Wavelet-Based CSI Reconstruction for Improved Wireless Security Through Channel Reciprocity
本文针对低成本物联网设备信道互易性退化问题，提出基于小波相干性和时滞互相关的CSI重建技术，并据此改进密钥生成与重放攻击检测，提升无线安全性。
2025-04-10 cs.NI eess.SP
Exploiting Partial FDD Reciprocity for Beam Based Pilot Precoding and CSI Feedback in Deep Learning
大规模MIMO系统可以在准确估计信道状态信息（CSI）的基础上在下行链路（DL）中实现高频谱和能量效率。现有的工作已经开发了基于学习的DL CSI估计，其降低了上行链路反馈开销。一个经常被忽视的问题是可用于CSI估计的DL导频的数量有限。一种提出的解决方案通过利用过去的CSI估计并且仅发送部分阵列的CSI参考符号（CSI-RS）来利用时间CSI相干性以保持CSI恢复性能。利用CSI相关性，FDD信道互易性有助于基站直接存取上行链路CSI。在这项工作中，我们提出了一种新的基于学习的反馈架构和可重构的CSI-RS布局方案，以减少DL CSI训练开销，提高CSI反馈的编码效率。我们的研究结果表明，在室内和室外的情况下，在大幅降低计算能力和存储要求在UE的CSI恢复的建议框架的优越性能。
2022-05-29 cs.IT eess.SP math.IT
Data-Aided Bayesian Learning for CSI Estimation over Doubly-Selective DCO-OTFS MIMO VLC Channels with Affine-Precoded Superimposed Training Sequences
Indian Institute of Technology Kanpur（坎普尔印度理工学院）；Indian Institute of Technology Jodhpur（焦特普尔印度理工学院）；University of Southampton（南安普顿大学）
针对双选择性DCO-OTFS MIMO VLC信道，提出仿射预编码叠加训练框架，结合导频与数据辅助贝叶斯学习估计CSI并检测数据，降低导频开销和错误率。
2026-09-22 eess.SP
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
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
Amplitude Prediction from Uplink to Downlink CSI against Receiver Distortion in FDD Systems
针对FDD系统中接收机失真导致的CSI幅度预测性能下降问题，提出基于轻量级神经网络的幅度预测方法，通过失真学习网络抑制失真并校准互易性，结合幅度预测网络实现下行CSI幅度预测，提高精度并降低延迟。
2023-08-31 cs.IT eess.SP math.IT
Can We Improve Channel Reciprocity via Loop-back Compensation for RIS-assisted Physical Layer Key Generation
针对RIS辅助物理层密钥生成中信道互易性受硬件干扰和RIS干扰攻击影响的问题，提出结合回传信号与误差最小化的LoCKey回环补偿方法，有效提升信道互易性、密钥生成速率与密钥一致性，具备实际部署潜力。
2024-08-14 eess.SP
Leveraging Bi-Directional Channel Reciprocity for Robust Ultra-Low-Rate Implicit CSI Feedback with Deep Learning
提出Dual-ImRUNet框架，通过双向相关性增强和输入格式对齐模块，结合Transformer网络实现超低速率CSI压缩，反馈开销降低85%且对未见环境鲁棒。
2025-07-16 cs.IT eess.SP math.IT
Geometry-Based Channel Estimation, Prediction, and Fusion
针对基于互易性的波束成形在低SNR和用户移动场景下性能下降的问题，提出基于几何信道模型联合推断用户位置与环境地图以预测下行CSI的方法，还提出CSI的贝叶斯融合方案提升鲁棒性，实测数据验证了效率提升。
2025-03-22 eess.SP
Combining Reciprocity and CSI Feedback in MIMO Systems
基于互易性的时分双工（TDD）大规模MIMO（多输入多输出）系统利用在上行链路中获得的信道估计来在下行链路中执行预编码。然而，在信道估计不足以在空间上分离多个用户终端的意义上，由于信道估计质量不足，在低上行链路参考信号信噪比下，该方法被批评为崩溃。相反，基于码本的下行链路预编码已经被提倡作为替代解决方案，以便绕过这个问题。我们分析这个问题，考虑一个“网格的光束世界”有限数量的可能的下行链路信道实现。假设终端可以准确地检测到下行链路信道，我们表明，在互易性的情况下，仔细设计的下行链路信道和上行链路参考信号之间的映射将执行比传统的TDD大规模MIMO和频分双工（FDD）大规模MIMO的方法。我们得出优雅的度量设计这个映射，并进一步，我们提出了算法，找到良好的序列映射。
2022-06-10 cs.IT eess.SP math.IT
Experimental Evaluation of Geometry and Reciprocity-Based Beamforming with Large Arrays for RF Wireless Power Transfer
KU Leuven（荷语鲁汶大学）
本文通过实验比较了几何波束成形与CSI波束成形在RF无线电力传输中的性能，展示了几何波束成形在不同传播条件下的功率增益及系统开销与多径鲁棒性的权衡。
2026-04-13 eess.SP
Nonreciprocal RIS-Aided Covert Channel Reciprocity Attacks and Countermeasures
本文研究了非互易RIS在多天线TDD系统中引发的信道互易性攻击（CRACK）威胁，并提出基于深度强化学习的SecureCoder框架，利用上行CSI与速率反馈优化下行预编码，有效缓解攻击并提升系统鲁棒性。
2025-09-14 eess.SP
How to interconnect for Massive MIMO Self-Calibration?
在时分双工（TDD）系统中，大规模多输入多输出（MIMO）依赖于信道互易性来利用基站（BS）处获取的上行链路（UL）信道状态信息（CSI）来获得下行链路（DL）CSI。然而，BS处的不同天线处的射频（RF）模拟电路中的失配破坏了端到端UL和DL信道互易性。为了恢复信道互易性，有必要校准BS处的所有天线。本文讨论了内部自校准在BS不同的天线通过硬件传输线互连的互连策略。具体地，本文分别揭示了星形互连和菊花链互连的最优性。结果表明，当基站的测量次数相同时，星型互连是最优的互连策略。另一方面，当消耗相同的时间资源时，菊花链互连优于星形互连。数值结果证实了我们的理论分析。
2018-03-03 eess.SP
A Partial Channel Reciprocity-based Codebook for Wideband FDD Massive MIMO
频分双工（FDD）大规模MIMO系统中信道状态信息（CSI）的获取是一个巨大的挑战。在本文中，我们解决这个问题，一个新的CSI反馈框架，使部分互易性的上行链路和下行链路信道在宽带制度。首先，我们推导出了一个给定的角度延迟分布的宽带大规模MIMO信道协方差矩阵的秩的封闭形式的表达。一个低秩性质的识别，这推广了著名的结果的窄带均匀线阵设置。然后，我们提出了一个部分信道互易性（PCR）码本，启发的低秩行为和事实，即上行链路和下行链路信道具有相似的角度延迟分布。与5G中的最新码本相比，所提出的PCR码本方案在用户侧实现了更高的性能、更低的复杂度，并且需要更少量的反馈。我们推导出实现渐近无差错CSI反馈所需的反馈开销。还提出了两种低复杂度的替代方案，以进一步降低基站侧的复杂度。实际3GPP信道模型的仿真结果表明，与最新的5G码本相比，我们提出的方法具有显着的增益，这证明了我们提出的方法是5G及以后的实用解决方案。
2022-01-26 cs.IT eess.SP math.IT
A Partial Reciprocity-based Channel Prediction Framework for FDD Massive MIMO with High Mobility
大规模多输入多输出（MIMO）被认为可以为5G及以后提供未被代表的频谱效率增益。然而，在其商业部署过程中出现了一个实际挑战，这被称为“移动性的诅咒”。大规模MIMO系统的性能随着用户速率的增加而急剧下降。在本文中，我们解决了频分双工（FDD）的大规模MIMO与新的信道状态信息（CSI）获取框架的问题。提出了一种用于信道训练的联合角度延迟多普勒（JADD）宽带预编码器。我们的想法包括在开发的FDD和角度延迟多普勒信道结构的部分信道互易性。更精确地，基站（BS）使用矩阵变换（MP）方法基于UL导频来估计UL信道的角度延迟多普勒信息。然后根据提取的参数计算宽带JADD预编码器。之后，用户估计并反馈一些标量系数，以供BS重构预测的DL信道。渐近分析表明，随着基站天线数和带宽的增加，CSI预测误差收敛到零。工业信道模型的数值结果表明，该框架能够很好地适应高速（350 km/h）、大CSI时延（10 ms）和信道采样噪声。
2022-05-26 cs.IT eess.SP math.IT
Interconnection Strategies for Self-Calibration of Large Scale Antenna Arrays
在时分双工（TDD）系统中，大规模多输入多输出（MIMO）依赖于信道互易性来获得具有上行链路（UL）信道状态信息（CSI）的下行链路（DL）信道状态信息（CSI）。在实践中，基站（BS）处的不同天线之间的射频（RF）模拟电路中的失配破坏了端到端UL和DL信道互易性。为了避免大规模多输入多输出（massive MIMO，MIMO）系统性能严重下降，天线校准是必要的。在TDD大规模多输入多输出系统中，许多校准方案可用于补偿RF增益失配并恢复信道互易性。在本文中，我们专注于内部自校准方案，不同的BS天线通过硬件传输线互连。首先，我们研究了任意互连策略的校准性能。接下来，我们得到了封闭形式的克拉美-罗下界（CRLB）表达式在BS的每一个互连策略，只有（M-1）传输线和M表示的BS天线的总数。在此基础上，进一步证明了星型互连策略具有最低的CRLB，是内部自校准的最优策略。此外，我们还提出了有效的递归算法，以获得相应的最大似然（ML）估计的所有校准系数。数值模拟结果也证实了我们的理论分析和结果。
2018-11-14 eess.SP
Channel-Aware Deep Learning for Superimposed Pilot Power Allocation and Receiver Design
针对多用户移动场景下叠加导频分离难题，提出信道感知学习框架CaSIP，利用路径增益联合优化导频数据功率分配与基于深度神经网络的接收机，有效消除干扰，显著提升了高移动低信噪比下的吞吐量与估计精度。
2025-10-13 eess.SP
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
Score-Based Conditional Flow Models for MIMO Receiver Design with Superimposed Pilots
Beijing University of Posts and Telecommunications（北京邮电大学）；China Mobile Research Institute（中国移动研究院）；The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；University of Kent（肯特大学）
本文提出了一种基于分数率的条件流模型，用于改进MIMO接收机设计，通过整合接收端先验知识和矩一致的ODE，实现更准确的信道估计和更强的符号检测鲁棒性。
2026-02-25 eess.SP
CSI-based versus RSS-based Secret-Key Generation under Correlated Eavesdropping
物理层安全（PLS）作为通常在更高网络层实现的传统密码原语的替代方案或与传统密码原语相结合，具有强烈增强整体系统安全性的潜力。依赖于无线信道互易性的密钥生成是一种有趣的解决方案，因为它可以在新兴的无线通信网络的物理层有效地实现，同时提供信息理论的安全保证。在本文中，我们调查和比较的基础上采样的整个复杂的信道状态信息（CSI）或仅其包络，接收信号强度（RSS）的密钥容量。此外，相对于以前的作品，我们考虑到的事实，窃听者的意见可能是相关的，我们认为高信噪比（SNR）制度，我们可以找到简单的分析表达式的秘密密钥容量。正如已经发现在以前的作品中，我们发现，基于RSS的密钥生成是严重的惩罚相比，基于CSI的系统。在高SNR下，我们能够精确而简单地量化这种惩罚：减半的前对数因子和约0.69比特的恒定惩罚，随着Eve的信道变得高度相关，该惩罚消失。
2020-06-22 eess.SP
Learning-Based Phase Compression and Quantization for Massive MIMO CSI Feedback with Magnitude-Aided Information
大规模MIMO无线FDD系统经常面临有效获取下行链路信道状态信息（CSI）的挑战。先前的工作已经证明了通过利用它们的CSI幅度之间的上行链路/下行链路互易性在CSI编码和恢复中的潜力。然而，这样的框架单独地编码CSI相位和幅度。为了改进CSI编码，我们提出了一个基于学习的框架，基于有限的CSI反馈和幅度辅助信息。超越以前的工作，我们提出的框架与修改后的损失函数，使端到端的学习，共同优化CSI幅度和相位恢复性能。仿真结果表明，该框架优于替代方法的相位恢复在室内和室外场景中的整体CSI恢复。
2021-12-17 cs.IT eess.SP math.IT
Deep Learning-Based CSI Prediction Framework for Channel Aging Mitigation in TDD 5G Systems
针对TDD 5G系统中信道老化导致CSI精度下降的问题，提出基于深度学习的CSI预测框架，采用DNN和LSTM模型在有效SINR域预测，仿真显示LSTM可有效提升性能。
2025-10-28 eess.SP
UL-Assisted Parametric CSI Feedback and Prediction for FDD Systems
The University of Sydney（悉尼大学）；Technische Universität Berlin（柏林工业大学）；La Trobe University（拉筹伯大学）
针对FDD系统中CSI反馈过时的问题，提出由UL辅助的参数化CSI反馈与预测方案，利用信道部分互易性，结合Sionna数据集仿真验证其性能优于基线方案。
2026-10-14 eess.SP
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
Superimposed Channel Estimation in OTFS Modulation Using Compressive Sensing
Isfahan University of Technology（伊斯法罕理工大学）；Yazd University（亚兹德大学）
本文提出了一种基于压缩感知的OTFS信道估计方法，利用稀疏恢复算法和消息传递检测器，实现无导频开销的高效信道参数估计。
2022-12-19 cs.IT eess.SP math.IT
Uplink Assisted Joint Channel Estimation and CSI Feedback: An Approach Based on Deep Joint Source-Channel Coding
School of Electronic and Information Engineering, Beijing Jiaotong University（北京交通大学电子信息工程学院）
针对FDD MIMO系统中传统模块化CSI反馈架构的次优问题，提出上行辅助的联合信道估计与CSI反馈方法，采用DJSCC架构缓解悬崖效应，利用上下行信道部分互易性提升重建精度，实验验证了其有效性与必要性。
2025-04-15 cs.AI 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
Deep Learning Based Successive Interference Cancellation for the Non-Orthogonal Downlink
非正交通信在未来的无线通信系统中将发挥重要作用。在下行链路传输中，数据符号从基站广播到不同的用户，这些数据符号以不同的功率叠加，以促进使用连续干扰消除（SIC）的高完整性检测。然而，SIC需要信道模型和信道状态信息（CSI）两者的准确知识，这可能难以获取。我们提出了一种称为SICNet的深度学习辅助SIC检测器，它用深度神经网络（DNN）代替SIC的干扰消除块。解释一下，SICNet联合训练其内部DNN辅助块，以数据驱动的方式推断表示干扰符号的软信息，而不是像经典SIC那样使用硬判决解码器。结果，SICNet可靠地检测非正交系统的下行链路中的叠加符号，而不需要信道模型的任何先验知识，同时比其基于模型的对应物对CSI不确定性不太敏感。SICNet对用户数量和功率分配的变化也是鲁棒的。此外，SICNet学习产生准确的软输出，与基于模型的SIC相比，这有助于改进软输入纠错解码。最后，我们提出了一种在线训练方法SICNet块衰落下，它利用信道解码准确地恢复在线数据标签进行再训练，因此，允许它平滑地跟踪衰落包络，而不需要专用的导频。我们的数值结果表明，SICNet的性能接近经典SIC下完美的CSI，而在现实的CSI不确定性优于它。
2022-07-29 cs.IT eess.SP math.IT
Integrated Sensing and Communications in Downlink FDD MIMO without CSI Feedback
针对FDD MIMO ISAC系统，提出利用部分互易性由上行训练重建下行CSI并以RSMA预编码优化频谱效率的无反馈框架。
2025-06-11 cs.IT eess.SP math.IT
Attention Mechanism Based Intelligent Channel Feedback for mmWave Massive MIMO Systems
具有毫米波（mmWave）和大规模多输入多输出（MIMO）的智能无线通信的潜在优势基于基站（BS）处的瞬时信道状态信息（CSI）的可用性。然而，在频分双工（FDD）系统中，不存在信道互易性导致在BS处难以捕获准确的CSI。许多研究人员探索了基于深度学习（DL）的有效架构来解决这个问题，并证明了基于DL的解决方案的成功。然而，现有的方案集中在获取完整的CSI，而忽略了波束成形和预编码操作。在本文中，我们提出了一种智能信道反馈结构，使用特征矩阵和特征向量反馈神经网络（EMEVNet）。在注意力机制的帮助下，所提出的EMEVNet可以被认为是一个双通道自动编码器，它能够将特征矩阵和特征向量联合编码成码字。仿真结果表明，与传统的基于DL的CSI反馈方法相比，所提出的EMEVNet方法具有很大的性能改善和鲁棒性，具有极低的开销。
2022-11-02 cs.IT eess.SP math.IT
Robust Non-Coherent Beamforming for FDD Downlink Massive MIMO
由于难以获得信道状态信息（CSI），因此已知设计用于频分双工（FDD）大规模多输入多输出的下行链路（DL）的波束成形技术是具有挑战性的问题。实际上，由于上行链路-下行链路频带是不相交的，因此系统不能像时分双工（TDD）系统中那样依赖于信道互易性来从上行链路（UL）导频估计信道。尽管如此，在本文中，我们提出了鲁棒波束形成器的原始设计，不需要来自用户的任何反馈，仅依赖于UL导频的传输。付出的代价是波束形成器在它不利用每个多径分量的相位的全部知识的意义上是非相干的。在不同的准则和部分相位知识下，提出了大量新颖的设计。
2020-04-01 eess.SP
Joint Training of the Superimposed Direct and Reflected Links in Reconfigurable Intelligent Surface Assisted Multiuser Communications
在可重构智能表面（RIS）辅助系统中，CSI的获取和反射系数的优化是一对突出的设计问题。在本文中，提出了一种新的信道训练协议，这是能够实现灵活的性能与信令和导频开销以及实现复杂度的权衡。更具体地说，首先，我们构思了一个整体的信道估计协议，它集成了现有的信道估计技术和被动波束形成设计。其次，我们提出了一个新的渠道培训框架。与传统的信道估计安排相比，我们的新框架将训练阶段划分为几个时段，其中估计叠加的端到端信道，而不是分别估计直接BS用户信道和级联的反射BS-RIS用户信道。结果，通过比较多个训练周期上的目标函数值来优化RIS的反射系数。此外，我们的信道训练协议的理论性能进行了分析和比较下的最佳反射系数。此外，我们的信道训练协议在降低复杂度，导频开销以及信令开销的潜在好处也详细。第三，我们推导出的理论性能的信道估计协议和我们的信道训练协议中存在的噪声的SISO的情况下，这提供了有用的见解噪声对整体RIS性能的影响。最后，我们的数值模拟所提出的协议的性能和验证我们的理论分析。特别是，仿真结果表明，我们的信道训练协议是更有竞争力的信道估计协议在低信噪比。
2021-05-30 cs.IT eess.SP math.IT
Physics-Inspired Deep Learning Anti-Aliasing Framework in Efficient Channel State Feedback
University of California, Davis（加州大学戴维斯分校）；Samsung Research America（三星美国研究院）；National Yang Ming Chiao Tung University（国立阳明交通大学）
针对大规模MIMO FDD系统中CSI反馈前的欠采样导致混叠问题，提出基于离散傅里叶变换移位定理和多径互易性的gNB侧上采样框架，并结合ISTA-Net深度学习，显著优于传统插值与现有方法。
2024-03-12 cs.AI cs.IT eess.SP
Towards Efficient Subarray Hybrid Beamforming: Attention Network-based Practical Feedback in FDD Massive MU-MIMO Systems
Tsinghua University（清华大学）；Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心）
由于信道的非互易性，频分复用（FDD）多输入多输出（MIMO）系统需要进行信道状态信息（CSI）反馈。在深度学习的帮助下，许多工作已经成功地重建了大规模MIMO的压缩理想CSI。然而，简单的CSI重构具有有限的实用性，因为没有考虑信道估计和目标波束成形设计。在本文中，联合优化网络的信道估计和反馈，使频谱效率的波束形成器可以学习。此外，部署友好的子阵混合波束形成架构，并专门设计了一个实用的轻量级端到端网络。实验表明，该网络是超过10倍轻的资源敏感的用户设备相比，以前的国家的最先进的方法，只有一个很小的性能损失。
2023-02-05 cs.AI cs.IT eess.SP
FDD massive MIMO channel spatial covariance conversion using projection methods
信道的二阶统计（例如，以协方差矩阵的形式）的知识对于在频分双工（FDD）模式下操作的大规模多输入多输出系统中获取下行链路信道状态信息（CSI）是至关重要的。当前MIMO系统通常通过来自用户设备（UE）的估计协方差矩阵的反馈来获得下行链路协方差信息，但是在大规模多输入多输出机制中，由于不可接受的高训练开销，这种方法是不可行的。本文认为，而不是从上行链路测量估计下行链路信道协方差的问题。我们提出了两个变种的算法的基础上投影方法在无限维希尔伯特空间，利用信道的互易性在角域。所提出的方案进行评估，通过蒙特卡罗模拟，他们表现出优于当前国家的最先进的解决方案，在精度和复杂性方面，典型的阵列几何形状和双工间隙。
2018-04-13 eess.SP
Secret-Key Agreement Through Hidden Markov Modeling of Wavelet Scattering Embeddings
提出基于小波散射网络提取稳健CSI特征，结合降维与隐马尔可夫模型实现免量化的密钥协商，在资源受限的IoT环境中将密钥生成率提升5倍。
2025-10-10 cs.CR eess.SP
Joint Port Selection Based Channel Acquisition for FDD Cell-Free Massive MIMO
针对FDD无蜂窝大规模MIMO中CSI获取开销大的问题，本文提出基于联合端口选择的CSI获取与反馈方案，并设计GS-JPS和DL-JPS两种端口选择算法，仿真表明其性能优于现有方案。
2024-01-12 cs.IT eess.SP math.IT
Probabilistic Symbol-Level Precoding based Affine Frequency Division Multiplexing Transmission
School of Information and Electronics, Beijing Institute of Technology, China（北京理工大学信息与电子学院）；Faculty of Electrical Engineering and Computer Science, Technical University of Berlin, Germany（柏林工业大学电气与计算机工程学院）；the State Key Laboratory of Environment Characteristics and Effects for Near-space, Beijing Institute of Technology, China（北京理工大学临近空间环境特性与效应国家重点实验室）；School of Computer Science and Electronics Engineering, University of Essex, U.K（英国埃塞克斯大学计算机科学与电子工程学院）
提出基于概率符号级预编码的AFDM传输框架，将处理负担转移至基站，接收端免信道估计与均衡，通过SOCP近似最小化错误概率，在保持性能的同时大幅降低接收端复杂度。
2026-09-10 eess.SP
AirFM-DDA: Air-Interface Foundation Model in the Delay-Doppler-Angle Domain for AI-Native 6G
School of Information Science and Electronic Engineering, Shanghai Jiao Tong University, Shanghai, 200240, China（上海交通大学信息科学与电子工程学院，上海，200240，中国）；Shanghai Innovation Institute, Shanghai 200231, China（上海创新研究院，上海200231，中国）
本文提出AirFM-DDA，一种在延迟-多普勒-角度域运作的空气接口基础模型，用于物理层任务，通过重新参数化CSI并引入帧结构感知位置编码，提升零样本泛化能力与计算效率。
2026-11-09 cs.AI cs.IT cs.LG
Downlink and Uplink Cooperative Joint Communication and Sensing
提出下行与上行协作JCAS方案，通过统一MUSIC感知与DUC融合区分用户和哑目标，并利用信道互易性提升感知及CSI估计精度。
2023-04-26 cs.IT eess.SP math.IT
