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
Transformer-assisted Parametric CSI Feedback for mmWave Massive MIMO Systems
针对毫米波大规模MIMO系统CSI反馈开销大的问题，提出结合深度学习的参数化CSI反馈方法，将信道压缩为少量几何参数以降低开销，通过深度学习提取参数与重建信道抑制量化误差，在NMSE和BER上优于传统方法。
2024-10-09 cs.IT eess.SP math.IT
Hybrid Beamforming for Intelligent Reflecting Surface Aided Millimeter Wave MIMO Systems
由于采用毫米波（mmWave）频段的通信系统必须使用大型天线阵列来克服mmWave信号的严重传播损耗，因此混合波束成形已被认为是mmWave通信的组成部分。最近，智能反射表面（IRS）已经被提出作为一种创新技术，其可以通过使用低成本的无源反射元件来显著改善毫米波通信系统的性能。在本文中，我们研究了红外辅助毫米波多输入多输出（MIMO）系统与混合波束形成架构。本文首先利用毫米波信道的稀疏散射结构和大尺度特性，研究了窄带MIMO系统中IRS反射矩阵和混合波束形成器的联合设计。然后，我们将所提出的联合设计推广到宽带MIMO系统与正交频分复用（OFDM）调制，利用频率选择性毫米波信道的角度稀疏。仿真结果表明，所提出的联合设计可以显着提高系统的频谱效率，并实现优于现有设计的性能。
2022-06-27 cs.IT eess.SP math.IT
User-centric Handover in mmWave Cell-Free Massive MIMO with User Mobility
研究了毫米波载波频率下的无小区大规模多输入多输出（MIMO）系统与用户移动性之间的耦合问题。首先，考虑到用户移动性和信道老化的影响，引入了毫米波信道。然后，三个波束成形技术，提出了在所考虑的情况下，随着动态用户关联技术（切换）：从每个移动终端和接入点（AP）的集群之间的以用户为中心的关联开始，制定和分析用于更新AP集群的规则。数值结果表明，所提出的波束形成和用户关联技术是有效的，在所考虑的场景。
2021-05-19 cs.IT eess.SP math.IT
Low-complexity Beam Selection algorithms based on SVD for MmWave Massive MIMO Systems
为了在实践中实现毫米波大规模MIMO系统，具有波束选择的波束空间MIMO以显著减少的射频（RF）链的数量提供了有吸引力的解决方案。我们提出了基于奇异值分解（SVD）的低复杂度波束选择算法。首先通过奇异值分解对信道矩阵进行对角化，然后根据和速率最大化准则，以递减或递增的顺序逐个选择合适的波束。为了显著降低算法的复杂度，我们在最后一次迭代中利用奇异值分解来避免从头开始进行奇异值分解。同时，我们提出的算法自然地获得预编码矩阵，可以消除多用户干扰。仿真结果表明，我们提出的算法可以优于竞争算法，包括全数字零预编码。
2022-07-11 cs.IT eess.SP math.IT
A Block Sparsity Based Estimator for mmWave Massive MIMO Channels with Beam Squint
多输入多输出（MIMO）毫米波（mmWave）通信是下一代无线网络的关键技术。利用具有增加的带宽的大量天线的后果之一是阵列导向矢量在不同的子载波之间变化。由于这种被称为波束偏斜的效应，传统的信道模型不再适用于毫米波大规模多输入多输出系统。在本文中，我们研究信道估计下产生的非标准模型。为此，我们首先从阵列信号处理的角度分析了波束偏斜效应，从而建立了一个模型，该模型揭示了毫米波传输的角度延迟稀疏性。接下来，我们设计了一种基于压缩感知的信道估计算法，该算法利用了该信道模型的平移不变块稀疏性。该算法联合计算离网角、离网时延和多径信道的复增益。我们表明，新提出的方案更准确地反映了毫米波信道，与传统方法相比，性能得到了改善。然后，我们演示了如何可以应用这种方法来恢复频分双工（FDD）系统中的上行链路和下行链路信道，通过利用毫米波信道的角度延迟互易性。
2019-04-28 cs.IT eess.SP math.IT
An Optimization-Based User Scheduling Framework for mmWave Massive MU-MIMO Systems
提出了一种新的毫米波大规模多用户多输入多输出无线系统的用户设备调度框架。我们的框架确定（子）组的UE，应该同时在一个给定的时隙通过近似解决一个非凸优化问题，使用前向-后向分裂。我们的UE调度框架在以下意义上是灵活的：它（i）支持各种成本函数，包括均衡后均方误差和总和速率，以及（ii）实现对UE应该占用的最小和最大资源数量的精确控制。我们证明了我们的框架使用现实的毫米波信道向量产生的商业射线跟踪器的功效。我们表明，我们的UE调度优于一系列现有的调度方法，并密切接近性能的穷举搜索。
2022-06-23 cs.IT eess.SP math.IT
High Dynamic Range mmWave Massive MU-MIMO with Householder Reflections
针对毫米波大规模MU-MIMO中强弱UE接收功率差异导致低分辨率ADC量化噪声或饱和的问题，提出HDR MIMO范式，通过Householder反射空间变换聚焦强UE并结合数字均衡，实现强弱UE同时可靠接收。
2023-12-05 cs.IT eess.SP math.IT
Channel Estimation for mmWave MIMO using sub-6 GHz Out-of-Band Information
针对 mmWave MIMO 中低 SNR 下 CSI 获取困难的问题，提出三种利用 sub-6 GHz 带外信息的信道估计方法，并在低 SNR、高 K-factor 下取得更优频谱效率。
2024-07-07 cs.IT eess.SP math.IT
Reliability and User-Plane Latency Analysis of mmWave Massive MIMO for Grant-Free URLLC Applications
5G蜂窝网络旨在支持以前标准不支持的一系列新应用。其中，超可靠低延迟通信（URLLC）应用可以说是最具挑战性的。URLLC服务要求用户设备（UE）能够在严格的延迟约束下以高可靠性发送其数据。为了满足这些需求，5G标准中引入了新技术，例如迷你时隙，半持久调度和免授权接入。在这项工作中，我们制定了一个时空数学模型来评估毫米波（mmWave）大规模多输入多输出（MIMO）URLLC与反应和K-重复混合自动重传请求（HARQ）协议的用户平面延迟和可靠性性能。我们推导出封闭形式的近似表达式的潜在访问失败的概率，并验证它们使用数值模拟。结果表明，在一定条件下，毫米波大规模MIMO可以将故障概率降低32倍。此外，我们确定，超过一定数量的天线，可靠性没有显着改善。最后，我们得出结论，毫米波大规模MIMO单独是不够的，以提供最严格的URLLC应用所需的性能保证。
2021-07-17 cs.IT eess.SP math.IT
FCFGS-CV-Based Channel Estimation for Wideband MmWave Massive MIMO Systems with Low-Resolution ADCs
针对宽带毫米波（mmWave）大规模多输入多输出（MIMO）系统，提出了一种基于前向贪婪选择-交叉验证（FCFGS-CV-based）的信道估计器。利用毫米波虚拟信道在角度域和延迟域中的稀疏性，将最大后验（MAP）信道估计问题转换为具有凹目标函数和稀疏性约束的优化问题。FCFGS算法是一种广义正交匹配追踪（OMP）算法，用于求解稀疏约束优化问题。此外，CV技术被用来确定适当的终止条件，通过检测过拟合时，稀疏水平是未知的。
2019-08-01 cs.IT eess.SP math.IT
Beamspace Channel Estimation for Massive MIMO mmWave Systems: Algorithm and VLSI Design
毫米波（mmWave）通信结合大规模多用户多输入多输出（MU-MIMO）使得能够在相同的时间-频率资源中向多个用户进行高带宽数据传输。在如此高的频率下波传播的强路径损耗需要精确的信道状态信息来确保可靠的数据传输。我们提出了一种新的信道估计算法，称为BEAmspace信道估计（BEACHES），它利用了毫米波频率下的波传播主要是定向的这一事实。BEACHES自适应降噪的波束空间域中的信道向量使用自适应收缩过程，依赖于斯坦的无偏风险估计（SURE）。视线（LoS）和非LoS毫米波信道的仿真结果表明，BEACHES执行与国家的最先进的信道估计方法，同时需要数量级较低的复杂性。为了证明在实践中的有效性，海滩，我们开发了一个超大规模集成（VLSI）架构，并提供现场可编程门阵列（FPGA）的实施结果。我们的研究结果表明，自适应信道去噪可以在高吞吐量和硬件友好的方式进行大规模MU-MIMO毫米波系统与数百个天线。
2020-09-06 cs.IT eess.SP math.IT
Soft-Output Finite Alphabet Equalization for mmWAVE Massive MIMO
下一代无线系统预计将结合毫米波（mmWave）和大规模多用户多输入多输出（MU-MIMO）技术来提供高数据速率。这些技术要求基站（BS）以极端的速率处理高维数据，这导致高功耗和系统成本。最近已经提出了字母表均衡，以通过粗略量化均衡矩阵来减少BS处的上行链路空间均衡电路的功耗和硅面积。在这项工作中，我们通过对编码系统进行无偏估计和软输出计算来改进有限字母表均衡。通过模拟使用正交频分复用和每用户卷积编码的大规模MU-MIMO系统，我们表明，软输出有限字母表均衡提供了有竞争力的错误率性能，即使对于具有挑战性的毫米波信道，每个条目的均衡矩阵仅使用1至3位。
2020-09-07 cs.IT eess.SP math.IT
Deep Learning-based mmWave MIMO Channel Estimation using sub-6 GHz Channel Information: CNN and UNet Approaches
本文提出利用sub-6 GHz带外信息的CNN和UNet两种深度学习方法估计毫米波MIMO信道，仿真证明其在频谱效率上优于现有方案。
2025-10-15 cs.IT eess.SP math.IT
Gridless Channel Estimation for MmWave Hybrid Massive MIMO Systems with Low-Resolution ADCs
针对毫米波混合大规模多输入多输出（MIMO）系统，提出了一种基于牛顿化全校正前向贪婪选择交叉验证（NFCFGS-CV-based）的信道估计算法。提出的NFCFGS算法是一种无网格压缩感知（CS）技术，结合了FCFGS和牛顿正交匹配追踪（NOMP）算法。特别地，NFCFGS基于先前估计的路径在每次迭代时在连续体上执行单路径估计。CV技术被采用作为在没有关于路径数量的先验知识的情况下的终止指示器，这是一种防止过拟合的模型验证技术。
2022-07-13 cs.IT eess.SP math.IT
Reconfigurable Antennas in mmWave MIMO Systems
实现毫米波（mmWave）频带的全部潜力的关键障碍是该频带中的无线信号的差的传播特性。克服该问题的一种方法是使用能够支持更高增益同时提供波束适应性和分集的天线，即，可重构天线在这篇文章中，我们提出了一种新的架构毫米波多输入多输出（MIMO）通信，使用一类新的可重构天线。更具体地，所提出的基于透镜的天线可以在使用单个射频链的同时支持多个辐射图案。此外，通过使用波束选择网络，每个天线波束可以在期望的方向上被操纵。此外，在MIMO架构中使用所提出的可重构天线，我们提出了一种新的信号处理算法，该算法使用天线提供的额外自由度来克服毫米波频率下的传播问题。我们的仿真结果表明，所提出的可重构天线MIMO架构显着提高毫米波通信系统的性能。
2017-10-24 cs.IT cs.NI eess.SP
Optimal Beam Training for mmWave Massive MIMO using 802.11ay
802.11ad的波束训练是一种在现有AWV码本的约束下帮助加速AWV选择过程的技术。然而，5G毫米波（mmWave）多输入多输出（MIMO）系统由于天线的更高阶复杂性而给这种新技术带来了挑战。因此，11ad的现有码本甚至不可能包括接近最优的AWV，并且数据率将严重降级。针对这种情况，本文提出了一种新的波束训练协议，并结合最新的压缩感知信道估计算法，以最大化最优数据速率为目标来寻找AWV。仿真结果表明，11 ad协议的AWV数据传输速率低于该协议。
2022-11-29 cs.IT eess.SP math.IT
Hybrid Jammer Mitigation for All-Digital mmWave Massive MU-MIMO
低分辨率模数转换器（ADC）简化了毫米波（mmWave）大规模多用户多输入多输出（MU-MIMO）基站的设计，但增加了对干扰攻击的脆弱性。作为一种补救措施，我们提出了HERMIT（混合干扰机MITIGATION的缩写），一种方法，结合了硬件友好的自适应模拟变换与相应的数字均衡器：模拟变换消除了大部分的干扰的能量数据转换之前，数字均衡器抑制干扰残留，同时检测合法的传输数据。我们提供的理论结果，建立最佳的模拟转换作为用户设备的功能和干扰机的信道。使用毫米波信道模型的仿真，我们证明了HERMIT的优越性相比，纯粹的数字干扰缓解以及最近的混合方法，减轻干扰干扰与非自适应模拟变换。
2021-11-25 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
Learning Beam Codebooks with Neural Networks: Towards Environment-Aware mmWave MIMO
按比例增加天线的数量是当前和未来无线通信系统的关键特性。然而，硬件成本和功耗促使大规模MIMO系统（尤其是在毫米波（mmWave）频带处）依赖于仅模拟或混合模拟/数字收发器架构。在这些架构下，毫米波基站通常使用预定义的波束成形码本进行初始接入和数据传输。然而，当前的波束码本通常采用单瓣窄波束并且扫描整个角空间。这导致高波束训练开销和可实现的波束成形增益的损失。在本文中，我们提出了一个新的机器学习框架学习波束形成码书在硬件受限的大规模MIMO系统。更具体地说，我们开发了一个神经网络架构，该架构考虑了硬件约束，并学习了适应周围环境和用户位置的波束码本。仿真结果突出了所提出的解决方案在学习多瓣波束和减少码本大小方面的能力，与经典码本设计方法相比，这导致了显著的增益。
2020-02-25 cs.IT eess.SP math.IT
Channel Estimation for RIS-aided mmWave Massive MIMO System Using Few-bit ADCs
毫米波（mmWave）大规模多输入多输出（massive multiple-input multiple-output，massive MIMO）是第五代及以后无线通信系统中最有前途的技术之一。然而，大量的天线导致高功耗和硬件成本，并且高频通信给基站（BS）处的模数转换器（ADC）带来沉重的负担。此外，在大型天线阵列系统中为每个天线配备高精度ADC成本太高。采用低分辨率ADC来解决这个问题是有希望的。在本文中，我们研究了毫米波大规模MIMO系统的级联信道估计的可重构智能表面（RIS）与BS配备了几位ADC的辅助。由于级联信道的低秩特性，级联信道的估计可以用低秩矩阵完备化问题来表示。本文提出了一种贝叶斯最优信道估计框架，用于估计用户-基站-基站级联信道，以解决量化带来的信息丢失问题。为了实现估计器和实现矩阵完成，我们使用高效的双线性广义近似消息传递（BiG-AMP）算法。大量的仿真结果表明，我们提出的方法可以准确地估计级联信道的RIS辅助毫米波大规模MIMO系统与低分辨率ADC。
2023-01-26 cs.IT eess.SP math.IT
Beam-Slicing for Jammer Mitigation in mmWave Massive MU-MIMO
毫米波（mmWave）大规模多用户多输入多输出（MU-MIMO）技术为下一代无线系统提供了前所未有的高数据率。为了实际可行，毫米波大规模MU-MIMO基站（BS）必须（i）依赖于低分辨率数据转换，以及（ii）对干扰机干扰具有鲁棒性。本文考虑的问题，减轻上行链路传输过程中的永久性发射干扰的影响，BS配备低分辨率的模数转换器（ADC）。为此，我们提出了SNIPS，简称为空间分区的干扰软调零。SNIPS结合了波束分割（一种局部化的模拟空间变换，将干扰能量集中到所有ADC的子集上）和软调零数据检测器（利用哪些ADC受到干扰干扰的知识）。我们的数值结果表明，SNIPS是能够成功地服务于65%的用户设备（UE）的情况下，传统的天线域软调零数据检测器只能服务于2%的UE。
2021-08-06 cs.IT eess.SP math.IT
Channel Estimation for RIS-Aided mmWave MIMO Channels
可重构智能表面（RIS）可以通过被动地改变入射电磁波的方向来塑造无线电传播。RIS的最佳控制需要经由RIS连接基站（BS）和移动站（MS）的所有链路的完美的信道状态信息（CSI）。因此，需要在BS/MS处的信道（参数）估计和相关的消息反馈机制。本文针对RI辅助的毫米波（mmWave）MIMO信道，采用一种两阶段信道估计方案，利用迭代重加权的方法依次估计信道参数。我们评估的平均频谱效率（SE）和RIS波束形成增益的建议方案，并证明它实现了高分辨率的估计与平均SE与完美的CSI。
2020-02-15 cs.IT eess.SP math.IT
Weighted Sum Rate Maximization of the mmWave Cell-Free MIMO Downlink Relying on Hybrid Precoding
依赖于混合预编码的无小区MIMO概念构成了能够显著增加毫米波（mmWave）通信系统的网络容量的创新技术。它免除了传统多小区MIMO系统的小区边界，同时通过限制接入点（AP）处的射频（RF）链的数量来大幅降低功耗。在本文中，我们的目标是最大化毫米波无小区MIMO系统的加权和速率（WSR），通过构思一个低复杂度的混合预编码算法。我们制定的WSR优化问题受到每个AP的发射功率约束和模拟预编码器的移相器的恒模约束。提出了一种分块坐标下降（BCD）算法来迭代求解该问题。在每次迭代中，经典的拉格朗日乘子方法和惩罚对偶分解（PDD）方法相结合，以获得接近最优的混合模拟/数字预编码矩阵。此外，我们扩展了我们提出的算法，推导出封闭形式的表达式，用于全数字无小区MIMO系统的预编码器。此外，我们给出了我们提出的方法的收敛性分析和复杂性分析。最后，我们的仿真结果表明，无论是全数字和混合预编码矩阵的算法的优越性。
2022-01-12 cs.IT eess.SP math.IT
Leveraging Location Information for RIS-aided mmWave MIMO Communications
由外部定位系统提供的位置信息，例如，卫星导航可以在可重构智能表面（RIS）辅助毫米波（mmWave）多输入多输出网络的波束对准和信道参数估计过程中用作先验信息。受益于这样的先验信息的可用性，尽管不完美，但是波束对准和信道参数估计过程可以在所有终端处探索较少候选波束的情况下显著加速。我们提出了一种实用的信道参数估计方法，通过原子范数最小化，它优于标准的波束对准方面的均方误差和有效频谱效率相同的训练开销。
2021-03-29 cs.IT eess.SP math.IT
AMP-SBL Unfolding for Wideband MmWave Massive MIMO Channel Estimation
在宽带毫米波（mmWave）大规模多输入多输出（MIMO）系统中，由于混合模数架构，信道估计是一个具有挑战性的问题，它压缩了接收到的导频信号，使信道估计成为一个压缩感知（CS）问题。然而，现有的高性能CS算法通常遭受高复杂度。另一方面，大带宽和大量天线所引起的波束偏斜效应会使估计性能恶化。本文首次采用频率相关的角度字典来补偿光束斜视角。然后，从两个方面对基于期望最大化（EM）的稀疏贝叶斯学习（SBL）算法进行了改进，即在每一次迭代中，E步由近似消息传递（AMP）实现以降低复杂度，而M步由深度神经网络（DNN）实现以提高性能。仿真结果表明，基于AMP-SBL展开的信道估计器具有较低的复杂度和较好的性能。
2023-02-01 cs.IT eess.SP math.IT
Gridless Angular Domain Channel Estimation for mmWave Massive MIMO System With One-Bit Quantization Via Approximate Message Passing
针对一比特量化毫米波（mmWave）大规模多输入多输出（MIMO）系统，提出了一种波达方向和信道估计算法。通过制定的估计问题作为一个嘈杂的一位压缩感知问题，我们提出了一个计算效率的无网格解决方案的基础上的期望最大化广义近似消息传递（EMGAMP）的方法。该算法不需要先验知识的DoA的数量，并优于现有的方法在区分非常接近的DoA的情况下，一位量化。对于一比特量化的情况，估计DoA和信道系数两者。仿真结果表明，该算法在目标方位非常接近的情况下具有较好的估计性能。
2019-09-23 cs.IT eess.SP math.IT
Spatial Wideband Channel Estimation for MmWave Massive MIMO Systems with Hybrid Architectures and Low-Resolution ADCs
提出了一种基于混合结构和低分辨率模数转换器（ADC）的宽带毫米波（mmWave）大规模多输入多输出（MIMO）系统的信道估计器。考虑到在宽带毫米波大规模多输入多输出系统中不可忽略的天线阵列上的传播延迟，提出了一种离散时间信道模型，用于模拟空间宽带效应。此外，训练信号的设计，解决帧间，用户间和符号间的干扰时，空间宽带效应是不可忽略的。为了基于最大后验概率（MAP）准则估计连续谱上的信道参数，提出了基于牛顿化完全校正前向贪婪选择-交叉验证（NFCFGS-CV-based）的信道估计器。NFCFGS-CV是一种无网格的压缩感知（CS）算法，其终止条件由CV技术确定。基于CV的终止条件被证明达到最小平方误差（SE）。仿真结果表明，NFCFGS-CV优于最先进的基于网格CS的信道估计器。
2021-01-25 cs.IT eess.SP math.IT
RIS-Aided Angular-Based Hybrid Beamforming Design in mmWave Massive MIMO Systems
针对毫米波大规模多输入多输出（MIMO）系统，提出了一种可重构智能表面（RIS）辅助和基于角度的混合波束形成（AB-HBF）技术。所提出的RIS-AB-HBF架构由三个阶段组成：（i）RF波束形成器，（ii）基带（BB）预编码器/组合器，以及（iii）RIS相移设计。首先，为了减少RF链的数量和信道估计开销，RF波束形成器基于基于3D几何的毫米波信道模型使用信道的慢时变角度参数来设计。第二，BB预编码器/组合器的设计，利用从BB阶段看到的减小大小的有效信道。然后，通过自然启发的粒子群优化（PSO）算法调整RIS的相移，以最大化系统的可实现速率。说明性的仿真结果表明，在AB-HBF系统中使用的RIS有可能提供更有前途的优势，在系统设计的可靠性和灵活性。
2022-08-13 cs.IT eess.SP math.IT
Finite-Alphabet MMSE Equalization for All-Digital Massive MU-MIMO mmWave Communication
我们提出了有限字母表均衡，一个新的范例，限制了空间均衡矩阵的条目，以低分辨率的数字，使高吞吐量，低功耗，低成本的硬件均衡器。为了最大限度地减少这种模式的性能损失，我们引入FAME，短的有限字母表最小均方误差（MMSE）均衡，这是能够显着优于一个天真的量化的线性MMSE矩阵。我们开发了有效的算法来近似解决NP难FAME问题，并展示了对于大规模多用户多输入多输出（MU-MIMO）毫米波（mmWave）系统，可以使用量化为仅1-3位的均衡系数来实现接近最佳的性能。我们提供了超大规模集成（VLSI）的结果，证明了减少均衡功率和面积的至少3.9倍和5.8倍，分别。
2020-09-06 cs.IT eess.SP math.IT
Grouping Method for mmWave Massive MIMO System: Exploitation of Angular Multiplexing Gain
本文研究毫米波大规模MIMO系统中基于预编码的角度分多址用户分组问题，提出将最大化总速率转化为用户间角度间隔均衡，并设计了一种性能优越且复杂度极低的分组算法。
2023-05-25 cs.IT eess.SP math.IT
Joint Resource Optimization for IRS-Assisted mmWave MIMO under QoS Constraints
本文主要研究了智能反射表面增强毫米波系统中多用户动态资源的非凸联合优化问题，其中所有用户都集中在唯一的簇波束上。首先，将上述非线性问题的目标函数转化为服务质量约束下的二次规划形式。进一步提出了一种动态功率分配的多块交替优化框架，以获得最大和速率，其中采用放松的ADMM算法来求解最佳全数字预编码器，并通过梯度投影获得相应的无源反射矩阵。仿真结果表明，在高信干噪比下，波束优化应得到重视，但在硬件尺寸达到极限的情况下，联合动态资源分配仍能进一步提高系统性能。
2020-11-17 cs.IT eess.SP math.IT
Network-Assisted Full-Duplex Cell-Free mmWave Massive MIMO Systems with DAC Quantization and Fronthaul Compression
在本文中，我们研究了网络辅助全双工（NAFD）无细胞毫米波（mmWave）大规模多输入多输出（MIMO）系统与数模转换器（DAC）量化和前传压缩。我们建议通过联合优化发射远程天线单元（T-RAU）和上行链路用户的功率分配以及下行链路和上行链路前传压缩噪声的方差来最大化加权上行链路和下行链路和速率。为了处理这个具有挑战性的问题，我们进一步应用连续凸近似（SCA）方法来处理非凸双向有限容量前传约束。仿真结果验证了所提出的基于SCA的算法的收敛性，并分析了前传容量和DAC量化对NAFD无小区mmWave大规模MIMO系统频谱效率的影响。此外，通过频谱效率的比较，得出了一些有意义的结论，表明在实际有限分辨率DAC的情况下，NAFD比同时同频全双工云无线接入网络（CCFD C-RAN）获得了更好的性能增益。具体而言，它们在8位DAC量化下的性能差距大于1位DAC量化下的性能差距，后者获得了5.5倍的改善。
2023-02-17 cs.IT eess.SP math.IT
Reconfigurable Intelligent Surface-Aided Full-Duplex mmWave MIMO: Channel Estimation, Passive and Hybrid Beamforming
毫米波（mmWave）全双工（FD）是一种很有前途的技术，可以通过最大限度地利用时间和丰富的毫米波频率资源来提高容量。尽管如此，由于FD自干扰（SI）和毫米波的有限覆盖范围，它仍然受到限制。因此，本研究在可重构智能表面（RIS）的帮助下深入研究FD毫米波MIMO，以提高容量。首先，我们证明了在远场平面波前假设下，FD天线阵列的角域互易性。因此，提出了一种用于联合下行链路-上行链路（DL-UL）信道估计的策略。为了估计SI信道、直接信道和级联信道，分别提出了基于Khatri-Rao乘积的压缩感知（KR-CS）、分布式压缩感知（D-CS）和基于两阶段多测量向量的D-CS（M-D-CS）框架。此外，我们提出了一种基于角域级联通道的无源波束形成优化方案。针对混合波束形成结构，提出了一种新的混合加权最小均方误差信号干扰消除方法（H-WMMSE-SIC）。仿真已经揭示，与单独的DL/UL信道估计相比，联合DL-UL处理显著地提高了估计性能。特别是，当干扰噪声比小于35 dB时，我们提出的H-WMMSE-SIC提供了与全数字WMMSE-SIC相当的频谱效率性能。最后，分析了所提方法的计算复杂性。
2023-03-25 cs.IT eess.SP math.IT
Dictionary Learning for Channel Estimation in Hybrid Frequency-Selective mmWave MIMO Systems
利用毫米波（mmWave）频率处的信道稀疏性减少了与信道估计阶段相关联的高训练开销。压缩感知（CS）信道估计技术通常采用（过完备）小波/傅立叶变换矩阵作为稀疏字典。这可能不是最好的选择时，考虑到非均匀阵列，天线增益/相位误差，互耦效应等，我们提出了两个字典学习（DL）算法学习最好的稀疏化字典的信道矩阵的观察与混合频率选择性毫米波多输入多输出（MIMO）系统。首先，我们优化组合字典，即，发送和接收字典的克罗内克积，因为它在实践中用于稀疏化信道矩阵。其次，考虑到在发射机和接收机的不同阵列结构，我们利用可分离的DL找到最佳的发送和接收字典。一旦信道被表示在优化字典方面，各种基于CS的稀疏恢复技术可以被应用于低开销信道估计。在预编码器/组合器可以被优化之前，所提出的DL算法在任何毫米波通信系统固有的低SNR条件下表现良好。所提出的DL算法的有效性已通过不同的系统配置，阵列的几何形状和硬件损伤的数值模拟得到证实。
2019-09-19 cs.IT eess.SP math.IT
Broadband Channel Estimation for Intelligent Reflecting Surface Aided mmWave Massive MIMO Systems
针对 IRS 辅助毫米波大规模 MIMO 的高维宽带信道估计难题，提出基于压缩感知的下行导频框架，结合分布式 OMP、公共稀疏性与冗余字典降低导频开销并提升估计性能。
2023-07-13 cs.IT eess.SP math.IT
Full-stack Hybrid Beamforming in mmWave 5G Networks
本文分析了毫米波（mmWave）第五代（5G）蜂窝网络中的混合波束成形（HBF）和多用户多输入多输出（MU-MIMO），考虑了具有TCP/IP流量和MAC调度的全协议栈。HBF和MU-MIMO上的先前工作假设全缓冲传输并研究了链路级性能。我们报告的HBF技术，前载信道估计导频方案在NR，和MU-MIMO调度的约束之间的非平凡的相互作用。我们还报告说，联合多用户波束成形设计是必要的，在这个意义上说，MU-MIMO系统不能被充分利用时，实现为一个纯粹的收集单用户模拟波束并行工作。通过解决这些问题，可以通过空分多址（SDMA）在mmWave 5G网络中显着增加吞吐量。
2020-10-13 cs.IT eess.SP math.IT
Performance of Cell-Free MmWave Massive MIMO Systems with Fronthaul Compression and DAC Quantization
针对无小区毫米波（mmWave）大规模多输入多输出（MIMO）系统，提出了一种基于最大最小功率分配的迫零（ZF）预编码器，该预编码器采用低分辨率数模转换器（DAC），前传链路容量有限。所提出的功率分配的目的是实现最大-最小的公平性上的可实现的速率下限的用户的加性量化噪声模型（AQNM），它模仿的效果，低分辨率DAC。为了解决最大-最小功率分配问题，提出了一种交替优化（AO）方法，该方法在每次AO迭代中都能得到构成原问题的子问题的全局最优解，从而保证了算法的收敛性.在仿真结果中探索了无小区系统和小小区系统的性能，这表明不太小的前传容量足以使无小区系统优于小小区系统。
2021-01-25 cs.IT eess.SP math.IT
RF Lens-Embedded Antenna Array for mmWave MIMO: Design and Performance
第五代无线通信系统（5G）对高数据速率的需求要求充分利用毫米波频段的宽带。寻求补偿毫米波的高路径损耗并实现增益和方向性的研究人员已经提出毫米波多输入多输出（MIMO）系统利用波束成形系统。毫米波中的混合波束成形通过在模拟处理块中使用移相器在实现高增益和方向性方面展示了有前途的性能。然而，仍然存在的问题是毫米波波束成形系统的实际实现;制造这样的系统是昂贵且复杂的。为了降低这种成本和复杂性，本文提出了透镜天线的实际原型，作为未来5G毫米波混合波束成形系统中使用的有效设备。使用透镜作为无源移相器能够在没有有源移相器的沉重网络的情况下实现波束成形，而增益和方向性通过透镜的能量聚焦特性来实现。本文提出了两种类型的透镜天线，一种用于静态，另一种用于移动使用。通过软件定义无线电（SDR）平台，使用测量和仿真数据以及链路级分析来评估其性能。结果表明，透镜天线的高增益和方向性，其改进的波束切换的可行性相比，当不使用透镜的前景。系统级评估显示，在真实的室内和室外环境中显着的吞吐量增强。此外，通过对不同透镜尺寸的评估，讨论了透镜天线的设计问题。
2018-01-22 cs.IT eess.SP math.IT
Resolution-Adaptive All-Digital Spatial Equalization for mmWave Massive MU-MIMO
用于毫米波（mmWave）大规模多用户多输入多输出（MU-MIMO）的全数字基站（BS）架构为每个射频链配备专用数据转换器，其在频谱效率、灵活性和基带处理简单性方面优于混合模数解决方案。为了使全数字架构在功耗方面与混合解决方案竞争，新颖的信号处理方法和基带架构是必要的。在本文中，我们证明了使全数字系统的模数转换器（ADC）和空间均衡器的分辨率适应通信场景（例如，用户数量、调制方案和传播条件）使得能够为实际的毫米波信道节省数量级的功率。例如，对于支持1 GHz带宽的256 BS天线16用户系统，为64用户最差情况设计的传统基线架构在28 nm CMOS中的ADC阵列和空间均衡器将消耗23 W，而分辨率自适应架构能够将功耗降低6.7倍。
2021-07-23 cs.IT eess.SP math.IT
Gradient Pursuit-Based Channel Estimation for MmWave Massive MIMO Systems with One-Bit ADCs
研究了毫米波（mmWave）大规模多输入多输出（MIMO）系统中采用1位模数转换器（ADC）的信道估计问题。在毫米波频段，传播路径的数量很少，这导致虚拟信道稀疏。为了基于最大后验概率（MAP）准则估计稀疏虚拟信道，稀疏约束优化开始发挥作用。一般来说，优化目标函数的稀疏约束是NP难的，因为它们的组合复杂性。此外，1位ADC的粗量化使得信道估计成为一项具有挑战性的任务。在压缩感知（CS）领域，提出了梯度支持追踪（GraSP）和梯度硬阈值追踪（GraHTP）算法，通过硬阈值追踪目标函数的梯度，迭代近似求解稀疏约束优化问题。然而，这些算法的准确性保证，打破了目标函数是病态的，这经常发生在毫米波波段。为了防止基于梯度追踪算法的故障，带最大值选择（BMS）技术，这是一个硬阈值只选择“带最大值”，适用于GraSP和GraHTP提出BMSGraSP和BMSGraHTP算法在本文中。
2019-08-01 cs.IT eess.SP math.IT
Deep Learning for Hybrid Beamforming with Finite Feedback in GSM Aided mmWave MIMO Systems
Tsinghua University（清华大学）；Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心）
混合波束形成是毫米波多输入多输出系统的重要技术。为了提高频谱利用率，进一步引入了广义空间调制（GSM）技术。然而，大多数现有的波束成形工作假设完美的信道状态信息（CSI），这是不现实的，在实际系统中。本文研究了GSM辅助频分复用（FDD）mmWave MIMO系统中下行导频训练、信道估计、CSI反馈和混合波束形成的联合优化问题。在深度学习的帮助下，通过无监督学习以端到端的方式设计GSM混合波束形成器。实验结果表明，与传统算法相比，本文提出的多分辨率网络GsmEFBNet能够以更少的反馈比特数获得更高的可达速率。
2023-02-15 cs.AI cs.IT eess.SP
Quantized RIS-aided mmWave Massive MIMO Channel Estimation with Uniform Planar Arrays
本文针对配备少比特ADC和均匀平面阵列的RIS辅助毫米波大规模MIMO系统，提出基于贝叶斯推断与VAMP算法的量化压缩感知级联信道估计方法，并利用FFT加速计算，验证了其在低信噪比下的实用性和准确性。
2024-01-15 cs.IT eess.SP math.IT
Communicate or Sense? AP Mode Selection in mmWave Cell-Free Massive MIMO-ISAC
针对毫米波无蜂窝大规模MIMO-ISAC中AP模式选择问题，提出联合动态模式选择与功率分配方案，设计三种次优算法在满足感知和通信约束下最小化活跃AP数量，其中先按通信约束分配ISAC发射机再按感知约束分配感知接收机的方案实现最佳性能-复杂度平衡。
2024-12-03 cs.IT eess.SP math.IT
Attention Mechanism Based Intelligent Channel Feedback for mmWave Massive MIMO Systems
具有毫米波（mmWave）和大规模多输入多输出（MIMO）的智能无线通信的潜在优势基于基站（BS）处的瞬时信道状态信息（CSI）的可用性。然而，在频分双工（FDD）系统中，不存在信道互易性导致在BS处难以捕获准确的CSI。许多研究人员探索了基于深度学习（DL）的有效架构来解决这个问题，并证明了基于DL的解决方案的成功。然而，现有的方案集中在获取完整的CSI，而忽略了波束成形和预编码操作。在本文中，我们提出了一种智能信道反馈结构，使用特征矩阵和特征向量反馈神经网络（EMEVNet）。在注意力机制的帮助下，所提出的EMEVNet可以被认为是一个双通道自动编码器，它能够将特征矩阵和特征向量联合编码成码字。仿真结果表明，与传统的基于DL的CSI反馈方法相比，所提出的EMEVNet方法具有很大的性能改善和鲁棒性，具有极低的开销。
2022-11-02 cs.IT eess.SP math.IT
Tensor-Decomposition-based Hybrid Beamforming Design for mmWave OFDM Massive MIMO Communications
针对单用户毫米波OFDM大规模MIMO系统，提出基于约束Tucker2分解与投影交替最小二乘的混合波束成形设计，可提升平均可达和速率，性能优于现有方案。
2020-11-17 cs.IT eess.SP math.IT
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
Federated Dropout Learning for Hybrid Beamforming With Spatial Path Index Modulation In Multi-User mmWave-MIMO Systems
United States CCDC Army Research Laboratory（美国CCDC陆军研究实验室）
具有少量射频（RF）链的毫米波多输入多输出（mmWave-MIMO）系统具有有限的复用增益。空间路径索引调制（SPIM）通过利用由空间路径的索引调制的附加信号比特来帮助改善该增益。在本文中，我们介绍了基于模型和无模型的多用户SPIM-MIMO系统中的波束形成器的设计框架。我们首先通过基于模型的流形优化算法设计波束形成器。然后，我们利用联邦学习（FL）与辍学学习（DL）训练的学习模型的本地数据集的用户，谁估计的波束形成器通过馈送模型与他们的信道数据。DL在训练期间随机选择不同的模型参数集，从而与传统FL相比进一步减少了传输开销。数值实验表明，所提出的框架比最先进的SPIM-MIMO方法和mmWave-MIMO具有更高的频谱效率，后者依赖于最强的传播路径。此外，所提出的FL方法提供比集中式学习技术低至少10倍的传输开销。
2021-02-15 cs.IT cs.LG eess.SP
Swarm Intelligence Optimization of Multi-RIS Aided MmWave Beamspace MIMO
针对基站与用户直连链路全阻断的多RIS辅助毫米波波束域MIMO系统，提出基于PSO的低复杂度算法联合优化波束选择、功率分配与RIS配置，在复杂度和速率间实现良好权衡，且增加RIS单元比激活更多基站波束更能提升速率。
2025-05-20 cs.IT eess.SP math.IT
Jammer Mitigation via Beam-Slicing for Low-Resolution mmWave Massive MU-MIMO
毫米波（mmWave）大规模多用户多输入多输出（MU-MIMO）为下一代无线系统提供了前所未有的数据率。为了实际可行，毫米波大规模MU-MIMO基站（BS）必须依赖于低分辨率数据转换器，这使得它们容易受到干扰。本文提出了波束分割，一种方法，减轻了一个永久性的发射干扰的影响，在上行链路传输的BS配备低分辨率模数转换器（ADC）。波束分割是一种局部化的模拟空间变换，它将干扰能量集中到少数ADC上，因此可以根据无干扰ADC的输出恢复传输数据。我们证明了光束切片与两个数字干扰缓解数据检测器（SNIPS和CHOPS）相结合的功效。具有空间分区的干扰源软置零（SNIPS）将波束分割与利用ADC污染的知识的软置零数据检测器相结合;具有空间分区的正交互补投影（CHOPS）将波束分割与线性投影相结合，该线性投影去除与干扰信道的估计共线的所有信号分量。我们的研究结果表明，波束分割使SNIPS和CHOPS能够成功地服务于65%的用户设备（UE）的情况下，他们的天线域同行，缺乏波束分割只能服务于2%的UE。
2021-09-06 cs.IT eess.SP math.IT
Hierarchical Codebook Design for Near-Field MmWave MIMO Communications Systems
具有模拟或混合模拟/数字架构的通信系统通常依赖于预定义的码本来执行波束成形。随着天线阵列尺寸的增大，近场情况下球面波阵面的特性是不可忽略的。因此，有必要设计一种自适应于近场场景的码本。在这封信中，我们研究了近场情况下的分层码本设计方法。提出了一种控制波束增益的计算方法，并设计了满足菲涅尔区覆盖要求的底层码本。对于上层码本，我们提出了波束旋转和波束重定位的方法来放置一个任意的波束图案在目标位置。仿真结果表明了所提出的近场分层码本设计的优越性。
2022-12-15 cs.IT eess.SP math.IT
Joint Transceiver and Large Intelligent Surface Design for Massive MIMO MmWave Systems
大型智能表面（LIS）最近出现了一个潜在的低成本的解决方案，以重塑无线传播环境，提高频谱效率。在本文中，我们考虑了下行毫米波（mmWave）多输入多输出（MIMO）系统，其中LIS被部署以协助从基站（BS）到用户设备（UE）的下行链路数据传输。BS和UE都配备有大量天线，并且使用混合模拟/数字预编码/合并结构来降低硬件成本和能量消耗。我们的目标是通过联合优化LIS的反射系数和BS（UE）处的混合预编码器（组合器）来最大化频谱效率。为了解决这个非凸问题，我们通过利用有效（级联）毫米波信道的固有结构，将复杂的优化问题重新表述为更友好的优化问题。然后，开发了基于流形优化（MO）的算法。仿真结果表明，通过仔细设计LIS的反射系数，我们提出的方法可以帮助实现一个良好的传播环境与一个小的信道矩阵条件数。此外，它可以达到与那些国家的最先进的算法，而在一个更低的计算复杂性的性能。
2020-10-11 cs.IT eess.SP math.IT
Channel Estimation for mmWave MIMO-OFDM Systems in High-Mobility Scenarios: Instantaneous Model or Statistical Model?
本文研究高移动性毫米波MIMO-OFDM系统的信道估计，比较瞬时与统计信道模型，提出基于四阶张量CP分解和ESPRIT型分解的瞬时模型估计算法，仿真证明其优于统计模型及现有基准。
2024-08-27 cs.IT eess.SP math.IT
Demo: MmWave Lens MIMO
在第五代（5G）通信中，射频透镜天线以其高天线增益和低硬件成本的优点被引入模拟/数字混合波束形成技术中。在本文中，我们设计和制造适当的射频透镜天线的毫米波通信中确定的仿真分析，并提出了一个实时毫米波透镜MIMO测试平台。此外，在传统的相移MIMO，波束偏斜，毫米波通信的宽带所造成的问题，估计与制作的RF透镜天线。
2020-04-27 cs.NI eess.SP
