Universal Adversarial Attacks on Neural Networks for Power Allocation in a Massive MIMO System
Universidad de Zaragoza(萨拉戈萨大学);Linköping University(林雪平大学)
深度学习(DL)架构已经成功地用于包括无线系统的许多应用中。然而,它们已被证明容易受到对抗攻击的影响。我们分析了基于DL的模型的回归问题的上下文中的下行链路功率分配在大规模的多输入多输出系统,并提出了通用的对抗扰动(UAP)制作方法的白盒和黑盒攻击。我们对所考虑应用程序的白盒和黑盒攻击的UAP性能进行了基准测试,并表明对抗成功率分别可以达到60%和40%。与传统的白盒攻击相比,提出的基于UAP的攻击是一种更实用和现实的方法。
2021-10-10 cs.CR cs.IT cs.LG
Symbol Error Rate Performance of Box-relaxation Decoders in Massive MIMO
用于大型多输入多输出无线通信系统中的符号检测的最大似然(ML)解码器通常在计算上是禁止的。在本文中,我们研究了一个流行的和实用的替代方案,即盒松弛优化(BRO)解码器,这是一个自然的凸松弛ML。对于具有加性高斯噪声的iid实高斯信道,我们得到了BRO的误符号率(SER)的精确渐近表达式。公式特别简单,它们产生有用的见解,并且它们允许与匹配滤波器界限(MFB)和迫零解码器进行准确的比较。对于BPSK信号,BRO的SER性能在平方系统的MFB的3dB内,并且随着接收天线的数量与发射天线的数量相比变大,它接近MFB。我们的分析进一步表征的BRO的解决方案的经验密度函数,并表明,任何固定数量的符号的错误事件是渐近独立的。分析背后的基本工具是凸高斯最小-最大定理。
2017-11-30 cs.IT eess.SP math.IT
Asymptotic Coverage Probability and Rate in Massive MIMO Networks
大规模多输入多输出(MIMO)是用于蜂窝系统的传输技术,其使用许多天线来支持不那么多的用户。到目前为止,大规模MIMO的性能只在有限的蜂窝网络中进行了研究。在这封信中,我们分析了它的性能在随机蜂窝网络与泊松分布的基站位置。具体来说,我们提供了解析表达式的渐近覆盖概率和速率在下行链路和上行链路时,每个基站有大量的天线。结果表明,虽然受到导频污染的限制,大规模MIMO可以提供显着更高的渐近数据率每用户比单天线网络。
2013-05-10 cs.IT math.IT
Massive MIMO versus Small-Cell Systems: Spectral and Energy Efficiency Comparison
在本文中,我们研究了两种重要的5G网络架构的下行链路性能,即大规模多输入多输出(M-MIMO)和小小区密集化。我们提出了一个比较建模的两个系统,其中用户和天线/基站(BS)的位置分布根据泊松点过程(PPP)。然后,我们利用随机几何的结果和大系统的分析工具来研究SIR分布和每个网络的平均香农和中断率。通过比较这些结果,我们观察到,对于用户平均频谱效率,小小区致密化在具有中等到高用户密度的拥挤区域和具有低用户密度的大规模MIMO中是有利的。然而,当性能度量是能量效率时,小小区系统在所有情况下都优于M-MIMO。本文的研究结果对实际5G网络的优化设计具有一定的参考价值。
2015-09-14 cs.IT math.IT
Energy Efficiency and Sum Rate when Massive MIMO meets Device-to-Device Communication
本文考虑被称为设备到设备(D2D)通信的短距离通信的场景,其中D2D用户重用蜂窝网络的下行链路资源以直接向其对应的接收器进行发送。此外,在基站(BS)处使用多个天线以便使用多用户或大规模MIMO同时支持多个蜂窝用户。网络模型考虑固定数量的蜂窝用户,并且D2D用户根据齐次泊松点过程(PPP)分布。研究了两个度量,即平均和率(ASR)和能源效率(EE)。我们推导出易于处理的表达式,并研究了ASR和EE之间的权衡作为BS天线的数量和D2D用户的密度的函数对于一个给定的覆盖区域。
2015-05-07 cs.IT math.IT
High-Throughput Data Detection for Massive MU-MIMO-OFDM using Coordinate Descent
大规模多用户(MU)多输入多输出(MIMO)无线系统中的数据检测是最关键的任务之一,由于过高的实现复杂度。在本文中,我们提出了一种新的,基于均衡的软输出数据检测算法和相应的参考FPGA设计的宽带大规模MU-MIMO系统,使用正交频分复用(OFDM)。我们的数据检测算法执行近似最小均方误差(MMSE)或盒约束均衡使用坐标下降。我们部署了各种算法级优化,即使对于具有数百个基站(BS)天线和数千个子载波的系统,也能以较低的实现复杂度实现接近最佳的错误率性能。我们设计了一个并行VLSI架构,使用流水线交织,可以在设计时进行参数化,以支持各种天线配置。我们开发了大规模MU-MIMO-OFDM系统的参考FPGA设计,并提供了一个广泛的比较现有的设计在实现复杂性,吞吐量和误码率性能。对于128 BS天线、8用户大规模MU-MIMO-OFDM系统,我们的FPGA设计在每个FPGA查找表的吞吐量方面超过次佳实现2.6倍以上。
2016-11-27 cs.IT math.IT
Performance Analysis of Cell-Free Massive MIMO Systems: A Stochastic Geometry Approach
无小区(CF)大规模多输入多输出(MIMO)已经成为传统蜂窝大规模MIMO网络的替代部署。先前的工作依赖于AP均匀分布的强假设(非常理想化),实际上,这种随机性在模拟过程中被考虑,而不是在分析中。然而,在实践中,现有的和未来的网络变得更加密集,越来越不规则。考虑到这一点,我们认为,AP的位置是通过泊松点过程(PPP),这是一个更现实的模型比网格或均匀部署的空间随机性建模。特别是,凭借随机几何工具,我们推导出下行链路覆盖概率和可达速率。值得注意的是,这是唯一的工作提供的覆盖概率,并阐明这方面的CF大规模MIMO系统。专注于提取有趣的见解,我们认为小细胞(SC)作为比较的基准。其中,CF大规模MIMO系统实现了更高的覆盖率和速率相比,由于良好的传播,信道硬化和干扰抑制的属性SC。特别是,我们表明,对于这两种架构,增加AP密度会导致更高的覆盖范围,该覆盖范围在一定值之后饱和,并且增加用户数量会降低可实现的速率,但是CF大规模MIMO系统利用了上述属性,因此优于SC。通常,CF大规模MIMO系统和SC之间的性能差距通过增加AP密度来增强。另一个有趣的观察结果是,较高的路径损耗指数会降低速率,而距离AP较近的用户对速率性能的影响更大。
2020-10-25 cs.IT math.IT
Multibeam Satellite Communications with Massive MIMO: Asymptotic Performance Analysis and Design Insights
本文针对多波束卫星通信提出无需CSI的固定波束预编码结合大规模MIMO的方案,通过泊松点过程建模分析渐近标度律,给出了用户密度、波束数与天线数相关的设计见解。
2025-05-21 cs.IT math.IT
An Efficient Clustering Algorithm for Device-to-Device Assisted Virtual MIMO
在本文中,利用移动设备(MD)的解码和转发中继的设备到设备辅助虚拟MIMO(VMIMO)系统进行了研究。单天线MD根据泊松点过程随机分布在2D平面上,并且仅它们的子集是源,留下其他空闲MD可用于辅助它们(中继)。我们的目标是开发一个有效的算法,集群每个源与可用的继电器的子集,形成一个VMIMO系统下的有限反馈的假设。我们首先表明,在我们的情况下,预编码的NP-难优化问题可以近似解决半定松弛。我们研究了具有单个源的特殊情况,并解析推导出VMIMO系统平均频谱效率的上限。然后,我们提出了一个最佳的贪心算法,达到这个界限。我们进一步利用这些结果,以获得一个多项式时间聚类算法的一般情况下,多个来源。最后,通过数值模拟将该算法与穷举聚类算法的性能进行了比较,结果表明该算法具有较好的聚类性能.
2013-12-10 cs.IT math.IT
Towards Optimal Energy Efficiency in Cell-Free Massive MIMO Systems
由于对\emph{green}无线通信的需求不断增长,以及\emph{cell-free}(CF)大规模多输入多输出(MIMO)系统的优势,我们专注于其下行链路的设计,以获得最佳的\emph{energy efficiency}(EE)。为了解决这个基本问题,我们假设每个接入点(AP)部署有多个天线,并在相同的时间-频率资源上为多个用户提供服务,而AP是泊松点过程(PPP)分布,这实际上接近其机会空间随机性。依靠随机几何的工具,我们推导出下行链路平均可达频谱效率(SE)的下限。接下来,我们考虑一个现实的CF大规模MIMO系统的功耗模型。这些步骤使制定一个易于处理的优化问题,每单位面积的下行链路EE,这导致在分析确定的最佳导频重用因子,AP密度,AP天线和用户的数量,最大化EE。值得注意的是,每单位面积的EE,而不仅仅是EE是必要的度量来描述CF系统,我们满足多点传输。因此,我们提供了有用的设计准则CF大规模MIMO系统的基本系统变量对最佳EE。其中的结果,我们观察到,较低的导频复用因子,使干扰的减少,随后,更高的EE到一个特定的值。总体而言,它表明,CF大规模MIMO技术是一个有前途的候选人,为下一代网络同时实现高SE和EE每单位面积。
2021-02-08 cs.IT math.IT
Pseudo-Random Quantization Based Two-Stage Detection in One-Bit Massive MIMO Systems
针对单比特大规模MIMO系统中高信噪比下随机共振导致高阶调制速率饱和的问题,提出伪随机量化方案及两阶段检测器,在复杂度相当的条件下提升了检测性能并支持高阶调制。
2023-06-07 cs.IT eess.SP math.IT
Spectral Efficiency Analysis in Dense Massive MIMO Networks
这项工作考虑了大规模MIMO网络的上行链路,其中基站(BS)根据强度的齐次泊松点过程$λ$随机部署。每个BS配备有$M$天线并且服务于$K$用户设备。采用严格的随机几何框架,结合多斜率路径损耗模型和基于导频的信道估计,分析了$λ$对信道估计精度和频谱效率的影响。最大比和迫零组合被认为是。有趣的分析见解提供到网络参数,如$λ$,天线-UE比$M/K$,和导频复用因子的相互作用。作为$λ$的函数,对导频污染和(小区间和小区内)干扰的相对强度进行了分析和数值评估。结果表明,导频污染仅与不切实际的$M/K\ge 100$值相关。
2019-05-31 cs.IT eess.SP math.IT
Asymptotic Performance of Box-RLS Decoders under Imperfect CSI with Optimized Resource Allocation
本文针对大规模MIMO系统在不完美信道状态信息下的符号检测问题,利用CGMT推导了无约束RLS和盒约束RLS译码器的MSE与SER渐近表达式,并在此基础上优化导频与数据的功率分配及训练符号数量。
2023-08-10 cs.IT math.IT
Column Reordering for Box-Constrained Integer Least Squares Problems
盒子约束整数最小二乘问题(BILS)是MIMO无线通信应用中的一个重要问题。通常,使用球形解码算法(树搜索算法)来解决该问题。为了使搜索算法更有效,必须对BILS问题中的信道矩阵的列进行重新排序。据我们所知,目前有两种列重新排序算法提供了最好的已知结果。两者都使用所有可用的信息,但它们分别来自几何和代数的观点,看起来不同。在本文中,我们修改一个,使其计算效率更高,更容易理解。然后我们证明了修改后的一个和另一个在理论上实际上给出了相同的列重排。最后,我们提出了一个新的数学等价算法,这是更计算效率,仍然是容易理解的。
2012-04-06 cs.IT math.IT
RLS-Based Detection for Massive Spatial Modulation MIMO
空间调制(SM)中的大多数检测算法通过正则化最小二乘(RLS)方法被公式化为线性回归。在该方法中,通过最小化用某种正则化惩罚的残差平方和来估计发射信号。本文研究了一种通用的基于RLS的检测算法用于恢复SM信号的渐近性能。我们推导了双酉不变信道矩阵类的渐近平均均方误差和出错率。分析结果被用来研究通过盒LASSO SM检测的性能。分析表明,i.i.d.高斯信道矩阵也适用于具有非高斯项的矩阵。这证明了[1]中给出的部分被证实的猜想。推导进一步扩展了以前的研究,与非独立同分布的情景。信道矩阵数值研究验证了分析,即使是实际的系统尺寸。
2019-05-13 cs.IT math.IT
Treating Interference as Noise in Cell-Free Massive MIMO Networks
如何管理由庞大的无线设备引入的干扰是未来第六代(6G)通信中要解决的关键问题。将干扰视为噪声(TIN)的最优性条件通常用于干扰管理,并且因此在现有无线系统中吸引了显著的兴趣。无小区大规模多输入多输出(CF mMIMO)是6G中一种很有前途的技术,其通过利用大量接入点(AP)来协作地服务用户而展现出高系统吞吐量和优异的干扰管理。在本文中,我们采取的第一步研究三角网在CF mMIMO系统从随机几何的角度来看,通过调查的概率,三角网条件与空间分布的网络节点。我们提出了一种新的分析框架,三角网在CF mMIMO系统与二项式点过程(BPP)和泊松点过程(PPP)的近似。我们推导出的概率,三角网条件保持在密切的形式使用PPP近似。数值结果验证了我们推导出的表达式,并说明了各种系统参数的影响的概率,三角网条件举行。
2022-02-15 cs.IT math.IT
Adversarial Attacks on Deep Learning Based Power Allocation in a Massive MIMO Network
Linköping University(林雪平大学)
深度学习(DL)作为用于无线通信系统中的许多应用的新工具正变得流行。然而,对于许多分类任务(例如,调制分类),已经表明基于DL的无线系统易受对抗性示例的影响;对抗性示例是对神经网络(NN)的精心制作的恶意输入,其目的是引起错误的输出。在本文中,我们将其扩展到回归问题,并表明对抗攻击可以打破DL为基础的功率分配在下行链路的大规模多输入多输出(maMIMO)网络。具体来说,我们扩展的快速梯度符号法(FGSM),动量迭代FGSM,和投影梯度下降对抗攻击的上下文中的maMIMO系统中的功率分配。我们对这些攻击的性能进行了基准测试,结果表明,在NN输入中有一个小的扰动,白盒攻击可以导致高达86%的不可行解。此外,我们研究了黑盒攻击的性能。在这项工作中进行的所有评估都是基于公开的开放数据集和NN模型。
2021-01-28 cs.IT cs.LG eess.SP
Cell-Free Massive MIMO with Finite Fronthaul Capacity: A Stochastic Geometry Perspective
在这项工作中,我们分析了集中式基带单元和接入点(AP)之间具有有限容量前传链路的无小区大规模多输入多输出系统的下行链路性能。在用户和AP位置的条件下,我们首先推导出一个随机选择的用户在网络中,捕捉有限的前传容量的影响,可实现的速率。此外,我们提出了两种不同类型的网络架构,即传统的和以用户为中心的性能分析。对于传统的架构,其中每个用户是由网络中的所有AP服务,我们推导出用户速率覆盖使用的二项式点过程的统计特性。对于以用户为中心的架构,其中每个用户由指定数量的最近的AP服务,我们推导出典型用户使用泊松点过程的统计特性的速率覆盖。此外,我们统计特征的覆盖分析所需的每个AP的用户数。通过系统分析,我们得出结论:对于传统的体系结构,系统平均和速率是用户数的准凹函数。此外,对于以用户为中心的架构,存在使平均用户速率最大化的服务AP的最优数量。
2022-02-21 cs.IT math.IT
Optimal Downlink Transmission for Cell Free SWIPT Massive MIMO Systems with Active Eavesdropping
本文研究了无小区大规模多输入多输出(MIMO)系统中的安全无线信息和功率同步传输(SWIPT)问题。该系统由大量的随机(泊松分布)定位的接入点(AP)服务于多个信息用户(IU)和信息不可信的双天线有源能量采集器(EH)。有源EH使用一个天线来合法地收获能量,而另一个天线来窃听信息。AP通过集中式无限回程进行联网,该回程允许AP经由中央处理单元(CPU)进行同步和协作。封闭形式的平均收获能量(AHE)和严格的下限遍历保密率(ESR)的表达式。所获得的ESR的下限考虑了通过下行链路有效预编码信道训练获得的IU的知识。由于发射功率约束是针对每个AP的,所以ESR在AP的发射功率元素方面是非线性的,并且这在制定用于下行链路传输的凸功率控制问题中提出了新的挑战。为了处理这些非线性,通过松弛半定规划(SDP),这是被证明是秩一全局最优的一种新的方法来平衡AP之间的发射功率。提出的无小区和共址大规模MIMO系统之间的公平比较表明,无小区MIMO优于共址MIMO在AHE约束较低的间隔,反之亦然。此外,无小区MIMO被发现是更免疫的主动窃听功率的增加比共址MIMO。
2019-04-23 cs.CR cs.IT math.IT
Stochastic Geometry-based Uplink Analysis of Massive MIMO Systems with Fractional Pilot Reuse
在这项工作中,我们分析了一个大规模的MIMO网络的上行链路(UL)的性能,考虑在基站(BS)的天线数量渐近大。我们将基站的位置建模为一个齐次泊松点过程(PPP),并假设它们的服务区域仅限于各自的泊松-沃罗诺伊小区(PVC)。此外,对于每个PVC,基于阈值半径,我们将小区中心(CC)区域建模为其BS的Johnson-Mehl(JM)小区,而PVC的其余部分被视为小区边缘(CE)区域。CC和CE用户分别在JM小区和CE区域中彼此独立地随机均匀地定位。此外,我们考虑一个分数导频复用(FPR)计划,其中两个不同的导频序列集用于CC和CE用户的目的是减少由于导频污染CE用户的干扰。基于上述系统模型,我们推导出随机选择的CC和CE用户的UL信号干扰噪声比(SINR)覆盖概率和平均频谱效率(SE)的解析表达式。此外,我们提出了一个近似表达式的平均细胞SE。在我们的分析中的关键中间结果之一是近似但准确的表征的CC和CE区域的典型细胞的分布。另一个关键的中间步骤是由干扰CC和CE用户形成的点过程的对相关函数的准确表征,其随后使得能够进行覆盖概率分析。从我们的系统分析,我们提出了一个分区规则的数量的导频序列用于CC和CE用户作为阈值半径的函数,提高了平均CE用户SE,同时实现类似的CC用户SE相对于单位导频重用。
2018-05-04 cs.IT cs.NI math.IT
Modeling and Performance of Uplink Cache-Enabled Massive MIMO Heterogeneous Networks
通过诸如社交媒体的应用将用户生成的内容上传到互联网给无线网络带来了重大负担。为了应对这一移动数据海啸,我们开发了一种新的MIMO网络架构,随机定位的基站(BS)的大量天线采用缓存使能的\textit{uplink}传输。特别是,我们制定了一个场景,用户上传他们的内容到他们最强的基站(BS),这是泊松点过程(PPP)分布。此外,BS利用大规模MIMO的好处,通过有限速率回程将其内容上传到核心网络。在提出缓存策略后,我们提出了{修改}冯米塞斯分布作为流行度分布函数,我们通过利用确定性等价(DE)和随机几何分析的工具推导出中断概率和平均交付率。数值结果调查现实的性能增益的建议异构缓存使能的上行链路在网络上的基本操作参数。例如,暴露关于BS存储大小的见解。此外,关键参数,如文件流行度分布,和目标比特率的影响进行了研究。具体而言,中断概率降低,如果存储大小增加,而平均交付率增加。此外,定义存储在中间结点的文件数量(流行度)的集中度参数直接影响所提出的度量。更高的目标速率导致更高的中断,因为更少的用户服从此约束。此外,我们证明了一个更密集的网络减少了中断,并增加了交付率。因此,在系统设计的上行链路处引入高速缓存改善了网络性能。
2018-11-12 cs.IT math.IT
Blind Performance Prediction for Deep Learning Based Ultra-Massive MIMO Channel Estimation
可靠性对于无线系统的物理层是至关重要的,因为它对端到端性能具有决定性影响。然而,由于神经网络的黑盒性质,基于深度学习(DL)的物理层算法的不确定性很难量化。这一限制是妨碍其实际部署的主要障碍。在本文中,我们试图量化一类重要的基于DL的信道估计器的不确定性。提出了一种有效的统计方法,使盲预测的均方误差的DL估计信道的接收导频的基础上,单独的,没有知识的地面真理信道,信道的先验分布,或噪声统计。盲性能预测的复杂度低,并且仅与天线的数量成线性比例。仿真结果验证了该方法在超大规模多输入多输出(UM-MIMO)信道估计中的准确性和有效性。
2023-02-05 cs.IT eess.SP math.IT
Massive MIMO Extensions to the COST 2100 Channel Model: Modeling and Validation
为了使大规模多输入多输出系统的现实研究,COST 2100信道模型的测量的基础上进行了扩展。首先,提出了基站侧可见区域(BS-VR)的概念,以模拟使用物理大阵列时簇的出现和消失。我们发现,BS-VR的寿命是指数分布,和BS-VR的数量是泊松分布的强度成正比的阵列长度和平均寿命的总和。模拟表明,在某些条件下,较长的生命周期可以帮助解相关的密切定位的用户。其次,提出了多径分量可见区域(MPC-VR)的概念,以模拟移动台侧各个MPC的生灭过程。我们发现MPC寿命和MPC-VR半径都服从对数正态分布。仿真表明,除非MPC-VR被应用的信道条件数被高估。拟议扩展的关键统计特性,例如,自相关函数,最大似然估计,和Cramer-Rao界,推导和分析。
2019-05-13 cs.IT eess.SP math.IT
ADMM-based Detector for Large-scale MIMO Code-domain NOMA Systems
针对大规模 MIMO 码域 NOMA 的 SCMA 与 DCMA 检测难题,提出将 ML 检测重构为带惩罚补偿的 ADMM 共享优化问题,并面向三类系统设计低复杂度线性检测器。
2023-06-03 cs.IT math.IT
Adversarial Attack on DL-based Massive MIMO CSI Feedback
本文提出一种针对基于深度学习的大规模 MIMO CSI 反馈的白盒对抗攻击构造方法,并通过归一化均方误差验证其破坏性,同时对比干扰攻击,揭示 DL 通信物理层安全风险。
2020-02-23 cs.IT eess.SP math.IT
Mitigating Smart Jammers in Multi-User MIMO
提出一种无需干扰机特定活动时间即可缓解大规模 MU-MIMO 上行链路智能干扰的方法,通过统一优化问题并开发 MAED 和 SO-MAED 两种迭代算法,在无攻击先验知识下有效恢复用户数据。
2023-02-15 cs.IT eess.SP math.IT
Polynomial-Time MIMO Detection at the Maximum-Likelihood Threshold
Microsoft Research(微软研究院);University of Wisconsin(威斯康星大学)
本文证明在方形高斯二进制MIMO模型中,舍入线性MMSE加最陡单比特下降可在多项式时间内达到与最大似然检测相同的一阶SNR阈值,实现精确块恢复。
2026-09-18 cs.IT math.IT
Network-level ISAC: An Analytical Study of Antenna Topologies Ranging from Massive to Cell-Free MIMO
该研究提出结合CoMP传输与多基地感知的ISAC协同架构,分析不同天线拓扑及三种定位方法的性能,推导了对应定位精度的缩放定律并解释了差异成因。
2025-06-11 cs.IT eess.SP math.IT
On the Identifiability of Semi-Blind Estimation in Cell-Free Massive MIMO Networks
本文研究了细胞自由大规模MIMO网络中半盲联合信道估计与数据检测的可识别性,通过大规模系统设计视角分析了半盲恢复成功的条件,并提出了基于图模型的递归概率分析方法,揭示了系统参数对可识别性的影响。
2026-05-20 cs.IT eess.SP math.IT
Deep Learning for MIMO Channel Estimation: Interpretation, Performance, and Comparison
Tsinghua University(清华大学);Southeast University(东南大学);Georgia Institute of Technology(佐治亚理工学院)
深度学习(DL)已经成为无线通信系统中信道估计的有效工具,特别是在一些不完美的环境下。然而,即使取得了前所未有的成功,DL方法往往被视为黑箱,缺乏对其内部机制的解释,这严重限制了进一步的改进和推广。本文对基于下行链路的多天线系统信道估计进行了初步的理论分析,以理解和解释其内在机理。具有整流线性单元(ReLU)激活函数的深度神经网络(DNN)在数学上等价于分段线性函数。因此,相应的DL估计器可以通过有效地利用分段线性来实现对大函数族的通用逼近。我们证明了基于DL的信道估计不限于任何特定的信号模型和方法的最小均方误差(MMSE)估计在各种情况下,而不需要任何先验知识的信道统计。因此,取决于信道的类型,基于DL的信道估计优于传统信道估计或至少与传统信道估计相当。仿真结果证实了所提出的解释的准确性,并证明了基于DL的信道估计在线性和非线性信号模型下的有效性。
2020-05-16 cs.IT cs.LG eess.SP
Downlink Performance of Cell-Free Massive MIMO for LEO Satellite Mega-Constellation
Eastern Institute of Technology(东方理工学院);Zhejiang Key Laboratory of Industrial Intelligence and Digital Twin(浙江省工业智能与数字孪生重点实验室);Xidian University(西安电子科技大学);State Key Laboratory of Integrated Services Networks(综合业务网国家级重点实验室)
本文研究了低轨卫星超大规模星座中无源大规模MIMO的下行性能,通过随机几何学工具建模并分析了覆盖概率,发现视距效应和服务范围对覆盖概率有显著影响。
2025-10-31 cs.IT cs.SY eess.SP
CMDNet: Learning a Probabilistic Relaxation of Discrete Variables for Soft Detection with Low Complexity
University of Bremen(不来梅大学)
随着机器学习(ML),特别是深度神经网络(DNN)在2010年代在许多研究领域的巨大成功,提出了几种基于ML的方法用于大型逆线性问题的检测,例如,大规模多输入多输出系统背后的主要动机是,最大后验概率(MAP)检测的复杂度随着系统维度呈指数增长。而不是使用DNN,本质上是一个黑盒子,我们采取了一种略有不同的方法,并引入了离散变量的概率连续松弛来进行MAP检测。使密切的近似和不断优化,我们推导出一个迭代检测算法:混凝土MAP检测(CMD)。此外,通过深入展开到CMDNet的想法来扩展CMD,我们允许对不同工作点的少量参数进行(在线)优化,同时限制复杂性。与最近基于DNN的方法相比,我们基于信息论选择CMDNet的优化标准和输出,从而能够学习单个最佳检测器的近似概率。这对于当今通信系统中的软解码是至关重要的。MIMO系统中的数值模拟结果显示,CMDNet具有良好的精度复杂性权衡相比,最先进的。值得注意的是,我们证明CMDNet的软输出是可靠的解码器。
2021-08-13 cs.AI cs.IT cs.LG