去噪与增强：扩散模型在增强CSI恢复中的双重用途
信号处理
2025-10-06 v1
摘要
本文介绍了一种基于去噪扩散概率模型（DDPM）的信道估计算法的双重应用，集成数据去噪和数据增强。去噪解决原始信号在探测点处的严重噪声，这可能影响信道估计的准确性。提出一种无监督结构，可在无纯信道信息先验知识的情况下清洗现场数据。数据增强对于训练深度学习（DL）网络进行信道状态信息（CSI）估计至关重要，因为其数据密集型特性。网络通过调整逆步骤生成新的信道数据，从而丰富训练数据集。为管理通信数据的可变信噪比（SNR），提出分段前向策略以提高DDPM收敛精度。链路级别的仿真结果表明，所提出的方案在精度与计算成本之间实现了优越的权衡，优于现有基准方法。
引用
@article{arxiv.2510.02744,
title = {Denoising and Augmentation: A Dual Use of Diffusion Model for Enhanced CSI Recovery},
author = {Yupeng Li and Ruhao Zhang and Yitong Liu and Chunju Shao and Jing Jin and Shijian Gao},
journal= {arXiv preprint arXiv:2510.02744},
year = {2025}
}
备注
This paper is formatted for an IEEE conference. It contains 4 figures and 2 tables. The source code is available at https://github.com/fhghwericge/Diffusion-Model-for-Enhanced-CSI-Recovery