ChannelKAN: CNN-KAN ibrido per la previsione del CSI in sistemi Massive MIMO-OFDM

È stato introdotto un nuovo framework di deep learning, chiamato ChannelKAN, per la previsione delle informazioni sullo stato del canale (CSI) in sistemi Massive MIMO-OFDM. Questo modello integra reti neurali convoluzionali (CNN) con reti di Kolmogorov-Arnold (KAN) per catturare efficacemente sia le fluttuazioni locali immediate che le relazioni non lineari estese all'interno delle sequenze CSI. Mentre le CNN si concentrano sulle correlazioni locali spazio-frequenziali a ogni passo temporale, le KAN utilizzano attivazioni polinomiali di Chebyshev apprendibili per rappresentare i cambiamenti temporali non lineari tra diversi passi temporali. Inoltre, un modulo di espansione a doppio dominio produce rappresentazioni del CSI sia nel dominio della frequenza che in quello del ritardo, e un modulo di potenziamento delle informazioni di frequenza multiscala migliora la precisione della previsione. Questo metodo supera le limitazioni degli attuali approcci di deep learning in contesti di alta mobilità.