2024年3月，我院樊晓唯教师在国际期刊《IEEE Internet of Things Journal》上以第一作者身份发表了论文“Spatial Attention-Based Channel Estimation in IRS-Assisted mmWave MU-MISO Systems”。该期刊是无线通信领域的权威刊物，涵盖物联网、智能通信、嵌入式系统等多个方向。
随着通信技术的快速发展，智能反射面（RIS）因其调控无线传播环境的能力而备受关注。然而，由于RIS无法主动发送或接收导频信号，基站与RIS、RIS与用户之间的多段信道只能进行级联估计，导致信道获取难度大幅增加。传统最小二乘和最小均方误差等方法在面对复杂多变的RIS辅助系统时，往往难以兼顾效率和精度；而卷积神经网络（CNN）则常受限于过高的计算开销与资源需求，难以在实际应用中取得理想效果。
本研究针对以上问题，提出了基于空间注意力机制的RIS辅助毫米波通信系统信道估计方法。具体做法是将LS估计量引入残差网络作为初步参考，并在此基础上融合空间注意力模块，以深入挖掘信号在不同空间特征上的内在关联，从而显著提升了信道估计的准确性与稳健性。仿真实验结果表明，该方案在归一化均方误差指标上均优于传统LS、MMSE及CNN方法；同时，通过合理平衡NMSE和导频开销，可在大幅削减导频长度的前提下保持高精度，对级联信道估计中普遍存在的训练开销难题具有重要意义。
该研究不仅为高效且鲁棒的RIS辅助通信系统信道估计提供了崭新思路，也对未来5G/6G网络中大规模部署和应用RIS提供了重要的启示和技术支持。
原文链接：https://doi.org/10.1109/JIOT.2023.3326174