(资料图)

新时代，高科技越来越发达。相信很多年轻人都看过科技新闻，所以我们在生活中也应该多多使用这些高科技的东西。今天想和大家分享一条科技知识，希翼大家喜欢。

室内无线电台点的设计和部署通常是一个费时费力的过程。现在，来自爱立信全球人工智能加速器(GAIA)的一组科学家正在提出一种利用人工智能和机器学习的力量进行无线电设计的新方法。在这里找到更多。

室内无线连接变得越来越重要。对蜂窝网络使用情况的最新研究表明，在，室内流量占领了87%的使用时间，并产生了全球70%的移动数据流量。自2014年以来，爱立信提供了一个名为爱立信无线接入点系统(RDS)的室内解决方案。RDS安装方便，覆盖范围广，适用于办公室、健身房、购物中心、大学等大型室内区域。这与我们部署室外宏蜂窝系统的方式非常相似，可以灵便地重新配置设置，以满足不同的网络覆盖需求。

在新建造中部署无线电数据系统需要现场勘测和初始点布局设计，这通常是一个耗时且昂贵的过程。需要进行实地调查，找出地板上无线点的最佳数量和布局，以实现最佳部署和性能。

实地考察包括以下步骤：首先，我们需要确定墙体类型(混凝土、玻璃、金属等)。)的所有墙段。然后，我们需要测量宏小区干扰(附近室外宏基站发送的信号)来计算它们对室内位置的干扰。一旦我们完成了所有的调查，经验丰富的无线电设计师将设计、评估和重述射频(RF)规划软件生成的信号传播热图，以确定最佳的无线电点位置，从而最大限度地提高每个楼层的覆盖效率。下图显示了从给定的原始平面图到其无线电数据系统部署的典型设计过程。在房东提供了目标建造的原始平面图后，工程师被派往该建造进行现场调查，用不同的颜色标记墙壁类型。然后，当检查其模拟参考信号接收功率(RSRP)水平的模拟热图时，射频设计者手动放置无线电点，这是从无线电点测量的一种接收功率。请注意，在热图中，较暗的像素表示较强的RSRP。整个设计过程不仅成本高，而且繁琐，一栋大型建造需要几十天才干完成。由于这些因素，目前的RDS部署方式无法扩展，室内RDS业务受限。较暗的像素表示较强的RSRP。整个设计过程不仅成本高，而且繁琐，一栋大型建造需要几十天才干完成。由于这些因素，目前的RDS部署方式无法扩展，室内RDS业务受限。较暗的像素表示较强的RSRP。整个设计过程不仅成本高，而且繁琐，一栋大型建造需要几十天才干完成。由于这些因素，目前的RDS部署方式无法扩展，室内RDS业务受限。

无线电设计的生成对抗网络。

为了解决RDS部署效率低的问题，我们提出了一种基于机器学习的解决方案，该方案使用生成对抗网络(GAN)将设计过程表述为图像到图像的转换问题。具体来说，我们提出了一个大小感知条件GAN(DA-cGAN)来根据给定的计划生成最佳点布局的热图。GAN以其生成人工图像的能力而闻名。GAN由两个深度神经网络组成：例如，生成器和鉴别器。他们两个互相竞争，互相学习。最后，生成器可以生成假图像，这些图像不能被鉴别器和期望的人眼识别。GAN的一些有趣的应用包括从卡通人物的草图图像中着色。

在各种应用中，着色被选为起点，因为它与我们的问题最相关。给定布局草图的着色不仅需要保持其框架形状，还需要学习其内部结构以生成所需的信号热图，因为布局的结构与其最佳点布局和生成的热图高度相关。比如混凝土墙比干墙信号衰减更高，所以混凝土墙周围的无线电信号强度会快速下降数倍。为了解决我们的图像翻译问题，我们使用了条件GAN(cGAN)，它可以学习从输入图像和随机噪声到相应输出图像的映射。然而，遵循cGAN中的约定，我们在架构中丢弃了随机噪声。