3D高斯泼溅杀进波束赋形！港科大GSBF免CSI延迟仅24ms

当视觉圈的3D高斯泼溅还在忙着做新视角合成时，港科大的研究者已经把它搬进了毫米波通信的波束赋形里。GSBF让基站不再依赖繁琐的在线CSI估计，用激光雷达点云初始化环境表征，24毫秒内直接合成高质量波束——连逐波束扫描都省了。

龙哥读论文发布于 2026-08-14 09:12:44 阅读 4 查看原文

#高斯泼溅 #3D渲染 #AI应用

原论文信息如下：

论文标题:
GSBF: Gaussian Splatting for Environment-Aware Beamforming 发表日期:
2026年08月论文作者:
Yijie Bian, Wei Guo, Zixin Wang, Shenghui Song, Jun Zhang, Khaled B. Letaief 发表单位:
Dept. of ECE, The Hong Kong University of Science and Technology, Hong Kong, China 原文链接:
https://arxiv.org/pdf/2608.05896v1.pdf

1. 波束赋形遇上3D高斯泼溅：一场通信与视觉的跨界融合

2026年的通信圈，什么话题最让人头疼？6G愿景很丰满，但毫米波信道质量实在骨感。在6G所构想的空间复杂无线环境中，MIMO和定向波束赋形是保障高容量连接的关键，但天线阵列维度不断膨胀，波束设计面临的计算复杂度正快速飙升。事实上，当大规模天线阵列在基站端部署之后，如何让波束快速且准确地指向对应的传播路径，直接关系到频谱效率和无线链路的可靠性。

传统方案之所以"重"，根源在于两点：一是需要发送导频来获取CSI（Channel State Information，信道状态信息），这要消耗大量导频开销；二是拿到CSI后还得通过迭代优化算法求解波束赋形向量，计算复杂度让人望而却步。于是业界一直在追问：能不能甩开在线CSI这条拐杖，直接通过感知环境来决定波束怎么打？

这正是香港科技大学团队最新论文《GSBF: Gaussian Splatting for Environment-Aware Beamforming》要回答的问题。GSBF本论文的全称是Gaussian Splatting for Environment-Aware Beamforming，中文即"面向环境感知波束赋形的3D高斯泼溅方法"。

有意思的地方在于：它把视觉计算领域近几年大火的3DGS（3D Gaussian Splatting，3D高斯泼溅）——一种用于高质量实时新视角合成的显式场景表征技术——直接搬进了无线通信。在视觉那边，3DGS把场景建模成一大堆各向异性的三维高斯原语，通过可微光栅化渲染出照片级新视角；在通信这边，GSBF把一个个高斯原语当作环境中电磁散射体的物理替身，让它们携带双向散射响应，在基站的角度平面上渲染出一张"角度传播图"，再据此合成波束。

图1：本论文提出的GSBF框架概览，包含四个阶段：(1)基于LiDAR的高斯原语初始化；(2)全景投影到角度平面；(3)电磁泼溅实现相干传播子累积；(4)合成恒模波束赋形向量。训练阶段利用CSI相关损失函数优化可学习的高斯表征，推理阶段仅需AP位姿和用户位置即可直接生成波束，无需在线CSI。

用大白话说：过去基站想知道信号怎么发，得先"问"信道；现在基站不问了，直接"看"环境——看一眼周围哪里有墙、哪里有金属反射面，就知道该把波束打向哪里。这种把视觉感知思维搬进无线物理层的方式，确实让人眼前一亮。😏 GSBF这个思路放在通信圈里，算得上是一次大胆的"跨界打劫"。从CKM（Channel Knowledge Map，信道知识地图）到视觉辅助波束赋形，业界一直在寻找摆脱导频依赖的路径，而GSBF的独特之处在于：它用显式的、物理可解释的、参数量可控的3D高斯表征来编码环境电磁散射，而不是像之前的基于神经网络的方案那样，把环境信息抽象成一个黑盒。

2. 从CSI依赖到环境感知：GSBF如何突破传统波束赋形瓶颈

要理解GSBF的定位，得先把通信方案设计的演进路线捋一捋。传统的波束赋形设计，是一条"导频+CSI+迭代优化"的老路：基站先发导频，终端反馈信道估计结果，基站再通过迭代算法求解波束权值。这条路最大的问题就是延迟和开销——在天线数量越来越大的当下，串行计算开销越来越高。深度学习介入后，部分迭代过程可以被神经网络替代，但大多数方案仍然依赖专门设计的导频。

之后出现了CKM的思路——把用户位置映射到信道相关信息，避免实时信道估计。但CKM有两个硬伤：一是构建特定站点的无线测量数据库开销太大，二是固定码本分辨率必然带来性能损失。这个"码本分辨率"损失学术界叫它量化误差——码本是预先离散化的一组波束方向集合，就像用一把刻度不够精细的尺子去量长度，总归会有偏差。

还有一条技术路线是用传感器数据——比如摄像头图像、LiDAR（Light Detection and Ranging，激光雷达）点云、雷达回波——来辅助波束决策。像Ahn等人提出的基于计算机视觉的波束赋形，利用基站摄像头做目标检测来帮助选定波束；但这些方法对光照和天气等环境条件敏感，而且依赖视距传播，一旦出现遮挡就很容易失效。Bian等人也曾提出虚拟基站构建方法，但纯几何框架的结果精度不足以支撑无网格波束设计。

GSBF的突破口在于一个关键洞察：射电传播本质上是由物理几何决定的。信号怎么反射、怎么衍射、走哪条路径到达接收端，其实早就写在了环境的几何结构里。如果能对环境的电磁散射特性建立一个持久、可微、物理一致的显式表征，那么给定AP（Access Point，接入点）的位姿和用户的位置，不需要任何在线CSI，就可以通过渲染方式"算出"波束赋形向量。

正是3DGS提供了这样的技术底座——它的显式高斯原语既保留了环境的几何信息，又天然可微、支持高效光栅化渲染。GSBF训练完成后，推理阶段只需要AP位姿和用户位置两个输入就能直接出波束，24毫秒级别的延迟让逐波束扫描彻底成为历史。这背后的系统模型和数学化目标可以表示为：最大化频谱效率Rt，同时满足每个天线阵元的恒模约束。

图：接收信号模型。yt为t时隙用户接收信号，Pt为发射功率，ht为用户与AP之间的信道向量，ft为波束赋形向量，xt为发射信号，nt为加性高斯白噪声。

图：频谱效率计算公式。Rt表示t时隙的频谱效率，SNRt为该时隙的信噪比。整个优化目标就是让Rt最大化，但ft的每个元素都必须满足恒模约束——这也是模拟波束赋形架构的硬件限制。

图：恒模约束优化问题。max表示最大化频谱效率Rt，s.t.后面的等式是约束条件，要求波束赋形向量ft的每个元素模值都等于1/√N，N为天线总数。这个约束使得问题非凸，传统迭代算法求解开销很大。

从系统模型可以看出，恒模约束是模拟波束赋形架构的"物理宿命"——每个天线单元只能调相位不能调幅度，这给优化问题带来了非凸性。传统方法要在线迭代求解，开销大；GSBF则通过离线学习把环境参数编码进高斯表征里，在线推理时走一条确定性前向路径就出来了。整个流程最大的优势就是把计算复杂度从在线搬到了离线。

GSBF的离线训练流程是这样的：数据准备阶段，系统使用Blender构建合成工厂场景，配合Sionna射线追踪生成信道数据，包括LiDAR点云、AP位姿、用户位置和对应的信道样本。训练时，LiDAR点云用来初始化高斯原语的空间位置，AP位姿用于定义AP坐标系下的投影变换，用户位置决定了入射方向和散射路径的几何关系。模型参数量由高斯原语的空间参数和Bi-SG核参数共同构成，通过反向传播和密度控制机制迭代优化。一旦训练完成，推理阶段就变得极其简单——输入AP位姿和用户位置，高斯表征和Bi-SG核参数固定不变，前向渲染即可得到角度传播图，再通过超完备字典合成出满足恒模约束的波束赋形向量。

3. Bi-SG核：赋予高斯原语电磁散射建模能力

标准3DGS里的高斯原语只描述空间的占据和几何边界，它不知道电磁波碰到自己之后会往哪里跑。所以GSBF给每个高斯原语额外挂了一个可学习的内核——Bi-SG核（Bidirectional Spherical Gaussian，双向球面高斯核）。这个设计的核心思路是：用一个紧凑的、可参数化的函数来描述"信号从某个方向来，往某个方向去"的散射响应。

图：第i个高斯原语的Bi-SG散射响应公式。γ_i是复数反照率（albedo），ak,i是第k个散射波瓣的复振幅，vk,i是单位化的波瓣轴向，λk,i控制波瓣的锐利度。κk,i是一个对齐度量，用于度量入射方向和散射方向与波瓣轴的匹配程度。这里输入是入射方向ω_in和出射方向ω_out，输出是复散射系数S_i。

这个公式里有几个值得注意的细节：γ_i是一个复数学习参数，表示各向同性散射的基底响应；求和项里有K个球面高斯基元，每个基元有自己独立的轴向vk,i、振幅ak,i和锐利度λk,i。这些参数让每个高斯原语能够表达相当丰富的散射行为——可以有镜面反射分量，也可以有漫散射分量，取决于K个波瓣如何组合。

但Bi-SG核最巧妙之处在于它的互易性设计。无线信道在收发互易的条件下，散射响应必须满足S(ω_in, ω_out) = S(-ω_out, -ω_in)，也就是说，把信号来的方向和去的方向互换（同时反号），散射系数应该不变。GSBF通过双向参数化的方式在数学结构上保证了这一点——不是靠训练拟合出来的，是解析上天然成立的。这确保了学习到的环境表征与无线传播的互易性一致，物理上站得住脚。

κk,i的计算公式中还引入了一个有意思的细节：用一个sigmoid函数来控制加权系数β，让系统在"近似共线传播"（入射方向和散射方向几乎相反）与"重定向散射"（方向变化较大）两种模式之间平滑过渡。β的计算中，ξ是一个共线性阈值（-1到1之间），ν控制过渡的陡峭程度，ν越大则两种模式的切换越干脆。论文中设置ν为80、ξ为0.95，这意味着当入射方向和出射方向的夹角超过某个程度时，系统会从镜面反射模式平滑切换到漫散射模式。

这样一个Bi-SG核设计的两大好处是：第一，它保证了表征的物理可解释性——每个高斯原语的散射参数直接对应该处环境的电磁特性；第二，它实现了环境散射特性与天线阵列响应的解耦——环境学环境的，天线阵列只是负责把这些散射贡献聚合起来。这样学到的环境表征不依赖于特定的阵列配置，换不同尺寸的天线阵列时可以直接复用。

4. 电磁光栅化：从环境几何到角度传播图的物理渲染

把3D高斯原语变成波束赋形向量，中间还差一道"渲染"工序。但注意，GSBF的渲染和视觉3DGS的渲染有个关键区别：视觉渲染用的是针孔相机模型，GSBF则用的是等距柱状投影（equirectangular projection）。为什么？因为天线接收信号是来自前半球所有方向的叠加，没法像相机那样取一个透视视角——天线"看"到的是整个前半球的空间谱。

投影过程把每个3D高斯原语的中心从世界坐标系变换到AP局部坐标系，然后通过方位角φ和仰角θ映射到全景图像素坐标(u,v)。关键的一步是协方差矩阵的传播——3D空间里的高斯分布投影到2D平面后，其协方差矩阵需要用雅可比矩阵来变换。

图：3D协方差矩阵Σ_i投影到2D平面得到Σ'_i的公式。其中J_i是雅可比矩阵，W是视角变换矩阵（世界坐标系到AP局部坐标系）。这个公式和原始3DGS里协方差传播的形式一致，但投影模型从针孔变成了等距柱状。

图：全景投影的雅可比矩阵J_i，其中W和H分别是全景图的分辨率（宽度和高度），px、py、pz是原语中心在AP局部坐标系里的坐标，ρ是水平面投影距离（即√(px²+pz²)），r是三维空间距离。这个矩阵描述了等距柱状投影中像素坐标对3D坐标的偏导数关系。

投影完成后，电磁光栅化正式登场。它分两步执行：第一步是源到原语的透射率计算，第二步是相干传播子累积。

第一步计算的是：用户发出的信号在到达某个高斯原语之前，会被其他原语遮挡掉多少？这里借鉴了体渲染里alpha混合的思想——把用户当作虚拟源，从用户视角对原语按距离排序，前面原语的遮挡效应通过累积乘积方式折算。

图：用户侧透射率τ_iUE的计算公式。R_i是所有位于用户和目标原语i之间的遮挡原语集合，δijUE表示遮挡原语j在目标原语i投影位置处的衰减贡献。这个式子在语义上等价于"信号穿透了多少层遮挡还剩多少"。

第二步是在AP侧把这些原语的散射贡献相干叠加。每个原语对角度图上某个像素的贡献由四部分乘积决定：原语的不透明度oi、用户侧透射率τiUE、AP侧透射率τiAP、Bi-SG核给出的散射系数Si(ω_in, ω_out)，以及高斯分布在该像素位置的值G'。

图：第i个高斯原语对角度图像素(u,v)的复传播子贡献b_i(u,v)。其中o_i是不透明度，τiUE是用户侧透射率，τiAP(u,v)是AP侧透射率，Si(ω_in,ω_out)是Bi-SG散射系数，G'是投影后的2D高斯分布值。

图：AP侧透射率τiAP(u,v)的计算公式。其语义与用户侧透射率对称，但视角换成了AP——从AP的角度看过去，目标原语i的贡献会在哪些像素位置被其他原语遮挡。

图：角度图在AP侧像素(u,v)处的复传播子bu,v，由所有覆盖该像素的原语贡献bi(u,v)累加求和得到。这里的累积是复数叠加——不仅幅度相干，相位也相干，这跟真实电磁波的传播特性一致。

最终得到的传播子矩阵Bt是一张复数域的角度图，它刻画了从AP角度看，环境中各个方向"反射回来"的信号的幅度和相位。把传播子矩阵向量化得到bt，再乘上一个超完备的阵列流形字典A，就得到了未归一化的波束赋形向量。

图：方向(θi, φj)对应的导向矢量ai,j。N是天线总数，Ψm,n是第m列第n行天线阵元的相位偏移，由该方向的空间特征决定。导向矢量描述了阵列在该方向上的响应模式，超完备字典正是由覆盖密集角度网格的大量导向矢量构成的。

图：波束赋形向量的合成原理。任意波束f可以看作Q个方向上导向矢量aq的加权叠加，权重bq就是对应方向的角度传播子。同时Q必须大于等于N，即用一组过完备的导向矢量基来充分表征多径空间特征。

图：未归一化波束赋形向量f̃t的线性聚合公式。A是超完备字典矩阵，bt是渲染角度传播图的向量化结果。这一步的本质：把环境渲染出的角度域传播子映射到天线域的激励。

图：恒模约束投影公式。把未归一化的波束赋形向量f̃t的每个元素投影到模值为1/√N的圆上，得到满足模拟架构硬件约束的最终波束赋形向量f̂t。这一步对应接收信号模型中的恒模约束条件。

不过，恒模投影这个操作在反向传播时有一个著名的麻烦——梯度为零或梯度失配。GSBF的处理方式是采用STE（Straight-Through Estimator，直通估计器），简单说就是前向传播走真实投影，反向传播时绕过这个不可导操作直接"直通"梯度。这是深度学习里处理不可导算子很常用的技巧。

另外还有一个值得注意的设计：整个训练过程中，损失函数里除了加了一个归一化波束功率增益差距项Dt之外，还配了一个恒模正则项Lcm。这个正则项的作用是：在投影之前就让未归一化波束的振幅尽量均匀，以此减小投影操作带来的信息损失。通俗点说，如果输入投影器的向量本身幅值就差不多，那么投影后的失真就越小。

5. 实验验证：逼近数字波束赋形上界的实时波束合成

GSBF的实验验证是在一个基于开源组件构造的合成工厂场景中完成的。数据流程分两段：先用Blender搭建三维场景，再用Sionna做射线追踪生成信道数据。中心频率设置在28GHz毫米波频段，带宽100MHz，发射功率10dBm，用户在一个20米×15米的区域内随机运动。训练集有5600个样本，测试集有1400个样本，训练/测试的用户位姿是彻底分开的，避免"背答案"。

图2：在Blender中构建的合成工厂场景。场景中包含大量金属机械结构和不同朝向的平面表面，这些都会成为毫米波信号的散射体。LiDAR点云数据用来初始化3D高斯原语的位置。

三个对比基线分别是：DBF（Digital Beamforming，全数字波束赋形）——理论最优上界，性能天花板；EBA（Exhaustive Beam Alignment，穷举波束对齐）——基于DFT码本的逐波束扫描方案；LocBF（Geometry-based Beamforming，基于几何的波束赋形）——直接根据AP与用户的相对方向来打波束的简单策略。

实验结果分成两组：一组是均值/中位数性能的表格，另一组是频谱效率的累积分布函数（ECDF）图。先看表格的情况：

表1：均值/中位数频谱效率对比，单位为比特/秒/赫兹。四个配置列分别是GSBF（本论文方法）、EBA穷举波束对齐、LocBF几何定位波束赋形、DBF全数字波束赋形上限。可以看出GSBF在4×4、6×6、8×8三种天线规模下均一致优于EBA和LocBF，且与DBF上界的差距在0.5-0.7 bps/Hz之间。

从表1可以读出几个关键结论：第一，GSBF在4×4阵列下均值7.798 bps/Hz，比EBA的7.203高出约0.6 bps/Hz；在8×8阵列下均值9.625 bps/Hz，比EBA的9.066高出约0.56 bps/Hz。第二，GSBF与理论上界DBF的差距始终在0.7 bps/Hz以内——换句话说，GSBF用模拟波束赋形实现了接近全数字波束赋形的性能，同时不需要在线CSI。第三，LocBF的表现比较尴尬——随着天线数增加性能反而下降，原因在于它只能处理视距路径，完全搞不定非视距多径分量，而毫米波室内场景中非视距恰恰是常态。

图3(a)：4×4平面阵列下的频谱效率ECDF（累积分布函数）曲线。ECDF曲线上某一点的含义是"随机抽取一个用户位置，其频谱效率小于等于该值的概率"。曲线越靠右，说明高频谱效率的累计概率越大，性能越好。

图3(b)：6×6平面阵列下的频谱效率ECDF曲线。注意EBA曲线与GSBF的差距在中等频谱效率区间变得明显，这说明GSBF不仅平均性能领先，整体的性能分布也更稳定。

图3(c)：8×8平面阵列下的频谱效率ECDF曲线。GSBF的中位数性能（ECDF=0.5处）明显优于EBA，且性能分布整体右移。三张ECDF图一致表明：GSBF的性能优势不是平均值的偶然体现，而是在整个用户位置分布上都成立。

再看ECDF曲线的细节：GSBF的曲线整体最接近DBF上界，并且在大多数概率区间都排在EBA右侧。换句话说，无论用户站在房间的哪个角落，GSBF都能给出比EBA更高的频谱效率。这说明GSBF学到的是真正的环境散射规律，而不是在训练集上过拟合了某些特定位置。

推理延迟方面，GSBF在4×4、6×6、8×8三种阵列配置下的平均推理延迟分别为24.2ms、20.9ms、23.5ms。相比之下，EBA在毫米波系统中需要进行逐波束扫描——以8个同步信号块每20ms周期的实际系统为例，EBA的对齐延迟高达约250ms（论文中标注的估值）。也就是说GSBF在性能全面占优的同时，延迟还不到EBA的十分之一。这就是把计算从在线搬到离线的好处：在线推理只是一次确定性前向渲染，没有迭代。

当然，这个实验也有一些值得清醒认识的地方。其一，仿真是在合成场景中做的——虽然Blender场景建模和Sionna射线追踪在学术界已是标准配置，但与真实毫米波信道还是有差距。其二，28GHz频段的室内工厂场景是一个特定场景，不一定能直接推广到室外宏蜂窝。其三，训练集5600个样本在仿真中不算大，但换个场景重训一遍的成本仍需考虑。这些局限性并不影响GSBF作为一个新范式的价值，但在实际部署前确实还有一段路要走。

6. 未来展望：环境感知通信的新范式

GSBF的贡献不只是一个新算法，更重要的是它打开了一扇门：把视觉领域的显式3D表征技术系统性地引入无线通信的物理层设计。在GSBF之前，通信学习方案大多是隐式的——神经网络内部的表征完全不可解释，你只知道输入输出，但不知道网络脑子里想了什么。GSBF则不同，它的每一个高斯原语都对应环境中的一个物理散射点，Bi-SG核的参数直接描述该点的散射特性。

这种可解释性带来的直接好处是数据效率。隐式模型需要大量样本才能"猜"出环境规律；而GSBF用LiDAR点云初始化高斯原语，等于把环境的几何先验直接灌进了模型参数里——模型不需要从零学起，只需要微调这些原语的散射属性就够了。从5600个训练样本就能达到这样的性能来看，数据效率确实可观。

GSBF的模式与数字孪生的理念高度契合。数字孪生构建物理世界的虚拟镜像，而GSBF学到的高斯场景表征本质上就是一种面向电磁传播的数字孪生。更进一步，CKM与GSBF之间也有潜在的互补关系——CKM提供大尺度的信道规律，GSBF提供精细的散射建模，二者并非互相排斥而是可以叠加使用。

未来GSBF可以在几个方向上进一步深化：第一个方向是把静态环境推广到动态环境——比如有人或机器在移动时，高斯原语可以动态更新；第二个方向是拓展到更复杂的传播机制——目前的Bi-SG核主要建模散射，而透射和绕射在有些场景也很重要；第三个方向是探索在真实硬件上的部署——把24ms的推理延迟压到更低的毫秒级或亚毫秒级。从更宏观的角度看，GSBF代表了一个趋势：AI通信正在从"黑盒拟合"向"物理可解释建模"演进，这也是6G研究的一个大方向。

整篇文章看下来，GSBF最令人赞叹的地方在于把两个看起来毫不相干的领域搓揉到一起——一边是视觉里的3D高斯泼溅，一边是通信里的模拟波束赋形，而连接两者的桥梁是"环境几何决定传播规律"这一朴素的物理直觉。这种跨领域迁移的想象力和执行力，值得点个赞。👍

龙迷三问

下面是龙哥对于大家可能的一些问题的解答：

这篇论文到底在解决什么问题？港科大提出GSBF，将3D高斯泼溅引入MIMO波束赋形。用双向球面高斯核建模环境散射，电磁光栅化渲染角度传播图，免在线CSI直接合成恒模波束。频谱效率超越穷举波束对齐，逼近数字上…

这篇工作最值得看的点是什么？GSBF在所有阵列尺寸下均优于EBA和LocBF基线，接近DBF上界性能，且推理延迟显著低于EBA。

这篇工作的边界或风险在哪里？优点：(1)提出新颖的CSI-free波束赋形范式，利用3D高斯泼溅实现环境感知；(2)Bi-SG核设计具有物理可解释性和互易性保证；(3)推理延迟低，适合实时应用。缺点：(1)依赖LiDAR数据进行初始化，在无LiDAR场景下需要额外处…

如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~

龙哥点评

论文创新性分数：★★★★☆

提出基于3D高斯泼溅的环境感知波束赋形框架，通过双向球面高斯核建模环境散射响应，利用电磁光栅化渲染角度传播图，实现无需在线CSI的直接波束合成。

实验合理度：★★★★☆

频谱效率(SE, bps/Hz)的均值和中位数。

学术研究价值：★★★★☆

稳定性：★★★☆☆

现有材料未提供充分的极端条件、重复运行或扰动测试，稳定性暂按中性评价。

适应性以及泛化能力：★★★☆☆

现有材料未完整展示跨数据集、跨场景或分布外实验，泛化能力仍需进一步验证。

硬件需求及成本：★★★☆☆

推理延迟为24.2ms(4×4阵列)、20.9ms(6×6阵列)、23.5ms(8×8阵列)，计算复杂度主要取决于高斯原语数量和全景分辨率，与阵列维度基本无关。

复现难度：★★★☆☆

现有材料未确认完整代码、配置、数据处理脚本和权重是否齐备，复现难度暂按中性评价。

产品化成熟度：★★★☆☆

论文验证以研究实验为主，真实部署中的时延、成本、维护和异常场景仍需补充验证。

可能的问题：(1)依赖LiDAR数据进行初始化，在无LiDAR场景下需要额外处理；(2)合成场景验证，缺乏真实环境实验；(3)与DBF上界仍有差距。

*本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～想了解更多原文细节的小伙伴，可以点击"阅读原文"，查看更多原论文细节哦！