Learning Radio Environments by Differentiable Ray Tracing
NVIDIA(英伟达);University of Stuttgart(斯图加特大学)
本文提出基于梯度的可微光线追踪校准方法,将材料特性、散射和天线方向图参数化,并通过合成数据与室内MIMO信道测量验证其有效性。
2023-11-30 cs.IT cs.LG cs.NI
RT-VSS: In-House Ray Tracing for Vital Signs Sensing in FR3 Band
KU Leuven(荷语鲁汶大学);Interuniversity Microelectronics Centre (IMEC)(微电子技术研究中心)
本文通过Blender建模和Sionna光线追踪仿真,验证了FR3频段蜂窝通信在室内监测呼吸和心跳的可行性,并与FR1和FR2频段对比ISAC性能,展示了其跨频段应用价值。
2026-10-16 eess.SP
Differentiable High-Performance Ray Tracing-Based Simulation of Radio Propagation with Point Clouds
Center for Machine Vision and Signal Analysis, Faculty of Information Technology and Electrical Engineering, University of Oulu(机器视觉与信号分析中心,信息科技与电气工程学院,奥卢大学)
本文提出一种直接在点云上运行的可微分光线追踪无线电传播仿真器,在室内多跳传播仿真中单场景耗时低于90毫秒,并可结合语义分割标签学习环境电磁特性。
2025-07-05 cs.CV eess.SP
RayLoc: Wireless Indoor Localization via Fully Differentiable Ray-tracing
Southern University of Science and Technology(南方科技大学);Huawei Technologies Co., Ltd(华为技术有限公司);Nanyang Technological University(南洋理工大学)
本文提出RayLoc,将无线室内定位重新表述为无线光线追踪的逆问题,利用全可微光线追踪模拟器对感知场景参数进行反向传播以实现精确定位,并通过高斯核卷积克服稀疏梯度和局部极小值挑战,性能优于传统基线且具备跨环境泛化能力。
2025-01-21 cs.AI cs.LG cs.NI
Adaptive Multipath-Based SLAM for Distributed MIMO Systems
Lund University(隆德大学);University of California San Diego(加利福尼亚大学圣地亚哥分校);Graz University of Technology(格拉茨工业大学);Scripps Institution of Oceanography(斯克里普斯海洋研究所)
本文提出一种基于贝叶斯的多径SLAM方法,用于分布式MIMO系统,解决现有方法在非凸几何环境中融合多径信息的限制,通过自适应检测概率和软射线追踪策略提升定位和建图性能。
2026-03-27 eess.SP
Robust Outdoor Positioning via Ray Tracing
本文提出一种基于RT(射线追踪)技术的5G分布式架构小蜂窝室外定位与跟踪方法,利用高分辨率角谱估计与CoMP云处理,在NLOS场景下实现稳健定位,并与GNSS测量进行了对比。
2023-05-18 eess.SP
Analysis of V2X Sidelink Positioning in sub-6 GHz
无线电定位是超5G通信系统中联合通信和感知的重要组成部分。现有的工作主要集中在毫米波频段,并没有充分利用低于6 GHz的频段,即使它是有希望的准确定位,特别是当多径是不复杂的,并在几个重要的用例有意义。在本文中,我们分析了V2X侧链路定位,并提出了一个新的性能界限,可以预测存在严重的多径的定位性能。使用射线跟踪数据的仿真结果表明,侧链路定位的可能性,和新的性能界的有效性及其与多径的复杂性的关系。
2022-10-27 eess.SP
Ray-Optics Simulations of Outdoor-to-Indoor Multipath Channels at 4 and 14 GHz
本研究针对室外到室内场景,开展基于激光扫描点云楼层平面图的4 GHz与14 GHz频段射线追踪信道仿真,验证了内部建模对提升时延和角度扩展仿真精度的作用,还分析了多层隔热窗对传播覆盖的影响。
2023-01-13 eess.SP
V2X Sidelink Positioning in FR1: Scenarios, Algorithms, and Performance Evaluation
本文研究了5G网络中sub-6 GHz V2X直连链路定位场景,推导了考虑多径与RTT协议的近似CRB,提出基于张量分解和ESPRIT的高分辨率信道参数估计算法,仿真证实该算法可实现亚米级定位精度。
2023-10-20 eess.SP
Fast, Differentiable, GPU-Accelerated Ray Tracing for Multiple Diffraction and Reflection Paths
该研究提出了一种基于GPU的快速可微分射线追踪方法,用于高效处理多反射和衍射路径问题,适用于大规模无线传播建模。
2025-12-31 cs.MS eess.SP
OFDM-guided Deep Joint Source Channel Coding for Wireless Multipath Fading Channels
研究了多径衰落信道下无线图像传输的联合信源信道编码(JSCC).受最近基于深度学习的JSCC和基于模型的学习方法的启发,我们将自动编码器与正交频分复用(OFDM)相结合,以应对多径衰落。所提出的编码器和解码器使用卷积神经网络(CNN),并直接将源图像映射到复值基带样本进行OFDM传输。多径信道和OFDM由不可训练(确定性)但可区分的层表示,使得系统可以端到端地训练。此外,我们的JSCC解码器进一步结合显式信道估计,均衡,和额外的纠错,以提高性能。所提出的方法表现出2.5 - 4 dB的SNR增益为等效的图像质量相比,传统的计划,采用国家的最先进的,但单独的源和信道编码,如BPG和LDPC。当系统结合信道状态信息(CSI)反馈时,性能进一步改善。该方案对OFDM信号削波和用于训练和评估的信道模型的参数失配具有鲁棒性。
2021-09-11 eess.SP
Low-Altitude Channel Multipath Prediction via Panoramic Perception and Vision-Language Model
针对无人机通信中传统信道预测方法的局限,提出基于全景感知和视觉语言模型的PanoLAMP框架,利用预训练模型及全景观测捕捉特征预测多径参数,实验显示其在多径参数、统计指标及泛化性上表现出色。
2026-07-27 cs.CV eess.SP
Ray-Tracing vs. 3GPP TDL: Power Delay Profile Analysis in Outdoor-to-Indoor and Indoor Channels
Rampart Communications
本文通过比较确定性射线追踪模型与3GPP TDL模型的功率延迟分布,评估了3GPP TDL模型在捕获站点特定多径结构方面的局限性。
2026-05-22 eess.SP
ARCTAN: Arbitrary RF Containment Using Tactical Aerial Networks and Differentiable Ray Tracing
Duke University(杜克大学)
ARCTAN通过可微分射线追踪联合优化空中基站与协作干扰器的位置、朝向和功率,实现任意形状区域的射频约束,显著降低信号泄漏。
2026-10-02 cs.NI eess.SP
CITYMPC: A Large-Scale Physics-Informed Benchmark and Tool for Generative Complete Multipath Wireless Channel Modeling
Purdue Univ. Elmore Family School of Electrical and Computer Engineering(普渡大学埃尔莫电气与计算机工程学院);Purdue Univ. School of Agricultural & Biological Engineering(普渡大学农业与生物工程学院);Nokia Standards, USA(诺基亚标准部(美国))
CITYMPC基于点视角图像和地形高度图,通过条件变分自编码器生成多路径信道参数,实现环境感知的信道建模,其在427397条链路上训练并验证,与射线追踪的真实值在接收功率MAE为1.29 dB,τ₀ MAE为7.25 ns。
2026-05-14 eess.SP
Inter-Node Distance Estimation from Multipath Delay Differences of Channels to Observer Nodes
本文提出利用两节点到观测者的宽带多径信道延迟差估计节点间距离,推导了同步、非同步及延迟误差情形下的估计器,并通过室内射线追踪验证其性能。
2019-02-12 eess.SP stat.AP
From C-Band to mmWave-Band: Ray-Tracing-Assisted 5G-Based Indoor Positioning in Industrial Scenario
本文利用射线追踪引擎,在工业场景中比较C频段与毫米波频段的无线电传播特性,并评估基于OTDoA的定位精度,发现毫米波频段在密集杂波环境下具有更高定位潜力。
2024-09-19 eess.SP
Localization with Deep Neural Networks using mmWave Ray Tracing Simulations
世界正在朝着更快的数据转换发展,更有效的用户本地化是首要要求。这项工作研究了使用深度学习技术进行无线定位,同时考虑毫米波(mmWave)和低于6 GHz的频率。学习新的神经网络模型的能力使得定位过程更容易和更快。在这项研究中,深度神经网络(DNN)被用于在两个静态场景中定位用户设备(UE)。我们提出了两种不同的方法来训练神经网络,一个使用信道参数(功能),另一个使用信道响应向量,并使用初步的计算机模拟比较其性能。我们观察到,前一种方法产生高的定位精度考虑到所有的用户有一个固定的多径分量(MPC)的数量,这种方法是依赖于MPC的数量。另一方面,后一种方法独立于MPC,但与第一种方法相比,它的性能相对较差。
2020-02-28 eess.SP
Outlier Rejection for 5G-Based Indoor Positioning in Ray-Tracing-Enabled Industrial Scenario
本文提出基于迭代重加权最小二乘的5G室内定位异常值剔除方法,在射线追踪工业场景中验证其对非视距条件下到达时间测量异常值的鲁棒性,涵盖C波段和毫米波频段。
2024-09-19 eess.SP
Realistic Channel and Delay Coefficient Generation for Dual Mobile Space-Ground Links - A Tutorial-
本文提出基于QuaDiRGa与ITU状态持续时间模型的双移动星地链路信道建模教程,实现真实信道与延迟系数生成,并通过功率、延迟分布、延迟扩展和多普勒频谱验证其准确性。
2024-05-07 eess.SP
A Novel Dynamic Ray-Tracing Channel Model for 6G LEO Satellite-to-Ground Communication Systems
Purple Mountain Laboratories(紫金山实验室);National Mobile Communications Research Laboratory, Southeast University(东南大学移动通信国家重点实验室);Tsinghua University(清华大学);University of Tabuk(塔布克大学)
针对6G低轨卫星对地通信,提出基于动态射线追踪的信道模型,通过虚拟传输平面和第一菲涅尔区生成平行射线,利用真实轨道与环境信息计算信道特性,结果与测量匹配。
2026-09-29 eess.SP
Evaluation of RIS-Enabled B5G/6G Indoor Positioning and Mapping using Ray Tracing Models
本文提出一种基于1-bit RIS和码本波束成形的室内定位与建图综合框架,通过波束扫描、信号分量提取和超分辨率算法实现用户与散射体定位,并利用3D射线追踪模型验证了其在实际场景中的有效性和鲁棒性。
2024-11-14 cs.IT eess.SP math.IT
MVLA-GR: A Phase-Free Multipath-Based Geometry Reconstruction Method via Multi-View Likelihood Accumulation for ISAC
Beijing University of Posts and Telecommunications(北京邮电大学);China Mobile Research Institute(中国移动研究院)
针对ISAC中传统几何重建方法依赖相位信息的问题,提出MVLA-GR方法,仅用时延和功率观测重建目标几何,经仿真与实测验证其有效性。
2026-07-30 eess.SP
Autoregressive Attention Neural Networks for Non-Line-of-Sight User Tracking with Dynamic Metasurface Antennas
National and Kapodistrian University of Athens(雅典国立卡波季斯特里安大学);North Carolina State University(北卡罗来纳州立大学)
本文提出一种两阶段机器学习方法,利用基于注意力机制的神经网络和可学习自回归模型,结合动态超表面天线接收架构,在非视距多径环境中实现高精度用户跟踪并减少导频开销。
2023-10-30 cs.LG eess.SP
Deep Joint Source Channel Coding for WirelessImage Transmission with OFDM
University of Michigan(密歇根大学)
提出了一种基于深度学习的联合信源信道编码(JSCC)方案,用于具有非线性信号限幅的多径衰落信道中的无线图像传输。提出的编码器和解码器使用卷积神经网络(CNN)和直接映射的源图像到复值基带样本的正交频分复用(OFDM)传输。所提出的模型驱动的机器学习方法消除了对单独的源和信道编码的需要,同时集成了OFDM数据路径以应对多径衰落信道。端到端JSCC通信系统将可训练的CNN层与表示多径信道模型和OFDM信号处理块的不可训练但可区分的层组合。我们的研究结果表明,通过将OFDM基带处理块注入到机器学习框架中来注入领域专家知识,与非结构化CNN相比,显着提高了整体性能。我们的方法优于传统的计划,采用国家的最先进的,但单独的源和信道编码,如BPG和LDPC与OFDM。此外,我们的方法被证明是强大的,对非线性信号削波在OFDM的各种信道条件下,不匹配的模型参数在训练过程中使用。
2021-05-24 cs.IT cs.LG eess.SP
Accelerating Ray Tracing-Based Wireless Channels Generation for Real-Time Network Digital Twins
针对网络数字孪生中射线追踪计算成本高的问题,提出3D场景预处理简化和RT结果后处理增强方法,在不损害多径参数准确性的前提下将仿真时间减少50%以上。
2025-07-23 cs.NI eess.SP
Full-Wave-Calibrated Element-Wise RIS Modeling With Cross-Aperture Coefficient Transfer for Multipath Channel Prediction
Institute of Science and Technology, Niigata University(新潟大学科学技术研究院)
针对实际RIS寄生散射导致多径预测偏差的问题,提出全波校准逐单元模型,通过三阶布拉格基函数及跨孔径系数迁移,在154 GHz下高效实现高精度多径信道预测。
2026-09-15 cs.SY eess.SP eess.SY
Neural Reflectance Fields for Radio-Frequency Ray Tracing
Shanghai Jiao Tong University(上海交通大学);East China Branch of State Grid Corporation of China(中国国家电网有限公司华东分部)
本文提出可微 RF 光线追踪框架与神经反射率场,利用信号路径损耗学习各入射角的材料反射系数,以更少训练数据提升接收机功率预测精度。
2025-01-05 cs.CV cs.LG cs.NI
ISAC Imaging by Channel State Information using Ray Tracing for Next Generation 6G
本文提出基于CSI多径分量和两段式反射点优化算法的ISAC成像框架,利用6.75 GHz射线追踪实现多跳环境下的三维物体几何重建,并首次验证了其准确性。
2025-09-08 eess.SP
Generalizable Learning for Frequency-Domain Channel Extrapolation under Distribution Shift
针对分布偏移下现有深度学习信道外推器泛化性差的问题,提出基于物理的渐进式分布对齐策略,在未知环境中较最优方法将外推误差降低6 dB以上。
2025-05-20 eess.SP
HoRAMA: Holistic Reconstruction with Automated Material Assignment for Ray Tracing using NYURay
New York University(纽约大学)
HoRAMA通过结合MASt3R-SLAM和视觉语言模型实现快速生成RT兼容的3D模型,提升无线传播预测精度并缩短重建时间。
2026-02-13 eess.SP
Road to 6G Digital Twin Networks: Multi-Task Adaptive Ray-Tracing as a Key Enabler
针对6G数字孪生网络(DTN)对无线信道孪生的需求,提出面向6G的多任务自适应射线追踪平台(MART-6G),通过三个核心模块生成具6G特征的信道,并经案例验证其在离线覆盖预测和在线实时信道预测中的性能。
2025-02-20 eess.SP
Calibrating Wireless Ray Tracing for Digital Twinning using Local Phase Error Estimates
NVIDIA Corporation(英伟达公司)
针对无线射线追踪校准中几何模型偏差导致相位预测不准的问题,提出基于变分期望最大化的相位误差估计补偿方案,经Sionna库验证预测准确性优于现有方法。
2024-05-14 cs.LG eess.SP
Multi-Stage Location Optimization Through Power Delay Profile Alignment Using Site-Specific Wireless Ray Tracing
本文提出一种多阶段TX/RX位置校准框架,利用多阶段网格搜索和Powell方法对齐测量与仿真的功率延迟分布,纠正了高达7米的位置误差,显著提升了信道预测精度,对下一代无线网络波束管理至关重要。
2025-09-15 eess.SP
Enabling High-Precision 5G mmWave-Based Positioning for Autonomous Vehicles in Dense Urban Environments
针对密集城市场景下非视距通信降低5G毫米波定位精度的问题,提出融合5G视距与多径信号、结合低成本车载运动传感器并采用UKF的定位方案,在多伦多测试中97%时间精度优于30厘米,性能优于未用多径的方案。
2023-05-04 eess.SP
Cooperative Multi-Monostatic Sensing for Object Localization in 6G Networks
针对6G网络中多径导致回波退化及带宽受限时定位性能下降的问题,本文提出基于5G NR的协作式多单基地感知框架,通过加权融合各基站距离估计抑制多径,并经光线追踪仿真验证有效。
2024-01-25 cs.SY eess.SP eess.SY
Framework for Indoor Wireless Propagation Modeling Through Wireless Insite
NIT Durgapur(印度杜尔加普尔国立技术学院);Brno University of Technology(布尔诺理工大学);Military University of Technology(军事技术大学)
本文提出一种基于射线追踪模拟的室内无线传播建模框架,利用Wireless Insite进行仿真,结合SketchUp和MATLAB实现对室内环境的建模与参数分析,用于预测覆盖空洞等应用场景。
2026-03-20 eess.SP
A Ray-Based Characterization of Satellite-to-Urban Propagation
Department of Electrical, Electronic and Information Engineering “G. Marconi,” CNIT, University of Bologna(博洛尼亚大学 G. Marconi 电子、电气与信息工程学院,CNIT)
本文通过确定性射线追踪模拟研究卫星至城市传播,分析不同城市布局下传播机制的重要性及Rician K因子和时延扩展对链路和系统级模拟的影响。
2026-10-14 eess.SP
SPARC: Sparse Path-Aware Residual Calibrator for Wireless Ray Tracing at Upper Mid-Band
New York University(纽约大学)
SPARC提出一种轻量级稀疏线性残差校准方法,利用标准RT特征和岭回归,在不修改射线追踪器的情况下,将室内每条路径功率RMSE从约19-23 dB降至约5 dB,适用于高中频段站点特定网络规划。
2026-09-09 eess.SP
A Differentiable Ray-Wave Framework for Hybrid Refractive-Diffractive System Modeling and Optimization
本文提出了一种可微射线-波框架,用于混合折射-衍射系统的建模与优化,支持平面和曲面衍射表面,并实现端到端优化。
2026-09-21 cs.CV cs.GR eess.SP
Enabling Site-Specific Cellular Network Simulation Through Ray-Tracing-Driven ns-3
本文扩展5G-LENA,引入基于射线追踪轨迹的信道模型,实现站点特定蜂窝网络仿真,支持波束管理和数字孪生研究。
2025-08-06 cs.NI eess.SP
MAP-CSI: Single-site Map-Assisted Localization Using Massive MIMO CSI
本文提出 MAP-CSI 方法,从大规模 MIMO 的 CSI 中提取 AoD 与 ToA 并结合环境地图定位,在公开数据集上验证其适用于 LOS/NLOS 场景且无需显式射线追踪参数。
2021-10-01 eess.SP
Complementary Semi-Deterministic Clusters for Realistic Statistical Channel Models for Positioning
定位受益于捕获几何效应的信道模型,特别是来自第一到达路径的信号特性和多个链路的传播条件的空间一致性。捕捉在实际部署情景中观察到的物理效应的模型对于评估增强定位方法的潜在益处至关重要。基于射线跟踪仿真和统计信道模型的信道模型(其是用于评估3GPP系统中的定位性能的当前最先进的方法)没有完全捕获适用于定位的重要方面。因此,我们提出了一个扩展现有的统计信道模型与半确定性集群(SDC)。SDC允许使用三种类型的簇来模拟通道:固定簇、镜面簇和随机簇。我们的研究结果表明,所提出的模型与实际部署方案中获得的测量结果一致。因此,我们的信道模型可用于开发基于机器学习的高级定位解决方案,从而在NLOS和多径场景中实现厘米级精度的定位。
2022-08-08 eess.SP
Deterministic Modeling of Dynamic ISAC Channels in RF Digital Twin Environments
iTEAM Research Institute, Universitat Politècnica de València(瓦伦西亚理工大学 iTEAM 研究所)
本文提出一种校准方法,用于在动态无线环境中实现集成感知与通信的RF数字孪生。通过高分辨率射线追踪与宽带信道测量相结合,验证了模拟与测量的一致性,展示了在复杂环境中提升ISAC算法性能的可行性。
2026-03-30 eess.SP
Movable Antenna Optimization for Multi-User MIMO Systems in Realistic Ray-Traced Propagation Environments
KTH Royal Institute of Technology(皇家理工学院)
本文研究了在真实射线追踪传播环境下,多用户MIMO系统中移动天线的性能,通过三维射线追踪和场响应信道建模开发了仿真框架,并利用粒子群优化和遗传算法优化天线位置,发现真实传播环境显著压缩了不同天线配置间的性能差异。
2026-04-18 eess.SP
A Technique for Multi-User MIMO using Spatial Channel Model for out-door environments
任何无线通信系统都需要指定一个传播信道模型,作为性能评估和比较的基础。空间信道模型可以分为确定性的,即射线跟踪,基于测量的,这是基于信道信息和基于几何的随机信道模型的基础上,信道的方向结构可以模拟的物理对象和电磁波之间的最后相互作用,波到达基站或移动台的假设。多用户双向信道模型(MDDCM)是一种基于几何的信道模型,用于计算MIMO移动台和MIMO基站的蜂窝系统中的双向信道信息。在这个研究阶段,首先,多用户多输入多输出(MU-MIMO)空间信道模型已经实现了不同的室外环境城市微观和城市宏观使用MATLAB找到各种参数,如用户的到达角,用户方向和用户与接入点(AP)之间的距离。利用多径瑞利衰落信道和实际空间信道模型,实现了二次编码(多输入多输出-正交频分复用)MIMO-OFDM系统。使用不同的BER改善技术,例如,维特比解码器,时间和频率交织。通过在两个信道上的发送端和接收端[(2x2)和(2x 4)]处使用多个天线,也观察到多信道分集。不同的调制技术对误码性能的影响也被观察到。
2018-07-10 eess.SP