Высокоточное прогнозное моделирование каналов для беспроводной связи 6G с использованием усовершенствованной структуры обучения на основе диффузии

High-Accuracy Predictive Channel Modeling for 6G Wireless Communications With an Improved Diffusion-Driven Learning Framework
Cheng‐Xiang Wang, El‐Hadi M. Aggoune, Chen Huang, Tong Wu, Junling Li, Xiaoyu Chen, Mingchuan Yao
2026-01-01

беспроводные коммуникации 6Gинформация о состоянии каналаобучение на основе диффузиипредиктивное моделирование каналовпространственно-временно-частотная диффузионная сеть
Для решения проблемы разреженности данных измерений каналов и недостаточных прогностических возможностей традиционных моделей каналов в прогнозном моделировании каналов применяются совместные генеративные и прогностические архитектуры, повышающие робастность. В данной работе предлагается усовершенствованная прогностическая структура на основе диффузии, объединяющая генеративное расширение данных и прогнозирование с учетом априорной информации в едином конвейере обучения. Сначала вводится пространственно-временно-частотная (STF) связанная диффузионная сеть на основе трансформеров, генерирующая синтетические данные о каналах с сохранением ключевых статистических свойств каналов. Кроме того, измеренная информация о состоянии канала сжимается с помощью латентного кодировщика до многообразия низкой размерности, а также предлагается инновационная композитная схема обучения, объединяющая генерацию априорной информации на основе диффузии с прогнозированием. Это обеспечивает прогностический модуль насыщенными латентными признаками, повышает предельные характеристики его производительности и значительно улучшает обобщающую способность в различных сценариях. Масштабные эксперименты подтверждают превосходство предложенного алгоритма, а его эффективность дополнительно проверяется на данных измерений каналов, что демонстрирует его робастность для передовых систем беспроводной связи в сценариях практического развертывания.
1
Комплексная схема обучения объединяет генерацию диффузионного априорного распределения с предсказанием, обеспечивая более информативные латентные признаки и улучшая обобщение в различных сценариях.
2
Диффузионная сеть на основе трансформеров, учитывающая взаимосвязи во времени, пространстве и частоте, генерирует синтетические данные каналов, сохраняя их ключевые статистические свойства.
3
Усовершенствованная прогностическая платформа на основе диффузионной модели объединяет генеративное расширение данных и предсказание с учетом априорной информации для моделирования беспроводных каналов при разреженных измерениях.
4
Эксперименты и проверка на реальных измерениях каналов демонстрируют превосходство метода и его устойчивость для развертывания перспективных беспроводных систем связи.
5
Измеренная информация о состоянии канала сжимается с помощью латентного энкодера в низкоразмерное многообразие, формируя компактные представления для предсказания.

Каналы беспроводной связи 6G и измеренная информация о состоянии каналов в различных сценариях распространения сигнала

Высокоточное прогнозное моделирование каналов, включая генерацию данных о каналах, представление скрытых признаков, качество прогнозирования и обобщение между различными сценариями

Publication Details
Publication Date
2026-01-01
Journal
Publisher
ISSN
Cited by
4
Access Type
Author Information
Authors
Cheng‐Xiang Wang
El‐Hadi M. Aggoune
Chen Huang
Tong Wu
Junling Li
Xiaoyu Chen
Mingchuan Yao
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%