基于频时分割与注意力机制的深度学习OFDM信道估计
信息论
2021-10-01 v3 信号处理
math.IT
摘要
本文提出一种频时分割网络（FreqTimeNet）以提升基于深度学习（DL）的正交频分复用（OFDM）信道估计性能。该FreqTimeNet基于频域与时域之间的正交性设计。在FreqTimeNet中，输入依次由并行频率块与并行时间块处理。通过引入利用信噪比（SNR）信息的注意力机制，提出了一种基于注意力的FreqTimeNet（AttenFreqTimeNet）。利用第三代合作伙伴计划（3GPP）信道模型，评估了FreqTimeNet与AttenFreqTimeNet在不同场景下的均方误差（MSE）性能。提出了一种构建混合训练数据的方法，可解决DL中的泛化问题。观察到AttenFreqTimeNet优于FreqTimeNet，而FreqTimeNet以合理复杂度优于其他DL网络。
引用
@article{arxiv.2107.07161,
title = {Deep Learning Based OFDM Channel Estimation Using Frequency-Time Division and Attention Mechanism},
author = {Ang Yang and Peng Sun and Tamrakar Rakesh and Bule Sun and Fei Qin},
journal= {arXiv preprint arXiv:2107.07161},
year = {2021}
}
备注
2021 IEEE Globecom Workshops (GC Wkshps): Workshop on Towards Native-AI Wireless Networks