基于RBF辅助矩阵补全的结构感知近场无线电地图恢复
信号处理
2025-11-11 v1
摘要
本文提出了一种新颖的、由径向基函数(RBF)插值辅助的结构感知矩阵补全框架，用于超大规模多输入多输出(XL-MIMO)系统中的近场无线电地图构建。与远场场景不同，近场波前由于球面波传播而对角度和距离均表现出强依赖性，导致接收信号强度(RSS)的复杂变化。为有效捕捉近场环境中固有的复杂空间变化结构，开发了一种正则化RBF插值方法以提高无线电地图重建精度。利用RBF插值误差分析的理论洞见，引入了一种受逆μ律启发的非均匀采样策略，以自适应地分配测量点，重点关注发射器附近RSS快速变化的区域。为进一步利用近场无线电地图中的全局低秩结构，我们将RBF插值与基于核范数最小化(NNM)的矩阵补全相结合。随后提出了一种稳健的Huber化留一交叉验证(LOOCV)方案，用于自适应选择容差参数，从而促进RBF插值与矩阵补全之间的最优融合。通过RBF插值对局部变化结构进行建模，以及通过矩阵补全对全局低秩结构进行利用，两者的整合产生了一个结构感知框架，显著提高了近场无线电地图重建的精度。大量仿真表明，在不同采样密度和阴影条件下，所提方法相比标准插值和矩阵补全方法，在归一化均方误差(NMSE)上实现了超过10%的提升。
引用
@article{arxiv.2511.06710,
title = {Structure-Aware Near-Field Radio Map Recovery via RBF-Assisted Matrix Completion},
author = {Hao Sun and Xianghao Yu and Junting Chen},
journal= {arXiv preprint arXiv:2511.06710},
year = {2025}
}