یک مدل تولیدی عمیق برای تولید سیگنال‌های برچسب‌دار بی‌سیم

# مدل ژنراتیو عمیق برای تولید سیگنال‌های بی‌سیم برچسب‌دار **نویسندگان:** یوژیاو لی، ککه هو، سانتیاگو مازوئلاس، یوان شن برای مشاهده نسخه PDF این مقاله [اینجا کلیک کنید]. **چکیده:** سیگنال‌های بی‌سیم برچسب‌دار مکانی، نقشی محوری در ارزیابی عملکرد و آموزش مدل‌ها در حوزه حس‌یابی بی‌سیم ایفا می‌کنند. با این حال، گردآوری داده‌های واقعی معمولاً مستلزم هزینه‌های بالای اندازه‌گیری و برچسب‌گذاری است. رویکردهای متعارف تولید سیگنال‌های بی‌سیم برچسب‌دار عموماً به مدل‌های فیزیکی محیط وابسته هستند و نیازمند تنظیم گسترده پارامترهای فرا‌پایه می‌باشند؛ این امر واقع‌گرایی کافی برای آموزش مدل‌های جامع را تضمین نمی‌کند. برای غلبه بر این محدودیت‌ها، روشی نوین مبتنی بر یادگیری عمیق (DL) با نام شبکه‌های مولد تخاصمی بین‌نمونه‌ای (IIns-GAN) پیشنهاد می‌دهیم که سیگنال‌های بی‌سیم برچسب‌دار واقع‌گرایانه تولید می‌کند. سیگنال‌های تولیدشده قابلیت تطبیق با محیط‌های گوناگون را دارند و برای وظایف مختلف آموزش مدل، از جمله تخمین فاصله و شناسایی محیط، مناسب هستند. آزمایش‌های گسترده‌ای بر روی داده‌های عمومی باند فوق‌وسیع (UWB) به منظور ارزیابی واقع‌گرایی و کارایی سیگنال‌های تولیدی انجام شده است. نتایج بیانگر آن است که سیگنال‌های تولیدشده توسط IIns-GAN ویژگی‌های فیزیکی اندازه‌گیری‌های دنیای واقعی را بازتاب می‌دهند و به طور چشمگیری به بهبود آموزش مدل‌ها در وظایف گوناگون حس‌یابی بی‌سیم کمک می‌کنند.