深度学习利用低频信道信息预测亚THz系统定时提前量

双频无线架构将控制信息置于 sub-10 GHz 频段传输，而将 sub-THz 频段专用于高速数据链路，能够带来显著的容量增益。然而这类系统面临的一个关键瓶颈是定时同步。由于 sub-THz 射频单元所采用的波束较窄，当双频用户设备发生旋转或位移时，往往需要在不同的 sub-THz 射频单元之间进行切换，这一过程中需要对上下行传输的定时进行重新校准，否则将造成通信中断。在用户设备移动较为频繁的场景下，传统的双向同步方法会引入不容忽视的开销与时延。

相比之下，sub-10 GHz 频段对用户移动性具有更强的鲁棒性，更适合承载控制信令。论文据此提出一种基于深度学习的算法，借助 sub-10 GHz 的信道特征来推断 sub-THz 射频单元到用户设备之间的传播时延，并由此计算上行传输所需的定时提前量，从而避免传统双向同步流程。

仿真结果表明，该方法能够在物理层实现射频单元切换的无缝衔接，避免因同步造成的额外时延。这一研究展示了利用低频段信道信息辅助高频段通信调度的可行性，为双频协同无线系统的工程实现提供了新的思路。

【空音视角】 该研究的核心思路是利用 sub-10 GHz 信道状态信息推断 sub-THz 的传播特性，本质上印证了信道状态信息在无线系统中承载丰富链路与环境信息这一基本判断。从空音所关注的 WiFi 感知方向看，这与应用深度学习建模 CSI 变化以识别人体活动、呼吸节律等事件的思路一脉相承。该工作所体现的跨频段信息迁移思路，对非接触式监测领域探索多频段、多场景融合也具有一定借鉴意义。

—— 本文基于公开报道由空音编辑部 AI 辅助改写 来源：arXiv 信号处理 原文链接：https://arxiv.org/abs/2608.22492