基于物理原理的条件扩散网络在微波图像重建中的应用

《IEEE Open Journal of Antennas and Propagation》：Physics-Guided Conditional Diffusion Networks for Microwave Image Reconstruction

　　

摘要：

低复杂度的确定性计算对于建模集成感知与通信（ISAC）信道至关重要。本文提出了一个综合框架，利用运动学和确定性信道模型来合成基于椭球体的上肢手势的微多普勒特征。该框架引入了一种新颖的运动学模型，结合了对数正态弹道手腕轨迹和改进的6自由度旋转关节（6R）-可编程通用机器（PUMA），用于带有摆动角偏移的组装配置。这使得从最小输入中实现真实的上肢运动，并为合成确定性微多普勒特征提供了参考。为了确保在轻量计算下仍能进行稳健的合成，提出了一种阻滞平滑复杂RCS（BS-cRCS）信道模型，该模型在保留衰落模式连续性的同时解决了自阴影效应问题。验证使用了与激光雷达和运动捕捉同步的28.5 GHz信道声纳。该运动学模型重建的上肢运动手腕轨迹的中位数误差低于2厘米，而肘部摆动增强功能将肘部误差相对于标准6R-PUMA模型降低了约3厘米。所提出的BS-cRCS模型通过与实测数据的直接比较，验证了运动学模型对微多普勒特征的影响。以物理光学（PO）作为参考，BS-cRCS模型显著减少了衰落不连续性，并在95百分位数下，16种手势的衰落模式的中位数绝对偏差低于2.5分贝。此外，还引入了窗口化物理光学（W-PO）方法，以量化在这一实验设置中连接PO和BS-cRCS模型的静止相位近似所引入的差异。