IRS 지원 mmWave MIMO의 효율적인 채널 추정을 위한 Multi-Block Attention

요약

본 논문은 IRS 지원 mmWave MIMO 시스템에서 효율적인 채널 추정을 위한 Multi-Block Attention (MBA) 프레임워크를 제안한다. 이 방법은 OFDM 기반의 캐스케이드 채널 추정 문제를 다루며, 최소 제곱(LS) 추정기의 최적성을 바탕으로 설계되었다. 제안된 MBA 아키텍처는 공간 상관관계 회복을 위한 Convolutional Attention Network (CAN)와 노이즈 억제를 위한 Complex Multi-Convolutional Network (CMN)를 결합하여 오차 전파를 완화한다. 시뮬레이션 결과, MBA 방식은 파일럿 오버헤드를 최대 87%까지 줄이고, 기존 방법 대비 NMSE를 약 51% 낮게 달성하는 높은 성능을 보였다.

핵심 포인트

• IRS 지원 mmWave MIMO 시스템의 채널 추정 문제를 해결하기 위해 Multi-Block Attention (MBA) 프레임워크를 제안함.
• LS 추정기의 최적성을 활용하고, 2단계 구조(CAN 및 CMN)를 통해 특징 손실을 보상하여 성능을 향상시킴.
• MBA 아키텍처는 어텐션 가이드 특징 정제와 디노이징 기능을 통해 오차 전파를 효과적으로 완화함.
• 파일럿 오버헤드를 최대 87%까지 줄이고, NMSE를 기존 주요 방법 대비 약 51% 낮게 달성하는 우수한 성능을 입증함.