この記事では、無線通信システムにおけるデータ駆動型チャネルモデリングとリソース最適化を進めるために、生成的なフレームワークを提案しています。このフレームワークは、位置情報の明示的ラベルなしで、スパースなチャネル状態情報（CSI）測定のシーケンスから位置ラベルを回復します。具体的には、短期的な変動に対して堅牢性を確保するために、移動パターンを学習するハイブリッドな再帰畳み込みエンコーダを開発しました。従来のガウスプライオリティを使用するのではなく、CSI測定からの高次元な位置特徴をエンコードする学習可能なビームマップを埋め込んでいます。最終的に、拡散ベースの生成デコーダーが位置特徴に基づいてフルCSIを高精度で再構築します。数値実験の結果、提案したモデルは従来のカラマンフィルタ手法と比較して、位置特定精度を30%以上向上させ、非視線（NLOS）シナリオでは20%の容量向上を実現することが示されました。