基于深度学习的城市环境UAV动态覆盖预测OA

无人机(UAV)在应急通信、灾害救援和热点补盲中具有重要应用价值,其覆盖预测的关键在于准确评估不同部署位置对固定地面接收点的通信效果。针对这个新场景,提出了一种基于深度学习的UAV覆盖快速预测方法。为了解决射线追踪计算复杂、经验模型精度有限的问题,结合真实城市建筑数据与射线追踪仿真构建了高精度覆盖数据库,设计了深度卷积网络BUD-U-Net。该网络以建筑物轮廓与地面接收点高斯编码的双通道输入,端到端输出以UAV空域为变量的接收信号强度分布。实验结果表明,该覆盖预测方法在覆盖率指标上表现良好,相较切片式方法与标量回归方法提升4~11个百分点,像素级绝对误差最低且其跨场景MSE约为0.014,明显优于其他方法,同时在准确性、实时性、部署成本之间取得了更均衡的工程收益,为UAV动态部署与智能网络规划提供了可行的新型建模范式。