論文の概要: RF-PGS: Fully-structured Spatial Wireless Channel Representation with Planar Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2508.16849v1
• Date: Sat, 23 Aug 2025 00:33:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 18:43:45.210404
• Title: RF-PGS: Fully-structured Spatial Wireless Channel Representation with Planar Gaussian Splatting
• Title（参考訳）: RF-PGS:平面ガウス法による完全構造空間無線チャネル表現
• Authors: Lihao Zhang, Zongtan Li, Haijian Sun,
• Abstract要約: 本稿では,スパースパス損失スペクトルのみから高忠実度電波伝搬路を再構成する新しいフレームワークRF-PGSを提案する。 従来の放射界法と比較して、RF-PGSは再構成精度を大幅に向上し、トレーニングコストを低減し、無線チャネルの効率的な表現を可能にする。
• 参考スコア（独自算出の注目度）: 3.3008315224941973
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the 6G era, the demand for higher system throughput and the implementation of emerging 6G technologies require large-scale antenna arrays and accurate spatial channel state information (Spatial-CSI). Traditional channel modeling approaches, such as empirical models, ray tracing, and measurement-based methods, face challenges in spatial resolution, efficiency, and scalability. Radiance field-based methods have emerged as promising alternatives but still suffer from geometric inaccuracy and costly supervision. This paper proposes RF-PGS, a novel framework that reconstructs high-fidelity radio propagation paths from only sparse path loss spectra. By introducing Planar Gaussians as geometry primitives with certain RF-specific optimizations, RF-PGS achieves dense, surface-aligned scene reconstruction in the first geometry training stage. In the subsequent Radio Frequency (RF) training stage, the proposed fully-structured radio radiance, combined with a tailored multi-view loss, accurately models radio propagation behavior. Compared to prior radiance field methods, RF-PGS significantly improves reconstruction accuracy, reduces training costs, and enables efficient representation of wireless channels, offering a practical solution for scalable 6G Spatial-CSI modeling.
• Abstract（参考訳）: 6G時代において、システムスループットの向上と新しい6G技術の実装には、大規模なアンテナアレイと正確な空間チャネル状態情報(Spatial-CSI)が必要である。 経験的モデルやレイトレーシング、測定に基づく手法といった従来のチャネルモデリング手法は、空間分解能、効率、スケーラビリティの課題に直面している。 放射場に基づく手法は有望な代替手段として登場したが、それでも幾何的不正確さと高価な監視に悩まされている。 本稿では,スパースパス損失スペクトルのみから高忠実度電波伝搬路を再構成する新しいフレームワークRF-PGSを提案する。 平面ガウスを特定のRF固有最適化による幾何学的プリミティブとして導入することにより、RF-PGSは、第1の幾何学的訓練段階において、密集した表面整列的なシーン再構成を実現する。 その後のRF(Radio Frequency)トレーニング段階では、提案された完全構造ラジオ放射と、調整されたマルチビューロスとを組み合わせて、電波伝搬挙動を正確にモデル化する。 従来の放射界法と比較して、RF-PGSは再構成精度を大幅に向上し、トレーニングコストを低減し、無線チャネルの効率的な表現を可能にし、スケーラブルな6G空間CSIモデリングのための実用的なソリューションを提供する。

関連論文リスト

• Terahertz Spatial Wireless Channel Modeling with Radio Radiance Field [7.9667883086938955]
  Terahertz (THz) 通信は6Gシステムにとって重要な機能であり、超広帯域幅と前例のないデータレートを提供する。 本研究では,THz帯への無線放射場(RRF)フレームワークの適用可能性について検討する。 本手法は,高密度サンプリングを伴わない効率的な空間チャネル状態情報(Spatial-CSI)モデリングを可能にする。
  論文  参考訳（メタデータ） (2025-05-06T19:38:33Z)
• Rydberg Atomic Quantum Receivers for Classical Wireless Communications and Sensing: Their Models and Performance [78.76421728334013]
  ライドバーグ原子量子受信機(Rydberg atomic quantum receivers, RAQRs)は、高周波(RF)信号の電界を検出するための卓越した溶液である。 本稿では,無線コミュニティに対して,エンドツーエンドの受信方式を提示することでRAQRを導入する。 次に,現実的な受信フローに依存する等価なベースバンド信号モデルを開発する。
  論文  参考訳（メタデータ） (2024-12-07T06:25:54Z)
• Neural Representation for Wireless Radiation Field Reconstruction: A 3D Gaussian Splatting Approach [8.644949917126755]
  本稿では,無線放射場(WRF)再構成に基づくチャネルモデリングのための新しいフレームワークであるWRF-GSを提案する。 本稿では、電磁波物理をニューラルネットワーク設計に統合する拡張フレームワークであるWRF-GS+を提案する。
  論文  参考訳（メタデータ） (2024-12-06T07:56:14Z)
• NeuRBF: A Neural Fields Representation with Adaptive Radial Basis Functions [93.02515761070201]
  本稿では,信号表現に一般放射状基底を用いる新しいタイプのニューラルネットワークを提案する。 提案手法は, 空間適応性が高く, ターゲット信号により密着可能な, フレキシブルなカーネル位置と形状を持つ一般ラジアルベース上に構築する。 ニューラルラジアンス場再構成に適用した場合,本手法はモデルサイズが小さく,訓練速度が同等である最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2023-09-27T06:32:05Z)
• Three-Way Deep Neural Network for Radio Frequency Map Generation and Source Localization [67.93423427193055]
  空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。 本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T22:25:10Z)
• Learning to Beamform in Heterogeneous Massive MIMO Networks [48.62625893368218]
  大規模マルチインプット多重出力(MIMO)ネットワークにおいて最適なビームフォーマを見つけることはよく知られている問題である。 本稿では,この問題に対処するための新しい深層学習に基づく論文アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-08T12:48:06Z)
• Deep Learning Optimized Sparse Antenna Activation for Reconfigurable Intelligent Surface Assisted Communication [54.72880662623178]
  再構成可能なインテリジェントサーフェス(RIS)は通常、パッシブモードで動作する。 カスケードチャネル構造と信号処理能力の欠如により、RISが個々のチャネル状態情報を取得することは困難である。 本稿では、RISのアンテナの一部に信号処理ユニットを追加し、チャネルを部分的に取得する。
  論文  参考訳（メタデータ） (2020-09-03T12:27:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。