在下一代无线系统中，准确及时的通道状态信息（CSI）至关重要。然而，现有研究将CSI压缩和预测视为两个独立的问题，导致通道老化在标准化CSI反馈管道中未得到充分解决。本文提出了一种统一的压缩-预测框架，将对比预测编码（CPC）直接集成到符合3GPP标准的CSI压缩架构中。
不同于预测高维CSI矩阵，我们的方法预测未来的潜在表示，并通过结合1-SGCS和InfoNCE目标来共同优化重构保真度和时间预测一致性。这种设计使得在不增加反馈开销的情况下实现时间表示学习。
我们提出了两种变体：CPC-before-Compression，在量化前对编码特征进行自回归建模；CPC-after-Compression，将时间建模移至基站，以减少用户设备的复杂性。根据来自诺基亚、Oppo和CATT的3GPP合规数据集的评估，CPC-before-Compression实现了超过90%的重构精度，并且其解码器GFLOPs比3GPP基线低32倍，而CPC-after-Compression则保持相同的编码器占用和64位反馈开销。
通过在标准化管道中统一压缩和预测，所提出的框架提供了一种关注老化和计算效率的CSI反馈解决方案。
源代码公开可用：https://github.com/AhmedRadwan02/cpc-3gpp
博主点评： 本文提出的框架有效融合了CSI预测与压缩，解决了传统方法中通道老化的问题，展现了在无线通信领域的巨大潜力。结合CPC的创新设计，能够显著提升反馈效率，值得关注和进一步研究。