Efficient use of paired spectrum bands through TDD small cell deployments
传统上，无线蜂窝系统已经被设计为在频分双工（FDD）配对频带中操作，该频分双工（FDD）配对频带为下行链路（DL）和上行链路（UL）通信两者分配相同量的频谱。这种设计在对称DL/UL业务条件下非常方便，因为它曾经是语音传输是主要服务的情况。然而，随着数据服务的大量出现，带来了DL和UL之间的大的不对称性，传统的FDD解决方案变得低效。在这方面，灵活的频谱分配概念旨在通过根据实际业务需求调整资源来导出用于改善频谱利用率的过程。在这项工作中，我们回顾了这些概念，并提出了在用于小eNB（SeNB）的未使用的资源上使用未配对的时分双工（TDD）频谱，使得与那些SeNB相关联的用户设备（UE）可以在DL或UL中被服务。该建议通过用户向基于TDD的系统卸载来消除基于FDD的系统中的饱和DL。从三个角度分析了灵活组网的概念：a）监管，b）长期演进（LTE）标准化，以及c）技术解决方案。
2016-12-07 cs.IT math.IT
Dynamic Time-Frequency Division Duplex
本文介绍了动态时频分双工（D-TFDD），它是一种结合时分双工（TDD）和频分双工（FDD）的新型双工方案。在D-TFDD中，用户在一个频带中在下行链路上从基站（BS）接收，并且在另一频带中在上行链路上向BS发送，如在FDD中一样。接下来，用户以D-TDD方式与另一用户的上行链路发送或下行链路接收共享其在相应频带上的上行链路发送（下行链路接收）。因此，在给定频带中，BS以D-TDD方式与用户1（U1）和用户2（U2）通信。所提出的D-TFDD方案不需要小区间干扰（ICI）知识，并且仅需要本地BS-U1和BS-U2信道的信道状态信息（CSI）。因此，它是切实可行的实施。所提出的D-TFDD方案增加了给定频带中BS与两个用户之间的吞吐量区域，并且显著降低了相应BS-U1和BS-U2信道上的中断概率。最重要的是，所提出的D-TFDD方案使对应的BS-U1和BS-U2信道上的分集增益与现有的分集方案的分集增益相比加倍，这导致非常大的性能增益。
2020-01-30 cs.IT math.IT
A Scalable Framework for CSI Feedback in FDD Massive MIMO via DL Path Aligning
与时分双工（TDD）系统不同，在频分双工（FDD）的情况下，下行链路（DL）和上行链路（UL）信道不再是互逆的。然而，一些长期参数，例如信道路径的时间延迟和到达角（AoA），仍然具有互易性。在本文中，通过有效地利用上述有限的互易性，我们解决了DL信道状态信息（CSI）反馈在一个实际的宽带大规模多输入多输出（MIMO）系统中工作在FDD模式。利用正交频分复用（OFDM）波形并假设频率选择性衰落信道，我们提出了一个可扩展的框架，用于DL导频设计、DL CSI获取以及UL中相应的CSI反馈。具体地，基站（BS）可以发送具有精心选择的相移的基于FFT的导频。然后，用户可以依赖于所谓的时域聚合信道（TAC），以根据其自己的关于DL信道的统计的知识或来自服务BS的指令来导出降低的维数的反馈。我们证明，每个用户可以只反馈一个标量数每个DL信道路径的BS恢复DL CSI。全面的数值结果进一步证实了我们的设计。
2016-12-30 cs.IT math.IT
Full-Duplex and Dynamic-TDD: Pushing the Limits of Spectrum Reuse in Multi-Cell Communications
虽然在蜂窝网络中全双工和动态时分双工有望提高频谱效率，但到目前为止，它们的潜力受到干扰增加的挑战。虽然以前的研究已经表明，自干扰可以被抑制到足够的水平，我们表明，交叉链路干扰的两种传输模式，特别是从基站到基站，是在多小区网络的剩余的挑战，限制了上行链路的性能。使用低复杂度的波束成形技术，我们表明，这种干扰可以减轻，全双工和动态时分双工可以大大增加多小区网络的容量。我们的研究结果表明，如果我们可以控制全双工的交叉链路干扰，那么我们可以几乎增加一倍的多小区网络容量以及用户吞吐量。因此，本文中的技术有潜力，使一个顺利的全双工引入蜂窝系统。
2020-10-21 cs.IT cs.NI eess.SP
Simultaneous Wireless Information and Power Transfer Under Different CSI Acquisition Schemes
在这项工作中，我们考虑一个多输入单输出系统中，接入点（AP）执行的同时无线信息和功率传输（SWIPT），以服务于用户终端（UT），不配备外部电源。为了评估SWIPT的功效，我们将实际相关的场景作为目标，该场景的特征在于发射机处的不完美信道状态信息（CSI）、与CSI获取过程相关联的惩罚的存在、以及由UT执行的操作（诸如CSI估计、上行链路信令和数据解码）的非零功耗。我们分析了三种不同的情况下，在AP的CSI知识：没有CSI，和不完善的CSI的情况下，时分双工和频分双工通信。的遍历下行链路速率和能源短缺和数据中断概率的封闭形式的表示推导出的三种情况下。此外，解析表达式的遍历最优的持续时间的功率传输和信道估计/反馈阶段。我们的数值研究结果验证了我们的推导的正确性，也显示了CSI知识的重要性和好处，在AP的SWIPT系统，虽然不完善，并获得在信息传输的时间为代价。
2016-05-18 cs.IT math.IT
Opportunism in Dynamic Spectrum Access for 5G: A Concept and Its Application to Duplexing
随着大规模物联网（IoT）时代的到来，5G无线系统面临的挑战之一将是应对前所未有的频谱紧缩。一种潜在的解决方案已经出现，其形式是频谱共享，这偏离了垄断性频谱使用系统。本文研究了介质访问控制（MAC）作为一种手段，增加频谱共享技术的可行性。我们首先以概率的方式量化频谱接入的机会，这种方法称为机会概率（OP）。基于OP框架，我们提出了一种随机MAC算法，其中节点的访问是随机确定自己的OP值。作为我们的OP基于随机MAC的一个可能的应用，我们提出了一个混合半双工（HD）/全双工（FD）通信，其中每对决定的路由模式，根据两对节点的OP值。这种方法很好地适合于频谱共享系统，因为它使得能够根据频谱使用水平灵活地操作频谱接入。通过数值分析，我们验证了可行性，并通过实现一个基于FPGA的实时原型验证了性能增强。测量和数值结果证实，所提出的架构可以实现高达4倍的系统吞吐量比传统的LTE-TDD（时分双工）系统。
2018-01-22 cs.IT cs.NI math.IT
Efficient Downlink Channel Probing and Uplink Feedback in FDD Massive MIMO Systems
大规模多输入多输出（Massive Multiple-Input Multiple-Output，大规模MIMO）是多用户MIMO的一种变体，其中每个基站（Base Station，BS）处的天线数量非常大，并且通常比同时服务的用户数量大得多。大规模MIMO可以利用时分双工（TDD）或频分双工（FDD）操作来实现。FDD大规模MIMO系统由于其在当前无线网络中的实现方式以及其在具有对称业务和延迟敏感应用的情况下的效率而特别令人期望。然而，已知实现FDD大规模MIMO系统是具有挑战性的，因为它在上行链路（UL）中强加了大的反馈开销以获得下行链路（DL）的信道状态信息。近年来，大量的研究致力于开发减少此类系统中的反馈开销的方法。在本文中，我们使用稀疏的空间散射特性的环境来实现这一目标。想法是从UL信道观测估计连续的、频率不变的散射函数的支持，并且使用该估计经由适当的插值来获得DL信道向量的支持。我们使用所得到的支持估计设计一个有效的DL探测和UL反馈方案，其中反馈维度的比例与DL信道向量的稀疏顺序。由于稀疏顺序是远远小于BS天线的数量在几乎所有的实际相关的情况下，我们的方法招致的反馈开销比目前提出的方法在文献中，如那些基于压缩感知。我们使用数值模拟来评估我们的探测反馈算法的性能，并将其与这些方法进行比较。
2017-08-15 cs.IT math.IT
Joint Spatial Division and Multiplexing for FDD in Intelligent Reflecting Surface-assisted Massive MIMO Systems
智能反射表面（IRS）是一种很有前途的技术，可以在第五代（5G）及以后的无线网络中提供更高的频谱和能量要求，同时塑造传播环境。这种设计可以进一步增强大规模多输入多输出（mMIMO）特性，以提高网络性能。然而，在mMIMO等5G系统中假设的信道互易性在实践中似乎受到最近关于IRS的研究的质疑。因此，与以前的工作相反，我们考虑频分复用（FDD）来研究IRS辅助的mMIMO系统的性能。然而，FDD不适合于大量天线架构。出于这个原因，我们采用联合空分复用（JSDM）的方法，利用信道向量的相关性的结构，以减少信道状态信息（CSI）的上行链路反馈，并因此，甚至允许使用大量的天线在基站。JSDM需要双重结构的预编码，并将具有相同协方差矩阵的用户设备（UE）聚类成组。具体而言，我们推导出的总和频谱效率（SE）的基础上统计CSI在大规模的统计，通过使用确定性等效（DE）分析，同时占相关瑞利衰落。随后，我们制定的优化问题的总和SE相对于反射波束形成矩阵（RBM）和总发射功率，这可以在每几个相干间隔，利用大规模统计的慢时间变化。这个显著的属性进一步有助于减少反馈开销。
2022-06-28 cs.IT math.IT
Noncoherent Trellis Coded Quantization: A Practical Limited Feedback Technique for Massive MIMO Systems
准确的信道状态信息（CSI）对于获得单用户（SU）多输入多输出（MIMO）无线通信系统中的波束成形增益和多用户（MU）MIMO无线通信系统中的复用增益是必不可少的。现有技术的有限反馈方案依赖于用于信道量化的预定义码本，仅适用于少量发射天线和低反馈开销。为了将通知的发射机方案扩展到在基站处具有大量发射天线的新兴大规模MIMO系统，一种常见的方法是采用时分双工（TDD）并利用从信道互易性获得的隐式反馈。然而，大多数现有的蜂窝部署是基于频分复用（FDD）的，因此，探索这种系统的向后兼容的大规模MIMO升级是非常有意义的。对于每个天线的固定反馈速率，用于量化信道的码字的数量随着天线的数量呈指数增长，因此基于从标准矢量量化码本的查找来生成反馈不成比例。在本文中，我们提出了非相干网格编码量化（NTCQ），其编码复杂度与天线的数量成线性比例。该方法利用了格拉斯曼流形上的信源编码和非相干序列检测之间的对偶性。此外，由于非相干检测可以实现近最佳使用一个银行的相干检测器，我们得到了一个低复杂度的实现NTCQ编码使用现成的Viterbi算法应用于标准的网格编码量化。我们还开发了先进的NTCQ计划，利用各种信道特性，如时间/空间相关性。仿真结果表明，所提出的NTCQ及其扩展可以达到接近最优的性能与适度的复杂度和反馈开销。
2013-11-08 cs.IT math.IT
Joint Spatial Division and Multiplexing: Opportunistic Beamforming and User Grouping
联合空分复用（JSDM）是最近提出的方案，以实现频分双工（FDD）系统的大规模MIMO类增益和简化的系统操作。其关键思想在于将用户划分为具有近似相似协方差的组，并使用两阶段下行链路波束成形：预波束成形器，其取决于信道协方差并最小化跨组的干扰，以及预波束成形后的有效信道的多用户MIMO预编码器，以抵消组内的干扰。我们首先专注于一个固定数量的天线和大量的用户的制度，并表明，机会与用户选择波束成形产生显着的增益，因此，信道相关性可能会产生一个容量的改善不相关的“各向同性”的信道结果谢里夫和Hassibi。我们证明，在存在不同的相关性组之间，一个块对角化的预波束形成器的设计方法实现了最佳的和率缩放。接下来，我们考虑大量的天线和用户的政权，用户选择不提供显着的增益。在这里，我们提出了一个简化的用户分组算法，当天线的数量变得非常大，在一个现实的设置，用户是随机分布的，并具有不同的到达角和角扩展取决于传播环境的集群用户成组。我们随后的分析导致了一个概率调度算法，在每个组内的用户随机预选的基础上从大系统分析得出的概率，根据公平性标准。这是有利的，因为仅需要所选择的用户反馈其信道状态信息（CSIT）。
2013-05-30 cs.IT math.IT
User Coordination for Fast Beam Training in FDD Multi-User Massive MIMO
大规模多输入多输出（mMIMO）通信是5G及更远网络的使能技术之一。虽然先前的工作表明采用时分双工的mMIMO网络具有显著的容量增长潜力，但是在频分双工（FDD）网络中部署mMIMO仍然存在问题。FDD网络中的两个主要困难是下行链路参考信号的可缩放性和与用于信道状态信息（CSI）获取的所需上行链路反馈相关联的开销。为了解决这些困难，大多数现有的方法利用无线电环境的假设，如信道稀疏性或角互易性。在这项工作中，我们提出了一种新的合作方法的可扩展性和低开销的方法，FDD mMIMO下所谓的网格波束架构。我们的计划背后的关键思想在于利用的近共同的信号传播路径，往往发现在几个移动用户位于附近的地区，通过协调机制。在此过程中，我们利用了5G网络中最近指定的设备到设备通信功能。具体而言，我们设计的波束选择算法能够达到CSI采集开销和多用户干扰缓解之间的平衡。该选择通过所谓的协方差成形利用统计信息。仿真结果表明，所提出的算法的有效性，这证明特别适合于快速变化的信道与短的相干时间。
2020-12-16 cs.IT eess.SP math.IT
CSIT Sharing over Finite Capacity Backhaul for Spatial Interference Alignment
采用时分双工（TDD）传输的蜂窝系统是用于在下行链路中实现干扰对准（IA）的良好候选，因为信道互易性使得能够在上行链路阶段中由基站（BS）估计信道状态。然而，干扰BS需要经由有限容量的回程链路来共享它们的信道估计。提出了一种量化方案，其减少了在TDD系统中实现IA所需的信息交换量（与传统方法相比）。导出了足以保持IA的复用增益的BS之间要交换的比特数的缩放（与发射功率）。
2013-02-05 cs.IT math.IT
Joint Spatial Division and Multiplexing
我们提出了联合空分复用（JSDM），一种多用户MIMO下行链路的方法，利用信道向量的相关性的结构，以允许大量的天线在基站，同时需要在发射机（CSIT）的降维信道状态信息。这允许在下行链路训练和从用户终端到基站的CSIT反馈中的显著节省，从而使得大量基站天线的使用也潜在地适合于频分双工（FDD）系统，对于频分双工（FDD）系统，不能利用上行链路/下行链路信道互易性。JSDM通过级联预波束成形矩阵来形成多用户MIMO下行链路预编码器，该预波束成形矩阵仅取决于信道二阶统计，基于所得的降维有效信道的瞬时知识，具有经典的多用户预编码器。我们证明了一个简单的条件下，JSDM招致没有损失的最优性方面的完整CSIT的情况下。对于均匀线阵，我们证明了当天线数很大时，这种条件非常接近。对于这种情况下，我们使用Szego渐近理论的大Toeplitz矩阵设计一个基于DFT的预波束形成方案，只需要粗略的信息，用户的到达角和角扩展。最后，我们将这些想法扩展到二维基站天线阵列的情况下，与3维波束形成，包括多个波束的仰角方向。我们提供了预波束形成优化的指导方针，并计算系统的频谱效率下的比例公平和最大最小公平标准，表现出非常有吸引力的性能。我们的数值结果是通过一个渐近随机矩阵理论工具，被称为确定性等效近似。
2013-01-28 cs.IT math.IT
Channel Estimation in Massive MIMO Systems
针对每个基站都有大量天线的蜂窝时分复用系统，提出了一种新的盲和半盲信道估计方法。该方法是基于最大后验原理给出了一个先验的信道矢量和接收信号的分布从上行链路的训练和数据阶段。相对于现有的基于导频符号进行线性估计或依赖于盲原理的大规模MIMO信道估计器，所提出的半盲方法有效地抑制了由导频污染引起的大部分干扰。仿真分析表明，半盲估计器优于最先进的线性和非线性方法的大规模MIMO信道估计问题。
2015-03-30 cs.IT 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
Multi-Rate Variable-Length CSI Compression for FDD Massive MIMO
针对FDD大规模MIMO中CSI反馈开销过大的问题，本文提出一种基于带熵瓶颈结构的变分自编码器的灵活压缩方法，支持多速率与可变长度操作，并在归一化均方误差上优于现有技术。
2023-11-30 cs.IT eess.SP math.IT
Throughput Optimization in FDD MU-MISO Wireless Powered Communication Networks
在本文中，我们考虑频分双工（FDD）多用户多输入单输出（MU-MISO）无线供电通信网络（WPCN）组成的一个混合数据和能量接入点（HAP）与多个天线协调能量/信息传输到/从几个单天线无线设备（WD）。通常，在这样的系统中，无线能量传输（WET）需要诸如能量波束成形（EB）的技术，以用于将能量有效地传输到WD。然而，只有当发射机可以获得信道状态信息（CSI）时，才能实现高效的EB，而在FDD系统中，这只能通过上行链路（UL）反馈来实现。因此，虽然在我们的方案中，我们仅将下行链路（DL）信道用于WET，但UL信道帧被分成两个阶段：CSI反馈阶段，在此期间WD将CSI反馈回HAP;以及WIT阶段，在此期间HAP经由空分多址（SDMA）执行无线信息传输（WIT）。为了保证WD之间的速率公平性，本文最大化WD之间的最小WIT数据率。通过迭代求解，将原优化问题分解为两个子问题，并推导了子问题的凸性条件。最后分析了当HAP天线数目增加时系统的性能。仿真结果验证了分析的正确性。
2018-10-02 cs.IT math.IT
CSI Prediction Frameworks for Enhanced 5G Link Adaptation: Performance-Complexity Trade-offs
本文提出两种CSI预测框架，通过比较维纳滤波器与GRU等深度学习模型，探讨了5G系统中性能与复杂度的权衡，指出在不同双工模式下各有优劣。
2025-11-25 cs.IT eess.SP math.IT
Uplink-Downlink Channel Covariance Transformations and Precoding Design for FDD Massive MIMO
当今部署的大多数蜂窝网络利用频分双工（FDD），其中与时分双工（TDD）相比，信道互易性不成立，并且需要显式下行链路（DL）探测和上行链路（UL）反馈以便实现空间复用增益。为了支持大规模MIMO，由常规DL探测和UL反馈方案引起的开销随着BS天线的数量线性缩放，并且因此可能非常大。在本文中，我们提出了一种新的方法来实现一个非常有竞争力的空间复用增益和探测反馈开销之间的权衡在这样的系统。我们的方法基于两种新颖的方法：（i）基于深度神经网络（DNN）的有效正则化技术，其学习用户信道的角度扩展函数（ASF）并允许从噪声i.i.d.通过UL导频自由获得的信道观测（UL-DL协方差变换），（ii）一种新的“稀疏化预编码”技术，其使用来自（i）的估计的DL协方差矩阵并且在DL信道上施加受控的稀疏性，使得给定任何分配的DL导频维度，能够找到最佳稀疏水平和相应的稀疏化预编码器，稀疏化之后的信道向量可以在BS处以低均方误差来估计。我们通过数值模拟将我们在（i）中提出的基于DNN的方法与文献中的其他方法进行了比较，并表明它产生了非常有竞争力的性能。我们还比较了我们的稀疏化预编码器（ii）与最先进的统计波束形成方法的假设下，这些方法也有机会在DL的协方差知识，并表明，我们的方法产生更高的频谱效率，因为它使用另外的瞬时信道信息稀疏化后。
2019-12-05 cs.IT eess.SP math.IT
Packet Throughput Analysis of Static and Dynamic TDD in Small Cell Networks
我们开发了一个分析框架，用于比较在静态时分双工（S-TDD）和动态TDD（D-TDD）下运行的小小区网络的性能。虽然在S-TDD中下行链路/上行链路（DL/UL）小区传输是同步的，但是在D-TDD中，每个小区动态地将资源分配给最需要的方向。通过利用随机几何和排队理论，我们推导出封闭形式的表达式的UL和DL的数据包吞吐量，也捕捉随机流量到达和数据包重传的影响。通过我们的分析，这是通过模拟验证，我们确认，D-TDD优于S-TDD在DL中，反之亦然，发生在UL中，因为非对称传输减少DL干扰的代价是增加UL干扰。我们还发现，在不对称的情况下，其中大部分的业务是在DL，D-TDD提供了一个DL数据包吞吐量增益更好地控制排队延迟，这种增益消失在轻业务制度。
2017-04-05 cs.IT math.IT
Fast-Decodable Asymmetric Space-Time Codes from Division Algebras
多输入双输出（MIDO）码在不久的将来的无线通信中是重要的，其中便携式终端用户设备物理上很小并且通常将包含至多两个接收天线。特别诱人的是4 x 2通道，由于其在数字视频广播（DVB）中的直接适用性。这种信道最佳地采用由（4 × 4）矩阵组成的速率2空时（ST）码。不幸的是，这样的代码通常解码起来非常复杂，因此提出了对具有降低的复杂性的构造的要求。最近，已经提出了一些降低复杂性的结构，但它们主要是基于不同的特设方法，并导致孤立的例子，而不是在一个更一般的代码类。在本文中，它将被证明，一个家庭的划分代数为基础的MIDO码将始终导致至少37.5%的最坏情况下的复杂性降低，同时保持充分的多样性，并首次，非零行列式（NVD）属性。减少遵循的事实是，类似于阿拉姆码，代码将是哈密尔顿四元数的矩阵环的子集，因此允许简化解码。目前，这种减少是最有名的速率二MIDO码。通过计算机模拟，给出了几种显式结构，并证明了它们具有优良的性能。
2010-10-27 cs.IT math.IT math.RA
Statistical Beamforming for FDD Downlink Massive MIMO via Spatial Information Extraction and Beam Selection
在本文中，我们研究了频分复用（FDD）下行链路大规模MIMO系统中的波束成形设计问题，其中瞬时信道状态信息（CSI）被假定为在基站（BS）不可用。我们提出了提取的信息的角度的偏离（AoD）和相应的大尺度衰落系数（a.k.a.）。空间信息）的下行链路信道估计过程，基于此提出了一种新颖的下行链路波束成形设计。在波束形成设计中，我们利用物理信道的空间信息和隐藏稀疏性，将不同用户的子路径分离，构造出近似正交的虚拟信道。此外，我们推导出一个和率表达式及其近似所提出的系统。基于这些封闭形式的速率表达式，我们开发了两个低复杂度的波束选择方案，并进行渐近分析，为系统设计提供有价值的见解。数值结果表明，我们所提出的算法的国家的最先进的波束成形方法的性能显着改善。
2020-03-06 cs.IT math.IT
Limited Feedback Designs for Machine-type Communications Exploiting User Cooperation
多用户多输入多输出（MIMO）系统是用于机器类型通信（MTC）网络中的大连接密度的主要候选者。MTC网络的关键挑战之一是在接入点（AP）处获得准确的信道状态信息（CSI），使得可以通过启用增强的MIMO技术来提高频谱效率。然而，目前的通信机制依赖于频分双工（FDD）可能无法完全支持大量的设备，由于速率约束的有限反馈和耗时的调度架构。在本文中，我们提出了一种基于用户协作的有限反馈策略，以支持大规模MTC网络中的高连接密度。在该算法中，两个相邻用户共享信道信息的量化版本，以提高信道反馈的准确性。在没有任何发射机干预的情况下执行协作过程（即，以免授权方式）来满足对于MTC服务至关重要的低延迟要求。此外，基于和速率吞吐量分析，我们开发了一种自适应的合作算法，以期激活/停用用户合作模式，根据信道和网络条件。
2019-04-23 cs.IT math.IT
Atomic Norm Denoising-Based Joint Channel Estimation and Faulty Antenna Detection for Massive MIMO
本文研究了时分双工（TDD）模式下大规模多输入多输出（MIMO）系统的联合信道估计和故障天线检测。对于有故障天线的系统，我们表明，故障天线对上行链路（UL）数据传输的影响不会消失，即使无限数量的天线。然而，信号检测性能可以提高与故障天线的指标的先验知识。这促使我们提出的方法，同时进行信道估计和故障天线检测。利用物理信道矩阵的自由度小于自由参数的数目这一事实，信道估计和故障天线检测可以表示为扩展的原子范数去噪问题，并通过交替方向乘法器（ADMM）有效地求解。此外，我们提出了一个快速算法，提高了计算效率，并表明它是一个很好的近似相应的扩展原子范数最小化方法。数值模拟提供了几个现有的方法，并证明了检测故障天线的索引的性能增益所提出的算法的性能进行比较。
2017-09-20 cs.IT math.IT
Interference Mitigation for Cognitive Radio MIMO Systems Based on Practical Precoding
针对认知无线电多输入多输出（CR-MIMO）网络，提出了两种基于子空间投影的预编码方案，即基于全投影（FP）和基于部分投影（PP）的预编码，以降低CR-MIMO网络对时分双工（TDD）系统的干扰。所提出的预编码方案能够估计CR和主网络之间的干扰信道，并通过一种新的感知方法将从主到CR系统的干扰纳入CR预编码。然后，CR性能和所产生的干扰，所提出的预编码方案进行了分析和评估。通过将CR传输完全投影到干扰信道的零空间上，基于FP的预编码方案可以有效地避免干扰具有提高的CR吞吐量的主系统。而基于PP的方案能够通过将其传输部分地投影到零空间上来进一步提高CR吞吐量。
2011-04-21 cs.IT math.IT
Composite Channel Estimation in Massive MIMO Systems
我们考虑一个多用户（MU）多输入多输出（MIMO）时分双工（TDD）系统中，基站（BS）配备了大量的天线与单天线移动用户进行通信。在这样的系统中，BS必须通过上行链路导频来估计包括大尺度衰落系数（LSFC）和小尺度衰落系数（SSFC）的信道状态信息（CSI）。虽然关于前FC的信息在MU-MIMO或分布式MIMO系统中是必不可少的，但是在处理MIMO CSI估计问题时，它们通常被忽略或被假定为完全已知。我们利用大规模MIMO BS的大空间样本，在缺乏SSFC信息的情况下推导出准确的LSFC估计。与估计的LSFC，SSFC，然后获得使用降秩（RR）的信道模型，在本质上转换成一个较低的维度表示的信道向量。我们分析了所提出的复合信道估计器的均方误差（MSE）性能，并证明了RR模型提供的可分离到达角（AoA）信息有利于提高估计器的性能，特别是当上行链路信号的角度扩展不是太大时。
2013-12-04 cs.IT math.IT
On Channel Reciprocity in Reconfigurable Intelligent Surface Assisted Wireless Network
信道互易性极大地促进了时分双工（TDD）多输入多输出（MIMO）通信中的下行链路预编码，而不需要信道状态信息（CSI）反馈。最近，可重构智能表面（RISs）作为一种有前途的技术，以提高未来的无线网络的性能出现。然而，由于RIS的人工电磁特性并不严格遵循正常的自然规律，这就提出了一个问题：信道互易性在RIS辅助的TDD无线网络中是否成立？在简要回顾了互易定理之后，本文证明了在满足一定条件的RI辅助无线网络中仍然存在信道互易性。我们还通过实验证明了在6 GHz以下和毫米波频段的互易性，通过使用两个制造的RIS。此外，我们还介绍了几种实现非互易通道的RIS辅助方法。最后，互惠/非互惠RISs带来的潜在机会和未来的研究方向进行了概述。
2021-09-08 cs.IT math.IT
Joint Spatial Division and Coaxial Multiplexing for Downlink Multi-User OAM Wireless Backhaul
射频（RF）处的轨道角动量（OAM）提供了在相同频率信道上复用一组正交模式以实现高频谱效率（SE）的新颖方法。然而，现有的OAM无线通信的研究主要集中在点对点传输的视线（LoS）场景。提出了一种基于均匀圆阵（UCA）的广播网络下行多用户OAM（MU-OAM）无线回程的总体方案，实现了联合空分同轴复用（JSDCM）。所提出的下行链路MU-OAM无线回程系统的一个显著特征是信道矩阵完全由每个小基站（SBS）的位置来表征，与子载波和天线的数量无关，这避免了传统下行链路多用户多输入多输出（MU-MIMO）无线回程系统所需的估计大信道矩阵。此后，我们提出了一种基于OAM的多用户距离和到达角（AoA）估计方法，它能够同时估计多个SBS的位置与灵活的训练符号的数量。利用估计的距离和AoA，应用MU-OAM预处理方案来消除下行链路MU-OAM信道中的共模和模间干扰。最后，将所提出的方法推广到采用均匀同心圆阵列（Uniform Concentric Circular Array，UCCA）的下行MU-OAM-MIMO无线回传系统，与传统MU-MIMO系统相比，该系统可以获得更高的频谱效率（SE）和能量效率（EE）。数学分析和仿真结果表明，该方案能够有效地消除实际下行MU-OAM信道的干扰，接近理想MU-OAM信道的性能。
2021-10-18 cs.IT eess.SP math.IT
Channel Feedback Based on AoD-Adaptive Subspace Codebook in FDD Massive MIMO Systems
信道反馈是频分复用（FDD）大规模多输入多输出（MIMO）系统中必不可少的环节。不幸的是，以前的多用户MIMO的工作已经表明，信道反馈的码本大小应该与基站（BS）的天线，这是大大增加在大规模MIMO系统的数量呈指数级。为了减少码本大小和反馈开销，我们提出了一种用于FDD大规模MIMO系统信道反馈的自适应子空间码本。我们的关键见解是利用观察路径AoD变化比路径增益更慢。在角度相干时间内，通过利用恒定的AoD信息，所提出的AoD自适应子空间码本能够以更准确的方式对信道矢量进行估计。我们还提供了性能分析的建议的码本在大的维度制度，在那里我们证明，以限制在一个可接受的水平内的容量退化，所需的反馈位数只与可分辨的（路径）AoD，这是远远小于BS天线的数量线性缩放。此外，我们比较量化的信道反馈使用建议的AoD自适应子空间码本与模拟信道反馈。提供了大量的模拟，验证了分析结果。
2017-04-03 cs.IT math.IT
Boosting Dynamic TDD in Small Cell Networks by the Multiplicative Weight Update Method
本文利用乘法权重更新方法提出去中心化算法，自适应调整上下行时间分配，使动态时分双工在下行吞吐量提升两倍、上行提升三倍，并优于静态时分双工。
2024-02-08 cs.IT math.IT
Wireless Networks with Energy Harvesting and Power Transfer: Joint Power and Time Allocation
在本文中，我们认为，无线供电的通信网络，可以永久运行，作为基站（BS）广播能量的多个能量收集（EH）的信息发射机。这些采用“收集然后发送”机制，因为它们花费在先前BS能量广播期间收集的所有能量来向BS发送信息。假设时分多址（TDMA），我们提出了一种新的传输方案，联合优化分配的BS广播功率和无线节点之间的分时共享，最大化的整体网络吞吐量，在BS的平均发射功率和最大发射功率的约束下。所提出的计划显着优于“最先进的”计划，只采用最佳的时间分配。如果考虑单个EH发射器，则我们将固定电路功耗的情况下的最优解决方案概括为更实际的场景。
2016-03-01 cs.IT math.IT
Finite-SNR Diversity-Multiplexing Tradeoff and Optimum Power Allocation in Bidirectional Cooperative Networks
本文重点研究了双向协作网络中的两种主要协议--模拟网络编码（ANC）和时分广播（TDBC）。首先推导了这两种协议的中断概率的下界。这些下限在整个信噪比（SNR）范围内都是非常紧的，与信道方差的值无关。基于这些下界，有限SNR分集复用的ANC和TDBC协议的折衷。其次，我们研究如何有效地使用信道状态信息（CSI）在这两个协议。具体而言，提出了一种最佳的ANC协议的功率分配方案。它同时最小化中断概率和最大化该协议的总互信息。对于TDBC协议，在等功率分配的假设下，提出了一种在中继端合并接收信号的最优方法。该方法在最小化中断概率的同时，最大化TDBC协议的总互信息。
2008-10-15 cs.IT math.IT
What Is the True Value of Dynamic TDD: A MAC Layer Perspective
小小区网络（SCN）被设想为包含动态时分复用（TDD），以便针对DL/UL业务的快速变化和突发性来定制下行链路（DL）/上行链路（UL）子帧资源。对动态TDD的研究尤为重要，因为它为全双工传输技术提供了有价值的见解，全双工传输技术已被确定为第五代（5G）网络的候选技术之一。到目前为止，关于动态TDD的现有工作已经表明，由于物理（PHY）层中的强DL到UL干扰，动态TDD的UL遭受严重的性能降级。这个结论提出了一个基本的问题：尽管有如此明显的技术劣势，动态TDD的真正价值是什么？在本文中，我们回答了这个问题，从媒体访问控制（MAC）层的观点和同步动态TDD，这已被广泛采用在现有的第四代（4G）系统的DL/UL时间资源利用率（TRU）的分析结果。我们的分析结果为未来同步5G网络中的动态TDD提供了新的思路。
2017-09-26 cs.IT cs.NI math.IT
Precoding-oriented Massive MIMO CSI Feedback Design
New York University（纽约大学）；Nokia Bell Labs（诺基亚贝尔实验室）
本文提出一种基于深度学习的端到端面向预编码的 Massive MIMO CSI 反馈架构，通过联合设计学习导频、用户压缩器和基站处理，在最小化反馈开销的同时最大化可达速率之和，优于现有预编码导向及传统分离式方法。
2023-02-22 cs.IT cs.LG math.IT
Aggregated Network for Massive MIMO CSI Feedback
在频分复用（FDD）模式下，需要从用户设备向基站发送信道状态信息（CSI）。大规模多输入多输出（MIMO）系统的下行链路CSI是获取潜在增益的关键。近年来，深度学习被广泛应用于大规模MIMO CSI反馈任务，并与传统的压缩感知方法进行了比较。本文设计了一种新型的网络ACRNet，通过网络聚合和参数化RuLU激活来提高反馈性能。此外，有效的方法来扩展网络结构，以换取更好的性能，首先在CSI反馈任务进行了讨论。实验表明，ACRNet在没有任何额外信息的情况下，性能优于以前最先进的反馈网络。
2021-05-04 cs.AI cs.IT eess.SP
Limited Feedback Massive MISO Systems with Trellis Coded Quantization for Correlated Channels
在本文中，我们提出了基于网格编码量化（TCQ）的有限反馈技术的大规模多输入单输出（MISO）频分复用（FDD）系统在时间和空间相关的信道。我们利用信道中存在的相关性来有效地提取信道方向信息（CDI）。对于多用户（MU）系统与匹配滤波器（MF）预编码，我们表明，反馈比特的数量所需的随机矢量量化（RVQ）码本匹配，即使是一小部分完美的CDI信号干扰噪声比（SINR）的性能是大的。对于如此大量的比特，传统码本方法所需的穷举搜索使得它们对于大规模MISO系统是不可行的。出于这一点，我们提出了一个差分TCQ方案的时间相关的信道，变换的源星座在每个阶段的网格使用2D的翻译和缩放技术。我们推导出一个缩放参数的源星座的时间相关性和BS天线的数量的函数。我们还提出了一种基于TCQ的有限反馈方案，用于空间相关信道，其中信道直接量化，而无需在接收机处执行解相关。仿真结果表明，所提出的TCQ方案优于现有的非相干TCQ（NTCQ）方案，通过提高系统的频谱效率和波束形成增益。与差分NTCQ方法相比，所提出的差分TCQ还减少了系统的反馈开销。
2015-12-02 cs.IT 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
Towards Efficient Subarray Hybrid Beamforming: Attention Network-based Practical Feedback in FDD Massive MU-MIMO Systems
Tsinghua University（清华大学）；Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心）
由于信道的非互易性，频分复用（FDD）多输入多输出（MIMO）系统需要进行信道状态信息（CSI）反馈。在深度学习的帮助下，许多工作已经成功地重建了大规模MIMO的压缩理想CSI。然而，简单的CSI重构具有有限的实用性，因为没有考虑信道估计和目标波束成形设计。在本文中，联合优化网络的信道估计和反馈，使频谱效率的波束形成器可以学习。此外，部署友好的子阵混合波束形成架构，并专门设计了一个实用的轻量级端到端网络。实验表明，该网络是超过10倍轻的资源敏感的用户设备相比，以前的国家的最先进的方法，只有一个很小的性能损失。
2023-02-05 cs.AI cs.IT eess.SP
Deep Learning Based FDD Non-Stationary Massive MIMO Downlink Channel Reconstruction
针对频分复用（FDD）大规模多输入多输出（MIMO）系统，提出了一种基于模型驱动的深度学习下行信道重构方案。空间非平稳性是未来超大孔径大规模MIMO系统的关键特征。利用神经网络代替信道矩阵学习信道模型参数，节省了系统开销，提高了信道重构的准确性。通过将通道视为图像，我们引入You Only Look Once（YOLO），这是一种用于目标检测的强大神经网络，可以快速估计模型参数，包括检测路径的角度和延迟以及识别散射体的可见区域。基于深度学习的方案避免了由基于算法的参数提取方法引入的复杂迭代过程。基于低复杂度算法的细化器进一步细化YOLO估计，以达到高精度。鉴于模型驱动深度学习的高效性以及神经网络与算法的结合，该方案能够快速准确地重建非平稳下行信道。此外，所提出的方案也适用于广泛关注的平稳系统，并实现了相当的重建精度作为一种基于算法的方法，大大减少了时间消耗。
2020-02-23 cs.IT eess.SP math.IT
Channel Estimation Method and Phase Shift Design for Reconfigurable Intelligent Surface Assisted MIMO Networks
在本文中，我们研究了一个大的智能表面（LIS）辅助多输入多输出（MIMO）通信系统的信道估计。由于通信设备和LIS终端的紧密接近，期望的信道可以被建模为病态的视线信道。为了高质量地估计这些信道矩阵，我们提出了一种两阶段信道估计方法。特别是，我们采用传统的时分双工MIMO信道估计技术在第一阶段估计终端之间的直接MIMO信道。在第二阶段，我们建议使用最近开发的双线性自适应矢量近似消息传递（BAdVAMP）算法估计病态LIS信道。BAdVAMP方法已被证明是准确和鲁棒的压缩感知中的病态字典学习问题。我们还提出了一个相移设计的LIS使用的估计通道。具体来说，我们制定了一个优化问题，最大限度地提高总信道增益在用户。推导了LIS中各无源元件相移的封闭表达式。数值结果表明，提出的BAdVAMP基于LIS信道估计性能优于其对应的方案双线性广义AMP（BiGAMP），特别是当信道矩阵是病态的。
2020-06-01 cs.IT eess.SP math.IT
Optimization Framework and Graph-Based Approach for Relay-Assisted Bidirectional OFDMA Cellular Networks
本文考虑了一种中继辅助的双向蜂窝网络，其中基站（BS）与每个移动站（MS）使用OFDMA的上行链路和下行链路进行通信。我们的目标是通过探索网络在各个维度（包括用户、子载波、中继和双向流量）的全部潜力来提高整体系统性能。在这项工作中，我们首先介绍了一种新的三时隙时分双工（TDD）传输协议。该协议统一了直接传输，单向中继和网络编码的双向中继之间的BS和每个MS.使用建议的三时隙TDD协议，然后，我们提出了一个优化的资源分配框架，以实现以下收益：合作分集（通过中继选择），网络编码增益（通过双向传输模式选择），和多用户分集（通过子载波分配）。我们将该问题表述为一个组合优化问题，它是NP完全的。为了使其更易于处理，我们采用了基于图的方法。我们首先建立了原问题与图论中的最大权团问题之间的等价关系。然后，采用基于任意蚁群优化（ACO）的元启发式算法在多项式时间内求解。仿真结果表明，该协议与蚁群优化算法一起显著提高了系统的总吞吐量。
2010-09-02 cs.IT cs.NI math.IT
Leveraging Slowly Time-Varying AP-AP Channels for Interference Mitigation in Dynamic TDD
Linköping University（林雪平大学）；Western Sydney University（西悉尼大学）；Ericsson Research（爱立信研究）
针对动态TDD中的交叉链路干扰，利用AP-AP信道缓慢时变特性，通过最小二乘联合估计上行数据和信道，并处理唯一可解性，实现显著干扰抑制。
2026-09-11 cs.IT eess.SP math.IT
A Low-Overhead Incorporation-Extrapolation based Few-Shot CSI Feedback Framework for Massive MIMO Systems
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）
针对大规模MIMO系统CSI反馈开销高和样本需求大的问题，提出基于合并-外推的少样本反馈框架IEFSF，结合知识驱动和AIGC数据增强，在DeepMIMO上实现64倍开销降低并保持高精度。
2024-06-21 cs.AI cs.IT eess.SP
Binarized Aggregated Network with Quantization: Flexible Deep Learning Deployment for CSI Feedback in Massive MIMO System
Tsinghua University（清华大学）；Beijing National Research Center for Information Science and Technology (BNRist)（北京信息科学与技术国家研究中心）
大规模多输入多输出（MIMO）是5G系统中实现更好频谱和能量效率的关键技术之一。在频分双工（FDD）模式下，需要将信道状态信息（CSI）从用户设备反馈到基站。然而，在大规模MIMO系统中，由于大规模天线阵列，直接反馈的开销是不可接受的。近年来，深度学习被广泛应用于压缩CSI反馈任务，并被证明是有效的。在本文中，一种新的网络聚合信道重构网络（ACRNet）的设计，以提高网络聚合和参数整流线性单元（PReLU）激活的反馈性能。还考虑了反馈网络在通信系统中的实际部署。具体而言，弹性反馈方案，提出了灵活地适应网络，以满足不同的资源限制。此外，网络二值化技术与特征量化相结合，以实现轻量级和实用的部署。实验表明，拟议的ACRNet优于以前的国家的最先进的网络负载，提供了一个整洁的反馈解决方案，高性能，低成本和令人印象深刻的灵活性。
2021-05-01 cs.AI cs.IT eess.SP
Deep Learning for UL/DL Channel Calibration in Generic Massive MIMO Systems
Singapore University of Technology and Design（新加坡科技设计大学）；National and Kapodistrian University of Athens（雅典国立卡波季斯特里安大学）；CentraleSupélec, Université Paris-Saclay（巴黎-萨克雷大学中央理工-高等电力学院）；Huawei Technologies France SASU（华为技术法国公司）
实现大规模多输入多输出（MIMO）通信的基本挑战之一是在基站处准确获取多个用户的信道状态信息。这通常在上行链路（UL）方向上实现，得益于时分双工模式。在实际的基站收发器中，不可避免地存在非线性硬件组件，如信号放大器和各种模拟滤波器，这使得校准任务复杂化。为了应对这一挑战，我们设计了一个深度神经网络，用于UL和下行链路（DL）方向之间的信道校准。在初始训练阶段期间，根据UL和DL信道测量来训练深度神经网络。然后，我们利用经训练的深度神经网络与瞬时估计的UL信道来校准DL信道，这在UL传输阶段期间是不可观察的。我们的数值结果证实了所提出的方法的优点，并表明，它可以实现与传统的方法，如Agros方法和基于最小二乘法的方法，但假设线性硬件行为模型的性能。更重要的是，考虑到UL和DL信道之间的一般非线性关系，证明了我们的深度神经网络方法即使在训练序列的数量有限时也表现出鲁棒的性能。
2019-05-13 cs.AI cs.IT cs.LG
