#频谱#
R. Levie, Ç. Yapar, G. Kutyniok and G. Caire, "RadioUNet: Fast Radio Map Estimation With Convolutional Neural Networks," in IEEE Transactions on Wireless Communications, vol. 20, no. 6, pp. 4001-4015, June 2021, doi: 10.1109/TWC.2021.3054977.（TU Berlin 德国柏林工业大学）
研究内容
常用的统计模型将路径损耗近似为发射机和接收机之间距离的衰减函数。然而，在以建筑物、街道峡谷和不同高度的物体为特征的真实传播环境中，这种径向对称函数会产生非常误导的结果。
在本文中，我们证明了正确设计和训练的深度神经网络能够学习如何在给定城市环境的情况下，以非常准确和计算高效的方式估计路径损耗函数。
未完（去机场了……）
![[<span style='color:red;'>卷</span><span style='color:red;'>积</span><span style='color:red;'>神经</span><span style='color:red;'>网络</span>]FCOS--仅<span style='color:red;'>使用</span><span style='color:red;'>卷</span><span style='color:red;'>积</span><span style='color:red;'>的</span>Anchor Free目标检测](https://csdnimg.cn/release/blog_editor_html/release2.3.6/ckeditor/plugins/CsdnLink/icons/icon-default.png?t=N7T8){kind=icon}
![[每周一更]-(第34期)：Go泛型的理解和使用](https://img-blog.csdnimg.cn/direct/f4ed504ab82b426c9f4d16fe907dfe8f.jpeg#pic_center)
