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
Near-Field Wideband Extremely Large-scale MIMO Transmission with Holographic Metasurface Antennas
针对超大规模MIMO中近场与双宽带效应降低传输性能的问题，提出基于球面波信道模型的HMA辅助波束合并算法框架，可有效缓解和速率损失，性能优于同孔径传统混合波束成形方案。
2022-05-05 cs.IT eess.SP math.IT
Lightweight Deep Learning Based Channel Estimation for Extremely Large-Scale Massive MIMO Systems
本文针对XL-MIMO系统信道估计难题，提出通用深度学习模型XLCNet及通过剪枝与量化压缩的C-XLCNet，在保持性能的同时大幅降低计算复杂度与模型大小。
2024-02-14 cs.IT eess.SP math.IT
Low-Complexity Channel Estimation for Extremely Large-Scale MIMO in Near Field
针对近场 XL-MIMO 信道估计复杂度过高的问题，提出 SADCE 方法，通过角度与距离解耦、2D-DFT 角度估计及闭式距离估计，以更低复杂度获得更优性能。
2023-12-07 cs.IT eess.SP math.IT
Smart Hybrid Beamforming and Pilot Assignment for 6G Cell-Free Massive MIMO
本文研究了Cell-Free大规模MIMO网络，其中每个接入点（AP）都配备了一个混合收发器，与全数字收发器相比，降低了复杂性和成本。渐近近似的频谱效率推导出上行链路和下行链路。利用这些表达式，最大-最小问题被公式化以优化（i）AP处的模拟波束形成器和（ii）导频分配。仿真结果表明，这些变量的优化大大提高了网络的性能。
2023-01-13 cs.IT eess.SP math.IT
Near-Field Communications for Extremely Large-Scale MIMO: A Beamspace Perspective
本文从波束空间视角研究XL-MIMO近场通信，利用分数阶傅里叶变换构建近场波束空间并分析其组件，展示了其优于现有方法的特性及未来应用方向。
2024-10-15 cs.IT eess.SP math.IT
Near-Field Channel Estimation in Mixed LoS/NLoS Environments for Extremely Large-Scale MIMO Systems
针对XL-MIMO近场混合LoS/NLoS场景，本文建立统一信道模型、推导MIMO-RD/MIMO-ARD，并提出两阶段估计算法及CRLB，性能在理论模型和QuaDRiGa平台上均优于现有方法。
2023-04-23 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
Uplink Power Control for Extremely Large-Scale MIMO with Multi-Agent Reinforcement Learning and Fuzzy Logic
本文研究了无小区（CF）超大规模多输入多输出（XL-MIMO）系统的上行链路发射功率优化问题。与传统方法不同，本文提出了两种信号处理架构：模糊逻辑集中训练集中执行和模糊逻辑集中训练分散执行，分别采用多智能体强化学习（MARL）和模糊逻辑的融合来解决功率控制的设计问题，以最大化系统的频谱效率（SE）。此外，系统采用最大比（MR）合并和本地最小均方误差（L-MMSE）合并的上行链路性能进行了评估。我们的结果表明，所提出的方法与模糊逻辑优于传统的基于MARL的方法和信号处理方法的计算复杂性。此外，MR组合下的SE性能甚至优于传统的基于MARL的方法。
2023-02-18 cs.IT eess.SP math.IT
Near-Field Wideband Channel Estimation for Extremely Large-Scale MIMO
毫米波（mmWave）和太赫兹（THz）波段的超大规模多输入多输出（XL-MIMO）在支持极高波束形成增益以及超宽带频谱资源方面起着重要作用。不幸的是，准确的宽带XL-MIMO信道估计受到称为近场波束分裂效应的新挑战。现有的工作要么忽略了准确的近场信道模型，要么未能利用波束分裂效应，导致宽带XL-MIMO的信道估计精度差。为了解决这个问题，本文提出了一种基于双线性模式检测（BPD）的方法来准确地恢复宽带XL-MIMO信道。通过分析近场宽带信道的特性，首先揭示了近场波束分裂效应的双线性模式，即近场信道在角度域和距离域的稀疏支持集都可以看作是频率的线性函数。然后，受经典的同时正交匹配追踪技术的启发，我们使用双线性模式来估计每个近场路径分量在所有频率下的到达角（AoA）和距离参数。通过这种方式，整个宽带XL-MIMO信道可以通过压缩感知算法恢复。此外，我们提供的计算复杂性的算法相比，现有的算法。仿真结果表明，在存在近场波束分裂效应的情况下，该方法能够实现宽带近场XL-MIMO信道的精确估计。
2022-12-16 cs.IT eess.SP math.IT
Spatial-chirp Codebook-based Hierarchical Beam Training for Extremely Large-Scale Massive MIMO
针对近场XL-MIMO中角度与距离联合波束训练开销大的问题，提出基于空间啁啾码本的分层训练及流形优化增强方案，显著降低开销并提升波束赋形性能。
2023-08-15 cs.IT eess.SP math.IT
ADMM Enabled Hybrid Precoding in Wideband Distributed Phased Arrays Based MIMO Systems
基于分布式相控阵的多输入多输出（DPA-MIMO）是最近提出的一种高度可重构的架构，其能够在毫米波（mmWave）系统中实现空间复用和波束成形。在这项工作中，我们专注于处理混合预编码的宽带DPA-MIMO系统与正交频分复用（OFDM）调制。更具体地说，我们提出了一种交替方向乘法器（ADMM）启用混合预编码方法的基础上交替优化框架，简称ADMM-AltMin，这样的合作阵列的子阵列结构。仿真结果表明，所提出的ADMM-AltMin方法实现了良好的性能与实际量化的移相器考虑。
2019-08-24 cs.IT eess.SP math.IT
Jac-PCG Based Low-Complexity Precoding for Extremely Large-Scale MIMO Systems
针对XL-MIMO系统中信道矩阵求逆计算复杂度高的问题，提出Jac-PCG迭代求逆预编码方法，在保持频谱效率基本相同的情况下使复杂度降低约54%。
2023-05-23 cs.IT eess.SP math.IT
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
Hybrid-Field Channel Tracking for Extremely Large-Scale MIMO Systems with Mobility
East China Normal University（华东师范大学）；Nanjing University of Information Science and Technology（南京信息工程大学）；Southeast University（东南大学）
本文提出一种利用历史信道状态信息的混合场信道跟踪算法，用于移动性超大规模MIMO系统，通过稀疏峰值搜索和牛顿细化实现低复杂度高性能的多径估计。
2026-09-17 cs.IT eess.SP math.IT
Wideband mmWave Channel Estimation for Hybrid Massive MIMO with Low-Precision ADCs
本文研究了低精度模数转换器（ADC）混合结构下宽带毫米波（mmWave）大规模多输入多输出（MIMO）系统的信道估计。为了设计用于混合结构的信道估计，需要优化模拟处理部件和频率选择性数字组合器。所提出的信道估计器遵循典型的线性最小均方误差（LMMSE）结构，并适用于任意信道模型。此外，对于毫米波中的稀疏信道，所提出的估计器通过结合正交匹配追踪（OMP）来减轻由低精度ADC引起的量化噪声而更有效地执行。因此，所提出的估计优于传统的计算机模拟结果表明。
2018-09-11 cs.IT eess.SP math.IT
Multi-User Communication with Extremely Large-Scale MIMO
超大规模多输入多输出（XL-MIMO）通信的目标是比当前的大规模MIMO系统进一步显著增加天线尺寸，对于大规模MIMO系统，传统的均匀平面波（UPW）模型的远场假设可能变得无效。本文研究了多用户XL-MIMO通信系统的建模和性能分析。在球面波阵面相位模型的基础上，考虑信号幅度和投影孔径在阵元间的变化，分析了最大比合并（MRC）、迫零（ZF）和最小均方误差（MMSE）波束形成三种典型波束形成方案的性能。对于两个用户的特殊情况下，我们分析表明，信号与干扰加噪声比（SINR）的所有三个波束形成方案的信道的相关系数减小而增加。此外，与现有的UPW模型相比，用户间干扰（IUI）只能在角域中抑制，XL-MIMO通过距离分离实现了新的自由度（DoF），即使对于沿相同方向的用户也是如此。仿真结果验证了多用户XL-MIMO通信的建模和性能分析。
2021-06-13 cs.IT math.IT
Near-Field Multiuser Beam-Training for Extremely Large-Scale MIMO Systems
针对多用户XL-MIMO系统波束训练的挑战，提出基于GNN的三阶段波束训练方案，利用远场宽波束映射近场波束并解决用户冲突，性能逼近穷举搜索且仅需约7%导频开销。
2024-03-26 cs.IT eess.SP math.IT
Spatial Covariance Matrix Reconstruction for DOA Estimation in Hybrid Massive MIMO Systems with Multiple Radio Frequency Chains
多信号分类（MUSIC）技术在多输入多输出（MIMO）接收机的波达方向（DOA）估计中得到了广泛应用。为了降低毫米波段射频链路的成本，大规模MIMO收发器采用了模数混合结构。在这种情况下，天线上的接收信号对数字接收机来说是不可用的，因此，MUSIC算法中必不可少的空间协方差矩阵（SCM）不能用传统的采样平均方法得到。基于我们以前的工作，我们提出了一种新的算法，在混合大规模MIMO系统中的多个RF链的SCM重建。通过将模拟波束形成器切换到一组预定的DOA，可以通过一组线性方程的解来重建SCM。此外，基于对线性方程组的深入分析，本文还将提出一种低复杂度的算法，以及对预定DOA的仔细选择。仿真结果表明，所提算法能够准确重构SCM，使MUSIC算法能够很好地应用于多射频链混合大规模MIMO系统的DOA估计。
2021-06-20 cs.IT eess.SP math.IT
Weighted Sum Rate Maximization of the mmWave Cell-Free MIMO Downlink Relying on Hybrid Precoding
依赖于混合预编码的无小区MIMO概念构成了能够显著增加毫米波（mmWave）通信系统的网络容量的创新技术。它免除了传统多小区MIMO系统的小区边界，同时通过限制接入点（AP）处的射频（RF）链的数量来大幅降低功耗。在本文中，我们的目标是最大化毫米波无小区MIMO系统的加权和速率（WSR），通过构思一个低复杂度的混合预编码算法。我们制定的WSR优化问题受到每个AP的发射功率约束和模拟预编码器的移相器的恒模约束。提出了一种分块坐标下降（BCD）算法来迭代求解该问题。在每次迭代中，经典的拉格朗日乘子方法和惩罚对偶分解（PDD）方法相结合，以获得接近最优的混合模拟/数字预编码矩阵。此外，我们扩展了我们提出的算法，推导出封闭形式的表达式，用于全数字无小区MIMO系统的预编码器。此外，我们给出了我们提出的方法的收敛性分析和复杂性分析。最后，我们的仿真结果表明，无论是全数字和混合预编码矩阵的算法的优越性。
2022-01-12 cs.IT eess.SP math.IT
Deep Learning based Joint Precoder Design and Antenna Selection for Partially Connected Hybrid Massive MIMO Systems
混合预编码器设计的高效资源分配对于工作在毫米波（mmW）域的大规模MIMO系统是必不可少的。由于部分连接混合架构具有更高的能量效率和更低的复杂度，在这封信中，我们提出了一种基于联合深度卷积神经网络（CNN）的部分连接大规模MIMO混合系统预编码器设计和天线选择方案。对于CNN，预编码器设计和天线选择分别被公式化为回归和分类问题。信道数据被馈送到第一CNN网络，该第一CNN网络输出具有最佳频谱效率的所选天线的子集。该子集再次被馈送到第二CNN以获得用于部分连接架构的块对角预编码器。仿真结果验证了基于CNN的方法优于传统的迭代和交替最小化（alt-min）算法。此外，所提出的方案是计算效率高，是不是很敏感的信道不规则性。
2021-02-02 cs.IT eess.SP math.IT
How Does Performance Scale with Antenna Number for Extremely Large-Scale MIMO?
超大规模多输入多输出（XL-MIMO）通信对应于其天线尺寸如此大的系统，使得诸如均匀平面波（UPW）冲击的传统假设不再有效。本文研究了基于通用球面波传播模型的XL-MIMO通信信道建模和性能分析。首先，针对最优最大比合并/传输（MRC/MRT）的单用户上行/下行链路通信，严格推导了信噪比（SNR）的新的封闭表达式，其中包括基于UPW假设的传统SNR表达式作为特例.我们的结果表明，而不是线性缩放与基站（BS）天线数量$M$，SNR与更通用的球面波阵面模型增加与$M$的回报递减，由一个新的参数称为角度跨度。从我们的推导中的一个重要发现是，有必要引入一个新的距离标准，称为临界距离，以补充经典的瑞利距离分离的近场和远场传播区域。虽然瑞利距离是基于跨阵列元件的相位差，因此取决于天线的电气尺寸，但临界距离关心幅度/功率差，并且仅取决于其物理尺寸。然后，我们将研究扩展到多用户XL-MIMO通信系统，我们证明了用户间干扰（IUI）不仅可以通过角度分离来减轻，而且可以通过沿同一方向的距离分离来减轻。这为XL-MIMO的干扰抑制提供了一个新的自由度（DoF）。
2020-10-30 cs.IT eess.SP math.IT
Truncated Beam Sweeping for Spatial Covariance Matrix Reconstruction in Hybrid Massive MIMO
空间协方差矩阵（SCM）在大规模多输入多输出（MIMO）等多天线系统的许多应用中是必不可少的。对于工作在毫米波段的大规模MIMO，已经采用混合模数结构来降低射频（RF）链的成本。在这种情况下，在天线处接收的信号对于数字接收机是不可用的，并且因此，传统的样本平均方法不能用于混合大规模MIMO中的SCM重构。为了解决这个问题，波束扫描算法（BSA），它可以有效地重建混合大规模MIMO系统中的SCM，已经在我们以前的工作。在本文中，截断BSA进一步提出的SCM重建考虑到阵列中的天线单元的方向图。由于定向天线方向图，对应于远离法线方向的预定角度方向（DOA）的扫描结果很小，因此可以用预定常数代替。在可以忽略不计的性能降低的代价下，SCM可以通过仅扫描接近法线方向的预定DOA来有效地重建。通过这种方式，BSA可以比传统的对应物更快地进行。还将包括深入的分析，以显示截断对性能的影响。
2022-03-27 cs.IT eess.SP math.IT
Hybrid Beamforming for Intelligent Reflecting Surface Aided Millimeter Wave MIMO Systems
由于采用毫米波（mmWave）频段的通信系统必须使用大型天线阵列来克服mmWave信号的严重传播损耗，因此混合波束成形已被认为是mmWave通信的组成部分。最近，智能反射表面（IRS）已经被提出作为一种创新技术，其可以通过使用低成本的无源反射元件来显著改善毫米波通信系统的性能。在本文中，我们研究了红外辅助毫米波多输入多输出（MIMO）系统与混合波束形成架构。本文首先利用毫米波信道的稀疏散射结构和大尺度特性，研究了窄带MIMO系统中IRS反射矩阵和混合波束形成器的联合设计。然后，我们将所提出的联合设计推广到宽带MIMO系统与正交频分复用（OFDM）调制，利用频率选择性毫米波信道的角度稀疏。仿真结果表明，所提出的联合设计可以显着提高系统的频谱效率，并实现优于现有设计的性能。
2022-06-27 cs.IT eess.SP math.IT
Analog Versus Hybrid Precoding for Multiuser Massive MIMO with Quantized CSI Feedback
在这封信中，我们研究了下行链路多用户大规模多输入多输出（MIMO）系统的子连接结构在有限的反馈信道的性能。理论上分析了纯模拟预编码和混合预编码系统的紧速率近似。量化的模拟和数字预编码的效果，其特征在于在派生的表达式。此外，它揭示了纯模拟预编码优于混合预编码使用最大比传输（MRT）或迫零（ZF）在一定的条件下，我们在理论上描述的条件在封闭形式的信噪比（SNR），用户数和反馈比特数。数值结果验证了瑞利信道和毫米波信道的推导结论。
2020-06-01 cs.IT eess.SP math.IT
Hybrid Block Diagonalization for Massive MIMO Two-Way Half-Duplex AF Hybrid Relay
本文研究了一种多对双向放大转发大规模多输入多输出（MIMO）混合中继系统。混合中继具有比天线更少数量的射频（RF）链，这显著降低了实现成本。我们采用块对角化为基础的基带处理在混合中继，以消除用户对间的干扰和等增益合并为基础的RF处理，以最大限度地提高波束成形增益。我们还使用了代数范数最大化中继传输策略，以最大限度地提高频谱效率（SE）的每个用户对。我们数值计算表明，建议的混合继电器只有轻微劣SE比一个完整的RF链继电器。
2018-09-17 cs.IT math.IT
Codeword Selection and Hybrid Precoding for Multiuser Millimeter Wave Massive MIMO Systems
针对宽带多用户毫米波大规模多输入多输出系统的可达和速率最大化问题，研究了混合预编码技术。由于可实现的和速率的每次计算只能在模拟预编码器和数字预编码器都被确定之后执行，因此可实现的和速率的最大化具有难以处理的计算复杂度。通过引入无干扰（IF）可实现的和速率，可以解耦模拟和数字预编码器的设计。为了避免波束冲突并最大化中频可实现的和速率，提出了一种基于匈牙利语的码字选择算法用于模拟预编码设计。仿真结果验证了该方案的有效性，并表明与现有的方案相比，可以实现更好的性能。
2019-01-05 cs.IT eess.SP math.IT
Chirp-based Hierarchical Beam Training for Extremely Large-Scale Massive MIMO
XL-MIMO有望在太赫兹（THz）频谱中提供更高的数据率。然而，大孔径阵列引起的球面波阵面无线传输对信道状态信息（CSI）的获取提出了巨大的挑战。XL-MIMO波束形成需要同时考虑两个独立的参数（物理角度和传输距离），这带来了严重的开销消耗和波束形成性能的恶化。针对这一问题，本文利用近场信道特性，提出了一种低开销的分层波束训练方案。首先，我们将近场通道投影到空间-角度域和斜率-截距域，以捕获详细的表示。其次，提出了一种新的空间线性调频波束辅助码书和相应的分层更新策略。理论分析和数值仿真也显示，以验证波束形成和训练开销的优越性能。
2023-01-27 cs.IT math.IT
Time-Domain Channel Estimation for Extremely Large MIMO THz Communication Systems Under Dual-Wideband Fading Conditions
本文针对太赫兹频段超大规模MIMO在双宽带衰落下的信道估计问题，提出基于单载波系统的时域稀疏建模与交替最小化求解方法，性能优于传统方案并接近理想下界。
2024-07-08 cs.IT eess.SP math.IT
Cramér-Rao Bounds for Near-Field Sensing with Extremely Large-Scale MIMO
移动通信网络被设计成主要支持无处不在的无线通信，然而它们也被期望在不久的将来实现无线电感测能力。然而，大多数无线电传感的研究通常依赖于远场假设与均匀平面波（UPW）模型。随着天线尺寸的不断增加，以及传感附近目标的需求不断增长，传统的远场UPW假设可能会变得无效。因此，本文研究了超大规模天线阵的近场无线电传感问题，其中考虑了更一般的均匀球面波（USW）传感模型。分别推导了近场XL-MIMO雷达模式和XL相控阵雷达模式下角度和距离估计的Cramér-Rao界（CRB）的闭式表达式。研究结果表明，与传统UPW模型中CRB随天线数量的增加而无限制地减小不同，XL-MIMO雷达近场感知的CRB随天线数量的增加而减小，并接近一定的极限。此外，与远场模型不同，远场模型由于没有距离估计能力，距离CRB为无穷大，而近场情况下的CRB为有限。此外，还发现常用的基于二阶泰勒近似的球面波模型不足以进行近场CRB分析。广泛的仿真结果提供了验证我们推导的CRBs。
2023-03-10 cs.IT eess.SP math.IT
Directivity-Aware Degrees of Freedom Analysis for Extremely Large-Scale MIMO
本研究利用波数域信道表示，分析了考虑天线方向性的极大规模MIMO系统的有效自由度（EDoF），揭示了耦合系数的不均匀分布，并通过仿真探讨了EDoF和遍历信道容量随单元间距的变化。
2024-12-24 cs.IT eess.SP math.IT
Complex-BP-Neural-Network-based Hybrid Precoding for Millimeter Wave Multiuser Massive MIMO Systems
大规模多输入多输出（MIMO）系统的高能耗已经成为毫米波（mm-Wave）通信场景中的一个突出问题。混合预编码技术通过将部分编码工作交给相移网络来完成，大大减少了射频（RF）链的数量，可以有效提高能量效率。然而，传统的基于数学方法的混合预编码算法往往遭受性能损失和高计算复杂度。提出了一种基于BP神经网络的混合预编码算法，该算法以全数字迫零（ZF）预编码为训练目标。考虑到基站信号的复杂性，我们选择了具有更丰富代表性的复合神经网络。此外，我们提出了复杂神经网络的激活函数和反向传播过程的梯度导数。仿真结果表明，所提出的混合预编码算法的性能可以最佳地接近ZF预编码。
2019-08-01 cs.IT eess.SP math.IT
Gridless Channel Estimation for MmWave Hybrid Massive MIMO Systems with Low-Resolution ADCs
针对毫米波混合大规模多输入多输出（MIMO）系统，提出了一种基于牛顿化全校正前向贪婪选择交叉验证（NFCFGS-CV-based）的信道估计算法。提出的NFCFGS算法是一种无网格压缩感知（CS）技术，结合了FCFGS和牛顿正交匹配追踪（NOMP）算法。特别地，NFCFGS基于先前估计的路径在每次迭代时在连续体上执行单路径估计。CV技术被采用作为在没有关于路径数量的先验知识的情况下的终止指示器，这是一种防止过拟合的模型验证技术。
2022-07-13 cs.IT eess.SP math.IT
A New View of Multi-User Hybrid Massive MIMO: Non-Orthogonal Angle Division Multiple Access
本文从阵列信号处理的角度提出了一种新的多用户混合大规模多输入多输出（MIMO）系统。我们首先证明了，如果用户的到达角（AOA）是不同的，对应于不同的用户的瞬时信道向量是渐近正交的。然后，我们将信道矩阵分解成角度域基矩阵和增益矩阵。前者可以用导向矢量来表示，后者的大小与RF链的数量相同，这与混合预编码的结构完美匹配。提出了一种新的混合信道估计方法，该方法通过分别估计角度信息和增益矩阵，与传统的波束域方法相比，可以显著节省训练开销，提高信道估计精度。此外，借助于角域矩阵，MU大规模MIMO系统可以被视为一种非正交角分多址（ADMA），以在同一频带上同时服务多个用户。最后，通过计算机模拟验证了该方案的有效性。
2017-07-15 cs.IT eess.SP math.IT
Underwater Cooperative MIMO Communications using Hybrid Acoustic and Magnetic Induction Technique
未来的智能海洋应用需要长距离和可靠的通信，将水下传感器/机器人与远程地面基站连接起来。由于水声信道的恶劣性和动态性，实现这一目标具有挑战性。多输入多输出（Multiple-Input and Multiple-Output，MIMO）技术可以提高可靠性和传输范围，但由于波长较大，很难在单个水下设备上放置多个换能器。协作MIMO技术虽然可以解决这一问题，但由于声波的传播时延极大且动态变化，使得分布式的水下设备之间无法实现同步。为此，本文提出了一种基于声磁混合技术的水下协作MIMO通信机制。利用多波束融合技术可以很好地解决节点间的同步问题，使分布式声换能器能够协同形成窄波束，实现远距离水下通信。由于MI具有可忽略的信号传播延迟，同步时间和误差显著减少。为了定量地分析改进，严格推导出所提出的系统的同步误差、信噪比（SNR）、有效通信时间和吞吐量的封闭形式的表达式。所提出的混杂系统实现在一个软件定义的测试床下的波束成形和空时编码方案。通过数值分析和实际实验表明，与传统的水声系统相比，本文提出的混合协作MIMO机制具有更低的误比特率和同步误差。
2019-10-24 cs.IT eess.SP math.IT
AI-Empowered Hybrid MIMO Beamforming
本文综述AI辅助混合MIMO波束成形设计，梳理架构约束、传统优化与深度学习与深度展开方法，并通过数值与定性比较指出未来研究方向。
2023-03-03 cs.AI cs.IT eess.SP
Hybrid Beamforming Structure for Massive MIMO System: Full-connection v.s. Partial-connection
在本文中，我们比较了多用户大规模多输入多输出系统的两种典型混合波束成形结构的性能，即全连接和部分连接结构。在毫米波信道小角度扩展的假设下，给定面向用户的模拟预编码器和迫零数字预编码器，给出了用户的模拟和数字预编码信道增益的显式上界，并在此基础上研究了两种结构之间的关系.分析结果表明，全连接结构并不总是优于部分连接结构，并揭示了适用于每种结构的区域。仿真结果验证了分析结果的正确性。
2020-06-18 cs.IT eess.SP math.IT
Beamspace Channel Estimation for Millimeter Wave Massive MIMO System with Hybrid Precoding and Combining
提出了一种毫米波（mmWave）大规模多输入多输出系统中波束域信道估计的框架。该框架包括混合预编码和合并矩阵的设计以及过采样波束空间接收矩阵最大项的搜索方法。在此基础上，提出了基于单位矩阵近似（IA）、基于离散零非对角（SZO）和基于集中零非对角（CZO）的三种信道估计方案。从计算复杂度、估计误差和信道训练总时隙数等方面对这些方案与现有的信道估计方案进行了比较。仿真结果表明，所提出的方案优于现有的方案，可以接近理想情况下的性能。特别地，用于信道训练的总时隙可以显著减少。
2019-01-07 cs.IT eess.SP math.IT
GMD-Based Hybrid Beamforming for Large Reconfigurable Intelligent Surface Assisted Millimeter-Wave Massive MIMO
可重构智能表面（RIS）被认为是一种节能的方法来重塑无线环境，以提高吞吐量。它的无源特性大大降低了能源消耗，这使得RIS成为实现未来智慧城市的一项有前途的技术。现有的RIS波束成形设计主要集中在优化单载波系统的频谱效率。为了避免MIMO系统中不同空间域子信道上复杂的比特分配问题，本文提出了一种基于几何均值分解的波束形成算法，该算法适用于RIS辅助的毫米波（mmWave）混合MIMO系统，使得空间域中多个并行数据流可以被认为具有相同的信道增益。具体地说，通过利用毫米波大规模MIMO信道在不同子载波上的共同角域稀疏性，利用同步正交匹配追踪算法从过采样2D-DFT码本中获得最佳多波束。此外，通过仅利用与视线（LoS）信道相关联的到达角和离开角，我们进一步通过最大化LoS信道的阵列增益来设计RIS的移相器。仿真结果表明，该方案可以获得更好的BER性能比传统的方法。我们的工作是一个初步的尝试，讨论了宽带混合波束赋形的RIS辅助毫米波混合MIMO系统。
2020-01-17 cs.IT eess.SP math.IT
Deep Learning for Joint Design of Pilot, Channel Feedback, and Hybrid Beamforming in FDD Massive MIMO-OFDM Systems
针对FDD大规模MIMO-OFDM系统，提出端到端深度学习框架，联合设计导频、信道反馈与混合波束成形，并利用图神经网络建模波束成形器交互。
2023-12-10 cs.IT eess.SP math.IT
Hybrid Jammer Mitigation for All-Digital mmWave Massive MU-MIMO
低分辨率模数转换器（ADC）简化了毫米波（mmWave）大规模多用户多输入多输出（MU-MIMO）基站的设计，但增加了对干扰攻击的脆弱性。作为一种补救措施，我们提出了HERMIT（混合干扰机MITIGATION的缩写），一种方法，结合了硬件友好的自适应模拟变换与相应的数字均衡器：模拟变换消除了大部分的干扰的能量数据转换之前，数字均衡器抑制干扰残留，同时检测合法的传输数据。我们提供的理论结果，建立最佳的模拟转换作为用户设备的功能和干扰机的信道。使用毫米波信道模型的仿真，我们证明了HERMIT的优越性相比，纯粹的数字干扰缓解以及最近的混合方法，减轻干扰干扰与非自适应模拟变换。
2021-11-25 cs.IT eess.SP math.IT
Distributed Neural Precoding for Hybrid mmWave MIMO Communications with Limited Feedback
混合预编码是用于毫米波（mmWave）大规模多输入多输出（MIMO）通信的成本有效的技术。本文提出了一种深度学习方法，通过使用分布式神经网络的混合模拟和数字预编码设计有限的反馈。所提出的分布式神经预编码网络，称为DNet，致力于实现两个目标。首先，DNet实现信道状态信息（CSI）压缩与分布式架构的神经网络，这使得实际部署在多个用户。具体地说，这种神经网络由多个具有相同结构和参数的独立子网络组成，既减少了训练参数的数量，又降低了网络的复杂度。其次，DNet从有限反馈的重构CSI学习混合预编码的计算。与现有的黑盒神经网络设计不同，DNet是根据混合预编码矩阵计算的数据形式进行专门设计的。仿真结果表明，与传统的有限反馈预编码方法相比，在不同CSI压缩比的测试下，DNet的性能提高了近50%。
2022-04-18 cs.IT eess.SP math.IT
Bayesian Compressive Channel Estimation for Hybrid Full-Dimensional MIMO Communications
高效的信道估计在全维多输入多输出通信系统中是具有挑战性的，特别是在具有混合数模架构的通信系统中。在压缩感知框架下，这封信首先设计了一个统一的字典的基础上的球形Fibonacci网格表示在稀疏域中的通道，产生更小的角度误差在三维波束空间比传统的字典。然后，贝叶斯推理辅助贪婪追求算法的频率域信道估计。最后，仿真结果表明，所设计的字典和提出的贝叶斯信道估计优于基准方案，并获得较低的归一化均方误差的信道估计。
2021-12-29 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
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
Radiation Pattern Synthesis Using Hybrid Fourier- Woodward-Lawson-Neural Networks for Reliable MIMO Antenna Systems
在本文中，我们实现混合伍德沃德-劳森-神经网络和加权傅立叶方法来综合天线阵列。神经网络（NN）在这里应用到简化的MIMO天线阵列的建模，通过评估相位。其主要问题显然是寻找最佳的线性天线阵元的权重，使辐射方向图具有最小的旁瓣电平（SLL），从而改善天线阵列的性能。为了实现这一目的，实现了频率为2.45 GHz的用于可靠的多输入多输出（MIMO）应用的天线阵列。为了验证所提出的方法，许多例子的均匀激励阵列方向图的主波束放在有用信号的方向。Woodward-Lawson-Neural Networks综合方法允许找出有趣的分析方程用于天线阵列的综合，并突出了输入和输出中的系统参数之间的灵活性。这种混合优化的性能强调了系统适合无线通信的程度以及它如何参与减少干扰。
2017-10-07 cs.IT eess.SP math.IT
Deep Learning Aided Parametric Channel Covariance Matrix Estimation for Millimeter Wave Hybrid Massive MIMO
毫米波（mmWave）信道占用的频率范围远高于先前无线通信系统中使用的频率范围，其用于满足5G通信带来的增加的吞吐量要求。这些频率中的电磁波所经历的高水平衰减导致MIMO信道具有高空间相关性。为了获得理想的错误性能，系统需要关于信道相关性的知识。在这篇论文中，提出了一种深度神经网络辅助方法来估计信道协方差矩阵（CCM），其中包含有关信道相关性的信息。与文献中的一些方法相比，该方法在计算复杂度和信道估计误差方面都具有令人满意的性能。
2022-12-18 cs.IT eess.SP math.IT
Tensor-Decomposition-based Hybrid Beamforming Design for mmWave OFDM Massive MIMO Communications
针对单用户毫米波OFDM大规模MIMO系统，提出基于约束Tucker2分解与投影交替最小二乘的混合波束成形设计，可提升平均可达和速率，性能优于现有方案。
2020-11-17 cs.IT eess.SP math.IT
Energy Efficiency in Hybrid Beamforming Large-scale mmWave Multiuser MIMO with Spatial Modulation
针对毫米波大规模多输入多输出（MIMO）系统中使用空间调制的混合波束成形的全局能量效率（GEE）最大化的无线电资源分配问题进行了解决。分析了该优化问题的理论性质，提出了两个可证明收敛的优化算法。前者实现了全局最优，而后者以较低的计算复杂性来权衡最优性。然而，数值结果表明，这两种算法在实际情况下达到全局最优。
2018-06-13 cs.IT math.IT
Framework on Deep Learning Based Joint Hybrid Processing for mmWave Massive MIMO Systems
对于毫米波（mmWave）大规模多输入多输出（MIMO）系统，混合处理架构对于显著降低复杂度和成本是必不可少的，但在发射机和接收机上联合优化是相当具有挑战性的。在本文中，深度学习（DL）被应用于设计一种新的联合混合处理框架（JHPF），该框架允许通过使用反向传播进行端到端优化。该框架包括三个部分：混合处理设计器、信号流模拟器和信号解调器，分别利用神经网络为收发器输出混合处理矩阵、模拟空中信号传输以及利用神经网络将检测到的符号映射到原始比特。通过最小化恢复比特和原始比特之间的交叉熵损失，所提出的框架优化了收发器处的模拟和数字处理矩阵，而不是近似预先设计的标签矩阵，并且从理论上证明了其可训练性。通过简单地修改训练数据的结构，它也可以直接应用于正交频分复用系统。仿真结果表明，DL-JHPF的性能优于现有的混合处理方案，对不匹配的信道状态信息和信道场景具有较好的鲁棒性，且运行时间显著减少。
2020-06-05 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
Multi-User Frequency-Selective Hybrid MIMO Demonstrated Using 60 GHz RF Modules
考虑到5G的高吞吐量要求，将毫米波技术和多用户MIMO融合似乎是一种非常有前途的策略。由于硬件限制阻碍了全数字架构的实现，使用数字预编码和相控天线阵列的混合MIMO架构被认为是在毫米波实现多用户MIMO的可行解决方案。然而，真实信道传播和硬件非理想性会显著降低此类系统的性能。因此，对新体系结构进行实验对于确认和支持系统设计至关重要。然而，混合MIMO系统还没有被理解为毫米波的宽信道带宽的影响，非理想的RF前端以及模拟波束成形的不完美性往往被忽略。在本文中，我们提出了一个60 GHz的MU-MIMO测试平台，使用相控天线阵列在发送器和接收器。配备有32相控天线阵列的基站同时分配两个用户。我们表明，频率选择性混合预编码可以有效地抑制用户间干扰，使空间复用的干扰有限的情况下，增加一倍的吞吐量相比，SISO的情况下，并补偿信道的频率波动。此外，我们报告了6 dB的EVM星座的改进时，比较混合MIMO架构与全模拟架构。
2018-04-09 cs.IT math.IT
Unequally Sub-connected Architecture for Hybrid Beamforming in Massive MIMO Systems
近年来，提出了多种用于大规模多输入多输出（MIMO）系统的混合模拟-数字波束形成架构，以降低能耗和实现成本。在这些架构的模拟处理网络中，实际的子连接结构需要比全连接结构更低的功耗和硬件复杂度，但不能充分利用波束成形增益，这导致整体性能的损失。在这项工作中，我们提出了一种新的不平等的子连接架构的混合合并在接收机的大规模MIMO系统，采用不等数量的天线在子天线阵列。所提出的架构的最佳设计解析推导，并包括天线分配和信道排序方案。仿真结果表明，在子连接系统中，通过不均匀地分配天线到子阵列，可以使系统的总可达速率提高10%以上，但代价是功耗略有增加。此外，为了减少计算复杂性参与寻找连接到每个射频（RF）链的天线的最佳数量，我们提出了三个低复杂度的天线分配算法。仿真结果表明，它们可以产生显着降低复杂性，同时实现接近最佳的性能。
2019-08-27 cs.IT eess.SP math.IT
Design and Prototyping of Hybrid Analogue Digital Multiuser MIMO Beamforming for Non-Orthogonal Signals
为了实现用户分集和复用增益，通常应用全数字预编码多输入多输出（MIMO）架构。然而，大量的射频（RF）链使得该系统对于低成本通信是不现实的。因此，针对低成本多用户MIMO系统中的非正交IoT信号，提出了一种实用的三级混合模数预编码架构，占用较少的RF链。非正交波形可以灵活地节省大量设备连接的频谱资源，或者在不消耗额外频谱资源的情况下提高数据速率。混合预编码分为模拟域、数字域和波形域三个阶段。基于码本的波束选择通过仅相位调谐简化了模拟域波束形成。数字域预编码可以微调码本形状的波束，并在信号幅度和相位方面解决多用户干扰。最后，波形域预编码管理非正交信号的自生载波间干扰（ICI）。这项工作设计了在软件定义无线电（SDR）设备上的全数字和混合预编码系统的空中信号传输实验。结果表明，波形预编码精度可以提高混合预编码。与具有相同RF链资源的发射机相比，混合预编码的性能显著优于全数字预编码，误差向量幅度（EVM）增益高达15.6 dB。具有相同数量天线的全数字系统显然需要更多的RF链，因此具有低功耗、空间和成本效益。因此，所提出的三阶段混合预编码是非正交物联网应用的非常合适的解决方案。
2019-11-28 cs.IT eess.SP math.IT
