面向稀疏无线电地图重建的物理信息表示对齐
计算机视觉与模式识别
2025-09-19 v3
摘要
无线电地图重建对于实现高级应用至关重要，然而在实际场景中，复杂的信号传播和稀疏的观测数据等挑战阻碍了准确的重建。现有方法通常无法将物理约束与数据驱动特征相对齐，特别是在稀疏测量条件下。为了解决这些问题，我们提出了物理对齐无线电地图扩散模型（PhyRMDM），这是一种通过双重学习路径在物理原理与神经网络特征之间建立跨域表示对齐的新框架。该模型将物理信息神经网络（PINN）与表示对齐机制相结合，显式地强制 Helmholtz 方程约束与环境传播模式之间的一致性。实验结果表明，该方法相较于 SOTA 方法取得了显著改进，在静态无线电地图（SRM）条件下实现了 0.0031 的 NMSE，在动态无线电地图（DRM）场景下实现了 0.0047 的 NMSE。所提出的表示对齐范式在超稀疏情况（1% 采样率）下提供了 37.2% 的准确率提升，证实了其在连接基于物理的建模与深度学习以进行无线电地图重建方面的有效性。
引用
@article{arxiv.2501.19160,
title = {Physics-Informed Representation Alignment for Sparse Radio-Map Reconstruction},
author = {Haozhe Jia and Wenshuo Chen and Zhihui Huang and Lei Wang and Hongru Xiao and Nanqian Jia and Keming Wu and Songning Lai and Bowen Tian and Yutao Yue},
journal= {arXiv preprint arXiv:2501.19160},
year = {2025}
}