arXiv cs.AI· Lyutianyang Zhang, Yixin Ying, Liu Cao, Vanlin Sathya, Jinke Ren, Shuguang Cui·· 11 小时前AI 评分22
基于光线追踪的动态信道探测：用自回归 Wi-Fi CSI 预测提升波束成形吞吐
Ray-Tracing-Based Dynamic Channel Sounding With Autoregressive Wi-Fi CSI Prediction
AI 导读
研究提出一种动态探测框架，将自回归 CSI 预测与受 SINR 约束的探测间隔选择结合，用带旋转位置嵌入的 Transformer 把设备位置转换为 CSI 序列，跨多个子载波预测 CSI 以更新波束成形。
正文 · AI 翻译
摘要：Wi-Fi 多输入多输出（MIMO）系统中的信道探测必须在信道状态信息（CSI）精度与 CSI 获取开销之间取得平衡。设备移动会导致信道老化，而自回归 CSI 预测会引入误差，这些误差会在探测间隔内累积。然而，标准化的统计信道模型无法完全刻画物理人工智能（AI）应用中遇到的环境特定信道动态，这促使人们使用基于 Sionna 的光线追踪来评估设备移动和传播几何变化下的 CSI 预测。本文开发了一个动态探测框架，将自回归 CSI 预测与信干噪比（SINR）约束的间隔选择相结合。一个带有旋转位置嵌入的 Transformer 将设备位置转换为 CSI 序列，预测多个子载波上的 CSI，用于探测交换之间的波束成形更新。我们将探测间隔选择建模为在每流 SINR 下界约束（包括 CSI 获取和处理开销）下的预测平均吞吐量最大化问题。预测误差扰动分析给出了 SINR 边界，累积和枚举全局求解该有限单变量问题。只要预测误差满足边界，实际 SINR 可行性就成立。光线追踪实验评估了信道预测、轨迹迁移和自回归预测误差。在单 STA Wi-Fi 7 链路级仿真中，与陈旧 CSI 相比，预测 CSI 波束成形在直线、圆形和余弦轨迹上分别将平均有效吞吐量提高了 67.3%、112.7% 和 119.1%。
| 主题： | 信息论（cs.IT）；人工智能（cs.AI）；网络与互联网架构（cs.NI） |
| 引用为： | arXiv:2611.05970 [cs.IT] |
| （或 arXiv:2611.05970v1 [cs.IT] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.05970 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Lyutianyang Zhang [查看电子邮件]
[v1]
2026年11月4日星期三 05:04:42 UTC（7,320 KB）
来源：arXiv cs.AI · arxiv.org