Transformer神经算子提升自干扰消除性能
热点事件持续更新
Transformer神经算子提升自干扰消除性能
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
一项新研究把带内全双工无线电的数字域自干扰消除重构为算子学习问题：用 Transformer 神经算子从历史观测中学习残余自干扰信道的时间演化，再结合已知本地发射信号重建当前残余自干扰。该方法在无期望信号条件下训练、在存在期望信号时应用。 在静态与时变信道实验中，30 dB SIR 条件下，其消除性能较所对比的传统方法提升 5–15 dB。论文由 Zhijie Su 等作者发表。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
基于 Transformer 神经算子的带内全双工系统数字自干扰消除报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.LG基于 Transformer 神经算子的带内全双工系统数字自干扰消除
该研究将带内全双工无线电的数字域自干扰消除重构为算子学习问题，用 Transformer 神经算子从历史观测中学习残余自干扰信道的时间演化，并结合已知本地发射信号重建当前残余自干扰。方法在无期望信号条件下训练、在存在期望信号时应用。在静态与时变信道实验中，30 dB SIR 下其消除性能较所对比的传统方法提升 5–15 dB。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。