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
2026-01-01
SCID: 54.1/xdzzrph9
Discuss with AI
беспроводные коммуникации 6Gинформация о состоянии каналаобучение на основе диффузиипредиктивное моделирование каналовпространственно-временно-частотная диффузионная сеть
Figures from the paper
Abstract (AI)
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.
Key Findings
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.
Research Object
Каналы беспроводной связи 6G и измеренная информация о состоянии каналов в различных сценариях распространения сигнала
Research Subject
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
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai4
На пути к 6G: концепции, требования, ключевые технологии и экспериментальные платформы2023
На пути к беспроводным сетям связи 6G: видение, обеспечивающие технологии и новые парадигмальные сдвиги2020
Генеративные агенты искусственного интеллекта с большими языковыми моделями для спутниковых сетей посредством передачи на основе смеси экспертов2024
Интерактивный искусственный интеллект с генерацией с расширенным поиском для сетей следующего поколения2024