少付出多收获：基于双注意力的低密度导频大规模MIMO系统信道估计网络
信号处理
2024-11-04 v2 人工智能
信息论
math.IT
摘要
为获取大规模多输入多输出（MIMO）系统的可观收益，需要通过信道估计获得准确的信道状态信息（CSI）。然而，由于复杂的无线传播环境及大规模天线阵列，大规模MIMO系统的精确信道估计极具挑战，且耗费巨大的训练开销。大量时频资源被消耗以获取足够的CSI精度，从而严重降低了系统的频谱与能量效率。本文提出一种基于双注意力的信道估计网络（DACEN），通过时序注意力模块与空间注意力模块联合学习大规模MIMO信道的时空域特征，利用低密度导频实现准确信道估计。为进一步提升估计精度，我们提出一种参数-实例迁移学习方法，以迁移在训练数据集采集阶段预获取的高密度导频所学得的信道知识。实验结果表明，所提基于DACEN的方法在各种导频密度设置与信噪比下均优于现有方法。此外，借助所提参数-实例迁移学习方法，基于DACEN的方法获得了额外的性能增益，从而进一步证明了所提方法的有效性与优越性。
引用
@article{arxiv.2303.00986,
title = {Pay Less But Get More: A Dual-Attention-based Channel Estimation Network for Massive MIMO Systems with Low-Density Pilots},
author = {Binggui Zhou and Xi Yang and Shaodan Ma and Feifei Gao and Guanghua Yang},
journal= {arXiv preprint arXiv:2303.00986},
year = {2024}
}
备注
16 pages, 9 figures, 6 tables. Accepted by IEEE Transactions on Wireless Communications