本文介绍了一种新型增强数据方法，结合合成与真实数据，提升机器学习在路径损耗预测中的泛化能力。通过接收信号强度数据构建无线电地图，提出高效的5G信道模型，实验显示准确性提高10%-18%。此外，利用深度学习方法RadioUNet，能够快速估算城市环境中的传播路径损失，展现出明显优势。

该研究基于变分自编码器和生成对抗网络，模拟人体运动对电磁场的影响，实现无线电地图的自动合成。通过深度学习方法，提高了无线电地图的重建精度和效率，降低了数据采集成本。