Blind Adaptive MIMO Receivers for Space-Time Block-Coded DS-CDMA Systems in Multipath Channels Using the Constant Modulus Criterion
本文提出了一种适用于DS-CDMA系统的盲自适应多输入多输出（MIMO）线性接收机。基于约束优化技术，提出了空时码约束恒模（CCM）设计准则，并给出了递推最小二乘（RLS）自适应算法，用于线性接收机参数的估计。本文还提出了一种基于子空间方法的MIMO DS-CDMA系统空时信道盲估计方法和一种有效的RLS算法。针对一个下行链路场景的仿真评估了所提出的算法在几种情况下对现有的方法。
2012-12-29 cs.IT math.IT
Optimal MIMO Combining for Blind Federated Edge Learning with Gradient Sparsification
我们为多输入多输出（MIMO）系统中的联邦学习提供了最佳接收组合策略。我们提出的算法允许客户端执行单独的梯度稀疏化，这大大提高了异构（非i.i.d.）训练数据。所提出的方法大大超过了基准。
2022-05-18 cs.IT eess.SP math.IT
From Blind deconvolution to Blind Super-Resolution through convex programming
本文讨论了未知信号$x\in \mathbb{R}^L$与一个未知滤波器$h \in \mathbb{R}^L$卷积后的恢复问题。这个问题，也被称为盲反卷积，已经被信号处理和应用数学界广泛研究，导致基于滤波器及其输入的各种假设的证明和算法的多样性。这种滤波器的稀疏性，或者相反，其傅里叶变换的非零性是这种假设的实例。本文的主要结果表明，在完全未知的信道的情况下，只要通过几个$N \gtrsim μ^2_m K^{1/2}$输入信号$x_n = C_n m_n$，$n=1,\ldots,N,$来探测该信道，就可以通过核范数松弛来解决盲反卷积，这些信号存在于$\mathbb{R}^L$的已知$K$维子空间$C_n$中。当$L\gtrsim K^{3/2}$和$N\gtrsim K^{1/2}$达到对数因子时，这个结果在子空间$C_n$的泛型上以很高的概率成立。我们的证明系统依赖于底层凸程序的最优性证书的构建。该证书扩展为一个诺依曼系列，并显示满足条件的矩阵编码的未知数的恢复控制在这个系列中的条款。本文的结果的一个附带的后果，从缺乏对过滤器的假设，是核范数松弛可以从盲反卷积盲超分辨率，只要未知的理想低通滤波器具有足够大的支持相比，环境尺寸$L$。数值实验支持的理论，以及它的应用盲超分辨率。
2017-09-26 cs.IT math.IT
Blind Adaptive MIMO Receivers for CDMA Systems with Space-Time Block-Codes and Low-Cost Algorithms
针对多径信道下采用多发射天线和空时分组码（STBC）的直接序列码分多址（DS-CDMA）系统，提出了一种低复杂度的盲多输入多输出（MIMO）自适应线性多用户接收机。基于约束优化技术和低复杂度的随机梯度（SG）自适应算法，提出了一种空时码约束恒模（CCM）设计准则，用于空时线性接收机的参数估计。接收机的设计是利用扩频码和空时分组码的独特结构。提出了一种基于子空间方法的空时信道盲估计算法和一种高效的SG算法。针对下行链路的仿真结果表明，所提出的接收机结构和算法具有良好的性能，优于现有方法。
2014-10-21 cs.IT math.IT
Blind Super-resolution of Point Sources via Projected Gradient Descent
盲超分辨率可以通过利用信号固有的简单性和点扩展函数的低维结构来转换为低秩矩阵恢复问题。在本文中，我们开发了一个简单而有效的非凸投影梯度下降方法，这个问题的基础上的低秩结构的向量化汉克尔矩阵与目标矩阵。理论分析表明，在与凸方法相似的条件下，该方法以线性收敛速度精确收敛到目标矩阵。数值结果表明，我们的方法是具有竞争力的现有凸方法的恢复能力和效率。
2022-06-05 cs.IT math.IT
Semi-Blind Channel-and-Signal Estimation for Uplink Massive MIMO With Channel Sparsity
本文考虑了上行链路大规模多输入多输出（MIMO）系统的收发机设计与信道稀疏在角域。最近的研究表明，基于稀疏学习的盲信号检测能够通过使用基于消息传递的稀疏矩阵分解方法来恢复信道和数据。短导频序列被插入到用户数据包中，以消除稀疏矩阵分解中固有的所谓相位和置换模糊性。在本文中，更有效地利用这些短导频序列的知识，我们提出了一种半盲信道和信号估计（SCSE）计划，其中的导频序列的知识被集成到消息传递算法稀疏矩阵分解。SCSE算法涉及对所有可能的用户排列的枚举，因此当用户数量相对较大时是耗时的。为了降低复杂性，我们进一步开发了简化的SCSE（S-SCSE），以适应大量用户的系统。我们表明，我们的半盲信号检测方案大大优于国家的最先进的盲检测和训练为基础的计划在短导频制度。
2019-06-04 cs.IT math.IT
Riemannian Gradient Descent Method to Joint Blind Super-Resolution and Demixing in ISAC
针对ISAC中不适定参数估计问题，将其建模为联合盲超分辨率与解混问题，利用向量化Hankel矩阵的低秩结构提出黎曼梯度下降方法，理论证明其线性收敛，并通过数值实验验证有效性。
2024-10-11 cs.IT math.IT
Simultaneous Blind Demixing and Super-resolution via Vectorized Hankel Lift
针对同时盲解混与超分辨率问题，本文基于未知点扩散函数的子空间假设，将其转化为低秩矩阵解混，并利用向量化 Hankel 矩阵结构提出凸恢复方法，给出精确恢复的样本条件且验证了性能与效率。
2024-01-22 cs.IT math.IT
Blind Passive Beamforming for MIMO System
针对智能表面辅助MIMO通信中无源波束成形的非凸难题，本文提出一种无需信道状态信息的盲波束成形方法，通过统计学习接收信号功率随机样本中的无线环境特征，并在5G商用网络现场测试中验证了其优越性。
2025-06-01 cs.IT eess.SP math.IT
Grouping Based Blind Interference Alignment for $K$-user MISO Interference Channels
提出了一种基于交错天线切换的盲干扰对齐算法。与信道在BIA符号扩展周期期间保持恒定的理想假设相反，当信道的相干时间相对较短时，信道系数可以在给定符号扩展周期期间改变。为了在真实信道假设下完美地执行BIA，我们针对$K$用户干扰信道提出了一种基于分组的超符号结构，该结构可以根据给定的相干时间来调整超符号长度。证明了通过适当的分组可以显著地减小超符号长度。此外，它也表明，分组为基础的超符号实现更高的自由度比传统的方法与给定的相干时间。
2015-04-28 cs.IT math.IT
Atomic Norm Denoising for Complex Exponentials with Unknown Waveform Modulations
非平稳盲超分辨是传统超分辨问题的一种扩展，它处理的是从粗测量中恢复精细细节的问题。非平稳盲超分辨问题在雷达成像、3D单分子显微镜、计算摄影等领域有着广泛的应用。由于凸方法对噪声的鲁棒性和强的理论保证，利用凸方法求解非平稳盲超分辨问题受到越来越多的关注。受近年来盲逆问题中原子范数最小化研究的启发，本文重点研究了非平稳盲超分辨中的信号去噪问题。特别是，我们使用一个原子范数正则化最小二乘问题去噪与未知的波形调制的复指数的总和。我们量化了均方误差如何依赖于噪声方差和真实信号参数。数值实验也验证了理论结果。
2019-10-08 cs.IT math.IT
Simpler Gradient Methods for Blind Super-Resolution with Lower Iteration Complexity
本文研究盲超分辨率问题，提出两种无需额外正则化的梯度方法VGD-VHL和ScalGD-VHL，通过新颖分析证明其具有更低迭代复杂度，且ScalGD-VHL与条件数无关，实验显示其计算效率优越且恢复性能与现有方法相当。
2024-09-27 cs.IT math.IT
Blind Estimation of Multiple Carrier Frequency Offsets
多载波频率偏移（CFO）出现在分布式天线系统中，其中数据从多个天线同时发射。在这样的系统中，由于发射机和接收机的本地振荡器之间的失配，接收信号包含多个CFO。这导致数据星座的时变旋转，其需要在符号恢复之前在接收器处被补偿。本文提出了一种新的盲频偏估计和符号恢复方法。接收到的基带信号被过采样，其多相分量被用来制定一个虚拟的多输入多输出（MIMO）问题。通过应用盲MIMO系统估计技术，估计系统响应，并用于随后将多个CFO估计问题转化为许多独立的单CFO估计问题。此外，从MIMO系统响应的相位获得CFO的初始估计。还推导了Cramer-Rao下界，并将所提出的估计器的大样本性能与该界进行了比较。
2007-07-03 cs.IT math.IT
Classification Algorithms for Semi-Blind Uplink/Downlink Decoupling in sub-6 GHz/mmWave 5G Networks
未来混合的亚6 GHz/毫米波（mmWave）第五代（5G）无小区大规模多输入多输出（MIMO）网络中的可靠性和延迟挑战是保证上行链路（UL）和下行链路（DL）中的快速无线电资源管理，同时解决可能在阻塞情况下出现的相应传播不平衡。在此上下文中，我们引入半盲UL/DL解耦概念，其中在其初始激活之后，中央处理单元（CPU）收集反映用户设备（UE）的视线（LOS）条件的Rician $K$因子的测量以及2.6 GHz和28 GHz频带两者的DL参考信号接收功率（RSRP），然后训练非线性支持向量机（SVM）算法。CPU最终明确停止毫米波的测量，并将训练好的SVM算法应用于2.6 GHz数据，以盲预测可独立用于UL和DL的目标频率和接入点（AP）。在训练样本较少的情况下，该分类器的准确率达到了$95\%$.
2018-09-05 cs.IT math.IT
Blind Identification of Distributed Antenna Systems with Multiple Carrier Frequency Offsets
在空间分布式多用户天线系统中，接收信号中包含多个载波频率偏移（CFO），这是由于发射机和接收机的振荡器之间的失配引起的。这导致数据星座的时变旋转，其需要在符号恢复之前在接收器处被补偿。本文提出了一种新的盲频偏估计和符号恢复方法。接收到的基带信号被过采样，其多相分量被用来制定一个虚拟的多输入多输出（MIMO）问题。通过应用盲MIMO系统估计技术，可以估计系统响应，并且可以恢复用户符号的解耦版本，每个版本包含不同的CFO。通过应用判决反馈锁相环（PLL），可以减轻CFO并且可以恢复所发送的符号。估计的MIMO系统响应提供有关CFO的信息，可用于初始化PLL、加速其收敛并避免通常与PLL相关的模糊性。
2007-04-15 cs.IT math.IT
Blind Two-Dimensional Super-Resolution and Its Performance Guarantee (Extended Version)
本文研究了由线性系统对多个未知波形的响应来识别系统参数的问题。我们假设系统响应是未知波形的时间延迟和频率偏移版本的缩放叠加。这类问题是严重不适定的，如果不引入进一步的约束，就不会得到唯一的解。为了充分表征系统，我们假设未知的波形位于一个共同的已知的低维子空间，满足一定的属性。然后，我们开发了一个适用于大量应用的盲二维的【形】（2D）超分辨率框架。在这个框架中，我们表明，在最小的时间-频率偏移之间的分离，所有的未知数，表征系统可以被精确地恢复，并具有很高的概率，提供了一个下界的观测样本的数量是满意的。建议的框架是基于一个二维原子范数最小化问题，这是通过半定规划重新制定和解决。仿真结果证实了本文的理论研究结果。
2022-05-24 cs.IT math.IT
Super-Resolution Blind Channel-and-Signal Estimation for Massive MIMO with One-Dimensional Antenna Array
在本文中，我们研究了盲信道和信号估计，利用突发稀疏结构的角域传播信道在大规模MIMO系统。现有技术的方法通过利用均匀的角度采样网格（也称为角采样网格）对角域信道表示进行采样来利用结构化信道稀疏性。虚拟信道表示。然而，这种方法仅适用于均匀线阵，并且可能由于虚拟表示和真实角度信息之间的不匹配而导致显著的性能损失。为了解决这些挑战，我们提出了一个稀疏信道表示与超分辨率采样网格和隐藏的马尔可夫支持。在此基础上，提出了一种新的基于近似推理的盲估计算法，实现了对信道和用户信号的同时估计，并重点采用期望最大化方法学习角度信息。此外，我们证明了我们的算法的低复杂度的实现，利用因子图和消息传递原则来计算边际后验。数值实验结果表明，与现有方法相比，该方法在各种条件下均能显著降低估计误差，验证了该方法的有效性和鲁棒性.
2019-07-09 cs.IT math.IT
Geometric Analysis of Blind User Identification for Massive MIMO Networks
FAU Erlangen-Nürnberg（埃尔朗根-纽伦堡大学）
本文提出了一种基于最近凸包分类的盲用户识别方法，通过高斯分布假设和副本方法评估其在大规模MIMO网络中的性能。
2026-02-10 cs.IT eess.SP math.IT
Semi-Blind Joint Channel and Symbol Estimation in IRS-Assisted Multi-User MIMO Networks
智能反射面（IRS）是未来第五代无线通信的一项重要技术。在完全被动的IRS辅助系统中，信道估计是具有挑战性的，并且应当仅在基站处或在终端处执行，因为IRS的元件不能处理信号。在这封信中，我们制定了一个基于张量的半盲接收机，解决了联合信道和符号估计问题的IRS辅助多用户多输入多输出系统。所提出的方法依赖于广义PARATUCK张量模型的IRS反射的信号，基于一个两阶段的封闭形式的半盲接收机使用Khatri-Rao和Kronecker分解。仿真结果表明，所提出的半盲接收机的优良性能，在归一化均方误差和符号出错率，以及较低的计算复杂性，最近提出的并行因子分析为基础的接收机相比。
2022-05-04 cs.IT eess.SP math.IT
Decentralized Expectation Propagation for Semi-Blind Channel Estimation in Cell-Free Networks
针对无蜂窝大规模MIMO上行半盲信道估计中的导频污染问题，提出融合CLT与EP的去中心化因子分解方法，在无需新增辅助变量的同时降低CPU计算负担。
2024-10-02 cs.IT eess.SP math.IT
Point spread function estimation for blind image deblurring problems based on framelet transform
University of Mohaghegh Ardabili（莫哈格·阿达比里大学）
图像处理中最重要的问题之一是由于模糊处理而丢失的图像的近似。这类问题分为非盲问题和盲问题。由于原始图像和点扩散函数估计的未知性，第二类问题在计算方面比第一类问题更复杂。本文提出了一种基于$l_0-αl_1$正则化和小框架变换的粗到精迭代算法来逼近扩展函数估计。小框架转移由于核到不同频率的分解而改善了恢复的核。在该模型中，采用分数阶梯度算子代替了普通的梯度算子.该方法是研究不同类型的图像，如文字，人脸，自然。该方法的输出反映了所提出的算法在恢复图像的盲问题的有效性。
2021-12-21 cs.CV cs.IT eess.IV
Semi-Blind Joint Channel and Symbol Estimation for IRS-Assisted MIMO Systems
智能反射面（IRS）是第六代无线系统的一项很有前途的技术，实现了智能无线电环境的概念。在本文中，我们提出了一种新的基于张量的接收机的IRS辅助的多输入多输出通信能够联合估计的信道和传输的数据流在半盲的方式。假设完全无源IRS架构并在发射机处引入简单的空时编码方案，可以有利地使用PARATUCK张量模型来构建接收信号模型，PARATUCK张量模型可以被视为并行因子分析和Tucker模型的混合。利用PARATUCK张量模型的代数结构，推导出一种半盲接收机。所提出的接收器是基于三线性交替最小二乘法，迭代估计两个涉及的- IRS-基站和用户终端-IRS-通信信道和发送的符号矩阵。我们讨论的可识别性条件，确保联合半盲恢复所涉及的信道和符号矩阵，并提出了一个联合设计的编码和IRS反射矩阵，以优化接收机的性能。对于所提出的半盲接收机，还提供了预期的Cramér-Rao下界的推导。所提出的接收机设计的数值性能评估证实了其优越的性能方面的归一化均方误差的估计信道和实现的符号出错率。
2022-05-20 cs.IT eess.SP math.IT
