用于非地面网络信道估计与流量预测的物理信息数字孪生
信号处理
2026-05-25 v1
摘要
在非地面网络（NTN）中，高速卫星轨道运动、有限的导频信令资源以及时空异构流量使得准确的信道和流量状态表征尤为具有挑战性。在本文中，我们提出了一种用于信道估计和流量预测的物理信息数字孪生框架。具体而言，它将信道状态信息（CSI）重建表述为由物理先验张量引导的可控生成过程。通过物理感知注意力机制，它从高度稀疏和过时的导频中有效地重建实时全分辨率 CSI。然后，我们开发了一个用于流量预测的轨道自适应时空图神经网络。通过利用双流注意力机制捕获平面内和平面间的空间依赖性，并利用门控循环单元建模时间演化，该神经网络有效地预测随机流量残差，这些残差与确定性物理流量基线相集成以形成完整的流量状态。为了评估所提出的 DT 框架，我们基于真实世界的 Starlink 星历、全球人口和 ERA5 天气数据建立了一个高保真 NTN DT 仿真平台。实验结果表明，我们的框架在 CSI 重建和流量预测精度方面均显著优于 SOTA 基线。
引用
@article{arxiv.2605.23155,
title = {Physics-Informed Digital Twins for Channel Estimation and Traffic Prediction of Non-Terrestrial Networks},
author = {Xinyu Huang and Yixiao Zhang and Xue Qin and Mingcheng He and Junling Li and Weihua Zhuang and Xuemin Shen},
journal= {arXiv preprint arXiv:2605.23155},
year = {2026}
}