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
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
Low-Complexity Robust Adaptive Beamforming Algorithms Based on Shrinkage for Mismatch Estimation
在本文中,我们提出了低复杂度的鲁棒自适应波束形成(RAB)技术的基础上收缩方法。所提出的算法所需的唯一先验知识是实际导向矢量所在的角扇区和天线阵列的几何形状。首先提出了一种低复杂度的基于收缩的失配估计(LOCSME)算法,利用Oracle近似收缩(OAS)方法估计干扰加噪声协方差(INC)矩阵,并通过矩阵求逆计算权值。然后,我们开发低成本随机梯度(SG)递归来估计INC矩阵并更新波束形成权重,从而产生了所提出的LOCSME-SG算法。仿真结果表明,LOCSME和LOCSME-SG实现了非常好的输出信号干扰噪声比(SINR)相比,以前报道的自适应RAB算法。
2015-05-26 cs.IT math.IT
Adaptive Hybrid Beamforming with Massive Phased Arrays in Macro-Cellular Networks
通过同时传送多个数据流,经由大型天线阵列的混合波束成形已经显示出用于增加蜂窝网络中的数据率的巨大潜力。本文针对宏蜂窝环境,在单天线功率受限的条件下,基于长期信道信息,提出了几种基于大规模相控阵的波束形成算法。使用自适应方案,每当长期信道信息改变时,波束形成向量被更新。首先,研究当基站具有单个RF链(单波束场景)时的问题。半定松弛(SDR)与随机化被用来解决这个问题。作为第二种方法,提出了一种低复杂度的启发式波束合成算法,该算法的性能非常接近SDR获得的上界。接下来,研究了一般数量的RF链(多波束场景)的问题,其中梯度投影方法用于获得局部解。数值结果表明,使用具有优化波束成形向量的大规模天线阵列可以使网络吞吐量比使用传统天线的系统提高5倍。
2018-02-03 cs.IT math.IT
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
Set-Membership Conjugate Gradient Constrained Adaptive Filtering Algorithm for Beamforming
本文提出了一种新的线性约束最小方差波束形成器,它结合了集员(SM)技术和共轭梯度(CG)方法,并提出了一种低复杂度的自适应波束形成滤波算法。该算法利用基于CG的向量和可变遗忘因子来执行由与参数相关的时变界限控制的数据选择性更新。对于更新,迭代地计算基于CG的向量(每次更新一次迭代)以获得滤波器参数并避免矩阵求逆。由此产生的迭代构造了满足LCMV优化问题约束的可行解空间。该算法大大降低了计算复杂性,并在收敛性和跟踪性能上优于现有算法。
2013-03-04 cs.IT math.IT
Low-Complexity Adaptive Set-Membership Reduced-rank LCMV Beamforming
提出了一种新的线性约束最小方差(LCMV)波束形成器的自适应实现算法。该算法利用集员滤波(SMF)框架和降秩联合迭代优化(JIO)计划。我们开发了一种基于随机梯度(SG)的波束形成器设计算法。该方法采用一个有效的时变界来调整步长,避免了失调和上下界的风险。仿真结果表明,与现有的满秩和降秩方法相比,该算法的性能得到了改善。
2013-03-14 cs.IT math.IT
Robust Adaptive Beamforming Based on Low-Complexity Shrinkage-Based Mismatch Estimation
在这项工作中,我们提出了一种低复杂度的鲁棒自适应波束形成(RAB)技术,估计使用低复杂度收缩的失配估计(LOCSME)算法的导向矢量。LOCSME算法利用Oracle近似收缩(OAS)方法估计输入数据的协方差矩阵和干扰加噪声协方差矩阵。LOCSME仅需要实际导向矢量所在的角扇区和天线阵列几何形状的先验知识。LOCSME不需要昂贵的优化算法,并且不需要知道来自干扰器的额外信息,这避免了所有干扰器的方向发现。仿真结果表明,LOCSME优于以前报道的RAB算法,并具有非常接近最佳的性能。
2013-11-11 cs.IT math.IT
Coordinated transmit and receive processing with adaptive multi-stream selection
在本文中,我们提出了一种自适应协调Tx-Rx波束形成方案的用户间干扰消除,当一个基站(BS)与多个用户,每个有多个接收天线通信。传统的协作Tx-Rx波束成形方案为每个用户发送固定数量的数据流,而不管瞬时信道状态如何,即,所有用户,无论其具有病态信道还是良好信道,都具有相同数量的数据流。然而,在所提出的自适应协调Tx-Rx波束成形方案中,我们自适应地选择每个用户的流的数量,以解决传统的协调Tx-Rx波束成形方案的效率低下的问题。结果,BER性能得到改善。仿真结果表明,在目标误码率为10^-2时,该算法比传统的协调Tx-Rx波束形成算法性能提高了2.5dB
2010-05-27 cs.IT math.IT
Robust Adaptive Beamforming Algorithms Based on the Constrained Constant Modulus Criterion
利用期望信号的恒模特性,提出了一种基于最坏情况准则和约束恒模方法的鲁棒自适应波束形成算法。类似于现有的最坏情况下的波束形成器与最小方差设计,该问题可以重新表示为一个二阶锥(SOC)的程序和解决内点法。对优化问题进行了分析,得到了加强其凸性和调整其参数的条件。在此基础上,提出了基于修正共轭梯度(MCG)和交替优化策略的低复杂度鲁棒自适应波束形成算法。所提出的低复杂度的算法可以计算现有的最坏情况下的约束最小方差(WC-CMV)和建议的最坏情况下的约束恒模(WC-CCM)设计的参数的数量的二次成本。仿真结果表明,该算法的性能优于现有的鲁棒波束形成算法。此外,数值结果还表明,所提出的低复杂度的算法的性能相当于或优于现有的鲁棒算法,而复杂度是一个数量级以上的低。
2013-10-01 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
Adaptive Channel Prediction, Beamforming and Scheduling Design for 5G V2I Network
5G网络的重要用例之一是车辆到基础设施(V2I)通信,这需要准确了解其动态传播环境。由于5G基站(BS)往往具有多个天线,它们可能会采用波束成形来将其辐射模式引导到所需的车辆设备(VE)。此外,由于大多数无线标准采用OFDM系统,因此每个VE可以使用一个或多个子载波。为此,本文提出了一种用于5G V2I通信的自适应信道预测、波束成形和调度的联合设计。该算法无需训练信号和信道冲激响应(CIR)模型。在这方面,首先,我们利用公知的自适应递归最小二乘(RLS)技术来从过去和当前块接收信号(块可以具有一个或多个OFDM符号)预测下一个块CIR。然后,我们联合设计的波束成形和VE调度每个子载波,以最大限度地提高上行链路信道的平均和速率,通过利用预测的CIR。波束形成问题是一个瑞利商优化,其全局最优解是有保证的。虚拟企业的调度问题可以归结为一个整数规划问题,采用贪婪搜索法求解。通过数值仿真证明了所提出的信道预测和调度算法的优越性。
2017-07-21 cs.IT math.IT
Low-Cost Maximum Entropy Covariance Matrix Reconstruction Algorithm for Robust Adaptive Beamforming
Univ. of São Paulo(圣保罗大学);PUC-Rio(里约热内卢天主教大学)
在这封信中,我们提出了一种新的低复杂度的自适应波束形成技术,使用随机梯度算法,以避免矩阵求逆。该方法利用基于最大熵功率谱(MEPS)的噪声加干扰协方差矩阵(MEPS-NPIC)估计算法,自适应地更新波束形成权值,从而大大降低了计算复杂性。MEPS还用于重构期望信号协方差矩阵,并改善期望信号的导向矢量(SV)的估计。仿真结果表明,所提出的MEPS-NPIC方法优于以前提出的波束形成器。
2020-12-28 cs.IT cs.LG math.IT
Reduced-rank Adaptive Constrained Constant Modulus Beamforming Algorithms based on Joint Iterative Optimization of Filters
提出了一种基于约束联合迭代优化滤波器的降秩自适应波束形成方法。我们采用这种计划,设计了两个新的降秩自适应算法根据常数模(CM)准则与不同的约束。第一个设计的算法制定为约束联合迭代优化的投影矩阵和降秩滤波器相对于CM标准受到约束的阵列响应。推导了投影矩阵和降秩权向量的约束恒模(CCM)表达式,并提出了一种低复杂度的自适应算法来实现投影矩阵和降秩权向量的联合估计。第二种算法是对第一种算法的扩展,并根据CM准则在阵列响应约束和投影矩阵正交约束下实现。Gram-Schmidt(GS)技术被用来实现这种正交约束并提高性能。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。
2013-03-06 cs.IT math.IT
Low-Complexity Reduced-Rank Beamforming Algorithms
针对雷达系统中遇到的自适应波束形成问题,提出了一种基于集员滤波(SMF)技术的降秩框架。我们开发和分析随机梯度(SG)和递归最小二乘(RLS)型自适应算法,实现了增强的收敛性和跟踪性能与现有技术相比,计算成本低。仿真结果表明,该算法在复杂度较低的情况下,性能优于现有算法。
2013-02-03 cs.IT math.IT
Adaptive Multicell 3D Beamforming in Multi-Antenna Cellular Networks
我们考虑一个蜂窝网络与多天线基站(BS)和单天线用户,多小区合作,不完善的信道状态信息,定向天线每个垂直可调波束。我们调查的BS天线图案,表示为倾斜,所考虑的网络的性能时,采用传统的单小区传输或完全合作的多小区传输的仰角的影响。利用这项调查的结果,我们提出了一种新的混合多小区合作技术,其中小区间的干扰是通过在水平平面的合作波束成形或协调波束成形在垂直平面的无线信道,表示为自适应多小区3D波束成形控制。其主要思想是将覆盖区域划分为两个不相交的垂直区域,并在服务每个区域时在BS处采用多小区协作策略。一个公平的调度器被用来共享垂直区域之间的时隙。结果表明,所提出的技术可以实现与完全协作传输相当的性能,但复杂性和信令要求显着降低。为了使性能分析的计算效率,不同的波束形成策略下的用户遍历速率的解析表达式也推导出来。
2015-09-07 cs.IT math.IT
Closed-Loop Wireless Power Transfer with Adaptive Waveform and Beamforming: Design, Prototype, and Experiment
在本文中,我们设计,原型和实验闭环辐射无线电能传输(WPT)系统与自适应波形和波束形成使用有限的反馈。在WPT系统中,发射端采用多正弦波形和多天线波束形成技术相结合的方法,充分利用空间域和频域的优势,以适应多径衰落信道,提高输出直流功率。提出了一种基于码本设计和使用IEEE 802.15.4 RF接口的低复杂度空中受限反馈的闭环架构。码本由多个码字组成,其中每个码字表示特定的波形和波束成形。发射机扫描码本,然后接收机反馈最佳码字的索引,使得波形和波束形成可以适应多径衰落信道,以最大化输出直流功率,而不需要显式信道估计和准确的信道状态信息的知识。所提出的闭环WPT与自适应波形和波束成形使用有限的反馈是原型使用软件定义无线电设备和测量在一个真实的室内环境。测量结果表明,与传统的单音单天线WPT系统相比,本文提出的具有自适应波形和波束形成的闭环WPT可以将输出直流功率提高14.7 dB。
2021-06-07 cs.IT eess.SP math.IT
Adaptive Set-Membership Reduced-Rank Least Squares Beamforming Algorithms
提出了一种新的线性约束最小方差波束形成器(LCMV)自适应设计算法。我们将集员滤波(SMF)机制降秩联合迭代优化(JIO)计划开发一个约束递归最小二乘(RLS)算法称为JIO-SM-RLS。所提出的算法继承了降秩信号处理技术的优点,以提高输出性能,并利用SMF方法的数据选择性更新(约10-15%),以节省计算成本显着。一个有效的时变界限施加在阵列输出作为约束,以规避风险的上界或下界,并更新参数的波束形成。更新后的参数构成一组解决方案(隶属度集),满足LCMV波束形成器的约束。仿真结果表明,该算法在收敛速度和降低计算复杂性方面均优于现有算法。
2013-02-17 cs.IT math.IT
Hybrid Beamforming and Adaptive RF Chain Activation for Uplink Cell-Free Millimeter-Wave Massive MIMO Systems
在这项工作中,我们研究了混合模拟数字波束成形(HBF)架构的上行链路无小区(CF)毫米波(mmWave)大规模多输入多输出(MIMO)系统。{We首先提出了两种HBF方案,即分散式HBF(D-HBF)和半集中式HBF(SC-HBF)。在前者中,基于本地信道状态信息(CSI)在每个AP处独立地生成数字和模拟波束形成器。相比之下,在后者中,仅在AP处本地获得数字波束形成器,而在中央处理单元(CPU)处基于从所有AP接收的全局CSI生成模拟波束形成矩阵。我们表明,在这两个HBF方案中生成的模拟波束形成器提供了大致相同的可实现速率,尽管D-HBF的复杂度较低,并且缺乏CSI要求。此外,为了降低功耗,我们提出了一种新的自适应射频(RF)链激活(ARFA)方案,该方案基于CSI动态激活/停用AP处的RF链及其连接的模数转换器(ADC)和移相器(PS)。对于RF链的激活,提出了低复杂度的算法,其可以在总可实现速率中仅具有边际损失的情况下实现能量效率(EE)的显著改善。
2021-04-30 cs.IT math.IT
Online Adaptive Real-Time Beamforming Design for Dynamic Environments in Cell-Free Systems
针对无蜂窝系统动态无线环境的实时波束成形需求,提出高泛化网络HGNet及在线自适应更新算法,可适配动态场景、降低泛化误差上界,以毫秒级低成本实现更高和速率的实时波束成形。
2024-11-27 cs.IT cs.NI eess.SP
Low-Complexity Constrained Constant Modulus SG-based Beamforming Algorithms with Variable Step Size
本文研究了两种低复杂度的自适应步长盲波束形成算法。这两种方法都被用于随机梯度算法,该算法采用约束恒模准则作为设计方法。并对它们的性质作了简要分析。仿真结果表明,新算法的性能与其他著名的方法进行比较。结果表明,该算法在平稳和非平稳环境下均具有较好的性能、收敛性和较低的计算复杂性.
2013-03-11 cs.IT math.IT
Adaptive Passive Beamforming in RIS-Aided Communications With Q-Learning
本文针对无CSI条件下的RIS辅助通信,提出基于Q学习的自适应无源波束赋形策略,将配置搜索建模为随机最短路径问题,以最小化寻找最优RIS配置所需的测试次数。
2025-05-02 cs.IT eess.SP math.IT
Design of Robust Adaptive Beamforming Algorithms Based on Low-Rank and Cross-Correlation Techniques
这项工作提出了成本效益的低秩技术设计强大的自适应波束形成(RAB)算法。所提出的算法是基于利用阵列观测数据和波束形成器的输出之间的互相关。首先,我们构造了一个一般的线性方程,考虑在大尺寸的解决方案产生的导向矢量失配。然后,我们采用的思想,全正交化方法(FOM),正交Krylov子空间为基础的方法,迭代估计的导向矢量失配在降维子空间,从而在建议的正交Krylov子空间投影失配估计(OKSPME)方法。我们还设计了基于随机梯度(SG)和共轭梯度(CG)技术的自适应算法,以低复杂度更新波束形成权重,并避免任何昂贵的矩阵求逆。所提出的低秩和失配估计技术的主要优点是在处理高维子空间或大型传感器阵列时具有成本效益。仿真结果表明,在所有比较的RAB方法中,该波束形成器的输出信号与干扰加噪声比(SINR)表现出优异的性能。
2016-06-04 cs.CE cs.IT math.IT
Adaptive Beamforming in Interference Networks via Bi-Directional Training
我们研究分布式算法调整波束形成矢量和接收机滤波器在多输入多输出(MIMO)干扰网络,假设每个用户使用一个单一的波束和线性滤波器在接收机。在这样的设置中,已经研究了几种分布式算法,用于在发射机和接收机处假设完美的信道状态信息(CSI)来最大化和速率或和效用。本文的重点是研究时变信道下的自适应算法,而不需要假设发射端或接收端的信道状态信息。具体来说,我们认为最近的最大信干噪比算法的时分双工系统的自适应版本。该算法使用一段时间的双向训练,然后是一个数据传输块。使用当前波束形成器发送前向方向上的训练,并用于调整接收滤波器。使用当前接收滤波器作为波束发送反向训练,并用于调整发射波束成形器。接收滤波器和波束形成器的自适应都是使用当前块的最小二乘目标来完成的。为了提高性能时,训练数据是有限的,我们还考虑使用指数加权数据从以前的块。数值结果比较在不同的设置中的算法的性能。
2010-03-24 cs.IT math.IT
Adaptive Blind Beamforming for Intelligent Surface
本文提出一种基于反射元件分组的自适应盲波束成形算法,通过提取无线环境统计特征协调相移,解决了RFocus和CSM在非视距信道下失效的问题,并在3.5 GHz真实网络中验证了其优势。
2024-09-24 cs.IT eess.SP math.IT
Set-Membership Constrained Conjugate Gradient Beamforming Algorithms
本文提出了一种基于共轭梯度(CG)和集员(SM)技术的约束自适应波束形成滤波策略。对阵列输出的幅度施加约束,以导出在计算波束形成器的参数时执行数据选择性更新的自适应算法。我们考虑了一个线性约束最小方差(LCMV)优化问题的有界约束的基础上,这种策略,并提出了CG型算法的实现。该算法具有数据选择性更新、可变遗忘因子和每次更新执行一次迭代以降低计算复杂性。更新后的参数构成了一个可行的解决方案,强制约束的空间。我们还引入了两个随时间变化的边界计划来衡量的参数,可以包括在参数空间的质量。一个全面的复杂性和性能分析之间的建议和现有的算法。仿真结果表明,与现有技术相比,该算法具有更好的收敛性和跟踪性能。
2013-02-02 cs.IT math.IT
Transfer Learning and Meta Learning Based Fast Downlink Beamforming Adaptation
针对多用户多输入单输出下行链路系统中的信干噪比均衡问题,研究了快速自适应波束形成优化算法。现有的基于深度学习的方法来预测波束成形依赖于训练和测试信道遵循相同分布的假设,这在实践中可能不成立。因此,当测试网络环境改变时,训练的模型可能导致性能恶化。针对这种任务失配问题,提出了两种基于深度迁移学习和元学习的离线自适应算法,能够在测试无线环境发生变化时,利用有限的新标记数据实现快速自适应。此外,我们提出了一个在线算法,以提高离线Meta算法在现实的非平稳环境中的适应能力。仿真结果表明,所提出的自适应算法在新的环境中取得了更好的性能比直接的深度学习算法没有适应。Meta学习算法的性能优于深度迁移学习算法,达到了接近最优的性能。此外,与离线Meta学习算法相比,在线Meta学习算法在变化的环境中表现出更好的适应性能。
2020-11-02 cs.IT math.IT
Extended Target Adaptive Beamforming for ISAC:A Perspective of Predictive Error Ellipse
Nanjing University(南京大学);School of Intelligent Software and Engineering, Nanjing University (Suzhou Campus)(南京大学智能软件与工程学院(苏州校区));Yangtze Delta Region Institute (Quzhou), University of Electronic Science and Technology of China(电子科技大学长三角研究院(衢州));University College London(伦敦大学学院);Yonsei Frontier Laboratory, Yonsei University(延世大学延世前沿实验室);Yonsei University(延世大学)
本文提出扩展目标自适应波束成形方法,通过预测误差椭圆提升ISAC系统中散射体定位与跟踪性能。
2026-01-04 cs.IT math.IT
Adaptive Limited Feedback for Sum-Rate Maximizing Beamforming in Cooperative Multicell Systems
基站协作提高了在蜂窝系统中可以实现的和速率。传统的协作技术需要在有限容量的回程链路上共享大量信息,并且假设基站具有系统中所有活动用户的完整信道状态信息(CSI)。在本文中,提出了一种新的有限反馈策略的多小区波束形成中的合作被限制到共享基站之间的活动用户的CSI。所考虑的系统设置是基于Wyner模型的单元的线性阵列。每个小区包含单天线用户和多天线基站。首先给出了近似最大化多小区系统中的和速率的波束形成向量的封闭形式表达式,假设在发射机处具有完整的CSI。对于有限带宽反馈链路的更实际的情况,期望信道和干扰信道的CSI在被反馈到基站之前在接收器处被量化。由于随机矢量量化的平均损失和速率的上限推导。一个新的反馈比特分配策略,分区之间的期望和干扰信道的可用比特,近似最小化由于量化的和速率的平均损失。所提出的反馈比特划分算法,使用模拟,以产生接近的总和速率在基站使用全CSI。
2009-12-04 cs.IT math.IT
A High-Accuracy Adaptive Beam Training Algorithm for MmWave Communication
在毫米波通信中,波束训练是实现波束对准的一种有效方法。传统的波束训练方法在预先设计的波束训练码本中为每个波束平均分配训练资源。这种方法的性能远不能令人满意,因为不同的波束具有不同的波束形成增益,并且因此某些波束相对于其他波束更难与最佳波束区分开。本文提出了一种新的波束训练算法,该算法自适应地为每个波束分配训练资源。具体地说,该算法将更多的训练符号分配给波束赋形增益相对较高的波束,而使用较少的资源来区分波束赋形增益相对较低的波束。通过理论分析和数值仿真,我们表明,在实际情况下,所提出的自适应算法的波束训练精度渐近优于传统的方法。此外,模拟还表明,这种相对性能行为在非渐近制度。
2018-10-24 cs.IT math.IT
Efficient Robust Adaptive Beamforming Based on Spatial Sampling with Virtual Sensors
本文针对阵列失配下稳健自适应波束形成性能下降问题,提出基于低复杂度空间采样过程和虚拟接收阵列向量的IPNC矩阵重构方法,避免角度扇区积分,并通过仿真验证其有效性。
2025-03-09 cs.IT eess.SP math.IT
A Random Search Framework for Convergence Analysis of Distributed Beamforming with Feedback
这项工作的重点是在无线传感器/中继网络中的低速率反馈链路的发射波束成形方案的分析,其中网络中的节点需要以分布式方式实现波束成形。具体地说,分布式相位对准的问题被认为是,无论是发射机还是接收机具有完美的信道状态信息,但有一个低速率的反馈链路从接收机到发射机。在这种情况下,提出了一个框架,系统地分析分布式波束成形方案的性能。为了说明这个框架的优点,一个简单的自适应分布式波束形成方案,最近提出的Mudambai等人。接收信号幅度函数的两个重要性质的推导。使用这些属性和系统的框架,它表明,自适应分布式波束形成方案收敛的概率和平均值。此外,它是建立的自适应计划收敛在平均尺度线性相对于传感器/中继节点的数量所需的时间。
2010-07-13 cs.DC cs.IT math.IT
Mutual Coupling in Continuous Aperture Arrays: Physical Modeling and Beamforming Design
The University of Hong Kong(香港大学);Constructor University (previously Jacobs University Bremen)(康斯特鲁克特大学(原雅各布斯不来梅大学))
本文研究连续孔径阵列中互耦现象的物理建模与波束成形设计,提出考虑极化和表面损耗的通用模型,推导最优波束成形结构,并通过核近似和共轭梯度法解决互耦核求逆问题。
2026-07-21 cs.IT math.IT
IRS-Aided WPCNs: A New Optimization Framework for Dynamic IRS Beamforming
在本文中,我们提出了一种新的动态IRS波束形成框架,以提高智能反射面(IRS)辅助无线供电通信网络(WPCN)的总吞吐量。具体地,跨时间的IRS相移矢量和资源分配被联合优化,以增强混合接入点(HAP)和多个无线供电设备之间的下行链路无线功率传输(DL WPT)和上行链路无线信息传输(UL WIT)两者的效率。为此,我们首先研究了动态IRS波束形成的三种特殊情况,即用户自适应IRS波束形成,UL自适应IRS波束形成和静态IRS波束形成,通过表征它们的最佳性能关系并提出相应的算法。有趣的是,严格证明后两种情况下实现相同的吞吐量,从而有助于将待优化的IRS相移的数量和UL自适应IRS波束成形实际所需的信令开销减半。然后,我们提出了一个通用的优化框架,动态IRS波束形成,这是适用于任何给定数量的IRS相移矢量。尽管具有高度耦合的优化变量的一般问题的非凸性,我们提出了两种算法来解决它,特别是,低复杂度的算法利用了最优解的内在结构以及用户自适应和静态IRS波束形成的情况下的解决方案。仿真结果验证了我们的理论研究结果,说明了IRS与动态波束形成的频谱和能量有效的WPCN的实际意义,并证明了我们提出的设计的有效性,在各种基准计划。
2021-11-19 cs.ET cs.IT cs.NI
Robust Auxiliary Vector Filtering with Constrained Constant Modulus Design for Beamforming
提出了一种基于约束恒模(CCM)设计的自适应波束形成辅助矢量滤波(AVF)算法。该方案提供了一种处理具有大量元素的滤波器的有效方法。该波束形成器将自适应滤波器分解为约束(参考矢量滤波器)和无约束(辅助矢量滤波器)两部分。通过从参考向量中减去缩放辅助向量来迭代权重向量。标量因子和辅助向量相互依赖,根据CCM准则联合计算。所提出的鲁棒AVF算法提供了一个迭代的标量因子和辅助向量之间的信息交换,从而导致快速收敛和改善现有技术的稳态性能。仿真结果表明,该方案和算法在几种情况下的性能和鲁棒性。
2013-03-12 cs.IT math.IT
Data-Adaptive Reduced-Dimension Robust Beamforming Algorithms
General Sonar Studies(通用声纳研究);Thales Underwater Systems(泰雷兹水下系统)
本文提出了一种低复杂度、快速收敛的鲁棒自适应波束成形算法,结合鲁棒Capon波束成形方法与数据自适应的Krylov子空间降维技术,通过扩展降维RCB框架,提供数据自适应降维的新结果。
2014-02-23 cs.IT cs.SY eess.SY
Study of Robust Adaptive Beamforming Based on Low-Complexity DFT Spatial Sampling
University of Sao Paulo(圣保罗大学);PUC-Rio(里约热内卢天主教大学);University of York(约克大学);Eastern Mediterranean University(东地中海大学)
本文提出了一种新的和强大的自适应波束形成算法的基础上重建的自相关序列(ACS)的随机过程从一组测量数据的思想。这是从样本协方差矩阵(SCM)的第一列和第一行沿其对角线求平均后获得的。然后,使用离散傅里叶变换(DFT)的相关序列的功率谱估计。噪声加干扰区域内的角度对应的DFT系数用于重构噪声加干扰协方差矩阵(NPICM),而期望信号协方差矩阵(DSCM)通过从SCM中识别和去除噪声加干扰分量来估计。特别地,利用估计的接收信号的空间功率谱来计算对应于噪声加干扰的相关序列,其中捕获噪声加干扰的主导DFT系数。所提出的自适应波束形成的一个关键优点是,只有很少的先验信息是必需的。具体而言,需要阵列几何形状和干扰所处的角度扇区的不精确知识。仿真结果表明,与以往的基于重构的波束形成器相比,该方法在输入信噪比变化范围很大的情况下,在多个失配的情况下都能获得更好的整体性能。
2021-06-23 cs.IT cs.LG math.IT
Linear-Array Photoacoustic Imaging Using Minimum Variance-Based Delay Multiply and Sum Adaptive Beamforming Algorithm
在光声成像(PA)中,延迟求和(DAS)波束形成器是一种实现简单的常用波束形成算法。然而,它导致低分辨率和高旁瓣。为了解决这些挑战,引入了一种新的算法,即延迟相乘求和(DMAS),与DAS相比具有更低的旁瓣。为了提高DMAS的分辨率,提出了一种新的波束形成器,将最小方差(MV)自适应波束形成与DMAS相结合,称为基于最小方差的DMAS(MVB-DMAS)。结果表明,扩大DMAS方程的结果在多个条款代表DAS代数。建议使用MV自适应波束形成器代替现有DAS。MVB-DMAS进行了数值和实验评估。特别地,在45 mm的深度处,与DAS、MV和DMAS相比,MVB-DMAS分别导致约31 dB、18 dB和8 dB的旁瓣减小。仿真结果表明,与DAS、DMAS和MV相比,MVB-DMAS的半高宽分别提高了96%、94%和45%,信噪比分别提高了89%、15%和35%。特别是,在深度为33毫米的实验图像,MVB-DMAS的结果在约20分贝的旁瓣减少与其他波束形成器相比。
2018-01-29 cs.IT eess.SP math.IT
Adaptive Beam Tracking with the Unscented Kalman Filter for Millimeter Wave Communication
用于5G蜂窝技术的毫米波(mmWave)通信链路需要高波束成形增益来克服信道损伤并实现高吞吐量。虽然许多工作集中在估计毫米波信道和设计波束成形方案上,但毫米波信道的时间动态性质很快使估计变得陈旧并增加探测开销。我们对毫米波信道的基本时间动态状态空间进行建模,并设计适合于在卡尔曼滤波框架中进行跟踪的探测波束形成器。给定初始信道估计,滤波有效地导致精确的估计,并且允许在数据传输期间针对更高的持续波束成形增益的前向预测。从跟踪的先验信道估计,自适应选择的最佳和受约束的次优波束减少探测开销,同时最大限度地减少估计误差。
2018-04-23 cs.IT eess.SP math.IT
Study of Robust Adaptive Beamforming Algorithms Based on Power Method Processing and Spatial Spectrum Matching
本文提出一种基于幂法估计干扰功率与导向矢量并结合空间谱匹配的稳健自适应波束形成方法,避免INC矩阵特征值分解,在模型失配和大信噪比下提升性能。
2023-09-25 cs.IT eess.SP math.IT
Robust Adaptive Beamforming Based on Steering Vector Estimation via Semidefinite Programming Relaxation
我们开发了一种新的方法来鲁棒的自适应波束形成信号导向矢量误差的存在。由于信号导向矢量是不精确地已知的,因此其假定(先验)值被用于找到实际导向矢量的更准确估计,该实际导向矢量然后被用于获得最佳波束成形权重矢量。用于找到实际信号导向矢量的这种估计的目标是波束形成器输出功率的最大化,而约束是归一化条件和导向矢量的估计不收敛到干扰导向矢量的要求。我们的目标和约束是免费的任何非唯一选择的设计参数。由此产生的优化问题是一个非凸二次约束二次规划,这是NP困难的一般。然而,对于我们的问题,我们表明,可以找到一个有效的解决方案,使用半定松弛技术。此外,强对偶性适用于所提出的问题,也可以用于有效地找到最优解,并在低复杂度。在某些特殊情况下,甚至可以在封闭形式中找到解决方案。我们的仿真结果表明,所提出的方法优于其他以前开发的强大的自适应波束形成方法的几种常见类型的信号导向矢量误差。
2010-08-05 cs.IT math.IT math.OC
Capacity and Performance of Adaptive MIMO System Based on Beam-Nulling
在本文中,我们提出了一种称为“波束调零”的MIMO自适应方案。在波束调零方案中,反馈最弱子信道的特征向量,然后在与最弱子信道正交的生成子空间上发送信号。理论分析和数值结果表明,在中等信噪比下,该方法的波束零陷能力接近于最优注水。此外,推导了波束置零时MMSE接收机的信干噪比。在此基础上,给出了波束置零的平均出错率,并通过仿真进行了验证。仿真结果还提供了比较波束置零与波束形成。为了进一步提高性能,波束置零与线性色散码级联。仿真结果还提供了在相同的数据率的级联波束置零方案与波束成形方案进行比较。此外,如果在发射机处有多于一个特征向量可用,则可以扩展现有的波束成形和新提出的波束置零。新的扩展方案被称为多维(MD)波束形成和MD波束置零。理论分析和数值结果的能力方面也提供了新的扩展计划进行评估。仿真结果表明,在数据率较高的情况下,采用LDC的MD方案的性能明显优于采用STBC的MD方案。
2008-07-23 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
A New Adaptive Balanced Augmented Lagrangian Method with Application to ISAC Beamforming Design
本文提出一种自适应平衡增广拉格朗日(ABAL)方法,用于高效求解带线性等式约束的凸规划问题,并将其定制应用于ISAC波束赋形设计,仿真验证了其有效性。
2024-10-20 cs.IT eess.SP math.IT
An Efficient Slow-Time Adaptation for Massive MIMO Hybrid Beamforming in mm-Wave Time-Varying Channels
针对毫米波大规模多输入多输出(MIMO)系统上行数据模式下单载波宽带传输,提出了一种自适应混合波束形成方法。在慢时间内自适应地构造一个统计模拟波束形成器,而信道是时变的,并且是错误估计的。针对广义特征波束形成器(GEB)对估计误差的鲁棒性,提出了一种递归滤波方法。近似表达式得到的信道协方差矩阵解耦角扩展和多径分量的中心角。利用这些表达式,提出了改进的自适应构造方法,该方法仅使用角补丁上的量化估计功率电平。从输出信号干扰噪声比(SINR)、瞬时信道估计和波束精度等方面对所提出的慢时自适应技术进行了性能评估。它们被证明是非常有效的,使得计算复杂性显着降低,而性能保持几乎相同的理想的GEB,即使在大的角度估计误差。
2020-07-01 cs.IT eess.SP math.IT
Adaptive and Fast Combined Waveform-Beamforming Design for mmWave Automotive Joint Communication-Radar
针对现有毫米波车载联合通信-雷达系统角视场有限、雷达估计精度低的问题,提出基于循环移位波束成形器与二维部分傅里叶压缩感知的自适应快速联合设计,可在通信性能小幅下降的代价下实现宽视场高精度雷达信道估计。
2020-09-06 cs.IT eess.SP math.IT
Millimeter Wave MIMO Channel Estimation Based on Adaptive Compressed Sensing
多输入多输出(MIMO)系统非常适合于毫米波(mmWave)无线通信,其中由于微小的波长,大的天线阵列可以集成在小的形状因子中,从而在支持空间复用、波束成形或天线分集的同时提供高的阵列增益。已经表明,由于主要传播路径的数量有限,mmWave信道表现出稀疏性,因此可以利用压缩感知技术来在mmWave频率处进行信道估计。该文提出了一种基于连续基追踪(CBP)概念的稀疏信道估计波束形成字典矩阵的新方法,并提出了两种利用信道稀疏性自适应估计毫米波多径信道参数的低复杂度算法。我们验证了所提出的基于CBP的波束形成字典和两种算法的性能,使用模拟器建立在三维毫米波统计空间信道模型,NYUSIM,这是基于真实世界的传播测量。仿真结果表明,基于CBP的字典比基于网格的字典具有更高的估计精度和更高的频谱效率,与现有算法相比,本文提出的算法具有更好的性能,但需要更少的计算量。
2017-03-31 cs.IT math.IT
Low-Complexity Robust Data-Adaptive Dimensionality Reduction Based on Joint Iterative Optimization of Parameters
提出了一种基于改进的联合迭代优化(MJIO)算法的低复杂度鲁棒数据相关降维方法,用于降秩波束形成和导向矢量估计。所提出的鲁棒优化过程联合调整降秩矩阵和自适应波束形成器的参数。优化后的降阶矩阵将接收信号向量投影到维度较低的子空间上。然后在降维子空间中执行波束形成器/导向矢量优化。我们设计了有效的随机梯度和递归最小二乘算法来实现所提出的鲁棒MJIO设计。所提出的鲁棒MJIO波束形成算法具有更快的收敛速度和更好的性能。仿真结果表明,所提出的MJIO算法优于一些现有的满秩和降秩算法具有相当的复杂度。
2014-01-20 cs.IT math.IT
Covariance Matrix Construction with Preprocessing-Based Spatial Sampling for Robust Adaptive Beamforming
针对自适应波束形成中导向向量失配与协方差矩阵重构问题,提出基于预处理空间采样的鲁棒方法,通过干扰DoA估计、功率谱采样等实现IPNC矩阵重构,性能优于现有方法。
2025-09-30 cs.IT cs.LG eess.SP
Adaptive Beam Design for V2I Communications using Vehicle Tracking with Extended Kalman Filter
车联网通信系统是通过将车辆连接到无线网络来改善驾驶体验和汽车安全的强有力的候选者。为了充分利用车辆连接的优势,必须确保路侧单元(RSU)和快速移动车辆之间的稳定网络连接。基于扩展的卡尔曼滤波器(EKF),我们开发了一种车辆跟踪算法,使可靠的无线电连接。对于车辆跟踪算法,我们专注于估计高移动性车辆的波束方向的快速变化,同时减少反馈开销。此外,我们设计了一个波束形成码本,考虑道路布局和RSU。通过利用所提出的波束成形码本,道路上的车辆可以期望类似于传统蜂窝服务的服务质量。最后,波束形成器选择算法的开发,以确保足够的增益系统的链路预算。数值结果表明,基于EKF的车辆跟踪算法和所提出的波束形成结构比现有方案更适用于车辆-基础设施网络。
2021-11-11 cs.IT math.IT
Robust Adaptive Beamforming for General-Rank Signal Model with Positive Semi-Definite Constraint via POTDC
研究了带半正定约束的广义秩信号模型的鲁棒自适应波束形成问题。利用最坏情况性能优化的原则,这样的RAB问题导致一个凸函数(DC)的差异优化问题。现有的解决非凸DC问题的方法是基于近似和只找到次优解。在这里,我们严格解决非凸DC问题,并给出参数表明,解决方案是全局最优的。特别地,我们将问题改写为一维最优价值函数的最小化,其相应的优化问题是非凸的。然后,用另一个等价的最优价值函数代替最优价值函数,对于该等价的最优价值函数,相应的优化问题是凸的。通过多项式时间DC(POTDC)算法迭代极小化新的一维最优价值函数,证明了该解满足KKT(Karush-Kuhn-Tucker)最优性条件,并证明了该解也是全局最优的.针对这一结论,我们猜想新的最优价值函数是一个凸函数。新的RAB方法表现出优越的性能相比,其他国家的最先进的一般秩RAB方法。
2012-12-14 cs.IT math.IT math.OC
Adaptive Beam Tracking based on Recurrent Neural Networks for mmWave Channels
由于高的各向同性路径损耗和信道衰减,毫米波(mmWave)通信的性能关键地取决于基站(BS)和用户终端(UE)处的波束成形的准确性。在高移动性环境中,准确的波束对准变得更具挑战性,因为BS和每个UE的角度必须被可靠地和连续地跟踪。在这项工作中,专注于在BS的波束成形,我们提出了一种自适应方法的基础上循环神经网络(RNN),跟踪和预测的角度出发(AoD)的一个给定的UE。此外,我们提出了一种改进的帧结构,以减少波束对准开销,从而提高通信速率。我们的数值实验在一个高度非线性的流动性的情况下,我们所提出的方法是能够准确地跟踪AoD,实现更高的通信速率相比,更传统的方法,如粒子滤波。
2021-08-10 cs.IT math.IT
An Adaptive Proximal Inexact Gradient Framework and Its Application to Per-Antenna Constrained Joint Beamforming and Compression Design
本文提出自适应近端非精确梯度(APIG)框架,通过联合适应函数与梯度误差的新线搜索条件解决非光滑复合优化问题,并成功应用于协作蜂窝网络中带每根天线功率约束的联合波束成形与压缩设计,实验证明其优于现有基准。
2025-04-02 cs.IT eess.SP math.IT
Fundamental Limits of Adaptive Beamforming Under Finite Training
School of Computer and Artificial Intelligence, Chaohu University(巢湖大学计算机与人工智能学院);School of Electronic and Optical Engineering, Nanjing University of Science and Technology(南京理工大学电子与光学工程学院);School of Physics and Electronic Engineering, Nanyang Normal University(南阳师范学院物理与电子工程学院)
本文推导了有限训练下自适应波束成形SINR损失的局部渐近极小极大下界,其首阶系数由训练信息与灵敏度矩阵决定,并证明分裂一步波束成形器在有限源结构下达到更优系数,量化了结构价值。
2026-09-09 cs.IT eess.SP math.IT