Performance of Cell-Free Massive MIMO Systems with MMSE and LSFD Receivers
无小区大规模MIMO包括大量分布式单天线接入点（AP），为数量少得多的用户提供服务。不存在小区划分，并且每个用户由所有AP服务。本文研究了采用最小均方误差（MMSE）和大尺度衰落译码（LSFD）接收机的无小区系统的上行链路性能。LSFD接收机的主要思想是仅利用AP和用户之间的大尺度衰落系数来最大化可达到的吞吐量。推导了MMSE和LSFD接收机的容量下界。推导了MMSE接收机信干噪比（SINR）仅随大尺度衰落系数变化的渐近近似表达式。所得到的近似是准确的，即使是少量的天线。MMSE和LSFD接收机在5%中断率方面分别比匹配滤波器（MF）接收机具有5倍和2倍的增益。
2017-02-08 cs.IT math.IT
Adaptive and Iterative Multi-Branch MMSE Decision Feedback Detection Algorithms for MIMO Systems
提出了一种多输入多输出（MIMO）空间复用系统中基于多处理分支的判决反馈（DF）检测算法。建议的检测器采用多个消除分支与接收滤波器，从一个共同的矩阵求逆得到的，并实现接近的最大似然检测器（MLD）的性能。针对多分支MMSE DF（MB-MMSE-DF）接收机，提出了一种约束最小均方误差（MMSE）接收滤波器，该滤波器对反馈滤波器的形状和幅度进行了约束。提出的MB-MMSE-DF检测器的自适应实现开发与递归最小二乘型算法估计接收滤波器的参数时，信道是时变的。一个软输出版本的MB-MMSE-DF检测器也被提出作为一个迭代检测和解码接收机结构的组成部分。计算复杂性分析表明，MB-MMSE-DF检测器并不需要比传统的MMSE-DF检测器显著增加的复杂性，而分集分析讨论了由MB-MMSE-DF检测器实现的分集阶数。仿真结果表明，MB-MMSE-DF检测器的性能优于现有的次优检测器，接近MLD，而需要显着降低复杂度。
2013-08-13 cs.IT math.IT
On MMSE Properties and I-MMSE Implications in Parallel MIMO Gaussian Channels
标量加性高斯噪声信道具有在给定信道输出的输入估计中的最小均方误差（MMSE）（假设对信道的高斯输入）与假设任意输入的MMSE之间的“单交叉点”属性。本文分三个阶段将结果推广到并行MIMO加性高斯信道：i）信道矩阵是单位矩阵，我们将高斯输入限制为高斯i.i.d.向量;元素“单交叉点”属性是相对于标量的（如标量的情况）。ii）信道矩阵是任意的，高斯输入限于独立的高斯输入。对于MMSE矩阵的每个对角元素，导出“单交叉点”属性。iii）允许高斯输入是任意高斯随机向量。一个“单一的交叉点”的属性推导出每个MMSE矩阵的特征值。这三个扩展，然后被翻译成新的信息论性质的互信息，使用估计理论和信息论之间的基本关系。最后一个阶段的结果也被转化为Fisher信息的一个新的属性。最后，所有三个扩展的信息论问题的适用性证明：香农的向量EPI的一个特殊情况下，证明的容量区域的并行退化MIMO广播信道（BC）下每天线功率约束和协方差约束下的逆证明，和协方差约束下的复合并行退化MIMO BC的容量区域的逆证明。
2012-03-26 cs.IT math.IT
Asymptotic Analysis for Low-Resolution Massive MIMO Systems with MMSE Receiver
研究了在大规模多输入多输出（MIMO）系统中，假设基站（BS）上安装低分辨率模数转换器（ADC）时的上行链路可达速率。我们假设在BS处仅知道不完全的信道站信息。在此基础上，设计了一种新的MMSE接收机，该接收机不仅考虑了高斯噪声，还考虑了信道估计误差和量化器噪声。通过使用随机矩阵的Stieltjes变换，我们进一步推导出一个紧密的渐近等价的上行链路可达速率与建议MMSE接收机。我们提出了一个详细的分析BS天线的数量，通过表达的可实现的速率，并使用数值模拟验证的结果。它还表明，我们可以补偿由于低分辨率量化的性能损失，通过增加在BS的天线数量。
2018-01-30 cs.IT math.IT
A Multi-cell MMSE Detector for Massive MIMO Systems and New Large System Analysis
针对大规模MIMO系统，提出了一种新的多小区MMSE检测器。令$K$和$B$分别用$B = βK$表示每个小区中的用户数量和网络中可用导频序列的数量，其中$β\ge 1 $被称为导频重用因子。多小区MMSE检测器的新颖性在于，它利用了可以在基站本地估计的所有$B$信道方向，使得小区内干扰、小区间干扰的部分和噪声都可以被主动抑制，而传统检测器仅使用$K$小区内信道。此外，在大系统的限制下，所提出的多小区MMSE的上行链路SINR的确定性等效表达式推导。该表达式易于计算，并考虑了导频和有效载荷的功率控制、不完美的信道估计和任意导频分配。数值结果表明，与传统的单小区MMSE和最近的多小区ZF相比，多小区MMSE可以获得显著的和频谱效率增益，并且随着$β$和/或$K$的增加，增益变得更加显著。此外，确定性等效被证明是非常准确的，即使是相对较小的系统尺寸。
2015-09-06 cs.IT math.IT
MMSE Bound for MIMO Channel
针对复值多输入多输出（MIMO）系统的性能评估，给出了最小均方误差（MMSE）的两个界的详细推导。特别地，下界是基于基因辅助MMSE估计器导出的，而上界是基于最大似然（ML）估计器导出的。利用互信息（MI）与MMSE之间的关系，导出了MI的两个界，并在此基础上讨论了高信噪比下平均MI的渐近行为。理论分析表明，随着信噪比的增加，平均MI将收敛到最大值，分集阶数与接收天线数相同。
2021-11-24 cs.IT eess.SP math.IT
Massive MIMO with Multi-cell MMSE Processing: Exploiting All Pilots for Interference Suppression
针对大规模MIMO网络，提出了一种新的多小区MMSE算法，包括上行MMSE检测器和下行MMSE预编码器。主要的新颖性是，它利用所有可用的导频干扰抑制。具体来说，令$K$和$B$分别表示每个小区的用户数量和网络中的正交导频序列数量，其中$β= B/K$是导频重用因子。然后，我们的多小区MMSE方案利用所有的$B$信道方向，可以在每个基站本地估计，以积极地抑制小区内和小区间干扰。该方案考虑了导频和有效载荷的功率控制、信道估计误差和导频分配的任意性，具有较强的实用性和通用性。仿真结果表明，在单小区MMSE方案和多小区ZF上获得了显著的频谱效率（SE）增益，特别是对于大的$β$和/或$K$。此外，大规模的近似的上行链路和下行链路的信干噪比推导出，这是渐近紧的大系统的限制。该近似值易于计算，即使对于小的系统尺寸也非常精确。使用这些SINR近似，一个低复杂度的功率控制算法也提出了最大化的总和SE。
2015-05-26 cs.IT math.IT
Large-System Analysis of Massive MIMO with Optimal M-MMSE Processing
我们考虑具有$L$小区的大规模MIMO网络的上行链路，每个小区包括具有$M$天线和$K$单天线用户设备的BS。最近，[1]研究了当$M\to \infty$和$K$保持固定时，具有最优多小区最小均方误差（M-MMSE）处理的此类网络的渐近频谱效率。值得注意的是，[1]证明，对于具有空间相关性的实际信道，即使有导频污染，频谱效率也会无限增长。本文将[1]的分析推广到$M,K\to \infty$具有给定比例的替代方案。从随机矩阵理论的工具被用来计算低复杂度的近似被证明是渐近紧，但准确的现实系统的尺寸，如模拟所示。
2019-06-25 cs.IT math.IT
MMSE Based Greedy Antenna Selection Scheme for AF MIMO Relay Systems
针对放大转发（AF）多输入多输出（MIMO）中继系统，提出了一种基于最小均方误差（MMSE）的贪婪天线选择算法。假设在多个数据流之间的等功率分配，我们推导出一个封闭的形式的表达式的均方误差（MSE）增加每个额外的天线对所产生的。基于此结果，我们迭代地选择中继节点的天线对，以最小化MSE。仿真结果表明，我们的算法大大优于现有的计划。
2020-03-17 cs.IT eess.SP math.IT
A Multi-cell MMSE Precoder for Massive MIMO Systems and New Large System Analysis
针对大规模MIMO系统，提出了一种新的多小区MMSE预编码器。我们考虑多小区网络，其中每个小区具有$K$用户并且$B$正交导频序列可用，其中$B = βK$和$β\ge 1$是网络上的导频重用因子。与仅使用$K$小区内信道估计的传统单小区预编码相比，所提出的多小区MMSE预编码器利用可以在基站处本地估计的所有$B$信道方向，使得传输在空间上被设计为抑制小区间和小区内干扰的两个部分。为了评估性能，一个大规模的近似的下行链路SINR的建议多小区MMSE预编码器推导出和近似是紧的大系统的限制。功率控制的导频和有效载荷，不完美的信道估计和任意导频分配占在我们的预编码器。数值结果表明，与传统的单小区MMSE预编码器相比，所提出的多小区MMSE预编码器实现了显著的频谱效率增益，并且增益随着$K$或$β$的增长而增加。与最近的M-ZF预编码器，其性能急剧下降的大$K$相比，我们的M-MMSE可以始终保证一个高和稳定的性能。此外，大规模的近似是很容易计算，即使是小的系统尺寸是准确的。
2015-09-06 cs.IT math.IT
MMSE precoder for massive MIMO using 1-bit quantization
提出了一种新的线性最小均方误差（MMSE）预编码器的下行链路（DL）大规模多输入多输出（MIMO）的情况下设计。出于经济和计算效率的原因，使用低分辨率1位数模（DAC）和模数（ADC）转换器。这是以性能增益为代价的，性能增益可以通过在基站（BS）处部署的大量天线和适当的预编码器设计来恢复，以减轻由于粗量化引起的失真。所提出的预编码器考虑了量化非线性，并分为数字预编码器和模拟预编码器。我们制定了两阶段的预编码问题，使用户的MSE最小化下的1位约束。在模拟中，我们比较了新的优化预编码方案与以前提出的线性预编码器的未编码的误码率（BER）。
2017-06-27 cs.IT math.IT
Performance Indicator for MIMO MMSE Receivers in the Presence of Channel Estimation Error
我们提出了推导后处理SNR的最小均方误差（MMSE）接收机与不完美的信道估计，并表明它是一个准确的指标的出错率性能的MIMO系统中存在的信道估计错误。仿真结果表明了分析的严密性。
2012-11-13 cs.IT cs.NI cs.PF
A Generalized MMSE Detection with Reduced Complexity for Spatially Multiplexed MIMO Signals
在多输入多输出（MIMO）空间复用（SM）系统中，信号检测策略决定了系统的出错率性能。最佳的最大似然检测（MLD），彻底检查所有的符号候选具有指数的复杂度，并可能不适用于许多实际系统。在本文中，我们考虑了一个广义的最小均方误差（MMSE）检测来自条件均值估计，这在原则上相当于MLD的行为，但也包括一个线性MMSE检测作为特殊情况。出于这一事实，我们提出了一个低复杂度的检测，显着减少了检查的符号候选人的数量，而没有显着的出错率性能下降从MLD。我们的方法是近似的概率密度函数（PDF）的调制符号，出现在精确的条件均值表达式，使决策度量可以被铸造成一个部分封闭的形式。结果发现，均匀环近似相结合的相移键控（PSK）和幅度相移键控（APSK）是有前途的，因为它可以实现的性能，甚至可以媲美MLD，而其复杂度是线性的发射天线的数量是两个。
2011-01-12 cs.IT math.IT
Team MMSE Precoding with Applications to Cell-free Massive MIMO
本文研究了一种新的分布式预编码设计，创造了团队最小均方误差（TMMSE）预编码，它严格地推广了经典的集中式MMSE预编码到分布式操作的基础上发射机特定的信道状态信息（CSIT）。建立在所谓的团队理论，我们推导出一组必要和充分条件的最佳TMMSE预编码，在一个无限维线性方程组的形式。这些最优性条件进一步专用于无小区的大规模MIMO网络，并且针对两个重要示例明确求解，即，本地CSIT的经典情况和沿着串行前传的单向CSIT共享的情况。后一种情况是相关的，例如，最近提出的无线电条带概念和利用串行连接的顺序处理的相关进展。在这两种情况下，我们的最佳设计优于探试法，是已知的从以前的文献。对偶参数和数值模拟验证了所提出的团队理论方法的有效性遍历可实现率下的和功率约束。
2021-11-02 cs.IT math.IT
On Optimal MMSE Channel Estimation for One-Bit Quantized MIMO Systems
本文针对单比特量化MIMO系统，提出基于正交概率计算MMSE信道估计器的新框架，并给出BLMMSE估计器最优的充要条件，推导大维度下的解析表达式以比较两者性能。
2025-01-22 cs.IT eess.SP math.IT
Low-complexity near-optimal signal detection for uplink large-scale MIMO systems
最小均方误差（MMSE）信号检测算法是上行多用户大规模多输入多输出（MIMO）系统的近最优检测算法，但需要进行复杂度较高的矩阵求逆。本文首先证明了大规模MIMO系统的MMSE滤波矩阵是对称正定的，并在此基础上利用Richardson方法避免矩阵求逆，提出了一种低复杂度的准最优信号检测算法。复杂度可以从O（K3）降低到O（K2），其中K是用户数。我们还提供了所提出的算法的收敛性证明。仿真结果表明，该算法收敛速度快，达到了经典MMSE算法的近优性能。
2015-07-16 cs.IT math.IT
Team-Optimal MMSE Combining for Cell-Free Massive MIMO Systems
无小区（Cell-free，CF）大规模多输入多输出（massive multiple-input multiple-output，MIMO）系统被期望实现先进的协作通信技术，以使地理上分布的接入点联合服务于用户设备。在\emph{Team Theory}的基础上，设计了有限数据和灵活信道状态信息（CSI）共享下的上行链路组最小均方误差（TMMSE）合并。考虑到信道估计误差和导频污染的影响，提出了一种最小均方误差问题，推导出单向TMMSE、集中式TMMSE和统计TMMSE合并函数，其中CF大规模MIMO系统分别工作在单向CSI、集中式CSI和统计CSI共享方案下.然后，我们推导出所考虑的系统的上行链路频谱效率（SE）。结果表明，与集中式TMMSE相比，单向TMMSE仅需要近一半的CSI分担负担的成本，而SE性能损失可以忽略不计。此外，单向和集中式TMMSE合并方案之间的性能差距可以有效地减少通过增加AP和每个AP的天线的数量。
2022-01-24 cs.IT math.IT
Massive MIMO with Spatially Correlated Rician Fading Channels
本文考虑多小区大规模MIMO（多输入多输出）系统中的信道是空间相关的莱斯衰落。该信道模型由确定性视线（LoS）路径和随机非视线（NLoS）分量组成，描述了一个实际的空间相关多径环境。我们推导出该模型的最小均方误差（MMSE），元素的MMSE（EW-MMSE），最小二乘（LS）信道估计的统计特性。使用这些估计的最大比（MR）合并和预编码，严格的封闭形式的上行链路（UL）和下行链路（DL）频谱效率（SE）的表达式推导和分析。当使用不同的信道估计的渐近SE行为进行了分析。数值结果表明，当使用MMSE估计器时，SE比其他估计器更高，并且性能差距随着天线数目的增加而增加。
2019-06-13 cs.IT math.IT
Robust MMSE Precoding for Out-of-Cluster Interference Mitigation in Cell-Free MIMO Networks
University of Sao Paulo（圣保罗大学）；PUC-Rio（天主教里约热内卢大学）；University of York（约克大学）
本文提出一种线性鲁棒最小均方误差预编码器，以缓解不完美信道状态信息和集群内及集群外干扰的影响。通过考虑集群外干扰的统计信息，有效抑制干扰。分析了CF系统获得的总速率，并推导了抑制集群外干扰的理论增益表达式。
2026-04-05 cs.IT math.IT
On the precoder design of flat fading MIMO systems equipped with MMSE receivers: a large system approach
研究了在双相关平坦衰落MIMO系统中，基于MMSE接收机的预编码器的设计，该预编码器能最大化系统的各态历经互信息（EMI）。假设信道的信道状态信息和二阶统计量分别在接收机侧和发射机侧可用。由于EMI的直接最大化需要使用非吸引力算法，因此建议优化最近引入的EMI的近似，当发射和接收天线的数量$t$和$r$以相同的速率收敛到$\infty$时获得该近似。建立了实际EMI与其近似值之间的相对误差为$O(\frac{1}{t^{2}})$项。证明了最优预编码器的左奇异特征向量与发射协方差矩阵的特征向量一致，其奇异值是某个最大化问题的解。数值实验表明，该预编码器提供的互信息接近于通过最大化真实EMI而获得的互信息，但是最大化近似的算法的计算量要小得多。
2009-11-02 cs.IT math.IT
MIMO Broadcasting for Simultaneous Wireless Information and Power Transfer: Weighted MMSE Approaches
我们考虑在MIMO广播网络中的同时无线信息和功率传输（SWIPT），其中一个能量收集（EH）用户和一个信息解码（ID）用户共享相同的时间和频率资源。与以往的基于信息速率的SWIPT系统相比，本文提出了加权最小均方误差（WMMSE）准则。首先，我们制定的WMMSE-SWIPT问题，最大限度地减少到达ID用户的消息信号的加权和MSE，同时满足对能量的要求，可以从EH用户的信号收获。然后，我们提出了最佳的预编码器结构的问题，并确定最好的可能MSE能量权衡区域，通过替代更新的线性预编码器在发射机与线性接收机在ID用户。从导出的解决方案，几个有趣的观察相比，传统的SWIPT设计。
2014-10-16 cs.IT math.IT
Study of MMSE-Based Resource Allocation for Clustered Cell-Free Massive MIMO Networks
本文研究下行无蜂窝大规模MIMO网络，推导了和速率闭式表达式，并提出基于MMSE的多用户调度与功率分配技术，显著提升系统性能并降低计算与信令开销。
2023-11-24 cs.IT eess.SP math.IT
Iteratively Weighted MMSE Uplink Precoding for Cell-Free Massive MIMO
在本文中，我们研究了一个无小区的大规模MIMO系统的接入点和用户设备配备多个天线在Weichselberger瑞利衰落信道。我们研究了上行链路的频谱效率（SE）的基础上的两层解码结构与最大比（MR）或局部最小均方误差（MMSE）合并应用在第一层和最佳的大规模衰落解码方法实现在第二层，分别。为了最大化加权和SE，提出了一种基于仅使用信道统计的迭代加权和MMSE（I-WMMSE）算法的上行链路预编码结构。此外，MR结合应用在第一层，我们得到新的可实现的SE表达式和最佳的预编码结构的封闭形式。数值结果验证了我们提出的结果，并表明I-WMMSE预编码可以获得良好的和SE性能。
2022-01-27 cs.IT eess.SP math.IT
SINR Constrained Beamforming for a MIMO Multi-user Downlink System
考虑多输入多输出（MIMO）下行链路多用户信道。在这样的系统中，一个研究得很好的问题是设计线性波束形成器，用于功率最小化与服务质量（QoS）约束。解决这类问题的最具代表性的算法是所谓的MMSE-SOCP算法[11-12]和UDD算法[9]。前者是基于发射和接收波束形成器的交替优化，而后者是基于众所周知的上行链路-下行链路对偶理论。尽管其广泛的适用性，收敛（KKT解决方案）的两种算法仍然是开放的文献。在本文中，我们严格建立这些算法的收敛性QoS约束的功率最小化（QCPM）问题，每个用户的情况下，单流和多流。我们分析的关键是一个新的MMSE-DUAL算法的发展和分析，它连接的MMSE-SOCP和UDD算法。数值实验表明：1）无论初始化如何，这些算法几乎都能到达目标值相同的点; 2）MMSE-SOCP/MMSE-DUAL算法效果较好，而UDD算法可能会因初始化不可行而失败。
2015-07-25 cs.IT math.IT
MMSE Symbol Level Precoding Under a Per Antenna Power Constraint for Multiuser MIMO Systems With PSK Modulation
提出了一种基于最小均方误差设计目标的符号级预编码算法。建议的设计，然后制定在一个二阶锥程序的标准形式，允许通过内点法的最佳解决方案。数值结果表明，所提出的设计是优于现有的方法在低和中等信噪比制度的误比特率。
2022-06-25 cs.IT eess.SP math.IT
Finite-Alphabet MMSE Equalization for All-Digital Massive MU-MIMO mmWave Communication
我们提出了有限字母表均衡，一个新的范例，限制了空间均衡矩阵的条目，以低分辨率的数字，使高吞吐量，低功耗，低成本的硬件均衡器。为了最大限度地减少这种模式的性能损失，我们引入FAME，短的有限字母表最小均方误差（MMSE）均衡，这是能够显着优于一个天真的量化的线性MMSE矩阵。我们开发了有效的算法来近似解决NP难FAME问题，并展示了对于大规模多用户多输入多输出（MU-MIMO）毫米波（mmWave）系统，可以使用量化为仅1-3位的均衡系数来实现接近最佳的性能。我们提供了超大规模集成（VLSI）的结果，证明了减少均衡功率和面积的至少3.9倍和5.8倍，分别。
2020-09-06 cs.IT eess.SP math.IT
Precoder Design for Multi-antenna Partial Decode-and-Forward (PDF) Cooperative Systems with Statistical CSIT and MMSE-SIC Receivers
协作通信是下一代无线网络的重要技术。除了传统的放大转发（AF）和解码转发（DF）协议之外，部分解码转发（PDF）协议是一种替代的中继方案，其对于中继节点不能可靠地解码完整源消息的场景特别有前途。然而，关于PDF协议的应用，有几个重要的问题需要解决。在本文中，我们提出了一个PDF协议和MIMO预编码器的设计在源和中继节点。预编码器的设计是适应相关MIMO信道的统计信道状态信息的基础上，并匹配到实际的最小均方误差连续干扰消除（MMSE-SIC）接收机在中继和目的节点。我们表明，在类似的系统设置下，建议的MIMO预编码器设计与PDF协议和MMSE-SIC接收机实现了显着的性能增强相比，传统的基线。
2012-02-28 cs.IT math.IT
Line-of-Sight and Pilot Contamination Effects on Correlated Multi-cell Massive MIMO Systems
本工作考虑了具有$L$小区的多小区大规模MIMO系统的上行链路（UL），每个$K$单天线用户与$N-$天线基站（BS）通信。该信道模型包括具有不同的每用户莱斯因子和信道相关矩阵的莱斯衰落，并考虑到导频污染和不完美的CSI。其目的是评估这种系统的性能与不同的单细胞和多细胞检测方法。在前者中，我们研究MRC和单小区MMSE（S-MMSE）;至于后者，我们感兴趣的是多小区MMSE（M-MMSE），最近被证明在瑞利衰落提供无界速率。假设无限的$N$限制，并产生信息的封闭形式的近似，证实了有限系统尺寸的数值结果的选择。因此，这些表达式是准确的，并提供了相关的见解不同的系统参数对整体性能的影响。
2018-12-17 cs.IT math.IT
Performance Analysis of Macrodiversity MIMO Systems with MMSE and ZF Receivers in Flat Rayleigh Fading
考虑一个多用户系统，其中任意数量的用户通过独立的瑞利衰落路径与分布式接收阵列通信。接收阵列执行最小均方误差（MMSE）或迫零（ZF）组合，并且在接收器处假设完美的信道状态信息。这种情况是众所周知的，并且当接收天线位于单个阵列中时，精确的分析是可能的。然而，当天线是分布式的，各个链路都有不同的平均信噪比（SNR），这是一个更具挑战性的问题。本文给出了ZF接收机输出信噪比和MMSE接收机输出信干噪比的近似分布。此外，为假设M-PSK或M-QAM调制的两个接收机的符号出错率（SER）提供简单的高SNR近似。这些高SNR结果提供了阵列增益和分集增益信息，以及性能和链路功率之间的非常简单的函数联系。
2013-01-24 cs.IT math.IT
MMSE Signal Detection for MIMO Systems based on Ordinary Differential Equation
受新兴的节能模拟计算和连续时间处理技术的启发，本文提出了基于常微分方程的多输入多输出（MIMO）系统的连续时间最小均方误差估计。均方误差（MSE）是MIMO系统估计方法的主要检测性能指标。我们推导出一个分析的MSE公式，表明在任何时候的MSE。所提出的方法的MSE依赖于正则化参数，影响MSE的收敛性。此外，我们通过使用时间相关的正则化参数来扩展所提出的方法，以实现更好的收敛性能。数值实验表明，与理论值和改善的收敛性能，由于使用的时间相关的参数。
2022-09-02 cs.IT eess.SP math.IT
Massive MIMO over Correlated Fading Channels: Multi-Cell MMSE Processing, Pilot Assignment and Power Control
针对相关瑞利衰落下的多小区大规模MIMO系统，本文利用渐近SINR近似提出低复杂度导频分配和功率控制方案，有效降低导频污染与开销，提升频谱效率和用户公平性。
2025-07-06 cs.IT math.IT
Ergodic Spectral Efficiency of Massive MIMO with Correlated Rician Channel and MRC Detection based on LS and MMSE Channel Estimation
本文研究了具有空间相关Rician信道的多小区大规模多输入多输出（MIMO）系统的频谱效率。最小二乘（LS）估计器和它的误差之间的相关性复杂的SE分析，因为信号和干扰分量成为互相关，太。最小均方误差（MMSE）估计不受此负担。在以前的一些工作中，信号的适当部分被称为干扰，这使得它们互相关不相关，并导致SE下界。在我们的改进方法中，我们提取并参考信号的互相关干扰部分来实现这一目标。在这里，我们使用这种方法来计算最大比合并（MRC）检测器的LS和MMSE估计方法下的瞬时SE。我们还推导出封闭形式的近似遍历SE。这种方法也适用于其他线性信道估计器或数据检测器。数值结果表明，可实现的SE优于以前的方法。他们还表明，我们的近似是足够接近蒙特卡洛模拟结果，特别是在大量的基站（BS）天线。
2020-05-11 cs.IT math.IT
Making Cell-Free Massive MIMO Competitive With MMSE Processing and Centralized Implementation
无小区大规模MIMO被认为是一种有前途的技术，可以满足超过5G网络中不断增加的用户数量和高速率期望。其关键思想是让许多分布式接入点（AP）与网络中的所有用户通信，可能通过使用联合相干信号处理。本文的目的是提供第一个全面的分析，这种技术下不同程度的AP之间的合作。特别是，四种不同的无小区实现的上行链路频谱效率进行了分析，空间相关衰落和任意线性处理。事实证明，有可能在很大程度上胜过传统的蜂窝大规模MIMO和小小区网络，但仅使用全局或局部最小均方误差（MMSE）组合。这与现有文献形成鲜明对比，后者主张最大比率合并。此外，我们表明，一个集中的实施与最佳MMSE处理，不仅最大限度地提高了SE，但大大减少了前传信令相比，标准的分布式方法。这使得它成为操作无小区大规模MIMO网络的首选方式。非线性解码也进行了研究，并显示带来微不足道的改善。
2019-09-17 cs.IT eess.SP math.IT
Data Augmentation Empowered Neural Precoding for Multiuser MIMO with MMSE Model
利用深度学习方法的预编码设计已经被广泛研究用于多用户多输入多输出（MU-MIMO）系统。然而，传统的神经预编码设计应用基于黑盒的神经网络，其不太可解释。在本文中，我们提出了一种基于深度学习的预编码方法，该方法基于神经预编码网络的可解释设计，即iPNet。特别地，iPNet模仿经典的最小均方误差（MMSE）预编码，并且在神经网络架构的设计中近似矩阵求逆。具体而言，建议的iPNet由一个模型驱动的组件网络，负责增强输入信道状态信息（CSI），和一个数据驱动的子网络，负责从这个增强的CSI预编码计算。后一个数据驱动模块被明确地解释为MMSE预编码器的无监督学习者。仿真结果表明，通过利用增强的CSI，所提出的iPNet比现有的黑盒设计实现了显着的性能提升，并且还表现出针对CSI不匹配的增强的通用性。
2022-03-04 cs.IT eess.SP math.IT
Performance Analysis of Spatiotemporal 2-D Polar Codes for Massive MIMO with MMSE Receivers
针对6G URLLC中短码长导致的性能下降问题，提出面向大规模MIMO和MMSE接收机的时空二维极化码，联合利用空间与时间维度，在有限块长下证明容量可达并显著降低延迟。
2025-08-06 cs.IT math.IT
MMSE-Optimal Sequential Processing for Cell-Free Massive MIMO With Radio Stripes
无小区大规模多输入多输出（mMIMO）是一种新兴的5G后技术，与传统的多输入多输出（MIMO）技术相比，其具有更高的频谱效率和优越的空间分集等有前途的特性。无小区mMIMO的主要工作原理是，许多分布式接入点（AP）同时合作，为网络内的所有用户提供服务，而不会创建小区边界。本文考虑了无小区mMIMO系统的上行链路，利用无线条带网络架构与AP之间的顺序前传。提出了一种新的上行链路顺序处理算法，证明了该算法在最大频谱效率（SE）和最小均方误差（MSE）意义下都是最优的。一个详细的定量分析的前传要求或信令的算法和竞争次优算法的比较。主要结论和影响总结的形式推论。基于分析和数值仿真结果，我们得出结论，该方案可以大大减少前传信令，而不影响通信性能。
2020-12-27 cs.IT math.IT
Large-Scale-Fading Decoding in Cellular Massive MIMO Systems with Spatially Correlated Channels
大规模多输入多输出（MIMO）系统由于导频污染现象会受到小区间相干干扰的影响。本文研究了一种两层解码方法，可以减轻多小区大规模MIMO中的相干和非相干干扰。为此，每个基站（BS）首先基于上行链路导频使用最小均方误差（MMSE）或逐元素MMSE（EW-MMSE）估计来估计到小区内用户的信道。估计用于每个BS上的本地解码，随后是第二解码层，其中BS协作以减轻小区间干扰。计算任意两层解码方案的上行链路可实现频谱效率（SE）表达式。一个封闭形式的表达式，然后获得相关瑞利衰落，最大比合并，并建议在第二层的大规模衰落解码（LSFD）。我们还制定了一个总和SE最大化问题的数据功率和LSFD向量作为优化变量。由于这是一个NP难问题，我们开发了一个低复杂度的算法的基础上加权MMSE方法，以获得局部最优。数值结果表明，数据功率控制和LSFD提高了单层解码多小区Massive MIMO系统的总和SE性能。
2019-01-16 cs.IT math.IT
MMSE Channel Estimation in Fading MIMO Gaussian Channels With Blockage: A Novel Lower Bound via Poincaré Inequality
Politecnico di Milano（米兰理工大学）；University of Illinois Chicago（伊利诺伊大学芝加哥分校）；STMicroelectronics Srl（意法半导体）
针对贝叶斯克拉美罗界不适用于离散/混合分布信道的问题，提出基于庞加莱不等式的新型MMSE信道估计下界，应用于带阻塞的衰落MIMO AWGN信道并刻画其高SNR特性。
2024-10-30 cs.IT math.IT
Robust MMSE Precoding for Multiuser MIMO Relay Systems using Switched Relaying and Side Information
针对不完全信道状态信息（CSI）下的多用户多输入多输出（MIMO）中继系统，提出了一种新的预编码方案。基站（BS）和MIMO中继站（RS）都配备有酉矩阵的相同码本。根据码本的每个元素，我们创建一个潜在的预编码矩阵对，即BS预编码矩阵和RS预编码矩阵。通过将来自码本的适当酉矩阵乘以功率缩放因子来形成RS预编码矩阵。基于给定的CSI和发射符号块，通过合适的选择机制来选择从各种酉矩阵导出的所有可能的潜在预编码矩阵对的类内的最佳预编码矩阵对以用于传输，该选择机制被设计为最小化预先估计的接收向量与真实发射符号向量之间的平方欧几里德距离。我们开发了一个最小均方误差（MMSE）的设计算法的潜在预编码矩阵对的建设。在所提出的方案中，BS仅向RS发送酉矩阵的索引及其功率缩放因子，而不是发送完整的处理矩阵。这大大降低了开销。仿真结果表明，与其他最近报道的预编码算法相比，所提出的预编码方案能够提供更好的鲁棒性对CSI估计误差和多用户干扰的影响。
2014-12-17 cs.IT math.IT
On the Distribution of SINR for Widely Linear MMSE MIMO Systems with Rectilinear or Quasi-Rectilinear Signals
虽然宽线性最小均方误差（WLMMSE）接收机已经成为多输入多输出（MIMO）无线系统的一个有吸引力的选择，但是仍然缺乏对其姿态检测信号与干扰加噪声比（SINR）的详细统计理解。为此，我们考虑在不相关的Rayleigh衰落信道上具有直线或准直线（QR）信号的WLMMSE MIMO传输系统，并研究具有$N_t$发射天线和$N_r$接收天线的任意天线配置的SINR的统计特性。我们首先推导出一个解析的概率密度函数（PDF）的信干噪比的第二类合流超几何函数，对于WLMMSE MIMO系统与任意的$N_r$和$N_t=2, 3$。对于实践中更一般的情况，即，$N_t>3$，我们求助于矩母函数，以获得近似的，但封闭的形式PDF在一些温和的条件下，这，正如预期的那样，更像高斯$2N_r-N_t$增加。因此，推导的PDF能够提供关键的见解WLMMSE MIMO接收机的中断概率，符号错误率，和分集增益，都在封闭的形式。特别地，它的分集增益和增益改善传统的LMMSE一个明确量化为$N_r-(N_t-1)/2$和$(N_t-1)/2$，分别。最后，蒙特卡洛模拟支持的分析。
2021-11-30 cs.IT math.IT
Matrix Inversion-Less Signal Detection Using SOR Method for Uplink Large-Scale MIMO Systems
对于上行链路大规模MIMO系统，线性最小均方误差（MMSE）信号检测算法是近最优的，但涉及矩阵求逆，具有较高的复杂度。本文提出了一种基于超松弛（SOR）方法的低复杂度信号检测算法，避免了复杂的矩阵求逆运算。首先证明了上行链路大规模MIMO系统MMSE滤波矩阵对称正定的一个特殊性质，这是SOR方法的前提。在此基础上，提出了一种基于SOR方法的低复杂度迭代信号检测算法，并给出了收敛性证明。分析表明，该方案可以将计算复杂性从O（K3）降低到O（K2），其中K为用户数。最后，通过仿真实验验证了该算法的性能优于最近提出的Neumann级数近似算法，并且以较少的迭代次数达到了经典MMSE算法的近优性能。
2015-07-16 cs.IT math.IT
Discrete MMSE Precoding for Multiuser MIMO Systems with PSK Modulation
提出了一种基于恒包络量化信号的最优MMSE预编码方法。与现有的MMSE设计，依赖于1位的分辨率，所提出的方法采用均匀的相位量化和分支定界方法中的定界步骤是不同的，在考虑最严格的放松的非凸问题，然后利用次优设计也。此外，与以前的研究不同，我们提出了三种不同的软检测方法和迭代检测和解码方案，允许利用信道编码结合低分辨率预编码。除了一个精确的方法计算的外部信息，我们提出了两个近似降低计算复杂性。数值模拟表明，利用MMSE准则，而不是既定的最大-最小距离的判决阈值产生了较低的误码率在许多情况下。此外，当使用MMSE准则时，在分支定界方法中对于低和中等SNR需要较少数量的定界评估。最后，基于LDPC分组码的结果表明，接收处理方案产生较低的比特错误率相比，传统的设计。
2021-05-24 cs.IT eess.SP math.IT
Closed-Form Expressions of Ergodic Capacity and MMSE Achievable Sum Rate for MIMO Jacobi and Rayleigh Fading Channels
多模/多芯光纤有望提供一种有吸引力的解决方案来克服当前光通信系统的容量限制。在模式/芯之间存在高串扰的情况下，输入/输出传输矩阵的平方奇异值遵循随机矩阵的雅可比系综的定律。假设信道状态信息仅在接收端可用，我们推导出MIMO雅可比衰落信道的遍历容量的新表达式。这个表达式涉及二重积分，可以很容易和有效地评估。此外，在推导该表达式时所使用的方法并不诉诸于随机矩阵模型的经典的一点相关函数。利用Jacobi多项式和Laguerre多项式之间的极限转换，我们推导出了MIMO瑞利衰落信道的遍历容量的类似公式。此外，我们推导出一个新的精确的封闭形式的表达式MIMO雅可比和瑞利衰落信道采用线性最小均方误差（MMSE）接收机的可达和速率。分析结果进行了比较，通过Monte Carlo模拟得到的结果和文献中的相关结果，这表明完美的协议。
2020-06-10 cs.IT math.IT math.PR
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
Joint Activity Detection and Channel Estimation in Cell-Free Massive MIMO Networks with Massive Connectivity
无小区大规模MIMO技术是未来无线通信的关键技术之一，在该技术中，用户同时由所有接入点（AP）联合服务。本文研究了具有大规模连接性的无小区大规模MIMO系统中有效信道系数的最小均方误差（MMSE）估计。为了便于理论分析，本文仅考虑基于单测量向量（SMV）的MMSE估计，即，基于在每个AP处接收的导频信号分别执行MMSE估计。受副本对称假设MMSE估计的解耦原理的启发，提出了一种独立同分布（i.i.d.）非零分量的情况下，提出了基于SMV的独立非同分布（i.n.i.d.）非零分量，这在大规模连接的无小区大规模MIMO系统中基于SMV的有效信道系数MMSE估计的理论分析中起着关键作用。随后，基于MMSE估计的解耦原理、似然比检验和最优融合规则，实现了基于单个接入点接收到的导频信号的用户活动检测，或者在整个接入点集合中协作进行集中式或分布式检测。通过理论分析，我们表明，集中式和分布式检测的错误概率趋于零时，AP的数量趋于无穷大，而用户和导频的数量之间的渐近比例保持不变。利用随机矩阵理论研究了具有大规模连通性的无单元大规模MIMO系统中预言估计的渐近行为。
2021-12-24 cs.IT eess.SP math.IT
Beyond MMSE: Rank-1 Subspace Channel Estimator for Massive MIMO Systems
提出秩一子空间信道估计器，以低复杂度近似ML估计，优于线性MMSE，额外增益随天线数对数增长，复杂度线性扩展，扩展精度-复杂度区域。
2024-04-21 cs.IT eess.SP math.IT
MMSE Channel Estimation in Large-Scale MIMO: Improved Robustness with Reduced Complexity
针对大规模MIMO信道估计中MMSE复杂度高且依赖精确统计信息的问题，本文利用阵列几何结构，对平面阵列采用Kronecker分解、对线性阵列采用循环近似，在保持MMSE精度和频谱效率的同时显著降低复杂度并提升实际场景鲁棒性。
2024-10-04 cs.IT eess.SP math.IT
A Generalized Framework on Beamformer Design and CSI Acquisition for Single-Carrier Massive MIMO Systems in Millimeter Wave Channels
针对时分双工（TDD）模式下采用单载波（SC）调制的频率选择性大规模多输入多输出（MIMO）系统，利用毫米波（mm）频段的联合角度-延迟域信道稀疏性，建立了降维信道状态信息（CSI）估计和预波束形成器设计的一般框架。首先，基于一种通用子空间投影方法，考虑了联合角度-时延功率分布和用户分组，推导了空间相关宽带MIMO信道下的降秩最小均方误差（RR-MMSE）瞬时CSI估计器。其次，统计预波束形成器的设计被认为是频率选择性SC大规模MIMO信道。我们研究的降维问题和子空间（波束空间）的建设，RR-MMSE估计可以实现尽可能准确。最后，通过在适当的降维波束空间中进行最小二乘（LS）估计，得到了一种时空域相关器型降秩信道估计器，作为RR-MMSE估计的近似。据观察，所提出的技术显示出显着的鲁棒性的导频干扰（或污染）的导频开销的显着减少。
2016-07-05 cs.IT math.IT
Diversity of Linear Transceivers in MIMO AF Half-duplex Relaying Channels
在MIMO放大转发（AF）中继系统中，中继站和目的站之间的线性切换方案由于实现复杂度低而引起了人们的广泛兴趣。本文对线性迫零（ZF）和最小均方误差（MMSE）收发器的分集阶数进行了全面的分析。首先，我们得到了一个紧凑的封闭形式的表达分集复用折衷（DMT）通过严格的上限和下限。虽然我们的DMT分析准确地预测了ZF收发器的性能，但观察到MMSE收发器表现出复杂的速率相关行为，因此对于有限速率情况，通过DMT是非常不可预测的。其次，我们强调MMSE收发器的这种有趣的行为，并在所有有限速率的分集阶数的特征。这导致了一个封闭形式的表达的分集率权衡（DRT），揭示了分集，速率和天线的数量在每个节点之间的关系。我们的DRT分析补充我们以前的工作DMT，从而提供了一个完整的理解MIMO AF中继信道的线性交织方案的分集阶数。
2014-03-09 cs.IT math.IT
Uplink Performance of Cell-Free Massive MIMO Over Spatially Correlated Rician Fading Channels
我们考虑一个实际的无小区大规模多输入多输出（MIMO）系统与多天线接入点（AP）和空间相关的莱斯衰落信道。由用户设备移动引起的视线分量的显著相移被随机地建模。此外，我们研究了上行链路的频谱效率（SE）与最大比（MR）/本地最小均方误差（L-MMSE）合并和最佳大尺度衰落解码的基础上的相位感知MMSE，相位感知元素的MMSE和线性MMSE（LMMSE）估计。然后推导出MR组合的新的封闭形式的SE表达式。数值结果验证了我们推导的表达式，并表明SE受益于空间相关性。重要的是观察到L-MMSE和MR组合之间的性能差距随着每个AP的天线数量而增加，并且由于缺乏相移知识，LMMSE估计器的SE低于其他估计器的SE。
2021-10-12 cs.IT eess.SP math.IT
VLSI Design of a Nonparametric Equalizer for Massive MU-MIMO
线性最小均方误差（L-MMSE）均衡是大规模多用户多输入多输出（MU-MIMO）无线系统中最常用的数据检测方法之一。虽然L-MMSE均衡能够实现接近最佳的频谱效率，但需要准确了解信号和噪声功率。此外，相应的VLSI设计必须求解线性方程组，这需要高的算术精度，表现出严格的数据依赖性，并导致高电路复杂性。本文提出了第一个非参数化均衡器（NOPE）的VLSI设计，它避免了发射信号和噪声功率的知识，可证明提供了大规模MU-MIMO系统的L-MMSE均衡的性能，并且由于其无参数的性质，对许多系统和硬件损伤具有弹性。此外，NOPE避免了矩阵求逆的计算，并且仅需要硬件友好的矩阵向量乘法。为了展示NOPE的实际优势，我们提出了一个并行的VLSI架构，并提供在28纳米CMOS的综合结果。我们证明了NOPE与现有的大规模MU-MIMO数据检测器的性能相当，这些检测器需要准确了解信号和噪声功率。
2017-11-28 cs.IT math.IT
Joint AGC and Receiver Design for Large-Scale MU-MIMO Systems Using Low-Resolution Signal Processing in C-RANs
大规模多用户多输入多输出（MU-MIMO）系统和云无线电接入网络（C-RAN）被认为是用于第五代（5G）无线网络的有前景的技术。在这些技术中，低分辨率模数转换器（ADC）的使用是提高能效和遵守受限前传链路的关键。用很少的比特处理信号意味着显著的性能损失，因此，可以补偿量化失真的技术是基本的。在无线系统中，自动增益控制（AGC）先于ADC调整输入信号电平，以减少量化的影响。在这项工作中，我们提出了联合优化的AGC，它工作在远程无线电头端（RRH），和低分辨率感知（LRA）的线性接收滤波器的基础上的最小均方误差（MMSE），它工作在云单元（CU），大规模MU-MIMO系统的粗量化信号。我们开发的线性和连续干扰消除（SIC）接收机的基础上提出的联合AGC和LRA MMSE（AGC-LRA-MMSE）的方法。可实现的总和率随着计算复杂性研究的分析也进行了。仿真结果表明，所提出的AGC-LRA-MMSE设计提供了显着的增益在比特出错率和可实现的信息速率超过现有的技术。
2020-12-05 cs.IT math.IT
An Alternating Algorithm for Uplink Max-Min SINR in Cell-Free Massive MIMO with Local-MMSE Receiver
研究了无小区大规模多输入多输出（MIMO）系统上行链路的最大最小信干噪比（SINR）问题。我们假设系统采用局部最小均方误差（L-MMSE）合并。目标是通过求解最大-最小SINR优化问题，通过优化每个用户设备（UE）的发射功率和中央处理单元（CPU）处的加权系数，服从UE的发射功率约束，来保持用户公平性。这个问题不是联合凸的。因此，我们将原问题分解为两个子问题，特别是优化功率分配和接收机加权系数。然后，我们提出了一个交替算法来解决这两个子问题。加权系数子问题被表述为广义特征值问题，而功率分配子问题被近似为几何规划（GP）。我们的经验表明，该算法实现了更高的最小用户上行链路频谱效率（SE）比现有的固定功率方案，这是不优化的发射功率。最后，数值分析了算法的收敛性.
2019-10-30 cs.IT eess.SP math.IT
Jamming Suppression in Massive MIMO Systems
在本文中，我们提出了一个框架，用于保护上行链路传输的大规模多输入多输出（mMIMO）系统的干扰攻击。我们的框架包括一个新的最小均方误差为基础的干扰抑制（MMSE-JS）估计信道训练和线性迫零干扰抑制（ZF JS）检测器的上行链路组合。MMSE-JS利用一些故意未使用的导频来减少干扰机造成的导频污染。ZFJS在检测合法用户的数据符号的过程中抑制干扰。拟议框架的实施是切实可行的，由于计算MMSE-JS和ZFJS的复杂度是线性的已经使用28 nm FD-SOI制造了具有与ZF JS相同复杂度的线性检测器（完全耗尽绝缘体上硅）技术和[13]中的Xilinx Virtex-7 XC 7VX 690 T FPGA用于mMIMO系统。我们的分析表明，干扰不会显着影响的mMIMO系统配备了MMSE-JS和ZFJS的组合的性能。数值结果证实了我们的分析。
2019-02-19 cs.IT math.IT
