PulseAugur
中
实时 21:56:06
English(EN) Hybrid Mamba-Attention Neural Architecture for Channel Estimation

新型Mamba-Attention架构改进OFDM信道估计

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的混合Mamba-Attention神经网络架构，旨在提高正交频分复用（OFDM）波形的信道估计性能，特别是在具有大量子载波的场景下。该架构集成了定制的Mamba模块，以高效处理大规模信道估计并捕捉长距离依赖关系。通过采用双向选择性扫描并减少对二次复杂度自注意力的依赖，所提出的方法比传统的Transformer架构具有更低的复杂度，并在3GPP TS 36.101信道上展现出卓越的性能和泛化能力。 AI

影响 为通信系统中的信道估计引入了更高效的架构，有望提高性能并降低计算负载。

排序理由 提出新型神经网络架构的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

新型Mamba-Attention架构改进OFDM信道估计

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Dianxin Luan, Chengsi Liang, Jie Huang, Zheng Lin, Kaitao Meng, John Thompson, Cheng-Xiang Wang ·

    用于信道估计的混合Mamba-Attention神经网络架构

    arXiv:2601.17108v2 Announce Type: replace-cross Abstract: This paper proposes a hybrid Mamba-attention neural architecture to achieve improved channel estimation for orthogonal frequency-division multiplexing (OFDM) waveforms, particularly for configurations with a large number o…

相关实体

相关话题