Pay Less But Get More: A Dual-Attention-based Channel Estimation Network for Massive MIMO Systems with Low-Density Pilots

要約

大規模な多入力多出力 (MIMO) システムの有望な利点を享受するには、チャネル推定を通じて正確なチャネル状態情報 (CSI) が必要です。
しかし、複雑な無線伝播環境と大規模なアンテナ アレイのため、大規模 MIMO システムの正確なチャネル推定は非常に困難であり、膨大なトレーニング オーバーヘッドがかかります。
CSI の十分な精度を取得するにはかなりの時間周波数リソースが消費されるため、システムのスペクトル効率とエネルギー効率が大幅に低下します。
本稿では、大規模MIMOチャネルの時空間領域の特徴を時間的注意モジュールと空間的注意モジュールで共同学習することにより、低密度パイロットを介した正確なチャネル推定を実現するデュアルアテンションベースのチャネル推定ネットワーク(DACEN)を提案します。
注意モジュール。
推定精度をさらに向上させるために、トレーニング データセット収集期間中に事前に取得された高密度パイロットから学習したチャネル知識を転送するパラメーター インスタンス転送学習アプローチを提案します。
実験結果は、提案された DACEN ベースの方法が、さまざまなパイロット密度設定および信号対雑音比の下で既存の方法よりも優れたチャネル推定パフォーマンスを達成することを明らかにしました。
さらに、提案されたパラメーター インスタンスの転移学習アプローチにより、DACEN ベースの方法はさらなるパフォーマンス向上を達成し、それによって提案された方法の有効性と優位性がさらに実証されました。

要約(オリジナル)

To reap the promising benefits of massive multiple-input multiple-output (MIMO) systems, accurate channel state information (CSI) is required through channel estimation. However, due to the complicated wireless propagation environment and large-scale antenna arrays, precise channel estimation for massive MIMO systems is significantly challenging and costs an enormous training overhead. Considerable time-frequency resources are consumed to acquire sufficient accuracy of CSI, which thus severely degrades systems’ spectral and energy efficiencies. In this paper, we propose a dual-attention-based channel estimation network (DACEN) to realize accurate channel estimation via low-density pilots, by jointly learning the spatial-temporal domain features of massive MIMO channels with the temporal attention module and the spatial attention module. To further improve the estimation accuracy, we propose a parameter-instance transfer learning approach to transfer the channel knowledge learned from the high-density pilots pre-acquired during the training dataset collection period. Experimental results reveal that the proposed DACEN-based method achieves better channel estimation performance than the existing methods under various pilot-density settings and signal-to-noise ratios. Additionally, with the proposed parameter-instance transfer learning approach, the DACEN-based method achieves additional performance gain, thereby further demonstrating the effectiveness and superiority of the proposed method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google