SNR门控LSTM条件扩散模型用于MIMO信道估计
Get the story
2026年10月8日，arXiv Machine Learning Theory（一手来源）发表论文，提出一种用于MIMO信道估计的时间序列条件扩散框架。该方法在角度域进行去噪，以最小二乘观测为起点，用LSTM网络对短观测序列编码作为条件信息，并引入可学习的SNR门控后期融合捷径：通过带可训练中心与尺度的sigmoid门，将网络输入注入最终解码阶段。仿真结果显示，该方法相对现有基于扩散的信道估计基线取得一致性能增益，并借助SNR自适应推理保持低延迟。目前报道仅涉及该论文内容，未见后续验证或复现信息。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Machine Learning TheorySNR 门控 LSTM 条件扩散模型用于 MIMO 信道估计
论文提出一种时间序列条件扩散框架，在角度域进行去噪以完成 MIMO 信道估计。模型以最小二乘观测为起点，用 LSTM 网络对短观测序列编码作为条件信息，并引入可学习的 SNR 门控后期融合捷径，通过带可训练中心与尺度的 sigmoid 门将网络输入注入最终解码阶段。仿真显示该方法相对现有基于扩散的信道估计基线取得一致性能增益，并借助 SNR 自适应推理保持低延迟。
Heat trend
Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.