Transformer neural operator

Transformer神经网络算子增强全双工系统中的自干扰消除

研究人员开发了一种新颖的带内全双工系统数字自干扰消除方法，将其视为一个算子学习问题。该方法利用Transformer神经网络算子从历史数据中学习残余自干扰的时间演变。与可能因强期望信号而降低性能的传统方法不同，该新框架在无信号环境下进行训练，然后应用，在各种干扰水平下均表现出稳定的消除性能，并将SIR为30 dB时的消除效果提高了5-15 dB。