Heterogeneous graph neural network for power allocation in multicarrier-division duplex cell-free massive MIMO systems
针对分布式无蜂窝大规模MIMO系统的干扰问题，提出多载波分双工方案及CF-HGNN优化功率分配，在接近传统算法性能的同时大幅降低运算时间，且具备良好可扩展性。
2022-08-14 eess.SP
Optimal Power Allocation in Downlink Multicarrier NOMA Systems: Theory and Fast Algorithms
在这项工作中，我们解决的问题，找到全局最优的功率分配策略，以最大限度地提高用户的总速率（SR）以及系统的能量效率（EE）在单小区多载波非正交多址（MC-NOMA）系统的下行链路。每个NOMA簇包括一组用户，其中在这些用户之间应用了公知的叠加编码（SC）结合连续干扰消除（SIC）技术。通过得到簇内功率分配的闭式表达式，我们证明了MC-NOMA可以等价地转化为虚拟正交多址接入（OMA）系统，其中这些虚拟OMA用户的有效信道增益以闭式形式得到。然后，SR和EE最大化问题分别使用非常快速的注水和Dinkelbach算法解决。MC-NOMA到虚拟OMA系统的等效变换带来了新的理论见解，本文对此进行了讨论。我们的分析扩展到其他场景，例如考虑用户速率公平性，准入控制，长期性能，以及许多未来的下一代多址接入（NGMA）方案，使最近的先进技术，例如，讨论了可重构智能表面。大量的数值结果显示单载波NOMA（SC-NOMA），OMA-NOMA，和OMA之间的性能差距。
2021-11-14 cs.IT eess.SP math.IT
Low-Complexity Receiver Design for Multicarrier CAPA-based Systems in Doubly-Dispersive Channels
针对双弥散信道中的多载波 CAPA 系统，提出一种仅用逐元素标量运算的 GaBP 低复杂度接收机，在 OFDM、OTFS 和 AFDM 波形上显著降低 BER 且复杂度很低。
2025-09-29 eess.SP
Resource Allocation in Cell-Free MU-MIMO Multicarrier System with Finite and Infinite Blocklength
本文针对无小区多用户MIMO多载波系统，在有限和无限块长条件下提出联合用户调度与波束成形设计算法，以最大化加权吞吐量并提升频谱效率。
2023-05-25 cs.IT eess.SP math.IT
Joint Bit Allocation and Hybrid Beamforming Optimization for Energy Efficient Millimeter Wave MIMO Systems
在本文中，我们的目标是设计高能效的端到端的毫米波多输入多输出系统的通信。这通过联合优化数模转换器（DAC）/模数转换器（ADC）位分辨率和混合波束成形矩阵来完成。在发射机（TX）和接收机（RX）处分别引入混合预编码器和混合组合器到三个部分的新颖分解，表示模拟预编码器/组合器矩阵、DAC/ADC比特分辨率矩阵和基带预编码器/组合器矩阵。未知矩阵被计算为矩阵分解问题的解，其中最佳全数字预编码器或组合器由这些矩阵的乘积近似。提出了一种基于乘法器交替方向法的新颖有效的解决方案，以解决TX和RX处的这些问题。仿真结果表明，所提出的解决方案，其中DAC/ADC的位分配是动态的，在操作过程中，实现更高的能量效率时，与现有的基准技术，使用固定的DAC/ADC位分辨率。
2020-03-11 eess.SP
Stream-Adaptive Quantization and Power Allocation in Fronthaul-Constrained MIMO Systems
Bilkent University（比尔肯特大学）；KTH Royal Institute of Technology（皇家理工学院）
本文研究了前端约束MIMO系统中流适应量化与功率分配的影响，提出了一种联合比特和功率分配方案，以提高总速率性能。
2026-04-13 eess.SP
Joint Beamforming Design and Bit Allocation in Massive MIMO with Resolution-Adaptive ADCs
针对大规模MIMO系统，本文利用最优量化性质推导了量化失真协方差矩阵的闭式近似，并提出一种低复杂度启发式算法联合优化波束成形与ADC比特分配，在活动ADC比特数减少40%下使频谱和能量效率均提升6%。
2025-05-05 eess.SP
Semantics-Aware Hierarchical Token Communication: Clustering, Bit Mapping, and Power Allocation
Yonsei University（延世大学）；Singapore University of Technology and Design（新加坡科技设计大学）；Inha University（仁荷大学）
本文提出H-TokCom框架，通过将语义结构嵌入物理层设计，解决传统令牌通信中语义丢失问题。通过聚类和分层位映射，增强语义鲁棒性，实验显示在SNR范围内显著提升语义相似度。
2026-04-30 eess.SP
Energy-Efficient Task Offloading for Vehicular Edge Computing: Joint Optimization of Offloading and Bit Allocation
随着车载网络的快速发展，各种需要高计算资源的应用不断涌现。为了有效地执行这些应用，可以采用车辆边缘计算（VEC）。VEC将计算任务卸载到VEC节点，即，路侧单元（RSU），其改善车辆服务并降低车辆的能量消耗。然而，由于车辆的运动，通信环境是时变的，因此找到最佳卸载参数仍然是一个悬而未决的问题。因此，有必要研究一个最佳的卸载策略，以有效地节省能源有限的车辆。在本文中，我们考虑了通信环境的变化，由于各种速度的车辆，这是没有考虑在以前的研究。然后，以时延约束下车辆总能耗最小为目标，联合优化多车辆的卸载比例和上行/计算/下行比特分配。数值结果表明，所提出的节能卸载策略显着降低了总能耗。
2019-10-15 eess.SP
Energy Efficient ADC Bit Allocation and Hybrid Combining for Millimeter Wave MIMO Systems
由于每个ADC的功耗与其采样分辨率和硬件复杂度呈指数关系，因此可以采用低分辨率模数转换器（ADC）来提高无线接收器的能量效率（EE）。在本文中，我们的目标是共同优化采样分辨率，即，ADC位数和模拟/数字混合组合器矩阵，其为毫米波多输入多输出系统提供高能效解决方案。提出了一种将混合合路器分解为模拟合路器矩阵、比特分辨率矩阵和基带合路器矩阵的新方法。未知矩阵被计算为矩阵分解问题的解，其中最优的全数字组合器由这些矩阵的乘积近似。提出了一种基于乘子交替方向法的有效解决方案。仿真结果表明，所提出的解决方案实现了高EE性能相比，现有的基准技术，使用固定的ADC分辨率。
2019-09-26 eess.SP
Meta-Heuristic Fronthaul Bit Allocation for Cell-free Massive MIMO Systems
本文针对无小区大规模MIMO系统中前传链路容量受限导致的量化误差问题，提出一种基于和声搜索的分层比特分配算法，以低计算复杂度实现频谱效率和公平性的自适应优化。
2024-03-28 eess.SP
Iterative Receiver for Non-Orthogonal Waveforms Based on the Sum-Product Algorithm
基于因子图上的和积算法（SPA），给出了广义频分复用（GFDM）和带偏移的滤波器组多载波QAM（FBMC-OQAM）的图形表示。选择FBMC-OQAM是因为它具有降低算法复杂度的优点，因为它与传输的数据符号所假设的可能值的数量直接相关。接收机算法的性能进行评估的误码率（BER）估计考虑两个信道模型，加性高斯白噪声（AWGN）和平坦衰落时变（瑞利）。同样，还给出了计算复杂性分析。数值结果表明，该方案的误码率曲线与理论误码率曲线有很好的匹配。
2019-09-02 eess.SP
Single-User mmWave Massive MIMO: SVD-based ADC Bit Allocation and Combiner Design
针对单用户毫米波大容量多输入多输出接收机，提出了一种基于奇异值分解的变分辨率模数转换器（ADC）比特分配方案。我们推导出了功率约束下比特分配的最优性条件。该条件确保了在均方误差（MSE）意义上的最佳接收机性能。我们推导出MSE表达式，并表明它接近Cramer-Rao下界（CRLB）。CRLB被看作是模拟组合器、数字组合器和比特分配矩阵的函数。我们试图通过对组合器的结构做出适当的假设来最小化CRLB相对于比特分配矩阵。在此过程中，比特分配设计简化为一组简单的不等式，由ADC比特、信道奇异值和每条RF路径上量化噪声的协方差组成，从而得到一种简单且计算效率高的比特分配算法。使用模拟，我们表明，我们提出的比特分配的MSE性能是非常接近的全搜索（FS）的比特分配。与基于FS和遗传算法的$\cite{Zakir1}$比特分配算法相比，该算法的计算复杂度有一个数量级的提高
2018-04-23 cs.IT eess.SP math.IT
Capacity analysis and bit allocation design for variable-resolution ADCs in Massive MIMO
我们推导出一个表达式的容量大规模多输入多输出毫米波（毫米波）信道的接收机配备了一个可变分辨率的模数转换器（ADC）和混合组合器。示出的能力是一个函数的Cramer-Rao下界（CRLB）为一个给定的比特分配矩阵和混合组合器。推导了接收机功率约束下最佳ADC比特分配的条件。这是基于相对于给定信道的比特分配矩阵、混合预编码器和混合组合器的容量的最大化而导出的。结果表明，这个条件与使用CRLB最小化艾哈迈德等人提出的。蒙特卡洛模拟表明，使用所提出的条件计算的容量与使用穷举搜索比特分配获得的容量非常接近。
2018-09-08 cs.IT eess.SP math.IT
A Novel Algorithm for Rate/Power Allocation in OFDM-based Cognitive Radio Systems with Statistical Interference Constraints
在本文中，我们采用多目标优化方法，联合优化基于OFDM的认知无线电（CR）系统的速率和功率。我们提出了一种新的算法，联合最大化基于OFDM的CR系统的吞吐量和最小化其发射功率，同时保证每子载波的目标误比特率和总发射功率阈值为次要用户（SU），并限制同信道和相邻信道干扰现有的主用户（PU）的统计方式。由于干扰约束在统计上得到满足，因此SU发射机不需要来自PU接收机的完美信道状态信息（CSI）反馈。封闭形式的表达式推导出每个子载波的比特和功率分配。仿真结果表明了该算法的性能，并与理想CSI的情况进行了比较。此外，结果表明，所提出的算法的性能接近一个穷举搜索的离散的全局最优分配，显着降低计算复杂度。
2019-02-08 eess.SP
Hybrid Hughes-Hartogs Power Allocation Algorithms for OFDMA Systems
本文分析了OFDMA系统中功率约束下传输速率最大化问题的Hughes-Hartogs（HH）离散解，并探讨了降低贪婪算法计算复杂度的机制。除了解决方案的特性，计算复杂性分析开发，考虑到运行时间的目的执行操作的数量。此外，我们已经通过与HH解决方案获得的吞吐量的系统容量进行了比较，其变体结合三个复杂性降低机制。这些工具包括通过舍入注水（WF）解决方案的结果计算的初始分配位向量，每次迭代更新的多个子信道，以及采用子信道分组过程。我们的研究结果表明，多个子信道的更新和子载波分组技术减少了原来的HH收敛所需的迭代次数，与一些吞吐量下降。此外，基于WF的比特分配机制被部署为替代方案，以克服HH解决方案，增加了计算复杂度。
2018-12-22 eess.SP
A Joint Combiner and Bit Allocation Design for Massive MIMO Using Genetic Algorithm
在本文中，我们推导出一个封闭形式的表达的组合器的多输入多输出（MIMO）接收机配备了最小均方误差（MMSE）估计。我们建议在射频（RF）路径上使用可变位分辨率模数转换器（ADC）。采用极低位分辨率ADC（1- 2位）是大规模多输入多输出（MIMO）接收机架构的一种常用方法，可降低大功率需求。我们表明，对于某些信道条件，采用不相等的位分辨率ADC（例如，在1和4比特之间）与所提出的组合器一起，改善了MIMO接收机在均方误差（MSE）意义上的性能。可变位分辨率ADC仍然在所有路径上使用相等位分辨率ADC的功率约束内（例如，2位）。我们提出了一种遗传算法结合派生的组合器，以达到最佳的ADC比特分配框架，显着降低计算复杂度。
2017-11-17 cs.IT eess.SP math.IT
Energy-Minimizing Bit Allocation For Powerline OFDM With Multiple Delay Constraints
我们提出了一种电力线正交频分复用（OFDM）的比特分配方案，最大限度地减少总的传输能量的总比特和延迟的约束。多个延迟要求源于发射机必须时分复用并发送到接收机的不同数据集。建议的比特分配考虑到子信道的信道功率噪声密度比，以及统计的窄带干扰和脉冲噪声是普遍存在于电力线通信（PLC）信道。所提出的方案是最优的1或2组数据，是次优的2组以上的数据。然而，数值例子表明，所提出的计划执行接近最优。此外，它是计算复杂度低于最优方案，特别是当最小化总能量超过大量的数据集。我们还比较了所提出的方案与一些现有的计划，发现我们的计划需要较少的总发射能量时，延迟约束的数量是大的。
2020-01-10 cs.IT eess.SP math.IT
Joint Quantized Precoding and Bit Allocation for Fronthaul-Constrained Cell-Free Massive MIMO
Bilkent University（比尔肯特大学）
针对前传受限的无小区大规模MIMO下行链路，提出基于Bussgang分解的量化感知联合预编码与比特分配算法，在功率和比特约束下迭代优化，显著优于传统方案。
2026-09-23 cs.IT eess.SP math.IT
Joint Uplink-Downlink Fronthaul Bit Allocation in Fronthaul-Limited Massive MU-MIMO Systems
KTH Royal Institute of Technology（皇家理工学院）
本文研究了大规模MIMO系统中前传链路受限的上行-下行前传比特分配问题，提出了一种基于硬化界的方法以最大化频谱效率，并通过算法实现了比特分配的优化。
2026-01-24 cs.IT eess.SP math.IT
Optimal Bit Allocation Variable-Resolution ADC for Massive MIMO
在本文中，我们推导了在功率约束下配备可变分辨率ADC的单用户（SU）毫米波（mmWave）大规模多输入多输出（Ma-MIMO）接收机的最佳ADC比特分配（BA）条件，其标准如下：（i）最小化所接收信号的均方误差（MSE），量化和组合的符号向量，以及（ii）最大化包含混合预编码器和组合器的SU毫米波Ma-MIMO信道的容量。在两个准则下的最优BA结果相同。我们共同设计了基于信道奇异值分解的混合合路器。我们证明了改进建议的最佳BA的基础上最小化的均方量化误差（MSQE）的BA。使用Monte-Carlo模拟，它表明，所提出的BA的MSE和容量性能是非常接近的穷举搜索（ES）。所提出的技术的计算复杂度进行了比较ES和MQSE BA算法。
2019-02-09 cs.IT eess.SP math.IT
Massive MIMO and NOMA Bits-per-Antenna Efficiency under Power Allocation Policies
在下行链路（DL）单小区大规模多输入多输出（mMIMO）和非正交多址（NOMA）系统中，考虑配备有多个基站的BS，在每天线接收比特的频谱效率（SE）和能量效率（EE）方面进行比较资源分配分析。（$M$）天线，而$K$设备{操作}具有单天线，以及在三种不同的\ac{PA}策略下执行$0<ρ\leq 2$中的{设备的加载} $ρ= \frac{K}{M}$测距：信道功率分配的逆（PICPA）、改进的注水（$Δ$ -WF）分配方法和等功率分配（EPA）参考方法。由于在NOMA系统中每个集群的两个设备在功率域中重叠，因此信道矩阵需要变换以执行在mMIMO中采用的迫零（ZF）预编码。因此，在许多天线下操作的NOMA可以有利于具有更高阵列增益的一组设备，克服mMIMO并且在更高负载范围$0.6<ρ<2.0$中方便地操作。在这种情况下，更现实和有用的度量包括通过分别测量每天线比特和每天线比特每瓦效率来{评估} SE和EE曲线下的面积。我们的数值结果证实了NOMA的优势w.r.t.对于SE-区域度量为3x的量级，对于EE-区域度量为2x的量级的mMIMO。
2023-01-08 cs.IT cs.SY eess.SP
An Optimal Low-Complexity Energy-Efficient ADC Bit Allocation for Massive MIMO
固定低分辨率模数转换器（ADC）有助于降低工作在大带宽下的毫米波大容量多输入多输出（Ma-MIMO）接收机的功耗。但是，它们并不能保证最佳的能源效率（EE）。已有研究表明，在Ma-MIMO接收机中采用可变分辨率（VR）ADC可以在提供更好的EE的同时，提高系统的均方误差（MSE）和吞吐量。我们推导出一个表达式EE作为一个函数的Cramer-Rao下界的MSE的接收，合并，和量化的信号。通过在功率约束下最大化EE，得到了最优BA条件。我们表明，由此获得的最佳BA是完全相同的使用蛮力BA的计算复杂性显着降低。我们还研究了EE的性能和计算复杂性的启发式算法，产生一个接近最优的解决方案。
2021-04-12 cs.IT eess.SP math.IT
Mixed-Precision Quantization: Make the Best Use of Bits Where They Matter Most
本文从搜索视角构建混合精度量化的一般比特分配框架，提出 PPSO 与更高效的 GC-PSO 算法并证明收敛性，且在 FIR 滤波器、接收机和梯度下降中验证其优越性。
2025-06-16 cs.IT eess.SP math.IT
Deep Reinforcement Learning-Based Resource Allocation for Hybrid Bit and Generative Semantic Communications in Space-Air-Ground Integrated Networks
本文提出一种结合比特级与生成式语义通信的混合框架，利用无人机中继和深度强化学习优化资源分配，在空天地一体化网络中实现低延迟、高可靠性的图像传输。
2025-05-26 cs.IT eess.SP math.IT
On the Optimal Refresh Power Allocation for Energy-Efficient Memories
刷新是动态随机存取存储器（DRAM）中防止数据丢失的重要操作。然而，频繁的刷新操作会导致相当大的功耗并降低系统性能。刷新功率成本在高容量存储设备和电池供电的边缘/移动应用中尤其重要。在本文中，我们提出了一个原则性的方法来优化刷新功率分配。给定一个模型的位出错率依赖于功率，我们制定了一个凸优化问题，以最小化字均方误差的刷新功率约束，因此，我们可以保证所获得的刷新功率分配的最优。此外，我们提供了一个整数规划问题，以优化离散刷新间隔分配。对于一个8位访问的字，数值结果表明，优化的非均匀刷新间隔降低了29%的刷新功率在50 dB的峰值信噪比相比，均匀分配。
2019-07-18 cs.AR cs.IT eess.SP
DeepOFW: Deep Learning-Driven OFDM-Flexible Waveform Modulation for Peak-to-Average Power Ratio Reduction
School of Electrical and Computer Engineering, Ben-Gurion University of the Negev（本· Gurion 内盖夫大学电气与计算机工程学院）
本文提出DeepOFW框架，通过深度学习驱动设计低复杂度硬件的OFDM灵活波形，降低PAPR并提升BER性能，同时提供开源实现以促进研究与应用。
2026-03-15 cs.IT cs.LG eess.SP
