结合几何先验与不确定性引导测量选择的稀疏增益无线电地图重建
计算机视觉与模式识别
2026-04-08 v1
摘要
无线电地图对于环境感知无线通信、网络规划和无线电资源优化至关重要。然而，在仅有有限测量数据的情况下，构建密集无线电地图仍然具有挑战性，尤其是在具有强遮挡、不规则几何和受限感知可达性的复杂城市环境中。现有方法已探索了插值、低秩制图、深度补全和信道知识地图 (CKM) 构建，但其中许多方法未能充分挖掘显式几何先验，或忽视了预测不确定性对后续感知的价值。在本文中，我们从几何感知和主动感知的角度研究稀疏增益无线电地图重建。我们首先构建了 UrbanRT-RM，一个可控的光线追踪基准，具有多样化的城市布局、多个基站部署和多种稀疏采样模式。然后我们提出了 GeoUQ-GFNet，一个轻量级网络，能够从稀疏测量和结构化场景先验中联合预测密集增益无线电地图和空间不确定性地图。预测的不确定性进一步用于在有限感知预算下引导主动测量选择。大量实验表明，我们提出的 GeoUQ-GFNet 方法在 UrbanRT-RM 生成的不同场景和发射机部署中均取得了强劲且一致的重建性能。此外，不确定性引导查询在相同额外测量预算下比非自适应采样提供了更有效的重建改进。这些结果证明了将几何感知学习、不确定性估计和基准驱动评估相结合，用于复杂城市环境中稀疏无线电地图重建的有效性。
引用
@article{arxiv.2604.05788,
title = {Sparse Gain Radio Map Reconstruction With Geometry Priors and Uncertainty-Guided Measurement Selection},
author = {Zhihan Zeng and Ning Wei and Muhammad Baqer Mollah and Kaihe Wang and Phee Lep Yeoh and Fei Xu and Yue Xiu and Zhongpei Zhang},
journal= {arXiv preprint arXiv:2604.05788},
year = {2026}
}