灵活智能天线阵列的信道估计：从模型方法到神经算子
信息论
2026-04-08 v4 math.IT
摘要
灵活智能天线阵列（FIM）通过引入形态自由度，动态改变其三维形状，以确保多径信号相互干涉形成 Constructive，从而为无线通信提供了新解决方案。然而，实现FIM系统所需性能提升，严重依赖于获取连续高维变形空间中准确的信道状态信息。因此，本文调查了FIM辅助毫米波通信系统的这一根本信道估计问题。首先，我们开发了模型方法框架，将问题结构化为使用插值和核方法进行函数逼近，或利用毫米波信道固有的角稀疏性进行稀疏信号恢复。为了进一步超越模型方法信道估计框架中的显式假设，我们提出了基于深度学习的框架，使用傅里叶神经算子（FNO）。通过在傅里叶域参数化全局卷积算子，我们设计了高效的FNO架构来学习将FIM形状映射到信道响应的连续算子，且具有网格无关特性。此外，我们利用层次 FNO（H-FNO）架构来高效捕获跨层次空间分辨率的多尺度特征。数值结果表明，所提出的 H-FNO 在估计精度和副载资源效率方面显著优于模型方法基准。特别是，解释性分析表明，所提出的 H-FNO 学习了一个适用于 FIM 物理几何的各向异性空间滤波器，能够准确地重建连续变形空间中非线性信道响应。
引用
@article{arxiv.2508.00268,
title = {Channel Estimation for Flexible Intelligent Metasurfaces: From Model-Based Approaches to Neural Operators},
author = {Jian Xiao and Ji Wang and Qimei Cui and Yucang Yang and Xingwang Li and Dusit Niyato and Chau Yuen},
journal= {arXiv preprint arXiv:2508.00268},
year = {2026}
}