An I2I Inpainting Approach for Efficient Channel Knowledge Map Construction

通道知识图(Channel knowledge map, CKM)已成为环境感知无线通信的新兴技术，备受关注。它涉及构建包含特定位置通道知识的数据库，然后利用这些数据库来促进信道状态信息(CSI)获取和收发器设计。在这个背景下，一个基本的挑战在于如何有效地构建CKM。大多数现有方法基于随机建模和序列预测，未充分利用传播环境的固有物理特性，导致精度低，计算复杂度高。为了解决这些限制，我们提出了一种基于拉普拉斯金字塔(LP)的CKM构建方案，以预测目标区域内任意位置的通道知识。具体而言，我们首先将通道知识视为2D图像，并将CKM构建问题转化为图像修复任务，通过恢复图像矩阵中对应的像素值来预测特定位置的通道知识。然后，受LP可逆和封闭形式结构的启发，我们展示了它在设计快速图像到图像映射网络方面的自然适用性。对于LP分解的不同频率分量，我们相应地设计了量身定制的网络。此外，为了编码传播环境的全局结构信息，我们在不同层中引入了自注意力机制和交叉协方差注意力机制。最后，实验结果表明，所提出的方案优于基准，实现了更高的重构精度，同时计算复杂度更低。此外，所提出的方法具有很强的泛化能力，可以在不同的无线通信场景中实现。

提高构建环境感知的无线通信中的通道知识数据库的效率和准确性

使用拉普拉斯金字塔（LP）构建通道知识数据库，将通道知识视为2D图像，并将构建问题转化为图像修复任务，利用LP的可逆性和闭合形式结构设计快速的图像映射网络，同时引入自注意力和交叉协方差注意力机制以编码传播环境的全局结构信息

提出的方案在重建准确性和计算复杂度方面优于基准，具有强大的泛化能力，可在不同的无线通信场景中实现

基于随机建模和序列预测的现有方法未充分利用传播环境的固有物理特性，因此该方法提供了一种新颖的解决方案