Lattice All-Pass Filter based Precoder Adaptation for MIMO Wireless Channels
现代5G通信系统采用多输入多输出（MIMO）结合正交频分复用（OFDM）来增强数据速率，特别是对于宽带毫米波（mmW）应用。由于这些系统使用大量的子载波，因此从接收器向发射器反馈甚至子载波的子集的估计的预编码器是禁止的。此外，这样的频域方法也不利用存在于这样的信道中的主要视线分量来减少反馈。在这项工作中，我们将时域中的预编码器视为矩阵全通滤波器，并使用矩阵网格结构对离散时间预编码器滤波器进行建模，该矩阵网格结构有助于减少整体反馈，同时仍然保持所需的频率-相位延迟曲线。这提供了使用较少系数的跨子载波的有效预编码器表示，并且能够以比过去方法低得多的反馈随时间进行跟踪。与频域测地线插值、基于Givens旋转的参数化以及依赖于近似离散时间表示的角度延迟域方法相比，所提出的方法以低得多的反馈负担产生更高的可实现速率。通过对mmW信道模型的大量仿真，我们证实了我们的主张的有效性，并表明所提出的方法可以减少高达70%的反馈负担。
2023-03-18 eess.SP
Wireless-Enabled Asynchronous Federated Fourier Neural Network for Turbulence Prediction in Urban Air Mobility (UAM)
Virginia Tech（弗吉尼亚理工大学）；University of Colorado（科罗拉多大学）；University of Oulu（奥卢大学）
为了满足城市内部交通日益增长的流动性需求，已经提出了城市空中流动性（UAM）的概念，其中垂直起降（VTOL）飞机用于提供乘车服务。在UAM中，飞机可以在被称为走廊的指定空域中运行，该走廊连接航空器。GBS和飞机之间的可靠通信网络使UAM能够充分利用空域，并创建快速，高效和安全的运输系统。在本文中，无线连接性能的UAM的特点，提出了一个空间模型。对于这种设置，一个任意选择的GBS和其相关的飞机之间的距离的分布和拉普拉斯变换的GBS所经历的干扰推导。使用这些结果，确定基于信号干扰比（SIR）的连通性概率以捕获UAM飞机到地面通信网络的连通性性能。然后，利用这些连接结果，提出了一个使用傅立叶神经网络的无线异步联邦学习（AFL）框架，以解决UAM操作期间湍流预测的挑战性问题。对于这种AFL方案，引入了一种具有过时意识的全局聚合方案，以加快收敛到UAM飞机使用的最佳湍流预测模型。仿真结果验证了UAM无线连接的理论推导。结果还表明，所提出的AFL框架收敛到最优湍流预测模型的速度比同步联邦学习基线和无陈旧AFL方法更快。此外，结果表征了不同参数设置下飞机湍流模型的无线连接和收敛性能，为UAM设计提供了有用的指导。
2021-12-26 cs.AI eess.SP
Adaptive Random Fourier Features Kernel LMS
提出了自适应随机傅立叶特征高斯核LMS算法。与大多数基于随机梯度下降的核自适应滤波器一样，该算法使用预设数量的随机傅立叶特征来节省计算成本。然而，作为额外的灵活性，它可以在线方式适应随机傅立叶特征中的固有核带宽。这种自适应机制允许缓解预先选择内核带宽的问题，以利于在非平稳情况下改进跟踪。仿真结果表明，该算法在收敛速度、稳态误差和跟踪能力等方面均优于其他预先设定核带宽的核自适应滤波器。
2022-07-14 eess.SP
Optimal Fractional Fourier Filtering in Time-vertex Graphs signal processing
图形信号处理是处理非规则域数据的有效工具。最优图滤波器能够从失真和噪声中恢复出原始信号，是广义高斯过程中的关键技术之一。然而，目前的研究大多集中在静态图形信号和普通的空间/时间或频率域。时变图形信号具有很强的捕捉真实世界数据特征的能力，而分数阶域可以为信号和噪声的分离提供更合适的空间。在本文中，最佳的时间顶点图滤波器及其Wiener-Hopf方程，开发使用的产品图框架。利用图的分数拉普拉斯算子和图的分数傅里叶变换，得到了分数域上的最优时间-顶点图滤波器。在真实世界数据集上的数值模拟将证明分数域中的最优时间-顶点图滤波器优于普通域中的最优时间-顶点图滤波器和分数域中的最优静态图滤波器。
2022-01-12 eess.SP math.SP
Graphon Signal Processing
本文提出graphon信号处理理论，证明图傅里叶变换、图滤波器响应在图序列收敛时的极限性质，将图信号处理拓展至大规模节点图与动态图场景。
2023-12-15 eess.SP
Accurate Graph Filtering in Wireless Sensor Networks
无线传感器网络（WSNs）被认为是实现物联网（IoT）范例的主要技术。最近出现的图形信号处理领域也可以通过提供关键工具（如图形过滤器）来处理与传感器设备相关的数据，从而为实现物联网做出贡献。图过滤器可以通过节点之间的一定数量的通信交换以分布式方式在WSN上执行。但是，无线传感器网络经常受到干扰和噪声的影响，这导致将这些网络视为有向的，随机的和时变的图拓扑结构。大多数现有的作品忽略了这个问题，考虑一个不切实际的假设，声称在两个相邻节点之间发送数据包时，在两个方向上的链路激活的概率相同。本文主要研究随机非对称无线传感器网络中的操作图过滤问题。我们首先表明，图过滤有限脉冲响应图过滤器（节点不变和节点变量）需要具有相等的连接概率的所有链接，以便有一个无偏的过滤，这在实践中无法实现在随机无线传感器网络。在此之后，我们的图形过滤错误的特征，并提出了一个有效的策略进行图过滤任务在随机无线传感器网络与节点变异图过滤器通过最大限度地提高精度，即，确保一个小的偏差方差权衡。为了提高精度，我们优化了滤波器系数，并在MAC层设计了一种跨层分布式调度算法。大量的数值实验表明，所提出的解决方案以及跨层分布式调度算法的去噪应用的效率。
2020-07-15 cs.NI eess.SP
On Performance of Multiscale Sparse Fast Fourier Transform Algorithm
计算大小为N的K-稀疏信号的稀疏快速傅里叶变换（sFFT）一直是一个重要的课题。sFFT算法通过利用大量信号在频域中稀疏的信号固有特性（例如，传感器、视频数据、音频、医学图像等）。sFFT的第一阶段是通过这些滤波器之一的频率bucketization：Dirichlet核滤波器，平坦滤波器，混叠滤波器等。与其他sFFT算法相比，使用平坦滤波器的sFFT算法是更方便和有效的，因为滤波后的信号集中在时域和频域。到目前为止，已经有三种sFFT算法sFFT 1.0、sFFT 2.0、sFFT 3.0算法由麻省理工学院（MIT）于2013年提出。尽管如此，使用多尺度方法的sFFT4.0算法尚未实现。本文将从理论上对该算法进行全面的讨论，并在实践中加以实现。证明了sFFT4.0算法的性能取决于两个参数。运行时间和采样复杂度与多尺度参数成正比，与扩展参数成反比。鲁棒性与扩展参数成正比，与多尺度参数成反比。与三种同类算法或其他四类算法相比，sFFT4.0算法具有良好的运行时间和采样复杂度，比fftw算法好十到一百倍，但算法的鲁棒性一般。
2020-11-11 eess.SP
A Function Based on Chebyshev Polynomials as an Alternative to the Sinc Function in FIR Filter Design
针对截断sinc函数设计FIR滤波器时通带存在吉布斯波纹的问题，提出基于切比雪夫多项式的替代函数，其傅里叶变换通带单调递减，且自带可调参数的内置窗函数以调控过渡带和阻带特性。
2024-07-15 eess.SP
Prototype Filters and Filtered Waveforms for Radio Air-Interfaces: A Review
下一代无线通信的前景表明，通信应该在服务和规范方面具有高度异质性。新的通信网络的出现，特别是物联网（IoT）网络，机器类型通信（MTC）和无人机（UAV）等设备之间的出现，使得无线电空中接口的重新设计变得更加重要。高数据速率、频谱的有效利用、低延迟、灵活性、可扩展能力、能效和降低的复杂性是这些挑战性需求的先锋。这突出了覆盖经典波形并提出最适合这些要求的新空中接口的必要性。为了提出最合适的原型滤波器及其相关波形，进行了几次尝试，以支持具有这些关键先决条件的未来应用。在本文中，我们分析了文献中报道的最重要的标记原型滤波器，以及它们相应的波形，作为无线空中接口的突出候选者。我们将展示滤波器属性影响波形性能，并且存在密切的滤波器-波形相互关系。主要贡献是对这些滤波器和波形的结构进行深入了解，并就不同的标准和不同的品质因数进行公平的比较。
2021-04-03 eess.SP
VLSI Implementation of Novel Class of High Speed Pipelined Digital Signal Processing Filter for Wireless Receivers
对具有高信噪比（SNR）的高性能收发器的需求已经驱使通信系统利用被识别为过采样系统的最新技术。它是通信系统中最经济的调制器和抽取器。它已被证明可以提高信噪比，并用于许多高性能系统，如无线收发器的模数转换器（ADC）。本研究工作提出了一种新的抽取类的设计和它的VLSI实现，它是过采样技术中的子组件。设计并实现了抽取级的主要单元级联积分梳状滤波器、半带滤波器和下降校正电路。在Xilinx ISE环境下的Verilog HDL代码已经被推导出来，以描述所提出的先进CIC滤波器的特性。最后，利用Virtex-II FPGA板在实际硬件上实现并测试了该设计。相应地执行ASIC设计实现，并产生功率和面积测量的片上核心布局。该设计重点考虑了高速和低功耗之间的平衡以及满足无线通信系统的芯片实现的硅面积和高分辨率。综合报告显示，最大时钟频率为332 MHz，有效内核面积为0.308 x 0.308 mm 2。可以得出结论，建议的滤波器结构的VLSI实现是一个使能器，在解决问题，影响DSP应用程序的通信能力。
2018-06-09 cs.AR eess.SP
Fast and Arbitrary Beam Pattern Design for RIS-Assisted Terahertz Wireless Communication
可重构智能表面（RIS）可以辅助太赫兹无线通信恢复脆弱的视距链路，并促进波束转向。任意的反射光束图案被期望以满足不同应用中的不同要求。建立了RIS波束方向图设计与二维有限冲激响应滤波器设计之间的关系，提出了一种快速非迭代算法。仿真结果表明，该方法优于基线方法。因此，它代表了一个有前途的解决方案，快速和任意波束图案设计在RIS辅助太赫兹无线通信。
2022-05-06 eess.SP
Random Fourier Feature Based Deep Learning for Wireless Communications
Resilient Machine learning Institute (ReMI)（弹性机器学习研究所（ReMI））；École de Technologie Supérieure (ÉTS), University of Quebec（魁北克大学高等技术学院（ÉTS））
深度学习（DL）已经成为一种强大的机器学习技术，用于解决通用无线通信中遇到的几个经典问题。具体来说，基于随机傅立叶特征（RFF）的深度学习已经成为几个机器学习问题的有吸引力的解决方案;但是，在证明基于RFF的DL算法的可行性方面，还存在严格结果的空白。为了解决这个差距，我们试图分析量化的可行性RFF为基础的DL。准确地说，在本文中，分析证明，RFF为基础的DL架构具有较低的近似误差和误分类的概率相比，经典的DL架构。此外，提出了一种新的分布相关的RFF，以促进具有低训练复杂度的DL架构。通过计算机模拟，针对下一代通信系统中遇到的各种机器学习问题，描述了所提出的分析结果和所提出的分布相关RFF的实际应用，例如：a）视线（LOS）/非视线（NLOS）分类，以及b）非线性可见光通信（VLC）信道上的低密度奇偶检验码（LDPC）码的基于消息传递的检测。特别是在低训练数据制度，所提出的模拟表明，显着的性能增益时，利用RFF地图的观察。最后，在所有提出的模拟中，观察到所提出的分布相关RFF显著优于RFF，这使得它们在下一代通信系统的上下文中对于潜在的基于机器学习/DL的应用是有用的。
2021-01-13 cs.IT cs.LG eess.SP
Perfect Reconstruction Two-Channel Filter Banks on Arbitrary Graphs Based on an Optimization Model
针对任意图上的临界采样完全重构两通道滤波器组构造问题，提出通用频谱折叠性质与基于优化的图 Fourier 基求解算法，并通过真实与合成数据验证有效性。
2022-08-04 eess.SP
Filter-and-Attend: Wireless Channel Foundation Model with Noise-Plus-Interference Suppression Structure
Pengcheng Laboratory（鹏城实验室）；Queen Mary University of London（伦敦大学玛丽女王学院）；Xi’an Jiaotong University（西安交通大学）
本文提出Filter-and-Attend范式，通过滤波抑制噪声加干扰和关注机制补全CSI，提升无线信道基础模型在多种下游任务中的性能。
2026-01-08 cs.IT eess.SP math.IT
A Two-Dimensional FFT Precoded Filter Bank Scheme
提出了一种基于二维的【形】快速傅立叶变换的预编码滤波器组系统。它的结构类似于正交时频空间（OTFS）系统，其中OFDM发射机改为滤波器组多载波（FBMC），从而获得较低的带外发射。通过使用基于离散傅立叶变换的预编码来保证FBMC传输的复正交性，离散傅立叶变换也用于实现二维的【形】快速傅立叶变换。通过使用一个全球性的传输矩阵，我们提出了一个新的系统的混合接收机。首先，执行频域均衡，然后在延迟-多普勒域上执行干扰消除。仿真结果表明，该系统获得了类似于其他OTFS系统的错误性能，并优于其他预编码FBMC系统的性能。
2022-06-11 cs.IT eess.SP math.IT
RSSI-Based Location Classification Using a Particle Filter to Fuse Sensor Estimates
对于网络物理生产系统（CPPS）来说，本地化变得越来越重要，因为无线和移动设备被认为是不可或缺的一部分。虽然基于接收信号强度指示符（RSSI）在无线通信系统中定位目标是通常的解决方案，但是它受到传感器质量的限制。我们考虑的情况下，一辆车进出一个房间，并建议使用粒子滤波器的传感器融合，使我们能够将非理想的模型，并实现高质量的位置估计。然后，我们使用机器学习（ML）来分类车辆位置。我们的研究结果表明，粒子滤波器的位置输出是一个更好的输入到分类器比原始RSSI数据，我们实现了更高的精度，同时减少了ML必须考虑的功能的数量。我们还比较了多种ML算法的性能，并表明SVM为给定任务提供了整体最佳性能。
2021-04-30 cs.IT eess.SP math.IT
6DCNN with roto-translational convolution filters for volumetric data processing
Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学）；CNRS（法国国家科学研究中心）；Grenoble INP（格勒诺布尔国立理工学院）
在这项工作中，我们介绍了6D卷积神经网络（6DCNN），旨在解决处理三维体积数据时检测局部模式的相对位置和方向的问题。6DCNN还包括在傅立叶空间中构造的SE（3）-等变消息传递和非线性激活操作。在傅立叶空间中工作可以显著降低我们操作的计算复杂度。我们证明了6D卷积的性质及其在空间模式识别中的效率。我们还评估了来自最近CASP蛋白质结构预测挑战的几个数据集上的6DCNN模型。在这里，6DCNN在基线架构上进行了改进，并且也优于最先进的技术。
2021-07-30 cs.LG eess.SP q-bio.QM
Infinite Sequences, Series Convergence and the Discrete Time Fourier Transform over Finite Fields
数字变换在信道编码、密码学和数字信号处理等学科中有重要的应用。本文研究了两种傅里叶变换：离散时间傅里叶变换（DTFT）和有限域傅里叶变换（FFFT）。介绍了DTFT的有限域形式，并利用复核重新定义了FFFT，使其成为离散傅里叶变换的更合适的有限域形式。这些变换可以处理有限代数结构上定义的FIR和IIR滤波器。
2020-07-17 cs.DM eess.SP math.GR
