基于深度学习的无线传播模型的严格室内无线通信系统仿真

《IEEE Journal on Multiscale and Multiphysics Computational Techniques》：Rigorous Indoor Wireless Communication System Simulations With Deep Learning-Based Radio Propagation Models

数据驱动室内无线通信系统传播模型（EM DeepRay）通过整合建筑几何结构、频段及天线辐射模式数据，在计算效率上显著优于传统射线追踪方法，为高保真AI仿真工具取代现有系统提供支持。

　　

摘要：

近年来，数据驱动的传播模型发展迅速。这些模型旨在从传播求解器或测量数据中提取知识，并最终能够预测与无线电波传播相关的特性。在本文中，我们介绍了一种通用且稳健的数据驱动传播模型的功能，该模型能够高效可靠地模拟室内无线通信系统（IWCSs）。具体来说，我们对之前提出的模型EM DeepRay进行了修改，以考虑天线方向性的影响，并提出了一种训练和推理策略，用于模拟大规模和复杂的IWCSs。我们的数据驱动模型是在包含多种建筑几何形状、频段和天线辐射模式的丰富数据集上训练的。将其性能与使用真实世界测量数据的射线追踪器进行基准测试后，结果显示出相似的结果，但在计算时间方面具有明显优势。最终，我们的工作为用高保真的人工智能模型替代传统的IWCSs模拟器铺平了道路。

引言

无线电传播模拟器是电信运营商和射频（RF）工程师在设计新的或扩展现有无线通信系统时不可或缺的工具。从简单的经验模型到依赖电磁定律的复杂求解器，已经使用了大量技术来评估无线信道特性并指导无线生态系统的持续发展[1]、[2]。然而，随着该生态系统的不断扩大，其结构变得越来越复杂，所需满足的要求也更加严格。因此，用于模拟无线生态系统组件和生成数字孪生的工具的功能和能力必须相应地进行调整[3]。