Study of Joint Automatic Gain Control and MMSE Receiver Design Techniques for Quantized Multiuser Multiple-Antenna Systems
针对多用户多输入多输出（MU-MIMO）系统中的粗量化信号，提出了一种联合优化自动增益控制（AGC）算法和线性\textit{minimum mean square error}（MMSE）接收机的方法。AGC的优化是基于最小化的\textit{mean square error}（MSE）和建议的接收滤波器考虑到AGC的存在和量化的影响。此外，我们提供了一个下界的MU-MIMO系统的容量推导出的可实现的速率的表达式。通过仿真对所提出的低分辨率MMSE（LRA-MMSE）接收机和AGC算法的性能进行了评估，并与传统MMSE接收滤波器和采用2、3、4和5比特量化分辨率的迫零（ZF）接收机进行了比较。
2018-10-27 cs.IT math.IT
Coordinated Beamforming in Quantized Massive MIMO Systems with Per-Antenna Constraints
在这项工作中，我们提出了一种解决方案，用于协调波束成形的大规模下行链路（DL）通信系统与低分辨率数据转换器时，采用每天线功率约束，限制了最大天线功率，以减轻硬件成本。为此，我们制定和解决的粗量化DL系统与目标信号干扰加噪声比的要求的天线功率极大极小问题。我们表明，相关的拉格朗日对偶与不确定的噪声协方差矩阵实现零对偶间隙和对偶解决方案可以用来获得原始DL解决方案。利用强对偶性，我们提出了一种迭代算法来确定最优对偶解，并用于计算最优DL波束形成器。我们进一步更新噪声协方差矩阵使用最佳DL解决方案与相关的次梯度和执行投影到可行域。通过仿真，我们评估所提出的方法在最大天线功耗和峰均功率比，这是直接关系到硬件效率。
2021-10-19 cs.IT eess.SP math.IT
Cascaded Channel Estimation for IRS-assisted Mmwave Multi-antenna with Quantized Beamforming
在这封信中，我们优化的级联信道的信道估计器在智能反射面（IRS）辅助毫米波（mmWave）多天线系统。在该系统中，接收端采用了量化波束形成的混合结构。与传统的多输入多输出（MIMO）系统不同，由于IRS通常是一个无源阵列，信号处理能力有限，因此信道估计的设计具有挑战性。我们推导出优化的信道估计器在一个封闭的形式重新制定的级联信道估计在这个系统中的问题，利用典型的均方误差（MSE）标准。考虑到毫米波信道中可能存在的信道稀疏性，我们通过利用信道稀疏性进一步提高性能和降低计算复杂性来推广所提出的方法。仿真结果表明，所提出的估计器显着优于现有的。
2020-10-02 cs.IT eess.SP math.IT
Secure MIMO Communications under Quantized Channel Feedback in the presence of Jamming
我们考虑的问题，在MIMO设置中的对抗干扰机配备$n_j$发射天线和窃听器配备$n_e$接收天线的存在下，安全通信。配备有$n_t$天线的多天线发射机希望向配备有$n_r$天线的多天线接收机秘密地传送消息。我们提出了一种基于人工噪声和线性预编码的传输方法和一种采用波束成形的两阶段接收方法。在此策略下，我们首先刻画了通信的可达保密率，并证明了在理想信道状态信息（CSI）情况下，可达安全自由度（SDoF）由$d_s = n_r - n_j$给出.其次，我们考虑量化CSI反馈使用直接信道矩阵的函数的格拉斯曼量化，并导出作为发射功率的函数的量化比特率缩放的充分条件，用于保持具有完美CSI的可实现SDOF $d_s$，并且用于由于量化而具有渐近零保密率损失。数值模拟也提供了支持的理论。
2014-11-05 cs.IT math.IT
Belief Propagation based MIMO Detection Operating on Quantized Channel Output
在多天线通信中，随着带宽和调制阶数的增加，系统组件必须以苛刻的容差工作。具体地，高分辨率和高采样率模数转换器（ADC）的设计通常具有极大的挑战性。因此，用于此类应用的ADC应为低分辨率。本文提供了新的见解的问题的最佳信号检测的基础上量化的接收信号的多输入多输出（MIMO）信道。它利用了以前的作品，广泛分析了非量化的线性矢量信道，使用图形推理方法。特别地，提出了一种基于低复杂度量化数据的“循环”置信传播（BP）MIMO检测算法。此外，我们研究了有限的接收机分辨率在衰落信道中的大系统限制的影响，通过状态演化分析的BP算法，这是指的限制，其中的发射和接收天线的数量以固定的比例趋于无穷大。仿真结果表明，即使在天线数量适中的情况下，理论研究结果也可能给出准确的结果。
2010-10-26 cs.IT math.IT
The MIMO Wireless Switch: Relaying Can Increase the Multiplexing Gain
本文考虑了一个干扰网络组成的K个半双工单天线对的用户谁希望建立一个多输入多输出（MIMO）半双工中继节点的帮助下，双向通信。该信道被称为“MIMO无线交换机”，因为为了简单起见，我们的模型假设每对的两个端节点之间没有直接链路，这意味着所有通信必须通过中继节点（即，MIMO开关）。假设一个延迟有限的情况下，在高信噪比（SNR）制度的基本限制进行了分析，使用分集复用权衡（DMT）框架。我们的研究结果揭示了最优传输方案的结构和中继节点在两种不同情况下提供的增益，即互惠和非互惠信道（中继和最终用户之间）。特别是，中继节点的存在，配备了足够数量的天线，示出增加的复用增益，与传统的完全连接的K对干扰信道相比。据我们所知，这是第一个已知的例子，其中添加一个中继节点的结果，在扩大的前对数因子的和速率。此外，对于互易信道的情况下，它表明，当中继的天线数至少等于所有用户的天线的总和，静态时间分配的解码和转发（DF）型方案是最优的。另一方面，在非互易场景中，我们建立了动态解码和转发在某些相关场景中的最优性。
2009-01-16 cs.IT math.IT
Performance Analysis of Quantized Uplink Massive MIMO-OFDM With Oversampling Under Adjacent Channel Interference
大规模多输入多输出（MIMO）系统由于其相对于单天线系统的诸多优点，近年来引起了人们的广泛关注。由于许多天线，期望每个天线的低成本实现和低功耗。为此，在许多研究中已经研究了具有低分辨率模数转换器（ADC）的大规模MIMO结构。然而，在量化的大规模MIMO系统的相邻频带上的强干扰的影响还没有被检查。在这项研究中，我们分析了上行链路大规模MIMO的性能与低分辨率ADC下的频率选择性衰落与正交频分复用在完美和不完美的接收机信道状态信息的情况下。我们推导出的比特出错率和遍历容量的解析表达式。我们表明，干扰频带可以抑制通过增加天线的数量或过采样率时，采用迫零接收机。
2020-02-18 cs.IT eess.SP math.IT
Quantized Multimode Precoding in Spatially Correlated Multi-Antenna Channels
多模预编码，其中独立数据流的数量被最佳地适配，可以用于最大化多天线通信系统中可实现的吞吐量。受业界所接受的标准化工作的启发，这项工作的重点是系统的预编码器设计与现实的假设空间相关性，信道状态信息（CSI）在发射机和接收机，和实现的复杂性。对于信道矩阵的空间相关性，我们假设一个通用的信道模型，基于物理原理，已被许多最近的测量活动验证。我们还假设一个相干的接收机和知识的空间统计在发射机以及存在一个理想的，低速率的反馈链路从接收机到发射机。反向链路用于码本索引反馈，并且这项工作的目标是构造预编码器码本，其响应于统计信息而自适应，使得可实现的吞吐量相对于固定的、非自适应的i.i.d.码本设计我们说明了一个码本的半酉预编码器矩阵定位在格拉斯曼流形上的一些固定的中心周围，可以通过低复杂度的地图，可以旋转和缩放的格拉斯曼流形上的子流形的空间相关性被歪斜。偏斜码本结合低复杂度的统计功率分配方案，然后示出，以弥合一个完美的CSI基准和i.i. d之间的性能差距。码本设计
2008-01-23 cs.IT math.IT
Capacity of a Multiple-Antenna Fading Channel with a Quantized Precoding Matrix
给定多输入多输出（MIMO）信道，来自接收器的反馈可用于指定发射预编码矩阵，其选择性地激活最强信道模式。在这里，我们分析的随机矢量量化（RVQ），其中的预编码矩阵是从包含独立的，各向同性分布的条目的随机码本中选择的性能。我们假设信道元素是独立同分布的。并且对于接收机是已知的，接收机使用B个比特将最优（速率最大化）预编码器码本索引中继到发射机。我们首先导出作为B的函数的波束成形（秩一预编码矩阵）的大系统容量，其中大系统将极限称为B，并且发射天线和接收天线的数量都以固定比率趋于无穷大。在波束成形的情况下，RVQ是渐近最优的，即，没有其它量化方案可以实现更大的渐近速率。RVQ的性能也比较了一个更简单的降秩标量量化方案，其中波束形成器被约束到位于一个随机子空间。随后，我们考虑一个预编码矩阵与任意秩，并近似的渐近RVQ性能与最佳和线性接收机（匹配滤波器和最小均方误差（MMSE））。数值例子表明，这些近似准确地预测有限尺寸系统的性能。给定目标频谱效率，数值例子表明，线性MMSE接收机所需的反馈量仅略多于最佳接收机所需的反馈量，而匹配滤波器可能需要更多的反馈。
2009-02-17 cs.IT math.IT
Energy Efficiency Maximization Precoding for Quantized Massive MIMO Systems
在实现大规模多输入多输出（MIMO）系统时，低分辨率数模转换器和模数转换器（DAC和ADC）的使用以高量化噪声为代价显著有益于能量效率（EE）。为了最大化量化下行大规模多输入多输出系统的能效，本文提出了一种带天线选择的预编码优化问题，但由于能效的复杂性，获得最优的联合预编码和天线选择解决方案是具有挑战性的。为了解决这一挑战，我们将问题分解为预编码方向和功率优化问题。对于预编码方向，我们描述了一阶最优性条件，这需要量化失真和天线选择的影响。对于预编码功率，我们使用梯度下降算法获得最优解，以最大化给定预编码方向的EE。我们铸造派生的条件作为一个功能的特征值问题，其中找到主特征向量达到最佳的局部最优点。为此，我们提出了基于广义幂迭代的算法。交替这两种方法，我们的算法确定了一个联合的解决方案的活动天线集和预编码的方向和功率。在模拟中，所提出的方法提供了相当大的性能增益。我们的研究结果表明，几位DAC就足以实现高EE的大规模多输入多输出系统。
2021-08-13 cs.IT eess.SP math.IT
Quantized Massive MU-MIMO-OFDM Uplink
在大规模多用户（MU）多输入多输出（MIMO）无线系统的基站（BS）处的粗量化承诺显著的功率和成本节省。粗量化还能够显著减少必须从空间分离的天线阵列传送到基带处理单元的原始模数转换器（ADC）数据。已经广泛地研究了在频率平坦的窄带信道上操作的这种量化MU-MIMO系统的理论限制以及实际收发器算法。然而，这种通信系统在频率选择性宽带信道上操作的实际相关场景还不太清楚。研究了采用正交频分复用（OFDM）技术的量化大规模MU-MIMO系统的上行链路性能。我们提出了新的量化最大后验（MAP）信道估计和数据检测算法，我们研究了相关的性能/量化权衡。我们的结果表明，粗量化（例如，取决于BS天线的数量和用户数量之间的比率，4到6比特），与无限精度的情况相比，在基带处理复杂度方面没有额外成本的情况下，实际上不需要性能损失。
2016-04-20 cs.IT math.IT
Quantized Precoding for Massive MU-MIMO
大规模多用户（MU）多输入多输出（MIMO）技术是第五代无线通信系统的关键技术之一。在本文中，我们研究了在基站（BS）处具有低分辨率数模转换器（DAC）的窄带大规模MU-MIMO系统的下行链路预编码问题。我们分析了线性预编码器的性能，如最大比传输和迫零，受到粗量化。使用Bussgang的定理，我们推导出一个封闭形式的近似下，这样的粗量化的速率。我们的研究结果表明，无限分辨率DAC可达到的性能可以接近使用DAC只有3至4位的分辨率，这取决于BS天线的数量和用户设备（UE）的数量。对于1位DAC的情况下，我们还提出了新的非线性预编码算法，显着优于线性预编码器的成本增加的计算复杂性。具体而言，我们表明，非线性预编码只会导致3 dB的罚款相比，无限分辨率的情况下，未编码的位出错率为10^-3，在系统中与128个BS天线，使用1位DAC和服务16个单天线UE。相比之下，线性预编码器的惩罚约为8dB。
2017-06-29 cs.IT math.IT
MIMO Relaying Broadcast Channels with Linear Precoding and Quantized Channel State Information Feedback
多天线中继技术是一种提高蜂窝网络系统性能的有效技术。然而，当利用预编码技术来获得多天线增益时，系统通常需要发射机处的信道状态信息（CSI）。我们考虑一个线性预编码方案在MIMO中继广播信道与量化的CSI反馈从两个两跳链路。利用该方案，每个远程用户将其量化的CSI反馈给中继站，并且中继站将量化的预编码信息发送回基站（BS）。由于量化的信道知识的速率损失的上界的第一特征。然后，为了保持速率损失在一个预定的差距为增长的信噪比，一个策略的缩放量化质量的两个两跳链路的建议。结果表明，两条链路的反馈比特数应与中继站的发射功率成线性关系，而只有中继站到基站的反馈比特数需要随着基站发射功率的增加而增加。数值结果验证了所提出的反馈质量控制策略。
2012-05-11 cs.IT math.IT
Training for Channel Estimation in Nonlinear Multi-Antenna Transceivers
最近在无线系统中获得高数据率的努力集中在具有非线性或粗略量化的收发器架构的系统中可以实现的。在这样的系统中估计信道是具有挑战性的，因为非线性使信道估计过程失真。因此，感兴趣的是确定需要多少训练来足够好地估计信道，使得信道估计可以在数据通信期间使用。我们提供了一种方法来确定需要多少训练，推导出一个下限的可实现的速率在一个基于训练的计划，可以计算和分析，即使当天线的数量是非常大的。该下限可能很紧，特别是在高SNR时。一个结论是，训练符号的最佳数量可能矛盾地小于具有粗量化收发器的系统的发射器的数量。我们展示了训练时间如何强烈依赖于接收器的数量，并给出了一个例子，其中接收器的数量增加一倍，训练时间减少了约37%。
2019-12-14 cs.IT math.IT
On Reciprocity in Physically Consistent TDD Systems with Coupled Antennas
我们考虑了时分双工（TDD）多用户多输入多输出（MU-MIMO）系统在上行链路和下行链路中的信息理论信道的互易性。具体来说，我们假设发送和接收链是相互的。我们考虑到在基站和在手机的天线单元之间的互耦。互耦影响如何计算发射功率和噪声协方差。分析基于多端口通信理论，保证了信息论模型与物理一致。它还包括一个详细的噪声模型。我们表明，由于耦合，信息理论的上行链路和下行链路信道不满足普通的互易关系，即使发送电压源和接收负载电压的输入输出关系，即，在上行链路中借助于导频信号估计的信道是互易的。这是一个基本的影响，没有被认为是其他。我们通过Monte Carlo模拟表明，这两个，使用普通的互易关系，而不考虑耦合，显着降低遍历率在单用户和遍历和率在多用户系统。
2020-07-24 cs.IT eess.SP math.IT
Green One-Bit Quantized Precoding in Cell-Free Massive MIMO
本文针对无蜂窝大规模MIMO系统的高功耗问题，提出一种基于符号向量结构动态停用天线的绿色一位量化预编码算法，在降低功耗的同时性能优于SQUID和RZF等现有方法。
2025-09-20 cs.IT eess.SP math.IT
Cooperative Feedback for Multi-Antenna Cognitive Radio Networks
认知波束成形（CB）是一种多天线技术，用于在认知无线电网络中的主用户（PU）和次用户（SU）之间进行有效的频谱共享。具体地，多天线SU发射机应用CB来抑制对PU接收机的干扰以及增强相应的SU链路性能。本文针对多输入单输出（MISO）SU信道与单输入单输出（SISO）PU信道共存的情况，提出了一种基于PU接收机到SU发送机的有限速率协作反馈的CB设计新的实用范例。具体地，PU接收器向SU发送器传送用于计算SU发送波束成形器的量化的SU到PU信道方向信息（CDI），以及根据PU接收器处的可容忍干扰裕度来调节SU发送功率的干扰功率控制（IPC）信号。提出了两种基于协作反馈的CB算法：一种是限制SU发射波束形成器与量化后的SU到PU信道方向正交，另一种是放松这种约束。此外，利用SU CDI从SU发射机到PU接收机的协作前馈，以允许更有效的协作反馈。分析了不同CB和协作反馈/前馈算法下SU链路的中断概率，并由此刻画了CDI和IPC反馈之间的最优比特分配折衷。
2010-10-15 cs.IT math.IT
Robust Transceiver Design for Reciprocal M*N Interference Channel Based on Statistical Linearization Approximation
本文重点研究了在不完全信道状态信息（CSI）下，干扰信道（IC）上吞吐量增强的鲁棒收发器设计。提出了两种提高多输入多输出（MIMO）芯片吞吐量的算法。每个发射器和接收器分别具有M和N个天线，并且IC以时分双工模式操作。在第一种算法中，每个收发器调整其滤波器以最大化信号干扰噪声比（SINR）的期望值。另一方面，第二种算法试图使SINR的方差最小化，以对冲由于CSI误差而引起的变化。泰勒展开被用来近似CSI不完美的均值和方差的影响。所提出的鲁棒算法利用无线网络的互易性来优化两种不同工作模式下的估计统计特性。蒙特卡洛模拟研究和速率性能的建议算法和将变化最小化的收发器设计的优点。
2018-03-30 cs.IT math.IT
Intelligent Reflecting Surface-Assisted Secret Key Generation In Multi-antenna Network
物理层密钥生成（PKG）可以根据通信双方的上下行信道的相互关系，在通信双方之间生成对称的密钥。智能反射面（IRS）通过巧妙地重构无线电信号的传播路径，可以提高PKG的秘密密钥速率。然而，现有的工作涉及IRS辅助PKG集中在单天线无线网络。因此本文研究了IRS辅助的多输入单输出（MISO）系统中的PKG问题，通过优化设计IRS无源波束形成，以最大化秘密密钥速率为目标。首先，分析了窃听者与合法端的信道状态信息（CSI）之间的相关性，推导了被动窃听攻击下秘密密钥速率上界的表达式。在此基础上，以秘密密钥速率最大为目标，提出了一种基于半定松弛和泰勒展开的IRS反射系数优化设计算法。数值结果表明，我们的最优IRS辅助PKG方案可以实现更高的秘密密钥率时，与两个基准方案相比。
2021-05-02 cs.IT math.IT
Reconsidering Linear Transmit Signal Processing in 1-Bit Quantized Multi-User MISO Systems
在这篇文章中，我们研究了一个粗量化的多用户（MU）-多输入单输出（MISO）下行链路通信系统，其中我们假设在基站（BS）天线1位数模转换器（DAC）。首先，我们使用Bussgang分解分析可实现的和速率下限。在存在非线性量化的情况下，我们的分析表明在粗量化系统中重新考虑传统信号处理技术的潜在优点，即，重新考虑秩等于信道秩的发射协方差矩阵。此外，在本文的第二部分中，我们提出了一个线性预编码器的设计，实现了预测的性能增加相比，最先进的线性预编码器的设计。此外，我们的线性信号处理算法允许采用高阶调制方案。
2018-02-28 cs.IT math.IT
Multiple Parameter Estimation With Quantized Channel Output
我们提出了一个一般的问题制定的最佳参数估计的基础上量化的意见，应用到天线阵列通信和处理（信道估计，到达时间（TOA）和到达方向（DOA）估计）。在低分辨率A/D转换器（ADC）必须用于实现更高的采样率和简化硬件的情况下，这项工作是感兴趣的。提出了一种基于期望最大化（EM）的算法来解决这个问题，在一般设置。此外，我们还推导了Cramer-Rao界（CRB），并讨论了量化的影响和ADC特性的最佳选择。数值和分析分析表明，可靠的估计可能仍然是可能的，即使当量化是非常粗糙的。
2010-10-26 cs.IT math.IT
Bit-level Optimized Neural Network for Multi-antenna Channel Quantization
量化的信道状态信息（CSI）在预编码设计中起着至关重要的作用，有助于发挥多输入多输出（MIMO）技术的优点。为了减少CSI反馈的开销，我们提出了一种基于深度学习的CSI量化方法，通过开发一种联合卷积残差网络（JCResNet），从比特级量化性能的角度出发，该方法有利于MIMO信道特征提取和恢复。实验表明，我们提出的方法大大提高了性能。
2019-09-24 cs.IT eess.SP math.IT
Downlink Channel Reconstruction for Spatial Multiplexing in Massive MIMO Systems
为了在基站获取信道状态信息，大规模多输入多输出（MIMO）系统的研究大多考虑时分复用（TDD），以利用上下行信道的互易性。然而，即使在TDD中，BS仍然需要发送下行链路训练信号，其在3GPP标准中被称为信道状态信息参考信号（CSI-RS），以在实践中支持空间复用。这是因为，由于功耗和电路复杂性问题，在许多情况下，在用户设备（UE）处，发射天线的数量小于接收天线的数量。由于这种失配，来自UE的上行链路探测参考信号（SRS）不足以使BS获得完整的下行链路MIMO CSI。因此，在接收到下行链路CSI-RS之后，UE需要使用预定义的码本向BS反馈量化的CSI以支持空间复用。在本文中，提出了可能的方法来重建完整的下行链路MIMO CSI在BS考虑实际的天线结构，减少下行链路CSI-RS开销，通过利用SRS和量化的下行链路CSI。数值结果表明，基于所提出的下行MIMO CSI重构技术的空间复用的频谱效率优于仅基于量化CSI的传统方法。
2021-02-10 cs.IT 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
Efficient Equalization Method for Cyclic Prefix-Free Coarsely Quantized Massive MIMO Systems
低分辨率模数转换器（ADC）的使用可以显著降低大规模多输入多输出（MIMO）系统的功耗。量化的大规模MIMO系统的现有文献处理循环前缀（CP）传输方案在频率选择性衰落信道。在本文中，我们提出了一个块处理频域均衡（FDE）技术在无CP传输方案的大规模MIMO系统具有低分辨率ADC。通过最小化计算复杂性代价函数并考虑量化失真、信道冲激响应以及发射天线和接收天线的数量，找到了FDE的最佳块长度。通过数值模拟，最佳的块长度也保证了良好的性能方面的均方误差（MSE）和误码率（BER）的标准。
2018-04-24 cs.IT math.IT
Reciprocity Calibration of Dual-Antenna Repeaters
针对双天线中继器正反向增益不一致问题，提出利用两节点多状态双向测量估计并补偿增益差，实现网络透明的互易传播与互易波束赋形。
2024-06-13 cs.IT eess.SP math.IT
Uplink Achievable Rate in One-bit Quantized Massive MIMO with Superimposed Pilots
在这项工作中，我们考虑一个1比特量化的大规模MIMO信道叠加导频（SP）计划，被称为QSP。利用线性最小均方误差（LMMSE）信道估计器和最大比合并（MRC）接收机在BS，我们得到了一个近似的可达速率的下限。当优化导频和数据功率时，在封闭形式的解中获得使数据率最大化的最优功率分配。虽然有量化和未量化的系统之间的性能差距，它示出，这种差距逐渐减小的BS天线的数量是渐近大。此外，我们表明，导频从接收信号中删除使用信道估计不会导致信息的显着增加，特别是在低信噪比（SNR）和大量用户的情况下。我们提出了一些数值结果来证实我们的分析结果和见解提供了进一步探索量子化系统的SP。
2018-04-25 cs.IT math.IT
Advanced Quantizer Designs for FDD-Based FD-MIMO Systems Using Uniform Planar Arrays
大规模多输入多输出（MIMO）系统在基站处利用大量天线，期望通过实现改进的多用户MIMO技术来提高网络吞吐量。为了以合理的形状因子部署许多天线，期望基站在水平维度和垂直维度上都采用天线阵列，这被称为全维（FD）MIMO。最流行的二维阵列是均匀平面阵列（UPA），其中天线以网格模式放置。为了充分利用频分复用（FDD）中大规模MIMO的优势，下行链路信道状态信息（CSI）应该被估计、量化并从接收机反馈到发射机。然而，由于大规模MIMO信道的高维性，难以以计算高效的方式精确地对信道进行估计。在本文中，我们开发了窄带和宽带CSI量化器FD-MIMO考虑到现实信道和UPA的属性。为了提高量化质量，我们不仅专注于量化信道中的主导无线电路径，而且还结合量化的波束。我们还开发了一种分层束搜索方法，它扫描垂直和水平域联合适度的计算复杂性。数值仿真表明，所提出的量化器的性能优于以前的CSI量化技术。
2018-04-16 cs.IT math.IT
Stochastic Control of Event-Driven Feedback in Multi-Antenna Interference Channels
在多天线无线网络中，空间干扰避免是一种简单有效的干扰抑制方法。这种技术的部署需要从每个接收器到所有接收器的信道状态信息（CSI）反馈，从而导致大量的网络开销。为了解决这个问题，本文提出了分布式控制的方法，智能分配CSI比特在多个反馈链路和适应反馈信道动态。对于对称信道分布，最优的是每个接收机为不同的反馈链路平均分配反馈速率和，从而解耦它们的控制。以干扰功率和最小为准则，利用随机优化理论给出了最优反馈控制策略，以证明机会主义。具体地说，仅当相应的传输CSI误差很大或干扰信道增益很大时，才打开特定的反馈链路，并且反馈比特的最佳数量随着该增益的增加而增加。对于高流动性和考虑球帽量化CSI模型，最优反馈控制策略被示出为执行注水的时间，其中反馈比特的数量随相应的干扰信道增益的递增而递增。此外，我们考虑非对称信道分布的异构路径损耗和高流动性，并证明存在一个唯一的最优策略，联合控制多个反馈链路。鉴于球帽量化CSI模型，这种政策是执行注水反馈链路。最后，仿真结果表明，反馈控制产生显着的吞吐量增益相比，传统的差分反馈方法。
2012-02-27 cs.IT math.IT
Doubly 1-Bit Quantized Massive MIMO
本文研究发射端和接收端均采用1比特DAC/ADC的全数字大规模MIMO系统，基于Bussgang分解推导MSE近似，证明超大天线阵列下该系统仍具有优异性能。
2023-12-04 cs.IT eess.SP math.IT
Tomlinson-Harashima Precoding for Multiuser MIMO Systems with Quantized CSI Feedback and User Scheduling
本文研究了采用贪婪用户选择的下行多用户MIMO传输中基于低复杂度量化CSI的Tomlinson-Harashima（TH）预编码方案的和速率性能。利用极值理论导出了每个选定用户的输出信干噪比的渐近分布以及随着用户数K增大的渐近和速率。对于固定的有限信噪比和有限数量的发射天线$n_T$，我们证明了随着K的增长大，所提出的方法可以实现最佳的总和速率缩放的MIMO广播信道。我们还证明，如果我们忽略预编码损失，这种方法的平均总和速率收敛到MIMO广播信道的平均总和容量。我们的研究结果提供了深入了解量化CSI对多用户分集增益造成的多用户干扰的影响。
2014-08-03 cs.IT math.IT
Interference-Aware Resource Control in Multi-Antenna Cognitive Ad Hoc Networks with Heterogeneous Delay Constraints
在这项工作中，我们考虑了一个多天线的认知ad hoc网络（CAHNet）与异构延迟的要求。为了同时满足干扰和时延约束，本文提出在认知发射端根据干扰信道状态信息（CSI）进行自适应迫零波束形成（ZFBF）。为了帮助CAHNet获得干扰CSI，本文采用了一种双赢的网间协作策略，即在CAHNet支付适当代价的情况下，主网络通过反馈链路向CAHNet反馈量化的干扰CSI，考虑到反馈资源和功率资源的稀缺性，在干扰和时延约束下，重点关注总资源代价的最小化.为了解决这个问题，我们推导出一个联合反馈和功率控制算法之间的CAHNet的多个链路。仿真结果验证了该算法的有效性。
2013-04-05 cs.IT math.IT
Rate Loss Analysis for Multiple-Antenna NOMA with Limited Feedback
University of California Irvine（加州大学尔湾分校）
本文分析了有限反馈多输入单输出NOMA系统中量化误差对可行区域和速率损失的影响，推导出速率损失上界，并通过数值结果证明反馈位数增加时系统速率接近全CSI情况。
2026-09-30 cs.IT eess.SP math.IT
Gridless Variational Bayesian Channel Estimation for Antenna Array Systems with Low Resolution ADCs
采用低分辨率模数转换器（ADC）与接收机处的大型天线阵列耦合在毫米波（mm波）系统中引起了相当大的兴趣。由于毫米波信道在角度维度上是稀疏的，因此利用该结构可以减少测量的数量，同时实现可接受的性能。基于变分贝叶斯线性谱估计（VALSE）算法将角度视为随机参数的思想，针对以往算法将估计局限于栅格角度点集而导致栅格失配的问题，提出了一种适用于低分辨率ADC天线阵列系统的无栅格量化变分贝叶斯信道估计（GL-QVBCE）算法。数值结果表明，与传统的最小二乘（LS）方法相比，GL-QVBCE的性能明显提高，且渐近逼近CramèrRao界（CRB）.
2019-06-03 cs.IT eess.SP math.IT
Optimized Uplink Transmission in Multi-Antenna C-RAN with Spatial Compression and Forward
大规模MIMO和C-RAN是用于实现未来无线通信系统的两种有前途的技术，其中大量天线被部署在基站（BS）处，或者完全分布在被称为远程无线电头端（RRH）的单独站点处。在本文中，我们考虑了无线网络的一般天线部署设计，称为多天线C-RAN，其中可以在每个RRH处配备灵活数量的天线，以更有效地平衡传统的大规模MIMO和单天线C-RAN之外的性能和前传复杂度权衡。在上行链路通信设置下，我们提出了一种新的“空间压缩和转发（SCF）”方案，其中每个RRH首先执行线性空间滤波以将其从多个用户接收的信号去噪并最大限度地压缩到减少的维数，然后并行地在每个所得维数上进行均匀标量量化，最后通过有限速率前传链路将总量化比特发送给基带单元（BBU）进行联合信息解码。在此方案下，我们最大化的最小信号与干扰加噪声比（SINR）的所有用户在BBU的联合资源分配在无线传输和前传链路。具体地，每个RRH以分布式方式确定其自己的空间滤波解决方案，以减少与BBU的信令开销，而BBU联合优化用户的发射功率、RRH的前传比特分配以及在各个RRH处使用固定空间滤波器的BBU的接收波束成形。通过数值结果，它表明，给定要部署的天线的总数，多天线C-RAN与所提出的SCF和联合优化显着优于大规模MIMO和单天线C-RAN实际前传容量约束下。
2015-01-20 cs.IT math.IT
Fluid Antennas-Enabled Multiuser Uplink: A Low-Complexity Gradient Descent for Total Transmit Power Minimization
研究配备可移动天线阵列的多用户上行链路通信，提出基于特征值分解的闭式梯度投影梯度下降方法优化天线位置，在满足最小速率约束下显著降低用户总发射功率。
2024-01-08 cs.IT eess.SP math.IT
Outage behavior of slow fading channels with power control using noisy quantized CSIT
本研究的主题是在多天线慢衰落信道下，量化反馈和部分功率控制的中断行为。一个固定速率的通信系统被认为是。从文献中得知，在无误差反馈的情况下，用于功率控制的中断最优量化器具有循环结构。此外，系统的分集增益与功率控制码本的基数成多项式增加。在这里，一个类似的系统进行了研究，但当反馈链路是容易出错的。我们证明，在高信噪比制度，最佳量化器结构与噪声反馈仍然是圆形的，最佳Voronoi区域是连续的非零概率区间。此外，最优功率控制码本类似于信道优化标量量化器（COSQ），即，Voronoi区域与错误的反馈信息合并。使用COSQ，系统的中断性能优于无反馈方案。然而，渐近分析表明，系统的分集增益是相同的no-CSIT计划，如果有一个非零和非零的反馈错误概率。
2008-04-04 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
Capacity Analysis of One-Bit Quantized MIMO Systems with Transmitter Channel State Information
随着新兴无线系统中带宽达到千兆赫量级，高分辨率模数转换器（ADC）成为功耗瓶颈。一种解决方案是采用低分辨率1位ADC。在本文中，我们分析了平坦衰落多输入多输出（MIMO）信道与一位ADC。假设信道状态信息在发射机和接收机处都是已知的。对于多输入单输出信道，我们推导了精确的信道容量。对于单输入多输出MIMO信道，得到了无限信噪比下的容量，并给出了有限信噪比下的容量上界，当信道满秩时，该上界是紧的。此外，我们提出了一种有效的方法来设计输入符号以接近容量实现解决方案。我们将毫米波信道特性，并找到无限的SNR容量的界限。结果显示了路径的数量和接收天线的数量如何影响容量。
2015-11-06 cs.IT math.IT
Deep Learning for Massive MIMO with 1-Bit ADCs: When More Antennas Need Fewer Pilots
本文考虑了具有1位模数转换器（ADC）的上行链路大规模MIMO系统，并开发了一种基于深度学习的信道估计框架。在该框架中，利用先前的信道估计观测和深度神经网络模型来学习从量化的接收测量到信道的非平凡映射。为此，我们推导出足够的长度和导频序列的结构，以保证这个映射函数的存在。这导致了有趣的\textit{counter-intuitive}观察结果，即当大规模MIMO基站采用更多天线时，我们提出的深度学习方法在相同的导频序列长度下实现了更好的信道估计性能。同样，对于相同的信道估计性能，这意味着当采用更多的天线时，需要更少的导频。对于某些特殊的信道模型，这一观察结果也得到了解析证明。仿真结果证实了我们的观察，并表明，更多的天线导致更好的信道估计的归一化均方误差和可实现的信号-噪声比每天线。
2020-05-07 cs.IT eess.SP math.IT
Aligned Image Sets under Channel Uncertainty: Settling a Conjecture by Lapidoth, Shamai and Wigger on the Collapse of Degrees of Freedom under Finite Precision CSIT
Lapidoth、Shamai和Wigger在Allerton 2005年提出的一个猜想（也是ITA 2006年提出的一个公开问题）指出，在有限精度CSIT下，2用户广播信道的DoF必须崩溃，其中发射机配备有2个天线，每个用户配备有1个天线。在这项工作中，我们证明了该猜想在所有非简并设置（例如，其中未知信道系数的概率密度函数存在并且有界）。即使当发射机可获得一个用户的完美信道知识时，DoF也会崩溃。这也解决了Tandon等人最近提出的一个相关猜想。我们证明的关键是码字数量的限制，这些码字可以在信道受到有限精度CSIT影响的非期望接收机上投射相同的图像（噪声失真内），同时在信道被发射机精确获知的期望接收机上保持可分辨。我们还可以将结果推广到两个方向。首先，如果允许概率密度函数的峰值缩放为O（P ^（α/2）），表示概率密度的集中（改善CSIT），例如，在速率（α/2）\log（P）的量化反馈的情况下，则DoF由1 + α上界，这在量化反馈下也是可实现的。其次，我们推广的结果，K个用户广播信道与K个天线在发射机和一个单一的天线在每个接收机。这里也是在非退化信道不确定性下的DoF崩溃。该结果直接意味着对于一般的K用户干扰和MxN用户X网络，在非退化信道不确定性下DoF崩溃为1。
2014-03-06 cs.IT math.IT
Interleaving Channel Estimation and Limited Feedback for Point-to-Point Systems with a Large Number of Transmit Antennas
我们介绍和调查的机会，多天线通信计划的训练和反馈阶段交错和相互作用。具体来说，与传统的方案，发射机首先训练所有的天线一次，然后接收一个反馈消息，我们考虑的情况下，发射机，而不是一个接一个地训练它的天线，并立即接收反馈信息后，训练它的每一个天线。反馈消息可以要求发射机训练另一天线;或者，它可以终止反馈/训练阶段并提供量化的码字（例如，波束成形向量）用于数据传输。作为具体应用，我们考虑具有$t$发射天线、短期功率约束$P$和目标数据率$ρ$的多输入单输出系统。我们表明，对于任何$t$，与具有完美的发射机和接收机信道状态信息的系统相同的中断概率可以实现与每个信道状态的$R_1$比特的反馈速率和通过训练$R_2$平均发射天线，其中$R_1$和$R_2$是独立的$t$，并且仅依赖于$ρ$和$P$。此外，我们设计可变速率量化器的信道系数，以进一步减少我们的计划的反馈率。
2018-08-16 cs.IT eess.SP math.IT
Uplink Channel Estimation and Data Transmission in Millimeter-Wave CRAN with Lens Antenna Arrays
毫米波（mmWave）通信和网络致密化对于在下一代无线网络中实现高速率通信具有很大的希望。云无线接入网（CRAN）是实现网络密集化的一种具有成本效益的解决方案，其中部署了由中央单元（CU）协调的低复杂度远程无线头端（RRH）以分布式方式为用户服务。然而，当在毫米波频率中的大带宽上操作时，CRAN中的数字前传链路将容易被要在RRH和CU之间传送的大量采样和量化信号饱和。为了应对这一挑战，我们在本文中提出了一种新的架构，毫米波为基础的CRAN先进的透镜天线阵列在RRH。由于能量聚焦特性，透镜天线阵列在利用毫米波信道的角度稀疏性方面是有效的，并且因此有助于大幅降低前传速率并简化多天线RRH和CU处的信号处理，即使当信道是频率选择性的时。我们认为在毫米波CRAN与透镜天线阵列的上行链路传输，并提出了一个低复杂度的量化比特分配方案，在每个RRH多个天线，以满足给定的前传速率约束。此外，我们提出了一种信道估计技术，利用透镜阵列的能量聚焦特性，并可以实现在CU具有低复杂度。最后，我们比较了所提出的毫米波CRAN使用透镜天线阵列与传统的CRAN使用均匀的平面阵列在RRH，并表明，所提出的设计实现了显着的吞吐量增益，但复杂性低得多。
2018-07-29 cs.IT math.IT
Tradeoff Between Delay and High SNR Capacity in Quantized MIMO Systems
模数转换器（ADC）是具有大量天线的多输入多输出（MIMO）通信系统的功耗的主要贡献者。已经提出使用低分辨率ADC作为降低MIMO接收器中的功耗的手段。然而，降低ADC分辨率会导致可实现传输速率方面的性能损失。为了减轻速率损失，接收机可以在量化之前对接收到的信号执行模拟处理。先前的工作考虑单次模拟处理，其中在每个通道使用时，接收信号的模拟线性组合被馈送到一组一位阈值ADC。在本文中，提出了一种接收机架构，它使用一系列的延迟元件，以允许块线性组合的接收到的模拟信号。在高信噪比的制度，它表明，所提出的架构实现了最大可实现的传输速率给定一个固定数量的一位ADC。此外，传输速率和延迟元件的数量之间的权衡被识别，其量化了随着延迟元件的数量增加而增加的最大可实现速率。
2019-01-28 cs.IT math.IT
Event-Driven Optimal Feedback Control for Multi-Antenna Beamforming
发射波束成形是用于增加无线通信系统的吞吐量和传输范围的简单多天线技术。所需的信道状态信息（CSI）的反馈可能潜在地导致过多的开销，特别是对于高移动性或许多天线。这项工作涉及有效的反馈传输波束形成，并建立了一个新的方法来控制反馈，最大限度地提高净吞吐量，定义为吞吐量减去平均反馈成本。使用固定策略的反馈控制器根据包括信道状态和发射波束形成器的系统状态来开启/关闭CSI反馈。假设通道各向同性和马尔可夫性，控制器的状态减少到两个标量。这允许使用动态规划有效地计算最优控制策略。考虑完美的反馈渠道没有错误，其中每个反馈即时支付固定的价格。证明了相应的最优反馈控制策略是阈值型的。无论控制器的状态空间是离散的还是连续的，这个结果都成立。在阈值型策略下，每当指示发送CSI的准确性的状态变量低于阈值时执行反馈，该阈值随信道功率而变化。还考虑了实际的有限速率反馈信道。量化反馈的最优策略也是阈值型的。CSI量化的效果被证明是相当于一个增量的反馈价格。此外，增量的上界由1减去量化误差的期望对数限定。最后，仿真表明，反馈控制增加了传统的周期性反馈的净吞吐量高达0.5位/秒/赫兹，而不需要额外的带宽或天线。
2009-09-28 cs.IT math.IT
A Deep Learning Framework for Joint Channel Acquisition and Communication Optimization in Movable Antenna Systems
本文提出一种用于移动天线多用户系统的端到端深度学习框架，联合优化信道估计、天线放置与预编码设计，在不完美CSI下显著降低反馈开销并提升可达总速率。
2025-08-30 cs.IT eess.SP math.IT
Deep Learning based Channel Estimation for Massive MIMO with Mixed-Resolution ADCs
在这篇文章中，深度学习被应用于估计混合模数转换器（ADC）的大规模多输入多输出（MIMO）系统的上行链路信道，其中一部分天线配备有高分辨率ADC，而其他天线在基站处使用低分辨率ADC。首先提出了一种直接输入深度神经网络（DI-DNN），利用所有天线的接收信号进行信道估计。为了消除粗量化信号的不利影响，开发了选择输入预测DNN（SIP-DNN），其中仅利用由高分辨率ADC天线接收的信号来预测其他天线的信道以及估计它们自己的信道。数值结果表明，所提出的DNN为基础的方法优于现有的方法，特别是与混合的一位ADC，以及所提出的方法对不同的ADC分辨率模式的有效性。
2019-08-17 cs.IT eess.SP math.IT
Uplink Data Detection Analysis of 1-Bit Quantized Massive MIMO
本文提出了一种分析框架，在大规模多输入多输出上行链路系统中的数据检测与1位模数转换器（ADC）。考虑到单用户的情况下，我们提供了封闭形式的表达式的期望值和方差的估计符号时，采用最大比合并在基站（BS）随着其渐近行为在高信噪比（SNR）。这些结果被利用，以提高最大似然检测的性能，考虑到分散的估计符号的期望值。相对于BS天线的数量、SNR和用于信道估计的导频长度来评估具有1比特ADC的符号出错率。所提出的分析突出了一个基本的SNR权衡，根据该权衡，在正确的SNR下操作可以大大提高数据检测精度。
2021-07-26 cs.IT eess.SP math.IT
Diversity Order Gain with Noisy Feedback in Multiple Access Channels
在本文中，我们研究了在多用户MIMO系统中，每个用户有m个发射天线和基站接收机有n个天线，使用量化反馈的分集复用折衷的反馈信道噪声的影响。我们推导出一个可实现的权衡，并使用它来表明，在SNR对称信道中，一个比特的不完美的反馈是足够的两倍，最大分集阶数为2mn相比，当没有反馈（最大是MN在复用增益为零）。此外，附加的反馈比特不会将该最大分集阶数增加到超过2mn。最后，对于更高的复用增益，也可以实现mn在非反馈系统上的上述分集阶数增益，尽管需要多于一个比特的反馈。
2008-06-10 cs.IT math.IT
Interference Alignment with Quantized Grassmannian Feedback in the K-user Constant MIMO Interference Channel
针对K用户恒定多输入多输出干扰信道（MIMO IC）中的干扰对齐（IA）问题，提出了一种简单的信道状态信息（CSI）反馈方案。所提出的技术依赖于IA方程中的不变量的识别，这使得能够将CSI量化问题重新表述为每个接收器处的格拉斯曼流形上的单个量化。建立了反馈比特的数量与足以保持在完美CSI下可以实现的复用增益的发射功率的缩放。我们表明，所提出的技术的CSI反馈要求是更好的（低）比所需的使用以前公布的方法时，系统的尺寸（用户和天线的数量）的实际利益。此外，我们通过模拟表明，这种优势在低信噪比下仍然存在，在这个意义上，所提出的技术产生一个较高的和速率性能为给定数量的反馈位。最后，为了补充我们的分析，我们引入了一个统计模型，忠实地捕捉随机矢量量化（RVQ）的格拉斯曼流形上的大型码本的量化误差的属性，这使得数字（蒙特卡罗）分析一般格拉斯曼RVQ方案的码本大小，将是不切实际的大模拟。
2015-02-15 cs.IT math.IT
Adaptive Learning-Based Detection for One-Bit Quantized Massive MIMO Systems
我们提出了一个自适应学习为基础的框架，上行链路大规模多输入多输出（MIMO）系统与一位模数转换器。基于学习的检测不需要估计信道，这克服了一比特量化系统的一个关键缺点。在训练过程中，基于学习的检测在高信噪比（SNR）下会受到影响，因为观测值会偏向+1或-1，这导致许多零值经验似然函数。在低SNR下，观测值经常变化，但高噪声功率使捕获信道的影响变得困难。为了解决这些缺点，我们提出了一种自适应抖动和学习方法。在训练期间，接收值与抖动噪声混合，抖动噪声的统计数据对于基站是已知的，并且抖动噪声功率对于每个天线元件根据观察到的输出模式来更新。然后，我们在一位最大似然检测规则中使用细化的概率。仿真结果验证了所提出的方法与我们以前的方法使用固定的抖动噪声功率以及迫零和最佳ML检测，这两个假设完美的信道知识的检测性能。
2022-11-13 cs.IT eess.SP math.IT
MIMO Broadcast Channels with Finite Rate Feedback
下行链路信道中的多个发射天线可以提供巨大的容量（即，复用）增益，即使当接收机仅具有单个天线时。然而，通常需要接收器和发射器信道状态信息。在本文中，系统中的每个接收机有完善的信道知识，但发射机只接收量化信息的信道实例进行了分析。众所周知的迫零传输技术被认为是，和简单的表达式，由于有限速率反馈的吞吐量下降。一个关键的发现是，每个移动设备的反馈速率必须随着SNR（以dB为单位）线性地增加，以便实现全复用增益，这与点对点MIMO系统形成鲜明对比，在点对点MIMO系统中，不必根据SNR来增加反馈速率。
2006-03-16 cs.IT math.IT
Quantized Analog Beamforming Enabled Multi-task Federated Learning Over-the-air
针对多任务联邦学习空中计算中的任务间干扰问题，提出接收端量化模拟波束成形方案，通过大规模天线阵列特性实现统计干扰消除，验证了低精度移相器可逼近理想学习性能。
2025-03-22 cs.IT eess.SP math.IT
Cognitive Learning-Aided Multi-Antenna Communications
University of Luxembourg（卢森堡大学）；Duzce University（迪兹杰大学）；United States Army Research Laboratory（美国陆军研究实验室）
认知通信已经成为一种有前途的解决方案，可以增强、适应和发明超越传统无线网络的新工具和功能。深度学习（DL）在实现认知系统的基本功能方面至关重要，因为它具有快速预测性能，自适应行为和无模型结构。这些特征对于产生和处理大量数据的多天线无线通信系统尤其重要。多个天线可提供分别改善容量、误比特率或信号与干扰加噪声比的复用、分集或天线增益。在实际应用中，多天线认知通信面临着数据复杂性和多样性、硬件复杂性以及无线信道动态性等方面的挑战。诸如联邦学习、迁移学习和在线学习的DL解决方案在通信处理的各个阶段解决这些问题，包括多信道估计、混合波束形成、用户定位和稀疏阵列设计。本文概述了各种基于DL的方法，可将认知行为赋予多天线无线通信，以提高鲁棒性并适应环境变化，同时提供令人满意的频谱效率和计算时间。我们从数据、学习和收发器架构的角度讨论DL设计挑战。特别是，我们建议量化的学习模型，数据/模型并行化和分布式学习方法来解决上述挑战。
2022-04-02 cs.AI cs.IT cs.LG
