基于大生成式模型的粗粒度三维无线电图构建范式：超低采样率
信号处理
2026-03-24 v2
摘要
无线电图捕捉无线信道参数（如接收信号强度）在地理区域内的空间分布。三维（3D）无线电图构建的粗粒度问题涉及：在感兴趣的3D区域内，通过稀疏分布的传感器收集的无线电样本，推断出任意目标高度下2D区域的高分辨率无线电图。该问题的解决方案对于3D空间中的频谱管理至关重要，尤其是对于正在快速发展的低空经济中的无人机。然而，该问题具有挑战性，因为采样极稀疏，即所收集的无线电样本数量远少于所需估计的无线电图分辨率。本文设计了RadioLAM，一个基于大型人工智�模型（LAM）的粗粒度3D无线电图构建范式。RadioLAM运用LAM的创造力和强泛化能力，以解决超稀疏采样问题。它包含三个关键模块：1）增强模块，使用无线电传播模型将不同高度处收集的无线电样本投影到目标高度下的2D区域；2）生成模块，利用基于混合专家（MoE）架构的扩散式LAM生成目标2D区域的粗粒度无线电图候选集；3）选举模块，利用无线电传播模型作为指导，在候选集中寻找最佳图。大量仿真结果表明，RadioLAM能够以0.1%的超低采样率高效解决粗粒度3D无线电图构建问题，显著优于现有技术。 Furthermore， real-world experiments confirm that RadioLAM achieves superior performance compared to SOTA。
引用
@article{arxiv.2509.11571,
title = {A Fine-Grained 3D Radio Map Construction Paradigm with Ultra-Low Sampling Rates by Large Generative Models},
author = {Zhiyuan Liu and Qingyu Liu and Shuhang Zhang and Hongliang Zhang and Lingyang Song},
journal= {arXiv preprint arXiv:2509.11571},
year = {2026}
}
备注
Accepted by IEEE JSAC