⚡ electrical engineering

MultiPathFormer: Towards a Foundation Model for Multipath Wireless Propagation

该论文介绍了 MultiPathFormer，这是一个无线基础模型，它通过自回归下一路径预测和环境感知检索机制，将多径传播作为其核心预训练目标，在定位、波束预测和信道估计方面取得了优于现有基于信道方法的性能。

原作者： Blessed Guda, Kayley Sze, Carlee Joe-Wong

发布于 2026-08-06

📖 1 分钟阅读☕ 轻松阅读

原作者： Blessed Guda, Kayley Sze, Carlee Joe-Wong

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，仅仅通过听取所有声音的总和嗡鸣声，来试图理解一个拥挤的房间，却无法分辨出单个说话者。这大致就是传统无线网络试图理解电波的方式：它们观察的是“信道”，这是一个由所有在墙壁、汽车和人身上反射的无线电波交织而成的、混乱且纠缠不清的混合体。几十年来，科学家们一直试图构建“基础模型”——即在海量数据上训练出的超智能 AI 大脑——来预测这些信号的行为。这些模型就像无线世界的“GPT”，旨在帮助完成诸如定位、将你的手机连接到最快信号波束，或判断你是否与基站处于视距范围内等任务。但问题在于：这些模型一直试图去记忆那阵“嗡鸣声”，而不是去理解其中的“说话者”。它们将信号视为一个巨大的、令人困惑的数字网格，忽略了信号实际上是由不同的路径组成的，就像从镜子中反射出的每一束光线一样。

这正是故事变得有趣的地方。卡内基梅隆大学的研究人员提出了一个简单的问题：如果我们不再试图去死记硬背那混乱的嗡鸣声，而是开始教 AI 去理解每一条独立的路径呢？他们意识到，无线电波并非凭空出现；它们以特定的方式传播、反射和散射。通过将每一条路径视为故事中的一个独立角色，他们希望构建一个能够理解房间物理特性的模型，而不仅仅是理解噪声的数学逻辑。随着我们的世界被 5G 和 6G 网络变得更加拥挤，我们需要能够更聪明、更快速、更精准地在城市和体育场等复杂环境中导航的信号。

于是，MultiPathFormer 应运而生，这是一种改变游戏规则的新型 AI 基础模型。作者没有将无线信号视为一张巨大的、纠缠不清的电子表格，而是决定将其视为一个故事。想象一下，你是一束无线电波，正从基站向你的手机移动。你并不只是走直线；你可能会从玻璃建筑上弹跳，可能会掠过汽车顶部，或者绕过转角进行衍射。每一次这种弹跳都是一条“路径”。MultiPathFormer 模型在观察基站与手机之间的连接时，看到的不是一团数据，而是一个有序的路径列表，按从强到弱的顺序排列。

该模型使用一种称为“下一路径预测”（next-path prediction）的技术进行训练。这就像是在玩“填词游戏”或故事补全游戏。AI 会看到前几条路径（最强的路径），然后必须猜出序列中的下一条路径会是什么。它必须弄清楚：信号到达用了多久？信号强度是多少？它是从墙壁反射过来的，还是通过窗户散射过来的？为了实现这一点，该模型使用了一个特殊的“骨干网络”（一种被称为 Transformer 的神经网络类型），这种网络非常擅长理解序列，就像语言模型理解句子一样。

然而，作者意识到仅仅猜测下一条路径是不够的；AI 需要了解“场景”。如果你在城市里，路径会与你在森林里的路径不同。为了解决这个问题，他们加入了两个聪明的技巧。首先，他们构建了一个“环境 RAG”系统。这就像是给了 AI 一张地图和一份周围物体的清单。在它猜测下一条路径之前，它会查找该区域的具体几何结构——建筑物在哪里、有多高以及它们是由什么材料制成的——从而做出更明智的猜测。其次，他们添加了一个“首径码本”（First-Path Codebook）。由于第一条路径通常是最强且最重要的（就像故事中的主角一样），他们创建了一个参考指南。这个码本根据用户的地理位置和他们通常接收到的信号类型将用户进行聚类，帮助 AI 在填充其他细节之前，为那条最关键的第一路径做出非常准确的预测。

从结果来看，至少在作者进行的模拟实验中，这种方法的效果非常显著。他们在来自 27 种不同环境的数据上训练了 MultiPathFormer，使用了超过 2300 万个路径标记（path tokens）。当测试时，该模型不仅是在猜测，它还学习了无线电波运动的底层规则。

在准确性方面，该模型显示出它在预测这些路径的延迟和功率方面比以往的方法要好得多。具体而言，结合了环境地图和首径参考指南的技巧，与未使用这些技巧的模型相比，将预测信号延迟的误差降低了约 38.7%，并将预测信号功率的误差大幅降低了 59.2%。

但真正的考验在于，这种“基于路径”的大脑是否真的能帮助处理现实世界的任务。研究人员让 MultiPathFormer 处理了四个挑战：

波束预测（Beam Prediction）： 确定应该将天线指向哪个方向以获得最佳信号。MultiPathFormer 在 91.4% 的情况下都能找对前 3 个正确的波束，击败了之前的最优模型。
定位（Localization）： 确定用户的精确站立位置。该模型的平均误差仅为 5.57 米，相比于其他模型 68 到 82 米的误差，这是一个巨大的进步。
视距分类（Line-of-Sight Classification）： 判断用户是否能直接看到基站，或者是否有物体遮挡。该模型的正确率达到了 99.4%。
信道估计（Channel Estimation）： 从部分数据中重建完整的信号图像。该模型的得分达到了 0.561，优于标准模型。

作者还发现，该模型具有很强的灵活性。即使给它一个从未见过的全新环境，它仍然可以表现良好，尤其是如果给予它一点额外的训练（微调）针对特定地点进行优化。它也非常快速，可以在几毫秒内完成预测，这足以满足实时使用的需求。

论文指出，通过专注于单个“路径”而非整个混乱的“信道”，我们可以构建出更具可解释性、更准确且更理解物理世界的无线 AI。作者提到，虽然这些结果是基于高保真模拟（使用射线追踪软件来模拟真实的无线电波），但下一步将是观察这些增益是否能在真实的城市街道等复杂、不可预测的现实环境中保持。不过目前来看，MultiPathFormer 为如何教机器去倾听我们周围的无形世界提供了一种极具前景的新途径。

技术摘要：MultiPathFormer

问题陈述

目前的无线基础模型通常依赖于**掩码信道建模（Masked Channel Modelling, MCM）**作为其预训练目标。在这种范式中，模型被训练用于重建信道张量中被掩码的部分（涵盖子载波、天线或时间维度）。作者认为，信道张量是一个次优的预训练对象，因为它是一个由传播路径与阵列响应、子载波采样及系统配置交织在一起的叠加态。这种物理现象的“坍缩”掩盖了底层依赖于环境的结构，限制了模型的可解释性，并削弱了其区分具有相似聚合信道但物理位置不同的用户的能力。

此外，标准的 MCM 公式难以捕捉无线传播的基本物理特性，因为无线传播是由变量数量的连续值路径（以时延、功率、相位和角度为特征）驱动的，而非固定的离散标记（tokens）网格。

方法论：MultiPathFormer

本文提出了 MultiPathFormer，这是一个自回归无线基础模型，它将预训练对象从信道张量转向了多径传播过程。

1. 核心公式

路径级表示： 每个发射机-接收机（tx-rx）链路被建模为一个有序的连续值路径标记序列。一个路径标记 $\pi$ 包括功率 ( $\rho$ )、时延 ( $\tau$ )、相位 ( $\phi$ )、到达/离开角（方位角/仰角），以及一个多热编码（multi-hot）交互向量（视距 LoS、反射、衍射、散射）。
自回归预测： 模型使用**下一路径预测（next-path prediction）**目标进行预训练，类似于语言模型中的下一标记预测，但针对连续回归进行了适配。
- 排序： 路径按功率降序排列，以创建一个确定性的序列。
- 终止： 模型不使用特殊的序列结束标记，而是通过显式预测总路径数 ( $L$ ) 来决定何时停止生成。
架构： 后端是一个编码器-解码器 Transformer。
- 编码器： 处理 tx-rx 位置和环境特征，以预测总路径长度并生成基于环境的表示。
- 解码器： 在前一路径和编码器的环境表示条件下，自回归地生成路径参数。

2. 关键架构创新

为了应对连续回归和首径（first path）主导地位带来的挑战，作者引入了两个特定的机制：

环境检索增强生成 (RAG)：
- 意识到路径形成取决于局部几何形状和沿传播走廊的物体，模型检索特定的场景上下文，而非使用粗略的全局描述符。
- 检索策略： 检索三类特征：
  1. 局部密集型 (Local Dense)： 发射机和接收机附近的 Top- $K$ 个物体。
  2. 走廊密集型 (Corridor Dense)： 位于 tx-rx 传播线附近的 Top- $K$ 个物体。
  3. 稀疏多尺度 (Sparse Multi-scale)： 在不断增加的半径和走廊分箱（bins）上的聚合统计数据（计数、最大高度），以捕获更广泛的杂波密度。
- 这些检索到的特征被拼接成一个针对特定对（pair-specific）的上下文向量。
首径聚类码本 (First-Path Cluster Codebook)：
- 第一条路径（主导路径）至关重要，因为此处的误差会通过自回归生成过程进行传播。
- 作者观察到，靠近固定发射机的接收机由于共享大规模几何结构，具有相似的首径时延和功率。
- 机制： 使用 K-Means 码本在训练用户的首径功率/时延上进行训练。在推理时，根据接收机与训练用户的接近程度将其分配到一个聚类中心。
- 残差学习： 模型使用该中心作为强初始化，并仅预测首径的残差修正。后续路径 ( $t \ge 2$ ) 则通过标准的自回归方式进行预测。

核心贡献

路径级自回归公式： 首个将多径传播视为有序连续标记序列的无线基础模型，超越了信道张量掩码的范式。
环境 RAG 与码本： 集成了用于获取特定对几何信息的检索机制，以及用于主导路径的基于聚类的先验知识，这显著稳定了生成过程并提高了物理参数的估计精度。
可迁移性： 证明了模型学习到了可重用的表示，这些表示可以迁移到预训练环境内未见过的用户，并通过微调有效地适应新环境。
下游任务性能： 在四个任务中进行了验证：波束预测、用户定位、视距 (LoS) 分类和信道估计。

实验结果

模型在来自 DeepMIMO 数据集的 27 个环境（23.9M 个多径标记）上进行了预训练，并在 31 个场景下进行了评估。

多径生成质量

准确度： 与直接自回归基准相比，完整的 MultiPathFormer (+RAG) 将时延 MAE 降低了 38.7%，并将功率 MAE 降低了 59.2%。
交互分类： 将交互类型准确率从 0.870 提高到 0.925，F1 值从 0.786 提高到 0.890。
数据效率： 即使仅使用 10% 的训练用户，模型仍能保持较低的误差率，展示了码本先验的鲁棒性。

下游任务性能

MultiPathFormer 优于最先进的基于信道的模型（如 WiFo、LWM）以及特定任务的基准模型：

波束预测： 实现了 0.914 的 Top-3 准确率（LWM 为 0.648）。
用户定位： 实现了 5.57 m 的平均误差（WiFo 为 68.79 m）。
LoS 分类： 实现了 0.994 的准确率（LWM 为 0.978）。
信道估计： 实现了 0.561 的 NMSE（WiFo 为 1.321）。

推理成本

该模型运行延迟较低（完整 +RAG 变体每次推理约为 3.45 ms），RAG 和码本模块增加的开销极小（<1 ms）且参数增量微乎其微。

意义与主张

论文声称，路径级预训练是无线基础模型的更优方法，因为它明确学习了传播的物理结构（时延、角度、交互），而非纠缠的信道张量。

可解释性： 模型的注意力机制符合物理直觉；解码器在处理第一条（LoS）路径时关注全局位置，而在处理后续多径时关注特定的物体标记。
可重用性： 学习到的表示不绑定于特定的天线或子载波配置，允许在不同用户和环境之间进行迁移。
6G 基础： 通过捕获底层的多径物理特性，该模型为波束选择和定位等多样化下游任务提供了可重用的起点，这些任务对于毫米波和大规模 MIMO 部署至关重要。

作者总结道，虽然目前的结果基于射线追踪模拟，但该框架建立了一种新的无线基础模型范式，该范式优先考虑物理可解释性和几何一致性。