数字孪生辅助的测量设计与信道统计预测

无线信道及其统计预测是确保无线系统性能保证的基本程序。由高斯过程（GPs）提供的统计无线电图景具有灵活、非参数的特性，但其性能严重依赖于均值函数和协方差函数的选择，这些函数通常从稠密测量中学习，而未充分利用环境几何信息。数字孪生体（DTs）利用计算资源来融合几何信息，但需要昂贵的校准才能准确捕获材料和传播特性。本工作引入一种混合信道预测框架，利用来自开源地图的未校准DTs提取几何引导的先验信息，用于GP预测。通过将这些结构性先验与少量信道测量相融合，实现整个环境信道统计的数据高效预测。通过利用GPs固有的不确定性量化，框架支持在资源受限条件下进行原则化的测量选择，通过识别信息丰富的探测位置来实现。通过将不完美的DTs与统计学习相集成，所提出的方法降低了测量开销，提高了预测精度，建立了一个在资源受限条件下进行无线信道预测的实用方法。