Covariance-Based Device Activity Detection with Massive MIMO for Near-Field Correlated Channels
Great Bay University(大湾区大学);Beijing University of Posts and Telecommunications(北京邮电大学)
本文针对近场大规模MIMO系统,将设备活动检测建模为相关Rician信道下的最大似然估计问题,提出数值稳定的非精确坐标下降算法,并分析了相关与非相关信道下检测性能随设备数和序列长度的变化规律。
2025-09-20 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
Distributed Source Coding for Correlated Memoryless Gaussian Sources
本文研究了$L$相关高斯观测值$Y_i, i=1,2,...,L$的分布式信源编码问题。我们假设随机向量$Y^{L}={}^{\rm t} (Y_1,Y_2,$ $...,Y_L)$是高斯随机向量$X^K={}^{\rm t}(X_1,X_2,...,X_K)$的观测值,具有形式$Y^L=AX^K+N^L ,$,其中$A$是$L\times K$矩阵,而$N^L={}^{\rm t}(N_1,N_2,...,N_L)$是$L$独立的高斯随机变量的向量,也独立于$X^K$。$X^K$上的估计误差由失真协方差矩阵来测量。率失真区域是由一组所有的速率矢量定义的,对于这些速率矢量,在半正定的意义下,估计误差的上界是由任意指定的协方差矩阵限定的。在本文中,我们推导出明确的外部和内部边界的率失真区域。这一结果为研究这种高斯分布信源编码系统的直接和间接信源编码问题提供了一个有用的工具,而这一问题目前还没有得到解决。
2010-01-13 cs.IT math.IT
Low-Complexity Structured Precoding for Spatially Correlated MIMO Channels
本文的重点是在相关的多天线信道中的空间预编码,其中的独立数据流的数量是自适应的数据传输速率与发射机的复杂度进行权衡。为了实现低复杂度的目标,提出了一种结构化预编码器,其中预编码器矩阵以与信道的统计演变相当的速率相当缓慢地演变。这里,预编码器矩阵的特征向量对应于发送协方差矩阵的主导特征向量,而跨模式的功率分配是固定的,在两端是已知的,并且具有低复杂度。所提出的方案(半酉预编码),其中的空间模式被激发具有相等的功率,一个特定的情况下,被证明是接近最佳的匹配信道。匹配信道是其中发射协方差矩阵的主导特征值是良好条件的并且它们的数量等于独立数据流的数量,并且接收协方差矩阵也是良好条件的信道。在不匹配的信道中,在不满足上述条件的情况下,结果表明,与完美的信道信息基准相比,半酉预编码的性能损失是相当大的。需要通过向发射机提供部分信道信息的有限反馈技术来减轻这种损失。更重要的是,我们开发的匹配度量捕获的匹配度的信道的预编码器结构连续,并允许订购两个矩阵信道的互信息或错误概率性能。
2008-05-28 cs.IT math.IT
Pilot Length Optimization for Spatially Correlated Multi-User MIMO Channel Estimation
本文研究了多用户大规模MIMO系统中用于信道估计的导频序列的设计;考虑到信道相关性的存在,并且假设统计量是已知的,我们寻求利用信道的空间相关性来最小化导频序列的长度,并且具体地,可以通过用户的空间签名来分离用户的事实。(低秩信道协方差矩阵),或者通过使用不同的训练序列。我们介绍了一种算法来设计一组给定的用户协方差矩阵的短训练序列。所获得的导频序列通常是非正交的,然而它们确保信道估计误差方差在所有信道维度上由所选择的常数一致地上界。我们通过模拟使用一个现实的情况下,基于一个环的信道模型,所提出的技术可以产生导频序列的长度显着小于系统中的用户数。
2016-02-17 cs.IT math.IT
Estimation of Toeplitz Covariance Matrices in Large Dimensional Regime with Application to Source Detection
本文给出了高维Toeplitz协方差矩阵的两个经典样本估计的谱模的集中不等式,特别证明了它们的渐近几乎必然相合性。然后将一致性扩展到时间样本的聚合矩阵被秩1(或更一般地,低秩)矩阵破坏的情况。作为后者的应用,在时间相关的噪声环境中的大尺寸传感器网络的背景下的源检测问题进行了研究。与标准程序相反,该应用程序是在线执行的,即不需要拥有纯噪声样本的学习集。
2014-03-05 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
Maximally Correlated Principal Component Analysis
Stanford University(斯坦福大学)
在大数据时代,减少数据维度在许多科学领域都至关重要。广泛使用的主成分分析(PCA)通过计算最大程度地解释数据方差的低维数据嵌入来解决这个问题。然而,PCA有两个主要缺点。首先,它只考虑变量(特征)之间的线性相关性,其次它不适合分类数据。我们提出了最大相关主成分分析(MCPCA)来解决这些问题。MCPCA计算其协方差阵具有最大Ky Fan范数的变量的变换。变量变换是未知的,可以是非线性的,并且在优化中计算。MCPCA也可以被看作是最大相关的多变量扩展。对于联合高斯变量,我们表明,对应的身份(或负的身份)变换的协方差矩阵majorizes非单位函数的协方差阵。利用这一结果,我们的特点全球MCPCA优化联合高斯变量的非线性函数的每个秩约束。对于分类变量,我们的特点是全球MCPCA优化的秩一约束的基础上使用成对联合分布计算的矩阵的领导特征向量。对于一般的秩约束,我们提出了一个块坐标下降算法,并证明了其收敛到稳定点的MCPCA优化。我们比较了MCPCA与PCA和其他最先进的降维方法,包括Isomap,LLE,多层自编码器(神经网络),核PCA,概率PCA和扩散映射在几个合成和真实的数据集。我们表明,MCPCA始终提供了改进的性能相比,其他方法。
2017-02-21 cs.IT cs.LG math.IT
Broadcasting Correlated Vector Gaussians
研究了在带宽匹配的两用户标量高斯广播信道上发送两个相关的矢量高斯信源的问题,其中每个接收机都希望在协方差失真约束下重构其目标信源。我们推导出发射功率和可实现的重建失真对之间的最佳权衡的下界。我们的推导是基于一个新的边界技术,其中涉及到适当的远程源的引入。此外,它示出,这个下限是可实现的一类混合计划的特殊情况下,弱接收机希望重建的均方误差失真约束下的标量源。
2015-03-10 cs.IT math.IT
Optimal Transmit Covariance for Ergodic MIMO Channels
本文研究了在加性高斯白噪声下各态历经的多输入多输出信道的信道容量计算问题。考虑了两种情况。首先,时变信道被认为是在发送器和接收器都有知识的信道实现。最佳传输策略是在空间和时间上注水。它表明,这可能是实现在一个因果关系,确实瞬时的方式。在第二种情况下,只有接收机具有信道实现的完美知识,而发射机具有信道增益概率定律的知识。在这种情况下,我们确定了一个最优性条件的输入协方差的遍历高斯矢量信道的信道增益是独立的发射信号的条件下,具有任意信道分布。利用这个最优性条件,我们找到了一个迭代算法的最优输入协方差矩阵的数值计算。相关瑞利和莱斯信道的应用程序。
2005-10-21 cs.IT math.IT
Power analysis of knockoff filters for correlated designs
Massachusetts Institute of Technology(麻省理工学院)
Barber和Candès 2016年引入的山寨过滤器是一个优雅的框架,用于控制变量选择中的错误发现率。虽然实证结果表明,这种方法并不太保守,但没有结论性的理论结果,其权力。当预测因子是独立同分布时。高斯,已知当信噪比趋于无穷大时,敲除滤波器在可以使FDR同时变为0和功率变为1的意义上是一致的。在这项工作中,我们研究的情况下,预测有一个一般的协方差阵$Σ$。我们引入一个简单的功能称为有效信号不足(ESD)的协方差阵$Σ$,预测各种变量选择方法的一致性。特别是,ESD揭示了精度矩阵$Σ^{-1}$的结构在一致性中起着核心作用,因此,预测器的条件独立结构也是如此。为了利用这种连接,我们引入了条件独立敲除,这是一个简单的过程,能够与更复杂的敲除过滤器竞争,并且当预测器服从高斯树图形模型时(或者当图形足够稀疏时)定义。我们的理论结果得到了合成数据的数值证据的支持。
2020-01-09 cs.IT cs.LG 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
Direction Finding Based on Multi-Step Knowledge-Aided Iterative Conjugate Gradient Algorithms
Pontifical Catholic University of Rio de Janeiro(里约热内卢天主教大学);University of York(约克大学)
在这项工作中,我们提出了方向的到达(DoA)估计算法的基础上的Krylov子空间,有效地利用先验知识的信号,冲击传感器阵列。建议的多步知识辅助迭代共轭梯度(CG)(MS-KAI-CG)算法执行减法的传感器数据的估计协方差矩阵中发现的不需要的条款。此外,我们开发了一个版本的MS-KAI-CG配备了前向-后向平均,称为MS-KAI-CG-FB,这是适当的相关信号的情况下。与当前的知识辅助方法不同,该方法利用已知的DOA来增强对输入数据的协方差矩阵的估计,MS-KAI-CG算法利用前后向平滑协方差矩阵的结构及其干扰项的知识。对不相关和相关信号的仿真表明,MS-KAI-CG算法优于现有技术。
2018-12-16 cs.IT cs.LG cs.SD