Nonlinear Precoding for Phase-Quantized Constant-Envelope Massive MU-MIMO-OFDM
提出了一种适用于大规模多用户多输入多输出下行链路的非线性相位量化恒包络预编码算法。具体来说，我们适应平方无穷范数道格拉斯-Rachford分裂（SQUID）预编码器的系统，使用过采样数模转换器（DAC）在基站（BS）和正交频分复用（OFDM）的频率选择性信道进行通信。我们证明了所提出的SQUID-OFDM预编码器能够生成被约束为恒定包络的发射信号，这使得能够在BS处使用功率高效的模拟射频电路。通过量化所得到的恒定包络信号的相位，我们获得了有限基数发射信号，该有限基数发射信号可以通过低分辨率（例如，1位）DAC。我们使用误码率仿真来证明SQUID-OFDM在大规模MU-MIMO-OFDM系统中优于线性量化预编码器。
2018-05-02 cs.IT math.IT
Channel Estimation Techniques for Quantized Distributed Reception in MIMO Systems
物联网（IoT）可以实现云多输入多输出（MIMO）系统的开发，其中支持互联网的设备可以作为分布式传输/接收实体工作。我们预计，使用云MIMO的分布式接收的空间复用将是未来无线通信系统的关键因素。在本文中，我们首先审查实际的接收机的空间复用传输数据的分布式接收的融合中心依赖于量化的接收信号从地理上分离的接收节点。使用这些接收机的结构，我们提出了实用的块衰落的情况下的信道估计技术。所提出的信道估计技术依赖于在接收节点处的非常简单的操作，同时随着训练长度变大而实现接近最优的信道估计性能。
2014-11-30 cs.IT math.IT
Analysis of One-Bit Quantized Precoding for the Multiuser Massive MIMO Downlink
我们提出了一个数学分析的线性预编码器的下行链路大规模MIMO多用户系统，采用一位数-模转换器在基站，以降低复杂性和减轻功耗。该分析基于Bussgang定理，并且通常适用于任何线性预编码方案。我们详细研究的量化迫零（ZF）预编码器的特殊情况下，并推导出一个简单的渐近表达式在每个终端的符号出错率。我们的分析表明，量化ZF预编码器的性能主要取决于天线数量与用户数量的比率，并且我们的模拟表明，对于低到中等的信噪比，它可以优于更复杂的最大似然编码器，其中假定大规模MIMO系统进行操作。我们还使用Bussgang定理推导出一个新的线性预编码器优化的情况下，一位量化，并说明其改进的性能。
2016-10-21 cs.IT 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
Efficient Non-linear Equalization for 1-bit Quantized Cyclic Prefix-Free Massive MIMO Systems
针对大规模多输入多输出（MIMO）基站，利用1位模数转换器（ADC）量化上行信号的数据检测问题。量化的大规模MIMO系统的现有文献处理循环前缀（CP）传输频率选择性信道。在本文中，我们提出了一个计算效率的块处理均衡器的基础上的期望最大化（EM）算法在CP免费传输的1比特量化系统。我们研究的最佳块长度和重叠因子的信道脉冲响应（CIR）长度的基础上的比特错误率（BER）性能指标。由于EM是一种非线性算法，最优估计是根据算法的初始起始点迭代地找到的。通过数值模拟，我们表明，初始化的EM算法与维纳滤波器（WF）的估计，这需要考虑到潜在的量化，实现优越的BER性能相比，与其他起始点的初始化。
2018-06-28 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
Quantized vs. Analog Feedback for the MIMO Downlink: A Comparison between Zero-Forcing Based Achievable Rates
我们考虑一个MIMO衰落广播信道和比较可实现的遍历速率时，在发射机的信道状态信息是由模拟噪声反馈或量化（数字）反馈。数字反馈的优越性示出，与完美或不完美的CSIR，每当每个信道系数的反馈信道使用的数量大于1。此外，我们表明，通过适当的数字反馈链路的设计，在反馈中的错误有轻微的影响，即使使用非常简单的未编码调制。最后，我们表明，模拟反馈实现的分数1 - 2F的最佳复用增益，即使在反馈延迟的存在下，当衰落属于类的多普勒过程与归一化的最大多普勒频移0 <= F <= 1/2。
2007-02-05 cs.IT math.IT
Hybrid Precoder and Combiner Design with One-Bit Quantized Phase Shifters in mmWave MIMO Systems
模拟/数字混合预编码器和合路器由于其节能和经济的优势，在毫米波多输入多输出（MIMO）系统中得到了广泛应用。无限分辨率的移相器（PS）的模拟波束形成器可以实现非常接近的性能相比，全数字方案，但会导致高复杂性和密集的功耗。因此，在实际的毫米波MIMO系统中通常使用更具成本效益和能量效益的低分辨率PS。在本文中，我们考虑了毫米波MIMO系统中的联合混合预编码器和合并器的设计与一位量化PS。我们建议首先设计的模拟预编码器和合并器对每个数据流相继，旨在有条件地最大化频谱效率。本文提出了一种新的二进制模拟预编码器和合并器优化算法，该算法在含干扰等效信道的秩1近似下，具有低于二次复杂度的性能。然后，基于所获得的基带有效信道来计算数字预编码器和组合器，以进一步提高频谱效率。仿真结果表明，该算法优于现有的基于1比特PS的混合波束形成方案。
2017-04-26 cs.IT math.IT
Quantized CSI-Based Tomlinson-Harashima Precoding in Multiuser MIMO Systems
该文研究了在发射端基于量化信道状态信息（CSI）的多用户MIMO系统中Tomlinson-Harashima（TH）预编码的实现。与文献[1]中的结果相比，我们的方案适用于更一般的系统设置，其中系统中的用户数量可以小于或等于发射天线的数量。我们还研究了所提出的量化CSI为基础的TH预编码方案的可实现的平均和速率。给出了信道状态信息量化后系统的平均和速率的上界以及信道状态信息量化后系统的平均和速率损失的上界表达式。我们还提出了一些数值结果。结果表明，无论是在理想信道状态下还是在量化信道状态下，非线性TH预编码都能获得比线性迫零预编码更好的性能。此外，我们推导的TH预编码的平均速率损失的上界收敛到真实速率损失的速度比在[2]中获得的迫零预编码的速度更快，因为反馈比特数变大。分析和数值结果表明，非线性预编码比线性预编码更容易受到不完美CSI的影响。
2014-08-03 cs.IT math.IT
SLNR Based Precoding for One-Bit Quantized Massive MIMO in mmWave Communications
大规模多输入多输出（MIMO）是5G无线通信的关键技术，有望大幅提高容量。低分辨率数据转换器的使用对于大规模MIMO至关重要，以使整体传输尽可能具有成本效益和能源效益。在这项工作中，我们考虑了下行毫米波（mmWave）传输的情况下，多个用户同时服务的大规模MIMO与一位数/模（D/A）转换器。特别是，我们提出了一种新的预编码器设计的基础上的信号泄漏加噪声比（SLNR），最大限度地减少能量泄漏到不需要的用户，同时考虑到由于非线性一位量化的损害。我们表明，众所周知的正则化迫零（RZF）预编码器是一个特定版本的建议SLNR为基础的预编码器，这是当量化损伤完全忽略。数值结果强调显着的性能改善，以及所提出的SLNR为基础的预编码器相比，无论是RZF或迫零（ZF）预编码器。
2019-02-12 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
Optimal Multiuser Loading in Quantized Massive MIMO under Spatially Correlated Channels
低分辨率数模转换器（DAC）在促进大规模多输入多输出（MIMO）系统的成本和功率有效实现方面显示出巨大的潜力。我们研究了大规模MIMO下行链路网络的性能与低分辨率DAC使用正则化迫零（RZF）预编码。它可为配备有限分辨率模数转换器（ADC）的多个接收器提供服务。在空间相关信道下，考虑发射端和接收端的量化误差，应用渐近随机矩阵理论，给出了RZF正则化参数的最优解。最优正则化参数与ADC量化分辨率和信道相关性无关，但与用户负载率呈线性关系。此外，渐近和速率性能的特点和最佳用户负载比的封闭形式的表达式，得到在低信噪比。最佳比率随DAC分辨率增加而增加，随ADC分辨率减少而减少。数值模拟验证了我们的观察。
2019-01-28 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
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
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
Time-Varying Downlink Channel Tracking for Quantized Massive MIMO Networks
提出了一种适用于时变大规模MIMO网络的贝叶斯下行信道估计算法。特别是，在接收机的量化效果被认为是。为了充分利用信道的稀疏性和时间相关性，我们将时变大规模MIMO信道表示为同时稀疏的信号模型。然后，我们提出了一个稀疏贝叶斯学习（SBL）框架来学习稀疏虚拟信道的模型参数。为了降低复杂性，我们采用期望最大化（EM）算法来实现近似的解决方案。具体地说，因子图和一般的近似消息传递（GAMP）算法被用来计算期望的后验统计量的期望步骤，从而可以避免在边缘分布的高维积分。然后通过k均值聚类算法从信道统计信息中获得虚拟信道的非零支持向量。在此基础上，采用降维GAMP算法，充分利用信道的时间相关性，提高虚拟信道的跟踪精度。最后，我们通过仿真证明了所提出的方案的有效性。
2019-05-15 cs.IT math.IT
Quantized MIMO: Channel Capacity and Spectrospatial Power Distribution
毫米波系统具有高功耗的缺点，并且受限于使用低分辨率量化器--数模转换器和模数转换器（DAC和ADC）。然而，低分辨率量化导致降低的数据率和增加的带外发射噪声。在本文中，多输入多输出（MIMO）系统与线性收发器使用低分辨率DAC和ADC的考虑。提供了系统的信息理论分析，以模拟量化对系统的频谱空间功率分布和容量的影响。更确切地说，它表明，量化的影响可以通过一个线性模型与加性独立高斯噪声准确地描述。该模型又导致发射机的频谱空间功率分布的简单和直观的表达式和系统的可实现速率的下限。此外，推导出的模型进行了验证，通过模拟和数值评估，它被证明可以准确地预测光谱和空间功率分布。
2022-02-07 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
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
On Out-of-Band Emissions of Quantized Precoding in Massive MU-MIMO-OFDM
本文分析了大规模多用户多输入多输出（MIMO）下行链路中的带外发射。我们专注于系统中的基站（BS）配备了低分辨率的数字到模拟转换器（DAC）和正交频分复用（OFDM）是用来通信的用户设备（UE）的频率选择性信道。我们证明，模拟滤波结合简单的频域数字预失真（DPD）在BS能够显着减少OOB排放，但降低了信号干扰噪声和失真比（SINDR）在UE和增加的峰均功率比（PAR）在BS。我们使用Bussgang定理来表征OOB发射、SINDR和PAR之间的权衡，并研究模拟滤波器和DPD对大规模MU-MIMO-OFDM下行链路的误码率性能的影响。我们的研究结果表明，通过仔细调整的模拟滤波器的参数，可以实现一个显着减少OOB排放只有一个温和的退化的错误率性能和PAR。
2017-12-04 cs.IT math.IT
Cell-Free Massive MIMO with Limited Backhaul
我们考虑一个无小区的大规模多输入多输出（MIMO）系统和调查的情况下的系统性能时的量化版本的估计信道和量化的接收信号可在中央处理单元（CPU），和的情况下，只有量化版本的组合信号与最大比组合（MRC）检测器可在CPU。接下来，我们研究了最大最小优化问题，其中最小用户上行链路速率最大化回程容量约束。为了处理最大-最小非凸问题，我们提出将原问题分解为两个子问题。基于这些子问题，我们开发了一个迭代方案，解决了原来的最大最小用户上行链路速率。此外，我们提出了一个用户分配算法，以进一步提高性能的无小区的大规模MIMO有限的回程链路。
2018-01-30 cs.IT math.IT
Robust Learning-Based ML Detection for Massive MIMO Systems with One-Bit Quantized Signals
在本文中，我们研究了基于学习的最大似然（ML）检测的上行链路大规模多输入多输出（MIMO）系统与一位模数转换器（ADC）。为了克服基于学习的检测对训练长度的显著依赖性，我们提出了两种一位ML检测方法：偏置学习方法和抖动学习方法。偏置学习方法保持具有零概率的似然函数不通过学习消除所获得的信息，从而提供更鲁棒的检测性能。将有偏方法扩展到具有接收信噪比的知识的系统，抖动和学习方法通过将抖动噪声添加到量化器输入来估计更多的似然函数。通过采用后似然函数更新，利用正确解码的数据符号作为训练导频符号，进一步改进了所提出的方法。所提出的方法避免了对信道估计的需要。仿真结果验证了所提方法在符号出错率方面的检测性能。
2019-08-26 cs.IT math.IT
Cube-Split: Structured Quantizers on the Grassmannian of Lines
本文介绍一种新的实复数格拉斯曼源量子化方案。所提出的方法依赖于一个结构化的码本的基础上的几何构造的弯曲的网格定义从一个初始网格上的单位范数球的集合。相关的编码和解码算法具有非常低的复杂性（相当于标量量化器），而它们的效率（在实现的失真方面）与最知名的结构化方法不相上下，并且与理论界比较良好。这些特性使得该码本适合于高分辨率、实时应用，例如大规模多输入多输出（MIMO）无线通信系统中的信道状态反馈。
2016-10-26 cs.IT math.IT
A Reduced Complexity Ungerboeck Receiver for Quantized Wideband Massive SC-MIMO
针对低分辨率量化大规模SC-MIMO的信道估计与检测难题，提出基于Bussgang分解和Ungerboeck因式分解的低复杂度迭代接收机及无循环前缀LMMSE信道估计器，在非理想信道下实现性能提升且大幅降低复杂度。
2020-08-18 cs.IT eess.SP math.IT
Analog Versus Hybrid Precoding for Multiuser Massive MIMO with Quantized CSI Feedback
在这封信中，我们研究了下行链路多用户大规模多输入多输出（MIMO）系统的子连接结构在有限的反馈信道的性能。理论上分析了纯模拟预编码和混合预编码系统的紧速率近似。量化的模拟和数字预编码的效果，其特征在于在派生的表达式。此外，它揭示了纯模拟预编码优于混合预编码使用最大比传输（MRT）或迫零（ZF）在一定的条件下，我们在理论上描述的条件在封闭形式的信噪比（SNR），用户数和反馈比特数。数值结果验证了瑞利信道和毫米波信道的推导结论。
2020-06-01 cs.IT eess.SP math.IT
Joint AGC and Receiver Design for Large-Scale MU-MIMO Systems with Coarsely Quantized Signals and C-RANs
在这项工作中，我们提出了自动增益控制（AGC）的联合优化，它工作在远程射频头（RHH），和一个低分辨率感知（LRA）的线性接收滤波器的最小均方误差（MMSE）的基础上，它工作在基带单元（BBU）池，用于云无线电接入网络中具有粗量化信号的大规模多用户多输入多输出（MU-MIMO）系统。我们开发了连续干扰消除接收机的基础上提出的联合AGC和LRA-MMSE（AGC-LRA-MMSE）的方法。可实现的和率的分析也进行了。仿真结果表明，该设计具有更好的出错率和更高的可达速率比现有的技术。
2019-12-13 cs.IT eess.SP math.IT
Quasi-Newton FDE in One-Bit Pseudo-Randomly Quantized Massive MIMO-OFDM Systems
针对一位伪随机量化大规模MIMO-OFDM系统，提出基于牛顿法的低复杂度准牛顿频域均衡方案，以减轻量化失真并支持高阶调制，性能优于基准检测器。
2023-12-23 cs.IT eess.SP math.IT
On Performance of Quantized Transceiver in Multiuser Massive MIMO Downlinks
低分辨率数模转换器（DAC）和模数转换器（ADC）被认为是在多用户大规模多输入多输出（MIMO）中降低成本和功耗的方法。使用Bussgang定理，我们推导出DAC和ADC分辨率的渐近下行链路可达速率，即，在假设大天线数量$N$和固定用户负载比$β$的情况下，计算$b_{DA}$和$b_{AD}$。我们描述了由有限位分辨率转换器引起的速率损失，并揭示了在低信噪比（SNR）下，即使在两侧都有低分辨率转换器，量化失真也是可消除的。而为了在高信噪比下保持相同的速率损失，发现当$β$增加四倍时调度更多的用户时，需要多一比特的DAC分辨率。更具体地，对于一比特率丢失要求，给定$b_{AD}$，$b_{DA}$可以由$\left\lceil b_{AD}+\frac{1}{2}\logβ\right\rceil$设置。通过数值验证也得到了ADC的类似观察结果。
2017-06-21 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
Constant-Envelope Quantized Precoding with Power Control for Cell-Free Massive MIMO-OFDM
Bilkent University（比尔肯特大学）；TOBB University of Economics and Technology（托布经济技术大学）
针对无蜂窝大规模MIMO-OFDM系统，研究低分辨率DAC下的量化恒包络预编码设计，并提出一种跨接入点的功率控制策略以缓解严重量化发射机的不利影响，显著提升未编码误码率性能。
2026-05-22 cs.IT eess.SP math.IT
Quantized Constant Envelope Precoding with PSK and QAM Signaling
粗量化的大规模多输入多输出（MIMO）系统由于其功率效率而受到越来越多的关注。提出了一种新的预编码技术，以减轻多用户干扰（MUI）和量化失真的下行链路多用户（MU）MIMO系统与粗量化恒包络（QCE）信号在发送端。考虑到QCE约束，针对每个期望的接收矢量优化发射信号矢量。该优化是基于最大化的安全裕度的接收机星座调制的决策阈值。仿真结果表明，与现有的线性预编码技术相比，在未编码的误码率（BER）方面有显着的增益。
2018-01-29 cs.IT math.IT
Asymptotic SEP Analysis and Optimization of Linear-Quantized Precoding in Massive MIMO Systems
本文针对大规模MIMO系统低分辨率DAC下的线性量化预编码，在渐近框架下分析SINR与SEP性能，为Bussgang分解的启发式论证提供严格支撑，并推导得到含常用预编码器的一类线性量化预编码器中的最优预编码器，数值验证了分析精度与预编码器最优性。
2023-10-08 cs.IT eess.SP math.IT
Hermite Expansion Model and LMMSE Analysis for Low-Resolution Quantized MIMO Detection
本文利用Hermite多项式研究了窄带多天线信号接收的线性逼近模型（即，MIMO）与低分辨率量化。这项研究的结果在一个新的线性近似使用二阶厄米展开（SOHE）。SOHE模型不是基于现有线性近似中经常使用的那些假设。相反，量化失真由二阶Hermite核表征，并且信号项由一阶Hermite核表征。结果表明，SOHE模型可以解释几乎所有的现象和特点，迄今观察到的低分辨率MIMO信号接收。当SOHE模型被用来分析线性最小均方误差（LMMSE）信道均衡器，它揭示了目前的LMMSE算法可以通过纳入一个符号级归一化机制来增强。通过对窄带MIMO系统在瑞利衰落信道下的计算机模拟，验证了增强型LMMSE算法的性能。
2021-09-11 cs.IT eess.SP math.IT
Low-Resolution ADC Quantized Full-Duplex Massive MIMO-Enabled Wireless Backhaul in Heterogeneous Networks Over Rician Channels
本文研究了莱斯信道上低分辨率模数转换器（ADC）量化全双工大规模多输入多输出（MIMO）回程的异构网络的频谱/能量效率（SE/EE）。回程通信分两个阶段完成。在第一阶段期间，宏小区（MC）基站（BS）部署大规模接收天线和少量发射天线;小小区（SC）BS采用大规模接收天线和单个发射天线。对于第二阶段，发射和接收天线的角色被切换。由于ADC的分辨率较低，我们考虑了量化噪声（QN）。我们表征了天线数量、自干扰、SC到SC干扰、QN和Rician K因子的联合影响。对于第一阶段，SE用大规模接收天线增强，并且由于QN的损失是有限的。对于第二阶段，期望信号和QN具有相同的阶数。因此，SE因大量发射天线而饱和。随着Rician K因子的增加，SE收敛。功率缩放定律推导证明，发射功率可以按比例缩小到大量的天线。我们研究EE/SE权衡。EE/SE区域的包络随着Rician K因子的增加而增长。
2020-05-13 cs.IT math.IT
Study of Linear Precoding and Power Allocation for Large Multiple-Antenna Systems with Coarsely Quantized Signals
研究了大规模MU-MIMO系统中粗量化感知BD（${\scriptstyle\mathrm{CQA-BD}}$）和粗量化感知RBD（${\scriptstyle\mathrm{CQA-RBD}}$）预编码算法，提出了线性预编码MU-MIMO系统中粗量化最优分配策略（${\scriptstyle\mathrm{CQA-MAAS}}$）功率分配算法。还进行了和速率的分析以及计算复杂性的研究。最后，对现有的预编码和功率分配方案进行了比较，并得出了结论。
2021-12-14 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
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
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
Robust Precoding Design for Coarsely Quantized MU-MIMO Under Channel Uncertainties
近来，具有低分辨率数模转换器（DAC）的多用户多输入多输出（MU-MIMO）系统由于能够显著降低硬件成本而受到相当大的关注。此外，它已被证明，使用低分辨率DAC，使功耗大大减少，同时保持在可接受的余量内的性能损失，假设的完美知识的信道状态信息（CSI）。在本文中，我们研究的预编码问题的粗量化MU-MIMO系统没有这样的假设。信道不确定性被建模为具有有限二阶统计量的随机矩阵。通过利用多位DAC输出和单位DAC输出之间的有利关系，我们首先将原始复杂的预编码问题转化为非凸二进制优化问题。然后，利用S-过程引理，将非凸问题转化为一个具有凸约束的简单形式，最后用半定松弛（SDR）方法求解。与现有的代表性方法相比，所提出的预编码器对各种信道不确定性是鲁棒的，并且能够支持具有更高阶调制的MUMM 0系统，例如，16QAM。
2019-05-14 cs.IT eess.SP math.IT
Max-Min Rate of Cell-Free Massive MIMO Uplink with Optimal Uniform Quantization
考虑无小区大规模多输入多输出（MIMO），其中分布式接入点（AP）将接收到的信号乘以估计的信道的共轭，并且将该加权信号的量化版本发送回中央处理单元（CPU）。对于第一次，我们提出了一个完美的前传链路的情况下，估计的信道和量化的信号的量化版本时，在CPU的情况下，和的情况下，只有量化的加权信号是在CPU可用的性能比较。Bussgang分解被用来模拟量化的效果。研究了在功率和前传容量约束下最小速率最大化的最大最小问题。为了处理非凸问题，原问题被分解为两个子问题（称为接收机滤波器设计和功率分配）。几何规划（GP）被用来解决功率分配问题，而广义特征值问题被用来设计接收机滤波器。提出了一种迭代方案，并通过上下行对偶证明了该算法的最优性。提出了一种用户分配算法，该算法显著提高了系统的性能。数值结果表明了所提出格式的优越性。
2019-07-07 cs.IT math.IT
Joint Quantized Precoding and Bit Allocation for Fronthaul-Constrained Cell-Free Massive MIMO
Bilkent University（比尔肯特大学）
针对前传受限的无小区大规模MIMO下行链路，提出基于Bussgang分解的量化感知联合预编码与比特分配算法，在功率和比特约束下迭代优化，显著优于传统方案。
2026-09-23 cs.IT eess.SP math.IT
On the Performance of Backhaul Constrained Cell-Free Massive MIMO with Linear Receivers
研究了大规模多输入多输出（MIMO）系统，在该系统中，实现了雾无线接入网（F-RAN）来实现接入点（AP）和中央处理器（CPU）之间的信息交换。我们引入了一种新的方法，其中AP估计信道，并将估计信道的量化版本和接收信号的量化版本发送回中央处理单元。最大算法和Bussgang定理被用来模拟最佳均匀量化。推导了各态历经的可达速率。我们发现，利用微波无线回程链路，并使用少量的比特来估计信道和接收信号，有限回程无小区Massive MIMO的性能接近无小区Massive MIMO的性能与完美的回程链路。
2018-11-26 cs.IT math.IT
Bit Density Based Signal and Jamming Detection in 1-Bit Quantized MIMO Systems
本文研究了缺席判决问题（即，无效假设，$\mathcal{H}_0$）或存在（即，备选假设，$\mathcal{H}_1$），该备选假设是在多输入多输出（MIMO）接收机中嵌入在接收信号中的未知信号。我们的解决方案的独创性在于量化接收到的信号由一个自适应的1位窗口比较器，而不是传统的1位量化器。这使我们能够将观察到的二进制序列的空间分成两个典型的集合（w.r.t.序列中1的数目的分布），其中第一组对应于$\mathcal{H}_0$，第二组对应于$\mathcal{H}_1$。因此，我们减少了检测问题，以确定一个观察到的序列的高度可能的设置。因此，提出了一种非常低复杂度的二元假设检测器，并给出了其检测概率。为了显示所提出的1位接收器结构的高效率，我们考虑两个无线应用;在大规模MIMO系统中的干扰检测，以及在无线传感器网络（WSN）中探测非平稳低功率发射器，假设未知的瑞利衰落信道。与采用卡方检验的未量化系统相比，它示出了在大规模MIMO中的性能损失可以大致与$10\%$一样大，并且该差距随着序列长度或/和干扰功率的增加而减小。对于无线传感器网络，我们表明，与未量化的系统相比，性能差距变得更小时，观察间隔扩展到几个符号。
2021-09-06 cs.IT 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
The Impact of SAR-ADC Mismatch on Quantized Massive MU-MIMO Systems
本文研究SAR-ADC电容阵列失配对大规模MU-MIMO系统的影响，通过Bussgang分解建模失配效应，并仿真证明即使低分辨率ADC基站也不应忽略电容失配。
2023-11-28 cs.IT eess.SP 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
Quantum Approximate Optimization Algorithm for MIMO with Quantized b-bit Beamforming
本文提出用QAOA和交替优化解决MIMO中b比特量化波束赋形这一NP难问题，首次建立相移到量子旋转门的理论联系，并引入暖启动提升效率，数值验证优于经典基准。
2025-10-07 cs.ET cs.IT math.IT
Analysis of One-Bit Quantized Linear Precoding Schemes in Multi-Cell Massive MIMO Downlink
本研究分析多小区一比特大规模MIMO下行链路中MRT和ZF预编码的性能，通过Bussgang分解推导SQINR和可达速率，发现一比特量化降低SQINR，且对传统系统影响更大，并探讨了功率和能量效率。
2023-12-23 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
ADMM-Based One-Bit Quantized Signal Detection for Massive MIMO Systems with Hardware Impairments
本文研究了大规模多输入多输出（MIMO）系统中的信号检测问题，该系统具有一般的加性硬件损伤和一比特量化。首先，我们通过将它们概括为所考虑的硬件损伤模型来呈现量化未知和基于Bussgang分解的线性接收机。我们提出了一个优化问题来估计上行链路数据信号，通过选择一个合适的代价函数，处理在基站的未量化的接收信号作为变量。我们利用额外的结构的一位量化和信号调制，包括适当的约束。针对非凸二次约束二次规划问题，提出了一种基于ADMM的封闭更新方程算法。然后，我们将更新中的粗糙投影仪替换为它们的软版本，以提高检测性能。我们表明，建议的ADMM为基础的算法优于国家的最先进的线性接收机显着的误比特率（BER）和性能增益增加的天线和用户的数量。
2020-02-05 cs.IT eess.SP math.IT
Rate-Splitting Multiple Access for Quantized Multiuser MIMO Communications
研究了在接入点和用户端采用低分辨率量化器的下行多用户多输入多输出（MIMO）系统中的和谱效率最大化问题。特别是，我们认为速率分裂多址（RSMA），以提高频谱效率，提供机会，以提高可实现的自由度。然而，由于在确定公共流的速率时的最小速率约束，优化RSMA预编码器是非常具有挑战性的。与预编码器耦合的量化误差进一步使得问题更加复杂和难以解决。在本文中，我们开发了一种新的RSMA预编码算法，将量化误差最大化的总和频谱效率。为此，我们首先得到一个近似的频谱效率光滑函数。随后，我们推导出一阶最优性条件的非线性特征值问题（NEP）的形式。我们提出了一个计算效率高的算法，找到主特征向量的NEP作为一个次优的解决方案。仿真结果验证了该方法的优越频谱效率。在空分多址（SDMA）上使用RSMA的主要益处来自公共流在具有不同量化分辨率的多用户MIMO系统中在信道增益和量化误差之间进行平衡的能力。
2022-08-01 cs.IT eess.SP 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
Channel State Feedback Schemes for Multiuser MIMO-OFDM Downlink
在频率平坦的情况下，MIMO广播下行链路的信道状态反馈方案已经被广泛研究。这项工作的重点是更相关的频率选择性的情况下，出现了一些重要的新方面。我们考虑了MIMO-OFDM广播信道，并比较了三种信道状态反馈方案下可实现的遍历速率：模拟反馈，方向量化反馈和“时域”信道量化反馈。前两个计划是以前提出的计划的直接扩展。第三种方案是新颖的，它直接受到高斯相关信源的率失真理论的启发。对于每一个方案，我们得出的条件下，系统实现充分的复用增益。与广泛处理的频率平坦情况的关键区别在于，在MIMO-OFDM中，频域信道传递函数是高斯相关源。新的时域量化方案充分利用了信道频率相关结构，性能优于其他方案。此外，它比复杂的球形矢量量化更容易实现。特别是，我们观察到，没有结构化的码本设计和矢量量化实际上是需要有效的信道状态信息反馈。
2008-04-03 cs.IT math.IT
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
