基于混合专家的动态多模态融合用于定位
信息论
2025-07-03 v1 信号处理
math.IT
摘要
多模态指纹定位是亚米级6G集成感知与通信（ISAC）定位的关键技术，但存在两个部署瓶颈：（i）各模态对目标位置的贡献随载波频率等作业条件而变化；（ii）空间关联性和指纹模糊显著影响定位精度，尤其在非直线视距（NLOS）场景中。为解决此问题，本文提出SCADF-MoE（Spatial-Context Aware Dynamic Fusion with Mixture-of-Experts），一种基于软混合专家底层的空间感知动态融合网络。SCADF-MoE首先将相邻点聚类为短轨迹，以注入显式空间上下文。随后，通过其可学习的混合专家路由器，对信道状态信息、到达角剖面、距离和增益进行自适应融合，以确保在不同载波下最可靠线索主导融合。融合表示输入到模态-任务混合专家中，同时回归轨迹中每个顶点及其质心的坐标，从而利用点间关联性。最后，引入辅助的最大均值差异损失以强制专家多样性，缓解梯度干扰，稳定多任务训练。在三个真实城市布局和三个载波频段（2.6、6、28 GHz）上，模型实现持续亚米均方误差（MSE），且对未见NLOS场景的误差减半。本文是首个利用大规模多模态混合专家实现频率鲁棒ISAC定位的工作。
引用
@article{arxiv.2507.01337,
title = {Dynamical Multimodal Fusion with Mixture-of-Experts for Localizations},
author = {Bohao Wang and Zitao Shuai and Fenghao Zhu and Chongwen Huang and Yongliang Shen and Zhaoyang Zhang and Qianqian Yang and Sami Muhaidat and Merouane Debbah},
journal= {arXiv preprint arXiv:2507.01337},
year = {2025}
}