Deep Learning Methods for Joint Optimization of Beamforming and Fronthaul Quantization in Cloud Radio Access Networks
Jeonbuk National University(全北国立大学);Pukyong National University(釜庆国立大学);Electronics and Telecommunications Research Institute(韩国电子通信研究院)
跨接入点(AP)的协作波束形成和前传量化策略对于云无线接入网络(C-RAN)系统是必不可少的。C-RAN优化问题的非凸性源于每个AP的功率和前传容量约束,需要高计算复杂度来执行迭代算法。为了解决这个问题,我们研究了一种深度学习方法,其中优化模块被替换为训练有素的深度神经网络(DNN)。提出了一种有效的学习解决方案,该解决方案构造DNN以产生最佳波束成形和量化策略的低维表示。数值结果验证了所提出的学习解决方案的优点。
2021-07-06 cs.IT cs.LG eess.SP
SIM-Enabled Hybrid Digital-Wave Beamforming for Fronthaul-Constrained Cell-Free Massive MIMO Systems
Jeonbuk National University(全北国立大学);King’s College London(伦敦国王学院);Université Paris-Saclay(巴黎萨克雷大学);CNRS(法国国家科学研究中心);CentraleSupélec(中央理工-高等电力学院);Technion Israel Institute of Technology(以色列理工学院)
针对无小区大规模MIMO前传受限问题,提出集成SIM的混合数字-波域波束成形框架,联合优化数字与波域变量及前传压缩,交替优化算法实现接近全数字性能且减少射频链路。
2025-10-15 cs.IT eess.SP math.IT
Joint Fronthaul Multicast and Cooperative Beamforming for Cache-Enabled Cloud-Based Small Cell Networks: An MDS Codes-Aided Approach
基于云的小小区网络(C-SCN)的性能高度依赖于容量受限的前传,当其饱和时,其降低服务质量。编码缓存是解决这些挑战的一种有前途的方法,因为它为前传多播和协作传输提供了大量的机会。本文研究了一种支持缓存的C-SCN,其中小小区基站(SBS)通过前传连接到中央处理器,并且可以通过应用最大距离可分离(MDS)码来预取流行内容。为了充分利用前传多播和协作传输的优点,首先提出了一种基于MDS码辅助的传输方案。我们通过联合优化前传带宽分配、SBS集群和波束成形来制定问题以最大限度地减少内容交付延迟。为了有效地解决由此产生的非线性整数规划问题,我们提出了一个基于惩罚的设计,利用变分重新制定的二元约束。为了改善基于惩罚的设计的解决方案,贪婪SBS聚类设计也被开发。最后,给出了最优解的封闭形式,通过该封闭形式可以量化MDS码的优点。仿真结果表明,所提出的MDS码辅助传输方案的显着优势。
2019-07-20 cs.IT eess.SP math.IT
Cooperative Beamforming for Wireless Fronthaul and Access Links in Ultra-Dense C-RANs with SWIPT: A First-Order Approach
本文研究了云无线接入网(C-RAN)中的多组多播传输,其中密集的远程射频头(RRH)分别为信息用户(IU)和能量用户(EU)提供信息和能量服务。为了最大化信息服务的加权和速率(WSR),同时满足能量收集水平在EU,联合波束成形设计的优化制定的前传和接入链路,然而,这是既不光滑也不凸,确实是NP-难。针对这一问题,利用光滑和逐次凸逼近将原问题转化为一系列凸问题,并分别给出了求解初始可行点和近最优解的两个一阶算法.此外,加速算法的设计,以提高收敛速度,利用Nesterov和重球动量。数值结果表明,所提出的一阶算法与传统的二阶算法相比,在获得几乎相同的WSR的同时,具有更低的计算复杂性,并且在WSR方面优于现有的竞争方案.
2021-06-09 cs.IT math.IT
Joint Design of Digital and Analog Processing for Downlink C-RAN with Large-Scale Antenna Arrays
在具有大规模天线阵列的毫米波通信系统中,传统的数字波束成形可能不是成本有效的。一个有前途的解决方案是实现混合波束成形技术,它包括低维数字波束成形,然后是模拟射频(RF)波束成形。本文研究了云无线接入网(C-RAN)架构下混合波束赋形的优化问题。在C-RAN系统中,数字基带信号处理功能通过有限容量前传链路从远程无线电头端(RRH)迁移到“云”中的基带处理单元(BBU)。具体而言,这项工作解决了联合优化数字波束成形和前传量化策略在BBU,以及RF波束成形在RRH的问题,与最大化的加权下行链路总速率的目标。前传容量和每RRH功率约束连同对RF波束成形矩阵的恒模约束一起被强制执行。提出了一种基于逐次凸逼近和松弛恒模约束的迭代算法。数值仿真结果验证了该方法的有效性。
2017-04-03 cs.IT math.IT
ZF Beamforming Tensor Compression for Massive MIMO Fronthaul
针对5G/B5G大规模MIMO系统中eCPRI前传容量受限的问题,提出结合稀疏Tucker分解、复Givens分解与游程编码的两阶段ZF波束成形权重张量压缩方法,可减轻前传负载、提升RAN并发流数与CSI压缩效率。
2024-03-06 cs.IT eess.SP math.IT
Analysis and Design of Distributed MIMO Networks with a Wireless Fronthaul
我们考虑分布式无线网络的分析和设计,其中远程无线电头端(RRH)协调传输,以服务于同一资源块(RB)上的多个用户。具体来说,我们分析了两种可能的多输入多输出无线前传解决方案:多播和迫零(ZF)波束成形。我们开发了一个统计模型的前传速率,再加上用户访问率的分析,我们优化的RRH的位置。这个模型允许我们制定的位置优化问题的统计约束前传中断。我们的研究结果是谨慎的,表明前传需要相当大的带宽,使联合服务的用户。可以通过在相同RB上服务少量用户来放松该要求。此外,我们表明,与固定数量的天线,多播前传,这是谨慎的集中在几个RRH这些天线。然而,对于ZF波束成形前传,最好将天线分布在更多的RRH上。对于所选择的参数,与多播相比,使用ZF波束成形前传将典型接入速率提高了约8%。至关重要的是,我们的工作量化了这些前传解决方案的效果,并为分布式网络的设计提供了一个有效的工具。
2021-11-18 cs.IT cs.PF cs.SY
A Genetic Algorithm-based Beamforming Approach for Delay-constrained Networks
在本文中,我们研究了初始接入波束形成方案的性能的情况下,大量的,但有限数量的发射天线和用户。特别是,我们开发了一个有效的波束形成方案,使用遗传算法。此外,考虑到毫米波通信的特点和不同的度量,我们调查的各种参数,如天线/接收机的数量,波束成形分辨率以及硬件损伤对系统性能的影响。如图所示,我们提出的算法是通用的,在这个意义上,它可以有效地应用于不同的信道模型,度量和波束成形方法。此外,我们的研究结果表明,该方案可以达到(几乎)相同的端到端的吞吐量的穷举搜索为基础的最佳方法,大大降低了实现复杂性。
2017-03-10 cs.IT math.IT
Fronthaul-Aware User-Centric Generalized Cell-Free Massive MIMO Systems
该研究针对前传受限的广义无蜂窝大规模MIMO系统,提出兼顾协作波束成形与用户中心聚类的通用框架,构建基于长期CSI的用户关联与功率控制优化问题,通过MM技术求解,显著提升了系统平均和频谱效率。
2025-06-17 cs.IT eess.SP math.IT
Efficiently and Globally Solving Joint Beamforming and Compression Problem in the Cooperative Cellular Network via Lagrangian Duality
考虑协作蜂窝网络中的联合波束成形和量化问题,其中多个中继类基站(BS)通过速率受限的前传链路连接到中央处理器(CP),协作地为用户服务。这个问题可以被公式化为总发射功率的最小化,服从所有用户的信号与干扰加噪声比(SINR)约束和所有中继类BS的前传速率约束。在本文中,我们首先表明,有没有考虑的问题和它的拉格朗日对偶之间的对偶间隙,显示所考虑的问题的半定松弛(SDR)的紧密性。然后,我们提出了一个有效的算法的基础上拉格朗日对偶求解所考虑的问题。该算法明智地利用了所考虑的问题的Karush-Kuhn-Tucker(KKT)条件的特殊结构,并通过两个不动点迭代找到满足KKT条件的解。所提出的算法是高效的(因为在两个固定点迭代中评估函数在计算上是便宜的),并保证找到问题的全局解。仿真结果表明了该算法的有效性和正确性。
2022-02-11 cs.IT eess.SP math.IT
Secure Millimeter Wave Cloud Radio Access Networks Relying on Microwave Multicast Fronthaul
在本文中,我们研究的下行链路安全波束成形(BF)的设计问题的云无线接入网络(C-RAN)依赖于多播前传,毫米波和微波载波分别用于接入链路和前传链路。基站(BS)通过协作的混合模拟/数字BF来联合服务用户。我们首先开发用于协作BS的模拟BF。在此基础上,我们制定了一个保密率最大化(SRM)的问题受到现实的有限的前传容量和总BS发射功率约束。由于非凸问题的复杂性,先进的凸逼近技术,约束凹凸程序和半定规划(SDP)松弛被用来将其转化为一个凸的。随后,提出了一种联合优化多播波束赋形、协作数字波束赋形和人工噪声协方差的迭代算法。接下来,我们构造的原始问题的解决方案,利用原始和对偶的最优解的SDP放松的问题。此外,每BS的发射功率约束被认为是,需要重新制定的SRM问题,这可以通过一个有效的迭代算法来解决。然后,我们消除了理想化的简化假设有完美的信道状态信息(CSI)的窃听链路,并调用现实的不完美CSI。此外,最坏情况下的SRM问题进行了研究。最后,结合所谓的$\mathcal{S}$ -过程和凸逼近技术,设计了一种有效的迭代算法来求解该问题,并给出了仿真结果来评估保密率,证明了所提算法的有效性。
2020-02-11 cs.IT math.IT
Enabling Cell-Free Massive MIMO Systems with Wireless Millimeter Wave Fronthaul
无小区大规模MIMO系统具有良好的数据率和均匀覆盖增益。然而,这些系统通常依赖于基于光纤的前传用于中央处理单元(CPU)和分布式接入点(AP)之间的通信,这增加了基础设施成本,导致高安装时间,并且限制了部署灵活性和适应性。为了解决这些挑战,本文提出了两种基于无线前传的无小区大规模MIMO系统的架构,与接入链路相比,无线前传在\textit{higher-band}上操作:(i)仅无线前传架构,其中CPU具有到每个AP的无线前传链路,以及(ii)混合前传架构,其中CPU具有到经由光纤连接在一起的每个AP集群的无线链路。这些双频带架构确保了高数据率前传,并提供了同步分布式AP的高能力。此外,无线前传降低了基础设施成本和安装时间,并增强了网络部署的灵活性、适应性和可扩展性。为了研究所提出的架构的可实现的数据率,我们制定了端到端的数据率优化问题占的前传和接入链路的各个实际方面。然后,我们开发了一个低复杂度,但有效的联合波束成形和资源分配的解决方案,建议架构的基础上,以用户为中心的AP分组。有了这个解决方案,我们表明,所提出的架构可以实现可比的数据率与基于光纤的前传的前传带宽,硬件约束和部署方案的现实假设下获得的。这突出了在实践中实现无小区大规模MIMO增益同时减少基础设施和部署开销的有希望的路径。
2022-08-08 cs.IT eess.SP math.IT
Edge Cache-assisted Secure Low-Latency Millimeter Wave Transmission
在本文中,我们考虑了边缘缓存辅助的毫米波云无线电接入网络(C-RAN)。C-RAN中的每个远程无线电头端(RRH)都有一个本地缓存,可以预取和存储执行器请求的文件。多个RRH形成一个集群,以协同服务的致动器,获得他们所需的文件,无论是从本地缓存或从中央处理器通过多播前传链路。对于这样的情况下,我们制定了一个波束成形设计问题,以最大限度地减少每个RRH的发射功率约束下的安全传输延迟。由于直接求解该问题的困难,我们将其分为两个独立的问题:{ \textit{i)} }通过联合优化发送和接收波束形成来最小化前传传输延迟; { \textit{ii)} }通过联合设计RRH之间的协作波束形成来最小化最大接入传输延迟。提出了一种交替迭代算法来求解第一个优化问题。对于后者,我们首先设计了基于信道状态信息的模拟波束形成。然后,借助于逐次凸逼近和$S$ -过程技术,构造了一个半定规划(SDP),并通过SDP松弛提出了一个迭代算法。最后,仿真结果验证了所提出的方案的性能。
2020-02-11 cs.IT eess.SP math.IT
A Theoretical Performance Bound for Joint Beamformer Design of Wireless Fronthaul and Access Links in Downlink C-RAN
已知标准蜂窝网络中的数据率由于小区间干扰而受到限制。解决这一问题的有效方法是采用多小区协作的思想。在作为5G和未来通信网络中的候选解决方案的云无线电接入网络(C-RAN)中,通过连接到具有有限容量前传链路的简单远程无线电头端的中央处理器(CP)来应用协作。在这项研究中,我们考虑了下行链路C-RAN与无线前传,旨在通过联合设计用于前传和接入链路的波束成形器来最大限度地减少总功率。我们考虑的情况下,完美的信道状态信息是不可用的CP。我们首先推导出一个新的理论性能界的问题定义。然后,我们提出了四个算法,具有不同的复杂性,以显示该界的紧密性。前两种算法采用半定松弛思想的连续凸优化,而另外两种算法则是从著名的波束形成设计方法中改进而来。在实际信道条件下的仿真结果表明,随着算法复杂度的增加,相应的性能越来越接近上界。
2021-02-13 cs.IT eess.SP math.IT
QoS-based Beamforming and Compression Design for Cooperative Cellular Networks via Lagrangian Duality
针对协作蜂窝网络下行链路,提出基于拉格朗日对偶的联合波束成形与压缩设计算法,利用半定松弛紧性消除对偶间隙,通过增强KKT条件与线性收敛的不动点迭代实现全局最优解,并验证其高效性。
2025-04-23 cs.IT eess.SP math.IT
Phase-Only Zero-Forcing for Secure Wireless Communication in Multi-User Systems
针对多用户安全通信,提出相位唯一零强迫(SPZF)方案,通过优化信道划分最小化中断概率,实现低中断和高保密速率,尤其在高信噪比和大量窃听者场景下优于随机算法。
2025-03-26 cs.IT math.IT
Energy Efficient Communications in RIS-assisted UAV Networks Based on Genetic Algorithm
针对 RIS 辅助无人机网络的能耗问题,提出联合优化无人机位置、波束赋形及 RIS 开关与相移的混合遗传算法方案,能效优于现有 SCA 方法。
2023-08-16 cs.IT math.IT
Frequency Diverse RIS (FD-RIS) Enhanced Wireless Communications via Joint Distance-Angle Beamforming
针对传统RIS仅能角度波束成形的局限,提出带时间调制的FD-RIS实现联合距离-角度波束成形,推导信号模型并构建速率最大化非凸优化问题,设计基于CEO的迭代算法求解,仿真验证其性能优于传统RIS方案且算法有效性优于GA基准。
2024-09-13 cs.IT eess.SP math.IT
Uni-polarized RIS Beamforming for Improving Connectivity of Multi-RIS-Assisted D2D Networks
该研究针对多RIS辅助D2D网络连通性提升问题,提出联合优化RIS波束成形、链路选择与部署位置的方案,通过扰动法、遗传算法和Adam优化器分迭代求解,经仿真验证优于现有对比方案。
2024-10-07 cs.IT eess.SP math.IT
Beamforming in Wireless Coded-Caching Systems
Ericsson AB(爱立信公司);Chalmers University of Technology(查尔姆斯理工大学);Ericsson Research(爱立信研究院)
本文研究集成波束赋形与编码缓存的无线传输网络架构,提出基于遗传算法的波束优化方案,有效提升多播机会、抑制干扰并显著降低峰值回程流量。
2023-09-11 cs.IT cs.LG cs.NI
MARS: Message Passing for Antenna and RF Chain Selection for Hybrid Beamforming in MIMO Communication Systems
针对MIMO接收端混合波束成形的功耗与复杂度问题,提出基于LDPC结构的MARS天线与射频链选择方案,含串行/并行两种消息传递模式,在功耗、收敛性与能效上优于现有基准方法。
2024-05-20 cs.IT eess.SP math.IT
WMMSE-Based Joint Transceiver Design for Multi-RIS Assisted Cell-free Networks Using Hybrid CSI
针对多RIS辅助无蜂窝上行MIMO系统,提出基于混合CSI的WMMSE联合收发机与RIS相移设计,并用算子值自由概率推导仅依赖长期统计的渐近AO算法,在有限前传下实现高速率与低开销。
2024-12-04 cs.IT math.IT