RADIOLUNADIFF：月球地形中无线网络信号强度的估计.pdfVIP

RADIOLUNADIFF：月球地形中无线网络信号强度的估计

PaoloTorrado,AndersPearson,JasonKlein,AlexanderMoscibrodaandJoshuaSmith

UniversityofWashington,CornellUniversity,TheBearCreekSchool

{patorrad,amp206}@,jak532@,alexmosci@,jrs@

ABSTRACT

在本文中，我们提出了一种新的物理信息深度学习架

构，用于预测月球地形上的无线电地图。我们的方法

本集成了基于物理的月球地形生成器，该生成器根据公

译开可用的NASA数据产生现实的地形，并结合光线追

中踪引擎来创建高保真的无线电传播场景数据集。在此

1数据集的基础上，我们引入了一种由两个标准UNet

v和一个扩散网络组成的三元组UNet架构，以建模复

9Fig.1:(a)预测的月球表面概率图，(b)对应的模

5杂的传播效应。实验结果表明，在我们的地形数据集

5上，我们的方法在各种指标上均优于现有的深度学习型预测的5.8GHz无线电图。

4

1方法。项目网站位于：https://radiolunadiff.github.io/。RTK系统——其中基站提供厘米级精度的校正数据

.

9——月球漫游车可以使用RMs与着陆器或用作参考

0IndexTerms—无线电地图，扩散模型，赫尔姆霍

5兹，月球通信节点的信标保持稳健的数据链路。此外，RMs还可以

2支持关键服务（如空间天气监测和及时发布太阳爆发

:

v警报）的网络可靠性。这些信息对于保护设备和宇航

i1.介绍

x员都至关重要。

r

a美国国家航空航天局提出的月球探索通信框架广泛之前关于无线信号传播的研究集中在使用深

LunaNet[1]将需要预测无线网络属性以实现可靠和稳度神经网络预测城市环境中无线电图（RMs）。利用基

健的通信。在月球环境中，LunaNet被设计为一个由于仿真的数据集，这些研究展示了神经架构可以准确

多个互操作元素组成的协作网络基础设施，其中节点估计复杂场景中的信号强度。最近，研究人员采用了

与邻近节点进行通信并在适当的链路或网络层上传输基于亥姆霍兹方程的物理信息神经网络（PINNs），以

数据。特别重要的是无线电地图（RMs），它们描述了更好地模拟密集环境中的复杂电磁波传播，如衍射和

给定频率、环境和发射机位置下的无线信道衰减的空干涉。

间分布。在这项工作中，我们提出了一种新的三元组

例如，RMs可以帮助任务规划者创建衰减感知轨UNetPINN架构，通过建模地形表面的波传播来

迹或在信号丢失或降级情况下确定重新连接的最短路集成Helmholtz方程。使用自定义的月球地形生成器，

径。中继漫游车还可以利用RMs在传输大量数据负载我们构建了一个仿真数据集，并训练一个UNet来预

时保持足够的信号质量，减少能耗和通信延迟。测平方波数的空间变化，从而识别由地形几何形状