中文

用于多径射频地图的场景条件PINN-GNN：跨场景生成与场景内补全

信号处理 2026-07-02 v1 人工智能
作者: Lizhou Liu , Xiaohui Chen , Zihan Tang , Mengyao Ma , Wenyi Zhang
在 arXiv 上查看 ↗ PDF ↗

摘要

射频（RF）地图提供了多径传播特性的紧凑表示，是信道建模、覆盖分析和环境感知无线优化的基础。本文提出了一种基于物理信息神经网络（PINN）和图神经网络（GNN）的统一RF地图构建框架，支持使用2D和2.5D环境表示的跨场景生成和场景内补全。PINN嵌入电磁传播约束，建立从接收器位置到多径参数（包括路径增益、到达时间和角度）的物理一致映射，而GNN通过建模相邻接收器之间的相关性来强制空间一致性。为了全面评估多径重建质量，我们提出了一种峰值加权动态时间规整度量，该度量同时考虑了信道冲激响应中的幅度误差和峰值延迟错位。大量实验表明，所提出的方法在地图级和多径级指标上始终优于基于图像、基于扩散和插值的基线，在稀疏观测下实现了鲁棒的泛化和高保真RF地图构建。

关键词

射频地图构建 物理信息神经网络 图神经网络 多径传播 跨场景生成 场景内补全 动态时间规整

引用

@article{arxiv.2607.01777,
  title  = {Scene-Conditioned PINN-GNN for Multipath RF Maps: Cross-Scene Generation and In-Scene Completion},
  author = {Lizhou Liu and Xiaohui Chen and Zihan Tang and Mengyao Ma and Wenyi Zhang},
  journal= {arXiv preprint arXiv:2607.01777},
  year   = {2026}
}