arXiv cs.AI· Ning Yang, Yuming Xian, Tong Li, Ning Gao, Haijun Zhang·· 2 天前AI 评分18
FAR-CSI：面向FDD信道预测的时空频结构化表示
Structured Time-Frequency Representation for Channel Prediction
AI 导读
FAR-CSI 提出一种 FDD 感知的信道预测表示方法，将历史 UL 观测与未来 DL 目标按时间和频段角色映射到联合位置场中的分离区域。在相同骨干、初始化和训练条件下，FDD 感知路由相比通用路由将 NMSE 降低 21.44%。在评估的 FDD 基线中，FAR-CSI 取得更高的 CSI 预测精度和基于 MRT 的频谱效率，并在不同移动性条件、预测时域、训练数据减少及含噪历史观测下保持优势。
正文 · AI 翻译
摘要：准确的 CSI 预测对于缓解信道老化、支撑高移动性无线系统中可靠的下行传输至关重要。在 FDD 系统中，根据历史 UL 观测预测未来的 DL CSI 需要联合进行时间外推和跨频段推断。然而，将历史 UL 定义为输入、未来 DL 定义为目标，并不能说明经过时间和 UL 到 DL 的频段间隔应如何在预训练预测器的位置空间中表示。FAR-CSI 在联合时间与工作频段位置场中建立了具有 FDD 感知的信道预测表示。在该场中，历史 UL 观测和未来 DL 目标根据其时间和工作频段角色占据相互分离的区域，从而保持已观测 UL 上下文与未观测 DL 预测目标之间的区分。该表示通过统一的结构化路由规则实现，该规则支配编码器位置分配、解码器场重建和未来 DL 目标选择，确保从上下文编码到预测读出过程中保持相同的 FDD 几何结构。在匹配的主干、初始化和训练条件下，与通用路由相比，FDD 感知路由将 NMSE 降低了 21.44\%。在评估的 FDD 基线中，FAR-CSI 实现了更高的 CSI 预测精度和基于 MRT 的频谱效率，同时在移动性条件、预测时域、训练数据减少的情形以及含噪历史观测中保持其预测优势。
| 主题： | 信息论（cs.IT）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.35956 [cs.IT] |
| （或本版本的 arXiv:2610.35956v1 [cs.IT]） | |
| https://doi.org/10.48550/arXiv.2610.35956 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Ning Yang [查看电子邮件]
[v1]
2026年10月25日星期日 03:47:06 UTC（271 KB）
来源：arXiv cs.AI · arxiv.org