基于物理感知神经网络的 MIMO 波束图和环境重建
系统与控制
2025-10-27 v1 人工智能
信息论
系统与控制
math.IT
摘要
随着通信网络向更高复杂度演进（如 6G 及更高），对无线环境的深入理解变得越来越关键。当环境知识缺失时，基于信道状态信息（CSI）的几何感知特征提取便成为将物理层测量与网络智能桥接的关键方法。本文提出利用接收信号强度（RSS）数据，无需明确的 3D 环境知识，联合构建无线电波束图和环境几何结构。与现有仅学习阻塞结构的方法不同，我们提出一种面向阻塞与反射的几何感知虚拟障碍模型，以捕获环境几何特征。反射区域被形式化用于根据环境几何关系识别相关反射路径。我们推导了反射区域的解析表达式，并进一步分析了其几何特征，以开发更适用于深度学习表示的重新表述。提出一种基于反射区域的几何模型的物理感知深度学习框架，用于学习阻塞、反射和散射分量，以及波束图形，这一框架利用物理先验知识来增强网络的可迁移性。数值实验表明，除了重建阻塞和反射几何结构外，所提模型还能构建更精确的 MIMO 波束图，准确率提高 32%-48%。
引用
@article{arxiv.2510.21238,
title = {Physics-Informed Neural Networks for MIMO Beam Map and Environment Reconstruction},
author = {Wangqian Chen and Junting Chen and Shuguang Cui},
journal= {arXiv preprint arXiv:2510.21238},
year = {2025}
}