在大规模多输入多输出系统中应用深度学习进行信道估计的性能优于传统信道估计算法的性能，并且能有效地降低导频开销。因此，在配备低分辨率数模转换器的大规模多输入多输出系统中提出基于注意力机制的生成对抗性神经网络模型，用于提高信道估计性能。仿真结果表明，当使用少量导频时，对抗性神经网络模型能够获得比传统方法更为准确的信道状态信息，具有更强的鲁棒性。
科研之友
微信
新浪微博
Facebook
分享链接
