面向物理层通信的生成式AI：综述
网络与互联网体系结构
2023-12-12 v1 人工智能
摘要
生成式人工智能（GAI）的近期发展催生了诸如 ChatGPT 等突破性应用，这不仅提高了文本、音频、视频甚至网络流量数据等数字内容的生产效率，也丰富了其多样性。除了数字内容创作，GAI 在分析复杂数据分布方面的能力为无线通信提供了巨大潜力，尤其是在新物理层通信技术快速扩张的背景下。例如，扩散模型（diffusion model）可以学习输入信号分布并利用它们来提高信道估计精度，而变分自编码器（variational autoencoder, VAE）可以对信道分布进行建模并推断潜在变量，以实现盲信道均衡。因此，本文对 GAI 在物理层通信中的应用进行了全面研究，涵盖从传统问题（包括信号分类、信道估计和均衡）到新兴主题（如智能反射面和联合信源信道编码）。我们还将 GAI 赋能的物理层通信与传统 AI 支持的物理层通信进行了比较，突出了 GAI 在这些领域的内在能力和独特贡献。最后，本文讨论了开放性问题并提出了几个未来的研究方向，为 GAI 在物理层通信中的进一步探索和发展奠定基础。
引用
@article{arxiv.2312.05594,
title = {Generative AI for Physical Layer Communications: A Survey},
author = {Nguyen Van Huynh and Jiacheng Wang and Hongyang Du and Dinh Thai Hoang and Dusit Niyato and Diep N. Nguyen and Dong In Kim and Khaled B. Letaief},
journal= {arXiv preprint arXiv:2312.05594},
year = {2023}
}