面向无线通信中信道估计的可解释 AI
人工智能
2023-12-07 v2 信息论
math.IT
摘要
对 6G 网络的研究已经启动，以支持如自动驾驶等各类关键人工智能（AI）辅助应用。在此类应用中，基于 AI 的决策应以实时方式执行。这些决策包括资源分配、定位、信道估计等。考虑到现有基于 AI 模型的黑盒性质，理解和信任此类模型的决策行为极具挑战。因此，通过可解释 AI（XAI）技术解释这些模型背后的逻辑，对于它们在关键应用中的使用至关重要。本手稿提出了一种新颖的基于 XAI 的信道估计（XAI-CHEST）方案，该方案对用于双选择性信道估计的深度学习（DL）模型提供了详细合理的可解释性。所提出的 XAI-CHEST 方案旨在通过向不相关输入引入高噪声来识别相关模型输入。因此，所研究的基于 DL 的信道估计器的行为可基于生成的解释进一步分析与评估。仿真结果表明，所提出的 XAI-CHEST 方案针对不同场景为基于 DL 的信道估计器提供了有效的解释。
引用
@article{arxiv.2307.00952,
title = {Towards Explainable AI for Channel Estimation in Wireless Communications},
author = {Abdul Karim Gizzini and Yahia Medjahdi and Ali J. Ghandour and Laurent Clavier},
journal= {arXiv preprint arXiv:2307.00952},
year = {2023}
}
备注
This paper has been accepted for publication in the IEEE Transactions on Vehicular Technology (TVT) as a correspondence paper