一种测量报告数据驱动的本地化统计信道建模框架
信号处理
2025-09-25 v1 信息论
机器学习
math.IT
摘要
本地化统计信道建模（LSCM）对于数字孪生辅助网络优化中的有效性能评估至关重要。仅依赖多波束参考信号接收功率（RSRP），LSCM旨在通过估计信道角度功率谱（APS）来建模本地化统计传播环境。然而，现有方法严重依赖路测数据，其采集成本高且空间覆盖范围有限。本文提出了一种基于测量报告（MR）数据驱动的LSCM框架，利用MR数据的低成本和广泛采集优势。该框架包含两个新颖模块。MR定位模块通过引入一种基于超图神经网络的半监督方法，利用距离感知超图建模和超图卷积进行位置提取，以利用多模态信息，从而解决MR数据中位置缺失的问题。为提高计算效率和方案鲁棒性，LSCM在网格级别运行。与独立构建地理均匀网格并估计信道APS相比，联合网格构建与信道APS估计模块通过利用其相关性，增强了在空间数据分布不均匀的复杂环境中的鲁棒性。该模块利用聚类和改进的稀疏恢复方法，针对病态测量矩阵和不完整观测，交替优化网格划分和APS估计。通过在真实世界MR数据集上的综合实验，我们证明了该框架在定位和信道建模方面的优越性能和鲁棒性。
引用
@article{arxiv.2509.19342,
title = {A Measurement Report Data-Driven Framework for Localized Statistical Channel Modeling},
author = {Xinyu Qin and Ye Xue and Qi Yan and Shutao Zhang and Bingsheng Peng and Tsung-Hui Chang},
journal= {arXiv preprint arXiv:2509.19342},
year = {2025}
}