Neues Flow-Matching-Modell beschleunigt MIMO-Kanalabschätzung

In der Signalverarbeitung haben Diffusionsmodelle (DM) gezeigt, dass sie hochpräzise Kanalzustandsinformationen (CSI) liefern können. Ihre größte Schwäche ist jedoch die langsame Abtastgeschwindigkeit, die die praktische Anwendung einschränkt. Um dieses Problem zu lösen, wurde ein neues generatives Modell auf Basis von Flow Matching (FM) für die Abschätzung von MIMO-Kanälen vorgestellt.

Das Modell formuliert die Kanalabschätzung als einen Pfad im FM-Rahmen, bei dem die bedingte Wahrscheinlichkeitsverteilung von der verrauschten Kanalverteilung zur wahren Kanalverteilung entlang einer geraden Trajektorie mit konstanter Geschwindigkeit verläuft. Auf dieser Grundlage wird ein Geschwindigkeitsfeld abgeleitet, das ausschließlich von den Rauschstatistiken abhängt und das Training der generativen Modelle steuert.

Während der Sampling-Phase dient das trainierte Geschwindigkeitsfeld als Priorinformation, wodurch die Kanalabschätzung mithilfe eines gewöhnlichen Differentialgleichungs-Euler-Solvers schnell und zuverlässig verbessert werden kann. Die numerischen Ergebnisse zeigen, dass das FM-basierte Verfahren den Abtastaufwand deutlich reduziert im Vergleich zu etablierten DM-Ansätzen wie dem Score Matching (SM)-Modell und gleichzeitig eine überlegene Kanalabschätzgenauigkeit unter verschiedenen Kanalbedingungen erzielt.