基于不完美信道状态信息的城市宏观无线信道下基于 Transformer 的神经网络波束成形
信息论
2025-04-17 v1 机器学习
信号处理
math.IT
摘要
文献中已有大量方法聚焦于利用 Transformer 架构，其在无线信号处理中占主导地位，能够通过注意力机制捕获长程依赖。特别是，深度可分离卷积提高了 MIMO 系统高维数据特征处理的参数效率。本文引入一种新型无监督深度学习框架，将深度可分离卷积与 Transformer 集成，用于在密集城市环境下的多用户单输入多输出（MU-SIMO）系统下，针对不完美信道状态信息（CSI）生成波束权重。主要目标是在确保可靠通信的前提下，通过最大化求和速率来提升吞吐量。实验在 various 条件下进行，比较了本文提出的 NNBF 框架与基线方法零强化波束成形（ZFBF）和最小均方误差（MMSE）波束成形。实验结果表明，所提框架优于基线技术。
引用
@article{arxiv.2504.11667,
title = {Transformer-Driven Neural Beamforming with Imperfect CSI in Urban Macro Wireless Channels},
author = {Cemil Vahapoglu and Timothy J. O'Shea and Wan Liu and Tamoghna Roy and Sennur Ulukus},
journal= {arXiv preprint arXiv:2504.11667},
year = {2025}
}