🔢 mathematics

FM-Receiver: A Foundation Model Enabled Unified Inner and Outer Neural Receiver Towards AI-Native Wireless Communications

本文提出了 FM-Receiver，一种由基础模型赋能的统一神经接收机，该接收机通过使用分组纠错码 Transformer 和三阶段预训练策略，将内层和外层无线处理集成到一个单一的 AI 原生框架中，以实现卓越的性能以及跨不同系统配置的零样本泛化能力。

原作者： Tianyue Zheng, Chao Jiang, Linglong Dai

发布于 2026-07-15

📖 1 分钟阅读🧠 深度阅读

CC0 1.0

原作者： Tianyue Zheng, Chao Jiang, Linglong Dai

原始论文根据 CC0 1.0（http://creativecommons.org/publicdomain/zero/1.0/）发布到公有领域。 ✨ 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，你正试图在嘈杂拥挤的体育场里，听清一位朋友大声喊出的秘密信息。在过去，你的大脑（接收器）需要分两个独立的步骤来完成这件事：首先，你会眯起眼睛，从人群的嘈杂声中过滤出单词，从而清晰地听到内容（这是“外部”接收器）；然后，一旦你听到了单词，你会使用一套单独的规则手册来修正其中的错别字或缺失的字母（这是“内部”接收器）。问题在于？这两个步骤并不沟通。如果第一步出了一个小错，第二步无法说：“嘿，我觉得那个词原本应该是另外一个！”

这篇论文介绍了一种新型的“超级听力者”，叫做 FM-Receiver（基础模型接收器）。把它想象成一个单一的、超级聪明的 AI 大脑，它能同时胜任这两项工作。它不再将工作拆分，而是学会了在一次巨大的、统一的飞跃中，同时完成“听觉”和“修正信息”的任务。作者称之为“基础模型”（Foundation Model），这就像是一个在参加考试之前已经读遍了图书馆所有书籍的学生，因此无论遇到什么样的题目，他们都能应对自如。

核心问题：“比特”与“符号”的不匹配

论文指出，以往 AI 接收器的工作方式存在一个特定的缺陷。想象一下，旧的外部接收器是以“单词”（符号，即一组比特）进行交流的，但旧的 AI 解码器只能理解“字母”（单个比特）。这就像是试图通过逐个查看字母来翻译整个句子；既缓慢又令人困惑。

作者明确排除了仅仅是在外部挂载一个标准 AI、而在内部放置一个传统规则手册的想法。他们认为，保持两者分离会阻碍系统学习如何高效地协同工作。他们也反对 AI 解码器应该只处理完美、干净数据的观点；在现实世界中，来自第一步的数据是杂乱无章的，解码器必须能够处理这种混乱。

解决方案：“分组式”超级解码器

为了解决这种不匹配，团队发明了一个新工具，叫做 G-ECCT（分组纠错码 Transformer）。

类比： 这个新的解码器不再是一个字母一个字母地阅读，而是抓取一整个“单词”（由多个比特组成的符号），并将其视为一个整体。这就像是直接阅读整个句子，而不是在每个字母上磕磕绊绊。
结果： 这使得过程变得更快，并且让“听觉”部分和“修正”部分实现了无缝融合。

他们是如何教学的：三阶段魔鬼训练营

你不能只是把一个复杂的 AI 扔进体育场就指望它能正常工作。作者设计了一个三阶段训练策略，以确保这个 AI 能够应对任何情况：

第一阶段（耳朵）： 他们教会了 AI 如何过滤噪音并清晰地听到信号，使用了不同规模的人群和不同的体育场布局。
第二阶段（大脑）： 他们教会了新的“分组式”解码器如何修正错误，但他们从一个干净、安静的房间开始（模拟完美数据），这样它就能在还没被噪音干扰之前，先学会语法规则。
第三阶段（团队）： 最后，他们将“耳朵”和“大脑”重新组合在一起，并作为一个团队进行训练，让他们在混乱、嘈杂的环境中从彼此的错误中学习。

模拟实验显示的结果

作者运行了数千次模拟（计算机测试）来观察这个新接收器的表现。他们不仅测试了一个场景，而是向它投掷了一切挑战。

人群规模： 无论是只有 1 个用户还是 4 个用户同时在大声喊叫，FM-Receiver 在保持信息清晰度方面都是表现最好的。在最困难的 4 用户场景下，它的表现比次优方法高出 2 dB 以上（一种衡量信号质量的指标）。
不同的“语言”： 他们使用了不同的“语言”（调制方案，如 QPSK、16-QAM 和 64-QAM）进行测试。它在所有方案中都胜出了，尽管在较简单的语言环境下领先优势最为明显。
“零样本”魔法： 这是最酷的部分。他们在 3.5 GHz、4.9 GHz 和 7.0 GHz 的数据上训练了 AI。然后，他们在一个全新的频率——28 GHz 上测试了它，而这个频率是它从未见过的。在没有任何额外训练的情况下，它的表现仍然优于旧方法。它还处理了一种它从未见过的全新“体育场”（信道模型），而其他 AI 方法在面对这种情况时都失败了，退回到了基础、传统的接收器水平。

速度与规模

论文指出，虽然这个新接收器是一个“庞大”的模型（拥有约 38.98 百万个参数，相比之下，较小的模型参数更少），但它出奇地快。在测试中，它处理每批数据的速度仅为 5.511 毫秒。这比之前的最佳 AI 方法快了两倍多，而且比使用缓慢、分步纠错循环的传统方法快了近 9 倍。

总结

作者认为，这种统一的方法是迈向“AI 原生”无线系统的关键一步，在这种系统中，整个接收器从底层开始就是智能构建的。他们并不声称这已是解决现实世界问题的终极方案，但他们的模拟实验表明，尤其是在环境变得混乱或发生意外变化时，它比我们现有的技术更可靠、更高效。他们也暗示，未来的工作可能需要缩小模型的体积，以便将其适配到更小、更便宜的硬件上，但就目前而言，这个庞大且聪明的版本看起来非常有前景。

技术摘要：FM-接收机

问题陈述

当前的无线通信中性化接收机架构通常仅将深度学习应用于“外层”接收机（信道估计、均衡和解映射），同时保留传统的算法（如置信传播，BP）用于“内层”接收机（信道解码）。这种分离造成了两个关键局限性：

缺乏联合优化： 外层和内层接收机是独立优化的，这阻碍了系统学习信号处理与解码之间复杂的非线性关系，导致性能下降，尤其是在挑战性的多用户或低信噪比（SNR）场景中。
架构不匹配： 现有的 AI 信道解码器通常在比特级运行，而外层接收机处理的是调制符号（比特组）。这种不匹配阻碍了将这两个阶段无缝集成到单一统一的神经框架中，并增加了计算复杂度。

此外，现有的神经接收机在面对多样化的系统配置（例如，不同的用户数量、频段和调制方案）时往往难以泛化，而无需进行大规模重新训练，这限制了它们在 AI 原生空中接口中的应用。

方法论

作者提出了 FM-Receiver，一种基于基础模型（Foundation Model, FM）的统一神经接收机，它将外层和内层接收机集成到一个端到端的框架中。其核心方法由三个主要部分组成：

1. 分组纠错码 Transformer (G-ECCT)

为了解决符号级外层处理与比特级解码之间的不匹配问题，作者引入了 G-ECCT。

符号级解码： G-ECCT 不再将单个比特视为 Token，而是将一个调制符号中的 $m$ 个比特组合成一个单一的 Token。这使得解码粒度与外层接收机的输出保持一致。
掩码注意力机制： 设计了一种专门的基于分组的掩码生成方案，将奇偶校验矩阵结构纳入自注意力机制中。这使得 Transformer 能够在尊重代码约束的同时，学习符号组之间的依赖关系。
效率： 通过处理符号而非单个比特，其计算复杂度比比特级方法降低了 $m^2$ 倍。

2. 统一 FM-接收机架构

整体架构以接收到的时频资源网格（经过 FFT 后）作为输入，并直接输出恢复的传输比特。

骨干网络： 该网络利用堆叠的 Transformer 骨干。前 $N_1$ 个模块采用全自注意力机制来执行外层接收机任务（信道估计、均衡和解映射）以生成对数似然比（LLR）。
解码： 随后的 $N_2$ 个模块使用掩码自注意力机制（G-ECCT）对生成的 LLR 进行符号级信道解码。
辅助监督： 在训练期间，一个读出模块提供精细化的信道估计，以提高收敛性和稳定性。

3. 三阶段配置自适应预训练

为了确保在多样化场景下的鲁棒泛化能力，采用了三阶段预训练策略：

第一阶段（外层接收机）： 在多样化的数据集上预训练外层接收机模块，以学习鲁棒的频域处理和干扰抑制。
第二阶段（G-ECCT）： 使用由加性高斯白噪声（AWGN）信道生成的纯净 LLR 来预训练 G-ECCT 模块。这使得解码器能够快速收敛，而不会过度拟合于外层接收机不完美的 LLR 分布。
第三阶段（联合优化）： 使用多样化的数据集对整个统一网络进行端到端微调，使外层和内层组件能够相互适应。

核心贡献

统一框架： 本文提出了第一个通过基础模型实现内外层接收机完全统一的架构，消除了对传统信道解码算法的需求。
G-ECCT 设计： 通过 G-ECCT 引入的符号级解码弥合了调制与编码之间的鸿沟，实现了无缝集成并降低了计算复杂度。
泛化策略： 所提出的三阶段预训练策略使模型能够适应未见的系统配置，包括变化的通信用户数量、频段以及调制编码方案（MCS）。
零样本能力： 该模型展示了在无需微调的情况下，泛化至未见频段（如 28 GHz）和信道模型的能力。

仿真结果

使用符合 3GPP 标准的链路级仿真器（Sionna）在涵盖各种信道模型（CDL-A 到 E）、频段（3.5 GHz 至 28 GHz）和用户配置的 15 个数据集上进行了广泛的仿真。

性能增益： FM-Receiver 一致优于基准方案，包括传统接收机（LS/LMMSE + BP）和基于学习的方法（CNN+BP, Transformer+BP）。在具有挑战性的 4 用户场景中，所提方法相比基准方案实现了超过 2 dB 的性能提升。
调制鲁棒性： 该方法在 QPSK、16-QAM 和 64-QAM 下均表现出卓越的性能。对于 QPSK，其相对于传统基准的增益超过 3 dB；对于 64-QAM，增益保持在 1.5 dB 以上。
零样本泛化：
- 频段： 在测试未见的 28 GHz 频段（在 3.5–7.0 GHz 上训练）时，FM-Receiver 保持了强劲的性能，其表现比“Transformer+BP”基准在带内结果的基础上又高出约 1 dB。
- 信道模型： 当测试未见的信道模型（CDL-B）时，FM-Receiver 仍保持了约 1 dB 的领先优势，而其他神经接收机的性能则显著下降。
可扩展性： 随着模型规模增大（最高达 86.66M 参数）和预训练数据集的多样化，性能得到进一步提升。
计算效率： 尽管其参数量（38.98M）多于某些基准方案，但由于其单次前馈架构，FM-Receiver 实现了最低的推理延迟（每批次 5.511 ms），相比之下，迭代式 BP 方法（如 LMMSE+LMMSE+BP）的延迟为 49.980 ms。

意义与主张

本文声称 FM-Receiver 代表了实现 AI 原生无线通信的重要一步。通过将整个接收链统一为一个单一的基础模型，该方法克服了模块化、独立优化设计的局限性。作者断言，该架构不仅在多样化且具挑战性的场景中提供了卓越的误码率（BER）性能，还提供了在未来 6G 网络中（系统配置可能动态变化）至关重要的强零样本泛化能力。推理延迟的降低进一步表明，部署此类复杂神经接收机在实时系统中具有实际可行性，从而将 AI 从理论优势推向实际落地。