A Joint Wireless-Optical Front-haul Solution for Multi-user Massive MIMO 5G RAN
我们展示了一种用于多用户大规模多输入多输出5G RAN的高容量光纤中频移动前传解决方案。使用该方案，在没有光纤色散补偿的情况下，在40 km以上的单个光波长上传输了创纪录的25.6 GHz的聚合无线电带宽
2020-11-18 cs.IT eess.SP math.IT
PDRS: A Fast Non-iterative Scheme for Massive Grant-free Access in Massive MIMO
免授权多输入多输出（MIMO）通常采用非正交导频进行联合用户检测和信道估计。然而，现有方法对于大规模MIMO中的大规模免授权接入来说太复杂。本文提出了导频检测参考信号（PDRS），以大大降低复杂度。在PDRS方案中，不需要迭代。提出了直接权值估计算法，无需信道估计即可计算合并权值。在合并之后，PDRS恢复误差用于决定导频活动。仿真结果表明，所提出的免授权方案性能良好，复杂度降低了几个数量级。
2020-12-25 cs.IT eess.SP math.IT
Cell-free Massive MIMO with Short Packets
在本文中，我们适应了无小区的大规模MIMO（多输入多输出），这是由Östman等人（2020）引入的有限块长度框架，用于表征在超可靠低延迟通信（URLLC）制度下，大规模MIMO可实现的分组错误概率。在本文中考虑的框架包括一个无细胞的架构，不完美的信道状态信息，和任意的线性信号处理在中央处理单元连接到接入点通过前传链路。通过数值模拟，我们表明，要达到高可靠性要求的URLLC，MMSE信号处理必须使用。还与小小区和大规模MIMO蜂窝网络进行了比较。两者都需要更多的天线来实现与无小区Massive MIMO相当的性能。
2021-07-22 cs.IT eess.SP math.IT
Cell-free Massive MIMO for UAV Communications
研究了无蜂窝大规模多输入多输出架构对无人机通信的支持。在一般假设的移动台，无论是无人机或地面用户，和接入点之间的传播信道遵循莱斯分布，我们推导出封闭形式的频谱效率下限的上行链路和下行链路的线性最小均方误差（LMMSE）信道估计。我们还提出了这样一个系统的功率分配和用户调度策略。我们的数值结果表明，无小区大规模多输入多输出架构可以提供比传统的多小区大规模多输入多输出网络部署更好的性能。
2019-02-10 cs.IT eess.SP math.IT
An Algorithm for Grant-Free Random Access in Cell-Free Massive MIMO
大规模接入是超5G（B5G）无线网络的主要应用场景之一，而大规模MIMO是支持大规模接入的关键技术。本文研究了无小区大规模MIMO网络中大规模机器类型通信（mMTC）的免授权随机接入中的活动检测问题。每个活动设备向AP发送预先分配的非正交导频序列，AP将接收到的信号发送到中央处理器（CPU）进行联合活动检测。我们制定的最大似然设备活动检测问题，并提供了一个算法的基础上，坐标下降法具有负担得起的复杂性。我们表明，无小区的大规模MIMO网络可以支持低功耗的mMTC设备，并提供广泛的覆盖范围。
2021-05-21 cs.IT eess.SP math.IT
Integrated Communication, Localization, and Sensing in 6G D-MIMO Networks
本文研究6G D-MIMO网络中的通信感知一体化，通过分析不同架构与部署方式揭示冲突与协同，并结合仿真演示阐明实现ISAC的机遇与挑战。
2024-03-28 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
Fast Ambiguous DOA Elimination Method of DOA Measurement for Hybrid Massive MIMO Receiver
大规模多输入多输出（MIMO）系统的波达方向（DOA）估计可以提供超高分辨率的角度估计。然而，由于全数字MIMO系统的高计算复杂性和成本，提出了一种混合模拟数字（HAD）结构的MIMO。针对HAD MIMO系统的测向模糊问题，提出了一种快速消除模糊相位的方法。该算法只需要两个数据块就可以实现DOA估计。仿真结果表明，该方法在性能损失较小的情况下，可以大大减小估计时延。
2021-05-14 cs.IT eess.SP math.IT
Cell-Free Terahertz Massive MIMO: A Novel Paradigm Beyond Ultra-Massive MIMO
针对太赫兹通信传输距离受限的问题，本文提出无蜂窝大规模MIMO架构，通过选择最近接入点缩短距离而非仅依赖大量天线，仿真验证其在太赫兹频段的频谱与能量效率均优于超大规模MIMO。
2024-05-16 cs.IT eess.SP math.IT
Optimal Preamble Length for Spectral Efficiency in Grant-Free RA with Massive MIMO
具有大规模多输入多输出的免授权随机接入（RA）是一种用于低信令开销的大规模接入的有前途的RA技术。在大规模多输入多输出的免授权无线接入系统中，前导码长度对系统性能有着至关重要的影响。本文研究了大规模多输入多输出系统下免授权接收机的最优前导码长度问题，考虑了前导码长度对前导码冲突、前导码开销以及信道估计精度的影响，以最大化系统的频谱效率。仿真结果与我们的分析一致，并证实了存在最佳前导码长度的SE最大化的免授权RA与大规模多输入多输出。此外，性能的最佳前导码长度相对于系统参数被揭示。与授权接入相比，在免授权RA中，SE最大化需要更长的前导码长度。
2019-04-30 cs.IT eess.SP math.IT
Hybrid Beamforming and Combining for Millimeter Wave Full Duplex Massive MIMO Interference Channel
全双工（FD）通信可以彻底改变无线通信，因为它避免了使用独立的信道进行双向通信。这项工作推广了毫米波（mmWave）频段的点对点FD通信，包括K对大规模MIMO FD节点同时工作。我们提出了一种新的联合混合波束成形（HYBF）和加权和速率（WSR）最大化的合并方案，使大规模MIMO FD链路的共存成本有效。该算法依赖于基于最小化-最大化方法的替代优化。此外，我们提出了一种新的SI和大规模MIMO干扰信道感知功率分配方案，包括最优功率控制。仿真结果表明，显着的性能改善相比，传统的双向全数字半双工（HD）系统。
2022-01-04 cs.IT eess.SP math.IT
CS-Based CSIT Estimation for Downlink Pilot Decontamination in Multi-Cell FDD Massive MIMO
用于频分双工（FDD）大规模MIMO的发射机处的有效信道状态信息（CSIT）可以促进其与现有FDD蜂窝网络的后向兼容。迄今为止，针对FDD单小区大规模MIMO系统提出了几种CSIT估计方案，但它们都没有考虑小区间干扰（ICI），并且在多小区情况下会受到下行导频污染的影响。为了解决这个问题，本文提出了一种基于压缩感知（CS）的CSIT估计方案，以对抗FDD多小区大规模MIMO系统中的ICI。具体而言，角域大规模MIMO信道在不同的子载波上表现出共同的稀疏性，并且这种稀疏性部分由相邻用户共享。通过利用这些稀疏特性，我们设计的导频信号和相关的信道估计算法的CS理论的框架下，其中与多个相邻的BS相关联的信道可以可靠地估计与低的训练开销的下行链路导频净化。仿真结果验证了所提出的解决方案的良好的下行链路导频去污性能相比，其传统的多小区FDD大规模MIMO。
2021-08-23 cs.IT eess.SP math.IT
A Variational Bayesian Perspective on Massive MIMO Detection
大规模多输入多输出（MIMO）系统中的最优数据检测需要过高的计算复杂度。文献中已经提出了各种检测算法，在复杂度和检测性能之间提供不同的权衡。在本文中，我们建立在变分贝叶斯（VB）推理设计低复杂度的多用户检测算法的大规模多输入多输出系统。我们首先研究了大规模多输入多输出检测问题与完美的信道状态信息在接收机（CSIR），并表明，传统的VB方法与已知的噪声方差产生不良的检测性能。为了解决这个问题，我们设计了两个新的VB算法，使用噪声方差和协方差矩阵假设的算法本身。我们进一步开发了用于具有不完美CSIR的大规模多输入多输出检测的VB框架。仿真结果表明，所提出的VB方法实现了显着较低的检测误差相比，现有的计划，为广泛的信道模型。
2022-05-23 cs.IT eess.SP math.IT
Co-existing/Cooperating Multicell Massive MIMO and Cell-Free Massive MIMO Deployments: Heuristic Designs and Performance Analysis
本文研究多小区大规模MIMO与无小区大规模MIMO共存部署的下行性能，提出前传感知的启发式用户关联算法，并通过仿真分析不同协作程度、预编码和功率控制策略对系统性能的影响。
2024-10-22 cs.IT eess.SP math.IT
Sparsity-Adaptive Beamspace Channel Estimation for 1-Bit mmWave Massive MIMO Systems
我们提出了稀疏自适应波束空间信道估计算法，提高精度的1位数据转换器在全数字毫米波（mmWave）大规模多输入多输出（MIMO）基站。我们的算法包括一个调整阶段的基础上斯坦的无偏风险估计（SURE），自动选择最佳的去噪参数取决于瞬时信道条件。与视线（LoS）和非LoS毫米波大规模MIMO信道模型的仿真结果表明，我们的算法提高信道估计精度与1位测量的计算效率的方式。
2020-05-30 cs.IT eess.SP math.IT
Clustering-Based Activity Detection Algorithms for Grant-Free Random Access in Cell-Free Massive MIMO
未来的无线网络需要支持大规模机器类型通信（mMTC），其中大量设备访问网络，而大规模MIMO是一种很有前途的使能技术。大规模接入方案已经被研究用于共址大规模MIMO阵列。在本文中，我们研究的活动检测免授权随机接入mMTC在无小区的大规模MIMO网络使用分布式阵列。每个活动设备向接入点（AP）发送非正交导频序列，并且AP将接收到的信号发送到中央处理单元（CPU）以用于联合活动检测。仿真结果表明，在覆盖范围较大的情况下，无蜂窝结构所提供的宏分集增益比共址结构所提供的宏分集增益提高了活动检测性能。
2021-11-30 cs.IT eess.SP math.IT
Non-Stationarities in Extra-Large Scale Massive MIMO
大规模MIMO是在蜂窝系统中提高区域频谱效率的关键技术，它是在假设孔径大小适中的情况下开发的。在本文中，我们认为，由于空间非平稳性，大规模MIMO系统的行为在大规模政权不同。在大规模的制度，约50个波长的阵列，终端看到整个阵列，但非平稳性发生，因为不同的区域的阵列看到不同的传播路径。在更大的维度上，我们称之为超大尺度区域，终端看到阵列的一部分，并且在内部可能发生第一种非平稳性。我们发现，大规模MIMO信道的非平稳特性改变了几个重要的MIMO设计方面。在模拟中，我们演示了如何非平稳性是一个诅咒时，被忽视，但祝福时，拥抱在计算负载和多用户收发器设计。
2019-10-07 cs.IT eess.SP math.IT
What is the Benefit of Code-domain NOMA in Massive MIMO?
在过载的大规模MIMO系统中，其中用户设备（UE）的数量K超过基站天线的数量M，最近已经表明非正交多址（NOMA）可以提高性能。本文旨在识别经典操作机制K < M的情况，其中码域NOMA也可以提高大规模MIMO的频谱效率。特别注意的是，在其中经历了不良的有利的传播条件的用例。数值结果表明，具有平面天线阵列的大规模MIMO可以在UE在空间上彼此接近的实际场景中受益于NOMA。
2019-07-03 cs.IT eess.SP math.IT
Performance Analysis of Quantized Uplink Massive MIMO-OFDM With Oversampling Under Adjacent Channel Interference
大规模多输入多输出（MIMO）系统由于其相对于单天线系统的诸多优点，近年来引起了人们的广泛关注。由于许多天线，期望每个天线的低成本实现和低功耗。为此，在许多研究中已经研究了具有低分辨率模数转换器（ADC）的大规模MIMO结构。然而，在量化的大规模MIMO系统的相邻频带上的强干扰的影响还没有被检查。在这项研究中，我们分析了上行链路大规模MIMO的性能与低分辨率ADC下的频率选择性衰落与正交频分复用在完美和不完美的接收机信道状态信息的情况下。我们推导出的比特出错率和遍历容量的解析表达式。我们表明，干扰频带可以抑制通过增加天线的数量或过采样率时，采用迫零接收机。
2020-02-18 cs.IT eess.SP math.IT
Feedforward Architectures for Decentralized Precoding in Massive MU-MIMO Systems
与传统的小规模MIMO技术相比，大规模多用户多输入多输出（MU-MIMO）能够显著提高频谱效率和链路可靠性。此外，线性预编码器，例如，使用迫零或维纳滤波器（WF）预编码足以在大规模MU-MIMO下行链路中实现优异的错误率性能。然而，这些方法需要在基站（BS）处进行集中处理，这导致（i）过高的互连和芯片输入/输出数据率，以及（ii）高实现复杂性。我们提出了两种前馈架构和相应的分散式WF预编码器，可以在多个计算结构中并行预编码，有效地缓解了集中式方法的问题。为了证明我们的分散式预编码器的有效性，我们提供了多GPU系统上的实现结果，这表明我们的解决方案在Gbit/s范围内实现了吞吐量，同时在大规模MU-MIMO下行链路中实现了（接近）最佳的错误率性能。
2018-04-29 cs.IT eess.SP math.IT
Massive MIMO Channel Prediction Using Machine Learning: Power of Domain Transformation
为了补偿宽带大规模多输入多输出（MIMO）系统中过时信道状态信息的损失，可以利用无线信道的时间相关性进行信道预测。最近设计了用于大规模MIMO系统的基于机器学习（ML）的信道预测器;然而，收集大量训练数据的时间开销直接影响系统的延迟。本文提出了一种新的基于ML的信道预测技术，该技术通过将宽带大规模MIMO系统中的信道域从子载波变换到天线，减少了训练数据的采集时间开销。数值结果表明，该技术不仅可以减少时间开销，但也给出了额外的性能增益相比，基于ML的信道预测技术没有域变换。
2022-08-09 cs.IT eess.SP math.IT
Capacity Scaling Law in Massive MIMO with Antenna Selection
天线选择能够处理大规模多输入多输出（MIMO）信道中的成本和复杂度问题。在Nakagami衰落信道下，研究了多用户大规模MIMO上行链路信道的速率和容量。数学上听话的总和率容量上限推导出所考虑的系统。此外，对于一个足够大的基站（BS）的天线数量，确定性等效（DE）的和率界。基于此DE，示出的和速率容量的增长与BS天线的数量的双螺旋。数值实验验证了分析结果的正确性。
2022-08-08 cs.IT eess.SP math.IT
MIMO Radars and Massive MIMO Communication Systems can Coexist
该研究针对单小区大规模MIMO通信系统与MIMO雷达的共存场景，利用随机矩阵理论推导二者可实现速率与联合系统速率区域，发现基站的大量自由度可在无协同设计时实现低干扰，并通过仿真验证了结论。
2023-07-22 cs.IT eess.SP math.IT
Fronthaul Compression for Uplink Massive MIMO using Matrix Decomposition
针对上行大规模MIMO前传链路传输IQ样本易受限的问题，提出利用接收信号卷积结构、基于交替最小化盲解卷积的迭代压缩技术，实现30-50的压缩比，还可用于OFDM信号盲解码。
2021-10-24 cs.IT eess.SP math.IT
On Deep Learning-based Massive MIMO Indoor User Localization
我们研究了深度神经网络用于多输入多输出（MIMO）用户定位的可用性，该定位仅基于正交频分复用（OFDM）复信道系数。与其他室内定位系统（IPS）相比，所提出的方法不需要任何额外的导频开销或通信系统本身的任何其他变化，因为它被部署在现有的OFDM MIMO系统之上。在实际测量的支持下，我们主要对更具挑战性的非视距（NLoS）场景感兴趣。然而，已知梯度下降优化需要大量数据点用于训练，即，与传统方法相比，所需的数据库将太大。因此，我们提出了一个两步训练过程，在第一步中对模拟视线（LoS）数据进行训练，在第二步中对测量的NLoS位置进行微调。这减少了所需的测量训练位置，从而减少了数据采集的工作量。
2018-04-13 cs.IT eess.SP math.IT
Ubiquitous Cell-Free Massive MIMO Communications
自20世纪70年代第一个蜂窝网络试用以来，我们见证了一场令人难以置信的无线革命。从1G到4G，大规模的流量增长是通过更宽的带宽、精细的无线电接口和网络密度的组合来管理的，即增加每个站点的天线数量。由于其成本效益，后者的贡献最大。大规模MIMO（多输入多输出）是一种关键的5G技术，它使用大规模天线阵列来提供非常高的波束成形增益和用户的空间复用，从而提高频谱和能量效率。它构成了一个集中的解决方案，以增加网络的密度，其性能受到其以小区为中心的设计中固有的小区间干扰的限制。相反，无处不在的无小区大规模MIMO指的是实现以用户为中心的相干传输以克服蜂窝网络中的小区间干扰限制并提供附加宏分集的分布式大规模MIMO系统。这些特征与大规模MIMO设计中固有的系统可扩展性相结合，将无处不在的无小区大规模MIMO与先前的协调分布式无线系统区分开来。在本文中，我们研究了这种有前途的技术的巨大潜力，同时解决了实际部署问题，以处理来自信号协处理的增加的后/前传输开销。
2019-09-06 cs.IT eess.SP math.IT
Matrix Decomposition for Massive MIMO Detection
大规模多输入多输出（MIMO）是第五代（5G）通信系统的关键技术。MIMO符号检测是大规模MIMO基带接收机中计算量最大的任务之一。在本文中，我们分析了大规模MIMO系统的矩阵分解算法，传统上用于小规模MIMO检测由于其数值稳定性和模块化设计。我们提出了计算复杂性的线性检测机制的基础上的QR，Cholesky和LDL分解算法的不同大规模MIMO配置。我们将它们与最先进的基于近似反演的大规模MIMO检测方法进行比较。研究结果为系统和超大规模集成（VLSI）设计人员根据需求选择合适的大规模MIMO检测算法提供了重要参考。
2020-09-27 cs.IT math.IT
Overcoming the Channel Estimation Barrier in Massive MIMO Communication Systems
包括虚拟现实、自动驾驶和物联网在内的新一波无线服务正在推动新一代无线系统的设计，以提供超高数据率、大量连接设备和超低延迟。大规模多输入多输出（MIMO）是允许未来无线网络满足这些服务需求的关键基础技术之一。本文通过整合未来高速蜂窝部署中信道的潜在特性，讨论了深度学习（DL）在无线网络中大规模MIMO信道估计中的应用。我们开发的物理射频（RF）信道特性的重要见解，并提出了一个全面的概述DL的应用准确估计信道状态信息（CSI）与低开销。我们提供了大规模MIMO无线系统中CSI估计的成功DL应用的例子，并强调了未来研究的几个有前途的方向。
2019-12-23 cs.IT eess.SP math.IT
Deep Learning Based Near-Field User Localization with Beam Squint in Wideband XL-MIMO Systems
针对6G宽带XL-MIMO系统中波束倾斜影响近场用户定位的问题，推导CRBs评估CBS潜力，提出结合CBS与波束训练的方案，并设计基于ConvNeXt的方案，实现厘米级定位精度。
2024-12-02 cs.IT eess.SP math.IT
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
NOMA-Based Coexistence of Near-Field and Far-Field Massive MIMO Communications
本文提出利用NOMA原理复用为近场用户预配置的空间波束来服务远场用户，实现近场与远场大规模MIMO通信共存，并证明增加基站天线数可有效提升系统性能。
2023-09-17 cs.IT eess.SP math.IT
Improving Sum-Rate of Cell-Free Massive MIMO with Expanded Compute-and-Forward
无小区大规模多输入多输出（MIMO）采用大量分布式接入点（AP）经由相同的时间/频率资源来服务于少量用户设备（UE）。由于强大的宏分集增益，无小区的大规模MIMO可以大大提高可实现的和速率相比，传统的蜂窝大规模MIMO。然而，当在接收机处采用简单最大比合并（MRC）时，无小区大规模MIMO的性能受到用户间干扰（IUI）的上限。为了利用IUI，采用了扩展的计算和转发（ECF）框架。特别是，我们提出了功率控制算法的并行计算和连续计算的ECF框架，分别利用性能增益，然后提高系统性能。此外，我们提出了一个AP选择方案和不同的解码顺序的连续计算的应用。最后，数值结果表明，ECF框架优于传统的CF和MRC框架的可实现的和速率。
2021-11-21 cs.IT eess.SP math.IT
Cell-Free Massive MIMO-OFDM Transmission over Frequency-Selective Fading Channels
该文提出并分析了频率选择性衰落信道下基于正交频分复用（OFDM）的无小区大规模多输入多输出（CFmMIMO）多载波传输。提出了频域共轭波束形成、导频分配和用户特定的资源分配。CFmMIMO-OFDM是可扩展的，以服务于大量的用户，并且是灵活的，以提供不同的数据率的异构应用。
2021-07-03 cs.IT eess.SP math.IT
Smart Hybrid Beamforming and Pilot Assignment for 6G Cell-Free Massive MIMO
本文研究了Cell-Free大规模MIMO网络，其中每个接入点（AP）都配备了一个混合收发器，与全数字收发器相比，降低了复杂性和成本。渐近近似的频谱效率推导出上行链路和下行链路。利用这些表达式，最大-最小问题被公式化以优化（i）AP处的模拟波束形成器和（ii）导频分配。仿真结果表明，这些变量的优化大大提高了网络的性能。
2023-01-13 cs.IT eess.SP math.IT
NOMA Versus Massive MIMO in Rayleigh Fading
本文比较了功率域NOMA（非正交多址接入）和标准的大规模MIMO（多输入多输出）技术的总和速率和速率区域。分析证明了大规模MIMO在i.i.d.~瑞利衰落信道，如果在基站处使用足够数量的天线。仿真结果表明，当具有20-30个天线时，交叉点已经出现，这远远小于下一代蜂窝网络所考虑的。
2021-12-31 cs.IT eess.SP math.IT
Random Orthogonalization for Federated Learning in Massive MIMO Systems
提出了一种新的上行链路通信方法--随机正交化，用于大规模多输入多输出（MIMO）无线系统中的联邦学习（FL）。随机正交化的关键新颖性来自FL模型聚合的紧密耦合和大规模MIMO的两个独特特性-信道硬化和有利的传播。结果，随机正交化可以实现自然的空中模型聚合，而不需要发射机侧信道状态信息，同时显著减少接收机处的信道估计开销。理论分析方面的通信和机器学习性能进行。特别地，建立了收敛速度、客户端数目和天线数目之间的显式关系。实验结果验证了大规模MIMO中FL随机正交化的有效性和效率。
2022-01-29 cs.IT eess.SP math.IT
Technology Trends for Massive MIMO towards 6G
本文综述大规模MIMO在6G中的技术演进趋势，探讨其与IOS/IRS、AI、太赫兹通信及无蜂窝架构的融合，并展望其在通感、车联、非地面及星际通信等垂直场景中的应用。
2023-01-05 cs.IT eess.SP math.IT
Cell-Free Massive MIMO for 6G Wireless Communication Networks
最近商业化的第五代（5G）无线通信网络实现了许多改进，包括通过大规模多输入多输出（MIMO）、毫米波等多项关键技术实现空中接口增强、频谱扩展和网络强化。通信和超密集网络。尽管5G商用系统已经部署，但无线通信仍面临着许多挑战，以实现连接智能和无数应用，如工业物联网，自治系统，脑机接口，数字孪生，触觉互联网等，因此，迫切需要启动第六代（6G）无线通信系统的研究。在这些系统的候选技术中，结合分布式系统和大规模MIMO的优点的无小区大规模MIMO被认为是提高无线传输效率的关键解决方案，并成为国际前沿。在本文中，我们提出了一个全面的研究无小区的大规模MIMO的6G无线通信网络，特别是从信号处理的角度。我们专注于使物理层技术的无小区大规模MIMO，如用户关联，导频分配，发射机和接收机的设计，以及功率控制和分配。此外，一些当前和未来的研究问题进行了强调。
2021-11-30 cs.IT eess.SP math.IT
A Distributed Massive MIMO Channel Sounder for "Big CSI Data"-driven Machine Learning
提出了一种用于获取大型CSI数据集的分布式大规模MIMO信道探测器DICHASUS。测量的数据在用于用户定位、JCAS、信道制图、在FDD操作中实现大规模MIMO等的各种机器学习算法的研究中具有潜在的应用。所提出的信道探测器架构与以前类似的设计不同，因为每个单独的单天线接收器是完全自主的，能够实现任意的空间分布的天线部署，并提供几乎无限的天线数量的可扩展性。可选地，提取的信道系数向量可以用通过GNSS接收器（用于室外操作）或通过各种室内定位技术获得的地面实况位置数据来标记。
2022-06-30 cs.IT eess.SP math.IT
LMMSE Processing for Cell-free Massive MIMO with Radio Stripes and MRC Fronthaul
无小区的大规模MIMO为多个用户提供无处不在的连接，并且使用无线电条纹的实现是非常有效的。与同位大规模MIMO相比，主要成本包括前传开销和AP硬件。最大比合并（MRC）实现了低前传负载和低成本AP，但性能较差。本文提出了一种利用MRC前传设计实现准LMMSE（Q-LMMSE）处理的方法。Q-LMMSE是在标准LMMSE的基础上推导出来的，它通过奇异值分解从MRC信号中提取干扰信息。仿真结果表明，在相同的MRC前传情况下，所提出的Q-LMMSE算法可使频谱效率提高数倍。
2020-12-25 cs.IT eess.SP math.IT
FFDNet-Based Channel Estimation for Massive MIMO Visible Light Communication Systems
信道估计在大规模多输入多输出（m-MIMO）可见光通信（VLC）系统中至关重要。为了解决这一问题，提出了一种快速灵活的基于去噪卷积神经网络（FFDNet）的m-MIMO VLC系统信道估计方法。由于m-MIMO VLC信道具有稀疏性的特点，因此其信道矩阵被识别为二维自然图像。利用支持深度学习的图像去噪网络FFDNet从大量训练数据中学习并估计m-MIMO VLC信道。仿真结果表明，我们提出的基于FFDNet的信道估计明显优于基于最小均方误差的基准方案。
2019-11-18 cs.IT eess.SP math.IT
Analysis of UAV Communications in Cell-Free Massive MIMO systems
我们研究支持无人机（UAV）通信通过一个无小区的大规模MIMO架构，其中大量的接入点（AP）部署在大的共址大规模MIMO阵列的地方。我们还考虑通过应用以用户为中心的关联方法，其中每个用户仅从网络中的AP的子集中获得服务的纯无小区架构的变化。在一般的假设下，移动台之间的传播信道，无论是无人机或地面用户（GUE），和AP遵循莱斯分布，我们推导出封闭形式的频谱效率下限的上行链路和下行链路的线性最小均方误差信道估计。我们考虑了几种功率分配和用户调度策略，这样的系统，而且，在这些，也最小速率最大化的功率分配策略，以提高系统的公平性。我们的数值结果表明，无小区的大规模MIMO架构及其低复杂度的以用户为中心的替代方案可以提供比传统的多小区大规模MIMO网络部署更好的性能。
2020-01-10 cs.IT eess.SP math.IT
Model-Driven Deep Learning for Massive MU-MIMO with Finite-Alphabet Precoding
大规模多用户多输入多输出（MU-MIMO）技术已经成为第五代无线通信系统的主流技术。为了降低大规模MU-MIMO中的高硬件成本和功耗，下行链路传输中的每个天线和射频（RF）链使用低分辨率数模转换器（DAC），这给预编码设计带来了挑战。为了克服这些障碍，我们在本文中开发了一种模型驱动的深度学习（DL）网络，用于使用有限字母预编码的大规模MU-MIMO。该网络的结构是专门设计的，通过展开的迭代算法。与传统的最先进的技术相比，所提出的基于DL的预编码器在性能、复杂度和对瑞利衰落信道下的信道估计误差的鲁棒性方面显示出显著的优势。
2020-06-28 cs.IT eess.SP math.IT
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
Uplink Performance of High-Mobility Cell-Free Massive MIMO-OFDM Systems
采用正交频分复用（OFDM）技术的高速训练（HST）通信近年来受到了极大的关注。此外，无蜂窝（CF）大规模多输入多输出（MIMO）被认为是一种有前途的技术，以达到最终的性能极限。本文主要研究了在HST通信中采用匹配滤波和大规模衰落解码（LSFD）接收的CF大规模MIMO-OFDM系统的性能。HST通信与小小区和蜂窝大规模MIMO-OFDM系统也进行了分析比较。考虑到多普勒频偏（DFO）对系统性能的不利影响，推导了各系统上行链路频谱效率（SE）的精确闭式表达式。根据仿真结果，我们发现，CF大规模MIMO-OFDM系统与LSFD实现了更大的SE和更低的SE下降百分比比其他系统。此外，增加接入点（AP）的数量和每个AP的天线数量可以有效地补偿DFO带来的性能损失。此外，在AP和HST之间存在最佳垂直距离以实现最大SE。
2022-01-24 cs.IT eess.SP math.IT
Scalability Aspects of Cell-Free Massive MIMO
普适无小区大规模MIMO（多输入多输出）在分布式架构中结合了大规模MIMO技术和以用户为中心的传输。网络中的所有接入点（AP）协作以在相同的时间-频率资源中联合且相干地服务于较少数量的用户。然而，这种协调需要大量的控制信令，这引入了额外的开销，而数据协同处理增加了回传/前传要求。因此，“整个世界”可以构成一个网络，并且所有AP将充当单个基站的概念是不可扩展的。在本研究中，我们解决了迄今为止在文献中被忽视的无小区大规模MIMO的一些系统可扩展性方面。特别是，我们提出和评估的解决方案，数据处理，网络拓扑结构和电源控制。结果表明，我们提出的框架实现了充分的可扩展性，在适度的性能损失相比，无细胞的大规模MIMO的规范形式的成本。
2019-09-06 cs.IT eess.SP math.IT
Achieving Distributed MIMO Performance with Repeater-Assisted Cellular Massive MIMO
本文提出中继器辅助的蜂窝大规模 MIMO，通过部署大量低成本小型无线中继器作为有源散射体，以较低代价逼近分布式 MIMO 性能。
2025-01-07 cs.IT eess.SP math.IT
Power Inversion of the Massive MIMO Channel
信道硬化的特点是小尺度衰落对大尺度天线系统的影响逐渐减小。介绍了大规模MIMO时域信道的有效性，并将其应用于具有矩形功率延迟分布的最大分集信道。该模型限制了信道硬化，并允许从无线电设计的角度进行适当的解释。有效信道的降低的可变性使得功率反转能够获得仅取决于大尺度衰落特性的下行链路信道。
2019-05-18 cs.IT eess.SP 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
Cascaded Channel Estimation for Large Intelligent Metasurface Assisted Massive MIMO
在这封信中，我们考虑的问题，信道估计的大型智能元表面（LIM）辅助大规模多输入多输出（MIMO）系统。这一问题的主要挑战在于，集成了大量低成本超材料天线的LIM只能以一定的相移被动反射入射信号，而不具备任何信号处理能力。为了解决这个问题，我们引入了一个通用的框架估计的发射机LIM和LIM接收机级联信道，并提出了一个两阶段的算法，包括一个稀疏矩阵分解阶段和一个矩阵完成阶段。仿真结果表明，该方法可以实现精确的信道估计LIM辅助的大规模MIMO系统。
2019-08-23 cs.IT eess.SP math.IT
Target Localization Accuracy Gain in MIMO Radar Based Systems
本文提出了一种分析的目标定位精度，可通过使用MIMO（多输入多输出）雷达系统，配置有多个发射和接收传感器，广泛分布在一个给定的区域。针对相干和非相干处理，提出了目标定位精度的克拉美-罗下界。相干处理需要所有发射和接收传感器的公共相位参考。CRLB被示出为在非相干情况下与信号有效带宽成反比，但在相干情况下与载波频率近似成反比。我们进一步证明，优化的传感器的位置降低CRLB的一个因素，等于产品的发送和接收传感器的数量。针对MIMO目标定位问题，推导了最佳线性无偏估计器（BLUE）。BLUE的效用在于提供闭合形式的定位估计，其便于分析传感器位置、目标位置和定位精度之间的关系。几何精度因子（GDOP）等值线用于绘制给定地理区域内给定雷达布局的相对性能精度。
2008-09-24 cs.IT 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
Massive MIMO Systems: Signal Processing Challenges and Research Trends
本文介绍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）的教程。介绍了大规模MIMO系统在信号处理方面面临的挑战和未来的发展趋势，并详细介绍了关键的应用场景。线性代数方法被认为是大规模MIMO架构的系统和数据模型的描述。讨论了大规模MIMO系统的工作要求，包括时分双工模式下的工作要求、资源分配和校准要求。特别是，发射和接收机处理算法的大规模MIMO系统的特定需求进行检查。仿真结果说明了性能的发送和接收处理算法的情况下的利益。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。
2013-10-28 cs.IT math.IT
User Association in Massive MIMO HetNets
大规模MIMO和小小区都被认为是未来5G无线系统的关键技术。在本文中，我们研究了具有大规模MIMO和小小区的异构网络（HetNet）中的用户关联问题，其中宏基站（BS）配备了大规模MIMO，而微微小区BS配备了常规MIMO。我们首先开发了集中式用户关联算法，并证明了最优性，考虑到各种目标，如速率最大化，比例公平性，联合用户关联和资源分配。然后，我们建模的大规模MIMO HetNet作为一个重复的游戏，这导致分布式用户关联算法证明收敛到纳什均衡（NE）。我们通过仿真与几种贪心算法进行比较，证明了这些优化方案的有效性。
2015-01-14 cs.IT math.IT
