MIMO Precoding Design with QoS and Per-Antenna Power Constraints
针对下行MU-MIMO系统，本文结合WMMSE框架与ADMM，在QoS和每天线功率约束下最大化加权和速率，并通过仿真验证算法有效性。
2023-06-04 eess.SP
Distributed Precoding Using Local CSIT for MU-MIMO Heterogeneous Cellular Networks
小区致密化是增加多天线蜂窝系统中的区域频谱效率的关键驱动力。然而，随着共享相同频谱的基站（BS）和用户的密度的增加，用户间干扰（IUI）和小区间干扰（ICI）问题都引起了这种系统中频谱效率的显著损失。为了解决这个问题的约束下，每个基站的本地信道状态信息，在本文中，我们提出了一种新的非合作多用户多输入多输出（MIMO）预编码技术，称为信号与干扰脉冲泄漏脉冲噪声比（SILNR）最大化预编码。我们的分布式预编码方法的关键创新是最大化的产品SILNR的用户每个小区使用本地信道状态信息在发射机（CSIT）。我们表明，我们的预编码技术，只使用本地CSIT可以渐近实现多小区合作的约束达到合作预编码使用全球CSIT在某些情况下。我们还提出了一个预编码算法，是强大的CSIT错误在多小区的情况下。通过多小区系统级仿真，我们证明了我们的分布式预编码技术优于所有现有的非合作预编码方法相当，也可以实现多小区绑定非常紧密，即使没有那么多的天线在BS。
2020-10-30 eess.SP
Distributed Precoding for Cell-free Massive MIMO in O-RAN: A Multi-agent Deep Reinforcement Learning Framework
The University of British Columbia（不列颠哥伦比亚大学）
本文提出一种多智能体深度强化学习框架，用于细胞自由大规模MIMO的分布式预编码，通过有限的信息交换降低干扰，提升整体吞吐量。
2026-05-01 eess.SP
Massive MIMO relaying with linear precoding in correlated channels under limited feedback
本文研究了在发射端信道状态信息不完全且每个用户的信道发送相关性的情况下，采用线性预编码的大规模多输入多输出中继系统。在我们的系统中，源中继信道是大规模的多输入多输出（MIMO）和中继目的地信道是大规模的多输入单输出（MISO）的。利用大随机矩阵理论（RMT）推导了当发射天线数和用户数M、K趋于无穷大且M>>K时，采用正则化迫零（RZF）预编码的大规模多输入多输出放大前向和解码前向（M-MIMO-ADF）中继中每个用户处的信干噪比（SINR）的确定性等价。本文给出了h^H_kW（hat）_lh（hat）_k的确定性等价表达式，并给出了两个定理和一个推论来推导每个用户的SINR的确定性等价。仿真结果表明，M-MIMO-ADF中继中每个用户的SINR的确定性等价以及定理1、定理2、命题1和推论1的结果是准确的。
2018-02-28 eess.SP
Semantic MIMO: Revisiting Linear Precoding in the Generative AI Era
University of Surrey（萨里大学）
本文研究了在生成式AI赋能的语义MIMO系统中，匹配滤波和零强迫预编码的性能，发现其对干扰和信道状态信息精度的敏感性降低，在高SINR情况下性能劣于传统MIMO系统。
2026-04-01 eess.SP
Precoding Design for Multi-user MIMO Systems with Delay-Constrained and -Tolerant Users
在学术界和工业界，多用户多输入多输出（MU-MIMO）技术已经通过利用空间自由度在频谱效率方面显示出巨大的增益。到目前为止，大多数现有MU-MIMO设计中的基本假设是所有用户都使用无限块长度，以便他们可以实现香农容量。然而，这种设置是不合适的，考虑到延迟受限的用户，其块长度往往是有限的。在本文中，我们考虑一个异构的设置在MU-MIMO系统中的延迟约束用户和延迟容忍用户共存，称为DCTU-MIMO网络。为了最大限度地提高系统的频谱效率，我们提出了延迟容忍用户的频谱效率和延迟受限用户的频谱效率的下限。我们考虑的优化问题，最大化的总和频谱效率的延迟容忍用户，同时满足延迟约束用户的延迟约束，并提出了一种广义功率迭代（GPI）预编码算法，找到一个主要的预编码向量。此外，我们扩展了DCTU-MIMO网络的多时隙的情况下，提出了一种递归的广义功率迭代预编码算法。在仿真结果中，我们证明了所提出的方法优于基线方案，并提出了网络参数的遍历和频谱效率的影响。
2021-06-17 eess.SP
Low-Complexity Massive MIMO Tensor Precoding
基于Rician衰落信道子空间可分性的新发现，提出了一种新的低复杂度的大规模多输入多输出（MIMO）预编码策略.考虑在基站的均匀矩形阵列，我们表明，由信道向量所跨越的子空间可以分解为两个低维子空间之间的张量积。基于这个结果，我们制定张量最大比传输和迫零预编码器。我们表明，所提出的张量预编码器具有较低的计算复杂度，需要更少的瞬时信道状态信息比他们的线性同行。最后，我们提出了计算机模拟，证明了所提出的张量预编码器在实际通信场景中的适用性。
2020-09-21 eess.SP
Model-Driven Deep Learning for Massive Multiuser MIMO Constant Envelope Precoding
恒定包络（CE）预编码设计对于大规模多用户多输入多输出系统来说非常感兴趣，因为它可以显着降低硬件成本和功耗。然而，现有的CE预编码算法受到过多计算开销的阻碍。在这封信中，提出了一种新的模型驱动的基于深度学习（DL）的网络，将DL与共轭梯度算法相结合，用于CE预编码。具体地说，原来的迭代算法展开和参数化的可训练变量。该架构可以通过无监督学习方法从训练数据中有效地学习变量。因此，所提出的网络学习获得搜索步长并调整搜索方向。仿真结果表明，所提出的网络的多用户干扰抑制能力和计算开销方面的优越性。
2020-06-27 eess.SP
Hybrid Precoding Revisited: Low-Dimensional Subspace Perspective for MU-MIMO Systems
本文提出了一种基于低维子空间的低复杂度混合预编码框架，通过动态子阵天线分区和信道协方差方法提升多用户MIMO系统的性能与鲁棒性。
2025-12-08 eess.SP
Approximate Partially Decentralized Linear EZF Precoding for Massive MU-MIMO Systems
本文针对大规模MU-MIMO系统提出一种基于特征零迫的近似部分分散线性预编码算法，通过并行化基站天线簇间的基带处理并最小化互连需求，在降低复杂度的同时接近集中式EZF性能。
2024-07-18 eess.SP
Joint Reflecting and Precoding Designs for SER Minimization in Reconfigurable Intelligent Surfaces Assisted MIMO Systems
本文研究了使用可重构智能表面（RIS）来辅助点到点多数据流多输入多输出（MIMO）无线通信。在实际有限字母输入的情况下，RIS处的反射元件和发射机处的预编码器交替地被优化以最小化符号错误率（MSER）。在采用固定预编码器的反射优化中，提出了两种反射设计方法：eMSER反射法和vMSER反射法。在固定反射方向图的预编码矩阵优化问题中，将矩阵优化问题转化为向量优化问题，提出了两种求解方法：MSER预编码和MMED预编码。所提出的设计的优越性进行了研究，通过仿真。仿真结果表明，所提出的反射和预编码设计可以提供比现有的设计与复高斯输入的假设下，一个更低的SER。此外，我们比较了RIS与全双工放大转发（AF）中继系统的SER显示RIS的优势。
2020-05-20 eess.SP
Precoding Design for Multi-User MIMO Joint Communications and Sensing
Communications Engineering Lab (CEL), Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院通信工程实验室）
本文提出了一种多用户MIMO联合通信与感知系统中预编码设计方法，通过分析通信信号与感知信号的相互影响，优化了通信与感知性能的平衡。
2026-01-30 eess.SP
Fronthaul Quantization-Aware MU-MIMO Precoding for Sum Rate Maximization
本文研究有限分辨率前传下的MU-MIMO系统，提出基于WMMSE和球译码的量化感知预编码算法以最大化系统总速率，其性能显著优于先优化后量化的传统基线方案。
2024-06-27 eess.SP
Decentralization Issues in Cell-free Massive MIMO Networks with Zero-Forcing Precoding
无小区大规模多输入多输出（CF-M-MIMO）系统代表了几十年来主导移动领域的经典蜂窝架构的演进。在CF-M-MIMO中，中央处理单元（CPU）控制不规则地分散在整个覆盖区域中的多个接入点（AP），从而有效地成为M-MIMO技术的完全分布式实现。因此，它继承了许多使M-MIMO成为5G系统物理层支柱之一的关键特性，同时为M-MIMO中不具备的新功能打开了大门。其中最新的是在CPU（集中式）或在AP（分布式）处执行预编码的可能性，已知前者以必须在CPU处收集所有相关的信道状态信息（CSI）为代价来提供好得多的性能。当要覆盖的区域很大时，无单元系统的实际部署可能需要多个CPU，因此需要解决的关键问题是这些多个CPU应该如何互连。针对集中式迫零预编码的特定情况，分析并提出了CPU之间不同程度互连的设计。结果表明，一种适度的CPU互连形式可以非常显着地提高CF-M-MIMO架构中普遍存在的最大-最小速率性能。
2019-09-26 eess.SP
Robust Vector Perturbation Precoding Design for MIMO Broadcast Channel
我们考虑了多用户多输入单输出（MU-MISO）广播信道系统的向量扰动（VP）预编码器设计，它对功率缩放因子误差具有鲁棒性。到目前为止，VP预编码的开发和分析都是在假设接收机可以在传输之前完全知道功率缩放因子的情况下进行的，但由于动态范围大和前馈有限，这一点很难获得。然而，如我们的结果所示，VP预编码的性能对功率缩放因子的准确性非常敏感，并且在中高信噪比（SNR）状态下总是遇到错误平层。出于这样的观察，我们提出了一个强大的VP预编码器的最小均方误差（MMSE）标准的基础上。仿真结果表明，鲁棒的VP预编码器优于传统的VP预编码设计，因为对功率缩放因子误差不太敏感。
2019-01-26 eess.SP
Constellation-Oriented Perturbation for Scalable-Complexity MIMO Nonlinear Precoding
本文提出了一种新的非线性预编码（NLP）技术，即面向星座的扰动（COP），以解决传统的NLP技术固有的可扩展性问题。COP的基本概念是在星座域而不是符号域中应用矢量扰动（VP）;如常规技术中经常使用的。通过这种方式，使得COP的计算复杂度与多天线的大小无关（即，MIMO）网络。相反，它与符号星座的大小有关。通过广义线性变换，证明了COP算法复杂度在星座域的灵活伸缩性，实现了复杂度与性能的良好折衷。我们的计算机模拟表明，COP可以提供非常可比的性能与最佳的VP在小型MIMO系统。此外，它在大型MIMO中显著优于当前的次优VP方法（例如2度VP），同时保持低得多的计算复杂度。
2022-09-04 eess.SP
Wideband Precoding for U6G XL-MIMO Systems: Beam Squint Boundaries and Channel Slicing
School of Information Science and Engineering, Southeast University（东南大学信息科学与工程学院）；Centre for Wireless Innovation (CWI), Queen’s University Belfast（贝尔法斯特女王大学无线创新中心）
研究U6G超大规模MIMO系统中波束淬火效应及宽带预编码设计，通过近场和远场视角推导边界并提出信道切片方案以提升频谱效率。
2026-05-09 eess.SP
Energy Efficient User Clustering, Hybrid Precoding and Power Optimization in Terahertz MIMO-NOMA Systems
太赫兹（THz）波段通信已被广泛研究，以满足未来超高容量的需求。此外，多输入多输出（MIMO）技术和多天线非正交多址接入（NOMA）技术也使网络能够承载更多的用户并提供复用增益。本文首次研究了THz-NOMA-MIMO系统的能量效率最大化问题。将原优化问题分解为用户分簇、混合预编码和功率优化。针对THz-NOMA-MIMO系统中的用户聚类问题，提出了一种基于信道相关特性的快速收敛算法。考虑到功耗和实现复杂度，采用了基于子连接结构的混合预编码方案。考虑到前传链路容量约束，设计了一种分布式交替方向乘法器（ADMM）功率分配算法，以最大化具有非理想连续干扰消除（SIC）的THz-NOMA缓存使能系统的能效。仿真结果表明，提出的用户分簇方案能够实现更快的收敛速度和更高的能效，子连接结构的混合预编码设计能够实现更低的功耗，功率优化能够实现更高的能效。
2020-05-03 eess.SP
Sparse Channel Estimation and Hybrid Precoding Using Deep Learning for Millimeter Wave Massive MIMO
针对多用户毫米波大规模多输入多输出系统，研究了信道估计和混合预编码。提出了一种深度学习压缩感知（DLCS）信道估计方案。使用模拟环境离线训练DLCS方案的信道估计神经网络以预测波束空间信道幅度。然后，基于所获得的主导波束空间信道条目的索引来重建信道。在信道估计之后，开发了深度学习量化相位（DLQP）混合预编码器设计方法。在考虑近似相位量化的情况下，离线得到用于DLQP方法的训练混合预编码神经网络。然后用理想相位量化代替近似相位量化得到部署混合预编码神经网络（DHPNN），DHPNN的输出为模拟预编码矢量。最后，通过叠加模拟预编码向量得到模拟预编码矩阵，并通过迫零计算数字预编码矩阵。仿真结果表明，DLCS信道估计方案在归一化均方误差和频谱效率方面优于现有方案，而DLQP混合预编码器设计方法在低移相器分辨率下具有更好的频谱效率性能。
2020-02-15 eess.SP
Digital and Hybrid Precoding and RF Chain Selection Designs for Energy Efficient Multi-User MIMO-OFDM ISAC Systems
National Yang Ming Chiao Tung University（国立阳明交通大学）
本文针对多用户MIMO-OFDM ISAC系统，提出联合预编码与射频链选择设计，通过优化提升能效与感知性能的权衡。
2026-02-01 eess.SP
Clustering Based Hybrid Precoding Design for Multi-User Massive MIMO Systems
混合预编码被认为是一种很有前途的技术，以消除大规模多输入多输出（MIMO）系统中的毫米波信号的路径损耗。然而，由于数字和模拟预编码矩阵的联合优化以及模拟部分的额外约束，混合预编码设计仍然是当前研究的难点。本文采用无监督学习中的聚类思想，给出了多用户大规模多输入多输出系统中全连接混合预编码（FHP）和自适应连接混合预编码（AHP）的设计方案。对于FHP，我们提出了基于层次凝聚聚类（基于HAC-based）的方案，以探索最佳混合预编码设计中RF链之间的相关性。当在基站（BS）处配备不足的RF链时，相似的RF链被合并成单独的RF链。对于层次分析法，我们提出了改进的K-均值为基础（MKM为基础）的计划，以探讨在BS天线之间的相关性。利用层次分析法中的灵活连接，将同类天线配置在同一射频链路上。特别是，在建议MKM为基础的AHP设计，聚类中心更新交替最佳为基础的（AO为基础的）计划与一个特殊的初始化方法，这是能够单独提供可行的子连接混合预编码（SHP）设计。仿真结果突出了所提出的基于HAC的FHP方案的优越的频谱效率，以及所提出的基于MKM的AHP方案的高功率效率。此外，所有提出的计划，澄清，以有效地处理用户间的干扰，并优于现有的工作。
2019-04-11 eess.SP
Semidefinite Relaxation-Based PAPR-Aware Precoding for Massive MIMO-OFDM Systems
大规模多输入多输出需要大量天线和相同数量的功率放大器（PA），每个天线一个。与能够提供高度线性PA的4G基站相反，下一代基站将需要使用具有有限线性放大区域的廉价PA。研究的挑战之一是有效地处理具有高峰均功率比（PAPR）的信号，例如正交频分复用（OFDM）。本文介绍了一种PAPR感知的预编码方案，利用大规模多输入多输出（MIMO）天线系统的空间自由度过多。这通常需要找到非凸优化问题的解。而不是放松的问题，以最大限度地减少峰值功率，我们介绍了一个实用的半定松弛（SDR）的框架，使准确和有效地近似理论PAPR感知的预编码性能基于OFDM的大规模多输入多输出系统。该框架允许将信道不确定性和小区间协调。数值结果表明，几个数量级的改善，可以实现w.r.t.现有技术，例如瞬时功耗降低和多用户干扰消除。所提出的PAPR感知预编码可以与多小区信号处理一起由下一代无线电接入网络的集中式基带处理平台有效地处理。性能可以用来换取其他平台的计算效率
2018-10-02 eess.SP
Digital and Hybrid Precoding Designs in Massive MIMO with Low-Resolution ADCs
针对低分辨率ADC的大规模MIMO系统，在主-最小化框架下基于SE紧下界优化数字、FC和PC混合预编码，其性能优于现有方案，且PC混合预编码在1位系统中接近数字和FC混合方案的SE。
2025-02-11 eess.SP
Precoding Sequence Design for MIMO Sensing with Scatterers Based on Prior Information
The Edward S. Rogers Sr. Department of Electrical and Computer Engineering, University of Toronto（多伦多大学电气与计算机工程系）
针对散射体导致信号相关干扰的问题，提出基于贝叶斯克拉美罗下界最小化的预编码序列设计方法，并开发了常模约束下的迭代算法。
2026-06-17 eess.SP
Extremely-Fast, Energy-Efficient Massive MIMO Precoding with Analog RRAM Matrix Computing
无线通信中的信号处理，诸如预编码、检测和信道估计，基本上是关于求解逆矩阵问题，然而，逆矩阵问题在常规数字计算机中是缓慢且低效的，因此需要根本的范式转换来实现快速、实时的解决方案。在这里，我们首次将新兴的模拟矩阵计算（AMC）应用于大规模多输入多输出的线性预编码。实值AMC的概念被扩展到处理复值信号。为了使MIMO信道模型适应RRAM电导映射，设计了一种新的矩阵求逆电路。此外，全模拟低功耗和优化运算放大器的设计，以支持AMC预编码的实施。仿真结果表明，对于16 × 128 MIMO系统，迫零预编码在20 ns内完成，比传统的数字方法快两个数量级。同时，能源效率提高了50倍。
2022-11-07 cs.AR eess.SP
Splitting Precoding with Subspace Selection and Quantized Refinement for Massive MIMO
KTH Royal Institute of Technology（皇家理工学院）
本文提出一种分裂预编码方法，通过子空间选择和量化细化提升大规模MIMO的频谱效率
2026-01-02 cs.AR eess.SP
One-Bit Sigma-Delta MIMO Precoding
粗量化MIMO信令方法在大规模MIMO的最近发展中已经获得普及，因为它们为使用廉价且功率高效的射频前端的大规模MIMO实现开辟了机会。提出了一种新的基于空间Sigma-Delta（$ΣΔ$）调制的1比特MIMO预编码方法。在以往的1比特MIMO预编码研究中，主要集中在使用优化来解决预编码设计中出现的困难的二进制信号优化问题。我们的方法尝试了一条不同的路线。假设角度MIMO信道，我们应用$ΣΔ$调制-一个经典的概念，在模拟到数字转换的时间信号-在空间。所得到的$ΣΔ$预编码方法具有两个主要优点：第一，我们不再需要在$ΣΔ$预编码设计中处理二进制优化。特别地，二进制信号约束被峰值信号幅度约束所取代。其次，量化误差的影响可以通过调制器设计并在适当的操作条件下得到很好的控制。通过符号错误概率分析，我们揭示了在大规模MIMO中非常大的天线数量为$ΣΔ$预编码提供了有利的操作条件。此外，我们开发了一种新的$ΣΔ$调制架构，能够适应的信道，以实现接近零的量化误差为目标用户。此外，我们考虑使用迫零和符号级预编码方案的多用户$ΣΔ$预编码。仿真结果表明，这两种$ΣΔ$预编码方案的性能明显优于其直接一比特量化对应方案。
2019-08-16 cs.IT eess.SP math.IT
Turbo Coded Single User Massive MIMO with Precoding
预编码是在发射机处补偿信道的一种方法。提出了一种基于预编码的Turbo码单用户大规模多输入多输出（MIMO）系统中的数据检测方法。我们通过计算机模拟表明，当使用预编码时，重传数据不会导致误码率（BER）的显着降低，从而增加了频谱效率，相比没有预编码的情况。此外，增加发射和接收天线的数量导致BER的改善。
2020-07-31 cs.IT eess.SP math.IT
A Deep Learning-Based Framework for Low Complexity Multi-User MIMO Precoding Design
在多用户多输入多输出（MU-MIMO）系统中，利用预编码抑制多用户干扰是一种提高频谱效率的技术，而追求高性能、低复杂度的预编码方法是近十年来的研究热点。传统的迫零（ZF）算法和加权最小均方误差（WMMSE）算法在复杂度和性能之间没有取得令人满意的折衷。在本文中，利用深度学习的力量，我们提出了一个低复杂度的MU-MIMO系统的预编码设计框架。其核心思想是将MIMO预编码问题转化为多输入单输出预编码问题，从而得到最优预编码结构的封闭形式。设计定制的深度神经网络来拟合从信道到预编码矩阵的映射。此外，输入降维，网络修剪和恢复模块压缩技术，以进一步提高计算效率。在此基础上，研究了该算法在实际MIMO正交频分复用（MIMO-OFDM）系统中的扩展。仿真结果表明，该算法在计算复杂性很低的情况下，获得了与WMMSE算法相似的性能。
2022-07-08 cs.IT eess.SP math.IT
Downlink Massive MU-MIMO with Successively-Regularized Zero Forcing Precoding
在这封信中，我们考虑下行链路大规模多用户（MU）多输入多输出（MIMO）系统的线性预编码。我们提出了一种新的逐次正则化迫零（SRZF）预编码，它利用连续的零空间的MIMO信道的用户，随着正则化，控制用户间干扰（IUI），并提高性能和鲁棒性不完善的信道状态信息（CSI）在基站（BS）。我们研究了所提出的SRZF预编码的IUI特性的完美和不完美的CSI在BS。此外，通过计算机模拟，我们比较了SRZF预编码的总和速率与几个基线方案，包括传统的和正则化迫零（ZF）预编码。我们的仿真结果表明，对于大规模MIMO系统与用户间的信道相关性，所提出的SRZF预编码显着优于所考虑的基线方案在BS的完美和不完美的CSI。
2022-10-29 cs.IT eess.SP math.IT
Optimizing MIMO Efficiency in 5G through Precoding Matrix Techniques
本文针对5G下行MIMO通信，通过多场景仿真对比基于Type I和Type II码本的预编码矩阵技术，揭示其优缺点，以优化容量和时延性能。
2024-10-03 cs.IT eess.SP math.IT
Optimized Precoding for MU-MIMO With Fronthaul Quantization
多用户多输入多输出（MU-MIMO）的第一次广泛使用之一是在5G网络中，其中每个基站都有一个先进的天线系统（AAS），该天线系统通过容量受限的前传连接到基带单元（BBU）。在AAS配置中，多个无源天线元件和无线电单元被集成到单个盒子中。本文研究了单小区MU-MIMO系统中的预编码下行链路传输。我们研究了有限容量前传下AAS的优化线性预编码，这需要对预编码矩阵进行量化。我们提出了一种新的预编码设计，是知道的前传量化和最小化的均方误差在接收端。我们使用球形解码（SD）方法计算预编码矩阵。我们还提出了一个启发式的低复杂度的方法来量化预编码。这种启发式算法对于大规模多输入多输出系统来说在计算上足够高效。数值结果表明，我们提出的预编码显着优于量化未知的预编码和其他以前的方法的总和速率。考虑到复杂度的降低，我们的启发式方法相比量化感知预编码的性能损失是微不足道的，这使得启发式方法对于实时应用是可行的。我们考虑完美和不完美的信道状态信息。
2022-09-05 cs.IT eess.SP math.IT
Analog Versus Hybrid Precoding for Multiuser Massive MIMO with Quantized CSI Feedback
在这封信中，我们研究了下行链路多用户大规模多输入多输出（MIMO）系统的子连接结构在有限的反馈信道的性能。理论上分析了纯模拟预编码和混合预编码系统的紧速率近似。量化的模拟和数字预编码的效果，其特征在于在派生的表达式。此外，它揭示了纯模拟预编码优于混合预编码使用最大比传输（MRT）或迫零（ZF）在一定的条件下，我们在理论上描述的条件在封闭形式的信噪比（SNR），用户数和反馈比特数。数值结果验证了瑞利信道和毫米波信道的推导结论。
2020-06-01 cs.IT eess.SP math.IT
Low-Complexity Zero-Forcing Precoding for XL-MIMO Transmissions
部署具有渐进大孔径的天线阵列将是在超5G系统中实现大规模MIMO理论增益的核心。这种超大型MIMO（XL-MIMO）系统经历在常规大规模MIMO系统中通常观察不到的传播条件，诸如空间非平稳性和近场传播。此外，由于与这种大规模场景相关联的过高的复杂性，诸如迫零（ZF）的标准预编码方案可能不适用于XL-MIMO传输。我们提出了两种新的预编码方案，旨在降低复杂性，而不会失去太多的性能。所提出的方案利用平面波近似和用户分组来获得ZF预编码器的低复杂度近似。我们的仿真结果表明，所提出的方案提供了一个性能和复杂性权衡的可能性相比，基准计划。
2021-03-01 cs.IT eess.SP math.IT
Hardware-Aware Beamspace Precoding for All-Digital mmWave Massive MU-MIMO
在毫米波（mmWave）频率下操作的大规模多用户多输入多输出（MU-MIMO）无线系统使得能够向大量用户同时进行宽带数据传输。为了降低全数字基站架构中MU预编码的复杂度，我们提出了一种两阶段预编码架构，该架构首先使用波束空间域中的稀疏矩阵执行预编码，然后进行快速傅立叶逆变换，将结果转换到天线域。稀疏预编码矩阵需要少量乘法器，并支持常规硬件架构，这允许设计硬件高效的全数字预编码器。仿真结果表明，我们的方法接近传统的维纳滤波器预编码的错误率与超过2倍降低复杂度。
2021-08-13 cs.IT eess.SP math.IT
Noncooperative Precoding for Massive MIMO HetNets: SILNR Maximization Precoding
大规模多输入多输出（MIMO）是提高下一代蜂窝系统频谱效率的关键因素。由于信道互易性，在时分复用模式中，每个基站（BS）可以在发射机（CSIT）处获取可能位于相邻小区中的一组用户的本地信道状态信息。当配备有不那么多天线的小小区BS密集地部署有宏小区时，由于强的小区间干扰（ICI），使用本地CSIT的简单非协作MIMO预编码技术无法实现高频谱效率。在本文中，我们提出了一种新的非合作大规模多输入多输出预编码技术称为信号与干扰加泄漏加噪声比（SILNR）最大化预编码。所提出的预编码的关键思想是通过使用本地CSIT同时减轻用户间干扰（IUI）和ICI泄漏功率来联合找到每个小区的调度用户集、用户的波束成形向量和分配的功率。为了实现这一点，我们提出了一种低复杂度的算法，该算法找到了最大化问题的局部最优解，用于和频谱效率的下限，即，非凸优化问题通过系统级仿真，我们表明，所提出的预编码方法大大优于现有的非合作预编码技术的遍历频谱效率和每个用户的速率分布。
2021-07-29 cs.IT eess.SP math.IT
Energy Efficiency Maximization Precoding for Quantized Massive MIMO Systems
在实现大规模多输入多输出（MIMO）系统时，低分辨率数模转换器和模数转换器（DAC和ADC）的使用以高量化噪声为代价显著有益于能量效率（EE）。为了最大化量化下行大规模多输入多输出系统的能效，本文提出了一种带天线选择的预编码优化问题，但由于能效的复杂性，获得最优的联合预编码和天线选择解决方案是具有挑战性的。为了解决这一挑战，我们将问题分解为预编码方向和功率优化问题。对于预编码方向，我们描述了一阶最优性条件，这需要量化失真和天线选择的影响。对于预编码功率，我们使用梯度下降算法获得最优解，以最大化给定预编码方向的EE。我们铸造派生的条件作为一个功能的特征值问题，其中找到主特征向量达到最佳的局部最优点。为此，我们提出了基于广义幂迭代的算法。交替这两种方法，我们的算法确定了一个联合的解决方案的活动天线集和预编码的方向和功率。在模拟中，所提出的方法提供了相当大的性能增益。我们的研究结果表明，几位DAC就足以实现高EE的大规模多输入多输出系统。
2021-08-13 cs.IT eess.SP math.IT
Downlink MIMO-RSMA with Successive Null-Space Precoding
在本文中，我们考虑了预编码器的设计，为欠载或临界负载的下行链路多用户多输入多输出（MIMO）通信系统。我们提出了新的预编码和解码方案，提高系统性能的基础上速率分裂在发射机和单级连续干扰消除在接收机。所提出的连续零空间（SNS）预编码利用用户的连续增强的MIMO信道矩阵的零空间基向量的线性组合作为预编码向量来调整接收机所经历的用户间干扰。我们制定了一个非凸加权和速率优化问题的预编码向量和相关的功率分配建议基于SNS的MIMO速率分裂多址接入（RSMA）计划。我们通过逐次凸逼近得到了这个问题的一个次优解。此外，我们研究了所提出的预编码方案的鲁棒性不完善的信道状态信息（CSI）在基站通过基于导数的灵敏度分析。我们的分析和仿真结果表明，所提出的基于SNS的MIMO-RSMA方案的增强性能和鲁棒性超过几个基线多用户MIMO方案，特别是对于不完美的CSI。
2022-05-05 cs.IT eess.SP math.IT
Partial reciprocity-based precoding matrix prediction in FDD massive MIMO with mobility
针对移动场景下FDD大规模MIMO系统实时预编码的挑战，提出基于部分互易性的预编码矩阵预测方案，利用信道格拉姆矩阵降复杂度，通过闭式特征向量插值预测预编码器，在30-500km/h速度下性能优于传统方案。
2024-10-06 cs.IT eess.SP math.IT
Finite-Alphabet Wiener Filter Precoding for mmWave Massive MU-MIMO Systems
多用户（MU）预编码的功率消耗是全数字大规模MU多输入多输出（MIMO）基站中的主要关注点，所述全数字大规模MU多输入多输出（MIMO）基站具有以毫米波（mmWave）频率操作的数百个天线元件。我们建议用有限字母表WF预编码（FAWP）矩阵来替换部分线性维纳滤波器（WF）预编码矩阵，这使得能够使用消耗低功率和面积的低精度硬件。为了最大限度地减少我们的方法的性能损失，我们提出了有效地计算FAWP矩阵，最好地模仿WF预编码器的方法。我们的研究结果表明，FAWP矩阵的方法无限精度的错误率和错误向量幅度的性能，只有3位的预编码权重，即使在现实的毫米波信道中工作。因此，FAWP是在全数字毫米波大规模MU-MIMO系统中大幅降低功耗和硅面积的有前途的方法。
2020-09-10 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
Distributed Precoding Design via Over-the-Air Signaling for Cell-Free Massive MIMO
大多数无小区大规模多输入多输出（MIMO）的工作考虑在基站（BS）处的非协作预编码策略以避免经由回程信令的大量信道状态信息（CSI）交换。然而，通过允许BS之间的协调可以实现相当大的性能增益。本文提出了第一个分布式框架合作预编码设计在无小区的大规模MIMO（更一般地说，在联合传输协调多点）系统，完全消除了需要回程信令CSI交换。引入了新颖的空中（OTA）信令机制，使得每个BS可以获得传统上经由回程信令在BS之间交换的相同的交叉项信息。所提出的分布式预编码设计享有期望的灵活性和可缩放性属性，因为OTA信令的量不随BS或用户设备的数量而缩放。数值结果表明，快速收敛和显着的性能增益相比，非合作的预编码设计。所提出的方案也可以优于集中式预编码设计在现实的CSI捕获。
2020-10-13 cs.IT eess.SP math.IT
ADMM Enabled Hybrid Precoding in Wideband Distributed Phased Arrays Based MIMO Systems
基于分布式相控阵的多输入多输出（DPA-MIMO）是最近提出的一种高度可重构的架构，其能够在毫米波（mmWave）系统中实现空间复用和波束成形。在这项工作中，我们专注于处理混合预编码的宽带DPA-MIMO系统与正交频分复用（OFDM）调制。更具体地说，我们提出了一种交替方向乘法器（ADMM）启用混合预编码方法的基础上交替优化框架，简称ADMM-AltMin，这样的合作阵列的子阵列结构。仿真结果表明，所提出的ADMM-AltMin方法实现了良好的性能与实际量化的移相器考虑。
2019-08-24 cs.IT eess.SP math.IT
Complex-BP-Neural-Network-based Hybrid Precoding for Millimeter Wave Multiuser Massive MIMO Systems
大规模多输入多输出（MIMO）系统的高能耗已经成为毫米波（mm-Wave）通信场景中的一个突出问题。混合预编码技术通过将部分编码工作交给相移网络来完成，大大减少了射频（RF）链的数量，可以有效提高能量效率。然而，传统的基于数学方法的混合预编码算法往往遭受性能损失和高计算复杂度。提出了一种基于BP神经网络的混合预编码算法，该算法以全数字迫零（ZF）预编码为训练目标。考虑到基站信号的复杂性，我们选择了具有更丰富代表性的复合神经网络。此外，我们提出了复杂神经网络的激活函数和反向传播过程的梯度导数。仿真结果表明，所提出的混合预编码算法的性能可以最佳地接近ZF预编码。
2019-08-01 cs.IT eess.SP math.IT
Data Augmentation Empowered Neural Precoding for Multiuser MIMO with MMSE Model
利用深度学习方法的预编码设计已经被广泛研究用于多用户多输入多输出（MU-MIMO）系统。然而，传统的神经预编码设计应用基于黑盒的神经网络，其不太可解释。在本文中，我们提出了一种基于深度学习的预编码方法，该方法基于神经预编码网络的可解释设计，即iPNet。特别地，iPNet模仿经典的最小均方误差（MMSE）预编码，并且在神经网络架构的设计中近似矩阵求逆。具体而言，建议的iPNet由一个模型驱动的组件网络，负责增强输入信道状态信息（CSI），和一个数据驱动的子网络，负责从这个增强的CSI预编码计算。后一个数据驱动模块被明确地解释为MMSE预编码器的无监督学习者。仿真结果表明，通过利用增强的CSI，所提出的iPNet比现有的黑盒设计实现了显着的性能提升，并且还表现出针对CSI不匹配的增强的通用性。
2022-03-04 cs.IT eess.SP math.IT
Demonstrator Testbed for Effective Precoding in MEO Multibeam Satellites
本文针对MEO多波束卫星全频率复用前向链路，设计并实现了一个基于SDR的预编码试验台，结合轨道模型与DRA方向图，提出同步环路以抑制多普勒频移和相位噪声，并通过初步实验验证了方案的有效性。
2025-08-27 cs.AR eess.SP
Deep reinforcement learning approach to MIMO precoding problem: Optimality and Robustness
Ericsson Research（爱立信研究院）；Ericsson AB（爱立信公司）
该研究提出基于深度强化学习的MIMO预编码框架，采用DQN与DDPG算法构建智能体，验证了其在简单场景下的近最优性，且在复杂场景中性能优于传统近似算法。
2020-06-30 cs.IT cs.LG eess.SP
Codeword Selection and Hybrid Precoding for Multiuser Millimeter Wave Massive MIMO Systems
针对宽带多用户毫米波大规模多输入多输出系统的可达和速率最大化问题，研究了混合预编码技术。由于可实现的和速率的每次计算只能在模拟预编码器和数字预编码器都被确定之后执行，因此可实现的和速率的最大化具有难以处理的计算复杂度。通过引入无干扰（IF）可实现的和速率，可以解耦模拟和数字预编码器的设计。为了避免波束冲突并最大化中频可实现的和速率，提出了一种基于匈牙利语的码字选择算法用于模拟预编码设计。仿真结果验证了该方案的有效性，并表明与现有的方案相比，可以实现更好的性能。
2019-01-05 cs.IT eess.SP math.IT
Efficient Nonlinear Precoding for Massive MU-MIMO Downlink Systems with 1-Bit DACs
在大规模多用户多输入多输出（MU-MIMO）基站（BS）中，数模转换器（DAC）的功耗构成总功耗的显著比例。使用1位DAC可以显著降低功耗。针对每个基站配置1比特DAC的大规模窄带MU-MIMO下行链路系统，研究了预编码问题。在这样的系统中，预编码问题起着核心作用，因为预编码的符号受到1位DAC引入的额外失真的影响。在本文中，我们开发了一个高效的非线性预编码算法的基础上的交替方向方法框架。与经典的半定松弛（SDR）和平方无穷范数Douglas-Rachford分裂（SQUID）算法不同的是，新算法直接求解原始预编码问题的凸松弛版本。新算法在一定的条件下保证了全局收敛性。得到了其收敛的一个充分条件。在各种条件下的实验结果表明，新算法可以达到国家的最先进的准确性相媲美的SDR算法，而更有效的（超过300倍的速度比SDR算法）。
2019-06-08 eess.SP math.OC
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
Quantized Precoding for Maximizing Sum Rate in MU-MIMO Systems with Constrained Fronthaul
KTH Royal Institute of Technology（皇家理工学院）；Nokia Standards（诺基亚标准）
本文提出了一种量化预编码方法，通过在MU-MIMO系统中直接整合量化器约束以最大化总速率，采用新的迭代算法和球面解码方法，实现高效且低复杂度的预编码设计。
2026-02-27 cs.AR eess.SP
Deep Learning based Precoding for the MIMO Gaussian Wiretap Channel
Villanova University（维拉诺瓦大学）
针对多输入多输出高斯窃听信道，提出了一种基于监督深度神经网络的预编码方法。所提出的基于深度学习（DL）的预编码通过在大量输入信道及其对应的协方差矩阵上进行离线训练来学习输入协方差矩阵，以实现高效、可靠和安全的信息传输。此外，通过离线训练，该方法显着降低了实时应用中的计算复杂度。与传统的预编码方法相比，本文提出的基于DL的预编码方法速度明显更快，并且达到了接近容量的保密率。基于DL的预编码也比过渡预编码方法对窃听者处的天线数量更鲁棒。这种新的预编码方法在延迟和复杂性至关重要的应用中很有前途。
2019-09-17 cs.IT cs.LG eess.SP
Distributed Neural Precoding for Hybrid mmWave MIMO Communications with Limited Feedback
混合预编码是用于毫米波（mmWave）大规模多输入多输出（MIMO）通信的成本有效的技术。本文提出了一种深度学习方法，通过使用分布式神经网络的混合模拟和数字预编码设计有限的反馈。所提出的分布式神经预编码网络，称为DNet，致力于实现两个目标。首先，DNet实现信道状态信息（CSI）压缩与分布式架构的神经网络，这使得实际部署在多个用户。具体地说，这种神经网络由多个具有相同结构和参数的独立子网络组成，既减少了训练参数的数量，又降低了网络的复杂度。其次，DNet从有限反馈的重构CSI学习混合预编码的计算。与现有的黑盒神经网络设计不同，DNet是根据混合预编码矩阵计算的数据形式进行专门设计的。仿真结果表明，与传统的有限反馈预编码方法相比，在不同CSI压缩比的测试下，DNet的性能提高了近50%。
2022-04-18 cs.IT eess.SP math.IT
MMSE Symbol Level Precoding Under a Per Antenna Power Constraint for Multiuser MIMO Systems With PSK Modulation
提出了一种基于最小均方误差设计目标的符号级预编码算法。建议的设计，然后制定在一个二阶锥程序的标准形式，允许通过内点法的最佳解决方案。数值结果表明，所提出的设计是优于现有的方法在低和中等信噪比制度的误比特率。
2022-06-25 cs.IT eess.SP math.IT
