Precoding and Spatial Modulation in the Downlink of MU-MIMO Systems
本文研究了多用户MIMO系统的下行链路通信，其中基站天线和用户的接收天线都是活动的，但是在每次发送时，基站只选择接收天线的一个子集来接收信息符号，并且所选择的特定子集（模式）代表了传递给用户的部分信息。在本文中，我们提出了一个系统的数学模型，并开发表达式，是相当普遍的，足以进行分析。基于这些表达式，我们提出了一个程序，以优化选择的ERB的天线方向图的集合中使用的传输到不同的用户，旨在最大化的检测信噪比。性能结果，有和没有优化过程，提出了不同的情况下。
2018-03-19 eess.SP
QoS-Aware NOMA Design for Downlink Pinching-Antenna Systems
针对两用户下行NOMA场景，研究单介质波导上多激活捏合天线的QoS感知设计，通过联合优化天线位置和功率分配提出迭代算法，单天线场景推导闭式最优解，仿真证明系统性能优于传统固定天线且算法高效。
2025-08-22 eess.SP
Downlink Single-Snapshot Localization and Mapping with a Single-Antenna Receiver
当基站（BS）和用户都配备有大型天线阵列时，5G毫米波MIMO系统能够使用单个快照准确估计用户位置和无线电环境的映射。然而，最初仅在BS侧预期大规模阵列，可能使用户具有一个或非常少的天线。在本文中，我们提出了一种新的方法，单快照定位和映射在更具有挑战性的情况下，用户配备了一个单天线接收器。联合最大似然（ML）估计问题制定和正式推导出其解决方案。为了避免在未知参数的空间上进行全维搜索的负担，我们提出了一种新的实用方法，该方法利用毫米波信道的稀疏性来计算近似的联合ML估计。一个彻底的分析，包括推导的Cramér-Rao下限，揭示了准确的定位和映射，也可以实现在MISO设置，即使在BS和用户之间的直接视线路径严重衰减。
2020-07-29 eess.SP
Impact of Receiver Antenna Polarization and Resource Scheduler on the Downlink Performance of High Velocity Users in 5G Millimeter Wave Small Cell Technology
本文针对5G毫米波小蜂窝中0–120 km/h高速用户，基于闭环空间复用评估接收机天线极化与基站调度器对下行性能的影响，发现合理选择极化可配合调度器维持更优性能，且线极化优于圆极化。
2021-09-11 eess.SP
Sum-Rate Maximization for Movable-Antenna Array Enhanced Downlink NOMA Systems
本文研究可移动天线阵列增强下行NOMA系统的资源分配问题，提出两阶段优化算法联合设计波束成形、天线位置、SIC解码顺序和解码指示矩阵，以最大化用户和速率，并验证其优于传统固定天线系统。
2025-07-21 eess.SP
Channel Estimation for Downlink Communications Based on Dynamic Metasurface Antennas
Federal University of Ceará（塞阿拉联邦大学）；Federal Institute of Education, Science and Technology of Ceará（塞阿拉联邦教育科学与技术学院）；University of California at Irvine（加州大学尔湾分校）
本文提出一种基于PARAFAC分解的简单信道估计方案，用于MISO-OFDM系统中的下行通信，通过迭代算法分离无线信道和波导传播向量，实现无需 pilot 信号的高效估计。
2026-03-14 eess.SP
Wideband THz Multi-User Downlink Communications with Leaky Wave Antennas
本文研究了漏波天线在宽带太赫兹多用户下行通信中的应用，提出交替优化算法联合优化天线配置、频谱划分与功率分配，最大化总速率，性能媲美全数字MIMO。
2025-04-06 eess.SP
Uplink and Downlink Communications in Segmented Waveguide-Enabled Pinching-Antenna Systems (SWANs)
本文提出分段波导赋能的捏合天线系统（SWAN），通过多段波导消除天线间辐射效应，建立物理一致的上行信号模型，并设计PA放置算法以最大化上下行SNR，实验证明其性能优于传统PASS。
2025-09-12 eess.SP
Downlink Performance Analysis of Pinching Antenna Systems: WDMA or NOMA?
State Key Laboratory of Novel Software Technology, Nanjing University（南京大学新型软件技术重点实验室）；Institute of Intelligent Networks and Communications (NINE), Collaborative Innovation Center of Novel Software Technology and Industrialization, and School of Intelligent Software and Engineering, Nanjing University (Suzhou Campus)（南京大学（苏州校区）智能软件工程学院、协同创新中心及智能网络与通信研究所）；School of Information and Communication Engineering, University of Electronic Science and Technology of China（电子科技大学信息与通信工程学院）
本文分析了针式天线系统下行性能，比较了WDMA与NOMA在不同信噪比下的性能，发现NOMA在高信噪比下更高效，而WDMA在低到中等信噪比下更可靠，但存在性能地板和速率饱和问题。
2026-07-02 eess.SP
Antenna Positioning and Beamforming Design for Fluid-Antenna Enabled Multi-user Downlink Communications
本文研究流体天线多用户MISO下行链路，通过联合优化天线位置与波束赋形矩阵最小化发射功率，并提出基于惩罚法和SCA的交替优化算法，验证其优于固定位置天线系统。
2024-01-14 cs.IT eess.SP math.IT
Joint Uplink-Downlink Capacity and Coverage Optimization via Site-Specific Learning of Antenna Settings
我们提出了一种新的框架，用于优化天线参数设置在异构蜂窝网络。我们制定了一个优化问题的覆盖范围和容量-在下行链路（DL）和上行链路（UL）-配置的倾斜角，垂直半功率波束宽度（HPBW），和水平HPBW的每个小区的天线阵列在整个网络。受贝叶斯优化（BO）和差分进化算法的启发，为这个非凸问题提出了一种新的数据驱动框架，该框架具有样本效率高、收敛速度快的特点，同时可扩展到大型网络。通过联合优化DL和UL性能，我们考虑了这两条链路的不同信号功率和干扰特性，从而在每一条链路的覆盖范围和容量之间实现适度的权衡。我们在AT&T实验室开发的最先进的5G NR蜂窝系统级模拟器上进行的实验表明，所提出的算法始终显著优于3GPP默认设置、随机搜索和传统BO。在一个现实的设置，并与传统的BO相比，我们的方法增加了超过60%的平均总和日志率，同时降低了超过80%的中断概率。与3GPP默认设置相比，我们的方法的增益要大得多。结果还表明，实际上重要的组合的DL吞吐量和UL覆盖可以大大提高联合UL-DL优化。
2022-10-27 eess.SP
Joint Localization and Synchronization in Downlink Distributed MIMO
本文研究下行分布式MIMO系统中单天线用户设备的联合定位与同步问题，提出顺序和同时两种AP传输协议及相干/非相干ML估计器，仿真证明同时传输P2在定位精度和时延上更优。
2025-04-14 eess.SP
NOMA Assisted Downlink Power Allocation in Pinching Antenna Systems Using Convolutional Neural Network
School of Physics, Engineering and Technology - University of York（约克大学物理、工程与技术学院）
本文提出基于CNN的PA系统NOMA下行功率分配方法，通过两阶段优化策略和非线性映射学习框架，实现近最优性能并降低计算复杂度。
2025-11-27 eess.SP
Downlink Pilots are Essential for Cell-Free Massive MIMO with Multi-Antenna Users
针对多天线用户场景下有效信道矩阵不硬化的问题，提出基于导频的下行链路估计方案并推导迫零合并的SE表达式，证明下行链路导频对提升无小区大规模MIMO系统SE的必要性。
2024-04-29 cs.IT eess.SP math.IT
On Optimal Strategies for Joint Reciprocity Calibration in Distributed MIMO
The University of Electro-Communications（电气通信大学）；Linköping University（林雪平大学）
本文研究互易校准误差对多用户大规模天线系统下行频谱效率的影响，通过全局与局部校准对比，证明在下行导频辅助下全局校准性能更优。
2026-06-15 eess.SP
Downlink Spectral Efficiency of Massive MIMO with Dual-Polarized Antennas
研究了基站和用户均采用双极化天线的单小区大规模MIMO（多输入多输出）系统下行链路。我们考虑一个信道模型，考虑到几个实际的方面，出现时，利用双极化，如信道交叉极化歧视（XPD）和交叉极化接收和发送相关性（XPC）。我们推导出该模型的最小均方误差（MMSE）信道估计的统计特性。使用这些估计的最大比预编码，一个严格的封闭形式的下行链路频谱效率（SE）的表达式。我们比较了在双极化和单极化设置中实现的SE，并评估了XPD对下行链路SE的影响。
2022-06-16 cs.IT eess.SP math.IT
Multi-Antenna Users in Cell-Free Massive MIMO: Stream Allocation and Necessity of Downlink Pilots
KTH Royal Institute of Technology（皇家理工学院）；Gyeongsang National University（庆尚国立大学）
本文研究了多天线用户在无中心大规模MIMO中的应用，提出了一种基于导频的下行链路估计方案，通过数值分析展示了下行链路导频对频谱效率的提升作用。
2025-12-29 cs.IT eess.SP math.IT
Downlink Transmission in FBMC-based Massive MIMO with Co-located and Distributed Antennas
本文提出一种用于FBMC大规模MIMO下行链路的两级预编码方法，包含分数间隔预滤波器和传统预编码器，在非理想CSI和互易性误差下分析性能，并针对无小区场景提出接入点选择方法，数值验证优于OFDM基准。
2023-11-17 eess.SP
Movable Antenna Empowered Downlink NOMA Systems: Power Allocation and Antenna Position Optimization
针对 MISO 下行 NOMA 中用户配备可移动天线的场景，提出联合优化功率分配与天线位置的 SCA-AO 方案，提升平均和速率并降低中断概率。
2024-08-08 cs.IT eess.SP math.IT
Downlink Beamforming with Pinching-Antenna Assisted MIMO Systems
本研究探讨了多用户MIMO下行传输中采用夹持天线系统（PAS）的混合波束成形问题，通过联合优化数字预编码器和夹持元件激活位置以最大化加权和速率，并开发了一种基于分数规划的低复杂度迭代算法，显著提升了系统吞吐量。
2025-02-03 cs.IT eess.SP math.IT
A Precoding Aided Space Domain Index Modulation Scheme for Downlink Multiuser MIMO Systems
本文提出了一种适用于多用户多输入多输出（MU-MIMO）系统下行链路的空间域索引调制（IM）方案。代替最常见的方法，其中空间比特选择活动的接收机天线，在所提出的方案中，空间信息被映射到发射机侧。这允许IM更好地利用通常更容易在基站处部署的大维度天线设置。为了减轻用户间干扰并允许单用户检测，在BS处采用预编码器。此外，提出了两种替代的增强信号构造方法，用于最小化发射功率或实现具有减少数量的RF链的实现。针对不同场景的仿真结果表明，所提出的方法可以是传统预编码MU-MIMO的一个有吸引力的替代方案。
2020-07-22 eess.SP
Deep Learning based Antenna Selection and CSI Extrapolation in Massive MIMO Systems
大规模多输入多输出（MIMO）系统的一个关键瓶颈是下行传输所带来的巨大训练开销，如信道估计、下行波束形成和协方差观测。在本文中，我们提出使用少量天线的信道状态信息（CSI）来外推其他天线的CSI，并减少训练开销。具体来说，我们设计了一个深度神经网络，我们称之为天线域外推网络（ADEN），它可以利用天线之间的相关函数。然后，我们提出了一种基于深度学习（DL）的天线选择网络（ASN），可以选择有限的天线来优化外推，这通常是一种组合优化类型，很难解决。我们巧妙地设计了一个约束退化算法来生成离散天线选择向量的可微近似，从而可以保证神经网络的反向传播。数值结果表明，该算法优于传统的全连接算法，并且通过自学习算法学习的天线选择方案比通常使用的均匀选择方案有更好的性能。
2021-01-18 eess.SP
Rate Maximization for Downlink Pinching-Antenna Systems
针对下行夹捏天线系统，本文通过联合优化天线位置最大化传输速率，提出低复杂度两阶段算法，性能接近穷举搜索并显著优于固定天线。
2025-02-18 cs.IT eess.SP math.IT
On the Performance of Dual-Antenna Repeater Assisted Bi-Static MIMO ISAC
Linköping University（林雪平大学）
本文研究双静态MIMO ISAC系统中中继辅助目标检测与下行数据传输的性能，提出考虑传感与通信权衡的框架，通过优化发射基站预编码实现更高检测概率与更低目标雷达截面方差。
2026-03-07 eess.SP
MIMO-PASS: Uplink and Downlink Transmission via MIMO Pinching-Antenna Systems
本文研究多用户MIMO场景下夹持天线系统（PASS）的上下行传输，提出联合优化数字预编码与夹持元件位置的混合波束成形及多用户检测算法，显著提升了系统吞吐量。
2025-03-05 cs.IT eess.SP math.IT
Frequency-domain digital predistortion for Massive MU-MIMO-OFDM Downlink
数字预失真（DPD）是一种常用的方法来补偿功率放大器（PA）的非线性效应。然而，大多数DPD算法的计算复杂度在大规模多用户（MU）多输入多输出（MIMO）正交频分复用（OFDM）的下行链路中成为问题，其中基站（BS）中可能多达几百个PA需要线性化。在本文中，我们提出了一种基于卷积神经网络（CNN）的DPD在频域中，发生在预编码之前，信号空间的维数取决于用户的数量，而不是BS天线的数量。对基于广义记忆多项式（GMP）的功率放大器的仿真结果表明，提出的基于CNN的DPD算法可以在实现相同误符号率（SER）的同时，以较小的功率增加为代价，随着BS天线数量的增加，可以节省非常大的复杂度。
2022-05-10 eess.SP
Coverage Analysis of Dynamic Coordinated Beamforming for LEO Satellite Downlink Networks
本文利用泊松点过程建模LEO卫星下行网络，推导动态协同波束成形的覆盖概率解析表达式，证明其覆盖增益与卫星天线数成正比，并揭示了最优簇大小随卫星密度增加而增大的规律。
2023-09-19 eess.SP
Majority Based TAS/MRC Scheme in Downlink NOMA Network with Channel Estimation Errors and Feedback Delay
非正交多址接入（NOMA）网络中的天线选择（AS）问题仍然是一个具有挑战性的问题，因为寻找最优的AS解决方案可能不适用于所有的信道实现，并且当它存在时具有相当的计算复杂度。出于这个原因，在本文中，我们开发了一个新的次优解决方案，多数基于发射天线选择（TAS-MAJ），具有显着降低计算复杂度。TAS-maj基本上选择具有多数的发射天线。与先前提出的次优AS算法，即max-max-max（A3）和max-min-max（AIA）相比，它更有效，因为这些方案仅对优化最强和最弱用户的性能感兴趣，分别以剩余用户的性能较差为代价。另一方面，TAS-maj方案为NOMA网络中超过一半的移动用户产生更好的性能。本文研究了一个多输入多输出通信系统，其中所有节点都配置有多天线。除了在基站处采用TAS-maj之外，还在每个移动用户处采用最大比合并（MRC）以实现优异的性能。在Nakagami-m衰落信道下，研究了NOMA网络中信道估计误差（CEE）和反馈时延（FD）对TAS-maj/MRC方案性能的影响。
2019-04-03 eess.SP
Multiuser Beamforming for Pinching-Antenna Systems: An Element-wise Optimization Framework
针对PASS上下行多用户和速率最大化问题，提出基带与pinching波束成形的低复杂度逐元素顺序优化框架，闭式推导多种线性方案并验证其性能优势。
2025-06-07 eess.SP
A Scalable Deep Learning Framework for Multi-rate CSI Feedback under Variable Antenna Ports
发射端的信道状态信息（CSI）对于大规模多输入多输出下行链路系统实现高频谱和能量效率至关重要。现有的工作已经通过减少用户反馈开销和提高恢复准确度来提供用于eNB/gNB处的CSI反馈和恢复的深度学习架构。然而，现有的DL架构往往是不灵活的和不可扩展的，因为模型通常是根据针对给定压缩比的预设数量的天线来训练的。在这项工作中，我们开发了一个灵活的和可扩展的学习框架的基础上分而治之的方法（DCA）。这种新的DCA架构可以灵活地适应不同数量的3GPP天线端口和动态水平的反馈压缩。重要的是，它还通过允许UE反馈分段的下行链路CSI来显著降低计算复杂度和存储器大小。我们进一步提出了一种多速率连续卷积编码器，具有少于1000个参数。测试结果表明，优越的性能，良好的可扩展性，室内和室外信道的复杂性低。
2022-04-20 eess.SP
MIMO Precoding Design with QoS and Per-Antenna Power Constraints
针对下行MU-MIMO系统，本文结合WMMSE框架与ADMM，在QoS和每天线功率约束下最大化加权和速率，并通过仿真验证算法有效性。
2023-06-04 eess.SP
Energy-Efficient Design for Downlink Pinching-Antenna Systems with QoS Guarantee
本文针对带QoS约束的下行TDMA多用户pinching天线系统，联合优化天线位置、功率与时间分配以最大化能效，通过分解迭代的半解析方法求解非凸问题，仿真验证其能效优于固定天线及基准方案。
2025-05-20 cs.IT eess.SP math.IT
A Post-coder Feedback Approach to Overcome Training Asymmetry in MIMO-TDD
时分双工（TDD）无线通信系统本质上是双向的，这有助于利用信道互易性来进行上行链路和下行链路两者的基于导频的信道估计。然而，对于上行链路和下行链路，特别是对于多输入多输出（MIMO）TDD系统，在信道估计复杂度方面存在严重的不对称。通常，具有更多天线的基站（BS）需要估计来自每个天线的更少参数，而在用户设备（UE）处的估计要求不成比例地更高。与UE不同，BS具有强大的硬件、计算资源和能量来准确地估计和跟踪信道简档。为了克服这种不对称性，我们提出了一种用于MIMO-TDD下行链路通信的解决方案，其中信道矩阵的后编码器部分在BS处被量化，并且经由低速率信道被传送到UE。使用渐近紧下界的下行链路可实现的速率，我们量化的性能所提出的方案。仿真结果表明，适度数量的量化比特足以实现接近链路容量的速率。我们进一步表明，当BS具有比UE多得多的天线时，可以通过适当的发送域预编码来补偿信道，而无需UE处的后编码器知识。
2020-07-22 eess.SP
Movable Antenna Enhanced Downlink Multi-User Integrated Sensing and Communication System
本文通过联合优化天线位置和波束成形，提出基于惩罚对偶分解的双循环算法，提升多用户下行ISAC系统的感知性能，并验证其在稀疏大孔径阵列中的优势。
2025-03-28 cs.IT eess.SP math.IT
Beamforming Design for Stem-Connected Microwave Linear Analog Computer (MiLAC)-Aided Multiuser MISO Downlinks
King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）；Imperial College London（帝国理工学院）
针对多用户MISO下行链路，研究茎连接微波线性模拟计算机（MiLAC）的波束赋形设计，证明其可实现复Stiefel流形上的所有波束赋形器，并在N≥2K-1时达到与全连接MiLAC相同的和速率，提出加权最小均方误差求解器与交替优化方法处理离散硬件约束。
2026-10-14 eess.SP
Deep Learning Enabled Optimization of Downlink Beamforming Under Per-Antenna Power Constraints: Algorithms and Experimental Demonstration
研究了多用户多输入单输出系统中基于深度学习的快速下行波束形成算法，其中基站的每个发射天线都有自己的功率约束。我们专注于信号干扰噪声比（SINR）平衡问题，这是准凸的，但没有有效的解决方案。我们首先设计了一个快速次梯度算法，可以达到接近最优的解决方案，降低复杂度。然后，我们提出了一个深度神经网络结构，以学习基于卷积网络和利用原始问题的对偶性的最佳波束成形。研究了两种不同精度的对偶变量学习策略，并利用次梯度算法恢复原解。我们还开发了一个泛化方法，使他们能够适应不同数量的用户和天线，而无需重新训练的算法。我们进行了密集的数值模拟和试验台实验，以评估所提出的算法的性能。仿真结果表明，在信道信息完备的情况下，该算法的性能接近最优解，在实验中优于理论上的最优解，比现有算法具有更好的性能-复杂度权衡。
2020-02-28 cs.IT eess.SP math.IT
Downlink Interference Analysis of UAV-based mmWave Fronthaul for Small Cell Networks
本文研究了一种基于无人机（UAV）的异构网络，以解决分布式小小区向核心网传输大流量的问题。首先，通过考虑真实天线方向图、UAV的振动、小小区基站（SBS）的随机分布以及UAV在3D空间中的位置来表征下行链路信道的详细三维（3D）模型。然后，针对两种类型的干扰：小区内干扰和小区间干扰，执行严格的干扰分析。干扰分析的结果，然后被用来推导所考虑的系统上的中断概率的上限。数值结果表明，理论分析与仿真结果吻合较好.结果表明，在无人机的波动的存在下，优化辐射方向图形状需要平衡增加方向图增益以减少干扰以及补偿毫米波频率处的大路径损耗与减少方向图增益以减轻无人机振动的不利影响之间的固有权衡。的分析推导，使任何条件下的最佳天线方向图的推导在很短的时间内，而不是使用耗时的广泛的模拟。
2022-08-11 eess.SP
User-to-User Interference Mitigation in Dynamic TDD MIMO Systems with Multi-Antenna Users
本文针对动态TDD MIMO系统中多天线用户间的干扰问题，提出基于导频估计和组合矩阵设计的UUI抑制方法，并验证其可显著提升严重干扰下的频谱效率。
2024-08-07 cs.IT eess.SP math.IT
Sum Rate Maximization for Movable Antenna-Aided Downlink RSMA Systems
针对传统固定位置天线限制 RSMA 空间分集的问题，提出可移动天线辅助的下行 RSMA 方案，通过联合优化天线位置、波束成形矩阵和公共速率分配最大化系统和速率，并开发两阶段粗到细粒度搜索算法求解，显著提升了系统性能与可靠性。
2024-11-14 cs.IT eess.SP math.IT
Interleaved Training for Massive MIMO Downlink via Exploring Spatial Correlation
本文利用信道空间相关性改进单用户大规模MIMO下行链路交织训练，通过优化波束码本和动态调整天线训练顺序缩短平均训练长度，并给出闭式表达式及DNN近似评估。
2024-01-16 cs.IT eess.SP math.IT
Deep Learning Based Antenna-time Domain Channel Extrapolation for Hybrid mmWave Massive MIMO
Xidian University（西安电子科技大学）；Science and Technology on Electronic Information Control Laboratory（电子信息控制重点实验室）；Memorial University（纪念大学）
在时变大规模多输入多输出（MIMO）系统中，由于下行链路训练和上行链路反馈的开销过高，在基站获取下行链路信道状态信息是一项非常具有挑战性的任务。在本文中，我们考虑在BS的混合预编码结构，并检查天线时域信道外推。我们设计了一个潜在的常微分方程（ODE）为基础的网络变分自动编码器（VAE）的框架下学习的映射函数，从部分上行链路的信道到完整的下行链路的BS侧。具体地说，编码器采用门控递归单元，解码器采用全连接神经网络。利用端到端的学习来优化网络参数。仿真结果表明，该网络可以有效地从部分上行链路信道中推断出完整的下行链路信道，从而显著降低了信道训练开销。
2021-08-09 cs.AI cs.IT eess.SP
Downlink Extrapolation for FDD Multiple Antenna Systems Through Neural Network Using Extracted Uplink Path Gains
当基站（BS）部署有多个天线时，它们需要具有下行链路（DL）信道状态信息（CSI）以通过波束成形来优化下行链路传输。DL CSI通常通过DL训练在移动站（MS）处被测量，并且在频分复用（FDD）中被反馈给BS。当信道由于MS的高速而快速改变时，DL训练和上行链路（UL）反馈可能由于不充分的相干时间间隔而变得不可行。在没有来自MS的反馈的情况下，即使在FDD中，BS也可以使用UL和DL信道的固有关系直接获得DL CSI，这被称为DL外推。尽管确切的关系将是高度非线性的，但是先前的研究已经表明，神经网络（NN）可以用于在BS处根据UL CSI来估计DL CSI。在这条研究线上的大多数先前的工作使用全维UL和DL信道训练NN;然而，NN训练复杂度随着BS处的天线数量的增加而变得严重。为了降低训练复杂度，提高下行信道状态信息估计质量，提出了一种简化神经网络输入输出的下行外推方法。通过许多测量活动表明，UL和DL信道仍然共享共同的分量，如FDD中的路径延迟和角度。所提出的技术首先从UL和DL信道中提取这些公共系数，并且仅使用路径增益来训练NN，路径增益取决于频带，与完整的UL和DL信道相比具有减少的维度。大量的仿真结果表明，所提出的技术优于传统的方法，它依赖于完整的UL和DL信道训练神经网络，而不管MS的速度。
2020-04-03 cs.IT eess.SP math.IT
Capacity Characterization of Pinching-Antenna Systems
本文研究多用户夹压天线系统（PASS）的容量区域，推导了单/多夹压场景下的上下行容量与速率区域，证明其容量优于传统固定天线系统，且多夹压下TDMA和FDMA可逼近容量极限。
2025-06-17 cs.IT eess.SP math.IT
Multi-user Downlink with Reconfigurable Intelligent Metasurface Antennas (RIMSA) Array
针对多用户下行链路，提出以可重构智能超表面天线（RIMSA）阵列作为收发天线，通过联合优化数字处理与相位响应最大化系统和速率，并开发交替优化算法，显著提升性能。
2025-06-23 cs.IT eess.SP math.IT
FDD Massive MIMO Without CSI Feedback
发射机信道状态信息（CSIT）对于大规模多输入多输出（MIMO）系统提供的频谱效率增益是必不可少的。在频分复用（FDD）大规模MIMO系统中，通常通过下行链路信道估计和用户反馈来获取CSIT，但是随着天线数量的增加，用于每个用户的CSI训练和反馈的开销增加，导致频谱效率的降低。在本文中，我们表明，在FDD中使用上行链路导频，下行链路和频谱效率增益与完美的下行链路CSIT是可以实现的，当在基站的天线数量是无限的一些温和的信道条件下。该方法的核心思想是利用上下行信道的几何互易性，提出了基于上行导频的均方误差最优下行信道重构方法。我们还提出了一个强大的下行链路预编码方法利用重建的信道与误差协方差矩阵。我们的系统级仿真结果表明，我们提出的预编码方法可以达到可比的总和频谱效率迫零预编码与完美的下行链路CSIT，没有CSI训练和反馈。
2023-02-09 cs.IT eess.SP math.IT
Deep Learning Based Antenna Selection for Channel Extrapolation in FDD Massive MIMO
Xidian University（西安电子科技大学）；Tsinghua University（清华大学）；Memorial University（纽芬兰纪念大学）
在大规模多输入多输出（MIMO）系统中，大量的天线对准确获取信道状态信息带来了巨大的挑战，特别是在频分双工模式下。为了克服混合波束形成中无线链路数量有限的瓶颈，我们利用神经网络（NN）来捕获上行链路和下行链路信道数据集之间的固有连接，并从上行链路信道状态信息的子集外推下行链路信道。我们研究了天线子集选择问题，以实现最佳的信道外推和减少数据量的神经网络。利用概率抽样理论将离散天线选择近似为连续可微函数，这使得深度学习的反向传播变得可行。然后，我们设计了适当的离线训练策略来优化天线选择模式和外推神经网络。最后，数值结果验证了我们提出的大规模多输入多输出信道外推算法的有效性。
2020-09-03 cs.AI eess.SP
Optimal Downlink Training Sequence for Massive MIMO Secret-Key Generation
该文在时分双工（TDD）大规模多输入多输出（MIMO）系统中，通过优化下行链路训练序列来最大化秘密密钥容量。考虑了单用户和多用户情况。与以前的工作不同，最优训练序列和相关的秘密密钥容量在单用户情况和大天线多用户情况下以封闭形式表征。还提出了考虑到对最大导频数目的约束的设计。在多用户的情况下，最大-最小和总和容量标准都被考虑，包括潜在的用户优先级。最后，它表明，大规模MIMO提高秘密密钥的能力，通过利用：i）空间维度增益和ii）阵列增益。此外，在大天线的情况下，与单用户的情况相比，在没有额外的导频开销的情况下获得多用户容量。
2021-04-14 cs.IT eess.SP math.IT
Resolving the Double Near-Far Problem via Wireless Powered Pinching-Antenna Networks
本研究提出无线赋能夹式天线网络（WPPAN），搭配三种降复杂度资源分配方法与凸优化求解，通过近用户天线资源有效缓解无线赋能网络的双远近问题，同时提升下行能量收集与上行数据传输性能。
2025-05-18 cs.IT eess.SP math.IT
Spectral efficiency for mmWave downlink with beam misalignment in urban macro scenario
针对城市宏小区场景下波束失配的毫米波下行链路，论文结合修正Shannon公式与多椭球传播模型，证明非视距时优化波束方向可提高频谱效率。
2025-03-16 cs.IT eess.SP math.IT
Performance Analysis of Fluid Antenna Multiple Access Assisted Wireless Powered Communication Network
本文分析流体天线多址接入辅助无线供能通信网络，针对多种端口选择策略推导上下行中断概率闭式解，为系统设计提供指导。
2025-09-26 cs.IT eess.SP math.IT
Rate-Splitting Multiple Access for Multi-antenna Downlink Communication Systems: Spectral and Energy Efficiency Tradeoff
速率分裂（RS）最近被认为是用于多天线广播信道（BC）的有前途的物理层技术。由于其部分解码干扰并部分将剩余干扰视为噪声的能力，RS是强大的多址接入（即速率分割多址接入（RSMA））的使能器，已经显示出比空分多址（SDMA）和非正交多址（NOMA）两者实现更高的频谱效率（SE）和能量效率（EE）广泛的用户部署和网络负载。由于SE最大化和EE最大化是两个相互冲突的目标，这两个标准之间的权衡研究是特别感兴趣的。在这项工作中，我们通过研究多输入单输出（MISO）BC中RSMA的联合SE和EE最大化问题来解决SE-EE权衡，其中发射机处的电路功耗与速率相关。为了解决多目标函数和速率依赖的电路功耗带来的挑战，我们首先提出了两种方法将原问题转化为一个单目标问题，即加权和方法和加权功率方法。然后，提出了一种基于连续凸近似（SCA）的算法，以联合优化变换后的问题的预编码器和RS消息分裂。数值结果表明，我们的算法收敛速度比现有的算法。此外，RS的性能优于或等于非RS策略的SE和EE及其权衡。
2021-01-27 cs.IT eess.SP math.IT
Cooperative Energy Efficient Power Allocation Algorithm for downlink massive MIMO
研究了蜂窝网络中发射端采用大规模多输入多输出（MIMO）系统时的功率分配问题。由于电路功耗随发射端天线和用户数量的增加而增加，因此为了分析网络性能，选择了考虑电路功耗的能量效率目标函数。考虑了在最大发射功率和服务质量（QoS）约束下的能量效率优化问题。为了解决用户与基站协作下的功率分配问题，提出了一种能量有效的功率分配算法。数值结果表明了算法的收敛性，并给出了合适的发射天线数和用户数。最后，对中试污染的影响进行了评估，结果表明，中试污染的能量利用率明显下降。
2018-12-31 cs.IT eess.SP math.IT
Asymptotic Analysis of the Downlink in Cooperative Massive MIMO Systems
本文针对协作大规模MIMO下行链路，推导每基站天线数增大时的渐近性能闭式表达式，并提出本地功率分配算法以接近最优性能并降低基站间协调开销。
2023-09-25 cs.IT eess.SP math.IT
Optimizing the MIMO Cellular Downlink: Multiplexing, Diversity, or Interference Nulling?
配备有多个天线的基站（BS）可以以三种不同的方式使用其空间维度：（1）服务多个用户，从而实现复用增益，（2）提供空间分集以提高用户速率，以及（3）使相邻小区中的干扰为零。本文回答了这样一个问题：这三个相互竞争的利益之间的最佳平衡是什么？我们在蜂窝网络的下行链路的上下文中回答这个问题，其中多天线BS使用具有相等功率分配的迫零波束成形服务于多个单天线用户，同时在小区外用户的子集处使干扰为零。任何剩余的空间维度为调度的用户提供发射分集。利用随机几何的工具，我们表明，令人惊讶的是，最大限度地提高每BS遍历和速率，空间资源的最佳分配，干扰置零不提供切实的好处。避免小区间干扰置零、保留空间资源的一部分用于复用并且使用其余部分来提供分集的策略在和速率方面已经接近最优。然而，干扰置零确实给小区边缘用户带来显著的益处，特别是当采用范围自适应置零策略时，其中协作BS集群的大小对于小区边缘用户增加。
2018-08-22 cs.IT eess.SP math.IT
