論文の概要: RMSup: Physics-Informed Radio Map Super-Resolution for Compute-Enhanced Integrated Sensing and Communications

• arxiv url: http://arxiv.org/abs/2512.10965v1
• Date: Sat, 29 Nov 2025 09:00:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-21 14:22:08.664153
• Title: RMSup: Physics-Informed Radio Map Super-Resolution for Compute-Enhanced Integrated Sensing and Communications
• Title（参考訳）: RMSup:物理インフォームドラジオマップ超解法による統合センシングと通信
• Authors: Qiming Zhang, Xiucheng Wang, Nan Cheng, Zhisheng Yin, Xiang Li,
• Abstract要約: 物理インフォームド・フレームワークである RMSup について述べる。 実験の結果,提案したRMsupは, RM工法とISAC関連環境センシングの両面において, 最先端性能を実現していることがわかった。
• 参考スコア（独自算出の注目度）: 28.003646295374022
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Radio maps (RMs) provide a spatially continuous description of wireless propagation, enabling cross-layer optimization and unifying communication and sensing for integrated sensing and communications (ISAC). However, constructing high-fidelity RMs at operational scales is difficult, since physics-based solvers are time-consuming and require precise scene models, while learning methods degrade under incomplete priors and sparse measurements, often smoothing away critical discontinuities. We present RMSup, a physics-informed super-resolution framework that functions with uniform sparse sampling and imperfect environment priors. RMSup extracts Helmholtz equation-informed boundary and singularity prompts from the measurements, fuses them with base-station side information and coarse scene descriptors as conditional inputs, and employs a boundary-aware dual-head network to reconstruct a high-fidelity RM and recover environmental contours jointly. Experimental results show the proposed RMsup achieves state-of-the-art performance both in RM construction and ISAC-related environment sensing.
• Abstract（参考訳）: 無線地図(RM)は、無線伝搬の空間的に連続的な記述を提供し、層間最適化と統合された通信とセンシングを可能にし、統合されたセンシングと通信(ISAC)を実現する。 しかし、物理ベースの解法は時間がかかり正確なシーンモデルを必要とするため、運用規模で高忠実なRMを構築することは困難である。 物理インフォームド・スーパーレゾリューション・フレームワークであるRMSupについて述べる。 RMSupはヘルムホルツ方程式の変形した境界と特異点を抽出し、ベースステーション側情報と粗いシーン記述子を条件入力として融合させ、境界対応のデュアルヘッドネットワークを用いて高忠実なRMを再構築し、環境の輪郭を共同で復元する。 実験の結果,提案したRMsupは, RM工法とISAC関連環境センシングの両面において, 最先端性能を実現していることがわかった。

関連論文リスト

• iRadioDiff: Physics-Informed Diffusion Model for Indoor Radio Map Construction and Localization [28.221749064585484]
  iRadioDiffは、屋内RM構築のためのサンプリングフリー拡散ベースのフレームワークである。 iRadioDiff は室内RM工法における最先端性能を実現し,信号強度に基づく室内局地化を実現した。
  論文  参考訳（メタデータ） (2025-11-25T07:32:49Z)
• RadioDiff-Loc: Diffusion Model Enhanced Scattering Congnition for NLoS Localization with Sparse Radio Map Estimation [24.71314779247058]
  本稿では条件拡散モデルに基づくNLoSローカライゼーションのための新しい生成推論フレームワークを提案する。 回折された電磁エネルギーが建物縁付近に集中する物理的知見を活用することにより,サンプリング戦略を開発する。 我々は、最大観測強度に対して全サンプルRSS値を正規化し、パワー不変の無線マップの構築を可能にした。
  論文  参考訳（メタデータ） (2025-09-02T01:43:23Z)
• Backscatter Device-aided Integrated Sensing and Communication: A Pareto Optimization Framework [59.30060797118097]
  統合センシング・通信(ISAC)システムは、密集した都市非視線シナリオにおいて大きな性能劣化に遭遇する可能性がある。 本稿では,自然環境に分散した受動的BDを利用した後方散乱近似(BD)支援ISACシステムを提案する。
  論文  参考訳（メタデータ） (2025-07-12T17:11:06Z)
• RadioDiff-$k^2$: Helmholtz Equation Informed Generative Diffusion Model for Multi-Path Aware Radio Map Construction [76.24833675757033]
  物理インフォームド・ジェネレーティブ・ラーニング・アプローチであるRadioDiff-$k2$を提案する。 提案するRadioDiff-$k2$フレームワークは,画像レベルのRM構成とローカライズタスクの両方において,最先端(SOTA)性能を実現する。
  論文  参考訳（メタデータ） (2025-04-22T06:28:13Z)
• RadioDiff-Inverse: Diffusion Enhanced Bayesian Inverse Estimation for ISAC Radio Map Construction [24.3983954491267]
  無線地図(RM)は、環境に配慮した通信やセンシングに不可欠であり、位置固有の無線チャネル情報を提供する。 既存のRM構築法は、しばしば正確な環境データと基地局(BS)の場所に依存しており、動的またはプライバシーに敏感な環境では必ずしも利用できない。 本稿では、粗い環境知識とノイズスパース測定の下でのベイズ逆問題としてRM構築を定式化する。 拡散強化ベイズ逆推定フレームワークであるRadioDiff-Inverseを提案する。
  論文  参考訳（メタデータ） (2025-04-19T13:49:59Z)
• Frequency-Assisted Mamba for Remote Sensing Image Super-Resolution [49.902047563260496]
  我々は、リモートセンシング画像(RSI)の超高解像度化のために、視覚状態空間モデル(Mamba)を統合するための最初の試みを開発した。 より優れたSR再構築を実現するため,FMSRと呼ばれる周波数支援型Mambaフレームワークを考案した。 我々のFMSRは、周波数選択モジュール(FSM)、ビジョン状態空間モジュール(VSSM)、ハイブリッドゲートモジュール(HGM)を備えた多層融合アーキテクチャを備えている。
  論文  参考訳（メタデータ） (2024-05-08T11:09:24Z)
• Joint Sensing, Communication, and AI: A Trifecta for Resilient THz User Experiences [118.91584633024907]
  テラヘルツ(THz)無線システムに対する拡張現実(XR)体験を最適化するために、新しい共同センシング、通信、人工知能(AI)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-29T00:39:50Z)
• Deep Reinforcement Learning for IRS Phase Shift Design in Spatiotemporally Correlated Environments [93.30657979626858]
  本稿では,チャネル相関と目的地動きを考慮したディープアクター批判アルゴリズムを提案する。 チャネルが時間的に相関している場合、コンバージェンスを抑制する方法において、関数近似を伴う状態表現にSNRを組み込むことが示される。
  論文  参考訳（メタデータ） (2022-11-02T22:07:36Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)

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。