MIMO Multifunction RF Systems: Detection Performance and Waveform Design
研究了同时支持雷达、通信和干扰的多输入多输出(MIMO)多功能射频(MFRF)系统的检测性能。我们表明,MIMO MFRF系统的检测性能提高的发射信号干扰噪声比(SINR)的增加。为了分析系统的可达信干噪比,我们制定了一个信干噪比最大化的问题下的通信和干扰功能的约束,以及发射能量约束。我们推导出一个封闭形式的解决方案,这个优化问题的能量约束的波形,并提出了一个详细的分析,可实现的信干噪比。此外,我们分析了系统发送恒模波形,这是在实践中经常使用的SINR。我们提出了一种有效的恒模波形设计算法,以最大限度地提高SINR。数值结果表明,MIMO阵列提供多种功能的能力,也显示了雷达检测和通信/干扰功能之间的权衡。
2022-08-25 cs.IT eess.SP math.IT
Alternative Normalized-Preconditioning for Scalable Iterative Large-MIMO Detection
针对large-MIMO系统信号检测因传播条件不利、ELAA空间非平稳性带来的挑战,提出兼具近最大似然性能、低复杂度、快收敛、鲁棒性的ANPID迭代检测器,性能优于现有方案。
2023-08-22 cs.IT eess.SP math.IT
Deep Learning for Joint MIMO Detection and Channel Decoding
我们提出了一种用于联合MIMO检测和信道解码问题的深度学习方法。传统的MIMO接收机采用基于模型的方法以线性或迭代方式进行MIMO检测和信道解码。然而,由于复杂的MIMO信号模型,联合MIMO检测和信道解码问题的最佳解决方案(即,从接收的MIMO信号中对发送的码字进行最大似然解码)在计算上是不可行的。作为实际措施,当前基于模型的MIMO接收机都使用具有可承受的计算复杂性的次优MIMO解码方法。这项工作将深度学习的最新进展应用于MIMO接收器的设计。特别地,我们利用具有监督训练的深度神经网络(DNN)来解决联合MIMO检测和信道解码问题。我们表明,DNN可以被训练成比传统MIMO接收机更好的解码性能。我们的模拟表明,由七个隐藏层组成的DNN实现可以优于传统的基于模型的线性或迭代接收器。这种性能的提高为未来的MIMO接收机设计指明了新的方向。
2019-01-17 cs.IT math.IT
Fifty Years of MIMO Detection: The Road to Large-Scale MIMOs
基于超大型天线阵列的大规模MIMO(Massive/Large Scale MIMO,LS-MIMO)系统已经成为无线通信领域的研究热点。与基于LTE的4G移动通信系统(其允许基站(BS)处的多达8个天线元件)相比,LS-MIMO系统在BS处需要前所未有数量的天线,比如说100个或更多。BS天线数量的巨大飞跃为通信理论、传播和电子学的一个新的研究领域打开了大门,在这个领域中,随机矩阵理论开始发挥主导作用。在本文中,我们提供了一个独奏会的历史遗产和新的挑战面临的LS-MIMO从检测的角度来看。首先,我们强调了MIMO检测的基本原理,包括同信道干扰的性质,MIMO检测问题的一般性,线性无记忆MIMO信道和色散MIMO信道的接收信号模型表现出记忆,以及复值与实值MIMO系统模型。然后,在过去的50年(1965-2015年)的代表性的MIMO检测方法的广泛审查,并推断相关的见解以及经验教训,设计复杂度可扩展的MIMO检测算法,是潜在的适用于LS-MIMO系统。此外,我们将LS-MIMO系统分为两种类型,并详细说明了适合于每种类型的不同检测策略。类型I LS-MIMO对应于活动用户的数量远小于BS天线的数量的情况,这是当前LS-MIMO的主流定义。类型II LS-MIMO对应于活动用户的数量与BS天线的数量相当的情况。最后,我们讨论了现有的MIMO检测算法在LS-MIMO系统中的适用性,并回…
2015-07-18 cs.IT math.IT
Self-attention for Enhanced OAMP Detection in MIMO Systems
多输入多输出(MIMO)系统是无线通信的基础。由于经典的MIMO系统中符号检测算法需要大量的计算资源或结果不佳,因此数据驱动算法变得越来越流行。然而,大多数的proposedalgorithms,引入近似导致现实MIMO系统的性能下降。在本文中,我们引入了一个神经增强的混合模型,增强了国家的最先进的神经网络组件的analyticbackbone算法。特别是,我们引入aself-attention模型的迭代正交近似消息传递(OAMP)为基础的解码算法的增强。在我们的实验中,我们表明,所提出的模型可以优于现有的数据驱动的方法OAMP,同时提高了泛化到其他SNR值在有限的计算开销。
2023-03-14 cs.IT eess.SP math.IT
On the Performance of Mismatched Data Detection in Large MIMO Systems
我们研究了在大型多输入多输出(MIMO)系统中失配数据检测的性能,其中在数据检测器中使用的发射信号的先验分布不同于真实的先验。为了最大限度地减少这种先前的不匹配所造成的性能损失,我们包括一个调整阶段到我们最近提出的大MIMO近似消息传递(LAMA)算法,这使我们能够开发不匹配的LAMA算法与最佳以及次最佳的调整。我们表明,精心选择的先验往往使更简单和计算更有效的算法相比,LAMA与真正的先验,同时实现接近最佳的性能。我们的算法的高斯先验和均匀先验的超立方体覆盖的QAM星座的性能分析恢复线性和非线性MIMO数据检测的经典和最近的结果,分别。
2016-06-22 cs.IT eess.SP math.IT
Intelligent MIMO Detection Using Meta Learning
在用于多输入多输出(MIMO)系统的K最佳检测器中,K的值需要足够大以实现接近最大似然(ML)性能。通过将K视为可以根据某些可学习系数的拟合函数进行调整的变量,提出了一种基于深度神经网络(DNN)的智能MIMO检测网络,以降低检测算法的复杂度,同时性能下降很少。特别地,所提出的智能检测算法使用Meta学习来学习K的拟合函数的系数,以规避直接学习K的问题。网络融合的思想被用来合并Meta学习组件网络的学习结果。仿真结果表明,该方案在实现接近ML检测性能的同时,其复杂度接近线性检测器。此外,它还具有很强的快速训练能力。
2022-08-08 cs.IT eess.SP math.IT
Deep Reinforcement Learning Aided Monte Carlo Tree Search for MIMO Detection
Research Center for Information Technology Innovation, Academia Sinica(中央研究院资讯科技创新研究中心)
本文提出了一种新的多输入多输出(MIMO)符号检测器,该检测器将深度强化学习(DRL)代理集成到蒙特卡罗树搜索(MCTS)检测算法中。我们首先描述如何MCTS算法,用于许多决策问题,适用于MIMO检测问题。然后,我们介绍了一个自行设计的深度强化学习代理,由一个策略值网络和一个状态值网络组成,它被训练用于检测MIMO符号。训练后的网络的输出被采用到一个修改的MCTS检测算法,以提供有用的节点统计信息,并促进增强的树搜索过程。由此产生的方案,称为DRL-MCTS检测器,表现出显着的改进,比原来的MCTS检测算法,并表现出良好的性能相比,其他现有的线性和DNN为基础的检测方法在不同的信道条件下。
2021-01-30 cs.IT cs.LG eess.SP
Fully Decentralized Massive MIMO Detection Based on Recursive Methods
用于大规模多输入多输出上行链路检测的算法通常依赖于集中式方法,通过该方法,来自所有天线模块的基带数据被路由到中央节点以便被处理。在大规模多输入多输出的情况下,其中在基站中预期有数百或数千个天线,这种架构导致瓶颈,在互连带宽要求方面具有关键限制。本文提出了一种基于递归方法的大规模多输入多输出上行链路的完全分散的结构和算法,该结构和算法不需要中心节点进行检测过程。通过一个递归的方法和非常低的复杂性操作,所提出的算法提供了一个序列的估计渐近收敛到迫零的解决方案,而不需要特定的硬件矩阵求逆。所提出的解决方案实现了显着低于其他架构的互连数据速率,使未来的可扩展性。
2018-08-28 cs.IT eess.SP math.IT
Phase-Rotated Symbol Spreading for Scalable Rydberg Atomic-MIMO Detection
University of Surrey(萨里大学)
本文提出了一种相位旋转符号扩展方法,用于提升Rydberg原子MIMO系统的信号检测性能,通过非线性模型线性化实现更高的频谱效率和检测精度。
2026-01-25 cs.IT eess.SP math.IT
Optimal Data Detection in Large MIMO
在大规模多用户MIMO和基于随机扩频码分多址(CDMA)的无线系统中,出现了大规模多输入多输出(MIMO)。为了应对在这样的系统中的最佳数据检测的过高的复杂度,在过去已经提出了各种有效的但次优的算法。在本文中,我们提出了一种数据检测算法,是计算效率和最佳的意义上说,它是能够实现相同的错误率性能的个别最佳(IO)的数据检测器在一定的假设下的MIMO系统矩阵和星座字母表。我们的算法,我们称之为LAMA(大型MIMO AMP的缩写),建立在复值贝叶斯近似消息传递(AMP)的基础上,它可以通过状态演化框架在大型系统限制下对性能和复杂性进行精确的分析表征。我们推导出LAMA的最优性条件,并研究性能/复杂性的权衡。作为我们的分析的副产品,我们恢复随机扩频CDMA的IO数据检测的经典结果。此外,我们提供了切实可行的方法LAMA接近理论性能限制在现实中,有限维系统在低计算复杂性。
2018-11-05 cs.IT eess.SP math.IT
GNN-Enhanced Approximate Message Passing for Massive/Ultra-Massive MIMO Detection
考虑到天线数量极大,具有令人满意的性能和低复杂度的高效大规模/超大规模多输入多输出(MIMO)检测算法对于满足5G及更高通信中的高吞吐量和超低延迟要求至关重要。本文提出了一种低复杂度的图神经网络(GNN)增强的近似消息传递(AMP)算法AMP-GNN,用于大规模/超大规模MIMO检测。通过对AMP算法的展开和引入用于多用户干扰消除的GNN模块,定制了神经网络的结构。数值结果将表明,所提出的AMP-GNN显著提高了AMP检测器的性能,并实现了与最先进的基于深度学习的MIMO检测器相当的性能,但具有降低的计算复杂性。此外,该算法对用户数量的变化具有较强的鲁棒性。
2023-01-09 cs.IT eess.SP math.IT
Antenna Efficiency in Massive MIMO Detection
在本文中,我们考虑的多用户检测问题的多输入多输出(MIMO)系统中,在基站(BS)的接收天线的数量增长无穷大。我们提出了一个新的性能指标,称为天线效率,来表征如何快速的矢量错误概率(VEP)的接收天线的数量增加,在大系统的限制减少。我们分析了最佳的最大似然(ML)检测器和简单的迫零(ZF)检测器,并证明了他们的天线效率承认一个简单的封闭形式,量化的用户天线比,信噪比(SNR),和星座集上的VEP的影响。数值结果表明,我们的分析可以很好地描述一个现实的大规模多输入多输出系统中的经验检测误差性能。
2021-07-21 cs.IT eess.SP math.IT
Model-Driven Deep Learning for MIMO Detection
Southeast University(东南大学);National Sun Yat-sen University(国立中山大学);Georgia Institute of Technology(佐治亚理工学院)
在本文中,我们研究了用于MIMO检测的模型驱动的深度学习(DL)。特别地,通过展开迭代算法并添加一些可训练参数来专门设计MIMO检测器。由于可训练参数的数量比数据驱动的基于DL的信号检测器少得多,因此模型驱动的基于DL的MIMO检测器可以用小得多的数据集快速训练。所提出的MIMO检测器可以很容易地扩展到软输入软输出检测。此外,我们研究联合MIMO信道估计和信号检测(JCESD),其中检测器考虑到信道估计误差和信道统计,而信道估计是由检测到的数据进行细化,并考虑检测误差。数值结果表明,模型驱动的基于DL的MIMO检测器显著改善了相应传统迭代检测器的性能,优于其他基于DL的MIMO检测器,并对各种失配表现出优异的鲁棒性。
2021-03-19 cs.IT cs.LG eess.SP
MMSE Signal Detection for MIMO Systems based on Ordinary Differential Equation
受新兴的节能模拟计算和连续时间处理技术的启发,本文提出了基于常微分方程的多输入多输出(MIMO)系统的连续时间最小均方误差估计。均方误差(MSE)是MIMO系统估计方法的主要检测性能指标。我们推导出一个分析的MSE公式,表明在任何时候的MSE。所提出的方法的MSE依赖于正则化参数,影响MSE的收敛性。此外,我们通过使用时间相关的正则化参数来扩展所提出的方法,以实现更好的收敛性能。数值实验表明,与理论值和改善的收敛性能,由于使用的时间相关的参数。
2022-09-02 cs.IT eess.SP math.IT
Large Multiuser MIMO Detection: Algorithms and Architectures
在本论文中,我们研究大型多输入多输出系统与高阶多输入多输出系统中的有效资料侦测问题。首先,提出了规则MIMO系统的近最优低复杂度检测算法。然后,针对大型MIMO系统,提出了一系列基于信道矩阵删余的低复杂度硬输出和软输出检测方案。这些计划的性能的特点和数学分析,并得出容量,分集增益和误码概率的界限。在此基础上,提出了一种基于联合调制分类和子空间检测的高阶MU-MIMO检测器,该检测器在对多个解耦合流进行单独检测的同时,对干扰源的调制类型进行估计。硬件结构的设计所提出的算法,并通过仿真验证了承诺的增益。最后,我们将所研究的基于搜索的检测方案映射到大规模MIMO中发射端的低分辨率预编码,并报告了性能复杂度的权衡。
2021-10-24 cs.IT math.IT
Superiorized Adaptive Projected Subgradient Method with Application to MIMO Detection
本文证明APSM具有有界扰动弹性,提出基于超化APSM的MIMO检测算法,在相关信道上比IO-LAMA获得更低符号错误率,且无需矩阵求逆,复杂度相近。
2022-10-21 cs.IT eess.SP math.IT
Distributed Expectation Propagation Detection for Cell-Free Massive MIMO
在无小区的大规模MIMO网络中,有效的分布式检测算法具有重要意义。在本文中,我们提出了一个分布式的期望传播(EP)检测器无细胞的大规模MIMO。该检测器由两个模块组成,一个在中央处理器(CPU)的非线性模块和一个在接入点(AP)的线性模块。利用迭代译码中的turbo原理计算并传递模块间的外部信息。一个分析框架,然后提供了大量的天线的渐近性能的特征所提出的EP检测器。仿真结果表明,该方法在误码率方面优于分布式检测器。
2021-08-21 cs.IT eess.SP math.IT
Sparse Layered MIMO with Iterative Detection
在本文中,我们提出了一种新的传输方案,称为稀疏分层MIMO(SL-MIMO),结合非正交传输和奇异值分解(SVD)预编码。SL-MIMO的非正交性使得本征信道可以被重用,通过提高编码增益和分集增益,提高了系统的频谱效率和出错率性能。我们还提出了一个低复杂度的消息传递(MP)检测器的建议SL-MIMO系统,执行非常接近最大似然(ML)。通过计算有序特征值的联合矩母函数(MGF),得到了SL-MIMO系统平均字错误概率(AWEP)的上界表达式,并利用该表达式分析了系统的分集增益。我们使用我们的分析结果来设计次优码本,以最大限度地减少出错率的SL-MIMO系统。在4元、16元和64元星座的4 × 4和6 × 6多输入多输出(MIMO)系统中的仿真结果表明,我们提出的SL-MIMO方案在系统出错率性能方面优于竞争方法,如X和Y码。在具有64元星座的6x6 MIMO系统中,SL-MIMO与X码相比具有5.6dB的优势,与Y码相比具有4.7dB的优势。
2021-11-22 cs.IT eess.SP math.IT
Multi-Cell Sparse Activity Detection for Massive Random Access: Massive MIMO versus Cooperative MIMO
本文考虑稀疏设备活动检测蜂窝机器类型的通信与非正交签名使用的近似消息传递算法。本文比较了两种网络架构,大规模多输入多输出(MIMO)和协作MIMO,在他们的有效性,在克服小区间干扰。在大规模MIMO架构中,每个基站(BS)仅检测来自其自身小区的用户,而将小区间干扰视为噪声。在协作MIMO架构中,每个BS也检测来自相邻小区的用户;然后将检测结果以对数似然比(LLR)的形式转发到中央单元,在中央单元中做出最终决策。本文分析了这两种架构的虚警和漏检概率的特点。数值结果验证了解析特性,并表明,随着天线数量的增加,一个大规模的MIMO系统有效地驱动检测误差为零,而随着合作规模的增加,合作MIMO架构主要提高小区边缘的用户性能。此外,本文研究了LLR量化的影响,以考虑有限容量的前传。实际场景的数值模拟表明,在该特定情况下,在协作MIMO系统中协作三个BS实现了与非协作大规模MIMO系统大致相同的小区边缘检测可靠性,其中每个BS的天线数量是非协作大规模MIMO系统的四倍。
2019-06-22 cs.IT math.IT
Cluster-Aware Two-Stage Method for Fast Iterative MIMO Detection in LEO Satellite Communications
本文提出一种面向直连蜂窝卫星通信的簇感知两阶段MIMO检测方法,利用地理簇内信道相关性先消除簇内干扰再加速标准迭代检测器,收敛速度提升9至12倍以上。
2025-06-26 cs.IT eess.SP math.IT
Optimality of Large MIMO Detection via Approximate Message Passing
在无线链路两端具有大量天线的多输入多输出(MIMO)通信系统中的最优数据检测需要过高的计算复杂性。为了降低计算复杂性,文献中提出了多种次优检测算法。在本文中,我们分析了一种新的数据检测方法,大型MIMO系统,依赖于近似消息传递(AMP)的最优性。我们表明,我们的算法,被称为单独最佳(IO)大MIMO AMP(简称IO-LAMA),能够在MIMO系统和星座集(例如,QAM或PSK)。
2015-10-21 cs.IT math.IT
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
Mismatched Data Detection in Massive MU-MIMO
我们研究大规模多用户(MU)多输入多输出(MIMO)无线系统中,在数据检测器中使用的发射信号的先验分布不同于真正的先验不匹配的数据检测。为了最大限度地减少先前的不匹配所造成的性能损失,我们包括一个调整阶段到最近提出的大MIMO近似消息传递(LAMA)算法,这使得数据检测器的发展与最佳以及次最佳的参数调整。我们表明,精心选择的先验知识,使设计更简单,计算更有效的数据检测算法相比,LAMA使用最佳的先验知识,同时实现接近最佳的错误率性能。特别是,我们证明了一个硬件友好的近似的确切先验,使低复杂度的数据检测器,实现接近个人最佳性能的设计。此外,高斯先验和均匀先验覆盖正交幅度调制(QAM)星座的超立方体内,我们的性能分析恢复经典和最近的结果,线性和非线性大规模MU-MIMO数据检测,分别。
2021-10-18 cs.IT eess.SP math.IT
Search-free DOA Estimation Method Based on Tensor Decomposition and Polynomial Rooting for Transmit Beamspace MIMO Radar
为了提高发射波束域多输入多输出(MIMO)雷达的精度和分辨力,提出了一种基于张量分解和多项式求根的无搜索波达方向(DOA)估计方法。该方法首先利用MIMO雷达接收信号的多线性特性,设计一个三阶张量对接收信号进行建模。然后,利用交替最小二乘(ALS)算法进行张量分解,得到包含目标方位信息的因子矩阵,进而将方位估计问题转化为独立最小化问题。通过利用发送导向矢量的Vandermonde结构,构造多项式函数,通过多项式求根来解决最小化问题。该多项式系数中的因子矩阵可视为广义旁瓣抵消器(GSC)中的分块矩阵,从而在发射波束方向图中形成目标方向上唯一的深零陷。与传统的DOA估计方法不同,该方法不需要谱搜索和波束空间矩阵设计,就可以获得DOA估计。仿真结果验证了该方法的有效性。
2020-10-14 cs.IT eess.SP math.IT
Finite Lattice-Size Effects in MIMO Detection
多输入多输出(MIMO)通信系统中的许多强大的数据检测算法,如球形解码(SD)和格基归约(LR)辅助检测,最初都是针对无限格设计的。然而,MIMO系统中的检测基于有限格。在本文中,我们系统地研究了有限的格子大小的后果的性能和复杂度的MIMO检测算法制定为无限格。具体来说,我们发现,考虑到性能和复杂性,LR似乎并不提供优势时,与SD一起使用。
2008-11-26 cs.IT math.IT
Gradient-Based Markov Chain Monte Carlo for MIMO Detection
本文提出一种由 Nesterov 梯度加速的 MCMC MIMO 检测方法,通过多梯度下降、轨迹采样和提前停止提升采样效率、性能与复杂度表现。
2023-12-05 cs.IT eess.SP math.IT
On Low-complexity Lattice Reduction Algorithms for Large-scale MIMO Detection: the Blessing of Sequential Reduction
格点约简是多输入多输出(MIMO)检测中常用的预处理策略。在寻求开发一个低复杂度的约简算法的大规模问题,本文研究了一个新的框架称为顺序约简(SR),其目的是减少所有的基向量的长度。当格维数不大于4时,给出了SR最强约简的性能上界。所提出的新框架使基于散列的低复杂度格约简算法的实现成为可能,当应用于大规模MIMO检测时,该算法变得特别诱人。仿真结果表明,与其他约简算法相比,基于散列的SR算法具有最低的复杂度,同时保持相当的错误性能。
2019-12-13 cs.IT eess.SP math.IT
MIMO Detection Algorithms for High Data Rate Wireless Transmission
基于MIMO宽带衰落信道模型,本节对各种未编码的自适应和非自适应MIMO检测算法的BER/PER性能和硬件复杂度进行了比较研究。所有的仿真都是在MIMO-OFDM框架下进行的,并且具有类似于IEEE 802.11a/g标准的分组结构。比较结果表明,RLS算法是一种经济实惠的解决方案,宽带MIMO系统的目标是千兆位无线传输。因此,MIMO可以通过使用优化的信道编码和MIMO检测来克服MIMO检测所需的巨大处理功率。
2010-06-14 cs.IT cs.OH math.IT
Variational Bayes Inference for Data Detection in Cell-Free Massive MIMO
无小区大规模MIMO是用于超5G网络的有前途的技术。通过部署许多协作接入点(AP),与传统蜂窝系统相比,该技术可以显著增强用户覆盖和频谱效率。由于AP分布在大的区域上,因此无小区大规模MIMO中的有利传播水平小于共位大规模MIMO中的有利传播水平。因此,当AP天线的数目不是很大时,当前的线性处理方案不接近最优方案。本文的目的是发展非线性变分贝叶斯(VB)方法的数据检测无细胞的大规模MIMO系统。与文献中仅获得发射数据符号的点估计的现有工作相反,所提出的方法旨在获得数据符号的后验分布和贝叶斯估计。我们开发了相应的VB方法的AP之间的合作水平。仿真结果表明,显着的性能优势,开发的VB方法的线性处理技术。
2023-01-11 cs.IT eess.SP math.IT
Capacity-Achieving Iterative LMMSE Detection for MIMO-NOMA Systems
针对上行链路非正交多址多用户多输入多输出(MU-MIMO)系统,提出了一种迭代线性最小均方误差(LMMSE)检测算法。迭代LMMSE检测通过将整个处理分离成许多低复杂度的分布式计算而大大降低了系统的计算复杂性。然而,它通常被认为是次优的,并且实现相对较差的性能。本文首先给出了MIMO-NOMA系统迭代检测的匹配条件和面积定理。基于所提出的匹配条件和面积定理,分析了迭代LMMSE检测的可达速率域。我们证明了通过适当设计迭代LMMSE检测器,它可以实现(i)MU-MIMO系统的最佳和容量,(ii)MU-MIMO系统容量区域中的所有最大极值点,(iii)两用户MIMO系统的整个容量区域。
2016-02-24 cs.IT math.IT
Algorithm and VLSI Design for 1-bit Data Detection in Massive MIMO-OFDM
在全数字大规模多输入多输出(MIMO)基站的射频(RF)链中使用低分辨率数据转换器有望显著降低功耗、硬件成本和互连带宽。提出了一种量化感知的数据检测算法,该算法能够有效地降低1比特量化的大规模多输入多输出正交频分复用(OFDM)系统的性能损失。由于系统的性能很大程度上取决于信道估计的质量,我们还开发了一个非线性1位信道估计算法,建立在所提出的数据检测算法。我们表明,所提出的算法显着优于线性数据检测器和信道估计器的误比特率。对于所提出的非线性数据检测算法,我们开发了一个超大规模集成电路(VLSI)的架构,并提出了Xilinx Virtex-7现场可编程门阵列(FPGA)上的实施结果。据我们所知,我们的实施结果是第一次为1位大规模MU-MIMO-OFDM系统,并展示了相当的硬件效率相对于国家的最先进的线性数据检测器设计的系统与高分辨率的数据转换器,同时实现较低的误比特率。
2020-09-04 cs.IT eess.SP math.IT
Finite-Precision Conjugate Gradient Method for Massive MIMO Detection
University of Science and Technology of China(中国科学技术大学);Southern University of Science and Technology (SUSTech)(南方科技大学);ShanghaiTech University(上海科技大学);Southeast University(东南大学)
本文提出一种低计算复杂度的有限精度共轭梯度检测方法,分析了有限精度对精度、收敛性和复杂度的影响,并通过仿真验证了方法的优越性。
2026-04-26 cs.IT eess.SP 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
Massive MIMO Radar for Target Detection
自Marzetta在2010年发表的开创性论文以来,通信系统中的大规模多输入多输出范例已经从具有无限数量天线的MIMO的理论放大版本变为实用技术。其关键概念已被5G新无线电标准和基站采用,其中$64$全数字收发器已商业化部署。出于这些最新的发展,本文认为,共置MIMO雷达与$M_T$发射和$M_R$接收天线,并探讨了潜在的好处,有大量的虚拟空间天线信道$N=M_TM_R$。特别是,我们专注于目标检测问题,并开发了一个\textit{robust}沃尔德型测试,保证一定的检测性能,不管未知的杂波干扰的统计特性。封闭形式的表达式的虚警和检测的概率推导出的渐近制度$N\to \infty$。数值结果被用来验证在有限系统政权与不同的干扰模型的渐近分析。我们的研究结果意味着,总是存在足够数量的天线的性能要求得到满足,没有任何先验知识的杂波统计。这被称为雷达系统的大规模多输入多输出状态。
2020-01-15 cs.IT eess.SP math.IT
Low-complexity Detection for Noncoherent Massive MIMO Communications
Universitat Politècnica de Catalunya (UPC)(加泰罗尼亚理工大学)
研究非相干大规模MIMO上行通信中的低复杂度检测方法,利用空间平稳性在Karhunen-Loève域推导出近似最大似然检测的接收机。
2026-03-24 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
Capacity-Achieving Iterative LMMSE Detection for MIMO-NOMA Systems
针对非正交多址(NOMA)上行多用户多输入多输出(MU-MIMO)系统,研究了一种迭代线性最小均方误差(LMMSE)检测方法。众所周知,迭代LMMSE检测通过将整个处理分离成可以并行执行的许多低复杂度分布式计算来大大降低系统计算复杂性。然而,它通常被认为是次优的,并且由于其次优检测器而实现相对较差的性能。本文首先给出了MIMO-NOMA系统迭代检测的匹配条件和面积定理。基于匹配条件和面积定理,分析了迭代LMMSE检测的可达速率域。有趣的是,我们证明了通过适当地设计迭代LMMSE检测器,它可以实现(i)对称MIMO-NOMA系统的最佳容量,(ii)非对称MIMO-NOMA系统的最佳和容量,(iii)非对称MIMO-NOMA系统容量域中的所有最大极值点,(iv)两用户和三用户非对称MIMO-NOMA系统的整个容量域,在所有情况下都是分布式的。最后,针对一般的非对称MIMO-NOMA系统,提出了一种实用的迭代LMMSE检测器设计。
2016-04-28 cs.IT math.IT
An Efficient Quadratic Programming Relaxation Based Algorithm for Large-Scale MIMO Detection
多输入多输出(MIMO)检测是无线通信中的一个基本问题,通常是强NP-难的。大规模MIMO已被公认为第五代(5G)及以后通信网络中的关键技术,其一方面可以显著提高通信性能,另一方面由于问题规模大而对解决相应的最优化问题提出了新的挑战。虽然已经提出了诸如基于半定松弛(SDR)的方法的各种有效算法来解决小规模MIMO检测问题,但是由于它们的高计算复杂性,它们不适合于解决大规模MIMO检测问题。针对大规模MIMO检测问题,提出了一种基于稀疏二次规划(SQP)松弛算法的检测算法。特别是,我们首先将MIMO检测问题重新表述为SQP问题。通过丢弃稀疏约束,得到的松弛问题与SQP问题共享相同的全局极小值。与MIMO检测问题的SDR形成鲜明对比的是,我们的松弛不包含任何(半正定)矩阵变量,并且在我们的松弛中变量和约束的数量明显小于SDR中的变量和约束,这使得它特别适合于大规模问题。在此基础上,提出了一种基于投影牛顿的二次罚函数法来解决松弛问题,并在合理的条件下保证收敛到发射信号向量。通过大量的数值实验,当应用于解决大规模问题时,该算法取得了更好的检测性能比最近提出的广义功率方法。
2021-03-08 cs.IT eess.SP math.IT
Hermite Expansion Model and LMMSE Analysis for Low-Resolution Quantized MIMO Detection
本文利用Hermite多项式研究了窄带多天线信号接收的线性逼近模型(即,MIMO)与低分辨率量化。这项研究的结果在一个新的线性近似使用二阶厄米展开(SOHE)。SOHE模型不是基于现有线性近似中经常使用的那些假设。相反,量化失真由二阶Hermite核表征,并且信号项由一阶Hermite核表征。结果表明,SOHE模型可以解释几乎所有的现象和特点,迄今观察到的低分辨率MIMO信号接收。当SOHE模型被用来分析线性最小均方误差(LMMSE)信道均衡器,它揭示了目前的LMMSE算法可以通过纳入一个符号级归一化机制来增强。通过对窄带MIMO系统在瑞利衰落信道下的计算机模拟,验证了增强型LMMSE算法的性能。
2021-09-11 cs.IT eess.SP math.IT
Mitigating Smart Jammers in MU-MIMO via Joint Channel Estimation and Data Detection
无线系统必须对干扰攻击具有弹性。现有的缓解方法需要干扰机的发射特性的知识。然而,这种知识可能难以获得,特别是对于仅在传输期间攻击特定时刻以逃避缓解的智能干扰机。我们提出了一种新的方法,减轻智能干扰机对大规模多用户多输入多输出(MU-MIMO)基站(BS)的攻击。我们的方法建立在联合信道估计和数据检测(JED)的最新进展,并利用干扰不能改变其子空间内的相干间隔的事实。我们的方法,称为MAED(缓解,估计和检测的缩写),使用一种新的问题配方,结合干扰估计和缓解,信道估计和数据检测,而不是分离这些任务。我们用一个有效的迭代算法近似地解决了这个问题。我们的研究结果表明,MAED有效地减轻了广泛的智能干扰攻击,而没有任何先验知识的攻击类型。
2022-01-21 cs.IT eess.SP math.IT
Detection and Estimation Algorithms in Massive MIMO Systems
本书回顾了具有大量天线的多用户多天线无线系统(称为大规模多输入多输出(MIMO)系统)的信号检测和参数估计技术。我们认为集中式天线系统(CAS)和分布式天线系统(DAS)的架构,其中大量的天线元件被采用,并专注于移动蜂窝系统的上行链路。特别是,我们专注于接收处理技术,包括信号检测和参数估计问题,并讨论大规模MIMO系统的具体需求。仿真结果说明了性能的检测和估计算法在几种情况下的利益。讨论了大规模MIMO系统的关键问题,并指出了未来的发展趋势。
2014-08-21 cs.IT math.IT
Groupwise Neighbor Examination for Tabu Search Detection in Large MIMO systems
在传统的多输入多输出(MIMO)系统的禁忌搜索(TS)检测算法中,所有相邻向量的度量计算,以确定最好的一个移动到。该策略需要高计算复杂性,特别是在具有高阶调制方案(例如16-和64-QAM信令)的大型MIMO系统中。提出了一种新的降低复杂度的TS检测算法--邻居分组TS(NG-TS),该算法将邻居分组,并通过简化的代价函数找到最佳邻居。此外,基于NG-TS的复杂度分析,我们提出了一种信道排序方案,进一步降低其复杂度。仿真结果表明,所提出的NG-TS与信道排序可以实现高达85%的复杂度降低相对于传统的TS算法没有性能损失,在低和高阶调制方案。
2019-09-30 cs.IT math.IT
Fast Iterative ELAA-MIMO Detection Exploiting Static Channel Components
本文针对ELAA-MIMO检测,利用视距路径和信道硬化产生的确定性非视距分量等静态信道信息,提出预条件矩阵和拟牛顿初始化两种加速方法,在强LoS高Rician K因子条件下显著加快迭代检测收敛并保持低复杂度。
2024-08-22 cs.IT eess.SP math.IT
Scaling up MIMO radar for target detection
本文主要研究MIMO雷达系统中的目标检测问题。代替利用经典的时间域,我们提出探索空间维度(即,天线的数量$M$)来导出检测器的渐近结果。具体来说,我们假设没有先验知识的自回归数据生成过程的统计,并建议使用一个错误指定的Wald型检测器,这是具有渐近$χ$平方分布为$M\to\infty$。推导出虚警和检测概率的封闭式表达式。数值结果被用来验证在有限系统政权的渐近分析。事实证明,对于所考虑的场景,渐近性能已经与$M\ge 50$紧密匹配。
2019-04-08 cs.IT eess.SP math.IT
Scaling Law Analysis for Covariance Based Activity Detection in Cooperative Multi-Cell Massive MIMO
本文研究了多小区大规模 MIMO 系统中基于协方差的活动检测问题,推导出在路径损耗指数大于 2 时,可正确检测的最大活动设备数随签名序列长度呈二次增长,随小区数对数下降,并刻画了估计误差分布。
2023-03-15 cs.IT eess.SP math.IT
MIMO-OTFS in High-Doppler Fading Channels: Signal Detection and Channel Estimation
正交时频空间(OTFS)调制是最近引入的一种复用技术,设计在2维(2D)延迟-多普勒域,适用于高多普勒衰落信道。OTFS通过一系列二维变换将双色散信道转换为延迟-多普勒域中的几乎无衰落信道。在本文中,我们专注于MIMO-OTFS带来的高频谱和能量效率的好处,MIMO和OTFS在高多普勒衰落信道的鲁棒性。OTFS信道-符号耦合和稀疏延迟-多普勒信道脉冲响应使得能够在高多普勒环境中进行有效的MIMO信道估计。提出了一种基于消息传递的迭代信号检测算法和一种适用于MIMO-OTFS的时延-多普勒域信道估计算法。所提出的信道估计方案使用延迟-多普勒域中的脉冲作为用于估计的导频。我们还比较了MIMO-OTFS的性能与MIMO-OFDM在高多普勒情况下。
2018-05-06 cs.IT math.IT
Activity Detection in Distributed Massive MIMO With Pilot-Hopping and Activity Correlation
大规模机器类型通信的许多现实场景涉及传感器监视物理现象。因此,这些传感器的活动模式将是相关的。在这封信中,我们研究了如何利用用户活动的相关性来提高免授权随机接入系统的检测性能,其中用户发送导频跳频序列,并且基于接收到的能量进行检测。我们表明,我们可以期待相当大的性能增益,通过添加正则化,它考虑到活动的相关性,非负最小二乘,这已被证明是独立的用户活动。
2022-11-17 cs.IT eess.SP math.IT
Reducing MIMO Detection Complexity via Hierarchical Modulation
这项工作考虑多输入多输出(MIMO)通信系统使用分层调制。最大似然(ML)MIMO检测器的缺点在于,计算复杂性随着发射天线的数量呈指数增加。为了降低复杂度,我们提出了一种分层调制方案,用于MIMO传输的基础和增强层合并。在所提出的接收器中,首先用最小均方误差(MMSE)检测器检测基本层,然后用ML检测增强层。我们的研究结果表明,所提出的低复杂度的计划不妥协的性能时,设计参数,如码率和星座比仔细选择。
2016-02-23 cs.IT math.IT
Conjugate Gradient-based Soft-Output Detection and Precoding in Massive MIMO Systems
大规模多输入多输出(MIMO)与传统(小规模)MIMO无线系统相比,有望提高频谱效率、覆盖范围和范围。不幸的是,这些益处是以显著增加的计算复杂性为代价的,特别是对于具有实际天线配置的系统。为了降低大规模MIMO系统中数据检测(上行链路)和预编码(下行链路)的复杂度,我们提出使用共轭梯度(CG)方法。虽然使用CG的预编码相当简单,但软输出最小均方误差(MMSE)检测需要计算均衡后的信号干扰噪声比(SINR)。为了使CG的软输出检测,我们提出了一种新的方法,直接计算的SINR内的CG算法在低复杂度。我们调查的性能/复杂性的权衡与CG为基础的软输出检测和预编码,我们比较精确和近似的方法。我们的研究结果表明,该方法优于现有的大规模MIMO系统与现实的天线配置的算法。
2014-08-25 cs.IT math.IT
Modulation Classification via Subspace Detection in MIMO Systems
研究了多输入多输出(MIMO)系统中的有效调制分类问题。提出了一种基于逐层似然的MC算法,该算法采用子空间分解对传输流进行部分解耦。当检测感兴趣的流的调制类型时,在所有剩余的流上假设密集星座。所提出的分类器优于现有的MC计划在一个较低的复杂度成本,并可以有效地实现联合MC和子空间数据检测的上下文中。
2016-10-11 cs.IT math.IT
Study of Graph-Based Search for Energy-Efficient Clustering in Cell-Free Massive MIMO Networks
Centre for Telecommunications Studies, PUC-Rio(巴西天主教大学电信研究中心)
研究用户中心无蜂窝大规模 MIMO 网络节能聚类,用混合整数分数规划解决接入点聚类与功率分配问题,提出基于图的结构化搜索框架及算法,性能优于竞品。
2026-07-07 cs.IT math.IT
Modulus Zero-Forcing Detection for MIMO Channels
我们提出了一种用于多输入多输出(MIMO)信道的基于模的迫零(MZF)检测。传统上,ZF检测器在检测当前层时将来自其他层的所有干扰置零,这可能由于噪声增强问题而产生次优检测性能。在许多通信系统中,广泛使用诸如M正交幅度调制(QAM)的有限字母表,其包括用于实部和虚部的\sqrt{M}脉冲幅度调制(PAM)符号。在有限字母表的情况下,改进ZF检测的一种可行方式是允许可通过模运算去除的可控干扰。
2018-01-10 cs.IT math.IT