Unlocking the Potential of Local CSI in Cell-Free Networks with Channel Aging and Fronthaul Delays
针对无蜂窝网络中前传延迟导致集中式预编码过时的问题，提出融合及时本地CSI与延迟全局CSI的鲁棒分布式预编码设计，基于团队最小均方误差方法，证明AP本地计算不应被忽视。
2024-04-19 cs.IT eess.SP math.IT
Quantized Precoding for Maximizing Sum Rate in MU-MIMO Systems with Constrained Fronthaul
KTH Royal Institute of Technology（皇家理工学院）；Nokia Standards（诺基亚标准）
本文提出了一种量化预编码方法，通过在MU-MIMO系统中直接整合量化器约束以最大化总速率，采用新的迭代算法和球面解码方法，实现高效且低复杂度的预编码设计。
2026-02-27 cs.AR eess.SP
Deep Learning-Aided Delay-Tolerant Zero-Forcing Precoding in Cell-Free Massive MIMO
在无小区大规模多输入多输出（CFmMIMO）的背景下，迫零预编码（ZFP）在频谱效率方面是优越的。然而，由于前传和处理延迟，它遭受信道老化。在本文中，我们提出了一种鲁棒的方案，即延迟容忍迫零预编码（DT-ZFP），它利用深度学习辅助信道预测来减轻过时的信道状态信息（CSI）的影响。由一组用户特定的预测模块组成的预测器是专门为这种多用户场景设计的。利用由预测时域带来的自由度，可以并行化通过前传网络的CSI和预编码数据的递送以及通过空中接口的用户数据和导频的传输。因此，DT-ZFP不仅有效地对抗信道老化，而且避免了CFmMIMO中规范ZFP的低效停止和等待机制。
2022-10-11 cs.IT eess.SP math.IT
Unlocking the Energy-Saving Potential in O-RAN Cell-Free Massive MIMO by Joint Orchestration of Radio, Wireless Fronthaul, and Cloud Resources
KTH Royal Institute of Technology（皇家理工学院）；TOBB University of Economics and Technology（TOBB经济与科技大学）；Bilkent University（比尔肯特大学）
本文研究了O-RAN架构下无线中回传的细胞-free大规模MIMO网络，提出联合协调框架以最小化端到端能耗并满足用户设备速率需求，通过集中式预编码和分布式预编码算法实现高达70%的能耗节省。
2026-04-05 eess.SP
Impact of Channel Aging on Zero-Forcing Precoding in Cell-Free Massive MIMO Systems
在无小区大规模多输入多输出（mMIMO）的上下文中，迫零预编码（ZFP）需要经由前传网络交换瞬时信道状态信息和预编码数据符号。它会导致相当大的传播和处理延迟，从而降低性能。本文分析了无小区mMIMO中信道老化对ZFP性能的影响。老化的影响，不仅用户的移动性，而且相位噪声被认为是。每用户的频谱效率方面的数值结果进行了说明。
2021-07-03 cs.IT eess.SP math.IT
Sequential HW-Aware Precoding: Over-the-air cancellation of HWI in Downlink Cell-Free Massive MIMO with Serial Fronthaul
针对下行无蜂窝大规模MIMO网络硬件损伤抑制与计算可扩展性问题，提出序列硬件感知预编码方法，通过串行前传AP间依次交换失真信息实现空对消，在高失真场景下显著提升频谱效率且计算复杂度更低。
2025-03-21 eess.SP
Splitting Precoding with Subspace Selection and Quantized Refinement for Massive MIMO
KTH Royal Institute of Technology（皇家理工学院）
本文提出一种分裂预编码方法，通过子空间选择和量化细化提升大规模MIMO的频谱效率
2026-01-02 cs.AR eess.SP
MSE Minimization in RIS-Aided MU-MIMO with Discrete Phase Shifts and Fronthaul Quantization
针对 RIS 辅助下行 MU-MIMO 在有限容量前传与离散 RIS 相移约束下的和 MSE 最小化问题，提出基于块坐标下降与 SESD 的联合优化算法，实现预编码、RIS 配置及接收机增益的最优求解。
2024-06-18 eess.SP
Low-Complexity Hybrid Precoding for Cell-Free Massive MU-MIMO ISAC Systems
Shanghai Jiao Tong University（上海交通大学）
针对无小区大规模MU-MIMO ISAC系统，提出一种低复杂度混合预编码框架，通过部分连接架构降低前传开销和计算复杂度，并设计交替优化算法解决带PEB约束的和速率最大化问题。
2026-06-24 cs.IT eess.SP math.IT
A Novel Hybrid Precoder With Low-Resolution Phase Shifters and Fronthaul Capacity Limitation
针对大规模MIMO混合预编码系统中低分辨率移相器与前传容量受限导致和速率下降的问题，受球形解码算法启发提出新型预编码器设计，性能优于传统方法。
2025-06-14 eess.SP
Resource Efficient Over-the-Air Fronthaul Signaling for Uplink Cell-Free Massive MIMO Systems
针对无小区大规模MIMO上行前传瓶颈，提出资源高效模拟空中计算框架，通过预编码与两阶段功率分配实现OTA相干合并，并验证其性能优于有线前传方案。
2023-11-14 cs.IT eess.SP math.IT
Scalable Multivariate Fronthaul Quantization for Cell-Free Massive MIMO
King’s College London（伦敦国王学院）；Huawei’s Sweden Research and Development Center（华为瑞典研发中心）
针对无蜂窝大规模MIMO中多变量量化复杂度随总前传容量指数增长的问题，提出低容量下的alpha-PMQ和高容量下的神经MQ两种可扩展方案，在高低前传容量场景均优于传统CP方法。
2024-08-26 cs.IT cs.LG cs.NI
Rethinking Energy Efficiency in Cell-Free Massive MIMO: The Role of Processing and Optical Fronthaul
KTH Royal Institute of Technology（皇家理工学院）；Bilkent University（比尔肯特大学）
本文提出模块化功耗模型，分析无蜂窝大规模MIMO中前传与处理对能效的主导作用，发现密集分布式天线结合端到端资源分配可提升能效。
2026-07-01 cs.SY eess.SP eess.SY
Large-Scale Fading Precoding for Spatially Correlated Rician Fading with Phase Shifts
我们考虑大规模衰落预编码（LSFP），这是一个两层的预编码方案在多小区大规模MIMO（多输入多输出）系统的下行链路，以抑制小区间干扰。我们得到的封闭形式的频谱效率（SE）与LSFP在中央网络控制器和最大比预编码在基站（BS）使用线性最小均方误差或最小二乘信道估计。LSFP权值的设计基于长期的信道统计和两个重要的性能指标进行了优化下每BS的发射功率约束。这些指标是总和SE和比例公平性，其中产生的优化问题是非凸的。利用乘子法中的加权最小均方误差和交替方向法，提出了两种有效的算法。此外，提出了两种部分LSFP方案，以减少前传信令的要求。仿真量化了LSFP在标准单层预编码方案上的性能改进，并确定了每个优化问题的具体优势。
2020-06-25 cs.IT eess.SP math.IT
RIS-Assisted Survivable Fronthaul Design in Cell-Free Massive MIMO System
本文研究RIS在无小区大规模MIMO系统中提升前传可生存性，通过LOS增强和资源共享两种机制，提出WMMSE与黎曼梯度下降结合的优化方案，使冗余容量减少65.6%并达到99%可生存性。
2025-05-25 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
Distributed MIMO Precoding with Routing Constraints in Segmented Fronthaul
本文研究了分段前传下两级路由约束对D-MIMO下行性能的影响，提出高效选择服务RU和ARU的框架以最小化路由影响，发现合理设置段容量与路径长度可实现零UE丢弃率。
2024-05-30 eess.SP
AI-Driven Fronthaul Link Compression in Wireless Communication Systems: Review and Method Design
school of Electrical Information and Communications, Huazhong University of Science and Technology（电子信息与通信学院，华中科技大学）
本文综述AI驱动的无线前传链路压缩技术，分析两类高压缩路径，提出适配无蜂窝架构的前传压缩策略，实现高压缩比、可控性能损失与低时延推理，适配下一代网络协作传输。
2025-09-05 cs.AI cs.LG eess.SP
Learning-Based Joint Antenna Selection and Precoding Design for Cell-Free MIMO Networks
本文针对下行无小区MIMO网络，提出一种分布式机器学习算法，利用CNN进行天线选择、GNN进行预编码设计，仅需本地CSI即可显著降低前传开销与能耗，并实现与集中式方案相当的总频谱效率。
2025-02-01 cs.IT eess.SP math.IT
Power Allocation for Massive MIMO-based, Fronthaul-constrained Cloud RAN Systems
云无线接入网络（C-RAN）和大规模多输入多输出（MIMO）是满足5G用例的多样化和严格要求的两种关键使能技术。在具有大规模多输入多输出的C-RAN系统中，前传由于其有限的容量而通常是瓶颈，并且发送预编码被移动到远程无线电头端以降低对前传的容量要求。对于这样的系统，我们优化分配给用户的功率，首先最大化加权和速率，然后能量效率（EE），同时明确地将前传的容量约束。我们考虑两个不同的前传约束，模型的前传网络的不同部分的容量限制。我们开发的连续凸逼近算法，实现这些非凸问题的一个稳定点。为此，我们首先提出了新的，局部紧界的用户速率表达式。它们用于获得原始非凸问题的凸逼近，然后通过求解其对偶问题来解决。在EE最大化中，我们还采用Dinkelbach算法来处理目标函数的分数形式。数值结果表明，与不进行功率控制的情况相比，所提算法显著提高了网络性能，并取得了比现有算法更好的性能。
2018-10-10 eess.SP
Scalable Cell-Free Massive MIMO Systems
想象一下，一个覆盖区域有许多无线接入点，这些接入点相互合作，共同为用户提供服务，而不是创建自治小区。这种无小区网络操作可以潜在地解决当前蜂窝网络中出现的许多干扰问题。这一目标以前被称为网络MIMO（多输入多输出），最近又以无小区大规模MIMO的名称重新出现。主要的挑战是以实际可行的方式实现无小区操作的益处，其中计算复杂性和前传要求可扩展到具有许多用户的大型网络。我们提出了一个新的框架，可扩展的无小区大规模MIMO系统，利用动态合作集群的概念，从网络MIMO文献。我们提供了一种新的算法，联合初始接入，导频分配和集群的形成，被证明是可扩展的。此外，我们适应标准的信道估计，预编码和组合方法，成为可扩展的。证明了一种新的上行链路和下行链路的对偶性，并使用该对偶性在合并向量的基础上，对预编码向量进行了启发式设计。有趣的是，所提出的可伸缩预编码和组合优于传统的最大比处理，也执行接近最好的不可伸缩的替代品。
2020-05-08 cs.IT eess.SP math.IT
Energy Efficient User Clustering, Hybrid Precoding and Power Optimization in Terahertz MIMO-NOMA Systems
太赫兹（THz）波段通信已被广泛研究，以满足未来超高容量的需求。此外，多输入多输出（MIMO）技术和多天线非正交多址接入（NOMA）技术也使网络能够承载更多的用户并提供复用增益。本文首次研究了THz-NOMA-MIMO系统的能量效率最大化问题。将原优化问题分解为用户分簇、混合预编码和功率优化。针对THz-NOMA-MIMO系统中的用户聚类问题，提出了一种基于信道相关特性的快速收敛算法。考虑到功耗和实现复杂度，采用了基于子连接结构的混合预编码方案。考虑到前传链路容量约束，设计了一种分布式交替方向乘法器（ADMM）功率分配算法，以最大化具有非理想连续干扰消除（SIC）的THz-NOMA缓存使能系统的能效。仿真结果表明，提出的用户分簇方案能够实现更快的收敛速度和更高的能效，子连接结构的混合预编码设计能够实现更低的功耗，功率优化能够实现更高的能效。
2020-05-03 eess.SP
Joint Discrete Precoding and RIS Optimization for RIS-Assisted MU-MIMO Communication Systems
本文研究RIS辅助MU-MIMO系统中总速率最大化问题，提出基于WMMSE的框架，利用球面译码算法求解离散预编码与RIS配置优化，仿真证明其显著优于常用基准。
2024-09-21 eess.SP
Limited-Resolution Hybrid Analog-Digital Precoding Design Using MIMO Detection Methods
本文利用球面解码和期望传播两种MIMO检测算法，设计有限分辨率混合模拟-数字预编码器，以最小化与全数字预编码器的欧氏距离，仿真验证其优于次优方案。
2025-10-09 eess.SP
Multi-Antenna Users in Cell-Free Massive MIMO: Stream Allocation and Necessity of Downlink Pilots
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
Joint AP Selection and Power Allocation for Unicast-Multicast Cell-Free Massive MIMO
本文针对无小区大规模MIMO系统，提出联合优化接入点选择与功率分配的方法，并开发加速投影梯度算法以高效提升单播与组播用户的加权和频谱效率。
2025-08-19 eess.SP
BeamSync: Over-The-Air Synchronization for Distributed Massive MIMO Systems
本文针对分布式大规模 MIMO 系统中多 AP 的时频同步问题，提出了一种名为 BeamSync 的空中同步协议，无需通过前传传输测量数据即可校准分离的 AP，并推导了最优相位与频率偏移估计器，仿真显示其性能较传统方法提升 3 dB。
2023-11-18 cs.IT eess.SP math.IT
Energy-Efficient Cell-Free Massive MIMO Through Sparse Large-Scale Fading Processing
针对无蜂窝大规模 MIMO 的 AP-UE 选择难题，提出联合优化关联与长期处理系数的稀疏分布式方法及 V-LSFP，以 2-4 倍能效提升逼近全 AP 服务的频谱效率。
2023-04-23 eess.SP
