流体天线混合架构：6G 网络方向到达估计的新范式
计算机视觉与模式识别
2026-04-16 v1
摘要
高精度方向到达估计（DOA）作为 6G 应用（如自动驾驶和扩展现实）的关键感知能力，越来越依赖有效利用空间自由度（DOFs）。本文整合两种前沿 DOFs 导向范式，提出一种基于流体天线的混合模拟-数字（FA-HAD）架构，该架构具备极轻量化前端配置机制和高效空间 DOFs 利用。该架构中，首先开发了协作空间相位采样策略，以在压缩观测下实现 2-D DOA 估计，并提供单源 CRLB 分析以量化可实现的性能极限，为准确性与开销权衡提供定量指导。进一步提出一种高效的虚拟阵列空间协方差矩阵重建方法，以恢复物理上有意义的协方差表示，从而提供可直接复用的协方差域接口，适用于广泛的基于协方差的数组处理与阵设计技术，强化了所提架构的可扩展性与可迁移性。基于重建的协方差矩阵，进一步推导了基于 Jacobi-Anger 展开的降维 MUSIC 估计器，用于任意平面阵列，计算成本 favorable。仿真结果表明，所提 FA-HAD 框架在接近全数字系统的 DOA 精度的同时，显著降低了射频硬件复杂度和训练开销。
引用
@article{arxiv.2604.13586,
title = {Efficient Multi-View 3D Object Detection by Dynamic Token Selection and Fine-Tuning},
author = {Danish Nazir and Antoine Hanna-Asaad and Lucas Görnhardt and Jan Piewek and Thorsten Bagdonat and Tim Fingscheidt},
journal= {arXiv preprint arXiv:2604.13586},
year = {2026}
}