Integrated Localization and Communication with Sparse MIMO: Will Virtual Array Technology also Benefit Wireless Communication?
针对6G集成定位与通信,本文提出稀疏MIMO方案,证明虚拟阵列不利于通信而利于定位,采用物理阵列通信与虚拟阵列定位的混合处理,实现性能提升。
2025-02-25 eess.SP
Virtual Array for Dual Function MIMO Radar Communication Systems using OTFS Waveforms
Rutgers University(罗格斯大学)
本文提出一种基于OTFS波形的双功能MIMO雷达通信系统虚拟阵列构建方法,通过共享Doppler-delay域bins和专属Time-Frequency域bins实现高分辨率参数估计。
2024-11-14 eess.SP
Sparse array design for MIMO radar in multipath scenarios
针对多径场景中MIMO雷达虚拟阵列假设失效的问题,本文提出新的稀疏线性阵列设计准则,并采用坐标下降框架下的循环优化策略进行设计,以改善直达路径和多径目标的DOD-DOA成像效果。
2024-01-16 eess.SP
Parametrization and Estimation of High-Rank Line-of-Sight MIMO Channels with Reflected Paths
本文提出一种用反射镜像源替代各路径的多径信道参数化方法,仅比平面波模型多两个参数,即可在高秩视距MIMO中准确捕捉波前球面曲率,并通过28 GHz和140 GHz城市射线追踪仿真验证了其精度。
2023-04-14 eess.SP
MAP-CSI: Single-site Map-Assisted Localization Using Massive MIMO CSI
本文提出 MAP-CSI 方法,从大规模 MIMO 的 CSI 中提取 AoD 与 ToA 并结合环境地图定位,在公开数据集上验证其适用于 LOS/NLOS 场景且无需显式射线追踪参数。
2021-10-01 eess.SP
ISAC MIMO Systems with OTFS Waveforms and Virtual Arrays
Rutgers University(罗格斯大学)
本文提出一种集成感知与通信系统,利用OTFS波形和虚拟阵列提高高机动场景下的频谱效率与目标分辨率。
2025-02-04 eess.SP
Perception Through 2D-MIMO FMCW Automotive Radar Under Adverse Weather
毫米波(mmWave)雷达越来越多地集成在商用车辆中,以支持新的自适应驾驶员辅助系统(ADAS)功能,这些功能需要对物体进行准确的位置和多普勒速度估计,而不受环境条件的影响。为了探索基于雷达的ADAS应用,我们使用德州仪器的4芯片级联FMCW雷达(TIDEP-01012)更新了我们的测试平台,形成了一个非均匀的2D MIMO虚拟阵列。在本文中,我们开发了必要的接收信号模型,应用不同的波达方向(DoA)估计算法和实验验证其性能形成的虚拟阵列在受控的情况下。为了测试毫米波雷达在恶劣天气条件下的鲁棒性,我们通过车载平台收集了各种物体的原始雷达数据集(解调后的I-Q样本),特别是在相机基本无效的下雪和有雾的情况下。从雷达成像算法,这个数据集的初步结果。
2023-01-21 eess.SP
Model-Free Channel Estimation for Massive MIMO: A Channel Charting-Inspired Approach
School of Engineering, University of British Columbia, Kelowna, Canada(不列颠哥伦比亚大学工程学院)
针对大规模MIMO信道估计中导频开销高或依赖精确模型的问题,提出结合深度自编码器与LSTM的无模型方法,通过学习低维信道表示并跟踪特征恢复完整信道,在病态场景下较最小二乘法实现高达9dB的性能提升。
2025-10-31 eess.SP
DeepMIMO: A Generic Deep Learning Dataset for Millimeter Wave and Massive MIMO Applications
机器学习工具正在毫米波(mmWave)和大规模MIMO系统中找到有趣的应用。这主要归功于它们在学习未知模型和解决困难优化问题方面的强大能力。然而,为了推进毫米波/大规模MIMO中的机器学习研究,需要通用数据集。该数据集可用于评估开发的算法,重现结果,设置基准,并比较不同的解决方案。在这项工作中,我们介绍了DeepMIMO数据集,这是毫米波/大规模MIMO信道的通用数据集。DeepMIMO数据集生成框架具有两个重要特征。首先,DeepMIMO信道是基于从Remcom Wireless InSite获得的精确射线跟踪数据构建的。因此,DeepMIMO信道捕获了对环境几何形状/材料和发射器/接收器位置的依赖性,这对于几个机器学习应用至关重要。其次,DeepMIMO数据集是通用/参数化的,因为研究人员可以调整一组系统和信道参数,以针对目标机器学习应用定制生成的DeepMIMO数据集。然后,DeepMIMO数据集可以完全由(i)所采用的光线跟踪场景和(ii)参数集定义,这使得数据集的准确定义和再现成为可能。本文描述了一个基于18个基站和超过100万用户的室外光线跟踪场景的DeepMIMO数据集示例。本文还展示了如何将该数据集用于毫米波波束预测的示例深度学习应用。
2019-02-18 cs.IT eess.SP math.IT
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
Zero-Forcing Based Downlink Virtual MIMO-NOMA Communications in IoT Networks
为了支持物联网(IoT)的大规模连接并提高频谱效率,提出了一种结合虚拟多输入多输出(MIMO)和非正交多址(NOMA)的下行链路方案。每个集群中的所有单天线IoT设备相互协作以建立虚拟MIMO实体,并且每个集群请求多个独立的数据流。NOMA被用来对所有被请求的数据流进行解复用,并且每个集群利用迫零检测来对输入数据流进行解复用。在基站处仅统计信道状态信息(CSI)可用,以避免频繁CSI估计的能量和带宽的浪费。在考虑发送和接收相关性的Kronecker模型下,深入研究了虚拟MIMO-NOMA系统的中断概率和有效吞吐量。此外,渐近结果不仅有利于探索物理的见解,但也有效吞吐量最大化。特别是,渐近中断表达式提供了各种系统参数的定量影响,使调查的分集复用权衡(DMT)。此外,可以适当地选择功率分配系数和/或传输速率以实现最大有效吞吐量。利用Karush-Kuhn-Tucker条件,将有效吞吐量最大化问题转化为封闭形式,通过交替迭代优化实现功率和速率的联合选择,在信道条件不利时,优化算法倾向于为簇分配更多的功率,在信道条件良好时,优化算法倾向于支持传输速率较高的簇.
2022-09-23 cs.IT eess.SP math.IT
Multiuser-MIMO Systems Using Comparator Network-Aided Receivers With 1-Bit Quantization
低分辨率模数转换器(ADC)对于具有多天线的多用户多输入多输出(MIMO)系统降低能耗和成本是有希望的。我们提出了低分辨率多用户MIMO接收器,其中信号由1位ADC和比较器网络同时处理,这可以被解释为具有二进制输出的附加虚拟通道。我们区分所提出的比较器网络完全连接和部分连接。对于这种接收机,我们开发了低分辨率意识的线性最小均方误差(LRA-LMMSE)信道估计器和检测器根据Bussgang定理。我们还开发了一个强大的检测器,它考虑到信道状态信息(CSI)的失配统计。通过利用知识的信道系数,我们设计了一个均方误差(MSE)贪婪搜索和顺序的信号干扰噪声比(SINR)搜索部分连接网络的优化。数值结果表明,在误比特率方面,具有额外虚拟信道的系统可以优于具有额外接收天线的系统。此外,通过采用所提出的信道估计与其误差统计,我们构造了一个下界的遍历和速率的线性接收机。仿真结果表明,所提出的方法优于传统的1比特MIMO系统的BER,MSE和和速率。
2022-11-18 eess.SP
Atomic Norm Based Localization and Orientation Estimation for Millimeter-Wave MIMO OFDM Systems
在此,提出了一种用于从毫米波多输入多输出(MIMO)正交频分复用(OFDM)信号中精确估计目标的位置和方位的基于原子范数的方法。提出了一种新的虚拟信道矩阵,并设计了一种从其原子范数分解中提取定位相关信道参数的算法。然后,基于扩展的不变性原理,提出了一种加权最小二乘问题,以准确地恢复的位置和方向使用的视线和非视线信道信息。数值结果突出了性能的改善,比以前的方法和所得的性能几乎达到克拉美-罗下限。
2021-10-08 eess.SP
A Technique for Multi-User MIMO using Spatial Channel Model for out-door environments
任何无线通信系统都需要指定一个传播信道模型,作为性能评估和比较的基础。空间信道模型可以分为确定性的,即射线跟踪,基于测量的,这是基于信道信息和基于几何的随机信道模型的基础上,信道的方向结构可以模拟的物理对象和电磁波之间的最后相互作用,波到达基站或移动台的假设。多用户双向信道模型(MDDCM)是一种基于几何的信道模型,用于计算MIMO移动台和MIMO基站的蜂窝系统中的双向信道信息。在这个研究阶段,首先,多用户多输入多输出(MU-MIMO)空间信道模型已经实现了不同的室外环境城市微观和城市宏观使用MATLAB找到各种参数,如用户的到达角,用户方向和用户与接入点(AP)之间的距离。利用多径瑞利衰落信道和实际空间信道模型,实现了二次编码(多输入多输出-正交频分复用)MIMO-OFDM系统。使用不同的BER改善技术,例如,维特比解码器,时间和频率交织。通过在两个信道上的发送端和接收端[(2x2)和(2x 4)]处使用多个天线,也观察到多信道分集。不同的调制技术对误码性能的影响也被观察到。
2018-07-10 eess.SP
Environment-Aware Diffusion Model for Massive MIMO-OFDM Channel Estimation
Fudan University(复旦大学);Technische Universitat, Berlin(柏林工业大学);The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
针对大规模MIMO-OFDM系统中高维信道与有限导频带来的估计难题,本文提出环境感知扩散模型,学习位置条件信道先验并结合导频观测进行贝叶斯估计,在多种信噪比和导频配置下优于传统及现有学习方法。
2026-09-16 eess.SP
Multi-Modal Environment-Aware Beam Management for Massive MIMO: A Geometry-Driven Virtual Base Station Framework
Hong Kong University of Science and Technology(香港科技大学);Southeast University(东南大学)
提出几何驱动框架,利用3D LiDAR点云和位置信息构建虚拟基站数据库,通过镜像对称建模主导反射路径,实现粗信道重建和低开销波束训练,并采用双智能体深度强化学习协调波束选择,提升波束管理效率。
2026-11-19 cs.AI eess.SP
Ray-Tracing 5G Channels from Scenarios with Mobility Control of Vehicles and Pedestrians
毫米波是实现高比特率的5G网络策略之一。使用这些信号的测量活动是困难的,并且需要昂贵的设备。为了生成真实的数据,本文改进了一种用于5G信道虚拟测量的方法,该方法将城市移动性模拟与射线跟踪模拟器相结合。城市移动模拟器负责控制移动性,在每个场景中定位行人和车辆,同时重复调用光线跟踪模拟器,模拟接收器和发射器之间的交互。两个模拟器之间的协调是使用Python软件完成的。为了验证真实感对计算量的影响,对面数与模拟时间进行了数值分析。
2020-01-27 eess.SP
Environment-Aware MIMO Channel Estimation in Pilot-Constrained Upper Mid-Band Systems
University of California San Diego(加利福尼亚大学圣地亚哥分校)
本文提出了一种结合物理信息的神经网络框架,用于在受限制的上中频系统中实现更准确的MIMO信道估计,通过融合先验环境信息和接收到的信号强度,提高了性能并降低了计算复杂度。
2026-01-30 eess.SP
Movable Antenna Optimization for Multi-User MIMO Systems in Realistic Ray-Traced Propagation Environments
KTH Royal Institute of Technology(皇家理工学院)
本文研究了在真实射线追踪传播环境下,多用户MIMO系统中移动天线的性能,通过三维射线追踪和场响应信道建模开发了仿真框架,并利用粒子群优化和遗传算法优化天线位置,发现真实传播环境显著压缩了不同天线配置间的性能差异。
2026-04-18 eess.SP
Millimeter Wave MIMO based Depth Maps for Wireless Virtual and Augmented Reality
增强和虚拟现实系统(AR/VR)正在迅速成为无线领域的关键组成部分。对于沉浸式AR/VR体验,这些设备应该能够构建对周围环境的准确深度感知。目前的AR/VR设备在很大程度上依赖于使用RGB-D深度相机来实现这一目标。然而,这些深度相机的性能在几种情况下具有明显的限制,例如具有闪亮物体、暗表面和突然的颜色过渡的情况以及其他限制。在本文中,我们提出了一种新的解决方案,使用毫米波MIMO通信收发器的AR/VR深度图建设。这是由于在未来的AR/VR设备中部署先进的毫米波通信系统以满足高数据速率需求以及毫米波信号的有趣传播特性。考虑到这些系统的限制,我们开发了一个全面的框架,使用毫米波系统构建准确和高分辨率的深度图。在这个框架中,我们开发了新的感测波束成形码本方法,其特定于深度图构造目标。使用这些码本,并利用连续干扰消除的工具,我们开发了一种联合波束处理方法,可以使用实用的毫米波天线阵列构建高分辨率深度图。大量的模拟结果突出了所提出的解决方案在构建精确深度图方面的潜力。此外,这些模拟显示了在几个重要用例中,与基于RGB的方法相比,基于毫米波的深度感知的有希望的增益。
2021-02-13 cs.IT eess.SP math.IT
Blind Channel Estimation for Massive MIMO: A Deep Learning Assisted Approach
大规模多输入多输出(MIMO)或大规模多输入多输出(Massive MIMO)技术是未来无线网络的关键技术之一。然而,大规模多输入多输出系统的性能严重依赖于精确的信道估计。而在这样的系统中获取信道状态信息(CSI)需要随着用户数量的增长而增加的大量训练开销。为了解决这个问题,在本文中,我们提出了一种深度学习辅助的盲信道估计技术,用于基于正交频分复用(OFDM)的大规模多输入多输出系统。我们证明了利用大规模多输入多输出信道的渐近正交性,可以在不需要信道冲激响应先验知识的情况下,对信道失真进行平均,并且经过一些数学运算,可以提取出不同用户发送的数据符号。因此,通过部署去噪卷积神经网络算法(DnCNN),我们减轻了剩余信道和噪声影响,以在信道探测阶段准确检测传输的数据符号。使用检测到的数据符号作为虚拟导频,我们估计在每个BS天线的所有用户的CSI。我们的仿真结果证明了我们提出的技术的有效性,并表明它可以提供一个均方误差(MSE)的性能,这与数据辅助信道估计技术相一致。
2020-02-24 eess.SP
Joint Approximate Covariance Diagonalization with Applications in MIMO Virtual Beam Design
我们研究的问题的最大似然(ML)估计的一个近似的共同特征结构,即近似的共同特征向量集(CES),协方差矩阵的集合给出了其相关的i.i.d向量实现。该问题在多用户MIMO通信中具有直接应用,其中基站(BS)通过导频传输访问瞬时用户信道向量并且尝试执行联合多用户下行链路(DL)预编码。人们普遍认为,这个任务的有效实现取决于一组共同的“虚拟波束”的适当设计,捕获用户信道协方差之间的共同本征结构。在本文中,我们提出了一种新的方法来获得这个共同的特征结构铸造它作为一个ML估计问题。我们证明了在协方差可联合对角化的特殊情况下,所提出的ML问题的全局最优解与公共特征结构一致。然后,我们提出了一个投影梯度下降(PGD)方法来解决酉矩阵流形上的ML优化问题,并证明了其收敛到一个稳定点。通过详尽的模拟,我们说明,在联合对角化协方差的情况下,我们提出的方法收敛到确切的CES。此外,在协方差不可联合对角化的一般情况下,它会产生一个近似对角化所有协方差的解决方案。此外,实验结果表明,我们提出的方法优于著名的联合近似对角化的特征矩阵(JADE)方法在文献中。
2020-05-29 cs.IT eess.SP math.IT
Array Placement in Distributed Massive MIMO for Power Saving considering Environment Information
分布式大规模多输入多输出(D-mMIMO)已经被考虑用于未来的网络,因为它具有提供优异容量同时实现网络中的能量节省的潜力。D-mMIMO系统具有多个阵列。优化阵列的位置对于系统的能量效率至关重要。在现有的工作中,阵列布局已被优化,主要是基于公共信道模型,它依赖于一个给定的统计分布和用户位置和阵列之间的欧几里得距离。这些模型是合理的,如果应用到足够大的细胞,其中的信道的统计描述,预计将适合其经验条件。然而,随着小电池的出现,情况不再如此。信道传播条件变得高度环境特定。本文研究了采用不同方式对传播条件进行建模的阵列布局优化,建筑物)。我们通过一个图形来捕获环境信息。在此基础上提出了两种基于最短路径的网络传播模型。我们验证的模型的性能与射线跟踪模拟器考虑不同的信号覆盖水平。仿真结果表明,更高的能量效率是通过使用通过所提出的模型相比,在小小区的基于欧氏距离的传播模型发现的阵列布局。例如,在96%的信号覆盖率下的平均功率节省达到5dB以上。
2021-11-16 eess.SP
Digital Twin Aided Massive MIMO CSI Feedback: Exploring the Impact of Twinning Fidelity
Arizona State University(亚利桑那州立大学);Nokia Bell Laboratories(诺基亚贝尔实验室)
本文提出利用集成电磁3D模型、硬件模型和射线追踪的站点专用数字孪生训练CSI反馈模型,并通过保真度框架和少量真实数据精调提升重建性能。
2025-09-30 cs.IT eess.SP math.IT
Joint Localization and Orientation Estimation in Millimeter-Wave MIMO OFDM Systems via Atomic Norm Minimization
在此,提出了一种用于从毫米波多输入多输出(MIMO)正交频分复用(OFDM)信号中精确估计目标的位置和方位的基于原子范数的方法。提出了一种新的虚拟信道矩阵,并设计了一种从其原子范数分解中提取定位相关信道参数的算法。然后,基于扩展的不变性原理,提出了一种加权最小二乘问题,以准确地恢复的位置和方向使用的视线和非视线信道信息。的估计和估计误差的理论保证的最优性和唯一性的条件,其特征在于无噪声和有噪声的情况下。通过仿真验证了理论结果。数值结果研究了所提出的算法的鲁棒性不正确的模型阶数选择或同步误差,并突出了性能的改善,比以前的方法。由此产生的性能几乎达到克拉美-罗下界的估计误差。
2022-03-02 eess.SP
Towards Practical Cell-Free 6G Network Deployments: An Open-Source End-to-End Ray Tracing Simulator
本文提出一个基于Unity和GPU加速的开源端到端射线追踪仿真器,集成LIS与MIMO技术,用于无蜂窝6G网络的物理传播与系统级协议联合仿真,为6G研发提供高灵活性的实用工具。
2023-12-07 cs.NI eess.SP
Digital Twin-Based Channel Generation Toolchain and Foundation Model for Low-Altitude XL-MIMO
Southeast University(东南大学);National Sun Yat-sen University(国立中山大学)
针对低空经济中XL-MIMO系统因3D移动性和近场传播导致的高保真无线数据集获取困难,提出基于数字孪生的工具链LAETwin-XL和条件去噪扩散隐式模型(CDDIM)基础模型,实现从部分信道观测中生成完整信道表示,并支持零样本外推和高效迁移学习。
2026-06-16 eess.SP
A Blender-based channel simulator for FMCW Radar
本文提出一种基于Blender的FMCW MIMO雷达信道仿真器,利用光线追踪引擎生成传播路径并适配TDM-MIMO差拍信号模型,为AI雷达应用提供有效数据立方体。
2023-07-18 eess.SP
Multipath-based SLAM with Cooperation and Map Fusion in MIMO Systems
针对传统MP-SLAM仅用单移动终端的局限,提出MIMO系统下支持多终端信息交换与数据融合的协作式多径SLAM方法,可提升建图鲁棒性与定位精度。
2024-05-14 eess.SP
Interpolation Techniques for Fast Channel Estimation in Ray Tracing
New York University, Tandon School of Engineering(纽约大学坦登工程学院);Politecnico di Milano(米兰理工大学)
本文提出了一种通过插值反射点图像来加速射线追踪的信道估计方法,以减少计算资源消耗并提高信道预测的准确性。
2026-01-30 cs.SY eess.SP eess.SY
Holographic MIMO Communications Under Spatially-Stationary Scattering
全息MIMO是具有大量天线的空间受限MIMO系统,其最终形式可能被认为是空间连续的电磁孔径。准确和易于处理的信道建模对于了解该技术的全部潜力至关重要。本文考虑了任意空间平稳散射,并提供了一个四维平面波表示在笛卡尔坐标系中,它捕获的电磁传播的本质,并允许评估的能力,全息MIMO系统与矩形体积阵列。开发的框架概括了虚拟通道表示,这是最初开发的均匀线阵。
2020-12-14 cs.IT eess.SP math.IT
Super-Resolution Channel Estimation for Arbitrary Arrays in Hybrid Millimeter-Wave Massive MIMO Systems
针对毫米波(mmWave)大规模多输入多输出(MIMO)系统,研究了在实际硬件条件限制下(包括任意阵列和混合硬件结构)的有效信道估计技术。本文采用基于角度的方法,通过Jacobi-Anger近似,将非理想、非均匀的阵列流形转换为具有理想均匀几何结构的虚拟阵列域,以便于超分辨角度估计和信道捕获。因此,开发了基于结构的优化技术,以在短的感测时间内有效地估计信道协方差和瞬时信道状态信息(CSI)。特别地,利用信道路径角和路径增益的时变差异,设计了一种两步CSI估计方案,可以快速感知衰落信道。所提出的技术在采样效率方面的基本限制的理论结果。为了提高计算效率,通过乘子交替方向法提出了一种快速迭代算法。其他相关的问题,如假峰消除非均匀线性阵列和扩展到高维情况下也进行了讨论。仿真结果验证了所提方法在任意阵列混合毫米波大规模多输入多输出系统中的有效性。
2019-07-16 eess.SP
Experimental Investigation of Frequency Domain Channel Extrapolation in Massive MIMO Systems for Zero-Feedback FDD
在频分双工(FDD)大规模多输入多输出(MIMO)系统中估计下行链路(DL)信道状态信息(CSI)通常需要下行链路导频和反馈开销。因此,本文研究了基于信道外推的零反馈FDD大规模多输入多输出系统的可行性。我们使用高分辨率参数估计(HRPE),特别是空间交替广义期望最大化(SAGE)算法,外推DL CSI的基础上提取的参数的多径分量在上行链路信道。我们将HRPE应用于两种不同的信道模型:矢量空间特征(VSS)模型和到达波达方向(DOA)模型。我们通过使用两种不同类型的信道探测器进行信道测量活动获得的真实信道数据来验证这些方法:a)基于交换阵列的实时时域室外设置,频率为3.5 GHz; b)基于虚拟阵列的高精度频域室内设置,频率为2.4和5-7 GHz。我们评估的外推信道的性能指标包括多用户MIMO场景中的均方误差、波束形成效率和频谱效率。结果表明,基于HRPE的信道外推性能最好的简单VSS模型下,它不需要阵列校准,如果BS是在一个开放的室外环境中的视线(LOS)路径,以及分离的用户。
2020-09-29 eess.SP
A Novel Dynamic Ray-Tracing Channel Model for 6G LEO Satellite-to-Ground Communication Systems
Purple Mountain Laboratories(紫金山实验室);National Mobile Communications Research Laboratory, Southeast University(东南大学移动通信国家重点实验室);Tsinghua University(清华大学);University of Tabuk(塔布克大学)
针对6G低轨卫星对地通信,提出基于动态射线追踪的信道模型,通过虚拟传输平面和第一菲涅尔区生成平行射线,利用真实轨道与环境信息计算信道特性,结果与测量匹配。
2026-09-29 eess.SP
Site-Specific Beamforming for Full-Duplex Massive MIMO Systems via Implicit Channel Estimation
University of California, Los Angeles(加利福尼亚大学洛杉矶分校)
本文提出了一种利用隐式信道知识进行全双工大规模MIMO系统波束成形的方法,通过少量测量获取信道信息,减少高维信道估计的成本,从而在快衰落条件下实现高效波束成形。
2026-09-25 eess.SP
Overhead-Free Blockage Detection and Precoding Through Physics-Based Graph Neural Networks: LIDAR Data Meets Ray Tracing
Imperial College London(帝国理工学院);Silicon Austria Labs(奥地利硅实验室)
本文提出一种基于物理的图神经网络方法,利用LIDAR数据与射线追踪实现无通信开销的MIMO链路遮挡检测与预编码设计,遮挡检测准确率达95%,预编码性能优于现有方法。
2023-05-22 cs.IT cs.LG eess.SP
Interference Suppression for Massive MU-MIMO Long-Term Beamforming with Matrix Inversion Approximation
Politecnico di Milano(米兰理工大学);NYU Tandon School of Engineering(纽约大学坦登工程学院)
本文提出基于长期信道统计的子空间抵消方法,用于改善大规模MIMO长时波束成形的数值稳定性,减少迭代次数并保持低开销。
2026-04-07 cs.AR eess.SP
Mode-Tensorized Canonical Polyadic Decomposition for MIMO Channel Estimation
Moscow Institute of Physics and Technology(莫斯科物理技术学院)
本文提出了一种基于张量分解的MIMO信道估计方法,通过将信道表示为模式因子化的张量,提高了信道路径分离度,并通过增加张量模式数量提升了分离性能和去噪效果。
2026-05-18 cs.IT eess.SP math.IT
A Distributed Massive MIMO Channel Sounder for "Big CSI Data"-driven Machine Learning
提出了一种用于获取大型CSI数据集的分布式大规模MIMO信道探测器DICHASUS。测量的数据在用于用户定位、JCAS、信道制图、在FDD操作中实现大规模MIMO等的各种机器学习算法的研究中具有潜在的应用。所提出的信道探测器架构与以前类似的设计不同,因为每个单独的单天线接收器是完全自主的,能够实现任意的空间分布的天线部署,并提供几乎无限的天线数量的可扩展性。可选地,提取的信道系数向量可以用通过GNSS接收器(用于室外操作)或通过各种室内定位技术获得的地面实况位置数据来标记。
2022-06-30 cs.IT eess.SP math.IT
Performance Analysis of Cell-Free Massive MIMO under Imperfect LoS Phase Tracking
Technical University of Berlin(柏林工业大学);Ericsson Research(爱立信研究院)
本文提出了一种考虑不完美直视路径相位跟踪的Rician衰落模型,推导了MMSE波束成形器,并通过数值结果展示了其在6G无源网络中的性能评估。
2026-02-26 cs.IT eess.SP math.IT
High-Density MIMO Localization Using a 32x64 Ultrasonic Transducer-Microphone Array with Real-Time Data Streaming
本文提出一种由32个发射器和62个麦克风组成的大规模超声MIMO阵列系统,通过随机相位多正弦激励扩展虚拟孔径,仿真验证其相比单发射器配置能提升反射体分离与定位精度。
2025-09-01 eess.AS eess.SP
Sensing Aided OTFS Channel Estimation for Massive MIMO Systems
正交时频空间(OTFS)调制具有在高度移动场景中实现鲁棒通信的潜力。然而,估计OTFS系统的信道与高导频信令开销相关联,该高导频信令开销与最大延迟和多普勒扩展成比例。这对于大规模MIMO系统来说尤其具有挑战性,因为系统开销也随着天线数量的增加而增加。然而,一个重要的观察是,延迟,多普勒,和出发/到达信息的角度直接相关的距离,速度,和移动用户的方向信息和环境中的各种散射体。有了这个动机,我们建议利用雷达感测来获得有关环境中的移动用户和散射体的信息,并利用它来帮助大规模MIMO系统中的OTFS信道估计。作为实现我们的愿景的一种方法,本文将大规模MIMO系统中的OTFS信道估计问题制定为稀疏恢复问题,并利用雷达感测信息来确定支持(非零延迟多普勒抽头的位置)。提出的雷达传感辅助稀疏恢复算法进行评估的基础上准确的三维射线跟踪框架与共存的雷达和通信数据。结果表明,开发的传感辅助解决方案始终优于标准稀疏恢复算法(不利用雷达传感数据),并导致显着减少导频开销,这突出了基于OTFS的大规模MIMO系统的一个有前途的方向。
2022-09-22 cs.IT eess.SP math.IT
Overcoming the Channel Estimation Barrier in Massive MIMO Communication Systems
包括虚拟现实、自动驾驶和物联网在内的新一波无线服务正在推动新一代无线系统的设计,以提供超高数据率、大量连接设备和超低延迟。大规模多输入多输出(MIMO)是允许未来无线网络满足这些服务需求的关键基础技术之一。本文通过整合未来高速蜂窝部署中信道的潜在特性,讨论了深度学习(DL)在无线网络中大规模MIMO信道估计中的应用。我们开发的物理射频(RF)信道特性的重要见解,并提出了一个全面的概述DL的应用准确估计信道状态信息(CSI)与低开销。我们提供了大规模MIMO无线系统中CSI估计的成功DL应用的例子,并强调了未来研究的几个有前途的方向。
2019-12-23 cs.IT eess.SP math.IT
Gradient Pursuit-Based Channel Estimation for MmWave Massive MIMO Systems with One-Bit ADCs
研究了毫米波(mmWave)大规模多输入多输出(MIMO)系统中采用1位模数转换器(ADC)的信道估计问题。在毫米波频段,传播路径的数量很少,这导致虚拟信道稀疏。为了基于最大后验概率(MAP)准则估计稀疏虚拟信道,稀疏约束优化开始发挥作用。一般来说,优化目标函数的稀疏约束是NP难的,因为它们的组合复杂性。此外,1位ADC的粗量化使得信道估计成为一项具有挑战性的任务。在压缩感知(CS)领域,提出了梯度支持追踪(GraSP)和梯度硬阈值追踪(GraHTP)算法,通过硬阈值追踪目标函数的梯度,迭代近似求解稀疏约束优化问题。然而,这些算法的准确性保证,打破了目标函数是病态的,这经常发生在毫米波波段。为了防止基于梯度追踪算法的故障,带最大值选择(BMS)技术,这是一个硬阈值只选择“带最大值”,适用于GraSP和GraHTP提出BMSGraSP和BMSGraHTP算法在本文中。
2019-08-01 cs.IT eess.SP math.IT
Coordinated Per-Antenna Power Minimization for Multicell Massive MIMO Systems with Low-Resolution Data Converters
本文针对采用低分辨率数据转换器的多小区大规模 MIMO-OFDM 系统,提出一种协同波束成形方案,通过构建下行天线功率极小极大问题并利用强对偶性转化为虚拟上行问题,开发了迭代算法以在满足信号质量约束下最小化每根天线最大功率。
2023-09-11 cs.IT eess.SP math.IT
Learning Radio Environments by Differentiable Ray Tracing
NVIDIA(英伟达);University of Stuttgart(斯图加特大学)
本文提出基于梯度的可微光线追踪校准方法,将材料特性、散射和天线方向图参数化,并通过合成数据与室内MIMO信道测量验证其有效性。
2023-11-30 cs.IT cs.LG cs.NI
A Deep Learning and Geospatial Data-Based Channel Estimation Technique for Hybrid Massive MIMO Systems
针对多用户大规模多输入多输出(MU-mMIMO)系统,提出了一种基于角度混合预编码(AB-HP)的信道估计方法。提出的信道估计技术通过深度神经网络(DNN)和模糊c均值(FCM)聚类生成服务区域中用户终端(UT)区域的分组信道状态信息(CSI)。通过离线光线追踪和与一维卷积神经网络(1D-CNN)和回归树集合相关联的基于DNN的路径估计模型,从地理空间数据计算服务区域中的基站(BS)与可行UT位置之间的慢时变CSI。然后,UT级CSI的所有可行的位置被分组到一个建议的FCM聚类簇。最后,服务区域被划分为多个非重叠UT区。每个UT区的特征在于被称为UT组CSI的对应集群集合,其在AB-HP的模拟RF波束成形器设计中被利用以减少MU-mMIMO系统中所需的大的在线CSI开销。然后,在AB-HP的基带(BB)预编码器中采用减小尺寸的在线CSI。仿真在28 GHz的室内场景中进行,并在具有16 × 16 =256个天线和22个RF链的均匀矩形阵列(URA)的AB-HP MU-mMIMO系统中进行测试。说明性的结果表明,91.4%的在线CSI可以减少通过使用所提出的离线信道估计技术相比,传统的在线信道探测。所提出的基于DNN的路径估计技术产生相同量的UT级CSI,与计算上昂贵的光线追踪相比,运行时间减少了65.8%。
2022-01-29 cs.IT eess.SP math.IT
Leveraging Self-Supervised Learning for MIMO-OFDM Channel Representation and Generation
针对6G基于地理位置的MIMO传输需求,提出结合自监督对比学习与条件扩散模型的信道表征生成框架,可仅依靠地理位置生成信道并计算预编码矩阵,经公开数据集验证有效提升了传输性能。
2024-05-24 cs.IT eess.SP math.IT
Low-Complexity Channel Estimation Framework for Non-Square UPA-Assisted XL-MIMO Systems
East China Normal University(华东师范大学);Imperial College London(伦敦帝国理工学院);Southeast University(东南大学);Nanjing University of Information Science and Technology(南京信息工程大学);University of Macau(澳门大学)
针对非方形UPA辅助的XL-MIMO系统在混合场环境中面临的信道估计难题,提出低复杂度框架。通过天线域和相关域外推方案及算法解耦参数,突破分辨率限制,验证了该框架能有效提升信道估计性能。
2026-10-15 cs.IT eess.SP math.IT
Improving Triplet-Based Channel Charting on Distributed Massive MIMO Measurements
信道制图的目的是从由多天线无线系统获取的高维CSI中学习无线电环境的虚拟地图。由于在静态环境中,CSI是发射机位置的函数,因此可以使用降维技术以自监督方式学习从CSI到信道图坐标的映射。最先进的基于三重态的方法在分布式大规模多输入多输出信道探测器测量的多个数据集上进行评估,具有协同定位和分布式天线设置。合适的三重选择的重要性进行了研究,通过比较结果的通道图从一个天才辅助三重生成器,并通过测量数据的模拟轨迹上的三重学习。最后,探讨了学习的前向制图功能到类似但不同的无线电环境的可转移性。
2022-06-20 cs.IT eess.SP math.IT
FCFGS-CV-Based Channel Estimation for Wideband MmWave Massive MIMO Systems with Low-Resolution ADCs
针对宽带毫米波(mmWave)大规模多输入多输出(MIMO)系统,提出了一种基于前向贪婪选择-交叉验证(FCFGS-CV-based)的信道估计器。利用毫米波虚拟信道在角度域和延迟域中的稀疏性,将最大后验(MAP)信道估计问题转换为具有凹目标函数和稀疏性约束的优化问题。FCFGS算法是一种广义正交匹配追踪(OMP)算法,用于求解稀疏约束优化问题。此外,CV技术被用来确定适当的终止条件,通过检测过拟合时,稀疏水平是未知的。
2019-08-01 cs.IT eess.SP math.IT
Using a Drone Sounder to Measure Channels for Cell-Free Massive MIMO Systems
传播信道的测量形成所有实际系统性能评估的基础,作为统计信道模型的基础或验证射线跟踪。这对于现实环境中的无小区大规模多输入多输出(CF-mMIMO)系统的分析也是如此。然而,由于在CF-mMIMO系统预期覆盖的广域上部署数十或数百个信道探测器节点的复杂性和成本,特别是当要探索不同的天线配置和数量时,难以获得这样的实验数据。在本文中,我们提供了一种新的方法来测量信道CF-mMIMO系统使用的信道探测器基于无人机,也被称为小型无人机(UAV)。这种方法高效、灵活、简单且成本低,可在几分钟内从数千个不同的接入点(AP)位置捕获信道数据。此外,我们还提供了分析AP部署策略的3.5 GHz测量结果样本,并将数据开源,以便用于其他各种研究。
2022-05-06 cs.SY eess.SP eess.SY
Deep Learning for Beamspace Channel Estimation in Millimeter-Wave Massive MIMO Systems
毫米波大规模多输入多输出(MIMO)可以使用透镜天线阵列来显著减少射频(RF)链的数量,但是由于RF链的数量远小于天线的数量,因此信道估计具有挑战性。通过利用波束空间信道的稀疏性,波束空间信道估计可以被公式化为稀疏信号恢复问题,该问题可以通过称为近似消息传递(AMP)的经典迭代算法来解决,并且其相应版本的学习AMP(LAMP)由深度神经网络(DNN)实现。然而,这些现有的方案不能达到令人满意的估计精度。为了提高信道估计的性能,本文提出了一种基于先验辅助高斯混合LAMP(GM-LAMP)的波束域信道估计方法。具体地说,基于先验信息,波束空间信道元素可以建模的高斯混合分布,我们首先推导出一个新的收缩函数来完善AMP算法。然后,通过使用高斯混合收缩函数代替LAMP网络中的原始收缩函数,开发了一种先验辅助的GM-LAMP网络,以更准确地估计波束空间信道。利用理论信道模型和基于光线跟踪的信道数据集进行仿真,结果表明,所提出的GM-LAMP网络具有更高的信道估计精度。
2020-10-23 cs.IT eess.SP math.IT
Joint Channel Estimation and Data Detection in Cell-Free Massive MU-MIMO Systems
针对密集无小区的大规模多用户(MU)多输入多输出(MIMO)系统,提出了一种联合信道估计和数据检测(JED)算法,降低了由于存在数百个同时发送的用户设备(UE)而引起的信道训练开销.我们的算法迭代地解决了一个宽松的版本的最大后验JED问题,同时利用无小区的大规模MU-MIMO信道的稀疏性以及QAM星座的有界性。为了提高算法的性能和收敛性,我们提出了置换接入点和UE索引以形成所谓的虚拟小区的方法,这导致更好的初始解。我们评估我们的算法在均方根符号误差,出错率,和互信息方面的性能,我们证明,JED显着降低了导频开销相比,正交训练,这使得可靠的通信短数据包到大量的UE。
2021-10-29 cs.IT eess.SP math.IT