Near-Field Channel Estimation for Extremely Large-Scale Array Communications: A model-based deep learning approach
Southeast University（东南大学）；Purple Mountain Laboratories（紫金山实验室）；AsiaInfo Technologies Limited（亚信科技有限公司）；Nanjing University of Posts and Telecommunications（南京邮电大学）
超大规模大规模MIMO（XL-MIMO）技术被认为是未来无线通信的一项重要技术。XL-MIMO的部署，特别是在高频段，导致用户位于近场区域，而不是传统的远场。这封信提出了有效的基于模型的深度学习算法，用于估计XL-MIMO通信的近场无线信道。特别是，我们首先制定的XL-MIMO近场信道估计任务作为一个压缩感知问题，使用基于空间网格的稀疏字典，然后解决所产生的问题，通过应用学习迭代收缩和保持算法（LISTA）。由于近场特性，基于空间网格的稀疏化字典可能导致信道估计精度低和计算负担重。为了解决这个问题，我们进一步提出了一个新的稀疏化字典学习LISTA（SDL-LISTA）算法，制定稀疏化字典作为一个神经网络层，并将其嵌入到LISTA神经网络。数值实验结果表明，我们提出的算法优于非学习的基准计划，SDL-LISTA取得了更好的性能比LISTA的10倍原子减少。
2022-11-28 cs.IT cs.LG eess.SP
On Reduced Complexity Soft-Output MIMO ML detection
在多输入多输出（MIMO）衰落信道中，最大似然（ML）检测是获得高性能的理想方法，但其复杂度随着频谱效率呈指数增长。MIMO检测的当前技术状态是列表解码和格型解码。本文提出了一类新的格型检测器，结合了列表和格型解码的一些原则，从而产生了一个有效的并行实现和接近最佳的软输出ML性能。这种新的检测器被称为分层正交格型检测器（LORD），因为它采用了一种新的格型公式，并依赖于信道正交化过程。应该注意的是，该算法在两个发射天线的情况下实现了最佳的硬输出ML性能。对于两个发射天线，可以生成最大对数比特软输出信息，并且对于大于两个天线，实现近似最大对数检测。仿真结果表明，LORD在采用正交频分复用（OFDM）和比特交织编码调制（BICM）的MIMO系统中，无论采用线性还是非线性迭代方案，与最小均方误差（MMSE）等实际软输出检测器相比，都能获得非常高的信噪比（SNR）增益。此外，与硬输出解码的代数空时码的性能比较显示了软输出生成能力对于实际无线应用的根本重要性。
2006-03-24 cs.IT math.IT
Distortion Exponent in MIMO Fading Channels with Time-Varying Source Side Information
在严格时延约束下，研究了高斯信源在时变多输入多输出（MIMO）信道中的传输。假设在接收机处相关边信息的可用性，其质量，即，与源信号的相关性也随时间变化。一个块衰落模型被认为是时变信道和时变边信息的状态，并假设在接收机完美的状态信息，而发射机只知道的统计。针对这种联合信源-信道编码问题，研究了由\textit{distortion exponent}表征的高信噪比性能。上界推导和比较与较低的列表解码，混合数字模拟传输，以及多层计划，传输连续细化的源，依赖于渐进式和叠加传输与列表解码。最佳失真指数的特点是单输入多输出（SIMO）和多输入单输出（MISO）的情况下，通过显示的失真指数实现多层叠加编码与联合解码满足建议的上限。在MIMO的情况下，最佳失真指数的特点是在低带宽比制度，它表明，多层叠加编码执行非常接近的上限在高带宽扩展制度。
2015-05-26 cs.IT math.IT
Distributed Iterative Detection Based on Reduced Message Passing for Networked MIMO Cellular Systems
本文考虑了多用户多小区高频复用场景下的上行链路基站协作（BSC）策略，研究了软/硬干扰消除算法的分布式迭代检测（DID）方案。传统的分布式检测方案与所有协作BS交换{软符号估计}。由于需要经由回程共享大量信息，因此硬比特信息的交换是优选的，然而经历性能降级。在本文中，我们考虑了减少消息传递（RMP）技术，其中每个BS生成一个检测列表与所需的符号，根据计算出的概率排序的概率。然后，网络从列表中选择最佳的{检测候选}，并在协作小区之间传送星座符号的索引（而不是双精度值）。与传统的软比特交换算法相比，DID-RMP能够以较低的回程业务开销抑制小区间干扰（ICI），并且性能优于已有的硬/软信息交换算法。
2014-01-01 cs.IT math.IT
One-Bit Sphere Decoding for Uplink Massive MIMO Systems with One-Bit ADCs
本文提出了一种低复杂度的近最大似然检测（near-MLD）算法，称为一位球解码的上行链路大规模多输入多输出（MIMO）系统与一位模数转换器（ADC）。所提出的算法的思想是通过在球体上搜索来估计由上行链路用户发送的发送符号向量（码字向量），该球体包含在加权汉明距离方面接近基站处的接收信号向量的码字向量的集合。该算法将接收信号矢量分解为多个子矢量，每个子矢量的维数降低，从而降低了球构造的计算复杂性。然后，它并行地生成多个球体，其中每个球体以子向量为中心并且包含子码字向量的列表。该算法的检测性能进行了分析，通过表征的概率，该算法的性能比MLD。分析表明，每个球的尺寸和子码字列表的大小是如何相关的性能复杂度的折衷所提出的算法实现。仿真结果表明，该算法实现了近MLD的性能，同时降低了计算复杂性相比，现有的MLD方法。
2017-12-19 cs.IT math.IT
Multi-Branch Lattice-Reduction SIC for Multiuser MIMO Systems
在本文中，我们提出了一种新的检测技术的多用户多输入多输出（MU-MIMO）系统。该方案结合了格型约简（LR）变换，使信道矩阵接近正交，然后采用多分支（MB）技术与连续干扰消除（SIC）。在该方案中，所有分支的接收滤波器都需要单个LR变换，这为每个分支提出了不同的排序，并生成检测候选列表。根据最大似然（ML）选择准则选择估计符号的最佳矢量。仿真结果表明，该检测结构具有接近最优的性能，而计算复杂性远低于ML检测器。
2014-12-05 cs.IT math.IT
Hardware Architecture of Complex K-best MIMO Decoder
提出了一种复杂的K-best多输入多输出（MIMO）译码器的硬件结构，降低了最大似然（ML）检测器的复杂度。我们开发了一种新的低功耗VLSI设计的复杂K-best解码器的8x8 MIMO和64 QAM调制方案。在设计中使用Schnorr-Euchner（SE）枚举和一个新的参数Rlimit，将计算K-best节点的复杂度降低到一定程度，同时提高了性能。仅16位的总字长已被用于硬件设计，将位出错率（BER）降级限制为0.3 dB，列表大小、K和Rlimit等于4。建议的超大规模集成电路架构是在Verilog HDL使用Xilinx建模和合成使用Synopsys设计视觉在45 nm CMOS工艺。综合结果表明，在功耗为782 mW，延迟为0.044 us的情况下，该芯片的吞吐量达到1090.8 Mbps。最高频率为181.8 MHz。
2016-02-19 cs.IT math.IT
Time-Out Lattice Sequential Decoding for the MIMO ARQ Channel
在多输入多输出（MIMO）自动重传请求（ARQ）信道中，采用增量冗余格型空时码结合列表译码器进行联合检错和纠错，可以实现分集-复用-时延的最优折衷.这样的解码器是基于最小均方误差格解码原理，其使用球形解码算法来实现。然而，对于低到中等信噪比，尤其是对于大信号尺寸，球形解码器遭受高计算复杂性。在本文中，我们想构建一个更有效的解码器，是能够实现最佳的权衡与低得多的复杂性。特别是，我们将研究的吞吐量性能复杂度的权衡顺序解码算法和预处理和终止策略的效果。我们表明，通过分析和仿真，使用\textit{lattice sequential decoder}，实现了一个超时算法的联合错误检测和纠正，MIMO ARQ信道的最佳折衷可以实现解码复杂度显着降低。
2011-10-04 cs.IT math.IT
Enhancing Coexistence in the Unlicensed Band with Massive MIMO
我们考虑蜂窝基站（BS）配备了大量的天线和工作在未授权频带。我们将这样的系统表示为大规模MIMO未授权（mMIMO-U）。我们设计的关键程序，以保证蜂窝BS和附近的Wi-Fi设备之间的共存。其中包括：相邻Wi-Fi信道协方差估计、用于干扰抑制的空间自由度的分配、以及增强的信道感测和数据传输阶段。我们评估了这样设计的mMIMO-U的性能，表明它允许同时进行蜂窝和Wi-Fi传输，保持它们的相互干扰低于监管阈值。对于传统的先说后写（LBT）操作，情况并非如此。结果，mMIMO-U相对于常规LBT提升了未授权频带中的聚合蜂窝加Wi-Fi数据率，随着BS天线的数量增长而表现出增加的增益。
2017-03-16 cs.IT math.IT
Iterative Detection and Decoding for Cell-Free Massive Multiuser MIMO with LDPC Codes
提出了一种适用于无小区大规模多输入多输出（CF-mMIMO）系统的迭代检测与译码（IDD）方案。用户将编码数据发送到接入点（AP），该数据在中央处理单元（CPU）处被联合检测。在检测器和低密度奇偶检验码（LPDC）解码器之间以对数似然比（LLR）的形式迭代地交换符号，从而提高编码系统的性能。我们提出了一个基于列表的多反馈分集与连续干扰消除（MF-SIC），以提高性能的CF-mMIMO。此外，该检测器与并行干扰消除（PIC）和MF-PIC方案进行了比较。最后，比较了CF-mMIMO和Col-mMIMO的误出错率性能。
2022-10-24 cs.IT math.IT
Learning-Based Near-Orthogonal Superposition Code for MIMO Short Message Transmission
大规模机器类型通信（mMTC）已经吸引了针对可靠的短消息传输而优化的新编码方案。提出了一种新的基于深度学习的近正交叠加（NOS）编码方案，用于在多输入多输出（MIMO）信道中传输短消息。在所提出的MIMO-NOS方案中，基于神经网络的编码器在包括MIMO信道的基于叠加的自动编码器框架中经由与相应的基于神经网络的检测器/解码器的端到端学习来优化。所提出的MIMO-NOS编码器将信息比特扩展为多个近正交的高维向量，以组合（叠加）成单个向量并进行整形以用于空时传输。对于接收端，我们提出了一种新的循环K-最佳树搜索算法与循环冗余校验（CRC）的援助，以提高在块衰落MIMO信道的纠错能力。仿真结果表明，在短消息（32-64 bit）传输的各种MIMO系统中，所提出的MIMO-NOS方案比结合极化码和CRC辅助列表解码的最大似然（ML）MIMO检测性能高1-2 dB。
2022-06-30 cs.IT eess.SP math.IT
Integrated Semi-definite Relaxation Receiver for LDPC-Coded MIMO Systems
半定松弛（SDR）检测器已被证明是成功的接近最大似然（ML）性能，而时间复杂度只有多项式。我们提出了一种新的接收机联合利用前向纠错（FEC）码信息的SDR检测过程。通过代码约束的加强，联合SDR检测器大大提高了整体接收机性能。为了进一步提高性能，ML-SDR检测器通过在成本函数中并入先验信息而适于MAP-SDR检测器。在Turbo原理下，MAP-SDR检测器从解码器接收软信息，输出外信息，大大提高了检测器的可靠性。我们还提出了一个简化的SDR涡轮接收机，解决了每个码字，而不是解决多个SDR的迭代涡轮处理。该方案显著降低了软件无线电Turbo接收机的时间复杂度，而误码性能保持与以前相似。事实上，我们的简化方案是通用的，可以应用于任何基于列表的迭代接收器。
2018-06-12 cs.IT math.IT
Large MIMO Detection Schemes Based on Channel Puncturing: Performance and Complexity Analysis
针对大型多输入多输出（MIMO）系统，提出了一类基于信道矩阵打孔的低复杂度检测方案。众所周知，基于QR分解的MIMO检测的计算成本与三角化信道矩阵中的回代和切片操作中涉及的非零条目的数量成正比，这对于涉及大MIMO维度的低延迟应用来说可能太高。通过系统地穿孔的信道具有特定的结构，它表明，检测过程可以通过采用标准的方案，如追逐检测，列表检测，置零和取消检测，和子空间检测的变换矩阵上加速。这些方案的性能的特点和数学分析，并得出可实现的分集增益和误码概率的界限。令人惊讶的是，它表明，打孔不会产生负面影响的接收分集增益在硬输出检测器。分析扩展到软输出检测时，计算每层位对数似然比，它示出了显着的性能增益是可以实现的排序层的兴趣是在根打孔时的信道。编码和未编码的情况下的仿真证明，所提出的方案有效地扩展在天线的数量和星座的大小，以及在相关信道的存在。具体地，示出了软输出每层子空间检测以在$256$-QAM $16\!\times\!16$ MIMO中的$10^{-4}$比特出错率处实现2.5dB SNR增益，同时节省调零和消除计算的$77\%$。
2017-12-05 cs.IT math.IT
Massive Unsourced Random Access for Massive MIMO Correlated Channels
本文研究了大量的用户设备服务的基站（BS）配备了大量的天线的大规模随机接入。我们考虑一个免授权的无源随机接入（U-RA）计划，其中所有用户拥有相同的码本和BS的目的是宣布一个列表中发送的码字和恢复的消息发送的活跃用户。现有的大多数工作集中于将U-RA应用于过于简化的独立同分布（i.i.d.）渠道在本文中，我们考虑了一个适用于现实户外无线传播环境的具有视线分量的相当通用的联合相关MIMO信道模型。我们进行活动检测的发射码字进行改进的坐标下降的方法与贝叶斯学习自动机，以解决基于协方差的最大似然估计问题。该算法具有更快的收敛速度比传统的下降方法。我们进一步采用耦合编码方案来解决在实际的大规模机器类型通信场景中，公共码本的维度随用户有效载荷大小呈指数增长的问题。我们的模拟表明，要实现0.05的错误概率在相关信道中的可靠通信，必须支付0.9至1.3 dB的惩罚相比，在i.i.d.所需的最小信噪比。在BS处配备有足够数量的接收天线的条件下，
2020-09-14 cs.IT math.IT
Design of Learning Based MIMO Cognitive Radio Systems
本文讨论了基于多天线的认知无线电（CR）系统的设计问题，它能够与授权的主无线电（PR）系统同时工作。我们提出了一个实用的CR传输策略，包括三个主要阶段：环境学习，信道训练和数据传输。在环境学习阶段，CR收发器既监听PR传输，又应用盲算法来估计来自PR的与信道正交的空间。假设PR基于时分双工（TDD）的传输，则在CR收发器处设计并应用认知波束成形，以在随后的信道训练和数据传输阶段期间限制对PR的干扰。在信道训练阶段，CR发射机向CR接收机发送训练信号，CR接收机应用基于线性最小均方误差（LMMSE）的估计器来估计有效信道。考虑到在学习和训练阶段的不完美的估计，我们推导出一个下界的遍历能力可实现的CR在数据传输阶段。从这个容量下限，我们观察到一个一般的学习/训练/吞吐量权衡与所提出的方案，有关的训练和传输阶段之间的发射功率分配，以及学习，训练和传输阶段之间的时间分配。我们通过优化相关的功率和时间分配来最大化CR遍历容量来表征上述权衡。
2009-05-10 cs.IT math.IT
Gradient-Based Markov Chain Monte Carlo for MIMO Detection
本文提出一种由 Nesterov 梯度加速的 MCMC MIMO 检测方法，通过多梯度下降、轨迹采样和提前停止提升采样效率、性能与复杂度表现。
2023-12-05 cs.IT eess.SP math.IT
On the Decay of the Determinants of Multiuser MIMO Lattice Codes
在最近的工作中，Coronel等人发起了对多用户多输入多输出（MU-MIMO）格型码的分集复用折衷（DMT）性能与作为信号星座图的大小的函数的码矩阵的行列式的衰减速率之间的关系的研究。在这篇文章中，我们陈述了一个简单的一般上界的衰减函数和研究的有前途的代码提出的Badr和Belfiore密切的细节。我们推导出一个下界的基础上，由于刘维经典定理的衰减函数。由此产生的界限也适用于其他代码的基础上代数数论的建设。此外，我们研究了Badr-Belfiore代码中的小行列式的示例序列，并推导出其衰减函数的更严格的上限。该上界具有一定的几何渐近不确定性，因此我们也列出了几个有限数据率的精确界。
2009-08-18 cs.DM cs.IT math.IT
Pilot-Based Unsourced Random Access with a Massive MIMO Receiver: Interference Cancellation and Power Control
在这项工作中，我们对待无源随机接入问题的瑞利块衰落AWGN信道与多个接收天线。具体来说，我们考虑缓慢衰落的情况下，相干块长度是大的活跃用户的数量相比，可以在一个相干块中发送的消息。无源随机接入是指一种免授权随机接入形式，其中用户被认为是先验不可区分的，并且接收器恢复所发送消息的列表直到排列。在这项工作中，我们表明，当相干块的长度是足够大的，一个传统的方法的基础上传输的非正交导频序列与随后的信道估计和最大比合并（MRC）提供了一个简单的节能的解决方案，其性能可以很好地近似在封闭的形式。此外，我们分析的MRC步骤时，连续干扰消除（SIC）是在组中完成的，这使得接收机的复杂性和降低发射功率之间的平衡。最后，我们调查的影响，功率控制策略考虑到大规模随机接入的独特性质，包括短消息长度，不协调的传输，非常大量的并发发射机与未知的身份，信道估计错误和解码错误。作为一个副产品，我们还提出了一个扩展的MMV-AMP算法，允许治疗路径损耗系数作为确定性的未知数，通过执行最大似然估计在MMV-AMP算法的每一步。
2021-09-21 cs.IT math.IT
Non-Bayesian Activity Detection, Large-Scale Fading Coefficient Estimation, and Unsourced Random Access with a Massive MIMO Receiver
在本文中，我们研究的问题，用户活动检测和大规模衰落系数估计的随机接入无线上行链路中的大规模MIMO基站与大量的$M$的天线和大量的无线单天线设备（用户）。我们考虑一个块衰落信道模型，其中每个用户的$M$维信道向量在包含$L$信号时频维度的相干块上保持恒定。在所考虑的设置中，潜在用户$K_\text{tot}$的数量比$L$大得多，但是在每个时隙，只有它们中的$K_a<<K_\text{tot}$是活动的。以前的结果，基于压缩感知，需要$K_a\leq L$，这是一个瓶颈，在大规模部署的场景，如物联网和无源随机访问。在这项工作中，我们表明，这样的限制可以克服基站天线的数量$M$是足够大时。我们还提供了两个算法。一种是基于非负最小二乘，其中上述缩放结果可以严格证明。另一种是由一个低复杂度的迭代组件最小化的潜在问题的似然函数。最后，我们使用所讨论的近似ML算法作为解码器的内部码在级联编码方案的无源随机接入，免授权的非协调多址接入方案，其中所有用户使用相同的码本，和大规模MIMO基站必须拿出的列表发送的消息，而不管发射机的身份。我们表明，可靠的通信是可能的，在任何$E_b/N_0$提供一个足够大的数量的基站天线被使用，和总和频谱效率的顺序$\mathcal{O}(L\log(L))$是可以实现的。
2021-09-21 cs.IT math.IT
Deterministic Smoothed MAP Detection for High-Dimensional MIMO Systems
Orange, Orange Innovation（法国电信，法国电信创新）；CentraleSupélec-CNRS-Université Paris-Saclay（巴黎萨克雷大学中央理工-高等学院-CNRS）
提出确定性平滑MAP框架用于高维MIMO检测，通过高斯混合近似星座先验，实现硬检测SMAP-KR和软输出方法，在性能和复杂度间取得更优权衡。
2026-09-22 cs.IT eess.SP math.IT
ODMA-based MIMO Massive Unsourced Random Access with Soft-Output Polar Codes
Shanghai Jiao Tong University（上海交通大学）；China Mobile Research Institute（中国移动研究院）；University of Delaware（特拉华大学）；Lehigh University（理海大学）
本文针对采用软输出极化码的MIMO大规模无授权随机接入系统，设计基于ODMA的传输方案，提出分层模式检测与联合解码算法，兼顾多类增益并降低复杂度，仿真显示其鲁棒性强。
2026-08-31 cs.IT eess.SP math.IT
Decoding by Sampling - Part II: Derandomization and Soft-output Decoding
本文提出了一种去随机化的采样译码算法，使格型译码的性能接近最优。通过设置一个概率阈值，整个抽样过程变得确定性，这带来了相当大的性能改善和复杂性降低的随机抽样。此外，上界的样本大小K，这对应于近最大似然（ML）的性能，推导。我们还发现，该算法可以作为一个有效的工具来实现软输出解码的多输入多输出（MIMO）系统。推导了列表球译码（LSD）中球半径R的上界。在此基础上，我们证明了去随机采样算法能够实现近最大后验（MAP）性能。仿真结果表明，在格型译码和软输出译码中，适当的K值都可以获得接近最佳的性能。
2013-10-04 cs.IT math.IT
Cooperative Multiplexing in the Multiple Antenna Half Duplex Relay Channel
已经提出了终端之间的协作以提高无线通信的可靠性和吞吐量。虽然最近的工作已经表明，中继合作提供了增加的多样性，增加复用增益超过直接链路提供的，在很大程度上还没有探索。在这项工作中，我们表明，合作复用增益可以通过使用半双工中继实现。我们捕获终端之间的相对距离在高SNR分集复用权衡（DMT）框架。DMT性能的特点，然后为一个网络具有单天线半双工中继之间的单天线源和双天线的目的地。我们的研究结果表明，可实现的复用增益使用合作可以大于直接链路，是源和中继之间的相对距离的函数相比，目的地。此外，对于小于1的复用增益，中继监听1/3时间和发送2/3时间的简单方案可以实现2 × 2 MIMO DMT。
2009-01-15 cs.IT math.IT
The One-Bit Null Space Learning Algorithm and its Convergence
该文提出了一种新的MIMO认知无线电次用户（SU）算法，该算法在不增加主用户（PU）的知识负担或与SU进行显式协作的情况下，学习主用户干扰信道的零空间。该零空间的知识使得SU能够通过利用与PU不同的空间维度来与PU同时在相同频带中进行传输。具体地，SU在干扰信道的零空间中向PU发送。我们提出了一种新的算法，称为一位空间学习算法（OBNSLA），其中SU学习PU的零空间，通过观察一个二进制函数，表明它对PU造成的干扰是否增加或减少相比，SU的以前发送的信号。该函数通过监听PU发送的信号或控制信道并从中提取关于PU的信号与干扰加噪声功率比（SINR）是增加还是减小的信息来获得。除了介绍OBNSLA，本文提供了一个彻底的收敛性分析。OBNSLA具有线性收敛速度和渐近二次收敛速度。最后，我们推导出上的干扰，SU对PU造成的SU确定的参数作为一个函数的界限。这使得SU能够控制最大干扰水平，从而能够以最小的复杂性完全盲保护PU。渐近分析和导出的界也适用于最近提出的盲空间学习算法。
2013-10-09 cs.IT math.IT
