Adaptive Low-rank Constrained Constant Modulus Beamforming Algorithms using Joint Iterative Optimization of Parameters
提出了一种基于自适应滤波器联合迭代优化(JIO)的降秩自适应波束形成算法。该方案提供了一种有效的方法来处理大量的元素的过滤器。它由一组满秩自适应滤波器组成,形成一个变换矩阵和一个自适应降秩滤波器,在滤波器组的输出端工作。变换矩阵将接收到的向量投影到低维向量上,该低维向量由降秩滤波器处理以估计期望信号。根据约束恒模准则,推导了变换矩阵和降秩权向量的表达式。两种新的低复杂度的自适应算法的设计实施所提出的计划相对于不同的约束条件。仿真结果表明,与现有的方法相比,所提出的算法具有优越的性能。
2013-03-14 cs.IT math.IT
Adaptive Reduced-Rank Constrained Constant Modulus Beamforming Algorithms Based on Joint Iterative Optimization of Filters
提出了一种基于自适应滤波器联合迭代优化(JIO)的降秩自适应波束形成算法。新方案根据恒模(CM)准则受不同的约束而设计,并且由形成变换矩阵的满秩自适应滤波器和在滤波器组的输出处操作以估计期望信号的自适应降秩滤波器组成。我们描述的直接形式的处理器(DFP)和广义旁瓣消除器(GSC)结构的建议方案。对于每个结构,我们推导出随机梯度(SG)和递归最小二乘(RLS)算法,其自适应实现。将Gram-Schmidt(GS)技术应用于自适应算法,以重构变换矩阵,提高性能。一个自动秩选择技术的开发和使用,以确定最适当的排名派生算法。进行了复杂性和凸性分析。仿真结果表明,所提算法在收敛性和跟踪性能方面优于现有的满秩和降秩方法。
2013-01-29 cs.IT math.IT
Semidefinite Relaxation Based Blind Equalization using Constant Modulus Criterion
盲均衡是一个经典而又开放的问题。基于统计的算法,如恒模(CM),得到了广泛的研究。盲算法的一个固有问题是均衡信号的相位模糊。在这篇文章中,我们提出了一种新的方案,基于CM准则,并利用一类LDPC码的非对称性来解决相位模糊。具体而言,提出了一种新的配方与修改CM目标函数和放松代码约束。
2018-10-30 cs.IT math.IT
Adaptive Modulus RF Beamforming for Enhanced Self-Interference Suppression in Full-Duplex Massive MIMO Systems
针对全双工大规模 MIMO 系统的自干扰问题,提出一种结合 Tx/Rx 增益控制器的非常数模值射频波束成形方案,通过群体智能算法联合优化波束方向与增益系数,实现约 80 dB 的自干扰抑制。
2024-02-13 cs.IT eess.SP math.IT
Blind Adaptive MIMO Receivers for Space-Time Block-Coded DS-CDMA Systems in Multipath Channels Using the Constant Modulus Criterion
本文提出了一种适用于DS-CDMA系统的盲自适应多输入多输出(MIMO)线性接收机。基于约束优化技术,提出了空时码约束恒模(CCM)设计准则,并给出了递推最小二乘(RLS)自适应算法,用于线性接收机参数的估计。本文还提出了一种基于子空间方法的MIMO DS-CDMA系统空时信道盲估计方法和一种有效的RLS算法。针对一个下行链路场景的仿真评估了所提出的算法在几种情况下对现有的方法。
2012-12-29 cs.IT math.IT
Hybrid Beamforming for Millimeter Wave Systems Using the MMSE Criterion
混合模拟和数字波束形成(HBF)最近已经成为毫米波(mmWave)通信系统的一种有吸引力的技术。它很好地平衡了对足够的波束成形增益以克服传播损耗的需求以及降低硬件成本和功耗的期望。在本文中,均方误差(MSE)被选为性能指标来表征传输可靠性。使用最小和MSE准则,我们研究了宽带毫米波传输的HBF设计。为了克服多变量设计问题求解的困难,采用交替最小化方法交替优化混合发射和接收波束形成器。具体而言,首先提出了一种基于流形优化的HBF算法,该算法直接处理模拟元件的恒模约束。然后证明了它的收敛性。为了降低算法的计算复杂性,在窄带情况下提出了一种低复杂度的基于广义特征值分解的HBF算法,在宽带情况下提出了三种基于特征值分解和正交匹配追踪的算法。我们提出的交替最小化算法的一个特别的创新是精心设计的初始化方法,这导致更快的收敛。{此外,我们将基于和MSE的设计扩展到具有加权和MSE的设计,然后将其连接到基于频谱效率的设计。}仿真结果表明,所提出的HBF算法实现了显着的性能改善比现有的,并执行接近全数字波束形成。
2019-02-22 cs.IT math.IT
Joint Design of Hybrid Beamforming and Reflection Coefficients in RIS-aided mmWave MIMO Systems
本文研究了一种可重构智能地面(RIS)辅助毫米波(mmWave)下行通信系统,该系统在基站(BS)采用混合模拟-数字波束形成。我们制定了一个功率最小化问题,通过联合优化混合波束形成在BS和RIS的响应矩阵,在所有用户的信号干扰噪声比(SINR)的约束下。由于RIS反射系数和模拟波束形成器的非凸SINR约束以及单位模相移约束,该问题是非常具有挑战性的解决。提出了一种基于两层惩罚的算法来解耦SINR约束中的变量,并采用流形优化来处理非凸的单位模约束。{We本文还提出了一种低复杂度的顺序优化方法,该方法无需迭代,依次优化RIS反射系数、模拟波束形成器和数字波束形成器。此外,功率最小化问题和最大最小公平性(MMF)问题之间的关系进行了讨论。仿真结果表明,所提出的基于惩罚的算法优于最先进的半定松弛(SDR)的算法。结果还表明,RIS在降低功耗方面起着重要作用。
2022-02-14 cs.IT math.IT
Blind Adaptive Reduced-Rank Detectors for DS-UWB Systems Based on Joint Iterative Optimization and the Constrained Constant Modulus Criterion
针对直接序列超宽带(DS-UWB)系统中的干扰抑制问题,提出了一种基于联合迭代优化(JIO)和约束恒模(CCM)设计准则的线性盲自适应接收机。建议的盲接收器由两部分组成,一个变换矩阵,执行降维和降秩滤波器,产生的输出。在所提出的接收机中,变换矩阵和降秩滤波器联合更新和迭代,以最小化恒模(CM)成本函数的约束。JIO接收机的自适应实现是通过使用归一化随机梯度(NSG)和递归最小二乘(RLS)算法开发的。为了获得低复杂度的方案,RLS算法的变换矩阵的列被单独更新。盲信道估计算法的两个版本(NSG和RLS)的实现。假设完美的定时,JIO接收机只需要期望用户的扩频码和接收到的数据。仿真结果表明,两种方案的JIO接收机在抑制码间干扰(ISI)和多址干扰(MAI)方面都具有很好的性能,且复杂度较低。
2013-05-13 cs.IT math.IT
Enhanced Group Sparse Beamforming for Green Cloud-RAN: A Random Matrix Approach
组稀疏波束成形是用于使云无线电接入网络(Cloud-RAN)的网络功耗最小化的一般框架,然而,其遭受高计算复杂性。特别地,需要解决复杂的优化问题以获得每个传输块中的远程无线电头端(RRH)排序标准,这将有助于确定活动RRH和相关联的前传链路。在本文中,我们提出了创新的方法,以减少复杂性的这一关键步骤,在组稀疏波束形成。具体来说,我们首先开发了一个平滑的$\ell_p$最小化的方法与迭代重加权$\ell_2$算法返回一个Karush-Kuhn-Tucker(KKT)点的解决方案,以及提高诱导组稀疏的波束形成向量的能力。利用拉格朗日对偶理论,我们在每次迭代中获得封闭形式的解决方案,以减少计算复杂性。结构良好的解决方案提供了机会,应用大规模的随机矩阵理论,以获得确定性近似的RRH排序准则。这种方法有助于仅基于统计信道状态信息(CSI)来指导RRH选择,这不需要频繁更新,从而显著减少计算开销。仿真结果应证明所提出的$\ell_p$ -最小化方法的性能增益,以及用于计算RRH排序准则的基于大系统分析的框架的有效性。
2017-11-19 cs.IT math.IT
Joint Design of Hybrid Beamforming and Phase Shifts in RIS-Aided mmWave Communication Systems
本文研究了一种可重构智能地面(RIS)辅助毫米波(mmWave)下行通信系统,该系统在基站(BS)采用混合模拟-数字波束形成。我们制定了一个功率最小化问题,通过联合优化混合波束形成在BS和RIS的响应矩阵,信号干扰噪声比(SINR)的约束下。由于RIS处的相移和BS处的模拟波束成形两者的非凸SINR约束以及非凸单位模约束,该问题具有高度挑战性。提出了一种基于惩罚的算法结合流形优化技术来处理这个问题,其次是一个单独的优化方法,具有低得多的复杂性。仿真结果表明,该算法优于现有算法。结果还表明,RIS响应矩阵和BS混合波束形成的联合优化要远远优于单独优化。
2021-01-25 cs.IT math.IT
Two-Stage Analog Combining in Hybrid Beamforming Systems with Low-Resolution ADCs
在本文中,我们研究了混合模拟/数字波束成形的多输入多输出(MIMO)系统与低分辨率模数转换器(ADC)的毫米波(毫米波)通信。在接收器中,我们建议将模拟组合子系统分成信道增益聚合阶段,然后是扩展阶段。这两个阶段都使用移相器。我们的目标是设计两级模拟合路器,通过有效地管理量化误差来优化发送信号和量化信号之间的互信息(MI)。为此,我们制定了一个无约束的MI最大化问题,没有一个常数模约束的模拟组合器,并推导出一个两阶段的模拟组合解决方案。该方案实现了最佳的缩放定律的无线电频率链的数量和最大化的MI均匀奇异值的MIMO信道。我们进一步开发了一个两阶段的模拟组合算法来实现毫米波信道的衍生解决方案。该算法通过将信道增益聚合函数和扩展函数从解中解耦,利用阵列响应向量和离散傅立叶变换矩阵,在每个矩阵元素上满足恒模约束,实现了这两个函数。因此,该算法提供了一个无约束问题的近最优解,而传统的混合方法提供了一个近最优解的约束问题。推导了该算法的遍历速率的封闭形式近似,表明一个实际的数字组合器与两级模拟组合也达到了最佳的缩放定律。仿真结果验证了算法的性能和推导的遍历速率。
2018-08-06 cs.IT math.IT
Cooperative Beamforming for Dual-Hop Amplify-and-Forward Multi-Antenna Relaying Cellular Networks
研究了放大转发中继蜂窝网络中基站、中继站和移动终端均配置多天线的线性波束形成设计问题。该设计基于最小均方误差准则,同时考虑了上行链路和下行链路的情况。研究发现,下行链路和上行链路波束成形设计问题具有相同的形式,可以使用具有相同结构的迭代算法来求解设计问题。针对上行链路系统满载或过载的具体情况,推导了一种新的波束形成算法,并揭示了它与现有的几种传统MIMO或多用户系统波束形成算法的关系。仿真结果证明了所提出的设计算法的性能优势。
2011-12-01 cs.IT math.IT
Deep Active Learning Approach to Adaptive Beamforming for mmWave Initial Alignment
本文提出了一种深度学习方法,用于在具有单路径信道的毫米波环境中的初始接入阶段的自适应和顺序波束成形设计问题。对于一个单用户的情况下,该问题相当于设计的序列感测波束形成器来学习的主要路径的到达角(AoA),我们提出了一种新的深度神经网络(DNN),设计的自适应传感矢量顺序的基础上,到目前为止在基站(BS)。通过认识到AoA后验分布是解决初始接入问题的充分统计量,我们使用后验分布作为所提出的DNN的输入,用于设计自适应感知策略。然而,当信道衰落系数未知时,计算后验分布可能在计算上具有挑战性。为了解决这个问题,本文提出了使用衰落系数的估计来计算后验分布的近似。此外,本文表明,所提出的DNN可以处理实际的波束成形约束,如恒模约束。数值结果表明,与现有的自适应和非自适应波束形成方案相比,所提出的基于DNN的自适应感知策略实现了显着更好的AoA捕获性能。
2021-05-21 cs.IT math.IT
Unsupervised Learning for Passive Beamforming
可重构智能表面(RIS)是近年来兴起的一种提高无线通信系统能量和频谱效率的新技术。然而,反射单元相移的单位模约束使得最优无源波束形成方案的设计成为一个具有挑战性的问题。传统的方法是使用半定松弛(SDR)技术来找到次优解,然而由此产生的次优迭代算法通常会导致高复杂度,因此不适合实时实现。受此启发,我们提出了一种用于RIS辅助系统中无源波束形成设计的深度学习方法。特别是,使用无监督学习机制离线训练定制的深度神经网络,在线部署时能够进行实时预测。仿真结果表明,该方法保持了大部分的性能,同时显着降低了计算复杂度相比,基于SDR的方法。
2020-01-20 cs.IT eess.SP math.IT
Combining Beamforming and Space-Time Coding Using Noisy Quantized Feedback
在这项工作中,结合波束成形和空时编码的目标是获得全分集阶数,并提供额外的接收功率(阵列增益)相比,传统的空时码。在我们的系统中,我们考虑一个准静态的衰落环境,我们将高速率和低速率的反馈信道可能的反馈错误。为了充分利用反馈信息,受正交设计和预编码空时分组码的启发,提出了一类码星座,称为广义部分正交设计或广义PODs。此外,为了对反馈误差进行建模,我们假设反馈比特通过二进制对称信道(BSC)。两种情况下进行了研究:第一,当BSC的比特错误概率是已知的先验传输端,第二,当它是不知道确切。在第一种情况下,我们推导出一个最小成对错误概率(PEP)的设计准则广义POD。在此基础上设计了错误反馈信道的量化器和PODs的预编码码本。在我们的系统中的量化方案是一个信道优化矢量量化器(COVQ)。在第二种情况下,量化器和预编码器码本的设计基于类似的方法,但是具有最坏情况的设计策略。我们的合并方案的吸引人的属性是,它收敛到传统的空时编码与低速率和错误的反馈和定向波束形成与高速率和无错误的反馈。该方案对反馈信道模型失配具有良好的鲁棒性。
2008-04-22 cs.IT math.IT
Robust Beamforming for Amplify-and-Forward MIMO Relay Systems Based on Quadratic Matrix Programming
研究了基于最小均方误差(MMSE)准则的双跳放大转发MIMO中继系统的鲁棒收发机设计问题。信道估计误差被建模为高斯随机变量,然后将其影响纳入基于贝叶斯框架的鲁棒收发器。提出了一种迭代算法来联合设计源端的预编码器、中继端的前向矩阵和目的端的均衡器,并利用二次矩阵规划(QMP)方法有效地解决了联合设计问题。
2010-05-31 cs.IT math.IT
Robust Low-Rank LCMV Beamforming Algorithms Based on Joint Iterative Optimization Strategies
本章提出了降秩线性约束最小方差(LCMV)算法的基础上的概念,联合迭代优化的参数。降秩方案是基于最小方差准则的参数约束鲁棒联合迭代优化(RJIO)。鲁棒优化过程以交替的方式调整降秩矩阵、降秩波束形成器和对角加载的参数。LCMV表达式的降秩矩阵和降秩波束形成器的设计。随机梯度和递归最小二乘自适应算法,然后设计了一个有效的实现RJIO鲁棒波束形成技术。对存在不确定性的应用程序的仿真表明,RJIO方案和算法的收敛性和跟踪性能优于现有的算法,而需要相当的复杂性。
2013-02-10 cs.IT math.IT
Robust AN-Aided Beamforming and Power Splitting Design for Secure MISO Cognitive Radio With SWIPT
研究了一种同时进行无线信息和功率传输的多输入单输出认知无线电下行网络。在该网络中,次级用户与多个主用户和多个能量收集接收器共存。为了保证安全通信和能量收集,研究了不完全信道状态信息(CSI)下鲁棒安全人工噪声辅助波束形成和功率分配设计问题。具体而言,发射功率最小化问题和最大-最小公平能量收集问题,制定了有界CSI误差模型和概率CSI误差模型。这些问题是非凸的,解决起来很有挑战性。针对这些问题,提出了一种一维搜索算法,在有界CSI误差模型下基于${\cal S}\text{-Procedure} $,在概率CSI误差模型下基于Bernstein型不等式.结果表明,最佳的鲁棒安全波束形成下的有界CSI误差模型可以实现,而一个次优波束形成的解决方案下的概率CSI误差模型可以得到。阐明了在最大最小公平性准则下,次用户接收机的保密率与能量收集接收机所收集的能量之间的折衷。
2016-02-22 cs.IT math.IT
Channel Equalization and Beamforming for Quaternion-Valued Wireless Communication Systems
University of Sheffield(谢菲尔德大学)
本文提出两种四元数自适应算法,用于解决四元数信号处理在信道均衡和波束成形中的有效性和效率问题,并推导了四元数维纳解以实现块状计算。
2015-05-31 cs.IT cs.NA math.IT
Globally Optimal Joint Uplink Base Station Association and Beamforming
近年来,联合基站(BS)关联和波束形成问题得到了广泛的研究,但即使是最简单的SISO情况下的计算复杂性也没有被完全表征。在本文中,我们考虑的上行链路SISO/SIMO蜂窝网络下的最大-最小公平性准则的问题。我们首先证明了SISO和SIMO方案的问题是多项式时间可解的。其次,我们提出了一个基于固定点的二叉搜索(BS-FP)算法的SISO和SIMO的情况下,QoS(服务质量)约束的子问题,解决了在每一步由一个固定点的方法。第三,我们提出了一个规范化不动点(NFP)迭代算法来直接求解原问题,并证明了它的几何收敛性。虽然不知道NFP算法是否是多项式时间算法,但根据经验,它比多项式时间算法快几个数量级收敛到全局最优值,使其适合于大规模网络中的应用。
2015-12-15 cs.IT math.IT
Robust Symbol-Level Precoding and Passive Beamforming for IRS-Aided Communications
研究了多用户多输入单输出(MISO)通信网络中基于智能反射面(IRS)面板的联合波束形成设计。符号级预编码(SLP)被用来提高系统性能,利用多用户干扰(MUI)与有限的信道不确定性的考虑。联合波束形成设计被配制成一个非凸的最坏情况下的鲁棒规划,以最小化发射功率的信噪比(SNR)的要求。为了解决由于恒模和波束形成器的耦合的挑战,我们首先研究了单用户的情况。具体来说,我们提出并比较两种算法的基础上半定松弛(SDR)和交替优化(AO)的方法,分别。结果表明,基于AO的算法具有低得多的计算复杂性,但具有与基于SDR的算法几乎相同的功率。然后,我们应用AO技术的多用户的情况下,从而开发了一个算法的基础上的近端梯度下降(PGD)方法。该算法可以推广到有限分辨率IRS的情况下,从发射机到用户的直接链路的场景。数值结果表明,SLP可以显着提高系统的性能。同时,3位移相器可以实现接近最佳的功率性能。
2021-08-31 cs.IT eess.SP math.IT
Low-Complexity Multicast Beamforming for Millimeter Wave Communications
为了开发一种低复杂度的毫米波多播波束形成方法,本文首先提出了一种信道增益估计方法。我们使用波束扫描来找到最好的码字和它的两个相邻的码字,以形成一个复合波束。然后,我们估计信道增益的基础上的复合波束,这是离线计算的波束覆盖范围内的波束增益的方差最小化。在估计信道增益的基础上,提出了一种基于最大最小公平准则的多播波束形成设计方法。为了降低计算复杂度,我们将大的天线阵列分成几个小尺寸的子阵列,其中每个子阵列的大小由估计的信道增益来确定。特别是,我们引入了一个相位因子为每个子阵列探索所考虑的问题的额外的自由度。仿真结果表明,与现有方法相比,本文提出的多播波束成形设计方法在性能损失较小的情况下,能够显著降低计算复杂度。
2022-03-12 cs.IT eess.SP math.IT
Robust and Secure Beamforming for Intelligent Reflecting Surface Aided mmWave MISO Systems
在这封信中,我们研究了在智能反射面(IRS)辅助毫米波(mmWave)多输入单输出(MISO)系统中的鲁棒和安全波束形成(RSBF),其中多个单天线窃听器(Eves)任意分布在合法接收机附近。考虑到Eves信道的信道状态信息(CSI)在合法发射端是不完全已知的,在总发射功率和单位模约束下,给出了最大化最坏情况下可达保密率(ASR)的RSBF设计问题.由于这些问题是很难最佳解决,由于其非凸性和耦合变量,我们取代窃听信道的离散样本的加权组合,并提出了一个RSBF计划交替优化和半定松弛(SDR)技术的基础上,合谋和非合谋窃听的情况。仿真结果表明,所提出的RSBF方案可以有效地提高ASR,也优于其他基准计划。
2020-03-25 cs.IT eess.SP math.IT
Secure Wireless Communication in RIS-Aided MISO Systems with Hardware Impairments
在实际应用中,收发器硬件的残余损伤不可避免地导致失真噪声,从而导致性能损失。在本文中,我们研究了鲁棒传输设计的可重构智能表面(RIS)辅助安全通信系统中存在的收发器硬件损伤。我们的目标是最大限度地提高保密率,同时确保发射功率约束的主动波束形成在基站和单位模约束的被动波束形成在RIS。为了解决这个问题,我们采用交替优化方法迭代优化一组变量,同时保持另一组固定。其中,主动波束形成优化子问题采用逐次凸逼近(SCA)方法求解,被动波束形成优化子问题采用半定规划(SDP)方法求解。数值结果表明,所提出的传输设计方案是更强大的硬件损伤比传统的非鲁棒方案,忽略了硬件损伤的影响。
2021-03-08 cs.IT eess.SP math.IT
Blind Adaptive Interference Suppression Based on Set-Membership Constrained Constant-Modulus Algorithms with Time-Varying Bounds
本文提出了一种基于集员滤波概念的盲约束恒模自适应算法,并结合了干扰抑制的动态界。我们开发的随机梯度和递归最小二乘型算法的CCM设计标准的基础上,按照规格的SMF的概念。我们还提出了一个盲框架,其中包括信道和幅度估计,考虑到参数估计依赖性,多址干扰(MAI)和符号间干扰(ISI),以解决在多用户通信中的约束规范的重要问题。所提出的算法的收敛性和跟踪分析进行了发展的解析表达式,以预测其性能。对DS-CDMA系统的一些感兴趣的场景的仿真表明,所提出的算法优于以前报道的技术,具有较少的参数更新和降低的风险上界或下界。
2012-12-29 cs.IT math.IT
Multiple Intelligent Reflecting Surfaces Assisted Cell-Free MIMO Communications
在本文中,我们研究了一个智能反射面(IRS)辅助无小区多输入多输出(MIMO)通信系统,其中分布式多个IRS专门部署,以协助分布式多个基站(BS)的合作传输。我们的目标是通过联合优化BS处的有源发射波束形成矩阵和IRS处的无源反射波束形成矩阵来最大化无小区系统的可实现的和速率,同时满足每个BS的最大发射功率和每个IRS元件的相移的约束。我们提出了一个有效的框架,共同设计的BS,IRS,和用户设备(UE)。作为一种折衷的方法,我们首先将非凸问题转化为一个等价的形式的基础上的分式规划方法,然后分解成两个子问题,并交替解决它们。特别地,我们提出了一种基于拉格朗日对偶次梯度的算法来解决具有近似封闭形式解的主动发射波束形成优化子问题。将被动反射波束形成优化子问题转化为一个常数模约束二次规划(CMC-QP)问题。首先,我们提出了一对基于松弛的算法,提供了两个可行的解决方案。我们还开发了一个低复杂度的交替序列优化(ASO)算法,以获得封闭形式的解决方案。这三种算法都保证收敛到局部最优解。仿真结果表明,与基准方案相比,所提出的算法取得了显着的性能改善。
2021-08-17 cs.IT math.IT
Learning on a Grassmann Manifold: CSI Quantization for Massive MIMO Systems
Virginia Tech(弗吉尼亚理工大学)
本文重点研究了波束赋形码本的设计,使任何潜在信道分布的平均归一化波束赋形增益最大化。虽然现有技术使用统计信道模型,但我们利用具有机器学习基础的无模型数据驱动方法来生成适应周围传播条件的波束成形码本。关键的技术贡献在于减少码本设计问题的无监督聚类问题的格拉斯曼流形上的集群质心形成有限大小的波束形成码本的信道状态信息(CSI),这可以有效地解决使用K均值聚类。这种方法被扩展到开发一个非常有效的全维(FD)多输入多输出(MIMO)系统与均匀平面阵列(UPA)天线的乘积码本设计过程。仿真结果表明,所提出的设计标准的能力,在学习的码本,减少码本的大小,并产生显着更高的波束形成增益相比,现有的国家的最先进的CSI量化技术。
2020-05-18 cs.IT cs.LG math.IT
Robust Beamforming Design for RIS-aided Cell-free Systems with CSI Uncertainties and Capacity-limited Backhaul
针对RIS辅助无小区系统,考虑CSI不确定性和容量受限回传,提出联合优化AP预编码与RIS相移的鲁棒波束赋形算法,以最大化最差情况总和速率,并实现低复杂度高性能。
2023-05-09 cs.IT eess.SP math.IT
Cooperative Beamforming for RIS-Aided Cell-Free Massive MIMO Networks
无小区大规模多输入多输出(CF-mMIMO)和可重构智能表面(RIS)的结合被认为是提高网络容量和增强覆盖能力的一种有前途的范例。然而,为了获得RIS辅助的CF-mMIMO的全部益处,主要挑战是在基站(BS)、RIS和用户处有效地设计协作波束成形(CBF)。首先,我们研究了分数规划将加权和率(WSR)最大化问题转化为一个易于处理的优化问题。然后,采用交替优化框架将变换后的问题分解为一系列子问题,即,BS处的混合BF(HBF)、RIS处的被动BF以及用户处的合并。特别是,交替方向法的乘子算法被用来解决HBF子问题在BS。具体地说,模拟BF设计与单位模量的约束,解决了流形优化(MO),而我们得到一个封闭的形式的解决方案,数字BF设计,本质上是一个凸最小二乘问题。此外,采用原-对偶次梯度法和MO法设计了RISs端的无源波束形成和用户端的模拟合并。此外,考虑到传统CF-mMIMO系统中的沉重的通信成本,我们提出了一个部分连接的CF-mMIMO(P-CF-mMIMO)框架,以减少BS和用户之间的连接的数量。为了更好地兼顾WSR性能和网络开销,我们将P-CF-mMIMO系统中的基站选择问题转化为一个二进制整数二次规划(BIQP)问题,并提出了一种松弛的线性近似算法来处理该BIQP问题。最后,数值结果表明,我们提出的算法优于基线同行。
2022-07-06 cs.IT eess.SP math.IT
Network MIMO with Linear Zero-Forcing Beamforming: Large System Analysis, Impact of Channel Estimation and Reduced-Complexity Scheduling
我们考虑多天线基站和单天线用户终端的多小区系统的下行链路,任意基站合作集群,距离相关的传播路径损耗,和一般的“公平性”的要求。同一协作簇中的基站采用具有线性迫零波束成形的联合传输,受到总和或每个基站功率约束。集群间干扰在用户终端处被视为噪声。系统频谱效率的解析表达式中发现的大系统的限制,每个基站的用户和天线的数量趋于无穷大与给定的比率。特别是,对于每个基站的功率约束,我们发现在随机矩阵理论的新结果,产生的摩尔-彭罗斯伪逆的结构化非独立同分布的子矩阵的平方Frobenius范数。由协作簇、用户分布和路径损耗系数得到的信道矩阵。该分析扩展到通过显式下行链路信道训练和上行链路反馈获得的发射机处的非理想信道状态信息(CSIT)的情况。具体来说,我们的研究结果照亮了大量的合作天线的好处和估计高维信道向量的成本之间的权衡。此外,我们的分析导致一个新的简化的下行链路调度方案,根据从大系统的结果,根据所需的公平性标准获得的概率预先选择的用户。所提出的方案执行接近最佳(有限维)的机会用户选择,而需要显着较少的信道状态反馈,因为只有一小部分预选用户必须反馈他们的信道状态信息。
2011-09-12 cs.IT math.IT
An Efficient Interference-Aware Constrained Massive MIMO Beamforming for mm-Wave JSDM
针对毫米波JSDM混合大规模MIMO,本文提出恒模约束的干扰感知GEB模拟波束成形及动态子阵列算法,并配合LMMSE数字波束成形抑制残余干扰。
2021-03-22 cs.IT eess.SP math.IT
Spectral and Energy Spectral Efficiency Optimization of Joint Transmit and Receive Beamforming Based Multi-Relay MIMO-OFDMA Cellular Networks
首先提出了一种基于联合发射接收波束赋形的多中继多输入多输出正交频分多址(MIMO-OFDMA)蜂窝网络传输协议。然后,我们解决了相关的网络范围内的频谱效率(SE)和能量频谱效率(ESE)的优化问题。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,这些信道基本上是空间复用的。因此,这些有效的MISO信道被称为空间复用分量(SMC)。为了提高SE/ESE的性能,SMC进行分组使用一对建议的分组算法。第一个是最佳的,在这个意义上,它详尽地评估所有可能的SMC的组合,满足半正交性标准和其他相关的系统约束,而第二个是一个较低的复杂度的替代方案。对应于这两种分组算法,分别建立了一对SE和ESE最大化问题,从而得到每个子载波块的最优SMC组和最优功率控制变量。这些优化问题被证明是凹的,并采用对偶分解方法获得其解决方案。依靠这些优化解决方案,表征了各种系统参数对可达到的SE和ESE的影响。特别是,我们证明了在一定条件下,较低的复杂性SMC分组算法实现了90%的SE/ESE达到基于穷举搜索的最佳分组算法,而征收低至3.5%的后者计划的计算复杂性。
2014-07-29 cs.IT math.IT
Edge Federated Learning Via Unit-Modulus Over-The-Air Computation
Shenzhen Institute of Advanced Technology (SIAT), Chinese Academy of Sciences(中国科学院深圳先进技术研究院);Southern University of Science and Technology (SUSTech)(南方科技大学);Sifakis Research Institute of Trustworthy Autonomous Systems(思法基可信自主系统研究院);The University of Hong Kong(香港大学);University of New South Wales(新南威尔士大学)
边缘联邦学习(FL)是一种基于无线通信的分布式数据集训练全局参数模型的新兴范式。本文提出了一种单位模空中计算(UMAirComp)框架,以促进有效的边缘联邦学习,它通过模拟波束形成同时上传局部模型参数和更新全局模型参数。所提出的框架避免了复杂的基带信号处理,从而降低了通信延迟和实现成本。推导了UMAirComp FL系统的训练损失界,并提出了两种低复杂度的大规模优化算法:惩罚交替最小化(PAM)和加速梯度投影(AGP),以最小化非凸非光滑损失界.仿真结果表明,与其他基准方案相比,采用PAM算法的UMAirComp框架具有更小的模型参数估计均方误差、训练损失和测试误差。与已有的优化算法相比,本文提出的UMAirComp框架在降低计算复杂性数量级的同时,具有令人满意的性能.最后,我们展示了UMAirComp在车辆到一切自动驾驶仿真平台中的实现。研究发现,自动驾驶任务比其他任务对模型参数误差更敏感,因为用于自动驾驶的神经网络包含更稀疏的模型参数。
2022-04-11 cs.AI cs.IT math.IT
Low-Complexity Hybrid Beamforming for Multi-Cell mmWave Massive MIMO: A Primitive Kronecker Decomposition Approach
针对多小区毫米波大规模 MIMO 上行系统,提出基于本原 Kronecker 分解与动态因子分配的低复杂度混合波束成形方法,可逼近纯数字 MMSE 性能并显著降低复杂度与硬件成本。
2025-05-15 cs.IT eess.SP math.IT
RIS-Aided MIMO Systems with Hardware Impairments: Robust Beamforming Design and Analysis
可重构智能表面(RIS)被认为是提高未来无线系统性能的一种新型技术。在本文中,我们研究了一个实用的RIS辅助多输入多输出(MIMO)系统中存在的收发器硬件损伤,RIS相位噪声和不完善的信道状态信息(CSI)。特别考虑了MIMO收发器和RIS反射矩阵的联合设计,以最小化所有数据流的总平均均方误差(MSE)。这个联合设计问题是非凸的,具有挑战性的解决,由于新考虑的实际缺陷。为了解决这个问题,我们首先分析了总平均MSE纳入上述系统的不完善的影响。然后,为了处理紧耦合的优化变量和非凸NP-硬约束,提出了一种基于交替优化(AO)框架的高效迭代算法,保证了算法的收敛性,其中每个子问题通过利用优化最小化(MM)技术得到一个封闭形式的最优解.此外,通过利用单位模约束的特殊结构,我们提出了一种改进的黎曼梯度上升(RGA)算法的离散RIS相移优化。此外,在视距信道条件下验证了该算法的最优性,并揭示了在高信噪比(SNR)条件下,由于硬件和信道状态信息的不完善而引起的不可约的均方误差地板效应.数值结果表明,我们所提出的算法的MSE性能优于所采用的基准计划,并表明,增加RIS元素的数量并不总是有益的上述系统的缺陷。
2023-03-22 cs.IT eess.SP math.IT
Sensing-Then-Beamforming: Robust Transmission Design for RIS-Empowered Integrated Sensing and Covert Communication
School of Science, Edith Cowan University(伊迪丝考文大学理学院)
本文提出了一种基于RIS的鲁棒隐蔽传输设计,通过感知后再波束成形技术提升隐蔽通信效率。
2025-12-08 cs.IT eess.SP math.IT
RIS-Aided Multiuser MIMO-OFDM with Linear Precoding and Iterative Detection: Analysis and Optimization
在本文中,我们考虑了一个可重构的智能表面(RIS)辅助上行链路多用户多输入多输出(MIMO)正交频分复用(OFDM)系统,其中接收机被假定为进行低复杂度的迭代检测。我们的目标是通过联合设计发射机的预编码器和RIS的无源波束形成来最小化总发射功率。这个问题可以从信息论的角度来解决。但是这种信息理论方法可能涉及过高的复杂度,因为指定上行链路多用户信道的容量区域的速率约束的数量在用户数量中是指数的。为了避免这个困难,我们制定的迭代接收机的设计问题的约束下的最大迭代次数和目标比特出错率的用户。为了解决这个具有挑战性的问题,我们提出了一个groupwise连续干扰消除(SIC)的优化方法,其中用户的信号被解码和消除在一个组的方式。提出了一种启发式用户分组策略,并采用交替优化技术迭代求解预编码和被动波束赋形子问题。具体而言,对于预编码子问题,我们采用分式规划将其转化为凸问题;对于无源波束形成子问题,我们采用逐次凸逼近来处理RIS的单位模约束。我们表明,建议groupwise SIC方法具有显着的优势,在性能和计算复杂性,与同行的方法相比。
2022-08-30 cs.IT eess.SP math.IT
Secure Beamforming in Multi-User Multi-IRS Millimeter Wave Systems
School of Electrical Engineering, Iran University of Science and Technology (IUST)(伊朗理工大学电气工程学院);Technology Innovation Institute(技术创新研究所);Centre for Wireless Communications, University of Oulu(奥卢大学无线通信中心)
针对多用户多IRS毫米波网络的保密速率最大化公平性问题,提出结合惩罚法、块坐标下降与SCA的优化算法及低复杂度相移映射方案,仿真验证其在收敛性和保密速率上优于传统SDP等基准方案。
2025-09-29 cs.IT eess.SP math.IT