.png){kind=icon}
返回
Constructing Frequency Modulation-Broadcasting Map Based on Semi-Supervised Clustering
.png){kind=icon}
PRE
AI
DOI：10.1109/TBC.2025.3583873.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
当前及未来陆地、海洋、空中和空间无线网络的持续演进，对广播覆盖能力提出了日益增长的需求。现有模型难以完全适应中国的无线电传播场景，在捕捉无线信道传播的复杂特性方面，通常不如机器学习模型有效。为支持调频（FM）广播的产业升级并提升其质量，本研究提出了一种基于半监督聚类方法构建高质量调频广播地图（FM-BM）的方法。其核心构建思路是：基于不规则地形模型（ITU-R P.1546）和（ITU-R P.2001）的典型模型预测路径损耗，并结合北京地区的测量路径损耗，通过聚类确定最优模型的空间分布模式，即模型适配图，并据此精确绘制FM-BM。本研究在构建FM-BM时充分考虑了信道传播特性和地形特征的影响，以实现分类细化和预测精度的双重提升。特别是在广播信号传播路径损耗预测方面，与三种经典模型相比，所提出的方法展现出显著优势，预测精度提高了48.96%。本研究不仅为FM-BM的构建提供了一种新颖且高效的解决方案，也为调频广播技术的升级和覆盖效率的提升奠定了技术支持和参考依据。
Keyword:
Semi-supervised clustering
FM-BM
coverage efficiency
propagation model
期刊
IF:
4.8
论文数:
2.1K
被引数:
3.0K
机构
引用论文
分享收藏RadioUNet: Fast Radio Map Estimation With Convolutional Neural NetworksRadioUNet: 使用卷积神经网络进行快速无线电地图估计
OAAI
OAAI分享收藏Weighted ABG: A General Framework for Optimal Combination of ABG Path-Loss Propagation Models.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容