The Z3RO Family of Precoders Cancelling Nonlinear Power Amplification Distortion in Large Array Systems
大型阵列系统使用大量的天线单元和巧妙的预编码器设计来实现用户位置处的阵列增益。这些预编码器需要线性前端,更具体地说是线性功率放大器(PA),以避免失真。这降低了能量效率,因为PA在接近饱和时最有效,在饱和时它们产生最多的非线性失真。此外,传统预编码器的使用可能在用户位置处引起失真的相干组合,从而降低信号质量。在这项工作中,新的线性预编码器,简单的计算和实施,提出了允许工作接近饱和,同时取消的三阶非线性的PA没有先验知识的信号统计和PA模型。它们的设计包括有意地使单个或几个天线饱和,以及相对于所有其它天线的负增益,以补偿用户位置处的总体非线性失真。与最大比传输(MRT)预编码和完美的每天线数字预失真(DPD)补偿相比,设计的性能增益对于接近饱和工作的PA是显著的。
2022-06-10 eess.SP
Optimal Distortion-Aware Multi-User Power Allocation for Massive MIMO Networks
本文提出了一种针对大规模MIMO网络中PA失真问题的最优功率分配策略,通过非凸优化分解和交替优化算法,显著提升了系统总速率性能。
2025-09-08 eess.SP
Nonlinear Sparse Bayesian Learning Methods with Application to Massive MIMO Channel Estimation with Hardware Impairments
Centre for Wireless Communications, University of Oulu(奥卢大学无线通信中心)
本文提出非线性稀疏贝叶斯学习方法,用于大规模MIMO信道估计中的硬件损伤建模,通过高斯过程回归提升估计精度与计算效率。
2026-02-19 eess.SP
Self-Supervised Learning of Linear Precoders under Non-Linear PA Distortion for Energy-Efficient Massive MIMO Systems
KU Leuven(鲁汶大学);Centre Tecnologic Telecomunicacions Catalunya(加泰罗尼亚电信技术中心)
大规模多输入多输出(MIMO)系统通常是在线性功率放大器(PA)的假设下设计的。然而,PA在接近其饱和点时通常是最节能的,在该饱和点处它们会导致非线性失真。此外,当使用常规预编码器时,该失真在用户位置处相干地组合,从而限制性能。因此,在设计节能的大规模MIMO系统时,必须管理这种失真。在这项工作中,我们提出了使用一个神经网络(NN)来学习信道矩阵和预编码矩阵之间的映射,这最大化的总和率在这种非线性失真的存在。这是针对单用户和多用户情况的三阶多项式PA模型完成的。通过学习该映射,在饱和状态下,与传统预编码器相比,甚至与完美数字预失真(DPD)相比,实现了能量效率的显著增加。
2022-10-13 cs.LG eess.SP
Deep Reinforcement Learning for Hybrid RIS Assisted MIMO Communications
Centre for Wireless Communications, University of Oulu(奥卢大学无线通信中心)
本文提出基于深度强化学习的框架,用于优化混合RIS辅助MIMO通信中的波束成形与RIS配置,以提高频谱效率,同时降低计算复杂度。
2026-04-10 eess.SP
Model Aided Deep Learning Based MIMO OFDM Receiver With Nonlinear Power Amplifiers
多输入多输出正交频分复用(MIMO OFDM)是移动通信系统的关键技术。然而,由于高峰均功率比(PAPR)的问题,OFDM符号可能遭受发射机处的功率放大器(PA)的非线性失真,这降低了接收机的信道估计和检测性能。为了减轻接收机端的削波失真,我们利用深度学习(DL)并设计了一种基于DL的接收机,该接收机由传统的最小二乘(LS)信道估计和迫零(ZF)均衡模型辅助。此外,提出了一种无需显式信道估计的数据驱动的基于DL的接收机,并将其与模型辅助的基于DL的接收机相结合,以进一步提高性能。仿真结果表明,所提出的模型辅助的基于DL的接收机具有优越的性能的误比特率,并具有不同程度的限幅失真的鲁棒性。
2021-05-30 eess.SP
Hybrid Precoding for mmWave Massive MIMO with One-Bit DAC
混合波束成形是实现配备大量天线的节能5G无线网络的关键。低分辨率数据转换器为最先进的5G收发器的能效带来了另一种自由度。在这项工作中,我们考虑了毫米波(mmWave)频谱中的大规模多输入多输出(MIMO)信道的混合预编码器的设计以及一位数模转换器(DAC)和有限量化移相器。特别是,我们提出了一种基于交替优化的预编码器设计,递归计算量化失真的协方差,并相应地更新预编码器。数值结果验证,可实现的速率提高迅速通过迭代,涉及更新的权重矩阵,量化的失真协方差,和相应的预编码器。
2019-09-18 eess.SP
Measurement-Based Validation of Z3RO Precoder to Prevent Nonlinear Amplifier Distortion in Massive MIMO Systems
在多输入多输出(MIMO)系统中,预编码允许基站在空间上将信号聚焦并复用到每个用户。然而,当使用诸如最大比传输(MRT)的传统预编码器时,由功率放大器非线性引入的失真在相同的空间方向上相干地组合。这会严重限制用户性能,而且会产生未经授权的带外(OOB)发射。为了克服这个问题,最近引入了零三阶失真(Z3 RO)预编码器。该预编码器将用户位置处的三阶失真约束为零。在这项工作中,Z3 RO预编码器的性能进行了验证,基于真实世界的信道测量数据。结果示出了UE位置处的失真功率的降低:在最差情况的单用户场景中平均失真降低6.03 dB,在-3 dB的回退率下在2用户情况中平均失真降低3.54 dB。
2022-09-16 cs.IT eess.SP math.IT
Sharp Analysis of RLS-based Digital Precoder with Limited PAPR in Massive MIMO
针对下行多用户大规模多输入多输出(MIMO)系统,研究了一类限峰均功率比(PAPR)预编码器的性能。与传统的基于简单线性预编码器的预编码方法(如最大比传输(MRT)和正则化迫零(RZF))不同,本文的预编码器是通过求解凸优化问题得到的。具体而言,这些预编码器被设计为使得每个预编码符号条目的功率受到限制,并且每个天线处的PAPR是可调谐的。通过使用凸高斯最小-最大定理(CGMT),我们分析表征的经验分布的预编码矢量和失真和预期的符号矢量之间的联合经验分布。这使我们能够研究这些预编码器的性能方面的每天线功率,每用户失真功率,信号噪声和失真比(SINAD),和比特错误概率。我们表明,对于这一类的预编码器,有一个最佳的发射每天线功率,最大限度地提高系统的性能,在信纳系数和误码率。
2022-09-30 eess.SP
A Digital Predistortion Scheme Exploiting Degrees-of-Freedom for Massive MIMO Systems
无线发射机中非线性失真的主要来源是功率放大器(PA)。传统的数字预失真(DPD)方案使用高阶多项式来精确地近似和补偿PA的非线性。这对于在大规模多输入多输出(MIMO)系统中缩放到数十或数百个PA是不实际的。在大规模多输入多输出系统中,由于自由度(DoF)过多,存在多于一个的候选预编码矩阵,并且每个预编码矩阵需要不同的DPD多项式阶数来补偿PA非线性。本文提出了一种利用下一代前端的大量自由度实现的低阶DPD方法。我们提出了一种新的间接学习结构,通过级联自适应迫零预编码和DPD迭代地适应信道和PA失真。我们的解决方案使用3阶多项式来实现与针对100 × 10大规模多输入多输出配置使用11阶多项式的常规DPD相同的性能。实验结果表明,计算复杂度降低了70%,实现了超低延迟通信。
2018-01-18 eess.SP
Out-of-Band Distortion in Massive MIMO: What to expect under realistic conditions?
大规模多输入多输出(MIMO)为未来网络提供了卓越的容量。在寻求这些大型基于阵列的传输系统的能量有效实现的过程中,功率放大器(PA)的功耗是主要瓶颈。本文研究了是否有可能在其有效的非线性区域中操作PA,因为带外(OOB)失真可能无法获得与带内(IB)信号相同的阵列增益。我们提出了一个框架来模拟现实条件下的效果,利用精确的光线跟踪模拟器(RTS)。结果表明,通常假设的i.i.d.瑞利衰落信道模型的结果过于乐观的预测,也在非视线(NLoS)多径场景,关于OOB发射的空间分布。鉴于当前的监管限制,我们进一步评论了其后果。
2021-11-29 cs.IT eess.SP math.IT
Sequential HW-Aware Precoding: Over-the-air cancellation of HWI in Downlink Cell-Free Massive MIMO with Serial Fronthaul
针对下行无蜂窝大规模MIMO网络硬件损伤抑制与计算可扩展性问题,提出序列硬件感知预编码方法,通过串行前传AP间依次交换失真信息实现空对消,在高失真场景下显著提升频谱效率且计算复杂度更低。
2025-03-21 eess.SP
Analytical Nonlinear Distortion Characterization for Frequency-Selective Massive MIMO Channels
本文针对频率选择性大规模MIMO信道,推导了非线性失真功率的闭式表达式,揭示了多径分量数量和时延扩展对带内与带外失真的影响规律,并通过仿真验证了分析结果。
2023-10-30 cs.IT eess.SP math.IT
Deep Learning-Aided OFDM-Based Generalized Optical Quadrature Spatial Modulation
提出了一种基于正交频分复用(OFDM)的广义光正交空间调制(GOQSM)技术,用于多输入多输出光无线通信(MIMO-OWC)系统。考虑到应用基于最大似然和最大比合并(ML-MRC)的检测时的误差传播和噪声放大效应,我们进一步提出了一种基于OFDM的GOQSM系统的深度神经网络(DNN)辅助检测。提出的DNN辅助检测方案以联合方式执行GOQSM检测,可以有效地消除误差传播和噪声放大的不利影响。所获得的仿真结果成功验证了深度学习辅助的基于OFDM的GOQSM技术在高速MIMO-OWC系统中的优越性。
2021-06-24 eess.SP
Analysis of Oversampling in Uplink Massive MIMO-OFDM with Low-Resolution ADCs
本文分析低分辨率ADC上行大规模MIMO-OFDM系统中过采样的性能,推导可达和速率闭式表达式,证明过采样可减轻量化失真、提升和速率,并在高SNR和高OSR下达到未量化系统性能。
2024-11-09 eess.SP
Impact of Phase Noise and Power Amplifier Non-Linearities on Downlink Cell-Free Massive MIMO-OFDM Systems
本文针对低成本接入点带来的硬件损伤问题,分析了含相位噪声与功放非线性的无蜂窝大规模MIMO-OFDM下行系统频谱效率,推导表达式并仿真发现相位噪声影响更显著,为失真感知预编码设计提供依据。
2025-07-29 eess.SP
Distortion-Aware Linear Precoding for Massive MIMO Downlink Systems with Nonlinear Power Amplifiers
我们介绍了一个大规模的多输入多输出下行链路系统中存在的非线性功率放大器(PA)的线性预编码器的设计框架。通过研究失真的空间特性,我们证明了传统的线性预编码技术引导非线性失真对用户。我们表明,通过考虑PA的非线性,可以设计线性预编码器,减少,在单用户的情况下,甚至完全消除在用户的方向传输的失真。然而,这是以降低阵列增益为代价实现的。为了解决这个问题,我们提出了预编码器的优化算法,同时考虑到阵列增益,失真,多用户干扰和接收机噪声的影响。具体来说,我们推导出可实现的总和速率的表达式,并提出了一种迭代算法,试图找到最大化这个表达式的预编码矩阵。此外,使用PA功耗的模型,我们提出了一种算法,试图找到的预编码矩阵,最大限度地减少消耗的功率为一个给定的最小可实现的总和速率。我们的数值结果表明,所提出的失真感知预编码技术提供了显着的改善,在频谱和能源效率相比,传统的线性预编码器。
2021-11-14 cs.IT eess.SP math.IT
Digital Predistortion for Multiuser Hybrid MIMO at mmWaves
在基于多用户混合预编码的宽带毫米波系统中,如何有效抑制功率放大器(PA)的非线性失真是一个开放性的研究课题。在本文中,我们首先进行详细的信号和失真建模的宽带多用户混合MIMO系统中,在每个子阵列中的一个银行的非线性PA,同时也考虑到不可避免的天线/PA分支之间的串扰。在推导出的模型的基础上,我们提出了一种高效的闭环(CL)数字预失真(DPD)解决方案,尽管存在串扰,但每个发射链或子阵列仅需要一个单输入DPD单元,与最先进的多维DPD解决方案相比,提供了显着的复杂性优势。我们表明,在空间相关的多径传播下,每个DPD单元可以向每个预期用户提供线性化,或者更一般地,向发生相干传播的所有空间方向提供线性化,并且所提出的CL DPD系统对串扰是鲁棒的。提供了基于实际测量的毫米波PA模型的大量数值结果,证明并验证了所提出的DPD系统在不同评估场景中的出色线性化性能。
2020-05-18 eess.SP
LiQuiD-MIMO Radar: Distributed MIMO Radar with Low-Bit Quantization
分布式MIMO雷达通过采用间隔很大的天线实现了优越的检测性能。然而,由于接收机和融合中心的复杂操作,实现低复杂度的分布式MIMO雷达具有挑战性。提出了一种低比特量化分布式MIMO(LiQuiD-MIMO)雷达,以显著降低信号捕获和数据传输的负担。在LiQuiD-MIMO雷达中,广泛分离的接收机被限制为与低分辨率ADC一起操作,并将低比特量化数据传送到融合中心。在融合中心,通过数字处理明确补偿所引起的量化失真。通过利用我们的问题的固有结构,一个量化版本的鲁棒主成分分析(RPCA)问题,制定同时恢复低秩目标信息矩阵以及稀疏的数据传输错误。然后利用最小二乘法从恢复的目标信息矩阵中估计出目标的位置和速度。数值实验表明,采用该算法配置的LiQuiD-MIMO雷达能够实现目标参数的精确估计。
2023-02-16 eess.SP
Comprehensive Analysis of Behavioral Hardware Impairments in Cell-Free Massive MIMO-OFDM Uplink: Centralized Operation
本文首次综合分析宽带无蜂窝大规模MIMO-OFDM上行链路中多种硬件损伤对频谱效率的影响,借助Bussgang分解推导感知失真的合并向量以优化频谱效率。
2025-07-29 cs.IT eess.SP math.IT
RLS Precoding for Massive MIMO Systems with Nonlinear Front-End
为了保持大规模多输入多输出系统的成本效益,采用具有相当小的输出动态范围的功率放大器。它们可能使发射信号失真并降低性能。本文提出了一种失真感知的预编码方案,在现实的情况下,RF链具有非线性特性。该方案利用正则化最小二乘(RLS)的方法来联合补偿信道的影响和由RF链施加的失真。为了以较低的计算复杂度构造所设计的发射波形,提出了一种基于近似消息传递的迭代算法。该算法被证明可以紧密跟踪所提出的方案的可实现的平均信号失真,即使对于实际的系统尺寸。结果表明与现有技术相比有相当大的提高。
2019-05-13 cs.IT eess.SP math.IT
Energy-Efficient Power Control in Single-User M-MIMO-OFDM System with PA Nonlinearity
Institute of Communications Technology Technische Universität Braunschweig(不伦瑞克工业大学通信技术研究);Institute of Radiocommunications Poznan University of Technology(波兹南理工大学无线电通信研究所)
针对M-MIMO-OFDM系统中PA非线性问题,提出基于软限幅模型和SNDR闭式解的EE最大化求根算法,在低和高路径损耗下均实现超过100%的EE提升。
2025-10-10 eess.SP
Toward Energy-Efficient Massive MIMO: Graph Neural Network Precoding for Mitigating Non-Linear PA Distortion
KU Leuven(鲁汶大学)
提出一种 GNN 预编码器,在高阶非线性 PA 模型下最大化大规模 MIMO 和速率,通过将失真导向非用户方向显著提升速率、降低功耗与复杂度。
2023-12-05 cs.IT cs.LG eess.SP
Transformer-Based Nonlinear Transform Coding for Multi-Rate CSI Compression in MIMO-OFDM Systems
提出基于Transformer的非线性变换编码方法,将CSI视为复值图像进行压缩,实现低复杂度多速率反馈,仅用6%参数达到最优率失真性能。
2025-02-27 eess.SP
Channel Estimation in Massive MIMO under Hardware Non-Linearities: Bayesian Methods versus Deep Learning
研究了在实际莱斯衰落环境下,基站和用户设备的非线性硬件损伤对单小区大规模MIMO(multiple-input multiple-output)上行链路性能的联合影响。首先,Bussgang分解为基础的有效通道和失真特性的解析推导和频谱效率(SE)实现了几个接收器的三阶非线性进行了探讨。接着,设计并训练两个深度前馈神经网络来估计每个BS天线处的有效信道和失真方差,这用于信号检测。我们比较了所提出的方法的性能与国家的最先进的失真感知和不知道贝叶斯线性最小均方误差(LMMSE)估计。所提出的深度学习方法通过利用损伤特征来提高估计质量,而LMMSE方法将失真视为噪声。使用由在BS和UE处的非线性的一般阶数的导出的有效信道生成的数据,示出了基于深度学习的估计器也为大于三阶的非线性提供了有效信道的更好的估计。
2020-01-13 cs.IT eess.SP math.IT
On the Effects of Resistive and Reactive Loads on Signal Amplification
研究了无功负荷对放大的影响。采用简化的共发射极电路结构,分别得到了与时间无关和与时间相关的电压和电流方程。由于非线性,无法使用相量分析,电容器上的电压用相应的积分表示,这意味着采用数值方法。首先研究了纯阻性负载的影响,结果表明,晶体管等值线的扇形结构会严重扭曲放大,特别是对于小的$V_a$和大的$s$。发现总谐波失真不依赖于$V_a$,由$s$和负载电阻$R$确定。得到了电流增益与基极电流的关系式,结果表明,电流增益随$I_B$几乎完全线性地减小。值得注意的是,如果不超过最大功耗限制,则当$R=0$时,不会出现增益变化,因此可以获得完美的线性放大。容性负载意味着电路轨迹从直线分离为“椭圆”状回路。这意味着沿着该环路的上弧或下弧的增益不对称。通过使用随时间变化的电路方程,可以通过数值和解析近似来表明,至少对于所采用的电路和参数值,由容性负载引起的不对称性是不显著的。然而,容性负载将意味着输出电压和电流之间的滞后,从而意味着低通滤波。结果表明,较小的$V_a$和较大的$s$可以大大减少相位滞后,但代价是严重的失真。
2018-02-12 eess.SP
Mitigating SAR-ADC Non-Idealities in Massive MU-MIMO Systems via Affine Models
ETH Zurich(苏黎世联邦理工学院)
针对实际SAR-ADC非理想性被忽视的问题,提出两种仿射模型(基于Bussgang分解和最大化SDR),并设计低复杂度方法缓解其在 massive MU-MIMO 系统中的影响。
2026-06-12 eess.SP
Modular CSI Quantization for FDD Massive MIMO Communication
我们考虑在频分双工(FDD)系统中的高维MIMO传输。对于预编码,频率选择性信道必须由用户测量、量化并反馈到基站。当天线的数量非常高时,这通常导致过高的量化复杂度和大的反馈。在5G新无线电(NR)中,已经为此应用了模块化量化方法,其中首先为整个频率选择性信道识别低维子空间,然后将子带信道线性映射到该子空间并量化。我们分析了如何在这样一个模块化的方案中的组件有助于整体量化失真。基于此分析,我们改进了模块化方法中的技术组件,并提出了正交归一化宽带预编码方案和顺序宽带预编码方法,这些方法比传统方法提供了相当大的增益。我们比较的性能开发的量化方案,现有技术通过模拟方面的投影失真,整体失真和频谱效率,在一个场景中与一个现实的空间信道模型。
2023-03-23 cs.IT eess.SP math.IT
A Comprehensive Performance Analysis for mm-Wave Massive MIMO Hybrid Beamforming under PA Nonlinearities
在本文中,我们开发了一个框架,以调查不同的混合波束形成架构的大规模多输入多输出(MIMO)系统的性能受损的功率放大器(PA)的非线性。数字预失真(DPD)设计中采用了基于反波束形成后反馈的间接学习结构,以补偿PA引起的非线性失真。此外,我们提出了一种新的模拟波束形成器设计的部分连接架构的基础上广义特征波束形成器(GEB)的方法。在文献中,非线性PA的带外(OOB)辐射和实现的信号干扰噪声比(SINR)的影响进行了研究。然而,这些研究仅限于全数字或部分连接的混合波束形成架构,同时在PA的基础上部署Bussgang分解,而不考虑性能分析中的阵列架构类型。在这项研究中,我们推导出一个解析的比特错误率(BER)的表达式的基础上的时空Bussgang分解的矩阵形式,和失配解码容量通过广义互信息(GMI)下PA非线性不同的混合Massive MIMO架构。分析结果表明,非线性失真对系统性能有很大影响,DPD可以在一定程度上减小非线性失真对系统性能的影响。最后通过数值计算验证了所得到的误码率解析表达式的正确性。
2021-02-26 cs.IT eess.SP math.IT
Semidefinite Relaxation-Based PAPR-Aware Precoding for Massive MIMO-OFDM Systems
大规模多输入多输出需要大量天线和相同数量的功率放大器(PA),每个天线一个。与能够提供高度线性PA的4G基站相反,下一代基站将需要使用具有有限线性放大区域的廉价PA。研究的挑战之一是有效地处理具有高峰均功率比(PAPR)的信号,例如正交频分复用(OFDM)。本文介绍了一种PAPR感知的预编码方案,利用大规模多输入多输出(MIMO)天线系统的空间自由度过多。这通常需要找到非凸优化问题的解。而不是放松的问题,以最大限度地减少峰值功率,我们介绍了一个实用的半定松弛(SDR)的框架,使准确和有效地近似理论PAPR感知的预编码性能基于OFDM的大规模多输入多输出系统。该框架允许将信道不确定性和小区间协调。数值结果表明,几个数量级的改善,可以实现w.r.t.现有技术,例如瞬时功耗降低和多用户干扰消除。所提出的PAPR感知预编码可以与多小区信号处理一起由下一代无线电接入网络的集中式基带处理平台有效地处理。性能可以用来换取其他平台的计算效率
2018-10-02 eess.SP
RCNet: Incorporating Structural Information into Deep RNN for MIMO-OFDM Symbol Detection with Limited Training
Virginia Tech(弗吉尼亚理工大学);Samsung Research America(三星美国研究院)
在本文中,我们研究了基于学习的MIMO-OFDM符号检测策略,重点是一个特殊的递归神经网络(RNN)-水库计算(RC)。我们首先引入时频RC,以利用OFDM信号中固有的结构信息。利用时域RC和时频RC作为构建块,我们提供了两个扩展的浅RC到RCNet:1)堆叠多个时域RC; 2)堆叠多个时频RC到一个深层结构。RNN动态、MIMO-OFDM信号的时频结构和深度网络的结合使RCNet能够处理MIMO-OFDM信号的干扰和非线性失真,从而优于现有方法。与大多数现有的基于NN的检测策略不同,RCNet即使在有限的训练集(即与标准的基于模型的方法相似的参考信号/训练量)下也能提供良好的泛化性能。数值实验表明,引入的RCNet通过补偿MIMO-OFDM信号的非线性失真(如发射端功率放大器压缩或接收端有限的量化分辨率),可以提供比浅RC结构更快的学习收敛速度和高达20%的误比特率增益.
2020-03-15 cs.LG eess.SP
Uplink Transmit Power Optimization for Distributed Massive MIMO Systems with 1-Bit ADCs
针对分布式大规模MIMO系统,本文联合优化UE发射功率与RRH抖动电平,以提升1比特ADC下的上行性能,并比较了BMMSE与BMRC接收机的权衡。
2024-07-22 eess.SP
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
Distributed Two-Phase Processing for Modular XL-MIMO with Wireless Fronthaul under Hardware Impairments
Bilkent University(比尔肯特大学)
针对硬件损伤下采用放大转发无线前传的模块化超大规模MIMO系统,提出基于加权最小均方误差的联合优化算法,通过调整用户发射功率和前传放大系数最大化上行频谱效率。
2026-05-22 cs.IT eess.SP math.IT
Joint Sequential Fronthaul Quantization and Hardware Complexity Reduction in Uplink Cell-Free Massive MIMO Networks
针对上行无蜂窝大规模MIMO前传量化失真与基带处理复杂度问题,本文提出在菊花链前传中对AP接收信号进行AP间和AP内去相关后再量化,以更高效利用量化比特并改善BER和NMSE。
2024-05-02 eess.SP
The Bussgang Decomposition of Non-Linear Systems: Basic Theory and MIMO Extensions
出现在各种信号处理应用中的许多系统是非线性的,例如,由于诸如非线性放大器和有限分辨率量化之类的硬件损害。Bussgang分解是一种流行的工具,用于分析涉及此类非线性组件的系统的性能。简而言之,分解提供了非线性的输出和输入之间的精确概率关系:输出等于输入的缩放版本加上不相关的失真。分解可以用于计算精确的性能结果或下限,其中不相关的失真被视为独立的噪声。本课堂讲稿解释了基本理论,提供了关键的例子,将理论扩展到复值矢量信号,并澄清了一些潜在的误解。
2020-05-04 cs.IT eess.SP math.IT
Joint Quantized Precoding and Bit Allocation for Fronthaul-Constrained Cell-Free Massive MIMO
Bilkent University(比尔肯特大学)
针对前传受限的无小区大规模MIMO下行链路,提出基于Bussgang分解的量化感知联合预编码与比特分配算法,在功率和比特约束下迭代优化,显著优于传统方案。
2026-09-23 cs.IT eess.SP math.IT
Joint Impact of ADC and Fronthaul Quantization in Cell-Free Massive MIMO-OFDM Uplink
Bilkent University(比尔肯特大学);KTH Royal Institute of Technology(皇家理工学院)
本文研究了大规模MIMO-OFDM上行链路中ADC和前haul量化的联合影响,提出了一种前haul策略以减少量化伪影,通过高效算法重建未量化的信号以提升传输效率。
2026-01-10 cs.IT eess.SP math.IT
Exceeding the Nonlinear Shannon-Limit in Coherent Optical Communications by MIMO Machine Learning
非线性香农容量极限是限制光通信系统最大传输速率的根本障碍。在长距离高带宽光网络中,这种限制主要归因于确定性克尔引起的光纤非线性以及来自级联光放大器的放大自发辐射噪声与光纤非线性的相互作用:随机参量噪声放大。与早期仅补偿确定性非线性的不切实际的方法不同,在这里,我们展示了一种具有多输入和输出(MIMO)的新型基于电子的深度神经网络,该网络可以解决相干光信号中确定性和随机非线性表现的相互作用。我们的演示表明,MIMO深度学习可以补偿非线性载波间串扰效应,即使在存在频率随机变化的情况下也是如此,这在迄今为止被认为是不可能的。我们的解决方案在不牺牲计算复杂性的情况下,显著优于传统的机器学习和黄金标准非线性均衡器,从而为高达40 Gbit/sec的高频谱效率光信号带来创纪录的传输性能。
2019-04-18 eess.SP physics.optics
Performance Limits of Hardware-Constrained THz Inter-Satellite MIMO-ISAC Systems
University of Cambridge(剑桥大学)
本文研究了硬件受限太赫兹 inter-satellite MIMO-ISAC 系统的性能极限,通过分析硬件失真对容量的影响,提出了统一的链路预算框架,并推导出残余相位噪声和动态状态估计误差的缩放定律,揭示了系统在不同阵列规模下的性能表现和约束阈值。
2025-12-15 eess.SP
Linear and Deep Neural Network-based Receivers for Massive MIMO Systems with One-Bit ADCs
使用一位模数转换器(ADC)是降低大规模多输入多输出(MIMO)系统中的成本和功耗的实用解决方案。然而,1位ADC引起的失真使得数据检测任务更具挑战性。在本文中,我们提出了一个两阶段的检测方法,大规模多输入多输出系统与一位ADC。在第一阶段,我们提出了几个线性接收器的基础上的Bussgang分解,表现出显着的性能增益超过现有的线性接收器。接下来,我们重新制定的最大似然(ML)检测问题,以解决其非鲁棒性。基于重新定义的ML检测问题,我们提出了一种模型驱动的基于深度神经网络(DNN)的接收器,其性能与现有的基于支持向量机的接收器相当,尽管计算复杂度要低得多。然后,提出了一种最近邻搜索方法的第二阶段,以改善第一阶段的解决方案。与通常在大的候选集上执行搜索的现有搜索方法不同,所提出的搜索方法生成有限数量的最可能的候选,从而限制了搜索复杂度。数值结果证实了所提出的两阶段检测方法的低复杂度,效率和鲁棒性。
2020-09-01 eess.SP
Uplink Hardware Impairments in OFDM-Based Cell-Free Massive MIMO With Impaired Wireless Fronthaul
Bilkent University(比尔肯特大学)
本文研究OFDM无小区大规模MIMO在硬件损伤下的上行性能,提出统一分析框架推导闭式表达式,并采用失真感知合并与最大最小公平资源分配以缓解性能下降。
2026-09-23 cs.IT eess.SP math.IT
Channel Measurement for Holographic MIMO: Benefits and Challenges of Spatial Oversampling
本文对室内全息多输入多输出(MIMO)系统的信道进行了测量。通过实验首次证明了全息MIMO系统的空间过采样能够显著提高无线通信系统的容量。然而,天线效率是阻碍我们获得容量提高的最关键挑战。本文还针对全息MIMO系统提出了一种扩展的EM兼容信道模型,该模型能够考虑传播环境的非各向同性特性、天线方向图畸变、天线效率和极化特性。
2023-01-13 cs.IT eess.SP math.IT
Massive MIMO Hybrid Precoding for LEO Satellite Communications With Twin-Resolution Phase Shifters and Nonlinear Power Amplifiers
大规模多输入多输出(MIMO)传输技术最近在非对地静止(例如,低地球轨道(LEO)卫星通信(SATCOM)系统,因为它可以显着提高能量效率(EE)和频谱效率。在这项工作中,我们开发了一种混合模拟/数字预编码技术在大规模MIMO低轨卫星通信下行链路,这降低了板载硬件的复杂性和功耗。在所提出的方案中,模拟预编码器是通过一个更实际的双分辨率相移(TRPS)网络,使功耗和阵列增益之间的细致的权衡。此外,我们还考虑和研究了非线性功率放大器(NPA)的失真效应对系统设计的影响。通过综合考虑上述因素,我们提出了一种有效的算法方法,基于TRPS的混合预编码问题与NPA。数值结果表明,考虑到非线性失真的EE增益和性能的优越性,提出的TRPS基于混合预编码方案的基线。
2022-06-09 cs.IT eess.SP math.IT
Asymptotic Rate Analysis for Impairments-Aware Multi-Carrier FD Massive MIMO Relay Networks utilizing MRT/MRC Strategy
在本文中,我们分析了渐进速率的多载波(MC)全双工(FD)大规模多输入多输出(mMIMO)解码和转发(DF)中继系统,服务于多个MC单天线半双工(HD)节点。我们考虑到硬件失真的影响,导致残留的自干扰(SI)和载波间泄漏(ICL),以及不完善的信道状态信息(CSI)的影响。当天线数目变大(变为$\infty$)时,我们推导了采用最大比发射(MRT)/最大比合并(MRC)策略的系统的渐近速率表达式。值得注意的是,硬件失真的影响变得显着,在一个大规模的天线阵列制度。与多用户干扰和接收机噪声的影响相反,其随着中继天线的数目变为无穷大而消失,由硬件损伤引起的残余SI和ICL保留在MC系统中。
2020-11-16 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
Nonlinear Power Amplifier-Resilient Cell-Free Massive MIMO: A Joint Optimization Approach
本文提出了一种联合优化方法,用于解决无中心大规模MIMO系统中功率放大器引起的性能退化问题,通过用户关联和最大最小功率控制提升频谱效率。
2025-12-08 cs.IT eess.SP math.IT
Network-Controlled Repeaters Under Power Amplifier Non-linearities
Bilkent University(比尔肯特大学);KTH Royal Institute of Technology(瑞典皇家理工学院)
本文提出了一种考虑非线性失真的上行框架,用于重复器辅助的大规模MIMO系统,通过多项式模型和Bussgang分解提升频谱效率。
2026-04-15 cs.IT eess.SP math.IT
Quasi-Newton FDE in One-Bit Pseudo-Randomly Quantized Massive MIMO-OFDM Systems
针对一位伪随机量化大规模MIMO-OFDM系统,提出基于牛顿法的低复杂度准牛顿频域均衡方案,以减轻量化失真并支持高阶调制,性能优于基准检测器。
2023-12-23 cs.IT eess.SP math.IT
New equivalent model of quantizer with noisy input and its application for ADC resolution determination in an uplink MIMO receiver
当量化器输入信号是所需信号和输入白噪声之和时,量化误差是总输入信号的函数。我们的新等效模型将量化误差分为两个分量:非线性失真(NLD),它是输入信号(无噪声)的期望部分的函数,以及等效的输出白噪声。这种分离是重要的,因为这两个项不同地影响MIMO系统性能。本文介绍了我们的模型,并将其应用于确定最小的模数转换器(ADC)的分辨率,需要操作一个传统的MIMO接收机,可以忽略不计的性能下降。我们还提供了数值模拟来证实理论。我们的模型的广泛分支进一步证明了在两个同伴论文提出的低复杂性抑制的NLD所产生的ADC分辨率不足,和数字抖动,显着降低MIMO发射机数模转换器(DAC)的分辨率要求。
2019-04-17 cs.NI eess.SP
Achieving Distributed MIMO Performance with Repeater-Assisted Cellular Massive MIMO
本文提出中继器辅助的蜂窝大规模 MIMO,通过部署大量低成本小型无线中继器作为有源散射体,以较低代价逼近分布式 MIMO 性能。
2025-01-07 cs.IT eess.SP math.IT
Cell-Free Massive MIMO with Hardware-Impaired Wireless Fronthaul
Bilkent University(比尔肯特大学);KTH Royal Institute of Technology(皇家理工学院)
本文提出了一种针对无源大规模MIMO的新型放大转发无线前传方案,通过联合建模硬件缺陷并优化线性组合器,提升频谱效率和系统性能。
2026-02-07 cs.IT eess.SP math.IT
Rate Splitting for Massive MIMO Multi-carrier system using Full Duplex Decode and Forward Relay with Hardware Impairments
在本文中,我们解决的解码和转发(DF)中继系统的功率分配问题,其中一个大规模的多输入多输出(mMIMO)多载波(MC)基站(BS)节点与MC单天线节点直接通信,也通过单天线全双工(FD)MC中继,使用速率分裂(RS)的方法。在目的地采用连续干扰消除方法。我们考虑正交频分复用(OFDM)作为我们的MC策略。我们考虑到硬件失真的影响,导致残留的自干扰和载波间泄漏(ICL),也不完善的信道状态信息(CSI)。我们制定了一个联合的子载波和功率分配问题,以最大限度地提高总的总和率。提出了一种迭代优化方法,该方法遵循逐次内逼近(SIA)框架,以达到满足Karush-Kuhn-Tucker(KKT)条件的收敛点。数值结果表明,这种系统的失真意识的设计的意义,以及显着的增益和速率相比,其半双工(HD)和非速率分裂计划。
2019-07-31 cs.IT cs.SY eess.SP
Hermite Expansion Model and LMMSE Analysis for Low-Resolution Quantized MIMO Detection
本文利用Hermite多项式研究了窄带多天线信号接收的线性逼近模型(即,MIMO)与低分辨率量化。这项研究的结果在一个新的线性近似使用二阶厄米展开(SOHE)。SOHE模型不是基于现有线性近似中经常使用的那些假设。相反,量化失真由二阶Hermite核表征,并且信号项由一阶Hermite核表征。结果表明,SOHE模型可以解释几乎所有的现象和特点,迄今观察到的低分辨率MIMO信号接收。当SOHE模型被用来分析线性最小均方误差(LMMSE)信道均衡器,它揭示了目前的LMMSE算法可以通过纳入一个符号级归一化机制来增强。通过对窄带MIMO系统在瑞利衰落信道下的计算机模拟,验证了增强型LMMSE算法的性能。
2021-09-11 cs.IT eess.SP math.IT