2024年3月，凤凰体育世界杯西班牙队指定观赛在线平台安全访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”。 继续了解也就是说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。 延伸阅读然而，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。
从而显著提升了信道估计的准确性与稳健性。 对照阅读仿真实验结果表明，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，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，本研究针对以上问题，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，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