AITOPAI热报

无线通信

共 2 条相关 AI 资讯
8月29日
00:34
00:34官方账号arXiv cs.LG@Kiarash Rezaei, Mehdi Sattari, Javad Aliakbari, Tommy Svensson, Paolo Monti, Carlos Natalino
精选
TRACE-CRC是一种用于多步信道状态信息预测的轨迹感知不确定性量化方法。该方法在预测的CSI矩阵周围构建Frobenius范数不确定性球，控制至少一个未来帧未被覆盖的风险。TRACE-CRC结合了未来步相关的误差分析、轨迹难度分层和先学习后测试风险控制。实验表明，TRACE-CRC实现了可靠的轨迹级覆盖率，不确定性球比保守的多步校正方法小得多，同时避免了紧凑步进和自适应保形基线的轨迹覆盖不足问题。
论文TRACE-CRCCSI预测不确定性量化
推荐理由：TRACE-CRC解决了多步CSI预测中的不确定性量化问题，比传统方法更可靠且不确定性球更小。
原文
6月16日
10:53
10:53官方账号arXiv cs.LG@Marco Skocaj, Lukas Eller, Mate Boban
该论文从感知-失真权衡角度理论分析了分数匹配模型在无线信道估计中的适用条件。通过将下游无线任务（如容量最大化）建模为信道估计的泛函，量化了传统失真最小化方法的超额风险。数值实验表明，在高预测不确定性下，分数生成模型能实现接近贝叶斯最优的预编码，而低不确定性时判别性方法更优。该研究基于IEEE场景验证了超过5dB的信噪比增益。
论文Score-Based ModelsChannel Estimation感知-失真权衡
推荐理由：想看分数模型在无线通信里到底有什么用吗？这篇论文用感知-失真框架告诉你，信道估计时高不确定性用得分匹配，低不确定性用传统方法，有理论有实验。
原文