Spatio-Temporal Parameter Prediction for Dynamic ISAC Network Based on Diffusion Model

Jinlei Xu

doi:10.1109/mnet.2026.3725233

Spatio-Temporal Parameter Prediction for Dynamic ISAC Network Based on Diffusion Model

2026-08-28

0

PRE

AI

DOI：10.1109/mnet.2026.3725233

原文链接

原文求助

摘要

En 中文

针对高度动态的集成传感与通信(ISAC)网络，建模目标参数的演化可作为先验信息以降低延迟和信令开销。然而，参数的快速变化和强耦合特性对精确检测与预测构成严峻挑战。生成式人工智能(GAI)凭借其强大的非线性建模泛化能力，可为时空参数预测(STPP)提供概率范式以校准不确定性。受此启发，我们首先研究了若干代表性GAI模型的原理，并通过示例应用案例探讨了它们在STPP中的潜力。特别是结合正交时频空域的稀疏信道特性，我们强调了扩散模型(DM)在高度动态场景下STPP中的优势与适应性。在此基础上，我们开发了一种基于DM的生成式预测网络用于高速公路车辆STPP，该网络利用迭代去噪过程有效预测目标参数。仿真结果验证了DM在预测精度和鲁棒性方面的优越性。最后，我们概述了未来在动态ISAC网络中应用DM进行STPP的研究方向。

Keyword:

Modeling

Integrated sensing and communication

Noise reduction

Timing

Educational institutions

Evolution (biology)

Sequences

Sequential analysis

Transformers

Generative adversarial networks

Spatio-Temporal Parameter Prediction for Dynamic ISAC Network Based on Diffusion Model

摘要

期刊

机构

引用论文