摘要：
5G的推广由于使用了更高频率的频段、波束成形技术以及更密集的部署方式，增加了射频电磁场（RF-EMF）暴露的空间和时间变异性，这给仅依赖仿真或稀疏测量数据的传统地图带来了挑战。我们提出了一个混合框架，该框架将确定性光线追踪技术与异构数据（两年内收集的静态传感器节点数据、移动频谱分析仪（SA）测量结果以及个人暴露剂量计测量数据）相结合，为面积为2.5平方公里的密集城区生成高分辨率的时空暴露地图。该框架的核心是“均值匹配梯度保持优化”（Mean-Matched Gradient-Preserving Optimization，简称MMGPO）算法，该算法能够在模拟网格上估计出一个平滑的乘法校正场，以消除偏差同时保留对数梯度。当与28个独立的SA测量结果进行验证时，MMGPO在所有频率段上的总电场暴露评估中实现了5.47分贝（dB）的均方根误差（RMSE）和0.70的相关系数（r）。通过结合随时间变化的节点数据，这种方法为政策制定者、研究人员和公众提供了跨多个时间窗口的可靠、高分辨率的暴露评估结果，既捕捉到了空间细节，又反映了现代无线网络中的时间变化。
