注意力机制CNN的毫米波大规模MIMO系统信道估计算法

• 作者: 刘紫燕 马珊珊 梁静 朱明成 袁磊
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 通信与网络|Communications and Networks
• 页码范围: 307-312
• 页数: 6页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.12305/j.issn.1001-506X.2022.01.38

摘要

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.