EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-ND 4.0

Location-Aware Deep Neural Network for Predicting Indoor 5G RSSI and CQI Using Drone-Based External RF Sensing

David Hason Rudd, Cesar Sanin, Koh Ming En, Xingyi Gao, Md Rafiqul Islam, Mehedi Hasan, Xianzhi Wang, Angela Huo, Guandong Xu

Procedia Computer Science · 2025 · 270 · 4765-4775

DOI: 10.1016/j.procs.2025.09.602 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Procedia Computer Science, 2025. Verfasst von David Hason Rudd und 8 weiteren Autor:innen. Die Arbeit wurde bisher 3-mal zitiert (Crossref) und nennt 26 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0). Gefördert von: Australian Research Council.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • Australian Research Council

Zitieren

APA

Rudd, D. H., Sanin, C., En, K. M., Gao, X., Islam, M. R., Hasan, M., Wang, X., Huo, A., & Xu, G. (2025). Location-Aware Deep Neural Network for Predicting Indoor 5G RSSI and CQI Using Drone-Based External RF Sensing. Procedia Computer Science, 270, 4765-4775. https://doi.org/10.1016/j.procs.2025.09.602

Vancouver

Rudd DH, Sanin C, En KM, Gao X, Islam MR, Hasan M, et al. Location-Aware Deep Neural Network for Predicting Indoor 5G RSSI and CQI Using Drone-Based External RF Sensing. Procedia Computer Science. 2025;270:4765-4775. doi:10.1016/j.procs.2025.09.602

BibTeX
@article{Rudd2025,
  author = {Rudd, David Hason and Sanin, Cesar and En, Koh Ming and Gao, Xingyi and Islam, Md Rafiqul and Hasan, Mehedi and Wang, Xianzhi and Huo, Angela and Xu, Guandong},
  title = {Location-Aware Deep Neural Network for Predicting Indoor 5G RSSI and CQI Using Drone-Based External RF Sensing},
  journal = {Procedia Computer Science},
  year = {2025},
  volume = {270},
  pages = {4765--4775},
  doi = {10.1016/j.procs.2025.09.602}
}
Kostenlos starten →