具有空间信道相关性的FDD大规模MIMO系统的可实现速率

FDD大规模MIMO系统中基于AoD-Adaptive子空间码本的信道反馈

Channel Feedback Based on AoD-Adaptive Subspace Codebook in FDD Massive MIMO Systems

信道反馈是频分复用（FDD）大规模多输入多输出（MIMO）系统中必不可少的环节。不幸的是，以前的多用户MIMO的工作已经表明，信道反馈的码本大小应该与基站（BS）的天线，这是大大增加在大规模MIMO系统的数量呈指数级。为了减少码本大小和反馈开销，我们提出了一种用于FDD大规模MIMO系统信道反馈的自适应子空间码本。我们的关键见解是利用观察路径AoD变化比路径增益更慢。在角度相干时间内，通过利用恒定的AoD信息，所提出的AoD自适应子空间码本能够以更准确的方式对信道矢量进行估计。我们还提供了性能分析的建议的码本在大的维度制度，在那里我们证明，以限制在一个可接受的水平内的容量退化，所需的反馈位数只与可分辨的（路径）AoD，这是远远小于BS天线的数量线性缩放。此外，我们比较量化的信道反馈使用建议的AoD自适应子空间码本与模拟信道反馈。提供了大量的模拟，验证了分析结果。

用户级协作下FDD大规模MIMO的有效反馈机制

Efficient Feedback Mechanisms for FDD Massive MIMO under User-level Cooperation

在频分复用（FDD）大规模MIMO系统中，信道状态信息（CSI）反馈是一个具有挑战性的问题.研究了一种协作反馈机制，即用户通过设备到设备（D2D）通信交换信道状态信息，然后自行计算预编码器，并将预编码器反馈给基站（BS）。分析结果表明，合作预编码器反馈是更有效的比CSI反馈的干扰缓解。在D2D通信容量有限的约束下，提出了一种基于信号子空间投影和最优比特划分的自适应CSI交换策略。数值结果表明，所提出的具有自适应CSI交换的协作预编码器反馈方案显著优于CSI反馈方案，即使当经由速率受限的D2D通信来交换CSI时也是如此。

大规模频分双工MIMO系统中基于天线重构的反馈压缩

Antenna Grouping based Feedback Compression for FDD-based Massive MIMO Systems

大规模多输入多输出（MIMO）的最新研究表明，通过在基站部署大量天线，可以实现容量增益的潜在突破。为了实现大规模MIMO系统所承诺的性能，在基站处必须提供准确的发送侧信道状态信息（CSI）。虽然在时分双工（TDD）系统中可以通过采用信道互易性来获得发送侧CSI，但是对于频分双工（FDD）系统，需要从用户终端到基站的CSI的显式反馈。在本文中，我们提出了一种基于天线分组的反馈减少技术的大规模MIMO系统基于FDD。所提出的算法，被称为天线组波束形成（AGB），映射多个相关的天线元件到一个单一的代表性值使用预先设计的模式。该方法通过引入报头的概念来选择合适的组模式和有效载荷的概念来修改反馈分组，以减少维数的信道向量。仿真结果表明，在相同的目标和速率要求下，与传统的对整个信道矢量进行矢量量化的方法相比，该方法可以显著降低反馈开销。

FDD系统中基于参数模型的大规模MIMO下行信道估计设计与分析

Design and Analysis of Downlink Channel Estimation Based on Parametric Model for Massive MIMO in FDD Systems

研究了基于频分双工（FDD）的大规模多输入多输出（MIMO）系统下行链路信道估计问题。为了减少FDD系统中下行链路信道估计和上行链路反馈的开销，级联预编码已经被用于大规模MIMO中，使得仅需要估计和反馈低维有效信道。另一方面，传统的信道估计由于缺乏信道的先验知识，很难达到最小均方误差（MMSE）性能。本文设计并分析了一种基于级联预编码的大规模MIMO系统参数模型的下行信道估计策略。对于参数模型，信道频率响应使用路径延迟和相关联的复振幅来表示。上行链路信道的路径延迟首先在基站处被估计和量化，然后通过专用前馈链路被前馈到用户设备（UE）。以这种方式，UE可以提前获得下行链路信道的先验知识，因为已经证明下行链路和上行链路信道可以具有相同的路径延迟。我们的分析和仿真结果表明，所提出的方法可以达到接近MMSE性能。

利用均匀平面阵列开发FDD大规模MIMO系统的优先域

Exploiting the Preferred Domain of FDD Massive MIMO Systems with Uniform Planar Arrays

大规模多输入多输出（MIMO）系统有可能成为5G蜂窝的一种使能技术。均匀平面阵列（UPA）天线结构是许多商业讨论的焦点，因为它们能够在相对小的区域中实现大量天线。利用UPA天线结构，基站可以同时在水平域和垂直域中控制波束方向。然而，信道条件可能规定一个维度需要比另一个维度更高的信道状态信息（CSI）准确度。我们建议使用一个额外的一个比特的反馈信息从用户发送到基站，以指示在频分复用（FDD）大规模MIMO系统中的CSI量化的反馈开销的顶部上的首选域。结合可变速率CSI量化方案，数值研究表明，对于UPA天线结构，额外的一位反馈可以显着提高CSI质量。

FDD大规模MIMO系统中高效的下行信道探测和上行链路反馈

Efficient Downlink Channel Probing and Uplink Feedback in FDD Massive MIMO Systems

大规模多输入多输出（Massive Multiple-Input Multiple-Output，大规模MIMO）是多用户MIMO的一种变体，其中每个基站（Base Station，BS）处的天线数量非常大，并且通常比同时服务的用户数量大得多。大规模MIMO可以利用时分双工（TDD）或频分双工（FDD）操作来实现。FDD大规模MIMO系统由于其在当前无线网络中的实现方式以及其在具有对称业务和延迟敏感应用的情况下的效率而特别令人期望。然而，已知实现FDD大规模MIMO系统是具有挑战性的，因为它在上行链路（UL）中强加了大的反馈开销以获得下行链路（DL）的信道状态信息。近年来，大量的研究致力于开发减少此类系统中的反馈开销的方法。在本文中，我们使用稀疏的空间散射特性的环境来实现这一目标。想法是从UL信道观测估计连续的、频率不变的散射函数的支持，并且使用该估计经由适当的插值来获得DL信道向量的支持。我们使用所得到的支持估计设计一个有效的DL探测和UL反馈方案，其中反馈维度的比例与DL信道向量的稀疏顺序。由于稀疏顺序是远远小于BS天线的数量在几乎所有的实际相关的情况下，我们的方法招致的反馈开销比目前提出的方法在文献中，如那些基于压缩感知。我们使用数值模拟来评估我们的探测反馈算法的性能，并将其与这些方法进行比较。

大规模FDD上行链路和下行链路信道互易性属性：完全或部分互易性？

FDD Massive MIMO Uplink and Downlink Channel Reciprocity Properties: Full or Partial Reciprocity?

FDD大规模MIMO通信系统面临的一个挑战是如何在基站处获得下行链路信道状态信息（CSI）。除了通过上行链路导频传输的传统码本反馈之外，可以通过上行链路信道估计和信道参数估计算法来利用一些信道互易特性。本文分析了上下行信道的互易特性。从理论上证明了FDD下行信道和上行信道的多径参数并不都是等价的。因此，所谓的完全互易性不成立，而部分互易性成立。最后，通过信道测量活动验证了理论分析的正确性.最后，为了支持部分互易性，还提出了对标准化5G信道模型的修改。通过本文的工作，可以为FDD大规模MIMO系统的传输方案设计指明方向。

基于字典学习的FDD大规模MIMO系统稀疏信道表示与估计

Dictionary Learning Based Sparse Channel Representation and Estimation for FDD Massive MIMO Systems

本文研究了FDD Massive MIMO系统的上下行信道估计问题。通过利用稀疏恢复和压缩感知算法，我们能够提高上/下行链路信道估计的准确性，并减少上/下行链路导频符号的数量。这种成功的信道估计建立在信道可以在某个基/字典下稀疏地表示的假设之上。以前的作品模型的通道使用一些预定义的基础/字典，而在这项工作中，我们提出了一个基于字典学习的通道模型，这样的字典是从全面收集的通道测量。学习的字典专门适应于小区特性，并促进更有效和鲁棒的信道表示，这反过来又提高了信道估计的性能。此外，我们通过观察上/下行链路传输之间的AOA/AOD的互易性，将基于字典学习的信道模型扩展到联合上行/下行链路学习框架中，并提出了一种联合信道估计算法，该算法结合了上行和下行接收的训练信号，以获得更准确的信道估计。换句话说，可以通过利用来自更简单的上行链路训练的信息来减少作为FDD Massive MIMO系统中的瓶颈的下行链路训练开销。

基于均匀平面阵列的FDD FD-MIMO系统的先进量化器设计

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。

FDD大规模MIMO系统基于低秩矩阵完备的联合CSIT捕获

Joint CSIT Acquisition Based on Low-Rank Matrix Completion for FDD Massive MIMO Systems

发射机处的信道状态信息（CSIT）对于频分复用（FDD）大规模MIMO系统是必不可少的，但是传统的解决方案涉及用于下行链路信道训练和上行链路信道反馈的压倒性开销。在这封信中，我们提出了一个联合CSIT收购计划，以减少开销。特别是，不同于传统的方案，每个用户单独估计自己的信道，然后将其反馈给基站（BS），我们建议，所有的调度用户直接反馈导频观测到BS，然后联合CSIT恢复可以实现在BS。我们进一步制定联合CSIT恢复问题作为一个低秩矩阵完成问题，利用大规模MIMO信道矩阵的低秩属性，这是由用户之间的相关性。最后，我们提出了一种基于奇异值投影的混合低秩矩阵完备化算法来解决这个问题。仿真结果表明，该方案可以提供准确的CSIT与较低的开销比传统的计划。

不完全CSIT下大规模MIMO的分级速率分割策略

A Hierarchical Rate Splitting Strategy for FDD Massive MIMO under Imperfect CSIT

在多用户MIMO广播信道中，当发射端信道状态信息（CSIT）不完全时，多用户干扰会影响系统的速率性能。为了解决干扰问题，最近提出了一种速率分裂（RS）方法，该方法将一个用户的消息分成公共和私有部分，并将公共消息叠加在私有消息之上。公共消息从公共码本中提取，并且应该由所有用户解码。在本文中，我们提出了一种新的和一般的框架，表示为分层速率分裂（HRS），这是特别适合于FDD大规模MIMO系统。HRS同时发送针对每个用户的私有消息和两种公共消息，这两种公共消息可以分别由所有用户和用户子集解码。分析了不完全CSIT下HRS的渐近和率。一个封闭形式的功率分配推导出系统参数的影响提供了见解。最后，仿真结果验证了显着的和速率增益HRS在不同的基线。

Dual-Polarized FDD Massive MIMO: A Comprehensive Framework

We propose a comprehensive scheme for realizing a massive multiple-input multiple-output (MIMO) system with dual-polarized antennas in frequency division duplexing (FDD) mode. Employing dual-polarized elements in a massive MIMO array has been common practice recently and can, in principle, double the number of spatial degrees of freedom with a less-than-proportional increase in array size. However, processing a dual-polarized channel is demanding due to the high channel dimension and the lack of Uplink-Downlink (UL-DL) channel reciprocity in FDD mode. In particular, the difficulty arises in ch…

大规模MIMO系统中用于比TDD快的信道跟踪的子载波交织FDD

Subcarrier-Interlaced FDD for Faster-than-TDD Channel Tracking in Massive MIMO Systems

规范大规模MIMO使用时分双工（TDD）来利用相干时间内的信道互易性，从而避免信道状态信息（CSI）的反馈，这是在基站处进行预编码所需的。我们扩展的想法，利用互易性的相干带宽，分配子载波的多载波（OFDM）为基础的系统在一个交错的方式向上和下行链路，分别称为（OFDM-）子载波交错FDD（IFDD）。在时间和频率相干性两者内利用这种“二维”信道互易性不需要任何CSI反馈，并且甚至更需要提供比TDD更快的信道跟踪。为了解决实际硬件的缺陷，我们进行了测量，验证了IFDD的实际可行性。事实证明，该方案会引发与全双工（FDup）文献中众所周知的类似的发送/接收隔离问题（自干扰）。如将示出的，诸如自干扰或频率偏移之类的硬件挑战对于大规模MIMO操作不是关键的，但是随着天线的数量变大可以被忽略。最后，我们量化了IFDD如何允许跟踪信道变化比TDD更快地在广泛的常用导频符号率。

基于空间信息抽取和波束选择的FDD下行链路大规模MIMO统计波束形成

Statistical Beamforming for FDD Downlink Massive MIMO via Spatial Information Extraction and Beam Selection

在本文中，我们研究了频分复用（FDD）下行链路大规模MIMO系统中的波束成形设计问题，其中瞬时信道状态信息（CSI）被假定为在基站（BS）不可用。我们提出了提取的信息的角度的偏离（AoD）和相应的大尺度衰落系数（a.k.a.）。空间信息）的下行链路信道估计过程，基于此提出了一种新颖的下行链路波束成形设计。在波束形成设计中，我们利用物理信道的空间信息和隐藏稀疏性，将不同用户的子路径分离，构造出近似正交的虚拟信道。此外，我们推导出一个和率表达式及其近似所提出的系统。基于这些封闭形式的速率表达式，我们开发了两个低复杂度的波束选择方案，并进行渐近分析，为系统设计提供有价值的见解。数值结果表明，我们所提出的算法的国家的最先进的波束成形方法的性能显着改善。

Line-of-Sight MIMO for High Capacity Millimeter Wave Backhaul in FDD Systems

Wireless backhaul is considered to be the key part of the future wireless network with dense small cell traffic and high capacity demand. In this paper, we focus on the design of a high spectral efficiency line-of-sight (LoS) multiple-input multiple-output (MIMO) system for millimeter wave (mmWave) backhaul using dual-polarized frequency division duplex (FDD). High spectral efficiency is very challenging to achieve for the system due to various physical impairments such as phase noise (PHN), timing offset (TO) as well as the poor condition number of the LoS MIMO. In this paper, we propose a ho…

FDD大规模MIMO系统中基于协方差的混合信道反馈

A Covariance-Based Hybrid Channel Feedback in FDD Massive MIMO Systems

针对频分双工（FDD）大规模多输入多输出（MIMO）系统，研究了一种新的基于协方差的信道反馈机制。这个概念利用了用户统计可分性的概念，这在大规模天线制度的几个先前的工作中得到了暗示，但迄今为止还没有充分利用。在这里，我们提出了一种混合的瞬时反馈机制，用户被分为两类反馈设计的基础上，他们的信道协方差。在该混合框架下，每个用户根据其所谓的统计可隔离性或者工作在统计反馈模式或者量化的瞬时信道反馈模式。关键的挑战在于设计一个协方差感知的分类算法，它可以处理所有用户之间复杂的相互作用。该分类是从速率约束原理推导出来的。在混合统计和瞬时反馈模型下，设计了一种合适的预编码方法。仿真结果验证了我们的分析结果，并说明了所提出的反馈方案下的全局反馈开销约束的和速率优势。

FDD多用户大规模MIMO系统的分布式压缩CSIT估计与反馈

Distributed Compressive CSIT Estimation and Feedback for FDD Multi-user Massive MIMO Systems

为了充分利用大规模MIMO的空间复用增益或阵列增益，必须在发射端获得信道状态信息（CSIT）。然而，传统的CSIT估计方法不适合FDD大规模MIMO系统，因为压倒性的训练和反馈开销。在本文中，我们考虑多用户大规模MIMO系统，并部署压缩感知（CS）技术，以减少训练以及CSIT估计的反馈开销。多用户大规模MIMO系统由于物理传播环境中共享的局部散射点，在用户信道矩阵中表现出隐藏的联合稀疏结构。因此，而不是天真地应用传统的CS的CSIT估计，我们提出了一个分布式压缩CSIT估计方案，使压缩的测量在用户本地观察，而CSIT恢复在基站联合执行。提出了一种联合正交匹配追踪恢复算法，利用用户信道矩阵中隐藏的联合稀疏性进行CSIT恢复。我们分析所获得的CSIT质量的归一化平均绝对误差，并通过封闭形式的表达式，我们获得简单的见解如何联合信道稀疏性可以被利用，以提高CSIT恢复性能。

基于图论的FDD大规模MIMO中用户调度和下行调度方法

Graph Theory Based Approach to Users Grouping and Downlink Scheduling in FDD Massive MIMO

大规模MIMO被认为是下一代5G网络的关键推动因素之一。通过在BS处使用大量天线，可以提高频谱和能量效率。不幸的是，下行链路信道估计开销与天线的数量成线性比例。这不会在时分双工（TDD）系统中产生复杂性，因为上行链路方向的信道估计可以直接用于下行链路方向上的链路自适应。然而，这种信道互易性对于其中上行链路和下行链路存在不同物理传输信道的频分双工（FDD）系统是不可行的。为了减少FDD系统中信道状态信息（CSI）的反馈量，提出了一种很有前途的两阶段波束成形传输方法。然而，这种传输方案的性能受到用户分组和选择机制的高度影响。在本文中，我们首先介绍了一种新的相似性度量加上一种新的聚类技术，以实现适当的用户分区。我们还使用图论开发了一个低复杂度的组调度方案，优于目前现有的方法在总速率和吞吐量公平性。这种性能增益是通过计算机模拟证明的。

FDD中CSI反馈的可扩展框架通过DL路径对齐的大规模MIMO

A Scalable Framework for CSI Feedback in FDD Massive MIMO via DL Path Aligning

与时分双工（TDD）系统不同，在频分双工（FDD）的情况下，下行链路（DL）和上行链路（UL）信道不再是互逆的。然而，一些长期参数，例如信道路径的时间延迟和到达角（AoA），仍然具有互易性。在本文中，通过有效地利用上述有限的互易性，我们解决了DL信道状态信息（CSI）反馈在一个实际的宽带大规模多输入多输出（MIMO）系统中工作在FDD模式。利用正交频分复用（OFDM）波形并假设频率选择性衰落信道，我们提出了一个可扩展的框架，用于DL导频设计、DL CSI获取以及UL中相应的CSI反馈。具体地，基站（BS）可以发送具有精心选择的相移的基于FFT的导频。然后，用户可以依赖于所谓的时域聚合信道（TAC），以根据其自己的关于DL信道的统计的知识或来自服务BS的指令来导出降低的维数的反馈。我们证明，每个用户可以只反馈一个标量数每个DL信道路径的BS恢复DL CSI。全面的数值结果进一步证实了我们的设计。

用于FDD大规模MIMO的多速率可变长度CSI压缩

Multi-Rate Variable-Length CSI Compression for FDD Massive MIMO

针对FDD大规模MIMO中CSI反馈开销过大的问题，本文提出一种基于带熵瓶颈结构的变分自编码器的灵活压缩方法，支持多速率与可变长度操作，并在归一化均方误差上优于现有技术。

FDD大规模MIMO系统的低秩协方差辅助下行链路训练和信道估计

Low-Rank Covariance-Assisted Downlink Training and Channel Estimation for FDD Massive MIMO Systems

研究了频分双工（FDD）大规模MIMO系统中的下行链路训练和信道估计问题，在该系统中，配备大量天线的基站（BS）同时为多个单天线用户提供服务。在FDD系统中，为了在基站处获得信道状态信息（CSI），用户必须通过下行链路训练来估计下行链路信道，然后将其反馈给基站。对于FDD大规模MIMO系统，用于下行链路训练和CSI上行链路反馈的开销可能非常高，这提出了重大挑战。本文研究了当信道协方差矩阵具有低秩或近似低秩结构时，最小均方误差（MMSE）估计器的性能。我们的理论分析表明，利用信道协方差矩阵的低秩特性，可以大大减少训练开销。特别是，我们表明，MMSE估计是能够实现精确的信道恢复在渐近低噪声制度，只要在时间上的导频符号的数量不小于秩的信道协方差矩阵。我们还提出了一个最佳的单用户情况下的导频设计，和一个渐进的最佳导频设计的多用户场景。最后，我们提出了一个简单的基于模型的方案来估计信道协方差矩阵，基于此MMSE估计器可以用来估计信道。所提出的方案不需要任何额外的训练开销。仿真结果验证了我们的理论结果，并说明了所提出的估计协方差辅助MMSE估计器的有效性。

基于结构化压缩感知的FDD大规模MIMO时空联合信道估计

Structured Compressive Sensing Based Spatio-Temporal Joint Channel Estimation for FDD Massive MIMO

大规模MIMO由于其高频谱和能量效率而成为未来5G通信的一种有前途的技术。为了实现其潜在的性能增益，准确的信道估计是必不可少的。然而，由于基站（BS）处的大量天线，传统信道估计方案所需的导频开销将是无法承受的，特别是对于频分双工（FDD）大规模MIMO。为了克服这个问题，我们提出了一种基于结构化压缩感知（SCS）的时空联合信道估计方案，以减少所需的导频开销，从而利用延迟域MIMO信道的时空公共稀疏性。特别地，我们首先提出在CS理论的框架下，在BS处的非正交导频，以减少所需的导频开销。然后，提出了一种用户端自适应结构子空间追踪（ASSP）算法，利用有限导频对多个OFDM符号的信道进行联合估计，从而利用MIMO信道的时空共同稀疏性提高信道估计精度。此外，通过利用信道的时间相关性，我们提出了一个空时自适应导频方案，以进一步减少导频开销。此外，我们还讨论了多小区情况下的信道估计方案。仿真结果表明，该方法能够在降低导频开销的情况下准确估计信道，并能逼近最优的oracle最小二乘估计器。

网格扩展码本和连续相位调整：从LTE-Advanced到FDD大规模MIMO系统的路径

Trellis-Extended Codebooks and Successive Phase Adjustment: A Path from LTE-Advanced to FDD Massive MIMO Systems

为了提高频分复用（FDD）大规模多输入多输出（MIMO）系统的后向兼容性，研究一种获取准确信道状态信息（CSI）的有效方法具有重要意义。理论上众所周知，用于CSI量化的码本大小应当随着发射天线的数量变得更大而增加，并且3GPP长期演进（LTE）和高级LTE码本也遵循这一趋势。因此，在大规模MIMO中，主要由于码字搜索复杂度，很难应用使用预定义的矢量量化码本进行CSI量化的传统方法。在本文中，我们提出了一个网格扩展码本（TEC），可以很容易地协调与当前的无线标准，如LTE或LTE-高级扩展标准化码本设计为2，4，或8个天线的网格结构。TEC利用信道编码中的维特比解码器和卷积编码器分别作为CSI量化器和CSI重构器。通过在网格搜索的状态转换中使用标准化码本同时量化多个信道条目，TEC可以实现每信道条目的分数比特量化以具有实际的反馈开销。因此，TEC可以解决大规模MIMO系统中CSI量化的复杂度和反馈开销问题。我们还开发了网格扩展连续相位调整（TE-SPA），它作为TEC的差分码本。这类似于高级LTE的双码本概念。TE-SPA可以减少CSI量化误差，即使在时间相关信道中具有较低的反馈开销。数值结果验证了该方案在FDD大规模MIMO系统中的有效性。

FDD大规模MIMO系统的下行链路训练技术：带记忆的开环和闭环训练

Downlink Training Techniques for FDD Massive MIMO Systems: Open-Loop and Closed-Loop Training with Memory

在基站处部署大量天线的概念（通常称为大规模多输入多输出（MIMO））由于其革命当前无线通信系统的潜在能力而引起了相当大的兴趣。虽然频分双工（FDD）在当前蜂窝系统中占主导地位，但大规模MIMO系统的大多数文献都假设时分双工（TDD）。由于在基站处的大量发射天线，当前标准化的方法将需要FDD大规模MIMO中的大百分比的宝贵下行链路和上行链路资源用于训练信号传输和信道状态信息（CSI）反馈。为了减少下行链路训练阶段的开销，本文提出了实用的开环和闭环训练框架。我们假设基站和用户预先共享一组公共的训练信号。在开环训练中，基站以循环方式发送训练信号，并且用户使用诸如时间和空间相关性的长期信道统计以及先前的信道估计来连续地估计当前信道。在闭环训练中，用户根据信道预测和先前接收的训练信号反馈将来要发送的最佳训练信号。利用从用户到基站的少量反馈，闭环训练在数据通信阶段中提供更好的性能，特别是当信噪比低、发射天线的数量大或者在通信建立开始时先前的信道估计不准确时，所有这些对于大规模MIMO系统都将是最有益的。

FDD Massive MIMO Without CSI Feedback

Transmitter channel state information (CSIT) is indispensable for the spectral efficiency gains offered by massive multiple-input multiple-output (MIMO) systems. In a frequency-division-duplexing (FDD) massive MIMO system, CSIT is typically acquired through downlink channel estimation and user feedback, but as the number of antennas increases, the overhead for CSI training and feedback per user grows, leading to a decrease in spectral efficiency. In this paper, we show that, using uplink pilots in FDD, the downlink sum spectral efficiency gain with perfect downlink CSIT is achievable when the …

移动场景下FDD大规模MIMO中基于部分互易性的预编码矩阵预测

Partial reciprocity-based precoding matrix prediction in FDD massive MIMO with mobility

针对移动场景下FDD大规模MIMO系统实时预编码的挑战，提出基于部分互易性的预编码矩阵预测方案，利用信道格拉姆矩阵降复杂度，通过闭式特征向量插值预测预编码器，在30-500km/h速度下性能优于传统方案。

基于DFT的TDD/FDD大规模MIMO系统空间基扩展模型及信道估计策略

A Simple DFT-aided Spatial Basis Expansion Model and Channel Estimation Strategy for TDD/FDD Massive MIMO Systems

针对多用户大规模多输入多输出（MIMO）系统，提出了一种新的传输策略，包括上行/下行信道估计和用户调度。首先，利用角度互易性和均匀线阵的物理特性，提出了一种离散傅里叶变换（DFT）辅助的空间基扩展模型（SBEM），用于描述参数维数少的上下行信道。SBEM算法可以用很少的训练资源进行多用户上下行信道估计，大大降低了训练开销和反馈开销。同时，通过利用用户的空间信息，可以立即缓解上行链路训练中的导频污染问题。为了提高频谱效率和充分利用空间资源，我们还设计了贪婪的用户调度方案在数据传输期间。与现有的低秩模型相比，新提出的SBEM提供了一种替代的信道捕获，而无需信道统计的TDD和FDD系统的基础上的角度互易性。此外，所提出的方法可以有效地部署通过快速傅立叶变换（FFT）。各种数值结果证实了所提出的研究。

Channel State Acquisition in FDD Massive MIMO: Rate-Distortion Bound and Effectiveness of "Analog" Feedback

We consider the problem of estimating channel fading coefficients (modeled as a correlated Gaussian vector) via Downlink (DL) training and Uplink (UL) feedback in wideband FDD massive MIMO systems. Using rate-distortion theory, we derive optimal bounds on the achievable channel state estimation error in terms of the number of training pilots in DL ($β_{tr}$) and feedback dimension in UL ($β_{fb}$), with random, spatially isotropic pilots. It is shown that when the number of training pilots exceeds the channel covariance rank ($r$), the optimal rate-distortion feedback strategy achieves an esti…

深度学习用于FDD大规模MIMO-OFDM系统中导频、信道反馈与混合波束成形的联合设计

Deep Learning for Joint Design of Pilot, Channel Feedback, and Hybrid Beamforming in FDD Massive MIMO-OFDM Systems

针对FDD大规模MIMO-OFDM系统，提出端到端深度学习框架，联合设计导频、信道反馈与混合波束成形，并利用图神经网络建模波束成形器交互。

FDD大规模MIMO系统中的上行链路下行链路速率平衡和吞吐量缩放

Uplink Downlink Rate Balancing and throughput scaling in FDD Massive MIMO Systems

在这项工作中，我们扩展的概念，上下行链路速率平衡频分双工（FDD）大规模MIMO系统。我们考虑一个基站，大量的天线服务于许多单天线用户。我们首先表明，在上行链路中的任何未使用的容量可以权衡更高的吞吐量在下行链路中的系统，使用脏纸（DP）编码或线性迫零（ZF）预编码。然后，我们还研究了线性波束形成（BF）预编码，ZF预编码和DP编码的情况下，系统吞吐量与天线数量的缩放。我们表明，下行链路的吞吐量是成正比的天线数量的对数。虽然这种对数缩放比上行链路中的速率的线性缩放低，但它仍然可以带来显著的吞吐量增益。例如，我们通过分析和仿真证明，将天线数量从4增加到128将使吞吐量增加5倍以上。我们还表明，作为接收天线的数量的函数的下行链路吞吐量的对数缩放可以实现，即使当发射天线的数量只随接收天线的数量而增加时。

基于FDD信道协方差外推和主动信道稀疏化的大规模MIMO

FDD Massive MIMO via UL/DL Channel Covariance Extrapolation and Active Channel Sparsification

提出了一种在频分双工（FDD）系统中实现大规模多输入多输出（massive MIMO）的新方法。由于上行链路（UL）和下行链路（DL）之间的大频率分离，在FDD系统中信道互易性不成立。因此，为了向基站（BS）提供DL信道状态信息，需要闭环DL信道探测和信道状态信息（CSI）反馈。在大规模MIMO中，这通常会导致较大的训练开销。例如，在具有M = 200个BS天线和T = 200个符号的衰落相干块的典型配置中，由max{0，1 - M/T}给出的由于DL训练开销而导致的所得速率惩罚因子接近于0。为了减少这种开销，我们建立在众所周知的事实上，即用户信道的角散射函数（ASF）在其大小相对于载波频率较小的频率间隔上是不变的（如在当前FDD蜂窝标准中）。这允许从UL导频估计用户的DL信道协方差矩阵，而没有额外的开销。基于此协方差信息，我们提出了一种新的稀疏化预编码器，以最大化有效稀疏化信道矩阵的秩，条件是每个有效用户信道具有不大于某个期望的DL导频维度T_{dl}的稀疏度，从而导致DL训练开销因子max{0，1 - T_{dl} / T}和T_{dl}导频测量的CSI反馈成本。将稀疏化预编码器的优化问题表示为一个混合线性规划问题，可以有效地求解。大量的仿真结果表明，所提出的方法相对于并发的最先进的方案，基于压缩感知或UL/DL字典学习的优越性。

Deep Learning for Uplink CSI-based Downlink Precoding in FDD massive MIMO Evaluated on Indoor Measurements

When operating massive multiple-input multiple-output (MIMO) systems with uplink (UL) and downlink (DL) channels at different frequencies (frequency division duplex (FDD) operation), acquisition of channel state information (CSI) for downlink precoding is a major challenge. Since, barring transceiver impairments, both UL and DL CSI are determined by the physical environment surrounding transmitter and receiver, it stands to reason that, for a static environment, a mapping from UL CSI to DL CSI may exist. First, we propose to use various neural network (NN)-based approaches that learn this mapp…

基于FDD的无小区大规模MIMO系统的高效角域处理

Efficient Angle-Domain Processing for FDD-based Cell-free Massive MIMO Systems

无小区大规模MIMO通信是用于5G无线通信的新兴网络技术，其中分布式多天线接入点（AP）同时服务于许多用户。尽管频分双工（FDD）系统在当前无线标准中占主导地位，但大多数关于无小区大规模MIMO系统的现有工作都假设时分双工模式。FDD大规模MIMO系统中的关键挑战是信道状态信息（CSI）获取和反馈开销。为了解决这些挑战，我们利用所谓的角度互易性的多径分量在上行链路和下行链路中，使得所需的CSI采集开销的规模只与服务的用户的数量，而不是AP天线的数量，也没有AP。我们提出了一种低复杂度的多径分量估计技术，并提出了基于线性到达角（AoA）的波束成形/合并方案，基于FDD的无小区大规模MIMO系统。我们分析了这些方案的性能，通过推导估计的多径分量的均方误差的封闭形式的表达式，以及上行链路和下行链路的频谱效率的表达式。使用半定规划，我们解决了最大-最小功率分配问题，最大化每个用户的功率约束下的最小用户速率。此外，我们提出了一个以用户为中心（UC）的AP选择方案，其中每个用户选择一个子集的AP，以提高系统的整体能源效率。仿真结果表明，所提出的多径分量估计技术优于传统的基于子空间和基于梯度下降的技术。我们还表明，拟议的波束成形和合并技术，以及拟议的功率控制方案大大提高了频谱和能源效率与足够数量的天线在AP。

A Partial Reciprocity-based Channel Prediction Framework for FDD Massive MIMO with High Mobility

Massive multiple-input multiple-output (MIMO) is believed to deliver unrepresented spectral efficiency gains for 5G and beyond. However, a practical challenge arises during its commercial deployment, which is known as the ``curse of mobility''. The performance of massive MIMO drops alarmingly when the velocity level of user increases. In this paper, we tackle the problem in frequency division duplex (FDD) massive MIMO with a novel Channel State Information (CSI) acquisition framework. A joint angle-delay-Doppler (JADD) wideband precoder is proposed for channel training. Our idea consists in th…

FDD大规模MIMO中联合空分复用的最优调度研究

On Optimal Scheduling for Joint Spatial Division and Multiplexing Approach in FDD Massive MIMO

大规模MIMO被广泛认为是下一代5G网络的关键推动因素。利用基站处的大量天线，可以增强频谱和能量效率两者。不幸的是，下行链路信道估计开销与天线的数量成线性比例。在TDD系统中，通过使用信道互易性特性，很容易减轻这种负担。然而，这对于FDD系统是不可行的，因此开发了两阶段波束形成的方法以减少信道状态信息反馈的量。该方案的性能高度依赖于用户的分组和调度机制，本文引入了一种新的相似性度量，再加上一种新的聚类过程，以实现适当的用户分组。我们还着手制定最佳用户调度策略在JSDM，并证明它是NP-难的。这个结果是至关重要的，因为它表明，除非P=NP，有没有多项式时间算法，解决一般的调度问题的全局最优性和使用次优调度策略是更现实的实践。因此，我们使用图论来开发一个次优的用户调度方案，运行在多项式时间，并优于先前在文献中介绍的JSDM在总速率和吞吐量公平的调度方案。

FDD大规模MIMO中的信道外推：理论分析与数值验证

Channel Extrapolation in FDD Massive MIMO: Theoretical Analysis and Numerical Validation

众所周知，大规模MIMO系统中的下行链路信道估计在频分双工（FDD）模式中产生大的开销，因为训练的量通常与发射天线的数量成比例。相反，使用从测量的上行链路估计到下行链路频带的信道外推完全去除了该开销。在本文中，我们研究了信道外推在频率上的理论极限。我们强调的优势，基于高分辨率的信道估计的外推。推导了外推信道均方误差的下界。文中还提出了一种简化的LB算法，给出了信噪比增益和外推范围的物理直观性。简化LB的有效性依赖于路径被很好地分离的假设。然后，SNR增益随着接收天线的数量线性地提高，而外推性能损失与频率和训练带宽的比率成二次比例。使用3GPP信道模型的理论LB进行数值评估，我们表明，LB可以达到实际的高分辨率参数提取算法。我们的研究结果表明，有很强的限制的外推范围比可以预期的SISO系统，而更有前途的结果，可以得到在多天线设置的路径可以更容易地分离在延迟角域。

SNOPS：FDD中用于下行链路信道状态估计的短非正交导频序列大规模MIMO

SNOPS: Short Non-Orthogonal Pilot Sequences for Downlink Channel State Estimation in FDD Massive MIMO

由于区分天线（在下行链路中）和用户（对于上行链路，其中给定频谱资源可以由大量用户共享）所需的训练序列的长度，信道状态信息（CSI）获取是大规模MIMO无线系统的设计中的显著瓶颈。在本文中，我们专注于下行链路CSI估计情况。考虑到在基站收发信台（BTS）侧的空间相关性的存在，并假设每个用户的信道统计是已知的，我们试图利用这种相关性，以最小化导频序列的长度。我们介绍了一种依赖于非正交导频序列和来自用户终端（UT）的反馈的方案，该方案使BTS能够估计所有下行链路信道。由于对导频的宽松的正交性假设，所获得的导频序列的长度可以严格地小于BTS处的天线的数量，而CSI估计误差保持任意小。我们介绍了两种算法来动态设计所需的导频序列，分析和验证所提出的CSI估计方法的性能，通过数值模拟使用一个现实的情况下，基于一个环信道模型。

FDD Massive MIMO Channel Training Optimal Rate Distortion Bounds and the Efficiency of one-shot Schemes

We study the problem of providing channel state information (CSI) at the transmitter in multi-user massive MIMO systems operating in frequency division duplexing (FDD). The wideband MIMO channel is a vector-valued random process correlated in time, space (antennas), and frequency (subcarriers). The base station (BS) broadcasts periodically beta_tr pilot symbols from its M antenna ports to K single-antenna users (UEs). Correspondingly, the K UEs send feedback messages about their channel state using beta_fb symbols in the uplink (UL). Using results from remote rate-distortion theory, we show th…

HyperRNN: Deep Learning-Aided Downlink CSI Acquisition via Partial Channel Reciprocity for FDD Massive MIMO

In order to unlock the full advantages of massive multiple input multiple output (MIMO) in the downlink, channel state information (CSI) is required at the base station (BS) to optimize the beamforming matrices. In frequency division duplex (FDD) systems, full channel reciprocity does not hold, and CSI acquisition generally requires downlink pilot transmission followed by uplink feedback. Prior work proposed the end-to-end design of pilot transmission, feedback, and CSI estimation via deep learning. In this work, we introduce an enhanced end-to-end design that leverages partial uplink-downlink…

基于集合论方法的FDD大规模多输入多输出信道协方差变换的误差界

Error Bounds for FDD Massive MIMO Channel Covariance Conversion with Set-Theoretic Methods

在频分双工（FDD）大规模多输入多输出（MIMO）系统中，我们从上行链路协方差矩阵中估计下行链路协方差矩阵的算法的性能得到新的界限。重点是算法，使用角功率谱的估计作为中间步骤。与以前的结果不同，建议的界限遵循简单的参数在可能无限维希尔伯特空间，他们不需要强有力的假设阵列的几何形状或传播模型。此外，它们适合于分析集理论方法，可以有效地将边信息的角功率谱。这最后一个功能使我们能够获得简单的技术，以提高集理论的方法，没有任何启发式的参数。特别是，我们表明，一个简单的算法，只需要一个简单的矩阵向量乘法的性能不能显着提高在某些实际情况下，特别是如果粗糙的信息支持的角功率谱。

MIMO信道中噪声反馈的两种模型

Two Models for Noisy Feedback in MIMO Channels

在文献中已经广泛地研究了分别适用于FDD（频分双工）和TDD（频分双工）系统的两种不同的反馈模型。在本文中，我们比较了这两种模式的反馈的多样性复用的权衡在终端处的信道状态信息的变化量。我们发现，当所有的不完善占，在FDD系统中的最大可实现的分集阶数匹配的TDD系统中的分集阶数。TDD系统在更高的复用增益下实现更好的分集阶数。在FDD系统中，最大分集阶数可以仅用单个比特的反馈来实现。如果接收机不知道信道状态信息，则额外的反馈比特（完美或不完美）不影响分集阶数。

基于高效下行信道重构的大规模FDD

FDD Massive MIMO Based on Efficient Downlink Channel Reconstruction

大规模多输入多输出（MIMO）系统在基站处部署大量天线，通过同时服务多个用户而不引起严重干扰，显著地提高了频谱效率。然而，该优点依赖于多个用户的下行链路信道状态信息（CSI）的可用性，这在频分双工传输系统中仍然是一个挑战。本文旨在解决这个问题，通过开发一个完整的收发器框架，包括下行链路信道训练（或估计），CSI反馈和信道重建方案。我们的框架为多个用户提供了准确的重建结果，只需少量的训练和反馈开销。具体地，我们首先开发了增强的牛顿化正交匹配追踪（eNOMP）算法来提取与频率无关的参数（即，下倾、方位角和延迟）。然后，通过利用这些频率无关的参数的信息，我们开发了一个有效的下行链路训练方案来估计多个用户的下行链路信道增益。该训练方案在有限的导频量下提供了可接受的增益估计出错率。仿真结果验证了eNOMP算法的精度，并表明采用重构下行信道的系统的和速率性能可以接近采用理想CSI的系统。

FDD海量MIMO系统下行训练阶段的安全漏洞

Security Vulnerability of FDD Massive MIMO Systems in Downlink Training Phase

我们考虑了频分双工（FDD）大规模多输入多输出（MIMO）系统的下行链路信道训练时，在网络中存在多天线干扰。干扰机意图通过设计基于其信道的二阶统计的攻击来降低下行链路信道训练的均方误差（MSE）。信道被假定为空间相关的。首先推导出信道估计均方误差的封闭表达式，然后由干扰机确定最大化均方误差的条件。数值结果表明，即使合法系统使用具有大量导频符号的最佳训练信号，所提出的干扰也会严重增加估计MSE。

FDD大规模MIMO系统的低开销加权图着色两层预编码

Low Overhead Weighted-Graph-Coloring-Based Two-Layer Precoding for FDD Massive MIMO Systems

由于缺乏上行链路/下行链路信道互易性，以频分双工（FDD）操作模式操作的大规模多输入多输出（MIMO）系统遭受与下行链路信道状态信息（CSI）获取和下行链路预编码相关联的过高开销。在本文中，一个启发式的边加权顶点着色的模式划分（EWVC-PD）计划，提出了减轻的两层预编码方法的开销，在一个实际的情况下，用户集群进行严重的角度扩展范围（ASR）重叠。具体而言，在有限数量的子信道的约束下，首先构造了一个无向边加权图（EWG），来描述集群之间潜在的ASR重叠关系。然后，受经典的图着色算法的启发，提出了EWVC-PD方案，该方案通过对ASR重叠严重的簇之间进行子信道正交化，并复用ASR重叠较轻的簇来减轻ASR。仿真结果表明，我们的方案有效地优于现有的模式划分方案。

Hybrid Message Passing Algorithm for Downlink FDD Massive MIMO-OFDM Channel Estimation

The design of message passing (MP) algorithms on factor graphs is an effective manner to implement channel estimation (CE) in wireless communication systems, which performance can be further improved by exploiting prior probability models that accurately match the channel characteristics. In this work, we study the CE problem in a downlink massive multiple-input multiple-output (MIMO) orthogonal frequency division multiplexing (OFDM) system. As the prior probability, we propose the Markov chain two-state Gaussian mixture with large variance differences (TSGM-LVD) model to exploit the structure…

基于深度学习的FDD大规模多输入多输出系统下行信道预测

Deep Learning based Downlink Channel Prediction for FDD Massive MIMO System

在频分双工（FDD）大规模多输入多输出（MIMO）系统中，由于下行链路训练和上行链路反馈所需的巨大开销，在基站（BS）处获取下行链路信道状态信息（CSI）是非常具有挑战性的任务。在本文中，我们揭示了一个确定性的上行链路到下行链路的映射函数时，位置到信道的映射是双射。受通用近似定理的启发，我们提出了一个稀疏复值神经网络（SCNet）来近似上行链路到下行链路的映射函数。与在实域中运行的一般深度网络不同，SCNet是在复域中构建的，能够通过离线训练来学习复值映射函数。在训练之后，SCNet用于基于估计的上行链路CSI直接预测下行链路CSI，而不需要下行链路训练或上行链路反馈。数值结果表明，SCNet在预测精度方面比一般深度网络具有更好的性能，并在复杂的无线信道中表现出显着的鲁棒性，展示了其在实际部署中的巨大潜力。

RIS辅助FDD MIMO通信系统的下行链路与上行链路联合优化

Joint Downlink and Uplink Optimization for RIS-Aided FDD MIMO Communication Systems

针对RIS辅助FDD MIMO系统上下行同时传输需求，提出基于AO的两种单位模相移优化方法，联合最大化加权和速率并显著提升性能。

Modular CSI Quantization for FDD Massive MIMO Communication

We consider high-dimensional MIMO transmissions in frequency division duplexing (FDD) systems. For precoding, the frequency selective channel has to be measured, quantized and fed back to the base station by the users. When the number of antennas is very high this typically leads to prohibitively high quantization complexity and large feedback. In 5G New Radio (NR), a modular quantization approach has been applied for this, where first a low-dimensional subspace is identified for the whole frequency selective channel, and then subband channels are linearly mapped to this subspace and quantized…

Joint Spatial Division and Multiplexing for FDD in Intelligent Reflecting Surface-assisted Massive MIMO Systems

Intelligent reflecting surface (IRS) is a promising technology to deliver the higher spectral and energy requirements in fifth-generation (5G) and beyond wireless networks while shaping the propagation environment. Such a design can be further enhanced with massive multiple-input-multiple-output (mMIMO) characteristics towards boosting the network performance. However, channel reciprocity, assumed in 5G systems such as mMIMO, appears to be questioned in practice by recent studies on IRS. Hence, contrary to previous works, we consider frequency division duplexing (FDD) to study the performance …

在暗处拆分消息：无CSI反馈的FDD大规模MIMO的速率拆分多址接入

Splitting Messages in the Dark- Rate-Splitting Multiple Access for FDD Massive MIMO Without CSI Feedback

针对FDD大规模MIMO系统CSIT获取开销大的问题，提出无CSI反馈框架，利用2D-NOMP算法重建下行CSIT，并基于ECM估计与RSMA预编码优化缓解多用户干扰，实现稳健的总和频谱效率。

FDD MIMO中外源无源互调的物理建模与消除

Physical Modelling and Cancellation of External Passive Intermodulation in FDD MIMO

本文提出了一种在FDD MIMO系统中直接模拟物理外源无源互调（PIM）的方法，通过构建包含点源PIM、偶极子天线和5G NR OFDM信号等模型，验证了多PIM源补偿算法，仿真效果与实际实验相当，从而免除了开发阶段对真实硬件实验的依赖。

基于深度学习的FDD非平稳大规模MIMO下行信道重构

Deep Learning Based FDD Non-Stationary Massive MIMO Downlink Channel Reconstruction

针对频分复用（FDD）大规模多输入多输出（MIMO）系统，提出了一种基于模型驱动的深度学习下行信道重构方案。空间非平稳性是未来超大孔径大规模MIMO系统的关键特征。利用神经网络代替信道矩阵学习信道模型参数，节省了系统开销，提高了信道重构的准确性。通过将通道视为图像，我们引入You Only Look Once（YOLO），这是一种用于目标检测的强大神经网络，可以快速估计模型参数，包括检测路径的角度和延迟以及识别散射体的可见区域。基于深度学习的方案避免了由基于算法的参数提取方法引入的复杂迭代过程。基于低复杂度算法的细化器进一步细化YOLO估计，以达到高精度。鉴于模型驱动深度学习的高效性以及神经网络与算法的结合，该方案能够快速准确地重建非平稳下行信道。此外，所提出的方案也适用于广泛关注的平稳系统，并实现了相当的重建精度作为一种基于算法的方法，大大减少了时间消耗。

A Partial Channel Reciprocity-based Codebook for Wideband FDD Massive MIMO

The acquisition of channel state information (CSI) in Frequency Division Duplex (FDD) massive MIMO has been a formidable challenge. In this paper, we address this problem with a novel CSI feedback framework enabled by the partial reciprocity of uplink and downlink channels in the wideband regime. We first derive the closed-form expression of the rank of the wideband massive MIMO channel covariance matrix for a given angle-delay distribution. A low-rankness property is identified, which generalizes the well-known result of the narrow-band uniform linear array setting. Then we propose a partial …

在低于6 GHz的FDD和TDD FD-MIMO有源天线阵列中实现相位相干性和增益稳定性：挑战和解决方案

Achieving Phase Coherency and Gain Stability in Active Antenna Arrays for Sub-6 GHz FDD and TDD FD-MIMO: Challenges and Solutions

在过去的几年里，大规模MIMO一直是学术界和工业界强烈兴趣的主题。用于蜂窝系统的3GPP标准化已经采用了大规模MIMO的原理，并且将在基站处使用大型矩形平面阵列归类为全维MIMO（FD-MIMO）以在TDD和FDD两者中操作。操作大型天线阵列基站需要系统克服由硬件损害引起的若干实现挑战，使得实际解决方案不理想且大规模部署昂贵。重要的是要从现有的挑战和解决方案中学习，以便为更大规模的部署做好准备，例如使用无小区的大规模MIMO。因此，在本文中，我们使用在实验室和商用LTE网络中的现场进行的测量，专门研究了由于RF损伤引起的相位和幅度不稳定性。我们研究了相位和幅度误差对FD-MIMO系统性能的影响。我们讨论并表征了产生这些误差的各种来源，包括低成本本振（LO）的时变相位漂移和影响RF链频率响应的内部温度变化。讨论了实际蜂窝部署的不同LO架构和校准机制的最低要求和权衡。然后，我们提供了一种新的相干LO分配机制和相关的新的阵列校准机制，可以应用到TDD和FDD系统的细节。测量结果提供了一个二维全连接的混合波束形成阵列架构称为高清晰度有源天线系统（HDaaS），以验证这些方法的性能。这些结果展示了所提出的方法的有效性，可以很容易地扩展到其他阵列架构，包括子阵列混合波束形成和元素级数字化。