基于扩散模型的无线信道建模与端到端通信系统性能研究
《IEEE Transactions on Machine Learning in Communications and Networking》:Diffusion Models for Accurate Channel Distribution Generation
【字体:
大
中
小
】
时间:2026年09月20日
来源:IEEE Transactions on Machine Learning in Communications and Networking 4.9
编辑推荐:
摘要:强大的生成模型能够准确学习无线信道分布,从而在数学描述难以处理的情况下实现数据驱动的信道仿真。此外,可微的信道模型有助于在端到端(E2E)通信框架中对神经编码器进行基于梯度的训练。尽管以往的研究主要依赖于生成对抗网络(GANs)来实现这一目标,但本文探讨了扩散模型(DMs)
摘要:
强大的生成模型能够准确学习无线信道分布,从而在数学描述难以处理的情况下实现数据驱动的信道仿真。此外,可微的信道模型有助于在端到端(E2E)通信框架中对神经编码器进行基于梯度的训练。尽管以往的研究主要依赖于生成对抗网络(GANs)来实现这一目标,但本文探讨了扩散模型(DMs)作为信道逼近的另一种方法。我们开发了一个基于DM的信道建模框架,该框架可以高效地集成到E2E编码调制系统中,并提出了一种稳定的预训练算法,以实现更快、更可靠的收敛。通过在一系列表征信道模型上进行受控模拟,我们证明了DMs能够达到接近最优的符号错误率(SERs)和模式覆盖范围。特别是,在具有时间相关性和强非线性的复杂信道模型中,DMs在模式覆盖方面的优势尤为明显,而DMs和GANs都能准确捕捉相对简单信道模型的分布。我们进一步分析了使用跳跃采样和去噪扩散隐式模型时模式覆盖与采样效率之间的权衡,通过切片Wasserstein距离和E2E SER来量化这种权衡。结果表明,适当的选择参数可以在几乎不降低生成性能的情况下大幅减少采样时间。总体而言,这项研究为基于扩散的信道生成建立了基准和实证基础,提供了关于其可扩展性和在 realistic communication environments 中应用潜力的见解。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号