怎样利用AI加速室内无线电点设想

室内无线电点的设计和摆设通常是耗时且费劲的历程。如今，来自爱立信环球人工才智加快器（GAIA）的一组科学家正在提出一种使用人工智能和呆板进修的气力举行无线电设计的新要领。在这里发觉更多。

人工智能和呆板进修 主动化 无线电

室内无线毗连变得越来越紧张。有关蜂窝网络利用情形的最新研究评释，在美国，室内流量占用了87％的利用时间，并孕育发生了环球移动数据流量的70％。自2014年以来，爱立信提供了一种室内办理方案，称为爱立信无线电点体系（RDS）。RDS易于安置且笼罩范畴广，实用于大型室内地区，比方办公室，体育馆，购物中间和大学。这与我们摆设室外宏小区体系的方法非常相似，而且可以机动地重新设置装备摆设设置以餍足差别的网络笼罩要求。

在新修建物内摆设RDS必要现场勘察和初始点结构设计，这通常是相称耗时且昂贵的历程。必要举行现场观察，以确定地板的最佳无线点数目和结构，以实现最佳摆设和性能。

现场观察包罗以下几个步调：起首，我们必要确定全部墙段的墙范例（混凝土，玻璃，金属等）。然后，我们必要丈量宏小区滋扰（周边室外宏基站发送的信号），以盘算它们对室内位置的滋扰。完成全部观察后，履历富厚的无线电设计师将通过设计，评估和重申由射频（RF）计划器软件天生的信号流传热图来确定最佳的无线电点位置，以使每个楼层的笼罩服从最大化。下图表现了从给定的原始平面图到其RDS摆设的典范设计历程。修建物房东提供目的修建物的原始平面图后，工程师被送到修建物举行现场观察，以用差别的颜色标志墙壁范例。然后，RF设计职员在查抄其模仿的参考信号吸收功率（RSRP）级另外模仿热图时，手动安排无线电点，这是从无线电点丈量的一种吸收功率。请细致，在热图中，较暗的像素表现更强的RSRP。整个设计历程不但本钱奋发，并且冗长乏味，一栋大型修建要花数十天才气完成。因为这些身分，当前的RDS摆设要领无法扩展，而且限定了室内RDS营业。像素越暗表现RSRP越强。整个设计历程不但本钱奋发，并且冗长乏味，一栋大型修建要花数十天才气完成。因为这些身分，当前的RDS摆设要领无法扩展，而且限定了室内RDS营业。像素越暗表现RSRP越强。整个设计历程不但本钱奋发，并且冗长乏味，一栋大型修建要花数十天才气完成。因为这些身分，当前的RDS摆设要领无法扩展，而且限定了室内RDS营业。

DA-cGAN：无线电设计的天生反抗网络

为相识决当前RDS摆设历程中的低服从题目，我们提出了一种基于呆板进修的办理方案，该办理方案利用天生反抗网络（GAN）将设计历程表述为图像到图像的转换题目。详细来说，我们提出了一种尺寸感知条件GAN（DA-cGAN），以依据给定的平面图天生最佳点结构的热图。GAN以天生人工图像的本领而有名。GAN由两个深层神经网络构成：比方，天生器和辨别器。它们中的两个相互竞争并相互进修，终极天生器可以天生伪造的图像，该伪造的图像不克不及由辨别器乃至盼望由人眼区别于真实的图像。利用GAN的一些有味的应用包罗从其素描图像中着色卡通人物，

在种种应用中，选择着色作为出发点，由于它与我们的题目最相干。给定结构图草图的着色不但必要保存其边框形状，并且还必要进修其内部布局以天生所需的信号热图，由于结构图的布局与其最佳点结构及其天生的热图高度相干。比方，混凝土墙比干墙具有更高的信号衰减，是以，围绕混凝土墙的无线电信号强度会敏捷降落数十倍。为相识决我们的图像翻译题目，我们采纳了条件GAN（cGAN），它可以进修从输入图像和随机噪声到对应输出图像的映射。但是，我们遵照cGAN中的商定在架构中抛弃了随机噪声，

下图是我们发起的GAN，由天生器和辨别器构成。为了保存大多数平面图布局，我们采纳U-Net架构作为天生器。U-Net是一种特别的编码器-解码器网络，是以它将编码器中的每一层毗连到解码器中的对称层。提出的天生器中的一个奇特修改是，它将物理尺寸矢量视为附加输入。在曩昔的GAN相干事情中通常不思量物理尺寸，这些事情将输入数据假定为没有物理尺寸的像素。我们发觉假设不敷以对无线电信号流传举行建模，由于在传统的基于物理的模仿器中，热图是基于其路径消耗得出的，而路径消耗重要受两个身分影响：1.无线电点与当前位置之间的间隔，2.情况参数，称为路径消耗指数。路径消耗随着距无线电点的物理间隔的增添而呈对数增添，而路径消耗指数是基于差别场景测得的牢固值。该产生器的另一个紧张特性是宏小区滋扰。我们发起未来自室外宏小区的测得的RSRP热图归并到我们的模子中，以便指导它天生更多的无线电点来笼罩受到高度滋扰的地区。

AI Designer的无线电点结构

下图表现了测试集的三个定性效果。第一行表现的是尺度尺寸的8,440平方英尺。平面图，而最终两行是大型的：63,056和85,998平方英尺。分别。对付每一行，第一列是输入的楼层平面图，第二列是人类设计师提供的地面实情热图，绿色点表现，最终一列是来自DA-cGAN的猜测热图，赤色点表现。我们观看到，假如给定的平面图具有更多的开放空间和简洁的墙壁范例，则DA-cGAN每每会像人类设计师一样孕育发生点结构和热图，而带有看不见或不平常标签的庞大，含糊或喧华的平面图会导致其猜测的热图发散从地面真理。对付很大的平面图，因为GPU VRAM的物理限定，我们将云云宽的平面图分别为多个具有公道巨细的部门，并归并猜测。在这种情形下，DA-cGAN偏向于猜测比人工设计更多的点，这大概是由于宽的平面图纷歧定包罗大量的点。但是，我们以为人类设计师与我们的模子之间的结构差别并纷歧定意味着该模子的猜测性能不如地面真实性，由于我们的模子具有探究人类设计师未发觉的搜刮空间的潜力。

终极，该要领有望将无线电专家的昂贵设计时间从数天收缩至数分钟，这是举行更多初始预算挪用的最大停滞，从而使室内营业可以扩展到更多修建物。