Photon Splatting：面向实时无线信道预测的物理导向神经代理模型
机器学习
2025-07-08 v1
摘要
我们提出了 Photon Splatting，这是一个物理导向的神经网络代理模型，用于复杂环境下的实时无线信道预测。该框架引入了附着于表面的虚拟源，称为光子，它们携带由场景几何和发射器配置决定的方向性波形。运行时，通过光子吸附到接收器的角域上来预测信道脉冲响应（CIR）。该模型经过训练，以学习一种将发射-接收配置映射到完整信道响应的物理依据表示。训练完成后，它能推广到新的发射位置、天线波束形状和 mobile receivers，而无需重新训练。我们通过一系列实验展示了该框架的有效性，从标准 3D 场景到一个拥有 1,000 个接收器的复杂室内咖啡馆。结果显示推断延迟仅为 30 毫秒，并在各种配置下实现准确的 CIR 预测。该方法支持实时适应性和可解释性，成为无线数字孪生平台和未来 6G 网络规划的有前景的候选方案。
引用
@article{arxiv.2507.04595,
title = {Photon Splatting: A Physics-Guided Neural Surrogate for Real-Time Wireless Channel Prediction},
author = {Ge Cao and Gabriele Gradoni and Zhen Peng},
journal= {arXiv preprint arXiv:2507.04595},
year = {2025}
}
备注
14 pages, 11 figures