面向持续 MIMO 信道预测的不确定性加权经验回放
信号处理
2026-04-16 v1
摘要
在动态无线环境中，由于非平稳衰落和移动性，准确的信道状态信息（CSI）预测始终具有挑战性。本文提出一种不确定性加权经验回放（UW-ER）框架，通过整合模型不确定性到回放采样过程中，以提高在线 CSI 预测的鲁棒性。我们采用带蒙特卡罗 dropout 的轻量级 LSTM 架构来估计预测方差，然后将其用于自适应地为每个训练样本加权重建损失。本文在使用符合 3GPP 标准的随机衰落模型生成的 UMi-Dense MIMO 信道数据集上对 UW-ER 进行评估。结果表明，UW-ER 实现了稳定的泛化，验证 NMSE 接近 0 dB，且预测不确定性与重建误差之间存在较强相关性（r = 0.93），表明其置信度估计已校准良好。消融研究表明，基于 LARS 的回放策略在较小的内存预算下也能实现具竞争力的性能。总体而言，UW-ER 方法在不增加计算复杂度的前提下提高了持续信道学习的稳定性，为未来的 6G 自适应通信系统提供了可扩展的解决方案。
引用
@article{arxiv.2604.13038,
title = {Uncertainty-Weighted Experience Replay for Continual MIMO Channel Prediction},
author = {Muhammad Jazib Qamar and Muhammad Hamza Nawaz and Messaoud Ahmed Ouameur and Ayesha Mohsin and Miloud Bagaa},
journal= {arXiv preprint arXiv:2604.13038},
year = {2026}
}
备注
7 Pages