Channel Estimation for RIS-Aided MU-MIMO mmWave Systems with Practical Hybrid Architecture
本文针对RIS辅助毫米波多用户MIMO系统提出一种基于相关性的三阶段信道估计策略，利用压缩感知、最小二乘和角度搜索估计级联信道，并通过复用公共RIS-BS信道及优化混合合并与相移矩阵，在保证高估计精度的同时将导频开销降低五倍以上。
2025-02-08 eess.SP
Channel Estimation for mmWave Pinching-Antenna Systems
本文针对毫米波捏合天线系统提出一种低开销信道估计方案，通过激活近馈点和远馈点的少量捏合天线子阵列模拟大孔径阵列，实现高精度多径参数估计并降低硬件切换与导频开销。
2025-04-12 eess.SP
Low-Complexity Blind Estimator of SNR and MSE for mmWave Multi-Antenna Communications
DGIST（大邱科学技术院）
本文提出了一种低复杂度的盲估计器，用于毫米波多天线通信中的信噪比和均方误差估计，利用信道在波束域中的稀疏性提高估计精度。
2026-01-15 eess.SP
Channel Estimation for Beyond Diagonal RIS-Aided Multi-User mmWave Systems
National Mobile Communications Research Laboratory, Southeast University（东南大学）
本文提出了一种新的块克罗内克结构级联信道模型，用于超diagonal RIS辅助多用户毫米波系统，通过三级估计协议提高信道估计精度并降低试点开销。
2026-05-19 eess.SP
Impact of the Pilot Design for OFDM Based Bi-static Integrated Sensing and Communication System
该文针对双基地毫米波OFDM-ISAC系统，推导了单目标场景下距离和速度估计的CRB闭式表达式，并发现时间上更密集的导频改善距离估计，频率上更密集的导频改善速度估计，LS信道估计在高信噪比下接近CRB。
2025-03-26 eess.SP
Low-Complexity Tensor-Based Channel Parameter Estimation for mmWave MIMO-Assisted Systems
Federal University of Ceará（塞阿拉联邦大学）
本文针对采用无源Butler矩阵波束成形的下行毫米波大规模MIMO系统，提出基于三阶PARAFAC张量的低复杂度信道估计框架，通过BALS优化降低计算开销，结合ESPRIT提取角度并推导CRLB，仿真显示其性能优于传统最小二乘方法。
2026-10-12 eess.SP
Exploiting Out-of-Band Information for Millimeter-Wave MIMO Channel Estimation: Performance in Static and Dynamic Scenarios
Institute of Telecommunications, TU Wien（维也纳工业大学电信研究所）；Christian Doppler Laboratory for Digital Twin assisted AI for sustainable Radio Access Networks（可持续无线电接入网络数字孪生辅助人工智能克里斯蒂安·多普勒实验室）
本文研究了毫米波MIMO系统中利用带外sub-6 GHz信息提升信道估计性能的方法，分析了不同波束成形配置在静态和动态环境下的性能，展示了在不同传播条件下谱效率的提升。
2026-07-10 eess.SP
Mitigating Pilot Contamination in Multi-cell Hybrid Millimeter Wave Systems
在本文中，我们研究了多小区多用户（MU）混合毫米波（mmWave）多输入多输出（MIMO）网络的系统性能，该网络采用[1]中提出的信道估计算法进行信道估计。由于正交导频符号在不同小区之间的重用，预计信道估计会受到导频污染的影响，导频污染被认为是传统多小区MU大规模多输入多输出网络的基本性能瓶颈。为了分析导频污染对系统性能的影响，推导了信道估计性能的归一化均方误差（MSE）的闭式近似表达式。我们的分析和仿真结果表明，信道估计误差的导频污染和噪声的影响所产生的渐近消失的天线数量的增加配备在每个射频（RF）链部署在所需的BS。因此，导频污染不再是多小区混合毫米波系统的基本问题。
2018-01-28 cs.IT eess.SP math.IT
Cross-Layer Design for Near-Field mmWave Beam Management and Scheduling under Delay-Sensitive Traffic
针对近场毫米波下远场波束管理性能下降、波束训练成本高的问题，提出耦合物理层波束管理与介质访问控制层服务的跨层控制方法，通过深度强化学习平衡导频开销等以降低排队时延，仿真结果优于5G-NR基线，为新兴应用提供支撑。
2025-11-16 eess.SP
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
Joint Channel Estimation and Mixed-ADCs Allocation for Massive MIMO via Deep Learning
毫米波（mmWave）多用户大规模多输入多输出（MIMO）技术是下一代通信系统的重要技术。然而，随着射频（RF）组件数量的增加，硬件成本和功耗显著增长，这阻碍了实际大规模多输入多输出系统的部署。为了解决这个问题并进一步促进大规模多输入多输出的商业化，已经考虑了混合模数转换器（ADC）架构，其中传统假设的全分辨率ADC的部分被一位ADC取代。在本文中，我们首先提出了一种基于深度学习（DL）的联合导频设计和信道估计方法，用于混合ADC毫米波大规模多输入多输出。具体来说，我们设计了一个导频设计神经网络，其权重直接代表优化的导频，并开发了一个龙格库塔模型驱动的密集连接网络作为信道估计器。为了进一步提高信道估计精度，我们设计了一种新的天线选择网络来分配混合ADC，而不是随机分配混合ADC。此外，我们采用了一个自动编码器启发的端到端架构，共同优化导频设计，信道估计和混合ADC分配网络。仿真结果表明，所提出的基于DL的方法具有优于传统的信道估计以及国家的最先进的网络。
2021-06-08 eess.SP
CSI Transfer From Sub-6G to mmWave: Reduced-Overhead Multi-User Hybrid Beamforming
针对多用户混合波束成形中导频开销过大的问题，提出SA-MUHBF框架，利用卷积神经网络和图神经网络从sub-6G信道预测mmWave波束空间并选择波束，显著降低了开销并提升了频谱效率与泛化能力。
2024-11-14 cs.IT eess.SP math.IT
Mutual Coupling Aware Channel Estimation for RIS-Aided Multi-User mmWave Systems
National Mobile Communications Research Laboratory, Southeast University（东南大学移动通信国家重点实验室）；Shandong Yunhai Guochuang Innovative Technology Co., Ltd.（山东云海国创智能科技有限公司）
本文提出一种考虑互耦效应的RIS辅助多用户毫米波系统信道估计方法，通过降维子空间和压缩感知技术提升估计精度和试点效率。
2026-02-22 eess.SP
Joint Channel Estimation and Data Recovery for Millimeter Massive MIMO: Using Pilot to Capture Principal Components
针对毫米波大规模 MIMO 系统中基于数据帧的联合信道估计与数据恢复方法计算复杂度过高的问题，提出一种由少量导频帧辅助的两阶段 JCD 方法，通过捕获信道主成分到达角及多用户解耦实现并行处理，在大幅降低复杂度的同时达到与贝叶斯最优方法等效的性能。
2024-01-03 eess.SP
Robust Beamforming Design for Near-Field DMA-NOMA mmWave Communications With Imperfect Position Information
针对毫米波NOMA系统导频开销大及位置信息不完美的问题，提出基于DMA的近场传输框架及最坏情况鲁棒波束成形策略，通过双循环迭代算法优化波束成形与功率分配，仿真验证其优于传统方案且对用户位置误差具强鲁棒性。
2024-09-24 eess.SP
Deep Learning-Based Channel Extrapolation for Dual-Band Massive MIMO Systems
State Key Laboratory of Internet of Things for Smart City and the Department of Electrical and Computer Engineering, University of Macau（物联网智能城市国家重点实验室和澳门大学电子与计算机工程系）；Department of Electrical and Electronic Engineering, Imperial College London（帝国理工学院伦敦分校电子与电气工程系）
本文提出了一种基于深度学习的多域融合信道外推方法，用于将sub-6 GHz频段的信道状态信息外推到毫米波频段，以减少毫米波信道状态信息获取的试点开销，提高大规模MIMO系统的效率。
2026-05-18 cs.LG eess.SP
Channel Estimation for RIS-Aided MU-MIMO mmWave Systems with Direct Channel Links
本文提出一种三阶段统一信道估计策略，用于具有直接通道的RIS辅助MU-MIMO毫米波系统，通过精心设计试点信号和RIS向量，有效消除级联信道干扰，提升信道估计性能。
2025-11-22 eess.SP
Cell-Free Millimeter-Wave Massive MIMO Systems with Limited Fronthaul Capacity
网络致密化、大规模多输入多输出（MIMO）和毫米波（mmWave）频带最近已经成为未来几代无线通信网络（5G及更高）的物理层使能器。基于先前在亚6 GHz无小区大规模多输入多输出架构上的工作，引入了用于无小区mmWave大规模多输入多输出系统的新框架，该框架考虑了低复杂度混合预编码器/解码器的使用，同时考虑了使用容量受限前传链路的影响。提出了一种基于相异性聚类思想的次优导频分配策略。此外，基于数学上易于处理的表达式为每个用户可实现的速率和前传容量消耗，最大-最小功率分配和前传量化优化算法，提出了使用块坐标下降方法与顺序线性优化程序相结合，确保均匀良好的服务质量在整个覆盖区域的网络。仿真结果表明，该导频分配策略避免了最优小规模CSI方案的计算负担，同时明显优于经典的随机导频分配方法。此外，它们还揭示了可实现的最大-最小每用户速率、前传要求和最佳硬件复杂度（即，天线的数量、RF链的数量）。
2019-02-20 eess.SP
Low-Overhead Channel Estimation via 3D Extrapolation for TDD mmWave Massive MIMO Systems Under High-Mobility Scenarios
Jinan University（暨南大学）；University of Macau（澳门大学）；East China Normal University（华东师范大学）；Southeast University（东南大学）；Tsinghua University（清华大学）
针对高移动 TDD mmWave massive MIMO 的信道老化与高维导频开销问题，提出空间-频率-时间 3D 外推框架及 KDD-SFCEN、TUDCEN，将导频开销降低 16 倍并提升频谱效率。
2024-12-29 cs.AI cs.IT eess.SP
A Real-Time mmWave Communication Testbed with Phase Noise Cancellation
随着6 GHz以下频谱的耗尽，将无线通信推向毫米波（mmWave）频率是一种趋势，有望实现多Gbps的数据速率。因此，毫米波被认为是5G无线系统的关键技术，并吸引了大量的研究工作。毫米波研究的蓬勃发展需要一个可重新配置的毫米波测试平台，可用于在真实的无线环境中原型和验证新的研究思路。在本文中，我们使用商业现成的设备（USRP和60 GHz Tx/Rx RF前端）和开源软件包（GNU Radio）开发了一个易于使用的毫米波测试平台。我们的测试平台的一个关键组成部分是一个相位噪声消除（PNC）计划，它可以显着降低相位噪声在接收机通过利用在发射机插入的导频信号。我们已经实现了一个简化版本的IEEE 802.11物理在这个毫米波测试平台。实验结果表明，在PNC方案下，我们的实验平台可以实现-20 dBEVM的实时视频流数据传输。
2019-07-13 cs.NI eess.SP
Over-the-Air Design of GAN Training for mmWave MIMO Channel Estimation
University of Texas at Austin（德克萨斯大学奥斯汀分校）
未来的无线系统趋向于更高的载波频率，其提供更大的通信带宽，但需要使用大的天线阵列。现有的用于信道估计的信号处理技术在性能和导频开销方面不能很好地缩放到这种“高维”状态。同时，训练用于信道估计的基于深度学习的方法需要将导频测量映射到干净的信道实现的大型标记数据集，其只能使用模拟信道离线生成。在本文中，我们开发了一种新的无监督空中（OTA）算法，利用噪声接收导频测量训练一个深生成模型输出波束空间MIMO信道实现。我们的方法利用生成对抗网络（GAN），同时使用条件输入来区分视线（LOS）和非视线（NLOS）信道实现。我们还提出了OTA算法的联邦实现，该算法将GAN训练分布在多个用户上，并大大减少了用户侧计算。然后，我们制定信道估计从有限数量的导频测量作为一个逆问题，并通过优化训练的生成模型的输入向量重建的信道。我们所提出的方法显着优于正交匹配追踪LOS和NLOS信道模型，和EM-GM-AMP -一个近似的消息传递算法-LOS信道模型，同时实现NLOS信道模型的归一化信道重建误差方面的性能相当。更重要的是，我们提出的框架有可能使用真实的噪声导频测量进行在线训练，不限于特定的信道模型，甚至可以用于从噪声数据的数据集生成器的联邦OTA设计。
2022-05-25 cs.IT cs.LG eess.SP
Channel Estimation for Wideband MmWave MIMO OFDM System Exploiting Block Sparsity
本文研究了宽带毫米波MIMO OFDM系统的时域信道估计问题。通过传输频域导频符号以及不同的波束成形向量，我们观察到时域毫米波MIMO信道表现出信道延迟稀疏性，特别是不同空间方向之间的块稀疏性。然后，我们提出了一个时域信道估计利用块稀疏性（TDCEBS）计划，它总是旨在找到最好的非零块实现最大的投影的残差在每次迭代。特别地，我们使用5G New Radio推荐的用于生成宽带毫米波MIMO信道的ADDRiGa来评估系统性能。仿真结果验证了所提出的TDCEBS方案的有效性，所提出的方案优于现有的方案。
2022-03-12 cs.IT eess.SP math.IT
Blind SNR Estimation and Nonparametric Channel Denoising in Multi-Antenna mmWave Systems
提出了一种适用于多天线毫米波无线系统的平均噪声功率、接收信号功率、信噪比和均方误差的盲估计方法。所提出的估计器可以以低复杂度计算并且仅依赖于波束空间稀疏性，即，在典型的毫米波信道中仅存在少量的主要传播路径的事实。我们的估计器可用于（i）快速跟踪多天线毫米波系统中的一些关键量，同时避免额外的导频开销，以及（ii）设计需要这些量的高效非参数算法。我们提供了一个理论分析所提出的估计，我们证明了他们的功效，通过合成实验，并使用一个非参数信道矢量去噪任务与现实的多天线毫米波信道。
2021-02-08 cs.IT eess.SP math.IT
Beam-Coherence-Aware Two-Stage Digital Combining for mmWave MU-MIMO Systems
KTH Royal Institute of Technology（皇家理工学院）；BeammWave AB（BeammWave公司）
本文提出一种两阶段数字组合架构，通过压缩信号减少终端处理负担，结合波束相干性和通道几何特性，提升毫米波多用户MIMO系统的频谱效率。
2026-03-27 cs.IT eess.SP math.IT
Angular-Domain Selective Channel Tracking and Doppler Compensation for High-Mobility mmWave Massive MIMO
在本文中，我们考虑毫米波大规模多输入多输出（MIMO）通信系统与一个静态基站（BS）服务于一个快速移动的用户，都配备了一个非常大的阵列。发送的信号通过多个路径到达用户，每个路径具有不同的到达角，因此具有多普勒频率偏移，从而导致快速时变多径衰落MIMO信道。为了减轻多普勒引起的信道老化，减少导频开销，我们提出了一种新的角度域选择性信道跟踪和多普勒补偿方案在用户侧。我们将部分角域信道和DFO参数的联合估计表示为动态压缩感知问题。然后，我们提出了一个多普勒感知动态变分贝叶斯推理（DD-VBI）算法来有效地解决这个问题。最后，我们提出了一个实用的DFO补偿方案，该方案选择了快时变信道的主导路径进行DFO补偿，从而将其转换为慢时变的有效信道。与现有方法相比，该方案既能享受大规模多输入多输出提供的巨大阵列增益，又能平衡CSI信令开销和空间复用增益之间的权衡。仿真结果验证了所提出的方案优于各种基线方案。
2019-11-28 eess.SP
Machine-Learning Beam Tracking and Weight Optimization for mmWave Multi-UAV Links
毫米波（mmWave）混合模拟数字波束形成是一种很有前途的方法，可以满足多无人机（UAV）系统的低延迟约束，作为灵活部署的网络基础设施。然而，在高度动态的多无人机环境中，模拟波束跟踪成为一个关键的挑战。以频谱效率为代价的额外导频传输的开销被证明是必要的，以实现操作中的高弹性。一种处理UAV的高动态的有效方法将机器学习，特别是Q学习应用于模拟波束跟踪。所提出的基于Q学习的波束跟踪方案使用当前/过去的观测来设计来自环境的奖励以促进预测，这显著地提高了数据传输和波束切换的效率。给定所选择的模拟波束，数字波束成形的目标是最大化SINR。接收到的导频信号被用来近似期望的信号和干扰功率，这产生SINR测量以及最佳数字权重。由于基于接收功率选择的模拟波束不能保证混合波束形成实现最大化SINR，因此我们在波束跟踪期间保留额外的模拟波束作为候选。模拟波束与其数字权重的组合实现最大SINR，从而为混合波束形成提供了最佳解决方案。
2019-10-29 cs.IT eess.SP math.IT
Multi-Block Attention for Efficient Channel Estimation in IRS-Assisted mmWave MIMO
School of Electrical and Computer Engineering, University of Tehran（德黑兰理工大学电子与计算机工程学院）；Department of Computer Engineering, Sharif University of Technology（谢赫·伊斯兰技术大学计算机工程系）
本文提出基于深度学习的多块注意力框架，通过选择性关闭IRS元件和两阶段架构，减少训练开销并提升信道估计精度，实验表明在10dB信噪比下NMSE降低51%。
2026-05-14 cs.LG eess.SP
Integrated Sensing and Communication with mmWave Massive MIMO: A Compressed Sampling Perspective
集成传感和通信（ISAC）为实现未来无线系统开辟了许多改变游戏规则的机会。在本文中，我们提出了一个ISAC处理框架依赖于毫米波（mmWave）大规模多输入多输出（MIMO）系统。具体而言，我们提供了一个压缩采样（CS）的角度来促进ISAC处理，这不仅可以恢复高维信道状态信息或/和雷达成像信息，而且还显着减少导频开销。首先，为雷达接收机量身定制了一种节能的宽间隔阵列（WSA）结构，以提高雷达感知的角分辨率，但代价是角模糊。然后，我们提出了一个ISAC帧结构的时变ISAC系统考虑不同的时间尺度。通过综合考虑CS理论和混合波束形成（HBF）架构所引起的硬件约束，明智地设计了导频波形。接下来，我们设计了专用的字典WSA，作为一个构建块制定的ISAC处理稀疏信号恢复问题。针对角模糊存在的问题，提出了支持度细化正交匹配追踪（OMP-SR）算法。我们还提供了一个框架，估计多普勒频率在有效载荷数据传输，以保证通信性能。仿真结果表明，在所提出的ISAC框架下，通信和雷达感知性能良好。
2022-09-09 cs.IT eess.SP math.IT
Radio Maps for Beam Alignment in mmWave Communications with Location Uncertainty
本文针对位置不确定条件下毫米波通信波束对准开销大的问题，基于无线电地图提出两种算法，仅测量预测功率最高的Q个波束对，在保证波束质量的同时降低测量开销，并通过贝叶斯方法增强对定位误差的鲁棒性。
2024-02-25 eess.SP
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
Sustainable LSTM-Based Precoding for RIS-Aided mmWave MIMO Systems with Implicit CSI
Research Center for Information Technology Innovation (CITI), Academia Sinica (AS)（信息科技创新研究中心（CITI）、中华学术院（AS））；Institute of Communication Engineering (ICE), National Sun Yat-sen University (NSYSU)（通信工程研究所（ICE）、国立中山大学（NSYSU））
提出一种基于LSTM的RIS辅助毫米波MIMO预编码框架，利用隐式CSI降低开销，实现90%频谱效率且计算时间仅2.2%，能耗降低近两个数量级。
2025-10-08 cs.AI cs.IT cs.LG
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
Matrix Factorization Based Blind Bayesian Receiver for Grant-Free Random Access in mmWave MIMO mMTC
针对毫米波MIMO系统免授权随机接入中导频开销大问题，提出基于矩阵分解的盲贝叶斯接收机，实现无导频的联合用户活动检测、信道估计与信号检测，有效降低开销与延迟。
2023-04-10 cs.IT eess.SP math.IT
Wideband Channel Estimation with A Generative Adversarial Network
在诸如毫米波（mmWave）和太赫兹（THz）的高载波频率下的通信需要在低SNR下对非常大的带宽进行信道估计。因此，为每个相干带宽分配正交导频音导致过多的导频。我们利用生成对抗网络（GANs）在低信噪比下准确估计具有少量导频的频率选择性信道。该方法首先通过训练生成网络学习从真实但未知的信道分布中产生信道样本，然后根据当前接收信号优化网络的输入向量，以此作为先验估计当前信道。我们的研究结果表明，在-5 dB的SNR，即使采用一位移相器的收发器，我们的设计实现了相同的信道估计误差的LS估计器与SNR = 20 dB或LMMSE估计器在2.5 dB，都与全数字架构。此外，基于GAN的估计器将所需的导频数量减少了约70%，而不会显着增加估计误差和所需的SNR。我们还表明，生成网络似乎并不需要重新训练，即使集群和射线的数量发生很大变化。
2020-12-22 eess.SP
Channel Estimation for RIS-Aided Multi-User mmWave Systems with Uniform Planar Arrays
本文针对RIS辅助多用户毫米波系统提出一种降低导频开销的三阶段上行信道估计协议，通过低复杂度一维搜索、公共信道重参数化和OMP方法实现高精度估计，性能接近高信噪比下的理想上界。
2023-04-15 eess.SP
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
High Dimensional Channel Estimation Using Deep Generative Networks
本文提出了一种新的压缩感知（CS）方法，通过优化输入到一个深生成网络的高维无线信道估计。使用生成网络的信道估计依赖于重构信道位于生成模型的范围内的假设。使用生成先验的信道重构优于传统的CS技术，并且需要更少的导频。它还消除了对稀疏化基础的先验知识的需要，而是使用由深度生成模型捕获的结构作为先验。使用此先验，我们还执行信道估计从一位量化的导频测量，并提出了一种新的优化目标函数，试图最大限度地提高接收信号和发生器的信道估计之间的相关性，同时最小化的秩的信道估计。我们的方法显着优于稀疏信号恢复方法，如正交匹配追踪（OMP）和近似消息传递（AMP）算法，如EM-GM-AMP的窄带毫米波信道重建，其执行时间不会受到明显的影响，接收到的导频符号的数量增加。
2020-06-24 eess.SP
Capacity-Net-Based RIS Precoding Design without Channel Estimation for mmWave MIMO System
Institute of Communication Engineering (ICE), National Sun Yat-sen University (NSYSU)（通信工程研究所，国立中山大学）；Research Center for Information Technology Innovation (CITI), Academia Sinica (AS)（资讯科技创新研究中心，中华学术院）；Department of Electrical Engineering, National Ilan University (NIU)（电气工程系，国立宜兰大学）
针对RIS辅助毫米波MIMO系统中CSI获取困难的问题，提出无需信道估计的Capacity-Net无监督学习方法，通过接收导频信号直接建立RIS相移与可达速率的映射以最大化速率，性能优于传统信道估计类学习方法。
2025-09-30 cs.AI cs.IT cs.LG
Near-Field Sparse Bayesian Channel Estimation and Tracking for XL-IRS-Aided Wideband mmWave Systems
Zhejiang University（浙江大学）；Southern University of Science and Technology (SUSTech)（南方科技大学）
本文提出了一种基于张量的稀疏信道估计与跟踪算法，用于XL-IRS辅助的宽带毫米波系统，以提高信道估计精度并减少试点开销。
2026-01-16 eess.SP
Environment Semantics Aided Wireless Communications: A Case Study of mmWave Beam Prediction and Blockage Prediction
本文提出了一种环境语义辅助的无线通信框架，该框架从环境图像数据中提取语义信息，根据任务相关性进行选择性编码，然后进行融合，为信道相关任务做出决策。作为一个案例研究，我们开发了一个环境语义辅助网络架构的毫米波通信系统，这是由一个语义特征提取网络，特征选择算法，面向任务的编码器，和决策网络。以街道摄像机拍摄的图像和用户身份信息为输入，训练环境语义辅助网络结构，以预测基站的最佳波束索引和阻塞状态。可以看出，在没有导频训练或昂贵的波束扫描的情况下，环境语义辅助的网络架构可以实现非常有效的波束预测和及时的阻塞预测，从而满足超可靠和低延迟通信（URLLC）的要求。仿真结果表明，与现有的网络结构相比，所提出的环境语义辅助网络结构在保证预测精度和保护用户隐私的同时，减少了系统开销，如存储空间和计算开销.
2023-01-14 eess.IV eess.SP
Computer Vision Aided mmWave Beam Alignment in V2X Communications
例如由相机捕获的视觉信息可以有效地反映环境散射对象的大小和位置，并且由此可以用于推断通信参数，如传播方向、接收器功率以及阻塞状态。在本文中，我们提出了一种新的光束对准框架，利用安装在移动用户的摄像头拍摄的图像。具体来说，我们利用3D对象检测技术来提取移动用户周围动态车辆的大小和位置信息，并设计一个深度神经网络（DNN）来推断收发器的最佳波束对，而无需任何导频信号开销。此外，为了避免过于频繁或缓慢地执行光束对准，光束相干时间（BCT）预测方法的基础上的视觉信息的发展。与采用固定BCT的波束对准方法相比，这可以有效地提高传输速率。仿真结果表明，基于视觉的波束对准方法优于现有的激光雷达和视觉的解决方案，并要求更低的硬件成本和通信开销。
2022-07-23 eess.IV eess.SP
A New Channel Subspace Characterization for Channel Estimation in RIS-Aided Communications
针对RIS辅助毫米波通信中因元件庞大导致传统信道估计导频开销过高的问题，提出一种低维信道子空间表征方法，仅在子空间内发送导频，在保持或提升性能的同时减少80%的导频开销。
2023-04-04 eess.SP
Toward Reliable and Accurate Predictive ISAC in Mobile mmWave Networks
Technische Universität Berlin（柏林工业大学）；Technische Universität Darmstadt（达姆施塔特工业大学）
提出一种低复杂度模型驱动的ISAC信道预测与波束成形框架，利用部分CSI最小化最差目标CRB，显著提升移动毫米波网络的预测精度与链路可靠性。
2026-09-25 eess.SP
Sparsifying Dictionary Learning for Beamspace Channel Representation and Estimation in Millimeter-Wave Massive MIMO
针对毫米波大规模MIMO中傅里叶波束域变换非最优的问题，提出基于学习稀疏化字典的波束域变换与预编码方法，可增强信道稀疏性、减少功率泄漏，提升信道估计质量与波束选择性，最终提高频谱效率。
2022-04-28 eess.SP
MmWave MIMO Communication with Semi-Passive RIS: A Low-Complexity Channel Estimation Scheme
可重构智能表面（RISs）在无线通信领域受到了广泛的关注。可以控制RIS将入射波从发射器反射到接收器;这一功能被认为从根本上有助于超越5G无线技术。典型的RIS由完全无源元件组成，这需要在别处进行高维信道估计。因此，在本文中，我们提出了一个半无源的大规模RIS架构配备了只有一小部分的简化接收机单元，只有1位量化。在此基础上，提出了一种基于交替方向乘法器（ADMM）的方法，在无源RIS单元上恢复训练信号，然后结合信道稀疏化和广义近似消息传递（GAMP）算法得到全局信道。我们提出的方案利用了稀疏性和低秩属性的信道在联合空间-频率域的宽带毫米波多输入多输出（MIMO）通信系统。仿真结果表明，该算法可以显着减少所需的导频信号进行准确的信道估计，并优于以往的方法，即使在更少的接收单元。
2021-09-14 cs.IT eess.SP math.IT
One-bit mmWave MIMO Channel Estimation using Deep Generative Networks
随着未来的无线系统趋向于更高的载波频率和大型天线阵列，具有一位模数转换器（ADC）的接收器由于其降低的功耗而正在被探索。然而，大型天线阵列和1位ADC的组合使得信道估计具有挑战性。在本文中，我们将有限数量的一位量化导频测量的信道估计公式化为逆问题，并通过优化预训练的深度生成模型的输入向量来重建信道，其目标是最大化新的基于相关性的损失函数。我们观察到，适应底层信道模型的深度生成先验显著优于伯努利-高斯近似消息传递（BG-GAMP），而使用条件输入来区分视线（LOS）和非视线（NLOS）信道实现的单个生成模型优于BG。GAMP的LOS信道上，并实现了NLOS信道的归一化信道重建误差方面的性能相当。
2022-11-16 cs.IT eess.SP math.IT
A Geometry-aided Message Passing Method for AoA-Based Short Range MIMO Channel Estimation
短距离信道通常出现在毫米波（mmWave）可穿戴设置中，其中天线阵列的长度可以与无线电之间的距离相当。基于远场假设的常规毫米波MIMO信道估计技术由于大的角度扩展以及因此高的可用秩而在短距离设置中可能表现不佳。我们提出了一种几何辅助的消息传递算法，利用结构在短距离的视线（LoS）信道空间亚奈奎斯特信道估计。我们的方法参数化的信道使用到达角（AoAs），本地定义的天线阵列的子阵列。此外，它使用基于阵列几何形状的因子来利用局部AoA之间的依赖性。我们表明，可以使用派生的本地AoA估计和已知的收发器的几何形状重建的LoS MIMO信道。与基于穷举波束搜索的局部AoA估计相比，所提出的方法实现了合理的速率，大大减少了导频传输。
2019-06-21 eess.SP
Full-Duplex Millimeter Wave MIMO Channel Estimation: A Neural Network Approach
本文研究全双工毫米波MIMO系统中的信道估计问题，提出基于神经网络的方法，通过共享导频资源降低开销，并利用NN映射解决分离天线配置下TX阵列信道估计的挑战。
2024-06-18 cs.IT eess.SP math.IT
Channel Estimation for FAS-assisted Multiuser mmWave Systems
本文研究多用户毫米波TDD系统中FAS的信道估计问题，提出低样本量稀疏信道重建方法，利用毫米波信道的稀疏性，通过少量天线位置测量提取角度和增益信息重建完整CSI，以最小硬件切换和导频开销实现接近完美CSI的系统总和速率。
2024-01-03 cs.IT eess.SP math.IT
Phase-Noise Compensation for OFDM Systems Exploiting Coherence Bandwidth: Modeling, Algorithms, and Analysis
相位噪声（PN）估计和补偿是毫米波（mmWave）通信系统中实现高可靠性的关键。然而，PN估计由于其基本特性（诸如频谱扩展和快速变化的波动）而遭受高计算复杂性。在本文中，我们提出了一个新的框架，在正交频分复用系统的低复杂度PN补偿。所提出的框架还包括一个试点分配策略，以尽量减少其开销。其关键思想是利用毫米波系统的相干带宽和近似的实际PN频谱与其主要成分，从而在一个非迭代的解决方案，通过使用线性最小均方误差估计。与现有方法相比，该方法的总复杂度降低了2.5倍以上。此外，我们推导出封闭形式的表达式归一化均方误差（NMSE）作为关键系统参数的函数，这有助于理解在低和高信噪比制度的NMSE行为。最后，我们研究了性能和导频开销之间的权衡，以提供对PN频谱的适当近似的洞察。
2021-09-27 cs.IT eess.SP math.IT
Large-Model AI for Near Field Beam Prediction: A CNN-GPT2 Framework for 6G XL-MIMO
针对6G XL-MIMO毫米波高移动性场景下近场波束预测的导频开销大和波束索引突变问题，提出CNN-GPT2框架，结合宽波束模拟与频变数字预编码的上行导频策略，端到端预测近场波束索引。
2025-10-26 eess.SP
Learning-based Handover in Mobile Millimeter-wave Networks
毫米波（mmWave）通信被认为是未来蜂窝和无线网络中超高数据速率的关键使能器。毫米波系统中基站（BS）和用户之间通过波束成形实现的定向通信的需要增加了信道估计的复杂度。此外，为了提供更好的覆盖，需要BS的密集部署，这导致频繁的切换和增加的关联开销。在本文中，我们提出了一种方法，共同解决波束成形和切换问题。我们的解决方案需要一个有效的波束形成方法与最少数量的导频和基于学习的切换方法支持移动场景。我们使用强化学习算法来学习在移动用户的不同位置的备份BS的最佳选择。我们表明，我们的方法提供了高速率和可靠性，在所有位置的用户的轨迹与最小数量的brawers。基于几何毫米波信道模型和真实建筑物地图数据的室外环境仿真结果表明，我们提出的解决方案在可实现的瞬时速率和轨迹速率方面具有优越的性能。
2020-11-03 cs.NI eess.SP
Channel-Coherence-Adaptive Two-Stage Fully Digital Combining for mmWave MIMO Systems
本文针对毫米波MIMO移动UE场景，提出一种信道相干自适应的两级全数字合并方案，通过降维与分时更新降低复杂度，并优于混合波束成形。
2025-08-06 cs.AR eess.SP
Compressive Sensing Based Channel Estimation for Millimeter-Wave Full-Dimensional MIMO with Lens-Array
毫米波透镜阵列信道估计（CE）的训练开销过大，而现有的解决方案需要额外复杂的射频移相网络。相比之下，使用天线交换网络（ASN）的透镜阵列简化了硬件，但由于ASN施加的约束，相关的CE是一项具有挑战性的任务。提出了一种基于压缩感知（CS）的全维（FD）透镜阵列CE方案，利用了毫米波信道的稀疏性。首先提出了一种在ASN更严格的Haraware约束下的飞行员训练方法，并将透镜阵列的CE问题转化为CS问题。然后，针对FD透镜阵列中多径分量角度连续性造成的功率泄漏，设计了一个冗余字典。此外，我们设计基带导频信号，以最小化基于CS理论的测量矩阵的总互相干性，以获得更可靠的CE性能。我们的解决方案提供了一个框架，将CS技术应用于透镜阵列使用简单和实用的ASN。仿真结果证明了该方法的有效性。
2019-12-23 cs.IT eess.SP math.IT
