Краткое содержание

arXiv:2511.06663v1 Тип объявления: кросс Аннотация: Точная информация о состоянии канала (CSI) критически важна для гибридной формирования луча (HBF). Однако получение высокодетализированной CSI остаётся сложной задачей в реальных беспроводных системах связи. Для решения этой проблемы мы предлагаем использовать графовые нейронные сети (GNN) и модели генерации на основе оценок, чтобы обеспечить надёжное формирование лучей даже при несовершенной CSI. Во-первых, мы разрабатываем Гибридную Графовую Сеть Внимания Сообщений (HMGAT), обновляющую как узловые, так и рёберные признаки через передачу сообщений на уровне узлов и рёбер. Во-вторых, мы проектируем основанную на BERT сеть условных оценочных признаков шума (NCSN), предназначенную для изучения распределения высокодетальной CSI, что способствует её генерации и дополнению данных, дополнительно улучшая производительность HMGAT. Наконец, мы представляем фреймворк сети оценки шумоподавления (DSN) и его реализацию — DeBERT, способный подавлять шумы в несовершенной CSI независимо от характера ошибки канала.