从统计信道建模向数字孪生预测的范式转变：面向 6G AI 启用空中接口的通用环境 ChannelLM
信号处理
2026-04-21 v1
摘要
随着 6G 的不断发展，日益普遍的连接性和更高容量要求对准确和实时的无线信道获取提出了巨大挑战，尤其是在多样化环境中。传统的统计信道建模依赖于来自有限环境的离线测量数据，难以支持面对多样化环境的在线应用。为此，数字孪生信道 (DTC) 作为一种新范式涌现，将通过高保真感知构建物理环境的数字复制，并利用人工智能 (AI) 模型实时预测相应信道。作为 DTC 的引擎，现有 AI 模型在实现真实世界环境广泛泛化和端到端信道预测之间存在困境。因此，本文提出一种驱动 DTC 的信道大模型 (ChannelLM)，其包括三个模块：基于动态目标检测和图像与点云数据的多模态对齐实现的低复杂度高精度环境重建、可解释的环境特征提取，以及 ChannelLM 核心用于将这些特征映射到通用环境表示，以实现多任务信道预测。仿真结果表明，在未见测试环境中，与小规模 AI 模型相比，ChannelLM 在信道状态信息预测中降低 4.23 dB 的预测误差，同时在实际世界中实现端到端 70 毫秒的推理延迟。
引用
@article{arxiv.2604.18021,
title = {Paradigm Shift from Statistical Channel Modeling to Digital Twin Prediction: An Environment-Generalizable ChannelLM for 6G AI-enabled Air Interface},
author = {Yichen Cai and Yuelong Qiu and Jianhua Zhang and Li Yu and Yuxiang Zhang and Zhen Zhang and Guangyi Liu},
journal= {arXiv preprint arXiv:2604.18021},
year = {2026}
}
备注
16 pages, 12 figures, Submitted to Nature Partner Journals Wireless Technology