基于条件生成对抗网络的图去噪RSRP估计方法，通过电子环境地图反映小区的环境信息，有效地降低不同小区的RSRP噪声图。实验结果表明，在无实测数据的跨小区RSRP预测场景下，所提方法预测RSRP的根均方误差为6.77 dBm，相较于基于卷积神经网络的RSRP估计方法 EFsNet下降2.55 dBm；在同小区RSRP预测场景下，相较于EfsNet，模型参数量减小80.3%。