Heterogeneous Massive MIMO: A Cost-Efficient Technique for Uniform Service in Cellular Networks
本文提出异构大规模MIMO（HmMIMO）网络范式，通过在每个小区中心保留大规模天线阵列基站并由小区边缘分布式天线辅助，融合蜂窝与去蜂窝架构优势，在性能与实施复杂性间实现良好折衷。
2025-06-27 cs.IT eess.SP math.IT
Closed-form max-min power control for some cellular and cell-free massive MIMO networks
蜂窝和无蜂窝大规模MIMO网络的功率控制问题的许多常见实例可以被解释为涉及仿射干扰映射和多面体约束的最大-最小效用优化问题。我们表明，这些问题承认一个封闭形式的解决方案，它取决于已知矩阵的谱半径。与此相反，以前的文献中的解决方案已间接获得使用基于二分法的迭代算法，或固定点迭代。此外，我们还显示了一个渐近紧界的最优效用，这反过来又提供了一个简单的经验法则，用于评估网络是否在噪声或干扰限制制度。最后，我们说明我们的研究结果集中在经典的最大-最小公平功率控制无小区大规模MIMO网络。
2022-05-03 cs.IT eess.SP math.IT
Cell-Free MIMO Systems Powered by Intelligent Reflecting Surfaces
无蜂窝大规模多输入多输出（MIMO）和智能反射面（IRS）被认为是未来5G网络的多天线技术。由IRS供电的无小区MIMO系统结合了这两种技术，可以以低成本和低能耗进一步提高无小区MIMO系统的性能。先前的工作集中于瞬时性能度量并且依赖于交替优化算法，这强加了巨大的计算复杂性和信令开销。为了解决这些挑战，我们提出了一种新的两步算法，提供了长期的被动波束形成器在IRS使用统计信道状态信息（S-CSI）和短期的主动预编码器和长期的功率分配在接入点（AP），以最大限度地提高最低可实现的速率。仿真结果表明，该方案的性能优于基准方案，并带来了显着的性能增益的无小区MIMO系统由IRS供电。
2022-02-16 cs.IT eess.SP math.IT
Superimposed Transmission for Cooperative Cellular and Cell-Free Massive MIMO Systems
German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）；University of Kaiserslautern (RPTU)（凯泽斯劳滕工业大学）
研究协作蜂窝和无小区大规模 MIMO 系统，提出叠加传输策略，按远近分类用户，基站为近程用户叠加发送数据符号，近程用户用连续干扰消除解码，实现高峰值频谱效率且保持小区边缘公平，提升系统容量。
2026-07-15 cs.IT eess.SP math.IT
Cell-Free XL-MIMO Meets Multi-Agent Reinforcement Learning: Architectures, Challenges, and Future Directions
本文针对无蜂窝XL-MIMO系统的高维信号处理与高能耗问题，提出融合MARL的增强范式，结合近场特性设计两类低复杂度方案以最大化数据速率，并梳理相关机遇挑战与未来研究方向。
2023-10-03 cs.IT eess.SP math.IT
Achieving Distributed MIMO Performance with Repeater-Assisted Cellular Massive MIMO
本文提出中继器辅助的蜂窝大规模 MIMO，通过部署大量低成本小型无线中继器作为有源散射体，以较低代价逼近分布式 MIMO 性能。
2025-01-07 cs.IT eess.SP math.IT
Uplink Performance of Cell-Free Extremely Large-Scale MIMO Systems
在本文中，我们研究了无小区（CF）的超大规模多输入多输出（XL-MIMO）系统，这是一个很有前途的技术，为未来的无线通信的上行链路性能。更具体地，我们考虑具有多个基站（BS）和多个用户设备（UE）的实际场景。为此，我们得到确切的可实现的频谱效率（SE）的表达式为任何组合方案。值得注意的是，我们推导出了具有最大比（MR）合并的CF XL-MIMO的封闭形式的SE表达式。数值结果表明，CF XL-MIMO的SE性能相比于小小区XL-MIMO有很大的提高。有趣的是，较小的天线间距导致贴片天线之间的较高的相关水平。最后，我们证明了增加UE天线的数量可能会降低MR合并的SE性能。
2023-02-14 cs.IT eess.SP math.IT
Improving Sum-Rate of Cell-Free Massive MIMO with Expanded Compute-and-Forward
无小区大规模多输入多输出（MIMO）采用大量分布式接入点（AP）经由相同的时间/频率资源来服务于少量用户设备（UE）。由于强大的宏分集增益，无小区的大规模MIMO可以大大提高可实现的和速率相比，传统的蜂窝大规模MIMO。然而，当在接收机处采用简单最大比合并（MRC）时，无小区大规模MIMO的性能受到用户间干扰（IUI）的上限。为了利用IUI，采用了扩展的计算和转发（ECF）框架。特别是，我们提出了功率控制算法的并行计算和连续计算的ECF框架，分别利用性能增益，然后提高系统性能。此外，我们提出了一个AP选择方案和不同的解码顺序的连续计算的应用。最后，数值结果表明，ECF框架优于传统的CF和MRC框架的可实现的和速率。
2021-11-21 cs.IT eess.SP math.IT
Scalable Cell-Free Massive MIMO Systems
想象一下，一个覆盖区域有许多无线接入点，这些接入点相互合作，共同为用户提供服务，而不是创建自治小区。这种无小区网络操作可以潜在地解决当前蜂窝网络中出现的许多干扰问题。这一目标以前被称为网络MIMO（多输入多输出），最近又以无小区大规模MIMO的名称重新出现。主要的挑战是以实际可行的方式实现无小区操作的益处，其中计算复杂性和前传要求可扩展到具有许多用户的大型网络。我们提出了一个新的框架，可扩展的无小区大规模MIMO系统，利用动态合作集群的概念，从网络MIMO文献。我们提供了一种新的算法，联合初始接入，导频分配和集群的形成，被证明是可扩展的。此外，我们适应标准的信道估计，预编码和组合方法，成为可扩展的。证明了一种新的上行链路和下行链路的对偶性，并使用该对偶性在合并向量的基础上，对预编码向量进行了启发式设计。有趣的是，所提出的可伸缩预编码和组合优于传统的最大比处理，也执行接近最好的不可伸缩的替代品。
2020-05-08 cs.IT eess.SP math.IT
Smart Hybrid Beamforming and Pilot Assignment for 6G Cell-Free Massive MIMO
本文研究了Cell-Free大规模MIMO网络，其中每个接入点（AP）都配备了一个混合收发器，与全数字收发器相比，降低了复杂性和成本。渐近近似的频谱效率推导出上行链路和下行链路。利用这些表达式，最大-最小问题被公式化以优化（i）AP处的模拟波束形成器和（ii）导频分配。仿真结果表明，这些变量的优化大大提高了网络的性能。
2023-01-13 cs.IT eess.SP math.IT
Analysis of UAV Communications in Cell-Free Massive MIMO systems
我们研究支持无人机（UAV）通信通过一个无小区的大规模MIMO架构，其中大量的接入点（AP）部署在大的共址大规模MIMO阵列的地方。我们还考虑通过应用以用户为中心的关联方法，其中每个用户仅从网络中的AP的子集中获得服务的纯无小区架构的变化。在一般的假设下，移动台之间的传播信道，无论是无人机或地面用户（GUE），和AP遵循莱斯分布，我们推导出封闭形式的频谱效率下限的上行链路和下行链路的线性最小均方误差信道估计。我们考虑了几种功率分配和用户调度策略，这样的系统，而且，在这些，也最小速率最大化的功率分配策略，以提高系统的公平性。我们的数值结果表明，无小区的大规模MIMO架构及其低复杂度的以用户为中心的替代方案可以提供比传统的多小区大规模MIMO网络部署更好的性能。
2020-01-10 cs.IT eess.SP math.IT
Variational Bayes Inference for Data Detection in Cell-Free Massive MIMO
无小区大规模MIMO是用于超5G网络的有前途的技术。通过部署许多协作接入点（AP），与传统蜂窝系统相比，该技术可以显著增强用户覆盖和频谱效率。由于AP分布在大的区域上，因此无小区大规模MIMO中的有利传播水平小于共位大规模MIMO中的有利传播水平。因此，当AP天线的数目不是很大时，当前的线性处理方案不接近最优方案。本文的目的是发展非线性变分贝叶斯（VB）方法的数据检测无细胞的大规模MIMO系统。与文献中仅获得发射数据符号的点估计的现有工作相反，所提出的方法旨在获得数据符号的后验分布和贝叶斯估计。我们开发了相应的VB方法的AP之间的合作水平。仿真结果表明，显着的性能优势，开发的VB方法的线性处理技术。
2023-01-11 cs.IT eess.SP math.IT
Cell-Free Massive MIMO With Radio Stripes and Sequential Uplink Processing
与传统MIMO技术相比，无小区大规模MIMO（mMIMO）具有高频谱效率和优越的空间分集，被设想为超越5G的下一代技术。其主要原理是许多分布式接入点（AP）合作，同时为网络中的所有用户提供服务，而无需创建小区边界。本文考虑了一个无小区的mMIMO系统的上行链路利用无线条带网络架构。提出了一种新的归一化线性最小均方误差（N-LMMSE）合并的序列处理算法。该算法能够在无小区MMO中实现干扰抑制，同时保持低成本和前向回传要求。计算并分析了该算法的频谱效率。我们的结论是，它提供了一个有吸引力的低前向回程要求和高频谱效率之间的权衡。
2020-03-05 cs.IT eess.SP math.IT
Cell-Free Massive MIMO-OFDM Transmission over Frequency-Selective Fading Channels
该文提出并分析了频率选择性衰落信道下基于正交频分复用（OFDM）的无小区大规模多输入多输出（CFmMIMO）多载波传输。提出了频域共轭波束形成、导频分配和用户特定的资源分配。CFmMIMO-OFDM是可扩展的，以服务于大量的用户，并且是灵活的，以提供不同的数据率的异构应用。
2021-07-03 cs.IT eess.SP math.IT
Hierarchical Cell-Free Massive MIMO for High Capacity with Simple Implementation
本文提出一种分层无小区大规模MIMO架构，通过中央基站与分布式接入点协同部署，在保持最差用户频谱效率的同时提升总和吞吐量，并显著降低前传实现成本。
2024-01-20 cs.IT eess.SP math.IT
Learning Beamforming in Cell-Free Massive MIMO ISAC Systems
本文针对无蜂窝大规模MIMO ISAC系统中的波束成形设计挑战，提出了一种基于异构图神经网络（GNN）的新模型，该模型支持低复杂度扩展，在增删接入点时无需完全重训练，且能实现接近最优的性能并适应多种网络结构。
2024-09-26 cs.IT eess.SP math.IT
Can Dynamic TDD Enabled Half-Duplex Cell-Free Massive MIMO Outperform Full-Duplex Cellular Massive MIMO?
我们考虑一种支持动态时分双工（DTDD）的无小区大规模多输入多输出（CF-mMIMO）系统，其中每个半双工（HD）接入点（AP）基于用户设备（UE）的数据需求被调度为在上行链路（UL）或下行链路（DL）模式下操作，目标是最大化总UL-DL频谱效率（SE）。我们开发了一种新的，低复杂度，贪婪算法的组合AP调度问题，与理论上建立的最优性保证，通过显示的下限的总和UL-DL SE是子模块化。我们还考虑了UE之间的导频序列重用以限制信道估计开销。在CF系统中，所有AP估计来自每个UE的信道，使得导频分配问题不同于蜂窝情况。我们开发了一种新的算法，迭代最大限度地减少跨UE的导频污染。我们比较我们的解决方案的性能，无论是理论上和通过模拟，对全双工（FD）多小区mMIMO系统。我们的研究结果表明，由于在中央处理单元的信号的联合处理，CF-mMIMO与动态高清AP调度显着优于蜂窝FD-mMIMO的总和SE和90%的可能SE。因此，DTDD使能的HD CF-mMIMO是蜂窝FD-mMIMO的有前景的替代方案，而无需用于自干扰抑制的硬件成本。
2022-05-21 cs.IT eess.SP math.IT
A New Look at Cell-Free Massive MIMO: Making It Practical With Dynamic Cooperation
本文通过网络MIMO文献中的动态协作集群框架，对无小区大规模MIMO（多输入多输出）进行了新的研究。其目的是识别和解决在以前的工作中出现的可伸缩性问题。我们提供分布式算法的初始接入，导频分配，集群形成，预编码，并结合可扩展的意义上的任意多个用户的可实现的。有趣的是，建议的预编码和组合分别优于共轭波束成形和匹配滤波，同时也是完全分布式的。
2019-06-26 cs.IT eess.SP math.IT
Distributed FD-MIMO: Cellular Evolution for 5G and Beyond
本文介绍了FD-MIMO技术在5G之后的下一次演进，其中FD-MIMO系统的天线在多小区部署场景中以分布式方式放置在整个小区中。该系统被称为分布式FD-MIMO（D-FD-MIMO）系统，与传统FD-MIMO系统相比，能够提供更高的小区平均吞吐量以及更均匀的用户体验。进行系统级仿真以评估性能。我们的研究结果表明，建议的D-FD-MIMO系统实现1.4-2倍的小区平均吞吐量增益相比，FD-MIMO系统。提供了性能增益的见解。硬件实现的挑战和潜在的标准的影响也提出。
2017-04-03 cs.IT math.IT
Two-timescale weighted sum-rate maximization for large cellular and cell-free massive MIMO
本文提出一种双时间尺度迭代算法，利用信道统计信息进行联合功率控制与波束成形设计，以最大化大规模MIMO网络的加权和速率，并优于现有长期方法。
2024-07-08 cs.IT eess.SP math.IT
Cost-Effectiveness Analysis and Design of Cost-Efficient Cell-Free Massive MIMO Systems
针对无小区大规模MIMO部署成本高的问题，通过构建多天线AP统一模型进行成本分析，证明了多天线AP能降低系统成本并维持性能，提出了一种高性价比设计。
2024-06-01 cs.IT eess.SP math.IT
LMMSE Processing for Cell-free Massive MIMO with Radio Stripes and MRC Fronthaul
无小区的大规模MIMO为多个用户提供无处不在的连接，并且使用无线电条纹的实现是非常有效的。与同位大规模MIMO相比，主要成本包括前传开销和AP硬件。最大比合并（MRC）实现了低前传负载和低成本AP，但性能较差。本文提出了一种利用MRC前传设计实现准LMMSE（Q-LMMSE）处理的方法。Q-LMMSE是在标准LMMSE的基础上推导出来的，它通过奇异值分解从MRC信号中提取干扰信息。仿真结果表明，在相同的MRC前传情况下，所提出的Q-LMMSE算法可使频谱效率提高数倍。
2020-12-25 cs.IT eess.SP math.IT
Uplink Performance of High-Mobility Cell-Free Massive MIMO-OFDM Systems
采用正交频分复用（OFDM）技术的高速训练（HST）通信近年来受到了极大的关注。此外，无蜂窝（CF）大规模多输入多输出（MIMO）被认为是一种有前途的技术，以达到最终的性能极限。本文主要研究了在HST通信中采用匹配滤波和大规模衰落解码（LSFD）接收的CF大规模MIMO-OFDM系统的性能。HST通信与小小区和蜂窝大规模MIMO-OFDM系统也进行了分析比较。考虑到多普勒频偏（DFO）对系统性能的不利影响，推导了各系统上行链路频谱效率（SE）的精确闭式表达式。根据仿真结果，我们发现，CF大规模MIMO-OFDM系统与LSFD实现了更大的SE和更低的SE下降百分比比其他系统。此外，增加接入点（AP）的数量和每个AP的天线数量可以有效地补偿DFO带来的性能损失。此外，在AP和HST之间存在最佳垂直距离以实现最大SE。
2022-01-24 cs.IT eess.SP math.IT
Distributed Expectation Propagation Detection for Cell-Free Massive MIMO
在无小区的大规模MIMO网络中，有效的分布式检测算法具有重要意义。在本文中，我们提出了一个分布式的期望传播（EP）检测器无细胞的大规模MIMO。该检测器由两个模块组成，一个在中央处理器（CPU）的非线性模块和一个在接入点（AP）的线性模块。利用迭代译码中的turbo原理计算并传递模块间的外部信息。一个分析框架，然后提供了大量的天线的渐近性能的特征所提出的EP检测器。仿真结果表明，该方法在误码率方面优于分布式检测器。
2021-08-21 cs.IT eess.SP math.IT
An Algorithm for Grant-Free Random Access in Cell-Free Massive MIMO
大规模接入是超5G（B5G）无线网络的主要应用场景之一，而大规模MIMO是支持大规模接入的关键技术。本文研究了无小区大规模MIMO网络中大规模机器类型通信（mMTC）的免授权随机接入中的活动检测问题。每个活动设备向AP发送预先分配的非正交导频序列，AP将接收到的信号发送到中央处理器（CPU）进行联合活动检测。我们制定的最大似然设备活动检测问题，并提供了一个算法的基础上，坐标下降法具有负担得起的复杂性。我们表明，无小区的大规模MIMO网络可以支持低功耗的mMTC设备，并提供广泛的覆盖范围。
2021-05-21 cs.IT eess.SP math.IT
The Promising Marriage of Mobile Edge Computing and Cell-Free Massive MIMO
本文研究了一种支持移动边缘计算的无小区大规模MIMO无线网络。针对上行链路功率和远程计算资源的联合分配的优化问题被公式化，旨在在延迟约束下最小化总上行链路功率消耗，同时也最大化整个网络的最小SE。由于所考虑的问题是非凸的，基于序列凸规划的迭代算法的设计。基于多小区大规模MIMO部署，提出的分布式架构和其协同定位的对应物之间的详细性能比较，提供。数值结果揭示了无小区大规模MIMO在支持计算卸载应用中的自然适用性，其优点在于用户的发射功率和能量消耗、所经历的卸载延迟以及所分配的远程计算资源的总量。
2022-02-15 cs.IT eess.SP math.IT
Clustering-Based Activity Detection Algorithms for Grant-Free Random Access in Cell-Free Massive MIMO
未来的无线网络需要支持大规模机器类型通信（mMTC），其中大量设备访问网络，而大规模MIMO是一种很有前途的使能技术。大规模接入方案已经被研究用于共址大规模MIMO阵列。在本文中，我们研究的活动检测免授权随机接入mMTC在无小区的大规模MIMO网络使用分布式阵列。每个活动设备向接入点（AP）发送非正交导频序列，并且AP将接收到的信号发送到中央处理单元（CPU）以用于联合活动检测。仿真结果表明，在覆盖范围较大的情况下，无蜂窝结构所提供的宏分集增益比共址结构所提供的宏分集增益提高了活动检测性能。
2021-11-30 cs.IT eess.SP math.IT
Scalability Aspects of Cell-Free Massive MIMO
普适无小区大规模MIMO（多输入多输出）在分布式架构中结合了大规模MIMO技术和以用户为中心的传输。网络中的所有接入点（AP）协作以在相同的时间-频率资源中联合且相干地服务于较少数量的用户。然而，这种协调需要大量的控制信令，这引入了额外的开销，而数据协同处理增加了回传/前传要求。因此，“整个世界”可以构成一个网络，并且所有AP将充当单个基站的概念是不可扩展的。在本研究中，我们解决了迄今为止在文献中被忽视的无小区大规模MIMO的一些系统可扩展性方面。特别是，我们提出和评估的解决方案，数据处理，网络拓扑结构和电源控制。结果表明，我们提出的框架实现了充分的可扩展性，在适度的性能损失相比，无细胞的大规模MIMO的规范形式的成本。
2019-09-06 cs.IT eess.SP math.IT
Study of Clustering Techniques and Scheduling Algorithms with Fairness for Cell-Free MIMO Networks
本文针对无蜂窝大规模MIMO网络提出了一种基于信息速率的聚类技术，并设计了结合该聚类的公平资源分配与用户调度方案，数值结果证明其优于现有方法。
2024-04-27 cs.IT eess.SP math.IT
Uplink power control in cell-free massive MIMO via deep learning
本文重点研究了在无小区大规模MIMO网络的上行链路中使用深度学习方法来执行和速率最大和最大最小功率分配。特别地，我们训练深度神经网络，以便学习一组输入数据与功率分配策略的最优解之间的映射。数值结果表明，在无小区的大规模MIMO系统中，导频污染的存在不会显著影响神经网络的学习能力，其性能接近最优。相反，随着在系统中引入阴影效应，用深度学习方法获得的性能相对于最佳性能显著下降。
2019-08-29 cs.IT eess.SP math.IT
Spectral Efficiency and Scalability Analysis for Multi-Level Cooperative Cell-Free Massive MIMO Systems
本文提出了一种多级协作架构，以平衡频谱效率和可扩展性的无小区大规模多输入多输出（MIMO）系统。在所提出的架构中，空间扩展单元（SEU）的引入，以避免大量的计算在接入点（AP），并增加AP之间的合作程度。首先推导了最大比合并（MRC）和迫零（ZF）接收机的多级协作结构下上行链路用户可达速率的封闭表达式。验证了封闭式表达式的准确性。此外，数值结果表明，所提出的多级协作架构实现了更好的权衡频谱效率和可扩展性比其他形式的无小区的大规模MIMO架构。
2023-02-16 cs.IT eess.SP math.IT
Weighted Sum Rate Maximization of the mmWave Cell-Free MIMO Downlink Relying on Hybrid Precoding
依赖于混合预编码的无小区MIMO概念构成了能够显著增加毫米波（mmWave）通信系统的网络容量的创新技术。它免除了传统多小区MIMO系统的小区边界，同时通过限制接入点（AP）处的射频（RF）链的数量来大幅降低功耗。在本文中，我们的目标是最大化毫米波无小区MIMO系统的加权和速率（WSR），通过构思一个低复杂度的混合预编码算法。我们制定的WSR优化问题受到每个AP的发射功率约束和模拟预编码器的移相器的恒模约束。提出了一种分块坐标下降（BCD）算法来迭代求解该问题。在每次迭代中，经典的拉格朗日乘子方法和惩罚对偶分解（PDD）方法相结合，以获得接近最优的混合模拟/数字预编码矩阵。此外，我们扩展了我们提出的算法，推导出封闭形式的表达式，用于全数字无小区MIMO系统的预编码器。此外，我们给出了我们提出的方法的收敛性分析和复杂性分析。最后，我们的仿真结果表明，无论是全数字和混合预编码矩阵的算法的优越性。
2022-01-12 cs.IT eess.SP math.IT
Cell-Free Massive MIMO for 6G Wireless Communication Networks
最近商业化的第五代（5G）无线通信网络实现了许多改进，包括通过大规模多输入多输出（MIMO）、毫米波等多项关键技术实现空中接口增强、频谱扩展和网络强化。通信和超密集网络。尽管5G商用系统已经部署，但无线通信仍面临着许多挑战，以实现连接智能和无数应用，如工业物联网，自治系统，脑机接口，数字孪生，触觉互联网等，因此，迫切需要启动第六代（6G）无线通信系统的研究。在这些系统的候选技术中，结合分布式系统和大规模MIMO的优点的无小区大规模MIMO被认为是提高无线传输效率的关键解决方案，并成为国际前沿。在本文中，我们提出了一个全面的研究无小区的大规模MIMO的6G无线通信网络，特别是从信号处理的角度。我们专注于使物理层技术的无小区大规模MIMO，如用户关联，导频分配，发射机和接收机的设计，以及功率控制和分配。此外，一些当前和未来的研究问题进行了强调。
2021-11-30 cs.IT eess.SP math.IT
Joint optimal beamforming and power control in cell-free massive MIMO
我们推导出一个快速和最佳的算法，解决实际的加权最大最小信干噪比问题，在无小区的大规模MIMO网络。该优化问题首次同时考虑了非理想协作下的长期功率控制和分布式波束形成设计。特别是，我们认为以用户为中心的接入点集群合作的基础上，可能有限的信道状态信息共享。我们的优化算法融合了强大的功率控制工具的基础上，干扰演算与最近开发的团队理论框架的分布式波束形成设计。此外，我们提出了一个变化，在实践中表现出更快的收敛。
2022-08-31 cs.IT eess.SP math.IT
Scaling Law Analysis for Covariance Based Activity Detection in Cooperative Multi-Cell Massive MIMO
本文研究了多小区大规模 MIMO 系统中基于协方差的活动检测问题，推导出在路径损耗指数大于 2 时，可正确检测的最大活动设备数随签名序列长度呈二次增长，随小区数对数下降，并刻画了估计误差分布。
2023-03-15 cs.IT eess.SP math.IT
Multi-Cell Sparse Activity Detection for Massive Random Access: Massive MIMO versus Cooperative MIMO
本文考虑稀疏设备活动检测蜂窝机器类型的通信与非正交签名使用的近似消息传递算法。本文比较了两种网络架构，大规模多输入多输出（MIMO）和协作MIMO，在他们的有效性，在克服小区间干扰。在大规模MIMO架构中，每个基站（BS）仅检测来自其自身小区的用户，而将小区间干扰视为噪声。在协作MIMO架构中，每个BS也检测来自相邻小区的用户;然后将检测结果以对数似然比（LLR）的形式转发到中央单元，在中央单元中做出最终决策。本文分析了这两种架构的虚警和漏检概率的特点。数值结果验证了解析特性，并表明，随着天线数量的增加，一个大规模的MIMO系统有效地驱动检测误差为零，而随着合作规模的增加，合作MIMO架构主要提高小区边缘的用户性能。此外，本文研究了LLR量化的影响，以考虑有限容量的前传。实际场景的数值模拟表明，在该特定情况下，在协作MIMO系统中协作三个BS实现了与非协作大规模MIMO系统大致相同的小区边缘检测可靠性，其中每个BS的天线数量是非协作大规模MIMO系统的四倍。
2019-06-22 cs.IT math.IT
UAV Communications with WPT-aided Cell-Free Massive MIMO Systems
无蜂窝（CF）大规模多输入多输出（MIMO）是一种很有前途的解决方案，为无人机（UAV）通信提供一致的良好性能。在本文中，我们提出了无人机通信与无线功率传输（WPT）辅助CF大规模MIMO系统，其中从下行链路WPT收集的能量（HE）用于支持上行链路数据和导频传输。我们推导出新的封闭形式的下行链路HE和上行链路频谱效率（SE）的表达式，考虑到无人机的硬件损伤。还考虑了与当前的小小区（SC）和蜂窝大规模MIMO使能的WPT系统的UAV通信以进行比较。重要的是表明，CF大规模MIMO分别实现了比SC和蜂窝大规模MIMO高2倍和5倍的95%可能上行链路SE。此外，大规模衰落解码接收机协作可以降低地面用户的干扰。此外，可以通过改变时间分裂分数来实现最大SE。我们证明了最大SE的最佳时间分裂分数是由天线的数量，高度和无人机的硬件品质因数。在此基础上，提出了三种提高SE的无人机轨迹设计方案。有趣的是，角度搜索方案的性能优于AP搜索和线路径方案。最后，仿真结果验证了我们的表达式的准确性。
2021-04-23 cs.IT eess.SP math.IT
EMF-Aware MU-MIMO Beamforming in RIS-Aided Cellular Networks
可重构智能表面（RISs）是关键的新兴第六代（6 G）技术之一，其有望通过添加人工传播路径来改善发送器和接收器之间的链路预算。在这种重新配置的传播环境中，下行链路（DL）多用户多输入多输出（MU-MIMO）为蜂窝网络带来容量改进。它受益于MIMO系统提供的空间维度，以通过应用适当的波束成形（BF）方案来实现在相同的无线电资源上向多个用户同时传输独立的数据流。然而，在某些情况下，长时间为同一用户子集提供服务可能会导致一些不期望的区域，其中平均电磁场暴露（EMFE）超过监管限制。为了解决这一挑战，我们在本文中提出了一种新的电磁场（EMF）感知MU-MIMO BF方案，旨在优化的整体容量下的EMF约束条件下，在RIS辅助蜂窝网络。
2022-09-29 cs.IT eess.SP math.IT
Impact of Channel Aging on Zero-Forcing Precoding in Cell-Free Massive MIMO Systems
在无小区大规模多输入多输出（mMIMO）的上下文中，迫零预编码（ZFP）需要经由前传网络交换瞬时信道状态信息和预编码数据符号。它会导致相当大的传播和处理延迟，从而降低性能。本文分析了无小区mMIMO中信道老化对ZFP性能的影响。老化的影响，不仅用户的移动性，而且相位噪声被认为是。每用户的频谱效率方面的数值结果进行了说明。
2021-07-03 cs.IT eess.SP math.IT
A Heterogeneous Massive MIMO Technique for Uniform Service in Cellular Networks
German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）；Technische Universität (RPTU) Kaiserslautern（凯泽斯劳滕工业大学）
本文提出一种异构大规模MIMO技术，通过集中式和分布式节点的协同，实现蜂窝网络中均匀的服务质量，同时降低基础设施成本。
2026-01-26 cs.IT eess.SP math.IT
Making Cell-Free Massive MIMO Competitive With MMSE Processing and Centralized Implementation
无小区大规模MIMO被认为是一种有前途的技术，可以满足超过5G网络中不断增加的用户数量和高速率期望。其关键思想是让许多分布式接入点（AP）与网络中的所有用户通信，可能通过使用联合相干信号处理。本文的目的是提供第一个全面的分析，这种技术下不同程度的AP之间的合作。特别是，四种不同的无小区实现的上行链路频谱效率进行了分析，空间相关衰落和任意线性处理。事实证明，有可能在很大程度上胜过传统的蜂窝大规模MIMO和小小区网络，但仅使用全局或局部最小均方误差（MMSE）组合。这与现有文献形成鲜明对比，后者主张最大比率合并。此外，我们表明，一个集中的实施与最佳MMSE处理，不仅最大限度地提高了SE，但大大减少了前传信令相比，标准的分布式方法。这使得它成为操作无小区大规模MIMO网络的首选方式。非线性解码也进行了研究，并显示带来微不足道的改善。
2019-09-17 cs.IT eess.SP math.IT
Downlink Spectral Efficiency of Cell-Free Massive MIMO with Full-Pilot Zero-Forcing
与蜂窝通信相比，由于增加了宏分集，大规模多输入多输出（MIMO）可确保以高频谱效率（SE）进行无处不在的通信。然而，系统的可扩展性和性能受到前传业务和干扰的限制。与仅抑制小区内干扰的常规预编码方案不同，在[1]中引入的全导频迫零（fpZF）还主动地抑制小区间干扰，而不在接入点（AP）之间共享信道状态信息（CSI）。在这项研究中，我们推导出一个新的封闭形式的表达的下行链路（DL）SE的无小区大规模MIMO系统与多天线AP和fpZF预编码，不完美的CSI和导频污染。该分析还包括最大-最小公平DL功率优化。数值结果表明，fpZF显着优于最大比传输方案，而不增加前传开销，只要系统是充分分布。
2019-09-06 cs.IT eess.SP math.IT
Cell-Free Massive MIMO-OFDM for High-Speed Train Communications
无小区（Cell-free，CF）大规模多输入多输出（Multiple-Input Multiple-Output，MIMO）系统由于其小区边界消失和强宏分集特性，在低移动性环境下显示出巨大的应用潜力。然而，正交频分复用（OFDM）技术中的大多普勒频偏（DFO）导致了严重的载波间干扰，这使得它很难为高速训练（HST）运行控制系统和乘客提供高质量的传输。在本文中，我们专注于CF大规模MIMO-OFDM系统的性能与完全集中式和本地最小均方误差（MMSE）合并在HST通信。考虑局部最大比合并、大规模衰落译码协作以及DFO对系统性能的实际影响，推导了上行链路频谱效率的精确闭式表达式。我们观察到，合作MMSE组合实现更好的SE性能比非合作MR组合。此外，HST通信与小小区和蜂窝大规模MIMO-OFDM系统的SE方面进行了比较。数值结果表明，CF大规模MIMO-OFDM系统比其他系统获得了更大和更均匀的SE。最后，设计了以训练天线为中心的CF大规模MIMO-OFDM系统，并采用了三种功率控制方案来优化TA的传播，以减小DFO的影响。
2022-03-02 cs.IT eess.SP math.IT
Ultra-dense Radio Access Networks for Smart Cities: Cloud-RAN, Fog-RAN and "cell-free" Massive MIMO
本文针对智慧城市超密集网络中的干扰问题，提出融合无小区大规模 MIMO 与 F-RAN 的 Fog Massive MIMO 新范式，并分析了不同协调范围下接入点间增强协调的潜在收益。
2023-07-05 cs.IT eess.SP math.IT
How Much Do Downlink Pilots Improve Cell-Free Massive MIMO?
在本文中，我们分析了包括下行链路导频在无小区的大规模MIMO系统的好处。我们推导出一个近似的每个用户可实现的共轭波束成形处理，其中考虑到上行链路和下行链路的信道估计误差，和功率控制的下行链路速率。在每用户净吞吐量方面进行了性能比较，考虑无小区的大规模MIMO操作，有和没有下行链路训练，对于不同的网络密度。我们还考虑到在下行链路中的最大-最小公平功率控制提供的性能改善。数值结果表明，利用下行链路导频，性能可以显着提高在低密度网络中的传统方案，其中用户只依赖于统计信道知识。在高密度网络中，性能改进是适度的。
2016-09-13 cs.IT eess.SP math.IT
Cell-Edge Performance Booster in 6G: Cell-Free Massive MIMO vs. Reconfigurable Intelligent Surface
本文针对6G网络的小区边缘性能瓶颈，构建公平场景并利用大量数值结果，对比分析了可重构智能表面与无小区大规模MIMO在小区边缘的性能表现。
2023-04-07 cs.IT eess.SP math.IT
Pilot Assignment in Cell-Free Massive MIMO based on the Hungarian Algorithm
本文主要研究无小区大规模MIMO系统中的导频分配问题。利用著名的匈牙利算法，提出了两个过程，一个最大化系统吞吐量，另一个最大化用户间的公平性。该算法基于大尺度衰落系数的知识作为系统中用户之间距离的代理，并考虑到上行链路和下行链路性能。数值结果表明，所提出的导频分配算法是有效的，并优于许多竞争的替代方案在文献中。
2020-08-26 cs.IT eess.SP math.IT
Beam Alignment for the Cell-Free mmWave Massive MU-MIMO Uplink
毫米波（mmWave）无小区大规模多用户（MU）多输入多输出（MIMO）系统将毫米波频率处可用的大带宽与无小区系统的改进覆盖相结合。然而，为了对抗毫米波频率处的高路径损耗，用户设备（UE）必须在有意义的方向上形成波束，即，到附近的接入点（AP）。同时，多个UE应避免向同一AP进行传输以减少MU干扰。我们提出了一种干扰感知的方法，用于无小区毫米波大规模MU-MIMO上行链路中的波束对准（BA）。在所考虑的场景中，AP执行全数字接收波束成形，而UE执行模拟发射波束成形。我们评估我们的方法使用现实的毫米波信道从商业射线跟踪器，显示所提出的方法的优越性，全向传输，以及在不考虑MU干扰的方法。
2022-07-20 cs.IT eess.SP math.IT
Nonlinear Power Amplifier-Resilient Cell-Free Massive MIMO: A Joint Optimization Approach
本文提出了一种联合优化方法，用于解决无中心大规模MIMO系统中功率放大器引起的性能退化问题，通过用户关联和最大最小功率控制提升频谱效率。
2025-12-08 cs.IT eess.SP math.IT
Eliminating Phase Misalignments in Cell-Free Massive MIMO via Differential Transmission
本文提出两种基于差分传输的方法，有效克服了CF-mMIMO系统下行链路中接入点的相位失配问题，成功恢复了无法实现相位对齐时的系统性能。
2025-03-06 cs.IT eess.SP math.IT
Achieving Optimal Performance-Cost Trade-Off in Hierarchical Cell-Free Massive MIMO
本文首次系统分析分层无蜂窝大规模MIMO的上行链路配置，提出统一频谱效率框架和分层合并方法，证明采用集中式迫零合并的HCF可实现性能与成本的最优权衡。
2025-08-28 cs.IT eess.SP math.IT
Cell-Free Terahertz Massive MIMO: A Novel Paradigm Beyond Ultra-Massive MIMO
针对太赫兹通信传输距离受限的问题，本文提出无蜂窝大规模MIMO架构，通过选择最近接入点缩短距离而非仅依赖大量天线，仿真验证其在太赫兹频段的频谱与能量效率均优于超大规模MIMO。
2024-05-16 cs.IT eess.SP math.IT
Cell-Free Massive MIMO with Large-Scale Fading Decoding and Dynamic Cooperation Clustering
研究了以用户为中心的无小区大规模MIMO（多输入多输出）系统的上行链路。我们利用以用户为中心的动态合作聚类（DCC）框架，并得出可实现的频谱效率与两层解码，分为接入点和中央处理器（CPU）之间。这种解码方法也被称为大规模衰落解码（LSFD）。前传信令负载进行了分析，并提出了一个接近最佳的第二层解码方案的CPU相比，最佳方案，以减少前传的要求。我们还重新审视了LSFD权重和上行链路功率控制的联合优化，并表明相应的最大最小公平优化问题可以通过一个有效的固定点算法得到最佳解决。我们提供的模拟带来了新的见解，无细胞的大规模MIMO实现。
2021-09-09 cs.IT eess.SP math.IT
EMF-Aware Power Control for Massive MIMO: Cell-Free versus Cellular Networks
针对EMF约束下的CF-mMIMO系统，本文提出上行与下行最大化用户最小速率的功率控制方法，并证明其在满足电磁安全限制的同时优于蜂窝mMIMO且提升公平性。
2024-04-24 cs.IT eess.SP math.IT
