基于混合注意力Transformer的超大规模MIMO系统信道估计
信号处理
2024-10-21 v1
摘要
超大规模多输入多输出(XL-MIMO)是下一代无线通信系统的关键技术之一.然而,由于信道特性的不可穷尽性和高复杂度,获取XL-MIMO的准确高维信道矩阵仍是一个迫切的挑战.本文开发了基于混合注意力Transformer的信道估计神经网络(MAT-CENet),其灵感来自Transformer编码器结构,并能量子化地整合特征图注意力和空间注意力机制,以更好地把握XL-MIMO信道的独特特征.通过将多头注意力层作为核心推动器,有效捕获并利用洞见特征重要性.还提供了对所提MAT-CENet的全面复杂度分析.仿真结果表明,在近场、远场和混合场的不同传播场景中,MAT-CENet均优于当前最先进技术.
关键词
引用
@article{arxiv.2410.14439,
title = {Mixed Attention Transformer Enhanced Channel Estimation for Extremely Large-Scale MIMO Systems},
author = {Shuang shuang Li and Peihao Dong},
journal= {arXiv preprint arXiv:2410.14439},
year = {2024}
}
备注
Accepted by WCSP 2024