Attention Transformer enhances OFDM channel estimation with reduced complexity

研究人员开发了一个注意力辅助MMSE（A-MMSE）框架，该框架利用注意力Transformer学习用于正交频分复用（OFDM）信道估计的线性MMSE滤波器。这种新颖的方法允许在训练后通过单一线性操作进行信道估计，通过消除非线性激活显著降低了推理过程中的计算复杂性。A-MMSE框架包含一个两阶段的注意力编码器来捕获频率和时间相关性，并包含一个适用于资源受限环境的秩自适应扩展。数值模拟表明，A-MMSE在各种信噪比条件下均优于现有方法，提供了改进的性能-复杂度权衡。 AI

影响 这项研究为OFDM系统中的信道估计提供了一种计算效率更高的方法，有可能提高无线通信接收机的性能。

排序理由 研究论文，详细介绍了信号处理的一种新颖的深度学习方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

• A-MMSE
• arXiv
• Attention Transformer
• Hugging Face
• Orthogonal frequency-division multiplexing
• TaeJun Ha

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →