Worcester Polytechnic Institute

该工作提出 GSL-Diffusion，一种在角域去噪的时序条件扩散信道估计器：用双向 LSTM 编码短序列最小二乘观测并经多尺度交叉注意力注入 3D U-Net，同时以可学习 SNR 门控后期融合捷径在观测保真与生成先验之间自适应权衡，并采用 SNR 自适应截断 DDIM 推理；在 QuaDRiGa/3GPP 38.901 时变信道仿真中，其 NMSE 在约 -10 至 20 dB 范围内几乎全程优于 LS、LMMSE 及扩散基线，且高 SNR 时反向步数常降至 1 步。

该工作提出 GSL-Diffusion，一种在角域去噪的时序条件扩散信道估计器：用双向 LSTM 编码短序列最小二乘观测并经多尺度交叉注意力注入 3D U-Net，同时以可学习 SNR 门控后期融合捷径在观测保真与生成先验之间自适应权衡，并采用 SNR 自适应截断 DDIM 推理；在 QuaDRiGa/3GPP 38.901 时变信道仿真中，其 NMSE 在约 -10 至 20 dB 范围内几乎全程优于 LS、LMMSE 及扩散基线，且高 SNR 时反向步数常降至 1 步。

该工作在真实O-RAN测试床上演示了两个各自目标正确的自主智能体（一个保护时延SLA、一个追求能效利用率）会共同引发共享资源划分的反复反向偏移，并提出并证明了一个轻量仲裁层AURA，通过可行性不变量、逐变量驻留时间和死区三项准入检查，将共享状态偏移幅度从8.4降至0.4 PRB、将跨切片吞吐饥饿从40–55%降至0.3%，同时不改善受保护切片自身的时延合规率。

该工作在真实O-RAN测试床上演示了两个各自目标正确的自主智能体（一个保护时延SLA、一个追求能效利用率）会共同引发共享资源划分的反复反向偏移，并提出并证明了一个轻量仲裁层AURA，通过可行性不变量、逐变量驻留时间和死区三项准入检查，将共享状态偏移幅度从8.4降至0.4 PRB、将跨切片吞吐饥饿从40–55%降至0.3%，同时不改善受保护切片自身的时延合规率。