Iterative Detection and Decoding for MIMO Systems with Knowledge-Aided Message Passing Algorithms
本文研究了基于低密度奇偶校验（LDPC）码的多天线系统的迭代检测与译码（IDD）问题。建议IDD系统包括一个软输入软输出并行干扰（PIC）消除方案与线性最小均方误差（MMSE）接收滤波器和两个新的置信传播（BP）解码算法。建议的BP算法利用知识的短周期的图结构和重加权因子来自超图的扩展。仿真结果表明，当用于执行IDD的多天线系统的BP解码算法可以始终优于现有的BP技术与少量的解码迭代。
2013-04-23 cs.IT math.IT
Gaussian Message Passing for Overloaded Massive MIMO-NOMA
本文研究了一种低复杂度的非正交多址编码多输入多输出（MIMO）系统（massive MIMO-NOMA）中的高斯消息传递（GMP）方案，在该方案中，具有$N_s$天线的基站在同一频率上同时为$N_u$信源提供服务。$N_u$和$N_s$都是大数，我们考虑了$N_u>N_s$的重载情况。MIMO-NOMA的GMP是一种在全连接的循环因子图上运行的消息传递算法，该算法由于相关性问题而无法收敛。在本文中，我们利用系统的大规模性，简化了GMP在过载条件下的收敛性分析。首先，我们证明了GMP的\emph{variances}绝对收敛于线性最小均方误差（LMMSE）多用户检测的均方误差（MSE）。其次，传统GMP的\emph{means}在$ N_u/N_s< (\sqrt{2}-1)^{-2}\approx5.83$时将无法收敛。因此，我们提出并推导了一种新的收敛GMP称为缩放和添加GMP（SA-GMP），它总是收敛到任何$N_u/N_s>1$的LMMSE多用户检测性能，并表明它具有更快的收敛速度比传统的GMP具有相同的复杂度。最后，数值结果验证了理论结果的有效性和准确性。
2018-10-25 cs.IT math.IT
GNN-Enhanced Approximate Message Passing for Massive/Ultra-Massive MIMO Detection
考虑到天线数量极大，具有令人满意的性能和低复杂度的高效大规模/超大规模多输入多输出（MIMO）检测算法对于满足5G及更高通信中的高吞吐量和超低延迟要求至关重要。本文提出了一种低复杂度的图神经网络（GNN）增强的近似消息传递（AMP）算法AMP-GNN，用于大规模/超大规模MIMO检测。通过对AMP算法的展开和引入用于多用户干扰消除的GNN模块，定制了神经网络的结构。数值结果将表明，所提出的AMP-GNN显著提高了AMP检测器的性能，并实现了与最先进的基于深度学习的MIMO检测器相当的性能，但具有降低的计算复杂性。此外，该算法对用户数量的变化具有较强的鲁棒性。
2023-01-09 cs.IT eess.SP math.IT
Hybrid Message Passing Algorithm for Downlink FDD Massive MIMO-OFDM Channel Estimation
在因子图上设计消息传递（MP）算法是实现无线通信系统信道估计（CE）的一种有效方式，利用先验概率模型精确匹配信道特性可以进一步提高信道估计性能。在这项工作中，我们研究了下行链路大规模多输入多输出（MIMO）正交频分复用（OFDM）系统中的CE问题。作为先验概率，我们提出了马尔可夫链两状态高斯混合大方差差（TSGM-LVD）模型，利用结构稀疏的角度-频率域的信道。现有的单一和组合MP规则不能处理所提出的概率模型的消息计算。为了克服这个问题，我们提出了一种通用的方法来推导混合消息传递（HMP）规则，它允许计算混合线性和非线性函数描述的消息。在此基础上，我们在结构化Turbo框架（STF）下设计了HMP-TSGM-LVD算法。仿真结果表明，该算法收敛速度快，性能更好，更稳定。特别是，所提出的方法的增益是最大的（3 dB）在高信噪比制度，而基准方法的经验振荡行为，由于不正确的先验模型表征。
2023-03-20 cs.IT math.IT
Gaussian Message Passing Iterative Detection for MIMO-NOMA Systems with Massive Access
针对多输入多输出非正交多址系统（MIMO-NOMA），提出了一种低复杂度的高斯消息传递迭代检测（GMPID）算法，该算法由一个具有$N_r$天线的基站同时为$N_u$提供服务。$N_u$和$N_r$都是非常大的数，我们考虑的情况下，$N_u>N_r$。GMPID是基于一个完全连接的循环图，这是很好地理解，在某些情况下是不收敛的。利用MIMO-NOMA算法的大尺度特性，简化了算法的收敛性分析。首先，我们证明了GMPID的方差绝对收敛到最小均方误差（MMSE）检测的方差。其次，提出了GMPID检测的均值收敛到比MMSE检测的均值更高的MSE的两个充分条件。然而，当$ N_u/N_r< (\sqrt{2}-1)^{-2}$。因此，提出了一种新的收敛SA-GMPID，它收敛到MMSE检测的任何$N_u> N_r$具有更快的收敛速度。最后，数值结果验证了所提出的理论结果的有效性。
2016-07-04 cs.IT math.IT
Ray-of-Arrival Passing for Indirect Beam Training in Cooperative Millimeter Wave MIMO Networks
研究了多小区毫米波无线系统中的信道估计问题。我们开发了一种新的到达射线传递间接（RAPID）波束训练框架，其中由多个BS组成的网络能够协同工作，以联合估计UE信道。为了实现这一目标，我们考虑毫米波环境的空间几何形状，并将传统的角域波束成形概念转换为更欧几里德的、基于射线的域。利用该模型，我们然后考虑在每个方向上接收导频信号的条件概率，假定每个BS的部署对于网络是已知的。仿真结果表明，RAPID算法能够提高网络的平均估计值，显著提高网络中质量较差链路的比率。此外，我们还表明，当覆盖率阈值被认为是，RAPID是能够大大提高的概率，多个链路选项将提供给用户在任何给定的时间。
2018-04-28 cs.IT math.IT
Generalized Approximate Message Passing for Massive MIMO mmWave Channel Estimation with Laplacian Prior
本文研究了大规模MIMO通信系统中的毫米波信道估计问题。一种新的贝叶斯最优信道估计器，来自使用近似置信传播（BP）贝叶斯推理范式的最新进展。通过利用毫米波MIMO信道在角域中的固有稀疏性，我们将潜在的信道估计问题重新转换为从一组噪声线性测量重构可压缩信号的问题。然后，广义近似消息传递（GAMP）算法被用来找到未知的毫米波MIMO信道矩阵的条目。与所有现有的作品在同一主题，我们的模型的角域信道系数的拉普拉斯分布的随机变量。此外，我们建立了封闭形式的表达式的各种统计量，需要迭代更新GAMP。为了使所提出的算法完全自动化，我们还开发了一个基于期望最大化（EM）的程序，可以很容易地嵌入GAMP的迭代循环，以学习所有的未知参数的基础贝叶斯推理问题。计算机模拟表明，在Laplacian先验条件下，所提出的组合EM-GAMP算法在信道估计精度、可达速率和计算复杂性方面均优于最近文献中提出的高斯混合先验条件.此外，它被发现，拉普拉斯先验加速GAMP的收敛时间在整个信号噪声比（SNR）的范围。
2019-03-05 cs.IT math.IT
Iterative Channel Estimation Using LSE and Sparse Message Passing for MmWave MIMO Systems
针对毫米波MIMO系统，提出了一种基于最小二乘估计（LSE）和稀疏消息传递（SMP）算法的迭代信道估计算法。毫米波MIMO的信道系数被近似建模为伯努利-高斯分布，并且信道矩阵是稀疏的，仅具有几个非零条目。通过利用稀疏性的优势，我们提出了一种算法，迭代地检测稀疏信道矩阵的非零条目的确切位置和值。在每次迭代中，位置由SMP检测，并且值由LSE估计。我们还分析了Cramér-Rao下界（CLRB），并表明，该算法是一个最小方差无偏估计的假设下，我们有部分先验知识的信道。此外，我们采用高斯近似的消息密度下的密度演化，以简化分析的算法，这提供了一个简单的方法来预测所提出的算法的性能。数值实验表明，该算法具有更好的性能比现有的稀疏估计，特别是当信道稀疏。此外，我们所提出的算法收敛到基因辅助稀疏信道估计的CRLB只有五个涡轮迭代。
2018-10-28 cs.IT math.IT
Distributed Iterative Detection Based on Reduced Message Passing for Networked MIMO Cellular Systems
本文考虑了多用户多小区高频复用场景下的上行链路基站协作（BSC）策略，研究了软/硬干扰消除算法的分布式迭代检测（DID）方案。传统的分布式检测方案与所有协作BS交换{软符号估计}。由于需要经由回程共享大量信息，因此硬比特信息的交换是优选的，然而经历性能降级。在本文中，我们考虑了减少消息传递（RMP）技术，其中每个BS生成一个检测列表与所需的符号，根据计算出的概率排序的概率。然后，网络从列表中选择最佳的{检测候选}，并在协作小区之间传送星座符号的索引（而不是双精度值）。与传统的软比特交换算法相比，DID-RMP能够以较低的回程业务开销抑制小区间干扰（ICI），并且性能优于已有的硬/软信息交换算法。
2014-01-01 cs.IT math.IT
Gridless Angular Domain Channel Estimation for mmWave Massive MIMO System With One-Bit Quantization Via Approximate Message Passing
针对一比特量化毫米波（mmWave）大规模多输入多输出（MIMO）系统，提出了一种波达方向和信道估计算法。通过制定的估计问题作为一个嘈杂的一位压缩感知问题，我们提出了一个计算效率的无网格解决方案的基础上的期望最大化广义近似消息传递（EMGAMP）的方法。该算法不需要先验知识的DoA的数量，并优于现有的方法在区分非常接近的DoA的情况下，一位量化。对于一比特量化的情况，估计DoA和信道系数两者。仿真结果表明，该算法在目标方位非常接近的情况下具有较好的估计性能。
2019-09-23 cs.IT eess.SP math.IT
A Fully Bayesian Approach for Massive MIMO Unsourced Random Access
提出一种全贝叶斯方法用于大规模MIMO无源随机接入，通过三层消息传递算法联合解码信息块并获取信道，显著提升了频谱效率和鲁棒性。
2023-06-27 cs.IT math.IT
A LSE and Sparse Message Passing-Based Channel Estimation for mmWave MIMO Systems
在本文中，我们提出了一种新的信道估计算法的最小二乘估计（LSE）和稀疏消息传递算法（SMP）的基础上，这是特别感兴趣的毫米波（mmWave）系统，因为该算法可以利用毫米波信道的固有稀疏性。我们提出的算法将迭代检测精确的位置和稀疏信道向量的非零项的值，而无需其分布的先验知识。SMP用于精确检测信道向量的非零项的位置，而LSE用于在每次迭代时估计其值。然后，我们提出的算法的Cramer-Rao下界（CRLB）的分析。数值实验表明，我们提出的算法具有更好的性能比现有的稀疏估计（如LASSO），特别是当毫米波系统的发射机和接收机都有大量的天线。此外，我们还发现，我们提出的算法收敛到基因辅助稀疏信道估计的CRLB在短短几个涡轮迭代。
2016-09-11 cs.IT math.IT
Leveraging von Mises Message-Passing for Massive MIMO Detection
Inria（法国国家信息与自动化研究所）；INSA Lyon（里昂国立应用科学学院）；CITI Lab – UR3720（CITI实验室）；Université de Toulouse（图卢兹大学）；CNRS（法国国家科学研究中心）；Toulouse INP（图卢兹国立理工学院）；IRIT（图卢兹信息技术研究所）
研究大规模MIMO系统检测问题，提出基于方向统计和置信传播、利用冯·米塞斯参数表示的低复杂度检测方法，适用于PSK调制，不依赖调制阶数，还给出信道扩展，量化性能并与高斯近似算法比较。
2026-07-21 cs.IT math.IT
Two-phase Unsourced Random Access in Massive MIMO: Performance Analysis and Approximate Message Passing Decoder
本文提出一种大规模 MIMO 中的两阶段 URA 方案，通过联合获取 CSI 并将子块恢复转化为压缩感知问题，基于副本方法构建理论分析框架，并设计 AMP 恢复算法，实现了更高的频谱效率和更优性能。
2023-06-27 cs.IT math.IT
Efficient Channel Estimation for RIS-Aided MIMO Communications with Unitary Approximate Message Passing
可重构智能表面（RIS）是非常有前途的无线网络，以实现高能源效率，扩大覆盖范围，提高容量，大规模的连接，等释放的全部潜力的RIS辅助通信，获取准确的信道状态信息是至关重要的，但这是非常具有挑战性的。对于RIS辅助的多输入和多输出（MIMO）通信，现有的信道估计方法具有随着RIS单元$N$的数量快速增长的计算复杂性（例如，以$N^2$或$N^3$的顺序）和/或对所涉及的基质具有特殊要求（例如，为了算法收敛以获得满意的性能，矩阵需要是稀疏的），这阻碍了它们的应用。在这项工作中，而不是使用传统的信号模型在文献中，我们推导出一个新的信号模型，通过适当的矢量化和减少操作。然后，利用酉近似消息传递（UAMP），我们开发了一种更有效的信道估计器，该估计器的复杂度与$N$呈线性关系，并且由于UAMP的鲁棒性，对相关矩阵没有特殊要求。这为该算法在具有较大$N$的一般RIS辅助MIMO系统中的应用提供了便利。此外，大量的数值结果表明，所提出的估计提供了更好的性能和/或需要显着更少的训练符号，从而导致显着减少训练开销和延迟。
2021-12-31 cs.IT eess.SP math.IT
Message Passing Meets Graph Neural Networks: A New Paradigm for Massive MIMO Systems
Hong Kong University of Science and Technology（香港科技大学）；City University of Hong Kong（香港城市大学）
本文提出AMP-GNN框架，将近似消息传递算法展开并引入图神经网络模块，用于大规模MIMO收发机设计，在降低复杂度的同时显著提升检测性能并增强对失配的鲁棒性。
2023-10-31 cs.IT cs.LG eess.SP
Receiver Architectures for MIMO-OFDM Based on a Combined VMP-SP Algorithm
迭代信息处理，无论是基于物理学或分析框架，已被证明是一个非常强大的工具，设计高效，但可行的，无线接收机架构。在这种情况下，执行概率图上的消息传递的算法，如和积（SP）和变分消息传递（VMP）算法，已经变得越来越流行。在这方面的贡献，我们将结合VMP-SP消息传递技术的MIMO-OPFM系统的接收机的设计。组合格式的信息传递方程可以由基于约束区域的自由能近似的驻点方程得到。当应用到MIMO-OFDM概率模型，我们得到了一个通用的接收机结构进行迭代信道权重和噪声精度估计，均衡和数据解码。我们表明，这种通用的方案可以具体到各种不同的接收机结构，从高性能的迭代结构，以低复杂度的接收机。这允许针对每个特定应用的要求专门定制的信号处理的灵活设计。基于蒙特卡罗模拟的数值评估，我们的解决方案，证实了所提出的算法的高性能和其优越性的启发式方法。
2011-11-24 cs.IT math.IT stat.ML
Iterative Receivers for Downlink MIMO-SCMA: Message Passing and Distributed Cooperative Detection
移动通信的快速发展对频谱利用率提出了更高的要求。非正交多址接入（NOMA）技术是一种很有前途的无线网络接入技术。在几种NOMA方案中，稀疏码多址（SCMA）已被证明能够实现更好的性能。本文研究了频率选择性衰落信道下的下行MIMO-SCMA系统。对于最优检测，复杂度随着用户数、天线数和信道长度的乘积呈指数增长。为了解决这一挑战，我们提出了近最佳的低复杂度迭代接收机的基础上因子图。通过引入辅助变量，构造了一个拉伸因子图，并提出了一种混合置信传播（BP）和期望传播（EP）的接收器，命名为“拉伸BP-EP”。考虑到BP算法在循环因子图上的收敛性问题，对Bethe自由能进行凸化处理，提出了一种保证收敛的BP-EP接收机，称为“Conv-BP-EP”。我们进一步考虑合作网络，并提出了两个分布式的合作检测方案，即信念共识为基础的算法和Bregman交替方向乘法器（ADMM）为基础的方法，利用分集增益。仿真结果验证了所提出的Conv-BP-EP接收机与其他方法相比的优越性能。提出的两种分布式协作检测方案可以通过利用分集增益来改善系统的误出错率性能。此外，Bregman ADMM方法优于信念共识为基础的算法在嘈杂的用户间的链接。
2017-10-24 cs.IT math.IT
Spatially Non-Stationary XL-MIMO Channel Estimation: A Three-Layer Generalized Approximate Message Passing Method
针对考虑球面波前效应和空间非平稳特性的XL-MIMO系统信道估计难题，提出两阶段方案：先估计用户侧出发角并分解路径信号，再通过三层贝叶斯推理设计TL-GAMP算法，仿真验证其收敛性、有效性与场景鲁棒性。
2024-12-04 cs.IT eess.SP math.IT
Semi-Blind Channel-and-Signal Estimation for Uplink Massive MIMO With Channel Sparsity
本文考虑了上行链路大规模多输入多输出（MIMO）系统的收发机设计与信道稀疏在角域。最近的研究表明，基于稀疏学习的盲信号检测能够通过使用基于消息传递的稀疏矩阵分解方法来恢复信道和数据。短导频序列被插入到用户数据包中，以消除稀疏矩阵分解中固有的所谓相位和置换模糊性。在本文中，更有效地利用这些短导频序列的知识，我们提出了一种半盲信道和信号估计（SCSE）计划，其中的导频序列的知识被集成到消息传递算法稀疏矩阵分解。SCSE算法涉及对所有可能的用户排列的枚举，因此当用户数量相对较大时是耗时的。为了降低复杂性，我们进一步开发了简化的SCSE（S-SCSE），以适应大量用户的系统。我们表明，我们的半盲信号检测方案大大优于国家的最先进的盲检测和训练为基础的计划在短导频制度。
2019-06-04 cs.IT math.IT
Low-Complexity Detection/Equalization in Large-Dimension MIMO-ISI Channels Using Graphical Models
在本文中，我们处理低复杂度的近最佳检测/均衡在大尺寸的多输入多输出符号间干扰（MIMO-ISI）信道使用的消息传递的图形模型。在该文件中的一个关键贡献是，近最佳性能的MIMO-ISI信道与大尺寸可以实现在低复杂度，通过简单而有效的简化/近似，虽然代表MIMO-ISI信道的图形模型是完全/密集连接（循环图）。这些包括1）结合{ \em消息/信念阻尼}使用具有成对交互的基于马尔可夫随机场（MRF）的图形模型，以及2）使用具有{ \em高斯干扰近似}（GAI）的基于因子图（FG）的图形模型。对于MRF和具有GAI方法的FG，每符号复杂度分别为$O(K^2n_t^2)$和$O(Kn_t)$，其中$K$和$n_t$分别表示每帧信道使用的数量和发射天线的数量。这些低复杂度对于大尺寸是相当有吸引力的，即，对于大型$Kn_t$。从性能的角度来看，这些算法在大维度上甚至更有趣，因为它们实现越来越接近最佳检测性能以增加$Kn_t$。此外，我们表明，这些消息传递算法可以使用在一个迭代的方式与本地邻域搜索算法，以提高$M$ -QAM符号检测的可靠性/性能。
2011-01-22 cs.IT math.IT
MARS: Message Passing for Antenna and RF Chain Selection for Hybrid Beamforming in MIMO Communication Systems
针对MIMO接收端混合波束成形的功耗与复杂度问题，提出基于LDPC结构的MARS天线与射频链选择方案，含串行/并行两种消息传递模式，在功耗、收敛性与能效上优于现有基准方法。
2024-05-20 cs.IT eess.SP math.IT
Asymptotic Analysis of Nonlinear One-Bit Precoding in Massive MIMO Systems via Approximate Message Passing
Imperial College London（帝国理工学院）；Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院）；Beijing University of Posts and Telecommunications（北京邮电大学）
本文研究了大规模MIMO系统中一比特预编码的非线性符号级预编码设计，通过近似消息传递方法分析高维渐近性能，推导出接收端符号误码率的闭式表达式，并证明了ℓ_∞²正则化在混合正则化函数中的最优性。
2026-04-07 cs.IT eess.SP math.IT
Interference Alignment via Message-Passing
我们介绍了一个迭代的解决方案，在MIMO信道的干扰对齐（IA）的消息传递配方的基础上的问题。我们提出了一个参数化的消息，使IA预编码器的计算通过最小和算法在连续变量空间-在此参数化，合适的近似的消息可以计算在封闭的形式。我们表明，Cadambe等人的迭代泄漏最小化算法。是我们的消息传递算法的一个特例，获得一个特定的时间表。最后，我们表明，所提出的算法相媲美迭代泄漏最小化的收敛速度，并讨论了分布式实现。
2013-10-09 cs.IT math.IT
MIMO-OTFS in High-Doppler Fading Channels: Signal Detection and Channel Estimation
正交时频空间（OTFS）调制是最近引入的一种复用技术，设计在2维（2D）延迟-多普勒域，适用于高多普勒衰落信道。OTFS通过一系列二维变换将双色散信道转换为延迟-多普勒域中的几乎无衰落信道。在本文中，我们专注于MIMO-OTFS带来的高频谱和能量效率的好处，MIMO和OTFS在高多普勒衰落信道的鲁棒性。OTFS信道-符号耦合和稀疏延迟-多普勒信道脉冲响应使得能够在高多普勒环境中进行有效的MIMO信道估计。提出了一种基于消息传递的迭代信号检测算法和一种适用于MIMO-OTFS的时延-多普勒域信道估计算法。所提出的信道估计方案使用延迟-多普勒域中的脉冲作为用于估计的导频。我们还比较了MIMO-OTFS的性能与MIMO-OFDM在高多普勒情况下。
2018-05-06 cs.IT math.IT
URLLC with Coded Massive MIMO via Random Linear Codes and GRAND
无线通信中的当前挑战是确保超可靠和低延迟通信（URLLC）。虽然可靠性方面是公知的，通过使用长码字的信道编码来改善，但这通常意味着使用引入不期望的延迟的双绞线。使用短码字是使解码延迟最小化所需的改变。这项工作提出了一个编码和解码方案的组合，连同空间信号处理作为一种手段，以提供URLLC在衰落信道。本文提出了在大规模MIMO（mMIMO）信道上使用随机线性码（RLC），并采用标准迫零检测和猜测随机加性噪声解码（GRAND）。在mMIMO平坦衰落信道上对几种方案的性能进行了评估。所提出的方案大大优于使用5G极化编码和解码的等效方案，以获得感兴趣的信噪比（SNR）。虽然极化码的复杂度在所有SNR下都是恒定的，但使用具有GRAND的RLC可以在大部分SNR范围内实现更快的解码时间，从而进一步减少延迟。
2023-03-14 cs.IT math.IT
Neural Network-Assisted Hybrid Model Based Message Passing for Parametric Holographic MIMO Near Field Channel Estimation
针对HMIMO近场信道估计中由并矢格林函数引起的非线性与积分复杂性难题，提出一种神经网络辅助的混合信道模型，并结合因子图表示与UAMP算法设计贝叶斯信道估计算法，显著提升了估计性能。
2024-08-29 cs.IT eess.SP math.IT
A 354Mb/s 0.37mm^2 151mW 32-User 256-QAM Near-MAP Soft-Input Soft-Output Massive MU-MIMO Data Detector in 28nm CMOS
本文提出了一种新的数据检测器ASIC的大规模多用户多输入多输出（MU-MIMO）无线系统。ASIC实现了大MIMO近似消息传递算法（LAMA）的修改版本，其实现了（i）在实际信道条件下以及（ii）对于具有与基站（BS）天线一样多的用户的系统的接近最优的错误率性能。该硬件架构支持32个用户在相同的时频资源上同时传输256-QAM，并提供软输入软输出能力，用于迭代检测和解码。在32个基站天线和32个用户的实际信道中，所设计的28 nm CMOS ASIC的面积为0.37mm^2，吞吐量为354 Mb/s，功耗为151 mW，信噪比比现有的数据检测器提高了11 dB以上。此外，与最近提出的消息传递检测器相比，ASIC的每区域吞吐量高出4倍。
2019-08-09 cs.IT eess.SP math.IT
Grant Free MIMO-NOMA with Differential Modulation for Machine Type Communications
本文针对机器类通信中设备异步零星发送短包的场景，提出一种基于差分调制的免授权MIMO-NOMA方案，通过稀疏贝叶斯学习实现活跃设备检测，并利用差分调制约束设计非相干多设备数据检测器，显著提升检测性能。
2024-06-11 cs.IT math.IT
Uncoordinated and Decentralized Processing in Extra-Large MIMO Arrays
提出了一种适用于超大型多输入多输出（XL-MIMO）阵列的分散接收机。我们的方法没有中央处理器（CPU），所有的信号检测任务都在分布式节点上完成。我们利用一个组合的消息传递框架，设计一个不协调的检测方案，克服了XL-MIMO系统中的三个主要挑战：计算复杂性，可扩展性和用户能量分布的非平稳性。我们的数值计算结果表明，一个显着的性能改善相比，基准分布式方法，同时操作非常接近集中式接收器。
2021-03-11 cs.IT eess.SP math.IT
Double-Sparsity Learning Based Channel-and-Signal Estimation in Massive MIMO with Generalized Spatial Modulation
在本文中，我们研究了联合天线活动检测，信道估计和多用户检测的大规模多输入多输出（MIMO）系统与一般空间调制（GSM）。本文首先考虑大规模MIMO信道的稀疏性和GSM系统的信号稀疏性，建立了一个双稀疏大规模MIMO模型。基于双稀疏模型，我们制定了盲检测问题。为了解决盲检测问题，我们提出了基于消息传递的盲信道和信号估计（BCSE）算法。BCSE算法基本上遵循仿射稀疏矩阵分解技术，但进行了关键修改以处理模型的双稀疏性。我们表明，BCSE算法显着优于现有的盲和基于训练的算法，并能够密切接近精灵的界限（与已知信道或已知信号）。在BCSE算法中，稀疏矩阵分解后，使用短导频来消除相位和排列模糊。为了更有效地利用短导频，我们进一步发展了半盲信道和信号估计（SBCSE）算法，将相位和排列模糊度的估计到迭代消息传递过程中。我们表明，SBCSE算法大大优于同行的算法，包括BCSE算法在短导频制度。
2019-10-25 cs.IT eess.SP math.IT
Practical MIMO-NOMA: Low Complexity & Capacity-Approaching Solution
MIMO-NOMA结合了多输入多输出（MIMO）和非正交多址（NOMA），可以解决异构挑战，如大规模连接，低延迟和高可靠性。本文提出了一种实用的编码MIMO-NOMA系统，该系统性能接近容量，实现复杂度低。具体而言，所采用的接收机由一个多用户线性最小均方误差（LMMSE）检测器和一个银行的单用户消息传递解码器，分解成分布式的低复杂度的计算的整体信号恢复。提出了一种渐进外信息传递分析方法来估计迭代接收机的性能，其中构造了在迭代译码角度与LMMSE检测器相匹配的实际信道码。因此，建议的编码MIMO-NOMA系统实现渐近性能在0.2 dB的理论容量。仿真结果验证了所提出的系统在实际环境中的可靠性和鲁棒性，包括各种系统负载，迭代次数，码长和信道条件。
2018-07-18 cs.IT math.IT
Optimal Large-MIMO Data Detection with Transmit Impairments
用于多输入多输出（MIMO）无线通信系统的现实世界收发器设计受到已经出现在发射侧的许多硬件损伤的影响，诸如放大器非线性、量化伪像和相位噪声。虽然在数据检测文献中通常忽略这种发送侧损伤，但它们通常限制实际系统中的可靠通信。在本文中，我们提出了一种新的数据检测算法，称为大MIMO近似消息传递与发射损伤（简称LAMA-I），它考虑到了广泛的无线系统中的发射侧损伤与大量的发射和接收天线。我们提供的条件，在大系统的限制，LAMA-I实现的错误率性能的个人最佳（IO）的数据检测器。我们还证明了LAMA-I在现实的有限维大MIMO系统中以低计算复杂性实现了近IO性能。
2015-10-21 cs.IT math.IT
Structured Turbo Compressed Sensing for Downlink Massive MIMO-OFDM Channel Estimation
压缩感知已经被用于减少无线通信系统中的信道估计的导频开销。特别地，结构化turbo压缩感知（STCS）提供了用于结构化稀疏信号恢复的通用框架，其具有降低的计算复杂性和存储要求。本文研究了频分复用（FDD）下行链路中大规模多输入多输出（MIMO）正交频分复用（OFDM）信道估计问题。利用大规模MIMO-OFDM信道在角频域（AFD）和角时延域（ADD）的结构稀疏性，采用AFD和ADD概率模型表示信道，并在STCS框架下设计基于消息传递的信道估计器。利用结构稀疏性，提出了几种基于空时编码的MIMO-OFDM信道估计算法。我们表明，与其他现有的算法相比，所提出的算法具有更快的收敛速度，并在广泛的仿真设置下实现竞争力的错误性能。
2018-11-08 cs.IT math.IT
Bayes-Optimal Joint Channel-and-Data Estimation for Massive MIMO with Low-Precision ADCs
本文考虑了一种具有极低精度模数转换器（ADC）的多输入多输出（MIMO）接收机，其目标是开发需要最小成本和功耗的大规模MIMO天线系统。先前的研究表明，训练持续时间应该是{ \em相对较长}，以获得可接受的信道状态信息。为了解决这个问题，我们采用了联合信道和数据（JCD）估计方法的基础上贝叶斯最优推理。该方法相对于信道和有效载荷数据产生最小均方误差。我们开发了一个贝叶斯最优的JCD估计使用最近的技术的基础上近似消息传递。然后，我们提出了一个分析框架，研究在大系统极限的估计的理论性能。仿真结果证实了我们的分析结果，这使得量化的大规模MIMO系统的性能的有效评估，并提供有效的系统设计的见解。
2015-12-07 cs.IT math.IT
Distributed Iterative ML and Message Passing for Grant-Free Cell-Free Massive MIMO Systems
针对免授权无蜂窝大规模MIMO系统的活跃检测与导频污染抑制难题，提出含逐分量迭代分布式ML活跃检测、PP-VB-EP联合检测估计及分布式VL-EP的分布式算法，提升收敛性并降低初始化敏感性。
2025-08-02 cs.IT eess.SP math.IT
Multi-Cell Sparse Activity Detection for Massive Random Access: Massive MIMO versus Cooperative MIMO
本文考虑稀疏设备活动检测蜂窝机器类型的通信与非正交签名使用的近似消息传递算法。本文比较了两种网络架构，大规模多输入多输出（MIMO）和协作MIMO，在他们的有效性，在克服小区间干扰。在大规模MIMO架构中，每个基站（BS）仅检测来自其自身小区的用户，而将小区间干扰视为噪声。在协作MIMO架构中，每个BS也检测来自相邻小区的用户;然后将检测结果以对数似然比（LLR）的形式转发到中央单元，在中央单元中做出最终决策。本文分析了这两种架构的虚警和漏检概率的特点。数值结果验证了解析特性，并表明，随着天线数量的增加，一个大规模的MIMO系统有效地驱动检测误差为零，而随着合作规模的增加，合作MIMO架构主要提高小区边缘的用户性能。此外，本文研究了LLR量化的影响，以考虑有限容量的前传。实际场景的数值模拟表明，在该特定情况下，在协作MIMO系统中协作三个BS实现了与非协作大规模MIMO系统大致相同的小区边缘检测可靠性，其中每个BS的天线数量是非协作大规模MIMO系统的四倍。
2019-06-22 cs.IT math.IT
Performance Analysis of Cell-Free Massive MIMO Systems with Massive Connectivity
在本文中，我们研究了大规模连接的无小区大规模MIMO系统的性能。利用广义近似消息传递（GAMP）算法，获得所有用户到所有接入点（AP）的有效信道系数的最小均方误差（MMSE）估计，以实现联合用户活动检测和信道估计。随后，利用MMSE估计对大线性系统的解耦特性和GAMP算法的状态演化方程，得到了信道估计系数和信道估计误差的方差。最后，我们研究了在无小区的大规模MIMO系统的中央处理器（CPU）处使用迫零（ZF）检测器的可实现的上行链路速率。数值结果，我们分析了用于联合活动检测和信道估计的导频的数量，AP的数量，和信噪比（SNR）上的可实现的速率的影响。
2021-05-13 cs.IT math.IT
A Fair Comparison Between Spatial Modulation and Antenna Selection in Massive MIMO Systems
当RF链的数量远低于发射天线的数量时，天线选择和空间调制都允许低复杂度MIMO发射机。在这篇手稿中，我们提出了一个定量的性能比较这两种方法，考虑到实现的限制，如天线切换。我们考虑一个带限MIMO系统，其中的脉冲形状的设计，使得带外发射满足所需的频谱掩模。考虑天线选择和空间调制，确定了该系统的比特出错率。结果表明，对于发射侧和接收侧的任何阵列尺寸，只要功率效率小于某个阈值水平，天线选择优于空间调制。通过超过该阈值，空间调制开始表现优异。我们的调查表明，阈值采取较小的值，作为接收天线的数量越来越大。这表明空间调制是大规模MIMO系统中上行链路传输的有效技术。
2019-04-03 cs.IT math.IT
Self-attention for Enhanced OAMP Detection in MIMO Systems
多输入多输出（MIMO）系统是无线通信的基础。由于经典的MIMO系统中符号检测算法需要大量的计算资源或结果不佳，因此数据驱动算法变得越来越流行。然而，大多数的proposedalgorithms，引入近似导致现实MIMO系统的性能下降。在本文中，我们引入了一个神经增强的混合模型，增强了国家的最先进的神经网络组件的analyticbackbone算法。特别是，我们引入aself-attention模型的迭代正交近似消息传递（OAMP）为基础的解码算法的增强。在我们的实验中，我们表明，所提出的模型可以优于现有的数据驱动的方法OAMP，同时提高了泛化到其他SNR值在有限的计算开销。
2023-03-14 cs.IT eess.SP math.IT
Multiuser SM-MIMO versus Massive MIMO: Uplink Performance Comparison
在本文中，我们提出了大规模多用户{ \em空间调制多输入多输出（SM-MIMO）}系统中的信号检测算法。在大规模SM-MIMO中，每个用户配备有多个发射天线（例如，2或4个天线），但只有一个发射RF链，并且基站（BS）配备有数十到数百个（例如，128)接收天线。在SM-MIMO中，在给定的信道使用中，每个用户激活其多个发射天线中的任何一个，并且除了通过常规调制符号（例如，QAM）。我们提出了两种不同的算法用于在BS处检测大规模SM-MIMO信号;一种是基于{ \em消息传递}，另一种是基于{ \em局部搜索}。所提出的算法实现了很好的性能和规模。此外，对于相同的频谱效率，多用户SM-MIMO比传统的多用户MIMO（最近被称为大规模MIMO）好几个dB;例如，对于16个用户、BS处的128个天线以及每用户4个bpcu，在$10^{-3}$未编码BER处，具有每用户4个发射天线和4-QAM的SM-MIMO比具有每用户1个发射天线和16-QAM的大规模MIMO性能好大约4到5dB。SM-MIMO优于大规模MIMO的SNR优势可以归因于以下原因：（i）由于空间索引比特，SM-MIMO可以使用与大规模MIMO中的QAM字母表相比更低阶的QAM字母表来实现相同的频谱效率，以及（ii）对于相同的频谱效率和QAM大小，大规模MIMO将需要每个用户更多的空间流，这导致空间干扰增加。
2013-11-06 cs.IT math.IT
Soft Graph Transformer for MIMO Detection
College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息与电子工程学院）；Theory Lab, Central Research Institute, 2012 Labs, Huawei Technologies Co., Ltd.（华为技术有限公司2012实验室中央研究院理论实验室）
本文提出软图变换器(SGT)，结合自注意力和图感知交叉注意力，解决MIMO检测中传统方法复杂度高和信息利用不足的问题，实现近似最大似然性能。
2026-04-13 cs.IT cs.LG eess.SP
Fluid-Antenna-Assisted Distributed Joint Decoding for Cell-Free Massive MIMO Unsourced Random Access
Southeast University（东南大学）；National Mobile Communications Research Laboratory, Frontiers Science Center for Mobile Information Communication and Security, Southeast University（国家移动通信重点实验室，移动信息与安全前沿科学中心，东南大学）；Purple Mountain Laboratories（紫金山实验室）
该研究针对无蜂窝大规模MIMO非授权随机接入的多用户干扰等问题，提出流体天线辅助的分布式联合解码方法，经仿真验证可提升接收功率，实现流体天线与该接入技术的可行集成。
2026-08-24 cs.IT 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
On the Performance of Mismatched Data Detection in Large MIMO Systems
我们研究了在大型多输入多输出（MIMO）系统中失配数据检测的性能，其中在数据检测器中使用的发射信号的先验分布不同于真实的先验。为了最大限度地减少这种先前的不匹配所造成的性能损失，我们包括一个调整阶段到我们最近提出的大MIMO近似消息传递（LAMA）算法，这使我们能够开发不匹配的LAMA算法与最佳以及次最佳的调整。我们表明，精心选择的先验往往使更简单和计算更有效的算法相比，LAMA与真正的先验，同时实现接近最佳的性能。我们的算法的高斯先验和均匀先验的超立方体覆盖的QAM星座的性能分析恢复线性和非线性MIMO数据检测的经典和最近的结果，分别。
2016-06-22 cs.IT eess.SP math.IT
Deep Learning-based Channel Estimation for Beamspace mmWave Massive MIMO Systems
在波束空间毫米波（mmWave）大规模多输入多输出系统中，当接收机配备有限数量的射频（RF）链时，信道估计是非常具有挑战性的。为了解决这个问题，我们利用一个学习的基于去噪的近似消息传递（LDAMP）网络。这种神经网络可以从大量的训练数据中学习信道结构和估计信道。此外，我们提供了一个分析框架的渐近性能的信道估计。基于我们的分析和仿真结果，LDAMP神经网络显着优于国家的最先进的压缩感知为基础的算法，即使当接收机配备了少量的RF链。因此，深度学习是毫米波通信中信道估计的有力工具。
2019-01-14 cs.IT math.IT
Activity Detection in Distributed MIMO: Distributed AMP via Likelihood Ratio Fusion
提出了一种新的分布式多输入多输出（MIMO）系统中免授权多址接入的活动检测算法。该算法是一个分布式版本的近似消息传递（AMP）的基础上软组合的似然比独立计算在多个接入点。我们的算法的基础理论基础是一个新的观察，我们在AMP的状态演变。具体地说，与最小均方误差降噪，状态保持块对角结构时，信号的协方差矩阵具有这样的结构。我们通过数值例子表明，该算法优于竞争计划从文献中。
2022-09-22 cs.IT eess.SP math.IT
Analysis and Optimization of Successful Symbol Transmission Rate for Grant-free Massive Access with Massive MIMO
免授权大规模接入是用于支持物联网（IoT）的大规模机器类型通信（mMTC）的重要技术。免授权大规模接入的两个重要特征是低复杂度设备和短分组数据传输，这使得传统的性能度量，可达到的速率，在这种情况下是不合适的。在这封信中，我们研究了大规模多输入多输出（MIMO）系统中的免授权大规模接入。我们考虑随机接入控制，并采用近似消息传递（AMP）的用户活动检测和信道估计的导频传输阶段和小相移键控（PSK）调制的数据传输阶段。我们提出了一个更合理的性能指标，即成功的符号传输率（SSTR），免授权的大规模接入。我们得到封闭形式的近似表达式的渐近SSTR的情况下，最大比合并（MRC）和迫零（ZF）波束形成在基站（BS），分别。我们还最大化的渐近SSTR的接入参数和导频长度。
2019-09-20 cs.IT math.IT
Superiorized Adaptive Projected Subgradient Method with Application to MIMO Detection
本文证明APSM具有有界扰动弹性，提出基于超化APSM的MIMO检测算法，在相关信道上比IO-LAMA获得更低符号错误率，且无需矩阵求逆，复杂度相近。
2022-10-21 cs.IT eess.SP math.IT
Type-Based Unsourced Multiple Access over Fading Channels with Cell-Free Massive MIMO
本文将基于类型的无源多址接入（TUMA）框架扩展至无蜂窝大规模MIMO衰落信道环境，利用空间分集和基于位置的码字划分，结合多源近似消息传递算法，实现了对传输消息集合及用户数量的有效估计，为大规模机器类通信提供了鲁棒且可扩展的架构。
2025-04-28 cs.IT math.IT
Sparse Layered MIMO with Iterative Detection
在本文中，我们提出了一种新的传输方案，称为稀疏分层MIMO（SL-MIMO），结合非正交传输和奇异值分解（SVD）预编码。SL-MIMO的非正交性使得本征信道可以被重用，通过提高编码增益和分集增益，提高了系统的频谱效率和出错率性能。我们还提出了一个低复杂度的消息传递（MP）检测器的建议SL-MIMO系统，执行非常接近最大似然（ML）。通过计算有序特征值的联合矩母函数（MGF），得到了SL-MIMO系统平均字错误概率（AWEP）的上界表达式，并利用该表达式分析了系统的分集增益。我们使用我们的分析结果来设计次优码本，以最大限度地减少出错率的SL-MIMO系统。在4元、16元和64元星座的4 × 4和6 × 6多输入多输出（MIMO）系统中的仿真结果表明，我们提出的SL-MIMO方案在系统出错率性能方面优于竞争方法，如X和Y码。在具有64元星座的6x6 MIMO系统中，SL-MIMO与X码相比具有5.6dB的优势，与Y码相比具有4.7dB的优势。
2021-11-22 cs.IT eess.SP math.IT
Learned Score-Based Turbo Message Passing for Channel Recovery From Spatially Compressed Measurements
National Key Laboratory of Science and Technology on Communications, University of Electronic Science and Technology of China（电子科技大学通信抗干扰技术国家级重点实验室）
本文针对极端空间压缩下上行链路HBF信道恢复问题，提出L-STMP框架，引入可训练参数与PMI辅助波束选择，仿真显示其信道重建性能优于现有基线。
2026-10-14 cs.IT math.IT
Study of Joint Activity Detection and Channel Estimation Based on Message Passing with RBP Scheduling for MTC
本文在混合广义近似消息传递（HyGAMP）算法的基础上，提出了消息调度GAMP（MSGAMP）算法，以解决上行链路免授权大规模MIMO系统中的联合主动设备检测和信道估计问题。在MSGAMP中，我们应用三种不同的调度技术的基础上的剩余信念传播（RBP），其中使用最新的可用信息生成的消息。由于计算成本比最先进的算法低得多，MSGAMP型计划在活动出错率和归一化均方误差方面表现出良好的性能，需要少量的迭代收敛。%
2021-06-13 cs.IT eess.SP math.IT
Electromagnetic Lens-focusing Antenna Enabled Massive MIMO
大规模多输入多输出（MIMO）技术近来已经被提出来极大地改善无线网络的性能。然而，使用非常大的天线阵列带来了新的问题，例如显著增加的硬件成本和信号处理成本和复杂性。为了获得大规模MIMO的巨大增益，同时将其成本降低到可承受的水平，本文提出了一种新的系统设计，通过将电磁（EM）透镜与大型天线阵列集成，称为\emph{electromagnetic lens antenna}（ELA）。ELA具有将通过EM透镜的任何入射平面波的功率聚焦到天线阵列的一个小子集的能力，而聚焦区域的位置取决于波的到达角（AoA）。与没有EM透镜的传统天线阵列相比，所提出的系统可以大大减少接收器处所需的射频（RF）链的数量，从而减少实现成本。在本文中，我们研究了一个简化的单用户上行链路传输设置下，所提出的系统，通过表征的ELA的功率分布以及由此产生的信道模型。此外，通过假设在接收器处使用的天线选择，我们示出了在给定相同数量的选定天线的情况下，所提出的系统相对于传统天线阵列的吞吐量增益。
2013-06-06 cs.IT math.IT
