基于注意力机制深度学习模型的射线追踪信道仿真超分辨率
信号处理
2023-01-24 v2
摘要
作为一种新兴方法，深度学习在信道建模中发挥着日益重要的影响。传统的射线追踪（RT）信道建模方法往往效率低下且代价高昂。本文提出一种面向信道特征的超分辨率（SR）模型。该卷积神经网络（CNN）模型应用了残差连接与注意力机制。实验证明，所提模型可降低 SR 过程中产生的噪声干扰，并解决 RT 效率低的问题。我们的信道 SR 模型在路径损耗（PL）上的平均绝对误差在放大因子为 2 时达到 2.82 dB 的效果，达到同等精度理论上仅需 RT 52% 的时间。与 vision transformer（ViT）相比，所提模型在信道特征 SR 中也表现出更少的运行时间与计算开销。
引用
@article{arxiv.2301.04479,
title = {Super-resolution of Ray-tracing Channel Simulation via Attention Mechanism based Deep Learning Model},
author = {Haoyang Zhang and Danping He and Xiping Wang and Wenbin Wang and Yunhao Cheng and Ke Guan},
journal= {arXiv preprint arXiv:2301.04479},
year = {2023}
}