本文研究了机器学习在优化 5G 基础设施部署方面的应用，例如有助于实现最佳信号覆盖的天线位置和方向。这避免了进行现场测量或大量软件模拟的需要。多变量回归（MR）和神经网络（NN）模型被用于预测室内环境的信号覆盖范围。结果表明，在 60 千兆赫工作频率的情况下，使用 NN 的平均预测误差为 7 分贝，而使用 MR 技术的误差低于 6 分贝。这项研究的独特之处在于将聚类算法和 NN 机器学习模型整合在一起，用于预测室内信号覆盖范围。
相关资源
视频
利用无线 InSite 模拟动态无线移动性
该视频演示了 Wireless InSite 的移动功能，包括车内雷达覆盖和超宽带 (UWB) 可视化、儿童存在检测、基于速度和时间的移动平台以及月球射频系统模拟。
探索 资源
视频
月球上的对话：频谱研究如何影响下一个太空探索时代
来自Remcom公司的格雷格-斯基德莫尔（Greg Skidmore）参加了2024年11月6日由NTIA举办的虚拟研讨会，研讨会重点讨论了开发这一模型所面临的挑战，来自不同组织的专家在讨论中强调了月球的地形和缺乏重力等障碍。此次活动旨在加强对这一关键研究领域的了解和合作，以支持未来的月球任务。
探索 资源