Practical Interference Exploitation Precoding without Symbol-by-Symbol Optimization: A Block-Level Approach
针对MU-MISO下行链路，提出块级CI预编码CI-BLP，以单块一次优化替代逐符号优化，并证明其等价于QP，实现更低计算成本和更优性能。
2022-03-25 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
Deep Learning based Efficient Symbol-Level Precoding Design for MU-MISO Systems
近年来出现的符号级预编码（Symbol-Level Precoding，SLP）技术能够将有害的多用户干扰（Multi-User Interference，MUI）转化为有益的信号，从而提高系统性能，被认为是多用户无线通信系统中一种很有前途的解决方案。然而，传统符号级预编码设计的巨大计算复杂性严重阻碍了实际实现。为了解决这个困难，我们提出了一种新的基于深度学习（DL）的方法来有效地设计符号级预编码器。特别地，在这种对应关系中，我们考虑多用户多输入单输出（MU-MISO）下行链路系统。提出了一种高效的预编码神经网络（EPNN），用于在功率约束下优化符号级预编码器，以最大化所有用户的最小服务质量（QoS）。仿真结果表明，与传统的基于凸优化的SLP设计方法相比，基于EPNN的SLP设计方法在性能损失较小的情况下，可以显著减少计算时间.
2021-04-20 cs.IT eess.SP math.IT
Asymptotic Behavior of Zero-Forcing Precoding based on Imperfect Channel Knowledge for Massive MISO FDD Systems
本文研究FDD大规模MISO系统中基于LS和LMMSE信道估计的迫零预编码渐近行为，证明LS估计在导频数少于天线数时仍可实现渐近无干扰传输，而LMMSE在信道观测受污染时高发射功率下无法消除用户间干扰。
2023-12-04 cs.IT eess.SP math.IT
Local Partial Zero-Forcing Precoding for Cell-Free Massive MIMO
无小区大规模MIMO（多输入多输出）是用于5G及以后系统的有前途的分布式网络架构。它通过利用多个接入点（AP）处的信号协同处理、积极的空间用户复用和非凡的宏分集增益来保证高频谱效率（SE）的无处不在的覆盖。在这项研究中，我们提出了两个分布式预编码方案，称为\textit{local partial zero-forcing}（PZF）和\textit{local protective partial zero-forcing}（PPZF），进一步提高频谱效率，通过提供一个自适应的权衡之间的干扰消除和提升所需的信号，没有额外的前端传输开销，并实现了AP与很少的天线。在独立瑞利衰落信道、信道估计误差和导频污染的假设下，我们推导出了可实现的SE的封闭形式的表达式。PZF和PPZF可以大大优于最大比传输和迫零，并且它们的性能与正则化迫零（RZF）所实现的性能相当，RZF是下行链路中的基准。重要的是，这些封闭形式的表达式可以用来设计最佳的（长期）功率控制策略，也适合于RZF，其封闭形式的表达的SE是不可用的。
2020-04-16 cs.IT eess.SP math.IT
Minimum Symbol-Error Probability Symbol-Level Precoding with Intelligent Reflecting Surface
近年来，智能反射面（IRS）的应用在无线通信中得到了广泛的关注。通过智能调整被动反射角，IRS能够辅助基站（BS）扩展覆盖范围并提高频谱效率。本文提出了一种联合符号级预编码（SLP）和IRS反射设计，以最小化IRS辅助多用户MISO下行链路中预期用户的符号错误概率（SEP）。我们制定SEP最小化问题，以追求所有用户的QAM和PSK星座的一致良好的性能。由此产生的问题是非凸的，我们采取交替最小化，以获得一个固定的解决方案。仿真结果表明，在IRS的帮助下，我们提出的设计确实提高了误比特率性能。特别是，当IRS元素的数量很大时，性能改善是显著的。
2020-05-30 cs.IT eess.SP math.IT
Joint Constellation Rotation and Symbol-level Precoding Optimization in the Downlink of Multiuser MISO Channels
研究了无线多天线系统下行链路中多个用户间的同时干扰问题。为了利用多用户干扰并在接收机侧将其转换为有用功率，通过联合利用来自每个单独用户的数据和信道状态信息来利用符号级预编码。本文介绍了一种复杂性降低计划，利用星座的对称性，以减少可能的计算和符号级优化问题的约束条件的数量。本文还提出了一种新的传输技术，联合优化发送符号级预编码和星座旋转的数据流为每个用户。其目的是增加具有相长干涉的概率，从而提高性能。我们专注于提高能源效率，通过降低所需的功率，以满足一定的服务质量的约束，通过解决一个符号级的预编码问题，并找到每个用户星座旋转的最佳相位。该问题是非凸的，因此，我们提出了一个有效的分支定界算法结合半定松弛来解决问题，并找到一个有效的解决方案。数值结果以比较的方式示出所提出的技术的有效性，其在能量效率和功耗方面优于最先进的符号级预编码方案。
2020-11-08 cs.IT eess.SP math.IT
Interference Exploitation via Symbol-Level Precoding: Overview, State-of-the-Art and Future Directions
干扰传统上被视为无线通信系统中的性能限制因素，其将被最小化或减轻。然而，最近的工作已经表明，通过操纵干扰信号，使得它们在接收器侧相长地相加，可以使已知干扰有益，并且进一步提高各种无线场景中的系统性能，这是通过符号级预编码（SLP）实现的。本文从相长干扰和相消干扰的分类入手，从多天线无线通信系统中预编码设计的角度，对干扰利用技术进行了研究。给出了CI的定义，并针对常见的调制类型给出了相应的数学表征，在此基础上讨论了基于优化的预编码技术。此外，还描述了CI预编码到其他应用场景以及用于硬件效率的扩展。概念验证的测试平台证明了CI预编码的潜在的实际实施，最后提出了一个开放的问题和实际挑战的列表，以启发和激励在这一领域的进一步研究方向。
2019-07-12 cs.IT eess.SP math.IT
Zero-Forcing MU-MIMO Precoding under Power Amplifier Non-Linearities
本文提出了一种非线性感知零强迫预编码方案，通过利用功率放大器的非线性特性实现干扰消除，以提高MU-MIMO系统的性能。
2025-12-02 cs.IT eess.SP math.IT
Symbol-Level Precoding Made Practical for Multi-Level Modulations via Block-Level Rescaling
在本文中，我们提出了一种干扰利用符号级预编码（SLP）的方法，通过块内功率分配方案的多级调制，大大减少了信令开销。现有的SLP方法需要符号级广播的重缩放因子的用户进行正确的解调，这阻碍了SLP的实际实现。所提出的方法允许在传统块级预编码中进行的重新缩放因子的块级广播，大大减少了SLP的信令开销而不牺牲性能。我们的推导结果进一步表明，所提出的块内功率分配享有一个精确的封闭形式的解决方案，因此不会增加在基站（BS）的复杂性。除了有效的吞吐量结果验证的信令开销显着缓解，数值结果表明，所提出的功率分配方法也提高了现有的SLP的错误率性能。因此，所提出的方法使得SLP在多级调制中的实际使用成为可能。
2021-03-10 cs.IT eess.SP math.IT
Low-Complexity Designs of Symbol-Level Precoding for MU-MISO Systems
符号级预编码（SLP）将有害的多用户干扰（MUI）转化为有益的信号，可以显著改善多用户通信系统的误符号率（SER）性能。然而，在享受符号增益的同时，复杂的非线性逐符号预编码器设计遭受与用户数量成指数的高计算复杂性，这在现实系统中是无法承受的。在本文中，我们提出了一种新的低复杂度分组SLP（G-SLP）的方法，并开发了有效的设计算法，典型的最大-最小公平性和功耗最小化问题。特别地，在将所有用户划分为若干组之后，通过仅利用该组中的用户的符号信息，在逐个符号的基础上单独地设计用于每个组的预编码器，其中使用相长干扰（CI）的概念来利用组内MUI，并且还有效地抑制组间MUI。为了进一步降低计算复杂性，我们利用拉格朗日对偶、Karush-Kuhn-Tucker（KKT）条件和优化最小化（MM）方法将问题转化为更易处理的形式，并开发了获得封闭形式解的有效算法.大量的仿真结果表明，所提出的G-SLP策略和设计算法显着降低了计算复杂性，而不会造成显着的性能损失相比，传统的SLP计划。
2022-05-02 cs.IT eess.SP math.IT
Performance of Joint Symbol Level Precoding and RIS Phase Shift Design in the Finite Block Length Regime with Constellation Rotation
本文研究有限块长机制下结合星座旋转的SLP与RIS相移联合设计，通过交替优化和穷举搜索最小化总发射功率，仿真证明其能效显著优于传统方案。
2023-08-02 cs.IT eess.SP math.IT
Integer-Forcing Precoding: A Geometric Perspective and Low-Complexity Algorithm Design
Beihang University（北京航空航天大学）；Pengcheng Laboratory（鹏城实验室）；Shenzhen Institute of Beihang University（北京航空航天大学深圳研究院）；College of Cyber Security, Jinan University（暨南大学网络空间安全学院）；School of Information Science and Engineering, Southeast University（东南大学信息科学与工程学院）
本文提出了一种多项式时间算法，通过几何结构分解解决整数强迫预编码的最优整数矩阵和功率缩放矩阵联合优化问题。
2026-10-12 cs.IT eess.SP math.IT
Symbol-Level Precoding Design for Max-Min SINR in Multiuser MISO Broadcast Channels
本文研究了多用户多输入单输出（MISO）信道下行链路中最大最小信干噪比（SINR）准则下的符号级预编码（SLP）设计问题。首先，我们证明了距离保持建设性干涉区域（DPCIR）总是多面体角（移动尖锥）的任何给定的星座点与无界的决策区域。然后证明了在一个给定的无界DPCIR中，任何信号的范数大于对应顶点的范数当且仅当星座的凸包包含原点。利用这些性质，我们表明，无噪声的接收信号躺在一个无界的DPCIR的功率是两个参数的严格递增函数。这允许我们将原始非凸SLP最大-最小SINR重新公式化为凸优化问题。我们讨论的损失，由于我们提出的凸重构，并提供了一些模拟结果。
2018-03-19 cs.IT eess.SP math.IT
Power Minimizer Symbol-Level Precoding: A Closed-Form Sub-Optimal Solution
在这封信中，我们研究的最佳解决方案的多用户符号级预编码（SLP）的总发射功率最小化下给定的信号干扰噪声比（SINR）的约束。采用距离保持相长干涉区域（DPCIR），我们首先推导出一个简化的问题。然后，利用Karush-Kuhn-Tucker（KKT）最优性条件分析了最优解的结构，从而得到了功率最小化SLP与传统迫零波束形成（ZFBF）等价的充要条件。这进一步导致我们的封闭形式的次优SLP解决方案（CF-SLP）的原始问题。仿真结果表明，CF-SLP提供了显着的增益比ZFBF，而执行相当接近的最佳SLP的情况下，用户数量相当少。结果进一步表明，CF-SLP方法具有减少的顺序$10^3$的计算时间相比，最优解。
2018-07-27 cs.IT eess.SP math.IT
Multi-Antenna Data-Driven Eavesdropping Attacks and Symbol-Level Precoding Countermeasures
在这项工作中，我们考虑安全通信的无线多用户（MU）多输入单输出（MISO）系统中的信道编码的存在下，一个多天线窃听者（夏娃）。在这种情况下，我们利用机器学习（ML）工具设计软，硬解码方案，使用预编码的导频符号作为训练数据。在这种情况下，我们提出了解码器的ML框架，允许Eve以高精度确定传输的消息。因此，我们表明，MU-MISO系统很容易受到这种窃听攻击，即使采用相对安全的传输技术，如符号级预编码（SLP）。为了抵消这种攻击，我们提出了两种新的SLP为基础的计划，增加了误比特率在前夕阻碍学习过程。我们设计这两个安全增强方案，以满足不同的要求，复杂性，安全性和功耗。仿真结果验证了基于ML的窃听攻击以及对策，并表明在不影响解码性能的情况下，在目标用户的安全性的增益。
2020-11-07 cs.IT eess.SP math.IT
Millimeter Wave Massive MIMO Downlink Per-Group Communications with Hybrid Linear Precoding
我们解决的问题，分析和分类组中的下行链路信道环境中的毫米波长小区，占路径损耗，多径衰落，和用户设备（UE）阻塞，通过采用混合传播和多径衰落模型，从而使用准确的组间干扰建模。基站（BS）采用大型均匀平面阵列（UPA）来促进高效率的大规模多输入多输出（MIMO）通信。UE配备有单个天线并且均匀地分布在小区内。关键问题是分析和定义预编码组。因为在组之间期望公平类型的吞吐量，所以必要时采用组合频分和空分复用（CFSDM）。我们表明，通过采用三个子载波频率，可以有效地将UE分成高吞吐量组，每组采用基于虚拟信道模型波束（VCMB）的内部预编码，然后是高效的多用户多输入多输出（MU-MIMO）外部预编码器。对于每一组，我们研究了三种不同的分组方法，提供不同的优势。我们表明，零强制每组预编码（ZF-PGP）的零强制预编码（ZFP）提供的改进是非常高的。
2020-02-05 cs.IT eess.SP math.IT
Low Complexity Symbol-Level Design for Linear Precoding Systems
MIMO系统中符号级预编码的实际应用具有挑战性，因为复杂的优化算法的实现必须以合理的计算资源来完成。在MIMO预编码系统的实际实现中，每组符号的处理时间是一个关键参数，特别是在高吞吐量模式下。在这项工作中，设计了一个符号级优化算法，降低了复杂度。符号级预编码器的性能被示出为在每组符号的处理时间方面提高。
2017-10-27 eess.SP
An Unsupervised Learning-Based Approach for Symbol-Level-Precoding
本文提出了一种基于无监督学习的预编码框架，该框架通过展开内点法（IPM）邻近的“log”障碍函数来训练没有目标标签的深度神经网络（DNN）。最接近的“log”障碍函数是从严格的功率最小化制定受到信号干扰噪声比（SINR）的约束。该方案通过符号级预编码（SLP）利用已知的干扰来最小化发射功率，并被命名为严格符号级预编码深度网络（SLP-SDNet）。结果表明，SLP-SDNet优于传统的块级预编码（传统BLP）方案，同时比基于SLP优化的方法更快地实现接近最佳的性能。
2021-10-19 eess.SP
Frequency-packed Faster-than-Nyquist Signaling via Symbol-level Precoding for Multi-user MISO Redundant Transmissions
本文研究了频率压缩比奈奎斯特（FTN）信令下行链路多天线多载波系统中同信道用户产生的干扰问题。所产生的干扰源于一个积极的策略，通过跨不同用户的频率重用和挤压的信号在超过奈奎斯特限制的时间-频率平面，以提高吞吐量。无差错频谱效率随着频率压缩和FTN加速因子的增加而增加。FTN采样周期，保证信息losslesness的下限推导出作为一个函数的发射滤波器滚降因子，频率包装因子，和子载波的数量。空时频符号级预编码器（SLP）的建设性和破坏性的块间干扰（IBI）在单天线用户终端的折衷建议。冗余元素被添加作为保护间隔，以应对残留的破坏性IBI效应。该建议可以处理延迟扩展长于多载波符号持续时间的信道。接收机结构简单，不需要数字多载波解调。模拟表明，提出的SLP优于迫零预编码，并通过将增加的冗余量从零（全IBI）控制到等效信道的群延迟的一半（无破坏性IBI），实现频谱效率和能量效率之间的目标平衡。
2021-07-14 cs.IT eess.SP math.IT
Low-Complexity Symbol-Level Precoding for MU-MISO Downlink Systems with QAM Signals
本研究提出了一个大规模的天线系统的发射信号的建设具有成本效益的1位数模转换器在下行链路。在正交幅度调制星座中，如何克服由其固有特性引起的严重的误码平层问题仍然是一个有待解决的问题。为此，我们首先提出了一个可行性条件，保证每个用户的无噪声信号被放置在所需的决策区域。对于加性噪声的鲁棒性，我们提出了一个优化问题，然后将可行性条件转化为级联矩阵形式。我们提出了一个低复杂度的算法来产生一个1位的发送信号的基础上提出的优化问题制定为一个定义良好的混合整数线性规划。数值结果验证了该方法在检测性能和计算复杂性方面的优越性。
2021-06-01 cs.IT eess.SP math.IT
Robust Symbol-Level Precoding and Passive Beamforming for IRS-Aided Communications
研究了多用户多输入单输出（MISO）通信网络中基于智能反射面（IRS）面板的联合波束形成设计。符号级预编码（SLP）被用来提高系统性能，利用多用户干扰（MUI）与有限的信道不确定性的考虑。联合波束形成设计被配制成一个非凸的最坏情况下的鲁棒规划，以最小化发射功率的信噪比（SNR）的要求。为了解决由于恒模和波束形成器的耦合的挑战，我们首先研究了单用户的情况。具体来说，我们提出并比较两种算法的基础上半定松弛（SDR）和交替优化（AO）的方法，分别。结果表明，基于AO的算法具有低得多的计算复杂性，但具有与基于SDR的算法几乎相同的功率。然后，我们应用AO技术的多用户的情况下，从而开发了一个算法的基础上的近端梯度下降（PGD）方法。该算法可以推广到有限分辨率IRS的情况下，从发射机到用户的直接链路的场景。数值结果表明，SLP可以显着提高系统的性能。同时，3位移相器可以实现接近最佳的功率性能。
2021-08-31 cs.IT eess.SP math.IT
Block-Level MU-MISO Interference Exploitation Precoding: Optimal Structure and Explicit Duality
本文针对MU-MISO下行链路提出块级干扰利用预编码，通过联合优化块内预编码器降低更新频率，并利用最优结构与显式对偶性分解问题，在保证性能的同时显著降低复杂度。
2023-12-30 cs.IT eess.SP math.IT
Low-Complexity Precoding for Extremely Large-Scale MIMO Over Non-Stationary Channels
超大规模多输入多输出（XL-MIMO）技术是未来第六代（6 G）网络实现更高性能的重要技术。在实践中，各种线性预编码方案，例如迫零（ZF）和正则迫零（RZF）预编码，能够在传统的大规模MIMO（mMIMO）系统中实现大的频谱效率（SE）和低的比特出错率（BER）。然而，由于固有的空间非平稳性和高计算复杂性，这些方法在非常大规模的区域中是无效的。为了解决这个问题，我们研究了一种低复杂度的预编码算法，例如，随机Kaczmarz（rKA），考虑到空间非平稳特性的XL-MIMO系统。此外，我们提出了一种新的随机化模式，即，采样无替换rKA（SwoR-rKA），其具有比rKA算法更快的收敛速度。此外，推导了考虑子阵间干扰的下行XL-MIMO系统的SE的闭式表达式。数值结果表明，在SE性能相当的情况下，rKA和SwoR-rKA算法的复杂度比传统的RZF算法降低了51.3%.更重要的是，我们的算法可以有效地降低误码率时，发射机有不完善的信道估计。
2023-02-03 cs.IT eess.SP math.IT
End-to-End Learning for Symbol-Level Precoding and Detection with Adaptive Modulation
传统的符号级预编码（Symbol-Level Precoding，SLP）设计在接收端采用固定的调制和检测规则，以简化发送端的预编码优化，这极大地限制了SLP的灵活性和通信服务质量（Quality-of-Service，QoS）。为了克服这些方法的性能瓶颈，在这封信中，我们提出了一个端到端的学习为基础的方法来联合优化的调制阶数，发送预编码和接收检测的SLP通信系统。提出了一种由调制阶数预测（MOP-NN）模块和符号级预编码与检测（SLPD-NN）模块组成的神经网络来解决这一数学难题。仿真结果验证了所提出的端到端学习方法带来的显着的性能改善。
2022-10-25 eess.SP
1-Bit Massive MIMO Transmission: Embracing Interference with Symbol-Level Precoding
本文综述了1比特大规模MIMO系统中利用符号级预编码、借助建设性干扰提升误码率性能的研究，阐述了相关技术原理、方案增益及未来挑战。
2021-01-23 cs.IT eess.SP math.IT
Unified Characterization and Precoding for Non-Stationary Channels
现代无线信道越来越密集和移动，使得信道高度不稳定。时变分布和跨多个自由度的关节干涉的存在（例如，用户、天线、频率和符号）使得传统的预编码在实践中是次优的，并且导致了其统计的历史上较差的表征。我们的工作的核心是推导出高阶推广的Mercer定理，将非平稳信道分解为组成衰落子信道（2-D特征函数），这些子信道在其自由度上是联合正交的。因此，传输具有最佳导出系数的这些本征函数最终减轻了这些维度上的任何干扰，并形成了所提出的联合时空预编码的基础。经预编码的符号在解调时直接在接收机处重构数据符号，从而通过减轻对任何互补解码的需要来显著地减少其计算负担。这些特征函数对于提取二阶信道统计是至关重要的，因此完全表征了底层信道。理论和仿真结果表明，这种预编码导致${>}10^4{\times}$ BER改善（在20 dB）比现有的方法为非平稳信道。
2022-11-11 cs.IT eess.SP math.IT
Joint Symbol-Level Precoding and Reflecting Designs for IRS-Enhanced MU-MISO Systems
智能反射表面（IRSs）通过改变传播环境以成本有效和硬件有效的方式增强无线通信，已经成为一种革命性的解决方案。此外，符号级预编码（SLP）由于其在将多用户干扰（MUI）转化为有用信号能量方面的优势，最近引起了相当大的关注。因此，研究IRS在符号级预编码系统中的应用以通过操纵多用户信道以更有效的方式利用MUI是有意义的。在本文中，我们专注于联合符号级预编码和反射设计的IRS增强的多用户多输入单输出（MU-MISO）系统。功率最小化和服务质量（QoS）的平衡问题。为了解决联合优化问题，我们开发了一种有效的迭代算法，将它们分解为单独的符号级预编码和块级反射设计问题。采用基于梯度投影的算法设计符号级预编码，采用基于黎曼共轭梯度（RCG）的算法解决反射设计问题。仿真结果表明IRS带来了显着的性能改善，并说明了我们提出的算法的有效性。
2021-03-20 eess.SP
Speeding-up Symbol-Level Precoding Using Separable and Dual Optimizations
符号级预编码（Symbol-level precoding，SLP）对发送信号进行处理，以准确地利用多用户下行链路中的多用户干扰（Multi-user Interference，MUI）。这使得所有的合成干涉有助于正确的检测，这就是所谓的相长干涉（CI）。它的性能优势是以逐个符号地解决非线性优化问题为代价的，因此在现实的无线通信系统中，所产生的复杂性变得令人望而却步。在本文中，我们研究低复杂度的SLP算法的相移键控（PSK）和正交幅度调制（QAM）。具体来说，我们首先证明了最大-最小SINR平衡（SB）的PSK信令SLP问题是不可分离的，这是相反的功率最小化（PM）的SLP问题，因此，现有的分解方法是不适用的。接下来，我们建立了一个明确的二元PM-SLP和SB-SLP问题PSK调制。所提出的对偶有利于获得解决方案的SB-SLP给定的解决方案的PM-SLP，而不需要一维搜索，反之亦然。然后，我们提出了一个封闭形式的功率缩放算法来解决SB-SLP通过PM-SLP利用PM-SLP的可分性。对于QAM调制，我们将PM-SLP问题转化为一个可分离的等价优化问题，并利用邻近雅可比交替方向乘法器（PJ-ADMM）将新问题分解为几个简单的具有封闭形式解的并行子问题。我们进一步证明了所提出的对偶性可以推广到多电平调制的情况下，在此基础上，还提出了一种功率缩放并行无逆算法来解决QAM信令的SB-SLP…
2022-11-27 cs.IT eess.SP math.IT
Joint Precoding and Probabilistic Constellation Shaping using Arithmetic Distribution Matching
本文提出联合整形与预编码方案，通过平稳马尔可夫模型优化符号转移概率以降低发射功率，并采用算术编码生成整形序列。
2025-05-16 eess.SP
Symbol-Level Precoding Design Based on Distance Preserving Constructive Interference Regions
本文研究了多用户多输入单输出（MISO）信道下行链路的符号级预编码（SLP）设计问题。我们考虑具有任意形状和大小的通用星座，并将自己限制在建设性干涉区域（CIR）的主要类别之一，即距离保持CIR（DPCIR）。我们提供了一个全面的研究DPCIRs，并得出这些地区的一些属性。使用这些属性，我们首先表明，在一个给定的DPCIR的任何信号有一个规范大于或等于相应的星座点的规范，当且仅当星座的凸包包含原点。其次证明了无噪声接收信号的功率是与无限Voronoi边有关的两个参数的单调严格递增函数。利用DPCIR的凸描述及其性质，我们制定了两个设计问题，即SLP功率最小化与信号干扰加噪声比（SINR）的约束，和SLP的SINR平衡问题下的最大-最小公平性准则。基于DPCIR的SLP功率最小化可以直接写为二次规划（QP）。我们提供了一个简化的重新表述这个问题，这是计算复杂性较低。然而，SLP最大-最小SINR在其原始形式中是非凸的，并且因此难以处理。我们提出了几种替代的优化方法，包括半定规划（SDP）制定和块坐标下降（BCD）优化。我们讨论和评估的损失，由于所提出的替代方法，通过广泛的模拟结果。
2018-04-03 cs.IT eess.SP math.IT
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
Downlink Spectral Efficiency of Cell-Free Massive MIMO with Full-Pilot Zero-Forcing
与蜂窝通信相比，由于增加了宏分集，大规模多输入多输出（MIMO）可确保以高频谱效率（SE）进行无处不在的通信。然而，系统的可扩展性和性能受到前传业务和干扰的限制。与仅抑制小区内干扰的常规预编码方案不同，在[1]中引入的全导频迫零（fpZF）还主动地抑制小区间干扰，而不在接入点（AP）之间共享信道状态信息（CSI）。在这项研究中，我们推导出一个新的封闭形式的表达的下行链路（DL）SE的无小区大规模MIMO系统与多天线AP和fpZF预编码，不完美的CSI和导频污染。该分析还包括最大-最小公平DL功率优化。数值结果表明，fpZF显着优于最大比传输方案，而不增加前传开销，只要系统是充分分布。
2019-09-06 cs.IT eess.SP math.IT
Symbol-Level Precoding for Integrated Sensing and Communications: A Faster-Than-Nyquist Approach
针对基于FTN信令的MU-MIMO下行链路ISAC系统，提出一种新颖的符号级预编码方法，利用CI技术最小化目标参数估计的MMSE并保证单用户服务质量，通过SCA解决非凸问题，在通信与感知性能上显著优于传统基准。
2023-04-06 eess.SP
Communication-Centric Symbol-Level Precoding for Fronthaul-Limited Networked ISAC
Nanjing University of Posts and Telecommunications（南京邮电大学）；Beijing University of Posts and Telecommunications（北京邮电大学）
本文针对前传受限网络化ISAC，提出压缩感知的符号级预编码框架，将前传需求与块能量关联，并采用可处理下界方法求解，仿真验证其感知性能优于线性波束成形基线。
2026-09-29 eess.SP
An Unsupervised Deep Unfolding Framework for robust Symbol Level Precoding
符号级预编码（SLP）由于其利用干扰进行能量有效传输的能力而吸引了显著的研究兴趣。本文提出了一种基于无监督深度神经网络（DNN）的SLP框架。我们的建议不是在不考虑SLP域的优化目标的具体情况下天真地训练用于SLP的DNN架构，而是基于内点方法（IPM）接近“log”障碍函数来展开功率最小化SLP公式。此外，我们将我们的建议扩展到信道状态信息（CSI）不确定性下的鲁棒预编码设计。结果表明，我们提出的学习框架提供了接近最优的性能，同时减少了计算成本从O（n7.5）到O（n3）的对称系统的情况下，其中n =发射天线的数量=用户的数量。与基于SLP优化的解决方案相比，这种显着的复杂性降低也反映在所提出的方法的执行时间成比例减少。
2021-11-15 eess.SP
Precoding Design for Energy Efficiency of Multibeam Satellite Communications
由于卫星的功率约束，提高能量效率（EE）而不是仅仅提高频谱效率（SE）是多波束卫星系统的另一个重要关注点。然而，到目前为止，还没有详细的预编码设计的多波束卫星的EE。在这项工作中，EE最大化问题的多波束卫星系统下的总功率约束以及服务质量（QoS）的约束。分别给出了基于迫零（ZF）和基于序贯凸逼近（SCA）的预编码设计算法。特别地，这些算法被多波束卫星系统的实测信道数据所验证。数值结果表明，基于SCA的预编码算法优于基于ZF的预编码算法。研究还表明，单纯提高卫星功率并不能提高能效，降低卫星功率是提高能效的有效途径。
2019-01-07 cs.IT eess.SP math.IT
A Framework for One-Bit and Constant-Envelope Precoding over Multiuser Massive MISO Channels
考虑以下问题：多天线基站（BS）通过预编码向多个单天线用户发送多个符号流。然而，与传统的多用户预编码不同，发送的信号受到二进制，单位模，甚至离散单位模约束。这种约束出现在一位和恒定包络（CE）大规模MIMO场景中，其中高分辨率数模转换器（DAC）分别被一位DAC和移相器取代，以降低硬件成本和能耗。在一比特和CE限制下的多用户预编码造成了显著的设计困难。在本文中，我们建立了一个框架，设计多用户预编码下的一位，连续CE和离散CE的情况下-所有在一个主题。首先，我们制定了一个预编码设计，侧重于最小化的符号错误概率（SEP），假设正交幅度调制（QAM）星座。然后，我们设计了一个算法，我们的SEP为基础的设计。该算法结合了i）一种新的惩罚方法，用于处理二进制，单位模量和离散单位模量约束;和ii）一阶非凸优化配方定制的设计。具体地说，后者是一种通过加速投影梯度的不精确优化最小化方法，仿真结果表明，该方法运行速度非常快，可以处理大量的决策变量。仿真结果表明，所提出的设计提供了显着更好的比特出错率性能比现有的设计。
2019-08-17 cs.IT eess.SP math.IT
Learning-Based Symbol Level Precoding: A Memory-Efficient Unsupervised Learning Approach
符号级预编码（SLP）已被证明是管理多用户下行链路传输中的干扰并提高接收信号功率的有效手段。本文提出了一种适用于量化深度神经网络（DNN）的基于无监督学习的SLP。我们的建议不是简单地在监督模式下训练DNN，而是使用内点方法（IPM）接近“log”障碍函数在不完美的信道场景中展开功率最小化SLP公式。我们使用二进制和三进制量化来压缩DNN的权重值。结果显示，与现有的全精度SLP-DNet相比，我们的建议显着节省了内存，对于基于二进制DNN的SLP（RSLP-BDNet）和基于三进制DNN的SLP（RSLP-TDNets），分别具有约21倍和约13倍的显着模型压缩。
2021-11-15 eess.SP
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
Faster-Than-Nyquist Symbol-Level Precoding for Wideband Integrated Sensing and Communications
本文提出了一种用于宽带MU-MIMO下行ISAC系统的FTN符号级预编码方法，利用构造性干扰在保证通信QoS的同时最小化感知MMSE，并通过SCA策略求解非凸问题，显著提升了通信吞吐量且保持良好感知性能。
2023-06-26 eess.SP
A Memory-Efficient Learning Framework for SymbolLevel Precoding with Quantized NN Weights
本文提出了一种基于内存高效深度神经网络（DNN）框架的符号级预编码（SLP）。我们专注于具有现实有限精度权重的DNN，并采用基于无监督深度学习（DL）的SLP模型（SLP-DNet）。我们应用随机量化（SQ）技术，以获得其相应的量化版本称为SLP-SQDNet。所提出的方案通过量化DNN权重的可缩放百分比提供了可扩展的性能与内存权衡，并且我们探索了二进制和三进制量化。我们的研究结果表明，虽然SLP-DNet提供了接近最佳的性能，但其通过SQ的量化版本分别为基于二进制和基于三进制的SLP-SQDNet提供了3.46倍和2.64倍的模型压缩。我们还发现，与基于SLP优化的和SLP-DNet相比，我们的提案分别将计算复杂度降低了20倍和10倍。
2021-11-28 eess.SP
One-Bit Symbol-Level Precoding for MU-MISO Downlink with Intelligent Reflecting Surface
研究了基于智能反射面的多用户多输入单输出（MISO）下行链路符号级预编码（SLP）。具体地说，通过假设在基站（BS），这是由于使用低分辨率DAC在大规模发射天线的制度，在BS和在IRS的相移的一位SLP的联合设计，提出了一个目标，最大限度地减少最坏情况下的符号错误概率（SEP）的用户在PSK调制。该联合设计问题本质上是一个混合整数非线性规划问题。为了解决这个问题，我们交替优化一位信号和相移。对于前者，松弛的一位SLP问题的一个对偶的解决镜像下降（MD）方法与最大块改进（MBI）算法。对于后者，采用加速投影梯度（APG）方法来优化相位。数值结果表明，所提出的联合设计可以获得更好的SEP性能比传统的线性预编码和一位SLP。
2020-09-29 eess.SP
A New Solution for MU-MISO Symbol-Level Precoding: Extrapolation and Deep Unfolding
本文提出符号级外推策略与深度展开网络，显著降低MU-MISO系统中CI-SLP的计算复杂度，仅以微小性能损失换取高效实现。
2024-05-26 eess.SP
Symbol Level Precoding for Systems with Improper Gaussian Interference
针对存在非正则高斯干扰的多天线系统，研究了不同场景下的块级与符号级预编码设计，推导了最坏情况干扰特性，验证了符号级预编码在误符号率和能量效率上的优越性能。
2024-09-11 eess.SP
Symbol-Level Precoding Design for Intelligent Reflecting Surface Assisted Multi-user MIMO Systems
智能反射面（IRS）通过自适应地控制传播环境来增强无线信息传输是一种很有前途的解决方案。近年来，利用IRS实现无源发射机的全新概念吸引了研究人员的注意，因为它可能实现多输入单/多输出（MISO/MIMO）系统的低复杂度和硬件高效的发射机。在本文中，我们研究的问题，预编码器设计的低分辨率IRS的发射机实现多用户MISO/MIMO无线通信。特别地，IRS通过改变其反射元件的相位来调制信息符号，并将它们发送到$K$单天线或多天线用户。本文首先设计了用于IRS的符号级预编码器，以实现调制并最小化单天线接收机的最大误符号率（SER）。为了解决这个NP难问题，我们首先放松低分辨率相移约束，并解决这个问题的黎曼共轭梯度（RCG）算法。然后，通过直接量化获得低分辨率符号级预编码矢量。考虑到1比特分辨率情况下量化误差较大，采用分支定界法求解1比特分辨率符号级预编码矢量。对于多天线接收机，我们提出迭代设计的符号级预编码器和组合器分解成几个子问题的原始大规模优化问题。仿真结果验证了所提算法的有效性。
2021-03-20 eess.SP
Linear One-Bit Precoding in Massive MIMO: Asymptotic SEP Analysis and Optimization
本文研究了Rayleigh衰落下大规模MIMO系统的线性一位预编码，通过渐近分析证明其符号错误概率收敛于标量高斯噪声模型，并据此推导出最优预编码方案，仿真验证了预测的准确性与最优性。
2023-06-27 cs.IT eess.SP math.IT
An Approximate Solution for Symbol-Level Multiuser Precoding Using Support Recovery
本文提出了一种低复杂度的方法来近似求解符号级预编码（SLP）的SINR约束优化问题。首先，假设一个通用的调制方案，预编码优化问题被改写为一个标准的非负最小二乘（NNLS）。然后，我们改进了现有的封闭形式的SLP（CF-SLP）计划使用的条件，几乎完美的恢复最优解的支持，其次是解决一个减少的线性方程组。仿真结果表明，与CF-SLP方法相比，本文提出的ICF-SLP方法在计算复杂度几乎没有增加的情况下，显著提高了算法的性能.我们还提供了一个快速收敛的迭代NNLS算法的比较，它表明，ICF-SLP方法的性能与有限的最大迭代次数的迭代算法。分析讨论了不同方法的复杂性，验证了所提出的方法的计算效率。我们的研究结果进一步表明，ICF-SLP计划执行非常接近最佳SLP，特别是在大系统政权。
2019-03-08 eess.SP
Symbol-Level Precoding for MU-MIMO System with RIRC Receiver
针对多用户MIMO下行链路系统，提出了一种实用的符号级预编码与正则化干扰拒绝合并器（RIRC）接收方案，通过将联合优化转化为等效二次规划并引入RIRC解决秩一预编码难题，在保持接近联合设计性能的同时显著优于传统方法。
2023-07-27 eess.SP
Estimation of Doubly-Dispersive Channels in Linearly Precoded Multicarrier Systems Using Smoothness Regularization
针对URLLC中线性预编码多载波系统的双色散信道估计难题，提出仅预编码数据、在TF域直接放置导频并利用平滑正则化插值的方案，实现高精度估计并降低信令开销。
2022-10-11 cs.IT eess.SP math.IT
A Worst-Case Performance Optimization Based Design Approach to Robust Symbol-Level Precoding for Downlink MU-MIMO
针对多用户多输入多输出（MU-MIMO）无线系统下行链路中符号级预编码（SLP）的优化问题，研究了预编码器输出存在部分已知失真的情况。特别是，我们假设一个线性失真模型与有界加性噪声。首先将原最小化总发射功率的信干噪比（SINR）约束SLP问题转化为惩罚无约束问题，称为松弛鲁棒问题。然后，我们采用了最坏情况下的设计方法，以保护用户的预期符号和目标建设性的干扰与期望的置信水平。由于松弛鲁棒公式的非凸性，我们提出了一种基于块坐标上升下降法的迭代算法。我们通过仿真结果表明，所提出的鲁棒设计是灵活的，在这个意义上，CI约束可以放松，以保持可实现的速率和功耗之间的理想平衡。值得注意的是，新的配方产生更节能的解决方案，适当选择的惩罚参数，相比原来的问题。
2019-08-29 eess.SP
Robust SINR-Constrained Symbol-Level Multiuser Precoding with Imperfect Channel Knowledge
在本文中，我们解决的符号级预编码的多用户多输入多输出无线信道的下行链路的鲁棒性设计，在发射端存在不完善的信道状态信息（CSI）。特别是，我们考虑两种常见的不确定性模型的CSI缺陷，即球形（有界）和随机（高斯）。我们的设计目标是最大限度地减少总（每符号）的传输功率建设性干扰（CI）的约束，以及用户的服务质量的要求，在信号干扰加噪声比。假设有界信道的不确定性，我们得到了一个凸CI约束的基础上的最坏情况下的鲁棒性分析，而在高斯不确定性的情况下，我们定义概率CI约束，以实现鲁棒性已知的CSI错误。由于概率约束的实际利益是难以处理的，我们诉诸于他们的凸近似，产生易处理的（确定性）强大的约束。基于不同的稳健保守性方法，提出了三种凸逼近方法，并介绍了其中一种方法作为比较基准。我们表明，我们提出的每一个近似比其他在特定的鲁棒性条件下更紧密，而两者总是优于基准。使用发达的CI约束，我们制定了一个凸锥二次规划的鲁棒预编码优化。广泛的仿真结果提供验证我们的分析讨论，并与现有的强大的预编码方案进行比较。我们还表明，强大的设计增加了计算复杂性的用户数量的顺序在大系统的限制，相比，其非强大的对应。
2019-03-08 eess.SP
Symbol-Level Precoding for Continuous-Aperture ISAC Systems
University of Electronic Science and Technology of China（电子科技大学）；Tianfu Jiangxi Laboratory（天府江西实验室）
研究基于连续孔径阵列的下行链路ISAC系统，采用符号级预编码和接收极化合并，通过优化发射电流解决无限维非凸问题，开发算法联合优化相关参数，相比传统基线实现更高感知效用和通信可靠性。
2026-09-21 eess.SP
Symbol-Level Precoding for Average SER Minimization in Multiuser MISO Systems
本文提出一种利用建设性干扰和噪声功率的符号级预编码方案，通过双空间交替优化算法在正交Stiefel流形和欧几里得空间上联合优化发射信号与重缩放因子，以最小化多用户MISO系统中高阶QAM的平均符号错误率，仿真验证了其性能优势。
2023-10-11 eess.SP
