Hybrid ARQ in Multiple-Antenna Slow Fading Channels: Performance Limits and Optimal Linear Dispersion Code Design
本文主要研究MIMO-ARQ慢衰落信道的基本性能限制和线性色散码的设计。分析了现有HARQ协议的最优平均速率。讨论了MIMO-ARQ信道中空时编码的优化设计问题。信息论的措施被用来优化的速率分配，并推导出最佳的设计准则，然后使用现有的空时码的最优性进行评估。通过对空时编码MIMO-HARQ的误码率分析，提出了一种不同的设计准则。最后通过仿真研究了空时编码MIMO系统中ARQ反馈的增益。
2009-05-25 cs.IT math.IT
Coordinated Hybrid Automatic Repeat Request; Extended Version
我们开发了一个协调的混合自动重传请求（HARQ）的方法。该方案中，如果一个用户消息在第一轮HARQ中被正确解码，则将其频谱分配给其他用户，从而提高网络中断概率和用户公平性。单天线和多天线的设置，得到的结果，证明了所提出的方法在不同条件下的效率。例如，在最多M个重传和单个发射/接收天线的情况下，用户的分集增益从M增加到（J+1）（M-1）+1，其中J是帮助该用户的用户的数量。
2014-12-22 cs.IT math.IT
Velocity-aware Antenna Selection in Predictor Antenna Systems
移动中继（MR），这是一个候选的解决方案，支持车载用户，已在不同的研究。由于MR的移动性质，由于车辆周围快速变化的环境，在发射机侧（CSIT）获取信道状态信息是具有挑战性的。在MR之上，可以使用预测器天线（PA），即，在接收天线（RA）前面的附加天线以获得CSIT，并且最近的工作已经研究了这种设置的益处。PA辅助的CSIT采集通常在MR的位置和速度等不同内容信息的帮助下工作。在本文中，我们研究了速度感知对PA系统的影响，并开发了PA辅助的MR中的自适应天线选择方案。结果表明，与无CSIT方案相比，基于速度感知天线选择的PA系统可以将端到端吞吐量提高一个数量级。
2021-09-30 cs.IT eess.SP math.IT
Predictor Antenna Systems: Exploiting Channel State Information for Vehicle Communications
车辆通信是第五代无线网络（5G）中最重要的用例之一。对以诸如频谱效率、峰值数据率和中断概率的性能度量为特征的服务质量（QoS）的不断增长的需求主要受到移动车辆周围快速变化的环境的信道状态信息（CSI）的不准确预测/估计的限制。为了提高QoS，增加CSI的预测范围的一种方式是部署预测器天线（PA）。PA系统由通常安装在车辆车顶上的两组天线组成，其中位于车辆前部的PA用于预测由在PA后面对准的接收天线（RA）观察到的CSI。然而，在现实的PA系统中，实际的益处受到各种因素的影响，包括空间失配、天线利用率、散射环境的时间相关性以及CSI估计误差。本文研究了在实际条件限制下PA系统的不同资源分配方案。
2020-05-19 cs.IT eess.SP math.IT
On the Performance of Millimeter Wave-based RF-FSO Multi-hop and Mesh Networks
研究了由毫米波射频链路和自由空间光链路组成的多跳网状网络的性能。在有和没有混合自动重传请求（HARQ）的情况下获得的结果。考虑到射频链路的毫米波特性，我们推导出了网络中断概率和各态历经可达速率的闭式表达式。我们还评估了各种参数，如功率放大器的效率，天线的数量，以及不同的RF和FSO链路的相干时间对系统性能的影响。最后，我们确定在RF链路中的发射天线的最小数目，使得在基于RF和基于FSO的跳中支持相同的速率。结果表明，在不同的条件下的RF-FSO设置的效率。此外，HARQ可以有效地提高中断概率/能量效率，并补偿RF-FSO网络中的硬件损伤的影响。对于RF-FSO双跳网络的公共参数设置，中断概率为10 dB {-4}，码率为每信道使用3 nats，与开环通信的情况相比，最多2次和3次重传的HARQ的实现分别将所需功率降低了13 dB和17 dB。
2017-03-27 cs.IT math.IT
Predictor Antennas for Moving Relays: Finite Block-length Analysis
在未来的无线网络中，我们预计大量设备将通过安装在车辆上的移动中继连接到移动网络，特别是在公共交通车辆中。为了给高速移动中继提供准确的信道状态信息，人们提出了多种方法，其中预测天线（PA）是一种很有前途的方法。这里，PA系统指的是这样的设置，其中两组天线部署在车辆顶部，并且前天线可以用于预测后面天线的信道状态信息。在本文中，我们研究了延迟受限性能的PA系统采用自适应速率分配。我们使用有限块长码的可达速率的基本结果来研究系统的吞吐量和错误概率在短分组的存在。特别地，我们推导了错误概率、平均传输速率以及最优速率分配的封闭形式的表达式，并研究了不同参数对PA系统性能的影响。结果表明，有限块长码字下的速率自适应可以提高系统的性能
2020-08-31 cs.IT eess.SP math.IT
Rate Adaptation in Predictor Antenna Systems
预测天线（PA）系统是指在车辆车顶上具有两组天线的系统，其中位于车辆前部的PA用于预测由在PA后面对准的接收天线（RA）观察到的信道状态。这封信研究了PA系统在存在失配问题时的性能，即，当PA观察到的信道与RA经历的信道不完全相同时。特别地，我们研究了空间失配对信道状态信息估计精度和速率自适应的影响。我们推导出封闭形式的瞬时吞吐量，中断概率和吞吐量优化的速率自适应表达式。此外，我们考虑到信道的时间演变，并评估系统的性能在时间相关的条件。仿真和分析结果表明，PA辅助的自适应速率自适应导致相当大的性能改善，吞吐量和中断概率显着影响的空间失配和时间相关性。
2020-05-11 cs.IT eess.SP math.IT
Predictor Antenna: A Technique to Boost the Performance of Moving Relays
在未来的无线系统中，大量的用户可以通过安装在车辆顶部的移动中继（MR）来访问网络。MR的主要挑战之一是快速信道变化，这可能使信道估计及其后续过程变得困难。为了解决这些问题，设计了各种方案，其中预测天线（PA）是一种候选方案。PA设置是指在车辆顶部具有两个（组）天线的系统，其中位于车辆前方的PA被用于预测向PA后方对准的接收天线（RA）进行数据传输所需的信道状态信息。本文介绍了声强系统的概念和潜力。此外，总结现场试验的PA和3GPP尝试（移动）中继，我们比较了不同的PA和非PA方法的性能，车辆通信在城市和农村地区的PA设置回程通过地面或卫星技术，分别。正如我们所展示的，在典型的参数设置和车辆速度下，与最先进的开环方案相比，单天线PA辅助设置可以将MR的回程吞吐量提高高达50%。
2021-05-05 cs.IT eess.SP math.IT
A Semi-Linear Approximation of the First-Order Marcum $Q$-function with Application to Predictor Antenna Systems
一阶Marcum $Q$ -函数在各种问题公式中观察到。但是，它不是一个容易处理的功能。为此，本文首先给出了Marcum $Q$ -函数的半线性逼近。我们提出的近似是有用的，因为它简化了，例如，包括Marcum $Q$ -函数的各种积分计算以及诸如参数优化的不同操作。然后，作为一个感兴趣的例子，我们将我们提出的近似方法的预测天线（PA）系统的性能分析。这里，PA系统被称为在车辆车顶上具有两组天线的系统。然后，位于车辆前方的PA可以用于改善用于在PA后方对准的接收天线的数据传输的信道状态估计。考虑到由于移动性的空间失配，我们推导出封闭形式的瞬时和平均吞吐量以及吞吐量优化的速率分配的表达式。正如我们所示，我们提出的近似方案使我们能够分析PA系统的高精度。此外，我们的研究结果表明，速率自适应可以提高PA系统的性能与不同程度的空间失配。
2020-12-09 cs.IT eess.SP math.IT
Predicting Multi-Antenna Frequency-Selective Channels via Meta-Learned Linear Filters based on Long-Short Term Channel Decomposition
King’s College London（伦敦国王学院）
用于多天线频率选择性信道的有效的数据驱动预测策略必须基于少量的导频符号操作。本文提出了新的信道预测算法，通过将传输和元学习与信道的降秩参数化相结合来实现这一目标。所提出的方法通过利用来自先前帧的数据来优化线性预测器，所述先前帧通常以不同的传播特性为特征，以便能够在当前帧的时隙上进行快速训练。所提出的预测依赖于一种新的长短期分解（LSTD）的线性预测模型，利用分解成长期的空间-时间签名和衰落幅度的信道。我们首先开发基于传输/元学习二次正则化的单天线频率平坦信道的预测器。然后，我们介绍了基于平衡传播（EP）和交替最小二乘（ALS）的基于LSTD的预测模型的迁移和元学习算法。在3GPP 5G标准信道模型下的数值结果证明了转移和元学习对减少用于信道预测的导频数量的影响，以及所提出的LSTD参数化的优点。
2022-03-23 cs.IT cs.LG eess.SP
Performance Analysis for Training-Based Multi-Pair Two-Way Full-Duplex Relaying with Massive Antennas
研究了一种多对双向放大转发中继系统，其中多对全双工用户通过一个具有大量天线的全双工中继进行服务，中继采用最大比合并/最大比传输（MRC/MRT）处理。首先利用正交导频方案和最小二乘法估计信道状态信息（CSI）。当中继天线的数量是有限的，我们推导出一个近似的和速率表达式，这是一个很好的预测遍历和速率，特别是在大量的天线。然后采用另一种导频方案估计每个用户对的复合CSI，以减少信道估计的导频开销，从而得到相应的可达速率表达式。我们分析了这两种导频方案的可实现速率，然后展示了这两种方法的相对优点。在此基础上，分别基于和速率最大化和最大最小公平性准则，提出了用户和中继的功率分配策略。最后，数值结果验证了分析结果的准确性，并显示所提出的功率分配所取得的性能增益。
2016-12-14 cs.IT math.IT
Massive MIMO Channel Prediction: Kalman Filtering vs. Machine Learning
Korea Advanced Institute of Science and Technology（韩国科学技术院）；Samsung Electronics Co., LTD（三星电子有限公司）
本文主要研究大规模多输入多输出（MIMO）系统中的信道预测技术。以往的信道预测方法都是建立在理论信道模型的基础上的，这会偏离实际信道。在本文中，我们开发和比较基于矢量卡尔曼滤波器（VKF）的信道预测器和基于机器学习（ML）的信道预测器，使用来自空间信道模型（SCM）的真实信道，它已被采用在3GPP标准多年。首先，我们提出了一个低复杂度的移动性估计器的基础上的空间平均使用大量的天线在大规模MIMO。移动性估计可用于确定开发的预测器的复杂性顺序。本文提出的基于VKF的信道预测器利用了基于Yule-Walker方程的SCM信道自回归（AR）参数。然后，基于ML的信道预测器使用线性最小均方误差（LMMSE）的噪声预处理的数据被开发。数值结果表明，这两种信道预测器在信道预测精度和数据率方面都比过时信道有很大的增益。基于ML的预测器具有比基于VKF的预测器更大的总体计算复杂性，但是一旦训练，基于ML的预测器的操作复杂性变得比基于VKF的预测器的操作复杂性小。
2020-09-21 cs.IT cs.LG math.IT
Transformer-Based Rate Prediction for Multi-Band Cellular Handsets
本文提出基于Transformer的神经网络架构，用于在稀疏历史测量下预测多天线阵列和频段的可实现速率，通过密集城区微蜂窝环境的射线追踪模拟验证，优于基线预测器，实现更合理的频段选择。
2026-03-18 cs.IT cs.LG eess.SP
High-Rate Uninterrupted Internet-of-Vehicle Communications in Highways: Dynamic Blockage Avoidance and CSIT Acquisition
在未来的无线网络中，感兴趣的用例之一是车联网（IoV）。在这里，车联网是指两种不同的功能，即服务于车载用户和支持联网车辆功能，两者都可以由安装在车辆顶部的收发器很好地提供。车载收发器的这种双重功能意味着严格的速率和可靠性要求，为此可能需要以毫米波（mmW）频率进行通信。然而，mmW下的IoV通信需要最新的信道状态信息（CSI）和阻塞避免。在这篇文章中，我们将最近提出的预测天线（PA）的概念到一个大规模的合作PA（LSCPA）的设置，通过基站（BS）/车辆的合作，避免了时间阻塞和CSI过时。总结正在进行的标准化进展，使车联网通信，我们提出了LSCPA设置的潜力和挑战，并比较合作和非合作方案对车联网链路性能的影响。如我们所示，BS合作和阻塞/CSI预测可以显着提高IoV链路的性能。
2022-04-11 cs.IT eess.SP math.IT
