Adaptive Structured Sparse Bayesian Learning for Near-Field Non-Stationary Channel Estimation in XL-MIMO Systems
本文提出一种自适应结构稀疏贝叶斯学习框架，用于XL-MIMO系统中的近场非稳态信道估计，通过自适应字典更新提升表示能力，同时开发层次化先验模型以高效推断。
2026-04-13 eess.SP
Adversarially Robust MIMO Physical Layer Authentication for Non-Stationary Channels
针对非平稳MIMO信道，提出集成贝叶斯决策、对比学习与生成对抗建模的AR-PLA认证框架，利用HMM分析显著提升鲁棒性。
2025-09-25 eess.SP
BER Performance of Spatial Modulation Systems Under a Non-Stationary Massive MIMO Channel Model
在基于非平稳Kronecker的大规模多输入多输出（MIMO）信道模型下，对多用户（MU）环境下空间调制（SM）系统的误比特率（BER）性能进行了理论分析和仿真研究。针对不同的系统设置，本文考虑了同时使用时分多址接入（TDMA）方案和基于块对角化（BD）的预编码方案的大规模多输入多输出SM系统。它们的性能进行了比较，垂直贝尔实验室分层空时（V-BLAST）架构为基础的系统和传统的信道反演系统。由于子信道之间的相关性较低，因此较高的簇演化因子可以使SM系统具有更好的BER性能。与BD-SM系统相比，使用TDMA方案的SM系统获得了更好的BER性能，但系统总数据速率要低得多。BD-MU-SM系统在所有考虑的系统中实现了数据速率和BER性能之间的最佳折衷。当与V-BLAST系统和信道反转系统相比时，SM方法为MU大规模多输入多输出系统提供了性能优势。
2020-07-28 eess.SP
A Non-Stationary VVLC MIMO Channel Model for Street Corner Scenarios
近年来，可见光通信（VLC）技术作为射频（RF）技术的替代和补充，其应用潜力引起了人们的关注。对VLC信道的研究是设计VLC通信系统的基础。提出了一种适用于车辆可变长信道（VVLC）多输入多输出（MIMO）信道的非平稳几何街角模型。该模型考虑了车辆速度和方向的变化。散射体的类别包括固定散射体和移动散射体（MS）。基于所提出的模型，我们推导出信道的冲激响应（CIR）和探索的VVLC信道的统计特性。研究了变VLC信道的信道增益和均方根时延扩展。此外，还研究了流速变化对模型统计特性的影响。该信道模型可用于指导未来的车辆到基础设施（V2I）和车辆到车辆（V2V）光通信系统的设计。
2020-07-28 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 General 3D Space-Time-Frequency Non-Stationary THz Channel Model for 6G Ultra-Massive MIMO Wireless Communication Systems
针对第六代太赫兹（THz）无线通信系统，提出了一种新的三维空间-时间-频率（STF）非平稳几何随机模型（GBSM）。所提出的THz信道模型是非常通用的，具有在多个THz应用场景中捕获不同信道特性的能力，所述多个THz应用场景诸如室内场景、设备到设备（D2 D）通信、超大规模多输入多输出（MIMO）通信以及用户的长行进路径。此外，所提出的信道模型的通用性证明了它可以很容易地减少到不同的简化信道模型，以适应特定的情况下，通过适当地调整模型参数的事实。所提出的通用信道模型分别考虑了由超大规模多输入多输出、长传播路径和大带宽THz通信引起的空间、时间和频率域的非平稳性。统计特性的建议一般太赫兹信道模型进行了研究。通过将相对角度扩展和均方根时延扩展的仿真结果与相应的信道测量值进行比较，验证了所提出的信道模型的准确性和通用性。
2021-04-20 eess.SP
A Novel 3D Non-Stationary GBSM for 6G THz Ultra-Massive MIMO Wireless Systems
太赫兹（THz）通信现在被认为是第六代（6 G）无线通信系统的可能技术之一。针对6G THz无线通信系统，提出了一种新的三维（3D）空时频非平稳理论信道模型，该模型采用超大规模多输入多输出（MIMO）技术，具有较长的传播路径。考虑到频率相关的漫散射，这是THz信道不同于毫米波（mmWave）信道的特殊性质，一个簇内的射线的相对角度和延迟将在频域中演变。然后，提出了相应的仿真模型，采用等面积法（MEA）计算离散角度。所提出的理论和模拟模型的统计特性推导和比较，表现出良好的协议。通过将相对角度扩展和均方根时延扩展的仿真结果与相应的测量结果进行比较，验证了该仿真模型的准确性和灵活性。
2021-08-14 eess.SP
Near-Field Energy Harvesting Using XL-MIMO Over Non-Stationary Channels
本文研究非平稳信道下模块化 XL-MIMO 系统的近场能量收集问题，提出基于分数规划的多层联合优化框架，通过动态开关子阵列和调整功率控制系数最大化收集功率效率，性能接近穷举搜索且较等功率基准方案提升 120%。
2025-06-25 eess.SP
MIMO Array Calibration in Non-stationary Channels with Residual Surfaces and Slepian Spherical Harmonics
School of Engineering, University of Birmingham（伯明翰大学工程学院）
本文提出了一种基于残差表面和Slepian球谐函数的MIMO阵列校准方法，用于非平稳信道中实现硬件影响的间接测量与补偿，提升波束成形性能和方向估计精度。
2026-01-16 eess.SP
Height estimation for automotive MIMO radar with group-sparse reconstruction
提出了一种利用相干或互不相干MIMO阵列对运动车辆前方远距离小目标的方位角和高度进行序贯估计的方法。该模型考虑了由镜面非扩散地面反射产生的近场多径信号的相位和幅度，其中假设由于与地面的相互作用而引起的反射相移和功率衰减是未知的。组稀疏性允许组合沿着车辆的轨迹的测量值，前提是道路是平坦的，以及来自车辆中不同位置处的多个不相干传感器的测量值。仿真结果表明，所提出的方法显着提高了估计精度，减少了误报，这两个在远距离小物体的检测至关重要。该模型适用于非均匀稀疏阵列，并可用于高度估计，使用有效的方法，如块正交匹配追踪。
2019-04-22 eess.SP
A WINNER+ Based 3-D Non-Stationary Wideband MIMO Channel Model
本文提出一种基于WINNER+的三维非平稳宽带MIMO信道模型，联合考虑水平和垂直角度分布，采用生灭过程建模簇演化，并通过实测数据验证其统计特性，可适配多种通信场景。
2023-12-01 eess.SP
MIMO-SAR: A Hierarchical High-resolution Imaging Algorithm for mmWave FMCW Radar in Autonomous Driving
毫米波雷达正越来越多地集成到商用车中，以支持先进的驾驶辅助系统功能。当前车载雷达成像的一个关键缺点是由于天线尺寸和位置的形状因子限制而导致的方位分辨率差（对于侧视操作）。在本文中，我们提出了一种解决方案，通过一种新的多输入和多输出合成孔径雷达（MIMO-SAR）成像技术，适用于相干合成孔径雷达的原则，以提高侧视（角）分辨率的车载MIMO雷达。所提出的两阶段分层MIMO-SAR处理工作流程大大减少了计算量，同时保持图像分辨率。为了使合成孔径的相干处理，我们集成了一个雷达测距算法，估计自我雷达的轨迹。通过仿真和车载雷达平台的实测数据验证了MIMO-SAR算法的有效性。
2021-06-04 eess.SP
Holographic MIMO Communications Under Spatially-Stationary Scattering
全息MIMO是具有大量天线的空间受限MIMO系统，其最终形式可能被认为是空间连续的电磁孔径。准确和易于处理的信道建模对于了解该技术的全部潜力至关重要。本文考虑了任意空间平稳散射，并提供了一个四维平面波表示在笛卡尔坐标系中，它捕获的电磁传播的本质，并允许评估的能力，全息MIMO系统与矩形体积阵列。开发的框架概括了虚拟通道表示，这是最初开发的均匀线阵。
2020-12-14 cs.IT eess.SP math.IT
Deep Learning of Transferable MIMO Channel Modes for 6G V2X Communications
在新兴的使用毫米波（mmWave）和亚太赫兹（sub-THz）的高移动性车辆到万物（V2X）通信中，多输入多输出（MIMO）信道估计是一项极具挑战性的任务。在毫米波/亚太赫兹频率下，MIMO信道在空间-时间域中表现出很少的前导路径（即，方向或到达/离开和延迟）。代数低秩（LR）信道估计通过利用覆盖小区中的循环训练车辆通道的位置相关MIMO信道本征模的计算来利用空时信道稀疏性。LR需要车辆的地理位置和每个位置的数十到数百个训练车辆的通道，导致显著的复杂性和控制信令开销。在这里，我们设计了一种基于DL的LR信道估计方法，以从单个LS信道估计开始并且不需要车辆的位置信息来推断V2X城市设置中的MIMO信道本征模。数值结果表明，所提出的方法达到可比的均方误差（MSE）性能的位置为基础的LR。此外，我们表明，所提出的模型可以训练的参考方案，并有效地转移到城市背景下具有不同的时空信道功能，提供可比的MSE性能没有明确的迁移学习过程。这一结果简化了在任意密集城市场景中的部署。
2021-08-31 cs.LG eess.SP
Exploiting Dynamic Sparsity for Near-Field Spatial Non-Stationary XL-MIMO Channel Tracking
本文提出一种基于动态稀疏性的DA-MAP框架，利用三层马尔可夫先验和分层2D马尔可夫模型，通过IF-VBI和Turbo-CS等模块，实现近场XL-MIMO空间非平稳信道的高效跟踪，兼顾性能与低计算开销。
2025-03-31 eess.SP
On the Performance of Unmanned Aerial Vehicles with MIMO VLC
本文研究配备MIMO可见光通信的无人机系统，提出混合调光控制与基于软演员-评论家和元学习的资源分配方法，联合优化轨迹、波束成形和LED选择，仿真表明10个LED阵列较单LED在数据速率和能量效率上分别提升47%和34%。
2025-05-10 eess.SP
5G MIMO Data for Machine Learning: Application to Beam-Selection using Deep Learning
配置蜂窝网络的复杂性越来越高，这表明机器学习（ML）可以有效地改进5G技术。事实证明，深度学习在语音处理和计算视觉等ML任务中是成功的，其性能与可用数据量成正比。大型数据集的缺乏抑制了深度学习在无线通信中应用的蓬勃发展。本文提出了一种将车辆交通模拟器与光线跟踪模拟器相结合的方法，以生成代表收发器和对象移动性的5G场景的信道实现。然后，本文描述了一个特定的数据集调查波束选举技术的车辆到基础设施使用毫米波。在分类、回归和强化学习问题中使用深度学习的实验说明了使用所提出的方法生成的数据集的使用
2021-06-09 eess.SP
Perception Through 2D-MIMO FMCW Automotive Radar Under Adverse Weather
毫米波（mmWave）雷达越来越多地集成在商用车辆中，以支持新的自适应驾驶员辅助系统（ADAS）功能，这些功能需要对物体进行准确的位置和多普勒速度估计，而不受环境条件的影响。为了探索基于雷达的ADAS应用，我们使用德州仪器的4芯片级联FMCW雷达（TIDEP-01012）更新了我们的测试平台，形成了一个非均匀的2D MIMO虚拟阵列。在本文中，我们开发了必要的接收信号模型，应用不同的波达方向（DoA）估计算法和实验验证其性能形成的虚拟阵列在受控的情况下。为了测试毫米波雷达在恶劣天气条件下的鲁棒性，我们通过车载平台收集了各种物体的原始雷达数据集（解调后的I-Q样本），特别是在相机基本无效的下雪和有雾的情况下。从雷达成像算法，这个数据集的初步结果。
2023-01-21 eess.SP
Adaptive Subarray Segmentation: A New Paradigm of Spatial Non-Stationary Near-Field Channel Estimation for XL-MIMO Systems
本文提出了一种基于自适应子阵划分的 SnS 意识 CE 框架，通过动态混合波束成形辅助功率基方法提升 XL-MIMO 系统的近场信道估计性能。
2025-11-27 eess.SP
High-gain MIMO Beamforming Antenna System for DSRC and mmwave 5G Integration in Autonomous Vehicles
针对自动驾驶车辆对高可靠、高速、低延迟通信的需求，提出一种可同时支持 5.9 GHz DSRC 与 28 GHz mmWave 5G 的高增益 MIMO 波束成形天线系统，以兼顾紧凑结构、双频工作、波束扫描和端口隔离。
2025-06-02 cs.IT cs.SY eess.SP
3D high-resolution imaging algorithm using 1D MIMO array for autonomous driving application
针对自动驾驶车载一维MIMO侧视雷达的三维高分辨率成像问题，提出运动增强快拍方法生成更大方位孔径，首次实现一维阵列的三维高角分辨率成像，补偿轨迹变化鲁棒性，提升自由度和SNR，经仿真与实验验证。
2024-11-28 eess.SP
Extremely Large Aperture Massive MIMO: Low Complexity Receiver Architectures
本文重点介绍了新的通信模式中出现的大规模多输入多输出系统中的天线阵列在基站是非常大的尺寸（xMaMIMO）。由于阵列的极端尺寸，xMaMIMO的特征在于沿阵列的空间非平稳场特性;这要求多天线收发器设计既适应阵列尺寸，又适应其非平稳特性。我们解决xMaMIMO的实现方面，计算效率作为我们的主要目标。为了减少集中式方案的计算负担，我们将处理分配到更小的不相交的子阵列中。然后，我们考虑几个低复杂度的数据检测算法作为候选人在拥挤的xMaMIMO系统的上行链路通信。从编码随机接入的灵感，本文的主要贡献之一是低复杂度方案的设计，利用xMaMIMO系统的非平稳特性，数据处理是分散的。我们评估的误码率性能的收发器在拥挤的xMaMIMO的情况下。结果证实了它们的实际潜力。
2018-10-04 eess.SP
Low-Complexity Precoding for Extremely Large-Scale MIMO Over Non-Stationary Channels
超大规模多输入多输出（XL-MIMO）技术是未来第六代（6 G）网络实现更高性能的重要技术。在实践中，各种线性预编码方案，例如迫零（ZF）和正则迫零（RZF）预编码，能够在传统的大规模MIMO（mMIMO）系统中实现大的频谱效率（SE）和低的比特出错率（BER）。然而，由于固有的空间非平稳性和高计算复杂性，这些方法在非常大规模的区域中是无效的。为了解决这个问题，我们研究了一种低复杂度的预编码算法，例如，随机Kaczmarz（rKA），考虑到空间非平稳特性的XL-MIMO系统。此外，我们提出了一种新的随机化模式，即，采样无替换rKA（SwoR-rKA），其具有比rKA算法更快的收敛速度。此外，推导了考虑子阵间干扰的下行XL-MIMO系统的SE的闭式表达式。数值结果表明，在SE性能相当的情况下，rKA和SwoR-rKA算法的复杂度比传统的RZF算法降低了51.3%.更重要的是，我们的算法可以有效地降低误码率时，发射机有不完善的信道估计。
2023-02-03 cs.IT eess.SP math.IT
Motion Estimation and Compensation in Automotive MIMO SAR
随着自动驾驶汽车的出现，自动驾驶系统将不得不依赖大量的异构传感器来对周围环境进行动态感知。合成孔径雷达（SAR）系统通过利用车辆的自我运动来提高传统大众市场雷达的分辨率，需要非常准确的轨迹知识，通常与汽车级导航系统不兼容。针对这一问题，本文对汽车SAR系统中的轨迹估计误差进行了分析、估计和补偿，提出了完整的残差运动估计和补偿工作流程。我们首先定义的几何采集和基本的处理步骤的多输入多输出（MIMO）SAR系统。然后，我们解析地推导出典型的运动误差在汽车SAR成像的影响。根据推导出的模型，详细介绍了该程序，概述了其实际实施的指导方针。我们所提出的技术的有效性，通过收集的实验数据由77 GHz的雷达安装在一个前瞻性的配置。
2022-01-25 eess.SP
Exploiting Spatial and Temporal Correlations in Massive MIMO Systems Operating Over Non-Stationary Aging Channels
针对非平稳老化信道下空间相关性和信道老化效应降低传输速率的问题，提出一种利用时空相关性的实时波束成形框架，通过优化信道估计与导频参数最大化频谱效率。
2025-06-25 eess.SP
On the Optimality of the Stationary Solution of Secrecy Rate Maximization for MIMO Wiretap Channel
为了在多输入多输出（MIMO）高斯窃听信道（WTC）中实现完全保密，需要求解其保密容量和最优信令，这涉及到求解一个已知非凸的凸函数差分规划.为了解决这个问题，已经开发了一类现有的解决方案，但只有局部最优性是由标准的收敛分析保证。有趣的是，我们大量的数值实验表明，这些局部优化方法确实达到了全局最优。在本文中，我们提供了一个分析证明这一观察。为了实现这一点，我们表明，Karush-Kuhn-Tucker（KKT）的保密率最大化问题的条件承认一个唯一的解决方案退化和非退化的情况下。受此启发，我们还提出了一个低复杂度的算法来找到一个稳定点。数值结果验证了理论分析。
2021-05-24 cs.IT eess.SP math.IT
A Novel 3D Non-Stationary Multi-Frequency Multi-Link Wideband MIMO Channel Model
提出了一种多频多链路三维非平稳宽带多输入多输出信道模型。在对各单链路和不同频率进行参数初始化时，考虑了空间一致性和多频率相关性，包括大尺度参数（LSP）和小尺度参数（SSP）。此外，SSP是时变的，并且当散射体和接收器（Rx）移动时更新。集群的时间演化模型的出生和死亡过程。考虑了信道相关性的单链路信道模型可以很容易地推广到多链路信道模型。统计特性，包括空间互相关函数（CCF），功率延迟分布（PDP），和相关矩阵共线性（CMC）进行了研究，并与第三代合作伙伴计划（3GPP）TR 38.901和准确定性无线电信道发生器（QRDRiGa）信道模型进行了比较。此外，CCF对测量数据进行了验证。
2020-12-03 cs.IT eess.SP math.IT
LOS MIMO Design based on Multiple Optimum Antenna Separations
在用于MIMO无线通信的发射和接收天线阵列中使用多个天线允许利用丰富散射环境中的空间自由度。然而，对于在发射机和接收机处具有均匀线性阵列（ULA）的视距（LOS）MIMO信道，需要优化发射和接收阵列处的天线间隔以最大化空间自由度和信道容量。本文首先对LOS MIMO系统中发射和接收ULA处的最佳天线间距进行了推导，给出了最佳天线间距乘积的一般表达式，该表达式包含多个解。虽然只有对应于最小的天线分离产品的解决方案通常被认为是在文献中，我们利用多个解决方案的LOS MIMO设计在发射机和接收机之间的距离范围。特别是，我们认为LOS MIMO设计中的车辆到车辆（V2V）通信的情况下，在发送和接收车辆之间的距离范围。
2018-09-11 cs.IT eess.SP math.IT
A Realistic 3D Non-Stationary Channel Model for UAV-to-Vehicle Communications Incorporating Fuselage Posture
针对无人机（UAV）的三维姿态，提出了一种新的基于几何非平稳特性的多输入多输出（MIMO）U2 V信道随机模型。它由视距（LoS）和非视距（NLoS）组成。通过引入时变三维姿态矩阵，考虑了机身姿态因素。推导并研究了时间自相关函数（ACF）和空间互相关函数（CCF）等重要的统计特性。仿真结果表明，机身姿态对U2 V信道特性有显著影响，加剧了U2 V信道的非平稳性。分析、仿真和实测结果的一致性验证了模型和推导的正确性。此外，它表明，该模型也是兼容现有的GBSM不考虑机身姿态。
2022-09-19 eess.SP
Deep Learning Based FDD Non-Stationary Massive MIMO Downlink Channel Reconstruction
针对频分复用（FDD）大规模多输入多输出（MIMO）系统，提出了一种基于模型驱动的深度学习下行信道重构方案。空间非平稳性是未来超大孔径大规模MIMO系统的关键特征。利用神经网络代替信道矩阵学习信道模型参数，节省了系统开销，提高了信道重构的准确性。通过将通道视为图像，我们引入You Only Look Once（YOLO），这是一种用于目标检测的强大神经网络，可以快速估计模型参数，包括检测路径的角度和延迟以及识别散射体的可见区域。基于深度学习的方案避免了由基于算法的参数提取方法引入的复杂迭代过程。基于低复杂度算法的细化器进一步细化YOLO估计，以达到高精度。鉴于模型驱动深度学习的高效性以及神经网络与算法的结合，该方案能够快速准确地重建非平稳下行信道。此外，所提出的方案也适用于广泛关注的平稳系统，并实现了相当的重建精度作为一种基于算法的方法，大大减少了时间消耗。
2020-02-23 cs.IT eess.SP math.IT
XL-MIMO Energy-Efficient Antenna Selection under Non-Stationary Channels
大规模多输入多输出（M-MIMO）是5G网络的关键技术。在该研究领域内，出现了新类型的部署，诸如超大型方案（XL-MIMO），其中基站（BS）处的天线阵列具有极端尺寸。因此，空间非平稳特性出现，因为用户只能看到天线阵列的一部分，这被称为可见区（VR）。在这种具有挑战性的发送-接收场景中，提出了一种算法，该算法选择适当的天线元件来处理上行链路（UL）中给定用户的接收信号，以及在下行链路（DL）期间发送该用户的信号。在BS处不使用所有可用天线元件的优点是计算负担和电路功耗降低，从而显著提高能量效率（EE）。数值结果表明，一个可以增加EE，而不损害显着的频谱效率（SE）。在活跃用户较少的情况下，XL-MIMO系统的性能表明，使用不到20%的阵列天线单元的EE最大化，而不会严重损害SE。
2020-09-05 cs.SY eess.SP eess.SY
Distributed UAV Placement Optimization for Cooperative Line-of-Sight MIMO Communications
利用无人机进行协作通信是无基础设施无线网络中一项很有前途的技术。基于无人机的通信的关键挑战之一是回程吞吐量。在本文中，我们提出了优化的无人机群的位置，以实现高复用增益的视线（LoS）MIMO回程。我们开发了两种分布式算法来定位无人机，使得每个无人机移动最小的距离，以实现最高容量的LoS MIMO信道。第一种方法使用迭代梯度下降（GD），第二种方法使用迭代蛮力（BF）。仿真结果表明，这两种算法可以实现高达6倍的容量相比，该方法依赖于随机无人机的位置，在文献中提出的。BF具有不需要任何位置信息的优点，而GD对运动中的误差不太敏感。
2018-11-06 eess.SP
Multi-Beam Object-Localization for Millimeter-Wave ISAC-Aided Connected Autonomous Vehicles
针对毫米波MIMO ISAC系统中单波束不适合近距离目标的问题，提出多波束目标定位模型以最大化感知波束增益，并设计基于惩罚的三重交替优化算法求解非凸问题，仿真验证了其有效性。
2024-08-26 eess.SP
Channel Estimation for Extremely Large-Scale Massive MIMO Systems
超大规模大规模多输入多输出（MIMO）在未来移动通信中显示出巨大的潜力。然而，极大孔径阵列的使用导致近场和空间非平稳信道条件，这导致收发器设计和应获取的信道状态信息的变化。这封信的重点是信道估计问题，并通过子阵列和散射点之间的映射描述了非平稳信道。本文分别从子阵和散射体的角度提出了子阵和散射体两种信道估计方法来估计近场非平稳信道。仿真结果表明，子阵方向的方法能够以较低的计算复杂度获得准确的信道估计结果，而散射体方向的方法能够准确定位散射体，并能够识别子阵和散射体之间的几乎所有映射关系。
2019-10-11 cs.IT eess.SP math.IT
Software-Defined MIMO OFDM Joint Radar-Communication Platform with Fully Digital mmWave Architecture
大规模部署具有协作传感和操纵技术的互联车辆，增加了对5.9 GHz车联网通信（V2X）频段的需求。除了V2X频谱，24和77 GHz的未充分利用的毫米波（mmWave）频段可用于补充V2X通信，并为新兴宽带应用提供高数据速率支持。为此目的，联合雷达通信（JRC）系统已在文献中提出了使用相同的波形和硬件来执行这两个功能。在这项工作中，我们提出了一个软件定义的多输入多输出（MIMO）JRC与正交频分复用（OFDM）的24 GHz毫米波波段。我们使用商用软件定义无线电和定制的毫米波前端实现了一个实时操作的全双工JRC平台。通过全数字MIMO架构，我们展示了毫米波频段MIMO OFDM JRC的同步数据传输和高分辨率雷达成像能力。
2023-02-11 cs.AR eess.SP
Position-agnostic Algebraic Estimation of 6G V2X MIMO Channels via Unsupervised Learning
6 G车联网（V2X）背景下的MIMO系统将需要准确的信道知识，以实现高效的通信。诸如无约束最大似然（U-ML）之类的标准信道估计技术在大规模MIMO设置中是极其嘈杂的，而结构化方法（例如，压缩感测适合于低移动性场景，并且对硬件损伤敏感。我们提出了一种基于无监督学习的6 G V2X多车辆代数信道估计方法，该方法利用典型城市环境中的循环车辆通道。该算法基于多个训练序列的\textit{algebraic similarity}，通过K中心点算法对训练序列进行聚类，得到MIMO信道的本征模，从而提高信道估计精度。数值结果表明，所提出的方法的均方误差（MSE）相比，标准的U-ML解决方案（15 dB以下）显着的好处。
2021-07-26 cs.IT eess.SP math.IT
Fusing Channel and Sensor Measurements for Enhancing Predictive Beamforming in UAV-Assisted Massive MIMO Communications
本文提出融合信道与传感器数据，利用扩展卡尔曼滤波和预测波束赋形框架，提升无人机大规模MIMO通信的波束对齐精度与频谱效率。
2023-12-29 eess.SP
Optimal Precoder Design for MIMO-OFDM-based Joint Automotive Radar-Communication Networks
大规模部署具有协作感知技术的互联车辆增加了对5.9 GHz车联网（V2X）通信频谱的需求，该频谱主要用于交换安全消息。为了补充V2X通信并支持宽带应用所需的高数据速率，可以利用76-81 GHz的毫米波（mmWave）汽车雷达频谱。为此目的，在文献中已经提出了联合雷达-通信系统，以使用相同的波形和硬件来执行这两种功能。虽然多用户的多输入多输出（MIMO）通信能够实现独立的数据流传输，以实现高吞吐量，但MIMO雷达处理可提供对安全关键系统至关重要的高分辨率成像。然而，采用为通信设计的传统预编码方法会产生定向波束，这会损害数据流传输期间的MIMO雷达成像和目标跟踪能力。提出了一种基于正交频分复用（OFDM）波形的MIMO汽车雷达通信（JARC）联合框架。首先，我们表明，MIMO-OFDM前导码可以利用MIMO雷达处理和估计的通信信道。然后，我们提出了一个最佳的预编码器的设计方法，使高精度的目标跟踪，同时发送独立的数据流到多个接收器。所提出的方法为MIMO JARC网络提供高分辨率雷达成像和高吞吐量能力。最后，我们通过数值模拟评估所提出的方法的有效性。
2021-09-25 cs.NI eess.SP
A Tensor-Structured Approach to Dynamic Channel Prediction for Massive MIMO Systems with Temporal Non-Stationarity
针对中高移动性场景下大规模MIMO系统CSI时间非平稳性导致的性能下降问题，提出张量结构动态信道预测方法TS-DCP，利用双时间尺度和跨域相关性建模，通过VFE最小化实现低复杂度在线预测，仿真显示其性能显著优于基准算法。
2025-04-13 eess.SP
Wireless Mobile Distributed-MIMO for 6G
本文提出面向6G的无线移动分布式MIMO架构，让基站与作为网络用户的移动节点分两阶段联合相干传输服务用户，并基于3GPP信道模型证明其能提升系统容量。
2024-09-03 eess.SP
Spatially-Stationary Model for Holographic MIMO Small-Scale Fading
想象一下，在一个紧凑的空间中有一个大量（可能是无限的）天线阵列。我们将这种系统称为全息MIMO。鉴于Massive MIMO令人印象深刻的特性，人们可能会期望全息阵列实现极高的空间分辨率，难以置信的能源效率和前所未有的频谱效率。然而，目前尚未最终确定其基本限度。分析和理解这种范式转变的一个主要挑战是缺乏数学上易于处理和数值上可重复的通道模型，这些模型保留了一些物理现实的语义。详细的物理模型一般来说太复杂，难以进行分析。本文旨在仔细研究这一跨学科的挑战。特别地，我们考虑了远场的小尺度衰落，并将其建模为零均值、空间平稳和相关的高斯标量随机场。通过要求随机场与标量亥姆霍兹方程一致来获得物理上有意义的相关性。这个公式直接导致一个相当简单和准确的描述的三维小尺度衰落作为傅立叶平面波谱表示。适当地离散化，这导致作为傅立叶平面波级数展开的场的离散表示，由此开发了一种计算高效的方式来生成在空间受限的紧凑空间上的小尺度衰落的样本。与传统的线性系统理论和傅立叶变换的工具的连接进行了深入的讨论。
2021-11-02 cs.IT eess.SP math.IT
Enabling Ultra-Dense, Open-RAN, Vehicular Networks with Non-Linear MIMO Processing
本研究提出基于 Open-RAN 的 MPNL MIMO 处理技术，解决超密集车载网络容量未充分利用问题，在无吞吐量损失下使并发车辆连接数提升超 300%。
2024-09-22 eess.SP
Polarization-Aware Antenna Selection for Joint Radar and Communication in XL-MIMO Systems
针对XL-MIMO联合雷达通信系统中去极化引起的交叉极化泄漏问题，提出含极化偏移的信道模型及基于极化失衡和交叉极化泄漏的动态天线选择方案，提升频谱效率、符号错误率和雷达检测概率。
2025-03-27 eess.SP
Energy-Efficient Data Collection and Wireless Power Transfer Using A MIMO Full-Duplex UAV
在本文中，我们提出了一种新的能源效率的数据收集和无线电力传输（WPT）的物联网（IoT）的应用框架，通过多输入多输出（MIMO）全双工（FD）无人机（UAV）。为了充分利用支持UAV的WPT和MIMO FD通信的优势，我们允许MIMO FD UAV为低功耗物联网设备充电，同时收集数据。以节省在无人机消耗的总能量为目的，我们制定了一个能量最小化问题，考虑FD硬件损伤，上传的数据位数，和能量收集的因果关系。由于WPT的UAV轨迹和发射波束形成问题的非凸性，跟踪全局最优性是相当具有挑战性的。或者，我们找到一个局部最优点，通过实施建议的迭代搜索算法结合逐次凸逼近技术。数值结果表明，该方法可以导致优越的性能与其他基准计划相比，计算复杂度低，收敛速度快。
2018-11-22 eess.SP
CDM Based Virtual FMCW MIMO Radar Imaging at 79GHz
本文针对79GHz FMCW MIMO雷达阵元数量受限导致角分辨率不足的问题，首次将CDM方法应用于虚拟阵元扩展，通过虚拟增加收发阵元数量来提升角分辨率。
2024-05-05 eess.SP
Detection by Sampling: Massive MIMO Detector based on Langevin Dynamics
多输入多输出（MIMO）系统中的最优符号检测是一个NP难题。因此，任何实际相关检测器的目标都是合理地接近最优解，同时保持计算复杂性。在这项工作中，我们提出了一个MIMO检测器的基础上退火版本的朗之万（随机）动态。更确切地说，我们定义了一个随机动态过程，其平稳分布与我们观察到的符号的后验分布相一致。从本质上讲，这使我们能够近似的最大后验估计的传输符号从建议的朗之万动态采样。此外，我们仔细地制作这种随机动态逐渐增加一系列的噪声与减少的变化的轨迹，这确保了估计的符号属于一个预先指定的离散星座。通过数值实验，我们表明，我们提出的检测器产生最先进的误符号率性能。
2022-02-24 eess.SP
Optimal Hybrid Beamforming for Multiuser Massive MIMO Systems With Individual SINR Constraints
在这封信中，我们考虑最佳的混合波束成形设计，以最大限度地减少个人信号干扰噪声比（SINR）的约束下，在多用户大规模多输入多输出（MIMO）系统的传输功率。这导致了一个具有挑战性的非凸优化问题。我们考虑两种情况。在用户数量小于或等于射频（RF）链的情况下，我们提出了一种低复杂度的方法来获得全局最优解，并表明它实现了与最优全数字波束形成器相同的传输功率。在用户数大于RF链数的情况下，我们提出了一种低复杂度的全局收敛交替算法来获得一个稳定点。
2018-11-22 eess.SP
Hybrid Precoding for mmWave V2X Doubly-Selective Multiuser MIMO Systems
毫米波（mmWave）是为车联网（V2X）通信提供高数据率的实用解决方案。这使得未来的自动驾驶汽车能够与基站（BS）交换大数据，例如速度和位置，以提高高级驾驶辅助系统（ADAS）的感知能力。在这种情况下，我们考虑一个单小区多用户双选择系统，其中BS同时服务于多个车辆。为了实现这一要求，在混合架构中实现BS以支持多个空间流，而车辆具有仅模拟的结构。在这项工作中，我们开发了一种低复杂度的混合预编码算法，其中的混合预编码器在BS和模拟组合器在车辆的设计需要小的训练和反馈开销。我们提出了一个两阶段的混合预编码算法，其中第一阶段设计的模拟波束形成器在单用户的情况下，而第二阶段设计的多用户数字预编码器在BS。在第二阶段，我们推导出封闭形式的数字预编码器，如最大比传输（MRT），迫零（ZF）和最小均方误差（MMSE）作为第一个变量，而我们提出迭代数字预编码器作为第二个变量。用于两种变体的数字预编码器的设计需要从车辆发送到BS的有限反馈。我们参考随机矢量量化（RVQ）和波束控制码本来分别对变体I和II的反馈进行优化，因为完美的反馈需要长开销和大量训练。我们评估的数字和模拟码本的量化对完美的信道状态信息在发送端（CSIT）所产生的速率损失。
2021-03-23 cs.IT eess.SP math.IT
QoS-Aware User Scheduling in Crowded XL-MIMO Systems Under Non-Stationary Multi-State LoS/NLoS Channels
在拥挤的无线通信系统中提供最低的服务质量（QoS），具有高用户密度，是具有挑战性的，这是由于具有有限的发射功率预算和资源块的网络结构。智能资源分配方法，如用户调度，功率分配，调制和编码方案的选择，必须实现，以应对挑战。针对拥挤超大规模大规模多输入多输出（XL-MIMO）系统下行链路中最小QoS服务用户数的问题，提出了一种QoS感知的联合用户调度和功率分配技术.所提出的技术是由两个顺序的程序：集团搜索为基础的调度（CBS）算法的用户调度，其次是最佳的功率分配与发射功率预算和最小可达速率每个用户的约束。为了准确地评估所提出的技术在XL-MIMO的情况下，我们提出了一个广义的非平稳多状态信道模型的基础上球面波传播假设下的用户LoS和NLoS传输共存于同一个通信小区。该模型考虑了不同信道状态下的用户在多径衰落模型和路径损耗规律上的传播特性不同。数值结果表明，可实现的和速率，调度用户的数量，和调度用户的分布表明，建议CBS算法提供了一个公平的覆盖整个小区区域，实现显着数量的调度用户时，在LoS和NLoS信道状态下的用户共存的通信小区。
2022-05-13 cs.IT cs.NI eess.SP
Spatially Non-Stationary XL-MIMO Channel Estimation: A Three-Layer Generalized Approximate Message Passing Method
针对考虑球面波前效应和空间非平稳特性的XL-MIMO系统信道估计难题，提出两阶段方案：先估计用户侧出发角并分解路径信号，再通过三层贝叶斯推理设计TL-GAMP算法，仿真验证其收敛性、有效性与场景鲁棒性。
2024-12-04 cs.IT eess.SP math.IT
Plug-in Channel Estimation with Dithered Quantized Signals in Spatially Non-Stationary Massive MIMO Systems
针对空间非平稳大规模 MIMO 的一比特量化接收，本文提出带抖动的插入式 BLMMSE 信道估计、协方差失真分析、角域非负最小二乘拟合及 BLMMSE 接收机，性能逼近理想协方差方案。
2024-01-24 cs.IT eess.SP math.IT
Radar-Aided Near-Field Beam Prediction via Beam Map Learning for XL-MIMO V2I Communications
Southeast University（东南大学）；Beijing University of Posts and Telecommunications（北京邮电大学）；National Sun Yat-sen University（国立中山大学）
针对XL-MIMO V2I通信近场波束训练开销高的问题，提出基于雷达-波束图学习的被动雷达辅助框架，经仿真验证可提升多项关键性能指标。
2026-07-31 eess.SP
Precoder Design for Physical-Layer Security and Authentication in Massive MIMO UAV Communications
支持无人机（UAV）的可靠和无缝无线连接最近已成为实现UAV的各种不同用例的关键要求。由于其广泛的部署足迹，蜂窝网络可以支持UAV的超视距（BVLOS）通信。在本文中，我们认为蜂窝连接的无人机（C-UAV），由大规模多输入多输出（MIMO）链路服务，以扩大覆盖范围，同时也提高了物理层的安全性和认证。我们考虑莱斯信道，并提出了一种新的线性预编码器的设计传输数据和人工噪声（AN）。我们推导出了传统的和建议的预编码器设计的C-UAV的遍历保密率的封闭形式的表达。此外，我们得到了最佳的功率分裂因子，划分数据和AN之间的功率渐近分析。然后，我们将所提出的预编码器设计应用于指纹嵌入认证框架中，其目标是最小化窃听者检测认证标签的概率。在仿真结果中，我们显示了所提出的预编码器的优势，在保密率和认证概率考虑中等和大量的天线大规模多输入多输出的情况下。
2021-07-02 eess.SP
Grouped Sparse Bayesian Estimation for Near-Field Massive MIMO Channels
School of Electronic Science and Engineering, Nanjing University（南京大学电子科学与工程学院）；National Mobile Communications Research Laboratory, Southeast University（东南大学移动通信国家重点实验室）
针对近场大规模MIMO信道估计问题，提出感知可见性的块稀疏贝叶斯算法，仿真显示其信道估计NMSE低于基准方案。
2026-10-19 eess.SP
