摘要
随着低空经济的快速发展，对电磁频谱的全面认知变得愈发重要。然而，在这种背景下构建全面的无线电环境图存在诸多挑战，因为无人机在复杂的低空环境中收集的频谱感知数据通常较为稀疏、零散，且在时间、频率和三维空间这些高维维度上的分布也不均匀。为解决这些问题，本研究提出了一种基于秩自适应的贝叶斯张量环补全框架（Ra-BTRC）。该方法将低空电磁环境视为一个统一的五维频谱张量，进而通过张量环分解来捕捉各维度间的潜在高阶相关性。为克服传统张量环方法对预定义秩值的敏感性，Ra-BTRC在张量环核心因子上引入了促进稀疏性的先验条件，从而能够通过变分贝叶斯推断来了解观测数据的不确定性，并从稀疏的测量数据中推断出有效的张量环秩值，无需手动设定秩值。仿真结果表明，与现有的基于张量环的方法相比，Ra-BTRC的性能有了显著提升，在5%的采样率下仍能实现超过10 dB的MMSE改进效果，同时还能准确还原局部频谱结构及时间动态特征。所提出的方法为在有限的感知资源条件下实现可靠的全球低空频谱认知提供了一种强大且可扩展的解决方案。
