arXiv发布基于In-Context Learning的MIMO检测器论文
热点事件持续更新
arXiv发布基于In-Context Learning的MIMO检测器论文
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月28日，arXiv平台收录了Zihang Song等人关于MIMO通信系统的新论文。该研究旨在解决传统MIMO Turbo接收机在导频长度受限或信道模型失配情况下性能退化的技术难题。 研究人员提出名为EXT-ICLNet（外源上下文学习网络）的基于Transformer的检测器。该模型创新性地采用上下文学习机制，将导频信号直接作为上下文示例输入，无需进行显式信道估计即可直接逼近符号外发后验分布。 此外，该方案通过在对数域设置先验跳过连接（prior skip connection），实现与现有Turbo接收架构的兼容。这一技术路径简化了接收机设计，有助于提升复杂信道环境下的通信系统鲁棒性。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
MIMO Turbo接收器中的EXTrinsic In-Context Learning Network（EXT-ICLNet）报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · AIMIMO Turbo接收器中的EXTrinsic In-Context Learning Network（EXT-ICLNet）
针对MIMO Turbo接收器中导频短或信道模型失配导致的性能退化，研究人员提出EXT-ICLNet，一种基于Transformer的检测器。该模型将导频作为in-context examples，直接逼近符号外发后验分布，无需显式信道估计，且通过log-domain prior skip connection兼容现有Turbo接收器。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。