본 논문은 심층 학습(DL) 기반 효율적인 OFDM 채널 추정을 위한 새로운 방안을 제시합니다. 채널 재구성과 일반화 능력을 위해 각각 다른 신경망을 설계하였습니다. 채널 재구성을 위해, 이중 주의력을 활용한 초고해상도 신경망(DA-SRNN)을 제안하여 파일럿 위치의 채널을 전체 시간-주파수 채널로 매핑합니다. 채널-공간 주의 메커니즘을 통해 두 가지 유형의 기저 채널 상관 관계에 해당하는 두 개의 독립적인 차원을 따라 주의 지도를 순차적으로 추론하고, 경량 SR 모듈을 개발하여 효율적인 채널 재구성을 수행합니다. 일반화 능력 향상을 위해, 지속적 학습(CL) 기반 훈련 전략을 도입하여 신경망이 다양한 채널 분포에 적응하도록 합니다. 탄력적 가중치 통합(EWC)을 채널 재구성 손실 함수에 정규화 항으로 도입하여, 서로 다른 채널 분포 간에 신경망의 중요한 가중치 업데이트의 방향과 공간을 제한합니다. 3GPP 채널 모델을 사용한 평가 결과, 제안된 채널 추정 방식이 기존 방식보다 채널 재구성 및 일반화 성능이 크게 향상됨을 보여줍니다.
