5G teknolojisinin temelini oluşturan OFDM (Ortogonal Frekans Bölmeli Çoklama) sistemlerinde doğru kanal tahmini, yüksek performanslı iletişim için hayati öneme sahip. Özellikle sinyal gürültü oranının düşük olduğu ve gecikme toleransının minimal olduğu durumlarda bu süreç daha da kritik hale geliyor.
Yeni geliştirilen HELENA sistemi, bu zorlu gereksinimleri karşılamak için özel olarak tasarlanmış kompakt bir derin öğrenme modeli. Sistemin kalbi, iki etkili dikkat mekanizmasını birleştiren hafif bir konvolüsyonel yapıda yatıyor: küresel bağımlılıkları yakalamak için parça tabanlı çok başlı öz-dikkat ve yerel özellik iyileştirmesi için sıkıştırma-genişletme bloğu.
Performans testlerinde HELENA, sektörün önde gelen CEViT sistemine kıyasla çarpıcı sonuçlar elde etti. Çıkarım süresini 0.318 milisaniyeden 0.175 milisaniyeye indirerek %45'lik bir hız artışı sağladı. Aynı zamanda doğruluk açısından da rekabetçi kaldı: -16.78 dB'ye karşı -17.30 dB performans sergiledi.
Belki de en etkileyici yanı, HELENA'nın sadece 0.11 milyon parametre kullanarak bu başarıyı elde etmesi. Bu, CEViT'in kullandığı 0.88 milyon parametrenin 8'de 1'i anlamına geliyor. Bu özellik, gerçek zamanlı 5G uygulamalarında düşük gecikme gerektiren sistemler için kritik bir avantaj sağlıyor.