Jointly Optimal Spatial Channel Assignment and Power Allocation for MIMO SWIPT Systems
研究了多输入多输出（MIMO）系统中同时进行无线信息和功率传输（SWIPT）时空间信道分配和功率分配的联合设计问题。假设在两个通信端的信道状态信息的可用性，我们最大限度地提高收获的能量在多天线接收机，同时满足最小的信息速率要求的MIMO链路。我们首先推导出全局最优的本征信道分配和功率分配设计，然后提出了一个实际动机的最优设计参数的紧密封闭形式的近似。选定的数值结果验证了最优解的有效性，并提供了有用的见解所提出的设计以及帕累托最优的速率能量权衡。
2017-10-24 cs.IT math.IT
Non-iterative Joint Detection-Decoding Receiver for LDPC-Coded MIMO Systems Based on SDR
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。通过码约束的加强，联合SDR检测器向下游解码器提供可靠性大大提高的软信息，因此以显著的增益优于现有的接收器。
2018-08-15 cs.IT math.IT
Deep Learning Based Joint Pilot Design and Channel Estimation for Multiuser MIMO Channels
本文提出了一种基于深度学习（DL）技术的多用户多输入多输出（MIMO）信道联合导频设计和信道估计方案。为此，我们使用两层神经网络（TNNs）和使用深度神经网络（DNNs）的信道估计器构建导频设计器，它们被联合训练以最小化信道估计的均方误差（MSE）。为了有效地减少多用户间的干扰，我们还使用连续干扰消除（SIC）技术在信道估计过程中。数值结果表明，该方案大大优于国家的最先进的线性最小均方误差（LMMSE）的信道估计方案。
2018-12-10 cs.IT math.IT
Joint Optimization of Power Allocation and Training Duration for Uplink Multiuser MIMO Communications
在本文中，我们考虑了一个多用户多输入多输出（MU-MIMO）通信系统之间的基站配备了多个天线和多个移动用户，每个都配备了一个单一的天线。考虑上行链路场景。上行链路信道由基站通过训练阶段获取。两个线性处理方案，即最大比合并（MRC）和迫零（ZF）。我们优化的训练周期和最佳的训练能量的平均和峰值功率约束下，使可实现的和速率最大化。
2014-09-22 cs.IT math.IT
Joint Source, Channel and Space-time Coding of Progressive Sources in MIMO Systems
针对多个渐进分组的序列的联合信源和信道编码的优化是一个具有挑战性的问题。此外，如果空时编码还涉及多输入多输出（MIMO）系统中的优化，则问题变得更加复杂。这是因为将信道码和空时码联合分配给逐行分组的方式的数量比将信道码单独分配给分组的方式的数量大得多。我们不知道任何可行的和完整的解决方案，这样的联合源，信道，和渐进的数据包的空时编码的优化。本文应用参数化方法来解决MIMO系统中复杂的联合优化问题。我们使用的参数化方法，得出一些有用的理论结果，然后利用这些结果，提出了一种优化方法，其中的联合分配的信道码和空时码的数据包，可以在一个数据包的方式进行优化。结果，与传统的穷举搜索相比，优化的计算复杂性呈指数级降低。数值结果表明，该方法显着提高了MIMO系统中基于速率的最优解的峰值信噪比性能。
2017-09-14 cs.IT math.IT
Joint Channel Training and Feedback for FDD Massive MIMO Systems
大规模多输入多输出（MIMO）被广泛认为是用于未来5G无线通信系统的有前途的技术。为了在大规模MIMO系统中获得理论上的性能增益，发射端准确的信道状态信息（CSIT）至关重要。然而，由于压倒性的导频信令和信道反馈开销，传统的下行链路信道估计和上行链路信道反馈方案可能不适合于频分复用（FDD）大规模MIMO系统。此外，这两个主题通常在文献中单独考虑。在本文中，我们提出了一种联合信道训练和反馈方案的FDD大规模MIMO系统。具体来说，我们首先利用时变信道的时间相关性，提出了一种差分信道训练和反馈方案，同时减少了下行链路训练和上行链路反馈的开销。接下来，我们提出了一种结构化压缩采样匹配追踪（S-CoSaMP）算法，通过利用无线MIMO信道的结构稀疏性来获得可靠的CSIT。仿真结果表明，所提出的方案可以实现大幅减少的训练和反馈开销。
2015-12-10 cs.IT math.IT
On Robustness of Massive MIMO Systems Against Passive Eavesdropping under Antenna Selection
在大规模MIMO窃听设置中，基站可以通过朝向合法终端的窄波束形成来显著抑制窃听者。数值研究表明，通过这种方法，保密是在没有显着的成本。我们称之为大规模MIMO系统的“保密免费”的属性，并表明，它不仅持有时，在基站的所有发射天线，但也只有一个天线被设置为活动。使用线性预编码，当基站处的可用发射天线的总数变大时，甚至当仅选择固定数量的发射天线时，对窃听者的信息泄漏可以充分地减少。这一结果表明，被动窃听对大规模MIMO系统没有显着的影响，无论有源发射天线的数量。
2018-08-14 cs.IT math.IT
Robustness of Low-Complexity Massive MIMO Architectures Against Passive Eavesdropping
大规模MIMO窃听设置覆盖大型发射天线阵列，能够通过窄波束形成来抑制针对合法终端的被动窃听者。这意味着在这些环境中几乎可以免费获得保密。我们表明，这一属性不仅适用于全数字MIMO架构，而且在大规模的MIMO设置，其发射机采用降低复杂性的架构。调查考虑两种主要的方法来降低复杂度，即天线选择和混合模拟-数字预编码。我们表明，使用任何一种方法，通过可实现的和速率归一化的信息泄漏消失的发射阵列的大小变大。对于这两种方法，确定衰减速度。结果表明，随着发射阵列尺寸的增大，通过天线选择和混合模数预编码得到的归一化泄漏分别在双对数和对数上收敛到零。这些分析推导证实了各种基准架构，通过数值研究。
2019-12-05 cs.IT math.IT
Joint Channel Direction Information Quantization For Spatially Correlated 3D MIMO Channels
本文提出了一种用于空间相关三维多输入多输出（MIMO）信道的联合量化信道方向信息（CDI）的码本。为了减少量化的大天线阵列的CDI的维度，我们引入了一个特殊的结构，通过使用Tucker分解的码字，利用3D MIMO信道的独特功能。具体而言，码字由四个部分组成，每个部分具有低维度，分别针对不同类型的信息：水平方向和垂直方向上的统计CDI，统计功率耦合和瞬时CDI。该码本避免了现有独立CDI量化所带来的冗余。分析结果提供了一个充分的条件，在3D MIMO信道上显示，所提出的码本可以实现相同的量化性能的公知的旋转码本应用于全球信道CDI，但所需的统计信道信息的显着减少。仿真结果验证了我们的分析，并表明，所提出的联合CDI量化提供了显着的性能增益比独立的CDI量化。
2015-01-23 cs.IT math.IT
Joint Channel-and-Data Estimation for Large-MIMO Systems with Low-Precision ADCs
使用低精度（例如，1-3在非常大的多输入多输出（MIMO）系统中的10位）模数转换器（ADC）是一种降低成本和功耗的技术。然而，在该上下文中，已经示出了仅为了在接收机处获得可接受的信道状态信息（CSI），训练持续时间需要是{ \em非常大}。量化MIMO系统的一个可能的解决方案是联合信道和数据（JCD）估计。本文首先发展了一个分析框架，用于研究使用JCD估计的量化MIMO系统。特别是，我们使用贝叶斯最优推理的JCD估计和实现这种估计利用最近的技术的基础上近似消息传递。基于大系统分析的副本方法，然后通过推导的JCD估计的渐近性能。仿真结果证实了我们的理论研究结果，并揭示了JCD估计器可以提供一个显着的增益比传统的导频在量化MIMO系统中的唯一方案。
2015-01-22 cs.IT math.IT
Joint Beamforming for Multiaccess MIMO Systems with Finite Rate Feedback
本文研究了有限速率反馈的多址多输入多输出（MIMO）系统。我们的目标是了解如何有效地利用给定的有限反馈资源，以最大限度地提高和速率的性能分析。为此，我们提出了一个联合量化和反馈策略：基站选择最强的用户，联合量化他们最强的特征信道向量和广播一个共同的反馈给所有的用户。这种联合策略不同于单独的策略，在单独的策略中，量化和反馈独立地跨用户执行，并且它以与矢量量化改进标量量化相同的方式改进了单独的策略。在我们提出的策略中，用户选择的影响通过极端顺序统计来分析，而联合量化的影响通过我们所说的“复合格拉斯曼流形”来量化。然后通过随机矩阵理论估计可达到的和速率。由于其简单的实现和坚实的性能分析，所提出的方案提供了一个基准的多址MIMO系统与有限速率反馈。
2008-04-17 cs.IT math.IT
Bayes-Optimal Joint Channel-and-Data Estimation for Massive MIMO with Low-Precision ADCs
本文考虑了一种具有极低精度模数转换器（ADC）的多输入多输出（MIMO）接收机，其目标是开发需要最小成本和功耗的大规模MIMO天线系统。先前的研究表明，训练持续时间应该是{ \em相对较长}，以获得可接受的信道状态信息。为了解决这个问题，我们采用了联合信道和数据（JCD）估计方法的基础上贝叶斯最优推理。该方法相对于信道和有效载荷数据产生最小均方误差。我们开发了一个贝叶斯最优的JCD估计使用最近的技术的基础上近似消息传递。然后，我们提出了一个分析框架，研究在大系统极限的估计的理论性能。仿真结果证实了我们的分析结果，这使得量化的大规模MIMO系统的性能的有效评估，并提供有效的系统设计的见解。
2015-12-07 cs.IT math.IT
Message-Passing Receiver for Joint Channel Estimation and Decoding in 3D Massive MIMO-OFDM Systems
本文研究了三维大规模MIMO-OFDM系统的消息传递接收机设计。借助于中心极限论证和泰勒级数近似，在期望传播的框架下设计了一种计算效率高的联合信道估计和译码接收机。特别地，利用Wirtinger演算将定义在信道转移函数上的局部信念扩展到二阶，将信道转移函数发送的信息转化为易于处理的形式.因此，通过高斯消息传递来估计每对天线之间的信道脉冲响应（CIR）。此外，一个变分的期望最大化（EM）为基础的方法来学习信道的功率延迟分布（PDP）。在具有空间相关信道的3D大规模MIMO系统中对所提出的联合算法进行了评估，实验结果证实了其在性能和复杂度方面的优越性。
2016-01-04 cs.IT math.IT
Joint Transmitter-Receiver Design for the Downlink Multiuser Spatial Multiplexing MIMO System
本文提出了一种联合发射机-接收机设计，以最小化加权和功率下的后处理信号干扰噪声比（post-SINR）的约束下，所有子信道。仿真结果表明，该算法不仅可以满足后SINR约束，而且可以方便地调整用户之间的功率分配，通过相应的改变权重。因此，该算法可以通过降低边缘用户的发射功率来消除邻小区干扰，而不会带来性能损失。
2008-11-04 cs.IT math.IT
Joint Data-Aided Carrier Frequency Offset, Phase Offset, Amplitude and SNR Estimation for Millimeter-Wave MIMO Systems
本文研究了毫米波收发器之间载波频偏、相位偏移、幅度和信噪比的估计问题。首先给出不同参数的Cramér-Rao下界（CRLB），以及CRLB存在的条件，称为正则性条件。然后，讨论了如何找到合适的参数估计量的问题，并给出了最大似然估计量（ML）。
2017-12-16 cs.IT math.IT
Statistical Learning Based Joint Antenna Selection and User Scheduling for Single-Cell Massive MIMO Systems
在大规模MIMO系统中，基站（BS）处的大量天线和射频（RF）链导致高能耗。因此，如何提高能量效率（EE）与计算效率的方法是一个重大的挑战，在大规模MIMO系统的设计。基于此，本文提出了一种基于学习的随机梯度下降算法，用于在单小区大规模MIMO系统中获得联合天线选择和用户调度的最优上下行联合EE。利用Jensen不等式和无线信道的特性，得到了系统吞吐量的一个下界。随后，结合功耗模型，确定了系统EE的相应下限。最后，采用基于学习的随机梯度下降方法求解天线选择和用户调度联合问题，这是一个组合优化问题。稀有事件模拟嵌入到基于学习的随机梯度下降方法中，以生成具有非常小概率的样本。在分析中，考虑了BS处的完美和不完美信道侧信息（CSI）。最小均方误差（MMSE）信道估计的研究中的不完美的CSI的情况下。此外，在大规模MIMO系统中的可用RF链的数量的约束的效果进行了研究，考虑在BS处的完美和不完美的CSI。
2020-10-26 cs.IT math.IT
Joint Robust Transmit/Receive Adaptive Beamforming for MIMO Radar Using Probability-Constrained Optimization
针对多输入多输出（MIMO）雷达的发射和接收信号导向矢量同时存在高斯和任意分布失配的情况，提出了一种基于概率约束优化的MIMO雷达发射/接收联合鲁棒自适应波束形成方法。利用对偶理论还推导出了概率约束的紧下界。所提出的概率约束鲁棒波束形成问题是一个非凸的NP-困难问题。然而，我们将其成本函数重新表示为双二次函数，而概率约束分为发送和接收部分。然后，提出了一种基于二阶锥规划的块坐标下降法来解决双凸问题。仿真结果表明，与最坏情况和其他现有的最先进的MIMO雷达联合发射/接收鲁棒自适应波束形成方法相比，所提出的波束形成方法具有更好的鲁棒性。
2015-08-10 cs.IT math.IT
Joint Transmit and Receive Beamforming for Multi-Relay MIMO-OFDMA Cellular Networks
针对多用户、多中继、多输入-多输出正交频分多址（MIMO-OFDMA）蜂窝网络，提出了一种基于联合发射和接收波束赋形的传输协议。更具体地说，网络的MIMO信道在数学上被分解成几个有效的多输入单输出（MISO）信道，这些信道被空间复用以进行传输。为了提高可达到的容量，这些MISO信道使用一对新的分组算法进行分组，然后根据它们的性能与复杂度的权衡\footnote{This paper concisely focuses on the transmission protocol proposed in our previous work [1]. For more details, please refer to [1].}进行评估。
2016-02-17 cs.IT math.IT
Joint CSIT Acquisition Based on Low-Rank Matrix Completion for FDD Massive MIMO Systems
发射机处的信道状态信息（CSIT）对于频分复用（FDD）大规模MIMO系统是必不可少的，但是传统的解决方案涉及用于下行链路信道训练和上行链路信道反馈的压倒性开销。在这封信中，我们提出了一个联合CSIT收购计划，以减少开销。特别是，不同于传统的方案，每个用户单独估计自己的信道，然后将其反馈给基站（BS），我们建议，所有的调度用户直接反馈导频观测到BS，然后联合CSIT恢复可以实现在BS。我们进一步制定联合CSIT恢复问题作为一个低秩矩阵完成问题，利用大规模MIMO信道矩阵的低秩属性，这是由用户之间的相关性。最后，我们提出了一种基于奇异值投影的混合低秩矩阵完备化算法来解决这个问题。仿真结果表明，该方案可以提供准确的CSIT与较低的开销比传统的计划。
2015-12-10 cs.IT math.IT
Joint Power Adjustment and Receiver Design for Distributed Space-Time Coded in Cooperative MIMO Systems
针对协作多输入多输出（MIMO）网络，提出了一种基于最小均方误差（MMSE）接收机的联合功率分配算法，该算法采用多中继和解码转发（DF）策略。在每个中继节点中应用分布式空时编码（DSTC）方案。我们提出了一种联合约束优化算法来确定功率分配参数和MMSE接收滤波器的参数向量为每个发送的符号在每个链路，以及信道系数矩阵。随机梯度（SG）算法被推导用于联合优化的计算，以将接收机从MMSE接收滤波器和功率分配参数的大量计算复杂度中释放出来。仿真结果表明，与等功率分配系统相比，该算法具有一定的增益。
2013-03-17 cs.IT math.IT
A Joint Wireless-Optical Front-haul Solution for Multi-user Massive MIMO 5G RAN
我们展示了一种用于多用户大规模多输入多输出5G RAN的高容量光纤中频移动前传解决方案。使用该方案，在没有光纤色散补偿的情况下，在40 km以上的单个光波长上传输了创纪录的25.6 GHz的聚合无线电带宽
2020-11-18 cs.IT eess.SP math.IT
Optimal Joint Target Detection and Parameter Estimation By MIMO Radar
我们考虑宽间距天线的多输入多输出（MIMO）雷达系统。这样的天线配置便于捕获由于目标散射体的独立信号色散而导致的固有分集增益。我们认为一个新的MIMO雷达框架检测目标，位于一个未知的位置。这与传统的MIMO雷达形成对比，传统的MIMO雷达将空间分成小的小区，并且旨在检测指定小区中目标的存在。我们对待这个问题，通过提供一个新的复合假设检验框架的目标检测时，（i）一个或多个参数的目标是未知的，我们有兴趣估计它们，（ii）只有有限数量的观测。所提供的测试优化了一个度量，该度量同时考虑了检测和估计精度。在本文中，作为感兴趣的参数，我们专注于从发射天线发射的波形，直到被观察到的接收天线的时间延迟的向量。分析和实验结果表明，对于由多个独立散射体组成的扩展目标，MIMO雷达的联合目标检测和时延估计性能优于相控阵雷达。然而，对于被建模为单个散射体的点目标，MIMO和相控阵雷达对于这种特定设置（联合目标检测和时延估计）的检测/估计精度是相当的。
2009-08-07 cs.IT math.IT
Joint Phase Noise Estimation and Data Detection in Coded MIMO Systems
本文分析了采用比特交织编码调制（BICM）的多输入多输出（MIMO）系统中振荡器相位噪声（PHN）估计和数据检测的联合问题。基于期望最大化（EM）框架，提出了一种新的MIMO接收机，在估计器和检测器之间迭代。它示出，在高信号噪声比，最大后验估计（MAP）可以用来进行EM算法的最大化步骤。此外，为了降低所提出的EM算法的计算复杂性，软决策导向的扩展卡尔曼滤波器平滑器（EKFS），而不是MAP估计器来跟踪PHN参数。数值结果表明，通过结合所提出的EKFS的方法与迭代检测器，采用低密度奇偶检验（LDPC）码，PHN可以准确地跟踪。仿真结果还表明，与现有的算法相比，所提出的迭代接收机可以显着提高性能的MIMO系统中存在PHN。
2013-08-17 cs.IT math.IT
Efficient Optimal Joint Channel Estimation and Data Detection for Massive MIMO Systems
针对大规模MIMO无线系统，提出了一种高效的最优联合信道估计和数据检测算法。我们的算法是最佳的广义似然比检验（GLRT）。对于大规模MIMO系统，我们表明，我们的算法的预期复杂度增长多项式的信道相干时间。仿真结果表明，与次优非相干检测算法相比，我们的算法有显着的性能增益。据我们所知，这是第一个算法，有效地实现GLRT最佳的非相干检测的大规模MIMO系统与一般星座。
2016-03-08 cs.IT math.IT math.OC
A joint channel estimation and beamforming separation principle for massive MIMO systems
本文证明在多用户 MIMO 系统中，将波束成形与信道估计分离在一般条件下不损失最优性，最优处理可分解为 MMSE 信道估计与 MMSE 波束成形，适用于集中式和分布式架构。
2025-07-11 cs.IT math.IT
Joint Design of Multi-Tap Analog Cancellation and Digital Beamforming for Reduced Complexity Full Duplex MIMO Systems
在多输入多输出（MIMO）系统中实现全双工操作提供了提高吞吐量性能的潜力。然而，模拟自干扰消除器的硬件复杂度与发射天线和接收天线的数量成比例，因此利用模拟消除的益处对于全双工MIMO收发器来说变得不切实际。在本文中，我们提出了一种新的架构，包括减少数量的抽头（抽头指的是固定延迟和可变移相器和衰减器的线）和简单的多路复用器之间的发送和接收射频链的有效信号路由的模拟消除器。与可用的模拟消除架构相比，每个抽头的值和多路复用器的配置根据某些性能目标与数字波束成形滤波器联合设计。以窄带平坦衰落信道模型为例，提出了一种模拟抵消和数字波束形成联合设计的通用优化框架。我们还详细介绍了一个特定的优化目标，连同其派生的解决方案，后者的架构组件。代表性的计算机模拟结果表明，所提出的低复杂度全双工MIMO系统的优越性，最近可用的。
2017-05-15 cs.IT math.IT
Antenna Selection in MIMO Cognitive Radio-Inspired NOMA Systems
本文研究了MIMO认知无线电启发的非正交多址接入（CR-NOMA）网络中的联合天线选择（AS）问题。特别地，在满足主用户服务质量（QoS）的条件下，提出了一种新的计算效率高的联合AS算法，即基于子集的联合AS（SJ-AS），以最大化次用户的信噪比。推导了SJ-AS中断性能的渐近闭式表达式，证明了SJ-AS在所有可能的联合AS方案中所能达到的最小中断概率。所提供的数值结果表明，所提出的计划的优越性能。
2017-09-05 cs.IT math.IT
Statistical Eigenmode Transmission over Jointly-Correlated MIMO Channels
我们研究MIMO本征模传输使用统计信道状态信息在发送端。我们考虑一个一般的联合相关MIMO信道模型，它不需要在发射机和接收机可分离的空间相关性。对于这个模型，我们首先推导出一个封闭形式的严格的上界遍历能力，揭示了一个简单而有趣的关系方面的矩阵永久的本征模信道耦合矩阵，并包括许多现有的结果在文献中的特殊情况。基于这个封闭的形式和易于处理的上限表达式，然后，我们采用凸优化技术开发低复杂度的功率分配解决方案，只涉及信道统计。给出了最优性的充分必要条件，并由此构造了一个迭代注水算法。仿真结果表明，所提出的低复杂度的发射机优化方法的容量上限和接近最优的性能的紧密性。
2009-03-11 cs.IT math.IT
Structured Compressive Sensing Based Spatio-Temporal Joint Channel Estimation for FDD Massive MIMO
大规模MIMO由于其高频谱和能量效率而成为未来5G通信的一种有前途的技术。为了实现其潜在的性能增益，准确的信道估计是必不可少的。然而，由于基站（BS）处的大量天线，传统信道估计方案所需的导频开销将是无法承受的，特别是对于频分双工（FDD）大规模MIMO。为了克服这个问题，我们提出了一种基于结构化压缩感知（SCS）的时空联合信道估计方案，以减少所需的导频开销，从而利用延迟域MIMO信道的时空公共稀疏性。特别地，我们首先提出在CS理论的框架下，在BS处的非正交导频，以减少所需的导频开销。然后，提出了一种用户端自适应结构子空间追踪（ASSP）算法，利用有限导频对多个OFDM符号的信道进行联合估计，从而利用MIMO信道的时空共同稀疏性提高信道估计精度。此外，通过利用信道的时间相关性，我们提出了一个空时自适应导频方案，以进一步减少导频开销。此外，我们还讨论了多小区情况下的信道估计方案。仿真结果表明，该方法能够在降低导频开销的情况下准确估计信道，并能逼近最优的oracle最小二乘估计器。
2016-04-23 cs.IT math.IT
Low Complexity Joint Estimation of Synchronization Impairments in Sparse Channel for MIMO-OFDM System
该文提出了一种低复杂度的单用户MIMO-OFDM系统同步损伤和信道联合估计方法。基于考虑载波频率偏移、采样频率偏移、符号定时误差等同步损伤和信道影响的系统模型，提出了一种联合估计的最大似然（ML）算法。为了降低ML网格搜索的复杂度，需要减少用于估计的接收信号样本的数量。传统的基于最小二乘（LS）的信道估计方法在小样本欠定系统中无法实现，导致联合估计器性能不佳。所提出的ML算法在稀疏衰落场景中使用基于压缩感知（CS）的信道估计方法，其中用于估计的接收样本小于基于LS的估计所需的样本。通过数值仿真研究了该估计方法的性能，发现基于CS的联合估计器性能优于基于LS的联合估计器
2013-04-28 cs.IT math.IT
MU-MIMO Communications with MIMO Radar: From Co-existence to Joint Transmission
本文研究MIMO雷达与多用户MIMO通信的联合传输，提出分离天线与共享波形两种波束成形方案，并通过加权流形优化以更低复杂度实现接近原优化的性能。
2017-07-03 cs.IT math.IT
Joint Wireless Information and Energy Transfer with Reduced Feedback in MIMO Interference Channels
为了确定用于MIMO干扰信道（IFC）中的联合无线信息和能量传输（JWIET）的传输策略，信息接入点（IAP）和能量接入点（EAP）需要到信息解码（ID）移动站（MS）和能量收集（EH）MS两者的它们相关联的链路的信道状态信息（CSI）（所谓的本地CSI）。为了减少两用户MIMO IFC中JWIET的MS反馈开销，提出了一种在EAP处需要部分CSI的测地线能量波束形成方案。在两用户MIMO IFC中，证明了测地线能量波束形成是最优的波束形成策略。通过对IAP的发射信号协方差增加秩一约束，我们可以利用测地线信息波束形成来进一步减少IAP的反馈开销。在IAP发射信号秩为1的约束下，证明了测地线信息/能量波束形成方法是两用户MIMO IFC中JWIET的最优策略。我们还讨论了建议的秩一测地线信息/能量波束成形策略的扩展到一般K用户MIMO IFC。最后，通过统计分析不完美部分CSIT下的可达速率-能量性能，我们提出了一种适用于EH MS和ID MS的自适应比特分配策略。
2015-01-12 cs.IT math.IT
Large-System Analysis of Joint User Selection and Vector Precoding for Multiuser MIMO Downlink
针对多用户多输入多输出（MU-MIMO）下行链路，提出了一种联合用户选择（US）和矢量预编码（US-VP）算法。联合US-VP和常规US之间的主要区别在于，US依赖于用于联合US-VP的数据符号，而常规US独立于数据符号。在发射天线数、用户数和被选用户数趋于无穷大而它们的比值保持不变的大系统极限下，利用复制方法分析了联合US-VP的性能。副本对称性（RS）和1步副本对称性破坏（1 RSB）的假设下的分析表明，最佳的数据无关的US提供的只是相同的性能随机US在大系统的限制，而数据无关的US是容量实现只有用户的数量趋于无穷大。结果表明，联合US-VP可以提供一个大的系统限制的能量损失大幅减少。因此，联合US-VP在可实现的和速率方面优于单独的US-VP，其由向量预编码（VP）和数据无关US的组合组成。特别地，数据相关US可以应用于一般调制，并且用贪心算法来实现。
2012-04-17 cs.IT math.IT
Joint Channel Estimation / Data Detection in MIMO-FBMC/OQAM Systems - A Tensor-Based Approach
基于滤波器组的多载波（FBMC）系统目前被认为是用于在下一代通信系统的物理层中替代长期建立的基于循环前缀（CP）的正交频分复用（CP-OFDM）的普遍候选。特别地，FBMC/OQAM由于其最大频谱效率的潜力等特性而受到越来越多的关注。然而，它受到固有的自干扰效应的影响，这使得接收机处的信号处理任务复杂化，包括同步、信道估计和均衡。在多输入多输出（MIMO）配置中，还必须考虑多天线干扰。（半）盲FBMC/OQAM接收机目前研究较少，主要用于单天线系统。本文结合MIMO-FBMC/OQAM系统中信道估计和数据检测技术在OFDM系统中的成功应用，采用基于张量的方法，研究了MIMO-FBMC/OQAM系统在训练信息有限或无训练信息情况下的信道估计和数据检测问题。包括基于仿真的比较与CP-OFDM，现实的传输模型。
2016-09-30 cs.IT math.IT
Filter-And-Forward Relay Design for MIMO-OFDM Systems
研究了多输入多输出（MIMO）正交频分复用（OFDM）系统中滤波转发（FF）中继的设计问题。由于所考虑的MIMO结构，在源和目的地的线性MIMO收发器和FF中继在中继的联合设计的问题被考虑。作为设计准则，首先考虑加权和均方误差（MSE）的最小化，并且在这种情况下的联合设计基于交替优化来接近，该交替优化在针对给定的MIMO预编码器和解码器集合的FF中继的最优设计与针对给定的FF中继滤波器的MIMO预编码器和解码器的最优设计之间迭代。接下来，基于所获得的关于加权和MSE的结果和关于加权MSE最小化和速率最大化之间的关系的现有结果，考虑速率最大化的联合设计问题。数值结果表明，所提出的FF继电器设计的有效性和显着的性能改善FF继电器广泛认为简单的AF继电器MIMO-OPFM系统。
2013-10-11 cs.IT math.IT
Maximum Likelihood Algorithms for Joint Estimation of Synchronization Impairments and Channel in MIMO-OFDM System
研究了多输入多输出正交频分复用（MIMO-OFDM）系统中同步损伤和信道联合估计的最大似然（ML）算法。系统模型，考虑到载波频率偏移，采样频率偏移，符号定时误差和信道脉冲响应的影响制定。给出了连续参数估计的Cramér-Rao下界，该下界反映了不同损伤之间的耦合效应和联合估计的重要性.我们提出了一种最大似然估计算法，同步损伤和信道一起，使用网格搜索方法。为了降低ML算法中联合网格搜索的复杂度，本文还提出了一种具有多个一维搜索的改进ML（MML）算法。此外，一个阶段明智的ML（SML）算法使用现有的算法，估计较少的参数，也提出了。通过数值仿真研究了估计算法的性能，发现提出的ML和MML算法具有比SML算法更好的性能。
2012-10-27 cs.IT math.IT
Joint Active and Passive Beamforming for Intelligent Reflecting Surface Aided Multiuser MIMO Communications
研究了智能反射面（IRS）辅助多用户多输入多输出系统中以加权和速率最大化为目标的主被动波束联合优化问题。我们表明，这个问题可以通过矩阵加权均方误差最小化等价解决。特别地，对于无源IRS波束形成的优化，我们首先提出了一种基于流形优化的具有优良性能的迭代算法。通过使用矩阵分式规划技术，以获得一个更容易处理的目标函数，然后我们提出了一个低复杂度的优化-最小化方法的基础上。数值结果验证了我们所提出的算法的收敛性和显着的性能改善的通信场景没有IRS的援助。
2021-01-27 cs.IT math.IT
Pilot Assignment for Joint Uplink-Downlink Spectral Efficiency Enhancement in Massive MIMO Systems with Spatial Correlation
针对相关瑞利衰落信道下的多小区大规模多输入多输出（MIMO）系统，提出了一种灵活的导频分配方法，用于联合优化上下行数据传输。通过利用最大比处理实现的遍历频谱效率（SE）的封闭形式的表达式，我们制定了一个优化问题，最大化的最小加权和的上行链路和下行链路SE的发射功率和导频分配集。该组合优化问题通过两种顺序算法来解决：首先提出启发式导频分配算法，以获得较好的导频复用集，然后进行数据功率控制。数值结果表明，该算法收敛速度快，比以往的算法更好的最小总和每个用户的SE。
2021-06-30 cs.IT math.IT
Distributed Compressive CSIT Estimation and Feedback for FDD Multi-user Massive MIMO Systems
为了充分利用大规模MIMO的空间复用增益或阵列增益，必须在发射端获得信道状态信息（CSIT）。然而，传统的CSIT估计方法不适合FDD大规模MIMO系统，因为压倒性的训练和反馈开销。在本文中，我们考虑多用户大规模MIMO系统，并部署压缩感知（CS）技术，以减少训练以及CSIT估计的反馈开销。多用户大规模MIMO系统由于物理传播环境中共享的局部散射点，在用户信道矩阵中表现出隐藏的联合稀疏结构。因此，而不是天真地应用传统的CS的CSIT估计，我们提出了一个分布式压缩CSIT估计方案，使压缩的测量在用户本地观察，而CSIT恢复在基站联合执行。提出了一种联合正交匹配追踪恢复算法，利用用户信道矩阵中隐藏的联合稀疏性进行CSIT恢复。我们分析所获得的CSIT质量的归一化平均绝对误差，并通过封闭形式的表达式，我们获得简单的见解如何联合信道稀疏性可以被利用，以提高CSIT恢复性能。
2014-05-12 cs.IT math.IT
Joint CSI Estimation, Beamforming and Scheduling Design for Wideband Massive MIMO System
针对宽带大规模多输入多输出（MIMO）系统，提出了一种联合设计信道估计、波束形成和调度的新方法。与所提出的方法，我们首先量化的最大数量的用户设备（UE），可以发送导频可能是或可能不是正交的。具体地，当信道具有最大的$L$多径抽头，并且我们分配$\tilde{M}$子载波用于信道状态信息（CSI）估计时，在大规模MIMO机制中可以估计最大的$\tilde{M}$ UE CSI（与传统CSI估计方法相比是$L$倍）。然后，我们提出使用基于贪婪的调度来调度这些UE的子集，以利用所提出的联合波束成形和调度设计在每个子载波上发送它们的数据。我们采用众所周知的最大比合并器（MRC）波束成形方法在上行链路信道数据传输。所有的解析表达式通过数值结果进行了验证，所提出的设计优于传统的正交频分复用（OFDM）传输方法是证明使用大量的数值模拟在长期演进（LTE）信道环境中。所提出的信道估计和波束形成设计是线性的，易于实现。
2018-01-16 cs.IT math.IT
Joint Pilot and Payload Power Control for Uplink MIMO-NOMA with MRC-SIC Receivers
该文提出了一种联合导频和有效载荷功率分配（JPA）方案，以缓解上行链路多输入多输出非正交多址（MIMO-NOMA）系统的误差传播问题。在基站上采用最大比合并和连续干扰消除（MRC-SIC）接收机进行多用户检测。通过考虑信道估计误差引起的误差传播，分析了MRC-SIC解码过程中每个用户的平均信干噪比（ASINR）。此外，JPA设计制定为一个非凸优化问题，以最大限度地提高最小加权ASINR和几何规划的最佳解决方案。仿真结果证实了性能分析，并表明，我们提出的方案可以有效地减轻错误传播的MRC-SIC和提高检测性能，特别是对于中等能量预算的用户。
2018-01-24 cs.IT math.IT
Polar subcodes for MIMO systems
本文研究极化编码MIMO系统，提出联合列表译码接收机及基于QR和MMSE的检测器，并构造带跨天线动态冻结约束的极化子码，相比同速率LDPC编码MIMO系统获得显著性能增益。
2025-08-28 cs.IT math.IT
Joint Beamforming and Power Allocation for MIMO Relay Broadcast Channel with Individual SINR Constraints
本文研究了移动台在单个信号干扰噪声比约束下的多输入多输出（MIMO）中继广播信道的系统设计问题。通过研究基站和中继站的下行链路和上行链路的对偶结构，提出了基站和中继站联合功率分配和波束赋形设计的两种方案。首先考虑在BS和RS处具有给定SINR目标的实际功率约束下可行解的存在性问题。然后考虑了系统的和幂最小化问题。在凸优化的框架下，利用最优的联合功率分配和波束形成可以有效地解决每个设计问题。我们还表明，在RS的子信道配对，传输功率可以通过信道补偿在任何一跳降低。最后，扩展到更一般的多跳应用程序，以进一步提高功率效率。
2011-02-28 cs.IT math.IT
Fluid-Antenna-Assisted Distributed Joint Decoding for Cell-Free Massive MIMO Unsourced Random Access
Southeast University（东南大学）；National Mobile Communications Research Laboratory, Frontiers Science Center for Mobile Information Communication and Security, Southeast University（国家移动通信重点实验室，移动信息与安全前沿科学中心，东南大学）；Purple Mountain Laboratories（紫金山实验室）
该研究针对无蜂窝大规模MIMO非授权随机接入的多用户干扰等问题，提出流体天线辅助的分布式联合解码方法，经仿真验证可提升接收功率，实现流体天线与该接入技术的可行集成。
2026-08-24 cs.IT math.IT
Joint Access Point Selection and Interference Cancellation for Cell-Free Massive MIMO
无小区大规模MIMO是一种非常有前途的方法，通过移动大量的分布式接入点（AP）更接近移动用户，同时利用简单的匹配滤波和共轭波束成形，以提高网络容量。最近的工作使用最小均方误差（MMSE）接收机，抑制多用户干扰（MUI）显示出显着的容量增加，但在高的计算复杂性和残留的MUI增强的代价。我们提出了一个显着降低复杂度的自适应方法，中央处理器（CPU）去除MUI没有放大的残留干扰。它通过使用信道估计的可用知识来动态地这样做，以执行组合针对每个用户选择的最强AP信号并同时减去来自其他用户的干扰估计的总和的联合过程。我们提供了信号干扰加噪声比（SINR）和复杂性分析的数值结果的支持，以显示这种方法的优越性相比，国家的最先进的技术。
2020-11-29 cs.IT math.IT
Asymptotic Analysis of SU-MIMO Channels With Transmitter Noise and Mismatched Joint Decoding
无线系统的射频组件中的硬件损伤对传输造成不可避免的失真，而传统的线性信道模型无法捕获这些失真。在本文中，一个“binoisy”的单用户多输入多输出（SU-MIMO）的关系被认为是通过在发送侧的加性噪声项建模的额外的失真。通过扩展的SU-MIMO信道模型，研究了收发器硬件损伤对多天线点对点系统可达速率的影响。信道输入分布包括实际的离散调制方案，如QAM和PSK，以及高斯信号。此外，失配检测和解码的影响时，接收机有足够的信息的非理想性进行了研究。数值结果表明，对于实际系统参数，只有在高调制阶数时，发送端噪声和解码失配的影响才变得显著。
2014-10-22 cs.IT math.IT
Joint Optimal Number of RF chains and Power Allocation for Downlink Massive MIMO Systems
本文研究了大规模多输入多输出（MIMO）系统的下行链路，其中包括一个单小区基站（BS）配备了大量的天线服务于多个用户。由于射频链的数量越来越大，本文考虑的系统模型假设一个不可忽略的电路功耗。因此，这项工作的目的是找到RF链消耗的功率和发射功率之间的最佳平衡。首先，假设用户之间的功率分配相等，解析地得到了待激活的RF链的最优数目，然后，对于给定数目的RF链，解析地得到了用户之间的最优功率分配。基于这些分析，我们提出了一种迭代算法，联合计算最佳数量的RF链和最佳功率分配向量。仿真验证了分析结果，并显示了所提出的算法提供的高性能。
2015-07-20 cs.IT math.IT
Joint User Selection, Power Allocation, and Precoding Design with Imperfect CSIT for Multi-Cell MU-MIMO Downlink Systems
针对多小区多用户多输入多输出（MU-MIMO）系统，在发射端信道状态信息（CSIT）不完全的情况下，提出了一种新的用户选择、功率分配和预编码的联合优化设计框架.通过在高维空间中表示联合优化变量，将加权和谱效率最大化公式化为瑞利矩乘积的最大化。虽然这仍然是一个非凸问题，一个计算效率高的算法，称为广义功率迭代预编码（GPIP），提出。该算法收敛于目标函数的一个稳定点（局部最大值），因此它保证了一阶最优解。通过调整加权和频谱效率中的权重，GPIP产生用于用户选择、功率分配和下行链路预编码的联合解决方案。GPIP还被扩展到多小区场景，其中协作基站通过在协作BS内共享全局但不完美的CSIT来执行联合用户选择并设计它们的预编码向量。系统级仿真结果表明，相对于传统的用户选择和线性下行链路预编码所提出的方法的增益。
2019-02-03 cs.IT math.IT
Large-System Analysis of Joint Channel and Data Estimation for MIMO DS-CDMA Systems
本文提出了一个大系统的性能分析的联合信道估计，多用户检测，每用户解码（CE-MUDD）的随机扩展多输入多输出（MIMO）直接序列码分多址（DS-CDMA）系统。研究了一种基于逐次译码和线性最小均方误差（LMMSE）信道估计的次优接收机。副本的方法，在统计力学中开发的，是用来评估在大系统的限制，其中用户的数量和扩频因子趋于无穷大，而它们的比率和发射和接收天线的数量保持不变的性能。将基于LMMSE信道估计的联合CE-MUDD的性能与基于单次LMMSE信道估计的几个接收器的频谱效率进行比较，其中解码的数据符号不用于细化初始信道估计。结果表明，联合CE-MUDD的使用显着降低了由于导频信号的传输，特别是对于多天线系统的速率损失。因此，与基于单次信道估计的接收机相比，联合CE-MUDD可以提供显著的性能增益。
2011-04-20 cs.IT math.IT
Linear MIMO Precoding in Jointly-Correlated Fading Multiple Access Channels with Finite Alphabet Signaling
在本文中，我们研究了多输入多输出（MIMO）多址信道（MAC）的线性预编码器的设计。我们假设，统计信道状态信息（CSI）是在发射机和考虑实际有限字母输入假设下的问题。首先，我们推导出一个渐进的（在大系统的限制）加权和速率（WSR）的MIMO MAC有限字母输入和一般联合相关衰落的表达式。随后，我们得到了线性预编码器最大化渐近WSR的必要条件，并提出了一种迭代算法来确定所有用户的预编码器。在该算法中，每个用户用于设计预编码矩阵的搜索空间是其自己的调制集合。与用于具有有限字母输入的MIMO MAC的常规预编码设计相比，这显著减小了用于找到所有用户的预编码矩阵的搜索空间的维度，其中搜索空间是所有用户的调制集合的组合。结果表明，该算法将有限字母输入的MIMO MAC预编码设计的计算复杂性降低了几个数量级。有限字母信令的仿真结果表明，所提出的迭代算法实现了显着的性能增益超过现有的预编码器设计，包括基于高斯输入假设的预编码器设计，在和速率和编码比特出错率。
2014-01-21 cs.IT math.IT
Deep Joint Source-Channel Coding for Adaptive Image Transmission over MIMO Channels
该研究提出基于ViT的DeepJSCC-MIMO方案，用于MIMO信道自适应图像传输，无需重训练即可适配不同信道与天线配置，鲁棒性优于传统分离基准，为语义通信提供高效传输方案。
2024-07-14 cs.IT eess.IV math.IT
Nonlinear Power Amplifier-Resilient Cell-Free Massive MIMO: A Joint Optimization Approach
本文提出了一种联合优化方法，用于解决无中心大规模MIMO系统中功率放大器引起的性能退化问题，通过用户关联和最大最小功率控制提升频谱效率。
2025-12-08 cs.IT eess.SP math.IT
Joint optimal beamforming and power control in cell-free massive MIMO
我们推导出一个快速和最佳的算法，解决实际的加权最大最小信干噪比问题，在无小区的大规模MIMO网络。该优化问题首次同时考虑了非理想协作下的长期功率控制和分布式波束形成设计。特别是，我们认为以用户为中心的接入点集群合作的基础上，可能有限的信道状态信息共享。我们的优化算法融合了强大的功率控制工具的基础上，干扰演算与最近开发的团队理论框架的分布式波束形成设计。此外，我们提出了一个变化，在实践中表现出更快的收敛。
2022-08-31 cs.IT eess.SP math.IT
Optimal Power Assignment for MIMO Channels Under Joint Total and Per-Group Power Constraints
本文针对满足总功率和分组平均功率约束的天线系统，推导了固定MIMO正交信道的最优功率分配闭式解，提出衰落信道下的分配算法并证明收敛性。
2023-05-01 cs.IT math.IT
