基于流匹配的主动学习无人机低空电磁场图构建
信号处理
2025-09-18 v1
摘要
在低空经济领域使用无人机 (UAV) 对于可靠的通信和安全的导航至关重要，势而要求精确和实时的无线电地图。然而，由于无人机的有限飞行续航，构建此类地图受限于不可行的全面测量。在此基础上，我们提出了一种基于有限测量的无人机低空电磁场图构建的新型主动学习框架。首先，引入一个经过 Plug-and-Play (PnP) 优化的流匹配算法，该算法在 PnP 框架中利用流匹配作为强大的生成先验来重建高保真无线电地图。其次，利用流匹配的生成特性，对不确定性进行量化，通过生成多个无线电地图并计算位置相关方差来实现。 resulting uncertainty map 指引多目标候选选择，然后通过 utility-aware path search (UAPS) 规划轨迹，将无人机引导至最具信息性的位置，同时考虑旅行成本。仿真结果表明，我们的方法显著优于基线方法，在归一化均方误差 (NMSE) 上实现了超过 70% 的显著降低。
引用
@article{arxiv.2509.13822,
title = {Flow Matching-Based Active Learning for Radio Map Construction with Low-Altitude UAVs},
author = {Hao Sun and Shicong Liu and Xianghao Yu and Ying Sun},
journal= {arXiv preprint arXiv:2509.13822},
year = {2025}
}