[2025年10月13日提出 (v1)、最終改訂 2026年7月29日 (本バージョン、v2)]

PDFを表示

要約:正確なチャネル状態情報（CSI）の取得は、信頼性が高く効率的な無線通信において重要ですが、高いパイロットオーバーヘッドやチャネルエージングなどの課題が、CSIの適時かつ正確な取得を妨げています。過去の観測から将来のCSIを予測するCSI予測は、有望な解決策を提供します。最近の深層学習アプローチ（リカレントニューラルネットワークやTransformerを含む）は顕著な成功を収めていますが、通常は決定論的なマッピングを学習するため、無線チャネルの確率論的かつマルチモーダルな性質を捉える能力が制限されます。本論文では、拡散モデルに基づくCSI予測のための新しい確率論的フレームワークを導入し、多様な予測方式の統合をサポートする柔軟な設計を提供します。CSI予測タスクを2つのコンポーネントに分解します：チャネルダイナミクスを抽出する時間エンコーダと、将来のCSIサンプルを生成する拡散ベースのジェネレータです。自己回帰およびシーケンス-to-シーケンスの2つの推論方式を調査し、U-NetおよびTransformerベースのアーキテクチャを含む複数の拡散バックボーンを検討します。さらに、明示的な時間エンコーダなしの拡散ベースのアプローチを検討し、DDIMスケジューリングを利用してモデルの複雑さを低減します。広範なシミュレーションにより、拡散ベースのモデルが最先端のベースラインを大幅に上回ることを実証します。

提出履歴

投稿者: Mehdi Sattari [メールを表示]
[v1] 2025年10月13日月曜日 09:50:51 UTC (2,764 KB)
[v2] 2026年7月29日水曜日 13:48:59 UTC (6,855 KB)