Харитаи радиоӣ (radio map) харитаи рақамиест, ки тақсимоти фазоии паҳншавии сигнали радиоӣ ё талафи роҳро дар як минтақаи ҷуғрофӣ нишон медиҳад. Дар шабакаҳои 6G ин харитаҳо яке аз қабатҳои асосии додаҳо барои вазифаҳое чун оптимизатсияи фарогирӣ, идоракунии халал, тақсимоти захираҳо, алоқаи байни воситаҳои нақлиёт ва ҷойгиркунӣ мебошанд.

Аммо дар ҷаҳони воқеӣ нуқтаҳои ченкунии радиоӣ ниҳоят каманд ва дар аксари ҳолатҳо ҳатто камтар аз %1-и минтақаро фаро мегиранд. Азбаски биноҳо, роҳҳо, воситаҳои нақлиёт ва дигар монеаҳо паҳншавии электромагнитиро пайваста тағйир медиҳанд, тавлиди харитаи радиоии баландҳалшавӣ аз ченкуниҳои нопурра масъалаи мураккаби баръакс аст.

Ming Lei ва ҳамкоронаш барои ин масъала модели нави тавлидӣ бо номи RMF — Radio Mean Flow пешниҳод мекунанд. Фарқи асосии RMF дар он аст, ки он раванди чандқадамаи бартарафсозии садоро дар моделҳои диффузионӣ истифода намекунад; балки бо равиши MeanFlow аз садо ба харитаи радиоии ҳадаф бевосита дар як гузариши пеш табдилро ҳосил мекунад.

Модел танҳо ба ченкуниҳои парокандаи сигнал нигоҳ намекунад. Барои геометрияи бино, ҷойгиршавии истгоҳи базавӣ, ченкуниҳои пароканда ва монеаҳои динамикӣ чор механизми ҷудогонаи истихроҷи хусусиятҳоро истифода мебарад. Ин маълумот тавассути multi-scale cross-attention ба сохтори U-Net интиқол дода мешавад.

Дар таҷрибаҳои benchmark-и RadioMapSeer, RMF миёни усулҳои муқоисашуда пасттарин RMSE ва баландтарин PSNR-ро ба даст оварда, бо вақти барориши тақрибан 0,05 сония барои ҳар намуна нисбат ба равиши чандқадамаи диффузионӣ ба таври назаррас тезтар кор кардааст. Бо вуҷуди ин, натиҷаҳо ба додаҳои синтетикии ray-tracing такя мекунанд; тасдиқ бо ченкуниҳои воқеии саҳроӣ ҳанӯз анҷом нашудааст.

Харитаи радиоӣ чист ва барои 6G чаро муҳим аст?

Харитаи радиоӣ нишон медиҳад, ки сустшавии сигнал байни фиристанда ва қабулкунанда дар минтақаи ҷуғрофӣ чӣ гуна тақсим мешавад. Ин сустшавӣ танҳо ба масофаи фазои озод вобаста нест; биноҳо, воситаҳои нақлиёт, деворҳо ва дигар сохторҳо метавонанд сигналро ҷаббанд, бозтоб диҳанд, пароканда кунанд ё ба дифраксия дучор намоянд.

Аз ин рӯ, операторони шабака танҳо ба саволи «истгоҳи базавӣ куҷост?» таваҷҷуҳ намекунанд. Қувваи сигнал дар ҷойи муайян, холигиҳои фарогирӣ, минтақаҳои соягӣ ва тағйироте, ки монеаҳои динамикӣ ба вуҷуд меоранд, низ муҳиманд.

Харитаҳои радиоии босифат метавонанд дар чунин вазифаҳо истифода шаванд:

• оптимизатсияи фарогирӣ,
• идоракунии халал,
• идоракунии динамикии спектр,
• алоқаи восита ба восита,
• ҷойгиркунӣ,
• банақшагирии шабакаи изтирорӣ,
• тақсимоти захираҳои 6G.

Чаро ченкунии мустақим кофӣ нест?

Ҷойгир кардани сенсори радиоӣ дар ҳар метри мураббаи шаҳр воқеӣ нест. Бо сабаби арзиши инфрасохтори ченкунӣ ва душвории ҷойгирсозӣ, зичии намунагирӣ дар ҷаҳони воқеӣ аксар вақт хеле паст аст.

Аз ин рӯ, харитаи пурраи радиоӣ бояд аз шумораи ками ченкуниҳои воқеӣ ва пешдонишҳои муҳитӣ, монанди геометрияи бино ва фиристанда, тахмин карда шавад.

Чаро интерполятсияи классикӣ метавонад маҳдуд бошад?

Усулҳои интерполятсия, ба монанди IDW ё Kriging, метавонанд холигиҳои байни нуқтаҳои ченшударо ба таври оморӣ пур кунанд. Аммо паҳншавии радиоӣ дар муҳити шаҳрӣ танҳо сатҳи ҳамворе нест, ки аз масофа вобаста бошад. Як бино метавонад хатти диди мустақимро байни ду нуқтаи наздик комилан тағйир диҳад.

Аз ин рӯ, интерполятсияе, ки танҳо ба масофаи фазоӣ такя мекунад, метавонад хусусиятҳои электромагнитӣ, ба монанди соягии бино ва монеаҳои динамикиро ба қадри кофӣ ифода накунад.

Афзалият ва арзиши моделҳои диффузионӣ

Моделҳои диффузионӣ метавонанд натиҷаҳои тавлидии босифат диҳанд. Аммо равиши маъмул аз ҳолати ибтидоии садодор ба ҳадаф тавассути даҳҳо қадами пайдарпайи denoising мерасад.

Дар сенарияҳои динамикии 6G, ки харитаи радиоӣ бояд зуд-зуд бозсозӣ шавад, ин раванди итеративӣ метавонад ба таъхири назарраси ҳисоббарорӣ табдил ёбад.

Чаро MeanFlow метавонад дар як қадам тавлид кунад?

Flow matching-и стандартӣ майдони суръати лаҳзавиро дар тӯли табдил байни садо ва тақсимоти додаҳо меомӯзад. MeanFlow бошад ин сохторро бо мафҳуми майдони суръати миёна аз нав формулбандӣ мекунад.

Дар ҳоле ки суръати лаҳзавӣ самти табдилро дар лаҳзаи муайян нишон медиҳад, суръати миёна ҷойивазкунии умумиро дар як фосилаи муайяни вақт ифода мекунад.

Дар заминаи харитаи радиоӣ ин чунин маъно дорад: модел ба ҷойи татбиқи алоҳидаи бисёр қадамҳои хурди «кам кардани садо», кӯшиш мекунад табдили умумии заруриро аз садо то харитаи ҳадаф омӯзад.

Роҳи асосии flow

Дар таҳқиқ роҳе хаттӣ байни намунаи дода x ва садо ε чунин ифода мешавад:

z_t = a_tx + b_tε

Барои ҷадвали хаттӣ:

z_t = (1 − t)x + tε

Дар масъалаи харитаи радиоӣ x харитаи ҳадафии талафи роҳро ва ε садои Gaussian-ро ифода мекунад.

Майдони суръати миёнаи MeanFlow

MeanFlow таъсири умумии суръатро дар фосилаи муайяни вақт ҳамчун майдони миёна муайян мекунад:

u(z_t, r, t) = 1/(t−r) ∫_r^t v(z_τ,τ)dτ

Ин сохтор ба шабака имкон медиҳад, ки на танҳо як лаҳзаи роҳи табдил, балки рафтори ҷамъшавандаи тамоми фосиларо омӯзад.

Намунагирии якқадама

Пас аз анҷоми омӯзиш, намунагирӣ дар шакли умумӣ:

z_r = z_t − (t−r)u_θ(z_t,r,t)

мебошад.

Барои тавлиди якқадама ин ифода:

z₀ = z₁ − u_θ(z₁,0,1)

содда мешавад. Ҳамин тавр, барои натиҷа танҳо як баҳодиҳии шабакаи нейронӣ лозим аст.

RMF кадом маълумоти муҳитиро якҷоя истифода мебарад?

Қувваи асосии меъмории RMF, дар баробари MeanFlow, аз якҷоясозии бисёрхусусиятӣ бармеояд. Чор маълумоти асосии муҳитӣ бо роҳҳои ҷудогона коркард мешаванд:

Чаро хусусиятҳои бино аз ду роҳи алоҳида гирифта мешаванд?

Канорҳои бино ҷузъиёти муҳими геометрии басомади баландро дар паҳншавии радиоӣ доранд. Аз ин рӯ, модел харитаи биноро ба ду хати параллелии коркард мефиристад.

Роҳи аввал тавассути FFT ба соҳаи басомад мегузарад ва бо филтри омӯзишшавандаи high-pass сарҳадҳои тезро барҷаста мекунад. Роҳи дуюм тавассути CNN намунаҳои фазоии маҳаллиро меомӯзад. Сипас ду маҷмӯи хусусиятҳо якҷоя карда мешаванд.

Ин тарҳ ҳадаф дорад ҳам ҷойгиршавии васеъмиқёси биноҳо ва ҳам ҷузъиёти маҳаллӣ, монанди девор ва канори бино, ҳифз шаванд.

Пойгоҳи асосӣ танҳо ҳамчун координата дода намешавад

Ҷойгиршавии истгоҳи базавӣ ба модел танҳо ҳамчун пиксел ё координата дода намешавад; он ба майдони масофае табдил дода мешавад, ки масофаи нормализатсияшудаи ҳар ҳуҷайраи харитаро то фиристанда нишон медиҳад.

Механизми coordinate attention низ ба ин майдон илова шуда, ҳадаф омӯзиши вобастагиҳои самтии паҳншавии электромагнитӣ мебошад.

Чаро дар ченкуниҳои пароканда GNN истифода мешавад?

Ҳар нуқтаи ченкунии радиоӣ ҳамчун graph node баррасӣ мешавад. Пайвандҳои байни нуқтаҳо бар асоси масофаи фазоӣ ва шартҳои хатти дид сохта мешаванд.

Модел инчунин пешдонишҳои физикиро дар бораи тағйири талафи роҳ бо масофа дар фазои озод ба вазнҳои edge ва хусусиятҳои node ҷой медиҳад.

Ҳамин тавр, GNN танҳо бо фарзияи «арзишҳои нуқтаҳои наздик монанданд» кор намекунад; он кӯшиш мекунад таъсири шароити бино ва хатти дидро ба паҳншавии радиоӣ низ ба ҳисоб гирад.

Чор хусусият чӣ гуна якҷоя карда мешаванд?

Чор ҷараёни хусусият якҷоя шуда, conditioning tensor-и умумии 160 канал эҷод мекунад:

C = Concat(F_building, F_station, F_vehicle, F_sample)

Дар таҳқиқ тақсимоти каналҳо чунин муайян шудааст:

• бино: 64 канал,
• истгоҳи базавӣ: 32 канал,
• воситаи нақлиёт: 32 канал,
• ченкунии пароканда: 32 канал

.

Чаро Cross-attention истифода мешавад?

Маълумоти муҳитӣ танҳо як маротиба дар вуруди модел дода намешавад. Механизми Multi-scale cross-attention имкон медиҳад, ки ин хусусиятҳо бо қабатҳои намояндагии U-Net дар сатҳҳои гуногуни ҳалнокӣ борҳо ҳамкорӣ кунанд.

Ҳамин тавр, дар ҳалнокии паст геометрияи васеъмиқёси шаҳр ва дар ҳалнокии баланд сарҳадҳои тези бино ва сигнал метавонанд ҳифз шаванд.

Усул ва Натиҷаҳои Таҳқиқот

Маҷмӯи додаҳои истифодашуда

Модел дар RadioMapSeer арзёбӣ шудааст. Dataset гарчанде геометрияи шаҳрҳоро аз ҷуғрофияи воқеии OpenStreetMap мегирад, харитаҳои сигнал бо симулятсияи ray-tracing сохта шудаанд.

Шаш шаҳр мавҷуд аст:

• Ankara,
• Berlin,
• Glasgow,
• London,
• Ljubljana,
• Tel Aviv.

Дар маҷмӯъ 700 сенарияи нодири харита истифода шудааст. Аз онҳо 500 барои омӯзиш, 100 барои тасдиқ ва 100 барои санҷиш ҷудо шудаанд; ҳампӯшии ҷуғрофӣ вуҷуд надорад.

Ҳар харита майдони 256 m × 256 m-ро ҳамчун 256 × 256 пиксел нишон медиҳад. Симулятсия басомади интиқолдиҳандаи 5,9 GHz, қувваи фиристандаи 23 dBm ва баландии transceiver-и 1,5 m-ро истифода мебарад.

Меъёрҳои арзёбӣ

Иҷрои модел бо чор меъёри асосӣ арзёбӣ шудааст:

• NMSE: Хатои миёнаи квадратии нормализатсияшуда,
• RMSE: Решаи квадратии хатои миёна дар сатҳи пиксел,
• SSIM: Монандии сохторӣ,
• PSNR: Сифати бозсозӣ бар асоси таносуби сигнал ба садо.

Барои RMSE ва NMSE арзишҳои паст; барои SSIM ва PSNR арзишҳои баланд иҷрои беҳтарро нишон медиҳанд.

Ҷузъиёти омӯзиш

RMF бо Python 3.9 ва PyTorch 1.12.1 амалӣ шудааст. Омӯзиш дар GPU-и NVIDIA GeForce RTX 3090 Ti тақрибан 18 соат идома ёфта, batch size 4 муайян шудааст. Андозаи вуруд 256 × 256 пиксел аст.

Барои оптимизатсия AdamW истифода шуда, суръати омӯзиш аз 10⁻⁴ то 10⁻⁶ коҳиш дода шудааст.

Натиҷаҳои асосӣ бо 100 нуқтаи ченкунӣ

Бо ин натиҷаҳо RMF дар байни усулҳои муқоисашуда аз ҷиҳати RMSE ва PSNR беҳтарин натиҷаро дод.

Тавозуни суръат–сифат бо RadioDiff

RadioDiff дар сенарияи бе монеаи динамикӣ бо SSIM 0,9683 аз арзиши 0,9674-и RMF каме баландтар аст; дар ҳолати дорои монеаи динамикӣ бошад, бо 0,9661 нисбат ба 0,9557-и RMF монандии сохтории баландтар медиҳад.

Баръакс, вақти барориши RadioDiff барои ҳар намуна тақрибан 9,74 сония аст, дар ҳоле ки барои RMF тақрибан 0,05 сония мебошад.

Аз ин рӯ, муаллифон RMF-ро танҳо ҳамчун «модели мутлақан беҳтар дар ҳар меъёр» муаррифӣ намекунанд. Гарчанде RadioDiff дар баъзе меъёрҳои идрокӣ/сохторӣ бартарии хурд дорад, RMF нуқтаи кори қавитарро байни суръат ва дақиқии сатҳи пиксел пешниҳод мекунад.

RMF-и якқадама воқеан то чӣ андоза тез аст?

Дар таҷрибаи 100-чена:

• U-Net: 0,018 s,
• RadioUNet: 0,021 s,
• RME-GAN: 0,038 s,
• RF-1step: 0,048 s,
• RMF: 0,05 s,
• RadioDiff: 9,74 s.

Гарчанде RMF аз содатарин моделҳои CNN сусттар аст, он аз равиши диффузионии дақиқ тақрибан ду тартиби бузургӣ тезтар мебошад. Таҳқиқ RMF-ро махсусан барои сенарияҳои истифодаи ҳассос ба вақт, ки натиҷаи зери 100 ms талаб мекунанд, ҷойгир мекунад.

Оё MeanFlow воқеан фарқият эҷод мекунад?

Барои санҷидани ин, муҳаққиқон муқоисаи RF-1step-ро илова кардаанд, ки маҳз ҳамон меъмории U-Net, FFT, GNN ва coordinate-attention-и RMF-ро истифода мебарад, аммо ба ҷойи MeanFlow бо ҳадафи стандартии Rectified Flow омӯзонида шудааст.

Дар сенарияи 100-ченаи дорои монеаи динамикӣ RMF:

• нисбат ба RF-1step RMSE-ро тақрибан %8,9 беҳтар кардааст,
• дар PSNR бартарии 0,67 dB додааст.

Ин муқоисаи назоратшуда нишон медиҳад, ки фарқи иҷро на танҳо аз шохаҳои хусусиятии меъморӣ, балки аз ҳадафи омӯзиши MeanFlow низ бармеояд.

Агар ягон ченкунии радиоӣ набошад, модел чӣ мекунад?

Яке аз душвортарин таҷрибаҳои таҳқиқ сенарияи сифр ченкунӣ аст. Дар ин ҷо дар модел ягон нуқтаи ченкунии мустақими path-loss вуҷуд надорад. Танҳо геометрияи бино, истгоҳи базавӣ ва, агар бошад, маълумоти монеаи динамикӣ истифода мешавад.

Дар ҳолати статикӣ RMF нисбат ба RadioDiff дар RMSE тақрибан %7,5 беҳбудӣ ва дар PSNR афзоиши 1,45 dB нишон додааст.

Дар ҳолати динамикӣ ҳам PSNR дар сатҳи 36,52 dB боқӣ мондааст. Ин натиҷа нишон медиҳад, ки ҳангоми набудани ченкунии мустақими сигнал, коркарди дурусти пешдонишҳои муҳитӣ махсусан муҳим мегардад.

Оё GNN воқеан аз интерполятсияи классикӣ беҳтар аст?

Муҳаққиқон шохаи GNN-ро бо IDW ва Ordinary Kriging иваз намуда, муқоисаи назоратшуда гузарониданд.

GNN нисбат ба Ordinary Kriging дар RMSE %7,7 ва нисбат ба IDW %11,2 беҳбудӣ нишон додааст.

Муаллифон инро аз ҷиҳати физикӣ тавзеҳпазир медонанд: IDW танҳо вазни масофаро истифода мебарад, Kriging стационарии фазоиро фарз мекунад; GNN бошад метавонад ҳам масофа ва ҳам хатти дид ва пешдонишҳои паҳншавиро рамзгузорӣ кунад.

Кадом ҷузъи меъморӣ муҳимтарин аст?

Дар таҳқиқи ablation бо 100 нуқтаи ченкунӣ ва монеаи динамикӣ, бузургтарин таъсири як ҷузъ дар шохаи GNN дида шудааст. Ҳангоми хориҷ кардани GNN, RMSE аз 0,0143 то 0,0153 афзуда, PSNR аз 36,91 то 35,89 dB коҳиш ёфтааст.

Ҳангоми хориҷ кардани ҳамаи хусусиятҳои муҳитӣ ва истифодаи танҳо MeanFlow, RMSE то 0,0165 ва PSNR то 34,67 dB коҳиш меёбад. Ин натиҷа нишон медиҳад, ки муваффақияти модел на танҳо аз MeanFlow, балки аз якҷояшавии MeanFlow бо якҷоясозии бисёрхусусиятии муҳитӣ бармеояд.

Дар сифр ченкунӣ хусусияти муҳимтарин тағйир меёбад

Ҳангоми набудани ченкунӣ, GNN аллакай фаъол нест. Дар ин сенария ҷузъи муҳимтарин coordinate attention мегардад.

Ҳангоми хориҷ кардани coordinate attention дар сенарияи динамикии сифр-чена, RMSE аз 0,0162 то 0,0183 афзуда, PSNR аз 36,52 то 35,36 dB коҳиш ёфтааст.

Ин бозёфт нишон медиҳад, ки ҳангоми набудани додаҳои мустақими сигнал, ҷойгиршавии геометрии истгоҳи базавӣ ва маълумоти паҳншавии самтӣ муҳимтар мегардад.

Чаро ниқоби conditioning амали максималиро истифода мебарад?

RMF матритсаҳои бино, истгоҳи базавӣ, ченкунӣ ва монеаи динамикиро зери матритсаи муштараки conditioning K якҷоя мекунад.

Муҳаққиқон ҷамъкунӣ, ҷамъкунии вазндор, 1×1 convolution gate-и омӯзишшуда ва усулҳои element-wise maximum-ро муқоиса кардаанд.

Element-wise максимум дар ин таҷриба дар ҳамаи се меъёри асосӣ натиҷаи беҳтарин додааст.

Оё модел дар шаҳрҳое, ки ҳеҷ гоҳ надидааст, ҳам кор мекунад?

Муҳаққиқон дар шаш шаҳри RadioMapSeer кросс-валидатсияи leave-one-city-out анҷом доданд. Дар ҳар давр омӯзиш бо панҷ шаҳр гузаронида шуда, шаҳри шашум барои санҷиш комилан берун гузошта шудааст.

Натиҷаи миёнаи RMF:

• RMSE: 0,0166 ± 0,0003
• PSNR: 35,86 ± 0,14 dB

Барои RadioDiff:

• RMSE: 0,0180 ± 0,0004
• PSNR: 35,01 ± 0,16 dB

Ҳар ду модел нисбат ба санҷиши дохили тақсимот дар RMSE тақрибан %16 бадтар шуданд. Ин нишон медиҳад, ки морфологияҳои шаҳрии нодида ҳанӯз ҳам масъалаи муҳими умумисозӣ мебошанд.

Натиҷаҳои RMF аз рӯи шаҳр

Натиҷаҳое, ки таҳқиқ дастгирӣ мекунад

• Тавлиди якқадама бар асоси MeanFlow метавонад дар RadioMapSeer бозсозии босифати харитаи радиоиро таъмин кунад.
• RMF дар байни усулҳои муқоисашуда беҳтарин арзишҳои RMSE ва PSNR-ро ба даст овардааст.
• Сохтори якқадама нисбат ба равиши чандқадамаи диффузионӣ таъхири бароришро ба таври хеле назаррас коҳиш медиҳад.
• Истифодаи муштараки маълумоти бино, истгоҳи базавӣ, ченкуниҳои пароканда ва монеаҳои динамикӣ натиҷаҳоро ба таври назаррас беҳтар мекунад.
• GNN махсусан ҳангоми мавҷуд будани ченкуниҳои пароканда саҳми муҳим дорад.
• Ҳангоми набудани ченкунӣ, геометрияи истгоҳи базавӣ ва coordinate attention муҳимтар мегарданд.
• RMF дар шаҳрҳои нодида низ бартарии худро нисбат ба RadioDiff нигоҳ дошт; аммо дар ҳар ду модел коҳиши иҷро дида мешавад.

Натиҷаҳое, ки таҳқиқ дастгирӣ намекунад

• Ҳанӯз исбот нашудааст, ки RMF дар шабакаҳои воқеии саҳроии 6G ҳамин иҷрои яксонро нишон медиҳад.
• Нишон дода нашудааст, ки модел барои ҷойгиркунии тиҷоратии 6G дар вақти воқеӣ омода аст.
• RadioDiff дар ҳамаи меъёрҳо қафо нест; дар баъзе натиҷаҳои SSIM ва NMSE бартарии худро нигоҳ медорад.
• Вақти барориши 0,05 сония арзиши кафолатдодашуда барои ҳамаи таҷҳизот нест; санҷиш дар RTX 3090 Ti гузаронида шудааст.
• Додаҳои синтетикии ray-tracing тамоми мураккабии электромагнитии ҷаҳони воқеиро ифода намекунанд.
• Модел ҳанӯз дар муҳитҳои бисёрбандӣ, бисёрантенагӣ, mmWave, RIS ё ISAC тасдиқ нашудааст.

Маҳдудиятҳои асосӣ

Муҳимтарин маҳдудият манбаи додаҳост. Гарчанде RadioMapSeer геометрияи биноро аз додаҳои воқеии OpenStreetMap мегирад, тақсимоти сигнал тавассути ray-tracing-и детерминистӣ эҷод мешавад.

Дар муҳити воқеӣ stochastic multipath fading, номунтазамии antenna pattern, хусусиятҳои инъикоси сатҳи замин ва рафтори мураккаби парокандашавии электромагнитии воситаҳои нақлиёт метавонанд аз симулятсия фарқ кунанд.

Аз ин рӯ, мақола даъвои қатъии иҷрои сатҳи саҳроиро пеш намегузорад ва тасдиқ бо ченкуниҳои воқеии радиоиро ҳамчун кори асосии оянда нишон медиҳад.

Корҳои оянда

Муаллифон махсусан самтҳои зерини таҳқиқотро пешниҳод мекунанд:

1. тасдиқ дар ченкуниҳои воқеии саҳроӣ,
2. густариш ба шабакаҳои бисёрбандӣ ва бисёрантенагӣ,
3. пешгӯии замонии харитаи радиоӣ,
4. омӯзиши тақсимшудаи ба махфият нигаронидашуда бо federated learning,
5. мутобиқсозӣ ба сенарияҳои ISAC,
6. ҳамгироӣ бо reconfigurable intelligent surfaces,
7. тақвияти умумисозӣ ба муҳитҳои нодида бо ҷузъҳои physics-informed neural network.

Ёддошт оид ба Манбаъ ва Усул

Унвони аслӣ:Single-Step Radio Map Reconstruction with Multi-Feature Fusion via Mean Flow Matching

Муаллифон: Ming Lei, You Fu, Ruyun Fu, Shengliang Fang ва Youchen Fan.

Муассисаҳо: School of Space Information, Space Engineering University, Beijing; School of Business, Anhui University of Technology, Ma'anshan, China.

Маҷалла:AI, 2026, 7, Article 207.

DOI:10.3390/ai7060207

Ирсол: 24 Марти 2026. Бознигарӣ: 27 Майи 2026. Қабул: 3 Июни 2026. Нашр: 5 Июни 2026.

Навъи таҳқиқ: Рушди усули тавлидии бар асоси зеҳни сунъӣ, муқоисаи benchmark ва таҳлили ablation.

Маҷмӯи додаҳо: RadioMapSeer; 700 сенарияи симулятсияшудаи харитаи радиоӣ аз Ankara, Berlin, Glasgow, London, Ljubljana ва Tel Aviv.

Маблағгузорӣ: National Key Laboratory of Space Target Awareness, STA2024KJW0401.

Этика: Institutional Review Board ва informed consent барои ин таҳқиқ татбиқшаванда нестанд.

Дастрасии додаҳо: Маҷмӯи додаҳои RadioMapSeer барои ҷомеа дастрас аст.

Бархӯрди манфиатҳо: Муаллифон бархӯрди манфиатҳоро гузориш надодаанд. Зикр шудааст, ки маблағгузор дар тарҳи таҳқиқ, таҳлили додаҳо, тафсир, навиштани мақола ё қарори нашр нақш надоштааст.

Литсензия: Creative Commons Attribution (CC BY).

Ҳадди методологӣ: Таҷрибаҳо на дар ченкуниҳои воқеии радиоии саҳроӣ, балки дар benchmark-и RadioMapSeer, ки ба ray-tracing-и детерминистӣ асос ёфтааст, гузаронида шудаанд. Аз ин рӯ, гарчанде натиҷаҳо муқоисаи назоратшудаи байни усулҳоро қавӣ дастгирӣ мекунанд, онҳо иҷрои амалиётиро дар ҷойгиркуниҳои воқеии 6G мустақиман исбот намекунанд.

Ёддошти усули Verianla: Ин муҳтавои тоҷикӣ усули математикӣ, меъморӣ, маҷмӯи додаҳо, тарҳи таҷриба, ҷадвалҳои иҷро, натиҷаҳои ablation, таҳлили умумисозӣ ва маҳдудиятҳои мақолаи манбаъро бо вафодорӣ ба маънои манбаъ дар сохтори мустақили омӯзишӣ аз нав ташкил мекунад. Тасвирҳо ё ҷадвалҳои манбаъ айнан нусхабардорӣ нашудаанд.