基于变换核高斯回归模型的无线环境地图构建方法

作者：徐逸群; 张邦宁; 张晓凯; 郭道省^*

来源：无线电工程, 2022, 52(11): 1908-1921.

• 无线环境地图
• 频谱监测
• 高斯过程
• 核学习

针对无线环境地图(Radio Environment Map, REM)构建中复杂的地形和地物环境对电波传播影响的问题,提出一种基于变换核高斯回归模型的REM构建算法,并在此构建算法的基础上,提出了2种无线电频谱监测空间选点算法。将高斯过程引入到REM构建中,讨论了环境异质性的影响,设计了3种非线性核变换函数表征电波传播环境的异质性,从群智感知设备采集的数据中学习环境信息,并将这些信息隐含于核变换函数的非线性变换参数中以提升REM构建的准确性。在此基础上,通过优化频谱监测空间选点方案,提升REM中数据的有效性,以较少的数据达到更好的REM构建性能。将基于变换核高斯模型的构建算法与几种经典的REM构建算法进行了对比分析,仿真实现了2种空间选点方案并与传统的均匀随机选点的性能进行了对比。结果表明,当群智传感器的数量足够多、算法可以捕捉到局部环境的异质性时,所提出的变换核学习(Transformed Kernel Learning, TKL)算法优于其他经典的REM构建方法。在有限个可数点集范围内进行选点,互信息最大化(Greedy-based Mutual Information Maximum, GMIM)空间选点算法与均匀随机选点相比,REM构建的RMSE可以降低1.23 dB,连续分级概率评分(Continuous Ranked Probability Score, CRPS)降低0.64;对整个空间任意位置进行选点时,变分推断(Variational Inference, VI)空间选点算法与均匀随机选点相比, REM构建的RMSE可以降低1.56 dB, CRPS降低0.73。

• 单位
  中国人民解放军陆军工程大学