基于Transformer的MIMO-OFDM系统导频到预测方法

《IEEE Wireless Communications Letters》：Transformer-based Pilot-to-Prediction for MIMO-OFDM Systems

　　

摘要：

在6G多输入多输出正交频分复用系统中，准确的信道状态信息对于提升频谱效率至关重要，但传统方法会带来较大的导频开销。本文介绍了一种名为KronFormer的导频到预测变换器，它采用分解式的时空注意力机制，并与MIMO信道相关的克罗内克结构相适配。与那些会压缩空间维度的非分解式变换器不同，KronFormer在整个处理过程中都保持4维张量结构，同时分离空间和时间注意力，从而避免了联合时空处理的二次复杂度。在COST 259信道上的仿真结果表明，在8×8 MIMO系统中，KronFormer的注意力复杂度比非分解式变换器降低20倍，均方误差则可降低多达87倍。此外，当行驶速度从50公里/小时变为200公里/小时时，KronFormer带来的频谱效率下降幅度仅为10–13%，而传统维纳滤波器的损失幅度则为34–39%，后者相比前者降低了3倍。该架构还支持直接的多步推理，有助于实现可扩展的6G信道预测。