基于2D深度学习的3D室内无线电地图估计方法及系统

本发明公开了一种基于2D深度学习的3D室内无线电地图估计方法(radio residual network，即R2Net)，根据建筑物布局图、家具布局图和发射机位置估计3D室内无线电地图，考虑室内发射机、接收机和障碍物的高度对无线电地图的影响。由于2D深度学习算法的输入和输出都是2D图片，本发明提出用像素值表示建筑物、家具和发射机高度，用不同的输出通道生成不同高度的3D无线电地图。将3D无线电地图估计转化为2D深度学习任务，降低了计算开销和内存需求。本发明所提2D深度学习方法R2Net具有强泛化能力，且根据室内路径损耗特征，增强特征提取，提高了估计精度和效率。
同济大学
王俊元 | 饶慧婷 | 朱亚萍 | 李卒星