AngularWM：基于多天线 I/Q 的到达角预测无线世界建模

基于摘要分析。该研究针对移动场景下从原始多天线 I/Q 观测预测到达角（AoA）的问题，提出自监督无线世界建模方法 AngularWM，旨在从混有波形、多径、信道增益、硬件及噪声变化的观测中学习可预测的潜在角度状态。 方法将联合嵌入预测架构与无标签的轨迹级几何正则结合，以天线阵列响应为依据，鼓励潜在轨迹近似仿射演化并避免表征坍塌。预训练不使用 AoA、运动或位移标签；所得状态支持直接在编码器表征空间进行多步外推。作者报告其可泛化到训练中未见的角度步长，但具体损失形式、轨迹采样及泛化评估划分尚未验证。 在大规模空中无线实测数据上，作者报告八步预测的平均 predictor-free AoA 误差由 29.97° 降至 0.49°；摘要未明确该对照的具体方法和数据划分。预训练后，分别使用三个、四个带标签参考角校准完整的 225 点 AoA 网格，作者报告 MAE 为 0.48°、0.43°。作者还报告，在角位移增大时仍能保持稳健的波束对齐和频谱效率，部署模型参数量从 1.42M 降至 0.30M，预测延迟也有所降低；对应基线、硬件条件及延迟数值尚未验证。复现需核对实测数据可用性、阵列与采集设置、标签校准协议、正则实现、消融及统计信息。 平台推测（待验证）：可迁移假设是，联合嵌入预测与轨迹约束可能帮助 EEG 学习连续状态变化，但原方法依赖有序多天线观测及阵列响应几何，EEG 不一定具有对应的仿射演化结构。可复用预测表征框架，几何正则则需依据 EEG 状态变化重新设计；低信噪比、跨被试差异、通道变化及小数据可能使约束失效或抹去任务相关变化。一个可证伪的小实验是在固定 EEG 连续片段划分及训练预算下，对比无轨迹正则与加入轨迹正则的多步表征预测和下游解码表现，再检验跨被试稳定性。已有 EEG 相关工作尚未检索确认。