arXiv Artificial Intelligence· Kejia Bian, Meixia Tao, Jianhua Mo, Zhiyong Chen, Leyan Chen·· 13 小时前AI 评分31
AirFM-DDA：面向 AI 原生 6G 的时延-多普勒-角度域空口基础模型
AirFM-DDA: Air-Interface Foundation Model in the Delay-Doppler-Angle Domain for AI-Native 6G
AI 导读
AirFM-DDA 将 CSI 重参数化到时延-多普勒-角度（DDA）域，沿物理意义明确的轴分离多径分量，并采用窗口注意力与帧结构感知位置编码。信道预测与估计任务上，该模型零样本泛化到未见城市，NMSE 较最强基线平均改善 4.9-8.5 dB；仅用 10% 标注数据时，波束预测 Top-1 准确率平均提升 12.0 个百分点，LoS 识别 F1 提升 3.4 个百分点。
推荐理由模型分析
该工作把CSI从时空频域重参数化到时延-多普勒-角度域，使多径分量沿物理可解释的轴分离，并用窗口注意力加帧结构感知位置编码替代全局注意力。对无线基础模型研究者而言，可参考其跨城市零样本信道预测4.9–8.5 dB NMSE增益、10%标注下波束预测与LoS识别的提升，以及训练推理成本近一个数量级的下降；但结论主要来自仿真与有限实测适配，需在更多真实部署条件下验证。
来源：arXiv Artificial Intelligence · arxiv.org