A MAP-Based Layered Detection Algorithm and Outage Analysis over MIMO Channels
有效的符号检测算法对于实现多输入多输出(MIMO)系统所承诺的空间复用增益至关重要。在本文中,我们考虑了最大后验概率(MAP)的符号检测算法,称为M-BLAST,在未编码的准静态MIMO信道。M-BLAST算法依靠连续干扰消除(SIC)接收机,在各种环境下信噪比(SNR)增益可达2 dB,优于V-BLAST算法。M-BLAST算法的性能分析是非常复杂的,因为所提出的检测顺序动态地取决于决策错误,这使得传统的有序SIC接收机已经复杂的分析更加困难。为此,提出了一个严格的分析框架来分析M-BLAST算法在二进制复数字母表和两个发射天线上的中断行为,该框架具有推广到多个发射天线和多维星座集的潜力.数值结果表明,在不同的信噪比值和调制字母之间的分析和仿真数据非常好的匹配。
2017-10-03 cs.IT math.IT
Low Complexity MIMO Detection based on Belief Propagation over Pair-wise Graphs
本文考虑了基于成对图模型的置信传播算法,以开发低复杂度的迭代多输入多输出(MIMO)检测器。成对图形模型是一个二分图,其中一对变量节点由一个观察节点相关,该观察节点由在高斯输入假设下通过边缘化后验联合概率密度获得的双变量高斯函数表示。具体来说,我们考虑两种类型的成对模型,全连接和环型。与[18]中的传统图形模型相比,成对图是稀疏的,因为连接到观察节点的边的数量(边度)只有两个。因此,计算比最大似然(ML)检测容易得多,ML检测类似于在全连接二分图上运行的置信传播(BP)。仿真结果表明了所提算法的有效性。我们还定制了高斯输入假设的算法,以获得高斯BP运行在两个成对的图形模型,并为环型,我们证明了其收敛的平均线性最小均方误差(MMSE)估计。由于高斯输入的最大后验(MAP)估计器等价于线性MMSE估计器,因此它表明了高斯输入方案的最优性。
2013-04-07 cs.IT math.IT
M-ary Detection and q-ary Decoding in Large-Scale MIMO: A Non-Binary Belief Propagation Approach
本文提出了一种用于大规模多用户MIMO系统中$M$元调制符号检测和$q$元LDPC码译码的非二进制置信传播方法(NB-BP)。我们首先提出了一种基于消息传递的符号检测算法,该算法使用干扰的标量高斯近似来计算矢量消息,这导致总复杂度仅为$O(KN\sqrt{M})$,其中$K$是上行链路用户的数量,$N$是基站(BS)天线的数量。所提出的NB-BP检测器不需要进行矩阵求逆,这提供了比MMSE检测更复杂的优势。然后,我们设计了优化的$q$ -ary LDPC码的建议检测器和LDPC解码器的EXIT图匹配。仿真结果表明,与使用线性检测器(例如,MMSE检测器)和现成的$q$元非规则LDPC码。而且,即使利用估计的信道知识(例如,与MMSE信道估计相比,NB-BP检测器的性能更好。
2013-10-16 cs.IT math.IT
Belief-selective Propagation Detection for MIMO Systems
与线性MIMO检测器相比,置信传播(BP)检测器在实现接近最优性能方面表现出更大的能力,并且与信道解码器迭代地协作的性质更好。针对实际应用,最近的工作主要属于通过简化计算来降低复杂度的范畴,以牺牲性能为代价。然而,复杂度仍然是不令人满意的指数增加的复杂度或所需的取幂运算。此外,由于固有的循环结构,现有的BP检测器持续遇到错误地板在高信噪比(SNR)区域,这变得更糟的计算近似。这项工作的目的是在一个修订的BP检测器,命名为{信念选择性传播(BsP)}检测器,通过选择性地利用\emph{trusted}传入消息足够大的\textit{a priori}概率更新。两项拟议战略:基于符号的截断(ST)和基于边缘的简化(ES)压缩了复杂度(比原始BP低的阶数),同时大大缓解了宽范围的天线和调制组合上的错误平层问题。对于$16$ $8 \times 4$ MIMO系统,$\mathcal{B}(1,1)$ {BsP}检测器实现了超过$4$ 1dB的性能增益(@ $\text{BER}=10^{-4}$),其中$4$比原始BP检测器的复杂度低大约$4$阶。针对不同的应用需求,通过配置ST和ES参数,可以方便地在性能和复杂度之间进行权衡。
2022-06-27 cs.IT eess.SP math.IT
Belief Information based Deep Channel Estimation for Massive MIMO Systems
DOCOMO Beijing Communications Laboratories, Co. Ltd.(docomo北京通信实验室有限公司)
针对大规模MIMO系统中导频占用过多传输资源、降低频谱效率的问题,提出基于置信信息的即插即用模块,可将单天线信道估计网络适配至多天线场景,提升估计性能或减少导频开销。
2024-06-23 cs.AI cs.IT eess.SP
Improving Massive MIMO Belief Propagation Detector with Deep Neural Network
Southeast University(东南大学);Tel-Aviv University(特拉维夫大学)
针对大规模多输入多输出(MIMO)系统,利用深度神经网络(DNN)改进置信传播(BP)检测。首先通过对BP算法的展开,提出了一种适合于检测任务的神经网络结构。DNN MIMO检测器,然后提出了基于两个修改的BP检测器,阻尼BP和最大和BP。这些算法中的校正因子通过深度学习技术进行优化,旨在提高检测性能。数值结果表明DNN检测器的性能相比,各种BP修改。该神经网络只训练一次,可用于多次在线检测。结果表明,与其他最先进的检测器相比,DNN检测器可以实现更低的误比特率(BER),在相同的复杂度水平下,对各种天线配置和信道条件具有更好的鲁棒性。
2018-04-05 cs.IT cs.LG eess.SP
Layered Interference Alignment: Achieving the Total DoF of MIMO X Channels
考虑在所有发射机和接收机处可用的具有恒定信道系数的$K\times 2$和$2\times K$、多输入多输出(MIMO)X信道。提出了一种新的干扰对齐方案,称为\emph{layered interference alignment},其中利用矢量和实际干扰对齐,结合在接收端的联合处理。具有分数复用增益的数据流在期望的方向上发送,以在接收器处对准干扰信号。为了在接收机处解码预期的消息,提出了一种联合处理/同时解码技术,该技术利用了多个接收天线的可用性。这种分析随后得到线性形式系统的测量结果的支持。特别地,对于这样的线性形式,Khintchine-Groshev型定理证明了实数和复数。观察到,在所有发射机/接收机处具有$M$天线的$K\times 2$和$2\times K$,X信道在自由度(DoF)上享有对偶性。它示出,将分层干扰对齐是必不可少的,以表征$K\times 2$和$2\times K$,$M$天线X信道中的$\frac{2KM}{K+1}$的总DoF。
2014-12-22 cs.IT math.IT math.NT
Belief Propagation Based Decoding of Large Non-Orthogonal STBCs
提出了一种基于置信传播(BP)的非正交空时分组码(STBC)译码算法,该算法由具有{\em大维数}的循环除代数(CDA)实现。所提出的方法涉及的STBC MIMO系统的马尔可夫随机场(MRF)表示的消息传递。采用BP方法解码大尺寸的非正交空时分组码还没有报道。我们的仿真结果表明,所提出的基于BP的解码实现越来越接近SISO AWGN性能的维数增加。此外,它还实现了接近容量的turbo编码BER性能;例如,通过使用BPSK从CDA对$24\times 24$ STBC进行BP解码(即,576个实维度)和1/2速率turbo码(即,12bps/Hz频谱效率),实现了接近理论MIMO容量的仅约2.5dB内的编码BER性能。
2009-01-13 cs.IT math.IT
Iterative Receivers for Downlink MIMO-SCMA: Message Passing and Distributed Cooperative Detection
移动通信的快速发展对频谱利用率提出了更高的要求。非正交多址接入(NOMA)技术是一种很有前途的无线网络接入技术。在几种NOMA方案中,稀疏码多址(SCMA)已被证明能够实现更好的性能。本文研究了频率选择性衰落信道下的下行MIMO-SCMA系统。对于最优检测,复杂度随着用户数、天线数和信道长度的乘积呈指数增长。为了解决这一挑战,我们提出了近最佳的低复杂度迭代接收机的基础上因子图。通过引入辅助变量,构造了一个拉伸因子图,并提出了一种混合置信传播(BP)和期望传播(EP)的接收器,命名为“拉伸BP-EP”。考虑到BP算法在循环因子图上的收敛性问题,对Bethe自由能进行凸化处理,提出了一种保证收敛的BP-EP接收机,称为“Conv-BP-EP”。我们进一步考虑合作网络,并提出了两个分布式的合作检测方案,即信念共识为基础的算法和Bregman交替方向乘法器(ADMM)为基础的方法,利用分集增益。仿真结果验证了所提出的Conv-BP-EP接收机与其他方法相比的优越性能。提出的两种分布式协作检测方案可以通过利用分集增益来改善系统的误出错率性能。此外,Bregman ADMM方法优于信念共识为基础的算法在嘈杂的用户间的链接。
2017-10-24 cs.IT math.IT
MIMO Detection for High-Order QAM Based on a Gaussian Tree Approximation
针对采用高阶QAM星座的MIMO通信系统,提出了一种新的检测算法。对应于这个问题的因子图是非常循环的;事实上,它是一个完全图。因此,直接应用置信传播(BP)算法会产生非常差的结果。我们的算法是基于无约束线性系统的高斯密度的最优树近似。然后应用有限集约束来获得无环离散分布。结果表明,即使近似不直接应用于精确的离散分布,应用BP算法的无环因子图优于目前的方法在性能和复杂性方面。在MIMO检测问题上证明了该算法的性能改进。
2010-01-29 cs.IT math.IT
Convergence and Density Evolution of a Low-Complexity MIMO Detector based on Forward-Backward Recursion over a Ring
研究了一种基于环型成对图的低复杂度迭代MIMO检测算法的收敛性和密度演化。要考虑的检测算法实际上是前向-后向递归,并且最初在[13]中提出,其中分析了高斯输入的链路级性能和收敛性。本文给出了离散字母表的收敛性证明和二进制输入的密度演化框架,以给出在没有信道编码的情况下的平均SINR和出错率(BER)的渐近性能。通过密度演化得到的误码率曲线与仿真结果吻合较好,验证了密度演化分析的有效性和检测算法的性能。
2016-01-28 cs.IT math.IT
Designing Multi-User MIMO for Energy Efficiency: When is Massive MIMO the Answer?
假设多用户多输入多输出(MIMO)通信系统必须被设计为以最大能量效率(比特/焦耳)覆盖给定区域。天线数量、活跃用户和发射功率的最佳值是多少?通过使用一个新的模型来描述这三个参数如何影响系统的总能量效率,这项工作提供了它们的最佳值和相互作用的封闭形式的表达式。与通常的看法形成鲜明对比的是,发现发射功率随着天线的数量而增加(而不是减少)。这意味着能量高效系统可以在高信噪比(SNR)机制下操作,其中干扰抑制预编码方案的使用是必要的。数值结果表明,最大的能量效率是通过一个大规模的MIMO设置,其中数百个天线部署到相对多的用户使用干扰抑制正则化迫零预编码。
2014-04-30 cs.IT math.IT
Probabilistic MIMO Symbol Detection with Expectation Consistency Approximate Inference
在本文中,我们探讨了低复杂度的概率算法在高维多输入多输出(MIMO)系统中的软符号检测。我们提出了一种新的算法的基础上的期望一致性(EC)的框架,它描述了近似推理问题作为一个非凸函数的优化。EC推广了诸如置信传播和期望传播的算法。对于MIMO符号检测问题,我们讨论了可行的方法来找到EC函数的稳定点,并探讨其精度和收敛速度之间的权衡。的准确性进行了研究,首先在输入-输出互信息方面,并表明所提出的EC MIMO检测器大大提高了国家的最先进的方法,与复杂度的顺序立方的发射天线的数量。第二,这些增益通过将EC检测器的概率输出与低密度奇偶校验(LDPC)信道码相结合来证实。
2019-10-02 cs.IT math.IT
Iterative Detection and Decoding for MIMO Systems with Knowledge-Aided Message Passing Algorithms
本文研究了基于低密度奇偶校验(LDPC)码的多天线系统的迭代检测与译码(IDD)问题。建议IDD系统包括一个软输入软输出并行干扰(PIC)消除方案与线性最小均方误差(MMSE)接收滤波器和两个新的置信传播(BP)解码算法。建议的BP算法利用知识的短周期的图结构和重加权因子来自超图的扩展。仿真结果表明,当用于执行IDD的多天线系统的BP解码算法可以始终优于现有的BP技术与少量的解码迭代。
2013-04-23 cs.IT math.IT
Study of Knowledge-Aided Iterative Detection and Decoding for Multiuser MIMO Systems
在这项工作中,我们考虑的问题,减少延迟的低密度奇偶校验(LDPC)码与迭代检测和解码(IDD)接收机中的多用户多天线系统。建议的知识辅助IDD(KA-IDD)系统采用了最小均方误差检测器与改进的迭代处理和重新加权的信念传播(BP)解码算法。我们提出了重新加权BP解码算法,利用知识的短周期的图结构和重新加权因子来自超图的扩展。仿真结果表明,所提出的KA-IDD方案和算法优于现有技术,并需要减少解码迭代次数。
2018-02-15 cs.IT math.IT
MIMO Detection via Gaussian Mixture Expectation Propagation: A Bayesian Machine Learning Approach for High-Order High-Dimensional MIMO Systems
针对高阶高维MIMO系统检测中多流并行传输带来的干扰噪声问题,提出基于高斯混合模型近似置信传播与期望传播消息的检测算法,在低复杂度下实现了优于现有最优算法的检测性能。
2024-12-12 cs.IT math.IT stat.ML
Layered Orthogonal Lattice Detector for Two Transmit Antenna Communications
提出了一种用于多输入多输出(MIMO)通信的新型检测器。该算法属于格型检测器的类别,即,它找到了一个降低复杂度的解决方案,找到最接近的向量接收到的意见的问题。该算法实现了最佳的最大似然(ML)性能的情况下,两个发射天线,在同一时间保持了复杂度远低于基于穷举搜索的ML检测技术。此外,不同于国家的最先进的格型检测器(即球解码器),所提出的算法是适合于一个高度并行的硬件架构和一个可靠的比特软输出信息的产生,从而使它成为一个有前途的选择,实时高数据率传输。
2005-10-22 cs.IT math.IT
Communication-Efficient Federated Learning over MIMO Multiple Access Channels
通信效率对于无线联邦学习系统是非常重要的。在本文中,我们提出了一个多输入多输出(MIMO)多址信道(MAC)上的联邦学习的通信有效的策略。拟议战略包括两个部分。当发送本地计算的梯度时,每个设备使用块稀疏化将高维局部梯度压缩为多个低维梯度向量。当经由MIMO-MAC接收到压缩局部梯度的叠加时,参数服务器(PS)执行联合MIMO检测和稀疏局部梯度恢复。受Turbo解码原理的启发,我们的联合检测和恢复算法通过迭代地交换MIMO检测和稀疏局部梯度恢复输出的信念来准确地恢复高维局部梯度。然后,我们分析了所提出的算法的重建误差及其对联邦学习的收敛速度的影响。从模拟,我们的梯度压缩和联合检测和恢复方法大大降低了通信成本,同时实现了相同的分类精度的情况下,没有任何压缩。
2022-06-12 cs.DC cs.IT math.IT
Joint Visibility Region and Channel Estimation for Extremely Large-scale MIMO Systems
本文提出两阶段方案,联合检测XL-MIMO系统的可视区域并估计信道,利用空间相关性与波数域稀疏性,显著提升低信噪比下的性能。
2024-03-31 cs.IT eess.SP math.IT
Joint Device Detection, Channel Estimation, and Data Decoding with Collision Resolution for MIMO Massive Unsourced Random Access
在本文中,我们研究了一个联合的设备活动检测(DAD),信道估计(CE),和数据解码(DD)算法的多输入多输出(MIMO)大规模无源随机接入(URA)。与现有的时隙传输方案不同,所提出的框架中的数据仅被分成两部分。数据的一部分通过压缩感知(CS)编码,其余部分通过低密度奇偶校验(LDPC)编码。除了作为数据的一部分之外,CS阶段中的信息比特还承担交织模式设计和信道估计(CE)的任务。利用时分多址(IDMA)的原理来减少LDPC阶段中设备之间的干扰。基于置信传播(BP)算法,一个低复杂度的迭代消息传递(MP)算法被用来解码嵌入在这两个阶段的数据分别。此外,结合连续干扰消除(SIC),所提出的联合DAD-CE-DD算法执行,以进一步提高性能,利用彼此的信念。此外,基于能量检测(ED)和滑动窗口协议(SWP),我们开发了一个冲突解决协议来处理码字冲突,在URA系统中的一个常见的问题。除了复杂度的降低,所提出的算法表现出显着的性能增强相比,国家的最先进的效率和准确性。
2021-12-17 cs.IT eess.SP math.IT
GLDPC-PC Codes for MIMO Systems with Iterative Detection and Decoding
提出融合 GLDPC 与短类极化分量码的 GLDPC-PC,借助软输入软输出迭代置信传播解码降低延迟与错误平层,并在 MIMO IDD 系统中显著提升性能。
2024-05-09 cs.IT math.IT
Low-Complexity Detection/Equalization in Large-Dimension MIMO-ISI Channels Using Graphical Models
在本文中,我们处理低复杂度的近最佳检测/均衡在大尺寸的多输入多输出符号间干扰(MIMO-ISI)信道使用的消息传递的图形模型。在该文件中的一个关键贡献是,近最佳性能的MIMO-ISI信道与大尺寸可以实现在低复杂度,通过简单而有效的简化/近似,虽然代表MIMO-ISI信道的图形模型是完全/密集连接(循环图)。这些包括1)结合{ \em消息/信念阻尼}使用具有成对交互的基于马尔可夫随机场(MRF)的图形模型,以及2)使用具有{ \em高斯干扰近似}(GAI)的基于因子图(FG)的图形模型。对于MRF和具有GAI方法的FG,每符号复杂度分别为$O(K^2n_t^2)$和$O(Kn_t)$,其中$K$和$n_t$分别表示每帧信道使用的数量和发射天线的数量。这些低复杂度对于大尺寸是相当有吸引力的,即,对于大型$Kn_t$。从性能的角度来看,这些算法在大维度上甚至更有趣,因为它们实现越来越接近最佳检测性能以增加$Kn_t$。此外,我们表明,这些消息传递算法可以使用在一个迭代的方式与本地邻域搜索算法,以提高$M$ -QAM符号检测的可靠性/性能。
2011-01-22 cs.IT math.IT
On Reduced Complexity Soft-Output MIMO ML detection
在多输入多输出(MIMO)衰落信道中,最大似然(ML)检测是获得高性能的理想方法,但其复杂度随着频谱效率呈指数增长。MIMO检测的当前技术状态是列表解码和格型解码。本文提出了一类新的格型检测器,结合了列表和格型解码的一些原则,从而产生了一个有效的并行实现和接近最佳的软输出ML性能。这种新的检测器被称为分层正交格型检测器(LORD),因为它采用了一种新的格型公式,并依赖于信道正交化过程。应该注意的是,该算法在两个发射天线的情况下实现了最佳的硬输出ML性能。对于两个发射天线,可以生成最大对数比特软输出信息,并且对于大于两个天线,实现近似最大对数检测。仿真结果表明,LORD在采用正交频分复用(OFDM)和比特交织编码调制(BICM)的MIMO系统中,无论采用线性还是非线性迭代方案,与最小均方误差(MMSE)等实际软输出检测器相比,都能获得非常高的信噪比(SNR)增益。此外,与硬输出解码的代数空时码的性能比较显示了软输出生成能力对于实际无线应用的根本重要性。
2006-03-24 cs.IT math.IT
Leveraging von Mises Message-Passing for Massive MIMO Detection
Inria(法国国家信息与自动化研究所);INSA Lyon(里昂国立应用科学学院);CITI Lab – UR3720(CITI实验室);Université de Toulouse(图卢兹大学);CNRS(法国国家科学研究中心);Toulouse INP(图卢兹国立理工学院);IRIT(图卢兹信息技术研究所)
研究大规模MIMO系统检测问题,提出基于方向统计和置信传播、利用冯·米塞斯参数表示的低复杂度检测方法,适用于PSK调制,不依赖调制阶数,还给出信道扩展,量化性能并与高斯近似算法比较。
2026-07-21 cs.IT math.IT
Soft-Output Detection Methods for Sparse Millimeter Wave MIMO Systems with Low-Precision ADCs
低精度模数转换器(ADC)的使用是用于以高于几个G采样/秒的采样率操作的毫米波(mmWave)多输入多输出(MIMO)系统的低成本且功率高效的解决方案。然而,当应用常规频域均衡技术时,由于子载波间干扰,该解决方案可以使显著的误帧率(FER)劣化。在本文中,我们提出了计算效率,但接近最佳的软输出检测方法的编码毫米波MIMO系统与低精度ADC。所提出的方法的基本思想是通过联合利用毫米波信道中的延迟域稀疏性和由低精度ADC引起的高量化噪声来构建极其稀疏的符号间干扰(ISI)信道模型。然后,我们利用这个稀疏信道模型来创建一个状态数减少的网格图或一个边缘连接非常稀疏的因子图。使用减少的网格图,我们提出了一种软输出检测方法,计算的对数似然比(LLR)的编码位通过优化组合的量化接收信号从多个接收天线使用的前向和后向算法。为了进一步降低计算复杂性,我们还提出了一种低复杂度的检测方法,使用稀疏因子图计算LLR在迭代的方式基于置信传播算法。仿真结果表明,所提出的软输出检测方法提供了显着的FER增益相比,现有的频域均衡技术在编码毫米波MIMO系统中使用一位或两位ADC。
2018-11-29 cs.IT math.IT
Edge Graph Neural Networks for Massive MIMO Detection
Xidian University(西安电子科技大学);Emory University(埃默里大学)
大规模多输入多输出(MIMO)检测是现代无线通信系统中的一个重要问题。传统的置信传播(BP)检测器在循环图上表现不佳,而最近的基于图神经网络(GNNs)的方法可以克服BP的缺点,并获得优异的性能。然而,直接使用GNN忽略了边属性的重要性,并且使用全连接图结构会产生高计算开销。在本文中,我们提出了一个有效的GNN启发的算法,称为边缘图神经网络(EGNN),检测MIMO信号。我们首先通过信道相关性计算图边的权重,然后利用获得的权重作为度量来评估每个节点的邻居的重要性。此外,我们设计了一个自适应的边缘下降(ED)计划,以稀疏的图形,这样的计算成本可以显着降低。实验结果表明,我们提出的EGNN实现了更好的或类似的性能流行的MIMO检测方法为不同的调制方案和成本最少的检测时间相比,基于GNN的方法。
2022-05-22 cs.IT cs.LG eess.SP
Pair-wise Markov Random Fields Applied to the Design of Low Complexity MIMO Detectors
成对马尔可夫随机场(MRF)被认为是低复杂度,迭代MIMO检测的发展应用。具体来说,我们考虑两种类型的MRF,即全连接和环型。对于边缘势,我们使用通过在高斯假设下边缘化后验联合概率密度而获得的二元高斯函数。由于相应的因子图是稀疏的,在这个意义上,连接到因子节点的边的数量(边度)只有2,计算比ML容易得多,ML类似于在全连接因子图上运行的置信传播(BP)或和积算法。仿真结果表明了所提算法的有效性。我们还定制了高斯输入的算法,以获得高斯BP,这是运行在两个MRF,并证明其收敛的平均线性MMSE估计。其结果与[16]和[24]中的结果相同,但其图形模型和消息传递规则不同。由于高斯输入的MAP估计器等价于线性MMSE估计器,因此它表明了高斯输入方案的平均最优性。
2010-11-22 cs.IT math.IT
Optimal Design of Energy-Efficient Multi-User MIMO Systems: Is Massive MIMO the Answer?
假设一个多用户多输入多输出(MIMO)系统从头开始设计,均匀覆盖一个给定的区域与最大的能量效率(EE)。天线、活跃用户和发射功率的最佳数量是多少?本文的目的就是回答这个基本问题。我们共同考虑在基站的上行链路和下行链路与不同的处理方案,并提出了一个新的现实的功耗模型,揭示了上述参数如何影响EE。封闭形式的表达式EE最佳值的每个参数,当其他两个是固定的,提供迫零(ZF)处理在单小区的情况下。这些表达式证明了参数是如何相互作用的。例如,与通常的看法形成鲜明对比的是,发现发射功率随着天线的数量而增加(而不是减少)。这意味着,节能系统可以在高信噪比的制度,其中干扰抑制信号处理是强制性的。数值和分析结果表明,最大的EE是通过一个大规模的MIMO设置,其中部署了数百个天线,以服务于相对大量的用户使用ZF处理。数值结果表明,在不完美的信道状态信息和对称多小区的情况下,相同的行为。
2015-03-05 cs.IT cs.NI math.IT
A Hybrid RTS-BP Algorithm for Improved Detection of Large-MIMO M-QAM Signals
大MIMO信号的低复杂度近最优检测吸引了最近的研究。最近,我们提出了一个局部邻域搜索算法,即“反应禁忌搜索”(RTS)算法,以及基于因子图的“信念传播”(BP)算法的低复杂度大MIMO检测。本工作的动机来自于对上述两种算法的以下两个观察:$i)$ RTS适用于一般的M-QAM。尽管RTS被示出为在大维度上实现4-QAM的接近最佳性能,但是对于高阶QAM(例如,16-64-QAM)。ii)BP也被示出对于大维度实现接近最优的性能,但仅对于$\{\pm 1\}$字母表。在本文中,我们提高了高阶QAM信号的大MIMO检测性能,使用RTS和BP的混合算法。特别是,由观察,当检测错误发生在RTS输出,最低有效位(LSB)的符号大多是错误的动机,我们建议首先重建和消除干扰,由于在RTS输出的LSB以外的位和饲料的干扰消除接收信号的BP算法,以提高LSB的可靠性。BP的输出然后被反馈回RTS用于下一次迭代。我们的仿真结果表明,在32 × 32 V-BLAST系统中,所提出的RTS-BP算法性能优于RTS约3.5 dB的$10^{-3}$未编码的BER和约2.5 dB的$3\times 10^{-4}$率-3/4 Turbo编码的BER与64-QAM在相同的数量级的复杂度作为RTS。我们还说明了大MIMO检测在频率选择性衰落信道中的性能。
2010-01-14 cs.IT math.IT
Perturbed Adaptive Belief Propagation Decoding for High-Density Parity-Check Codes
诸如BCH码的代数码正在重新受到关注,因为它们的短块长度和低/无错误平层使它们对于5G无线网络中的超可靠低延迟通信(URLLC)具有吸引力。针对高密度奇偶检验(HDPC)代数码,如RS码、BCH码和乘积码,提出了一种改进的自适应置信传播(ABP)译码算法。传统ABP的核心思想是稀疏化奇偶检验矩阵中对应于具有小对数似然比(LLR)值的最不可靠比特的某些列。当一些比特具有大的LLR幅度但符号错误时,这种稀疏化策略可能不是最佳的。出于这一观察结果,我们提出了一个扰动ABP(P-ABP),将少量的不稳定位与大LLR到稀疏操作的奇偶检验矩阵。此外,我们建议应用部分分层调度或混合动态调度,以进一步提高性能的P-ABP。仿真结果表明,我们提出的解码算法导致改善的纠错性能和更快的收敛速度比现有技术的ABP变种。
2020-12-19 cs.IT math.IT
Channel Hardening of IRS-Aided Multi-Antenna Systems: How Should IRSs Scale?
与有源阵列天线不同,智能反射面(IRSs)可以在大尺寸下有效地实现。这允许大规模IRS辅助MIMO系统的可追踪实现,其中不一定是阵列天线,但无源IRS是大的。人们普遍认为,大型IRS辅助MIMO设置保持了大规模MIMO系统的基本特征,因此它们是用于建立大规模MIMO设置的性能的实现上可行的技术。这项工作为这一信念提供了严格的证明。我们表明,使用一个大的无源IRS,发送器和接收器之间的端到端MIMO信道总是硬化,即使IRS元素是强相关的。对于发射机和接收机之间的衰落直接和反射链路,我们的推导表明,随着IRS元素的数量越来越大,端到端信道的容量在分布上收敛到一个实值高斯随机变量,其方差趋于零。这种下降的顺序取决于IRS的物理尺寸如何增长。我们明确地推导出这个顺序。数值实验表明,分析渐近分布几乎完全匹配的直方图的容量,即使在实际情况下。作为结果的一个示例应用,我们使用的渐近特性来研究发射机和IRS之间的尺寸权衡。结果是直观的:对于给定的目标性能,IRS越大,实现目标所需的发射天线越少。对于任意遍历和中断性能,我们分析了这种权衡。我们的研究表明,使用一个实际的IRS大小,目标性能可以实现显着小的端到端MIMO尺寸。
2022-03-22 cs.IT math.IT
A Low-Complexity MIMO Channel Estimator with Implicit Structure of a Convolutional Neural Network
Technische Universität München(慕尼黑工业大学)
最近提出了一种低复杂度的卷积神经网络估计器,它可以学习单天线用户的最小均方误差信道估计器。我们推广的架构与多天线用户的MIMO信道的估计,并将复杂度降低的假设的基础上的信道模型。在这种情况下,学习是用来对抗假设和假设可能不成立的真实场景之间的不匹配。我们推导出一个高层次的描述的估计任意选择的导频序列。事实证明,所提出的估计器具有两层卷积神经网络的隐式结构,其中导出的量可以被放松为可学习的参数。我们表明,通过使用基于离散傅立叶变换的导频的可学习的网络参数的数量显着减少和在线运行时间的估计大大减少,在那里我们可以实现线性的复杂性的天线数量的顺序。数值结果表明,与来自压缩感知或相同或甚至更高计算复杂性的协方差估计领域的最新算法相比,性能增益。模拟代码可在线获得。
2021-04-26 cs.IT cs.LG math.IT
Statistical mechanical analysis of the Kronecker channel model for MIMO wireless communication
利用统计力学方法分析了无线通信的克罗内克信道模型。在该模型中,发射/接收天线之间的空间邻近性被考虑为某些相关矩阵,这通常会产生非平凡的依赖符号之间进行估计。这防止了通过天真地使用先前开发的基于矩阵积分公式的分析方案来准确评估通信性能。为了解决这个困难,我们开发了一个形式主义,可以正式处理的相关性在克罗内克模型的基础上已知的计划。不幸的是,直接应用的开发计划,在一般情况下,实际上是困难的。然而,形式主义仍然是有用的,这表明相关性的影响一般增加后的四阶相关强度。因此,当相关强度足够小时,已知的分析方案在性能评估中提供了良好的近似。对于一类特定的相关性,我们表明,性能分析可以映射到随机场中的一维自旋系统的问题,这可以调查,而无需近似的置信传播算法。
2009-09-18 cond-mat.dis-nn cond-mat.stat-mech cs.IT
Millimeter Wave Multi-Beam-Switching Antenna
介绍了一种工作频率为14 GHz、带宽为2 GHz的高增益端射印刷天线。由该元件形成的3x3天线子阵列用于为5G网络的毫米波Massive MIMO天线阵列呈现其波束转向和多波束切换能力。这两种技术的共存,在一个大规模的MIMO子阵列,通过使用一个简单的两个矢量激励矩阵技术的帮助下,本文所示。天线的高增益和小形状因子在5G阵列等应用中非常有用,其中空间是珍贵的,并且固有的分层结构也有助于更好地冷却天线前端。
2017-09-07 cs.IT math.IT physics.app-ph
Row-Boosted Ensemble Belief Propagation for Short LDPC Codes
Institute of Telecommunications, University of Stuttgart(斯图加特大学电信研究所)
针对短LDPC码有限长度图效应问题,提出行增强集成置信传播译码算法,在5G NR码上显著降低误帧率,性能优于同等规模的同类算法,且具有可扩展性。
2026-08-11 cs.IT eess.SP math.IT
Superimposed RIS-phase Modulation for MIMO Communications: A Novel Paradigm of Information Transfer
本文提出叠加RIS相位调制(SRPM)方案,通过将可调相位偏移叠加到预定RIS相位上承载额外信息,建立通用反射调制框架,并设计预编码优化与低复杂度检测方法,在MIMO系统中实现更高分集阶数和传输性能。
2023-08-10 cs.IT eess.SP math.IT
Data-Driven Deep MIMO Detection:Network Architectures and Generalization Analysis
School of Information Science and Engineering, Southeast University(信息科学与工程学院,东南大学)
本文提出了一种基于图神经网络的深度多用户多输入多输出检测方法GNNSIC,通过参数共享提升泛化能力和样本效率。
2026-02-13 cs.IT cs.LG eess.SP
An Optimization Model for Offline Scheduling Policy of Low-density Parity-check Codes
本文提出一种LDPC码离线调度优化模型,以消息传递数量、平均熵和GAP为指标优化调度序列,在5G NR LDPC码上实现译码复杂度降低20%以上且性能优于分层BP。
2024-08-06 cs.IT math.IT
Deep Unfolding of Iteratively Reweighted ADMM for Wireless RF Sensing
Ruhr University Bochum(波鸿鲁尔大学);Technical University Berlin(柏林工业大学);Technical University of Munich(慕尼黑工业大学)
我们解决了材料缺陷的检测,这是内部的分层材料结构使用压缩感知基于多输入多输出(MIMO)无线雷达。在这里,由于层状结构的表面的反射而产生的强杂波通常使得缺陷的检测具有挑战性。因此,需要复杂的信号分离方法来改进缺陷检测。在许多情况下,我们感兴趣的缺陷的数量是有限的,并且分层结构的信令响应可以被建模为低秩结构。因此,我们提出了联合秩和稀疏性最小化的缺陷检测。特别是,我们提出了一个非凸的方法的基础上迭代重新加权核和$\ell_1-$规范(双重重新加权的方法),以获得更高的精度相比,传统的核规范和$\ell_1-$规范最小化。为此,设计了一种迭代算法来估计低秩和稀疏的贡献。此外,我们提出了深度学习来学习算法的参数(即,算法展开)以提高算法的精度和收敛速度。数值结果表明,该方法在恢复低秩和稀疏分量的均方误差以及收敛速度方面优于传统方法。
2021-12-17 cs.CV cs.IT cs.LG
Two-Layer Stacked Intelligent Metasurfaces: Balancing Performance and Complexity
Nanyang Technological University(南洋理工大学);CNRS and CentraleSupélec, Institute of Electronics and Digital Technologies(法国国家科学研究中心与中央理工-高等电力学院,电子与数字技术研究所);King’s College London, Department of Engineering - Centre for Telecommunications Research(伦敦国王学院,工程学院-电信研究中心);Research Institute for Digital Future, Khalifa University(哈利法大学数字未来研究所);Princeton University(普林斯顿大学)
本文提出双层堆叠智能超表面架构,通过平衡性能与复杂度,有效降低功率损耗并提升信号处理性能,为6G系统提供新方案。
2026-03-11 cs.IT math.IT