CaFTRA：面向6G及以上无反馈MIMO传输与资源分配的频域关联感知方法
系统与控制
2025-12-05 v2 信息论
系统与控制
math.IT
摘要
向AI原生6G及以上领域的无线系统设计，受到了移动数据流量持续增长、极端频谱效率以及跨多样化服务场景适应性等需求的驱动。为克服基于反馈的多输入多输出（MIMO）传输所面临的局限性，本文提出了一种新型频域关联感知无反馈MIMO传输与资源分配框架（CaFTRA），针对完全解耦的无线接入网络（FD-RAN）以满足AI原生6G及以上需求。通过利用人工智能（AI），CaFTRA有效消除实时上行反馈，通过仅基于用户位置信息预测信道状态信息（CSI）。我们引入了基于可学习查询驱动的Transformer网络，用于从用户位置映射CSI，该网络利用多头注意力和可学习查询嵌入来准确捕获资源块（RBs）之间的频域关联，从而显著提高CSI预测精度。一旦基站采用无反馈传输，其下行传输覆盖范围将因消除频繁上行反馈而显著扩展。为在此广泛覆盖场景下实现高效资源调度，我们应用一种低复杂度的多对一匹配理论基础算法，用于高效的多基站关联与多RBs资源分配，该算法被证明可在有限迭代内收敛至稳定匹配。仿真结果表明，CaFTRA实现了稳定的匹配收敛，相较于5G在频谱效率与用户公平性方面取得显著提升，凸显了其在6G标准化工作中的潜在价值。
引用
@article{arxiv.2512.03767,
title = {CaFTRA: Frequency-Domain Correlation-Aware Feedback-Free MIMO Transmission and Resource Allocation for 6G and Beyond},
author = {Bo Qian and Hanlin Wu and Jiacheng Chen and Yunting Xu and Xiaoyu Wang and Haibo Zhou and Yusheng Ji},
journal= {arXiv preprint arXiv:2512.03767},
year = {2025}
}