A Study of Experiment-based Radio Frequency Electromagnetic Field Exposure Evidence on Stochastic Nature of A Massive MIMO System
在本文中，一个能够模拟现实5G新无线电（NR）基站（BS）波束成形性能的大规模多输入多输出（mMIMO）测试平台已被用于收集真实室内环境中5G BS RF-EMF暴露的实验证据。mMIMO测试平台具有多达128个RF通道，具有用户可编程软件定义无线电（SDR）功能。考虑到不同的波束轮廓和数据率，通过评估mMIMO测试平台周围的RF-EMF暴露的空间变化，对5G NR mMIMO系统的随机性进行了统计评估。还考虑了影响mMIMO系统RF-EMF的其他几个因素。
2021-12-17 cs.IT cs.SY eess.SY
Interference Alignment (IA) and Coordinated Multi-Point (CoMP) overheads and RF impairments: testbed results
在这项工作中，我们研究了网络MIMO技术的干扰对齐（IA）和完全自适应联合传输协作多点（CoMP）在室内非常小的小区环境。我们的重点是在系统中的开销与量化的信道状态反馈从接收器到发射器（基于802.11ac标准）和非理想的硬件的影响。由于信道的大相干带宽和相干时间，在所需反馈速率方面，室内办公室场景应该是最有利的情况。评估是使用具有三个BS和三个MS的真实世界无线测试平台完成的，所有BS和MS都具有两个天线。由于传输距离短，测量中的信噪比非常高，为35- 60 dB。在这种情况下，无线电硬件损伤成为性能的主要限制。我们量化了这些损害的影响。对于23 ms的更新间隔，开销是2.5%，并且在稳定条件下，IA和CoMP平均提高了总吞吐量27%和47%（相对于参考方案，例如TDMA MIMO）。当两个人在测量区域中行走时，吞吐量的提高分别下降到16%和45%。
2014-03-16 cs.IT math.IT
Interference Alignment (IA) and Coordinated Multi-Point (CoMP) with IEEE802.11ac feedback compression: testbed results
我们已经实现了干扰对齐（IA）和联合传输协调多点（CoMP）的无线测试平台上使用新的802.11ac标准的反馈压缩方案。作为频域粒度的函数的性能进行评估。通过用十种不同的编码和调制方案探测每个空间调制流来获得现实的吞吐量增益。在稳态条件下，IA和CoMP在TDMA MIMO上的增益分别为26%和71%。在我们密集的室内办公室部署中，反馈的频域粒度可以降低到每8个子载波（2.5MHz），而不会牺牲性能。
2014-02-19 cs.IT math.IT
Holographic MIMO Empowered NOMA-ISAC for 6G: Rate-Splitting Enhanced Near-Field Modeling, Multi-Objective Optimization, and Statistical Performance Validation
本文提出了一种超大规模MIMO赋能的NOMA-ISAC框架，通过速率分割增强近场建模、多目标优化和统计验证，提升了6G通信与感知的性能。
2025-11-29 cs.IT cs.NI math.IT
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。
2019-02-19 cs.IT math.IT
Reciprocity Calibration for Massive MIMO: Proposal, Modeling and Validation
针对时分双工大规模MIMO系统，提出了一种基于互耦的校准方法，使下行链路预编码基于上行链路信道估计。整个校准过程仅在基站（BS）侧通过探测所有BS天线对来执行。一个期望最大化（EM）算法推导出，它处理的测量通道，以估计校准系数。EM算法在均方误差（MSE）和总速率容量意义上优于当前最先进的窄带校准方案。与其前辈一样，EM算法是通用的，因为它不仅适合于校准共址的大规模MIMO BS，而且非常适合于校准分布式MIMO系统中的多个BS。所提出的方法进行了验证，从一个大规模的MIMO测试平台获得的实验证据。此外，我们将窄带校准系数的估计作为一个跨频率的随机过程，并基于测量数据研究了这个过程的子空间。随着这项研究的见解，我们提出了一个估计器，利用该过程的结构，以减少跨频率的校准误差。基于该估计量的渐近性质，建立了标定误差的模型，并用测量结果进行了验证。
2017-02-21 cs.IT math.IT stat.AP
Measurement-Based Validation of Z3RO Precoder to Prevent Nonlinear Amplifier Distortion in Massive MIMO Systems
在多输入多输出（MIMO）系统中，预编码允许基站在空间上将信号聚焦并复用到每个用户。然而，当使用诸如最大比传输（MRT）的传统预编码器时，由功率放大器非线性引入的失真在相同的空间方向上相干地组合。这会严重限制用户性能，而且会产生未经授权的带外（OOB）发射。为了克服这个问题，最近引入了零三阶失真（Z3 RO）预编码器。该预编码器将用户位置处的三阶失真约束为零。在这项工作中，Z3 RO预编码器的性能进行了验证，基于真实世界的信道测量数据。结果示出了UE位置处的失真功率的降低：在最差情况的单用户场景中平均失真降低6.03 dB，在-3 dB的回退率下在2用户情况中平均失真降低3.54 dB。
2022-09-16 cs.IT eess.SP math.IT
Massive MIMO Channels with Inter-User Angle Correlation: Open-Access Dataset, Analysis and Measurement-Based Validation
在实际的传播环境中，不同的大规模MIMO用户可以在空间路径中具有相关的角度。本文通过测量和分析相结合的方法，研究了角度相关性对用户间信道相关性的影响。我们展示了三个关键结果。首先，我们收集了大量的MIMO信道数据集，用于检查真实世界传播环境中的用户间信道相关性;该数据集现在是开放获取的。我们观察到信道相关性高于$0.48$的所有附近的用户。此外，超过$30$ %的远离用户，即使当它们相隔数十个波长时，也具有比i.i.d.瑞利衰落信道其次，我们计算用户间的信道相关性在封闭的形式作为用户间的角度相关性，基站天线的数量，和基站天线间的间距的函数。我们的分析表明，用户间的角度相关性增加了用户间的信道相关性。用户间信道相关性随着基站阵列孔径的增大而减小，即，更多的天线和更大的天线间间隔。第三，我们解释的测量与数值实验表明，用户间的角度相关性可以导致显着的用户间信道相关性在实际的大规模MIMO信道。
2021-12-05 cs.IT cs.NI math.IT
Multi-User Frequency-Selective Hybrid MIMO Demonstrated Using 60 GHz RF Modules
考虑到5G的高吞吐量要求，将毫米波技术和多用户MIMO融合似乎是一种非常有前途的策略。由于硬件限制阻碍了全数字架构的实现，使用数字预编码和相控天线阵列的混合MIMO架构被认为是在毫米波实现多用户MIMO的可行解决方案。然而，真实信道传播和硬件非理想性会显著降低此类系统的性能。因此，对新体系结构进行实验对于确认和支持系统设计至关重要。然而，混合MIMO系统还没有被理解为毫米波的宽信道带宽的影响，非理想的RF前端以及模拟波束成形的不完美性往往被忽略。在本文中，我们提出了一个60 GHz的MU-MIMO测试平台，使用相控天线阵列在发送器和接收器。配备有32相控天线阵列的基站同时分配两个用户。我们表明，频率选择性混合预编码可以有效地抑制用户间干扰，使空间复用的干扰有限的情况下，增加一倍的吞吐量相比，SISO的情况下，并补偿信道的频率波动。此外，我们报告了6 dB的EVM星座的改进时，比较混合MIMO架构与全模拟架构。
2018-04-09 cs.IT math.IT
An Overview of Massive MIMO Research at the University of Bristol
大规模MIMO作为5G无线系统所需容量提升的关键技术，已迅速普及。自六年前提出理论概念以来，研究活动呈指数级增长，现在工业界对该技术商业化的兴趣正在发展。为了有效地做到这一点，我们认为，至关重要的是，进一步的务实研究进行，以确定现实如何不同于理论理想。本文概述了布里斯托尔大学通信系统与网络组内发生的大规模MIMO研究活动，该研究活动以我们的128天线实时测试平台为中心，该测试平台是通过与NI和隆德大学合作的BIO可编程城市计划开发的。通过最近的初步试验，我们实现了79.4 bits/s/Hz的世界第一频谱效率，随后证明这可以增加到145.6 bits/s/Hz。我们在这里提供了这项工作的总结以及我们正在进行的一些研究方向，如大规模阵列波前分析，优化功率控制和本地化技术。
2017-05-22 cs.IT math.IT
Massive MIMO Extensions to the COST 2100 Channel Model: Modeling and Validation
为了使大规模多输入多输出系统的现实研究，COST 2100信道模型的测量的基础上进行了扩展。首先，提出了基站侧可见区域（BS-VR）的概念，以模拟使用物理大阵列时簇的出现和消失。我们发现，BS-VR的寿命是指数分布，和BS-VR的数量是泊松分布的强度成正比的阵列长度和平均寿命的总和。模拟表明，在某些条件下，较长的生命周期可以帮助解相关的密切定位的用户。其次，提出了多径分量可见区域（MPC-VR）的概念，以模拟移动台侧各个MPC的生灭过程。我们发现MPC寿命和MPC-VR半径都服从对数正态分布。仿真表明，除非MPC-VR被应用的信道条件数被高估。拟议扩展的关键统计特性，例如，自相关函数，最大似然估计，和Cramer-Rao界，推导和分析。
2019-05-13 cs.IT eess.SP math.IT
Gridless Channel Estimation for MmWave Hybrid Massive MIMO Systems with Low-Resolution ADCs
针对毫米波混合大规模多输入多输出（MIMO）系统，提出了一种基于牛顿化全校正前向贪婪选择交叉验证（NFCFGS-CV-based）的信道估计算法。提出的NFCFGS算法是一种无网格压缩感知（CS）技术，结合了FCFGS和牛顿正交匹配追踪（NOMP）算法。特别地，NFCFGS基于先前估计的路径在每次迭代时在连续体上执行单路径估计。CV技术被采用作为在没有关于路径数量的先验知识的情况下的终止指示器，这是一种防止过拟合的模型验证技术。
2022-07-13 cs.IT eess.SP math.IT
Compact Full Duplex MIMO Radios in D2D Underlaid Cellular Networks: From System Design to Prototype Results
本文考虑了紧凑型全双工多输入多输出（MIMO）架构的实现和应用可能性，其中用户之间存在直接通信，例如，设备到设备（D2D）和蜂窝链路共存于同一频谱上。对于紧凑型全双工无线电的架构，我们将基于双极化的模拟自干扰消除器与高交叉极化鉴别（XPD）和基于长期演进（LTE）的每子载波数字自干扰消除器相结合。虽然我们考虑的紧凑性和功率效率的模拟解决方案，我们专注于数字消除器的设计与鲁棒性的频率选择性信道和高兼容性与传统的LTE系统。针对一个具有两个用户对的全双工测试床的空中无线实验，我们在基于FPGA的软件定义无线电平台上实现了一个支持20 MHz带宽的全双工MIMO物理层（PHY）。此外，我们提出了一种新的定时同步方法来构建一个更可行的全双工MIMO链路。通过具有全双工链路原型完全实时操作，我们提出了第一个表征的建议紧凑型全双工MIMO性能取决于全双工节点的发射功率。我们还展示了节点之间的链路质量。这项工作的重要见解之一是，全双工操作的用户是能够获得的吞吐量增益，如果用户具有自干扰能力，保证性能。
2017-03-17 cs.IT math.IT
CSI-based Outdoor Localization for Massive MIMO: Experiments with a Learning Approach
Huawei Technologies（华为技术）
我们报告了使用基于学习的方法来推断5G型大规模多输入多输出（MIMO）系统的蜂窝网络的移动用户在小区内的位置的实验结果。我们描述了如何从CSI计算的样本空间协方差矩阵可以用作学习算法的输入，该算法试图将其与用户位置相关。我们讨论了几种学习方法，并深入分析了极端学习机的应用，理论上近似的性能基准，本地化问题。我们使用在华为5G测试平台上收集的实验数据验证了所提出的方法，提供了一些性能和鲁棒性基准，并讨论了在5G网络中部署这种技术的实际问题。
2018-06-19 cs.IT cs.LG math.IT
Moving Object Classification with a Sub-6 GHz Massive MIMO Array using Real Data
Ericsson AB（爱立信公司）
使用无线信号在室内环境中的不同活动之间进行分类是用于各种应用（包括入侵检测、病人护理和灵巧家庭）的新兴技术。研究人员已经展示了不同的方法来利用WiFi信号对活动及其潜在益处进行分类。在本文中，我们分析分类的运动对象采用机器学习的真实数据从一个大规模的多输入多输出（MIMO）系统在室内环境中。我们在视线和非视线场景中对不同的活动进行测量，并在3.7 GHz下运行大规模MIMO测试平台。我们提出了利用基于幅度和相位的特征分类任务的算法。对于所考虑的设置，我们对分类性能进行了基准测试，并表明即使使用少量实验，我们也可以使用真实的大规模MIMO数据实现高达98%的准确率。此外，我们证明了增益的性能结果与一个大规模的MIMO系统相比，有限数量的天线，如在WiFi设备。
2021-02-09 cs.IT cs.LG eess.SP
Underwater Cooperative MIMO Communications using Hybrid Acoustic and Magnetic Induction Technique
未来的智能海洋应用需要长距离和可靠的通信，将水下传感器/机器人与远程地面基站连接起来。由于水声信道的恶劣性和动态性，实现这一目标具有挑战性。多输入多输出（Multiple-Input and Multiple-Output，MIMO）技术可以提高可靠性和传输范围，但由于波长较大，很难在单个水下设备上放置多个换能器。协作MIMO技术虽然可以解决这一问题，但由于声波的传播时延极大且动态变化，使得分布式的水下设备之间无法实现同步。为此，本文提出了一种基于声磁混合技术的水下协作MIMO通信机制。利用多波束融合技术可以很好地解决节点间的同步问题，使分布式声换能器能够协同形成窄波束，实现远距离水下通信。由于MI具有可忽略的信号传播延迟，同步时间和误差显著减少。为了定量地分析改进，严格推导出所提出的系统的同步误差、信噪比（SNR）、有效通信时间和吞吐量的封闭形式的表达式。所提出的混杂系统实现在一个软件定义的测试床下的波束成形和空时编码方案。通过数值分析和实际实验表明，与传统的水声系统相比，本文提出的混合协作MIMO机制具有更低的误比特率和同步误差。
2019-10-24 cs.IT eess.SP math.IT
Array independent MIMO channel models with analytical characteristics
传统的多输入多输出（MIMO）无线电信道的分析模型是阵列相关的。在本文中，我们提出了几个阵列独立的MIMO信道模型，继承了解析模型的本质。其核心思想是使用流形分解技术将物理散射通道分解为两部分：一部分是仅依赖于天线阵列的波场独立采样矩阵;另一部分是可以以解析方式单独建模的阵列独立物理通道。基于该框架，我们首先扩展了传统的虚拟通道表示（VCR），这是限制到目前为止，均匀线阵（ULA），适用于任意阵列配置的一般版本。然后，我们提出了两个阵列独立的随机MIMO信道模型的基础上提出的新的VCR以及Weichselberger模型。这两种模型分别具有较好的角功率谱估计和容量预测能力。最后，通过研究固定角度下阵列导向矩阵的条件数，分别研究了阵列特性对信道容量的影响，结果与已有结论吻合较好。数值结果的模型验证和比较。
2011-04-22 cs.IT math.IT
FCFGS-CV-Based Channel Estimation for Wideband MmWave Massive MIMO Systems with Low-Resolution ADCs
针对宽带毫米波（mmWave）大规模多输入多输出（MIMO）系统，提出了一种基于前向贪婪选择-交叉验证（FCFGS-CV-based）的信道估计器。利用毫米波虚拟信道在角度域和延迟域中的稀疏性，将最大后验（MAP）信道估计问题转换为具有凹目标函数和稀疏性约束的优化问题。FCFGS算法是一种广义正交匹配追踪（OMP）算法，用于求解稀疏约束优化问题。此外，CV技术被用来确定适当的终止条件，通过检测过拟合时，稀疏水平是未知的。
2019-08-01 cs.IT eess.SP math.IT
Design of an Novel Spectrum Sensing Scheme Based on Long Short-Term Memory and Experimental Validation
Gauhati University（高哈蒂大学）
频谱感知允许认知无线电系统在存在严重干扰的情况下检测相关信号。现有的频谱感知技术大多使用特定的信号噪声模型，具有一定的假设，并得出一定的检测性能。为了应对这种不确定性，正在采用基于学习的方法，并且最近基于深度学习的工具已经变得流行。在这里，我们提出了一种基于长短期记忆（LSTM）的频谱感知方法，LSTM是深度学习网络（DLN）的关键元素。使用LSTM有助于从光谱数据中进行隐式特征学习。DLN使用几个功能进行训练，并在使用Adalm Pluto的经验测试台设置的帮助下验证了所提出的传感技术的性能。该测试平台被训练以获取使用FM发生的真实世界无线电广播的主要信号。实验数据表明，即使在低信噪比下，我们的方法在检测和分类精度方面表现良好，与当前的频谱感知方法相比。
2021-11-21 cs.AI cs.IT cs.LG
Spatial Wideband Channel Estimation for MmWave Massive MIMO Systems with Hybrid Architectures and Low-Resolution ADCs
提出了一种基于混合结构和低分辨率模数转换器（ADC）的宽带毫米波（mmWave）大规模多输入多输出（MIMO）系统的信道估计器。考虑到在宽带毫米波大规模多输入多输出系统中不可忽略的天线阵列上的传播延迟，提出了一种离散时间信道模型，用于模拟空间宽带效应。此外，训练信号的设计，解决帧间，用户间和符号间的干扰时，空间宽带效应是不可忽略的。为了基于最大后验概率（MAP）准则估计连续谱上的信道参数，提出了基于牛顿化完全校正前向贪婪选择-交叉验证（NFCFGS-CV-based）的信道估计器。NFCFGS-CV是一种无网格的压缩感知（CS）算法，其终止条件由CV技术确定。基于CV的终止条件被证明达到最小平方误差（SE）。仿真结果表明，NFCFGS-CV优于最先进的基于网格CS的信道估计器。
2021-01-25 cs.IT eess.SP math.IT
Capacity-Driven Low-Interference Fast Beam Synthesis for Next Generation Base Stations
实时多输入多输出（MIMO）阵列控制的容量性能，小区外干扰，和计算效率的要求同时执行时的问题是通过一个创新的混合波束成形技术来解决。首先将MIMO系统的激励合成重新表述为沿角坐标匹配理想的“混合”模式拟合容量或低干扰约束。然后，一个非迭代的处理方案，推导出每个MIMO波束的数字有效的合成技术是有益的组合。有代表性的结果，从广泛的数值验证，进行了讨论，显示，也比较，所提出的合成方法的优点和当前的局限性，当处理不同的传播情况下，发射机/接收机的数量，和噪声水平。
2021-04-12 cs.IT cs.SY eess.SY
CSI-Based User Positioning, Channel Charting, and Device Classification with an NVIDIA 5G Testbed
ETH Zurich（苏黎世联邦理工学院）；NVIDIA（英伟达）
本文发布三个真实世界5G NR上行信道的CSI数据集，用于神经UE定位、信道成图和设备分类，展示了高精度的实验结果。
2025-12-11 cs.IT eess.SP math.IT
SiteEvo: An LLM Agent for Autonomous Discovery of Site-Adaptive Massive MIMO Detectors
SiteEvo是一种LLM智能体框架，可自主发现站点自适应大规模MIMO检测器，在三个站点的6 dB条件下，其误码率较最优竞争检测器降低2.6至6.0倍，还能降低16.7%-34.1%的块级计算成本。
2026-10-14 cs.IT eess.SP math.IT
AI-based CSI Feedback with Digital Twins: Real-World Validation and Insights
本文通过构建真实世界环境与对应的数字孪生虚拟信道，验证了在DT中训练的DL模型在RW场景下的CSI反馈有效性，并证明即使引入在线学习，专用DT对实现满意性能仍不可或缺。
2025-05-02 cs.IT eess.SP math.IT
