Joint Hybrid Beamforming and User Scheduling for Multi-Satellite Cooperative Networks
在本文中,我们考虑一个合作通信网络,其中多颗卫星提供服务的地面用户(GU)(在同一时间和同一频率)。当多颗卫星以协作方式为多个GU提供服务时,卫星上的通信和计算资源通常是有限的,卫星-GU链路的确定对通信性能有很大影响。因此,考虑到星载射频链路的局限性,本文首先提出了一种混合波束形成方法,该方法由用于波束对准的模拟波束形成和用于干扰抑制的数字波束形成组成。然后,建立适当的卫星和GU之间的连接,我们提出了一种启发式的用户调度算法,该算法确定的连接,根据总的频谱效率(SE)增量的多卫星协作网络。其次,提出了一种联合波束形成和用户调度的方案,以显著提高多卫星协作网络的性能。最后,通过仿真比较了所提出的方案与典型基线的性能,并分析了影响多星协作网络性能的关键因素。结果表明,所提出的联合波束成形和用户调度方法可以提供平均47.2%的SE改善相比,它的非联合对应。
2023-01-13 cs.IT eess.SP math.IT
Cooperative Hybrid Transmit Beamforming in Cell-free mmWave MIMO Networks
混合预编码器和组合器被设计用于协作无小区多用户毫米波(mmWave)多输入多输出(MIMO)蜂窝网络,以用于低复杂度干扰减轻。最初,我们得出一个最佳的混合发射波束形成器(HTBF)的广播情况下,同时考虑总的和每接入点(AP)的功率约束。其次,提出了一种基于最小方差无失真响应(MVDR)的最优连续混合波束形成技术。我们证明,它可以减轻用户间和组间干扰,同时连续确保与之前调度的用户/用户组的正交性。此外,理论上表明,所提出的计划是能够支持大量的用户。随后,贝叶斯学习(BL)为基础的方法被认为是联合设计的RF和基带预编码器/组合器的各种情况下考虑。此外,我们还设想我们的HTBF方案,这是基于最大化的信号干扰加噪声比(SINR)的每个单独的用户的上行链路对应。最后,所提出的方案的功效的特点是我们广泛的仿真结果在消除用户间/组间干扰,提高了频谱效率。
2022-12-14 eess.SP
Multi-Satellite Cooperative Networks: Joint Hybrid Beamforming and User Scheduling Design
针对多LEO卫星协作网络,提出联合混合波束成形与用户调度(JHU)方案,兼顾低复杂度与高效性,仿真验证其在整体及每用户频谱效率上的优越性。
2023-12-28 cs.IT eess.SP math.IT
Cooperative Beamforming and RISs Association for Multi-RISs Aided Multi-Users MmWave MIMO Systems through Graph Neural Networks
由于具有多种优点,可重构智能表面(RIS)被认为是下一代无线通信网络的有前途的解决方案,例如,定制通信环境。因此,部署多个RISs有助于克服基站(BS)和用户之间严重的信号阻塞,这也是实现更好的服务覆盖的实用有效的解决方案。然而,获得多RIS辅助通信系统的全部益处需要解决非凸的无限维优化问题,这促使使用基于学习的方法来配置最优策略。本文采用一种新型的异构图神经网络(GNN),有效地利用图的拓扑结构在无线通信优化问题。首先,我们描述了所有的通信链路功能和干扰关系,在我们的系统与异构图结构。然后,我们努力最大化的加权和速率(WSR)的所有用户通过联合优化在BS的主动波束形成,被动波束形成向量的RIS元素,以及RIS的关联策略。与大多数现有的工作,我们考虑一个更一般的情况下,每个用户的级联链路是不固定的,但动态选择最大化的WSR。仿真结果表明,我们提出的异构GNN的性能比其他基准测试好约10倍,一个合适的RIS关联策略也被验证是有效的,提高了30%的用户的服务质量。
2023-02-08 eess.SP
Partially Distributed Beamforming Design for RIS-Aided Cell-Free Networks
无小区网络被认为是满足超过第五代(5G)通信的更高速率要求的有前景的技术。关于无小区网络的大多数工作集中于完全集中式波束成形以最大限度地增强系统性能,或者集中于完全分布式波束成形以避免接入点(AP)之间的大量信道状态信息(CSI)交换。为了实现网络容量的提高和CSI交换的减少,我们提出了一种适用于可重构智能表面(RIS)辅助无小区网络的部分分布式波束成形设计算法。我们的目标是最大限度地提高加权和速率的所有用户通过设计主动和被动波束成形的AP的发射功率约束和RIS元素的单位模量约束。首先将加权和速率最大化问题转化为等价的加权和均方误差(sum-MSE)最小化问题,然后采用交替优化(AO)方法迭代设计主被动波束形成器。具体地,主动波束形成向量由本地AP获得,被动波束形成向量由中央处理单元(CPU)优化。仿真结果表明,与传统的局部波束形成方法相比,部分分布式算法具有显著的性能改善,同时也进一步显示了在无小区网络中部署RIS的巨大潜力。
2022-08-10 eess.SP
Learning to Unfold Fractional Programming for Multi-Cell MU-MIMO Beamforming with Graph Neural Networks
School of Information Science and Engineering, Southeast University(东南大学信息科学与工程学院)
本文提出利用图神经网络学习展开快速FP算法,以降低MU-MIMO波束成形的计算复杂度并提高收敛速度。
2026-01-12 eess.SP
Cooperative Cell-Free ISAC Networks: Joint BS Mode Selection and Beamforming Design
本文研究协作无蜂窝ISAC网络,提出联合BS模式选择、发射波束成形与接收滤波器设计的高效算法及三种启发式方法,解决非凸NP-hard问题,仿真验证了方案的有效性。
2024-01-06 cs.IT eess.SP math.IT
CRLB-Driven Beamforming and Power Allocation for Multi-BS Cooperative ISAC Networks
Friedrich-Alexander-Universität Erlangen-Nürnberg(埃尔朗根-纽伦堡大学)
针对多基站协作ISAC网络,提出CRLB驱动的BF与PA框架,基于PEB、VEB优化,开发SDP基BF与两阶段PA算法,算法性能接近BF且执行时间短,适用于动态环境。
2026-07-31 eess.SP
Max-Min Optimal Beamforming for Cell-Free Massive MIMO
这封信开发了一个最佳的波束形成方法,在无小区的大规模多输入多输出(MIMO)系统,采用大量的分布式接入点,为多个用户提供并发服务的下行链路传输。最佳设计被制定为一个最大最小的问题,最大限度地提高所有用户的最小信号干扰加噪声比。解析地证明了该问题是拟凹的,并利用二阶锥规划得到了最优解。所提出的方法确定最佳的无小区大规模多输入多输出系统中可实现的波束成形性能。研究结果可作为低复杂度波束形成器设计的参考。
2020-06-10 eess.SP
Cooperative Beamforming in Cognitive Radio Relay Networks Using Amplify-and-Forward Relaying Technique
在这项工作中,我们研究的问题中继波束形成的认知无线电中继网络使用放大转发(AF)中继技术。我们考虑一个认知无线电网络,由单一的主要和多个次要的发射机/接收机。此外,还有几个中继节点可以帮助主网络和辅助网络。提出了一种新的中继站波束赋形方法,其中中继站的波束赋形权值是一个优化问题的解。优化问题的目标是最大化在辅接收机(SU-RX)处的最坏情况的信号与干扰加噪声比(SINR),并且约束是主接收机(PU-RX)上的干扰功率和中继节点的总发送功率。我们表明,波束形成问题可以转化为二阶锥规划(SOCP)问题,并解决了二分法搜索方法。我们的仿真结果表明,性能的改善作为一个功能的大小和功率的中继网络。
2019-10-18 cs.IT eess.SP math.IT
Energy-Efficient Beamforming and Resource Optimization for AmBSC-Assisted Cooperative NOMA IoT Networks
在这篇手稿中,我们提出了一种基于多天线环境反向散射通信(AmBSC)辅助下一代(NG)物联网(IoT)通信网络的协作非正交多址(NOMA)的节能交替优化框架。具体而言,通过优化发射机处IoT NOMA用户的主动波束成形向量和功率分配系数(PAC)以及多天线辅助反向散射节点处的被动波束成形向量,实现了所考虑的AmBSC使能的多集群协作IoT NOMA系统的能量效率最大化。通常,增加每个集群中IoT NOMA用户的数量会导致集群间干扰(ICI)(在不同集群之间)和集群内干扰(在IoT NOMA用户之间)。为了对抗ICI的影响,我们利用迫零(ZF)为基础的主动波束成形,以及一个有效的聚类技术在源节点。此外,通过利用有效的功率分配策略来减轻集群内干扰的影响,该功率分配策略在服务质量(QoS)、协作、SIC解码和功率预算约束下确定IoT NOMA用户的PAC。利用逐次凸近似(SCA)和凸规划差分(DC)将非凸无源波束形成问题转化为标准半定规划(SDP)问题,并基于惩罚方法得到无源波束形成的秩1解.此外,数值分析的仿真结果表明,所提出的能量效率最大化算法表现出有效的性能,实现收敛,只有几个迭代。
2022-09-11 cs.IT eess.SP math.IT
Design of Uplink ISAC Systems with Cooperative Sensing: Power Control and Receive Beamforming
South China University of Technology(华南理工大学);New York University Abu Dhabi(阿布扎比纽约大学);Jinan University(暨南大学)
本文针对上行ISAC系统中的多用户协作目标检测问题,提出基于交替优化的联合功率分配方法,结合交替优化与SCA算法优化接收波束成形,提升通信与感知性能。
2026-03-18 eess.SP
Fronthaul Compression and Beamforming Optimization for Secure Cell-free ISAC Systems
针对前传受限的安全无蜂窝ISAC系统,本文联合优化前传压缩与波束成形,结合次优最大化与半定规划松弛方法,在满足保密速率等约束下提升感知性能,仿真验证其优于分布式感知等方案。
2024-12-12 eess.SP
Intelligent Reflecting Surface-Aided LEO Satellite Communication: Cooperative Passive Beamforming and Distributed Channel Estimation
本文提出了一种新的智能反射面(IRS)辅助低轨卫星通信系统,该系统利用大规模无源反射单元的可控相移实现灵活的波束形成,有效地解决了高机动卫星(SAT)与地面节点(GN)之间时变信道的问题。特别是,我们提出了一种新的架构IRS辅助LEO卫星通信,其中IRS部署在SAT和GN的两侧,并研究其合作的无源波束形成(CPB)设计超过视线(LoS)为主的单反射和双反射信道。具体来说,我们联合优化的主动发送/接收波束成形在SAT/GN以及CPB在两侧IRS的最大化的总信道增益从SAT到每个GN。有趣的是,我们表明,在LoS信道条件下,高维SAT-GN信道可以分解为两个低维向量的外积。通过利用分解的SAT-GN信道,我们将原始波束成形优化问题解耦为两个更简单的子问题,分别对应于SAT和GN侧,这两个子问题都以封闭形式求解。此外,我们提出了一个有效的传输协议进行信道估计和波束跟踪,这只需要独立的处理的SAT和GN在一个分布式的方式,从而大大降低了实现的复杂度。仿真结果验证了与传统反射阵列和单边IRS等各种基线方案相比,所提出的具有双边协作IRS的IRS辅助低轨卫星通信系统的性能优势。
2022-01-09 cs.IT eess.SP math.IT
Reconfigurable Intelligent Surface Enabled Full-Duplex/Half-Duplex Cooperative Non-Orthogonal Multiple Access
研究了可重构智能表面(RIS)辅助的协作非正交多址(C-NOMA)下行传输,其中考虑了半双工(HD)和全双工(FD)中继模式。系统模型由一个基站、两个用户和一个RIS组成。目标是通过联合优化BS处的功率分配系数、中继用户处的发射功率系数和RIS处的被动波束成形,在两个蜂窝用户处的功率预算约束、连续干扰消除约束和最小所需服务质量的约束下,针对每个中继模式最小化BS处和用户协作中继处的总发射功率。为了解决高耦合的优化变量,提出了一种有效的算法,通过调用交替优化方法,将原问题分解为一个功率分配子问题和一个被动波束形成子问题,这是交替解决。对于功率分配子问题,推导出了功率分配系数的最优闭式表达式。同时,半定松弛方法被用来解决被动波束形成子问题。仿真结果验证了推导出的功率控制闭式表达式的准确性,并展示了在C-NOMA网络中集成RIS所带来的总发射功率的增益。
2021-01-05 eess.SP
Cooperative Double-IRS Aided Communication: Beamforming Design and Power Scaling
智能反射面(IRS)技术是支持高性能无线通信的一种很有前途的技术。通过自适应地配置其上的每个无源反射元件的反射幅度和/或相位,IRS可以重塑有利于信号传输的电磁环境。本文在现有研究的基础上,提出并分析了一种双IRS辅助的无线通信系统。在从IRS 1到IRS 2的反射信道具有秩1(例如,的视线信道),我们提出了一种联合被动波束形成设计的两个IRS。在此基础上,我们表明,部署两个合作的IRS与总共K个元素可以产生一个O(K^4)阶的功率增益,这大大优于部署一个传统的IRS与O(K^2)阶的功率增益的情况下。我们的仿真结果验证了部署两个合作的IRS的性能显着优于部署一个IRS给出了足够的IRS元素的总数。我们还扩展了我们的视线信道模型,以显示不同的信道模型如何影响双IRS辅助无线通信系统的性能。
2020-04-04 cs.IT eess.SP math.IT
Cooperative Beamforming Design for Multiple RIS-Assisted Communication Systems
可重构智能表面(RIS)为构建可编程无线传输环境提供了一种很有前途的方法。由于表面上的大量可控反射元件,RIS能够提供相当大的被动波束形成增益。目前,大多数相关工作主要考虑单RIS辅助系统的建模、设计、性能分析和优化。虽然有一些工作,研究多个RIS单独服务于其相关联的用户,多个RIS之间的合作还没有得到很好的考虑。为了填补这一空白,本文研究了一种多RIS辅助通信系统的协作波束形成设计,其中部署多个RIS来辅助从基站到其用户的下行链路通信。要做到这一点,我们首先模拟一般信道从基站到用户的任意数量的反射链路。然后,我们制定了一个优化问题,以最大限度地提高所有用户的总速率。分析表明,由于决策变量的非凸性和相互影响,该问题很难求解。为了有效地解决这个问题,我们首先将问题解耦成三个不相交的子问题。然后,通过引入适当的辅助变量,推导出决策变量的闭合表达式,提出了一种低复杂度的协作波束形成算法。通过与各种基线方法的比较,仿真结果验证了该算法的有效性。此外,这些结果还揭示了,为使总速率最大化,将反射元件分布在多个RIS中优于将它们部署在单个RIS中。
2022-09-30 cs.IT eess.SP math.IT
Efficiently and Globally Solving Joint Beamforming and Compression Problem in the Cooperative Cellular Network via Lagrangian Duality
考虑协作蜂窝网络中的联合波束成形和量化问题,其中多个中继类基站(BS)通过速率受限的前传链路连接到中央处理器(CP),协作地为用户服务。这个问题可以被公式化为总发射功率的最小化,服从所有用户的信号与干扰加噪声比(SINR)约束和所有中继类BS的前传速率约束。在本文中,我们首先表明,有没有考虑的问题和它的拉格朗日对偶之间的对偶间隙,显示所考虑的问题的半定松弛(SDR)的紧密性。然后,我们提出了一个有效的算法的基础上拉格朗日对偶求解所考虑的问题。该算法明智地利用了所考虑的问题的Karush-Kuhn-Tucker(KKT)条件的特殊结构,并通过两个不动点迭代找到满足KKT条件的解。所提出的算法是高效的(因为在两个固定点迭代中评估函数在计算上是便宜的),并保证找到问题的全局解。仿真结果表明了该算法的有效性和正确性。
2022-02-11 cs.IT eess.SP math.IT
Artificial Noise Aided Secure Cognitive Beamforming for Cooperative MISO-NOMA Using SWIPT
认知无线电(CR)和非正交多址接入(NOMA)由于其实现高频谱效率和大规模连接的潜力而被认为是两种有前途的技术。本文研究了一种多输入单输出NOMA CR网络,该网络依赖于同时无线信息和功率传输(SWIPT),旨在支持大量的功率有限的电池驱动设备。与大多数使用理想线性能量收集模型的现有作品相比,本研究应用了更实用的非线性能量收集模型。为了提高主网络的安全性,提出了一种人工噪声辅助的协同干扰方案。研究了在实际保密率和能量收集约束下的人工噪声辅助波束形成设计问题。具体地说,传输功率最小化问题下制定完美的信道状态信息(CSI)和有界CSI误差模型。所提出的问题是非凸的,因此解决起来具有挑战性。提出了一对使用半定松弛(SDR)或代价函数的算法来解决这些问题。我们的仿真结果表明,所提出的合作干扰方案成功地建立安全的通信和NOMA是能够优于传统的正交多址接入在其功率效率。最后,我们证明了代价函数算法优于基于SDR的算法。
2018-02-20 cs.GT eess.SP
Joint Space-Time Adaptive Processing and Beamforming Design for Cell-Free ISAC Systems
针对无小区ISAC系统中发射AP强干扰下移动目标检测问题,提出联合STAP技术与发射/接收波束成形优化的方法,通过交替算法求解非凸问题,显著提升目标检测性能并满足通信需求。
2025-02-13 eess.SP
Joint Fronthaul Multicast and Cooperative Beamforming for Cache-Enabled Cloud-Based Small Cell Networks: An MDS Codes-Aided Approach
基于云的小小区网络(C-SCN)的性能高度依赖于容量受限的前传,当其饱和时,其降低服务质量。编码缓存是解决这些挑战的一种有前途的方法,因为它为前传多播和协作传输提供了大量的机会。本文研究了一种支持缓存的C-SCN,其中小小区基站(SBS)通过前传连接到中央处理器,并且可以通过应用最大距离可分离(MDS)码来预取流行内容。为了充分利用前传多播和协作传输的优点,首先提出了一种基于MDS码辅助的传输方案。我们通过联合优化前传带宽分配、SBS集群和波束成形来制定问题以最大限度地减少内容交付延迟。为了有效地解决由此产生的非线性整数规划问题,我们提出了一个基于惩罚的设计,利用变分重新制定的二元约束。为了改善基于惩罚的设计的解决方案,贪婪SBS聚类设计也被开发。最后,给出了最优解的封闭形式,通过该封闭形式可以量化MDS码的优点。仿真结果表明,所提出的MDS码辅助传输方案的显着优势。
2019-07-20 cs.IT eess.SP math.IT
Max-Min Fairness in IRS-Aided Multi-Cell MISO Systems with Joint Transmit and Reflective Beamforming
研究了一种智能反射面(IRS)辅助的多小区多输入单输出(MISO)系统,该系统由多个多天线基站(BS)组成,每个基站与一个单天线用户进行通信,其中IRS被专门部署用于辅助无线传输和抑制小区间干扰。在此设置下,我们联合优化协调的发射波束形成在BS和反射波束形成在IRS,最大化的最小加权信号干扰噪声比(SINR)在用户的目的,在BS的个人最大发射功率和在IRS的反射约束。为了解决非凸问题,我们首先提出了一种精确交替优化设计,以交替的方式优化发射和反射波束形成向量,其中发射和反射波束形成优化子问题通过使用半定松弛(SDR)技术精确求解。然而,它具有高计算复杂度,并且由于SDR中随机化的不确定性而可能导致性能受损。为了避免这些缺点,我们进一步提出了一种不精确的交替优化设计,其中发射和反射波束形成优化子问题的不精确求解的连续凸近似(SCA)的原则的基础上。此外,为了进一步降低复杂度,我们提出了一种低复杂度的不精确交替优化设计,其中反射波束形成优化子问题的求解更加不精确。数值结果表明,所提出的三种设计方案相对于基准方案取得了显着的性能增益。此外,不精确交替优化设计优于精确交替优化的最小加权信干噪比值和计算复杂度方面。
2020-10-23 eess.SP
A Graph-based Hybrid Beamforming Framework for MIMO Cell-Free ISAC Networks
University of Sheffield(谢菲尔德大学);University College London(伦敦大学学院)
针对MIMO无蜂窝ISAC网络的通信感知联合优化需求,提出基于GNN的分布式混合波束成形方法及FPGA加速方案,有效提升性能与推理效率。
2025-09-29 eess.SP
Efficient Cell-Specific Beamforming for Large Antenna Arrays
我们提出了一种有效的方法来设计宽波束与空间平坦的阵列因子和有效的功率利用率为特定于小区的覆盖在通信系统配备了大型天线阵列。为了确保全功率效率,该方法仅限于相位权重操纵。我们的框架是基于双极化波束形成和多相Golay序列之间的连接。利用这种连接,我们提出了几种方法,从较小的阵列扩展到较大的尺寸,同时保持辐射模式。此外,为了填补在可行的阵列大小的差距,我们引入了$ε$ -互补的概念,放宽了对零旁瓣的总和非周期自相关函数的序列对的要求。此外,我们开发了一种改进的大波束形成算法(MGDA),发现$ε$ -互补对任意长度,从而使宽波束形成任意大小的均匀线阵。我们还讨论了这种方法的扩展到二维均匀矩形阵列。我们的数值结果表明,相对于现有的波束展宽方法的优越性,所提出的方法。
2021-10-11 eess.SP
IRS-assisted Multi-cell Multi-band Systems: Practical Reflection Model and Joint Beamforming Design
智能反射面(IRS)技术由于能够以能量/频谱/硬件高效的方式定制信号传播环境,被认为是未来无线通信系统中一项极具前景和革命性的技术。然而,大多数现有的IRS优化的研究是基于一个简单的和理想的反射模型,这是不切实际的硬件实现,从而导致严重的性能损失,在现实的宽带/多频带系统。为了解决这个问题,在本文中,我们首先提出了一个更实用,更易于处理的IRS反射模型,描述了不同频率的信号的反射响应的差异。然后,我们研究了IRS辅助的多小区多频带系统的联合发射波束形成和IRS反射波束形成设计。利用流行的二阶锥规划(SOCP),黎曼流形,最小化优化(MM),加权最小均方误差(WMMSE),和块坐标下降(BCD)的方法来解决功率最小化和总速率最大化问题。仿真结果表明,我们提出的联合发射波束成形和反射设计算法的基础上,实际的反射模型在节省功率和速率提高的性能显着改善。
2022-04-13 eess.SP
Analog Beamforming Enabled Multicasting: Finite-Alphabet Inputs and Statistical CSI
针对有限字母表输入和统计CSI的模拟波束赋形多播系统,推导AMR表达式并分析高信噪比渐近性能,提出最大化阵列增益的波束赋形算法以提升平均多播速率。
2024-05-22 cs.IT eess.SP math.IT
Joint Beamforming and Compression Design for Per-Antenna Power Constrained Cooperative Cellular Networks
针对协作蜂窝网络中每天线功率受限的联合波束成形与压缩问题,提出两种投影梯度上升算法,实现全局最优解并提升计算效率。
2023-12-24 cs.IT eess.SP math.IT
Beamforming Tradeoff for Sensing and Communication in Cell-Free MIMO
本文针对无蜂窝MIMO系统中的联合感知与通信问题,提出一种基于半定松弛的全局最优波束成形框架,无需秩缩减后处理,并通过独立波束成形策略进行性能基准测试,为下一代无线网络设计提供高效方案。
2025-07-18 eess.SP
Toward Distributed User Scheduling and Coordinated Beamforming in Multi-Cell mmWave Networks: A Sensing-Assisted Framework
The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));Shenzhen Research Institute of Big Data(深圳大数据研究院);School of Artificial Intelligence, CUHK-Shenzhen(香港中文大学(深圳)人工智能学院);Networking and User Experience Laboratory, Huawei Technologies(华为技术有限公司网络与用户体验实验室)
本文提出传感辅助的分布式用户调度与协调波束成形框架,通过利用信道知识地图和改进的信号指标,减少回传开销并提升多小区毫米波网络的吞吐量。
2026-03-30 eess.SP
Joint Beam Scheduling and Beamforming Design for Cooperative Positioning in Multi-beam LEO Satellite Networks
针对多波束LEO卫星协作定位中的波束间干扰与拓扑几何问题,本文提出联合波束调度与波束赋形方案,通过CRLB建模、SDR波束设计和低复杂度调度,显著提升用户定位精度。
2024-04-01 cs.IT eess.SP math.IT
Joint Transmit and Reflective Beamforming for Multi-Active-IRS-Assisted Cooperative Sensing
针对多主动IRS协作感知中目标位于非视距区域的问题,联合优化基站发射与IRS反射波束赋形以最小化最大CRB,提出基于交替优化、连续凸逼近和半定松弛的高效算法,数值验证其优于被动IRS方案。
2024-04-21 cs.IT eess.SP math.IT
Multiple Active STAR-RIS-Assisted Secure Integrated Sensing and Communication via Cooperative Beamforming
针对多有源 STAR-RIS 辅助的安全 ISAC 网络,提出联合优化 BS 波束成形与 STAR-RIS 系数的 AO 框架,在感知、保密和功率约束下显著提升通信和速率。
2025-07-24 eess.SP
Two-Stage Distributed Beamforming Design in Cell-Free Massive MIMO ISAC Systems
针对无蜂窝ISAC系统集中式波束成形前传负载高、扩展性差的问题,提出两阶段分布式波束成形方案,采用MM方法求解非凸优化问题,在性能接近集中式方案的同时大幅降低前传负载,提升系统效率与可扩展性。
2025-01-17 eess.SP
Over-the-Air Beamforming Design for Full-Duplex Cell-Free Massive MIMO Systems
Centre for Wireless Communications, University of Oulu(奥卢大学无线通信中心);University of Oulu(奥卢大学);Skylo Technologies(Skylo科技有限公司)
本文研究了全双工蜂窝式大规模MIMO系统,提出了一种基于迭代上行和下行试点信号的完全分布式波束成形设计,以应对自干扰、AP间耦合和UE间交叉干扰。
2026-05-08 eess.SP
Distributed Distortion-Aware Beamforming Designs for Cell-Free mMIMO Systems
本文首次针对CF-mMIMO系统提出分布式失真感知波束成形设计,利用三阶无记忆多项式模型分析非线性PA失真,并开发了基于环形和星形拓扑的两种方案,有效补偿波束色散并降低系统复杂度与回程开销。
2025-03-05 eess.SP
Cooperative Beamforming with Predictive Relay Selection for Urban mmWave Communications
Rutgers, The State University of New Jersey(罗格斯新泽西州立大学);University of Pennsylvania(宾夕法尼亚大学)
虽然毫米波(mmWave)通信承诺高数据速率,但是它们对阻塞的敏感性和严重的信号衰减对其在城市环境中的部署提出了挑战。为了克服这些影响,我们考虑一个分布式的合作波束成形系统,它依赖于静态中继部署在集群具有相似的信道特性,在每个时刻,只有一个中继从每个集群被选择参与波束成形的目的地。为了满足网络的服务质量保证,波束成形的关键先决条件是中继选择。然而,由于信道随时间变化,中继选择成为一个资源需求的任务。实际上,对所有候选中继的信道状态信息的估计(对于中继选择是必要的)是占用带宽、浪费功率并且在网络中引入延迟和干扰的过程。相反,我们提出了一种独特的,预测性的方案,用于资源高效的中继选择,它利用毫米波介质的特殊传播模式,可以跨集群分布式执行,并与基于最佳波束成形的通信并行。所提出的预测方案有效地利用时空信道的相关性与当前和过去的网络范围内的接收信号强度(RSS),后者是不变的中继集群的大小,在系统的操作过程中连续测量。我们的数值结果证实,我们提出的中继选择策略优于任何随机选择策略,不利用信道相关性,而在同一时间,它执行非常接近一个理想的方案,使用完整的,集群大小相关的RSS,并提供显着节省信道估计开销,提供更好的网络利用率,特别是在密集的拓扑结构,典型的毫米波网络。
2019-07-29 cs.IT cs.LG cs.NI
Multi-Cell Coordinated Beamforming for Integrate Communication and Multi-TMT Localization
针对多小区集成定位与通信系统,提出基于CRLB最小化的协同波束赋形算法,通过SDP求解实现高精度定位与通信性能的权衡优化。
2025-02-25 eess.SP
Full-Duplex ISAC-Enabled D2D Underlaid Cellular Networks: Joint Transceiver Beamforming and Power Allocation
研究全双工ISAC的D2D底层蜂窝网络,提出联合波束成形与功率分配方案,通过SCA迭代算法解决非凸和速率最大化问题,有效提升了通信与感知性能。
2024-08-22 eess.SP
Cache-Aware Cooperative Multicast Beamforming in Dynamic Satellite-Terrestrial Networks
针对动态卫星-地面网络的回传拥塞与资源管理难题,提出混合时间尺度的缓存与通信资源联合优化框架及两阶段求解算法,显著降低传输功耗与回传流量。
2025-03-23 cs.NI eess.SP
6D Movable Antenna Enhanced Cell-free MIMO: Two-timescale Decentralized Beamforming and Antenna Movement Optimization
University of Electronic Science and Technology of China(电子科技大学);King Abdullah University of Science and Technology (KAUST)(阿卜杜拉国王科技大学);Beijing Institute of Technology(北京理工大学);National University of Singapore(新加坡国立大学);Kash Institute of Electronics and Information Industry(喀什电子信息产业研究院)
本文提出一种双时间尺度去中心化优化框架,用于6DMA辅助的无基站MIMO系统,通过联合设计波束成形、天线位置和阵列方向,提升通信性能。
2026-01-08 eess.SP
Radiation Footprint Control in Cell-Free Cooperative ISAC: Optimal Joint BS Activation and Beamforming Coordination
本文针对无小区ISAC网络中的干扰与成本问题,提出辐射足迹控制机制及联合基站激活与波束成形协调方法,并通过MO-BRB算法实现最优解,仿真验证了其有效性。
2025-07-10 cs.IT eess.SP math.IT
Receiver Selection and Transmit Beamforming for Multi-static Integrated Sensing and Communications
本文针对单基地ISAC系统自干扰问题,提出多基地ISAC系统,通过推导时延与多普勒频移联合估计的CRB,并设计基于极小极大联动的接收机选择方法和连续凸近似发射波束赋形算法,在协作接收机较多时实现优于单基地的感知通信性能。
2024-10-23 cs.IT eess.SP math.IT
Weighted Sum-Rate Maximization for Multi-IRS Aided Cooperative Transmission
研究了多智能反射面(IRSs)辅助无线网络,在多天线基站(BS)和多个单天线小区边缘用户之间部署IRSs协同辅助通信。我们的目标是通过联合优化BS的发射波束成形和IRS的相移,最大限度地提高所有小区边缘用户的加权和速率。特别地,波束形成采用拉格朗日方法进行优化求解,相位偏移采用黎曼流形共轭梯度(RMCG)方法进行求解。数值结果表明,一个显着的吞吐量提高了多个IRS的援助。
2020-02-12 cs.IT eess.SP math.IT
Decentralized Beamforming for Cell-Free Massive MIMO with Unsupervised Learning
无小区大规模多输入多输出(Cell-free massive MIMO,CF-mMIMO)系统代表了一种提高无线通信系统频谱效率的有前景的方法。然而,接近最优的波束成形解决方案需要在接入点(AP)和网络控制器(NC)之间进行大量的信令交换。在这封信中,我们提出了两种无监督的深度神经网络(DNN)架构,完全和部分分布式,可以在AP和NC之间执行分散的协调波束成形,实现全数字和混合预编码。与传统的接近最优的解决方案相比,所提出的DNN实现了接近最优的和速率,同时还将计算复杂度降低了10- 24倍。
2021-11-26 cs.LG eess.SP
Multi-Active-IRS-Assisted Cooperative Sensing: Cramér-Rao Bound and Joint Beamforming Design
本研究提出多主动IRS辅助协作感知框架,推导目标到达方向估计的闭式CRB,并通过联合优化BS发射与IRS反射波束成形最小化最大CRB,以克服NLoS感知路径损耗。
2024-07-18 cs.IT eess.SP math.IT
Cooperative Beamforming for RIS-Aided Cell-Free Massive MIMO Networks
无小区大规模多输入多输出(CF-mMIMO)和可重构智能表面(RIS)的结合被认为是提高网络容量和增强覆盖能力的一种有前途的范例。然而,为了获得RIS辅助的CF-mMIMO的全部益处,主要挑战是在基站(BS)、RIS和用户处有效地设计协作波束成形(CBF)。首先,我们研究了分数规划将加权和率(WSR)最大化问题转化为一个易于处理的优化问题。然后,采用交替优化框架将变换后的问题分解为一系列子问题,即,BS处的混合BF(HBF)、RIS处的被动BF以及用户处的合并。特别是,交替方向法的乘子算法被用来解决HBF子问题在BS。具体地说,模拟BF设计与单位模量的约束,解决了流形优化(MO),而我们得到一个封闭的形式的解决方案,数字BF设计,本质上是一个凸最小二乘问题。此外,采用原-对偶次梯度法和MO法设计了RISs端的无源波束形成和用户端的模拟合并。此外,考虑到传统CF-mMIMO系统中的沉重的通信成本,我们提出了一个部分连接的CF-mMIMO(P-CF-mMIMO)框架,以减少BS和用户之间的连接的数量。为了更好地兼顾WSR性能和网络开销,我们将P-CF-mMIMO系统中的基站选择问题转化为一个二进制整数二次规划(BIQP)问题,并提出了一种松弛的线性近似算法来处理该BIQP问题。最后,数值结果表明,我们提出的算法优于基线同行。
2022-07-06 cs.IT eess.SP math.IT
Decentralized Cooperative Beamforming for BDRIS-Assisted Cell-Free MIMO OFDM Systems
本文提出了一种去中心化协作波束成形方法,用于BDRIS辅助的无基站MIMO OFDM系统,以提高总速率性能。
2026-01-19 cs.ET cs.IT eess.SP
Joint optimal beamforming and power control in cell-free massive MIMO
我们推导出一个快速和最佳的算法,解决实际的加权最大最小信干噪比问题,在无小区的大规模MIMO网络。该优化问题首次同时考虑了非理想协作下的长期功率控制和分布式波束形成设计。特别是,我们认为以用户为中心的接入点集群合作的基础上,可能有限的信道状态信息共享。我们的优化算法融合了强大的功率控制工具的基础上,干扰演算与最近开发的团队理论框架的分布式波束形成设计。此外,我们提出了一个变化,在实践中表现出更快的收敛。
2022-08-31 cs.IT eess.SP math.IT
Cell-Free ISAC MIMO Systems: Joint Sensing and Communication Beamforming
本文研究无小区ISAC MIMO系统中的联合感知与通信波束成形设计,提出基于最大最小公平性的最优JSC波束成形结构和功率分配方法,在保持通信SINR和感知SNR的同时获得显著性能增益。
2024-02-23 cs.IT eess.SP math.IT
3D Beamforming based Dynamic TDD Interference Mitigation Scheme
动态时分双工(D-TDD)允许小区以高资源分配灵活性来适应非对称业务变化。然而,该特征受到相反传输方向上的小区之间的两种附加类型的干扰的限制:下行链路(DL)到上行链路(UL)和UL到DL干扰。因此,将该模式与宏小区部署一起使用需要干扰减轻技术来减少强DL到UL干扰。3D波束成形是一种有效的技术,通过智能地利用大型2D天线阵列来最小化干扰并增强性能。组合D-TDD和3D波束成形可以使得D-TDD对于宏小区是可行的。本工作的目的是在基于D-TDD的宏小区部署中提供3D波束成形分析模型,其中波束成形水平和垂直辐射图案取决于随机用户位置的空间分布。我们根据干扰信号比(ISR)来评估干扰。我们证明了累积ISR可以用收敛级数表示,并且它的期望是一个几乎处处收敛的级数。不同的数值结果证明了该方案的适用性。
2020-01-30 cs.NI eess.SP
Joint Distributed Precoding and Beamforming for RIS-aided Cell-Free Massive MIMO Systems
针对下行链路RIS辅助无小区网络,提出联合分布式预编码与波束成形框架,通过去中心化交替优化求解非凸优化问题,有效降低了复杂度并提升了可扩展性。
2023-11-22 cs.IT eess.SP math.IT
QoS-based Beamforming and Compression Design for Cooperative Cellular Networks via Lagrangian Duality
针对协作蜂窝网络下行链路,提出基于拉格朗日对偶的联合波束成形与压缩设计算法,利用半定松弛紧性消除对偶间隙,通过增强KKT条件与线性收敛的不动点迭代实现全局最优解,并验证其高效性。
2025-04-23 cs.IT eess.SP math.IT
Cross-Layer Scheduling and Beamforming in Smart Grid Powered Small-Cell Networks
在具有多个小小区基站(ScBS)的小小区网络(SCN)中,研究了在比例速率约束下波束赋形向量、用户调度和ScBS休眠的联合设计问题.一个长期的电网能源支出最小化问题制定考虑SCN,这是由智能电网和自然可再生能源供电。由于调度用户指示符与波束成形向量耦合,因此制定的问题具有挑战性。为了将波束形成向量与调度用户指示符解耦,使用了李亚普诺夫优化技术。因此,提出了一种实用的双尺度算法来在粗粒度(帧)上分配用户调度指示符和ScBS休眠变量,以及在细粒度(时隙)上获得波束成形向量。数值结果被用来验证所提出的双尺度算法的性能。
2019-08-13 cs.IT eess.SP math.IT
Distributed Uplink Beamforming in Cell-Free Networks Using Deep Reinforcement Learning
University of Manitoba(曼尼托巴大学);University of Tübingen(图宾根大学)
新的无线技术的出现以及大规模连接的需求导致了若干技术问题,诸如过度干扰、对信号处理的高计算需求以及冗长的处理延迟。在这项工作中,我们提出了几种用于上行链路无小区网络的波束成形技术,这些技术具有集中式,半分布式和全分布式处理,所有这些都基于深度强化学习(DRL)。首先,我们提出了一种完全集中式波束形成方法,该方法使用具有连续空间的深度确定性策略梯度算法(DDPG)。然后,我们通过在接入点(AP)实现分布式体验来增强这种方法。事实上,我们开发了一个波束成形方案,使用分布式分布式确定性策略梯度算法(D4 PG)与代表分布式代理的AP。最后,为了降低计算复杂度,我们提出了一个完全分布式的波束形成方案,划分AP之间的波束形成计算。结果表明,具有分布式经验的D4 PG方案在不考虑网络规模的情况下获得了最佳性能。此外,所提出的分布式波束形成技术的性能优于DDPG算法与集中式学习,仅用于小规模的网络。随着AP和/或用户数量的增加,DDPG模型的性能优势变得更加明显。此外,在操作阶段,所有DRL模型表现出显着更短的处理时间比传统的梯度下降(GD)的解决方案。
2021-10-21 cs.LG eess.SP