1. 项目概述与核心思路
在毫米波大规模MIMO-OFDM系统中，尤其是在车联网这类高动态、低时延的应用场景里，获取精确的信道状态信息（CSI）是保障通信可靠性与高效性的基石。传统的信道估计方法，无论是基于最小二乘（LS）的经典算法，还是像正交匹配追踪（OMP）、近似消息传递（AMP）这类利用信道稀疏性的压缩感知方法，其性能都严重依赖于导频信号的数量和质量。当系统为了提升频谱效率而压缩导频开销，或者在高速移动导致信道快速变化时，这些方法的估计精度会急剧下降，成为系统性能的瓶颈。
近年来，一个清晰的趋势是通信与感知的深度融合。既然无线信道的特性（如多径的到达角、时延）本质上是由物理环境的几何结构决定的，那么，如果能提前“看见”环境，是否就能“预知”信道？这正是“机器联觉”（Synesthesia of Machines, SoM）理念的核心——让机器像人一样，通过融合多种感官（模态）信息来更全面地理解世界。在通信领域，这意味着利用摄像头、雷达、激光雷达（LiDAR）等传感器的“视觉”信息，来辅助和增强“听觉”（无线通信）能力。
本文要探讨的，正是如何将LiDAR这一在自动驾驶中已成熟应用的高精度三维环境感知工具，深度融入到宽频多用户MIMO-OFDM系统的信道估计流程中。LiDAR能提供厘米级精度的点云数据，清晰地勾勒出车辆、建筑物、树木等散射体的位置和轮廓。我们的核心思路是：将这些丰富的几何信息，通过一种智能的方式，转化为对无线信道传播特性的有效先验知识，从而在导频资源极其有限的情况下，依然能实现高精度的信道估计。
具体来说，我们提出的LiDAR增强CSI学习网络（LE-CLN）围绕三个核心问题展开：第一，如何从有限的导频观测中“榨取”更多信息？我们引入了基于用户定位的过完备DFT码本，将搜索范围聚焦在用户可能的方向上。第二，如何将海量、原始的LiDAR点云数据，高效地转化为对信道估计有直接帮助的特征？我们设计了一种信号传播特征叠加的距离图像表示法，将大尺度衰落、潜在散射体位置等信息编码进去。第三，如何根据实时的信道条件（如信噪比），智能地平衡来自导频和来自LiDAR这两路信息的权重？我们借鉴了注意力机制，设计了一个自适应特征权重控制模块。最终，通过一个卷积神经网络（CNN）完成从这些融合特征到全频带CSI的重建。
这项工作的价值在于，它不仅仅是一个“算法”，更是一套完整的、面向实际低时延高可靠通信需求的系统级解决方案。它显著降低了对导频资源的依赖，在车对基础设施（V2I）通信、工业物联网等场景中，意味着可以将更多时频资源用于数据传输，直接提升系统容量和用户体验。
2. 系统模型与核心挑战拆解
2.1 宽频多用户MIMO-OFDM系统框架
我们考虑一个典型的时分双工（TDD）多用户宽带混合MIMO-OFDM通信系统。基站（BS）配备了一个包含Nt个天线的均匀线性阵列（ULA），通过Ns个子载波同时服务K个单天线用户。为了在硬件成本和性能之间取得平衡，基站采用了混合波束赋形结构，即仅有NRF条射频链路（NRF < Nt）。这意味着，数字预编码矩阵FB在基带处理，而模拟预编码矩阵FR在射频端通过移相器实现。
在TDD模式下，我们利用上下行信道的互易性。用户在上行链路发送导频，基站据此估计上行信道，进而推得下行信道。对于第k个用户，其在KP个正交子载波上发送导频符号SP_k。基站接收到的信号可以表示为：
YP_k = F^H_R H^P_k S^P_k + F^H_R N_k
这里，H^P_k ∈ C^{Nt × KP} 是导频位置上的信道矩阵，N_k是加性高斯白噪声。我们的核心目标，就是从这组有限的观测YP_k中，恢复出所有Ns个子载波上的完整下行信道矩阵H_k。
信道模型采用经典的几何信道模型。在第m个子载波上，信道向量h^m_k可以表示为L条路径的叠加：
h^m_k = Σ_{l=1}^{L} α_l e^{j(φ_l - 2π (m/N_s) τ_l)} a(θ_l)
其中，α_l, φ_l, τ_l, θ_l 分别代表第l条路径的复增益、初始相位、归一化时延和到达角（AoA）。a(θ_l)是阵列响应向量。毫米波信道的一个关键特性是稀疏性，即主导路径的数量L远小于天线数Nt，这为压缩感知等算法提供了用武之地，但也对在少导频下准确捕捉这些路径提出了挑战。
2.2 传统方法的局限与LiDAR的机遇
传统信道估计方案面临的根本矛盾在于：为了准确估计高维度的CSI（尤其是大规模天线阵列），需要足够多的观测（导频）；但为了提升频谱效率，系统又希望尽可能减少导频开销。在低信噪比（SNR）或高移动性场景下，这个矛盾尤为突出。
- 基于纯导频的方法（如OMP, AMP）：它们完全依赖无线信号本身，在导频充足时表现良好，但一旦导频减少，性能退化严重。因为它们是在一个巨大的解空间（所有可能的AoA-时延组合）中盲目搜索，缺乏先验信息来缩小范围。
- 早期LiDAR辅助方法：已有工作尝试用LiDAR预测最佳波束索引或链路阻塞状态。例如，通过点云识别车辆位置，直接指向该方向进行波束对齐。但这只能获取视距（LoS）路径的粗略角度信息，对于存在丰富多径的实际信道而言，信息量远远不够。它相当于只告诉了通信系统“用户大概在哪个方向”，但没说明信号具体会怎么走、遇到哪些反射。
因此，我们面临的挑战是双重的：
- 信息深度挖掘：如何从有限的导频观测中，提取出更精细的信道特征？
- 跨模态信息转化：如何将LiDAR提供的“几何地图”，精准地翻译成通信系统能理解的“信道先验”？这不仅仅是定位用户，还要推断出哪些物体可能成为强反射体，以及信号经过这些路径时会衰减多少。
LE-CLN的设计，正是为了系统性地应对这两个挑战。
3. LE-CLN核心模块深度解析
3.1 基于用户定位的过完备DFT码本（ULO-DFT）
想象一下，如果你知道朋友大概在城市的哪个区域，你搜索他时就不会漫无目的地找遍全城地图。ULO-DFT码本的思想与此类似。传统DFT码本在天线阵列的所有可能方向（0到360度）上均匀布设“探测点”（码字）。当导频很少时，用这个码本去匹配信道，就像用一张大网眼的网捕鱼，很容易漏掉真正的路径。
ULO-DFT码本的创新在于非均匀采样。它利用从LiDAR初步处理中获得的用户粗略方位角θ_k，在用户周围创建一个“高分辨率搜索区”。具体操作如下：
- 确定高分辨率区间：以θ_k为中心，设定一个宽度为N_w个基本网格的区间 [φ_{o1}, φ_{o2})。这个区间内的角度网格划分得比标准DFT码本更密（例如，分辨率提高一倍）。
- 构建混合码本：区间外的角度空间，则采用较粗的均匀划分。最终，将所有角度网格按顺序排列，形成码本矩阵A = [a(φ_1), ..., a(φ_D)]，其中D > Nt，因此称为“过完备”。
- 域变换：利用这个码本，我们可以将天线域的信道H_k变换到这个用户局部的、过完备的角域：H^a_k = A^H H_k。这个操作相当于把信道能量“投影”到一个以用户为中心、局部精细的坐标系中。
实操心得：N_w的大小是一个关键超参数。设置太小，则高分辨率区域覆盖不全，可能漏掉重要的非视距路径；设置太大，则码本过于集中在用户方向，可能浪费资源在无关区域，且增加计算复杂度。在实际调参中，需要根据典型的场景散射体分布（如城市街道的反射面通常分布在道路两侧）来权衡。我们的实验发现，在车辆场景下，覆盖车辆前方约±30度的范围（对应N_w约13）是一个较好的起点。
这样做的直接好处是，在导频数量不变的情况下，我们在用户最可能的方向上获得了更精细的“测量尺子”。即使导频观测YP_k本身信息量有限，当它被投影到这个精心设计的感知矩阵Θ = F^H_R (A^H)^†所张成的空间时，得到的特征˜Y^P_k能更清晰地揭示出用户附近潜在路径的角域信息。这部分特征通过一个轻量级的CNN（PCF-CNN）进行提取。
3.2 LiDAR数据的精细化处理与特征嵌入
直接处理原始LiDAR点云（通常包含数万甚至数十万个点）进行信道估计是不现实的，计算负担巨大，且噪声点多。LE-CLN的核心贡献之一，是设计了一套将原始点云“蒸馏”成紧凑、富含信道信息的特征图的方法。
第一步：原始数据轻量化处理——距离图像转换我们首先将三维点云P = {p_i = (x_i, y_i, z_i)} 转换为二维的距离图像R_D。每个点根其水平方位角和垂直仰角，被映射到图像坐标(u_i, v_i)上，像素值就是该点到LiDAR的距离r_i = ||p_i||_2。这个过程大幅压缩了数据量（从N×3的矩阵变为h×w的图像），同时保留了每个点的角度和距离这两个对无线传播最关键的信息。
第二步：多信号传播特征通道叠加——构建“信道先验图”这是将几何信息“翻译”成无线特征的关键一步。我们构建一个三通道的“多SP特征叠加距离图像”R^{RF}_D ∈ R^{3×w×h}：
- 通道1（原始距离）：即第一步得到的距离图像，存储每个像素点的真实距离。这直接反映了路径长度。
- 通道2（等效小尺度衰落图）：这一通道旨在标识潜在的散射体。我们利用DBSCAN聚类算法对过滤地面后的点云进行分割，识别出接收车辆（V_r）和其附近的车辆（V_s）。在图像上，接收车辆对应的像素赋值为2，附近车辆赋值为1，其他物体赋值为0。这样，网络就能直观地“看到”哪些物体最可能产生强反射多径。
- 通道3（等效大尺度衰落图）：这一通道提供信号幅度变化的大尺度趋势。根据简化的路径损耗模型（例如，自由空间路径损耗公式），我们为每个像素点计算一个路径损耗值：PL(dB) = 40 log10(r_i) + 20 log10(f_c) - 20 log10(h_t h_r)。这里f_c是载频，h_t和h_r是收发天线高度。这个通道为网络提供了关于信号随距离衰减强度的先验知识。
注意事项：地面反射点的处理需要谨慎。在初步处理中，我们过滤掉了地面点，因为其反射机制复杂（漫反射为主），神经网络难以学习。但这意味着LiDAR模态会丢失这部分多径信息。因此，在存在强地面反射的场景（如空旷高速公路），系统需要保留或适当增加导频数量，以补充LiDAR缺失的这部分特征。这是一种模态间的互补设计。
通过这三通道图像的构建，我们成功地将原始的、与通信无关的几何点云，编码成了包含距离信息、潜在散射体位置、路径损耗趋势的“信道先验图”。这张图随后被送入一个五层CNN（LCF-CNN）进行深度特征提取，输出与CSI相关的带外特征q_L。
3.3 自适应特征融合与权重控制（AFWC模块）
拿到了来自导频的精细角域特征q_P和来自LiDAR的带外环境特征q_L，下一个问题是如何融合它们？最朴素的方法是直接拼接后输入网络，但这假设两者在任何信道条件下贡献度恒定，显然不合理。
思考一下：在高信噪比（SNR）情况下，导频信号质量很好，其提供的CSI特征理应占据主导地位；而在低SNR或导频极少时，清晰的无线特征难以提取，此时LiDAR提供的稳定几何先验就变得尤为宝贵。因此，我们需要一个能根据实时信道条件，智能调配两种特征权重的机制。
LE-CLN中的自适应特征权重控制（AFWC）模块正是为此而生。它的设计灵感来自SENet中的通道注意力机制，但作用对象是特征模态而非特征通道。
- 特征拼接与压缩：将q_P和q_L拼接后，先通过一个全连接层进行非线性变换和降维，得到一个全局的特征描述符。
- 权重生成：再经过两个全连接层（中间使用ReLU激活），最后一个使用Sigmoid激活函数的层输出一个权重向量w，其维度与拼接后的特征维度相同。Sigmoid函数将每个权重值限制在0到1之间。
- 加权融合：将原始拼接特征q与权重向量w进行逐元素相乘（Hadamard积），得到加权后的融合特征q_w = q ⊗ w。
这个过程的精妙之处在于，权重w是通过网络从数据中学习得到的。在训练过程中，网络会学会：在低SNR的样本中，给LiDAR特征分配更高的权重；在高SNR的样本中，则更信赖导频特征。图4b的仿真结果清晰地验证了这一点：随着SNR升高，分配给导频特征的权重显著增加；而在固定SNR下，增加导频数量也会让网络更依赖导频。
避坑指南：AFWC模块的训练需要充足且信道条件分布均衡的数据。如果训练集中全是高SNR样本，模块可能学不会在恶劣条件下利用LiDAR。因此，数据集的构建应覆盖从低到高的完整SNR范围，以及不同的导频开销情况，以确保模块的泛化能力。
3.4 从特征到完整CSI的重建
融合特征q_w首先通过一个多层感知机（MLP_P），重建出所有导频位置上的天线域信道估计值Ĥ^P_k。然而，这仅仅覆盖了部分子载波。
为了获得全频带CSI，我们采用了一个两阶段策略，这也是一个重要的工程考量：
- 零值填充：将已估计出的导频位置信道值放入对应位置，将数据位置的信道值暂时设为零，形成一个粗糙的、稀疏的全频带信道草图V^r_k。
- 频域插值CNN（CI-CNN）：设计一个独立的六层CNN，专门学习频域子载波间的相关性。我们将V^r_k的实部、虚部和相位作为三个通道输入CI-CNN，网络会像图像修复一样，“补全”那些为零的数据位置，最终输出完整的信道估计矩阵Ĥ_k。
这里为什么要把CI-CNN单独训练？因为它学习的是频域插值的映射关系，而前面的PCF-CNN、LCF-CNN和AFWC学习的是从多模态数据到导频位置CSI的映射关系。这是两种截然不同的任务。如果端到端一起训练，网络可能难以同时优化这两个目标，导致性能下降。分开训练允许我们为CI-CNN任务专门设计损失函数（如专注于插值部分的MSE），从而获得更好的整体性能。
4. 仿真实验设计与结果分析
4.1 实验设置与对比基线
为了验证LE-CLN的有效性，我们在公开的M3SC车载数据集生成的仿真环境进行了测试。系统关键参数设置为：基站天线数N_t=32，载频f_c=28GHz，带宽100MHz，子载波数N_s=64，信道路径数L=8。LiDAR参数模拟了典型车规级设备：水平角分辨率0.36°，垂直视场-25°到+15°，64线。
我们对比了多种经典和前沿的信道估计方案：
- 传统算法：LS（最小二乘）、OMP（正交匹配追踪）、AMP（近似消息传递）。这些是纯导频方案的基准。
- 深度学习基准：CENN（一种基于CNN的信道估计网络）和GM-LAMP（基于深度展开的算法）。这些代表了当前数据驱动方法的主流。
- 我们的方案：LE-CLN。我们测试了在不同导频数量（如8, 16, 32个时域测量）下的性能。
性能评估采用归一化均方误差（NMSE）和下行链路频谱效率（SE）上界。关键是对比在相同或更少导频资源下，LE-CLN能否达到甚至超越其他方案。
4.2 性能结果与核心洞见
1. NMSE性能优势显著图3a的结果非常直观。在相同测量数（如32）下，LE-CLN的NMSE明显低于OMP、AMP和GM-LAMP。更令人印象深刻的是，LE-CLN仅使用8个测量值所达到的精度，就能与使用32个测量值的传统OMP、AMP算法相媲美，甚至更优。这直接证明了引入LiDAR先验信息所带来的“信息增益”，等效于大幅增加了可用的有效导频数。
2. 在恶劣条件下优势放大图3b聚焦对比LE-CLN与同为深度学习方案的CENN。可以看到，随着SNR降低和可用测量数减少，LE-CLN相对于CENN的性能提升越来越明显。例如，在低SNR（-3dB）且仅用8个测量时，LE-CLN的NMSE比CENN改善了约2-3 dB。这说明，当无线信号本身质量很差、信息量不足时，LiDAR提供的带外环境先验信息成为了可靠的“救命稻草”，其价值被最大化。
3. 频谱效率的最终收益信道估计的最终目的是为了提升通信质量。图3c展示了归一化频谱效率（以LE-CLN(8)的SE为基准1）。在高SNR区域（12-21 dB），使用最少导频的LE-CLN(8)方案，竟然取得了最高的频谱效率。这是因为它将节省下来的大量导频资源（相比其他方案）用于数据传输。在低SNR区，拥有更多测量值的方案（如LE-CLN(32)、CENN(32)）因估计更准而SE略高，但LE-CLN(32)仍然是其中最优的。这完美诠释了LE-CLN的设计目标：在保证性能的前提下，最大化频谱资源利用率。
4. 模块消融实验验证设计图4a通过“拆除”LE-CLN中的关键模块，验证了每个部分的重要性。
- 仅使用LiDAR（Uni-LiDAR）：能够得到一个粗糙的信道估计结果，证明了我们设计的LiDAR处理流程确实能提取出有效的CSI相关特征。
- 仅使用导频（Uni-Pilot）：随着SNR升高，其性能逐渐逼近完整的LE-CLN。这符合直觉：在高SNR下，导频信号质量极高，本身就能提供足够信息。
- 移除AFWC模块：性能始终差于完整版，且在低SNR下差距更大。这证实了自适应融合机制的必要性——智能地权衡两种信息源，比固定融合策略更优。
4.3 实际部署考量与调参经验
计算复杂度与实时性：LE-CLN的在线部署阶段，其计算开销主要来自几个CNN的前向传播。PCF-CNN和LCF-CNN结构相对轻量，AFWC模块是全连接层，CI-CNN稍大但负责的是频域插值（子载波数固定）。在配备现代GPU的边缘计算单元（如车载OBU或路侧RSU）上，实现毫秒级推理是可行的。关键在于模型压缩与优化，例如使用知识蒸馏训练更小的网络，或利用TensorRT等工具进行推理加速。
LiDAR与通信的时空同步：这是一个至关重要的工程问题。LiDAR的扫描频率（通常10-20Hz）与通信帧结构必须严格同步。我们需要一个高精度的时钟同步机制（如基于GPS的PTP协议），确保用于辅助第t个通信帧信道估计的LiDAR点云，确实是第t帧时刻的环境快照。任何显著的时延都会导致先验信息失效，因为车辆和环境都在快速移动。
参数调优指南：
- ULO-DFT码本的N_w：如前所述，需要根据场景调整。城市密集多径环境可适当增大，高速公路等散射体较少的环境可减小。
- LiDAR特征图中的路径损耗模型：公式(7b)是一个简化模型。在实际部署中，可以替换为更精确的、针对特定频段和环境的经验模型（如Cost-231 Hata模型用于城市），甚至可以通过少量实测数据对第三通道的映射关系进行微调，以更好地匹配真实衰减。
- 网络训练数据：数据的多样性至关重要。需要包含各种天气（雨、雾对LiDAR的影响）、光照（虽然LiDAR不受影响，但关联的场景会变）、交通密度、街道布局的场景。可以使用M3SC这类多模态数据集，或通过CARLA等仿真平台生成大量合成数据。
5. 总结与未来展望
通过将LiDAR感知深度融入信道估计流程，LE-CLN展示了一条通往更智能、更高效无线系统的清晰路径。它不仅仅是一个算法改进，更是一种设计范式的转变：从单纯依赖“听”（无线信号），到“眼耳并用”（融合视觉感知）。
这项工作最核心的启示在于，在通信系统中，带外信息（特别是高精度几何感知）是一种极其宝贵的、尚未被充分开发的资源。LE-CLN提供了一套完整的框架，来挖掘和利用这种资源。其价值在资源受限（少导频）和环境恶劣（低SNR）的场景下尤为突出，而这正是许多前沿应用（如自动驾驶、工业4.0）的典型工况。
从工程实践角度看，要实现LE-CLN的落地，下一步需要重点关注多传感器标定与融合的鲁棒性、低复杂度自适应算法的硬件实现，以及在更复杂信道模型（如大规模MIMO的近场效应、超宽带信道的更复杂时延扩展）下的泛化能力。此外，如何将这套思路扩展到上行链路、多基站协作等场景，也值得深入探索。
最终，机器联觉的愿景是构建一个感知与通信无缝协同的智能体。LE-CLN在物理层信道估计这一基础环节的成功，为这一宏大愿景打下了一块坚实的技术基石。它告诉我们，当通信系统学会了“看”，它就能在复杂多变的环境中“听”得更清、“说”得更准。
