,

مقاله PointNeRT: مدل‌ساز عصبی ردیابی پرتو آگاه از فیزیک برای مدل‌سازی کانال انتشار

تومان249,950

رهگیری پرتو (RT) به عنوان ابزاری کلیدی در مدل‌سازی کانال انتشار و برنامه‌ریزی شبکه ظهور کرده است. رهگیری پرتو متداول بر اساس نظریه امواج الکترومغناطیسی (EM) است و کاربرد آن به نمایش‌های محیطی مبتنی بر…

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperPaper-0000000363 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

PointNeRT: مدل‌ساز عصبی ردیابی پرتو آگاه از فیزیک برای مدل‌سازی کانال انتشار

PointNeRT: A Physics Aware Neural Ray Tracing Surrogate for Propagation Channel Modeling

نویسندگان: Zhuoyin Li, Ruisi He, Mi Yang, Ziyi Qi, Zhengyu Zhang, Jiahui Han, Haoxiang Zhang, Bingcheng Liu

شناسه منبع: arxiv / 2605.11828v1

دسته: eess.SP

چکیده (فارسی)

رهگیری پرتو (RT) به عنوان ابزاری کلیدی در مدل‌سازی کانال انتشار و برنامه‌ریزی شبکه ظهور کرده است. رهگیری پرتو متداول بر اساس نظریه امواج الکترومغناطیسی (EM) است و کاربرد آن به نمایش‌های محیطی مبتنی بر مش دقیق و خواص مواد متکی است. در محیط‌های واقعی، محدودیت‌های هندسی محیط و عدم قطعیت مواد، مقیاس‌پذیری آن را به سناریوهای پیچیده محدود می‌کند. در این مقاله، ما یک مدل جایگزین رهگیری پرتو عصبی جدید آگاه از فیزیک به نام PointNeRT را برای رفع این محدودیت‌ها معرفی می‌کنیم. مدل پیشنهادی مستقیماً ابر نقاط را به عنوان ورودی محیطی دریافت می‌کند و بدون ساخت صریح مدل‌های مش یا تعریف دستی قوانین برهم‌کنش الکترومغناطیسی، انتشار چندمسیری را به طور مؤثر بازسازی می‌کند. PointNeRT یک استراتژی مدل‌سازی گام به گام را با هدایت محدودیت‌های برهم‌کنش فیزیکی اتخاذ می‌کند. این مدل از پیش‌بینی متوالی انتشار چندمسیری و تضعیف توان پشتیبانی می‌کند. نتایج عددی و آزمایش‌ها نشان می‌دهند که روش پیشنهادی به طور ضمنی ویژگی‌های نرمال سطح و اثرات مواد الکترومغناطیسی را ثبت می‌کند. همچنین، تعمیم‌پذیری قوی در سناریوهای حرکتی را به دست می‌آورد و مدل‌سازی عصبی انتشار چندمسیری را با راهنمایی فیزیک ارائه می‌دهد.

Abstract (English)

Ray tracing (RT) has emerged as a key tool for propagation channel modeling and network planning. Conventional RT is based on electromagnetic (EM) wave theory and its application relies on detailed mesh-based environment representations and material properties. In realistic environments, limited environmental geometry and material uncertainties hinder its scalability to complex scenarios. In this paper, we propose a novel physics aware neural RT surrogate named PointNeRT to address these limitations. The proposed model directly takes point clouds as environmental input, and efficiently reconstruct multipath without explicitly constructing mesh models or manually defining EM interaction rules. PointNeRT adopts a hop-by-hop modeling strategy guided by physical interaction constraints. It supports sequential prediction of multipath propagation and power attenuation. Numerical results and experiments demonstrate that the proposed method implicitly captures surface normal characteristics and EM material effects. It further achieves robust generalization in mobility scenarios and provides a physics-guided neural modeling of multipath propagation.

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “مقاله PointNeRT: مدل‌ساز عصبی ردیابی پرتو آگاه از فیزیک برای مدل‌سازی کانال انتشار”

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

پیمایش به بالا