基于张量神经常微分方程的连续时间信道预测
信息论
2023-08-01 v1 信号处理
math.IT
摘要
信道预测对于解决移动场景中的信道老化问题至关重要。现有信道预测技术主要面向离散信道预测，每帧仅能在固定时隙预测未来信道，而帧内其他信道通常通过插值恢复。然而，这些方法存在严重的插值损失，尤其对于移动毫米波通信。为解决这一挑战性问题，我们提出一种基于张量神经常微分方程（TN-ODE）的连续时间信道预测方案，以实现帧内信道的直接预测。具体而言，受机器学习领域近期发展的连续映射模型神经 ODE 启发，我们首先利用神经 ODE 模型预测未来连续时间信道。为提升信道预测精度并降低计算复杂度，进而提出 TN-ODE 方案，通过低维可学习变换学习高维信道的结构特征。仿真结果表明，所提方案相比现有方案能获得更高的帧内信道预测精度。
引用
@article{arxiv.2307.16518,
title = {Continuous-Time Channel Prediction Based on Tensor Neural Ordinary Differential Equation},
author = {Mingyao Cui and Hao Jiang and Yuhao Chen and Yang Du and Linglong Dai},
journal= {arXiv preprint arXiv:2307.16518},
year = {2023}
}
备注
A tensor neural ODE based method is proposed to predict continuous-time wireless channels