Channel Estimation in Broadband Millimeter Wave MIMO Systems with Few-Bit ADCs
针对毫米波多输入多输出（MIMO）系统，提出了一种基于低比特模数转换器（ADC）的宽带信道估计算法。我们的方法利用联合稀疏的毫米波MIMO信道的角度和延迟域。我们制定的估计问题作为一个嘈杂的量化压缩感知问题，并解决它使用高效的近似消息传递（AMP）算法。特别是，我们使用Bernoulli-Gaussian混合分布与未知参数的角度延迟系数建模，并使用期望最大化（EM）形式的广义AMP（GAMP）和矢量AMP（VAMP）算法，同时学习的分布参数和计算近似最小均方误差（MSE）估计的信道系数。我们设计了一个训练序列，允许快速，FFT为基础的实现这些算法，同时最大限度地减少峰均功率比在发射机，使我们的方法有效地扩展到大量的天线元件和延迟。我们提出了一个详细的模拟研究，比较我们的算法的几个基准的结果。我们的研究调查的SNR，训练长度，训练类型，ADC的分辨率，和运行时间对信道估计的MSE，互信息，和可达到的速率的影响。结果表明，我们的方法允许1位ADC在低SNR下执行从1到无限位ADC，而4位ADC在中等SNR下执行从1到无限位ADC。
2017-12-06 cs.IT math.IT
MIMO Networks with One-Bit ADCs: Receiver Design and Communication Strategies
高分辨率模数转换器（ADC）通常用于接收机终端以存储接收信号的精确数字表示，从而允许对发送的消息进行可靠解码。然而，在广泛的应用中，例如毫米波通信和大规模多输入多输出（MIMO）系统，由于功率预算限制，使用高分辨率ADC是不可行的。在传统的全数字接收机设计中，每个接收机天线连接到不同的ADC，降低ADC分辨率会导致可实现速率方面的性能损失。一种提出的减轻速率损失的方法是使用模拟线性组合器，从而导致混合接收机的设计。这里，混合框架通过添加延迟元件来增强，以允许时间模拟处理。提出了两类新的接收器，包括延迟元件、模拟线性组合器和一位ADC。在单用户和多用户（上行链路和下行链路）MIMO系统采用建议的接收机的通信的基本限制进行了研究。在高信噪比的制度，它表明，建议的接收器实现最大可实现的速率之间的所有接收器具有相同数量的一位ADC。
2021-12-03 cs.IT math.IT
User Scheduling for Millimeter Wave MIMO Communications with Low-Resolution ADCs
在毫米波（mmWave）系统中，我们研究上行链路用户调度时，基站采用低分辨率的模数转换器（ADC）与大量的天线。为了降低接收器中的功耗，低分辨率ADC可能是毫米波系统的潜在解决方案，其中可能部署许多天线以补偿大的路径损耗。由于量化误差，我们表明，在波束空间中的信道结构，除了信道幅度和波束空间的正交性，在最大限度地提高预定用户的可实现速率中起着关键作用。因此，我们得出的最佳标准相对于波束空间中的信道结构，最大限度地提高上行链路的和速率的多用户多输入多输出（MIMO）系统与迫零接收机。利用推导出的标准，我们提出了一个有效的调度算法的毫米波系统与低分辨率ADC。数值结果验证了该算法在总速率方面优于传统的用户调度方法。
2018-01-30 cs.IT math.IT
On Multiterminal Communication over MIMO Channels with One-bit ADCs at the Receivers
当在接收器终端处使用有限数量的一位模数转换器（ADC）时，考虑多输入多输出（MIMO）网络上的通信的基本限制。先前的工作主要集中在点对点通信，其中考虑由模拟处理模块、具有非自适应阈值的有限数量的一位ADC和数字处理模块的级联组成的接收器架构。在这项工作中，提出了一种新的接收器架构，它利用自适应阈值一位ADC-其中ADC阈值在每个通道使用依赖于在以前的通道使用的通道输出-以减轻量化率损失。编码方案提出的点对点和广播信道上的通信，并得出可实现的速率区域。在高SNR制度，它表明，使用所提出的架构和编码方案导致最大的可实现的速率区域之间的所有接收器架构具有相同数量的一位ADC。
2019-01-31 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
Throughput Analysis of Massive MIMO Uplink with Low-Resolution ADCs
我们调查的上行链路吞吐量可实现的多用户（MU）大规模多输入多输出（MIMO）系统中，基站配备了大量的低分辨率模数转换器（ADC）。我们的重点是在发射机和接收机都没有任何先验信道状态信息的情况下。这意味着衰落实现必须通过导频传输，然后在接收机处基于粗略量化的观测进行信道估计来学习。我们提出了一种新的信道估计器，Bussgang的分解的基础上，和一种新的近似的有限分辨率ADC可实现的速率，无论是有限基数星座和高斯输入的情况下，这是准确的广泛的系统参数。通过数值结果，我们说明，对于1位量化的情况下，基于导频的信道估计与最大比梳或迫零检测，使可靠的多用户通信与高阶星座，尽管严重的非线性ADC介绍。此外，我们表明，在无限分辨率（无量化）的情况下，可达到的速率可以接近使用ADC只有几位的分辨率。最后，我们研究了低ADC分辨率MU-MIMO上行链路对不同用户之间的接收功率不平衡的鲁棒性，例如由不完美的功率控制引起的。
2017-04-03 cs.IT math.IT
Performance Analysis of Multi-Cell Millimeter Wave Massive MIMO Networks with Low-Precision ADCs
在本文中，我们研究了多小区毫米波（mmWave）大规模多输入多输出（MIMO）网络与低精度模数转换器（ADC）在基站（BS）。每个小区为多个用户提供服务，每个用户配备有多个天线，但由单个RF链驱动。本文首先介绍了一种适用于毫米波大规模MIMO网络的信道估计策略，并分析了在不完全信道状态信息下的可达速率。然后，我们得出了一个有见地的下限的可实现的速率，这变得越来越紧的用户数量。该界限清楚地表明了天线数量和ADC精度的影响，特别是对于低信噪比（SNR）的单小区毫米波网络。它表征了各种系统参数之间的折衷。我们的分析结果最终证实了广泛的计算机模拟。
2018-10-05 cs.IT math.IT
Joint Channel-and-Data Estimation for Large-MIMO Systems with Low-Precision ADCs
使用低精度（例如，1-3在非常大的多输入多输出（MIMO）系统中的10位）模数转换器（ADC）是一种降低成本和功耗的技术。然而，在该上下文中，已经示出了仅为了在接收机处获得可接受的信道状态信息（CSI），训练持续时间需要是{ \em非常大}。量化MIMO系统的一个可能的解决方案是联合信道和数据（JCD）估计。本文首先发展了一个分析框架，用于研究使用JCD估计的量化MIMO系统。特别是，我们使用贝叶斯最优推理的JCD估计和实现这种估计利用最近的技术的基础上近似消息传递。基于大系统分析的副本方法，然后通过推导的JCD估计的渐近性能。仿真结果证实了我们的理论研究结果，并揭示了JCD估计器可以提供一个显着的增益比传统的导频在量化MIMO系统中的唯一方案。
2015-01-22 cs.IT math.IT
Spectral Efficiency of Mixed-ADC Receivers for Massive MIMO Systems
研究了多用户大规模多输入多输出（MIMO）系统的上行链路，该系统采用混合模数转换器（ADC）接收机架构，其中一些天线配备了昂贵的全分辨率ADC，另一些天线配备了较便宜的低分辨率ADC。推导了最大比合并（MRC）检测器可实现的频谱效率（SE）的封闭形式近似。在此基础上，分析了基站天线数、发射功率、全分辨率ADC在混合ADC结构中的比例以及低分辨率ADC的量化位数对系统性能的影响。结果表明，可实现的SE随着BS天线和量化比特的数量而增加，并且在高用户功率状态或全ADC分辨率的情况下，它收敛到饱和值。最重要的是，这种工作效率证明，对于大规模MIMO，具有一小部分全分辨率ADC的混合ADC接收机可以与具有所有全分辨率ADC的接收机具有相当的SE性能，但硬件成本要低得多。
2016-08-01 cs.IT math.IT
Limited Feedback in Single and Multi-user MIMO Systems with Finite-Bit ADCs
具有低分辨率模数转换器（ADC）的通信系统可以在发送器和接收器处利用信道状态信息。本文提出了有限位ADC的有限反馈MIMO系统的码本设计和性能分析。首先考虑点对点单用户信道。当接收信号由1位ADC进行切片时，接收器的绝对相位对于对齐接收信号的相位非常重要。因此，提出了一种新的波束形成码本设计，它分别量化信道方向和剩余相位。对于多比特的情况下，最佳的传输方法是未知的，次优高斯信令和特征向量波束成形被假定为获得可实现的速率的下限。研究发现，为了限制速率损失，在中等SNR状态下需要比低SNR和高SNR状态更多的反馈比特，这与传统的无限比特ADC的情况有很大不同。第二，考虑多用户系统，其中多天线发射器将信号发送到具有有限位ADC的多个单天线接收器。基于由于有限位ADC和有限位CSI反馈而导致的导出的性能损失，每个反馈的位数应随着ADC分辨率线性增加，以便限制速率损失。
2017-04-14 cs.IT math.IT
Soft-Output Detection Methods for Sparse Millimeter Wave MIMO Systems with Low-Precision ADCs
低精度模数转换器（ADC）的使用是用于以高于几个G采样/秒的采样率操作的毫米波（mmWave）多输入多输出（MIMO）系统的低成本且功率高效的解决方案。然而，当应用常规频域均衡技术时，由于子载波间干扰，该解决方案可以使显著的误帧率（FER）劣化。在本文中，我们提出了计算效率，但接近最佳的软输出检测方法的编码毫米波MIMO系统与低精度ADC。所提出的方法的基本思想是通过联合利用毫米波信道中的延迟域稀疏性和由低精度ADC引起的高量化噪声来构建极其稀疏的符号间干扰（ISI）信道模型。然后，我们利用这个稀疏信道模型来创建一个状态数减少的网格图或一个边缘连接非常稀疏的因子图。使用减少的网格图，我们提出了一种软输出检测方法，计算的对数似然比（LLR）的编码位通过优化组合的量化接收信号从多个接收天线使用的前向和后向算法。为了进一步降低计算复杂性，我们还提出了一种低复杂度的检测方法，使用稀疏因子图计算LLR在迭代的方式基于置信传播算法。仿真结果表明，所提出的软输出检测方法提供了显着的FER增益相比，现有的频域均衡技术在编码毫米波MIMO系统中使用一位或两位ADC。
2018-11-29 cs.IT math.IT
Channel Estimation in MIMO Systems with One-bit Spatial Sigma-delta ADCs
本文主要研究了单用户和多用户MIMO系统中的信道估计问题，其中多天线基站配备了1位空间Σ-Δ模数转换器。仔细选择1位Σ-Δ型ADC反馈环路中使用的量化电压电平和相移对于提高其有效分辨率至关重要。我们首先建立了1位空间Σ-Δ型ADC的量化噪声模型。使用开发的噪声模型，然后，我们提出了一个两步信道估计算法来估计多径信道参数的增益，到达角（AoAs），和出发角（AoDs）。具体地，在第一步骤中，使用均匀地激励所有角度的上行链路导频来估计AoA和路径增益。接下来，在第二步骤中，通过递归二分法逐步细化上行链路波束来估计AoD。对于这种算法，我们提出了一种技术来选择量化电压电平和相移。通过数值仿真，我们证明了所提出的参数信道估计算法，MIMO系统与1位空间Σ-Δ ADC的性能显着优于那些与常规的1位ADC，并与MIMO系统与高分辨率ADC。
2021-09-19 cs.IT eess.SP math.IT
Semi-Supervised Learning Detector for MU-MIMO Systems with One-bit ADCs
研究了一种采用1位模数转换器（ADC）的上行链路多用户多输入多输出（MU-MIMO）系统。对于这样的系统，监督学习（SL）检测器最近已被提出通过建模成一个参数化的Bernoulli类模型的非线性端到端的系统功能。尽管SL检测器具有吸引人的性能，但它需要大量的标记数据（即，导频信号）来精确地估计基础模型的参数。这是因为参数的数量随着用户的数量呈指数增长。为了克服这个缺点，我们提出了一种半监督学习（SSL）检测器，其中两个导频信号（即，标记的数据）和数据信号的某一部分（即，未标记的数据）用于通过期望最大化（EM）算法估计参数。通过仿真结果，我们表明，建议的SSL检测器可以达到现有的SL检测器的性能，显着降低导频开销。
2019-02-03 cs.IT math.IT
Wideband mmWave Channel Estimation for Hybrid Massive MIMO with Low-Precision ADCs
本文研究了低精度模数转换器（ADC）混合结构下宽带毫米波（mmWave）大规模多输入多输出（MIMO）系统的信道估计。为了设计用于混合结构的信道估计，需要优化模拟处理部件和频率选择性数字组合器。所提出的信道估计器遵循典型的线性最小均方误差（LMMSE）结构，并适用于任意信道模型。此外，对于毫米波中的稀疏信道，所提出的估计器通过结合正交匹配追踪（OMP）来减轻由低精度ADC引起的量化噪声而更有效地执行。因此，所提出的估计优于传统的计算机模拟结果表明。
2018-09-11 cs.IT eess.SP math.IT
Massive MU-MIMO-OFDM Uplink with Direct RF-Sampling and 1-Bit ADCs
模数转换器（ADC）技术的进步为直接对宽带射频（RF）信号进行数字化提供了可能性，从而避免了模拟下变频的需要。在这项工作中，我们考虑了一个基于正交频分复用（OFDM）的大规模多用户（MU）多输入多输出（MIMO）上行链路系统，该系统依赖于在基站直接RF采样和数字化接收到的RF信号与1位ADC。利用Bussgang定理，我们提供了一个解析表达式的误差矢量幅度（EVM）实现的数字下变频和迫零合并。我们的结果表明，直接RF采样1位ADC实现低EVM，并支持大规模MU-MIMO-OFDM上行链路中的高阶星座。
2019-07-16 cs.IT eess.SP math.IT
Spatially Correlated Massive MIMO Relay Systems with Low-Resolution ADCs
在本文中，我们研究了大规模MIMO中继系统，其中中继站（RS）转发来自多个远程用户的信号到基站（BS）。在RS和BS处配备大规模天线阵列以及低分辨率模数转换器（ADC），以保证低成本的高频谱效率。考虑到RS和BS的空间相关性，我们首先研究了规范信道估计过程，从中提取了信道估计的一个易于处理的等价形式以供进一步分析。在这些传输损伤以及ADC量化缺陷下，我们推导出可实现速率的封闭形式近似。在此基础上，全面分析了功率缩放、空间相关度和ADC分辨率位数对系统性能的影响，为实际系统的部署和实现提供指导。数值结果验证了理论分析在一个简单的方式。
2020-04-16 cs.IT math.IT
On the Capacity of Massive MIMO With 1-Bit ADCs and DACs at the Receiver and at the Transmitter
本文研究了在复值加性高斯白噪声（AWGN）干扰下，发射机和接收机均采用1位数模转换器（DAC）和1位模数转换器（ADC）的大规模多输入多输出（MIMO）系统的容量。作为1比特DAC和ADC的结果，假设发送和接收的符号以及发送和接收侧信道状态信息（CSI）被量化为1比特的信息。导出的结果表明，所考虑的大规模MIMO系统的容量是$2N$和$2M$比特每信道使用时，$N$是固定的和$M\to\infty$和$M$是固定的和$N\to\infty$，其中$M$和$N$分别表示发送和接收天线的数量。这些与在发射机和接收机处具有全CSI的相应容量一致。在这两种情况下，我们表明，派生的容量可以实现与噪声1比特CSI在发送端或在接收端，而没有任何CSI在另一端。此外，我们表明，容量可以实现在一个信道使用，而不采用信道编码，这将导致在一个信道使用的延迟。
2019-11-12 cs.IT math.IT
Full-Duplex Massive MIMO Relaying Systems with Low-Resolution ADCs
本文研究了一种多对放大转发大规模MIMO中继系统，中继端和目的端均采用低分辨率ADC。中继站处的信道状态信息（CSI）经由导频训练获得，其然后被中继站用来执行简单的最大比合并/最大比传输处理。此外，假设目的地使用统计CSI来解码所发送的信号。精确和近似的可实现的和速率的封闭形式的表达式，这使得有效的评估系统的关键参数对系统性能的影响。研究了最优中继功率分配方案，并刻画了功率缩放定律。研究发现，在中继端只有低分辨率ADC的情况下，增加中继天线的数量是补偿粗量化引起的速率损失的有效方法。然而，处理低分辨率ADC在目的地的不利影响变得无效。此外，它表明，部署大规模中继天线阵列仍然可以带来显着的功率节省，即，可以与$1/M$成比例地降低每个源的发射功率，以保持恒定的速率，其中$M$是中继天线的数量。
2017-05-14 cs.IT math.IT
Deep Reinforcement Learning for MIMO Communication with Low-Resolution ADCs
针对低分辨率ADC的MIMO通信系统中ADC功耗与通信速率的权衡问题，提出一种结合深度神经网络互信息估计器与策略梯度的强化学习架构来优化混合波束成形矩阵和ADC阈值，理论证明其收敛至全局最优策略，且性能接近穷举搜索。
2025-04-26 cs.IT math.IT
MIMO Systems with One-bit ADCs: Capacity Gains using Nonlinear Analog Operations
模数转换器（ADC）是具有大型天线阵列的毫米波多输入多输出（MIMO）系统的接收器侧的能量消耗的主要贡献者。因此，人们对在MIMO接收机处使用低分辨率ADC以及混合波束成形以提高能效非常感兴趣。然而，降低ADC分辨率会导致量化误差增加，从而导致性能损失（在可实现速率方面）。在这项工作中，我们研究了实际可实现的非线性模拟操作的应用，在ADC采样和量化之前，作为一种减轻上述速率损失的方法。设计了一种由线性模拟组合器、可实现的非线性模拟运算器和一位阈值ADC组成的接收机架构。所得到的通信系统的基本信息理论的性能限制，在可实现的速率方面，在各种假设下的一组可实现的非线性模拟功能进行了研究。为了证明所提出的接收机架构中的非线性操作的可行性，引入了模拟电路，并提供了展示所需的非线性模拟操作的生成的电路仿真。
2022-02-06 cs.IT eess.SP math.IT
Bayesian Optimal Data Detector for Hybrid mmWave MIMO-OFDM Systems with Low-Resolution ADCs
混合模数预编码架构和低分辨率模数转换器（ADC）接收机是用于具有大型天线阵列的毫米波（mmWave）多输入多输出（MIMO）通信系统的降低硬件成本和功耗的两种解决方案。在这项研究中，我们考虑了毫米波MIMO-OFDM接收机与广义混合架构，其中少量的射频（RF）链和低分辨率ADC同时采用。由于低分辨率ADC引入的强非线性，数据检测的任务具有挑战性，特别是实现贝叶斯最佳数据检测器。本研究旨在填补这一空白。通过使用广义期望一致的信号恢复技术，我们提出了一种计算效率高的数据检测算法，提供了一个最小的均方误差估计的数据符号，并扩展到一个混合ADC架构。考虑到MIMO-OFDM信道矩阵的特殊结构，本文提出了一种低复杂度的实现方法，该方法只需要FFT运算和矩阵向量乘法。在此基础上，提出了一个分析框架，在大系统极限下研究了该检测器的理论性能，该框架可以精确地评估检测器的均方误差和符号出错率等性能表达式。在此基础上，研究了在混合ADC结构中增加少量低分辨率RF链和高分辨率ADC的可能性。仿真结果证实了理论分析的正确性，可用于系统的快速设计。结果表明，在原始非量化系统中加入少量低分辨率RF链可以获得显著的增益。
2018-03-25 cs.IT math.IT
Uplink Multiuser Massive MIMO Systems with Low-Resolution ADCs: A Coding-Theoretic Approach
该文研究了一种采用低分辨率模数转换器（ADC）的上行链路多用户大规模多输入多输出（MIMO）系统，其中K个单天线用户与Nr个单天线基站（BS）通信。在这个系统中，我们提出了一个新的多用户MIMO检测框架，启发编码理论。所提出的框架的关键思想是在空间域上创建长度为2Nr的代码C。该代码由所谓的自动编码功能构成，该功能不可设计，但完全由ADC的通道变换和量化功能描述。从这个角度来看，我们转换成一个等效的信道编码问题，其中对应于用户的消息的码字C发送在2Nr个并行信道，每个具有不同的信道可靠性的多用户MIMO检测问题。对于由此产生的问题，我们提出了一种新的加权最小距离解码（wMDD），适当地利用不平等的信道可靠性。结果表明，建议的wMDD产生一个非平凡的增益超过传统的最小距离解码（MDD）。从编码理论的角度，我们发现，误码率（BER）指数下降的最小距离的代码C，这起着类似的作用，在传统的MIMO系统中的条件数。此外，我们开发的通信方法，使用的wMDD的实际情况下，BS没有知识的信道状态信息。最后，数值结果验证了所提出的方法的优越性。
2017-04-11 cs.IT math.IT
Channel Estimation for Spatially/Temporally Correlated Massive MIMO Systems with One-Bit ADCs
本文考虑了大规模多输入多输出（MIMO）系统，使用一位模数转换器（ADC）的信道估计问题。以前的大规模MIMO信道估计技术使用一位ADC都是基于单次估计，而没有利用无线信道中固有的时间相关性。在本文中，我们提出了一种自适应信道估计技术，考虑到空间和时间相关性的大规模MIMO与一位ADC。我们首先使用Bussgang分解线性化的一位量化的接收信号。然后，我们采用卡尔曼滤波器估计的空间和时间相关的信道。由于量化噪声不是高斯的，我们假设有效噪声是具有相同统计量的高斯噪声以应用卡尔曼滤波。我们还实现了基于截断多项式展开的低复杂度信道估计器，性能损失可以忽略不计。数值结果表明，所提出的信道估计器可以提高估计精度显着利用信道的空间和时间的相关性。
2019-12-09 cs.IT eess.SP math.IT
Uplink Multiuser Massive MIMO Systems with One-Bit ADCs: A Coding-Theoretic Viewpoint
研究了一种基于1比特模数转换器（ADC）的上行链路多用户大规模多输入多输出（MIMO）系统，在该系统中，具有单天线的$K$用户与具有$n_r$天线的基站（BS）通信。在这个系统中，我们提出了一个新的MIMO检测框架，这是受编码理论的启发。所提出的框架的关键思想是使用完全由非线性MIMO信道矩阵表征的编码函数来创建长度为$n_r$且速率为$K/n_r$的非线性码$\Cc$。由此，多用户MIMO检测问题被转换成等效信道编码问题，其中，在每个具有不同交叉概率的$n_r$并行二进制对称信道上发送$\Cc$的码字。Levereging这一框架，我们开发了一个最大似然解码方法，并表明，最小距离的$\Cc$是强相关的分集阶。此外，我们提出了一个实际的实施方法时，所提出的框架的信道状态信息是不知道的BS。所提出的方法是使用训练序列在BS处估计码$\Cc$。然后，应用所提出的{ \em加权}最小距离解码。仿真结果表明，该方法在合理的训练开销下，几乎达到了理想的性能。
2017-02-02 cs.IT math.IT
Spectral and Energy Efficiency of Multicell Massive MIMO With Variable-Resolution ADCs Over Correlated Rayleigh Fading Channels
本文分析了采用可变分辨率模数转换器（ADC）的多单元大规模多输入多输出（MIMO）系统的性能。在这样的架构中，每个ADC使用任意量化分辨率以节省功率和硬件成本。沿着这个方向，我们首先介绍了一种基于加性量化噪声模型（AQNM）和线性最小均方误差（LMMSE）估计理论的量化感知信道估计器。然后，利用估计的信道状态信息（CSI），分别推导出最大比合并（MRC）、量化感知多小区最小均方误差（QA-M-MMSE）合并和量化感知单小区最小均方误差（QA-S-MMSE）合并在空间相关Rayleigh衰落信道上可实现的上行链路频谱效率（SE）的渐进表达式。在推导过程中，我们考虑了量化误差的影响，并借助随机矩阵理论得到了渐近结果。最后，仿真结果表明，我们的理论分析是正确的，所提出的量化感知估计器和组合器是更有益的量化不知道的同行。此外，基于一个通用的功耗模型，它表明，低分辨率的ADC可以获得最佳的折衷之间的SE和能源效率（EE）的多个单元的情况下。
2021-09-20 cs.IT math.IT
Active RIS-Aided Massive MIMO Uplink Systems with Low-Resolution ADCs
本文研究了具有低分辨率ADC的主动RIS辅助多用户上行大规模MIMO系统，推导了总可达速率的闭式近似表达式，并提出基于遗传算法优化RIS相移，结果表明主动RIS性能显著优于被动RIS。
2024-04-22 cs.IT eess.SP math.IT
A Low-Complexity Soft-Output wMD Decoding for Uplink MIMO Systems with One-Bit ADCs
研究了一种采用1位模数转换器（ADC）的上行链路多用户多输入多输出（MU-MIMO）系统，其中具有单发射天线的$K$用户与具有$N_{\rm r}$接收天线的基站（BS）通信。在该系统中，最近提出了一种新的MU-MIMO检测方法，称为加权最小距离（wMD）解码，通过引入一个等效的编码问题。尽管其具有吸引人的性能，但wMD解码在实践中具有两个限制：i）硬判决输出可以降低信道码的性能; ii）计算复杂性随着$K$呈指数增长。为了解决这些问题，我们首先提出了一种软输出wMD解码，其有效地计算软度量（即，对数似然比）。然后，我们通过引入{ \em分层码划分}来构造低复杂度（软输出）wMD解码。该方法可以看作是汉明空间中的球形译码，因为搜索空闲被显著地减少。最后，我们证明了所提出的方法显着执行国家的最先进的方法具有可比的复杂性。
2017-07-13 cs.IT math.IT
On Throughput of Millimeter Wave MIMO Systems with Low Resolution ADCs
使用低分辨率模数转换器（ADC）是降低毫米波（mmWave）接收机的高功耗的有效方法。本文提出了一种基于自适应门限的低分辨率ADC接收机，用于毫米波下行通信系统，该系统的信道状态信息是未知的，只能通过信道估计获取。分别提供了用于在发射和接收终端之间进行功率和ADC分配的低复杂度算法的性能比较。通过对实际毫米波蜂窝网络的仿真，结果表明，当使用自适应阈值接收机结合简单的功率和ADC分配策略时，使用低分辨率ADC不会显著降低系统吞吐量（与传统的全数字高分辨率接收机相比）。
2020-02-11 cs.IT eess.SP math.IT
Near Maximum-Likelihood Detector and Channel Estimator for Uplink Multiuser Massive MIMO Systems with One-Bit ADCs
在大规模多输入多输出（MIMO）系统中，对于每个天线元件具有高分辨率模数转换器（ADC）可能不是功率高效的。本文提出了一种用于上行链路多用户大规模MIMO系统的近最大似然（nML）检测器，其中每个天线连接到一对1位ADC，即，一个用于基带信号的每个实部和虚部。在所有可能的发送向量的穷举搜索在原来的最大似然（ML）检测问题所需的放松，制定ML估计问题。然后，ML估计问题转化为一个凸优化问题，可以有效地解决。使用该解决方案，基站可以对来自多个用户的发射信号执行简单的逐符号检测。为了进一步提高检测性能，我们还开发了一个两阶段的nML检测器，利用原始ML和建议（一阶段）nML检测器的结构。数值结果表明，所提出的nML检测器是足够有效的，以同时支持多个上行链路用户采用高阶星座，例如，16正交幅度调制。由于我们的检测器利用信道状态信息作为检测的一部分，因此还开发了一种ML信道估计技术，该技术具有与我们提出的nML检测器共享相同结构的一位ADC。所提出的检测器和信道估计器为大规模MIMO系统的上行链路提供了一个完整的低功耗解决方案。
2016-02-11 cs.IT math.IT
Deep Learning based Channel Estimation for Massive MIMO with Mixed-Resolution ADCs
在这篇文章中，深度学习被应用于估计混合模数转换器（ADC）的大规模多输入多输出（MIMO）系统的上行链路信道，其中一部分天线配备有高分辨率ADC，而其他天线在基站处使用低分辨率ADC。首先提出了一种直接输入深度神经网络（DI-DNN），利用所有天线的接收信号进行信道估计。为了消除粗量化信号的不利影响，开发了选择输入预测DNN（SIP-DNN），其中仅利用由高分辨率ADC天线接收的信号来预测其他天线的信道以及估计它们自己的信道。数值结果表明，所提出的DNN为基础的方法优于现有的方法，特别是与混合的一位ADC，以及所提出的方法对不同的ADC分辨率模式的有效性。
2019-08-17 cs.IT eess.SP math.IT
Channel Estimation for RIS-aided mmWave Massive MIMO System Using Few-bit ADCs
毫米波（mmWave）大规模多输入多输出（massive multiple-input multiple-output，massive MIMO）是第五代及以后无线通信系统中最有前途的技术之一。然而，大量的天线导致高功耗和硬件成本，并且高频通信给基站（BS）处的模数转换器（ADC）带来沉重的负担。此外，在大型天线阵列系统中为每个天线配备高精度ADC成本太高。采用低分辨率ADC来解决这个问题是有希望的。在本文中，我们研究了毫米波大规模MIMO系统的级联信道估计的可重构智能表面（RIS）与BS配备了几位ADC的辅助。由于级联信道的低秩特性，级联信道的估计可以用低秩矩阵完备化问题来表示。本文提出了一种贝叶斯最优信道估计框架，用于估计用户-基站-基站级联信道，以解决量化带来的信息丢失问题。为了实现估计器和实现矩阵完成，我们使用高效的双线性广义近似消息传递（BiG-AMP）算法。大量的仿真结果表明，我们提出的方法可以准确地估计级联信道的RIS辅助毫米波大规模MIMO系统与低分辨率ADC。
2023-01-26 cs.IT eess.SP math.IT
Supervised-Learning-Aided Communication Framework for MIMO Systems with Low-Resolution ADCs
本文研究了一种采用低分辨率模数转换器的多输入多输出系统。在这个系统中，我们提出了一个新的通信框架，是受监督学习。所提出的框架的关键思想是学习非线性输入输出系统，该系统由无线信道和ADC处使用的量化函数的级联形成，用于数据检测。在该框架中，传统的信道估计过程被系统学习过程所取代，在系统学习过程中，通过发送所有可能的数据信号的重复作为导频信号来经验地学习非线性系统的条件概率质量函数（PMF）。然后，基于在系统学习期间获得的经验条件PMF执行后续数据检测处理。为了减少训练开销和检测复杂度，我们还开发了一种监督学习辅助的连续干扰消除方法。在该方法中，数据信号矢量被划分为具有减少的维度的两个子矢量。然后，这两个子向量连续检测的基础上学习使用人工噪声信号和估计的信道的条件PMF。对于一位ADC的情况下，我们推导出一个解析表达式的矢量错误率的建议框架下，完美的信道知识在接收机。仿真结果表明，所提出的框架相比，传统的检测技术，是基于信道估计的检测误差减少。
2020-08-06 cs.IT math.IT
Study of Iterative Detection and Decoding for Large-Scale MIMO Systems with 1-Bit ADCs
针对大规模多用户多天线系统的上行链路，提出了一种新的迭代检测和译码方案。为了降低接收机的能量消耗和计算复杂性，在前端采用了1位模数转换器。由于1比特量化的性能损失可以通过使用大规模天线阵列来减轻。我们提出了一种线性低分辨率感知的最小均方误差检测器的软多用户干扰缓解。此外，短块长度的低密度奇偶校验码被认为是为了避免高延迟。在信道译码器中，设计了一种带比例因子的准均匀量化器，以降低LDPC码的误码平层。仿真结果表明，该系统在比特出错率方面的良好性能相比，以前的工作。
2017-12-23 cs.IT 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
Uplink Achievable Rate for Massive MIMO with Low-Resolution ADC
在这封信中，我们推导出一个大规模的多输入多输出（MIMO）天线系统的上行链路可达到的速率时，有限精度的模数转换器（ADC）和共同的最大比合并技术在接收机的近似解析表达式。为了得到这个表达式，我们把量化噪声作为一个加性量化噪声模型。考虑到得到的表达式，我们表明，低分辨率ADC导致可实现的速率下降，但性能损失可以通过增加接收天线的数量来补偿。此外，我们研究了天线数目与ADC分辨率之间的关系，以及功率-缩放定律。这些讨论支持在实际的大规模MIMO系统中配备低分辨率的高经济性ADC的可行性。
2015-12-02 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
Tradeoff Between Delay and High SNR Capacity in Quantized MIMO Systems
模数转换器（ADC）是具有大量天线的多输入多输出（MIMO）通信系统的功耗的主要贡献者。已经提出使用低分辨率ADC作为降低MIMO接收器中的功耗的手段。然而，降低ADC分辨率会导致可实现传输速率方面的性能损失。为了减轻速率损失，接收机可以在量化之前对接收到的信号执行模拟处理。先前的工作考虑单次模拟处理，其中在每个通道使用时，接收信号的模拟线性组合被馈送到一组一位阈值ADC。在本文中，提出了一种接收机架构，它使用一系列的延迟元件，以允许块线性组合的接收到的模拟信号。在高信噪比的制度，它表明，所提出的架构实现了最大可实现的传输速率给定一个固定数量的一位ADC。此外，传输速率和延迟元件的数量之间的权衡被识别，其量化了随着延迟元件的数量增加而增加的最大可实现速率。
2019-01-28 cs.IT math.IT
Multipair Massive MIMO Relaying Systems with One-Bit ADCs and DACs
本文研究了一种多对放大转发的大规模MIMO中继系统，中继端采用1位ADC和1位DAC。信道状态信息通过导频训练来估计，然后由中继器用于执行简单的最大比合并/最大比传输处理。利用的Bussgang分解，一个确切的可达到的速率推导出系统与相关的量化噪声。在此基础上，一个封闭形式的渐近近似的可达速率，从而使有效的评估的关键参数对系统性能的影响。此外，功率缩放定律的特点，以研究潜在的能源效率与部署大规模的一位天线阵列在中继。此外，功率分配策略的设计，以补偿所造成的粗量化的速率下降。我们的研究结果表明，信道估计的质量取决于所使用的特定的正交导频序列，相反，任何一组正交导频序列给出相同的结果的非量化系统。此外，双量化中继系统与理想非量化系统之间的和速率差距是低功率区中的$4/π^2$的适度因子。
2017-03-25 cs.IT math.IT
Quantization Design and Channel Estimation for Massive MIMO Systems with One-Bit ADCs
研究了上行链路多用户大规模MIMO系统的信道估计问题。为了显著降低系统的硬件成本和功耗，在基站（BS）使用1位模数转换器（ADC）对接收信号进行解调。由于粗量化导致的严重失真，1比特大规模MIMO系统的信道估计具有挑战性。以前的研究表明，需要非常长的训练序列才能获得可接受的性能。本文研究了一比特大规模MIMO系统中信道估计的最优一比特量化设计问题。我们的分析表明，如果量化阈值是最佳设计的，使用一位ADC可以实现的估计误差接近（增加了一个因素的$π/2$），一个理想的估计器，可以访问未量化的数据。然而，最佳量化阈值取决于未知的信道参数。为了应付这个困难，我们提出了一个自适应量化（AQ）的方法，其中的阈值自适应调整的方式，使阈值收敛到最佳阈值，和随机量化（RQ）计划，随机生成一组不相同的阈值的基础上的一些统计先验知识的信道。仿真结果表明，我们提出的AQ和RQ方案，由于他们明智地设计的阈值，提出了一个显着的性能改善传统的固定量化方案，使用一个固定的（通常为零）阈值，同时实现了大量的训练开销减少信道估计。特别地，即使具有中等数量的导频符号（大约是用户数量的5倍），AQ方案也可以提供接近于完美信道状态信息（CSI）情况的可实现速率的可实现速率。
2017-04-16 cs.IT math.IT
One-Bit Sphere Decoding for Uplink Massive MIMO Systems with One-Bit ADCs
本文提出了一种低复杂度的近最大似然检测（near-MLD）算法，称为一位球解码的上行链路大规模多输入多输出（MIMO）系统与一位模数转换器（ADC）。所提出的算法的思想是通过在球体上搜索来估计由上行链路用户发送的发送符号向量（码字向量），该球体包含在加权汉明距离方面接近基站处的接收信号向量的码字向量的集合。该算法将接收信号矢量分解为多个子矢量，每个子矢量的维数降低，从而降低了球构造的计算复杂性。然后，它并行地生成多个球体，其中每个球体以子向量为中心并且包含子码字向量的列表。该算法的检测性能进行了分析，通过表征的概率，该算法的性能比MLD。分析表明，每个球的尺寸和子码字列表的大小是如何相关的性能复杂度的折衷所提出的算法实现。仿真结果表明，该算法实现了近MLD的性能，同时降低了计算复杂性相比，现有的MLD方法。
2017-12-19 cs.IT math.IT
Fluid Antenna System Meets Low-Resolution ADCs in Energy-Efficient Cell-Free Massive MIMO
The Hong Kong University of Science and Technology（香港科技大学）
本文提出一种基于流体天线系统（FAS）的新型架构，通过集成FAS到无小区大规模MIMO系统中以抵消低分辨率ADC的影响，并联合优化功率控制、FAS位置和ADC比特分配来提升能量效率（EE）。
2026-05-27 cs.IT math.IT
Dynamic Metasurface Antennas for MIMO-OFDM Receivers with Bit-Limited ADCs
正交频率调制（OFDM）和多输入多输出（MIMO）系统的结合在现代通信系统中起着重要的作用。为了满足不断增长的吞吐量需求，未来的MIMO-OFDM接收机预计将利用大量的天线，在动态环境中工作，并探索高频段，同时满足成本，功率和尺寸方面的严格约束。一种实现降低成本和功耗的大规模MIMO接收机的新兴技术是基于动态超表面天线（DMA），其固有地实现捕获中的可控压缩。在这项工作中，我们研究的应用DMA的MIMO-OFDM接收机与比特约束的模数转换器（ADC）。我们提出了一个模型的DMA占其超材料元素的可配置的频率选择性配置文件，从而在频谱灵活的混合结构。然后，我们利用之前基于任务的量化结果来展示如何配置DMA以在存在约束ADC的情况下改善恢复，并提出基于信道状态信息调整DMA参数的方法。我们的数值结果表明，基于DMA的接收机是能够准确地恢复OFDM信号。特别是，我们表明，通过适当地利用DMA的频谱分集，显着的性能增益获得了现有的设计传统的混合架构，证明了潜在的DMA的MIMO-OFDM设置在实现高性能的大规模天线阵列的降低成本和功耗。
2019-12-14 cs.IT eess.SP math.IT
Supervised and Semi-Supervised Learning for MIMO Blind Detection with Low-Resolution ADCs
使用低分辨率模数转换器（ADC）被认为是降低无线收发器的功耗和硬件复杂度的有效技术。然而，在具有低分辨率ADC的系统中，由于接收信号中的显著失真，获得信道状态信息（CSI）是困难的。本文的主要动机是表明学习技术可以减轻CSI不可用的影响。本文研究了基于学习方法的低分辨率ADC的多输入多输出系统的盲检测问题。两种方法，采用一系列的导频符号矢量作为初始训练数据，提出。第一种方法利用循环冗余校验（CRC）来获得更多的训练数据，这有助于提高检测精度。第二种方法基于待解码数据本身可以辅助学习过程的观点，因此除了导频序列之外不需要进一步的训练信息。对于1位ADC的情况，我们提供了所提出的方法的矢量错误率的性能分析。基于分析结果，还提出了设计发射信号的准则。仿真结果表明，所提出的方法优于现有的技术，也更强大。
2019-06-10 cs.IT eess.SP math.IT
On Performance Loss of DOA Measurement Using Massive MIMO Receiver with Mixed-ADCs
大规模多输入多输出（MIMO）的高硬件成本和高功耗是未来无线通信包括超五代（B5 G）和第六代（6 G）的两个挑战。采用低分辨率模数转换器（ADC）被认为是一种很有前途的解决方案。此外，波达方向（DOA）估计是大规模MIMO系统中波束对准和跟踪不可缺少的技术。因此，本文首先研究了混合ADC结构的DOA估计性能。基于加性量化噪声模型推导了该结构的Cramer-Rao下界。最后，性能损失因子和相关的能量效率因子的定义进行了详细的分析。仿真结果表明，该混合ADC结构能够在性能损失、电路成本和能量效率之间取得较好的平衡。更重要的是，只需几位（最多4位）的低分辨率ADC就可以实现令人满意的DOA测量性能。
2022-01-18 cs.IT eess.SP math.IT
Channel Estimation for One-Bit Massive MIMO Systems Exploiting Spatio-Temporal Correlations
大规模多输入多输出（MIMO）可以显著提高系统的整体性能。然而，大规模MIMO系统可能需要大量的射频（RF）链，这可能导致高成本和功耗问题。解决这些问题的一种有前途的方法是在基站处使用低分辨率模数转换器（ADC）。然而，通过使用低分辨率ADC，信道估计成为一项困难的任务。本文讨论了大规模MIMO系统中使用一位ADC的信道估计问题时，信道的空间和时间相关。基于Bussgang分解，其将非线性一比特量化重新公式化为统计上等效的线性算子，通过假设量化噪声遵循高斯分布，使用卡尔曼滤波器来估计空间和时间相关信道。数值结果表明，该方法可以通过适当利用信道的空间和时间相关性，显着提高信道估计质量。
2018-08-21 cs.IT math.IT
Massive MIMO Channel Estimation with Low-Resolution Spatial Sigma-Delta ADCs
我们考虑上行链路大规模多输入多输出（MIMO）系统的信道估计，其中基站（BS）使用具有低分辨率（1-2位）模数转换器的阵列和空间Σ-Δ（$ΣΔ$）架构来在某些角扇区中对远离用户的量化噪声进行整形。我们开发了一个线性最小均方误差（LMMSE）的Bussgang分解的基础上，重新制定的非线性量化器模型，使用一个等效的线性模型加上量化噪声的信道估计。我们还分析了最大比合并（MRC），迫零（ZF），和LMMSE接收器的上行链路可达速率，并提供了一个下限的MRC接收器的可达速率。数值结果表明，优越的信道估计和总和频谱效率性能相比，传统的1或2位量化的大规模多输入多输出系统使用的$ΣΔ$架构。
2021-07-14 cs.IT eess.SP math.IT
Joint CFO and Channel Estimation in Millimeter Wave Systems with One-Bit ADCs
提出了一种在毫米波MIMO系统中联合估计载波频偏和窄带信道的方法。我们假设完美的定时同步，并使用提升技术将底层CFO信道优化问题转换到更高维的空间。利用毫米波MIMO信道在角度域的稀疏性，我们通过求解提升版本的噪声量化压缩感知问题，使用广义近似消息传递来执行联合估计。仿真结果表明，我们的方法是能够恢复的信道和CFO使用一位的测量。
2017-07-29 cs.IT math.IT
Deep Learning for Massive MIMO with 1-Bit ADCs: When More Antennas Need Fewer Pilots
本文考虑了具有1位模数转换器（ADC）的上行链路大规模MIMO系统，并开发了一种基于深度学习的信道估计框架。在该框架中，利用先前的信道估计观测和深度神经网络模型来学习从量化的接收测量到信道的非平凡映射。为此，我们推导出足够的长度和导频序列的结构，以保证这个映射函数的存在。这导致了有趣的\textit{counter-intuitive}观察结果，即当大规模MIMO基站采用更多天线时，我们提出的深度学习方法在相同的导频序列长度下实现了更好的信道估计性能。同样，对于相同的信道估计性能，这意味着当采用更多的天线时，需要更少的导频。对于某些特殊的信道模型，这一观察结果也得到了解析证明。仿真结果证实了我们的观察，并表明，更多的天线导致更好的信道估计的归一化均方误差和可实现的信号-噪声比每天线。
2020-05-07 cs.IT eess.SP math.IT
ADC Bit Allocation under a Power Constraint for MmWave Massive MIMO Communication Receivers
在宽带宽上操作并且使用大量天线的毫米波（mmWave）系统对功耗施加了沉重的负担。在大规模多输入多输出（MIMO）上行链路中，模数转换器（ADC）将是基站接收机中的主要功率消耗者。提出了一种功率受限下的毫米波多用户（MU）大规模MIMO系统比特分配（BA）方法。我们将ADC应用于波束空间投影的模拟相控阵的输出，以利用毫米波信道稀疏性。我们放松均方量化误差（MSQE）最小化问题，并映射到每个ADC的非负整数位的封闭形式的解决方案。在链路级仿真中，所提出的方法在相同或更低的功耗下提供了比传统低分辨率ADC更好的通信性能。我们的贡献是一个接近最优的低复杂度BA方法，最大限度地减少总MSQE下的功率约束。
2017-02-24 cs.IT math.IT
Performance Analysis and Optimization of Network-Assisted Full-Duplex Systems under Low-Resolution ADCs
本文分析低分辨率ADC对网络辅助全双工分布式M-MIMO的影响，设计比特分配算法，推导频谱与能量效率闭式表达式，并用深度Q网络和NSGA-II求解多目标优化，验证了低分辨率ADC的有效性并给出Pareto最优部署指南。
2022-12-17 cs.IT eess.SP math.IT
Capacity Analysis of One-Bit Quantized MIMO Systems with Transmitter Channel State Information
随着新兴无线系统中带宽达到千兆赫量级，高分辨率模数转换器（ADC）成为功耗瓶颈。一种解决方案是采用低分辨率1位ADC。在本文中，我们分析了平坦衰落多输入多输出（MIMO）信道与一位ADC。假设信道状态信息在发射机和接收机处都是已知的。对于多输入单输出信道，我们推导了精确的信道容量。对于单输入多输出MIMO信道，得到了无限信噪比下的容量，并给出了有限信噪比下的容量上界，当信道满秩时，该上界是紧的。此外，我们提出了一种有效的方法来设计输入符号以接近容量实现解决方案。我们将毫米波信道特性，并找到无限的SNR容量的界限。结果显示了路径的数量和接收天线的数量如何影响容量。
2015-11-06 cs.IT math.IT
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
Blind Estimation of Sparse Broadband Massive MIMO Channels with Ideal and One-bit ADCs
我们研究了大规模毫米波MIMO信道盲估计的最大似然问题，同时考虑到其底层的稀疏结构，在宽带制度中的天线的时间移位，并最终在接收器处的一位量化。利用角域中的稀疏性作为一个关键属性，使用户的信道之间的明确的盲分离。这种方法的主要优点是，由于导频序列的开销可以显着减少，特别是当工作在低SNR每天线。此外，由于稀疏性是关于信道的唯一假设，因此所提出的方法对于信道和数据的统计特性是鲁棒的，并且允许在快速时变的情况下执行信道估计和干扰用户与相邻基站的分离。对于1比特接收机的情况下，提出了一种盲信道估计，依赖于期望最大化（EM）算法。此外，性能极限是根据千里眼Cramer Rao下限得出的。仿真结果表明，这种最大似然公式产生优越的估计精度在窄带以及宽带制度与合理的计算复杂性和有限的模型假设。
2017-09-20 cs.IT math.IT
DOA Estimation for Hybrid Massive MIMO Systems using Mixed-ADCs: Performance Loss and Energy Efficiency
本文提出在接收端结合混合ADC架构与HAD结构进行DOA估计，推导了CRLB与性能损失因子的闭式表达式，并分析了能效，表明该架构能显著降低功耗与硬件成本且在性能与功耗间取得更好权衡。
2023-05-20 cs.IT eess.SP math.IT
