PACC：基于物理引导度量学习的信道图表新方法

信道图表（Channel Charting）是一种将高维信道状态信息映射到低维潜在空间的技术，在无线环境感知与波束管理等任务中具有重要价值。与依赖精确坐标的传统定位方法不同，信道图表旨在保留无线传播环境的内在几何结构，使定位、波束管理及环境重建等下游任务可以在缺少地理标注的条件下完成。

现有信道图表方法通常依赖用户精确位置或基于时间戳生成的伪标签作为监督信号，但在隐私敏感场景中获取真实位置存在困难，而无线环境的快速时变也会使时间戳假设难以成立，制约了方法在真实部署中的可用性。

针对上述局限，研究者提出了基于物理引导度量学习的传播感知信道图表框架PACC。该方法无需显式地理位置信息，而是直接利用信道域中的传播特性构建监督信号。其核心设计是一种传播感知的差异度度量，能够自适应区分视距与非视距传播条件，在保持局部邻域关系的同时刻画无线环境的全局几何结构。

仿真实验显示，PACC在多种传播条件下均优于传统降维方法以及当前主流的基于学习的信道图表方案，验证了将物理传播先验融入度量学习对提升图表质量的积极作用。

【空音视角】 信道图表为WiFi感知提供了一种不依赖定位标签的环境表征思路，与空音关注的非接触式感知方向有相通之处。PACC将物理传播规律融入度量学习，使低维表征能更好地反映信号在空间中的传播结构，这一思路对CSI特征工程与跨场景泛化具有借鉴意义，也提示从业者关注物理先验与数据驱动方法的有效结合。

—— 本文基于公开报道由空音编辑部 AI 辅助改写 来源：arXiv 信号处理 原文链接：https://arxiv.org/abs/2608.21838