10.12305/j.issn.1001-506X.2022.01.38
注意力机制CNN的毫米波大规模MIMO系统信道估计算法
在室外光线追踪通信场景下,针对毫米波大规模多输入多输出(multiple input multiple output,MI-MO)信道具有稀疏特性、系统受噪声因素影响导致信道估计精度低的问题,提出一种基于图像去噪的注意力机制卷积神经网络信道估计方法.首先,设定参数产生模拟真实环境的数据集,将所产生的信道矩阵看作二维图像.然后,构建注意力机制网络以增强图像中噪声特征的显著性,并将注意力机制网络嵌入卷积神经网络中进行特征融合.最后,通过网络模型提取噪声并得到去噪的图像,即估计信道矩阵.仿真结果表明,与最小二乘法(least square,LS)、最小均方误差(minimum mean square error,MMSE)、卷积神经网络(convolutional neural network,CNN)和去噪CNN (denoising CNN,DnCNN)算法相比,所提出的Attention-CNN方法信道估计精度平均提升约1.86 dB.
毫米波大规模多输入多输出;信道估计;卷积神经网络;注意力机制;去噪
44
TP391.9(计算技术、计算机技术)
贵州省科学技术基金项目;贵州省联合资金黔科合LH字20177226;贵州大学学术新苗培养;创新探索专项;贵州省科技计划黔科合SY字资助课题
2022-03-09（万方平台首次上网日期，不代表论文的发表时间）
共6页
307-312
