Millimeter-Wave Massive MIMO Testbed with Hybrid Beamforming
大规模多输入多输出（MIMO）技术在毫米波（mmWave）频段获得大阵列增益至关重要。然而，存在实际的挑战，例如在这样的系统中的高硬件成本和功耗。这些问题的一个有前途的解决方案是采用混合波束成形架构。这种架构的收发器（TRx）链的数量比天线总数少得多，从而实现了成本和能量高效的系统。在本文中，我们提出了一个实时毫米波（28 GHz）大规模多输入多输出测试床与混合波束成形。该测试平台具有用于波束选择的64天线/16 TRx单元，可以以模块化方式扩展到更大的阵列尺寸。为了在真实传播环境中测试从基带处理算法到调度和波束选择的所有内容，我们将基于软件定义无线电技术构建的现有100天线/100 TRx大规模多输入多输出测试平台（低于6 GHz）的功能扩展到灵活的毫米波大规模多输入多输出系统。
2020-12-02 cs.IT eess.SP math.IT
Deep Learning Aided Parametric Channel Covariance Matrix Estimation for Millimeter Wave Hybrid Massive MIMO
毫米波（mmWave）信道占用的频率范围远高于先前无线通信系统中使用的频率范围，其用于满足5G通信带来的增加的吞吐量要求。这些频率中的电磁波所经历的高水平衰减导致MIMO信道具有高空间相关性。为了获得理想的错误性能，系统需要关于信道相关性的知识。在这篇论文中，提出了一种深度神经网络辅助方法来估计信道协方差矩阵（CCM），其中包含有关信道相关性的信息。与文献中的一些方法相比，该方法在计算复杂度和信道估计误差方面都具有令人满意的性能。
2022-12-18 cs.IT eess.SP math.IT
Large Intelligent Surface for Positioning in Millimeter Wave MIMO Systems
用于第五代（5G）蜂窝通信的毫米波（mmWave）多输入多输出（MIMO）系统由于其大带宽和固有的高角度分辨率，还可以实现单锚点定位和对象跟踪。在本文中，我们引入了新发明的概念，大智能表面（LIS），毫米波定位系统，研究的理论性能界限（即，Cramér-Rao下界）进行定位，并与传统的单直接链路单非视距路径定位方案进行了比较，分析了LIS阵元数和移相器值对定位精度的影响，从理论分析和数值研究中验证了LIS的定位性能更好。
2019-09-30 cs.IT eess.SP math.IT
Beamspace Channel Estimation for Millimeter Wave Massive MIMO System with Hybrid Precoding and Combining
提出了一种毫米波（mmWave）大规模多输入多输出系统中波束域信道估计的框架。该框架包括混合预编码和合并矩阵的设计以及过采样波束空间接收矩阵最大项的搜索方法。在此基础上，提出了基于单位矩阵近似（IA）、基于离散零非对角（SZO）和基于集中零非对角（CZO）的三种信道估计方案。从计算复杂度、估计误差和信道训练总时隙数等方面对这些方案与现有的信道估计方案进行了比较。仿真结果表明，所提出的方案优于现有的方案，可以接近理想情况下的性能。特别地，用于信道训练的总时隙可以显著减少。
2019-01-07 cs.IT eess.SP math.IT
Channel Estimation for Intelligent Reflecting Surface-Assisted Millimeter Wave MIMO Systems
智能反射表面（IRSs）被认为是未来毫米波（mmWave）无线通信的有前途的使能者，因为它们能够创建有利的视线（LoS）传播环境。在本文中，我们研究了在下行链路IRS辅助毫米波多输入多输出（MIMO）系统的信道估计。通过利用毫米波信道的稀疏性，我们将信道估计问题表示为固定秩约束的非凸优化问题。为了解决非凸性，提出了一种有效的算法，利用交替极小化和流形优化（MO），它产生一个局部最优解。仿真结果表明，所提出的基于MO的估计（MO-EST）算法显着优于两个基准计划，并证明了MO-EST算法的鲁棒性方面的不完善的知识的稀疏水平的信道在实际实现中。
2020-05-10 cs.IT eess.SP math.IT
LuMaMi28: Real-Time Millimeter-Wave Massive MIMO Systems with Antenna Selection
本文介绍了LuMaMi 28，一个实时的28 GHz的大规模多输入多输出（MIMO）的测试床。在该测试平台中，基站具有16个具有全数字波束成形架构（具有不同的预编码算法）的收发器链，并同时支持具有空间复用的多个用户设备（UE）。UE配备有用于实时天线选择的波束可切换天线阵列，其中从四个预定义波束中选择具有最高信道幅度的一个。对于波束可切换天线阵，我们考虑了两种不同波束宽度和不同峰值增益的UE天线。基于此测试平台，我们提供了毫米波（mmWave）大规模多输入多输出性能在不同的现实生活场景与静态和移动UE的测量结果。我们探索毫米波大规模多输入多输出系统的天线选择的基础上测量的信道数据的潜在好处，并讨论通过实时测量的性能结果。
2021-09-07 cs.IT eess.SP math.IT
Codeword Selection and Hybrid Precoding for Multiuser Millimeter Wave Massive MIMO Systems
针对宽带多用户毫米波大规模多输入多输出系统的可达和速率最大化问题，研究了混合预编码技术。由于可实现的和速率的每次计算只能在模拟预编码器和数字预编码器都被确定之后执行，因此可实现的和速率的最大化具有难以处理的计算复杂度。通过引入无干扰（IF）可实现的和速率，可以解耦模拟和数字预编码器的设计。为了避免波束冲突并最大化中频可实现的和速率，提出了一种基于匈牙利语的码字选择算法用于模拟预编码设计。仿真结果验证了该方案的有效性，并表明与现有的方案相比，可以实现更好的性能。
2019-01-05 cs.IT eess.SP math.IT
Coordinated Beam Selection in Millimeter Wave Multi-User MIMO Using Out-of-Band Information
使用带外（OOB）边信息最近已被示出为加速单用户毫米波（mmWave）大规模多输入多输出通信中的波束选择。在本文中，我们提出了一种新的面向对象辅助波束选择框架的毫米波上行链路多用户系统。特别是，我们利用从较低（子6 GHz）频段提取的空间信息，以协助在毫米波频段的用户间协调方案。为了加强协调，我们提出了一个交换协议，利用设备到设备的通信，其中低速率波束相关的信息交换的移动终端之间。分散式协调机制允许抑制所谓的共波束干扰，否则共波束干扰将在基站侧导致不可减少的干扰，从而触发实质的频谱效率增益。
2019-03-29 cs.IT eess.SP math.IT
Hybrid Beamforming for Millimeter Wave MIMO Integrated Sensing and Communications
在这封信中，我们认为毫米波（mmWave）MIMO通感一体化（ISAC）的混合波束成形。以目标雷达波束方向图为目标，在满足通信用户信干噪比（SINR）和双功能雷达通信基站总发射功率的约束下，设计了双功能雷达通信基站的发射波束。为了提供额外的自由度的波束设计问题，我们引入了一个相位矢量的目标波束方向图，并提出了一个交替的最小化方法来迭代优化发射波束和相位矢量，其中涉及二阶锥规划和约束最小二乘估计，分别。然后基于设计的发射波束，在毫米波MIMO中移相器网络的恒包络约束下，仍然采用交替最小化方法，确定模拟波束形成器和数字波束形成器。仿真结果表明，在相同的通信用户信干噪比约束条件下，较大的天线阵列可以获得更好的雷达波束质量。
2022-03-12 cs.IT eess.SP math.IT
Hybrid Beamforming for Intelligent Reflecting Surface Aided Millimeter Wave MIMO Systems
由于采用毫米波（mmWave）频段的通信系统必须使用大型天线阵列来克服mmWave信号的严重传播损耗，因此混合波束成形已被认为是mmWave通信的组成部分。最近，智能反射表面（IRS）已经被提出作为一种创新技术，其可以通过使用低成本的无源反射元件来显著改善毫米波通信系统的性能。在本文中，我们研究了红外辅助毫米波多输入多输出（MIMO）系统与混合波束形成架构。本文首先利用毫米波信道的稀疏散射结构和大尺度特性，研究了窄带MIMO系统中IRS反射矩阵和混合波束形成器的联合设计。然后，我们将所提出的联合设计推广到宽带MIMO系统与正交频分复用（OFDM）调制，利用频率选择性毫米波信道的角度稀疏。仿真结果表明，所提出的联合设计可以显着提高系统的频谱效率，并实现优于现有设计的性能。
2022-06-27 cs.IT eess.SP math.IT
Multi-User Delay Alignment Modulation for Millimeter Wave Massive MIMO
延迟对齐调制（DAM）是一种新型的宽带通信技术，它利用毫米波（mmWave）大规模多输入多输出（MIMO）系统的高空间分辨率和多径稀疏性来抑制符号间干扰（ISI），而不依赖于信道均衡或多载波传输等传统技术。在本文中，我们扩展DAM技术的多用户毫米波大规模MIMO通信系统。我们首先提供渐近分析表明，当基站（BS）天线的数量远大于信道路径的总数，DAM是能够消除ISI和用户间干扰（IUI）与简单的延迟预补偿和每路径为基础的最大比传输（MRT）波束成形。然后，我们研究了一般的多用户DAM设计，考虑在每路径的基础上，即MRT，迫零（ZF）和正则化迫零（RZF）的三个经典的发射波束成形策略。仿真结果表明，多用户DAM可以显着优于基准单载波ISI缓解技术，只使用每个用户的最强信道路径。
2022-11-14 cs.IT eess.SP math.IT
Millimeter Wave MIMO Channel Estimation with 1-bit Spatial Sigma-delta Analog-to-Digital Converters
本文主要研究了采用1位空间Σ-Δ模数转换器（ADC）的毫米波MIMO系统的信道估计。1位空间Σ-Δ型ADC的信道估计性能取决于量化噪声建模。因此，我们提出了一种新的方法，利用1位空间Σ-Δ ADC的确定性输入输出关系来建模量化噪声。使用这个新的噪声模型，我们提出了一种算法的信道估计的窄带单用户毫米波视线MIMO系统，通过确定未知的角度和路径衰减，表征平坦衰落信道。通过仿真，我们证明了所开发的方法的性能与传统的模拟系统相当，并显着优于传统的1位量化系统。
2020-10-23 cs.IT eess.SP math.IT
On Throughput of Millimeter Wave MIMO Systems with Low Resolution ADCs
使用低分辨率模数转换器（ADC）是降低毫米波（mmWave）接收机的高功耗的有效方法。本文提出了一种基于自适应门限的低分辨率ADC接收机，用于毫米波下行通信系统，该系统的信道状态信息是未知的，只能通过信道估计获取。分别提供了用于在发射和接收终端之间进行功率和ADC分配的低复杂度算法的性能比较。通过对实际毫米波蜂窝网络的仿真，结果表明，当使用自适应阈值接收机结合简单的功率和ADC分配策略时，使用低分辨率ADC不会显著降低系统吞吐量（与传统的全数字高分辨率接收机相比）。
2020-02-11 cs.IT eess.SP math.IT
User Selection in Millimeter Wave Massive MIMO System using Convolutional Neural Networks
由于低功耗和高能效，用于毫米波（mmW）大规模多输入多输出系统的混合架构被认为是实际可实现的。然而，由于RF链的数量有限，用户选择对于这种架构变得必要。传统的用户选择算法具有较高的计算复杂度，因此在5G及更高级别的无线移动通信中可能无法扩展。为了解决这个问题，在这封信中，我们提出了一个低复杂度的CNN框架的用户选择。建议的CNN接受作为输入的信道矩阵，并给出作为输出的选择的用户。仿真结果表明，所提出的CNN执行接近最佳的穷举搜索方面的可实现的速率，具有可忽略不计的计算复杂度。此外，基于CNN的用户选择在可达速率和计算复杂度方面优于进化算法和贪婪算法。最后，仿真结果也表明，所提出的CNN的用户选择方案是鲁棒的信道缺陷。
2020-06-30 cs.IT eess.SP math.IT
Complex-BP-Neural-Network-based Hybrid Precoding for Millimeter Wave Multiuser Massive MIMO Systems
大规模多输入多输出（MIMO）系统的高能耗已经成为毫米波（mm-Wave）通信场景中的一个突出问题。混合预编码技术通过将部分编码工作交给相移网络来完成，大大减少了射频（RF）链的数量，可以有效提高能量效率。然而，传统的基于数学方法的混合预编码算法往往遭受性能损失和高计算复杂度。提出了一种基于BP神经网络的混合预编码算法，该算法以全数字迫零（ZF）预编码为训练目标。考虑到基站信号的复杂性，我们选择了具有更丰富代表性的复合神经网络。此外，我们提出了复杂神经网络的激活函数和反向传播过程的梯度导数。仿真结果表明，所提出的混合预编码算法的性能可以最佳地接近ZF预编码。
2019-08-01 cs.IT eess.SP math.IT
Millimeter Wave Massive MIMO Downlink Per-Group Communications with Hybrid Linear Precoding
我们解决的问题，分析和分类组中的下行链路信道环境中的毫米波长小区，占路径损耗，多径衰落，和用户设备（UE）阻塞，通过采用混合传播和多径衰落模型，从而使用准确的组间干扰建模。基站（BS）采用大型均匀平面阵列（UPA）来促进高效率的大规模多输入多输出（MIMO）通信。UE配备有单个天线并且均匀地分布在小区内。关键问题是分析和定义预编码组。因为在组之间期望公平类型的吞吐量，所以必要时采用组合频分和空分复用（CFSDM）。我们表明，通过采用三个子载波频率，可以有效地将UE分成高吞吐量组，每组采用基于虚拟信道模型波束（VCMB）的内部预编码，然后是高效的多用户多输入多输出（MU-MIMO）外部预编码器。对于每一组，我们研究了三种不同的分组方法，提供不同的优势。我们表明，零强制每组预编码（ZF-PGP）的零强制预编码（ZFP）提供的改进是非常高的。
2020-02-05 cs.IT eess.SP math.IT
Direction-Assisted Beam Management in Full Duplex Millimeter Wave Massive MIMO Systems
全双工（FD）技术的最新应用集中于实现同时的控制通信和数据传输以减少控制信息交换开销，这影响端到端延迟和频谱效率。在本文中，我们提出了一个同时的毫米波（mmWave）大规模多输入多输出（MIMO）系统的方向估计和数据传输方案，使最近的FD MIMO技术与降低硬件复杂度的自干扰（SI）消除。我们将所提出的框架应用于毫米波模拟波束管理问题，考虑配备有实现下行链路模拟波束成形的大型发射天线阵列和用于上行链路到达方向（DoA）估计的少量数字控制接收天线元件的基站。提出了一种用于设计DOA辅助模拟波束形成器和模拟以及数字SI消除的联合优化框架，其目标是最大化可实现的下行链路速率。我们的仿真结果表明，该方案优于其传统的半双工对应，产生减少的DOA估计误差和优越的下行链路数据率。
2021-09-15 cs.IT eess.SP math.IT
Network Massive MIMO Transmission Over Millimeter-Wave and Terahertz Bands: Mobility Enhancement and Blockage Mitigation
移动性和阻塞是毫米波（mmWave）和太赫兹（THz）频段上的无线传输中的两个关键挑战。在本文中，我们研究了移动性和阻塞的存在下，网络的大规模多输入多输出（MIMO）传输毫米波/太赫兹下行链路。考虑到毫米波/太赫兹波的传播特性，我们首先提出将每个波束同步应用于网络大规模多输入多输出，以减轻信道多普勒和延迟色散效应。因此，我们建立了一个传输模型。然后，我们研究网络大规模多输入多输出下行链路传输策略，只有统计信道状态信息（CSI）在基站（BS），制定的策略设计问题作为一个优化问题，以最大限度地提高网络总速率。我们表明，波束域是有利的执行传输，并证明BS可以单独工作时，发送信号到用户终端。基于这些见解，网络大规模多输入多输出预编码设计被简化为关于波束域功率分配的网络和速率最大化问题。利用序贯优化方法和随机矩阵理论，进一步提出了一种保证收敛性能的波束域功率分配迭代算法。数值结果表明，所提出的基于统计CSI的网络大规模多输入多输出传输方法可以有效地缓解阻塞效应，并在毫米波和太赫兹频段上提供移动性增强。
2020-05-06 cs.IT eess.SP math.IT
MIMO Detection for Reconfigurable Intelligent Surface-Assisted Millimeter Wave Systems
毫米波（mmWave）频带或诸如THz的高频具有大的未开发频带。然而，由于严重的衰减，毫米波频带上的无线信道通常仅具有一个或两个路径。信道特性限制了其在多输入多输出（MIMO）系统中的发展，MIMO系统可以通过提高频谱效率来提高吞吐量。可重构智能表面（RIS）的发展为毫米波通信提供了新的机遇。在这项研究中，我们提出了一个毫米波系统，它使用低精度模数转换器（ADC），与几个RIS阵列的帮助。此外，每个RIS阵列具有许多具有离散相移的反射器。通过采用线性空间处理，这些阵列形成具有增加的空间分集和功率增益的合成信道，其可以支持MIMO传输。根据合成信道的特点，设计了一种MIMO检测器. RIS阵列可以提供空间分集以支持MIMO传输，然而，RIS阵列的不同数量、天线配置和部署影响比特出错率（BER）性能。我们提出了状态演化（SE）方程来评估在不同情况下的建议MIMO检测器的BER。利用SE方程对室内系统的误码率性能进行了深入的研究。我们揭示了许多关于RIS效应的见解，并讨论了适当的系统设置。此外，我们的研究结果表明，低成本的硬件，如3位ADC的接收端和2位均匀离散相移的RIS阵列，只有适度退化的系统性能。
2020-04-13 cs.IT eess.SP math.IT
GMD-Based Hybrid Beamforming for Large Reconfigurable Intelligent Surface Assisted Millimeter-Wave Massive MIMO
可重构智能表面（RIS）被认为是一种节能的方法来重塑无线环境，以提高吞吐量。它的无源特性大大降低了能源消耗，这使得RIS成为实现未来智慧城市的一项有前途的技术。现有的RIS波束成形设计主要集中在优化单载波系统的频谱效率。为了避免MIMO系统中不同空间域子信道上复杂的比特分配问题，本文提出了一种基于几何均值分解的波束形成算法，该算法适用于RIS辅助的毫米波（mmWave）混合MIMO系统，使得空间域中多个并行数据流可以被认为具有相同的信道增益。具体地说，通过利用毫米波大规模MIMO信道在不同子载波上的共同角域稀疏性，利用同步正交匹配追踪算法从过采样2D-DFT码本中获得最佳多波束。此外，通过仅利用与视线（LoS）信道相关联的到达角和离开角，我们进一步通过最大化LoS信道的阵列增益来设计RIS的移相器。仿真结果表明，该方案可以获得更好的BER性能比传统的方法。我们的工作是一个初步的尝试，讨论了宽带混合波束赋形的RIS辅助毫米波混合MIMO系统。
2020-01-17 cs.IT eess.SP math.IT
Channel Estimation for RIS-assisted Millimeter-wave MIMO Systems
可重构智能表面（RIS）辅助的多输入多输出（MIMO）通信系统中的信道估计是具有挑战性的，因为导频不能在仅具有无源元件的RIS处解码或从仅具有无源元件的RIS发送。我们假设用户设备（UE）与RIS之间以及RIS与基站（BS）之间的视线信道的角度模型，其中UE与BS之间没有直接路径。在这封信中，假设我们可以计算RIS-BS信道（直到复杂的路径增益）从他们的已知位置，我们首先讨论的模糊性估计的UE-RIS信道。我们提出了一个多信道探测过程中，我们通过不同的RIS相移观察信道，并提出了一种算法，用于信道估计，以解决这种模糊性。通过模拟，我们表明，所提出的方法是可比的预言估计，它完全知道BS，UE和RIS的位置。
2021-03-19 cs.IT eess.SP math.IT
A Digital Twin Assisted Framework for Interference Nulling in Millimeter Wave MIMO Systems
毫米波（mmWave）和太赫兹MIMO系统依赖于预定义的波束成形码本来进行初始接入和数据传输。然而，大多数现有的码本采用预定义的波束，主要集中在提高其目标用户的增益，而不考虑干扰，这可能会导致密集网络中的关键性能下降。为了解决这个问题，在本文中，我们提出了一个采样效率的数字孪生辅助波束图案设计框架，学习如何形成波束图案，以拒绝来自干扰方向的信号。所提出的方法不需要任何显式的信道知识或任何协调的干扰。采用数字孪生通过更好地利用潜在的信号关系和结合基于需求的数据采集策略来提高样本效率。仿真结果表明，所开发的基于信号模型的学习框架可以显著减少与无线电环境的实际交互（即，测量的数量），从而导致更实用和有效的干扰感知波束设计方法。
2023-01-30 cs.IT eess.SP math.IT
Sensing aided Channel Estimation in Wideband Millimeter-Wave MIMO Systems
在这项工作中，上行链路信道估计问题被认为是毫米波（mmWave）多输入多输出（MIMO）系统。众所周知，信道估计中的导频开销和计算复杂度随着天线数目和带宽而增加。为了克服这一点，所提出的方法允许在基站的信道估计由感测信息辅助。感测信息包含对环境中的散射体位置的估计。提出了一种同时加权正交匹配追踪（SWOMP）-稀疏贝叶斯学习（SBL）算法，有效地将此感知信息的通信信道估计过程。所提出的框架可以应对a）存在于感测信息中的散射体与通信信道不相关联以及b）散射体的位置中的缺陷的场景。仿真结果表明，该算法仅以少量导频开销为代价，就能获得良好的宽带性能。最后，Cramer-Rao界（CRB）的角度估计和多径信道增益的SBL推导出，所提出的算法的本地可识别性提供了宝贵的见解。
2023-02-04 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
Centralized and Distributed Power Allocation for Max-Min Fairness in Cell-Free Massive MIMO
无小区大规模MIMO系统由大量地理上分布的接入点（AP）组成，这些接入点通过相干联合传输为用户提供服务。下行链路功率分配在这些系统中是重要的，以确定哪些AP应该向哪些用户以及以什么功率进行传输。如果该系统正确实现，它可以提供比传统蜂窝网络更均匀的用户性能。为此，以前的作品已经示出了如何执行系统范围的最大-最小公平功率分配时，使用最大比预编码。在本文中，我们首先将此方法推广到任意的预编码，然后训练神经网络执行近似相同的功率分配，但降低了计算复杂性。最后，我们训练每个AP一个神经网络来模拟系统范围的最大-最小公平功率分配，但只使用本地信息。通过学习本地传播环境的结构，该方法优于来自无小区大规模MIMO文献的最先进的分布式功率分配方法。
2021-12-31 cs.IT eess.SP math.IT
MmWave MU-MIMO for Aerial Networks
毫米波为空对空（A2 A）通信提供高带宽。在本文中，我们评估的速率性能的多用户MIMO（MU-MIMO）配置，几架飞机与一个中央枢纽通信。我们考虑一个混合子阵列架构，单路径通道，和现实的大气衰减效应。我们提出了一个数学框架分析的毫米波（毫米波）MU-MIMO网络。通过蒙特卡罗模拟，我们证明了毫米波是一种很有前途的技术，在下一代空中网络中提供千兆连接。
2019-03-29 cs.IT eess.SP math.IT
DeepMIMO: A Generic Deep Learning Dataset for Millimeter Wave and Massive MIMO Applications
机器学习工具正在毫米波（mmWave）和大规模MIMO系统中找到有趣的应用。这主要归功于它们在学习未知模型和解决困难优化问题方面的强大能力。然而，为了推进毫米波/大规模MIMO中的机器学习研究，需要通用数据集。该数据集可用于评估开发的算法，重现结果，设置基准，并比较不同的解决方案。在这项工作中，我们介绍了DeepMIMO数据集，这是毫米波/大规模MIMO信道的通用数据集。DeepMIMO数据集生成框架具有两个重要特征。首先，DeepMIMO信道是基于从Remcom Wireless InSite获得的精确射线跟踪数据构建的。因此，DeepMIMO信道捕获了对环境几何形状/材料和发射器/接收器位置的依赖性，这对于几个机器学习应用至关重要。其次，DeepMIMO数据集是通用/参数化的，因为研究人员可以调整一组系统和信道参数，以针对目标机器学习应用定制生成的DeepMIMO数据集。然后，DeepMIMO数据集可以完全由（i）所采用的光线跟踪场景和（ii）参数集定义，这使得数据集的准确定义和再现成为可能。本文描述了一个基于18个基站和超过100万用户的室外光线跟踪场景的DeepMIMO数据集示例。本文还展示了如何将该数据集用于毫米波波束预测的示例深度学习应用。
2019-02-18 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
Beam Training and Allocation for Multiuser Millimeter Wave Massive MIMO Systems
研究了多用户毫米波大规模多输入多输出系统的波束训练和分配问题。首先提出了一种基于正交导频的波束训练方案，以减少训练次数，其中所有用户可以同时与基站（BS）进行波束训练。随着用户数量的增加，来自BS的相同波束可能指向不同的用户，导致波束冲突和多用户干扰。为此，在保证无波束冲突的QoS用户数最大的前提下，提出了一种QoS约束的波束分配方案，以最大化QoS用户的等效信道增益.为了减少波束训练的开销，提出了两种部分波束训练方案，基于隔行扫描（IS）和基于选择概率（SP）的方案。基于IS的方案的波束训练的开销可以减少近一半，而基于SP的方案的开销是灵活的。仿真结果表明，基于QC的波束分配方案可以有效地抑制波束冲突带来的干扰，显著提高频谱效率;基于IS和SP的波束分配方案在牺牲频谱效率的前提下，显著降低了波束训练开销。
2019-01-05 cs.IT eess.SP math.IT
Multiuser Beamforming for Partially-Connected Millimeter Wave Massive MIMO
针对部分连接毫米波大规模MIMO系统，提出了基于完美CSI的低复杂度混合波束成形方案和基于不完美CSI的仅模拟波束成形方案，有效最大化总速率并缓解多用户干扰。
2023-11-25 cs.IT eess.SP math.IT
Joint Analog Beam Selection and Digital Beamforming in Millimeter Wave Cell-Free Massive MIMO Systems
无小区大规模MIMO系统由许多分布式接入点组成，这些接入点具有共同为用户服务的简单组件。在毫米波段中，只能支持有限的一组预定波束。在整合这些技术的网络中，下行链路模拟波束选择对于网络和速率最大化来说是一项具有挑战性的任务。低成本的数字滤波器可以进一步提高网络的和速率。在这项工作中，我们提出了低成本的模拟波束选择和数字滤波器的联合设计。所提出的联合设计实现显着更高的总和率比不相交的设计基准。有监督机器学习（ML）算法能够以低计算复杂性有效地逼近联合设计的波束选择决策的输入输出映射函数。由于ML算法的训练是离线执行的，因此我们提出了一种构造良好的联合设计，该设计结合了多个初始化、迭代和选择特征，以及波束冲突控制，即，同一波束不能用于多个用户。数值结果表明，ML算法可以保持99-100%的原始和率的结果所提出的构造良好的设计。
2021-07-02 cs.IT eess.SP math.IT
Resource Allocation in MIMO setup
在多输入多输出（MIMO）设置中，其中链路的一侧包括线性天线阵列，数据可以在入射射线的方向上传输。本文研究了这种设置的信道容量。我们定义了两种不同的设置;一种是当能量在所有光线上都是恒定的且相等时，另一种是当可用能量均匀分布在光线上时。对于后者，我们表明，有一个上限的信道容量，无论射线和天线的数量。此外，我们还将此设置与传统的单输入单输出（SISO）AWGN信道进行了比较。
2022-11-03 cs.IT eess.SP math.IT
IRS-Assisted Millimeter-wave Massive MIMO with Transmit Antenna Selection for IoT Networks
提出了一种基于智能反射面（IRS）辅助的毫米波（mmWave）大规模多输入多输出（MIMO）系统，该系统采用正交空时分组码（OSTBC）进行发射天线选择（TAS）。该系统将TAS和IRS与用于60 GHz毫米波通信的混合模拟-数字波束成形（HBF）相结合，以利用TAS、OSTBC、模拟波束成形（ABF）和发射数字预编码技术的优点。然而，所提出的系统，受益于OSTBC方案的发射分集增益以及波束形成器和IRS技术的信噪比（SNR）增益。仿真结果表明，采用迫零预编码技术的TAS-OSTBC系统性能优于采用OSTBC方案的TAS系统。此外，由于提供了波束成形增益，随着天线阵元数量的增加，比特出错率（BER）性能显著改善。此外，增加反射元件的数量进一步增强了误差性能。仿真结果还表明，采用混合预编码的TAS-OSTBC系统比采用ABF的TAS-OSTBC系统具有更好的误码率性能，而采用IRS辅助的系统性能明显优于不采用IRS技术的传统系统。这使得所提出的IRS辅助系统成为物联网（IoT）网络的有吸引力的解决方案。
2022-12-12 cs.IT eess.SP math.IT
Asymmetric Stream Allocation and Linear Decodability in MIMO Coded Caching
University of Oulu（奥卢大学）
本文研究了一种单次线性可解的MIMO缓存交付，允许任意用户流分配。通过推导一个流数可解条件，扩展了对称公共流可行性规则，并开发了一种贪心多播调度程序，实现非对称流分配，从而提高DoF的粒度并提升有限SNR对称速率。
2026-09-16 cs.IT eess.SP math.IT
Energy-Efficient Power Control in Cell-Free and User-Centric Massive MIMO at Millimeter Wave
在无小区大规模多输入多输出架构中，非常大量的分布式接入点同时并联合地服务于少得多的移动站;无小区技术的变体是以用户为中心的方法，其中每个接入点仅服务于减少的移动站集合。本文介绍和分析了毫米波频率的无小区和以用户为中心的架构，考虑基于训练的信道估计阶段，以及下行链路和上行链路数据传输阶段。首先，一个多用户分簇毫米波信道模型，以考虑附近用户的信道之间的相关性，其次，上行链路的多用户信道估计方案描述随着低复杂度的混合模拟/数字波束形成架构。第三，针对下行链路全局能量效率最大化的功率分配的非凸问题。有趣的是，在所提出的方案中，在移动站处不需要信道估计，并且在移动站处使用的波束成形方案是信道无关的并且具有非常简单的结构。数值结果表明，所考虑的架构是有效的，并允许评估的损失所产生的使用的混合波束形成器和由信道估计错误的功率控制程序所授予的好处。
2019-03-27 cs.IT eess.SP math.IT
Hybrid Precoding for Multi-User Millimeter Wave Massive MIMO Systems: A Deep Learning Approach
Duzce University（杜兹切大学）；University of Hertfordshire（赫特福德大学）；University of Luxembourg（卢森堡大学）
在多用户毫米波（mmWave）多输入多输出（MIMO）系统中，混合预编码是降低复杂度和成本同时获得足够的和速率的关键任务。以前的混合预编码工作通常是基于优化或贪婪的方法。这些方法要么提供更高的复杂性，要么具有次优性能。此外，这些方法的性能主要依赖于信道数据的质量。在这项工作中，我们提出了一个深度学习（DL）框架，以提高性能，并提供更少的计算时间相比，传统的技术。事实上，我们设计了一个用于MIMO的卷积神经网络（CNN-MIMO），它接受不完美的信道矩阵作为输入，并在输出端给出模拟预编码器和组合器。该程序包括两个主要阶段。首先，我们开发了一种穷举搜索算法来选择模拟预编码器和组合器从预定义的码本最大化可实现的和速率。然后，所选择的预编码器和组合器被用作CNN-MIMO的训练阶段中的输出标签，其中获得输入输出对。我们通过大量和广泛的模拟评估所提出的方法的性能，并表明所提出的DL框架优于传统的技术。总的来说，CNN-MIMO在存在关于信道矩阵的缺陷的情况下提供了鲁棒的混合预编码方案。最重要的是，所提出的方法具有更少的计算时间与优化和基于码本的方法相比。
2019-11-11 cs.IT cs.LG eess.SP
Near-Field Millimeter-Wave Imaging via Circular-Arc MIMO Arrays
毫米波成像在隐蔽武器探测中有着广阔的应用前景。我们提出了一种圆弧形多输入多输出（MIMO）阵列方案，发射和接收天线沿水平圆弧方向均匀分布，同时沿垂直方向扫描。与线性或平面MIMO阵列相比，圆弧MIMO阵列的天线波束可以提供更均匀的成像场景覆盖。在此基础上，提出了一种基于空间频域处理的近场三维成像算法，分析了采样准则和分辨率。数值模拟，以及与反投影（BP）算法的比较，显示所提出的方法的有效性。
2021-02-26 eess.SP
Sparse Subspace Decomposition for Millimeter Wave MIMO Channel Estimation
毫米波多输入多输出（MIMO）通信系统必须在稀疏的无线链路上操作，并且将需要大的天线阵列来提供高吞吐量。为了获得足够的阵列增益，这些系统必须学习和适应信道状态条件。然而，传统的MIMO信道估计不能直接扩展到毫米波，这是由于对有效的毫米波操作施加在可用RF链的数量上的限制。在信道估计中，稀疏子空间扫描技术是从探测到的子空间样本中寻找最佳子空间样本的一种方法，但随着阵列规模的增大，这种方法的性能开始恶化，特别是对于混合预编码结构。毫米波信道估计的挑战仍然存在，并且在系统可以被部署和使用到其全部潜力之前应该被适当地解决。在这项工作中，我们提出了一种稀疏子空间分解（SSD）技术的稀疏毫米波MIMO信道估计。我们将信道估计公式化为最小化与接收到的子空间样本的子空间距离的优化问题。交替优化技术被设计来处理非凸问题。数值模拟表明，该方法优于其他现有的技术与显着低的开销。
2019-04-16 eess.SP
Energy Efficient Distributed Worst Case Robust Power Allocation in Massive MIMO
本文提出了一种大规模多输入多输出（MIMO）系统中能量有效的分布式最坏情况鲁棒功率分配算法。我们假设一个有界的信道状态信息（CSI）错误和所有的信道位于一些有界的不确定性区域。该问题被表述为具有无穷约束的最大-最小问题。首先利用三角形和Cauchy-Schwarz不等式求解内问题，然后利用分式规划和逐次凸逼近（SCA）技术将问题转化为凸优化问题。最后通过分配的方法得到发射功率的封闭形式。仿真结果证明了算法的收敛性和鲁棒性。此外，在仿真结果中示出了具有最大能量效率的发射天线的适当数量。
2019-01-02 cs.IT eess.SP math.IT
Atomic Norm Based Localization and Orientation Estimation for Millimeter-Wave MIMO OFDM Systems
在此，提出了一种用于从毫米波多输入多输出（MIMO）正交频分复用（OFDM）信号中精确估计目标的位置和方位的基于原子范数的方法。提出了一种新的虚拟信道矩阵，并设计了一种从其原子范数分解中提取定位相关信道参数的算法。然后，基于扩展的不变性原理，提出了一种加权最小二乘问题，以准确地恢复的位置和方向使用的视线和非视线信道信息。数值结果突出了性能的改善，比以前的方法和所得的性能几乎达到克拉美-罗下限。
2021-10-08 eess.SP
Cooperative Energy Efficient Power Allocation Algorithm for downlink massive MIMO
研究了蜂窝网络中发射端采用大规模多输入多输出（MIMO）系统时的功率分配问题。由于电路功耗随发射端天线和用户数量的增加而增加，因此为了分析网络性能，选择了考虑电路功耗的能量效率目标函数。考虑了在最大发射功率和服务质量（QoS）约束下的能量效率优化问题。为了解决用户与基站协作下的功率分配问题，提出了一种能量有效的功率分配算法。数值结果表明了算法的收敛性，并给出了合适的发射天线数和用户数。最后，对中试污染的影响进行了评估，结果表明，中试污染的能量利用率明显下降。
2018-12-31 cs.IT eess.SP math.IT
A Gridless Compressive Sensing Based Channel Estimation for Millimeter Wave MIMO OFDM Systems with One-Bit Quantization
本文研究了基于一比特量化测量的稀疏毫米波大规模多输入多输出（MIMO）OFDM信道估计问题。与以往的基于网格的一比特压缩感知方法不同，本文提出了一种无网格凸方法，通过二进制原子范数最小化（BiANM）和重加权二进制原子范数最小化（ReBiANM）来恢复稀疏信道形式的一比特测量值。仿真结果验证了二进制和重新加权二进制原子范数最小化技术的准确性。
2019-08-19 eess.SP
TRICE: A Channel Estimation Framework for RIS-Aided Millimeter-Wave MIMO Systems
研究了基于点到点可重构智能表面（RIS）的毫米波MIMO系统中的信道估计问题。通过利用毫米波信道在角度域的低秩特性，提出了一种非迭代的两阶段RI辅助信道估计（TRICE）框架，其中每一阶段都表示为多维波达方向（DOA）估计问题。因此，我们的TRICE框架是非常普遍的意义上说，任何有效的多维DOA估计解决方案可以很容易地使用在每个阶段，以估计相关的信道参数。数值结果表明，TRICE框架具有较低的训练开销和较低的计算复杂度，相比基准解决方案。
2021-02-02 eess.SP
Beam Selection for Wideband Millimeter Wave MIMO Relying on Lens Antenna Arrays
基于透镜天线阵列的波束空间多输入多输出（MIMO）技术通过波束选择可以显著减少毫米波（mmWave）通信系统中射频链路的数量。然而，在宽带毫米波MIMO系统中，波束成形增益实际上是频率相关的。这种现象被称为波束偏斜，当使用传统的波束选择方法时，它会恶化系统的性能。为了解决这个问题，我们提出了一种宽带波束选择方法毫米波MIMO系统依赖于透镜天线阵列。首先，我们为每个用户选择一个在整个频带上平均能量最大的波束，然后依次选择对和速率贡献最大的波束。提出的宽带波束选择方法的性能分析。数值结果表明，该方法与传统方法相比，具有更高的总速率和能量效率。
2020-04-17 eess.SP
Deep Learning Power Allocation in Massive MIMO
University of Pisa（比萨大学）；CentraleSupélec（巴黎中央理工-高等电力学院）；Université Paris-Saclay（巴黎萨克雷大学）；Huawei Technologies（华为技术有限公司）
该工作倡导使用深度学习来在大规模多输入多输出网络的下行链路中执行最大-最小和最大-prod功率分配。更准确地说，训练深度神经网络以学习用户设备（UE）的位置与最优功率分配策略之间的映射，然后用于预测新的UE位置集合的功率分配简档。与传统的面向优化的方法相比，深度学习的使用显著改善了功率分配的复杂性-性能权衡。特别是，所提出的方法不需要计算任何统计平均值，这将是必要的，而使用标准的方法，并能够保证接近最佳的性能。
2019-06-03 cs.IT cs.LG eess.SP
Rate-Loss Mitigation for a Millimeter-Wave Beamspace MIMO Lens Antenna Array System Using a Hybrid Beam-Selection Scheme
速率损失是多用户波束域多输入多输出（MIMO）毫米波系统的一个重要问题。在这样的系统中，多簇信道传播导致作为量化误差的函数，并且因此，每个活动用户遭受显著的速率损失。特别地，在等效波束空间MIMO信道中使用传统的单波束选择（SBS）方案以减少所需的射频（RF）链的数量，但是由于每个用户的信道传播簇的数量有限，该方案不能适当地减轻量化误差。此外，最佳选择的波束或RF链以相同数量的预编码数据流操作。因此，每个活动用户固有地丢失利用传统SBS方案的大量数据流。因此，我们提出了一种混合波束选择（HBS）方案在等效的波束空间MIMO信道实现多波束或RF链组选择的机会，并选择一个可靠的信道传播集群每个活跃用户，这直接影响到减轻量化误差。在毫米波MIMO下行链路信道环境下，通过计算机仿真验证了数值结果。
2019-04-17 eess.SP
Millimeter Wave Channel Estimation for Lens based Hybrid MIMO with Low Resolution ADCs
与毫米波（mmWave）频率通信相关联的高路径损耗可以通过诸如多输入多输出（MIMO）系统的大规模天线阵列来补偿。实现了使用较少射频链的混合波束成形架构，以降低功耗和硬件复杂度，同时仍然支持多流通信。我们提出了一种有效的期望最大化（EM）为基础的毫米波信道估计器的基于透镜的混合MIMO系统与低分辨率采样在接收机。研究了基于透镜的波束形成器，以提供增加的天线增益和降低的实现复杂度，因为传统的波束选择网络被排除在外。在模数转换器处实现低分辨率采样以降低功耗。所提出的解决方案与一个强大的最大后验估计的EM算法的基础上进行更好的比传统的EM方法和最小均方误差基线在中高信噪比区域。
2022-11-15 eess.SP
Multi-Frequency Multi-Scenario Millimeter Wave MIMO Channel Measurements and Modeling for B5G Wireless Communication Systems
毫米波（mmWave）频带已经被用于第五代（5G）通信系统，并且毫无疑问将继续被部署用于超过5G（B5G）。然而，通过使用相同的信道探测器，在多频带和多场景下，特别是对于室外、多输入多输出（MIMO）和车辆到车辆（V2V）条件，未完全研究底层信道。在本文中，我们在28，32和39 GHz频段使用4*4天线进行多频多场景毫米波MIMO信道测量，用于三种情况，即，人体和车辆阻塞测量、室外路径损耗测量和V2V测量。深入研究了阻塞效应、路径损耗、覆盖范围、非平稳性和空间一致性等信道特性。提出了毫米波MIMO信道的阻塞模型、路径损耗模型和时变信道模型。信道测量和建模结果对于B5G室内热点、室外和车载网络场景中的进一步毫米波通信系统部署具有重要意义。
2020-07-28 eess.SP
A Millimeter Wave MIMO Testbed for 5G Communications
本文提出了一种2 × 2毫米波（毫米波）多输入多输出（MIMO）的测试平台，工作在30 GHz左右。在26.25 GHz下运行的系统的链路评估是在测试台上进行的，发射和接收天线之间的通信距离很短。为了验证TD-LTE下行链路时分长期演进（TD-LTE）双工方案的系统级性能，采用了一种基于FPGA的软件无线电（SDR）系统，该系统具有用户可编程、可重构和实时信号处理等特点。在30 GHz的工作频率下，得到了QPSK数字调制星座图。该测试平台可用于5G通信的信号测试、通信算法和测量计量的开发。
2018-09-19 eess.SP
Hybrid Beamforming/Combining for Millimeter Wave MIMO: A Machine Learning Approach
混合波束形成（HB）技术是一种在毫米波（mmWave）多输入多输出（MIMO）系统中以低复杂度支持超高传输容量的新兴技术。然而，数字和模拟波束形成器的设计是一个具有挑战性的任务，非凸优化，特别是对于多用户场景。近年来，深度学习研究的兴起为通信系统的信号处理提供了新的视角。在这项工作中，我们提出了一种基于深度神经网络的HB多用户毫米波大规模多输入多输出系统，简称DNHB。HB系统被公式化为自动编码器神经网络，其以端到端的自监督学习的方式进行训练。由于深度神经网络具有强大的表示能力，所提出的DNHB表现出优于传统线性处理方法的性能。根据仿真结果，DNHB优于约2 dB的误比特率（BER）性能相比，现有的方法。
2020-01-03 eess.SP
Energy Efficiency Maximization in Millimeter Wave Hybrid MIMO Systems for 5G and Beyond
在毫米波（mmWave）频率处，多输入多输出（MIMO）系统中的硬件组件的较高成本和功耗不允许利用用于每个天线的单独射频（RF）链完全在基带处进行波束成形。在这种情况下，为了实现空间复用，混合波束成形（其使用移相器将较少数量的RF链连接到大量天线）是具有成本效益和节能的替代方案。本文介绍了我们对完全自适应收发器的研究，这些收发器在逐帧的基础上调整其行为，以便毫米波混合MIMO系统始终以最节能的方式运行。基于穷举搜索的蛮力方法是计算密集型的，所以我们研究了分数规划作为一种低成本的替代方案来解决问题，最大限度地提高能源效率。性能结果表明，与涉及仅模拟或仅数字信号处理解决方案的基线情况相比，所得到的毫米波混合MIMO收发器实现了显著改善的能效结果，并且显示了与蛮力方法的性能折衷。
2020-03-26 eess.SP
Hybrid Beamforming Design for Millimeter Wave Multiuser MIMO Systems with Dynamic Subarrays
在这封信中，我们研究了毫米波（mmWave）下行多用户多输入多输出（MU-MIMO）系统，该系统在基站处采用动态子阵架构，并考虑每个用户的多流通信。针对系统频谱效率最大化的问题，提出了一种新的混合波束形成方案。首先，假设没有用户间干扰（IUI），我们很容易得到最佳的全数字波束形成器和合并器使用每个用户信道的奇异值分解和注水算法。然后，基于所得到的全数字波束形成器，提出了一种Kuhn-Munkres算法辅助的动态混合波束形成器设计，保证了每个射频链至少连接一个天线。最后，我们建议进一步将每个获得的数字波束形成器投影到所有其他等效用户信道的零空间上，以消除IUI。数值结果验证了我们提出的混合波束形成设计的优越性。
2022-05-06 eess.SP
Deep-Learning-based Millimeter-Wave Massive MIMO for Hybrid Precoding
毫米波（mmWave）大规模多输入多输出（MIMO）已被认为是下一代通信的新兴解决方案，其中混合模拟和数字预编码是用于降低与混合信号分量相关联的硬件复杂度和能量消耗的重要方法。然而，现有的混合预编码方案的根本局限性在于它们具有高计算复杂度并且不能充分利用空间信息。为了克服这些限制，本文提出了一种支持深度学习的毫米波大规模多输入多输出框架，用于有效的混合预编码，其中用于获得优化解码器的预编码器的每次选择都被视为深度神经网络（DNN）中的映射关系。具体地，基于DNN通过训练选择混合预编码器，以优化毫米波大规模多输入多输出的预编码过程。此外，我们提出了广泛的仿真结果，以验证所提出的方案的优异性能。结果表明，基于DNN的方法能够最小化mmWave大规模多输入多输出系统的误码率（BER），提高系统的频谱利用率，与传统的混合预编码方案相比，该方法在降低计算复杂度的同时，获得了更好的混合预编码性能.
2019-01-19 eess.SP
Learning Based Hybrid Beamforming for Millimeter Wave Multi-User MIMO Systems
KTH Royal Institute of Technology（KTH皇家理工学院）
混合波束形成（HBF）设计是毫米波（mmWave）多用户多输入多输出（MU-MIMO）系统中的关键环节。然而，传统的HBF方法仍然具有高复杂度并且强烈依赖于信道状态信息的质量。我们提出了一个极端学习机（ELM）框架，以联合优化发射和接收波束形成器。具体来说，为了提供准确的标签训练，我们首先提出了一个基于分数规划和优化最小化的HBF方法（FP-MM-HBF）。然后，基于ELM的HBF（ELM-HBF）框架，提出了提高波束形成器的鲁棒性。与现有方法相比，FP-MM-HBF和ELM-HBF都能提供更高的系统和速率。此外，ELM-HBF不仅可以提供鲁棒的HBF性能，而且消耗非常短的计算时间。
2020-04-27 cs.LG eess.SP
