arXiv cs.AI· Yuzhi Yang, Brahim Mefgouda, Hang Zou, Lina Bariah, Anis Bara, Yuhuan Lu, Hao Zhang, Merouane Debbah·· 12 小时前AI 评分18
JEPA 启发的潜在场预测用于稀疏导频 MIMO-OFDM 信道重建
JEPA-Inspired Latent Field Prediction for Sparse-Pilot MIMO-OFDM Channel Reconstruction
AI 导读
研究者提出一种受 JEPA 启发的场世界模型，将 CSI 观测映射为潜在时频 token，从历史多频段上下文预测被掩码或未来的潜在场状态，再与稀疏含噪导频融合以重建完整 MIMO-OFDM 信道。射线追踪实验显示，该方法在 NMSE 上优于仅用导频和直接重建的基线，表明潜在场预测可作为稀疏导频信道获取的有效先验。
正文 · AI 翻译
摘要：准确获取完整的信道状态信息（CSI）对于多输入多输出正交频分复用（MIMO-OFDM）无线系统至关重要，而基于密集导频的估计会带来大量开销。在真实传播环境中，直接最小化原始 CSI 系数的预测误差是脆弱的，因为小尺度衰落、移动性、局部散射以及微小的空间扰动都可能引起大幅度的相位敏感变化。然而，无线信道包含强烈的空间、时间和频域相关性，这些相关性可以在潜在传播场域中以更可预测的方式表示。受此观察启发，我们提出了一种受联合嵌入预测架构（JEPA）启发的场世界模型，将其定义为无线传播场的潜在预测模型，用于稀疏导频信道重建。该模型将 CSI 观测映射为潜在时频令牌，从历史多频段上下文预测被掩蔽或未来的潜在场状态，并将预测的潜在先验与稀疏含噪的当前导频融合，以重建完整的 MIMO-OFDM 信道。射线追踪实验表明，与仅使用导频和直接重建的基线相比，所提方法改善了归一化均方误差（NMSE），支持将潜在场预测作为稀疏导频信道获取的有效先验。
| 主题： | 信号处理（eess.SP）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.37391 [eess.SP] |
| （或本版本使用 arXiv:2610.37391v1 [eess.SP]） | |
| https://doi.org/10.48550/arXiv.2610.37391 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Brahim Mefgouda [查看电子邮件]
[v1]
2026年10月27日星期二 15:14:41 UTC（10,059 KB）
来源：arXiv cs.AI · arxiv.org