메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터

주제분류

사회과학
경영학 경제학 관광학 교육학 군사학 무역학 문헌정보학 법학 사회과학일반 사회복지학 사회학 신문방송학 심리과학 정치외교학 지리/지역개발학 지역학 행정학
공학
건축공학 공학일반 기계공학 산업공학 자원/재료공학 전자/제어계측공학 전자/정보통신공학 조선/해양공학 컴퓨터학 토목/환경공학 항공우주공학 화학/생물공학
자연과학
물리학 생물학 생활과학 수학/통계학 자연과학일반 전문/지구과학
의약학
간호학 수의학 약학 의학 의학일반 치의학 한의학
인문학
독일어문학 러시아어문학 문학 언어학 역사학 영어문학 인문학일반 일본어문학 종교학/신학 중국어문학 철학 프랑스어문학 한국어문학
예술체육학
건축 디자인 무용 미술 미용 사진 연극 영화 예술체육학일반 음악 의상 체육
농수해양학
농수해양학일반 농학 수산학 식품과학 임학 축산학 해상운송학
복합학
과학기술학/기술정책 뇌/인지과학 여성학 학제간연구

정기구독(개인)

소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.

회원혜택

로그인 회원이 가져갈 수 있는 혜택들을 확인하고 이용하세요.

아카루트

학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.

영문교정

영문 논문 작성에 도움을 드리기 위해, 영문 교정 서비스를
지원하고 있어요.
고객센터 제휴문의

...

저널정보

저자정보

표지
이용수
내서재
0
내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

초록·키워드

오류제보하기
Deep learning has become one of the most powerful prediction approaches, and it can be used to solve classification and regression problems. We present a novel deep learning-based indoor Wi-Fi path loss modeling approach. Specifically, we propose a local area multi-line scanning algorithm that generates input images based on measurement locations and a floor plan. As the input images contain information regarding the propagation environment between the fixed access points (APs) and measurement locations, a convolutional neural network (CNN) model can be trained to learn the features of the indoor environment and approximate the underlying functions of the Wi-Fi signal propagation. The proposed deep learning-based indoor path loss model can achieve superior performance over 3D ray-tracing methods. The average root mean square error (RMSE) between the predicted and measured received signal strength values in the two scenarios is 4.63 dB.
#Deep learning #Indoor path loss modeling #Convolutional neural networks

목차

Abstract
I. INTRODUCTION
II. RELATED WORK
III. DEEP LEARNING-BASED PATH LOSS MODELING SYSTEM
IV. EXPERIMENTAL RESULTS
V. CONCLUSION
REFERENCES

참고문헌 (38)

참고문헌 신청
A. Bhuvaneshwari, R. Hemalatha, and T. Satyasavithri, “Path loss prediction analysis by ray tracing approach for NLOS indoor propagation,” in Proceedings of 2015 International Conference on Signal Processing and Communication Engineering Systems, Guntur, India, 2015, pp. 486-491. google schola H. K. Rath, S. Timmadasari, B. Panigrahi, and A. Simha, “Realistic indoor path loss modeling for regular WiFi operations in India,” in Proceedings of 2017 23rd National Conference on Communications (NCC), Chennai, India, 2017, pp. 1-6. google schola I. Vilovic and N. Burum, “Neural network prediction of signal strength for irregular indoor environments,” Automatika, vol. 56, no. 1, pp. 55-68, 2015. https://doi.org/10.7305/automatika. 2015.04.463 google schola B. O. H. Akinwole and J. J. Biebuma, “Comparative analysis of empirical path loss model for cellular transmission in rivers state,” American Journal of Engineering Research, vol. 2, no. 8, pp. 24-31, 2013. google schola S. I. Popoola, E. Adetiba, A. A. Atayero, N. Faruk, and C. T. Calafate, “Optimal model for path loss predictions using feed-forward neural networks,” Cogent Engineering, vol. 5, no. 1, article no. 1444345, 2018. https://doi.org/10.1080/23311916.2018.1444345 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-569-001873841