通过多域信道外推赋能6G：生成式人工智能的机遇与挑战
信号处理
2026-02-02 v1
摘要
信道外推因其以高精度和最小开销获取信道状态信息（CSI）的潜力而受到广泛关注。随着第六代（6G）移动网络旨在支持复杂场景，例如利用超大规模多输入多输出（MIMO）技术和宽频谱频段的高速移动通信，这需要多域信道外推，其重要性日益凸显。当前研究主要集中于单一域内的信道外推，缺乏对多域信道外推的全面方法。为弥合这一差距，我们提出了多域信道外推的概念，详细阐述了6G网络的基本性能要求。这些要求包括精确的信道外推、对多变场景的适应性，以及在训练和推理阶段均可管理的计算复杂度。鉴于这些要求，我们详细阐述了结合基于生成式人工智能（GAI）的模型以实现有效多域信道外推的潜力与挑战。考虑到Transformer捕捉长距离依赖和隐藏模式的能力，我们提出了一种新颖的类Transformer编码器模型，通过移除位置编码模块并用多层感知机（MLP）替换原始的多头注意力机制，用于多域信道外推。仿真结果表明，该模型在外推精度和推理速度方面均超越了现有的基线模型。消融研究进一步证明了所提模块设计的有效性。最后，我们提出了开发实用的基于GAI的多域信道外推模型所面临的几个开放性问题，包括可解释性、泛化性和数据集收集等问题。
引用
@article{arxiv.2509.01125,
title = {Enabling 6G Through Multi-Domain Channel Extrapolation: Opportunities and Challenges of Generative Artificial Intelligence},
author = {Yuan Gao and Zichen Lu and Yifan Wu and Yanliang Jin and Shunqing Zhang and Xiaoli Chu and Shugong Xu and Cheng-Xiang Wang},
journal= {arXiv preprint arXiv:2509.01125},
year = {2026}
}