人工智能赋能的信道预测：传播信道建模的新范式
信号处理
2026-01-15 v1
摘要
本文提出了一种以人工智能赋能的传播信道预测为中心的新范式，以解决传统信道建模的局限性。我们提出了一个综合框架，将异构环境数据和物理传播知识深度集成到 AI 模型中，用于特定地点的信道预测，这被称为信道推断。通过利用 AI 推断特定地点的无线信道状态，所提出的范式能够准确预测链路级和区域级的信道特性，捕获无线电传播的时空演化。本文介绍并讨论了实现该范式的一些新策略，包括 AI 原生和 AI 混合推断方法。本文还研究了如何通过迁移学习增强模型泛化能力，以及通过可解释 AI 技术提高可解释性。我们的方法展示了显著的实用有效性，实现了约 4 dB 的平均路径损耗预测均方根误差（RMSE），并将训练时间减少了 60\%-75\%。这种新的建模范式为未来通信网络的高保真、可泛化且物理一致的传播信道预测提供了基础途径。
引用
@article{arxiv.2601.09205,
title = {Artificial Intelligence Empowered Channel Prediction: A New Paradigm for Propagation Channel Modeling},
author = {Ruisi He and Mi Yang and Zhengyu Zhang and Bo Ai and Zhangdui Zhong},
journal= {arXiv preprint arXiv:2601.09205},
year = {2026}
}