Pilot Precoding and Combining in Multiuser MIMO Networks
虽然预编码和组合数据信号的益处被广泛认可，但是这些技术用于导频传输的潜力还没有被完全理解。这对于使用毫米波（mmWave）通信的多用户多输入多输出（MU-MIMO）蜂窝系统尤其相关，其中在发射器和接收器处将必须使用多个天线以克服严重的路径损耗。在本文中，我们的特点导频预编码和合并的信道估计质量和可实现的数据率方面的增益。具体地，我们考虑毫米波MU-MIMO蜂窝系统中的三种上行链路导频传输场景：1）未预编码和未组合，2）预编码但未组合，以及3）预编码和组合。我们表明，一个简单的预编码器，只利用二阶统计的信道减少了方差的信道估计误差的一个因素，是成比例的用户设备（UE）天线的数量。我们还表明，使用一个线性组合器设计的基础上的二阶统计信道显着减少多用户干扰，并提供了重用一些导频的可能性。具体地，在大天线机制中，导频预编码和组合有助于在一个小区中容纳大量UE，显著提高信道估计质量，提高位于小区边缘附近的UE的信噪比，减轻导频污染，以及解决导频和数据信号的不平衡覆盖。
2016-11-16 cs.IT math.IT
Covering-radius and Collinearity- Minimizing Pilots for Channel Estimation in TDD Systems
Peking University（北京大学）
本文研究了在滑动窗口最新时隙恢复框架下，基于正交频分复用的时分双工系统中的试点设计，通过联合利用近期时隙中的时延-多普勒稀疏性，提出了一种几何感知的时间-频率联合试点分配方法，改进了覆盖半径和共线性控制性能。
2026-04-08 cs.IT eess.SP math.IT
Soft Pilot Reuse and Multi-Cell Block Diagonalization Precoding for Massive MIMO Systems
在大规模多输入多输出（MIMO）系统中，小区边缘的用户会受到严重的导频污染，导致服务质量（QoS）变差。为了提高这些边缘用户的QoS，软导频复用（SPR）结合多小区块对角化（MBD）预编码的建议。具体地说，用户被分为两组，根据他们的大尺度衰落系数，被称为中心用户，谁只遭受温和的导频污染和边缘用户，谁遭受严重的导频污染。基于这种区别，SPR方案被提出用于改善边缘用户的QoS，由此小区中心导频组被重用于所有小区中的所有小区中心用户，而小区边缘导频组被应用于相邻小区中的边缘用户。通过将经典的块对角化预编码扩展到多小区场景，MBD预编码方案将下行链路发送信号投影到由相邻小区中的边缘用户的小区间信道所跨越的子空间的零空间上。因此，可以有效地减轻污染相邻小区中的边缘用户的信号的小区间干扰，并且因此可以进一步增强这些边缘用户的QoS。我们的理论分析和仿真结果表明，边缘用户的上行链路和下行链路的速率显着提高，虽然在中心用户的速率略有下降的代价。
2015-07-15 cs.IT math.IT
Joint Transmission with Dummy Symbols for Dynamic TDD in Ultra-Dense Deployments
动态时分双工（TDD）被认为是一种很有前途的解决方案，以处理快速变化的流量经常发现在超密集部署的网络。同时，它产生更多的干扰，这可能降低某些用户设备（UE）的性能。当基站（BS）利用率低时，一些BS可能没有UE要服务。不是进入睡眠方式，空闲BS可以使用联合传输来帮助附近的UE。为了处理BS到BS干扰，我们提出使用具有虚拟符号的联合传输，其中服务于上行链路UE的上行链路BS参与预编码。由于BS事先不知道上行链路符号，因此可以替代地发送具有零功率的任何符号以使BS到BS干扰为零。数值结果表明，在低和中等利用率的上行链路和下行链路的显着的性能增益。通过改变参与预编码的上行链路BS的数量，我们还表明，它是可以成功地在两个方向上的交易性能。
2017-04-27 cs.IT math.IT
Max-Min Fair Transmit Precoding for Multi-group Multicasting in Massive MIMO
研究了大规模多输入多输出（MIMO）系统中物理层多播的下行预编码问题。我们研究的最大最小公平性（MMF）的问题，在发射机的信道状态信息（CSI）被用来设计预编码向量，最大限度地提高系统的最小频谱效率（SE），给定固定的功率预算的上行链路训练和下行链路传输。我们的系统模型占信道估计，导频污染，任意路径损耗，和多组组播。我们考虑六种不同的传输技术（单播和多播），不同的导频分配策略（专用或共享导频分配），和不同的预编码方案（最大比传输和迫零）的情况下，并得出可实现的频谱效率为所有可能的组合。然后，我们解决这些情况下的每一个的MMF问题，并为任何给定的导频长度，我们找到SE最大化上行链路导频和下行链路数据传输策略，所有在封闭形式。我们使用这些结果绘制大规模MIMO多播设计的一般准则，对于给定数量的基站天线，用户数量和相干间隔长度，我们确定的多播方案，应使用。
2017-05-31 cs.IT math.IT
Deep Learning for Channel Sensing and Hybrid Precoding in TDD Massive MIMO OFDM Systems
本文提出了一种深度学习方法，用于在时分双工模式下操作并采用单载波或多载波传输的大规模多输入多输出系统的信道感测和下行链路混合波束成形。传统的预编码设计涉及两步过程，首先估计高维信道，然后基于这样的估计来设计预编码器。然而，这两步过程不一定是最佳的。本文表明，通过使用学习的方法来设计的模拟感知和混合下行链路预编码器直接从接收到的导频没有中间的高维信道估计，系统的整体性能可以显着提高。然而，训练神经网络以同时设计模拟和数字预编码器是困难的。此外，这种方法不能推广到具有不同数量的用户的系统。在本文中，我们开发了一种简化的和可推广的方法，使用深度神经网络学习上行链路感知矩阵和下行链路模拟预编码器，该深度神经网络基于每个用户进行分解，然后基于估计的低维等效信道设计数字预编码器。数值比较表明，所提出的方法的结果显着减少训练开销，并导致一个体系结构，推广到各种系统设置。
2022-06-29 cs.IT eess.SP math.IT
Joint Pilot Allocation and Robust Transmission Design for Ultra-dense User-centric TDD C-RAN with Imperfect CSI
研究了超密集云无线接入网（C-RAN）中完整信道状态信息（CSI）的不可用性问题。采用以用户为中心的簇来降低计算复杂性，而不完整的CSI被认为是减少沉重的信道训练开销，其中只有大规模的簇间CSI可用。还考虑了集群内CSI的信道估计，其中我们制定了一个联合导频分配和用户设备（UE）选择问题，以最大限度地增加具有固定导频数量的被接纳UE的数量。提出了一种新的考虑多用户导频干扰的导频分配算法。然后，我们考虑稳健的波束向量优化问题服从UE的数据率要求和前传容量约束，其中信道估计误差和不完整的簇间CSI被考虑。精确的数据率很难以封闭形式获得，相反，我们保守地用它的下限来代替它。由此产生的问题是非凸的，组合的，甚至是不可行的。基于UE选择、逐次凸逼近和半定松弛方法，提出了一种求解该问题的保证收敛的实用算法。我们严格证明了半定松弛是紧的概率为1。最后，大量的仿真结果表明，我们提出的算法的快速收敛性，并证明其优于现有的算法。
2017-10-22 cs.IT math.IT
Massive MIMO Performance - TDD Versus FDD: What Do Measurements Say?
大规模MIMO中的下行链路波束成形依赖于上行链路导频测量-利用互易性和TDD操作，或者依赖于使用预定的波束网格，其中用户设备报告其优选波束，主要是在FDD操作中。大规模MIMO在其最初设想的形式中使用第一种策略，具有上行链路导频，而目前对第二种策略，波束网格有很大的商业兴趣。它已被分析表明，在各向同性散射（独立瑞利衰落）的第一种方法优于第二种。然而，关于它们在实践中的相对绩效仍存在争议。在这方面的贡献，这两种策略的性能进行了比较，使用测量的信道数据在2.6 GHz。
2017-04-03 cs.IT math.IT
Interference-Aware Flexible TDD Design for Massive MIMO 5G Systems
使用非常大的天线阵列和灵活的时分双工（TDD）设计已经成为下一代5G蜂窝系统的突出特征。然而，这两种使能技术都遭受严重的干扰效应，分别称为导频污染和基站到基站（B2B）干扰。在本文中，一个实用的新的TDD设计原则，提出了大规模多输入多输出（MIMO）异构网络（HetNet），利用灵活的TDD设计的固有特性，以减轻由导频污染效应和B2B干扰所造成的波束成形干扰。该设计基于以下关键观察：由非大规模MIMO基站选择用于训练的传输路径在网络的干扰行为中起重要作用，并且需要相应地配置数据时隙。我们提出TDFLEX，一个低复杂性的启发式解决方案，遵循这些设计准则。性能评估结果表明，我们的设计相比，标准的TD-LTE的显着增益。
2018-03-09 cs.IT math.IT
Hardware-Aware Pilot Decontamination Precoding for Multi-cell mMIMO Systems With Rician Fading
我们考虑一个硬件受损的多小区莱斯衰落的大规模多输入多输出（mMIMO）系统与两层导频净化预编码，也被称为大规模衰落预编码（LSFP）。每个BS配备有灵活的动态模数转换器（ADC）/数模转换器（DAC）架构，并且用户设备（UE）具有低分辨率ADC。此外，BS和UE都具有硬件受损的射频链。动态ADC/DAC架构允许我们改变连接到每个BS天线的ADC/DAC的分辨率，并适当地选择它们以最大化SE。我们提出了一种失真感知的最小均方误差（DA-MMSE）预编码器，并研究其使用与两层LSFP和传统的单层预编码（SLP）的硬件受损mMIMO系统。我们讨论了LSFP和SLP与DA-MMSE和失真感知MMSE（DU-MMSE）预编码器的用例，这将为系统设计人员提供关于其在实际系统中使用的关键见解。
2022-11-29 cs.IT eess.SP math.IT
Inter-Cell Antenna Calibration for Coherent Joint Transmission in TDD System
研究了相干时分双工多点协作联合传输系统中互易性误差的建模和校正方法。建模包括诸如eNB之间的RF链的幅度增益和相位差之类的参数。用于小区间天线校准的校准方法基于UE反馈的预编码矩阵指示符（PMI）。此外，我们提供了一些仿真结果，在不同的情况下，如不同的估计周期，小区特定的参考信号（CRS）端口配置，信号噪声比（SNR），相位差等的校准方法的性能进行评估的主要结论是，所提出的方法为小区间天线校准具有良好的性能估计的残余相位差。关键词-LTE-Advanced; TDD; CoMP; JT;互易误差;相位差;小区间天线校准
2019-05-03 cs.IT math.IT
Multi-Cell Multi-User Massive FD-MIMO: Downlink Precoding and Throughput Analysis
针对时分双工（TDD）多小区多用户大规模全维MIMO（FD-MIMO）网络，研究了下行链路预编码和功率分配策略。利用信道互易性，消除了DL信道状态信息（CSI）反馈，并且通过经由旋转不变技术（ESPRIT）估计信号参数，将DL多用户MIMO预编码与上行链路（UL）到达方向（DoA）估计相关联。假设UL导频的非正交/非理想扩频序列，UL DoA估计的性能被解析地表征，并且所表征的DoA估计误差被并入到相应的DL预编码和功率分配策略中。仿真结果验证了我们的分析特征的DoA估计的准确性，并表明，所介绍的多用户MIMO预编码和功率分配策略优于现有的基于迫零的大规模MIMO策略。
2018-09-26 cs.IT math.IT
Pilot-Aided Distributed Multi-Group Multicast Precoding Design for Cell-Free Massive MIMO
该研究针对无蜂窝大规模MIMO系统，提出基于双向导频训练的全分布式多组多播预编码方案，通过组特定上行训练资源消除CSI回程信令，本地优化预编码器，性能显著优于传统仅依赖本地CSI的方案。
2024-01-31 cs.IT eess.SP math.IT
Channel Coherence Classification with Frame-Shifting in Massive MIMO Systems
研究了时分双工（TDD）大规模多输入多输出（MIMO）移动系统中的上行导频开销。常规大规模MIMO系统的常见场景是基站（BS）以相同的TDD帧格式服务小区中的所有用户终端（UT），该TDD帧格式适合用户移动性的最坏情况场景（例如，速度为300 Km/s的移动训练）的相干间隔。此外，BS必须为所有用户估计每个时隙的所有信道，即使对于具有长相干间隔的用户也是如此。事实上，在同一小区内，具有低移动性UT（例如，移动1.38 m/s）的传感器或行人共享相同的短TDD帧，因此必须在每个时隙上传其导频。具有1.9 GHz载波频率的行人UT的信道相干间隔可以是训练乘客用户的信道相干间隔的60倍。换句话说，传统技术浪费了59个上传的导频序列用于信道估计。在本文中，我们意识到由于不同的用户移动性之间的各种相干间隔的资源浪费。我们根据用户的相干间隔长度对用户进行分类，并且我们建议跳过上传具有大相干间隔的UT的导频。然后，我们将具有相同导频重用序列的帧移向空导频时隙。仿真结果表明，该技术在能量和频谱效率方面都优于传统的大规模MIMO系统。
2017-11-14 cs.IT math.IT
Sum Secret Key Rate Maximization for TDD Multi-User Massive MIMO Wireless Networks
基于信道互易性的物理层密钥生成（PKG）是近年来出现的一种在设备间建立密钥的新技术。大多数工作集中在单天线或小规模天线的成对通信场景。然而，第五代（5G）无线通信采用大规模多输入多输出（MIMO）来同时支持多个用户，这带来了严重的互逆信道捕获开销。提出了一种大规模MIMO无线网络中多用户秘密密钥的生成方法。我们提出了一个波束域信道模型，其中不同的元素表示从不同发射方向到不同接收方向的信道增益。在此信道模型的基础上，我们分析了独立信道条件下的秘密密钥速率，并推导出一个封闭形式的表达式。为了最大化和秘密密钥速率，给出了预编码矩阵和接收矩阵的Kronecker积的最优条件，并提出了一种导频复用的预编码矩阵和接收矩阵的生成算法。所提出的优化设计可以显著降低互易信道状态信息获取的导频开销。此外，我们分析了用户终端（UT）之间的信道相关性下的安全性，并提出了一种低开销的多用户秘密密钥产生与UT之间的非重叠波束。仿真结果表明，所提出的预编码和接收矩阵的设计和非重叠波束分配的优点的性能接近最优。
2020-09-22 cs.IT math.IT
Exploiting Partial FDD Reciprocity for Beam Based Pilot Precoding and CSI Feedback in Deep Learning
大规模MIMO系统可以在准确估计信道状态信息（CSI）的基础上在下行链路（DL）中实现高频谱和能量效率。现有的工作已经开发了基于学习的DL CSI估计，其降低了上行链路反馈开销。一个经常被忽视的问题是可用于CSI估计的DL导频的数量有限。一种提出的解决方案通过利用过去的CSI估计并且仅发送部分阵列的CSI参考符号（CSI-RS）来利用时间CSI相干性以保持CSI恢复性能。利用CSI相关性，FDD信道互易性有助于基站直接存取上行链路CSI。在这项工作中，我们提出了一种新的基于学习的反馈架构和可重构的CSI-RS布局方案，以减少DL CSI训练开销，提高CSI反馈的编码效率。我们的研究结果表明，在室内和室外的情况下，在大幅降低计算能力和存储要求在UE的CSI恢复的建议框架的优越性能。
2022-05-29 cs.IT eess.SP math.IT
Beyond 5G: Leveraging Cell Free TDD Massive MIMO using Cascaded Deep learning
Virginia Tech（弗吉尼亚理工大学）；IIT Madras（印度马德拉斯理工学院）
本文讨论了在基于正交频分复用（OFDM）的无小区大规模MIMO系统中时分双工（TDD）互易性的校准，其中（射频）RF链的响应使得端到端信道是非互易的，即使物理无线信道是互易的。我们进一步解决了在导频子载波以外的位置处的上行链路信道估计的不可用性，并提出了一种单发解决方案，以从选定导频子载波处的上行链路信道估计所有子载波处的下行链路信道。我们提出了一个级联的两个深度神经网络（DNN）来实现这个目标。所提出的方法是容易扩展的，并且消除了基于天线的合作的相对互易性校准的需要，这通常在无小区大规模MIMO系统中引入依赖性。
2020-04-04 cs.IT cs.LG math.IT
Downlink Pilot Precoding and Compressed Channel Feedback for FDD-Based Cell-Free Systems
无小区系统是一种由多个基站协同为用户提供服务的无线通信系统，作为未来无线通信系统的一项重要技术，受到了广泛的关注。为了最大化无小区系统中的协作增益，在BS处获取下行链路信道状态信息（CSI）是至关重要的。虽然由于信道互易性，该任务对于时分双工（TDD）系统相对容易，但是由于CSI反馈开销，该任务对于频分双工（FDD）系统不容易。由于用户需要反馈多个BS的CSI，因此该问题在无小区系统中甚至更加明显。在本文中，我们提出了一种新的反馈减少技术的FDD为基础的无细胞系统。该方法的主要特点是选择几条主要路径，然后反馈所选路径的路径增益信息（PGI）。通过利用上行链路和下行链路信道中的离开角（AoD）非常相似的特性（该特性被称为角度互易性），BS直接从上行链路导频信号获得AoD。从大量的模拟，我们观察到，所提出的技术可以实现超过80%的反馈开销减少传统的CSI反馈方案。
2019-09-16 cs.IT math.IT
Sensing Mutual Information for Communication Signal with Deterministic Pilots and Random Data Payloads
School of Cyber Science and Engineering, Southeast University（东南大学网络空间安全学院）；School of Information Science and Engineering, Southeast University（东南大学信息科学与工程学院）；School of Electrical, Computer, and Telecommunications Engineering, University of Wollongong（伍伦贡大学电气、计算机和电信工程学院）；Division of Integrative Systems and Design and the Department of Electronic and Computer Engineering, the Hong Kong University of Science and Technology（香港科技大学集成系统与设计分部及电子与计算机工程系）
本文研究了在确定性导频和随机数据载荷共同存在的通信信号中，通过随机矩阵理论推导感知互信息并设计预编码方案，以提高ISAC系统的感知性能。
2026-01-16 cs.IT math.IT
Massive MIMO performance with imperfect channel reciprocity and channel estimation error
时分双工（TDD）大规模多输入多输出（MIMO）系统中的信道互易性可以用于减少获取信道状态信息（CSI）所需的开销。然而，由于上行链路和下行链路信道中的随机射频（RF）电路失配，完美的互易性在实际系统中是不现实的。这可能导致线性预编码方案的性能显著下降，线性预编码方案对CSI的准确性敏感。在本文中，我们建模和分析的影响，在TDD多用户大规模MIMO系统中的线性预编码的RF失配的性能，考虑到信道估计误差。我们使用截断高斯分布来模拟RF失配，并推导出最大比传输和迫零预编码器的输出信号与干扰加噪声比的封闭形式的表达式。我们进一步研究所得到的表达式的渐近性能，提供有价值的见解，实际的系统设计，包括有用的指导方针，选择有效的预编码方案。仿真结果验证了分析结果的有效性和准确性。
2018-03-07 cs.IT math.IT
Multi-Layer Precoding: A Potential Solution for Full-Dimensional Massive MIMO Systems
大规模多输入多输出（MIMO）系统通过提供复用增益的数量级增加来实现高总和频谱效率。然而，在时分复用系统中，小区之间的上行链路训练导频的重用导致额外的信道估计误差，这导致下行链路小区间干扰，即使在采用大量天线时也是如此。由于大的信道维度，使用传统网络MIMO技术来处理这种干扰是具有挑战性的。此外，大天线预编码/组合矩阵的实现与高硬件复杂度和功耗相关联。在本文中，我们提出了多层预编码，使高效和低复杂度的操作在全维大规模MIMO，其中大量的天线在两个维度上使用。在多层预编码中，每个基站的预编码矩阵被写为多个预编码矩阵的乘积，每个预编码矩阵被称为层。多层预编码（i）利用大规模MIMO信道的方向特性来管理具有低信道知识要求的小区间干扰，以及（ii）允许使用低复杂度混合模拟/数字架构的高效实现。我们提出了一个特定的全维大规模MIMO系统的多层预编码设计。这种预编码设计的性能进行了分析，每个用户的可达速率一般信道模型的特点。然后证明了所提出的多层预编码设计的渐近最优性的一些特殊的，但重要的信道。数值仿真验证了分析结果，并说明了与传统的导频污染的大规模MIMO解决方案相比，多层预编码的潜在收益。
2016-10-13 cs.IT math.IT
End-to-End Deep Learning for TDD MIMO Systems in the 6G Upper Midbands
针对6G高中段TDD MIMO系统最优方法难落地的问题，提出含信道自适应导频的端到端深度学习方案，可生成近最优预编码器，在中高信噪比和导频开销受限时显著提升和速率。
2024-02-01 cs.IT eess.SP math.IT
Deep Learning for Multi-User MIMO Systems: Joint Design of Pilot, Limited Feedback, and Precoding
Korea University（高丽大学）；Pukyong National University（釜庆国立大学）；Queen’s University（女王大学）
在具有频分复用（FDD）的传统多用户多输入多输出（MU-MIMO）系统中，信道捕获和预编码器优化过程被分开设计，尽管它们是高度耦合的。本文研究了下行MU-MIMO系统的端到端设计，包括导频序列、有限反馈和预编码。为了解决这个问题，我们提出了一种新的深度学习（DL）框架，该框架联合优化了用户的反馈信息生成和基站（BS）的预编码器设计。MU-MIMO系统中的每个过程都被智能设计的多个深度神经网络（DNN）单元所取代。在基站处，神经网络生成导频序列并帮助用户获得准确的信道状态信息。在每个用户处，由单个用户DNN以分布式方式执行信道反馈操作。然后，另一BS DNN从用户收集反馈信息，并确定MIMO预编码矩阵。提出了一种联合训练算法，以端到端的方式优化所有DNN单元。此外，提出了一种训练策略，该策略可以避免针对不同网络规模的可扩展设计进行再训练。数值结果表明，建议的DL框架相比，经典的优化技术和其他传统的DNN计划的有效性。
2022-09-21 cs.IT cs.LG eess.SP
Mitigating Intra-Cell Pilot Contamination in Massive MIMO: A Rate Splitting Approach
大规模多输入多输出（MaMIMO）已成为第五代（5G）标准的组成部分，并设想在超5G（B5G）网络中进一步发展。由于基站（BS）处有大量天线，MaMIMO最适合满足B5G网络的突出用例，例如增强型移动宽带（eMBB）、超可靠低延迟通信（URLLC）和大规模机器类型通信（mMTC）或其组合。然而，这一追求的关键挑战之一是在实际网络中的大量设备的零星接入行为，这不可避免地导致明显的导频污染问题。用于时分双工（TDD）MaMIMO中的下行链路传输的常规线性预编码物理层策略在存在这种导频污染的情况下将导致显著的频谱效率（SE）损失。在本文中，我们的目标是集成一个强大的多址接入和干扰管理策略，称为速率分裂多址接入（RSMA）与TDD的MaMIMO下行链路传输，并研究其SE性能。提出了一种新的TDD MaMIMO下行链路RSMA传输框架，设计了一种预编码器设计策略和功率分配方案，以最大化不同的网络效用函数。数值结果表明，RSMA是显着更强大的导频污染，并始终实现SE性能，等于或优于传统的线性预编码的MaMIMO传输策略。
2022-11-14 cs.IT eess.SP math.IT
Large-Scale Fading Precoding for Maximizing the Product of SINRs
针对多小区大规模MIMO（multiple-input multiple-output）系统下行链路中的导频污染问题，提出了一种大尺度衰落预编码方案。莱斯衰落与空间相关的信道被认为是视线（LOS）的信道分量是随机相移在每个相干块。大尺度衰落预编码权值的设计基于最大化用户的信号与干扰加噪声比（SINR）的乘积，这提供了最大最小公平性与和速率最大化之间的良好平衡。频谱效率（SE）的基础上推导出的缩放最小二乘（LS）估计的信道，它只利用解扩导频信号没有任何矩阵求逆。仿真结果表明，与传统的单层预编码相比，两层大尺度衰落预编码提高了几乎所有用户的SE。
2020-02-04 cs.IT eess.SP math.IT
2D Unitary ESPRIT Based Super-Resolution Channel Estimation for Millimeter-Wave Massive MIMO with Hybrid Precoding
具有混合预编码的毫米波（mmWave）大规模多输入多输出（MIMO）是用于未来5G无线通信的有前景的技术。由于毫米波大规模MIMO信道的天线数量较多，而射频链路数量较少，估计高维毫米波大规模MIMO信道将带来较大的导频开销。针对这一问题，提出了一种基于二维统一ESPRIT算法的超分辨率信道估计方案。通过利用毫米波信道的角度稀疏性，可以高精度地联合估计连续分布的到达角/离开角（AoA/AoD）。具体而言，通过在基站（BS）和移动台（MS）处设计上行链路训练信号，我们首先使用低导频开销来估计低维有效信道，其具有与待估计的高维毫米波MIMO信道相同的阵列响应的移位不变性。从低维有效信道出发，利用二维酉ESPRIT信道估计算法，可以联合获得AoA和AoD的超分辨率估计。此外，可以基于最小二乘（LS）准则来获取相关联的路径增益。最后，我们可以根据所获得的AoA、AoD和路径增益来重构高维毫米波MIMO信道。仿真结果证实了该方案优于传统方案，具有更低的导频开销。
2017-10-30 cs.IT math.IT
Heterogeneous Doppler Spread-based CSI Estimation Planning for TDD Massive MIMO
大规模多输入多输出（Massive MIMO）已被公认为满足更高数据容量和大规模连接需求的关键技术。然而，由于训练开销和有限的相干时间，活动用户的数量受到限制。当前的无线系统假设所有用户的相干时隙持续时间相同，而不管它们的异构多普勒扩展。在本文中，我们利用这个被忽视的自由度来解决训练开销瓶颈。我们提出了一种新的上行链路训练方案，导频传输的周期性不同的用户之间的实际信道相干时间的基础上。由于无线信道的变化主要是由于移动，因此在长时间段内优化上行链路训练决策，同时考虑用户信道和位置的演进。由于无线信道和位置演化速率的不同，提出了一个双时间尺度的控制问题。在快速时间尺度下，通过选择哪些用户被请求发送他们的导频，得到最优的训练策略。在慢时间尺度中，位置估计决策被优化。仿真结果表明，推导出的训练策略提供了相当大的改善的累积平均频谱效率，即使部分位置的知识。
2018-03-16 cs.IT math.IT
Uplink-Downlink Duality and Precoding Strategies with Partial CSI in Cell-Free Wireless Networks
我们认为一个可扩展的以用户为中心的无线网络与动态集群的形成所定义的Björnsson和Sanguinetti。在已经示出了主导信道子空间信息对于上行链路（UL）导频净化的重要性并且已经在我们先前的工作中检查了不同的UL组合方案之后，在这里，我们研究用于下行链路（DL）的预编码策略。针对不同的天线分布、用户密度和UL导频尺寸，评估分布式可扩展DL预编码和功率分配方法。我们将分布式功率分配方法与基于特定形式的UL-DL二元性的方案进行比较，该方案可由中央处理器基于可用的部分信道状态信息来计算。新的对偶方法实现了UL和DL的几乎对称的“乐观遍历速率”，同时节省了相当大的计算复杂性，因为UL组合向量被重用为DL预编码器。
2022-01-17 cs.IT eess.SP math.IT
Low-Resolution Precoding for Multi-Antenna Downlink Channels and OFDM
下行链路预编码被考虑用于多径多输入单输出信道，其中基站使用正交频分复用和低分辨率信令。提出了一种量化坐标最小化（QCM）算法，并将其性能与其他预编码算法进行了比较，包括平方无穷范数松弛（SQUID），多天线贪婪迭代量化（MAGIQ）和最大安全裕度预编码。MAGIQ和QCM实现了最高的信息速率，QCM具有最低的复杂度，以乘法的数量来衡量。计算导频辅助信道估计和数据辅助信道估计的信息速率。5G低密度奇偶校验码的比特出错率证实了信息理论计算。在发射机处具有不完善信道知识的仿真表明，QCM和SQUID的性能以与具有高分辨率量化器的迫零预编码类似的方式下降。
2022-08-29 cs.IT math.IT
Distributed Precoding Design for Multi-Group Multicasting in Cell-Free Massive MIMO
我们考虑多组多播预编码设计无小区大规模多输入多输出（MIMO）系统。为了优化发送和接收波束成形策略，我们专注于最小化的最大均方误差（MSE）的总和在多播组，然后近似的总和MSE，以简化计算和信令。我们采用了一种迭代的双向训练方案与上行链路和下行链路预编码的导频协作设计的多组多播预编码器在每个基站和组合器在每个用户设备在分布式的方式。引入了附加的组特定上行链路训练资源，其完全消除了对用于信道状态信息（CSI）交换的回程信令的需要。我们还提出了一个更简单的分布式预编码设计，仅基于组特定的导频，这可能是有用的情况下，稀缺的训练资源。数值结果表明，所提出的分布式方法大大优于传统的无小区的大规模MIMO预编码设计，只依赖于本地CSI。
2022-11-10 cs.IT eess.SP math.IT
Deep Learning for Distributed Channel Feedback and Multiuser Precoding in FDD Massive MIMO
本文表明，深度神经网络（DNN）可用于有效的和分布式的信道估计，量化，反馈，和下行链路多用户预编码的频分双工大规模多输入多输出系统中，基站（BS）服务于多个移动用户，但从用户到BS的速率受限的反馈。一个关键的观察是，多用户信道估计和反馈问题可以被认为是一个分布式信源编码问题。在传统的方法中，信道状态信息（CSI）的估计和量化在每个用户独立的，本文表明，联合设计的导频和一个新的DNN架构，直接映射到反馈比特在用户侧的接收导频，然后从所有用户的反馈比特直接映射到预编码矩阵在BS，可以显着提高整体性能。本文进一步提出了鲁棒的设计策略，相对于信道参数，也是一个可推广的DNN架构的不同数量的用户和反馈比特数。数值结果表明，基于DNN的方法具有短导频序列和非常有限的反馈开销，已经可以接近传统的线性预编码方案的性能与完整的CSI。
2021-01-26 cs.IT eess.SP math.IT
Estimation of Doubly-Dispersive Channels in Linearly Precoded Multicarrier Systems Using Smoothness Regularization
针对URLLC中线性预编码多载波系统的双色散信道估计难题，提出仅预编码数据、在TF域直接放置导频并利用平滑正则化插值的方案，实现高精度估计并降低信令开销。
2022-10-11 cs.IT eess.SP math.IT
Cache-Aided Massive MIMO with Linear Precoding in Multi-cell Systems
在本文中，我们提出了一种新的联合缓存和大规模多输入多输出（MIMO）传输方案，称为\emph{cache-aided massive MIMO}，多小区下行链路传输到多个缓存使能接收器。利用所提出的方案，已经缓存了他们请求的文件（的一部分）的用户被卸载，并且因此在下行链路传输期间（部分）不活动。其他用户或者受益于用于减轻导频污染的高速缓存使能卸载，或者利用高速缓存但未请求的文件来消除上行链路信道估计和下行链路文件接收期间的干扰。此外，通过重新设计基于用户的缓存状态和信道状态信息的发送预编码器，我们获得了额外的自由度的大规模MIMO传输。对于给定的缓存状态，我们分析等效内容交付率（ECDR），即，对于采用重新设计的最大比传输（MRT）、迫零（ZF）预编码和正则化迫零（RZF）预编码的高速缓存辅助的大规模MIMO，经由高速缓存和大规模MIMO传输向请求用户递送所请求的文件的平均速率。基于推导的结果，（随机）未编码缓存和编码缓存的重新设计的预编码方案的性能的影响进行了研究。仿真结果验证了我们的推导，并表明，缓存是有益的预编码下行链路传输，因为它提高了发射功率分配，减轻内和小区间的干扰，并减少导频污染造成的损害。与传统的大规模MIMO没有缓存和缓存无关预编码相比，所提出的缓存辅助大规模MIMO方案实现了显着更高的ECDR，即使当用户的数量接近发射天线的数量。
2022-04-10 cs.IT math.IT
Tri-Domain Multiuser MIMO Precoding Optimization and Channel Estimation with Spatial-EM Reconfigurable Antenna
针对集成空间可重构天线与电磁可重构天线的三域多用户MIMO系统，提出基于加权最小均方误差的三域联合优化算法和低开销移动辅助信道估计方案，提升频谱效率与信道估计精度。
2026-08-27 cs.IT eess.SP math.IT
Feedback Design with VQ-VAE for Robust Precoding in Multi-User FDD Systems
本文提出基于VQ-VAE的反馈方案，用于多用户FDD系统中的鲁棒预编码设计，在低导频开销下优于现有AE压缩和DFT码本方案，可减少反馈比特或导频需求。
2024-08-08 cs.IT eess.SP math.IT
Low-Overhead Channel Estimation via 3D Extrapolation for TDD mmWave Massive MIMO Systems Under High-Mobility Scenarios
Jinan University（暨南大学）；University of Macau（澳门大学）；East China Normal University（华东师范大学）；Southeast University（东南大学）；Tsinghua University（清华大学）
针对高移动 TDD mmWave massive MIMO 的信道老化与高维导频开销问题，提出空间-频率-时间 3D 外推框架及 KDD-SFCEN、TUDCEN，将导频开销降低 16 倍并提升频谱效率。
2024-12-29 cs.AI cs.IT eess.SP
Pilot Decontamination in CMT-based Massive MIMO Networks
在时分双工（TDD）模式下的大规模MIMO网络中，导频污染问题在很大程度上限制了网络的期望容量。本文解决了这个问题，在余弦调制多音（CMT）为基础的大规模MIMO网络，利用其所谓的盲均衡属性。我们扩展和应用盲均衡技术从单天线的情况下，多蜂窝大规模MIMO系统，并表明它可以消除信道估计误差（由于导频污染效应），而不需要任何不同的小区之间的合作或传输额外的训练信息。我们的数值结果主张的功效，建议的盲技术，提高信道估计精度和消除的残留信道估计误差所造成的其他细胞的用户。
2014-06-19 cs.IT math.IT
A Rate Splitting Strategy for Mitigating Intra-Cell Pilot Contamination in Massive MIMO
大规模MIMO（Massive MIMO，MaMIMO）系统的频谱效率（SE）受到低质量信道估计的影响。速率分裂（RS）作为一种有效的手段，近年来在多用户多天线系统中得到了一些关注，以减轻多用户干扰，由于不完善的信道状态信息。本文研究了在单小区MaMIMO系统下行链路中，当所有用户使用相同的导频序列进行信道估计时，RS的好处。在下行链路中通过单层RS策略（依赖于每个用户侧的单个连续干扰消除）实现的SE的新表达式被导出并用于设计用于公共和私有消息的预编码方案和功率分配策略。数值结果表明，所提出的RS解决方案实现了更高的频谱效率，传统的最大比预编码的MaMIMO。
2020-03-13 cs.IT eess.SP math.IT
Can Dynamic TDD Enabled Half-Duplex Cell-Free Massive MIMO Outperform Full-Duplex Cellular Massive MIMO?
我们考虑一种支持动态时分双工（DTDD）的无小区大规模多输入多输出（CF-mMIMO）系统，其中每个半双工（HD）接入点（AP）基于用户设备（UE）的数据需求被调度为在上行链路（UL）或下行链路（DL）模式下操作，目标是最大化总UL-DL频谱效率（SE）。我们开发了一种新的，低复杂度，贪婪算法的组合AP调度问题，与理论上建立的最优性保证，通过显示的下限的总和UL-DL SE是子模块化。我们还考虑了UE之间的导频序列重用以限制信道估计开销。在CF系统中，所有AP估计来自每个UE的信道，使得导频分配问题不同于蜂窝情况。我们开发了一种新的算法，迭代最大限度地减少跨UE的导频污染。我们比较我们的解决方案的性能，无论是理论上和通过模拟，对全双工（FD）多小区mMIMO系统。我们的研究结果表明，由于在中央处理单元的信号的联合处理，CF-mMIMO与动态高清AP调度显着优于蜂窝FD-mMIMO的总和SE和90%的可能SE。因此，DTDD使能的HD CF-mMIMO是蜂窝FD-mMIMO的有前景的替代方案，而无需用于自干扰抑制的硬件成本。
2022-05-21 cs.IT eess.SP math.IT
Deep-Learning Aided Channel Training and Precoding in FDD Massive MIMO with Channel Statistics Knowledge
提出了一种基于深度神经网络（DNN）的FDD大规模MIMO中的信道训练和预编码方法，利用下行链路（DL）信道协方差知识。DNN被优化以通过基于用户信道协方差产生预波束成形矩阵来最大化DL多用户和速率，该预波束成形矩阵将原始信道向量映射到有效信道。这些有效信道的测量在用户处经由公共导频传输接收，并且通过模拟反馈发送回基站（BS）而无需进一步处理。BS根据接收到的反馈估计有效信道，并且通过在有效信道上将优化的预波束成形矩阵与迫零预编码器级联来构造线性预编码器。我们表明，所提出的方法产生显着更高的总速率比国家的最先进的基于DNN的信道训练和预编码方案，特别是在小导频和反馈大小相对于信道相干块长度的情况下。与文献中的许多作品不同，我们的主张不涉及在用户端部署DNN，这通常会带来很高的计算成本和系统上的参数传输开销，因此更加实用。
2023-03-20 cs.IT eess.SP math.IT
Subspace-Based Pilot Decontamination in User-Centric Scalable Cell-Free Wireless Networks
我们考虑一个无小区的无线系统，在时分双工（TDD）模式与用户为中心的集群的远程无线电单元（RU）。由于每个信道相干时隙的上行链路导频维度是有限的，所以副导频用户可能会招致相互导频污染。在当前的文献中，假设所有用户信道的长期统计知识是可用的。这使得最小均方误差信道估计或简化的主导子空间投影成为可能，这在对信道协方差矩阵的某些假设下实现了显著的导频净化。然而，估计信道协方差矩阵或甚至仅估计其在形成用户集群的所有RU处的主导子空间不是一件容易的任务。事实上，如果设计不当，这种长期统计估计的试验计划也会受到污染问题的影响。在本文中，我们提出了一种新的信道子空间估计方案明确设计的无小区无线网络。我们的方案是基于1）一个探测参考信号（SRS）使用拉丁方宽带跳频，和2）一个子空间估计方法的基础上，鲁棒主成分分析（R-PCA）。SRS跳频方案确保对于参与其集群的任何用户和任何RU，只有少数导频测量将包含强的副导频干扰。这几个严重污染的测量（隐式）消除R-PCA，这是为了规范的估计和折扣的“离群”的测量。我们的仿真结果表明，该方案实现了几乎完美的子空间知识，这反过来又产生系统性能非常接近理想的信道状态信息，从而从根本上解决了无小区的用户为中心的TDD无线网络中的导频污染的问题。
2022-11-17 cs.IT eess.SP math.IT
Downlink Spectral Efficiency of Cell-Free Massive MIMO with Full-Pilot Zero-Forcing
与蜂窝通信相比，由于增加了宏分集，大规模多输入多输出（MIMO）可确保以高频谱效率（SE）进行无处不在的通信。然而，系统的可扩展性和性能受到前传业务和干扰的限制。与仅抑制小区内干扰的常规预编码方案不同，在[1]中引入的全导频迫零（fpZF）还主动地抑制小区间干扰，而不在接入点（AP）之间共享信道状态信息（CSI）。在这项研究中，我们推导出一个新的封闭形式的表达的下行链路（DL）SE的无小区大规模MIMO系统与多天线AP和fpZF预编码，不完美的CSI和导频污染。该分析还包括最大-最小公平DL功率优化。数值结果表明，fpZF显着优于最大比传输方案，而不增加前传开销，只要系统是充分分布。
2019-09-06 cs.IT eess.SP math.IT
Downlink Precoding with Mixed Statistical and Imperfect Instantaneous CSI for Massive MIMO Systems
本文研究了大规模多输入多输出（MIMO）系统中一种新的下行链路传输模式的可行性，仅具有统计信道状态信息（CSI）的用户和具有不完美瞬时CSI的用户。研究了混合利用统计CSI和非理想瞬时CSI的下行链路预编码设计问题。首先从理论上分析了两类用户之间的相互干扰对可达速率的影响。在此基础上，考虑到互干扰抑制，提出了一种扩展迫零（eZF）和扩展最大比传输（eMRT）预编码方法，分别以最小化基站总发射功率和最大化用户接收信号功率为目标。由于利用了统计CSI，避免了基于导频的信道估计，从而使更多的活跃用户，更高的系统和速率和更短的传输延迟。最后通过仿真验证了理论分析的正确性和所提出的预编码方法的优越性。
2017-11-30 cs.IT math.IT
A Spatial Basis Coverage Approach For Uplink Training And Scheduling In Massive MIMO Systems
大规模多输入多输出（massive multiple-input multiple-output，massive MIMO）可以提供大的频谱和能量效率增益。然而，其潜力是以获取准确的信道状态信息（CSI）为条件的。在时分双工（TDD）系统中，信道状态信息（CSI）是通过上行链路训练获得的，而上行链路训练受到导频污染的影响。这种现象的影响可以使用空分复用来缓解，空分复用是指基于用户的空间信息对用户进行划分，并相应地处理他们的信号。这种方案的性能主要取决于实现的分组方法。在本文中，我们提出了一种新的空间分组方案，旨在管理导频污染，同时减少所需的训练开销在TDD大规模MIMO。这里，基于离散傅里叶变换矩阵（DFT）的列导出用户特定解码矩阵，将其作为空间基。然后形成副导频用户组，以便获得具有解码矩阵之间的最小重叠的空间基的最佳覆盖。我们提供了两种算法，实现所需的分组，并获得各自的性能保证。我们还通过有效的导频序列分配，利用形成的副驾驶员组来解决小区间副驾驶员干扰。各种数值结果显示所提出的算法的效率。
2018-04-29 cs.IT math.IT
Max-Min Multi-Cell Aware Precoding and Power Allocation for Downlink Massive MIMO Systems
针对下行多小区大规模多输入多输出（MIMO）系统，提出了一种最大最小多小区正则迫零（Max-MinMCA-RZF）预编码和功率分配方案。一般相关信道模型被认为是，和所采用的信道状态信息（CSI）捕获模型包括估计误差和导频污染的影响。我们使用随机矩阵理论的结果，以获得确定性的等价物，建议的最大-最小功率分配在大系统的限制，这仅仅取决于统计CSI，但不是对个人的信道实现。我们的数值计算结果表明，建议的最大-最小MCA-RZF预编码器实现了一个显着更高的网络范围内的最小速率比MCA-RZF和传统的RZF预编码器与均匀的功率分配，分别，以及传统的RZF预编码器与最大-最小功率分配。
2017-04-30 cs.IT math.IT
A Simple DFT-aided Spatial Basis Expansion Model and Channel Estimation Strategy for TDD/FDD Massive MIMO Systems
针对多用户大规模多输入多输出（MIMO）系统，提出了一种新的传输策略，包括上行/下行信道估计和用户调度。首先，利用角度互易性和均匀线阵的物理特性，提出了一种离散傅里叶变换（DFT）辅助的空间基扩展模型（SBEM），用于描述参数维数少的上下行信道。SBEM算法可以用很少的训练资源进行多用户上下行信道估计，大大降低了训练开销和反馈开销。同时，通过利用用户的空间信息，可以立即缓解上行链路训练中的导频污染问题。为了提高频谱效率和充分利用空间资源，我们还设计了贪婪的用户调度方案在数据传输期间。与现有的低秩模型相比，新提出的SBEM提供了一种替代的信道捕获，而无需信道统计的TDD和FDD系统的基础上的角度互易性。此外，所提出的方法可以有效地部署通过快速傅立叶变换（FFT）。各种数值结果证实了所提出的研究。
2016-01-09 cs.IT math.IT
Uplink Interference Reduction in Large Scale Antenna Systems
大规模MIMO系统需要大量（数十或数百个）基站天线来服务数量少得多的终端。与传统的MIMO技术相比，这些系统在频谱和能量效率方面表现出很大的增益。随着天线数量的增加，大规模MIMO系统的性能受到导频污染引起的干扰的限制。A. Ashikhmin和T. Marzetta提出了基于基站之间的有限协作的大规模衰落预编码（LSFP）和解码（LSFD）（以导频污染预编码的名义）。他们表明，迫零LSFP和LSFD完全消除了导频污染，并随着天线数量的增加而导致无限的吞吐量。在本文中，我们专注于上行链路，并表明，即使在有限数量的基站天线的情况下，LSFD产生一个非常大的性能增益。特别是，我们的算法之一给出了超过140倍的增加，在5%的中断数据传输率！我们表明，可以通过优化用户的传输功率进一步提高性能。最后，我们提出了分散的LSFD，只需要有限的合作，相邻细胞之间。
2017-01-18 cs.IT math.IT
Two-Timescale End-to-End Learning for Channel Acquisition and Hybrid Precoding
Zhejiang University（浙江大学）；NVIDIA（英伟达）；Weizmann Institute of Science（魏茨曼科学研究所）
针对毫米波（mmWave）大规模多输入多输出（MIMO）系统，提出了一种基于深度学习的端到端联合收发器设计算法，该算法由深度神经网络（DNN）辅助导频训练、信道反馈和混合模数（HAD）预编码组成。具体来说，我们开发了一种DNN架构，该架构将接收到的导频映射到接收机处的反馈比特，然后进一步将反馈比特映射到发射机处的混合预编码器中。为了减少信令开销和信道状态信息（CSI）的不匹配所造成的传输延迟，两个时标DNN组成的长期DNN和短期DNN的发展。模拟预编码器由长期DNN基于CSI统计来设计，并且在由多个时隙组成的帧中更新一次。相比之下，数字预编码器在每个时隙处基于估计的低维等效CSI矩阵由短期DNN优化。一个双时标的训练方法也开发了建议DNN与二进制层。然后，我们分析了所提出的DNN算法的泛化能力和信令开销。仿真结果表明，我们所提出的技术显着优于传统的方案在比特出错率性能与减少信令开销和更短的导频序列。
2021-10-26 cs.IT cs.LG eess.SP
On-the-fly Uplink Training and Pilot Code Sequence Design for Cellular Networks
采用TDD/OFDM并依赖上行链路训练进行下行链路和上行链路传输的大规模MIMO基站的蜂窝网络被视为5G部署的有吸引力的候选者，因为它们承诺具有相对简单的低延迟操作的高区域频谱和能量效率。我们调查使用非正交上行链路导频设计作为一种手段，用于提高在下行链路的大规模MIMO蜂窝网络的区域频谱效率。我们开发了一类导频设计，在每个小区内是局部正交的，同时保持低的内积性质之间的代码在不同的小区。使用通过对这些码的观测提供的信道估计，每个小区独立地为其本地活动用户提供MU-MIMO传输，该MU-MIMO传输也被设计为减轻对小区外用户的“强干扰”子集的干扰。正如我们基于仿真的分析所示，基于所提出的代码的这种蜂窝操作相对于常规操作产生用户速率CDF改善，这可以被利用来改善小区和/或小区吞吐量性能。
2018-11-06 cs.IT math.IT
Cell-Edge-Aware Precoding for Downlink Massive MIMO Cellular Networks
我们提出了一种小区边缘感知（CEA）迫零（ZF）预编码器，其利用由大量基站（BS）天线提供的多余空间自由度来抑制最脆弱的用户设备（UE）处的小区间干扰。我们评估的下行链路性能的CEA-ZF，以及传统的小区边缘不知道（CEU）ZF预编码器在网络中与随机基站拓扑结构。我们的分析和仿真表明，所提出的CEA-ZF预编码器在以下方面优于CEU-ZF预编码：（i）聚合每小区数据率，（ii）覆盖概率，以及（iii）95%可能性或边缘用户速率。特别地，当完美的信道状态信息和大量天线N在BS处可用时，我们证明了CEA-ZF和CEU-ZF下的中断概率分别衰减为1/N^2和1/N。这一结果表明CEA-ZF是大规模MIMO蜂窝网络的一种更有效的预编码方案。我们的框架还揭示了调度每个BS的UE的最佳数量的重要性，并确认了控制在信道估计阶段期间接收的导频污染量的必要性。
2016-10-11 cs.IT math.IT
Reconfigurable Intelligent Surface-aided Secret Key Generation in Multi-Cell Systems
物理层密钥生成（PKG）利用无线信道的互易性和随机性，在两个合法通信端之间生成对称密钥。然而，在多小区系统中，PKG遭受严重的导频污染，由于在不同的小区中的导频重用。在本文中，我们调用多个可重构智能表面（RISs）的自适应塑造的环境，提高PKG的性能。为此，我们制定了一个优化问题，以最大限度地提高加权和密钥速率（WSKR），通过联合优化的预编码矩阵在基站（BS）和在RIS的相移。为了解决问题的非凸性，我们推导出了WSKR的上界，并证明了它的紧性。为了解决上界最大化问题，我们采用交替优化（AO）为基础的算法，将联合优化分为两个子问题。对于预编码矩阵的子问题，我们采用基于Karush-Kuhn-Tucker（KKT）条件的Lagrangian对偶方法;对于相移子问题，我们采用投影梯度上升（PGA）算法。仿真结果证实了所提出的算法的性能接近最优和有效的RISs通过减少导频污染，以改善WSKR。
2023-03-22 cs.IT math.IT
Performance Analysis of Zero-Forcing Precoding in Multi-Cell One-Bit Massive MIMO Downlink
研究了多小区大规模多输入多输出（MIMO）系统的下行链路性能，该系统在每个基站（BS）的接收和发送射频（RF）链中采用1位模数转换器（ADC）和数模转换器（DAC），以降低功耗。我们利用Bussgang分解推导出最小均方误差（MMSE）信道估计在每个基站的基础上接收的量化的上行链路训练信号，和渐近封闭形式的表达式下实现的下行链路速率下一位量化迫零（ZF）预编码使用估计的信道。导出的表达式明确地示出了量化噪声、热噪声、导频污染和干扰的影响，并且被用来研究在一比特MIMO系统的每个BS处执行以及常规MIMO系统所需的附加天线的数量。数值结果验证了我们的分析，并显示，尽管需要更多的天线来实现相同的和平均速率，一比特的大规模MIMO系统是更节能的比传统的系统，特别是在高采样频率。
2023-03-06 cs.IT math.IT
Scheduling and Dynamic Pilot Allocation For Massive MIMO with Varying Traffic
在本文中，我们考虑的问题，联合用户调度和动态导频分配的时分双工（TDD）的大规模MIMO网络在不同的业务条件下。大规模MIMO系统的主要问题之一是可用的正交导频信号的数量是有限的，并且迫切需要将这些信号动态分配到不同用户以利用这些系统的全部益处。此外，导频信号在实践中是无线电资源控制（RRC）配置的，因此频繁的重新配置导致高信令开销并且是昂贵的。利用李雅普诺夫优化框架，提出了一种基于队列大小、用户信道条件和重构代价的大时间尺度下的导频动态分配算法。然后，它在小的时间尺度上调度用户。数值结果表明，我们的算法的有效性，并表明，导频不需要配置频繁的队列延迟增加的代价。
2020-05-06 cs.IT cs.NI math.IT
Resource Allocation for Cell-free Massive MIMO-enabled URLLC Downlink Systems
超可靠低延迟通信（URLLC）是实现工业物联网（IIoT）设备无线控制的关键技术。通过部署分布式接入点（AP），无小区大规模多输入多输出（CF mMIMO）具有为IIoT设备提供URLLC服务的巨大潜力。在本文中，我们研究了智能工厂中CF mMIMO使能的URLLC。针对最大比传输（MRT）、全导频迫零（FZF）和局部迫零（LZF）预编码方案，推导了有限信道块长度（FCBL）和不完全信道状态信息（CSI）下下行链路各态历经数据率的下界。同时，通过基于导出的LB联合优化导频功率和发射功率来最大化加权和速率。具体来说，我们首先提供的全球最优解的导频功率，然后引入一些近似转换成一系列的子问题，它可以表示在一个几何规划（GP）的形式，可以很容易地解决原来的问题。最后，提出了一种基于不同预编码方案的功率分配优化迭代算法。仿真结果表明，该算法优于现有的算法，和URLLC服务的质量将受益于部署更多的AP，除了FZF预编码方案。
2023-02-18 cs.IT eess.SP math.IT
