3、地下环境通信地图构建与无人地面车辆作战支持研究

地下环境通信地图构建与无人地面车辆作战支持研究

地下环境通信地图构建

在地下环境中构建通信地图时，若对所有空间对的整个空间进行足够高分辨率的采样，理论上可以完美预测信号特征。然而，这种采样的复杂度可由 $O(n^4)$ 界定，因为需要对所有二维坐标对进行采样，成本过高或不可行。因此，考虑基于高斯过程（GP）的建模方法来解决这一缺点，开发一种更通用的模型，使其在相同环境中进行特定部署前无需密集采样，就能更好地适应环境规模。

提出的通信地图模型

通信建模的方法遵循通信地图 $M$ 的定义，它是一种数据结构，附带预测环境中给定任意发射机和接收机位置的通信信道特征值的程序。将通用通信地图形式化为 $M : P →R$，其中 $p = \langle a_1, a_2 \rangle \in P$ 是两个空间坐标 $a = [a_x, a_y, a_z]^T \in R^3$ 的对，$r \in R$ 是表征通信质量的值，$a_1$ 是发射机的位置，$a_2$ 是接收机的位置。为简化起见，假设 $r$ 是一个标量 $R \subseteq R$，具体而言，$r$ 是接收信号强度指示（RSSI）的值。

映射 $M$ 由与 GP 回归器 $G|X$ 链接的描述符函数 $\delta$ 实现，即 $M = \delta ◦G|X$，其中 $X$ 是训练数据集。由于 GP 输出提供与预测方差相关的预测，基于 GP 的回归适用于主动感知场景，学习者可通过为具有高预测方差的配置添加新样本来改进其模型。

高斯过程

在每个模型中使用 GP 回归器从通过各自描述符转换的样本中推断信号强度。函数 $f(x)$ 带有高斯噪声 $\epsilon