基于CGAN-LSTM的时变非平稳信道建模框架
信号处理
2025-03-19 v1 机器学习
摘要
时变非平稳信道具有复杂的动态变化和时序演化特征，在信道建模和通信系统性能评估中面临重大挑战。现有大多数时变信道建模方法聚焦于预测特定时刻的信道状态或模拟短期信道波动，无法捕捉信道的长期演化规律。本文强调生成长期动态信道，以充分捕捉非平稳信道特性的演化过程。所生成的信道不仅体现时序动态，还确保平稳性。我们提出一种混合深度学习框架，将条件生成对抗网络（CGAN）与长短期记忆网络（LSTM）相结合。设计了一种平稳性约束方法，以确保生成时序信道序列的相关性。该方法可生成具有所需时序非平稳性的信道。通过比较信道统计特征，验证了模型性能，结果表明所生成的信道与原始信道良好吻合，在非平稳性方面表现出色。
引用
@article{arxiv.2503.13468,
title = {A CGAN-LSTM-Based Framework for Time-Varying Non-Stationary Channel Modeling},
author = {Keying Guo and Ruisi He and Mi Yang and Yuxin Zhang and Bo Ai and Haoxiang Zhang and Jiahui Han and Ruifeng Chen},
journal= {arXiv preprint arXiv:2503.13468},
year = {2025}
}
备注
11 pages,7 figures