面向 UM-MIMO 的类循环 Transformer 基于近场和远场 THz 宽带信道估计

terahertz communications and ultra-massive multiple-input multiple-output(UM-MIMO) systems的集成是受其能够实现 unprecedented data rates, 缓解频谱拥塞, 并提升整体网络性能的驱动。然而, 这些系统中扩大的天线景深和更高的载波频率增加了Rayleigh距离, 使得用户跨越近场和传统远场区域。准确的空间 precoding 因此需要基站进行精确信道估计 - 这一任务因 hybrid coexistence of near- and far-field effects and limited number of digital chains in hybrid beamforming architectures 而更加具有挑战性。本文提出一种基于块循环 Transformer 的模型以应对这一挑战。我们演示，单个 Transformer 块配合状态记忆可训练一次，然后迭代应用于 hybrid-field 信道估计。进一步，我们训练模型以泛化至不同散射器距离、不同传播路径数量以及宽带操作的无线信道。仿真结果表明，所提方法在窄带和宽带场景中分别相对于最新解决方案在 NMSE 上获得约 5 dB 和 7.5 dB 的性能提升。