[Submitted on 13 Oct 2025 (v1), last revised 29 Jul 2026 (this version, v2)]

View PDF

Abstract:取得準確的通道狀態資訊 (CSI) 對於可靠且高效的無線通訊至關重要，但高導頻開銷與通道老化等挑戰阻礙了及時且精確的 CSI 取得。CSI 預測從歷史觀測值預測未來的 CSI，提供了一種有前景的解決方案。最近的深度學習方法，包括循環神經網路與 Transformer，已取得顯著成功，但通常學習確定性映射，限制了它們捕捉無線通道隨機性與多模態特性的能力。在本文中，我們提出一種基於擴散模型的新穎機率框架，用於 CSI 預測，提供了靈活的設計以支援整合多種預測方案。我們將 CSI 預測任務分解為兩個部分：時間編碼器，用於提取通道動態；以及基於擴散的生成器，用於產生未來的 CSI 樣本。我們研究了兩種推論方案——自迴歸式與序列到序列式——並探討了多種擴散骨幹架構，包括 U-Net 與基於 Transformer 的架構。此外，我們探討了一種沒有明確時間編碼器的擴散式方法，並利用 DDIM 排程來降低模型複雜度。大量的模擬結果顯示，我們的擴散模型顯著優於最先進的基線方法。

Submission history

From: Mehdi Sattari [view email]
[v1] Mon, 13 Oct 2025 09:50:51 UTC (2,764 KB)
[v2] Wed, 29 Jul 2026 13:48:59 UTC (6,855 KB)