Apprentissage machine pour la propagation troposphérique - Equipe Observations Signal & Environnement Access content directly
Conference Papers Year : 2023

Apprentissage machine pour la propagation troposphérique

Abstract

Dans ce résumé, nous proposons une méthode pour simuler la propagation longue distance basée sur un réseau U-Net. Nous nous focalisons ici sur la prise en compte du relief, et l'obtention du champ sur une verticale à la hauteur de l'émetteur, mais le cadre se veut général. Le réseau est entrainé sur des données artificielles, construite par la méthode split-step wavelet. Les reliefs synthétiques associés sont générés de façon aléatoire à l'aide d'un hypercube latin. Pour l'entrainement, une fonction perte basée sur une combinaison linéaire de la norme L2 et L1 est utilisée de façon à obtenir un estimateur robuste. Enfin des tests sont effectués sur des données IGN pour montrer la précision de la méthode. De plus, une stratégie de réglage fin sur les derniers blocs du réseau permet de l'adapter à d'autres types de reliefs.
Fichier principal
Vignette du fichier
conference_041818.pdf (275.65 Ko) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

hal-04291080 , version 1 (17-11-2023)

Identifiers

  • HAL Id : hal-04291080 , version 1

Cite

Thomas Bonnafont, Benjamin Chauvel, Abdelmalek Toumi. Apprentissage machine pour la propagation troposphérique. Journées d’études Propagation Radioélectrique 2023, Nov 2023, Rennes, France. ⟨hal-04291080⟩
19 View
11 Download

Share

Gmail Facebook X LinkedIn More