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
Robust Beamforming for Downlink 3D-MIMO Systems with $l_1$-norm Bounded CSI Uncertainty
提出了一种新的三维多输入多输出(3D-MIMO)系统中的鲁棒波束形成方案。作为大规模多输入多输出的典型部署之一,3D-MIMO系统在角域上具有稀疏信道。因此,各种稀疏信道估计算法产生稀疏信道估计误差,其可用于缩小不完美CSI的扰动区域。针对鲁棒波束形成问题,提出了一种$l_1$ -范数有界的信道不确定性模型,该模型充分考虑了信道误差的稀疏性.与传统的球形不确定性相比,我们证明了在相同的信干噪比(SINR)门限下,具有$l_1$范数有界不确定性的方案消耗更少的波束形成功率。该方案被转化为二阶锥规划(SOCP)和仿真结果验证了我们的算法的有效性。
2018-11-01 eess.SP
Beam Domain Massive MIMO for Optical Wireless Communications with Transmit Lens
提出了一种新的用于光无线通信的波束域大规模多输入多输出(MIMO)传输方案。配备有大规模光发射机的光基站通过发射透镜与多个用户终端(UT)通信。针对LED发射机,分析了透镜的光折射特性,建立了大规模多输入多输出光传输信道模型。对于大量的LED,不同UT的信道向量变得渐近正交。研究了光大规模多输入多输出系统中的最大比传输和正则化迫零预编码,提出了一种线性预编码设计方案,以最大化和速率。我们进一步设计的预编码时,发射机的数量增长渐近大,并表明,波束分多址接入(BDMA)传输达到渐近最优性能的总和速率最大化。与没有发射透镜的光MIMO不同,BDMA可以分别在总和每发射机功率约束下与$2K$和$K$成比例地增加总速率,其中$K$是UT的数量。在非渐近情况下,我们证明了波束域最优功率分配的正交性条件,并提出了有效的波束分配算法。数值结果证实了我们提出的波束域光大规模多输入多输出通信方法的性能显着改善。
2018-11-23 eess.SP
Multi-Agent Double Deep Q-Learning for Beamforming in mmWave MIMO Networks
波束形成是毫米波(mmWave)多输入多输出(MIMO)通信的关键技术之一。设计合适的波束形成不仅可以提高接收信号的质量和强度,而且可以帮助减少干扰,从而提高数据速率。在本文中,我们提出了一种分布式多代理双深度Q学习算法的波束形成在毫米波MIMO网络,其中多个基站(BS)可以自动和动态地调整其波束,以服务于多个高度移动的用户设备(UE)。在分析中,最大接收功率关联准则被认为是用于UE,并考虑到一个现实的信道模型。仿真结果表明,所提出的基于学习的算法可以实现相当的性能,而在穷举搜索,操作复杂度低得多。
2020-08-13 eess.SP
Lens Antenna Arrays-Assisted mmWave MU-MIMO Uplink Transmission: Joint Beam Selection and Phase-Only Beamforming Design
研究了一种透镜天线阵列辅助的毫米波多用户多输入多输出(MU-MIMO)系统。基站的波束选择矩阵和用户终端的纯相位波束形成器被联合设计,目的是最大化上行链路和速率。为了处理混合整数优化问题,通过加权最小均方误差(WMMSE)、块坐标下降(BCD)和最小化-最大化(MM)技术,提出了一种基于罚对偶分解(PDD)的迭代算法.此外,一个低复杂度的顺序优化(SO)为基础的算法提出了轻微的和速率性能损失的代价。数值结果表明,所提出的方法可以实现更高的和率比国家的最先进的方法。
2022-07-30 eess.SP
Learning to Select for MIMO Radar based on Hybrid Analog-Digital Beamforming
在本文中,我们提出了一个能量有效的雷达波束方向图设计框架的毫米波(毫米波)大规模多输入多输出(mMIMO)系统,配备了混合模拟数字(HAD)波束形成结构。为了降低mMIMO系统的功耗和硬件成本,我们采用机器学习方法来合成基于少量RF链和天线的探测波束图。通过利用softmax神经网络的组合,所提出的解决方案能够实现具有高精度的期望波束图。
2021-06-10 eess.SP
Environment-Aware and Training-Free Beam Alignment for mmWave Massive MIMO via Channel Knowledge Map
毫米波(mmWave)大规模多输入多输出(MIMO)通信系统被期望实现巨大的传输速率,前提是发射和接收波束与MIMO信道正确对准。然而,现有的波束对准技术依赖于信道估计或波束扫描,这导致过高的训练开销,特别是对于未来的无线系统,具有进一步增加的天线尺寸和更严格的要求,对成本有效的硬件架构。在本文中,我们提出了一种新的波束对准技术,这是环境感知和培训免费,通过利用新兴的概念,信道知识地图(CKM),连同用户的位置信息,是现成的在当代无线系统。CKM是一个站点特定的数据库,标记有发射机/接收机位置,它包含有用的信道信息,以促进或甚至实时获取信道状态信息(CSI)。提出了用于毫米波大规模多输入多输出系统中的波束对准的CKM的两个实例,即信道路径图(CPM)和波束索引图(BIM)。结果表明,与现有的基于训练的波束对准方案相比,所提出的CKM使能的环境感知波束对准能够大幅提高有效通信速率,即使有适度的用户定位误差,由于其显着节省了禁止的训练开销。
2021-02-19 eess.SP
Joint Transmit Beamforming for Multiuser MIMO Communication and MIMO Radar
未来的无线通信系统期望探索雷达系统通常使用的频谱带,以便克服传统通信带的频谱拥塞。由于在许多应用中,雷达和通信共享同一平台,因此可以通过联合设计作为双功能雷达通信系统来促进频谱共享。针对多输入多输出(MIMO)雷达和多用户MIMO通信发射机共享频谱和天线阵列的情况,提出了一种联合发射波束形成模型。提出的双功能系统发射独立的雷达波形和通信符号的加权和,形成多个波束分别朝向雷达目标和通信接收机。加权系数的设计被配制成一个优化问题,其目标是MIMO雷达发射波束形成的性能,同时保证在每个通信用户的信号干扰噪声比(SINR)高于给定的阈值。尽管所提出的优化问题的非凸性,它可以放松到一个凸的,可以在多项式时间内解决,我们证明了松弛是紧的。然后,我们提出了一种降低复杂度的设计,基于迫零的用户间干扰和雷达干扰。与以前的作品,它专注于通信符号的传输,合成雷达发射波束方向图,我们的方法提供了更多的自由度MIMO雷达,从而能够获得改进的雷达性能,在我们的仿真研究中证明。此外,所提出的双功能方案接近仅雷达方案的雷达性能,即,在合理的通信质量约束下,无需频谱共享。
2020-02-02 eess.SP
Beampattern Design in Non-Uniform MIMO Communication
本文针对非均匀阵列下的 MIMO 通信波束方向图设计问题,提出联合优化发射天线位置与信号互相关矩阵以提升功率集中效果。
2023-10-26 eess.SP
Multi-Satellite Multi-Stream Beamspace Massive MIMO Transmission
Purple Mountain Laboratories(紫金山实验室);China Satellite Network Group Company Ltd.(中国卫星网络集团有限公司)
本文提出基于统计信道状态信息的多卫星多流波束空间大规模MIMO传输方法,通过优化卫星聚类、波束选择和预编码,实现高效多流传输与低复杂度性能
2025-12-26 eess.SP
A Dynamic Codebook Design for Analog Beamforming in MIMO LEO Satellite Communications
波束形成增益是将被集成到蜂窝网络中的LEO卫星通信系统的性能的关键因素。然而,先前在用于地面网络的MIMO通信的上下文中设计的波束码本在卫星移动时在波束间干扰和增益稳定性方面不提供适当的性能。在本文中,我们提出了一个动态码本,提供了一个稳定的增益在一段时间内,卫星覆盖一个给定的细胞,同时避免链路重新训练和额外的计算,卫星移动。此外,所提出的码本提供了更高的信号与干扰加噪声(SINR)比通常用于蜂窝系统中的DFT码本。
2021-11-16 eess.SP
User Association and Hybrid Beamforming Designs for Cooperative mmWave MIMO Systems
混合模拟和数字波束成形已经成为毫米波(mmWave)大规模多输入多输出(MIMO)通信系统的关键使能技术,因为它可以平衡系统性能和硬件效率之间的权衡。协作网络由于其强大的集中控制能力,在提高毫米波通信频谱效率方面显示出巨大的潜力。在本文中,我们考虑合作毫米波MIMO系统,并提出了三种典型的混合波束形成架构的用户关联和混合波束形成的设计算法。协作网络的中央处理单元(CPU)首先匹配基站(BS)和用户的服务对。然后,提出了一种迭代混合波束形成设计算法,以最大化具有全连接混合波束形成架构的mmWave MIMO系统的加权可达和速率性能。此外,针对固定子阵混合波束形成结构,提出了一种启发式模拟波束形成设计算法。为了进一步利用多天线的分集,我们还考虑了动态子阵结构,并提出了一种新的天线设计算法的模拟波束形成设计。仿真结果表明,所提出的混合波束形成算法与现有的其他方法相比,性能有了显著的提高,动态子阵结构在提高能量效率(EE)性能方面具有很大的优势。
2022-08-10 eess.SP
Low-Complexity Learning-Based Beamforming for Ultra-Massive MIMO THz Communications
NIT Warangal(瓦朗加尔国立技术学院);SnT, University of Luxembourg(卢森堡大学科学与技术中心);National and Kapodistrian University of Athens(雅典国家与卡波蒂斯坦大学)
本文提出了一种低复杂度的基于机器学习的波束成形方法,用于超大规模MIMO太赫兹通信系统,通过减少计算复杂度提升波束训练效率。
2026-04-20 eess.SP
Hybrid Beamforming Design for Millimeter Wave Multiuser MIMO Systems with Dynamic Subarrays
在这封信中,我们研究了毫米波(mmWave)下行多用户多输入多输出(MU-MIMO)系统,该系统在基站处采用动态子阵架构,并考虑每个用户的多流通信。针对系统频谱效率最大化的问题,提出了一种新的混合波束形成方案。首先,假设没有用户间干扰(IUI),我们很容易得到最佳的全数字波束形成器和合并器使用每个用户信道的奇异值分解和注水算法。然后,基于所得到的全数字波束形成器,提出了一种Kuhn-Munkres算法辅助的动态混合波束形成器设计,保证了每个射频链至少连接一个天线。最后,我们建议进一步将每个获得的数字波束形成器投影到所有其他等效用户信道的零空间上,以消除IUI。数值结果验证了我们提出的混合波束形成设计的优越性。
2022-05-06 eess.SP
Fusing Channel and Sensor Measurements for Enhancing Predictive Beamforming in UAV-Assisted Massive MIMO Communications
本文提出融合信道与传感器数据,利用扩展卡尔曼滤波和预测波束赋形框架,提升无人机大规模MIMO通信的波束对齐精度与频谱效率。
2023-12-29 eess.SP
Average and Worst-case Analysis of MIMO Beamforming Loss due to Hardware Impairments
IETR, INSA Rennes(法国雷恩国立应用科学学院 IETR 研究所)
本文通过解析分析逐阵元增益失配和阵元间距偏差对MIMO波束成形的影响,给出最坏情况损伤配置与平均性能表达式,揭示平均退化有限但最坏损耗显著。
2025-11-07 eess.SP
Radar-Aided Near-Field Beam Prediction via Beam Map Learning for XL-MIMO V2I Communications
Southeast University(东南大学);Beijing University of Posts and Telecommunications(北京邮电大学);National Sun Yat-sen University(国立中山大学)
针对XL-MIMO V2I通信近场波束训练开销高的问题,提出基于雷达-波束图学习的被动雷达辅助框架,经仿真验证可提升多项关键性能指标。
2026-07-31 eess.SP
Beyond Traditional Beamforming: Singular Vector Projection for MU-MIMO
本文提出IOSVB算法,利用信道奇异向量优化MU-MIMO波束成形,在降低计算复杂度的同时实现接近最优的频谱效率,适用于未来6G网络。
2025-01-05 eess.SP
Hybrid Beamforming With Sub-arrayed MIMO Radar: Enabling Joint Sensing and Communication at mmWave Band
本文提出了一种将混合波束形成技术与子阵列MIMO雷达技术相结合的毫米波(mmWave)波段双功能雷达通信(DFRC)系统波束形成设计方法。我们假设基站(BS)服务于位于非视距(NLoS)信道中的用户设备(UE),该用户设备同时主动检测位于视距(LoS)信道中的多个目标。给定最优通信波束形成器和期望的雷达波束方向图,在非凸恒模(CM)和功率约束下,设计模拟和数字波束形成器,使得通信和雷达波束形成误差的加权和最小。该优化问题可分解为三个子问题,并采用交替极小化方法求解。数值仿真验证了所提出的波束成形设计的可行性,并表明我们的方法提供了一个有利的性能之间的权衡传感和通信。
2018-10-24 eess.SP
Energy-Efficient Design of Broad Beams for Massive MIMO Systems
大规模多输入多输出是用于5G无线通信的有前景的空中接口技术。这种天线提供了利用信道相关性来创建适合于用户特定传输的波束的能力。大多数现有研究致力于这种系统中的用户特定传输,其中朝向用户形成窄波束以改善其接收。与此同时,通过宽波束同时向多个用户进行公共信道传输的研究还没有充分进行。在本文中,我们介绍了阵列尺寸不变(ASI)波束形成的概念,使生成宽波束从非常大的天线阵列,其中所有元素都在最大功率发射。ASI技术提供了通过利用来自极化分集的额外自由度来实现完全平坦的阵列因子的可能性。该技术适用于均匀线性和矩形阵列,其特点是低复杂度的波束合成。ASI波束形成的有用性说明了通过一个数值例子,显示了一个小区特定的宽波束的设计,在一个现实的网络部署中的公共信道传输。
2020-12-04 eess.SP
Vandermonde Constrained Tensor Decomposition for Hybrid Beamforming in Multi-Carrier MIMO Systems
混合波束成形已经发展成为一种有前途的技术,在毫米波MIMO系统中提供系统性能和设计复杂度之间的平衡。现有的混合波束成形方法对模拟预编码器/组合器施加单位模约束或码本约束,这又导致性能开销折衷。本文提出了一个张量框架来处理宽带混合波束形成问题,与Vandermonde约束的模拟预编码器/组合器。所提出的方法在性能、开销和复杂度之间取得了平衡。在3GPP链路级测试台上的数值结果表明,所提出的方法相对于基于码本的方法的有效性,同时获得相同的反馈开销。此外,所提出的方法被证明可以实现与单位模数方法相当的性能,同时大幅减少开销。
2022-11-30 eess.SP
Atomic Norm Minimization-based Low-Overhead Channel Estimation for RIS-aided MIMO Systems
大波束训练开销是可重构智能表面(RIS)辅助系统信道估计的主要问题之一。在本文中,我们提出了一种基于原子范数最小化(ANM)的低开销信道估计的RI辅助多输入多输出(MIMO)系统。当波束训练的数量减少时,在波束训练期间可能接收不到一些多径信号,并且这导致信道估计失败。为了解决这个问题,由RIS创建的波束的宽度被加宽以捕获所有多径信号。在波束训练期间接收的导频信号被编译成一个矩阵,以定义用于RI辅助MIMO系统的信道的原子范数。仿真结果表明,该算法优于其他信道估计算法。
2021-07-20 eess.SP
Swish-Driven GoogleNet for Intelligent Analog Beam Selection in Terahertz Beamspace MIMO
提出了一种太赫兹(THz)波段波束空间多输入多输出(MIMO)系统中模拟波束的智能选择策略。首先受迁移学习的启发,我们对预先训练的现成GoogleNet分类器进行微调,将模拟波束选择作为多类映射问题进行学习。仿真结果表明,83%的模拟波束选择的准确性,随后在12%的频谱效率(SE)的增益,在现有的同行。为了实现更准确的分类器,我们用最近提出的Swish替换了GoogleNet的传统整流线性单元(ReLU)激活函数,并重新训练微调的GoogleNet来学习模拟波束选择。数值计算表明,微调Swish驱动的GoogleNet达到86%的准确率,以及18%的改善,在可实现的SE,类似的计划。最后,开发了一个强大的集成分类器,通过顺序训练多个微调Swish驱动的GoogleNet分类器来学习模拟波束选择。根据模拟,强集成模型是90%的准确性,并产生27%的增益,在可实现的SE,与以前的方法相比。
2021-10-12 eess.SP
Probabilistic Position-Aided Beam Selection for mmWave MIMO Systems
本文提出一种基于低秩张量和贝叶斯推理的概率位置辅助波束选择方法,利用UE位置与最优波束索引的统计依赖性,在更少训练样本下实现高数据速率并显著缩小波束搜索空间。
2025-04-12 eess.SP
Site-Specific Beam Learning for Full-Duplex Massive MIMO Wireless Systems
University of California, Los Angeles(加州大学洛杉矶分校)
本文提出一种无需显式估计自干扰信道的波束学习框架,通过设计波束码本利用深度学习网络生成全双工传输和接收波束,减少测量次数。
2025-09-30 eess.SP
NF-TrackLLM: Joint Prediction of UAV Trajectory and Near-Field Beam for LAE XL-MIMO Systems
School of Information Science and Engineering, Southeast University(东南大学信息科学与工程学院)
提出NF-TrackLLM框架,通过多模态语义感知和GPT-2时空推理,联合预测近场XL-MIMO系统中无人机轨迹和波束,实现高精度跟踪与波束预测。
2026-05-26 eess.SP
Hybrid Beamforming for Subarray-Level Movable Antenna Enhanced MU-MIMO Communications
Zhejiang Gongshang University(浙江工商大学);University of Electronic Science and Technology of China(电子科技大学);National Key Laboratory of Wireless Communications(无线通信全国重点实验室);University of California, San Diego(加州大学圣地亚哥分校);Sichuan Normal University(四川师范大学)
本文研究了子阵级可移动天线架构以提升多用户MIMO通信的空分复用能力,通过联合优化混合波束成形和子阵位置以提高系统频谱效率,提出SIC-MA方法在仿真中优于固定子阵的SIC-FPA方案。
2026-04-21 eess.SP
Fast Algorithms for Joint Multicast Beamforming and Antenna Selection in Massive MIMO
大规模多输入多输出是目前领先的物理层技术候选技术,可以显着提高5G系统中单播和多播传输模式的吞吐量。由于与射频(RF)链相比,天线元件在mmW范围内变得更小和更便宜,因此在发射机处执行天线选择是至关重要的,使得可用的RF链被切换到天线的适当子集。研究了大规模多输入多输出系统中单个多播组的多播波束形成和天线选择问题。该问题的现有技术依赖于半定松弛(SDR),其不能按比例放大到大规模多输入多输出状态。提出了一种基于连续凸近似(SCA)的最大最小公平多播波束形成和天线选择联合算法。SCA的核心思想是用一类非光滑的凸优化问题逐次逼近非凸问题。两个快速和内存有效的一阶方法,提出了解决每个SCA子问题。仿真结果表明,所提出的算法优于现有的最先进的方法在解决方案的质量和运行时间,在传统的,特别是在大规模多输入多输出设置。
2020-03-04 eess.SP
Analytical Framework of Airy Beams in Near-Field XL-MIMO: From Ideal Optics to Wireless Reality
School of Information Science and Engineering, Southeast University(东南大学信息科学与工程学院)
本文提出了一种分析框架,用于近场超大规模MIMO中Airy光束的传播特性,并推导了阵列孔径和天线间距的约束条件,以保持主波束轨迹无失真,同时评估了Airy光束与高斯聚焦光束的性能权衡。
2026-05-09 eess.SP
Joint Tracking of Multiple Beams in Beamspace MIMO Systems
在毫米波(mmWave)系统中,需要波束成形来克服恶劣的信道环境。透镜天线阵(LAA)作为一种很有前途的波束形成方案,可以提供一个具有成本效益的解决方案,而不会显着的性能下降相比,它的对应。然而,适当的波束选择是一个挑战,因为它需要经由广泛的波束训练过程进行有效的信道估计以实现完美的波束对准。在本文中,我们提出了一个高流动性的波束和信道跟踪算法的基础上的无迹卡尔曼滤波器(UKF),以解决这一挑战,其中的信道变化可以在一定的时间内进行监测。所提出的算法在与适当的波束建立连接之后跟踪信道变化。该算法首先在多用户波束空间多输入多输出(MIMO)系统中引入LAA,其中在下行链路传输时在用户侧跟踪单个波束。然后,在上行链路传输中在基站侧将其用于多波束联合跟踪。分析表明,在不同的信道变化条件下,该算法在单波束和多波束跟踪系统中均优于目前流行的扩展卡尔曼滤波器(EKF)。虽然在多波束系统场景中单独跟踪波束是常见的,但是与使用传统EKF方法的单独波束跟踪相比,所提出的联合跟踪方法可以提供大约62%的性能增强。
2020-11-01 eess.SP
Low-Complexity Limited-Feedback Deep Hybrid Beamforming for Broadband Massive MIMO Communications
在宽带毫米波(mm-Wave)系统中,期望设计具有用于整个频带的公共模拟波束形成器的混合波束形成器,同时在不同的频率子带中采用不同的基带波束形成器。此外,性能很大程度上依赖于信道信息的完备性。在本文中,我们提出了一种深度学习(DL)框架,用于宽带毫米波大规模多输入多输出系统中的混合波束形成器设计。我们设计了一个卷积神经网络(CNN),它接受所有子载波的信道矩阵作为输入,CNN的输出是混合波束形成器。所提出的CNN架构是用不完美的信道矩阵训练的,以便针对信道数据中的偏差提供鲁棒性能。因此,所提出的预编码方案可以处理不完美或有限的反馈情况下,信道的完整和准确的知识是不可用的。我们表明,建议的DL框架是更强大的,计算复杂性比传统的优化和相位提取为基础的方法。
2019-10-31 eess.SP
Robust High Mobility NLOS UE Beamforming Strategy for Gigantic MIMO
Lund University(隆德大学);Ericsson AB(爱立信)
本文提出一种无需额外导频开销的高移动性巨MIMO系统中非视距条件下的可靠通信链路策略,通过将UE波束成形方向对齐运动轴,减少多普勒扩展,提升时间稳定性。
2026-03-17 eess.SP
Fixed mmWave Multi-User MIMO: Performance Analysis and Proof-of-Concept Architecture
在本文中,我们提出了一个固定的毫米波多用户多输入多输出(MIMO)系统的固定无线接入与独特的架构。将数字MIMO系统与模拟多波束天线阵列相结合,该模拟多波束天线阵列使用高维16 × 16 Butler矩阵来获得16个正交波束。文中给出了该结构的系统模型,并与常用的贴片天线进行了性能比较。几个MIMO预编码技术被认为是基本的模拟波束成形和比较。为了验证这些结果,建立了一个原型,并进行了专门的测量活动。结果表明,该系统模型是一个很好的近似,多波束天线阵列的使用是一个很好的替代贴片天线的大量用户。
2020-03-09 eess.SP
Novel Transceiver Design in Wideband Massive MIMO for Beam Squint Minimization
当在大规模多输入多输出(mMIMO)系统上使用超宽带(UWB)信令时,每个阵列元件处的电磁波引起与符号持续时间相当(或大于符号持续时间)的额外传播延迟,从而产生称为波束偏斜的波束方向的偏移。波束偏斜问题降低了阵列增益,降低了系统容量。本文提出了一种基于透镜天线子阵列和模拟子带滤波器的新型收发器设计,以补偿波束偏斜效应。特别地,所提出的设计旨在将UWB信号划分为窄带波束,并使用简化的基于穷举搜索的预编码来控制它们,该预编码被提出用于将波束角度对准目标方向。该设计进行了分析,在波束增益,复杂性,功耗和容量方面,表现出显着的性能增强相对于传统的系统与未补偿波束斜视的问题。
2022-07-11 eess.SP
Machine Learning for Beam Alignment in Millimeter Wave Massive MIMO
研究了多用户毫米波(mmWave)大规模多输入多输出系统的波束对准问题。与现有的工作使用机器学习(ML),对准方法与部分波束使用ML(AMPBML)提出了没有任何先验知识,如用户位置信息。用于AMPBML的神经网络(NN)根据毫米波信道模型使用模拟环境进行离线训练,然后在线部署以使用部分波束预测波束分布向量。然后,基于所获得的波束分布向量的主导条目的索引,同时对准所有用户的波束。仿真结果表明,AMPBML算法在训练时隙数和频谱效率方面均优于现有的自适应压缩感知、分层搜索和多径分解与恢复算法。
2020-02-15 eess.SP
Wideband Precoding for U6G XL-MIMO Systems: Beam Squint Boundaries and Channel Slicing
School of Information Science and Engineering, Southeast University(东南大学信息科学与工程学院);Centre for Wireless Innovation (CWI), Queen’s University Belfast(贝尔法斯特女王大学无线创新中心)
研究U6G超大规模MIMO系统中波束淬火效应及宽带预编码设计,通过近场和远场视角推导边界并提出信道切片方案以提升频谱效率。
2026-05-09 eess.SP
On the Theoretical Limits of Beam Steering in mmWave Massive MIMO Channels
模拟波束控制(ABS)已经成为用于毫米波(mmWave)大规模多输入多输出(MIMO)系统的低复杂度、功率高效的解决方案。此外,由在基站(BS)处具有大量发射天线(大规模多输入多输出)的用户终端(UT)之间的低空间相关性驱动,ABS可以用于支持多用户(MU)MIMO场景,而不是数字或混合波束成形(HBF)。然而,我们在本文中表明,即使具有大量的发射天线,HBF也可以实现比MU ABS更好的频谱效率(SE),即使在纯视线(LoS)信道中。此外,我们证明了MU ABS饱和到一个恒定的SE在高发送信噪比(SNR),我们从理论上推导出一个近似的饱和边界在本文中。另一方面,我们强调,HBF的SE的规模与发送SNR,即使在高SNR制度。最后,给定相同的功耗和硬件复杂度的MU ABS的情况下,我们表明,HBF渐近达到最佳SE(理想的非干扰情况)时,增加发射天线的数量。
2019-01-30 eess.SP
Scaling Wideband Massive MIMO Radar via Beamspace Dimension Reduction
本文提出基于波束空间降维的加窗MVDR波束成形架构,利用空间FFT将复杂度从O(N^3)降至O(NlogN),在DARPA SOAP宽带雷达数据上实现与全维度基准相当的检测性能,同时大幅降低计算与训练开销。
2025-08-15 eess.SP
Electrically Small Multimodal 3D Beamforming MIMO Antenna for PHY-Layer Security
本文提出了一种用于物理层(PHY层)安全的电小型3D波束成形天线。该天线包括两层堆叠贴片结构,并且是工作在1.85 GHz附近的五模式五端口MIMO系统,具有电气尺寸${ka=0.98}$和高达${55\%}$的辐射效率。通过研究激发模式的特性,相位和幅度控制允许朝向仰角和方位角平面周围的任何方向的单向波束扫描。PHY层的安全性进行了研究,使用定向调制(DM)技术,传输未加扰的基带星座符号到一个预先指定的安全方向,同时在所有其他方向上的空间失真相同的星座。误比特率(BER)计算揭示了合法接收机的期望方向的非常低的${2\times10^{-5}}$值,其中方位角和仰角平面的BER ${<10^{-2}}$波束宽度分别为${55^{\circ}}$和${58^{\circ}}$。
2023-01-20 eess.SP
Hybrid Beamforming/Combining for Millimeter Wave MIMO: A Machine Learning Approach
混合波束形成(HB)技术是一种在毫米波(mmWave)多输入多输出(MIMO)系统中以低复杂度支持超高传输容量的新兴技术。然而,数字和模拟波束形成器的设计是一个具有挑战性的任务,非凸优化,特别是对于多用户场景。近年来,深度学习研究的兴起为通信系统的信号处理提供了新的视角。在这项工作中,我们提出了一种基于深度神经网络的HB多用户毫米波大规模多输入多输出系统,简称DNHB。HB系统被公式化为自动编码器神经网络,其以端到端的自监督学习的方式进行训练。由于深度神经网络具有强大的表示能力,所提出的DNHB表现出优于传统线性处理方法的性能。根据仿真结果,DNHB优于约2 dB的误比特率(BER)性能相比,现有的方法。
2020-01-03 eess.SP
Machine Learning-Based mmWave MIMO Beam Tracking in V2I Scenarios: Algorithms and Datasets
针对V2I场景下毫米波MIMO波束跟踪开销高、数据集缺乏的问题,本文构建含图像、LIDAR与GNSS的公开多模态数据集,并提出基于ResNet和LSTM的深度神经网络,实现优于现有模型的跟踪性能。
2024-12-06 eess.SP
Massive MIMO in 5G: How Beamforming, Codebooks, and Feedback Enable Larger Arrays
大规模多输入多输出(MIMO)是第五代(5G)蜂窝网络及以后的重要技术。为了帮助设计基站的波束成形,5G引入了灵活反馈和可配置天线阵列几何形状的新支持。在本文中,我们将概述整个移动标准中的MIMO,重点介绍5G NR中新的基于波束的反馈系统,并描述该反馈系统如何通过波束管理实现大规模多输入多输出。最后,我们总结了与5G中的大规模多输入多输出相关的挑战。
2023-01-31 cs.SY eess.SP eess.SY
Analysing of 3D MIMO Communication Beamforming in Linear and Planar Arrays
该研究分析线性与平面阵列中三维MIMO通信的波束成形,采用基于协方差的波形方法,通过MATLAB仿真评估不同波束成形技术的性能。
2023-10-12 cs.IT eess.SP math.IT
Beamforming Technologies for Ultra-Massive MIMO in Terahertz Communications
具有频带$0.1-10$ THz的太赫兹(THz)通信被设想为未来高速无线通信的有前景的解决方案。虽然THz信号具有数十GHz的可用带宽,但THz信号存在严重的自由扩展损耗和分子吸收损耗,这限制了无线传输距离。为了补偿传输损耗,可以应用超大规模多输入多输出(UM-MIMO)技术通过波束形成技术来产生高增益的定向波束。本文综述了太赫兹UM-MIMO系统中的波束形成技术。具体而言,我们首先提出了太赫兹UM-MIMO系统模型,并确定其信道参数和结构类型。然后,我们说明了通过UM-MIMO波束形成的基本原理,并讨论了太赫兹UM-MIMO的远场和近场假设。此外,THz波段的一种重要波束形成策略,即,波束训练,其中概括了波束训练协议和码本设计方法。分别研究了THz UM-MIMO系统中智能反射面辅助的联合波束形成和多用户波束形成。分析了太赫兹波束形成中的空间宽带效应和频率宽带效应,并提出了相应的解决方案。此外,我们提出了相应的制造技术和照明的新兴应用受益于太赫兹波束成形。最后强调了THz UM-MIMO系统面临的挑战和未来的研究方向。
2023-03-13 cs.IT eess.SP math.IT
Hybrid Beamforming for Millimeter Wave MIMO Integrated Sensing and Communications
在这封信中,我们认为毫米波(mmWave)MIMO通感一体化(ISAC)的混合波束成形。以目标雷达波束方向图为目标,在满足通信用户信干噪比(SINR)和双功能雷达通信基站总发射功率的约束下,设计了双功能雷达通信基站的发射波束。为了提供额外的自由度的波束设计问题,我们引入了一个相位矢量的目标波束方向图,并提出了一个交替的最小化方法来迭代优化发射波束和相位矢量,其中涉及二阶锥规划和约束最小二乘估计,分别。然后基于设计的发射波束,在毫米波MIMO中移相器网络的恒包络约束下,仍然采用交替最小化方法,确定模拟波束形成器和数字波束形成器。仿真结果表明,在相同的通信用户信干噪比约束条件下,较大的天线阵列可以获得更好的雷达波束质量。
2022-03-12 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
Learning Based Hybrid Beamforming for Millimeter Wave Multi-User MIMO Systems
KTH Royal Institute of Technology(KTH皇家理工学院)
混合波束形成(HBF)设计是毫米波(mmWave)多用户多输入多输出(MU-MIMO)系统中的关键环节。然而,传统的HBF方法仍然具有高复杂度并且强烈依赖于信道状态信息的质量。我们提出了一个极端学习机(ELM)框架,以联合优化发射和接收波束形成器。具体来说,为了提供准确的标签训练,我们首先提出了一个基于分数规划和优化最小化的HBF方法(FP-MM-HBF)。然后,基于ELM的HBF(ELM-HBF)框架,提出了提高波束形成器的鲁棒性。与现有方法相比,FP-MM-HBF和ELM-HBF都能提供更高的系统和速率。此外,ELM-HBF不仅可以提供鲁棒的HBF性能,而且消耗非常短的计算时间。
2020-04-27 cs.LG eess.SP
Millimeter-Wave Massive MIMO Testbed with Hybrid Beamforming
大规模多输入多输出(MIMO)技术在毫米波(mmWave)频段获得大阵列增益至关重要。然而,存在实际的挑战,例如在这样的系统中的高硬件成本和功耗。这些问题的一个有前途的解决方案是采用混合波束成形架构。这种架构的收发器(TRx)链的数量比天线总数少得多,从而实现了成本和能量高效的系统。在本文中,我们提出了一个实时毫米波(28 GHz)大规模多输入多输出测试床与混合波束成形。该测试平台具有用于波束选择的64天线/16 TRx单元,可以以模块化方式扩展到更大的阵列尺寸。为了在真实传播环境中测试从基带处理算法到调度和波束选择的所有内容,我们将基于软件定义无线电技术构建的现有100天线/100 TRx大规模多输入多输出测试平台(低于6 GHz)的功能扩展到灵活的毫米波大规模多输入多输出系统。
2020-12-02 cs.IT eess.SP math.IT
Deep Learning Based Beam Training for Extremely Large-Scale Massive MIMO in Near-Field Domain
超大规模大规模多输入多输出(XL-MIMO)被认为是下一代通信系统的重要技术。为了提高波束形成增益,基于码本的波束训练在XL-MIMO系统中被广泛采用。然而,在XL-MIMO系统中,近场域扩展,并且需要采用近场码本进行波束训练,这显著增加了导频开销。为了解决这个问题,我们提出了一种基于深度学习的波束训练方案,其中考虑了近场信道模型和近场码本。具体地说,我们首先利用对应于远场宽波束的接收信号来估计最佳近场波束。提出了两种训练方案,即建议的原始和改进的神经网络。原始方案直接基于神经网络的输出来估计最佳近场码字。相比之下,改进方案进行额外的波束测试,这可以显着提高波束训练的性能。仿真结果表明,本文提出的方法可以显著降低近场域的训练开销,获得波束形成增益。
2022-09-28 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
Memory-assisted Statistically-ranked RF Beam Training Algorithm for Sparse MIMO
针对稀疏多输入多输出(MIMO)信道,提出了一种在发射端和接收端使用酉射频波束赋形码本的射频波束训练算法。该算法利用来自过去波束数据的统计知识,以加速束搜索,并具有最小的训练开销。基于波束提供通信链路的概率,按照波束等级的顺序对波束进行测试。对于低波束熵场景,分级束搜索在减少通信链路的每个Tx-Rx波束对标识的波束测试的平均数量方面表现出色。对于高波束熵的情况,还提出了一种混合算法,该算法包括存储器辅助的连续排列(MarS)束搜索和多级(ML)束搜索。训练开销的节省随着波束熵的减小和MIMO信道维度的增加而增加。
2019-06-18 cs.IT cs.SY eess.SP
Enhanced Beam Alignment for Millimeter Wave MIMO Systems: A Kolmogorov Model
City University of Hong Kong(香港城市大学);The University of Kansas(堪萨斯大学);Telecom-ParisTech(巴黎高等电信学院)
我们提出了一个增强毫米波(mmWave)多输入多输出(MIMO)系统中的波束对准问题,基于修改的机器学习为基础的标准,称为柯尔莫哥洛夫模型(KM),以前应用于波束对准问题。与以前的KM,其计算复杂性是不可扩展的问题的大小,一个新的方法,集中在离散单调优化(DMO),提出了,导致显着降低复杂性。我们还提出了一个Kolmogorov-Smirnov(KS)标准的先进的假设检验,它不需要任何主观阈值设置相比,频率估计(FE)的方法开发的常规KM。仿真结果表明,所提出的KM学习毫米波波束对准的功效。
2020-07-27 cs.LG eess.SP
Beam Training based on Dynamic Hierarchical Codebook for Millimeter Wave Massive MIMO
研究了毫米波(mmWave)大规模多输入多输出(massive MIMO)系统中基于分层码本的波束训练问题。与现有的使用相同的分层码本来估计不同的多径分量(MPC)的工作,动态分层码本,根据估计的MPC更新。首先,提出了一种广义的分层码书设计方法。然后在此基础上,提出了一种动态更新分层码本的波束训练方法,该方法通过从码本中去除估计MPC的贡献来动态更新分层码本。仿真结果验证了该方法的有效性,并表明该方法在波束训练的成功检测率方面优于现有方法。
2019-01-05 cs.IT eess.SP math.IT
Hybrid Beamforming and Combining for Millimeter Wave Full Duplex Massive MIMO Interference Channel
全双工(FD)通信可以彻底改变无线通信,因为它避免了使用独立的信道进行双向通信。这项工作推广了毫米波(mmWave)频段的点对点FD通信,包括K对大规模MIMO FD节点同时工作。我们提出了一种新的联合混合波束成形(HYBF)和加权和速率(WSR)最大化的合并方案,使大规模MIMO FD链路的共存成本有效。该算法依赖于基于最小化-最大化方法的替代优化。此外,我们提出了一种新的SI和大规模MIMO干扰信道感知功率分配方案,包括最优功率控制。仿真结果表明,显着的性能改善相比,传统的双向全数字半双工(HD)系统。
2022-01-04 cs.IT eess.SP math.IT