无线网络的生成扩散模型：基础、架构与最新进展
信号处理
2026-03-04 v3
摘要
随着生成人工智能技术的快速发展，生成扩散模型（GDM）因其抗噪性、训练稳定性、可控性和多模态生成等优势，在无线网络领域展现出巨大的赋能潜力。尽管已有多项研究聚焦于无线网络的 GDM， 但仍缺乏对其技术演进的综合性综述。 受此启发， 我们系统性地探讨了 GDM 在无线网络中的应用。 首先， 我们识别了无线网络的核心挑战， 并论证了为何 GDM 特别适合解决这些问题。 随后， 我们介绍了 GDM 的数学原理和代表模型。 此外， 我们通过结构化分类法将综述组织为感知、传输和应用三个层面， 辅以安全层。 对于每个代表性方案， 我们分析其创新点、GDM 的作用、优势与不足。最终， 我们提炼出关键挑战， 提出可能的解决方案， 以为此领域的未来研究提供定向指导。
引用
@article{arxiv.2507.16733,
title = {Generative Diffusion Models for Wireless Networks: Fundamental, Architecture, and State-of-the-Art},
author = {Dayu Fan and Rui Meng and Xiaodong Xu and Yiming Liu and Guoshun Nan and Chenyuan Feng and Shujun Han and Song Gao and Bingxuan Xu and Dusit Niyato and Tony Q. S. Quek and Ping Zhang},
journal= {arXiv preprint arXiv:2507.16733},
year = {2026}
}
备注
46 pages, 10 figures