PropSplat：基于 3D 高斯传播泼溅的无地图射频场重建
信号处理
2026-05-11 v1 机器学习
摘要
构建特定场地的传播模型通常需要基于详细 3D 地图的射线追踪或密集的测量活动。这两种方法成本高昂，且对于地理数据不可用或过时的快速部署通常不可行。我们提出 PropSplat，一种无地图的传播建模方法，该方法使用 3D 各向异性高斯基元重建射频（RF）场。每个高斯编码一个相对于显式基线路径损耗模型的标量路径损耗偏移，并具有一个可学习的路径损耗指数。高斯沿观测到的发射机-接收机路径初始化，并进行端到端优化，以学习传播环境，而无需平面图、地形数据库或地物数据等外部信息。我们在两个真实世界数据集上评估了 PropSplat，并与无线辐射场方法 NeRF、GSRF 和 WRF-GS+ 进行了比较。在跨越多个地形区域、覆盖六个 sub-6 GHz 频率的大规模室外路测中，当训练测量间隔为 300 米时，PropSplat 实现了 5.38 dB 的 RMSE，优于 WRF-GS+（5.87 dB）、GSRF（7.46 dB）和 NeRF（14.76 dB）。在室内蓝牙低功耗测量中，PropSplat 实现了 0.19 米的平均定位误差，比 NeRF（1.84 米）好一个数量级，同时实现了几乎相同的接收信号强度预测精度。这些结果表明，从稀疏的射频原生测量中实现准确的特定场地传播重建是可行的。这降低了对地理数据作为可扩展射频环境建模先决条件的需求。
引用
@article{arxiv.2605.08035,
title = {PropSplat: Map-Free RF Field Reconstruction via 3D Gaussian Propagation Splatting},
author = {William Bjorndahl and Maninder Pal Singh and Farhad Nouri and Joseph Camp},
journal= {arXiv preprint arXiv:2605.08035},
year = {2026}
}
备注
Accepted for presentation at IEEE DySPAN 2026