基于机器感受统一的无线信道基础模型路径失真生成
信号处理
2025-11-20 v1
摘要
精确建模信道路径失真对于理解无线传输环境和优化通信系统至关重要。特别是第六代(6G)人工智能(AI)原生通信系统需要大量高质量的信道路径数据，以实现智能模型训练和性能优化。本文提出一种基于机器感受统一(SoM)的无线信道基础模型(WiCo)用于路径失真生成(WiCo-MG)。为提供WiCo-MG可靠的训练基础，构建了新的用于无人机到地面(U2G)通信的合成智能感知-通信数据集。为克服跨模态对齐和映射的挑战，提出两种训练框架：第一阶段，将感知图像嵌入离散-连续SoM特征空间，将路径失真图嵌入感知初始化的离散SoM空间以对齐表示；第二阶段，采用基于频率感知的专家路由的混合共享路由专家(S-R MoE)Transformer学习从感知到信道SoM特征空间的映射，实现解耦且自适应的路径失真生成。实验结果表明，WiCo-MG在分布内生成性能达到最前沿，在分布外推广性方面表现优异，NMSE降低超过2.59 dB，同时在模型和数据集规模性方面表现出强劲扩展性和对新路径参数和任务的可扩展性。由于更高的精度、更强的推广性和更好的扩展性，WiCo-MG有望为6G AI原生通信系统的大规模高保真信道数据生成提供支持。
引用
@article{arxiv.2511.15026,
title = {WiCo-MG: Wireless Channel Foundation Model for Multipath Generation via Synesthesia of Machines},
author = {Zengrui Han and Lu Bai and Xuesong Cai and Xiang Cheng},
journal= {arXiv preprint arXiv:2511.15026},
year = {2025}
}