基于机器感受统一的无线信道基础模型路径损耗图生成
信号处理
2025-11-20 v1
摘要
首次开发了一种通过机器感受统一(SoM)实现的无线信道基础模型用于路径损耗图生成(WiCo-PG)。考虑第六代(6G)无人机到地面(U2G)场景，构建了新的多模态感知-通信数据集用于WiCo-PG预训练，包括多种U2G场景、不同的飞行高度和不同的频段。基于构建的数据集，所提出的WiCo-PG能够利用来自不同场景和飞行高度的RGB图像实现跨模态路径损耗图生成。在WiCo-PG中，提出一种基于双向量量化生成对抗网络(VQGAN)和Transformer的跨模态路径损耗图生成网络架构。此外，设计了一种用于跨模态路径损耗图生成的新型频率引导共享路由混合专家(S-R MoE)架构。仿真结果表明，所提出的WiCo-PG通过预训练实现了改进的路径损耗图生成精度，NMSE为0.012，优于基于大语言模型(LLM)的方案即LLM4PG和传统深度学习方案，超过6.98 dB。所提出WiCo-PG的增强通用性可进一步通过仅使用2.7%样本的few-shot泛化，优于LLM4PG至少1.37 dB。
引用
@article{arxiv.2511.15030,
title = {WiCo-PG: Wireless Channel Foundation Model for Pathloss Map Generation via Synesthesia of Machines},
author = {Mingran Sun and Lu Bai and Ziwei Huang and Xuesong Cai and Xiang Cheng and Jianjun Wu},
journal= {arXiv preprint arXiv:2511.15030},
year = {2025}
}