面向移动通信的生成式人工智能：基于扩散模型的视角
信号处理
2024-10-22 v3
摘要
本文旨在探索一种突出的生成式人工智能（GAI）方法——扩散模型（DM）在移动通信中的潜力。首先，提出一种以DM驱动的通信架构，引入两个关键范式，即条件DM和DM驱动的深度强化学习（DRL），分别用于无线数据生成和通信管理。随后，讨论DM驱动的通信范式的关键优势。为进一步阐述，我们探索DM驱动的信道生成机制，用于多输入多输出（MIMO）系统中的信道估计、外推和反馈。我们展示了使用准确的DeepMIMO信道数据集进行的条件DM数值性能，揭示其在生成高保真信道方面的优越性以及在复杂场景中缓解意外分布迁移的能力。此外，构思了几种DM驱动的通信管理设计，前景看好用于处理不完美信道和任务导向通信。为激发未来研究发展，我们指出了DM驱动通信的潜在应用和开放研究挑战。代码已公开于 https://github.com/xiaoxiaxusummer/GAI_COMM/。
引用
@article{arxiv.2410.06389,
title = {Generative Artificial Intelligence (GAI) for Mobile Communications: A Diffusion Model Perspective},
author = {Xiaoxia Xu and Xidong Mu and Yuanwei Liu and Hong Xing and Yue Liu and Arumugam Nallanathan},
journal= {arXiv preprint arXiv:2410.06389},
year = {2024}
}
备注
This paper has been accepted by IEEE Communications Magzine. Code is available at https://github.com/xiaoxiaxusummer/GAI_COMM/