Hardware-Aware Beamspace Precoding for All-Digital mmWave Massive MU-MIMO
在毫米波（mmWave）频率下操作的大规模多用户多输入多输出（MU-MIMO）无线系统使得能够向大量用户同时进行宽带数据传输。为了降低全数字基站架构中MU预编码的复杂度，我们提出了一种两阶段预编码架构，该架构首先使用波束空间域中的稀疏矩阵执行预编码，然后进行快速傅立叶逆变换，将结果转换到天线域。稀疏预编码矩阵需要少量乘法器，并支持常规硬件架构，这允许设计硬件高效的全数字预编码器。仿真结果表明，我们的方法接近传统的维纳滤波器预编码的错误率与超过2倍降低复杂度。
2021-08-13 cs.IT eess.SP math.IT
Reliable Beamspace Channel Estimation for Millimeter-Wave Massive MIMO Systems with Lens Antenna Array
采用透镜天线阵列的毫米波大规模MIMO通过波束选择可以大大减少所需的射频（RF）链路数量。然而，波束选择要求基站获得准确的波束空间信道信息。这是一项具有挑战性的任务，因为波束空间信道的大小很大，而RF链的数量有限。本文研究了毫米波透镜天线阵列大规模MIMO系统的波束域信道估计问题。具体而言，首先设计了一种适用于透镜天线阵列的毫米波大规模MIMO系统的自适应选择网络，并在此网络的基础上，将波束空间信道估计问题转化为稀疏信号恢复问题。然后，充分利用毫米波波束空间信道的结构特点，提出了一种性能可靠、导频开销小的基于支持检测（SD）的信道估计方案。最后，性能和复杂度的分析，证明所提出的SD为基础的信道估计方案可以估计稀疏波束空间信道的支持与传统的计划相当或更高的精度。仿真结果表明，该方法能够充分利用波束域信道的结构特性，即使在低信噪比区域，也能获得较好的信道估计性能。
2017-08-24 cs.IT math.IT
Spectrum and Energy Efficient Beamspace MIMO-NOMA for Millimeter-Wave Communications Using Lens Antenna Array
波束空间多输入多输出（MIMO）的最新概念可以显著减少毫米波（mmWave）大规模MIMO系统中所需的射频（RF）链的数量而没有明显的性能损失。然而，现有的波束空间MIMO的基本限制是，在相同的时频资源上，支持的用户的数量不能大于RF链的数量。为了打破这一基本限制，在本文中，我们提出了一种新的频谱和能量高效的毫米波传输方案，该方案将非正交多址（NOMA）的概念与波束空间MIMO相结合，即，波束空间MIMO-NOMA通过在波束空间MIMO系统中使用NOMA，在相同的时频资源下，支持的用户数量可以大于RF链的数量。特别地，在典型的毫米波信道模型下，分析了所提出的波束空间MIMO-NOMA的可达和速率，与现有的波束空间MIMO相比，表现出明显的性能增益。然后，设计了一种基于迫零（ZF）原理的预编码方案，以降低波束空间MIMO-NOMA系统中的波束间干扰。此外，为了最大化可达和速率，通过求解联合功率优化问题，提出了一种动态功率分配算法，该算法不仅考虑了波束内功率优化，还考虑了波束间功率优化。最后，提出了一种低复杂度的迭代优化算法，实现了动态功率分配。仿真结果表明，与现有的波束空间MIMO相比，本文提出的波束空间MIMO-NOMA可以获得更高的频谱和能量效率。
2017-07-21 cs.IT math.IT
Beamspace SU-MIMO for Future Millimeter Wave Wireless Communications
对于未来的网络（即，第五代（5G）无线网络及以后），具有大的可用未许可频谱的毫米波（mmWave）通信是实现千兆多媒体应用的有前景的技术。由于毫米波无线电的短波长，大规模的天线阵列可以封装到毫米波收发器的有限尺寸中。因此，通过定向波束成形（BF），毫米波发射机（MTX）和毫米波接收机（MRX）都能够支持5G网络中的多个波束。然而，对于MTX和MRX之间的传输，大多数工作仅考虑了单个波束，这意味着它们没有充分利用毫米波的潜力。此外，单波束传输的连通性很容易被阻塞。在这种情况下，我们提出了一个单用户多波束并发传输方案，未来毫米波网络与多个反射路径。基于空间频谱重用，该方案可以被描述为波束空间中的多输入多输出（MIMO）技术（即，在波束数域中）。此外，本研究探讨了实现该方案的挑战和潜在的解决方案，包括多波束选择，合作波束跟踪，多波束功率分配和同步。理论分析和数值仿真结果表明，该波束域SU-MIMO能够在保持网络连通性的同时，大幅度提高MTX和MRX之间传输的可达速率。
2017-04-14 cs.IT cs.NI math.IT
Beamspace Channel Estimation for Millimeter-Wave Massive MIMO Systems with Lens Antenna Array
通过采用透镜天线阵列，波束空间MIMO可以利用波束选择来减少毫米波大规模MIMO系统中所需的RF链的数量，而不会有明显的性能损失。然而，要实现接近容量的性能，波束选择需要大尺寸波束空间信道的准确信息，这是一个挑战，特别是当RF链数量有限时。为了解决这个问题，在本文中，我们提出了一种基于可靠支持检测（SD）的信道估计方案。具体来说，我们建议将总波束空间信道估计问题分解为一系列子问题，每个子问题只考虑一个稀疏信道分量。对于每个通道组件，我们首先利用毫米波波束空间通道的结构特征可靠地检测其支持。然后，从总波束空间信道估计问题中去除该信道分量的影响。在检测到所有信道分量的支持度后，稀疏波束空间信道的非零元素可以以较低的导频开销进行估计。仿真结果表明，提出的基于SD的信道估计方法优于传统的信道估计方法，即使在低信噪比区域也具有令人满意的精度。
2016-07-18 cs.IT math.IT
Swarm Intelligence Optimization of Multi-RIS Aided MmWave Beamspace MIMO
针对基站与用户直连链路全阻断的多RIS辅助毫米波波束域MIMO系统，提出基于PSO的低复杂度算法联合优化波束选择、功率分配与RIS配置，在复杂度和速率间实现良好权衡，且增加RIS单元比激活更多基站波束更能提升速率。
2025-05-20 cs.IT eess.SP math.IT
Beamspace Equalization for mmWave Massive MIMO: Algorithms and VLSI Implementations
ETH Zurich（苏黎世联邦理工学院）
针对毫米波大规模MIMO部署中基带处理功耗与成本过高的问题，本文提出新型波束空间均衡算法及对应VLSI架构，在22nm工艺下实现了显著的功耗节省与更优的检测性能。
2025-11-13 cs.AR cs.IT eess.SP
Simultaneous Beam and User Selection for the Beamspace mmWave/THz Massive MIMO Downlink
波束空间毫米波（mmWave）和太赫兹（THz）大规模多输入多输出（massive MIMO）由于其丰富的带宽和高吞吐量而构成下一代通信的有吸引力的方案。然而，它们的用户和波束选择问题必须被有效地解决。受到这一挑战的启发，我们明确地开发了低复杂度的解决方案。我们引入脏纸编码（DPC）的联合用户和波束选择问题。我们揭示了引人注目的属性的DPC和速率在波束空间大规模多输入多输出，显示其单调的演变对用户的数量和选择的波束。然后，我们利用其有益的性质，大大简化了联合用户和波束选择问题。此外，我们开发了一套算法，解决简化的问题，方便同时用户和波束选择的基础上部分波束空间信道的第一次罢工独特的权衡。此外，我们推导了算法的和率界，并分析了它们的复杂度。我们的仿真结果验证了所提出的设计和分析的有效性，确认其优于以前的解决方案。
2023-01-15 cs.IT cs.SY eess.SP
Optimality of the Discrete Fourier Transform for Beamspace Massive MU-MIMO Communication
波束空间处理是一种新兴技术，用于降低在毫米波（mmWave）和太赫兹频率下操作的大规模多用户（MU）多输入多输出（MIMO）通信系统中的基带复杂度。在这样的高频下波传播的高方向性确保了在用户设备和基站（BS）之间仅存在少量的传输路径。为了解决波传播的稀疏性质，波束空间处理传统上计算BS处的均匀线性天线阵列上的空间离散傅里叶变换（DFT），其中每个DFT输出与特定波束相关联。在本文中，我们研究的DFT的最优性条件的稀疏波束空间处理与理想的毫米波信道模型和现实的渠道。为此，我们提出了两个算法，学习酉波束空间变换使用$\ell^4$范数为基础的稀疏性措施，我们调查其最优性理论和模拟。
2021-07-14 cs.IT eess.SP math.IT
Lower Bound on the Sum-rate of Decremental Beam Selection Algorithm for Beamspace MIMO Systems
通常，迫零（ZF）预编码在高干扰状态下遭受严重的接收信噪比（SNR）降级。然而，最近的证据表明，毫米波（mmWave）系统主要是噪声限制的高增益天线作为空间滤波器的干扰信号。这使得ZF预编码与其他线性预编码对应物一样有吸引力。考虑ZF预编码，推导了在毫米波频率下波束空间MIMO（B-MIMO）系统中采用递减波束选择（BS）算法的和速率的下界。该界限通过确定性平方双曲函数将全维和降维（即BS之后）B-MIMO系统的预编码矩阵的Frobenious范数联系起来。注意，ZF预编码和递减BS都不是新概念。然而，推导出的和率界提供了一个新的见解的主题。给定一个特定的全维B-MIMO信道，所提出的界限可以用来理解BS算法的限制。
2019-01-30 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
Beamspace Channel Estimation for Wideband Millimeter-Wave MIMO: A Model-Driven Unsupervised Learning Approach
毫米波（mmWave）通信已经成为集成了广泛的数据需求应用的未来无线网络的有前途的技术之一。为了补偿毫米波信道衰减大的问题，同时避免硬件开销，提出了一种基于透镜的波束域大规模多输入多输出（MIMO）系统。然而，宽带毫米波系统中的波束偏斜效应使得信道估计非常具有挑战性，特别是当接收器配备有有限数量的射频（RF）链时。此外，在新环境中使用毫米波系统之前无法获得真实信道数据，这使得无法使用预先设置的真实数据来训练基于深度学习（DL）的信道估计器。为了解决这个问题，我们提出了一个模型驱动的无监督学习网络，命名为学习去噪的广义期望一致（LDGEC）信号恢复网络。通过利用Stein的无偏风险估计器损失，LDGEC网络可以仅用与导频符号相对应的有限测量来训练，而不是真实的信道数据。即使是为无监督学习设计的，LDGEC网络也可以通过逐去噪的方式用真实信道进行监督训练。数值结果表明，当接收机配备有少量RF链和低分辨率ADC时，基于LDGEC的信道估计器显著优于最先进的基于压缩感知的算法。
2021-05-12 cs.IT eess.SP math.IT
User Scheduling for Millimeter Wave Hybrid Beamforming Systems with Low-Resolution ADCs
我们研究了毫米波（mmWave）混合模拟/数字波束成形系统的上行链路用户调度与低分辨率模数转换器（ADC）。推导新的调度标准的毫米波系统，我们表明，在波束空间中的信道结构，除了信道的幅度和正交性，在最大限度地提高可实现的速率的预定用户由于量化误差起着关键作用。该准则表明，对于给定的信道增益，为了最大化可实现的速率，被调度用户的信道需要（1）具有尽可能多的具有唯一到达角（AoA）的传播路径和（2）在波束空间中均匀的功率分布。利用推导出的标准，我们提出了一种高效的调度算法的毫米波迫零接收机与低分辨率ADC。我们进一步提出了一个弦距离为基础的调度算法，只利用AoA的知识和分析性能推导遍历率在封闭的形式。基于推导出的速率，我们表明，波束空间信道泄漏造成的相位偏移之间的AoA和量化的角度的模拟组合器可以导致通过减少量化误差相比，没有泄漏的信道的总和速率增益。仿真结果验证了所提出的算法和推导的遍历速率表达式的和速率性能。
2019-02-15 cs.IT math.IT
Beamspace Precoding and Beam Selection for Wideband Millimeter-Wave MIMO Relying on Lens Antenna Arrays
依赖于透镜天线阵列的毫米波（mmWave）多输入多输出（MIMO）系统能够经由波束选择以显著减少的射频（RF）链的数量来实现高天线增益。然而，传统的波束选择网络在宽带系统中由于波束偏斜的影响而遭受显著的性能损失。在本文中，我们提出了一个移相器辅助波束选择网络，它使一个单一的RF链，以支持多个聚焦能量波束，以减轻宽带毫米波MIMO系统中的波束偏斜。基于此架构，我们还设计了一个有效的发射预编码器（TPC），最大限度地提高可实现的和速率，它是由波束选择和波束空间预编码。具体而言，我们解耦的波束空间预编码和波束选择的设计问题，利用波束选择矩阵具有有限数量的候选人的事实。对于波束空间预编码设计，提出了一种基于连续干扰消除（SIC）的方法，将相关的优化问题分解为一系列子问题，依次求解。对于波束选择设计，我们提出了一种能量最大波束选择方法，以避免穷举搜索的高复杂性，并推导出所需的波束数量，以达到硬件成本和系统性能之间的一个有吸引力的权衡。我们的仿真结果表明，所提出的波束空间预编码和波束选择方法实现了更高的总速率和更高的能量效率比传统的同行。
2020-04-17 cs.IT eess.SP math.IT
Beamspace Channel Estimation for Millimeter Wave Massive MIMO System with Hybrid Precoding and Combining
提出了一种毫米波（mmWave）大规模多输入多输出系统中波束域信道估计的框架。该框架包括混合预编码和合并矩阵的设计以及过采样波束空间接收矩阵最大项的搜索方法。在此基础上，提出了基于单位矩阵近似（IA）、基于离散零非对角（SZO）和基于集中零非对角（CZO）的三种信道估计方案。从计算复杂度、估计误差和信道训练总时隙数等方面对这些方案与现有的信道估计方案进行了比较。仿真结果表明，所提出的方案优于现有的方案，可以接近理想情况下的性能。特别地，用于信道训练的总时隙可以显著减少。
2019-01-07 cs.IT eess.SP math.IT
CSI Transfer From Sub-6G to mmWave: Reduced-Overhead Multi-User Hybrid Beamforming
针对多用户混合波束成形中导频开销过大的问题，提出SA-MUHBF框架，利用卷积神经网络和图神经网络从sub-6G信道预测mmWave波束空间并选择波束，显著降低了开销并提升了频谱效率与泛化能力。
2024-11-14 cs.IT eess.SP math.IT
Compressed CSI Feedback With Learned Measurement Matrix for mmWave Massive MIMO
实现压缩感知方法获取信道状态信息（CSI）的一个主要挑战在于设计性能良好的测量矩阵以降低稀疏信道向量的维数。广泛采用的随机测量矩阵来自高斯或伯努利分布不是最优的。为了解决这个问题，我们提出了一种完全数据驱动的方法来优化波束空间信道压缩的测量矩阵，这种方法训练一个数学上可解释的自动编码器，根据稀疏恢复的迭代解构造。所得到的测量矩阵可以用较少的测量实现接近完美的CSI恢复，从而可以大大减少反馈开销。
2020-07-11 cs.IT math.IT
Grassmannian-Coded Beamforming for mmWave Channel Sensing with Unknown Complex Path Gain
University of California San Diego（加州大学圣地亚哥分校）；Tampere University（坦佩雷大学）
本文探讨了单RF链非自适应信道感知中通道码与子空间码的新型见解，揭示了最大似然角度估计的性能由最小子空间距离和波束增益决定，并提出基于稀疏天线选择的子空间码提升感知性能。
2026-09-01 cs.IT eess.SP math.IT
Learning Sparsifying Transforms for mmWave Communication via $\ell^4$-Norm Maximization
Ericsson Research（爱立信研究院）；ETH Zurich（苏黎世联邦理工学院）
本文通过ℓ⁴-范数最大化学习毫米波通信的稀疏化变换，评估DFT的最优性并改进稀疏化方法。
2026-01-08 cs.IT eess.SP math.IT
Massive MIMO Channel Estimation for Millimeter Wave Systems via Matrix Completion
实现定向波束形成的毫米波（mmWave）大规模多输入多输出（MIMO）系统需要对无线传播信道进行可靠的估计。然而，毫米波信道的特征在于高可变性，这严重挑战了它们在短训练周期内的恢复。现有的信道估计技术利用了波束域的信道稀疏性或天线域的低秩特性，但仍然需要大量的训练符号来获得满意的性能。在本文中，我们提出了一种新的信道估计算法，联合利用毫米波信道的后两个属性，以提供更准确的恢复，特别是对于较短的训练间隔。所提出的迭代算法是基于交替方向乘法（ADMM），并提供了全局最优解所考虑的凸毫米波信道估计问题的快速收敛性能。
2019-06-06 cs.IT math.IT
Blind SNR Estimation and Nonparametric Channel Denoising in Multi-Antenna mmWave Systems
提出了一种适用于多天线毫米波无线系统的平均噪声功率、接收信号功率、信噪比和均方误差的盲估计方法。所提出的估计器可以以低复杂度计算并且仅依赖于波束空间稀疏性，即，在典型的毫米波信道中仅存在少量的主要传播路径的事实。我们的估计器可用于（i）快速跟踪多天线毫米波系统中的一些关键量，同时避免额外的导频开销，以及（ii）设计需要这些量的高效非参数算法。我们提供了一个理论分析所提出的估计，我们证明了他们的功效，通过合成实验，并使用一个非参数信道矢量去噪任务与现实的多天线毫米波信道。
2021-02-08 cs.IT eess.SP math.IT
Low-Complexity Reconfigurable MIMO for Millimeter Wave Communications
毫米波（mmWave）多输入多输出（MIMO）系统的性能受到传播信道的稀疏性质和收发器处的有限数量的射频（RF）链的限制。可重构天线的引入为设计毫米波MIMO系统提供了额外的自由度。本文提供了一个理论框架，研究毫米波MIMO与可重构天线。基于虚拟信道模型，提出了一种可重构毫米波MIMO系统的结构，该系统在发射端和接收端均采用波束空间混合模拟数字波束形成器和可重构天线。我们表明，采用可重构天线可以提供毫米波MIMO的吞吐量增益。我们推导出在系统中使用可重构天线的平均吞吐量增益的表达式，并进一步推导出信道（准）静态的情况下的中断吞吐量增益的表达式。此外，我们提出了一个低复杂度的算法，用于重新配置状态选择和波束选择。我们的数值结果验证了推导出的吞吐量增益的表达式，并证明了所提出的低复杂度算法的近最佳吞吐量性能。
2018-08-21 cs.IT math.IT
Low-complexity Beam Selection algorithms based on SVD for MmWave Massive MIMO Systems
为了在实践中实现毫米波大规模MIMO系统，具有波束选择的波束空间MIMO以显著减少的射频（RF）链的数量提供了有吸引力的解决方案。我们提出了基于奇异值分解（SVD）的低复杂度波束选择算法。首先通过奇异值分解对信道矩阵进行对角化，然后根据和速率最大化准则，以递减或递增的顺序逐个选择合适的波束。为了显著降低算法的复杂度，我们在最后一次迭代中利用奇异值分解来避免从头开始进行奇异值分解。同时，我们提出的算法自然地获得预编码矩阵，可以消除多用户干扰。仿真结果表明，我们提出的算法可以优于竞争算法，包括全数字零预编码。
2022-07-11 cs.IT eess.SP math.IT
On the Power Leakage Problem in Millimeter-Wave Massive MIMO with Lens Antenna Arrays
新兴的具有透镜天线阵列的毫米波（mmWave）大规模多输入多输出（MIMO）（也称为“波束空间MIMO”）可以有效地减少所需的高功耗射频（RF）链的数量。因此，它被认为是即将到来的5G通信及以后的一种有前途的技术。然而，目前大多数关于波束空间MIMO的研究都没有考虑到波束空间信道中的重要功率泄漏问题，这可能会导致信噪比（SNR）和系统和速率的显着下降。为此，本文提出了一种波束对准预编码方法来处理功率泄漏问题。首先，提出了一种移相器网络（PSN）结构，使波束空间MIMO中的每个RF链能够选择多个波束来收集泄漏功率。然后，基于所提出的PSN结构，设计了一种基于旋转的预编码算法，该算法将所选择的波束的信道增益朝向相同的方向对齐，以最大化每个用户处的接收SNR。此外，我们揭示了一些系统设计的见解，通过分析所提出的波束对准预编码方法的总速率和能量效率（EE）。在仿真中，所提出的方法被发现，以实现接近最佳的和速率性能相比，理想的情况下，没有功率泄漏，并获得更高的EE比现有的计划与线性或平面阵列。
2020-08-24 cs.IT math.IT
Deep Learning-based Compressive Beam Alignment in mmWave Vehicular Systems
Apple Inc.（苹果公司）；Samsung Semiconductor Inc.（三星半导体公司）；North Carolina State University（北卡罗来纳州立大学）；UT Austin（德克萨斯大学奥斯汀分校）
针对毫米波车载系统波束对齐测量开销大的问题，提出利用信道稀疏性与空间结构的深度学习压缩感知矩阵设计方法，并在低分辨率移相器约束下优化采集、波束对齐及子载波功率。
2021-02-27 cs.AI cs.IT eess.SP
Over-the-Air Design of GAN Training for mmWave MIMO Channel Estimation
University of Texas at Austin（德克萨斯大学奥斯汀分校）
未来的无线系统趋向于更高的载波频率，其提供更大的通信带宽，但需要使用大的天线阵列。现有的用于信道估计的信号处理技术在性能和导频开销方面不能很好地缩放到这种“高维”状态。同时，训练用于信道估计的基于深度学习的方法需要将导频测量映射到干净的信道实现的大型标记数据集，其只能使用模拟信道离线生成。在本文中，我们开发了一种新的无监督空中（OTA）算法，利用噪声接收导频测量训练一个深生成模型输出波束空间MIMO信道实现。我们的方法利用生成对抗网络（GAN），同时使用条件输入来区分视线（LOS）和非视线（NLOS）信道实现。我们还提出了OTA算法的联邦实现，该算法将GAN训练分布在多个用户上，并大大减少了用户侧计算。然后，我们制定信道估计从有限数量的导频测量作为一个逆问题，并通过优化训练的生成模型的输入向量重建的信道。我们所提出的方法显着优于正交匹配追踪LOS和NLOS信道模型，和EM-GM-AMP -一个近似的消息传递算法-LOS信道模型，同时实现NLOS信道模型的归一化信道重建误差方面的性能相当。更重要的是，我们提出的框架有可能使用真实的噪声导频测量进行在线训练，不限于特定的信道模型，甚至可以用于从噪声数据的数据集生成器的联邦OTA设计。
2022-05-25 cs.IT cs.LG eess.SP
