基于双注意力的三维信道估计
机器学习
2026-04-03 v1
摘要
对于多输入多输出(MIMO)信道，基于线性最小均方误差(LMMSE)的最优信道估计(CE)需要三维(3D)滤波。然而，由于矩阵维度较大，复杂度往往难以承受。子最优估计器通过将3DCE分解为时间、频率和空间域来近似，但会在相关MIMO信道下产生明显的性能退化。另一方面，深度学习的最新进展可以通过注意力机制探索所有域中的信道相关性。基于这一能力，我们提出了一种基于双注意力机制的3DCE网络(3DCENet)，能够实现精确估计。
引用
@article{arxiv.2604.01769,
title = {Dual-Attention Based 3D Channel Estimation},
author = {Xiangzhao Qin and Sha Hu},
journal= {arXiv preprint arXiv:2604.01769},
year = {2026}
}
备注
5 pages, 6 figures