射频辐射场的主动采样与高斯重建
信号处理
2025-04-03 v2
摘要
射频（RF）辐射场重建是一个具有挑战性的问题。困难在于传播信号与物体之间的相互作用，例如反射和衍射，这些难以精确建模，尤其是在物体的形状和材料未知的情况下。此前，一种基于神经网络的方法被提出用于重建 RF 辐射场，显示出有前景的结果。然而，这种基于神经网络的方法存在一些局限性：它需要大量样本进行训练且计算成本高。此外，神经网络仅提供 RF 辐射场的预测均值，而不提供不确定性模型。在这项工作中，我们提出了一种用于 RF 辐射场的无训练高斯重建方法。我们的方法表明，与基于神经网络的方法相比，所需样本数量显著减少。此外，我们引入了一个不确定性模型，为场景中任意选定位置的预测提供置信度估计。我们还将高斯重建方法与主动采样相结合，进一步减少了达到相同性能所需的样本数量。最后，我们探索了该方法在准动态设置中的潜在优势，展示了它在不重复整个过程的情况下适应场景变化的能力。
引用
@article{arxiv.2412.08003,
title = {Active Sampling and Gaussian Reconstruction for Radio Frequency Radiance Field},
author = {Chi-Shiang Gau and Xingyu Chen and Tara Javidi and Xinyu Zhang},
journal= {arXiv preprint arXiv:2412.08003},
year = {2025}
}