【IEEE Transactions on Vehicular Technology 2026年6月】6月，北京理工大学前沿交叉科学研究院朱立鹏教授研究团队，针对6G的应用展开了研究，针对可移动天线系统提出了一种深度学习框架同时实现信道估计、天线位置优化和波束成形。相关成果以“Deep learning based Channel Estimation and Beamforming in Movable Antenna Systems”为题，在《 IEEE Transactions on Vehicular Technology》杂志上发表。

可移动天线(MA) 已成为未来无线系统一项有前途的技术。与传统的固定位置天线相比，MA通过天线移动来优化信道条件来提高系统性能。针对多用户宽带MA系统，研究团队提出了一种基于深度学习的框架，集成了信道估计（CE）、天线位置优化和波束成形，具有清晰的工作流程和更高的效率。具体来说，为了获得准确的信道状态信息（CSI），研究团队设计了一种两阶段CE机制：首先通过压缩感知从有限的测量中重建信道矩阵，然后引入基于Swin-Transformer的去噪网络来提高CE精度以进行后续优化。在此基础上，研究团队通过提出一种基于 Transformer 的网络来解决联合优化挑战，该网络智能地将候选位置的 CSI 序列映射到最佳 MA 位置，同时结合模型驱动的加权最小均方误差 (WMMSE) 波束成形算法，以实现更优的性能。仿真结果表明，所提出的方案在各种条件下均表现出优于现有方法的优越性能。

图1 基于可移动天线的多用户通信系统