随着第六代(6G)移动通信系统的发展,CSI(Channel State Information)是提升网络性能至关重要的信息。传统的信道图谱(Channel Charting)方法通过将高维CSI数据映射到低维空间,从而揭示无线信道与物理环境之间的关系。然而,现有的信道图...随着第六代(6G)移动通信系统的发展,CSI(Channel State Information)是提升网络性能至关重要的信息。传统的信道图谱(Channel Charting)方法通过将高维CSI数据映射到低维空间,从而揭示无线信道与物理环境之间的关系。然而,现有的信道图谱方法大多侧重于静态几何结构的学习,忽视了信道随时间变化的动态特性,导致在复杂动态环境中,信道图谱的稳定性和拓扑一致性较差。为了解决这一问题,提出了一种结合LSTM(Long Short-Term Memory)和AE(Auto-Encoder)的时序信道图谱构建方法(LSTM-AE-信道图谱),该方法在传统信道图谱框架的基础上融入了时序建模机制。通过引入LSTM网络捕捉CSI的时序依赖性,并使用AE学习低维的连续潜在表示,所提出的方法能够在保证信道几何一致性的同时,显式建模信道的时变特性。实验结果表明,所提出的方法在多个真实通信场景中均表现出了优异的性能,特别是在信道图谱的稳定性、轨迹连续性以及长期预测能力方面,相较于传统信道图谱方法,具有显著的优势。展开更多
