BitStopper: An Efficient Transformer Attention Accelerator via Stage-fusion and Early Termination
School of Integrated Circuits Tsinghua University Beijing, China（集成电路学院清华大学北京中国）；School of Integrated Circuits Tsinghua University Beijing, China Shanghai Artificial Intelligence Laboratory Shanghai, China（集成电路学院清华大学北京中国上海人工智能实验室上海中国）
BitStopper通过阶段融合和提前终止技术，提升Transformer注意力加速器的效率和能效。
2025-12-06 cs.LG eess.SP
An Efficient Global Algorithm for One-Bit Maximum-Likelihood MIMO Detection
针对大规模 MIMO 系统中的一比特最大似然检测问题，本文将其重构为含大量线性约束的 MILP 问题，并提出一种轻量级分支定界树搜索算法高效求解，显著降低了计算复杂度。
2023-07-03 cs.IT eess.SP math.IT
One-Bit MIMO Detection: From Global Maximum-Likelihood Detector to Amplitude Retrieval Approach
本文针对一位MIMO检测，提出保证全局最优的分支定界算法及引入幅度变量的幅度恢复方法，兼顾全局与近似解，并通过仿真验证有效性。
2024-07-17 cs.IT eess.SP math.IT
Activity Detection in Distributed MIMO: Distributed AMP via Likelihood Ratio Fusion
提出了一种新的分布式多输入多输出（MIMO）系统中免授权多址接入的活动检测算法。该算法是一个分布式版本的近似消息传递（AMP）的基础上软组合的似然比独立计算在多个接入点。我们的算法的基础理论基础是一个新的观察，我们在AMP的状态演变。具体地说，与最小均方误差降噪，状态保持块对角结构时，信号的协方差矩阵具有这样的结构。我们通过数值例子表明，该算法优于竞争计划从文献中。
2022-09-22 cs.IT eess.SP math.IT
Generalized Linear Models with 1-Bit Measurements: Asymptotics of the Maximum Likelihood Estimator
本文为1比特删失数据下的广义线性模型多参数最大似然估计建立了渐近正态性条件，推导了Fisher信息矩阵，并应用于高斯和泊松模型。
2025-02-07 cs.SY eess.AS eess.SP
Robust Data Detection for MIMO Systems with One-Bit ADCs: A Reinforcement Learning Approach
Department of Electrical Engineering, Princeton University（普林斯顿大学电气工程系）；Department of Electrical Engineering, POSTECH（浦项科技大学电气工程系）
在接收器处使用一位模数转换器（ADC）是用于以大信号带宽和/或大量接收射频链操作的未来无线系统的功率高效解决方案。然而，该解决方案引起高的信道估计误差，并且因此使得难以执行最佳数据检测，该最佳数据检测需要在接收机处的似然函数的完美知识。在本文中，我们提出了一种似然函数学习方法的多输入多输出（MIMO）系统与一位ADC使用强化学习方法。其关键思想是利用数据检测得到的输入输出样本，来补偿似然函数中的失配。这个想法的潜在困难是由数据检测错误引起的样本中的标签不确定性。为了解决这个问题，我们定义了一个马尔可夫决策过程（MDP），以最大限度地提高从样本学习的似然函数的准确性。然后，我们开发了一个强化学习算法，有效地找到最佳的政策，通过近似的过渡函数和最佳状态的MDP。仿真结果表明，所提出的方法提供了显着的性能增益的最佳数据检测方法，遭受的不匹配的似然函数。
2019-03-29 cs.IT cs.LG eess.SP
Multi-bit Distributed Detection of Sparse Stochastic Signals over Error-Prone Reporting Channels
针对无线传感器网络中的稀疏随机信号检测，提出多比特量化与LMPT融合的分布式检测方法，在易错信道下实现近最优渐近性能，并通过仿真验证了低信噪比下的有效性。
2024-11-06 eess.SP
Multistatic OFDM Radar Fusion of MUSIC-based Angle Estimation
针对多基地OFDM雷达多目标角度定位的高复杂度问题，提出基于MUSIC伪谱加权组合近似ML参数估计的融合框架，在降低计算复杂度的同时实现高效目标检测。
2024-02-20 eess.SP
Fusion Rules for Distributed Detection in Clustered Wireless Sensor Networks with Imperfect Channels
本文研究了具有三层结构的大型随机分簇无线传感器网络（WSNs）中分布式检测的融合规则;传感器节点（SN）、簇头（CH）和融合中心（FC）。CH收集SN的本地决策并将其中继到FC，然后FC融合它们以达成最终决策。SN-CH和CH-FC信道遭受加性高斯白噪声（AWGN）。在这种情况下，我们得出的最佳对数似然比（LLR）融合规则，这是棘手的。因此，我们开发了一个次优的线性融合规则（LFR），根据其本地检测性能和通信信道的质量来衡量集群的数据。为了实现它，我们提出了一个近似的最大似然LFR（LFR-aML），估计所需的参数LFR。我们还推导出高斯尾上界的检测和误报概率的LFR。通过求解相关优化问题的Karush-Kuhn-Tucker（KKT）条件，提出了一种最优的CH发送功率分配策略。大量的仿真结果表明，LFR达到的检测性能接近的最佳LLR，并确认所提出的上限的有效性。此外，当比较相等的功率分配，仿真结果表明，我们提出的功率分配策略实现了显着的功率节省在检测性能的一个小的减少为代价。
2019-02-11 eess.SP
Score-based Fading-Aware Decision Fusion
University of Naples “Federico II”（那不勒斯费德里科二世大学）
针对低成本节点无线传感器网络的未知确定性信号分布式检测问题，提出含观测费舍尔信息变体的得分检验作为GLRT的低复杂度替代，通过感知信道优化量化器提升渐近检测性能，仿真验证其在实际无线环境下的适用性。
2026-08-20 eess.SP
Differential Deep Detection in Massive MIMO With One-Bit ADC
本文提出了一种用于大规模多输入多输出系统上行链路的差分检测方案，该方案在每个接收天线上采用一比特量化器。我们专注于差分幅度和相移键控符号的检测，我们使用Bussgang定理来表示在以前的信道使用期间收到的量化信号的量化接收信号。随后，我们推导出差分编码的幅度和相位信息符号的最大似然检测器。我们注意到，虽然1比特检测器可以解码差分编码的相位信息符号，但它不能解码差分编码的幅度信息。为了解码幅度信息，我们提出了一个一位可变量化电平（VQL）系统，并训练一个深度神经网络来执行两个符号的差分幅度检测。通过Monte-Carlo模拟，我们经验性地验证了所提出的幅度和相位检测器的性能。数值结果表明，在一比特差分系统中获得的频谱效率优于在一比特相干系统中获得的频谱效率
2021-10-27 eess.SP
Enhanced Audit Bit Based Distributed Bayesian Detection in the Presence of Strategic Attacks
本文采用了基于审计位的机制，以减轻拜占庭攻击的影响。在此框架下，研究了智能攻击者对传统的基于位的审计方案（TAS）的最优攻击策略，以评估系统的鲁棒性。我们表明，它是可能的智能攻击者降低TAS的性能，系统没有审计位。为了提高系统的鲁棒性存在的智能攻击者，我们提出了一个增强的审计位为基础的计划（EAS）。推导了该方案的最优融合规则，并通过系统的错误概率评估了系统的检测性能。仿真结果表明，所提出的EAS提高了系统的鲁棒性和检测性能。此外，基于EAS，另一种新的方案称为减少审计位为基础的方案（RAS），进一步提高系统的性能。仿真结果表明，RAS在鲁棒性和检测性能方面均优于EAS和TAS。然后，我们提出了一个广域集群为基础的分布式无线传感器网络（CWSNs）的RAS。仿真结果表明，该RAS协议显著降低了传感器与FC之间的通信开销，延长了网络的生存时间。
2021-09-27 cs.CR eess.SP
PADE: A Predictor-Free Sparse Attention Accelerator via Unified Execution and Stage Fusion
School of Integrated Circuits, BNRist, Tsinghua University（清华大学集成电路学院，北京信息科学与技术国家研究中心）；School of Computer Science and Engineering, Shanghai Jiao Tong University（上海交通大学计算机科学与工程系）；Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
PADE通过统一执行和阶段融合技术，实现无预测的稀疏注意力加速，提升硬件效率和能效。
2026-01-11 cs.AR eess.SP
Adaptive Learning-Based Detection for One-Bit Quantized Massive MIMO Systems
我们提出了一个自适应学习为基础的框架，上行链路大规模多输入多输出（MIMO）系统与一位模数转换器。基于学习的检测不需要估计信道，这克服了一比特量化系统的一个关键缺点。在训练过程中，基于学习的检测在高信噪比（SNR）下会受到影响，因为观测值会偏向+1或-1，这导致许多零值经验似然函数。在低SNR下，观测值经常变化，但高噪声功率使捕获信道的影响变得困难。为了解决这些缺点，我们提出了一种自适应抖动和学习方法。在训练期间，接收值与抖动噪声混合，抖动噪声的统计数据对于基站是已知的，并且抖动噪声功率对于每个天线元件根据观察到的输出模式来更新。然后，我们在一位最大似然检测规则中使用细化的概率。仿真结果验证了所提出的方法与我们以前的方法使用固定的抖动噪声功率以及迫零和最佳ML检测，这两个假设完美的信道知识的检测性能。
2022-11-13 cs.IT eess.SP math.IT
In a One-Bit Rush: Low-Latency Wireless Spectrum Monitoring with Binary Sensor Arrays
被认为是利用无线电传感器阵列的最小延迟检测随机无线源的存在。在每个传感器处的模数转换被限制为读取模拟接收信号的符号的约束下研究该问题。我们制定的数字信号处理任务作为一个简单的形式顺序假设检验。为了规避棘手的概率模型的多变量二进制阵列数据，减少模型表示的指数家庭结合对数似然比近似。这种方法使我们能够设计一个基于似然性的序贯检验，并分析其分析性能沿沃尔德的经典参数。在基于卫星的导航和同步系统的无线频谱监测的背景下，我们研究了可实现的处理延迟，其特征在于平均样本数，作为使用中的二进制传感器的函数。通过仿真验证了所讨论的低复杂度传感和决策技术的实际可行性和潜力。
2018-04-30 cs.IT eess.SP math.IT
One Bit Spectrum Sensing in Cognitive Radio Sensor Networks
提出了一种基于单比特测量的认知无线电传感器网络频谱感知算法。推导了一比特频谱感知问题的似然比检验。与文献中的单比特频谱感知研究不同，该方法假设信号是离散随机相关高斯过程，相关性仅存在于接收信号的连续样本中。所采用的模型有利于设计一个强大的检测标准与可测量的分析性能。推导了单传感器的单比特频谱感知准则，并将其推广到多传感器。检测器的性能进行了分析，通过获得封闭形式的虚警概率和检测概率的公式。仿真结果证实了理论研究结果，并确认了所提出的检测器的有效性，在高度相关的信号和大量的传感器的情况下。
2019-03-24 eess.SP stat.AP
Weak target detection with multi-bit quantization in colocated MIMO radar
研究了共址多输入多输出（MIMO）雷达中参数未知的弱目标检测问题。为了应付大规模系统的数据量，多位量化器是利用在采样过程中。作为一种低复杂度的替代经典的广义似然比测试（GLRT）的量化数据，我们提出了多比特检测器的Rao测试与一个封闭形式的测试统计量，其理论渐近分布提供了推广的实际检测性能。此外，我们还利用粒子群优化算法（PSOA）优化量化阈值，优化量化器的设计。仿真结果表明，基于非量化和量化数据的检测器性能的变化。数值结果证实了我们的理论分析，并表明与3位量化的性能接近的情况下，没有量化。
2021-09-06 eess.SP stat.AP
Cyber-resilience for marine navigation by information fusion and change detection
Technical University of Denmark（丹麦技术大学）
网络弹性是开发船舶自主导航解决方案的一个日益关注的问题。本文通过一个有三个边缘的棱镜来审视海洋导航的网络弹性特性：多传感器信息融合，异常行为诊断和变化检测。它提出了一个两阶段的估计用于诊断和减轻传感器信号用于沿海导航。在开发LikeField方法时，第一阶段从雷达中提取海岸线特征，并将其与电子导航图相匹配。第二阶段将来自雷达的浮标和信标特征与海图信息相关联。使用在海上测试中记录的真实数据与模拟欺骗相结合，本文验证了及时诊断和隔离试图损害位置测量的能力。提出了一种新的方法，用于对接收到的数据进行高级别处理以评估其一致性，即对个人感觉输入的底层技术不可知。结合参数高斯建模和核密度估计的建议，并与广义似然比变化检测器，使用滑动窗口。本文展示了如何偏离标称行为和隔离的组件是可能的，当受到攻击或传感器发生缺陷时。
2022-02-01 cs.AI eess.SP stat.AP
Asymptotically Optimal One-Bit Quantizer Design for Weak-signal Detection in Generalized Gaussian Noise and Lossy Binary Communication Channel
本文研究了广义高斯噪声中任意二进制信道下微弱信号检测的量化器设计问题。由于广义似然比检验（GLRT）和Rao检验的性能是由非中心卡方概率密度函数（PDF）渐近表征的，因此，门限设计问题可以转化为非中心参数最大化问题.理论性质的非中心性参数的阈值进行了研究，并示出的最佳阈值被发现在多项式时间与适当的数值算法和适当的初始化。在某些情况下，最佳阈值被证明是零。最后，数值实验验证了理论分析的正确性。
2018-05-08 cs.IT eess.SP math.IT
Study of Iterative Detection and Decoding with Log-Likelihood Ratio Based Access Point Selection for Cell-Free Networks
本文提出一种用于无小区大规模MIMO上行链路的迭代检测与解码方案，并开发了基于对数似然比的接入点选择方法，在误码率和频谱效率上优于现有技术，且回传负载相当。
2023-12-24 cs.IT eess.SP math.IT
Deep Log-Likelihood Ratio Quantization
University of Texas at Austin（德克萨斯大学奥斯汀分校）
在这项工作中，提出了一种基于深度学习的对数似然比（LLR）有损压缩和量化方法，重点是单输入单输出不相关衰落通信设置。训练深度自动编码器网络以压缩、重构和重构对应于单个传输符号的比特对数似然比。具体地，编码器映射到维度等于恢复输入所需的足够统计数据的数量的潜在空间-在这种情况下等于三-而解码器旨在重建潜在表示的噪声版本，目的是以可微的方式对量化效果进行建模。仿真结果表明，当应用到一个标准的速率-1/2的低密度奇偶校验（LDPC）码，一个有限的精度压缩因子的近三倍时，实现存储整个码字，与直接标量量化的对数似然比相比，所产生的性能损失低于0.1 dB。
2021-05-09 cs.LG eess.SP stat.ML
Uplink Data Detection Analysis of 1-Bit Quantized Massive MIMO
本文提出了一种分析框架，在大规模多输入多输出上行链路系统中的数据检测与1位模数转换器（ADC）。考虑到单用户的情况下，我们提供了封闭形式的表达式的期望值和方差的估计符号时，采用最大比合并在基站（BS）随着其渐近行为在高信噪比（SNR）。这些结果被利用，以提高最大似然检测的性能，考虑到分散的估计符号的期望值。相对于BS天线的数量、SNR和用于信道估计的导频长度来评估具有1比特ADC的符号出错率。所提出的分析突出了一个基本的SNR权衡，根据该权衡，在正确的SNR下操作可以大大提高数据检测精度。
2021-07-26 cs.IT eess.SP math.IT
A Reduced-Complexity Maximum-Likelihood Detection with a sub-optimal BER Requirement
最大似然（ML）检测是一种最优的信号检测方案，但由于其高计算复杂性，特别是在多输入多输出（MIMO）情况下，ML检测往往难以实现。在具有采用$M$调制的$N_t$发射天线的系统中，ML-MIMO检测器需要$M^{N_t}$成本函数（CF）评估，随后是用于检测具有最小CF值的符号的搜索操作。然而，实际系统需要误码率（BER）依赖于应用，这可能是次优的。这意味着可能不需要始终具有最小CF解决方案。相反，期望搜索满足所需次优BER的解决方案。在这项工作中，我们提出了一种新的检测器设计的SISO/MIMO系统通过获得BER和CF之间的关系，这也提高了计算复杂性的ML检测器的次优BER。
2022-08-10 cs.IT eess.SP math.IT
