,

مقاله Map2APS: یک معیار مبتنی بر فیزیک برای پیش‌بینی مستقیم طیف توان زاویه از هندسه شهری.

تومان249,950

طیف توان زاویه‌ای (APS) توزیع جهت‌دار توان سیگنال دریافتی را مشخص می‌کند و مستقیماً با مدیریت پرتو و پردازش MIMO مرتبط است. در حالی که یادگیری مبتنی بر آگاهی از محیط به طور گسترده برای نقشه‌های رادیوی…

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperPaper-0000000212 دسته: ,

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

Map2APS: یک معیار مبتنی بر فیزیک برای پیش‌بینی مستقیم طیف توان زاویه از هندسه شهری.

Map2APS: A Physically Grounded Benchmark for Direct Angle Power Spectrum Prediction from Urban Geometry

نویسندگان: Junxi Huang, Xiucheng Wang, Nan Cheng, Kailong Wang, Ruijin Sun, Zhisheng Yin

شناسه منبع: arxiv / 2605.14989v1

دسته: eess.SP

چکیده (فارسی)

طیف توان زاویه‌ای (APS) توزیع جهت‌دار توان سیگنال دریافتی را مشخص می‌کند و مستقیماً با مدیریت پرتو و پردازش MIMO مرتبط است. در حالی که یادگیری مبتنی بر آگاهی از محیط به طور گسترده برای نقشه‌های رادیویی و افت مسیر مورد مطالعه قرار گرفته است، پیش‌بینی مستقیم نقشه به APS هنوز فاقد یک معیار استاندارد در مقیاس بزرگ است. این مقاله Map2APS را معرفی می‌کند، یک معیار مبتنی بر اصول فیزیکی که از رکوردهای انتشار در سطح مسیر حاصل از ردیابی پرتو هوشمند (IRT) ساخته شده است. Map2APS شامل ۵۱ نقشه شهری با ارتفاع برابر و تقریباً ۲.۵۵ میلیون نمونه فرستنده-گیرنده است، با یک تقسیم‌بندی دقیق بین نقشه‌ها برای ارزیابی تعمیم‌پذیری به طرح‌بندی‌های شهری دیده نشده. ما خانواده‌های مدل نماینده را به عنوان معیار معرفی می‌کنیم و MS-AReg را به عنوان یک خط پایه مرجع قوی ارائه می‌دهیم. در مجموعه آزمون کامل نگه‌داشته شده با ۲۴۹,۹۹۳ نمونه، MS-AReg به شباهت کسینوسی ۰.۹۴۸، خطای مکان اوج ۱.۲۰ درجه و تأخیر استنتاج ۰.۱۰۱ میلی‌ثانیه بر نمونه دست می‌یابد. ما همچنین معیارهای جهت غالب را گزارش می‌کنیم، از جمله نرخ موفقیت اوج غالب Top-1 و بازیابی اوج غالب، برای ارزیابی اینکه آیا طیف‌های پیش‌بینی شده، جهت‌های ورود مرتبط با تصمیم را حفظ می‌کنند. این معیار، کد و اسکریپت‌های ارزیابی در https://github.com/UNIC-Lab/aps-data منتشر شده‌اند.

Abstract (English)

Angle power spectrum (APS) characterizes the directional distribution of received signal power and is directly relevant to beam management and MIMO processing. While environment-aware learning has been widely studied for radio maps and path loss, direct map-to-APS prediction still lacks a standardized large-scale benchmark. This paper presents Map2APS, a physically grounded benchmark constructed from intelligent ray-tracing (IRT) path-level propagation records. Map2APS covers 51 equal-height urban maps and approximately 2.55 million Tx–Rx samples, with a strict cross-map split for evaluating generalization to unseen urban layouts. We benchmark representative model families and introduce MS-AReg as a strong reference baseline. On the full held-out test set of 249{,}993 samples, MS-AReg achieves a cosine similarity of 0.948, a peak location error of 1.20$^circ$, and an inference latency of 0.101 ms/sample. We further report dominant-direction metrics, including Top-1 dominant peak hit rate and dominant peak recall, to evaluate whether predicted spectra preserve decision-relevant arrival directions. The benchmark, code, and evaluation scripts are released at https://github.com/UNIC-Lab/aps-data.

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “مقاله Map2APS: یک معیار مبتنی بر فیزیک برای پیش‌بینی مستقیم طیف توان زاویه از هندسه شهری.”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا