Channelformer：基于注意力的无线信道估计神经网络方案与高效在线训练
信号处理
2023-02-10 v1 人工智能
摘要
本文提出一种编码器-解码器神经架构（称为Channelformer），用于在下行链路场景中实现正交频分复用（OFDM）波形的改进信道估计。采用自注意力机制，在解码器处理前对输入特征进行输入预编码。具体而言，我们分别于编码器中实现多头注意力，并以残差卷积神经架构作为解码器。我们还采用定制的权重级剪枝，通过微调过程精简训练后的神经网络，显著降低了计算复杂度，从而实现低复杂度、低延迟的方案。这使得参数量减少高达70%，同时与完整Channelformer相比性能几乎一致。我们还基于第五代（5G）新空口（NR）配置，为现代通信系统提出了一种高效的在线训练方法，该方法仅需接收端可用信息进行在线训练。使用工业标准信道模型的仿真表明，基于注意力的方案相较于其他候选神经网络信道估计方法具有更优的估计性能。
引用
@article{arxiv.2302.04368,
title = {Channelformer: Attention based Neural Solution for Wireless Channel Estimation and Effective Online Training},
author = {Dianxin Luan and John Thompson},
journal= {arXiv preprint arXiv:2302.04368},
year = {2023}
}
备注
Accepted by IEEE Transactions on Wireless Communications