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
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
Sum Rate and Fairness Analysis for the MU-MIMO Downlink under PSK Signalling: Interference Suppression vs Exploitation
在本文中，我们分析了多用户多输入多输出（MU-MIMO）系统的和速率性能，有限星座相移键控（PSK）的输入字母。我们分析计算并比较了三种下行链路传输场景下的可达和速率：1）无预编码，2）迫零（ZF）预编码，3）封闭形式的建设性干扰（CI）预编码技术。在此基础上，推导了三种情况下平均和率的新的解析表达式，并进行了蒙特卡罗模拟验证。此外，基于推导的表达式，功率分配方案，可以确保用户之间的公平性也被提出。研究结果表明，CI方案的性能优于其他两种方案，并且随着MIMO规模的增加，所考虑的方案之间的性能差距增大。此外，CI提供了更高的公平性，本文提出的功率分配算法可以实现最大的公平性指标。
2018-12-06 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
Downlink Precoding for FBMC-based Massive MIMO with Imperfect Channel Reciprocity
本文提出了一种实用的基于滤波器组多载波（FBMC）的大规模多输入多输出（MIMO）下行链路预编码方法。所提出的方法包括一个两阶段的预编码器组成的分数间隔预滤波器（FSP），每个子载波整平/均衡的信道在子载波频带，其次是一个传统的预编码器，其目标是集中在他们的空间位置的不同用户的信号。这样，每个用户只接收预期的信息。在本文中，我们注意到，由于上行链路和下行链路中的无线电链路的不匹配，信道互易性在实际场景中可能不完全成立。另外，基站处的信道状态信息（CSI）可能不是完全已知的。这与不完美的信道互易性一起可能导致对下行链路预编码器性能的不利影响。我们从理论上分析了所提出的预编码器的性能存在不完美的CSI和信道互易性校准误差。这导致补偿这些影响的有效方法。最后，我们数值评估所提出的预编码器的性能。我们的研究结果表明，建议的预编码器导致一个优秀的性能时，对OFDM基准。
2022-01-26 eess.SP
FDD Massive MIMO: How to Optimally Combine UL Pilot and Limited DL CSI Feedback?
针对FDD大规模MIMO系统下行CSI获取反馈开销大、仅用上行导频估计精度不足的问题，提出结合上行CSI与有限下行相位量化反馈的MSE最优信道重建及比特分配方法，可实现接近完美CSI的和频谱效率。
2024-05-14 eess.SP
QUBO Formulations of the Downlink MIMO Scheduling Problem in 5G Base Stations
将5G基站下行MIMO调度问题建模为QUBO，分析其可扩展性，并验证次优贪心算法在高用户低带宽下的有效性，为量子调度实现奠定基础。
2026-09-17 eess.SP
Anti-jamming Transmission of Downlink Cell Free Millimeter-Wave MIMO System
本文针对多用户下行毫米波 CF-MIMO 系统，提出了一种基于交替优化的抗干扰混合波束成形（AO-AJHBF）方案，通过结合广义瑞利商和低复杂度投影梯度上升法，有效提升了系统的可抵抗干扰功率。
2024-10-14 eess.SP
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
STAR-RIS-aided RSMA for the URLLC multi-user MIMO Downlink
本研究将速率拆分多址与同时发射反射可重构智能表面融合，提出交替优化算法联合优化波束成形、RIS配置与拆分参数，在有限块长MIMO下行链路中实现了显著高于反射式RIS和空分多址的能效增益。
2025-08-01 eess.SP
Configuring Antenna System to Enhance the Downlink Performance of High Velocity Users in 5G MU-MIMO Networks
本文针对5G MU-MIMO中高速移动用户下行性能下降问题，提出在空间复用传输中增加接收天线数量以引入天线分集，从而改善高速用户性能，并适用于大规模MIMO系统。
2021-08-05 eess.SP
Rate Balancing for Multiuser MIMO Systems
研究并解决了多用户多输入多输出（MIMO）系统下行链路的速率均衡问题。特别是，我们采用了收发器结构，以最大限度地提高最坏情况下的用户速率，同时满足总的发射功率约束。大多数现有的解决方案或者执行用户均方误差（MSE）平衡，或者执行在MIMO情况下次优的流向速率平衡。由于发射滤波器的耦合结构，下行链路中的原始速率平衡问题变得复杂。这里，通过利用加权MSE上行链路/下行链路对偶性以交替方式解决该优化问题，其中已证明收敛到局部最优。仿真结果验证了该算法的有效性，并证明了其性能优于未加权的MSE平衡。
2019-06-13 eess.SP
Sum Rate Maximization in the Constant Envelope MIMO Downlink with the RZF Precoder
针对CE MIMO下行链路，提出两种基于近似SISO信道转换的RZF功率分配算法，以最大化总速率，其中一种最优但复杂度高，另一种近优且低复杂度，性能优于现有方法。
2024-11-05 eess.SP
Performance Analysis of Sub-band Full-duplex Cell-free Massive MIMO JCAS Systems
针对带内全双工通信感知一体化系统的自干扰与上下行信号互扰问题，提出子带全双工无蜂窝大规模MIMO JCAS方案，通过非重叠子带分别承载下行感知与上行通信，实现各接入点高精度感知参数估计。
2025-10-28 eess.SP
Sparsity-Based Channel Estimation Exploiting Deep Unrolling for Downlink Massive MIMO
本文提出一种结合压缩感知与深度展开的混合信道估计方案，通过粗估计与精细校正分别利用帧间和帧内稀疏性，在低导频开销和低复杂度下实现可靠的下行大规模MIMO信道估计。
2023-09-24 eess.SP
Downlink channel spatial covariance estimation in realistic FDD massive MIMO systems
在BS处的下行链路（DL）信道空间协方差矩阵的知识对于在频分双工（FDD）模式下操作的大规模阵列系统是基本重要的。特别地，该知识在DL信道状态信息（CSI）获取中起关键作用。在大规模多输入多输出机制中，基于DL导频的传统方案受到协方差反馈和DL训练开销的严重限制。为了克服这个问题，许多作者已经提出基于上行链路（UL）测量来获得DL空间协方差的估计。然而，这些方法中的许多依赖于简单的信道模型，并且它们难以扩展到考虑到3D环境中的传播和双极化天线阵列的重要影响的更复杂的模型。在这项研究中，我们提出了一种新的技术，该技术考虑了上述影响，符合现代4G和5G系统设计的要求。数值模拟表明了该方法的有效性。
2018-10-25 eess.SP
Downlink Massive MIMO Channel Estimation via Deep Unrolling : Sparsity Exploitations in Angular Domain
在频分双工（FDD）大规模多输入多输出系统中，可靠的下行链路信道估计对于随后的数据传输是必不可少的，但是由于基站（BS）处的数百个天线而以大量导频开销为代价来实现。为了在不损害估计的情况下减少导频开销，通过利用角域中的大规模多输入多输出信道的固有稀疏结构，基于压缩感知（CS）的方法已经被广泛应用于信道估计。然而，它们仍然受到高复杂性在优化过程中和先验知识的稀疏信息的要求。为了克服这些挑战，本文开发了一种新的混合信道估计框架，通过集成模型驱动的CS和数据驱动的深度展开技术。所提出的框架是由一个粗略的估计部分和一个精细的校正部分，这是实现在一个两阶段的方式，以利用帧间和帧内稀疏的通道在角域。然后，根据是否需要先验稀疏信息，设计了两种估计方案，其中第二种方案设计了一个新的阈值函数，以消除这种要求。数值结果表明，我们的方案可以实现高精度，低导频开销和低复杂度。
2022-10-31 eess.SP
Reducing Latency by Eliminating CSIT Feedback: FDD Downlink MIMO Transmission for Internet-of-Things Communications
本文提出通过消除CSIT反馈降低时延的方法，利用频率不变性特性重建下行CSIT，结合RSMA和高效预编码技术，提升物联网通信的时延性能。
2025-12-24 eess.SP
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
Spectral-Energy Efficiency Tradeoff of Nearly-Passive RIS in MIMO URLLC Downlink: Diagonal vs. Beyond Diagonal
University of Cassino and Southern Lazio（卡西诺及南拉齐奥大学）；CNIT（意大利国家电信研究所）；Technische Universität Braunschweig（布伦瑞克工业大学）；Université Paris-Saclay（巴黎萨克雷大学）；CentraleSupélec（中央理工-高等电力学院）；Laboratoire des Signaux et Systèmes（信号与系统实验室）；King’s College London（伦敦国王学院）；Universidad de Cantabria（坎塔布里亚大学）
本文研究了近被动RIS在MIMO URLLC下行链路中的频谱效率与能量效率权衡，发现GNP BD-RIS在频谱效率上表现最佳，但其能量效率受电路功率影响较大。
2025-12-01 eess.SP
RIS-Aided RSMA Improves the Latency vs. Energy Trade-off in the Finite Block Length MIMO Downlink
University of Paderborn（帕德博恩大学）；Imperial College London（帝国理工学院）；Friedrich Alexander University of Erlangen-Nuremberg（埃尔朗根-纽伦堡弗里德里希·亚历山大大学）；University of Southampton（南安普顿大学）
本文研究了利用RIS辅助的RSMA在有限块长度MIMO下行链路中改善时延与能量效率权衡的问题，证明RSMA能提升能量效率并减少时延至SDMA的13%，且RIS与RSMA协同工作效果显著。
2026-03-16 eess.SP
How Much Do Downlink Pilots Improve Cell-Free Massive MIMO?
在本文中，我们分析了包括下行链路导频在无小区的大规模MIMO系统的好处。我们推导出一个近似的每个用户可实现的共轭波束成形处理，其中考虑到上行链路和下行链路的信道估计误差，和功率控制的下行链路速率。在每用户净吞吐量方面进行了性能比较，考虑无小区的大规模MIMO操作，有和没有下行链路训练，对于不同的网络密度。我们还考虑到在下行链路中的最大-最小公平功率控制提供的性能改善。数值结果表明，利用下行链路导频，性能可以显着提高在低密度网络中的传统方案，其中用户只依赖于统计信道知识。在高密度网络中，性能改进是适度的。
2016-09-13 cs.IT eess.SP math.IT
Unsupervised Learning for Scalable Downlink Power Control in Cell-Free Massive MIMO
ENEA（意大利国家新能源、可再生能源和可持续发展局）；University of Cassino and Southern Lazio（卡西诺与拉齐奥南部大学）；Consorzio Nazionale Interuniversitario per le Telecomunicazioni（意大利大学电信联合体）
提出一种无监督、物理信息驱动的框架，直接优化无蜂窝大规模MIMO系统中的最大最小公平性，无需最优标签或用户位置信息，实现用户数量可扩展且无需重新训练，将最差用户频谱效率提升近一倍。
2026-10-28 eess.SP
A Worst-Case Performance Optimization Based Design Approach to Robust Symbol-Level Precoding for Downlink MU-MIMO
针对多用户多输入多输出（MU-MIMO）无线系统下行链路中符号级预编码（SLP）的优化问题，研究了预编码器输出存在部分已知失真的情况。特别是，我们假设一个线性失真模型与有界加性噪声。首先将原最小化总发射功率的信干噪比（SINR）约束SLP问题转化为惩罚无约束问题，称为松弛鲁棒问题。然后，我们采用了最坏情况下的设计方法，以保护用户的预期符号和目标建设性的干扰与期望的置信水平。由于松弛鲁棒公式的非凸性，我们提出了一种基于块坐标上升下降法的迭代算法。我们通过仿真结果表明，所提出的鲁棒设计是灵活的，在这个意义上，CI约束可以放松，以保持可实现的速率和功耗之间的理想平衡。值得注意的是，新的配方产生更节能的解决方案，适当选择的惩罚参数，相比原来的问题。
2019-08-29 eess.SP
Downlink Transmit Design for Massive MIMO LEO Satellite Communications
研究了大规模多输入多输出（MIMO）低地球轨道（LEO）卫星通信系统的下行链路发射设计问题，在该系统中，发射端只利用慢变的统计信道状态信息。建立了下行大规模多输入多输出低轨卫星系统的信道模型，其中卫星和用户终端均采用均匀平面阵列。观察的秩一属性的信道矩阵，我们表明，每个UT的单流预编码是最大化遍历和速率的最佳选择。这一有利的结果将复杂的发送协方差矩阵的设计简化为预编码向量的设计，而没有任何最优性损失。然后，设计了一种有效的算法来计算预编码向量。此外，我们制定了一个近似的发送设计的上界遍历和速率的基础上，单流预编码的最优性仍然成立。我们表明，在这种情况下，预编码向量的设计可以简化为标量变量，开发了一个有效的算法。此外，一个低复杂度的学习框架，提出了优化的标量变量。仿真结果表明，所提出的方法可以实现显着的性能增益比现有的计划。
2022-01-31 eess.SP
CS-Based CSIT Estimation for Downlink Pilot Decontamination in Multi-Cell FDD Massive MIMO
用于频分双工（FDD）大规模MIMO的发射机处的有效信道状态信息（CSIT）可以促进其与现有FDD蜂窝网络的后向兼容。迄今为止，针对FDD单小区大规模MIMO系统提出了几种CSIT估计方案，但它们都没有考虑小区间干扰（ICI），并且在多小区情况下会受到下行导频污染的影响。为了解决这个问题，本文提出了一种基于压缩感知（CS）的CSIT估计方案，以对抗FDD多小区大规模MIMO系统中的ICI。具体而言，角域大规模MIMO信道在不同的子载波上表现出共同的稀疏性，并且这种稀疏性部分由相邻用户共享。通过利用这些稀疏特性，我们设计的导频信号和相关的信道估计算法的CS理论的框架下，其中与多个相邻的BS相关联的信道可以可靠地估计与低的训练开销的下行链路导频净化。仿真结果验证了所提出的解决方案的良好的下行链路导频去污性能相比，其传统的多小区FDD大规模MIMO。
2021-08-23 cs.IT eess.SP math.IT
Timing and Frequency Synchronization for 1-bit Massive MU-MIMO-OFDM Downlink
我们考虑大规模多用户（MU）多输入多输出（MIMO）下行链路的定时和频率同步，其中1位数模转换器（DAC）在基站（BS）。我们专注于实际相关的情况下，正交频分复用（OFDM）是用来在频率选择性信道进行通信。我们的贡献是双重的。首先，我们使用Bussgang定理来分析BS中存在1位DAC时定时和频率偏移对性能的影响。其次，我们证明了广泛使用的Schmidl-Cox同步算法的有效性。我们的研究结果表明，1比特的大规模MU-MIMO-OFDM下行链路是弹性的定时和频率偏移。
2019-05-19 cs.IT eess.SP math.IT
FDD Massive MIMO Uplink and Downlink Channel Reciprocity Properties: Full or Partial Reciprocity?
FDD大规模MIMO通信系统面临的一个挑战是如何在基站处获得下行链路信道状态信息（CSI）。除了通过上行链路导频传输的传统码本反馈之外，可以通过上行链路信道估计和信道参数估计算法来利用一些信道互易特性。本文分析了上下行信道的互易特性。从理论上证明了FDD下行信道和上行信道的多径参数并不都是等价的。因此，所谓的完全互易性不成立，而部分互易性成立。最后，通过信道测量活动验证了理论分析的正确性.最后，为了支持部分互易性，还提出了对标准化5G信道模型的修改。通过本文的工作，可以为FDD大规模MIMO系统的传输方案设计指明方向。
2019-12-31 cs.IT eess.SP math.IT
Utility-based Downlink Pilot Assignment in Cell-Free Massive MIMO
我们提出了一种无小区大规模MIMO（多输入多输出）的正交下行链路导频分配策略，利用知识的信道状态信息，在每个用户的信道硬化程度，和移动性条件的用户。这些元素被适当地组合在一起，用于定义用户导频效用度量，其测量用户对用于有效数据解码的下行链路导频的实际需要。所提出的策略包括仅向具有超过预定阈值的导频效用度量的用户分配正交下行链路导频。相反，未被分配有正交下行链路导频的用户通过使用统计信道状态信息来解码数据。与现有技术方法相比，基于效用的方法保证更高的下行链路净和吞吐量，更好地支持高速用户和更短的相干间隔。
2018-04-04 cs.IT eess.SP math.IT
Downlink Training in Cell-Free Massive MIMO: A Blessing in Disguise
无小区大规模MIMO（多输入多输出）是指分布式大规模MIMO系统，其中所有接入点（AP）协作以相干地服务所有用户设备（UE），抑制小区间干扰并减轻多用户干扰。最近的工作表明，与共址的大规模MIMO不同，\textit{channel hardening}通常在无小区的大规模MIMO中不太明显，因此从估计下行链路信道中获益很多。在这项研究中，我们调查的增益引入的下行链路波束成形训练，延伸到非正交的上行链路和下行链路导频先前提出的分析。假设单天线接入点，共轭波束成形和独立的瑞利衰落信道，我们推导出一个封闭形式的表达式为每个用户可实现的下行链路速率，解决信道估计误差和导频污染都在AP和UE侧。性能评估包括最大-最小公平功率控制、贪婪导频分配方法，以及不同容量约束技术获得的可达速率之间的比较。数值结果表明，下行波束成形训练，虽然增加了导频开销，并引入额外的导频污染，显着提高可达到的下行链路速率。即使对于大量AP，依赖于统计信道状态信息进行数据解码的UE也不是完全有效的。
2019-09-06 cs.IT eess.SP math.IT
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
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
Deep Learning based Downlink Channel Prediction for FDD Massive MIMO System
在频分双工（FDD）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所需的巨大开销，在基站（BS）处获取下行链路信道状态信息（CSI）是非常具有挑战性的任务。在本文中，我们揭示了一个确定性的上行链路到下行链路的映射函数时，位置到信道的映射是双射。受通用近似定理的启发，我们提出了一个稀疏复值神经网络（SCNet）来近似上行链路到下行链路的映射函数。与在实域中运行的一般深度网络不同，SCNet是在复域中构建的，能够通过离线训练来学习复值映射函数。在训练之后，SCNet用于基于估计的上行链路CSI直接预测下行链路CSI，而不需要下行链路训练或上行链路反馈。数值结果表明，SCNet在预测精度方面比一般深度网络具有更好的性能，并在复杂的无线信道中表现出显着的鲁棒性，展示了其在实际部署中的巨大潜力。
2019-08-26 cs.IT eess.SP math.IT
HyperRNN: Deep Learning-Aided Downlink CSI Acquisition via Partial Channel Reciprocity for FDD Massive MIMO
为了充分发挥大规模多输入多输出（MIMO）在下行链路中的优势，需要在基站（BS）处获取信道状态信息（CSI）来优化波束形成矩阵。在频分双工（FDD）系统中，全信道互易性不成立，并且CSI获取通常需要下行链路导频传输，随后是上行链路反馈。先前的工作提出了经由深度学习的导频传输、反馈和CSI估计的端到端设计。在这项工作中，我们引入了一个增强的端到端的设计，利用部分上行链路-下行链路的互易性和时间相关的衰落过程，通过联合利用下行链路和上行链路的导频。所提出的方法基于一种新型的深度学习架构- HyperRNN -它结合了超网络和递归神经网络（RNN），以优化从上行链路到下行链路的长期信道特征的传输。仿真结果表明，HyperRNN实现了较低的归一化均方误差（NMSE）性能，并降低了对导频长度的要求。
2021-07-08 cs.IT eess.SP math.IT
Revisiting Multi-User Downlink in IEEE 802.11ax: A Designers Guide to MU-MIMO
本文针对IEEE 802.11ax中DL MU-MIMO默认关闭、开启后未必提升效率的反直觉问题，分析了CSI开销、空间相关性等因素的作用机制，并给出不同场景下该功能开关的基础指导原则。
2024-08-19 cs.NI eess.SP
Repeater-Assisted Massive MIMO Downlink Performance with Calibration Errors
The University of Electro-Communications（电气通信大学）；Linköping University（林雪平大学）
本文建模了中继辅助大规模MIMO系统中校准误差的影响，推导了下行频谱效率的解析表达式，并分析了误差显著的特殊情况。
2026-06-15 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
Simultaneous Downlink Data Transmission and Uplink Channel Estimation with Reduced Complexity Full Duplex MIMO Radios
在本文中，我们研究全双工（FD）多输入多输出（MIMO）无线电同时数据通信和控制信息交换。利用最近提出的FD MIMO架构，结合数字发射和接收波束成形与降低复杂度的多抽头模拟自干扰（SI）消除，我们提出了一种新的传输方案，利用信道互易性联合下行链路波束成形信息数据通信和上行链路信道估计，通过训练数据传输。我们采用了一个通用的导频辅助信道估计模型，并提出了一个统一的优化框架，所有涉及FD MIMO设计参数。我们的代表性的Monte Carlo模拟结果的波束形成器以及模拟和数字SI消除的一个示例算法的解决方案表明，所提出的基于FD的联合通信和控制方案提供了1.4倍的下行链路速率的半双工对应。与具有全连接模拟消除的传统FD MIMO架构相比，模拟消除器的硬件复杂度降低了50%，从而实现了这种性能改进。
2020-03-14 cs.IT eess.SP math.IT
Channel Estimation in RIS-assisted Downlink Massive MIMO: A Learning-Based Approach
对于时分双工协议下的下行大规模多输入多输出（MIMO），只要信道硬化成立，用户就可以仅利用信道统计信息有效地解码信号。然而，在可重构智能表面（RIS）辅助的大规模MIMO系统中，由于有效信道增益的额外随机波动，传播信道可能不太硬化。为了解决这个问题，我们提出了一种基于学习的方法，训练一个神经网络来学习接收到的下行链路信号和有效信道增益之间的映射。所提出的方法不需要任何下行链路导频和干扰用户的统计信息。数值结果表明，在信道估计的均方误差方面，我们提出的基于学习的方法优于现有技术的方法，特别是当视线（LoS）路径由具有低水平信道硬化的非LoS路径主导时，例如，在RIS元件和/或基站天线的数量较少的情况下。
2022-05-15 cs.IT eess.SP math.IT
Optimal Joint Beamforming and Power Control in Cell-Free Massive MIMO Downlink
提出了一种新的无小区大规模MIMO（CFmMIMO）系统下行链路联合波束赋形和功率控制优化模型。所提出的优化模型的目标是最大限度地减少用户干扰，同时满足服务质量（QoS）的约束和功耗限制。所提出的最小-最大优化模型是作为一个混合整数非线性规划，这是直接听话。数值结果表明，所提出的联合波束成形和功率控制方案是有效的，并优于竞争方案的数据率，功耗和能源效率。
2021-07-22 cs.IT eess.SP math.IT
Precoding and Decoding Schemes for Downlink MIMO-RSMA with Simultaneous Diagonalization and User Exclusion
在本文中，我们考虑下行链路多输入多输出（MIMO）速率分裂多址（RSMA）系统的预编码器设计。所提出的方案与同时对角化（SD）分解的MIMO信道矩阵的用户到标量信道通过高阶广义奇异值分解（CM）的公共消息和块对角化（BD）的私人消息，从而使低复杂度的元素，元素的连续干扰消除（SIC）和解码在接收机。此外，所提出的SD MIMO-RSMA克服了RSMA系统中的一个关键限制，其中通过排除用户的子集来解码CM，CM的可实现速率受到具有用于CM的弱有效MIMO信道的用户的限制。我们制定了一个非凸加权和率（WSR）优化问题的SD MIMO-RSMA和解决它通过逐次凸逼近获得局部最优解。我们的仿真结果表明，无论是完美的和不完美的CSI，所提出的SD MIMO-RSMA与用户排斥优于基线MIMO-RSMA方案和线性BD预编码。
2022-03-30 cs.IT eess.SP math.IT
Deep Learning for Uplink CSI-based Downlink Precoding in FDD massive MIMO Evaluated on Indoor Measurements
当操作具有处于不同频率的上行链路（UL）和下行链路（DL）信道的大规模多输入多输出（MIMO）系统（频分双工（FDD）操作）时，用于下行链路预编码的信道状态信息（CSI）的获取是主要挑战。由于除了收发器损伤之外，UL和DL CSI两者都由发射器和接收器周围的物理环境确定，因此理所当然的是，对于静态环境，可以存在从UL CSI到DL CSI的映射。首先，我们建议使用各种基于神经网络（NN）的方法来学习这种映射，并使用经典的信号处理提供基线。其次，我们引入了一个计划来评估所有方法的泛化性能和质量，区分已知和以前看不见的物理位置。第三，我们评估所有的方法在一个真实世界的室内数据集收集32天线通道探测器。
2022-09-22 cs.IT eess.SP math.IT
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
Downlink Massive MU-MIMO with Successively-Regularized Zero Forcing Precoding
在这封信中，我们考虑下行链路大规模多用户（MU）多输入多输出（MIMO）系统的线性预编码。我们提出了一种新的逐次正则化迫零（SRZF）预编码，它利用连续的零空间的MIMO信道的用户，随着正则化，控制用户间干扰（IUI），并提高性能和鲁棒性不完善的信道状态信息（CSI）在基站（BS）。我们研究了所提出的SRZF预编码的IUI特性的完美和不完美的CSI在BS。此外，通过计算机模拟，我们比较了SRZF预编码的总和速率与几个基线方案，包括传统的和正则化迫零（ZF）预编码。我们的仿真结果表明，对于大规模MIMO系统与用户间的信道相关性，所提出的SRZF预编码显着优于所考虑的基线方案在BS的完美和不完美的CSI。
2022-10-29 cs.IT eess.SP math.IT
Energy Efficiency Optimization for Downlink Massive MIMO With Statistical CSIT
我们调查的能量效率（EE）优化单小区大规模多输入多输出（MIMO）下行链路传输，只有统计信道状态信息（CSI）在基站。我们首先表明，波束域传输是有利于在大规模MIMO下行链路的能源效率，通过推导出一个封闭形式的解决方案的最佳传输协方差矩阵的特征向量。利用这一结论，EE优化问题被简化为一个实值功率分配问题，这比原来的高维复矩阵值预编码设计问题更容易解决。我们进一步提出了一种迭代注水结构波束域功率分配算法，具有低复杂度和保证收敛性，利用序贯优化，分数优化和随机矩阵理论的技术。数值结果表明，我们提出的统计CSI辅助EE优化方法的性能接近最优。
2020-02-12 cs.IT eess.SP math.IT
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
Security Vulnerability of FDD Massive MIMO Systems in Downlink Training Phase
我们考虑了频分双工（FDD）大规模多输入多输出（MIMO）系统的下行链路信道训练时，在网络中存在多天线干扰。干扰机意图通过设计基于其信道的二阶统计的攻击来降低下行链路信道训练的均方误差（MSE）。信道被假定为空间相关的。首先推导出信道估计均方误差的封闭表达式，然后由干扰机确定最大化均方误差的条件。数值结果表明，即使合法系统使用具有大量导频符号的最佳训练信号，所提出的干扰也会严重增加估计MSE。
2018-12-09 cs.CR cs.IT eess.SP
1-Bit Massive MIMO Downlink Based on Constructive Interference
在本文中，我们专注于多用户大规模多输入单输出（MISO）下行链路与低成本的1位数模转换器（DAC）的PSK调制，并提出了一个低复杂度的细化过程，适用于任何现有的1位预编码方法的基础上建设性干扰（CI）制定。随着沿着检测阈值的信号的分解，我们首先制定一个简单的符号缩放方法作为性能度量。随后介绍了低复杂度的细化方法，其中我们的目标是通过修改一个天线上的发射信号的时间，以提高所引入的符号缩放性能度量。数值结果验证了所提出的改进方法在现有的大规模多输入多输出1位DAC的方法的有效性，性能的改善是最显着的低复杂度的量化迫零（ZF）方法。
2018-10-29 cs.IT eess.SP math.IT
Model-driven Learning for Generic MIMO Downlink Beamforming With Uplink Channel Information
准确的下行信道信息对于波束成形设计至关重要，但在实际中很难获得。本文研究了一种基于深度学习的下行波束赋形优化方法，以最大化系统和速率，当只有上行信道信息可用时。我们的主要贡献是提出了一种模型驱动的学习技术，利用最佳下行链路波束成形的结构，设计一个有效的混合学习策略，旨在最大限度地提高和速率性能。这是通过在训练阶段联合考虑下行链路信道的学习性能、功率和和速率来实现的。所提出的方法适用于上行链路信道信息可用但其与下行链路信道的关系未知并且不需要显式下行链路信道估计的一般情况。我们进一步扩展开发的技术，以大规模的多输入多输出的情况下，实现了分布式学习策略的多小区系统，而无需小区间信令开销。仿真结果表明，该方法具有接近于现有数值算法的性能，并具有良好的下行信道信息，在总速率方面明显优于现有的数据驱动方法。
2021-09-16 cs.IT eess.SP math.IT
Downlink MIMO Channel Estimation from Bits: Recoverability and Algorithm
针对FDD大规模MIMO下行信道估计，提出基于压缩与高斯抖动量化的反馈框架及MLE，并设计ADMM算法集成谐波检索求解器，实验验证有效。
2025-09-09 cs.LG eess.SP
Downlink MIMO-RSMA with Successive Null-Space Precoding
在本文中，我们考虑了预编码器的设计，为欠载或临界负载的下行链路多用户多输入多输出（MIMO）通信系统。我们提出了新的预编码和解码方案，提高系统性能的基础上速率分裂在发射机和单级连续干扰消除在接收机。所提出的连续零空间（SNS）预编码利用用户的连续增强的MIMO信道矩阵的零空间基向量的线性组合作为预编码向量来调整接收机所经历的用户间干扰。我们制定了一个非凸加权和速率优化问题的预编码向量和相关的功率分配建议基于SNS的MIMO速率分裂多址接入（RSMA）计划。我们通过逐次凸逼近得到了这个问题的一个次优解。此外，我们研究了所提出的预编码方案的鲁棒性不完善的信道状态信息（CSI）在基站通过基于导数的灵敏度分析。我们的分析和仿真结果表明，所提出的基于SNS的MIMO-RSMA方案的增强性能和鲁棒性超过几个基线多用户MIMO方案，特别是对于不完美的CSI。
2022-05-05 cs.IT eess.SP math.IT
Downlink Spectral Efficiency of Cell-Free Massive MIMO with Full-Pilot Zero-Forcing
与蜂窝通信相比，由于增加了宏分集，大规模多输入多输出（MIMO）可确保以高频谱效率（SE）进行无处不在的通信。然而，系统的可扩展性和性能受到前传业务和干扰的限制。与仅抑制小区内干扰的常规预编码方案不同，在[1]中引入的全导频迫零（fpZF）还主动地抑制小区间干扰，而不在接入点（AP）之间共享信道状态信息（CSI）。在这项研究中，我们推导出一个新的封闭形式的表达的下行链路（DL）SE的无小区大规模MIMO系统与多天线AP和fpZF预编码，不完美的CSI和导频污染。该分析还包括最大-最小公平DL功率优化。数值结果表明，fpZF显着优于最大比传输方案，而不增加前传开销，只要系统是充分分布。
2019-09-06 cs.IT eess.SP math.IT
Efficient Nonlinear Precoding for Massive MU-MIMO Downlink Systems with 1-Bit DACs
在大规模多用户多输入多输出（MU-MIMO）基站（BS）中，数模转换器（DAC）的功耗构成总功耗的显著比例。使用1位DAC可以显著降低功耗。针对每个基站配置1比特DAC的大规模窄带MU-MIMO下行链路系统，研究了预编码问题。在这样的系统中，预编码问题起着核心作用，因为预编码的符号受到1位DAC引入的额外失真的影响。在本文中，我们开发了一个高效的非线性预编码算法的基础上的交替方向方法框架。与经典的半定松弛（SDR）和平方无穷范数Douglas-Rachford分裂（SQUID）算法不同的是，新算法直接求解原始预编码问题的凸松弛版本。新算法在一定的条件下保证了全局收敛性。得到了其收敛的一个充分条件。在各种条件下的实验结果表明，新算法可以达到国家的最先进的准确性相媲美的SDR算法，而更有效的（超过300倍的速度比SDR算法）。
2019-06-08 eess.SP math.OC
Deep Learning Based FDD Non-Stationary Massive MIMO Downlink Channel Reconstruction
针对频分复用（FDD）大规模多输入多输出（MIMO）系统，提出了一种基于模型驱动的深度学习下行信道重构方案。空间非平稳性是未来超大孔径大规模MIMO系统的关键特征。利用神经网络代替信道矩阵学习信道模型参数，节省了系统开销，提高了信道重构的准确性。通过将通道视为图像，我们引入You Only Look Once（YOLO），这是一种用于目标检测的强大神经网络，可以快速估计模型参数，包括检测路径的角度和延迟以及识别散射体的可见区域。基于深度学习的方案避免了由基于算法的参数提取方法引入的复杂迭代过程。基于低复杂度算法的细化器进一步细化YOLO估计，以达到高精度。鉴于模型驱动深度学习的高效性以及神经网络与算法的结合，该方案能够快速准确地重建非平稳下行信道。此外，所提出的方案也适用于广泛关注的平稳系统，并实现了相当的重建精度作为一种基于算法的方法，大大减少了时间消耗。
2020-02-23 cs.IT eess.SP math.IT
