RMPrior：桥接传播先验和扩散细化以实现高效的无线电地图构建

扩散模型通过迭代去噪实现高保真无线电地图构建，但其采样成本限制了无线电地图必须反复刷新的动态无线系统中的实用性。与此同时，经典传播模型编码了有价值的场景级知识，而标准扩散推理通过从纯高斯噪声初始化来完全丢弃这些知识。本文通过中间启动采样策略将传播先验和扩散细化联系起来。匹配的传播先验被扰动到中间扩散时间步长，并且预训练的扩散主干仅执行剩余的反向步骤，将计算重点放在多路径感知的细化上，而不是从噪声中完全重建。我们提供了理论分析，建立了初始化间隙的上限、截断提高重建保真度的充分条件，以及激进截断下先验质量灵敏度的正式表征。 IRT4HighRes 上的实验表明，在 $P_{\text{start}}=0.5$ 时，所提出的方法实现了 $2.01\times$ 加速，同时在全步基线上提高了 NMSE、RMSE、SSIM 和 PSNR。三个不同保真度的传播模型的先验质量消融证实了重建质量跟踪先验质量，并且在较短的反向轨迹下灵敏度被放大，这与理论预测一致。这些结果还表明，中期启动重建质量可以作为对不同传播模型的场景级保真度进行排名的代理。