注意力机制CNN的毫米波大规模MIMO系统信道估计

作者：刘紫燕; 马珊珊; 梁静; 朱明成; 袁磊

来源：系统工程与电子技术, 2021, 1-7.

• 毫米波大规模MIMO
• 信道估计
• 卷积神经网络
• 注意力机制
• 去噪

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,MIMO）信道具有稀疏特性、系统受噪声因素的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的信道估计方法。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）和去噪卷积神经网络（denoising convolutional neural network,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。

• 单位
  贵州大学