RACNN：用于 6G 无线通信近场信道估计的残差注意力卷积神经网络
信号处理
2025-05-21 v3
摘要
近场信道估计是第六代（6G）无线通信中的基本挑战，其中超大规模天线阵列（ELAA）实现了近场通信（NFC）但引入了显著的信号处理复杂性。传统的基于模型的方法在大规模 ELAA 系统中计算成本高且可扩展性有限，而现有的基于学习的方法在不同信道条件下通常缺乏鲁棒性。为克服这些限制，我们提出了残差注意力卷积神经网络（RACNN），它将卷积层与自注意力机制相结合，通过聚焦于 CNN 特征图中的关键区域来增强特征提取。实验结果表明，RACNN 在各种场景下均优于传统方法和基于学习的方法（包括 XLCNet），特别是在远场和近场混合条件下。值得注意的是，在这些具有挑战性的环境中，RACNN 在 20dB 信噪比下实现了 4.8*10^(-3) 的归一化均方误差（NMSE），使其成为 6G 近场信道估计的有前景解决方案。
引用
@article{arxiv.2503.02299,
title = {RACNN: Residual Attention Convolutional Neural Network for Near-Field Channel Estimation in 6G Wireless Communications},
author = {Vu Tung Lam and Do Hai Son and Tran Thi Thuy Quynh and Le Trung Thanh},
journal= {arXiv preprint arXiv:2503.02299},
year = {2025}
}