Uncertainty-Aware Radio Map Reconstruction Using Diffusion Models with Sparse Noisy Samples

doi:10.1109/lwc.2026.3734582

Uncertainty-Aware Radio Map Reconstruction Using Diffusion Models with Sparse Noisy Samples

2026-09-17

0

PRE

AI

DOI：10.1109/lwc.2026.3734582

原文链接

原文求助

摘要

En 中文

在大规模无线系统中，从稀疏测量数据重建无线环境地图（REMs）对于资源管理和频谱分配至关重要。然而，实际部署中常面临环境信息粗糙和测量数据受噪声污染的挑战。为解决这些问题，本文提出了一种基于扩散模型的概率推理框架，以增强噪声和稀疏采样条件下的REMs重建鲁棒性。具体而言，设计了一种多模态特征融合网络，在去噪过程中融入粗糙的建筑和植被信息，从而实现更准确的噪声估计并提升重建性能。此外，为减轻测量噪声的影响，引入了一种基于后验似然的采样策略，该策略在扩散采样过程中显式地将观测项与先验结合。这使得模型能生成更高质量的样本，并提高对测量噪声的鲁棒性。实验结果表明，所提出的方法在REMs重建精度、环境感知能力和整体鲁棒性方面显著优于基线方法。

Keyword:

Radio Environment Map

Sparse Sampling

Diffusion Model

Multimodal Feature Fusion

Uncertainty-Aware Radio Map Reconstruction Using Diffusion Models with Sparse Noisy Samples

摘要

期刊

机构

引用论文