6G Twin：用于无线接入网络信道估计与非线性预编码器设计的混合高斯无线电场
分布式、并行与集群计算
2025-09-24 v1
摘要
本工作引入了 6G Twin，这是首个端到端的人工智能原生无线接入网络设计，它统一了 用于压缩信道状态信息获取的神经高斯无线电场、 具有切换持久性的连续信道预测，以及 能量最优的非线性预编码器。GRF 用稀疏高斯场取代了密集导频，将导频开销减少了约 100 倍，同时提供 1.1 ms 的推理和不到 2 分钟的现场训练，从而实现了毫秒级的闭环操作。一个由回放驱动的持续学习器在移动性和小区切换下保持准确性，与冻结预测器相比，将信道归一化均方误差改善了 10 dB 以上，与均匀回放相比进一步改善了 2-5 dB，从而在 UMi/UMa 切换中稳定了性能。最后，minPMAC 求解了一个凸的、无序的 MAC 预编码器设计，该设计从广播信道对偶中恢复全局最优顺序，并在满足最小速率保证的前提下最小化发射能量，实现了低 4-10 倍的能耗（视场景而定），且随着 SNR 增长，每焦耳比特数单调递增。这转化为在同等功率下高达 5 倍的数据速率，或在显著降低的功率下实现相同的速率。这些组件共同构成了一个实用的、支持 GPU 的框架，在 3GPP 风格的设置下实现了实时 CSI、具有高效切换的动态网络中的鲁棒跟踪，以及最先进的吞吐量-能量权衡。
引用
@article{arxiv.2509.18735,
title = {6G Twin: Hybrid Gaussian Radio Fields for Channel Estimation and Non-Linear Precoder Design for Radio Access Networks},
author = {Muhammad Ahmed Mohsin and Muhammad Umer and Ahsan Bilal and Muhammad Ali Jamshed and Dean F. Hougen and John M. Cioffi},
journal= {arXiv preprint arXiv:2509.18735},
year = {2025}
}
备注
Submitted to IEEE Transactions on Wireless Communications