广州站是不是广州火车站,网站的建设需要考虑什么问题,html5动画效果代码,网站建设背景图片大小的修改任务#xff1a;用 NeRF 对无线信号的传播进行建模#xff0c;建模完成后可以用NeRF网络生成新位置下的信号。生成的信号用于指纹定位、信道估计等下游任务。
核心思路
在视觉 NeRF 的基础上#xff0c;根据无线信号的特点修改了隐式场模型、渲染函数#xff0c;网络的输…任务用 NeRF 对无线信号的传播进行建模建模完成后可以用NeRF网络生成新位置下的信号。生成的信号用于指纹定位、信道估计等下游任务。
核心思路
在视觉 NeRF 的基础上根据无线信号的特点修改了隐式场模型、渲染函数网络的输入为 Rx 的位置坐标网络的输出为此点的信号RSSI信号强度表示 或 空间谱本文所用的位置编码、网络结构与 NeRF 完全一致仅修改场模型、渲染函数。
背景
复杂环境中精确模拟RF射频信号的传播仍然是一个难题RF信号与环境中的准镜面障碍物如墙壁、地面、天花板等之间的复杂相互作用例如反射、衍射等使得模拟和追踪射线变得复杂。 NeRF2提出了一种神经网络架构用于表示连续的体积场景函数以理解RF信号的传播。通过少量信号测量训练后NeRF2能够预测在已知发射位置的情况下任何位置接收到的信号特性。
核心设计
神经辐射网络使用两个多层感知器MLP来表示场景和辐射场预测RF信号的分布。射线追踪算法根据RF分布追踪从所有可能方向传输的信号以了解接收机接收到的信号 1 神经辐射网络
辐射场模型
每个体素有三个特性
位置 P x ( X , Y , Z ) P_x(X,Y,Z) Px(X,Y,Z)衰减 δ ( P x ) \delta(P_x) δ(Px)重传的RF信号 S ( P x ) S(P_x) S(Px) 图中是 r3 ω ( α , β ) \omega (\alpha, \beta) ω(α,β) 代表相对于RX位置的方位角和俯仰角。
网络根据TX的位置体素的位置方向角预测重传的信号和衰减。 2 电磁射线追踪
每个体素反应光线追踪的结果每个像素反映了从特定方向传播的光照强度 → RX接受的信号信号可能是从所有可能方向传输的信号的组合是电磁射线追踪的结果
Friis传输方程用于计算无线信号在空中传播时的强度。 射线追踪目的累积所有体素发出的射频信号。在同一个角度累计所有体素的信号可以训练出信号衰减。 同一方向上所有体素的总衰减为所有体素衰减的乘积 将上述等式进行对数变换得到 在同一方向上不同体素反射的信号传播到RX的接受信号方程 训练
对于 K × K K\times K K×K 天线阵列对于每个元素可以计算出特定方向 ω ( α , β ) \omega (\alpha, \beta) ω(α,β) 的接收信号。
归一化相对功率 Ψ ( α , β ) \Psi(\alpha, \beta) Ψ(α,β) 代表来自该方向上的信号功率强度多个方向组合成二维热图空间谱 Ψ \Psi Ψ 。 损失函数
