Pilotless Recovery of Clipped OFDM Signals by Compressive Sensing over Reliable Data Carriers
在本文中，我们提出了一种新的形式的削波缓解OFDM使用压缩感知，完全避免了音调保留，因此率损失。该方法建立在接收机解码时从星座格中选择最可靠的扰动的基础上，并对这些观测值执行压缩感知，以便完全恢复时间稀疏的非线性失真。因此，该方法为迭代ML方法中初始错误解码决策的问题提供了独特的实用解决方案，既提供了增强这些技术的能力，又提供了一次性恢复失真信号的能力。
2011-11-14 cs.IT math.IT
A Unified Pilot Design for Integrated Sensing and Communications
提出一种ISAC统一二维导频，在DD平面用于感知、变换到TF平面作为DMRS，兼顾正交性、可扩展性与低功率开销。
2024-06-12 cs.IT eess.SP math.IT
Sensing Mutual Information for Communication Signal with Deterministic Pilots and Random Data Payloads
School of Cyber Science and Engineering, Southeast University（东南大学网络空间安全学院）；School of Information Science and Engineering, Southeast University（东南大学信息科学与工程学院）；School of Electrical, Computer, and Telecommunications Engineering, University of Wollongong（伍伦贡大学电气、计算机和电信工程学院）；Division of Integrative Systems and Design and the Department of Electronic and Computer Engineering, the Hong Kong University of Science and Technology（香港科技大学集成系统与设计分部及电子与计算机工程系）
本文研究了在确定性导频和随机数据载荷共同存在的通信信号中，通过随机矩阵理论推导感知互信息并设计预编码方案，以提高ISAC系统的感知性能。
2026-01-16 cs.IT math.IT
Compressed Sensing-based Pilot Assignment and Reuse for Mobile UEs in mmWave Cellular Systems
用于毫米波通信的技术处于工业界和学术界研究的最前沿，因为毫米波频带为已经分配给蜂窝网络的带宽提供了数量级的额外可用带宽。可以利用在毫米波频带处的小覆盖区中可以支持的更大数量的天线来收获双MIMO类型的波束成形和空间复用增益。类似于LTE系统，收获这些益处的两个先决条件是在训练阶段检测用户和获取用户信道状态信息（CSI）。然而，由于毫米波信道遇到更苛刻的传播和更快的去相关，用户检测和CSI获取的任务都是必要的，比LTE频段更具挑战性。在本文中，我们研究的问题，快速用户检测和CSI捕获的小小区毫米波网络的下行链路。我们假设TDD操作和基于信道互易性的CSI获取。为了实现致密化的好处，我们提出了导频设计和信道估计器，利用积极的导频重用与快速用户检测在基站和压缩感知信道估计的组合。正如我们的模拟所示，相对于传统的基于压缩感知的方法与传统的导频重用，可以同时由整个毫米波频带网络与所提出的方案提供服务的用户的数量大幅增加。
2016-01-14 cs.IT math.IT
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。
2016-04-23 cs.IT math.IT
Enhanced Channel Estimation in Massive MIMO via Coordinated Pilot Design
导频污染是多小区大规模多输入多输出（MIMO）系统中的一个限制因素，因为它会严重损害信道估计。先前的工作已经建议跨小区协调导频设计，以便减少由导频污染引起的信道估计误差。在本文中，我们提出了一种使用分式规划的协调导频设计方法，以最小化信道估计中的加权均方误差（MSE）。特别是，我们最近提出的二次变换的MSE表达式，允许的影响，导频污染解耦。由此产生的问题的重新制定，使飞行员优化，在封闭的形式，如果他们可以任意设计。当导频被限制到一组给定的正交序列，导频优化减少到一个分配问题，可以解决加权二分匹配。此外，我们考虑的最大-最小公平性的数据率与正交导频，并获得所提出的方法的相关瑞利衰落的扩展。最后，仿真结果表明，所提出的（正交和非正交）导频设计的优势相比，国家的最先进的方法，在打击导频污染。
2020-08-11 cs.IT math.IT
Sensing Management for Pilot-Free Predictive Beamforming in Cell-Free Massive MIMO Systems
KTH Royal Institute of Technology（瑞典皇家理工学院）
本文提出一种基于状态感知管理的无小区大规模MIMO系统方法，利用扩展卡尔曼滤波跟踪用户并仅在必要时感知，实现无导频预测波束成形，减少信道估计开销，仿真显示可提供更高的均匀下行速率。
2025-10-08 cs.IT eess.SP math.IT
Integrated Sensing and Communication: Joint Pilot and Transmission Design
本文研究多天线基站通感一体化系统，提出联合设计导频矩阵、训练时长与波束成形的协议，基于信息论准则最大化互信息并平衡信道估计误差，以提升目标检测概率并满足通信速率需求。
2024-02-20 cs.IT eess.SP math.IT
Active Sensing for Two-Sided Beam Alignment and Reflection Design Using Ping-Pong Pilots
本文针对毫米波通信中的双端波束对齐问题，提出基于乒乓导频和两个LSTM网络的深度主动感知框架，无需显式反馈即可设计测量向量和波束成形器，并可扩展至RIS反射设计，实验显示性能显著提升。
2023-05-11 cs.IT eess.SP math.IT
Active Sensing for Multiuser Beam Tracking with Reconfigurable Intelligent Surface
本文研究AP与RIS协同的多用户波束跟踪主动感知问题，提出基于RNN和GNN的深度学习框架，利用历史CSI轨迹动态优化波束成形与RIS反射系数，性能显著优于非自适应方法。
2024-11-11 cs.IT eess.SP math.IT
A Uniform Pilot and Data Payload Optimization Framework for OTFS-Based ISAC
University College London（伦敦大学学院）；the Hong Kong University of Science and Technology（香港科技大学）；Imperial College London（帝国理工学院）
本文提出了一种基于OTFS的ISAC统一波束和数据载荷优化框架，通过优化导频符号设计和数据符号功率分配，提升雷达与通信的协同性能。
2025-12-31 cs.IT eess.SP math.IT
Two-Timescale Learning for Pilot-Free ISAC Systems
针对无导频集成感知与通信（ISAC）系统，提出双时间尺度Transformer（T3former）接收机架构，利用PMCW波形确定性结构为隐式导频，通过双时间尺度注意力机制实现联合信道估计与多用户检测，显著提升Goodput并接近理论容量。
2025-08-25 cs.IT math.IT
Sensing-Assisted Sparse Channel Recovery for Massive Antenna Systems
针对大规模天线系统的信道估计问题，提出感知辅助的稀疏信道恢复方法，利用雷达感知确定稀疏基，结合压缩感知算法与用户反馈恢复信道，在有限反馈下降低训练开销、提升恢复精度与可达速率。
2023-11-10 cs.IT eess.SP math.IT
Integrated Sensing and Communications with Affine Frequency Division Multiplexing
本文提出基于仿射频分复用（AFDM）的集成感知与通信系统，证明仅用一个导频符号即可达到与完整帧几乎相同的感知性能，并利用AFDM啁啾特性实现简单自干扰消除，避免昂贵的全双工方法。
2024-02-26 cs.IT eess.SP math.IT
Bayesian Learning for Double-RIS Aided ISAC Systems with Superimposed Pilots and Data
针对RIS辅助ISAC上行传输导频开销过大降低频谱效率的问题，提出叠加导频与数据的稀疏贝叶斯学习框架及低复杂度多用户算法，实现厘米级定位并大幅提升吞吐量。
2024-02-16 cs.IT eess.SP math.IT
Distributed Compressive Sensing Based Doubly Selective Channel Estimation for Large-Scale MIMO Systems
大规模多输入多输出（MIMO）系统中的双选择性（DS）信道估计是一个具有挑战性的问题，由于无法承受的导频开销和禁止的复杂性的要求。在本文中，我们提出了一种新的分布式压缩感知（DCS）的信道估计方案来解决这个问题。在该方案中，我们引入基扩展模型（BEM），以减少所需的信道系数和导频开销。由于所有发射-接收天线对在延迟域中的共同稀疏性，我们考虑DCS框架来估计BEM系数，该框架具有简单的线性结构和低复杂度。此外，提出了一种线性平滑方法，以提高估计精度。最后，我们进行各种模拟，以验证所提出的计划的有效性，并证明所提出的计划相比，传统的计划的性能增益。
2015-11-09 cs.IT math.IT
Active Sensing for Reciprocal MIMO Channels
本文针对TDD大规模MIMO信道，提出基于循环神经网络和全连接神经网络的主动感知框架，通过交替设计感知波束成形器直接学习预编码与合并矩阵，在全数字和混合结构下均显著优于现有方法，且在低信噪比区域仍保持优越性能。
2024-06-07 cs.IT eess.SP math.IT
Rethinking the Performance of ISAC System: From Efficiency and Utility Perspectives
集成传感和通信（ISAC）是6 G通信系统的关键技术，它使传统的无线通信网络能够感知周围的目标。共同使用试点是实现ISAC的一个有希望的战略。它带来了通信和感知之间的权衡，这在不完美的信道估计条件下仍然是不清楚的。为了提供一些见解，遍历容量与不完美的信道估计和遍历克拉美-罗界（CRB）的距离感知之间的权衡进行了研究。首先，推导了与导频数目相关的各态历经容量和各态历经距离CRB的封闭表达式。其次，首次提出了两个新的度量指标：效率和效用，以评估容量和距离感知误差的联合性能。具体而言，效率是用来评估每单位的传感误差的可实现的能力，和效用的设计来评估ISAC的利用程度。此外，设计了一种导频长度优化算法，以达到最佳的效率。最后通过仿真验证了分析结果的正确性，并为槽形结构的设计提供了参考。
2022-08-18 cs.IT eess.SP math.IT
Triple-Structured Compressive Sensing-based Channel Estimation for RIS-aided MU-MIMO Systems
可重构智能表面（RIS）被认为是5G之后的潜在技术，并引起了巨大的研究关注。然而，由于级联信道中的参数数量过多，在RI辅助系统中的信道估计仍然是一个关键的挑战。现有的基于压缩感知（CS）的RIS估计方案仅采用不完全稀疏性，这会导致冗余导频消耗。在本文中，我们利用级联通道的特定三重结构稀疏性，即，公共列稀疏度、偏移补偿后的结构化行稀疏度和所有用户之间的公共偏移。在此基础上提出了一种新的多用户联合估计算法。仿真结果表明，我们的方法可以显着减少导频开销在两个CDMA和UPA场景。
2021-08-31 cs.IT eess.SP math.IT
Pilot Signal and Channel Estimator Co-Design for Hybrid-Field XL-MIMO
本文针对混合场XL-MIMO信道估计问题，提出基于ADMM的最优导频信号设计与两阶段信道估计方法，通过协同设计显著提升稀疏信道恢复的可靠性。
2024-03-28 cs.IT eess.SP math.IT
Sensing-Enhanced Handover Criterion for Low-Altitude Wireless Network (LAWNs)
针对低空无人机网络中传统基于RSRP的切换准则易失效的问题，提出融合ISAC感知信息与RSRP的联合切换准则，仿真验证其在不同场景下可显著降低切换区域长度、提升触发概率。
2025-08-04 cs.IT math.IT
Sensing aided Channel Estimation in Wideband Millimeter-Wave MIMO Systems
在这项工作中，上行链路信道估计问题被认为是毫米波（mmWave）多输入多输出（MIMO）系统。众所周知，信道估计中的导频开销和计算复杂度随着天线数目和带宽而增加。为了克服这一点，所提出的方法允许在基站的信道估计由感测信息辅助。感测信息包含对环境中的散射体位置的估计。提出了一种同时加权正交匹配追踪（SWOMP）-稀疏贝叶斯学习（SBL）算法，有效地将此感知信息的通信信道估计过程。所提出的框架可以应对a）存在于感测信息中的散射体与通信信道不相关联以及b）散射体的位置中的缺陷的场景。仿真结果表明，该算法仅以少量导频开销为代价，就能获得良好的宽带性能。最后，Cramer-Rao界（CRB）的角度估计和多径信道增益的SBL推导出，所提出的算法的本地可识别性提供了宝贵的见解。
2023-02-04 cs.IT eess.SP math.IT
CRC-Assisted Channel Codes for Integrated Passive Sensing and Communications
本文提出基于OFDM的CRC辅助CIPSAC系统，通过IPSCD算法利用CRC正确码字提升参数感知精度，结合学习型NOS码优化短块长性能，仿真验证其感知和解码性能经迭代显著提升。
2025-02-18 cs.IT eess.SP math.IT
Hybrid Beamformer Codebook Design and Ordering for Compressive mmWave Channel Estimation
在毫米波（mmWave）通信系统中，利用大型天线阵列的波束成形对于克服高路径损耗至关重要。将全数字波束成形分为模拟和数字阶段可以提供实际实现所需的功耗的大幅降低和频谱效率的小幅损失。由于模拟级中的额外自由度及其伴随的硬件约束，开发具有这种有利权衡的算法是具有挑战性的。例如，在混合波束成形系统中，信道估计算法不直接观察信道，面对高信道计数，并且在发射-接收波束对准之前在低SNR下操作。由于毫米波信道在时域和波束域中是稀疏的，因此已经开发了许多压缩感知（CS）信道估计算法，其随机配置模拟波束形成器、数字波束形成器和/或导频符号。在本文中，我们提出设计确定性波束形成器和导频符号的开环信道估计。我们使用CS方法，依赖于低相干性的恢复保证，因此寻求最小化的压缩传感矩阵的相互相干性。我们还提出了一个预编码器列排序设计的导频符号。仿真结果表明，我们的波束形成器的设计减少了竞争方法的信道估计误差。
2019-09-21 cs.IT math.IT
Cooperative spectrum sensing with enhanced energy detection under GAUSSIAN noise uncertainty in cognitive radios
针对一般高斯噪声，研究了协作频谱感知（CSS）中能量检测（ED）门限的优化问题。提出了增强ED阈值以克服多个噪声不确定性的敏感性。在高斯噪声不确定性下，提出了两步判决模式和凸样本阈值。通过推导独立同分布（i.i.d.）因此，我们在低信噪比（SNR）条件下，使用建议的ED阈值获得较低的总出错率（Qe）。此外，仿真结果表明，所提出的方案优于大多数其他噪声不确定性计划。
2017-12-29 cs.IT math.IT
Sensing-Assisted Channel Estimation for Flexible-Antenna Systems: A Unified Framework
The Hong Kong University of Science and Technology（香港科技大学）；Southern University of Science and Technology（南方科技大学）；The University of British Columbia（不列颠哥伦比亚大学）
本文提出一种统一的传感辅助信道估计框架，用于灵活天线系统，通过两阶段过程减少CSI重建问题，分别针对LOS和NLOS环境开发了Newton-MUSIC算法。
2026-04-30 cs.IT eess.SP math.IT
Environment-Aware Channel Inference via Cross-Modal Flow: From Multimodal Sensing to Wireless Channels
School of Computing Science, University of Glasgow（格拉斯哥大学计算机科学学院）；School of Electronics and Computer Science, University of Southampton（南安普顿大学电子与计算机科学学院）
研究在高多普勒环境下无需导频的信道推断，提出数据驱动框架将传感到信道映射设为跨模态流匹配问题，通过融合多模态特征、学习速度场等实现实时CSI估计，实验表明该方法在信道估计精度和频谱效率上优于基准。
2026-07-24 cs.IT cs.LG eess.SP
Bistatic Target Detection by Exploiting Both Deterministic Pilots and Unknown Random Data Payloads
School of Cyber Science and Engineering, Southeast University（东南大学网络空间安全学院）；School of Information Science and Engineering, Southeast University（东南大学信息科学与工程学院）；Division of Integrative Systems and Design and the Department of Electronic and Computer Engineering, the Hong Kong University of Science and Technology（香港科技大学集成系统与设计系及电子与计算机工程系）
针对双基地ISAC中混合信号导致的检测难题，本文提出基于GLRT的检测器，利用已知导频和随机载荷统计特性，通过渐近分析揭示权衡，仿真验证其有效性。
2026-10-26 cs.IT eess.SP math.IT
An enhanced decoding algorithm for coded compressed sensing
编码压缩感知是一种适用于高维空间稀疏恢复的算法框架。这个框架最初设想的无源多址接入信道，一个无线范例调谐到机器类型的通信。编码压缩感知使用分治方法将稀疏恢复任务分解为子组件，其尺寸适合于传统的压缩感知求解器。然后使用低复杂度解码器将恢复的片段缝合在一起。本文介绍了一种增强的编码压缩感知解码算法，其中片段恢复和拼接过程是串联执行的，在它们之间传递信息。这种新颖的方案可以提高性能并显着降低计算复杂性。该算法机会源于这样的认识，即编码压缩感测固有的奇偶结构可以用于动态地限制后续恢复算法的搜索空间。
2019-10-22 cs.IT eess.SP math.IT
Hybrid TRP-UE Sensing for Enhanced Target Localization
InterDigital, Inc.（InterDigital公司）；King’s College London（伦敦国王学院）；Université Paris-Saclay（巴黎萨克雷大学）
提出一种混合TRP-UE感知机制，利用UE辅助感知提升网络感知性能，在室内工厂等复杂传播环境下显著改善目标定位精度。
2026-06-19 cs.IT eess.SP math.IT
Improving Doppler Resilience of OFDM through Delay-Doppler Sensing
Indian Institute of Technology Delhi（印度德里理工学院）；Cohere Technologies Inc.（科赫科技有限公司）；University of Texas at Austin（德克萨斯大学奥斯汀分校）；Duke University（杜克大学）
提出基于延迟-多普勒域感知的CP-OFDM方案，通过叠加ZC导频和DD域处理获取信道滤波器，推导频域输入输出关系并消除导频干扰，在高移动性场景下显著提升频谱效率。
2026-06-23 cs.IT eess.SP math.IT
Learning-Based MIMO Channel Estimation under Spectrum Efficient Pilot Allocation and Feedback
使用大规模MIMO收发器的无线链路对于下一代无线通信网络至关重要。大规模MIMO传输中的预编码需要准确的下行链路信道状态信息（CSI）。许多最近的工作已经有效地应用深度学习（DL）来联合训练UE侧压缩网络以用于延迟域CSI和BS侧解码方案。重要的是，这些工作假设全延迟域CSI在UE处可用，但实际上，UE必须基于有限数量的频域导频来估计延迟域。在这项工作中，我们提出了一个线性导频延迟（P2 D）估计，将稀疏频率导频截断延迟CSI。我们证明了P2 D估计在频率下采样下是准确的，并且我们证明了P2 D估计可以有效地利用现有的基于自动编码器的CSI估计网络。除了考虑基于导频的下行链路CSI估计，我们应用展开的优化网络来模拟压缩感知（CS）的迭代解决方案，并且我们表现出比先前基于自动编码器的DL网络更好的估计性能。最后，我们研究了可训练CS网络在差分编码网络中用于时变CSI估计的有效性，并提出了一种新的网络MarkovNet-ISTA-ENet，该网络由用于初始CSI估计的CS网络和用于估计误差项的多个自动编码器组成。我们证明了这种异构网络具有更好的渐近性能比网络组成的只有一种类型的网络。
2022-01-13 cs.IT eess.SP math.IT
Signal Design for OTFS Dual-Functional Radar and Communications with Imperfect CSI
University College London（伦敦大学学院）；Hong Kong University of Science and Technology（香港科技大学）；Imperial College London（帝国理工学院）
针对OTFS双功能雷达通信，提出联合导频设计与功率分配的优化信号，通过交替优化提升感知与通信性能，ISL增益9.44 dB，SINR增益4.82 dB。
2025-10-23 cs.IT eess.SP math.IT
An NLoS-based Enhanced Sensing Method for MmWave Communication System
基于毫米波（mmWave）的Wi-Fi感测技术最近引起了广泛的关注，因为它提供了实现更高感测精度的可能性。然而，目前的工作主要集中在感知场景中的视线（LoS）路径存在，这显着限制了他们的应用。为了解决这个问题，我们提出了一种增强的毫米波传感算法在三维非视线环境（mm 3 NLoS），旨在感测目标的方向和距离时，LoS路径是弱或阻塞。具体地说，我们首先采用定向波束估计反射路径的方位/仰角到达角（AoA）和离开角（AoD），然后采用精细定时测量协议测量相关路径的距离。最后，将多条非视距路径的AoA和AoD转换为方向矢量，根据几何关系得到目标信息。仿真结果表明，mm 3 NLoS可以实现厘米级的误差与2 m的间距。与现有的工作相比，它可以显着减少NLoS条件下的性能下降。
2022-10-10 cs.IT eess.SP math.IT
Self-Evolving In-Context Learning for Direct Pilot-to-Beamformer Design in MU-MISO Systems
Columbia University（哥伦比亚大学）
研究多用户多输入单输出系统中导频到波束成形器设计，提出将ICL-Transformer与导频及波束成形器EDN集成的框架，通过课程学习、自进化机制和失配感知扩展提高性能，优于现有波束成形方案。
2026-07-15 cs.AI cs.IT cs.LG
Data-Driven Deep Learning to Design Pilot and Channel Estimator For Massive MIMO
Advanced Research Institute of Multidisciplinary Science (ARIMS)（多学科科学高级研究院（ARIMS））；School of Information and Electronics, Beijing Institute of Technology (BIT)（北京理工大学信息与电子学院）
本文提出了一种数据驱动的深度学习（DL）方法，用于宽带大规模多输入多输出（MIMO）系统的导频信号和信道估计器的联合设计。通过利用大规模MIMO信道的角域可压缩性，所设想的DL框架可以从欠定测量可靠地重建高维信道。具体来说，我们设计了一个端到端的深度神经网络（DNN）架构，由降维网络和重构网络组成，分别模拟导频信号和信道估计器，可以通过数据驱动的深度学习获得。对于降维网络，我们设计了一个全连接层，通过压缩高维大规模MIMO信道向量作为低维接收测量的输入，其中的权重被视为导频信号。对于重建网络，我们设计了一个全连接层，后面是多个级联的卷积层，它将重建高维信道作为输出。通过将输入和输出之间的均方误差定义为损失函数，我们利用Adam算法使用大量的信道样本来训练上述端到端DNN。通过这种方式，可以同时获得导频信号和信道估计器。仿真结果表明，所提出的解决方案优于国家的最先进的压缩感知方法。
2020-03-12 cs.IT cs.LG eess.SP
