清华北邮物理引导扩散模型预测无线信号，精度提升37%
新智元 · wechat · 2026-09-12
清华大学、北京邮电大学联合团队针对移动网络参考信号接收功率（RSRP）预测问题，提出物理引导扩散模型 Channel-Diff，将 RSRP 预测表述为条件生成：大尺度传播趋势由物理模型提供，小尺度多径衰落由扩散模型学习。
核心设计：
- 输入层融合 10 个网络参数与地面高程、建筑高度图组成的多属性城市地图
- 物理表征层用 Hata/WINNERII 等传播模型、菲涅耳区遮挡与多径几何构建先验
- 教师阶段先学大尺度传播规律，学生阶段再用真实测量学习小尺度残差；噪声先验引导按遮挡程度动态调整物理先验权重
实验结果：在两套真实测量数据集（超 525 万个测量点、180 张无线电地图）上，较次优方法综合提升 37.19% 和 25.15%；约 83% 预测误差低于 5G 标准 ±9.5dB。跨数据集零样本迁移仍提升 20% 以上，少样本（5%-20% 数据）提升 17%-22%。消融显示移除微环境特征提取网络（MFEN）后性能明显下降。
论文：https://ieeexplore.ieee.org/document/11680013；代码：https://github.com/MichaelTsii/Channel-Diff
「研究」频道最新
- 印度学者今年在 A* 级 ML 会议上表现如何？ — cneuralnetwork · 2026-10-31
- PostTrainBench 轨迹数据集月下载破 10 万,作者警告是 RL 奖励作弊所致 — maksym_andr · 2026-10-31
- MIT『95% AI 试点失败』论断一年后被重新审视 — killboy123 · 2026-10-31
- 研究者为 SGLang 写 200+ 条属性约束，找出 10 个推理缺陷 — LingmingZhang · 2026-10-31
- 30 位专家定义 AI 临床安全分类法，压测显示离自主诊疗仍很远 — AleksandraFaust · 2026-10-31
- 复旦腾讯清华推出 ExplorationBench：55 个改动规则考验 AI 真探索能力 — jiqizhixin · 2026-10-31