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。
2015-07-14 cs.IT math.IT
Channel Estimation for TDD/FDD Massive MIMO Systems with Channel Covariance Computing
本文提出了一种新的TDD/FDD大规模MIMO系统信道估计方案，该方案通过利用阵列信号处理技术重构上下行信道协方差矩阵（CCM）来实现。具体地，从瞬时上行链路信道状态信息（CSI）中提取每个多径信道的角度信息和功率角谱（PAS）。然后，重建上行链路CCM，并可以用于改善上行链路信道估计，而无需任何额外的训练成本。由于上行链路和下行链路信道之间的角度互易性以及PAS互易性，即使对于FDD大规模MIMO系统，也可以用类似的方法来推断下行链路CCM。然后，下行链路瞬时CSI可以通过向每个用户的主导特征方向训练来获得。所提出的策略适用于任何类型的PAS分布和阵列几何形状。数值结果表明，所提出的方法优于现有的。
2017-10-02 cs.IT math.IT
FDD Massive MIMO -- Antenna Duplex Pattern an-Reciprocity : A Missing Brick
在基站（BS）处获得下行链路（DL）信道状态信息（CSI）对于频分双工（FDD）大规模MIMO（MM）系统是具有挑战性的。DL训练和反馈需要相当大的开销。相反，研究通常假设FDD双工链路之间的高度相关的平均空间信号签名（即，定向簇）。然而，这些假设仅表示在双工频带上使用具有相同辐射图案的天线，从而导致相同簇的照射。在本文中，我们调查模式的互易性，在双工频段，实际用户手机。我们首先展示了如何测量当代手机的人口表现出明显的双工模式的分歧。然后，我们测量复杂的模式双工发散的一个模拟电话，其中去极化来顶部的增益差异。因此，我们揭示了一个重要的，但被忽视的砖DL CSI评估FDD MM操作。也就是说，为了使FDD MM性能研究是现实的，必须考虑实际的用户手机。
2020-11-15 cs.IT math.IT
Massive MIMO Performance - TDD Versus FDD: What Do Measurements Say?
大规模MIMO中的下行链路波束成形依赖于上行链路导频测量-利用互易性和TDD操作，或者依赖于使用预定的波束网格，其中用户设备报告其优选波束，主要是在FDD操作中。大规模MIMO在其最初设想的形式中使用第一种策略，具有上行链路导频，而目前对第二种策略，波束网格有很大的商业兴趣。它已被分析表明，在各向同性散射（独立瑞利衰落）的第一种方法优于第二种。然而，关于它们在实践中的相对绩效仍存在争议。在这方面的贡献，这两种策略的性能进行了比较，使用测量的信道数据在2.6 GHz。
2017-04-03 cs.IT math.IT
Achievable Rates of FDD Massive MIMO Systems with Spatial Channel Correlation
众所周知，具有i.i.d.与时分双工（TDD）系统相比，由于在发射机处获取信道状态信息（CSIT）的开销过大，因此，在本文中，我们研究了空间相关信道的FDD大规模MIMO系统的可达速率，考虑CSIT捕获维数损失，CSIT的不完善性和正则化迫零线性预编码器。通过合理设计下行信道训练序列和用户CSIT反馈码本，利用多用户空间信道相关性，优化了可达速率。我们比较我们的可实现的速率与TDD大规模MIMO系统，i.i.d. FDD系统和联合空分复用（JSDM）方案，通过基于流行的信道模型导出可实现速率的确定性等效。结果表明，基于所提出的特征空间信道估计方案，FDD系统和TDD系统之间的速率差距显着缩小，甚至在适度数量的基站天线接近。与JSDM方案相比，我们的方案实现了降维信道估计而无需信道预投影，并且在中等数量的天线和中等到大的信道相干时间下具有更高的吞吐量，尽管具有更高的计算复杂性。
2014-06-29 cs.IT math.IT
Joint Channel Training and Feedback for FDD Massive MIMO Systems
大规模多输入多输出（MIMO）被广泛认为是用于未来5G无线通信系统的有前途的技术。为了在大规模MIMO系统中获得理论上的性能增益，发射端准确的信道状态信息（CSIT）至关重要。然而，由于压倒性的导频信令和信道反馈开销，传统的下行链路信道估计和上行链路信道反馈方案可能不适合于频分复用（FDD）大规模MIMO系统。此外，这两个主题通常在文献中单独考虑。在本文中，我们提出了一种联合信道训练和反馈方案的FDD大规模MIMO系统。具体来说，我们首先利用时变信道的时间相关性，提出了一种差分信道训练和反馈方案，同时减少了下行链路训练和上行链路反馈的开销。接下来，我们提出了一种结构化压缩采样匹配追踪（S-CoSaMP）算法，通过利用无线MIMO信道的结构稀疏性来获得可靠的CSIT。仿真结果表明，所提出的方案可以实现大幅减少的训练和反馈开销。
2015-12-10 cs.IT math.IT
Efficient Downlink Channel Reconstruction for FDD Multi-Antenna Systems
在本文中，我们提出了一种有效的下行链路信道重建方案的频分双工多天线系统，利用上行链路信道状态信息结合有限的反馈。基于无线信道的空间互易性，利用与频率无关的参数重构下行信道。我们首先估计的增益，延迟，和角度在上行链路探测。然后，通过下行链路训练来细化增益，并将其发送回基站（BS）。在有限开销的情况下，改进可以实质上提高下行链路信道重构的准确性。然后，BS可以利用上行链路估计的延迟和角度以及下行链路细化的增益来重建下行链路信道。我们还介绍和扩展的牛顿正交匹配追踪（NOMP）算法检测的延迟和增益在多天线多子载波的条件。我们的分析结果表明，扩展的NOMP算法实现了较高的估计精度。仿真和空中测试进行评估的有效的下行链路信道重建方案的性能。仿真结果表明，重构的信道更接近于实际信道，并且随着基站天线数目的增加，重构的准确性得到了提高，从而表明该方法在大规模天线阵列系统中具有良好的应用前景。
2018-05-18 cs.IT math.IT
FDD CSI Feedback under Finite Downlink Training: A Rate-Distortion Perspective
Shanghai Jiao Tong University（上海交通大学）；The Hong Kong Polytechnic University（香港理工大学）；Pengcheng Laboratory（鹏城实验室）；Technische Universität Berlin（柏林工业大学）；Princeton University（普林斯顿大学）
本文从率-失真视角研究FDD系统中有限下行训练下的CSI反馈，推导了通用RDF并分析了其收敛特性与训练长度的关系。
2026-02-06 cs.IT math.IT
FDD Massive MIMO Without CSI Feedback
发射机信道状态信息（CSIT）对于大规模多输入多输出（MIMO）系统提供的频谱效率增益是必不可少的。在频分复用（FDD）大规模MIMO系统中，通常通过下行链路信道估计和用户反馈来获取CSIT，但是随着天线数量的增加，用于每个用户的CSI训练和反馈的开销增加，导致频谱效率的降低。在本文中，我们表明，在FDD中使用上行链路导频，下行链路和频谱效率增益与完美的下行链路CSIT是可以实现的，当在基站的天线数量是无限的一些温和的信道条件下。该方法的核心思想是利用上下行信道的几何互易性，提出了基于上行导频的均方误差最优下行信道重构方法。我们还提出了一个强大的下行链路预编码方法利用重建的信道与误差协方差矩阵。我们的系统级仿真结果表明，我们提出的预编码方法可以达到可比的总和频谱效率迫零预编码与完美的下行链路CSIT，没有CSI训练和反馈。
2023-02-09 cs.IT eess.SP math.IT
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。
2019-02-16 cs.IT math.IT
A Graph Theoretic Approach for Training Overhead Reduction in FDD Massive MIMO Systems
与基于反馈的信道捕获相关联的开销可以极大地损害基于FDD的大规模MIMO系统的可实现速率。实际上，下行链路（DL）训练和上行链路（UL）反馈开销随着基站（BS）天线的数量线性缩放，这与基于TDD的大规模MIMO形成鲜明对比，在基于TDD的大规模MIMO中，单个UL导频训练整个BS阵列。在这项工作中，我们提出了一个图论的方法，以减少DL训练和UL反馈的FDD大规模MIMO系统的开销。特别是，我们考虑一个单小区的情况下，涉及一个单一的BS与大规模的天线阵列服务于单天线移动台（MS）在DL。我们假设BS在DL中采用两阶段波束成形，包括DFT预波束成形，随后是MU-MIMO预编码。所提出的图论方法利用BS-MS信道的角谱的知识来构造具有减少的开销的DL训练协议。仿真结果表明，所提出的训练资源分配方法可以提供约35%的总速率性能增益相比，传统的正交训练。我们的分析还揭示了减少开销对信道估计质量的影响，进而影响可实现的速率。
2018-02-03 cs.IT math.IT
Downlink Pilot Precoding and Compressed Channel Feedback for FDD-Based Cell-Free Systems
无小区系统是一种由多个基站协同为用户提供服务的无线通信系统，作为未来无线通信系统的一项重要技术，受到了广泛的关注。为了最大化无小区系统中的协作增益，在BS处获取下行链路信道状态信息（CSI）是至关重要的。虽然由于信道互易性，该任务对于时分双工（TDD）系统相对容易，但是由于CSI反馈开销，该任务对于频分双工（FDD）系统不容易。由于用户需要反馈多个BS的CSI，因此该问题在无小区系统中甚至更加明显。在本文中，我们提出了一种新的反馈减少技术的FDD为基础的无细胞系统。该方法的主要特点是选择几条主要路径，然后反馈所选路径的路径增益信息（PGI）。通过利用上行链路和下行链路信道中的离开角（AoD）非常相似的特性（该特性被称为角度互易性），BS直接从上行链路导频信号获得AoD。从大量的模拟，我们观察到，所提出的技术可以实现超过80%的反馈开销减少传统的CSI反馈方案。
2019-09-16 cs.IT math.IT
HyperRNN: Deep Learning-Aided Downlink CSI Acquisition via Partial Channel Reciprocity for FDD Massive MIMO
为了充分发挥大规模多输入多输出（MIMO）在下行链路中的优势，需要在基站（BS）处获取信道状态信息（CSI）来优化波束形成矩阵。在频分双工（FDD）系统中，全信道互易性不成立，并且CSI获取通常需要下行链路导频传输，随后是上行链路反馈。先前的工作提出了经由深度学习的导频传输、反馈和CSI估计的端到端设计。在这项工作中，我们引入了一个增强的端到端的设计，利用部分上行链路-下行链路的互易性和时间相关的衰落过程，通过联合利用下行链路和上行链路的导频。所提出的方法基于一种新型的深度学习架构- HyperRNN -它结合了超网络和递归神经网络（RNN），以优化从上行链路到下行链路的长期信道特征的传输。仿真结果表明，HyperRNN实现了较低的归一化均方误差（NMSE）性能，并降低了对导频长度的要求。
2021-07-08 cs.IT eess.SP math.IT
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。
2019-08-26 cs.IT eess.SP math.IT
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。
2017-04-03 cs.IT math.IT
Deep Learning for Uplink CSI-based Downlink Precoding in FDD massive MIMO Evaluated on Indoor Measurements
当操作具有处于不同频率的上行链路（UL）和下行链路（DL）信道的大规模多输入多输出（MIMO）系统（频分双工（FDD）操作）时，用于下行链路预编码的信道状态信息（CSI）的获取是主要挑战。由于除了收发器损伤之外，UL和DL CSI两者都由发射器和接收器周围的物理环境确定，因此理所当然的是，对于静态环境，可以存在从UL CSI到DL CSI的映射。首先，我们建议使用各种基于神经网络（NN）的方法来学习这种映射，并使用经典的信号处理提供基线。其次，我们引入了一个计划来评估所有方法的泛化性能和质量，区分已知和以前看不见的物理位置。第三，我们评估所有的方法在一个真实世界的室内数据集收集32天线通道探测器。
2022-09-22 cs.IT eess.SP math.IT
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。
2016-11-22 cs.IT math.IT
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。
2016-09-07 cs.IT math.IT
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。
2015-07-21 cs.IT math.IT
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。
2024-01-21 cs.IT eess.SP math.IT
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。
2015-02-03 cs.IT math.IT
Two-Way Passive Beamforming Design for RIS-Aided FDD Communication Systems
可重构智能表面（RIS）能够通过低成本的反射元件提供被动波束形成增益，从而提高无线链路质量。这项工作考虑了双向无源波束形成设计在RIS辅助频分复用（FDD）系统中的RIS反射系数是相同的下行链路和上行链路，并应同时优化两个方向。我们制定了一个联合优化的发射/接收波束形成器在基站（BS）和RIS反射系数。目标是最大化下行链路和上行链路速率的加权和，其中加权参数是可调整的，以获得不同的可实现的下行链路-上行链路速率对。我们开发了一个有效的流形优化算法，以获得一个稳定的解决方案。为了比较，我们还介绍了两种启发式设计的基础上单向优化，即分时和相位平均。仿真结果表明，提出的基于流形的双向优化设计显着扩大了可实现的下行链路和上行链路的速率区域相比，两种启发式设计。它也表明，相位平均是优于分时RIS元素的数量是大时。
2021-01-25 cs.IT math.IT
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。
2017-08-15 cs.IT math.IT
Deep Generative Models for Downlink Channel Estimation in FDD Massive MIMO Systems
University of Toronto（多伦多大学）；Ontario Tech University（安大略理工大学）
在频分复用（FDD）大规模多输入多输出（MIMO）系统中，由于训练和反馈开销大，获取下行信道状态信息具有挑战性。在本文中，我们提出了一种基于深度生成模型（DGM）的技术来应对这一挑战。利用上行链路和下行链路信道的部分互易性，我们首先估计与频率无关的潜在信道参数，即，路径增益、延迟、到达角（AoA）和离开角（AoD）的幅度，因为这些参数在上行链路和下行链路中是共同的。然后，使用非常短的训练信号经由下行链路训练来估计频率特定的潜在信道参数，即每个传播路径的相位。在第一步中，我们将潜在的信道参数的分布作为一个先验到我们的信道估计算法。我们使用DGMs来学习这个分布。仿真结果表明，我们提出的基于DGM的信道估计技术优于，由一个很大的差距，在实际的信噪比（SNR）范围内，传统的信道估计技术。另外，仅使用少量下行链路导频测量就实现了接近最优的性能。
2022-03-14 cs.IT cs.LG math.IT
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。
2018-04-16 cs.IT math.IT
Amplitude Prediction from Uplink to Downlink CSI against Receiver Distortion in FDD Systems
针对FDD系统中接收机失真导致的CSI幅度预测性能下降问题，提出基于轻量级神经网络的幅度预测方法，通过失真学习网络抑制失真并校准互易性，结合幅度预测网络实现下行CSI幅度预测，提高精度并降低延迟。
2023-08-31 cs.IT eess.SP math.IT
Learning the CSI Recovery in FDD Systems
我们提出了一种创新的机器学习为基础的技术，以解决在频分双工系统中的基站的信道捕获的问题。在此上下文中，基站基于来自移动终端的有限下行链路信道状态信息反馈来重构下行链路频率范围中的全信道状态信息。信道状态信息恢复是基于卷积神经网络的，该卷积神经网络是专门在上行链路频域中获取的所收集的信道状态样本上训练的。根本不需要在下行链路频率范围中获取训练样本。最后，在详细介绍和分析所提出的技术及其性能之后，基于最大平均差异度量的分析验证了卷积神经网络的“迁移学习"假设，该假设是所提出的方法的核心。
2021-10-03 cs.IT math.IT
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。
2015-12-10 cs.IT math.IT
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。
2015-07-28 cs.IT math.IT
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。
2018-12-09 cs.CR cs.IT eess.SP
Dual-Polarized FDD Massive MIMO: A Comprehensive Framework
本文提出了一种在频分双工（FDD）模式下利用双极化天线实现大规模多输入多输出（MIMO）系统的综合方案。在大规模MIMO阵列中采用双极化元件最近已经是常见的实践，并且原则上可以使空间自由度的数量加倍，而阵列尺寸的增加小于比例。然而，由于FDD模式中的高信道维度和上行链路-下行链路（UL-DL）信道互易性的缺乏，处理双极化信道是苛刻的。特别地，在多用户设置中，在用于UL和DL传输两者的信道协方差获取中以及在DL信道的公共训练中出现困难。为了克服这些挑战，我们开发了由三个步骤组成的统一框架：（1）协方差估计方法，以从有噪声的正交UL导频有效地估计UL协方差;（2）UL-DL协方差变换方法，其从先前步骤中估计的UL协方差获得DL协方差;（3）具有有限DL导频维度的多用户公共DL信道训练方法，其使得BS能够估计有效用户DL信道并且将它们用于无干扰DL波束成形和数据传输。我们提供了大量的实证结果来证明我们的计划的适用性和优点。
2020-08-25 cs.IT math.IT
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。
2014-03-24 cs.IT math.IT
Centralized Learning of the Distributed Downlink Channel Estimators in FDD Systems using Uplink Data
在这项工作中，我们提出了一种基于卷积神经网络（CNN）的低复杂度方法，用于频分双工（FDD）系统中的下行链路（DL）信道估计（CE）。与现有的工作相比，我们使用的训练数据，这仅仅源于上行链路（UL）域。这允许学习集中在基站（BS）的CNN。在训练之后，网络参数被卸载到BS的覆盖区域内的移动终端（MT）。然后，MT可以利用低复杂度的CNN估计器获得MIMO信道的信道状态信息（CSI）。这避免了不可行的反馈量的必要性，即，在用户处获取训练数据，以及在每个MT处的离线训练阶段。数值结果表明，仅基于UL数据训练的CNN与基于DL数据训练的网络表现同样好。此外，该方法能够优于最先进的CE算法。
2021-05-25 cs.IT eess.SP math.IT
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。
2018-04-16 cs.IT math.IT
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。
2019-10-07 cs.IT math.IT
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。
2014-05-12 cs.IT math.IT
Line-of-Sight MIMO for High Capacity Millimeter Wave Backhaul in FDD Systems
无线回程被认为是未来无线网络的关键部分，具有密集的小小区业务和高容量需求。在本文中，我们专注于设计一个高频谱效率的视线（LoS）多输入多输出（MIMO）系统的毫米波（毫米波）回程使用双极化频分双工（FDD）。由于各种物理损伤，例如相位噪声（PHN）、定时偏移（TO）以及LoS MIMO的不良条件数，对于系统实现高频谱效率是非常具有挑战性的。在本文中，我们提出了一个整体的解决方案，包括TO补偿，PHN估计，预编码器/解相关器优化的LoS MIMO无线回程，和交织的每一个部分。我们表明，所提出的解决方案具有鲁棒的性能，对于8x8 MIMO，端到端频谱效率为60 bits/s/Hz。
2020-06-18 cs.IT eess.SP math.IT
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。
2016-12-30 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
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。
2014-11-25 cs.IT 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
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。
2023-11-30 cs.IT eess.SP math.IT
Downlink Precoding for DP-UPA FDD Massive MIMO via Multi-Dimensional Active Channel Sparsification
研究了频分复用（FDD）模式下过载单小区大规模多输入多输出（MIMO）系统的用户选择和下行链路预编码问题，其中基站采用双极化均匀平面阵列（DP-UPA），为大量单天线用户提供服务.由于上下行信道不存在互易性，信道矩阵维数较高，在有限的频谱资源下，利用闭环信道探测和反馈设计下行预编码器具有很大的挑战性。为了解决这些问题，一种新的方法-主动信道稀疏化（ACS）-最近在文献中提出的均匀线性阵列（UWB）设计稀疏化预编码器，这大大降低了信道反馈开销，提高了多用户下行链路传输的频谱效率。推进这条线的研究，我们的目标是促进潜在的部署ACS在实际的FDD大规模MIMO系统，通过扩展它从CDMA到DP-UPA与明确的用户选择，并使目前的ACS实现简化。为此，通过利用Toeplitz结构的信道协方差矩阵，我们扩展了原来的ACS使用比例权重二分图表示的矩阵权重对应。在此基础上，我们提出了一个多维ACS（MD-ACS）的方法，这是一个推广的原始ACS配方，更适合于DP-UPA天线配置。MD-ACS的非线性整数规划问题可以归结为一个广义多任务分配问题（GMAP），本文提出了一种简单而有效的贪心算法来解决该问题，仿真结果表明，与基于MDRiGa信道模型的现有方法相比，本文提出的贪婪算法性能得到了改善.
2021-04-27 cs.IT eess.SP math.IT
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。
2020-02-23 cs.IT eess.SP math.IT
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。
2016-01-09 cs.IT math.IT
Channel State Acquisition in FDD Massive MIMO: Rate-Distortion Bound and Effectiveness of "Analog" Feedback
本文研究了宽带FDD大规模MIMO系统中通过下行训练和上行反馈估计信道衰落系数的问题。使用率失真理论，我们推导出可实现的信道状态估计误差的最佳界限的训练导频在DL（$β_{tr}$）和反馈维度在UL（$β_{fb}$），随机，空间各向同性的导频的数量方面。结果表明，当训练导频数目超过信道协方差秩（$r$）时，最优率失真反馈策略在估计信道状态时实现了$Θ(SNR^{-α})$的估计误差衰减，其中$α= min (β_{fb}/r , 1)$是所谓的质量标度指数.我们还讨论了一个“模拟”反馈策略，表明它可以实现最佳的质量标度指数为广泛的训练和反馈维度，没有信道协方差知识和简单的信号处理在用户端。我们的研究结果支持的数值模拟比较各种策略的信道状态均方误差和可实现的遍历和率在DL与迫零预编码。
2022-02-03 cs.IT math.IT
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。
2024-10-06 cs.IT eess.SP math.IT
Integrated Sensing and Communications in Downlink FDD MIMO without CSI Feedback
针对FDD MIMO ISAC系统，提出利用部分互易性由上行训练重建下行CSI并以RSMA预编码优化频谱效率的无反馈框架。
2025-06-11 cs.IT eess.SP math.IT
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。
2023-12-10 cs.IT eess.SP math.IT
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。
2018-08-24 cs.IT math.IT
Downlink Extrapolation for FDD Multiple Antenna Systems Through Neural Network Using Extracted Uplink Path Gains
当基站（BS）部署有多个天线时，它们需要具有下行链路（DL）信道状态信息（CSI）以通过波束成形来优化下行链路传输。DL CSI通常通过DL训练在移动站（MS）处被测量，并且在频分复用（FDD）中被反馈给BS。当信道由于MS的高速而快速改变时，DL训练和上行链路（UL）反馈可能由于不充分的相干时间间隔而变得不可行。在没有来自MS的反馈的情况下，即使在FDD中，BS也可以使用UL和DL信道的固有关系直接获得DL CSI，这被称为DL外推。尽管确切的关系将是高度非线性的，但是先前的研究已经表明，神经网络（NN）可以用于在BS处根据UL CSI来估计DL CSI。在这条研究线上的大多数先前的工作使用全维UL和DL信道训练NN;然而，NN训练复杂度随着BS处的天线数量的增加而变得严重。为了降低训练复杂度，提高下行信道状态信息估计质量，提出了一种简化神经网络输入输出的下行外推方法。通过许多测量活动表明，UL和DL信道仍然共享共同的分量，如FDD中的路径延迟和角度。所提出的技术首先从UL和DL信道中提取这些公共系数，并且仅使用路径增益来训练NN，路径增益取决于频带，与完整的UL和DL信道相比具有减少的维度。大量的仿真结果表明，所提出的技术优于传统的方法，它依赖于完整的UL和DL信道训练神经网络，而不管MS的速度。
2020-04-03 cs.IT eess.SP math.IT
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。
2020-01-21 cs.IT eess.SP math.IT
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。
2019-08-11 cs.IT math.IT
A Partial Reciprocity-based Channel Prediction Framework for FDD Massive MIMO with High Mobility
大规模多输入多输出（MIMO）被认为可以为5G及以后提供未被代表的频谱效率增益。然而，在其商业部署过程中出现了一个实际挑战，这被称为“移动性的诅咒”。大规模MIMO系统的性能随着用户速率的增加而急剧下降。在本文中，我们解决了频分双工（FDD）的大规模MIMO与新的信道状态信息（CSI）获取框架的问题。提出了一种用于信道训练的联合角度延迟多普勒（JADD）宽带预编码器。我们的想法包括在开发的FDD和角度延迟多普勒信道结构的部分信道互易性。更精确地，基站（BS）使用矩阵变换（MP）方法基于UL导频来估计UL信道的角度延迟多普勒信息。然后根据提取的参数计算宽带JADD预编码器。之后，用户估计并反馈一些标量系数，以供BS重构预测的DL信道。渐近分析表明，随着基站天线数和带宽的增加，CSI预测误差收敛到零。工业信道模型的数值结果表明，该框架能够很好地适应高速（350 km/h）、大CSI时延（10 ms）和信道采样噪声。
2022-05-26 cs.IT eess.SP math.IT
