[發明專利]一種基于自注意機制的深度學習信道估計方法

在審

• 申請號: 202210239196.4
• 申請日: 2022-03-11
• 公開（公告）號: CN114598575A
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 趙嗣強;邱玲;許逸豐
• 申請（專利權）人: 中國科學技術大學
• 主分類號: H04L25/02
• 分類號: H04L25/02;G06N3/04;G06N3/08
• 代理公司: 安徽省合肥新安專利代理有限責任公司 34101
• 代理人: 汪祥虬

1.一種基于自注意機制的深度學習信道估計方法，其特征在于：

對于一個發射天線數為N_t，接收天線數為N_r的多輸入多輸出正交頻分復用系統，其中，在發送端第n_t根發射天線上的某個正交頻分復用符號表示為：其中L為子載波數，[·]^T代表轉置，對于第n_r根接收天線，其上面第k個子載波上的符號表示為：

其中，表示第n_t根發射天線和第n_r根接收天線之間對應第k個子載波的信道沖激響應，表示接收天線上的加性高斯白噪聲；對其中一個導頻符號，所有N_r根接收天線接收到的第k個子載波上的符號表示為：

Y^k＝H^kX^k+Z^k,(k＝1,...,L)

其中分別表示接收端的接收矩陣，發送端的發射矩陣，噪聲矩陣，表示第k個子載波上的頻域信道沖激響應矩陣，H^k表示為：

對H^k進行信道估計，獲得信道沖激響應估計結果為使用基于最小二乘準則的信道估計方法，最小化下述公式所示的代價函數：

令上式的代價函數關于的偏導數為0，即

得到基于最小二乘準則的信道估計方法下的信道沖激響應估計結果，

其中，(·)^-1代表矩陣的逆矩陣；

基于自注意機制的深度學習的信道估計方法的具體過程步驟如下：

第S1步：通過最小二乘信道估計算法估計得到在導頻符號處的信道狀態信息以及估計出來的信道矩陣

第S2步：對上述信道矩陣進行上采樣線性插值，得到在數據符號處的頻域信道響應，之后再與導頻處的頻域信道響應結合，得到完整的頻域信道響應矩陣，并將所述完整的頻域信道響應矩陣重塑成大小為L×N_sym×(N_t×N_r×2)的低分辨率矩陣，其中L為子載波數，N_sym為子載波個數，N_t為發射天線數，N_r為接收天線數；

第S3步：將所述低分辨率矩陣通過兩個卷積神經網絡提取特征，得到關于所述低分辨率矩陣的特征圖；根據所述特征圖經過自注意機制模塊，得到一個加權的自注意機制特征映射，將所述自注意機制特征映射乘以一個學習系數與原特征圖相加，得到一個在特征圖中任意兩個位置相互依賴的關系特征；將所述關系特征再分別通過卷積網絡和自注意機制模塊兩次，得到一個學習更加全面的關系依賴特征；

第S4步：將所述關系依賴特征經過卷積網絡，輸出與最終需要估計的信道矩陣維度一致的矩陣