Sparsity-Adaptive Beamspace Channel Estimation for 1-Bit mmWave Massive MIMO Systems
我们提出了稀疏自适应波束空间信道估计算法,提高精度的1位数据转换器在全数字毫米波(mmWave)大规模多输入多输出(MIMO)基站。我们的算法包括一个调整阶段的基础上斯坦的无偏风险估计(SURE),自动选择最佳的去噪参数取决于瞬时信道条件。与视线(LoS)和非LoS毫米波大规模MIMO信道模型的仿真结果表明,我们的算法提高信道估计精度与1位测量的计算效率的方式。
2020-05-30 cs.IT eess.SP math.IT
Beamspace Aware Adaptive Channel Estimation for Single-Carrier Time-varying Massive MIMO Channels
针对时分双工(TDD)模式下单载波频率选择性大规模多输入多输出(MIMO)系统,研究了基于降秩(RR)卡尔曼滤波的序贯波束构造和自适应信道估计问题。在两阶段波束形成中,假设信道是平稳的高斯-马尔可夫随机过程,针对空间相关的时变宽带MIMO信道,提出了一种新的统计预波束形成器设计算法。该算法产生了一个接近最优的预波束形成器,其波束方向图的设计顺序与低复杂度,通过考虑用户分组,并利用卡尔曼滤波和相关的预测误差协方差矩阵的属性。由此产生的设计,基于信道的二阶统计特性,生成波束空间,在该波束空间上可以尽可能准确地实现RR卡尔曼估计器。据观察,自适应信道估计技术连同所提出的顺序波束空间结构显示出显着的鲁棒性的导频干扰。这伴随着预波束形成器的导频开销和维度的显著减少,从而降低了硬件复杂度和功耗。
2017-03-08 cs.IT math.IT
Efficient Transmit Beamspace Design for Search-free Based DOA Estimation in MIMO Radar
本文研究了多输入多输出(MIMO)雷达在波达方向(DOA)估计中的发射波束空间设计问题。介绍了一种新的设计发射波束空间矩阵的方法,该方法使得在接收端使用免搜索DOA估计技术成为可能。该方法的实质是在发射阵元功率均匀分布的约束下,以最小化期望发射波束方向图与实际发射波束方向图之间的差异为基础,设计发射波束空间矩阵。期望的发射波束图案可以具有任意形状,并且允许由一个或多个空间扇区组成。发射波形的数量是偶数,但在其他方面是任意的。为了允许简单的搜索免费的DOA估计算法在接收阵列,旋转不变性的属性建立在发射阵列上施加一个特定的结构上的波束空间矩阵。半定松弛被用来将所提出的配方转化为一个凸的问题,可以有效地解决。我们还提出了一个基于空间划分的设计(SDD)通过划分空间域成几个子扇区,并分配一个子集的发射波束到每个子扇区。与每个子扇区相关联的发射波束被单独设计。仿真结果表明,在DOA估计性能的改善提供了通过使用所提出的联合和SDD发射波束空间设计方法相比,传统的MIMO雷达技术。
2013-05-21 cs.IT math.IT
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
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
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
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
Ambiguity Function of the Transmit Beamspace-Based MIMO Radar
本文针对远场目标和窄带波形的情况,推导了基于发射波束域(TB)的多输入多输出(MIMO)雷达的模糊函数(AF)。发射相干处理增益和波形分集的影响被纳入AF定义。为了覆盖由不同因素传递的所有相位信息,我们引入了等效发射相位中心。新定义的AF作为一种广义的AF形式,相控阵(PA)和传统的MIMO雷达AF是重要的特殊情况。我们建立之间的关系,定义的基于TB的MIMO雷达AF和现有的AF结果,包括伍德沃德的AF,AF定义为传统的共址MIMO雷达,以及PA雷达AF,分别。此外,我们比较了基于TB的MIMO雷达AF与平方和形式的AF定义,并确定了两种限制情况下,以限制其在多普勒延迟域中的“清晰区域”,即没有旁瓣。导出了这两种情况下的相应界限,并且表明最坏情况下的界限与传输波形的数量K成反比,而最好情况下的界限与K无关。基于TB的MIMO雷达AF的实际“清晰区域”取决于阵列配置,并且在最坏和最好情况界限之间。我们提出了一个TB的设计策略,以减少AF旁瓣的水平,并在仿真中显示,适当的TB矩阵的设计,导致基于TB的MIMO雷达AF的相对旁瓣水平的减少。
2015-03-23 cs.IT math.IT
Deep Learning for Beamspace Channel Estimation in Millimeter-Wave Massive MIMO Systems
毫米波大规模多输入多输出(MIMO)可以使用透镜天线阵列来显著减少射频(RF)链的数量,但是由于RF链的数量远小于天线的数量,因此信道估计具有挑战性。通过利用波束空间信道的稀疏性,波束空间信道估计可以被公式化为稀疏信号恢复问题,该问题可以通过称为近似消息传递(AMP)的经典迭代算法来解决,并且其相应版本的学习AMP(LAMP)由深度神经网络(DNN)实现。然而,这些现有的方案不能达到令人满意的估计精度。为了提高信道估计的性能,本文提出了一种基于先验辅助高斯混合LAMP(GM-LAMP)的波束域信道估计方法。具体地说,基于先验信息,波束空间信道元素可以建模的高斯混合分布,我们首先推导出一个新的收缩函数来完善AMP算法。然后,通过使用高斯混合收缩函数代替LAMP网络中的原始收缩函数,开发了一种先验辅助的GM-LAMP网络,以更准确地估计波束空间信道。利用理论信道模型和基于光线跟踪的信道数据集进行仿真,结果表明,所提出的GM-LAMP网络具有更高的信道估计精度。
2020-10-23 cs.IT eess.SP math.IT
Beam Management for Millimeter Wave Beamspace MU-MIMO Systems
毫米波(mmWave)通信作为用于5G网络的有前途的技术已经引起越来越多的关注。毫米波的关键架构特征之一是在发射器和接收器侧使用大规模天线阵列。因此,通过采用定向波束成形(BF),毫米波基站(MBS)和毫米波用户(MUE)都能够支持多波束同时传输。然而,大多数研究只考虑了单个波束,这意味着它们没有充分发挥毫米波的潜力。在此背景下,为了提高具有多次反射的短距离室内毫米波网络的性能,我们研究了下行链路多用户多波束传输的挑战和潜在解决方案,其可以被描述为高维(即,波束空间)多用户多输入多输出(MU-MIMO)技术,包括多用户BF训练、同时用户分组和多用户多波束功率分配。此外,我们提出的理论和数值结果表明,波束空间MU-MIMO相比,单波束传输可以大大提高毫米波系统的速率性能。
2018-09-30 cs.IT cs.NI math.IT
Beamspace Modulation for Near Field Capacity Improvement in XL-MIMO Communications
本文针对XL-MIMO近场空间自由度增加的问题,提出波束空间调制(BM)策略,利用固定少量射频链路将空间自由度作为调制资源提升容量,理论和仿真证明其频谱效率显著优于现有基准。
2023-05-17 cs.IT cs.SY eess.SY
Beamspace Channel Estimation for Massive MIMO mmWave Systems: Algorithm and VLSI Design
毫米波(mmWave)通信结合大规模多用户多输入多输出(MU-MIMO)使得能够在相同的时间-频率资源中向多个用户进行高带宽数据传输。在如此高的频率下波传播的强路径损耗需要精确的信道状态信息来确保可靠的数据传输。我们提出了一种新的信道估计算法,称为BEAmspace信道估计(BEACHES),它利用了毫米波频率下的波传播主要是定向的这一事实。BEACHES自适应降噪的波束空间域中的信道向量使用自适应收缩过程,依赖于斯坦的无偏风险估计(SURE)。视线(LoS)和非LoS毫米波信道的仿真结果表明,BEACHES执行与国家的最先进的信道估计方法,同时需要数量级较低的复杂性。为了证明在实践中的有效性,海滩,我们开发了一个超大规模集成(VLSI)架构,并提供现场可编程门阵列(FPGA)的实施结果。我们的研究结果表明,自适应信道去噪可以在高吞吐量和硬件友好的方式进行大规模MU-MIMO毫米波系统与数百个天线。
2020-09-06 cs.IT eess.SP math.IT
Beamspace Dimensionality Reduction for Massive MU-MIMO: Geometric Insights and Information-Theoretic Limits
University of California, Santa Barbara(加州大学圣塔芭芭拉分校)
本文提出了一种基于波束空间降维的线性LMMSE检测方法,通过几何分析和信息论基准验证,实现了在大规模MIMO中的高效干扰抑制。
2025-12-06 cs.IT eess.SP 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
Search-free DOA Estimation Method Based on Tensor Decomposition and Polynomial Rooting for Transmit Beamspace MIMO Radar
为了提高发射波束域多输入多输出(MIMO)雷达的精度和分辨力,提出了一种基于张量分解和多项式求根的无搜索波达方向(DOA)估计方法。该方法首先利用MIMO雷达接收信号的多线性特性,设计一个三阶张量对接收信号进行建模。然后,利用交替最小二乘(ALS)算法进行张量分解,得到包含目标方位信息的因子矩阵,进而将方位估计问题转化为独立最小化问题。通过利用发送导向矢量的Vandermonde结构,构造多项式函数,通过多项式求根来解决最小化问题。该多项式系数中的因子矩阵可视为广义旁瓣抵消器(GSC)中的分块矩阵,从而在发射波束方向图中形成目标方向上唯一的深零陷。与传统的DOA估计方法不同,该方法不需要谱搜索和波束空间矩阵设计,就可以获得DOA估计。仿真结果验证了该方法的有效性。
2020-10-14 cs.IT eess.SP 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
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
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
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
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
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
DOA Estimation for Transmit Beamspace MIMO Radar via Tensor Decomposition with Vandermonde Factor Matrix
研究了张量分解在发射波束域多输入多输出雷达波达方向估计中的应用问题。设计了一种通用的四阶张量模型,使计算效率高的DOA估计。而其他张量分解为基础的方法把所有的因素矩阵作为任意的,所提出的DOA估计方法的本质是充分利用的因素矩阵的Vandermonde结构,以利用不同的子阵列之间和内部的移位不变性。具体地,TB MIMO雷达的接收信号被表示为4阶张量。根据目标多普勒频移,构造的张量被重塑成两个不同的3阶张量。提出了一种计算效率高的张量分解方法来分解范德蒙因子矩阵。通过计算范德蒙因子矩阵的生成元来估计子阵之间的相位旋转,并利用该相位旋转作为查找表来估计目标DOA。它进一步表明,我们提出的方法可以用于更一般的情况下,子阵列结构可以是任意的,但相同的。该方法不需要张量秩的先验信息,并能保证得到精确的分解结果。仿真结果表明,提出的DOA估计方法相比,传统的DOA估计技术的TB MIMO雷达的性能改善。
2021-01-29 cs.IT eess.SP 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
Convolutional Beamspace Beamforming for Low-Complexity Far-Field and Near-Field MU-MIMO Communications
本文提出基于卷积波束空间的低复杂度波束成形方法,通过波束空间降维和空间滤波抑制MU-MIMO用户间干扰,并针对远场和近场场景分别设计,在接近最优性能的同时显著降低复杂度。
2024-09-02 cs.IT eess.SP math.IT
Jamming Detection and Channel Estimation for Spatially Correlated Beamspace Massive MIMO
本文针对波束空间大规模MIMO上行波束训练中的随机导频干扰,提出基于LMPT的干扰检测和两步MMSE信道估计方法,检测概率较基线提升32.22%,信道估计均方误差达-15.93dB。
2024-10-18 cs.IT eess.SP math.IT
Beamspace MIMO for Satellite Swarms
研究了低轨分布式小卫星系统与多天线地面站的协作传输问题。这些卫星群的好处是发射天线的空间间隔比传统的带有天线阵列的大型卫星高得多,有望大幅提高频谱效率。然而,这将需要瞬时完美的信道状态信息(CSI)和卫星之间的强协作。在实践中,7.5 km/s左右的轨道速度导致非常短的信道相干时间,其数量级为卫星间传播延迟的分数,从而使这些假设失效。在本文中,我们提出了一个分布式的线性预编码方案和GS均衡器依赖于本地位置信息。特别地,每个卫星仅需要关于其自身位置和GS的位置的信息,而GS具有完整的位置信息。由于卫星运动的确定性,这种信息很容易获得,在传输期间不需要进行卫星间信息交换。基于基本的几何信道近似,最佳的星间距离解析地获得。数值仿真结果表明,该方案是,平均而言,在99.8%的最大可实现速率的瞬时CSI和完美的合作
2021-12-16 cs.IT eess.SP math.IT
A Generalized Framework on Beamformer Design and CSI Acquisition for Single-Carrier Massive MIMO Systems in Millimeter Wave Channels
针对时分双工(TDD)模式下采用单载波(SC)调制的频率选择性大规模多输入多输出(MIMO)系统,利用毫米波(mm)频段的联合角度-延迟域信道稀疏性,建立了降维信道状态信息(CSI)估计和预波束形成器设计的一般框架。首先,基于一种通用子空间投影方法,考虑了联合角度-时延功率分布和用户分组,推导了空间相关宽带MIMO信道下的降秩最小均方误差(RR-MMSE)瞬时CSI估计器。其次,统计预波束形成器的设计被认为是频率选择性SC大规模MIMO信道。我们研究的降维问题和子空间(波束空间)的建设,RR-MMSE估计可以实现尽可能准确。最后,通过在适当的降维波束空间中进行最小二乘(LS)估计,得到了一种时空域相关器型降秩信道估计器,作为RR-MMSE估计的近似。据观察,所提出的技术显示出显着的鲁棒性的导频干扰(或污染)的导频开销的显着减少。
2016-07-05 cs.IT 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
Exploiting Spatial Multiplexing Based on Pixel Antennas: An Antenna Coding Approach
China Mobile Research Institute(中国移动研究院);Institute for Advanced Study, The Hong Kong University of Science and Technology(香港科技大学高等研究院)
本文提出一种基于像素天线的天线编码方法,通过优化辐射模式提升频谱效率,为6G通信提供新方案。
2025-12-05 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
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
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
Millimeter Wave Communications with Reconfigurable Antennas
传播信道的高度稀疏性质和收发器处射频(RF)链的受限使用限制了毫米波(mmWave)多输入多输出(MIMO)系统的性能。将可重构天线引入毫米波可以为设计毫米波MIMO系统提供额外的自由度。本文提供了一个理论框架,研究毫米波MIMO与可重构天线。我们提出了一种可重构毫米波MIMO的架构,在发射机和接收机的波束空间混合模拟-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。我们推导了使用可重构天线的平均吞吐量增益的表达式,并考虑到大量的重配置状态的情况下,进一步简化的表达式。此外,我们提出了一个低复杂度的算法的重新配置状态和波束的选择,它实现了几乎相同的吞吐量性能的最佳选择的重新配置状态和波束的穷举搜索。
2018-05-31 cs.IT math.IT
Bayesian Compressive Channel Estimation for Hybrid Full-Dimensional MIMO Communications
高效的信道估计在全维多输入多输出通信系统中是具有挑战性的,特别是在具有混合数模架构的通信系统中。在压缩感知框架下,这封信首先设计了一个统一的字典的基础上的球形Fibonacci网格表示在稀疏域中的通道,产生更小的角度误差在三维波束空间比传统的字典。然后,贝叶斯推理辅助贪婪追求算法的频率域信道估计。最后,仿真结果表明,所设计的字典和提出的贝叶斯信道估计优于基准方案,并获得较低的归一化均方误差的信道估计。
2021-12-29 cs.IT eess.SP 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
Transmit Array Interpolation for DOA Estimation via Tensor Decomposition in 2D MIMO Radar
针对平面阵列单基地多输入多输出(MIMO)雷达,提出了一种基于张量建模的二维(2D)联合发射阵列插值和波束空间设计的波达方向(DOA)估计方法。我们的基本思想是将发射阵列映射到所需的阵列,并抑制感兴趣的空间扇区之外的发射功率。这样,在接收阵列处的信号-音调噪声比得到改善。然后,我们沿着每个维度折叠接收到的数据到一个张量结构,并应用基于张量的方法来获得DOA估计。此外,我们推导出一个封闭的形式表示的DOA估计偏差所造成的插值误差,并主张使用一个专门设计的查找表来补偿偏差。相应的Cramer-Rao界(CRB)也被导出。仿真结果显示了所提出的方法的性能,并比较其性能CRB。
2017-05-05 cs.IT math.IT
Tracking Position and Orientation through Millimeter Wave Lens MIMO in 5G Systems
毫米波信号和大型天线阵列被认为是未来5G网络的支持技术。尽管它们对于实现高数据率通信有好处,但是它们对于跟踪用户终端的位置的潜在优点在很大程度上未被发现。针对毫米波频率选择性多输入多输出透镜天线系统,提出了一种基于支撑检测的信道训练方法。我们表明,准确的位置和方向的估计和跟踪是可能的,使用从一个单一的发射机与透镜天线阵列的信号。特别地,波束空间信道估计被公式化为用于估计到达角、离开角和到达时间的下行链路和上行链路中的两个稀疏信号恢复问题。与基于压缩感知的解决方案相比,所提出的方法提供了更高的稀疏检测概率。最后,提出了一种联合启发式波束形成器的设计和用户的位置和方向跟踪方法的基础上获得的信道参数的初始估计在训练阶段。
2018-09-17 cs.IT math.IT
Nonconvex Regularized Gradient Projection Sparse Reconstruction for Massive MIMO Channel Estimation
针对大规模多输入多输出系统的波束域信道估计问题,提出了一种新的稀疏重构算法。所提出的算法最小化具有非凸正则化子的最小二乘目标。这个正则化器从传统的l1范数正则化器中去除了对一些大幅度元素的惩罚,因此它只对预期为零的剩余元素施加惩罚。精确和快速的重建可以通过执行梯度投影更新的框架内的凸函数(DC)的差异规划。通过不同的DC分解,提出了双环算法和单环算法,这两种算法具有不同的计算复杂度和收敛速度。然后,通过设计单循环算法的步长,进一步提出了一种扩展算法。扩展算法具有更快的收敛速度,可以达到近似相同的精度水平,建议的双环算法。数值结果表明,所提出的算法在重建精度和运行时间方面优于现有的重建算法。与基准信道估计技术相比,所提出的算法还实现了更小的均方误差和更高的可实现的频谱效率。
2021-12-01 cs.IT math.IT
Sparse Estimation for XL-MIMO with Unified LoS/NLoS Representation
针对超大规模MIMO信道估计,提出统一LoS/NLoS表示的闭式信道模型及低复杂度XL-UOMP算法,在估计精度和导频开销上均优于现有方法。
2024-03-19 cs.IT eess.SP math.IT
MF-based Dimension Reduction Signal Compression for Fronthaul-Constrained Distributed MIMO C-RAN
在这项工作中,我们提出了一个前传压缩方案的分布式MIMO系统与多天线接收机,其中,在信号量化之前,在每个接收机进行降维匹配滤波接收到的信号与一个子集的本地用户信道向量。通过基于全局信道信息来选择这些匹配滤波器向量,可以通过少量信号分量来捕获高比例的潜在容量,然后可以使用局部信号压缩来有效地压缩这些信号分量。我们概述了一个贪心算法为每个接收器选择匹配的滤波矢量,和一个本地变换编码的方法来量化它们,给出表达式所得到的系统和用户容量。然后,我们表明,该计划很容易修改,以占不完美的CSI在接收机。数值结果表明,在低信号维数下,该方案能够在非常接近于切集界的情况下工作,并且在所有工作点,特别是在高信噪比下,与局部压缩相比,该方案在速率容量权衡方面都有显着的改善。
2020-05-27 cs.IT math.IT
Two-Timescale Hybrid Compression and Forward for Massive MIMO Aided C-RAN
我们考虑云无线电接入网络(C-RAN)的上行链路,其中大规模MIMO远程无线电头端(RRH)充当用户与集中式基带单元(BBU)之间的中继。虽然在RRH处采用大规模MIMO可以提高频谱效率,但它也显著增加了在RRH和BBU之间的前传链路上传输的数据量,这成为性能瓶颈。用于常规C-RAN的现有前传压缩方法不适合于大规模MIMO机制,因为它们需要全数字处理和/或实时全信道状态信息(CSI),导致大规模MIMO RRH的高实现成本。为了克服这一挑战,我们建议在每个RRH执行两个时间尺度的混合模拟和数字空间滤波,以减少前传消耗。具体地,模拟滤波器自适应于信道统计以实现大规模MIMO阵列增益,并且数字滤波器自适应于瞬时有效CSI以实现空间复用增益。这样的设计可以以降低的硬件成本和功耗缓解有限前传的性能瓶颈,并且对CSI延迟更鲁棒。提出了一种模拟和数字滤波器两时标非凸优化的在线算法,并证明了其收敛于稳态解。最后通过仿真验证了该方案的优越性。
2019-03-12 cs.IT math.IT
CSI Compression for Massive MIMO-OFDM: Mismatch-Aware Rate-Distortion Trade-offs
POSTECH(韩国科学技术院)
本文研究了在基站使用不完美的协方差模型重建CSI时,宽频频分复用大规模MIMO的CSI压缩问题。提出了一种基于Gaussian测试信道和不匹配MMSE重建规则的可实现不匹配Gaussian率-失真特性,通过共享特征向量域实现鲁棒的反向水填充分配。
2026-04-19 cs.IT math.IT
A New View of Multi-User Hybrid Massive MIMO: Non-Orthogonal Angle Division Multiple Access
本文从阵列信号处理的角度提出了一种新的多用户混合大规模多输入多输出(MIMO)系统。我们首先证明了,如果用户的到达角(AOA)是不同的,对应于不同的用户的瞬时信道向量是渐近正交的。然后,我们将信道矩阵分解成角度域基矩阵和增益矩阵。前者可以用导向矢量来表示,后者的大小与RF链的数量相同,这与混合预编码的结构完美匹配。提出了一种新的混合信道估计方法,该方法通过分别估计角度信息和增益矩阵,与传统的波束域方法相比,可以显著节省训练开销,提高信道估计精度。此外,借助于角域矩阵,MU大规模MIMO系统可以被视为一种非正交角分多址(ADMA),以在同一频带上同时服务多个用户。最后,通过计算机模拟验证了该方案的有效性。
2017-07-15 cs.IT eess.SP math.IT
Dimension Reduction-based Signal Compression for Uplink Distributed MIMO C-RAN with Limited Fronthaul Capacity
提出了一种基于降维的上行分布式MIMO云无线接入网(C-RAN)信号压缩方案,该方案在接收天线总体过剩的情况下,用户由通过单个有限容量前传链路连接到中央处理器的分布式多天线接收机联合服务。我们首先表明,在量化噪声限制的操作下,在每个接收器处应用线性降维,然后用均匀的量化噪声水平局部压缩,导致总和容量与前传容量近似线性地缩放,并且可以在割集界限的固定间隙内。最大化联合互信息的降维滤波器被证明是条件Karhunen-Loeve变换的截断形式,并给出了一种块坐标上升算法来寻找一个稳定点。分析和数值计算结果表明,信号维数可以减少,而不会显着的信息损失,特别是在高信噪比,保留使用多余的天线的好处。然后,该方法适用于在接收机处的不完美的信道状态信息的情况。该方案在所有前传速率下都明显优于传统的本地信号压缩,并且网络大小的复杂度线性代表了分布式MIMO C-RAN系统的可扩展解决方案。
2020-05-26 cs.IT math.IT
Compressed Sensing Inspired User Acquisition for Downlink Integrated Sensing and Communication Transmissions
本文针对下行多用户MIMO-OFDM系统,提出基于MUSIC时延估计和LASSO波束空间响应估计的两阶段雷达辅助用户获取方法,并通过成对错误概率分析揭示多波束同时探测优于单波束功率集中。
2024-07-01 cs.IT eess.SP math.IT
In-network Compression for Multiterminal Cascade MIMO Systems
我们研究了上行链路级联多输入多输出(MIMO)系统中的接收波束形成问题,作为有损函数计算的级联多端信源编码的一个实例。使用这种连接,我们开发了两个编码方案的第二个,并表明它们的应用导致第一个波束成形方案。在第一种编码方案中,级联中的每个终端发送它所观察到的信源的描述;解码器有损地重建所有信源,然后计算所需函数的估计。该方案改进了标准路由,每个终端只压缩其源w.r. t的新息。由级联中的前一个终端发送的描述。在第二种方案中,期望函数在级联网络中逐步计算,每个终端发送对期望函数的更精细描述,在上行级联MIMO系统中,这两种方案的应用分别导致集中式接收波束形成和分布式接收波束形成。数值结果说明了所提出的方法的性能,并表明他们优于标准路由。
2017-03-06 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
Transmit Energy Focusing for DOA Estimation in MIMO Radar with Colocated Antennas
本文提出了一种多输入多输出(MIMO)雷达发射波束能量聚焦技术,并将其应用于多目标测向。目标的一般角方向被假定为位于某个空间扇区内。我们集中在该空间扇区内的多个(两个或更多个)发射的正交波形的能量,使用发射波束形成器,其被设计为提高在每个接收天线的信噪比(SNR)增益。基于子空间分解的MUSIC技术可以用于多目标的测向。此外,发射波束形成器可以被设计为使得将接收到的数据匹配滤波到波形产生具有旋转不变性属性的多个(两个或更多个)数据集,其允许应用诸如用于两个数据集的ESPRIT或用于多于两个数据集的并行因子分析(PARAFAC)的免搜索方向查找技术。与以前报道的MIMO雷达ESPRIT/PARAFAC为基础的测向技术不同,我们的方法实现了旋转不变性的属性,以不同的方式结合发射能量聚焦。因此,它以较低的计算成本实现了更好的估计性能。特别地,由于发射能量聚焦能力,所提出的技术导致比现有技术更低的Cramer-Rao界限。仿真结果也表明了所提出的技术优于现有的技术。
2010-07-02 cs.IT math.IT
Fronthaul Compression for Uplink Massive MIMO using Matrix Decomposition
针对上行大规模MIMO前传链路传输IQ样本易受限的问题,提出利用接收信号卷积结构、基于交替最小化盲解卷积的迭代压缩技术,实现30-50的压缩比,还可用于OFDM信号盲解码。
2021-10-24 cs.IT eess.SP math.IT
AnciNet: An Efficient Deep Learning Approach for Feedback Compression of Estimated CSI in Massive MIMO Systems
在大规模多输入多输出(m-MIMO)系统中,由于信道状态信息(CSI)开销过大,而反馈带宽有限,因此准确的CSI反馈对于提高系统性能具有重要作用。通过考虑由于不完美的信道估计导致的噪声CSI,我们提出了一种新的深度神经网络架构,即AnciNet,以有限的带宽进行CSI反馈。AnciNet从有噪声的CSI样本中提取无噪声特征,以实现对反馈的有效CSI压缩。实验结果表明,该方法在各种条件下均优于现有方法.
2020-08-17 cs.IT eess.SP math.IT
MIMO Channel as a Neural Function: Implicit Neural Representations for Extreme CSI Compression in Massive MIMO Systems
本文提出基于隐式神经表示的极值CSI压缩方法,将CSI矩阵视为神经函数,通过元学习生成调制并应用于共享基础网络,经量化和熵编码实现极高压缩比,达到最先进性能且反馈策略灵活。
2024-03-20 cs.IT eess.SP 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
MIMO Channel Information Feedback Using Deep Recurrent Network
在多输入多输出(MIMO)系统中,发射端信道状态信息(CSI)的可用性是提高系统性能的关键。最近的基于卷积神经网络(NN)的技术在实现CSI压缩和反馈方面显示出有竞争力的能力。通过引入一种新的神经网络结构,我们提高了MIMO通信中量化CSI反馈的准确性。所提出的NN架构调用了一个名为长短期记忆(LSTM)的模块,该模块允许NN受益于利用无线信道的时间和频率相关性。妥协的性能与复杂性,我们进一步修改的NN架构,大大减少了参数的数量进行训练。最后,实验表明,建议的神经网络结构实现更好的性能,在CSI压缩和恢复精度。
2018-11-19 cs.IT math.IT
Joint Signal and Channel State Information Compression for the Backhaul of Uplink Network MIMO Systems
在网络MIMO蜂窝系统中,基站(BS)的子集或远程无线电头端经由回程链路连接到中央单元(CU),所述中央单元在下行链路中执行联合编码并且在上行链路中执行联合解码。聚焦于上行链路,用于回程链路上的BS与对应CU之间的通信的有效解决方案是基于压缩和转发来自每个BS的基带接收信号。在存在遍历衰落的情况下,从BS向CU传送信道状态信息(CSI)可能需要回程容量的相当大的部分。在先前的工作中,通过假设压缩-前向-估计(CFE)方法来研究这方面,由此BS压缩训练信号并且CSI估计在CU处发生。相反,在这项工作中,研究了估计-压缩-转发(ECF)方法,由此BS执行CSI估计并将CSI的压缩版本转发给CU。这种选择的动机是信息理论的最优分离估计和压缩。提出了各种ECF策略,其执行估计的CSI和接收信号的单独或联合压缩。此外,当考虑多个BS时,所提出的策略与分布式信源编码相结合。还提出了在回程链路上不传送任何CSI或训练信息的“半相干”策略。通过数值结果,它表明,一个适当的设计ECF策略的基础上联合接收信号和估计的CSI压缩或半相干方案导致大量的性能增益相比,更传统的方法,基于非相干传输或CFE方法。
2013-10-23 cs.IT math.IT