回到最新动态
论文更新 / THE SIGNAL

EXT-ICLNet:用上下文学习替代MIMO信道估计

In-Context Learning for MIMO Turbo Receivers

重要性 4.5 AI 辅助整理

论文提出免显式信道估计的 Transformer MIMO 检测器 EXT-ICLNet。

资讯摘要

论文提出 EXT-ICLNet,一种基于 Transformer 的 MIMO turbo 接收机检测器,将导频作为上下文示例,直接近似符号外在后验分布,无需显式信道估计。它通过对数域先验跳连只学习外信息,可与现有 turbo 接收机兼容。作者报告在 4×4 MIMO、16-QAM 及量化前端下,低中 SNR 优于基于显式 CSI 的基线,高 SNR 优于完美 CSI 的 EP 基线,并用 EXIT 图验证。

要点速读

  1. EXT-ICLNet 以导频为上下文示例,避免显式信道估计,并通过对数域先验跳连只学习外信息。
  2. 作者报告 4×4 MIMO、16-QAM、量化前端下,低中 SNR 优于显式 CSI 基线,高 SNR 优于完美 CSI 的 EP 基线。
  3. 论文用 EXIT 图比较 EXT-ICLNet、神经 EP 基线及去掉跳连的版本,说明其先验与外信息传递更有利。

中文摘要由 AI 根据公开来源生成,可能存在理解偏差;具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21(北京时间)。 arXiv 日期为本次公告时间,论文初次投稿日期请查看原文版本记录。

阅读 arXiv · cs.AI 原文arxiv.org · 在新窗口打开