Covariance-Based Joint Device Activity and Delay Detection in Asynchronous mMTC
在这封信中，我们研究了异步大规模机器类型通信（mMTC）中的联合设备活动和延迟检测问题，其中所有活动设备异步地将其预先分配的前导序列发送到基站（BS）进行设备识别和延迟检测。我们首先制定这个联合检测问题作为一个最大似然估计问题，这取决于接收信号，只有通过其样本协方差，然后提出有效的坐标下降型算法来解决制定的问题。我们提出的基于协方差的方法是从现有的压缩感知（CS）的方法为相同的问题急剧不同。数值结果表明，我们提出的基于协方差的方法显着优于CS方法的检测性能方面，因为我们提出的方法可以更好地利用BS天线比CS方法。
2022-01-14 cs.IT eess.SP math.IT
Precise Analysis of Covariance Identifiability for Activity Detection in Grant-Free Random Access
本文研究大规模 MIMO 免授权随机接入中基于最大似然的活动检测可辨识性问题，解析刻画了随机签名相变曲线的边界，理论结果与数值实验高度吻合。
2024-06-03 cs.IT eess.SP math.IT
Supporting More Active Users for Massive Access via Data-assisted Activity Detection
大规模机器类型通信（mMTC）已经被认为是第五代（5G）及以后无线网络中最重要的使用场景之一，其要求大量设备的可扩展接入。虽然免费随机接入已成为大规模接入的一个有前途的机制，但其潜力尚未充分释放。特别是在大规模接入系统中，现有的研究大多将用户活动检测和数据检测这两个关键任务分开处理，忽略了接收到的导频和数据信号中共同的稀疏模式。此外，有效载荷数据中的检错和纠错提供了用于性能改进的附加机制。在本文中，我们提出了一个数据辅助的活动检测框架，其目的是通过减少活动检测错误，包括误报和漏检错误，以支持更多的活跃用户。具体地，在基于导频符号的初始活动检测步骤之后，通过对数据符号应用能量检测来过滤虚警用户;一旦一些活动用户的数据符号已经被成功解码，则它们在活动检测中的影响将通过连续的导频干扰消除来解决，这减少了漏检测误差。仿真结果表明，该算法有效地提高了活动检测的准确性，在某些场景下，与传统方法相比，能够支持$\sim 20\%$更多的活动用户。
2021-02-17 cs.IT eess.SP math.IT
Robust Covariance-Based Activity Detection for Massive Access
针对实际无线信道不满足块衰落假设、免授权随机接入中跨资源块联合处理不可取的问题，提出将信道衰落向量投影到主方向的低维近似方法，提升了活动检测算法的性能。
2024-05-15 cs.IT eess.SP math.IT
Exploiting Spatial Correlation for Pilot Reuse in Single-Cell mMTC
作为大规模机器类型通信（mMTC）的关键使能器，空间复用依赖于大规模多输入多输出（mMIMO）技术来服务于大量用户设备（UE）。为了利用空间复用，需要通过导频信号进行精确的信道估计。在mMTC系统中，向每个UE分配唯一的正交导频序列是不切实际的，因为这将需要太长的导频序列，从而降低频谱效率。本工作解决了相关衰落信道的信道特征的设计，以协助导频分配下的正交序列的导频复用的多扇区mMTC系统。为了减少导频冲突，并使导频重用，我们建议从信道协方差矩阵，反映UE信道之间的正交性的水平提取功能。研究了两种特征：协方差矩阵距离（CMD）特征和CMD辅助信道图（CC）特征。在误符号率和可达速率方面，基于CC的特征显示出优于基于CMD的特征和基线导频分配算法的性能。
2021-04-24 eess.SP
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
User Activity Detection for Irregular Repetition Slotted Aloha based MMTC
不规则重复时隙ALOHA（Irregular Repetition Slotted Aloha，IRSA）是一种用于大规模机器类型通信的免授权随机接入协议，其中大量用户零星地向基站（BS）发送他们的数据分组。IRSA是一种完全分布式的多址接入协议：在任何给定的帧中，用户的一个小子集，即，活动用户在随机选择的资源元素（RE）中发送其分组的副本。在BS处的解码过程中的第一步是检测在每个帧中哪些用户是活动的。为此，开发了一种新的贝叶斯用户活动检测（UAD）算法，该算法利用了用户活动的稀疏性以及基于IRSA的传输的底层结构。其次，推导了信道估计中均方误差的克拉美-罗界。经验表明，作为所提出的UAD算法的副产品获得的信道估计实现了CRB。然后，考虑到UAD、信道估计误差和导频污染，分析了用户实现的信号与干扰加噪声比。这些非理想的影响，IRSA的吞吐量说明通过蒙特卡罗模拟。例如，在具有1500个用户并且每帧10%的用户是活动的系统中，低至20个符号的导频长度对于精确的用户活动检测是足够的。相反，使用用于UAD的经典压缩感知方法将需要大约346个符号的导频长度。结果还揭示了关键的见解依赖UAD错误和吞吐量的参数，如导频序列的长度，在BS的天线的数量，用户的数量，和信噪比。
2022-06-23 cs.IT eess.SP math.IT
Can Massive MIMO Support URLLC?
我们研究了使用大规模MIMO来支持URLLC在基于相干间隔和3GPP兼容的导频设置中的可行性。我们考虑了使用MMSE接收机的免授权上行传输，并采用3GPP信道模型。在基于相干间隔的导频设置中，通过大量的系统级仿真，我们发现使用具有128个天线和MMSE接收机的大规模MIMO基站，可以在具有正交导频和Neyman-Pearson检测器的城市宏（UMa）非视距（NLoS）中实现URLLC要求。然而，在符合3GPP的导频设置中，即使通过使用物理资源块（PRB）子载波的协方差矩阵用于活动UE检测和信道估计以及开环功率控制，我们发现由于PRB中的导频长度和导频符号位置规定不足，URLLC要求仍然难以实现。
2021-02-23 cs.IT eess.SP math.IT
Joint Activity-Delay Detection and Channel Estimation for Asynchronous Massive Random Access: A Free Probability Theory Approach
本文针对异步免授权大规模随机接入，提出基于OAMP和自由概率AMP的联合用户活动检测、时延检测与信道估计算法，在保持检测精度的同时显著降低计算复杂度。
2024-02-28 cs.IT eess.SP math.IT
Random Pilot and Data Access for Massive MIMO Spatially Correlated Rayleigh Fading Channels
由于导频序列的限制和设备活动的间歇模式，在拥挤的场景中随机接入是必要的。目前，大多数相关的工作是基于独立同分布（i.i.d.）渠道然而，大规模多输入多输出（MIMO）信道并不总是独立同相的。在现实的室外无线传播环境中。针对空间相关瑞利衰落信道下的上行大规模多输入多输出系统，提出了一种设备分组和导频集分配算法。首先，将设备分成多个组，并且同一组内的设备的信道协方差矩阵近似正交。在每个组中，分配专用导频集。然后，有源设备执行随机导频和数据接入过程。推导了该方案的信道估计均方误差（MSE-CE）和频谱效率，并证明了当冲突设备具有非重叠的到达角（AoA）间隔时，MSE-CE最小。仿真结果表明，该协议的MSE-CE和频谱效率比传统方案有了提高。特别是对于长导频序列，所提出的方案的MSE-CE在宽信噪比（SNR）区域上接近理论下限。此外，MSE-CE性能增益在高SNR和强相关场景中是显著的。
2019-08-15 cs.IT eess.SP math.IT
Uplink-Downlink Channel Covariance Transformations and Precoding Design for FDD Massive MIMO
当今部署的大多数蜂窝网络利用频分双工（FDD），其中与时分双工（TDD）相比，信道互易性不成立，并且需要显式下行链路（DL）探测和上行链路（UL）反馈以便实现空间复用增益。为了支持大规模MIMO，由常规DL探测和UL反馈方案引起的开销随着BS天线的数量线性缩放，并且因此可能非常大。在本文中，我们提出了一种新的方法来实现一个非常有竞争力的空间复用增益和探测反馈开销之间的权衡在这样的系统。我们的方法基于两种新颖的方法：（i）基于深度神经网络（DNN）的有效正则化技术，其学习用户信道的角度扩展函数（ASF）并允许从噪声i.i.d.通过UL导频自由获得的信道观测（UL-DL协方差变换），（ii）一种新的“稀疏化预编码”技术，其使用来自（i）的估计的DL协方差矩阵并且在DL信道上施加受控的稀疏性，使得给定任何分配的DL导频维度，能够找到最佳稀疏水平和相应的稀疏化预编码器，稀疏化之后的信道向量可以在BS处以低均方误差来估计。我们通过数值模拟将我们在（i）中提出的基于DNN的方法与文献中的其他方法进行了比较，并表明它产生了非常有竞争力的性能。我们还比较了我们的稀疏化预编码器（ii）与最先进的统计波束形成方法的假设下，这些方法也有机会在DL的协方差知识，并表明，我们的方法产生更高的频谱效率，因为它使用另外的瞬时信道信息稀疏化后。
2019-12-05 cs.IT eess.SP math.IT
Joint Estimation of Clustered User Activity and Correlated Channels with Unknown Covariance in mMTC
本文考虑了联合用户识别和信道估计（JUICE）在免授权接入与\emph{clustered}用户活动模式。特别是，我们解决了大规模机器类型通信（mMTC）网络下的相关瑞利衰落信道与未知的信道协方差矩阵的果汁。我们将JUICE问题公式化为具有适当选择的先验的最大\emph{a posteriori}概率（MAP）问题，以结合UE的集群活动的部分知识和未知的协方差矩阵。我们推导出一个计算效率高的算法交替方向的乘法器（ADMM）的基础上，通过一系列的封闭形式的更新迭代地解决MAP问题。数值结果突出了所提出的方法在信道估计和聚类用户活动模式的活动检测性能方面所带来的显着改善。
2022-11-30 eess.SP
Joint Activity-Delay Detection and Channel Estimation for Asynchronous Massive Random Access
本文针对异步免授权大规模随机接入系统，提出了基于OAMP和MAMP的联合用户活动检测、时延检测与信道估计算法，在保证精度的同时显著降低了计算复杂度。
2023-05-21 cs.IT eess.SP math.IT
Error Rate Analysis for Grant-free Massive Random Access with Short-Packet Transmission
免授权大规模随机接入（RA）是一种支持5G及更高网络中的大规模机器类型通信（mMTC）场景的有前途的协议。在本文中，我们专注于出错率分析在免授权的大规模RA，这是至关重要的实际部署，但还没有得到很好的研究。我们考虑一个两阶段的帧结构，与活动检测和信道估计的导频传输阶段，其次是编码的数据符号的数据传输阶段。考虑到短分组传输的特点，我们分析了块出错率（BLER）在有限块长度制度来表征数据传输性能。该分析包括表征活动检测和信道估计误差以及应用随机矩阵理论（RMT）来分析后处理信噪比（SNR）的分布。作为一个案例研究，推导出的BLER表达式进一步简化，以优化导频长度。仿真结果验证了我们的分析，并表明其有效性的导频长度优化。
2022-05-11 cs.IT eess.SP math.IT
Structured Channel Covariance Estimation from Limited Samples in Massive MIMO
获取信道协方差知识在各种多输入多输出MIMO通信应用中是非常重要的，包括信道估计和协方差用户分组。在大规模MIMO系统中，由于基站中采用的大量天线（$M\gg 1$）以及因此的高信号维度，协方差估计被证明是具有挑战性的。在这种情况下，导频传输的数量$N$变得与天线的数量相当，并且诸如样本协方差的标准估计器产生真实协方差的差的估计并且是不期望的。在本文中，我们提出了一个最大似然（ML）大规模MIMO协方差估计，基于信道角扩展函数（ASF）的参数表示。参数表示出现从超分辨离散ASF组件通过众所周知的多信号分类（MUSIC）方法加上近似其连续组件使用合适的有限支持密度函数。我们最大化的似然函数使用凹凸过程，这是通过一个非负最小二乘优化问题初始化。我们的仿真结果表明，所提出的方法优于现有技术在各种估计质量指标，并为不同的样本大小，信号维数（$N/M$）的比例。
2019-10-31 cs.IT eess.SP math.IT
Covariance-Based Activity Detection in Cooperative Multi-Cell Massive MIMO: Scaling Law and Efficient Algorithms
本文研究多小区大规模MIMO中基于协方差的活动检测，证明了活跃设备数随签名序列长度二次增长、随小区数对数下降的标度律，并提出两种具有收敛保证的高效加速坐标下降算法。
2024-10-21 cs.IT eess.SP math.IT
Joint Activity Detection and Channel Estimation in Cell-Free Massive MIMO Networks with Massive Connectivity
无小区大规模MIMO技术是未来无线通信的关键技术之一，在该技术中，用户同时由所有接入点（AP）联合服务。本文研究了具有大规模连接性的无小区大规模MIMO系统中有效信道系数的最小均方误差（MMSE）估计。为了便于理论分析，本文仅考虑基于单测量向量（SMV）的MMSE估计，即，基于在每个AP处接收的导频信号分别执行MMSE估计。受副本对称假设MMSE估计的解耦原理的启发，提出了一种独立同分布（i.i.d.）非零分量的情况下，提出了基于SMV的独立非同分布（i.n.i.d.）非零分量，这在大规模连接的无小区大规模MIMO系统中基于SMV的有效信道系数MMSE估计的理论分析中起着关键作用。随后，基于MMSE估计的解耦原理、似然比检验和最优融合规则，实现了基于单个接入点接收到的导频信号的用户活动检测，或者在整个接入点集合中协作进行集中式或分布式检测。通过理论分析，我们表明，集中式和分布式检测的错误概率趋于零时，AP的数量趋于无穷大，而用户和导频的数量之间的渐近比例保持不变。利用随机矩阵理论研究了具有大规模连通性的无单元大规模MIMO系统中预言估计的渐近行为。
2021-12-24 cs.IT eess.SP math.IT
An Efficient Active Set Algorithm for Covariance Based Joint Data and Activity Detection for Massive Random Access with Massive MIMO
针对大规模随机接入系统中大规模多输入多输出（MIMO）的联合数据和活动检测问题，提出了一种计算效率高的算法。BS通过检测所发送的预分配的非正交签名序列来获取活动设备及其数据。本文采用了协方差为基础的方法，制定检测问题的最大似然估计（MLE）的问题。为了有效地解决这个问题，本文设计了一种新的迭代算法，具有低复杂度的制度，设备活动模式是稀疏的$\unicode{x2013}$的一个关键功能，现有的算法设计以前没有利用降低复杂度。具体地，在每次迭代时，所提出的算法仅关注所有潜在序列的一个小子集，即活动集，其包含几个最可能的活动序列（即，由所有活动设备发送的序列），并对活动集中的序列执行检测。在每次迭代中，基于当前检测结果和MLE问题的一阶最优性条件仔细选择活动集。仿真结果表明，所提出的有效集算法享有显着更好的计算效率（在CPU时间方面）比国家的最先进的算法。
2021-02-06 cs.IT eess.SP math.IT
Study of Adaptive Activity-Aware Constellation List-Based Detection for Massive Machine-Type Communications
在这项工作中，我们提出了一个自适应的基于列表的判决反馈检测器，以及一个$l_0$范数正则化递归最小二乘算法，只需要导频符号（AA-CL-DF）。提出的检测器采用基于信号星座点的列表策略来生成不同的检测候选。仿真结果表明，所提出的AA-CL-DF成功地减轻了错误传播，并接近Oracle LMMSE算法的性能。
2019-12-14 cs.IT eess.SP math.IT
Study of Adaptive Activity-Aware Iterative Detection Techniques for Massive Machine-Type Communications
这项工作研究了免授权低数据速率大规模机器对机器通信（mMTC）的上行链路，其中设备只是偶尔活动，这需要在接收器处进行联合活动和数据检测。我们开发了一个自适应判决反馈检测器，以及一个$l_0$范数正则化的活动感知递归最小二乘算法，只需要导频符号。针对mMTC中的信号检测问题，提出了一种基于低密度奇偶校验（LDPC）的迭代检测和解码方案。仿真结果表明，所提出的方法对现有的计划的性能。
2019-07-30 cs.IT eess.SP math.IT
Distributed Joint User Activity Detection, Channel Estimation, and Data Detection via Expectation Propagation in Cell-Free Massive MIMO
针对免授权无蜂窝大规模MIMO系统上行链路，提出基于期望传播的分布式联合活动检测、信道估计与数据检测算法JACD-EP，通过因子图消息传递减轻导频污染，性能优于现有算法。
2025-01-31 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
Grant-Free Access via Bilinear Inference for Cell-Free MIMO with Low-Coherent Pilots
提出了一种新的用于符合第五代（5G）新无线电（NR）正交频分复用（OFDM）信令的无小区多输入多输出（MIMO）系统的联合活动、信道和数据估计（JACDE）方案。贡献的目的是允许显着的开销减少无小区MIMO系统，使免授权接入，同时保持适度的吞吐量每用户。为此，我们扩展了传统的MIMO OFDM协议，以便将活动检测能力，而不诉诸于扩展信息数据符号，与相关的工作，通常依赖于信号扩展。我们的方法利用贝叶斯消息传递方案的基础上高斯近似，联合执行主动用户检测（AUD），信道估计（CE），和多用户检测（MUD），还结合了一个结构良好的低相干导频设计的基础上框架理论，减轻导频污染，并最终补充与检测器授权的双线性消息传递。仿真结果表明，所得到的JACDE为基础的免授权接入方案，而无需扩展数据序列的功效，这被证明是显着优于当前的最先进的和接近的理想化的（天才辅助）计划，其中用户活动和信道系数是完全已知的性能。
2020-09-27 eess.SP
Covariance-Aware MM-PGD for Mixed Near-/Far-Field Activity Detection
Aalto University（阿尔托大学）；Zhejiang University（浙江大学）；Southern Illinois University（南伊利诺伊大学）；Villanova University（维拉诺瓦大学）
针对混合近场/远场无授权活动检测，提出协方差感知的MM-PGD检测器，联合更新活动向量，相比逐坐标基线漏检概率降低达20倍。
2026-09-10 eess.SP
Detection of Abrupt Change in Channel Covariance Matrix for Multi-Antenna Communication
信道协方差矩阵的知识对于多天线系统中瞬时信道的估计和波束形成向量的设计是至关重要的。实际上，由于环境和用户位置的变化，可能会发生信道协方差矩阵的突然变化。虽然一些工作已经提出了有效的算法来估计信道协方差矩阵发生任何变化后，如何检测这种变化准确，快速仍然是一个开放的问题，在文献中。在本文中，我们专注于多天线基站（BS）和单天线用户设备（UE）之间的信道协方差变化检测。为了提供理论上的性能极限，我们首先提出了一种基于对数似然比（LLR）检验的Genie辅助变化检测器，并给出了相应的误检概率和虚警概率。然后，本文考虑了实际情况下，改变后的信道协方差矩阵是未知的。最大似然（ML）估计技术用于基于在一定数量的相干块上接收到的导频信号来预测协方差矩阵，在此基础上采用基于LLR的变化检测器。数值结果表明，我们所提出的计划可以检测到的变化与低错误概率，即使当信道样本的数量很小，估计的协方差矩阵是不准确的。这一结果验证了在实际应用中准确、快速地检测信道协方差变化的可能性。
2021-09-09 cs.IT eess.SP math.IT
A Dimension Reduction-Based Joint Activity Detection and Channel Estimation Algorithm for Massive Access
免授权随机接入是一种很有前途的协议，可以支持具有零星流量的超第五代（B5G）蜂窝物联网（IoT）中的大规模接入。具体地，在每个相干间隔中，基站（BS）在数据传输之前执行联合活动检测和信道估计（JADCE）。由于大规模天线阵列的部署和大量物联网设备的存在，JADCE通常具有较高的计算复杂性，并且需要较长的导频序列。为了解决这些问题，本文提出了一种降维方法，该方法利用原始设备状态矩阵的稀疏和低秩结构将其投影到低维空间。然后，我们开发了一个优化的设计框架与耦合的全列秩约束的JADCE，以减少搜索空间的大小。然而，由此产生的问题是非凸的和高度棘手的，其中传统的凸松弛方法是不适用的。为此，我们提出了一种对数光滑化方法，将目标函数的感兴趣矩阵转化为半正定矩阵，并给出了一种求解复域问题的黎曼信赖域算法.仿真结果表明，该算法对大规模的JADCE问题是有效的，并且与只利用设备状态矩阵稀疏性的现有算法相比，所需的导频序列更短。
2019-12-18 cs.IT eess.SP math.IT
Joint Approximate Covariance Diagonalization with Applications in MIMO Virtual Beam Design
我们研究的问题的最大似然（ML）估计的一个近似的共同特征结构，即近似的共同特征向量集（CES），协方差矩阵的集合给出了其相关的i.i.d向量实现。该问题在多用户MIMO通信中具有直接应用，其中基站（BS）通过导频传输访问瞬时用户信道向量并且尝试执行联合多用户下行链路（DL）预编码。人们普遍认为，这个任务的有效实现取决于一组共同的“虚拟波束”的适当设计，捕获用户信道协方差之间的共同本征结构。在本文中，我们提出了一种新的方法来获得这个共同的特征结构铸造它作为一个ML估计问题。我们证明了在协方差可联合对角化的特殊情况下，所提出的ML问题的全局最优解与公共特征结构一致。然后，我们提出了一个投影梯度下降（PGD）方法来解决酉矩阵流形上的ML优化问题，并证明了其收敛到一个稳定点。通过详尽的模拟，我们说明，在联合对角化协方差的情况下，我们提出的方法收敛到确切的CES。此外，在协方差不可联合对角化的一般情况下，它会产生一个近似对角化所有协方差的解决方案。此外，实验结果表明，我们提出的方法优于著名的联合近似对角化的特征矩阵（JADE）方法在文献中。
2020-05-29 cs.IT eess.SP math.IT
Deep-Learning Aided Channel Training and Precoding in FDD Massive MIMO with Channel Statistics Knowledge
提出了一种基于深度神经网络（DNN）的FDD大规模MIMO中的信道训练和预编码方法，利用下行链路（DL）信道协方差知识。DNN被优化以通过基于用户信道协方差产生预波束成形矩阵来最大化DL多用户和速率，该预波束成形矩阵将原始信道向量映射到有效信道。这些有效信道的测量在用户处经由公共导频传输接收，并且通过模拟反馈发送回基站（BS）而无需进一步处理。BS根据接收到的反馈估计有效信道，并且通过在有效信道上将优化的预波束成形矩阵与迫零预编码器级联来构造线性预编码器。我们表明，所提出的方法产生显着更高的总速率比国家的最先进的基于DNN的信道训练和预编码方案，特别是在小导频和反馈大小相对于信道相干块长度的情况下。与文献中的许多作品不同，我们的主张不涉及在用户端部署DNN，这通常会带来很高的计算成本和系统上的参数传输开销，因此更加实用。
2023-03-20 cs.IT eess.SP math.IT
Joint Activity Detection and Data Decoding in Massive Random Access via a Turbo Receiver
在本文中，我们提出了一个涡轮接收机的联合活动检测和数据解码在免授权的大规模随机接入，迭代之间的检测器和置信传播（BP）为基础的信道解码器。具体而言，负责用户活动检测，信道估计，和软数据符号检测，检测器是基于双线性推理问题，利用在接收到的导频和数据信号的共同稀疏模式。采用双线性广义近似消息传递（BiG-AMP）算法，利用信道解码器估计的发送数据符号概率作为先验知识，解决了该问题。此外，从检测器导出外部信息以提高解码器的信道解码精度。仿真结果表明，与传统的设计相比，所提出的Turbo接收机实现了显着的改善。
2021-07-20 cs.IT eess.SP math.IT
Heterogeneous Transformer: A Scale Adaptable Neural Network Architecture for Device Activity Detection
为了支持现代机器类型通信，在随机接入阶段期间的关键任务是设备活动检测，其基于在接入点处接收的信号从大量潜在设备中检测活动设备。通过利用信道的统计特性，已经证明了最先进的基于协方差的方法比基于压缩感知的方法实现更好的活动检测性能。然而，基于协方差的方法需要解决一个高维的非凸优化问题，通过更新每个设备的活动状态的估计顺序。由于更新的数量与设备数量成比例，因此计算复杂性和延迟使得迭代更新难以实时实现，特别是当设备数量按比例增加时。受深度学习在实时推理方面的成功启发，本文提出了一种基于学习的方法，该方法具有定制的异构Transformer架构，用于设备活动检测。该方法通过在结构设计中引入注意力机制，能够提取设备导频与接收信号之间的相关性，对不同设备具有排列等变性，并对不同数量的设备具有规模适应性。仿真结果表明，该方法实现了更好的活动检测性能与更短的计算时间比国家的最先进的协方差方法，以及推广到不同数量的设备，BS天线，和不同的信噪比。
2021-12-19 cs.IT cs.NI eess.SP
Scheduling Versus Contention for Massive Random Access in Massive MIMO Systems
大规模机器类型通信协议通常是在用户之间的协调需要显著的通信开销并且因此是不切实际的假设下设计的。然而，在有效的活动检测和无冲突调度的最新进展表明，协调的成本可以远远低于天真的计划调度。这项工作考虑的情况下，大量的设备与零星的流量寻求访问一个大规模的多输入多输出（MIMO）基站（BS），并探讨了一种方法，在该方法中，设备活动检测之后是一个单一的共同反馈广播消息，这是用来调度活跃的用户到不同的传输时隙，并分配正交导频的用户进行信道估计。建议的协调通信方案相比，两个流行的竞争为基础的计划：编码导频接入，这是基于编码时隙ALOHA的原则，和一个近似的消息传递计划联合用户活动检测和信道估计。数值结果表明，预定的大规模访问提供了显着的增益，在每个时隙的成功传输的数量和总速率，由于减少干扰，在只有一个小的反馈成本。
2022-07-09 cs.IT eess.SP math.IT
Hierarchical MTC User Activity Detection and Channel Estimation with Unknown Spatial Covariance
本文针对MTC网络中未知空间协方差下的联合用户识别与信道估计问题，提出基于尖峰-平板先验的贝叶斯推断及ADMM高效求解算法，显著提升性能并增强鲁棒性。
2023-10-16 eess.SP
MCRB and MSE Analysis for Parameter Estimation in AFDM-ISAC Systems
Shanghai Jiao Tong University（上海交通大学）；University of Surrey（萨里大学）
针对AFDM-ISAC系统中实际模型失配问题，扩展CRB为通用观测模型，推导失配CRB（MCRB）和均方误差下界（LB），揭示导频配置对估计精度的影响。
2026-06-24 eess.SP
Activity Detection for Massive Random Access using Covariance-based Matching Pursuit
针对物联网机器类通信中传统两阶段用户活动检测算法效率低的问题，提出无需显式信道估计的协方差学习匹配追踪算法，通过贪心估计活跃用户索引提升了检测性能与效率。
2025-03-20 eess.SP
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
Covariance-Based Device Activity Detection with Massive MIMO for Near-Field Correlated Channels
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
A Radio Map Approach for Reduced Pilot CSI Tracking in Massive MIMO Networks
本文提出一种无线电地图嵌入式切换卡尔曼滤波框架，在减少导频且无精确位置标签下联合跟踪CSI与位置，实现超97%完美CSI容量并将定位误差降至6米。
2025-08-12 eess.SP
Channel estimation: unified view of optimal performance and pilot sequences
信道估计在大多数通信系统中是至关重要的，以便优化数据速率/能量消耗折衷。在现代系统中，可能大量的发射/接收天线和子载波使得该任务变得困难。因此，设计产生良好性能的合理大小的导频序列是至关重要的。传统上，通过将信道视为随机向量并假设其分布的知识来减少导频的数量。在实践中，这需要估计信道协方差矩阵，这可能是计算上昂贵的并且不适于具有高移动性的场景。在本文中，另一种观点被认为是，其中的通道是一个未知的确定性参数的函数。在这种情况下，设计最佳的导频序列的最小可能的大小的问题进行了研究的任何参数信道模型。为此，给出了该一般信道估计问题的Cram{é}r-Rao界（CRB），突出了其对引入的变化空间的关键依赖性。然后，确定导频序列的最小长度和CRB的最小值。在此基础上，给出了一种构造最小长度功率约束导频序列的一般策略。最后，在大规模多输入多输出系统的上下文中示出了理论结果。他们方便地允许检索众所周知的以前的结果，但也表现出最小长度的最佳导频序列的一个新的战略的基础上的非线性物理模型。
2020-09-03 eess.SP
Pilot-Aided MIMO Channel Identification and Linear Deconvolution in Correlated Gaussian Noise
Telecommunications Engineering, Department of Electronic, Information and Bioengineering Politecnico di Milano（米兰理工大学电子、信息与生物工程系电信工程）
针对空间相关高斯噪声下的MIMO系统，采用导频辅助的最大似然/最小二乘信道估计，并与Cramer-Rao界比较，进而利用估计信道进行数据恢复，分析训练序列长度和正则化对性能的影响。
2026-06-17 eess.SP
A Unified Activity Detection Framework for Massive Access: Beyond the Block-Fading Paradigm
本文提出统一活动检测框架，通过信道低维近似、主子空间估计和导频跳变，解决动态环境下免授权随机接入中的用户活动检测问题，显著提升性能。
2024-10-22 cs.IT eess.SP math.IT
A Majorization-Minimization Framework for Activity Detection in Mixed Near-and-Far-Field Random Access
Aalto University（阿尔托大学）；Zhejiang University（浙江大学）；Southern Illinois University（南伊利诺伊大学）；Villanova University（维拉诺瓦大学）
针对混合近场与远场随机接入中的活动检测问题，提出统一协方差感知Rician框架及MM-PGD检测器，利用Kronecker-Woodbury实现可扩展似然评估，在近场用户比例增加时性能优势显著。
2026-09-29 eess.SP
Downlink channel spatial covariance estimation in realistic FDD massive MIMO systems
在BS处的下行链路（DL）信道空间协方差矩阵的知识对于在频分双工（FDD）模式下操作的大规模阵列系统是基本重要的。特别地，该知识在DL信道状态信息（CSI）获取中起关键作用。在大规模多输入多输出机制中，基于DL导频的传统方案受到协方差反馈和DL训练开销的严重限制。为了克服这个问题，许多作者已经提出基于上行链路（UL）测量来获得DL空间协方差的估计。然而，这些方法中的许多依赖于简单的信道模型，并且它们难以扩展到考虑到3D环境中的传播和双极化天线阵列的重要影响的更复杂的模型。在这项研究中，我们提出了一种新的技术，该技术考虑了上述影响，符合现代4G和5G系统设计的要求。数值模拟表明了该方法的有效性。
2018-10-25 eess.SP
Gan-Based Joint Activity Detection and Channel Estimation For Grant-free Random Access
ShanghaiTech University（上海科技大学）；Shanghai Institute of Microsystem and Information Technology, Chinese Academy of Sciences（中国科学院上海微系统与信息技术研究所）；University of Chinese Academy of Sciences（中国科学院大学）
用于免授权随机接入的联合活动检测和信道估计（JADCE）是一个需要解决的关键问题，以支持物联网网络中的大规模连接。然而，现有的无模型学习方法只能实现活动检测或信道估计，而不能同时实现两者。在本文中，我们提出了一种新的无模型学习方法的基础上生成对抗网络（GAN），以解决JADCE问题。我们采用U-网络架构来构建生成器，而不是标准的GAN架构，其中包含活动信息的预估计值被用作生成器的输入。通过利用伪逆的性质，通过使用仿射投影和跳过连接来细化生成器，以确保生成器的输出与测量一致。此外，我们建立了一个两层全连接的神经网络来设计导频矩阵，以减少接收机噪声的影响。仿真结果表明，该方法优于现有的方法在高信噪比的制度，数据一致性投影和导频矩阵优化提高学习能力。
2022-04-04 cs.LG eess.SP
FDD Massive MIMO Without CSI Feedback
发射机信道状态信息（CSIT）对于大规模多输入多输出（MIMO）系统提供的频谱效率增益是必不可少的。在频分复用（FDD）大规模MIMO系统中，通常通过下行链路信道估计和用户反馈来获取CSIT，但是随着天线数量的增加，用于每个用户的CSI训练和反馈的开销增加，导致频谱效率的降低。在本文中，我们表明，在FDD中使用上行链路导频，下行链路和频谱效率增益与完美的下行链路CSIT是可以实现的，当在基站的天线数量是无限的一些温和的信道条件下。该方法的核心思想是利用上下行信道的几何互易性，提出了基于上行导频的均方误差最优下行信道重构方法。我们还提出了一个强大的下行链路预编码方法利用重建的信道与误差协方差矩阵。我们的系统级仿真结果表明，我们提出的预编码方法可以达到可比的总和频谱效率迫零预编码与完美的下行链路CSIT，没有CSI训练和反馈。
2023-02-09 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
Joint Activity Detection and Channel Estimation for mmW/THz Wideband Massive Access
毫米波/太赫兹（mmW/THz）通信在下一代蜂窝物联网（IoT）网络中的宽带大规模接入中显示出巨大的潜力。为了减少宽带大规模接入中导频序列的长度和计算复杂性，提出了一种新的联合活动检测和信道估计（JADCE）算法。具体地说，根据毫米波/太赫兹信道的特点，将JADCE归结为同时恢复稀疏群和低秩矩阵的问题，证明了在充分条件下，对这样的矩阵联合施加$l_1$范数和低秩可以实现鲁棒恢复，并验证针对mmW/太赫兹宽带大规模接入系统是显着小于目前已知的测量界推导出的常规同时稀疏和低秩恢复。此外，我们提出了一种多秩感知方法，利用复杂的秩- $L$矩阵与散射簇的数量$L$的乘积的商几何。理论分析和仿真结果证实了该算法在计算复杂性、检测出错率和信道估计精度方面的优越性。
2020-02-19 cs.IT eess.SP math.IT
Statistical Device Activity Detection for OFDM-based Massive Grant-Free Access
现有的免授权接入的工作，提出支持大规模机器类型通信（mMTC）的物联网（IoT），主要集中在平坦衰落下的窄带系统。然而，人们对频率选择性衰落下宽带系统的大规模免授权接入知之甚少。研究了频率选择性衰落下宽带系统中的大规模免授权接入问题。首先，我们提出了一种基于正交频分复用（OFDM）的大规模免授权接入方案。然后，我们提出了两个不同的，但等效的接收导频信号，这是必不可少的设计各种设备活动检测和信道估计方法，基于OFDM的大规模免授权接入的模型。一个直接为实际设备的接收信号建模，而另一个可以被解释为虚拟设备的信号模型。接下来，我们调查统计设备活动检测频率选择性瑞利衰落下的两个信号模型的基础上。我们首先将设备活动建模为未知的确定性量，并提出了三种基于最大似然（ML）估计的设备活动检测方法，具有不同的检测精度和计算时间。我们还将设备活动建模为具有已知联合分布的随机变量，并提出了三种基于最大后验概率（MAP）估计的设备活动方法，这些方法进一步提高了相应的基于ML估计的方法的准确性。最优化技术和矩阵分析应用于这些方法的设计和分析。最后，数值结果表明，所提出的统计设备活动检测方法优于现有的国家的最先进的设备活动检测方法下的频率选择性瑞利衰落。
2021-12-31 cs.IT eess.SP math.IT
Double-Sparsity Learning Based Channel-and-Signal Estimation in Massive MIMO with Generalized Spatial Modulation
在本文中，我们研究了联合天线活动检测，信道估计和多用户检测的大规模多输入多输出（MIMO）系统与一般空间调制（GSM）。本文首先考虑大规模MIMO信道的稀疏性和GSM系统的信号稀疏性，建立了一个双稀疏大规模MIMO模型。基于双稀疏模型，我们制定了盲检测问题。为了解决盲检测问题，我们提出了基于消息传递的盲信道和信号估计（BCSE）算法。BCSE算法基本上遵循仿射稀疏矩阵分解技术，但进行了关键修改以处理模型的双稀疏性。我们表明，BCSE算法显着优于现有的盲和基于训练的算法，并能够密切接近精灵的界限（与已知信道或已知信号）。在BCSE算法中，稀疏矩阵分解后，使用短导频来消除相位和排列模糊。为了更有效地利用短导频，我们进一步发展了半盲信道和信号估计（SBCSE）算法，将相位和排列模糊度的估计到迭代消息传递过程中。我们表明，SBCSE算法大大优于同行的算法，包括BCSE算法在短导频制度。
2019-10-25 cs.IT eess.SP math.IT
Pilot Distortion Design for ToA Obfuscation in Uplink OFDM Communication
Bilkent University（比尔肯特大学）；Chalmers University of Technology（查尔姆斯理工大学）
本研究提出上行OFDM导频失真设计方法，通过优化逐子载波复失真向量提升MAF旁瓣水平，在保障通信性能的同时混淆基站ToA估计，无需协议修改即可实现信号层的ToA可观测性控制。
2025-10-28 eess.SP
Downlink Channel Covariance Matrix Reconstruction for FDD Massive MIMO Systems with Limited Feedback
针对FDD大规模MIMO中Type I码本反馈有限导致的下行CCM获取难题，提出利用码本与反馈值的建模及割平面算法，实现可证明的真实CCM恢复和更优重构性能。
2023-09-12 eess.SP
Deep Learning Based Channel Covariance Matrix Estimation with User Location and Scene Images
本文提出利用用户位置、速度或环境三维图像，通过深度神经网络在无导频和信道样本条件下直接估计信道协方差矩阵，并提出位置去噪方法提升鲁棒性。
2023-04-18 eess.SP
Low-Overhead CSI Prediction via Gaussian Process Regression
Centre for Wireless Communications, University of Oulu（奥卢大学无线通信中心）
本文提出基于高斯过程回归的低开销CSI预测方法，通过结合三种核函数建模多尺度空间相关性，实现减少导频开销的同时提升预测精度和频谱效率。
2025-12-23 eess.SP
DFT-Spread Orthogonal Time Frequency Space System with Superimposed Pilots for Terahertz Integrated Sensing and Communication
太赫兹（THz）通感一体化（ISAC）技术是一种能够同时实现太比特每秒（Tbps）传输和毫米级精确环境或人类活动传感的交叉学科技术。然而，无论是通信性能和传感精度的影响，多普勒效应，这是特别严重的太赫兹波段。此外，峰均功率比（PAPR）降低了太赫兹功率放大器（PA）的效率。提出了一种基于离散傅里叶变换扩频正交时频空间（DFT-s-OTFS）的THz ISAC系统，该系统采用叠加导频技术，提高了系统对多普勒效应的鲁棒性，降低了系统的峰均比。然后，开发了两阶段感测参数估计算法以将感测功能集成到DFT-s-OTFS波形中。同时，提出了一种低复杂度的迭代信道估计和基于共轭梯度均衡器的数据检测方法来恢复DFT-s-OTFS的数据符号。与OTFS相比，所提出的DFT-s-OTFS波形可以将PA效率平均提高10%。仿真结果表明，所提出的THz DFT-s-OTFS系统两阶段感知估计算法能够实现毫米级的距离估计精度和分米/秒级的速度估计精度。仿真结果表明，在DFT-s-OTFS系统中，叠加导频辅助的迭代数据检测方法是有效的，且误比特率性能不会因多普勒效应而降低。
2023-02-25 eess.SP
Objective Features Extracted from Motor Activity Time Series for Food Addiction Analysis Using Machine Learning -- A Pilot Study
Institute of Physiology of Komi Science Centre of the Ural Branch of the Russian Academy of Sciences（俄罗斯科学院乌拉尔分院科米科学中心生理学研究所）；Petrozavodsk State University（彼得罗扎沃茨克国立大学）；Princess Nourah bint Abdulrahman University（努拉·宾特·阿卜杜勒拉赫曼公主大学）；Kuwait College of Science and Technology（科威特科学与技术学院）；Vels Institute of Sciences, Technology, and Advanced Studies（韦尔斯科学、技术与高等研究院）；Pitirim Sorokin Syktyvkar State University（皮季里姆·索罗金瑟克特夫卡尔国立大学）；Municipal Institution of Additional Education "Center for Psychological, Pedagogical, Medical and Social Assistance"（市立补充教育机构“心理、教育、医疗和社会援助中心”）；Research Institute of Biomedicine and Biomedical Technologies, Medical University（医科大学医学生物学与生物医学技术研究所）；Medical University（医科大学）；Tyumen Cardiology Research Center, Tomsk National Research Medical Center, Russian Academy of Sciences（俄罗斯科学院托木斯克国家医学研究中心秋明心脏病学研究中心）
本研究利用腕戴式活动测量和机器学习提取客观特征，用于食物成瘾分析，在78名参与者中验证了活动段特征在二分类中的优越性（MCC=0.78），支持其作为数字生物标志物。
2025-10-08 cs.AI cs.LG eess.SP
