OctCGS：面向信道知识图构建的八叉树上下文高斯溅射与显式多阶传播建模
信号处理
2026-05-25 v1
摘要
信道知识图（CKMs）学习接收器（Rx）与发射器（Tx）位置与信道知识之间的关系，以支持环境感知无线通信。隐式神经方法可建模连续信道变化，但往往造成高训练和推理成本；而现有的基于高斯溅射的CKM方法提高了效率，但仍将无线多径传输压缩为聚合散射表示。因此，信道构建中缺乏对多次反弹无线传播的显式建模。我们提出OctCGS，一种八叉树上下文高斯溅射框架，显式建模反弹阶数，同时涵盖Tx/Rx位置和载波频率。OctCGS将环境划分为多分辨率八叉树，并在每个叶节点锚定一个高斯基本块。与每个高斯独立编码所有多径传输不同，它通过树状注意力在八叉树层级结构中对散射器之间的复杂电磁相互作用进行建模，同时控制复杂度。实验在仿真基准上表明，OctCGS实现了2.99 dB信道增益均方绝对误差（MAE）和0.065信道增益归一化均方绝对误差（NMAE），优于最强基线0.88 dB MAE和0.021 NMAE。
引用
@article{arxiv.2605.22961,
title = {OctCGS: Octree-Contextual Gaussian Splatting with Explicit Multi-Order Propagation Modeling for Channel Knowledge Map Construction},
author = {Jinghan Zhang and Xitao Gong and Qi Wang and Richard A. Stirling-Gallacher and Giuseppe Caire},
journal= {arXiv preprint arXiv:2605.22961},
year = {2026}
}
备注
Submitted to IEEE GLOBECOM 2026