Прогнозирование затухания в тени на 18 ГГц с помощью физически направленного обучения в вегетационных коридорах

Почему Wi‑Fi в садах имеет значение

Современные фермы наполняются датчиками, дронами и автономными машинами, которым всем необходимы надёжные высокоскоростные беспроводные соединения. Но деревья удивительно хорошо блокируют радиоволны, особенно на высоких частотах, которые планируют использовать сети будущего 6G для быстрой передачи данных. В этой работе исследуется, как радиосигналы на частоте 18 ГГц распространяются вдоль «коридоров», образованных рядами плодовых деревьев, и показано, как сочетание физических моделей и машинного обучения даёт фермерам и инженерам более точные инструменты для планирования беспроводных сетей в садах.

Проведение сигнала через туннель из деревьев

Исследователи провели крупную измерительную кампанию в саду ацеролы в Чили. Деревья были посажены ровными рядами, образуя длинные прямые коридоры, похожие на зелёные туннели. Вдоль трёх различных коридоров — двух широких и одного узкого — они установили фиксированный приёмник примерно на средней высоте кроны и медленно удаляли передатчик от него на протяжении 160 метров, идя со стабильной скоростью. Эксперимент повторяли для трёх высот передатчика (ниже, на уровне и выше высоты приёмника), в результате получилось девять различных геометрий и более 17 000 измерений сигнала. Всё оборудование было тщательно откалибровано, чтобы любые изменения принимаемой мощности отражали только влияние самого сада на радиоволны.

Когда простые правила расстояния недостаточны

В радиотехнике распространён отправной пункт — простая модель «потерь по трассе»: чем дальше антенны, тем слабее сигнал, причём скорость ослабления суммируется одним числом — показателем затухания по трассе. По этой стандартной модели команда получила средний показатель примерно 2,5 для всего сада, то есть сигнал затухал быстрее, чем в свободном пространстве. На первый взгляд модель выглядела приемлемо — она передавала общую убывающую тенденцию с расстоянием — но реальные данные показали значительный разброс в несколько децибел вокруг этой трендовой линии. Когда исследователи подгоняли ту же модель отдельно для каждой из девяти геометрий, и показатель, и величина изменчивости сильно различались от коридора к коридору и по высотам. Это показало, что дополнительное затухание, вызванное деревьями, не является просто случайным шумом; оно системно зависит от ширины коридора и высот антенн.

Обучение модели тому, как действуют деревья

Чтобы учесть эту скрытую структуру, авторы построили «гибридную» модель в два этапа. Сначала они сохранили проверенное физикой правило зависимости от расстояния в качестве основы, используя его для исключения базового эффекта разделения антенн. Оставшиеся отклонения — так называемое затухание в тени — в основном определялись растительностью и геометрией. Затем эти отклонения были поданы в лёгкую систему машинного обучения, которой сообщили ключевые геометрические параметры: расстояние между узлами, ширину коридора, высоты передатчика и приёмника и простые комбинации этих величин (например, произведение ширины на расстояние или высота относительно ширины). Прямая линейная модель объясняла основные геометрические тренды, а популярный алгоритм бустинга (XGBoost) добавлял небольшие нелинейные поправки сверху. Критически важно, что шаг обучения фокусировался только на том, что физическая модель уже не могла объяснить.

Как узкие просеки из деревьев могут помочь сигналу

При тестировании множества методов обучения проявилась интересная закономерность. Сложные автономные модели машинного обучения — случайные леса, градиентный бустинг и другие — выглядели неплохо при предсказании новых позиций внутри уже измеренных коридоров, но их эффективность резко падала при попытке предсказать полностью новые сочетания ширины коридора и высот антенн. В некоторых случаях они работали хуже, чем простое правило, основанное только на расстоянии. Напротив, гибридная модель не только сократила типичную ошибку предсказания примерно на четверть по сравнению с базовой моделью, но и показала лучшие результаты на невидимых конфигурациях коридоров, чем на отложенных позициях внутри известных конфигураций. Анализ показал, что ширина коридора была наиболее сильным фактором: узкие коридоры склонны направлять сигнал вперёд подобно слабому волноводу, тогда как широкие коридоры позволяют энергии больше утекать в стороны в кроны, увеличивая потери.

Что это значит для связанного сельского хозяйства

Для неспециалистов главное — мы можем прогнозировать, насколько хорошо будут работать каналы в стиле 6G в садах, не измеряя каждую отдельную гряду деревьев. Сохраняя простую и понятную физическую модель в ядре и позволяя машинному обучению дополнять её тонкими эффектами расположения сада, авторы создали инструмент, который остаётся точным даже при изменении геометрии коридора. На практике это означает более уверенное проектирование сетей датчиков и связей для автономных машин на фермах, меньшие запасные величины в бюджете канала и более очевидные эмпирические правила — например, признание того, что ширина коридора является ключевым рычагом для связи. Хотя точные численные значения будут отличаться для других видов деревьев и сезонов, исследование показывает перспективный путь сочетания физики и данных для обеспечения надёжного беспроводного покрытия в полях.

Цитирование: Celades-Martínez, J., Diago-Mosquera, M.E., Peña, A. et al. Shadow fading prediction at 18 GHz through physics guided learning in vegetative corridors. Sci Rep 16, 5916 (2026). https://doi.org/10.1038/s41598-026-36878-4

Ключевые слова: прецизионное сельское хозяйство, распространение радиоволн, затухание вегетацией, гибридное машинное обучение, диапазон FR3