用于 OFDM 信道估计的注意力辅助 MMSE：学习带注意力的线性滤波器
信号处理
2026-01-28 v4 人工智能
机器学习
摘要
在正交频分复用（OFDM）中，准确的信道估计至关重要。经典的基于信号处理的方法，如线性最小均方误差（LMMSE）估计，通常需要二阶统计量，而这在实际中难以获取。近期引入的基于深度神经网络（DNN）的方法旨在解决这一问题，但它们往往具有较高的推理复杂度。本文提出了一种注意力辅助的 MMSE（A-MMSE），这是一种基于模型的 DNN 框架，通过 Attention Transformer 学习线性 MMSE 滤波器。一旦训练完成，A-MMSE 即可通过单次线性运算执行信道估计，消除了推理过程中的非线性激活，从而降低了计算复杂度。为了提高 A-MMSE 的学习效率，我们开发了一种两阶段 Attention 编码器，用于捕获 OFDM 信道的频率和时间相关性结构。我们还引入了一种秩自适应扩展，实现了灵活的性能与复杂度权衡。数值仿真表明，在广泛的信噪比（SNR）范围内，所提出的 A-MMSE 在归一化 MSE 方面始终优于其他基线方法。特别是，A-MMSE 及其秩自适应扩展提供了改进的性能与复杂度权衡，为实际信道估计提供了强大且高效的解决方案。
引用
@article{arxiv.2506.00452,
title = {Attention-Aided MMSE for OFDM Channel Estimation: Learning Linear Filters with Attention},
author = {TaeJun Ha and Chaehyun Jung and Hyeonuk Kim and Jeongwoo Park and Jeonghun Park},
journal= {arXiv preprint arXiv:2506.00452},
year = {2026}
}
备注
13 pages, 8 figures