ƯỚC LƯỢNG BẢN ĐỒ HIỆU NĂNG VÔ TUYẾN CỤC BỘ TRONG MÔI TRƯỜNG ĐÔ THỊ CÓ VẬT CẢN TỪ MẪU ĐO THƯA
Từ khóa
DOI:
https://doi.org/10.34238/tnu-jst.15602Tóm tắt
Bài toán quy hoạch phủ sóng cục bộ quanh một trạm gốc cần bản đồ hiệu năng vô tuyến, thay vì chỉ cần nhãn nhìn thẳng hoặc không nhìn thẳng. Nghiên cứu này đặt câu hỏi sai số ở lớp ước lượng trạng thái truyền sóng làm méo bản đồ suy hao đường truyền, tỷ số tín hiệu trên tạp âm và tốc độ dữ liệu ở mức nào khi ngân sách đo bị giới hạn. Bài báo xây dựng một quy trình đánh giá ba lớp cho môi trường đô thị có vật cản: lớp hình học sinh nhãn trạng thái truyền sóng chuẩn, lớp mẫu đo thưa dùng bộ ước lượng k láng giềng gần nhất và bộ ước lượng cực đại hậu nghiệm dựa trên lân cận k, sau đó lớp mô hình kênh chuẩn hóa tạo bản đồ hiệu năng vô tuyến. Trong kịch bản thử nghiệm, bộ ước lượng cực đại hậu nghiệm tăng độ chính xác từ 88,64% lên 95,45%, giảm sai số tuyệt đối trung bình của suy hao từ 1,83 dB xuống 0,63 dB và giảm sai số tốc độ từ 6,08 Mbps xuống 2,10 Mbps. Với 100 lần mô phỏng Monte Carlo, phương pháp này tăng độ chính xác trung bình từ 85,85% lên 89,41% và giảm sai số bản đồ tốc độ từ 8,64 Mbps xuống 6,02 Mbps. Kết quả cho thấy chất lượng bộ ước lượng cần được kiểm chứng trực tiếp ở lớp bản đồ hiệu năng, vì lỗi nhãn quanh biên bóng che có thể làm sai lệch quyết định quy hoạch vùng phủ.Lượt tải
Tài liệu tham khảo
D. Romero and S.-J. Kim, “Radio Map Estimation: A Data-Driven Approach to Spectrum Cartography,” IEEE Signal Processing Magazine, vol. 39, no. 6, pp. 53-72, Nov. 2022, doi: 10.1109/MSP.2022.3200175.
B. Feng, M. Zheng, W. Liang, and L. Zhang, “A Recent Survey on Radio Map Estimation Methods for Wireless Networks,” Electronics, vol. 14, no. 8, 2025, Art. no. 1564, doi: 10.3390/electronics14081564.
T. Bai and R. W. Heath Jr., “Coverage and Rate Analysis for Millimeter-Wave Cellular Networks,” IEEE Transactions on Wireless Communications, vol. 14, no. 2, pp. 1100-1114, Feb. 2015, doi: 10.1109/TWC.2014.2364267.
3GPP, “Study on Channel Model for Frequencies from 0.5 to 100 GHz,” TR 38.901, Release 19, 2026. [Online]. Available: https://www.3gpp.org/dynareport/38901.htm. [Accessed Apr. 29, 2026].
T. Ortega, A. Pascual-Iserte, and O. Muñoz, “LOS/NLOS Estimators for Millimeter-Wave Cellular Systems With Blockages,” IEEE Wireless Communications Letters, vol. 11, no. 1, pp. 121-125, Jan. 2022, doi: 10.1109/LWC.2021.3122090.
F. Linsalata, S. Mura, M. Mizmizi, M. Magarini, P. Wang, M. N. Khormuji, A. Perotti, and U. Spagnolini, “LoS-Map Construction for Proactive Relay of Opportunity Selection in 6G V2X Systems,” IEEE Transactions on Vehicular Technology, vol. 72, no. 3, pp. 3864-3878, Mar. 2023, doi: 10.1109/TVT.2022.3217966.
A. Chaves-Villota and C. A. Viteri-Mera, “DeepREM: Deep-Learning-Based Radio Environment Map Estimation From Sparse Measurements,” IEEE Access, vol. 11, pp. 48697-48714, 2023, doi: 10.1109/ACCESS.2023.3277248.
R. Shrestha, D. Romero, and S. P. Chepuri, “Spectrum Surveying: Active Radio Map Estimation With Autonomous UAVs,” IEEE Transactions on Wireless Communications, vol. 22, no. 1, pp. 627-641, Jan. 2023, doi: 10.1109/TWC.2022.3197087.
Ç. Yapar, F. Jaensch, R. Levie, G. Kutyniok, and G. Caire, “Overview of the First Pathloss Radio Map Prediction Challenge,” IEEE Open Journal of Signal Processing, vol. 5, pp. 948-963, 2024, doi: 10.1109/OJSP.2024.3419563.
X. Chen, X. Zhong, Z. Zhang, L. Dai, and S. Zhou, “High-Efficiency Urban 3D Radio Map Estimation Based on Sparse Measurements,” IEEE Transactions on Vehicular Technology, vol. 74, no. 12, pp. 16488-16493, 2025, doi: 10.1109/TVT.2025.3573595.
City of Chicago, “Building Footprints,” Chicago Data Portal, 2025. [Online]. Available: https://data.cityofchicago.org/buildings/building-footprints-current-/hz9b-7nh8. [Accessed Apr. 29, 2026].
W. C. Jochem and A. J. Tatem, “Tools for Mapping Multi-Scale Settlement Patterns of Building Footprints: An Introduction to the R Package foot,” PLoS ONE, vol. 16, no. 2, 2021, Art. no. e0247535, doi: 10.1371/journal.pone.0247535.
