Unlocking the Energy-Saving Potential in O-RAN Cell-Free Massive MIMO by Joint Orchestration of Radio, Wireless Fronthaul, and Cloud Resources
KTH Royal Institute of Technology（皇家理工学院）；TOBB University of Economics and Technology（TOBB经济与科技大学）；Bilkent University（比尔肯特大学）
本文研究了O-RAN架构下无线中回传的细胞-free大规模MIMO网络，提出联合协调框架以最小化端到端能耗并满足用户设备速率需求，通过集中式预编码和分布式预编码算法实现高达70%的能耗节省。
2026-04-05 eess.SP
Experimental Validation of Coherent Joint Transmission in a Distributed-MIMO System with Analog Fronthaul for 6G
针对6G网络小区边缘用户覆盖与频谱效率提升需求及同步难题，本文验证了采用ARoF前传的双TRxP分布式MIMO系统中相干联合传输的性能，实现了较单TRxP传输+5 dB的分集与功率联合增益。
2023-05-04 eess.SP
Energy-Efficient Cell-Free Massive MIMO with Wireless Fronthaul
针对无蜂窝大规模 MIMO 光缆前传及全天线激活带来的高成本与高功耗问题，提出无线前传下联合天线激活和功率分配算法，在满足 QoS 与前传容量约束时显著降低端到端功耗。
2024-12-03 eess.SP
Hybrid Network- and User-Centric Scalable Cell-Free Massive MIMO for Fronthaul Signaling Minimization
针对无蜂窝大规模MIMO中CPU间前传信令过大的问题，提出一种结合网络中心与用户中心聚类的低复杂度在线关联方法，在仅依赖本地信道信息下最多节省94%前传信令且几乎不损失频谱效率。
2024-12-20 eess.SP
Fronthaul Quantization-Aware MU-MIMO Precoding for Sum Rate Maximization
本文研究有限分辨率前传下的MU-MIMO系统，提出基于WMMSE和球译码的量化感知预编码算法以最大化系统总速率，其性能显著优于先优化后量化的传统基线方案。
2024-06-27 eess.SP
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
Joint Access and Fronthaul Resource Allocation for Cell-Free Massive MIMO with Wireless Fronthaul
KTH Royal Institute of Technology（皇家理工学院）；Bilkent University（比尔肯特大学）
研究具有无线前传的无小区大规模 MIMO 网络性能，提出联合接入与前传资源分配算法，通过该算法在满足前传负载约束时最大化最小用户设备频谱效率，揭示功率分配结构及前传限制影响，证明分割选项 8 不实用。
2026-07-29 cs.SY eess.SP eess.SY
MSE Minimization in RIS-Aided MU-MIMO with Discrete Phase Shifts and Fronthaul Quantization
针对 RIS 辅助下行 MU-MIMO 在有限容量前传与离散 RIS 相移约束下的和 MSE 最小化问题，提出基于块坐标下降与 SESD 的联合优化算法，实现预编码、RIS 配置及接收机增益的最优求解。
2024-06-18 eess.SP
Distributed Massive MIMO with 1-Bit Radio-over-Fiber Fronthaul: Uplink Spectral Efficiency and Power Control
Chalmers University of Technology（查尔姆斯理工大学）；Hangzhou Dianzi University（杭州电子科技大学）
针对1比特射频光纤前传的分布式MIMO系统，提出无需MMSE信道估计的可达速率表达式，利用Bussgang分解线性化输入输出关系，优化信噪比和过采样，解决最大最小公平功率控制问题。
2026-06-26 eess.SP
Joint Sequential Fronthaul Quantization and Hardware Complexity Reduction in Uplink Cell-Free Massive MIMO Networks
针对上行无蜂窝大规模MIMO前传量化失真与基带处理复杂度问题，本文提出在菊花链前传中对AP接收信号进行AP间和AP内去相关后再量化，以更高效利用量化比特并改善BER和NMSE。
2024-05-02 eess.SP
Optimizing Fronthaul Quantization for Flexible User Load in Cell-Free Massive MIMO
本文针对无小区大规模MIMO系统，联合优化集群处理器放置与前传路由，并调整量化速率，使前传负载在广泛用户负载下保持稳定且PHY性能损失小，验证系统对用户密度变化的鲁棒性。
2025-10-08 cs.IT eess.SP math.IT
Distributed Two-Phase Processing for Modular XL-MIMO with Wireless Fronthaul under Hardware Impairments
Bilkent University（比尔肯特大学）
针对硬件损伤下采用放大转发无线前传的模块化超大规模MIMO系统，提出基于加权最小均方误差的联合优化算法，通过调整用户发射功率和前传放大系数最大化上行频谱效率。
2026-05-22 cs.IT eess.SP math.IT
Cooperative access networks: Optimum fronthaul quantization in distributed Massive MIMO and cloud RAN
我们考虑协作无线电接入网络架构，特别是分布式大规模MIMO和云RAN，考虑它们的相似性和差异。我们特别解决的主要挑战都由一个高容量的前传网络的实施，以链接的分布式接入点的中央处理单元，并考虑对上行链路性能的影响，以限制前传负载的量化接收信号。我们使用Bussgang分解以及一种新的方法来MMSE估计的信道和数据提供我们的分析的基础。
2018-05-25 cs.IT eess.SP math.IT
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
Cell-free Massive MIMO with Sequential Fronthaul Architecture and Limited Memory Access Points
本文研究了CFmMIMO中顺序前传架构下AP有限存储容量对最佳AP数量的影响，提出对接收信号向量进行压缩以节省存储，发现无存储约束时单天线AP最优，而有限存储会限制处理流水线深度并影响前传链路速率。
2024-07-31 eess.SP
Uplink Hardware Impairments in OFDM-Based Cell-Free Massive MIMO With Impaired Wireless Fronthaul
Bilkent University（比尔肯特大学）
本文研究OFDM无小区大规模MIMO在硬件损伤下的上行性能，提出统一分析框架推导闭式表达式，并采用失真感知合并与最大最小公平资源分配以缓解性能下降。
2026-09-23 cs.IT eess.SP 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
Sequential HW-Aware Precoding: Over-the-air cancellation of HWI in Downlink Cell-Free Massive MIMO with Serial Fronthaul
针对下行无蜂窝大规模MIMO网络硬件损伤抑制与计算可扩展性问题，提出序列硬件感知预编码方法，通过串行前传AP间依次交换失真信息实现空对消，在高失真场景下显著提升频谱效率且计算复杂度更低。
2025-03-21 eess.SP
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
Efficient Design of Fronthaul-Constrained Uplink Reception for Cell-Free XL-MIMO
Jeonbuk National University（全北国立大学）；Hanyang University（汉阳大学）
本文研究了无源超大规模MIMO系统上行接收的可扩展性和前端高效设计，通过联合优化线性变换矩阵和前端压缩策略，提出加速FP算法，降低计算复杂度并提升上行总速率。
2026-04-23 cs.IT eess.SP 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
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
Rethinking Energy Efficiency in Cell-Free Massive MIMO: The Role of Processing and Optical Fronthaul
KTH Royal Institute of Technology（皇家理工学院）；Bilkent University（比尔肯特大学）
本文提出模块化功耗模型，分析无蜂窝大规模MIMO中前传与处理对能效的主导作用，发现密集分布式天线结合端到端资源分配可提升能效。
2026-07-01 cs.SY eess.SP eess.SY
Optimized Precoding for MU-MIMO With Fronthaul Quantization
多用户多输入多输出（MU-MIMO）的第一次广泛使用之一是在5G网络中，其中每个基站都有一个先进的天线系统（AAS），该天线系统通过容量受限的前传连接到基带单元（BBU）。在AAS配置中，多个无源天线元件和无线电单元被集成到单个盒子中。本文研究了单小区MU-MIMO系统中的预编码下行链路传输。我们研究了有限容量前传下AAS的优化线性预编码，这需要对预编码矩阵进行量化。我们提出了一种新的预编码设计，是知道的前传量化和最小化的均方误差在接收端。我们使用球形解码（SD）方法计算预编码矩阵。我们还提出了一个启发式的低复杂度的方法来量化预编码。这种启发式算法对于大规模多输入多输出系统来说在计算上足够高效。数值结果表明，我们提出的预编码显着优于量化未知的预编码和其他以前的方法的总和速率。考虑到复杂度的降低，我们的启发式方法相比量化感知预编码的性能损失是微不足道的，这使得启发式方法对于实时应用是可行的。我们考虑完美和不完美的信道状态信息。
2022-09-05 cs.IT eess.SP math.IT
Quantisation-aware Precoding for MU-MIMO with Limited-capacity Fronthaul
5G及以后的基站使用先进的天线系统（AAS），其中多个无源天线元件和无线电单元集成到单个盒子中。这种系统的关键瓶颈是AAS和基带单元（BBU）之间的数字前传，其具有有限的容量。在本文中，我们研究了一种用于预编码下行链路传输多用户多输入多输出（MU-MIMO）信道的AAS。首先，我们提出了当在BBU处计算预编码器并且然后量化以通过前传发送时创建的基线量化未知预编码方案。我们提出了一种新的预编码设计，是知道的前传量化。我们制定了一个优化问题，以最小化接收端的均方误差。数值结果表明，本文提出的预编码算法在和速率方面大大优于量化未知预编码算法。
2022-02-17 cs.IT eess.SP math.IT
Fronthaul-Efficient Cell-Free Massive MIMO via Stream-Adaptive Resolution Control
Bilkent University（比尔肯特大学）
针对前传受限无蜂窝大规模MIMO，提出流与AP自适应分辨率控制框架，联合优化功率与量化分辨率，采用WMMSE块坐标下降算法求解非凸问题。
2026-09-23 cs.IT eess.SP math.IT
Network-Assisted Full-Duplex Cell-Free mmWave Massive MIMO Systems with DAC Quantization and Fronthaul Compression
在本文中，我们研究了网络辅助全双工（NAFD）无细胞毫米波（mmWave）大规模多输入多输出（MIMO）系统与数模转换器（DAC）量化和前传压缩。我们建议通过联合优化发射远程天线单元（T-RAU）和上行链路用户的功率分配以及下行链路和上行链路前传压缩噪声的方差来最大化加权上行链路和下行链路和速率。为了处理这个具有挑战性的问题，我们进一步应用连续凸近似（SCA）方法来处理非凸双向有限容量前传约束。仿真结果验证了所提出的基于SCA的算法的收敛性，并分析了前传容量和DAC量化对NAFD无小区mmWave大规模MIMO系统频谱效率的影响。此外，通过频谱效率的比较，得出了一些有意义的结论，表明在实际有限分辨率DAC的情况下，NAFD比同时同频全双工云无线接入网络（CCFD C-RAN）获得了更好的性能增益。具体而言，它们在8位DAC量化下的性能差距大于1位DAC量化下的性能差距，后者获得了5.5倍的改善。
2023-02-17 cs.IT eess.SP math.IT
Distributed MIMO Precoding with Routing Constraints in Segmented Fronthaul
本文研究了分段前传下两级路由约束对D-MIMO下行性能的影响，提出高效选择服务RU和ARU的框架以最小化路由影响，发现合理设置段容量与路径长度可实现零UE丢弃率。
2024-05-30 eess.SP
Performance of Cell-Free MmWave Massive MIMO Systems with Fronthaul Compression and DAC Quantization
针对无小区毫米波（mmWave）大规模多输入多输出（MIMO）系统，提出了一种基于最大最小功率分配的迫零（ZF）预编码器，该预编码器采用低分辨率数模转换器（DAC），前传链路容量有限。所提出的功率分配的目的是实现最大-最小的公平性上的可实现的速率下限的用户的加性量化噪声模型（AQNM），它模仿的效果，低分辨率DAC。为了解决最大-最小功率分配问题，提出了一种交替优化（AO）方法，该方法在每次AO迭代中都能得到构成原问题的子问题的全局最优解，从而保证了算法的收敛性.在仿真结果中探索了无小区系统和小小区系统的性能，这表明不太小的前传容量足以使无小区系统优于小小区系统。
2021-01-25 cs.IT eess.SP math.IT
Cell-Free Massive MIMO with Hardware-Impaired Wireless Fronthaul
Bilkent University（比尔肯特大学）；KTH Royal Institute of Technology（皇家理工学院）
本文提出了一种针对无源大规模MIMO的新型放大转发无线前传方案，通过联合建模硬件缺陷并优化线性组合器，提升频谱效率和系统性能。
2026-02-07 cs.IT eess.SP math.IT
Two-Stage Distributed Beamforming Design in Cell-Free Massive MIMO ISAC Systems
针对无蜂窝ISAC系统集中式波束成形前传负载高、扩展性差的问题，提出两阶段分布式波束成形方案，采用MM方法求解非凸优化问题，在性能接近集中式方案的同时大幅降低前传负载，提升系统效率与可扩展性。
2025-01-17 eess.SP
Cell-Free MmWave Massive MIMO Systems with Low-Capacity Fronthaul Links and Low-Resolution ADC/DACs
在本文中，我们考虑的上行链路信道估计阶段和下行链路数据传输阶段的无小区毫米波（mmWave）大规模多输入多输出（MIMO）系统的低容量前传链路和低分辨率的模数转换器/数模转换器（ADC/DAC）。在无小区大规模MIMO中，控制单元决定地理范围内的基带处理，而基站通过前传链路与控制单元进行通信。与大多数以前的作品在无细胞的大规模MIMO有限容量前传链路，我们认为一般情况下，前传容量和ADC/DAC分辨率不一定是相同的。特别地，前传压缩和ADC/DAC量化独立地发生，其中每个都基于信息理论参数和加性量化噪声模型（AQNM）来建模。然后，我们解决码本设计问题，旨在最小化信道估计误差的独立同分布（i.i.d.）和彩色压缩噪声情况。此外，我们提出了一个交替优化（AO）的方法来解决最大最小公平性问题。本质上，AO方法在对应于功率分配和码本设计问题的两个子问题之间交替。针对迫零（ZF）预编码器提出的AO方法保证收敛，而针对最大比传输（MRT）预编码器提出的AO方法没有这样的保证。最后，所提出的方案的性能进行评估的模拟结果的能量和频谱效率。数值结果表明，所提出的方案的ZF预编码器产生的频谱和能量效率比最佳基线的28%和15%。
2022-06-15 cs.IT eess.SP math.IT
Deep-Learning-Based Channel Estimation for Distributed MIMO with 1-bit Radio-Over-Fiber Fronthaul
Chalmers University of Technology（查尔姆斯理工大学）；Ericsson Research（爱立信研究院）
本文研究1比特光纤前传分布式大规模MIMO上行信道估计，将深度学习信道估计算法适配到该架构，并通过仿真证明其显著优于Bussgang线性MMSE估计器，且对AGC和比较器引入的额外失真具有鲁棒性。
2024-07-05 cs.LG eess.SP
RIS-Assisted Survivable Fronthaul Design in Cell-Free Massive MIMO System
本文研究RIS在无小区大规模MIMO系统中提升前传可生存性，通过LOS增强和资源共享两种机制，提出WMMSE与黎曼梯度下降结合的优化方案，使冗余容量减少65.6%并达到99%可生存性。
2025-05-25 cs.IT eess.SP math.IT
Resource Efficient Over-the-Air Fronthaul Signaling for Uplink Cell-Free Massive MIMO Systems
针对无小区大规模MIMO上行前传瓶颈，提出资源高效模拟空中计算框架，通过预编码与两阶段功率分配实现OTA相干合并，并验证其性能优于有线前传方案。
2023-11-14 cs.IT eess.SP math.IT
Joint Precoding and Fronthaul Compression for Cell-Free MIMO Downlink With Radio Stripes
本文首次研究无线电条纹无蜂窝MIMO下行链路数据传输，提出联合预编码与前传压缩方案，利用WZ压缩利用串行传输特性提升总速率，并通过数值结果验证性能增益。
2023-08-07 cs.IT eess.SP math.IT
Energy-Efficient Integrated Access and Fronthaul for Cell-Free Massive MIMO with Adaptive Quantization Resolution
Bilkent University（比尔肯特大学）
本文针对采用无线前传的无蜂窝大规模MIMO上行链路，构建能效最大化框架，联合优化资源拆分、自适应量化分辨率与前传功率，通过交替优化算法求解，实现节能目标。
2026-08-11 cs.IT eess.SP math.IT
Joint Impact of ADC and Fronthaul Quantization in Cell-Free Massive MIMO-OFDM Uplink
Bilkent University（比尔肯特大学）；KTH Royal Institute of Technology（皇家理工学院）
本文研究了大规模MIMO-OFDM上行链路中ADC和前haul量化的联合影响，提出了一种前haul策略以减少量化伪影，通过高效算法重建未量化的信号以提升传输效率。
2026-01-10 cs.IT eess.SP math.IT
EVM Analysis of Distributed Massive MIMO with 1-Bit Radio-Over-Fiber Fronthaul
本文分析分布式大规模MIMO上行性能，采用1比特量化光纤前传，无需下变频，研究空间与时间过采样权衡，以EVM为指标优化抖动设计并确定优于共置架构所需的最小前传速率。
2024-05-29 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
Quantized Precoding for Maximizing Sum Rate in MU-MIMO Systems with Constrained Fronthaul
KTH Royal Institute of Technology（皇家理工学院）；Nokia Standards（诺基亚标准）
本文提出了一种量化预编码方法，通过在MU-MIMO系统中直接整合量化器约束以最大化总速率，采用新的迭代算法和球面解码方法，实现高效且低复杂度的预编码设计。
2026-02-27 cs.AR eess.SP
Performance Analysis of Fronthaul Compression in Massive MIMO Receiver
本文针对大规模MIMO接收机中RRH与BBU间前传流量增长问题，提出一种压缩方案，并通过利用信道稀疏性和条件数在保证EVM要求下提高压缩比，仿真验证了其有效性。
2024-07-23 cs.IT eess.SP math.IT
UAV-Based Cell-Free Massive MIMO: Joint Placement and Power Optimization under Fronthaul Capacity Limitations
本文提出基于无人机的无蜂窝大规模MIMO框架，通过联合优化UAV-AP部署、发射功率与选择性激活，在无线前传容量约束下最大化最小SINR并降低功耗，并比较了功能拆分选项7.2与8及sub-6 GHz与毫米波前传的性能差异。
2025-02-07 cs.IT eess.SP math.IT
Variational Bayesian Channel Estimation and Data Detection for Cell-Free Massive MIMO with Low-Resolution Quantized Fronthaul Links
针对无小区大规模MIMO前传链路带宽受限问题，提出基于变分贝叶斯的联合信道估计与数据检测方法，通过低分辨率量化信号，在Q-E和E-Q两种方案下均优于LMMSE，其中Q-E性能更佳。
2025-06-23 eess.SP
Scalable Multivariate Fronthaul Quantization for Cell-Free Massive MIMO
King’s College London（伦敦国王学院）；Huawei’s Sweden Research and Development Center（华为瑞典研发中心）
针对无蜂窝大规模MIMO中多变量量化复杂度随总前传容量指数增长的问题，提出低容量下的alpha-PMQ和高容量下的神经MQ两种可扩展方案，在高低前传容量场景均优于传统CP方法。
2024-08-26 cs.IT cs.LG cs.NI
Over-the-Air Fronthaul Signaling for Uplink Cell-Free Massive MIMO Systems
提出了一种资源高效的空中传计算框架，利用接入点本地信息计算全局充分统计量，有效解决了无小区大规模MIMO网络中的前传开销问题，并在MSE、SER和BER指标上验证了其有效性。
2025-05-31 cs.IT eess.SP 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
Sequential Processing in Cell-free Massive MIMO Uplink with Limited Memory Access Points
本文针对无蜂窝大规模 MIMO 顺序菊花链前传，利用率失真理论建模有限内存导致的信号压缩，揭示宏分集与压缩噪声之间的权衡及其对最优 AP 数量的影响。
2023-12-09 eess.SP
MDD-Enabled Two-Tier Terahertz Fronthaul in Indoor Industrial Cell-Free Massive MIMO
本文提出一种MDD支持的两层太赫兹前传方案，用于室内工业无小区大规模MIMO，通过动态AP聚类和帧结构设计，实现全无线前传并达到与光纤系统相当的性能。
2023-05-10 cs.IT eess.SP math.IT
Power Control and Random Serving Mode Allocation for CJT-NCJT Hybrid Mode Enabled Cell-Free Massive MIMO With Limited Fronthauls
本文针对有限前传约束下的无蜂窝大规模MIMO系统，提出CJT-NCJT混合服务模式框架，结合基于概率的随机服务模式分配和逐次凸逼近功率分配算法，以低复杂度提升系统总速率。
2024-09-03 cs.IT eess.SP math.IT
An Evaluation of Distortion and Interference Sources originating Within a Millimeter-wave MIMO Testbed for 5G Communications
本文提出了一种评估失真和干扰源，即谐波失真和天线串扰，起源于一个2 × 2毫米波（毫米波）多输入多输出（MIMO）的测试平台。通过对构建的测试平台的深入了解获得的经验可以被馈送到未来的毫米波大规模多输入多输出测试平台的设计中。
2018-09-19 eess.SP
SIM-Enabled Hybrid Digital-Wave Beamforming for Fronthaul-Constrained Cell-Free Massive MIMO Systems
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
Millimeter-Wave Over-the-Air Signal-to-Interference-plus-Noise-Ratio Measurements Using a MIMO Testbed
本文利用查尔姆斯毫米波多输入多输出测试平台MATE进行了具有外部和内部干扰的空中实验。两个干扰实验的SINR进行了比较和讨论。
2018-09-19 eess.SP
Cell-Free Massive MIMO in O-RAN: Energy-Aware Joint Orchestration of Cloud, Fronthaul, and Radio Resources
针对O-RAN架构下无蜂窝大规模MIMO的能效部署问题，提出联合分配无线、光前传与云资源的端到端编排方案，可实现比仅无线优化、本地云协调方案更显著的功耗节省。
2024-01-29 cs.IT eess.SP math.IT
