論文の概要: HeterCSI: Channel-Adaptive Heterogeneous CSI Pretraining Framework for Generalized Wireless Foundation Models
- arxiv url: http://arxiv.org/abs/2601.18200v1
- Date: Mon, 26 Jan 2026 06:35:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-27 15:23:08.705127
- Title: HeterCSI: Channel-Adaptive Heterogeneous CSI Pretraining Framework for Generalized Wireless Foundation Models
- Title（参考訳）: HeterCSI: 一般化無線基礎モデルのためのチャネル適応型不均一CSI事前学習フレームワーク
- Authors: Chenyu Zhang, Xinchen Lyu, Chenshan Ren, Shuhan Liu, Qimei Cui, Xiaofeng Tao,
- Abstract要約: HeterCSIは、トレーニング効率を堅牢なクロスシナリオの一般化と整合させる、チャネル適応型事前トレーニングフレームワークである。
HeterCSIはフルショットベースラインよりも平均性能が優れている。
最先端のベンチマークWiFoと比較して、NMSEはそれぞれ7.19dB、4.08dB、5.27dBのCSI再構成、時間領域、周波数領域予測を行う。
- 参考スコア（独自算出の注目度）: 24.285127409979342
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Wireless foundation models promise transformative capabilities for channel state information (CSI) processing across diverse 6G network applications, yet face fundamental challenges due to the inherent dual heterogeneity of CSI across both scale and scenario dimensions. However, current pretraining approaches either constrain inputs to fixed dimensions or isolate training by scale, limiting the generalization and scalability of wireless foundation models. In this paper, we propose HeterCSI, a channel-adaptive pretraining framework that reconciles training efficiency with robust cross-scenario generalization via a new understanding of gradient dynamics in heterogeneous CSI pretraining. Our key insight reveals that CSI scale heterogeneity primarily causes destructive gradient interference, while scenario diversity actually promotes constructive gradient alignment when properly managed. Specifically, we formulate heterogeneous CSI batch construction as a partitioning optimization problem that minimizes zero-padding overhead while preserving scenario diversity. To solve this, we develop a scale-aware adaptive batching strategy that aligns CSI samples of similar scales, and design a double-masking mechanism to isolate valid signals from padding artifacts. Extensive experiments on 12 datasets demonstrate that HeterCSI establishes a generalized foundation model without scenario-specific finetuning, achieving superior average performance over full-shot baselines. Compared to the state-of-the-art zero-shot benchmark WiFo, it reduces NMSE by 7.19 dB, 4.08 dB, and 5.27 dB for CSI reconstruction, time-domain, and frequency-domain prediction, respectively. The proposed HeterCSI framework also reduces training latency by 53% compared to existing approaches while improving generalization performance by 1.53 dB on average.
- Abstract（参考訳）: 無線基礎モデルは、様々な6Gネットワークアプリケーションにわたるチャネル状態情報(CSI)処理の変換機能を約束するが、スケールとシナリオの両次元にわたってCSI固有の二重不均一性のために根本的な課題に直面している。
しかし、現在の事前学習アプローチは、固定次元への入力を制約するか、スケールによるトレーニングを分離し、無線基礎モデルの一般化と拡張性を制限する。
本稿では,チャネル適応型事前学習フレームワークであるHeterCSIを提案する。
我々の重要な洞察は、CSIスケールの不均一性が主に破壊的な勾配干渉を引き起こすことを示し、一方シナリオの多様性は、適切に管理された場合、実際に建設的な勾配調整を促進する。
具体的には、シナリオの多様性を保ちながら、ゼロパディングオーバーヘッドを最小限に抑える分割最適化問題として、異種CSIバッチ構成を定式化する。
そこで本研究では,CSIサンプルを類似のスケールで整列する適応バッチ方式を開発し,パディングアーティファクトから有効な信号を分離するための二重マスキング機構を設計する。
12のデータセットに対する大規模な実験により、HeterCSIはシナリオ固有の微調整なしで一般化された基礎モデルを確立し、フルショットベースラインよりも優れた平均性能を実現している。
最先端のゼロショットベンチマークWiFoと比較して、NMSEはそれぞれ7.19dB、4.08dB、5.27dBのCSI再構成、時間領域、周波数領域予測を行う。
HeterCSIフレームワークは、既存のアプローチと比較してトレーニングのレイテンシを53%削減し、平均1.53dBの一般化性能を改善した。
関連論文リスト
- CSI-4CAST: A Hybrid Deep Learning Model for CSI Prediction with Comprehensive Robustness and Generalization Testing [44.045995554758385]
本稿では、畳み込みニューラルネットワーク残基、適応補正層、ShuffleNetブロック、Transformerの4つの重要なコンポーネントを統合するハイブリッドディープラーニングアーキテクチャであるCSI-4CASTを紹介する。
データセットは、複数のチャネルモデル、広範囲の遅延スプレッドとユーザ速度、さまざまなノイズタイプと強度度にまたがる。
実験の結果,CSI-4CASTは計算コストを大幅に削減して予測精度が向上した。
論文 参考訳（メタデータ） (2025-10-14T21:19:52Z) - Green Learning for STAR-RIS mmWave Systems with Implicit CSI [53.03358325565645]
再構成可能なインテリジェントサーフェス (STAR-RIS) 支援ミリ波放送システム (mmWave) を同時に送信し, 反射するグリーンラーニング (GL) ベースのプリコーディングフレームワークを提案する。
本研究は,将来の6Gネットワークにおける環境持続可能性を重視し,複数のユーザが同一情報を共有し,スペクトル効率を向上し,冗長伝送と電力消費を低減させるシナリオに,トランスミッションフレームワークを採用する。
論文 参考訳（メタデータ） (2025-09-08T15:56:06Z) - Standards-Compliant DM-RS Allocation via Temporal Channel Prediction for Massive MIMO Systems [4.251030047034567]
チャネル予測に基づく参照信号アロケーション(CPRS)の概念を導入する。
CPRSはチャネル予測とDM-RSアロケーションを共同で最適化し、CSIフィードバックを必要とせずにデータスループットを向上させる。
ベンチマーク戦略よりも36.60%のスループット向上を実現しています。
論文 参考訳（メタデータ） (2025-07-15T07:56:37Z) - RGE-GS: Reward-Guided Expansive Driving Scene Reconstruction via Diffusion Priors [54.81109375939306]
RGE-GSは、拡散に基づく生成と報酬誘導ガウス積分を相乗化する新しい拡張的再構築フレームワークである。
本稿では,復元フェーズに先立って一貫したパターンを識別・優先順位付けする報奨ネットワークを提案する。
復元過程において,シーン収束度に応じてガウス最適化の進捗を自動的に調整する学習戦略を考案した。
論文 参考訳（メタデータ） (2025-06-28T08:02:54Z) - Channel Fingerprint Construction for Massive MIMO: A Deep Conditional Generative Approach [65.47969413708344]
CF双生児の概念を導入し、条件付き生成拡散モデル(CGDM)を設計する。
本研究では, 粗粒CFに条件付き観測された細粒CFの対数分布に対するエビデンスローバウンド(ELBO)を導出するために, 変分推論手法を用いる。
提案手法は, ベースラインと比較して, 復元性能が著しく向上していることを示す。
論文 参考訳（メタデータ） (2025-05-12T01:36:06Z) - Lessons from Deploying Learning-based CSI Localization on a Large-Scale ISAC Platform [18.4186280784439]
統合センシング・通信(ISAC)パラダイムの下で,400以上のアクセスポイント(AP)を含む大規模CSIベースのローカライゼーションシステムの構築について検討する。
本稿では,サーバ側でのISACの大規模展開に適した,WiFiローカライゼーションのための新しいCSIベースの学習フレームワークを提案する。
論文 参考訳（メタデータ） (2025-04-24T01:16:40Z) - CSI-BERT2: A BERT-inspired Framework for Efficient CSI Prediction and Classification in Wireless Communication and Sensing [19.12026243010111]
CSI予測と分類タスクのための統合フレームワークCSI-BERT2を提案する。
このフレームワークはBERTに適応し、双方向の自己認識機構を通じてCSI配列間の複雑な関係をキャプチャする。
CSI-BERT2は、すべてのタスクで最先端のパフォーマンスを達成することを実証している。
論文 参考訳（メタデータ） (2024-12-09T06:44:04Z) - GAQAT: gradient-adaptive quantization-aware training for domain generalization [54.31450550793485]
そこで本研究では,DGのためのGAQAT(Gradient-Adaptive Quantization-Aware Training)フレームワークを提案する。
我々のアプローチは、低精度量子化におけるスケール・グラディエント・コンフリクト問題を特定することから始まる。
GAQATフレームワークの有効性を実験により検証した。
論文 参考訳（メタデータ） (2024-12-07T06:07:21Z) - Model Inversion Attacks Through Target-Specific Conditional Diffusion Models [54.69008212790426]
モデル反転攻撃(MIA)は、ターゲット分類器のトレーニングセットからプライベートイメージを再構築することを目的としており、それによってAIアプリケーションにおけるプライバシー上の懸念が高まる。
従来のGANベースのMIAは、GANの固有の欠陥と潜伏空間における最適化の偏りにより、劣った遺伝子的忠実度に悩まされる傾向にある。
これらの問題を緩和するために拡散モデル反転(Diff-MI)攻撃を提案する。
論文 参考訳（メタデータ） (2024-07-16T06:38:49Z) - Physics-Inspired Deep Learning Anti-Aliasing Framework in Efficient
Channel State Feedback [25.68689988641748]
この研究は、アンダーサンプリングによるギャップに対処するための後処理ソリューションとして、gNBで新しいCSIアップサンプリングフレームワークを導入している。
また,提案したアルゴリズムをISTA-Netアーキテクチャと統合する学習手法を開発した。
以上の結果から,ルールベースと深層学習の両手法が従来の手法や最先端の手法よりも性能的に優れていたことが示唆された。
論文 参考訳（メタデータ） (2024-03-12T23:40:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。