无线物理层生成模型的评估指标与方法

生成模型通常通过直接检查其生成样本来评估，例如在图像情况下通过视觉检查。进一步的评估指标如 Fréchet inception distance 或最大均值差异难以解释，且缺乏物理动机。这些观察使得在无线物理层评估生成模型并非易事。本工作建立了一个由评估指标和方法组成的框架，用于应用于无线物理层的生成模型。所提出的指标和方法以无线应用为动机，便于无线领域研究者的理解和解释。特别地，我们提出了一种频谱效率分析用于验证生成的信道范数，以及一种码本指纹识别方法用于验证生成的信道方向。此外，我们提出了一种应用交叉验证来评估生成模型在相关下游任务中训练基于机器学习模型的样本。我们的分析基于真实测量数据，并以高斯混合模型、变分自编码器、扩散模型和生成对抗网络作为生成模型。在模型架构的公平比较下，我们的结果表明仅依赖最大均值差异等指标会产生不足的评估结果。相比之下，所提出的指标和方法表现出一致且可解释的行为。