Mip-NeWRF：基于混合编码的增强无线辐射场
信号处理
2025-11-13 v1
摘要
最近的无线辐射场工作代表了一种前景深厚的深度学习方法，用于信道预测，但在复杂环境中仍表现出有限的鲁棒性、慢收敛和有限的准确性， due to insufficiently refined modeling。为此，我们提出 Mip-NeWRF，一个基于稀疏信道测量的物理导向神经框架，用于准确的室内信道预测。该框架在射线基础的管线中采用粗到细的重要抽样：锥体样本被编码、由共享的多层感知机（MLP）处理，其输出被合成为信道频率响应（CFR）。在MLP输入之前，Mip-NeWRF 对每个锥体执行锥体抽样并应用尺度一致的混合位置编码。尺度一致的归一化跨场景尺度对齐位置编码，而混合编码提供了对尺度稳健的低频稳定性以加速收敛，并提供细粒度的空间细节以提高准确性。在训练期间，应用课程学习计划以稳定和加速共享MLP的收敛。在信道合成期间，MLP的输出（包括预测的虚拟发射器存在概率和振幅）与建模的路径损耗和表面相互作用衰减相结合，以增强物理保真度并进一步提高准确性。仿真结果表明了所提出方法的有效性：在典型场景下，归一化均方误差（NMSE）相对于最先进的基线降低了 14.3 dB。
引用
@article{arxiv.2511.09150,
title = {Mip-NeWRF: Enhanced Wireless Radiance Field with Hybrid Encoding for Channel Prediction},
author = {Yulin Fu and Jiancun Fan and Shiyu Zhai and Zhibo Duan and Jie Luo},
journal= {arXiv preprint arXiv:2511.09150},
year = {2025}
}
备注
13 pages, 12 figures