VERITAS：验证基站中 AI 原生收发机的性能
信号处理
2025-12-15 v3 人工智能
机器学习
摘要
人工智能(AI)原生接收机在高噪声环境下展现出显著的性能提升，并且与传统接收机相比有望减少通信开销。然而，其性能高度依赖于训练数据集的代表性。一个主要问题在于训练数据集是否涵盖了所有测试环境和波形配置存在不确定性，从而训练好的模型在实际部署条件下是否具有鲁棒性也存在不确定性。为此，我们提出了一种用于部署后 AI 原生收发机的联合测量-恢复框架，称为 VERITAS，该框架持续寻找接收信号中的分布偏移并触发有限的重新训练突发。VERITAS 利用馈入辅助神经网络的 5G 导频来监测无线信道，该网络可检测分布外信道轮廓、发射机速度和延迟扩展。一旦检测到这种变化，便激活传统(参考)接收机，使其与 AI 原生接收机并行运行一段时间。最后，VERITAS 针对相同的接收数据输入比较 AI 原生接收机和参考接收机的比特概率，并决定是否需要启动重新训练过程。我们的评估表明，VERITAS 检测信道轮廓、发射机速度和延迟扩展变化的准确率分别达到 99%、97% 和 69%，随后在信道轮廓、发射机速度和延迟扩展测试集中，分别对 86%、93.3% 和 94.8% 的输入及时启动了重新训练。
引用
@article{arxiv.2501.09761,
title = {VERITAS: Verifying the Performance of AI-native Transceiver Actions in Base-Stations},
author = {Nasim Soltani and Michael Loehning and Kaushik Chowdhury},
journal= {arXiv preprint arXiv:2501.09761},
year = {2025}
}