预测精度优于现有方法
将数据驱动神经网络嵌入经典状态空间模型流程，无需精确专家知识即可隐式跟踪复杂信道动态，并通过无监督学习仅用无标签数据训练，在高度动态场景下实现鲁棒且可解释的信道预测。
Yiyong, Sun · He, Jiajun · Lin, Zhidi · Pu, Wenqiang · 尹峰 · So, Hing Cheung
IEEE Transactions on Mobile Computing 2025
提出无监督学习策略，仅用无标签数据即可训练嵌入的神经网络，省去大量标注成本。
通过理论分析和消融研究解释了混合集成带来的增益，让预测过程不再是黑箱。
基于3GPP毫米波信道模型的仿真证实，所提方法优于纯模型驱动或纯数据驱动的现有方法。
大量实验验证了该方法对严重信道变化等多种挑战性因素的鲁棒性。