🤖 machine learning

Link Adaptation Using Joint-Thompson Sampling

本文提出了用于链路自适应的联合汤普森采样（Joint-TS）算法，该算法通过利用多元有序贝塔分布来保持调制与编码方案（MCS）成功概率固有的单调性，从而改进了传统的多臂老虎机方法，并在各种信道条件下实现了稳健且一致的吞吐量。

原作者： Vignatha Vinjam, Manjunath Kolavennu, Myna Vajha, Karthik Periyapattana Narayanaprasad

发布于 2026-07-14

📖 1 分钟阅读☕ 轻松阅读

原作者： Vignatha Vinjam, Manjunath Kolavennu, Myna Vajha, Karthik Periyapattana Narayanaprasad

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正试图在一个嘈杂、不断变化的操场上发送一条秘密信息。你的工具箱里装满了各种不同的“代码”（称为调制与编码方案，简称 MCS）。其中一些代码速度极快但非常脆弱（如果操场稍微颠簸一点，它们就会损坏）；而另一些代码虽然慢，但非常坚韧（它们能经受住颠簸，但发送起来很慢）。

你的目标是？根据当前的情况选择完美的代码，以便在信息不被搅乱的前提下发送尽可能多的数据。这被称为链路自适应（Link Adaptation）。

旧方法：猜谜与尝试

传统上，发送信息的发送者（发射机）会使用一本死板的规则手册。如果操场看起来很平静，就选快速的代码；如果操场看起来很糟糕，就选缓慢的代码。如果一条信息失败了，他们会稍微调整一下规则手册。

但问题在于，操场变化得很快！如果风刮起来了（即“多普勒频移”），旧的规则手册反应太慢了。这就像是用昨天的地图来开车一样。

新思路：“有序”的赌博

最近，科学家们开始将这个问题视为一个**多臂老虎机（Multi-Armed Bandits）**游戏（想象成一排老虎机）。每种代码都是一台老虎机。你拉动一个杠杆（发送一条信息），要么赢（信息到达），要么输（信息失败）。目标是弄清楚此时此刻哪台机器的赔率最高。

大多数现有的算法将每台老虎机视为完全独立的谜团。它们不知道这些机器实际上是相关的。事实上，这里有一个黄金法则：如果一个“慢且坚韧”的代码奏效了，那么“快且脆弱”的代码可能也会奏效；但如果一个“快且脆弱”的代码失败了，那么“慢且坚韧”的代码肯定仍然有效。它们的成功率是天然有序的。

这篇论文的作者说：“为什么要忽略这种顺序呢？”他们提出了一种名为**联合汤普森采样（Joint-Thompson Sampling，简称 Joint-TS）**的新算法。

魔术技巧：“有序”的骰子

想象你有一个装满骰子的袋子，每个代码对应一个。

旧方法（经典汤普森采样）： 你独立地投掷每个骰子。有时，数学计算会变得很奇怪，你可能会为一个脆弱的代码投出一个“高成功率”的数字，而为坚韧的代码投出一个“低成功率”的数字。这违反了物理定律！
新方法（Joint-TS）： 作者使用了一种特殊的技巧——多元有序贝塔（Multivariate Ordered Beta, MOB）分布。他们不再单独投掷骰子，而是让它们作为一个团队进行。他们强制结果保持顺序：坚韧的代码获得的成功率数值总是高于脆弱的代码。

为了实现这一点，他们使用了一种叫做 吉布斯采样（Gibbs sampling） 的数学舞蹈。这就像是一个“传热豆”游戏，他们根据邻居的情况调整每个骰子，直到整个群体都稳定成一条完美的有序直线。这确保了算法永远不会做出物理上不可能的猜测。

模拟实验展示了什么

团队通过计算机模拟（使用 pyitpp 库）在两个世界中测试了这些想法：一个平静、静态的操场，和一个狂风肆虐的操场（高多普勒效应）。

1. 平静的操场（静态信道）：
当风平浪静时，旧的规则手册（OLLA）和新的“有序”方法（Joint-TS）都表现得不错。Joint-TS 略微落后于绝对的最佳得分，但非常接近。例如，在信号强度为 10dB 时，Joint-TS 达到了 2.54 bps/Hz，而“完美”方法达到了 2.68 bps/Hz。这是一场激烈的竞争，但 Joint-TS 依然能站稳脚跟。

2. 风大的操场（多普勒信道）：
这是见证奇迹的时刻。当风力增强时（模拟快速行驶的汽车或火车），旧的方法开始踉跄。

“查找表”方法 (LTS)： 这种方法依赖于一张预先写好的关于风如何影响代码的地图。当风力变得非常强时（111 Hz 多普勒频移），这张地图就失效了。该算法崩溃了，降至 1.29 bps/Hz。
“独立”方法 (UTS)： 这种忽略代码顺序的方法也表现挣扎，降至 1.56 bps/Hz。
“联合”方法 (Joint-TS)： 因为它尊重代码的自然顺序，它保持了稳定。即使在最强的风中（111 Hz），它仍维持在 1.56 bps/Hz。

3. “没有线索”的情景（无 CQI）：
有时，发送者收不到天气报告（信道质量指数或 CQI）了。他们必须盲目猜测。

在没有 CQI 的情况下，“查找表”方法 (LTS) 在平静的风力下表现得出奇地好，但在强风下仍然挣扎。
“独立”方法 (UTS) 则彻底崩溃，在平静风力下降至 1.04 bps/Hz，在强风下降至 1.21 bps/Hz。
Joint-TS 表现得最为稳健。即使没有天气报告且伴随强风，它依然能保持 1.32 bps/Hz 的传输，在最艰难的条件下表现优于其他方法。

核心结论

这篇论文并不声称已经永久“解决”了无线通信的问题。相反，模拟表明 Joint-TS 是一种更聪明的选择代码的“赌博”方式。通过尊重“更坚韧的代码总是比脆弱的代码更容易成功”这一事实，它避免了其他算法在混乱环境下犯下的错误。

当风吹得厉害或者缺乏天气报告时，其他方法可能会失效，但 Joint-TS 能让数据持续流动。它不是一根魔杖，但在模拟中，它证明了自己是应对颠簸旅程时最可靠的队友。

技术摘要：基于联合汤普森采样（Joint-Thompson Sampling）的链路自适应

问题阐述
链路自适应（Link Adaptation, LA）是媒体访问控制（MAC）层的一项关键功能，负责选择最优的传输参数，即调制与编码策略（MCS），旨在满足误块率（BLER）约束的同时最大化吞吐量。在下行链路场景中，基站（gNB）缺乏直接的信道状态信息，需依赖用户设备（UE）提供的信道质量指示（CQI）反馈。传统的方案（如外环链路自适应，OLLA）利用 ACK/NACK 统计数据来调整信号与干扰加噪声比（SIN_R）偏移量。然而，OLLA 在应对快速变化的信道（高多普勒频移）时往往反应迟缓，且缺乏针对每个 CQI 状态的细粒度处理能力。

近期文献将 LA 建模为一个多臂老虎机（Multi-Armed Bandit, MAB）问题，其中每个 MCS 代表一个具有未知成功概率的“臂”。虽然上置信界（UCB）和标准汤普森采样（TS）等算法已被应用，但它们通常将 MCS 臂视为相互独立的。这种独立性假设忽略了无线信道的一个基本物理特性：成功概率的单调性。具体而言，对于给定的信道条件，较低的 MCS 指数（更鲁棒的调制方式）本质上比较高的 MCS 指数（更高的频谱效率）具有更高的成功概率（即 $\theta_1 \ge \theta_2 \ge \dots \ge \theta_K$ ）。忽略这一约束的现有 MAB 方案可能会采样到不可行的配置，或导致收敛至次优解，尤其是在 CQI 反馈不可用或信道条件高度动态的情况下。

方法论：联合汤普森采样（Joint-TS）
本文提出了**联合汤普森采样（Joint-TS）**算法，旨在显式地在整个学习过程中保持 MCS 成功概率的单调性。

多元有序 Beta（Multivariate Ordered Beta, MOB）先验： 与假设各臂服从独立 Beta 分布的经典 TS 不同，Joint-TS 使用多元有序 Beta（MOB）分布作为先验。该分布定义在单纯形 $S = \{ \theta \in [0, 1]^K \mid \theta_1 \ge \theta_2 \ge \dots \ge \theta_K \}$ 上。通过从该联合分布中采样，算法保证了每一次采样的成功概率集合都满足物理上的单调性约束。
用于推理的吉布斯采样（Gibbs Sampling）： 直接从 MOB 分布中采样并非易事。作者采用了吉布斯采样技术（一种马尔可夫链蒙特卡洛方法）来生成样本。该方法的核心在于一个引理：在给定其他变量的情况下，任何单个臂 $\Theta_i$ 的条件分布遵循一个受其相邻值限制的受限 Beta 分布（即 $\theta_{i+1} \le \Theta_i \le \theta_{i-1}$ ）。
算法流程： 在每个时间步，Joint-TS 执行以下操作：
- 使用吉布斯采样从当前的 MOB 后验分布中抽取一组成功概率向量 $(\Theta_1, \dots, \Theta_K)$ 。
- 选择使期望奖励（ $s_i \cdot \Theta_i$ ）最大化的 MCS 臂 $I_t$ 。
- 观测奖励（ACK/NACK）并更新所选臂的参数。由于采用了联合分布，该更新会隐式地影响所有其他臂的后验分布，从而在无需显式重新排序的情况下维持单调性约束。

核心贡献

单调性感知型 MAB： 本文引入了 Joint-TS，这是首个通过使用多元先验而非将各臂视为独立实体，来严格强制执行 MCS 成功概率有序性的 MAB 链路自适应算法。
采样机制： 作者提出了一种实用的吉布斯采样法，用于从 MOB 分布中抽取样本，解决了从有序多元分布中采样的计算挑战。
对 CQI 局限性的鲁棒性： 研究表明，即使在 CQI 反馈不可用的情况下，Joint-TS 仍能保持性能，而在这种场景下，最先进的单峰算法（如 UTS）和依赖表的算法（如 Latent-TS）性能会显著下降。

仿真结果
作者在静态和多普勒频移信道环境下，使用 5G NR MCS 配置（29 个等级）对 Joint-TS 与 OLLA、改进型汤普森采样（MTS）、单峰汤普森采样（UTS）及 Latent-TS（LTS）进行了对比评估。

静态信道： 在具有完美 CQI 的静态条件下，Joint-TS 实现了具有竞争力的吞吐量（例如在 10 dB SINR 时为 2.54 bps/Hz），与 LTS（2.68 bps/Hz）相当。
高多普勒（移动）场景：
- 具备完美 CQI 时： 虽然 UTS 和 LTS 在低多普勒频移下表现良好，但 LTS 在高多普勒频移（111 Hz）时性能大幅下降。Joint-TS 保持了稳定的吞吐量（1.56 bps/Hz），与 UTS 相当，优于 LTS（1.29 bps/Hz）。
- 无 CQI 时： 在缺乏 CQI 反馈的情况下，UTS 表现挣扎（在 111 Hz 时降至 1.34 bps/Hz）。LTS 在低-中多普勒设置下保持了较高吞吐量，但表现出退化趋势。Joint-TS 在所有多普勒频移下均展现出一致的鲁棒性，在 111 Hz 时维持了 1.32 bps/Hz 的吞吐量，优于 UTS 和 MTS，并与 LTS 旗鼓相当。

意义与主张
本文声称 Joint-TS 提供了一种能够利用无线信道固有结构的原则性链路自适应方法。通过利用 MOB 分布，该算法避免了探索不可行 MCS 组合的低效行为。作者强调，尽管现有算法（如 CoTS）试图利用单调性，但它们的采样技术可能并未严格遵循联合分布的属性。

Joint-TS 的主要意义在于其鲁棒性。仿真表明，当面临特定场景（如高移动性环境或 CQI 反馈缺失）时，其他算法可能会失效，而 Joint-TS 能提供持续且具竞争力的吞吐量。作者将 Joint-TS 定位为一种不需要依赖预设且可能不准确的查找表（不同于 LTS）的解决方案，它能够快速适应变化的信道动态，且无需人工参数调优。这项工作表明，在概率框架内强制执行物理约束（单调性）可以带来在实际动态无线环境中的卓越性能。