基于条件先验的非平稳信道估计使用加速扩散模型.pdfVIP

基于条件先验的非平稳信道估计使用加速扩散模型

1213

穆罕默德·阿赫梅德·穆辛，阿桑·比拉尔，穆罕默德·乌迈尔，阿萨德·阿里，

421

穆罕默德·阿里·贾姆谢德，迪恩·F·休根，约翰·M·奇奥菲

1Dept.ofElectricalEngineering,StanfordUniversity,Stanford,CA,USA

2SchoolofComputerScience,UniversityofOklahoma,Norman,OK,USA

3Dept.ofRadiology,StanfordUniversity,Stanford,CA,USA

4CollegeofScienceandEngineering,UniversityofGlasgow,Glasgow,UK

本ABSTRACT多普勒效应压缩了时间相干性，这会降低基于导频的

译插值性能并导致CSI过时[2,3,4,5]。如非平稳性，

在充满运动的城区微小区(UMi)环境中，无线信道是

中其特点是时变抽头统计和相关长度，打破了平稳性假

非平稳的；移动性和散射体的动力学随时间改变分布，

1设，并恶化了基于固定分布训练的模型。

v恶化了经典和深度估计器的表现。本工作提出了条件

2先验扩散用于信道估计，该方法学习了一个基于历史最近的研究探索了序列模型，如循环编码器，用

8

1条件的分数以去除嘈杂的信道快照中的噪声。一个带于时变MIMO信道[6]。然而，这些方法隐含地假设

5有跨时间注意力机制的时间编码器将短观测窗口压缩统计变化缓慢（分段平稳），并且往往会将测量噪声与

1

9.为上下文向量，捕捉到信道瞬时的一致性，并通过特信道动态纠缠在一起，通常需要在相干性减小时频繁

0征调制引导去噪过程。在推理阶段，信噪比匹配初始重新训练。相比之下，扩散模型通过控制的时间表和

5

2化选择边缘与测量输入信噪比对齐的扩散步骤，并且得分匹配分离信号和噪声，提供了一种原则性的替代

:

v该过程遵循一个缩短的、几何间隔的时间表，用远少得方案，在快速变化的条件下实现了校准去噪[7,8]。然

i

x多的迭代次数保留了信号噪声轨迹。利用前一信道估而，标准的基于扩散的去噪器通常是无条件的，因

r

a计进行时间自条件处理，并在训练期间仅施加平滑性此忽略了由诸如用户速度变化等动态引起的依赖历史

惩罚以进一步稳定演变，而不偏置测试阶段的估计算结构[9]。

法。在一个3GPP基准上的评估显示，在所有信噪比本文解决了通过从因果窗口的信道观测中学习一

下NMSE均低于LMMSE、GMM、LSTM和LDAMP个条件先验分布来进行非平稳信道估计的问题。先验

基线，表明了稳定的性能和强大的高信噪比保真度。信息被注入逆扩散过程中，以使去噪更新与信道当前

IndexTerms—信道估计，扩散模型，非平稳信相干长度对齐。时间上下文使用轻量级循环编码器和

道，MIMO系统跨时注意力进行编码，并且一个高斯-马尔可夫自条件

化机制将之前的干净估计反馈到先验中，以保持物理

1.介绍上合理的演变。该方法通过特征式线性调制（FiLM）