Joint Antenna Geometry and Transmit Covariance Design for Near-Field Multicast ISAC with Pinching Antenna Arrays
Hunan Institute of Science and Technology(湖南理工学院);Hunan Institute of Engineering(湖南工程学院);Donghua University(东华大学);Laval University(拉瓦尔大学);University of Saskatchewan(萨斯喀彻温大学);Henan Polytechnic University(河南理工大学)
本文针对近场多播ISAC系统,联合设计PA位置与发射协方差以最小化CRB,提出交替优化算法,兼顾通信与感知性能。
2026-09-22 cs.IT math.IT
Truncated Beam Sweeping for Spatial Covariance Matrix Reconstruction in Hybrid Massive MIMO
空间协方差矩阵(SCM)在大规模多输入多输出(MIMO)等多天线系统的许多应用中是必不可少的。对于工作在毫米波段的大规模MIMO,已经采用混合模数结构来降低射频(RF)链的成本。在这种情况下,在天线处接收的信号对于数字接收机是不可用的,并且因此,传统的样本平均方法不能用于混合大规模MIMO中的SCM重构。为了解决这个问题,波束扫描算法(BSA),它可以有效地重建混合大规模MIMO系统中的SCM,已经在我们以前的工作。在本文中,截断BSA进一步提出的SCM重建考虑到阵列中的天线单元的方向图。由于定向天线方向图,对应于远离法线方向的预定角度方向(DOA)的扫描结果很小,因此可以用预定常数代替。在可以忽略不计的性能降低的代价下,SCM可以通过仅扫描接近法线方向的预定DOA来有效地重建。通过这种方式,BSA可以比传统的对应物更快地进行。还将包括深入的分析,以显示截断对性能的影响。
2022-03-27 cs.IT eess.SP math.IT
Structured Channel Covariance Estimation from Limited Samples for Large Antenna Arrays
在大规模多输入多输出(MIMO)系统中,用户的信道协方差矩阵对于上行链路的最小均方误差(MMSE)信道估计至关重要,同时它在下行链路的多用户波束形成方案中也起着重要的作用。由于大规模MIMO中的大量基站天线,准确的协方差估计是具有挑战性的,特别是在样本数量有限并且因此与信道向量维度相当的情况下。结果,标准样本协方差估计器可能产生太大的估计误差,这又可能相对于理想信道协方差知识情况产生显著的系统性能降级。为了解决这个问题,我们提出了一种方法的基础上的通道角散射函数的参数表示。建议的参数表示包括离散镜面分量,这是解决使用众所周知的多信号分类(MUSIC)方法,和漫散射分量,这是建模为合适的字典函数的叠加。为了获得表示参数,我们提出了两种方法,其中第一种方法解决了非负最小二乘问题,第二种方法使用期望最大化来最大化似然函数。我们的仿真结果表明,所提出的方法优于最先进的各种估计质量指标和不同的样本量。
2022-06-05 cs.IT math.IT
Spatial Channel Covariance Estimation for the Hybrid MIMO Architecture: A Compressive Sensing Based Approach
空间信道协方差信息可以代替整个信道矩阵的全部知识,用于设计混合多输入多输出(MIMO)架构中的模拟预编码器。然而,空间信道协方差估计对于混合MIMO架构是具有挑战性的,因为在基带处操作的估计器只能通过比天线更少的射频(RF)链来获得更低维的预组合信号。在本文中,我们提出了两种基于压缩感知技术的协方差估计方法。一种是应用时变传感矩阵,另一种是利用协方差矩阵是Hermitian的先验知识。通过理论分析和数值仿真验证了这两种方法的优越性。最后,我们提出的算法从窄带大规模MIMO系统与一个单一的接收天线到宽带系统与多个接收天线的文件。
2017-11-11 cs.IT math.IT
Coordinated Per-Antenna Power Minimization for Multicell Massive MIMO Systems with Low-Resolution Data Converters
本文针对采用低分辨率数据转换器的多小区大规模 MIMO-OFDM 系统,提出一种协同波束成形方案,通过构建下行天线功率极小极大问题并利用强对偶性转化为虚拟上行问题,开发了迭代算法以在满足信号质量约束下最小化每根天线最大功率。
2023-09-11 cs.IT eess.SP math.IT
Detecting Abrupt Change of Channel Covariance Matrix in IRS-Assisted Communication
本文针对IRS辅助通信中信道协方差矩阵突变检测问题,提出一种区分I类(基站侧)与II类(IRS侧)变化的高效检测方法,并通过数值仿真验证其有效性。
2023-10-26 cs.IT eess.SP math.IT
Indoor Office Plan Environment and Layout-Based MmWave Path Loss Models for 28 GHz and 73 GHz
本文提出了大规模的路径损耗模型的基础上进行了广泛的超宽带毫米波传播测量在28 GHz和73 GHz的三个典型的室内办公室布局-即:走廊,开放式和封闭式的计划。先前的研究将所有室内布局结合在一起,而本研究将它们分开用于特定于站点的室内大规模路径损耗模型分析。使用每秒400兆芯片的宽带滑动相关器信道探测器进行测量,具有800 MHz的第一零到零RF带宽,用于48个发射机-接收机位置组合,距离范围为3.9米至45.9米,用于视线和非视线环境中的共极化和交叉极化天线配置。全向路径损耗值是从超过14,000个定向功率延迟分布中合成的,并用于生成组合、共极化和交叉极化天线的单频和多频路径损耗模型。大规模的路径损耗模型,包括交叉极化歧视因素提供交叉极化天线测量。结果显示了使用近距离自由空间参考距离单频和多频路径损耗模型的价值,因为它们在路径损耗计算和预测中提供了简单性(更少的参数),而不牺牲精度。此外,当前的3GPP浮动拦截路径损耗模型仅需要简单且微妙的修改来转换为近端自由空间参考距离模型。
2016-02-22 cs.IT math.IT
Fluid Antenna Channel Reconstruction with Non-Negative Least Square Detector
National Mobile Communications Research Laboratory, Frontiers Science Center for Mobile Information Communication and Security, Southeast University(东南大学移动通信国家重点实验室、移动信息与安全前沿科学中心);Purple Mountain Laboratories(紫金山实验室);Key Laboratory of Intelligent Support Technology for Complex Environments, Ministry of Education, Nanjing University of Information Science and Technology(南京信息工程大学教育部复杂环境智能支持技术重点实验室)
针对流体天线系统信道重建,提出基于非负最小二乘的协方差域方法,利用非均匀端口扩大虚拟孔径,估计到达角,仿真显示优于ULA-MUSIC和ULA-ESPRIT,且视距估计显著改善。
2026-09-22 cs.IT eess.SP math.IT
Structured Channel Covariance Estimation from Limited Samples in Massive MIMO
获取信道协方差知识在各种多输入多输出MIMO通信应用中是非常重要的,包括信道估计和协方差用户分组。在大规模MIMO系统中,由于基站中采用的大量天线($M\gg 1$)以及因此的高信号维度,协方差估计被证明是具有挑战性的。在这种情况下,导频传输的数量$N$变得与天线的数量相当,并且诸如样本协方差的标准估计器产生真实协方差的差的估计并且是不期望的。在本文中,我们提出了一个最大似然(ML)大规模MIMO协方差估计,基于信道角扩展函数(ASF)的参数表示。参数表示出现从超分辨离散ASF组件通过众所周知的多信号分类(MUSIC)方法加上近似其连续组件使用合适的有限支持密度函数。我们最大化的似然函数使用凹凸过程,这是通过一个非负最小二乘优化问题初始化。我们的仿真结果表明,所提出的方法优于现有技术在各种估计质量指标,并为不同的样本大小,信号维数($N/M$)的比例。
2019-10-31 cs.IT eess.SP math.IT
Beyond Covariance: Generative Spatial Correlation Modeling and Channel Interpolation for Fluid Antenna Systems
National Mobile Communications Research Laboratory, Southeast University(东南大学国家移动通信实验室);School of Artificial Intelligence, Nanjing University of Information Science and Technology(南京信息工程大学人工智能学院);Department of Electronic and Electrical Engineering, University College London(伦敦大学学院电子电气工程系);Department of Electronic Engineering, Kyung Hee University(庆熙大学电子工程系)
本文提出生成式空间相关建模与通道插值方法,用于流体天线系统中的信道重建,通过高阶自回归过程建模并推导最优最小均方误差估计器,实现高效且理论严谨的信道重建方案。
2026-04-17 cs.IT math.IT
CSI Reconstruction in Fluid Antenna Systems Without Spatial Covariance Priors
The Hong Kong Polytechnic University(香港理工大学);University of Manchester(曼彻斯特大学);South China University of Technology(华南理工大学);University College London(伦敦大学学院);Southeast University(东南大学);University of Surrey(萨里大学);Xidian University(西安电子科技大学);Hong Kong Metropolitan University(香港都会大学)
该研究针对流体天线系统,在无空间协方差先验条件下,基于Clarke各向同性散射模型确定了全端口CSI重建的可行性阈值,推导了相关参数权衡关系,实现了少端口的可扩展无先验CSI重建。
2026-08-11 cs.IT math.IT
Multi-Band Covariance Interpolation with Applications in Massive MIMO
在本文中,我们研究了多带(频率变化)协方差插值问题,特别强调大规模MIMO应用。在大规模MIMO系统中,具有$M \gg 1$天线的每个BS与每个单天线用户之间的通信通过环境中的散射体的集合而发生,其中BS天线处的每个用户的信道向量包括散射体的阵列响应的加权线性组合,其中每个散射体具有其自己的到达角(AoA)和复信道增益。在给定AoA处的阵列响应取决于入射平面波的波长,并且自然是频率相关的。这导致频率相关失真,其中二阶统计量,即,信道向量的协方差矩阵随频率变化。在本文中,我们表明,虽然这种影响通常是可以忽略不计的少量天线$M$,它的结果在相当大的失真的协方差矩阵,特别是其占主导地位的信号子空间在大规模MIMO制度,其中$M \to \infty$,并且通常会导致性能的严重降级,尤其是在频分双工(FDD)大规模MIMO系统中,其中上行链路(UL)和下行链路(DL)通信发生在不同的频带上。我们提出了一种新的UL-DL协方差插值技术,该技术能够在用户的角功率扩展函数(PSF)的温和互易条件下,从UL中的协方差矩阵的估计恢复DL中的协方差矩阵。我们从数学上分析了我们提出的方案的性能,并证明了它的鲁棒性下一个足够大的空间过采样的阵列。我们还提出了几个简单的现成的算法,UL-DL协方差插值和评估其性能通过数值模拟。
2018-01-11 cs.IT math.IT stat.ML
UAV Fluid-Antenna Channel Acquisition under Intra-Scan Channel Aging
College of Artificial Intelligence, Nanjing University of Information Science and Technology(南京信息工程大学人工智能学院);School of Cyber Science and Engineering, Southeast University(东南大学网络空间安全学院);National Mobile Communications Research Laboratory, Southeast University(东南大学移动通信国家重点实验室);Purple Mountain Laboratories, Nanjing(紫金山实验室)
本文针对无人机流体天线系统中顺序探测导致信道老化的问题,提出联合优化探测位置与停止时机的方法,通过动态估计器与协方差感知策略平衡信息与新鲜度,仿真验证了其在高移动性下的有效性。
2026-09-09 cs.IT math.IT
On The Fast Fading Multiple-Antenna Gaussian Broadcast Channel with Confidential Messages and Partial CSIT
在窃听信道中,通常假设窃听者的信道状态信息(CSI)在发送端是完全或部分已知的。然而,在完美的保密性约束下,窃听者可能没有动机反馈任何正确的CSI。在本文中,我们考虑了一个更可行的问题,即发射机拥有窃听者的CSI。即,具有机密消息的快衰落多天线高斯广播信道(FMGBC-CM),其中两个接收器都是合法用户,使得他们都愿意反馈准确的CSI以维持他们的安全传输,并且不被另一个窃听。我们假设只有信道状态信息的统计是已知的发射机。我们首先展示了FMGBC-CM不被降级到普通窃听信道的必要条件。然后,我们推导出可实现的速率区域的FMGBC-CM的信道输入的协方差矩阵和膨胀因子是未知的,有待解决。之后,我们提供了一个解析解的信道输入协方差矩阵。我们还提出了一种迭代算法来求解信道输入协方差矩阵和膨胀因子。由于正常信噪比下的速率域公式比较复杂,我们采用低信噪比分析来研究信道特性。最后,数值算例表明,在完全保密约束下,两个用户可以同时获得正速率,这验证了我们推导的必要条件。数值结果也说明了解析解和所提算法在不同条件下求解信道输入协方差矩阵和膨胀因子的有效性。
2013-07-09 cs.IT math.IT
Full Rank Solutions for the MIMO Gaussian Wiretap Channel with an Average Power Constraint
本文考虑了一个多输入多输出(MIMO)高斯窃听信道模型,其中存在一个发射机,一个合法的接收机和一个窃听者,每个都配备了多个天线。在本文中,我们首先重新审视的最佳输入协方差矩阵的秩属性,实现多天线MIMO高斯窃听信道的保密容量下的平均功率约束。接下来,我们得到的MIMO窃听信道参数的必要和充分条件,使最佳的输入协方差矩阵是满秩的,我们充分的特点,以及由此产生的协方差矩阵。数值结果来说明所提出的理论研究结果。
2012-10-17 cs.IT math.IT
On the Achievable Rate of the Fading Dirty Paper Channel with Imperfect CSIT
研究了多天线衰落脏纸信道(FDPC)Y = H(X + S)+ Z上的脏纸编码(DPC)问题. FDPC具有正定(p.d.)在最近的一篇文章中,作者研究了输入协方差矩阵,这里讨论了半正定(p.s.d.)处理输入协方差。为此,修改了辅助随机变量的选择。提出了确定膨胀因子的算法。的情况下,然后推广到p.s.d.的情况。输入协方差随后,最大DPC可实现的高SNR(信噪比)缩放因子超过具有p.s.d.导出输入协方差矩阵。该比例因子被认为是针对p.d.实现的比例因子的非平凡推广。案子接下来,在低SNR的限制下,证明了全零膨胀因子的选择(因此将干扰视为噪声)在“比率”意义上是最优的,而不管所使用的协方差矩阵。此外,在PD。协方差的情况下,在高信噪比最佳的膨胀因子时,获得的发射天线的数量大于接收天线的数量,与其他情况下已经考虑在较早的文件。最后,讨论了输入协方差矩阵和膨胀因子的联合优化问题,并给出了迭代数值算法。
2009-03-26 cs.IT math.IT
Transmitter Optimization for Achieving Secrecy Capacity in Gaussian MIMO Wiretap Channels
考虑高斯多输入多输出(MIMO)窃听信道模型,其中存在一个发射机,一个合法的接收机和窃听器,每个节点配备多个天线。我们研究的问题,找到最佳的输入协方差矩阵,实现保密能力的权力约束,这导致了一个非凸优化问题,一般难以解决。针对这个问题的现有结果解决了发送器和合法接收器各自具有两个天线并且窃听者具有一个天线的情况。在一般情况下,当窃听者和合法接收者的信道矩阵的Grams之差为不定或半定时,最优输入协方差矩阵具有低秩,而当Grams之差为正定时,最优输入协方差矩阵可能具有低秩或满秩.在本文中,上述非凸优化问题进行了研究。特别地,对于多输入单输出(MISO)窃听信道,最优输入协方差矩阵得到封闭的形式。对于一般情况,我们推导出了由一组方程组成的最优输入协方差矩阵的必要条件。对于发射机有两个天线的情况,导出的必要条件可以得到封闭形式的解:对于Grams差不确定且除一个正特征值外所有特征值都为负的情况,最优输入协方差矩阵秩为1,可以得到封闭形式的解;对于其他情形,证明了解是凸集到自身映射的不动点,并给出了迭代搜索的方法,数值结果验证了所提出的理论结果.
2009-09-14 cs.IT math.IT
Principal Component Analysis (PCA)-based Massive-MIMO Channel Feedback
考虑了多输入多输出(MIMO)系统中的信道状态信息(CSI)反馈方法。为了从CSI中提取基本信息而没有由高度相关的天线引起的冗余,接收机通过使用由CSI向量的协方差矩阵的特征向量组成的Karhunen-Loeve变换(KLT)矩阵将相关CSI向量变换(稀疏化)为不相关的稀疏CSI向量,并反馈稀疏CSI的基本分量,即,主成分分析法。然后,发射机通过反馈向量的逆变换来恢复原始CSI。在这里,为了获得在收发器的协方差矩阵,我们推导出空间相关的瑞利衰落信道的协方差矩阵的基础上,它的统计,包括发射天线和接收天线的相关矩阵,信道方差,和信道延迟分布。利用信道统计的知识,收发器可以容易地获得协方差矩阵和KLT矩阵。分析了该方法的压缩反馈误差和误比特率性能。数值结果验证了所提出的方法是有前途的,其显著地减少了具有来自全CSI反馈的边际性能降级的MIMO系统的反馈开销(例如,反馈量减少80%,即,原始CSI的1/5,频谱效率仅降低2%)。此外,我们数值表明,对于一个给定的有限的反馈量,我们可以找到最佳数量的发射天线,以实现最大的频谱效率,这是一个新的设计框架。
2015-12-16 cs.IT math.IT
Secure MIMO Communication Relying on Movable Antennas
针对安全MIMO通信场景,提出联合优化发射预编码、人工噪声和可移动天线位置的方案,通过BCD结合MMSE、MM算法求解,有效提升了物理层安全性能,优于传统固定天线系统。
2024-03-07 cs.IT eess.SP math.IT
On the capacity achieving covariance matrix for Rician MIMO channels: an asymptotic approach
确定了相干块衰落相关MIMO莱斯信道的实现容量的输入协方差阵。在这种情况下,最佳输入协方差阵的特征向量没有封闭形式的表达式。本文在发射和接收天线数收敛于$+\infty$的渐近条件下,对平均互信息进行了近似计算。提供了与相应的大系统近似的精度有关的新结果。提出了一个有吸引力的优化算法,我们建立,它产生一个有效的方法来计算容量实现协方差阵的平均互信息。最后,数值模拟结果表明,即使对于中等数量的发射和接收天线,新的方法提供了相同的结果,直接最大化的平均互信息的方法,而更有计算吸引力。
2010-07-09 cs.IT math.IT math.PR
On the Capacity Achieving Covariance Matrix for Frequency Selective MIMO Channels Using the Asymptotic Approach
在这篇文章中,提出了一种用于评估频率选择性Rayleigh MIMO信道的容量实现输入协方差矩阵的算法。与平坦衰落瑞利情况相比,最佳输入协方差矩阵的特征向量没有封闭形式的表达式。传统上,特征向量和特征值都是数值计算的,相应的优化算法在计算上仍然要求非常高。在本文中,它是建议优化(w.r.t.输入协方差矩阵)Moustakas和Simon导出的平均互信息的大系统近似。这种渐近近似的有效性是澄清感谢高斯大随机矩阵方法。它示出的近似是一个严格的凹函数的输入协方差矩阵和平均互信息估计在argmax的近似等于信道的容量高达O(1/t)的术语,其中t是发射天线的数量。提出了一种基于迭代注水方案的最大化平均互信息逼近的算法,并研究了其收敛性。数值仿真结果表明,即使对于中等数量的发射和接收天线,新的方法提供了相同的结果作为直接最大化的平均互信息的方法。
2011-04-12 cs.IT math.IT
Statistical Beamforming on the Grassmann Manifold for the Two-User Broadcast Channel
被认为是一个瑞利衰落空间相关的广播设置M = 2天线在发射机和两个用户(每个具有一个天线)。假设用户具有关于其链路的完美信道信息,而发射机仅具有每个用户的链路的统计信息(向量信道的协方差矩阵)。在发射端采用了一种低复杂度的线性波束形成策略,为每个用户分配相等的功率和一个空间本征模。仅依赖于统计信息的格拉斯曼流形上的波束形成向量将在发射机处被设计为最大化传递到两个用户的遍历和速率。为了实现这个目标,首先固定波束形成向量,并获得遍历和速率的链路的协方差矩阵的封闭形式的表达式。该表达式在波束形成向量中是非凸的,从而确保经典的拉格朗日乘子技术不适用。尽管有这个困难,这个问题的最佳解决方案被证明是一个适当定义的平均信号干扰噪声比(SINR)度量为每个用户的最大化的解决方案。该解是一对正定矩阵的主导广义特征向量,其中第一矩阵是前向链路的协方差矩阵,第二矩阵是适当设计的“有效”干扰协方差矩阵。在这个意义上说,我们的工作是一个概括的最佳信令沿主导的本征模式的传输协方差矩阵在单用户的情况下。最后,遍历和速率的一般广播设置与M个天线在发射机和M个用户(每个具有一个单一的天线)的链路和波束形成向量的协方差矩阵的条款。
2011-04-12 cs.IT math.IT math.OC
ELAA-ISAC: Environmental Mapping Utilizing the LoS State of Communication Channel
本文提出利用ELAA信道LoS状态信息的室内环境映射方法,通过二元假设检验估计LoS状态,结合多MT位置信息逐步勾勒布局,在LoS主导环境中256天线+18MT时IoU超80%,精度随天线和MT数量提升。
2025-02-14 cs.IT eess.SP math.IT
Covariance-Aware Detection for Single-RF MIMO-OFDM Systems
The Hong Kong University of Science and Technology(香港科技大学)
针对单射频MIMO-OFDM系统中可重构天线引入的模型误差导致高信噪比下误码率平层的问题,提出一种基于马氏距离的最大似然检测方法,有效降低误码率。
2026-08-14 cs.IT math.IT
Spatial Channel Covariance Estimation for Hybrid Architectures Based on Tensor Decompositions
空间信道协方差信息可以代替用于混合模拟/数字架构中的模拟预编码器设计的全部瞬时信道状态信息。然而,由于使用比天线数量少的射频(RF)链,在混合结构中获得空间信道协方差估计是具有挑战性的。针对空间稀疏时变频率选择性信道,提出了一种基于高阶张量分解的空间信道协方差估计方法。所提出的方法利用了信道可以表示为低阶高阶张量的事实。我们还推导出所提出的方法的估计精度的Cramér-Rao下界。数值结果和理论分析表明,与现有的基于压缩感知的方法或传统的到达角估计方法相比,所提出的基于张量的方法具有更高的估计精度。仿真结果表明,该方法在低信噪比(SNR)区域变得更加有益。
2019-02-17 cs.IT eess.SP math.IT
Machine Learning for Geometrically-Consistent Angular Spread Function Estimation in Massive MIMO
Technische Universität Berlin(柏林工业大学)
在多天线无线通信中使用的空间信道模型中,来自单天线发射机(例如,用户)到M天线接收机(例如,基站)通过位于接收天线阵列的远场中的散射簇发生。对应的M-dim信道向量的角扩展函数(ASF)描述了在阵列处接收到的信号功率的角密度。大规模MIMO的现代文献已经认识到,用户信道向量的协方差矩阵的知识是非常有用的各种应用,如混合数字模拟波束形成,导频去污等,因此,大多数文献都集中在这样的信道协方差矩阵的估计。然而,在诸如上行链路-下行链路协方差变换(用于FDD大规模MIMO预编码)和信道探测的一些应用中,隐式地或显式地需要某种形式的ASF估计。事实证明,虽然协方差估计是众所周知的和良好的条件,ASF估计是一个更困难的问题,一般是不适定的。在本文中,我们表明,根据额外的几何一致的组稀疏结构的ASF,这是普遍存在于几乎所有的无线传播的情况下,一个是能够正确估计ASF。我们提出了基于稀疏字典的算法,通过适当的正则化,促进这一组稀疏结构。由于通常很难通过适当的正则化来捕获组稀疏性的概念,因此我们提出了另一种基于深度神经网络(DNN)的算法来学习这种结构。我们提供数值模拟来评估我们提出的算法的性能。我们还将结果与文献中的其他方法进行了比较,其中我们在大规模MIMO中ASF估计的背景下重新构建了这些方法。
2019-10-30 cs.IT cs.LG eess.SP
Deep Autoencoders for DOA Estimation of Coherent Sources using Imperfect Antenna Array
本文提出了一种在天线阵缺陷存在的情况下对相干源进行DOA估计的鲁棒算法。我们利用深度学习的当前进展来克服现有DOA算法面临的两个最常见的问题(即相干源和阵列缺陷)。我们提出了一种深度自动编码器(AE),能够正确地解决相干源,而不需要空间平滑,从而避免可能的处理开销和延迟。此外,我们假设在接收信号模型中存在阵列缺陷,如互耦,增益/相位失配和位置误差。使用接收信号的协方差矩阵来训练深层AE,其中它消除了缺陷的影响,并且同时充当相干源的滤波器。结果表明,显着的改善相比,在文献中使用的方法。
2020-05-06 cs.IT eess.SP math.IT
Asymptotic Moments for Interference Mitigation in Correlated Fading Channels
我们考虑一类大型随机矩阵,由独立的列向量与零均值和不同的协方差矩阵,并获得渐近紧确定性近似的时刻。这种随机矩阵模型出现在最近感兴趣的几种无线通信系统中,例如分布式天线系统或大型天线阵列。在这样的系统中计算线性最小均方误差(LMMSE)检测器需要一个大的协方差矩阵的逆,这变得过于复杂的天线和用户的数量增长。我们将推导出的矩量结果应用于一个低复杂度的多项式展开检测器的设计,该检测器用一个矩阵多项式近似矩阵的逆,并研究其渐近性能。仿真结果证实了分析,并评估有限的系统尺寸的性能。
2011-04-26 cs.IT math.IT
Low-Rank Covariance-Assisted Downlink Training and Channel Estimation for FDD Massive MIMO Systems
研究了频分双工(FDD)大规模MIMO系统中的下行链路训练和信道估计问题,在该系统中,配备大量天线的基站(BS)同时为多个单天线用户提供服务。在FDD系统中,为了在基站处获得信道状态信息(CSI),用户必须通过下行链路训练来估计下行链路信道,然后将其反馈给基站。对于FDD大规模MIMO系统,用于下行链路训练和CSI上行链路反馈的开销可能非常高,这提出了重大挑战。本文研究了当信道协方差矩阵具有低秩或近似低秩结构时,最小均方误差(MMSE)估计器的性能。我们的理论分析表明,利用信道协方差矩阵的低秩特性,可以大大减少训练开销。特别是,我们表明,MMSE估计是能够实现精确的信道恢复在渐近低噪声制度,只要在时间上的导频符号的数量不小于秩的信道协方差矩阵。我们还提出了一个最佳的单用户情况下的导频设计,和一个渐进的最佳导频设计的多用户场景。最后,我们提出了一个简单的基于模型的方案来估计信道协方差矩阵,基于此MMSE估计器可以用来估计信道。所提出的方案不需要任何额外的训练开销。仿真结果验证了我们的理论结果,并说明了所提出的估计协方差辅助MMSE估计器的有效性。
2016-07-29 cs.IT math.IT
Joint Transceiver Orientation Optimization for Rotatable-Antenna MIMO Capacity Maximization
School of Information Science and Electronic Engineering, Shanghai Jiao Tong University(上海交通大学信息科学与电子工程学院);State Key Laboratory of Internet of Things for Smart City and the Department of Electrical and Computer Engineering, University of Macau(澳门大学物联网智能城市国家重点实验室及电气与计算机工程系)
本文研究了利用可旋转天线增强MIMO信道容量的方法,通过联合优化发射协方差矩阵和收发天线方向,在球形帽约束下最大化容量,采用交替优化算法和Riemannian Frank-Wolfe方法实现非凸问题求解。
2026-07-23 cs.IT math.IT
On the Capacity of Pixel Antenna based MIMO Communication
The Hong Kong Polytechnic University(香港理工大学)
本文研究发射机和接收机均配备像素天线的MIMO系统容量极限,通过联合优化发射协方差矩阵与天线编码器,提出穷举搜索、分支定界迭代及交替优化算法,实现性能与复杂度的灵活权衡,提升MIMO通信可达速率。
2025-11-17 cs.IT eess.SP math.IT
In an Uncertain World: Distributed Optimization in MIMO Systems with Imperfect Information
在本文中,我们介绍了一种分布式算法,优化高斯信号的协方差矩阵的多天线用户发送到一个共同的多天线接收机下不完善的和可能的延迟信道状态信息。该算法是基于扩展的指数学习技术的半定设置,它需要相同的信息,分布式注水方法。然而,与注水不同,所提出的矩阵指数学习(MXL)算法在非常温和的条件下收敛到系统的最佳信号协方差分布的信道不确定性统计;此外,该算法保持其收敛特性,即使在存在用户更新的随机性,随机延迟和/或遍历变化的信道条件。特别地,通过适当地调整算法的学习率(或步长),即使对于大量用户和/或每个用户的天线,算法也在几次迭代内收敛。我们的理论分析是补充数值模拟,说明了算法的鲁棒性和可扩展性在现实的网络条件下。
2015-02-05 cs.IT math.IT
Massive MIMO has Unlimited Capacity
蜂窝网络的容量可以通过Massive MIMO提供的前所未有的阵列增益和空间复用来提高。从一开始,由于导频污染引起的相干干扰就被认为会产生有限的容量限制,因为天线的数量会达到无穷大。在本文中,我们证明,这是不正确的,从使用简单的信道模型和次优预编码/组合方案的工件。我们表明,多小区MMSE预编码/组合和少量的空间信道相关性或大规模的衰落变化的阵列,容量增加,没有约束的天线数量的增加,即使在导频污染。更准确地说,当污染用户的信道协方差矩阵是渐近线性独立的,这是通常的情况下,该结果成立。如果协方差矩阵的对角线也是线性无关的,那么知道这些对角线(而不是完整的协方差矩阵)就足以实现无限的渐近容量。
2017-11-09 cs.IT math.IT
On the Capacity Achieving Covariance Matrix for Frequency Selective MIMO Channels Using the Asymptotic Approach
在这篇文章中,提出了一种用于评估频率选择性Rayleigh MIMO信道的容量实现输入协方差矩阵的算法。与平坦衰落瑞利情况相比,最佳输入协方差矩阵的特征向量没有封闭形式的表达式。传统上,特征向量和特征值都是数值计算的,相应的优化算法在计算上仍然非常苛刻。在本文中,它是建议优化(w.r.t.输入协方差矩阵)Moustakas和Simon导出的平均互信息的大系统近似。提出了一种基于迭代注水方案的算法,并研究了其收敛性。数值仿真结果表明,即使对于中等数量的发射和接收天线,新的方法提供了相同的结果作为直接最大化的平均互信息的方法。
2010-07-06 cs.IT math.IT
A Covariance-based User Activity Detection and Channel Estimation Approach with Novel Pilot Design
本文研究了面向未来物联网(IoT)应用的大规模机器类型通信(mMTC),其中网络中存在大量IoT设备,并且其中的随机子集在每个时刻都变得活跃。基于基站(BS)具有大量天线时,接收信号的协方差矩阵可以在空间域中准确估计的事实,提出了一种基于协方差的大规模多输入多输出(多输入多输出)辅助mMTC系统中的设备活动检测和信道估计策略.针对该策略,首先提出了一种新的导频序列设计方法,其中每个设备的导频仅由唯一的相位参数确定。然后,通过估计对接收协方差矩阵有贡献的活动导频序列的相位参数,提出了一种有效的算法来检测活动设备,而无需关于活动设备总数的先验信息。最后,在对有源设备进行估计的基础上,基于传统的最小均方误差(MMSE)方法进行了信道估计。值得注意的是,我们提出的策略是能够获得所有的结果在封闭的形式,因此是低得多的复杂度相比,现有的策略是基于迭代算法的设备检测和信道估计。
2020-04-21 cs.IT eess.SP math.IT
Machine Learning based Interference Whitening in 5G NR MIMO Receiver
我们解决的问题,计算的干扰加噪声协方差矩阵从一个稀疏的解调参考信号(DMRS)的空间域干扰白化(IW)。IW过程在用户设备(UE)处对于减轻5G新无线电(NR)系统中的同信道干扰是至关重要的。提出了一种基于监督学习的算法来计算协方差矩阵,目标是最小化块出错率(BLER)和白化复杂度。一个单一的神经网络的训练,选择一个IW选项的协方差计算在各种干扰的情况下,包括不同的干扰占用率,信号干扰比,信噪比,调制阶数,编码率等在干扰占主导地位的情况下,该算法计算的协方差矩阵使用DMRS在一个资源块(RB)由于干扰信道的频率选择性。另一方面,在噪声占主导地位的场景中,协方差矩阵是从整个信号带宽中的DMRS计算的。此外,当干扰加噪声的空间相关性较低时,该算法将协方差矩阵近似为对角矩阵。这种近似降低了从$\mathcal{O}(N^3)$到$\mathcal{O}(N)$的白化的复杂性,其中$N$是接收机天线的数量。结果表明,该选择算法可以最小化训练以及未经训练的干扰情况下的误比特率。
2022-07-06 cs.IT eess.SP math.IT
Spatial Covariance Matrix Reconstruction for DOA Estimation in Hybrid Massive MIMO Systems with Multiple Radio Frequency Chains
多信号分类(MUSIC)技术在多输入多输出(MIMO)接收机的波达方向(DOA)估计中得到了广泛应用。为了降低毫米波段射频链路的成本,大规模MIMO收发器采用了模数混合结构。在这种情况下,天线上的接收信号对数字接收机来说是不可用的,因此,MUSIC算法中必不可少的空间协方差矩阵(SCM)不能用传统的采样平均方法得到。基于我们以前的工作,我们提出了一种新的算法,在混合大规模MIMO系统中的多个RF链的SCM重建。通过将模拟波束形成器切换到一组预定的DOA,可以通过一组线性方程的解来重建SCM。此外,基于对线性方程组的深入分析,本文还将提出一种低复杂度的算法,以及对预定DOA的仔细选择。仿真结果表明,所提算法能够准确重构SCM,使MUSIC算法能够很好地应用于多射频链混合大规模MIMO系统的DOA估计。
2021-06-20 cs.IT eess.SP math.IT
Quantization and Feedback of Spatial Covariance Matrix for Massive MIMO Systems with Cascaded Precoding
本文研究了级联预编码的大规模多输入多输出(MIMO)系统下行链路空间协方差矩阵的量化和反馈问题。大规模MIMO技术由于能够显著提高网络性能而受到广泛关注。为了减少频分双工大规模MIMO系统中下行链路信道估计和上行链路反馈的开销,已经提出了级联预编码,其中外部预编码器使用传统的有限反馈来实现,而内部预编码器由信道的空间协方差矩阵来确定。在大规模MIMO系统中,由于天线数量庞大,空间协方差矩阵的大小很大,难以计算。在本文中,我们提出了一种基于空间谱的方法的量化和反馈的空间协方差矩阵。所提出的内部预编码器可以被视为调制的离散长椭球序列,从而实现比传统的基于离散傅立叶变换子矩阵的预编码小得多的空间泄漏。本文还讨论了所提出的方法的应用的实际问题。
2016-10-15 cs.IT math.IT
A Coordinated Approach to Channel Estimation in Large-scale Multiple-antenna Systems
本文研究了多小区干扰受限蜂窝网络中的信道估计问题。我们认为系统采用多个天线,并有兴趣在有限和大规模的天线数量制度(所谓的“大规模MIMO”)。这样的系统通过在每个基站处应用的每小区波束成形来处理多小区干扰。在这样的网络中,信道估计,这是已知的导频污染效应的阻碍,构成了整体性能的主要瓶颈。我们提出了一种新的方法,它解决了这个问题,使低速率的小区之间的协调,在信道估计阶段本身。的协调利用额外的二阶统计信息的用户信道,这被示出为提供一个强大的方式来区分干扰用户,甚至强相关的导频序列。重要的是,我们分析表明,在大量的天线制度,导频污染的影响是完全消失在一定条件下的信道协方差。我们的模拟结果证实,即使是小的天线阵列尺寸的增益超过传统的信道估计框架。
2012-10-02 cs.IT math.IT
Optimal Signaling for Secure Communications over Gaussian MIMO Wiretap Channels
研究了总发射功率约束下高斯MIMO窃听信道的最优信令问题。当信道严重退化时,得到了最优发射协方差矩阵的封闭解。结合秩-1的解决方案,这提供了两个发射天线的情况下的最佳协方差的完整表征。考虑了弱窃听者和高信噪比的情况。结果表明,最佳协方差不收敛到一个缩放的身份在高信噪比制度。必要的最优性条件和严格的上界的最优协方差矩阵的秩建立的一般情况下,随着下界的保密能力,这是紧在一些情况下。
2016-10-31 cs.IT math.IT
Robustness of Covariance Estimators with Application in Activity Detection
German Aerospace Center (DLR)(德国航空航天中心)
本文证明一类协方差估计量在温和条件下具有鲁棒性,并将其应用于多天线随机接入活动检测,提出基于符号核条件的码本,使非负最小二乘和松弛最大似然估计器在高天线数下可恢复大尺度衰落系数。
2025-10-09 cs.IT math.IT
Spatial DCT-Based Channel Estimation in Multi-Antenna Multi-Cell Interference Channels
本文研究了多天线多小区干扰受限网络中的信道估计问题。信道状态信息(CSI)获取对于干扰抑制是至关重要的。无线网络经常遭受多小区干扰,这可以通过部署波束成形来空间引导传输来减轻。所估计的CSI的准确性在设计准确的波束形成器中起着重要作用,该波束形成器可以控制从对移动用户的同时空间传输产生的干扰量。因此,一种新的技术的基础上的结构的空间协方差矩阵和离散余弦变换(DCT)的建议,以提高信道估计在干扰的存在。贝叶斯估计和最小二乘估计框架引入利用DCT分离重叠的空间路径,创建的干扰。因此,利用空间域来减轻能够区分干扰用户的污染。传统的信道估计技术的增益在我们的模拟,这也是有效的天线数量少。
2015-05-08 cs.IT math.IT
Capacity Scaling of Massive MIMO in Strong Spatial Correlation Regimes
本文研究了空间相关衰落下多小区大规模MIMO系统的容量缩放问题。特别是,我们专注于强空间相关制度,其中每个用户信道向量的协方差矩阵具有与基站天线的数量成次线性比例的秩,因为后者增长到无穷大。我们还考虑的情况下,对应于非零特征值的协方差特征向量跨度随机选择的子空间。对于这种信道模型,称为“随机稀疏角支持”模型,我们描述了渐近容量缩放定律的限制下的大量的天线。为了获得渐近容量结果,基于二阶信道统计的统计空间解扩在导频去污和干扰抑制方面起着关键作用。一个显着的结果是,即使当用户的数量与基站天线线性缩放,相对于天线的数量的容量的线性增长是可实现的稀疏角支持模型下。我们注意到,可实现的速率下限的基础上大规模MIMO的“信道硬化”,广泛使用的大规模MIMO文献中,产生相当松散的结果,在强空间相关性制度,并可能显着低估了可实现的大规模MIMO的速率。因此,这项工作考虑了一种替代的边界技术,更适合于强相关性制度。在具有稀疏角度支持的衰落信道中,进一步表明上行链路(下行链路)中的空间解扩(扩展)比信道硬化对大规模MIMO性能的影响更显着。
2019-12-08 cs.IT math.IT
Energy Harvesting Enabled MIMO Relaying through PS
本文研究了一种具有能量收集中继节点的多输入多输出(MIMO)中继系统。所有节点都配备有多个天线,并且中继节点依赖于从接收到的信号中收获的能量来支持信息转发。特别地,中继节点部署基于功率分配的能量收集方案。在源节点和中继节点的功率约束下的容量最大化问题被认为是固定的源协方差矩阵和最佳源协方差矩阵的情况下。而不是使用现有的软件求解器,使用对偶分解技术的迭代方法开发的最佳中继预编码和源协方差矩阵的结构的基础上。仿真结果表明,相对于固定的源协方差矩阵的情况下,联合优化的性能增益。
2017-03-30 cs.IT math.IT
Hybrid Analog-Digital Channel Estimation and Beamforming: Training-Throughput Tradeoff
本文针对射频(RF)链数量有限的多用户大规模多输入多输出(MIMO)系统设计了混合模拟数字信道估计和波束成形技术。对于这些系统,首先,我们设计了新的最小均方误差(MMSE)混合模拟数字信道估计器,同时考虑完美和不完美的信道协方差矩阵知识的情况下。然后,我们利用估计的信道,使波束成形的数据传输。当所有用户设备(UE)的信道协方差矩阵是完全已知的,我们表明,有一个折衷的训练时间和吞吐量之间。具体地,我们利用最大化吞吐量的最佳训练持续时间取决于所有UE的协方差矩阵、RF链的数量和信道相干时间($T_c$)。我们还表明,训练时间优化问题可以制定为凹最大化问题{对于某些系统参数设置},其全局最优解是有效地使用现有的工具。特别地,当配备有$64$天线和$1$ RF链的基站服务于一个单天线UE、$T_c=128$符号周期($T_s$)和$10$ dB的信噪比时,我们已经发现,对于高度相关和不相关的瑞利衰落信道系数,最佳训练持续时间分别是$4T_s$和$20T_s$。解析表达式进行了验证,进行数值模拟和广泛的Monte Carlo模拟。
2015-10-09 cs.IT math.IT
Enforcing Statistical Orthogonality in Massive MIMO Systems via Covariance Shaping
针对大规模多输入多输出(MIMO)系统中的下行数据传输问题,在MIMO系统中,用户设备(UE)具有较高的空间相关性,信道估计受到强导频污染的限制。实际上,UE之间的信号子空间分离在实践中很少实现,并且通常超出网络设计者的控制(因为它由物理散射环境决定)。在这种情况下,我们提出了一种新的统计波束成形技术,称为MIMO协方差成形,利用多个天线在UE和利用现实的非克罗内克结构的大规模MIMO信道的目标在UE侧执行的信道统计的适当的成形。为了优化协方差成形策略,我们提出了一个低复杂度的块坐标下降算法,证明了收敛到原来的非凸问题的极限点。对于两个UE的情况下,这是收敛到一个固定点的原始问题。数值结果示出了所提出的方法相对于空间复用在基站的空间选择性不足以分离紧密间隔的UE的情况下的和速率性能增益。
2022-03-30 cs.IT math.IT
Low-Rank Spatial Channel Estimation for Millimeter Wave Cellular Systems
30至300 GHz之间毫米波(mmW)频率的巨大带宽使这些频段成为下一代蜂窝系统的有吸引力的候选频段。然而,在这些频率下的可靠通信在很大程度上取决于具有非常高维的天线阵列的波束成形。因此,由于低相干时间和大量天线,足够准确地估计信道以执行波束成形可能具有挑战性。此外,用于信道估计的测量可能需要利用模拟波束成形来进行,其中接收器一次只能在方向上"看"。本文提出了一种新的方法,用于从在不同角度方向上进行的功率测量序列中估计信道的接收侧空间协方差矩阵。该方法将空间协方差估计简化为矩阵完备优化问题。为了减少测量的数量,优化可以将低秩约束并入在mmW设置中典型的信道中。该优化问题是凸优化问题,求解速度快,并给出了求解该问题的迭代法.模拟单径和多径信道使用来自真实的测量在纽约市在28 GHz的信道模型。
2014-10-17 cs.IT math.IT
Quantum Algorithm for DOA Estimation in Hybrid Massive MIMO
波达方向(DOA)估计是阵列信号处理中的一个重要研究领域。波达方向的有效性在很大程度上决定了多输入多输出(MIMO)天线系统的性能。多信号分类(MUSIC)算法是目前应用最广泛的基于子空间的DOA估计方法,具有中等的DOA估计性能。然而,在混合大规模MIMO系统中,天线上的接收信号并不直接发送到接收机,因此无法获得MUSIC算法中必不可少的空间协方差矩阵。因此,MUSIC在混合大规模MIMO系统中的应用需要空间协方差矩阵的重构。在这篇文章中,我们提出了一种量子算法的混合大规模MIMO系统中基于MUSIC的DOA估计。与经典算法相比,在适当的条件下,量子算法在某些参数上可以获得指数加速比,在其他参数上可以获得多项式加速比。在我们的方案中,我们首先提出了基于光束扫描的空间协方差矩阵重建的量子子程序,在那里我们实现了量子奇异向量转换过程,以避免将导向向量矩阵扩展为Hermitian形式。其次,提出了一种变分量子密度矩阵本征解算器(VQDME),用于获得信号和噪声子空间,其中我们设计了一个新的目标函数的形式的密度矩阵乘积的迹。最后,提出了一种量子标记操作来估计信号的波达方向。
2021-02-08 cs.IT math.IT quant-ph