Variational Bayes Estimation for Affine-Precoded Superimposed Pilots in Partially Connected Dual-Wideband Tera-Hertz MU-MIMO Systems
Indian Institute of Technology Kanpur（坎普尔印度理工学院）；Indian Institute of Technology Jodhpur（焦浦印度理工学院）
针对部分连接双宽带太赫兹MU-MIMO系统，提出两种仿射预编码模型，利用叠加导频和变分贝叶斯推断实现联合信道估计与稀疏结构学习，并进行了性能权衡分析。
2026-06-04 eess.SP
Superimposed Pilot-based Channel Estimation for RIS-Assisted IoT Systems Using Lightweight Networks
用于物联网（IoT）系统的常规信道估计（CE）遇到诸如低频谱效率、高能耗和阻塞传播路径的挑战。虽然叠加的基于导频的CE方案和可重构智能表面（RIS）可以部分地解决这些挑战，有限的研究已经做了系统的解决方案。本文提出了一种基于叠加导频的并行工程，并采用可重构智能表面（RIS）辅助模式，通过网络进一步提高并行工程的性能。具体地，在用户设备（UE）处，用于CE的导频被叠加在上行链路用户数据上以提高IoT系统的频谱效率和能量消耗，并且在基站（BS）处的两个轻量级网络减轻了用于CE和符号检测（SD）的计算复杂度和处理延迟。这些专用网络是以合作方式开发的。也就是说，传统的方法来执行初始特征提取，和开发的神经网络（NN）的方向是学习与提取的特征。在提取的初始特征的辅助下，减少了网络训练的训练数据量。仿真结果表明，该算法在不牺牲CE和SD精度的前提下，降低了计算复杂度和处理时延，且基站端的归一化均方误差（NMSE）和误比特率（BER）性能随参数变化而改善。
2022-12-07 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
Superimposed Pilot-Based OTFS: Will It Work?
Faculty of Engineering, Yokohama National University（横滨国立大学工学部）；Ericsson Research, Ericsson Japan K.K.（爱立信研究，爱立信日本株式会社）
本文提出了一种多叠加试点方案和迭代算法，以提高OTFS在信道编码场景下的吞吐量和信道估计精度。
2026-02-24 eess.SP
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
Cross-Pilot Superposition for Fractional Parameter Estimation in DoA-Aided OTFS Receivers
University of Pavia（帕维亚大学）
本文提出了一种用于OTFS接收机中分数参数估计的新型叠加导频方案，通过角度域分离多径分量并整合延迟-多普勒轮廓，实现更优的通信性能与PAPR的平衡。
2026-02-25 eess.SP
MIMO-Zak-OTFS with Superimposed Spread Pilots
本文针对MIMO-Zak-OTFS系统提出一种在交叉模糊域分离的扩频导频设计，结合turbo迭代信道估计与检测，在vehicular-A信道下实现优异的估计与检测性能。
2025-10-23 cs.IT eess.SP math.IT
Data-Aided CSI Estimation Using Affine-Precoded Superimposed Pilots in Orthogonal Time Frequency Space Modulated MIMO Systems
本文提出基于仿射预编码叠加导频的OTFS系统CSI估计架构，利用EM算法和贝叶斯学习实现SISO/MIMO场景下的导频辅助与数据辅助联合信道估计和数据检测，并推导了BCRB界。
2023-05-25 eess.SP
Superimposed-Pilot OTFS Under Fractional Doppler: Modular End-to-End Learning
University of Electronic Science and Technology of China（电子科技大学）；Xiamen University（厦门大学）；Nanjing University（南京大学）
本文提出一种模块化端到端深度学习框架，用于改进OTFS收发器在高机动通信中的性能，通过可训练神经网络模块提升信道估计与检测的可靠性。
2026-01-30 eess.SP
Terahertz Wireless Communications with Flexible Index Modulation Aided Pilot Design
太赫兹（THz）无线通信被认为是一种有前途的技术，它能够提供高达每秒太比特的超高速率传输。然而，一些硬件的缺陷，这是通常被忽视的，在现有的文献中涉及较低的数据速率和传统的工作频率，不能忽视的太赫兹系统。硬件缺陷通常包括相位噪声、同相/正交不平衡和功率放大器的非线性。由于相位噪声的时变特性，需要频繁地插入导频，导致频谱效率降低。在本文中，为了解决这个问题，提出了一种新的导频设计策略的基础上索引调制（IM），导频的位置是灵活地改变在数据帧中，和额外的信息比特可以通过导频的索引来传达。此外，开发了一种turbo接收算法，该算法以迭代的方式联合执行导频索引的检测和信道估计。结果表明，所提出的Turbo接收机工作良好，即使在信道状态信息的先验知识是过时的情况下。理论分析和仿真结果表明，与传统的信道估计方法相比，该方法在提高频谱利用率的同时，显著提高了误比特率性能和信道估计精度。
2021-06-23 eess.SP
Transfer Learning-based Channel Estimation in Orthogonal Frequency Division Multiplexing Systems Using Data-nulling Superimposed Pilots
在正交频分复用（OFDM）系统中，数据置零叠加导频（DNSP）有效地消除了基于叠加训练（ST）的信道估计（CE）的叠加干扰，同时面临着估计精度和计算复杂度的挑战。通过在无线通信的物理层开发有前途的深度学习（DL）解决方案，本文将DNSP和DL融合以应对这些挑战。然而，由于无线场景的变化，DL的模型失配导致CE的性能下降，从而面临网络再训练的问题。为了解决这个问题，进一步提出了一个轻量级的迁移学习（TL）网络的DL为基础的DNSP方案，从而在OFDM系统中构建了一个基于TL的CE。具体而言，基于线性接收机，首先采用最小二乘估计来提取CE的初始特征。利用提取的特征，我们开发了一个卷积神经网络（CNN）来融合基于DL的CE和DNSP的CE的解决方案。最后，一个轻量级的TL网络的构建，以解决模型不匹配。为此，构造了一种新的用于OFDM系统中DNSP方案的CE网络，提高了其估计精度并消除了模型失配。实验结果表明，与现有的基于最小均方误差（MMSE）CE的DNSP方案相比，该方法在所有信噪比（SNR）范围内均能获得更低的归一化均方误差（NMSE）。例如，当SNR为0分贝（dB）时，所提出的方案在20 dB处实现与基于MMSE的CE方案相似的NMSE，从而显著提高CE的估计精度。此外，相对于现有的方案，所提出的方案的改进表现出其对参数变化的影响的鲁棒性。
2022-05-28 eess.SP
Multiuser Zak-OTFS on the Uplink with Superimposed Spread-Pilots
Indian Institute of Science（印度科学研究所）
研究多用户Zak-OTFS系统上行链路，通过TF偏移实现多址接入并推导信道闭式表达式。采用叠加扩频导频框架及相关方案估计IOR，仿真表明该方法能使多用户系统性能与单用户相近，且在不同脉冲整形下有不同频谱效率表现，还具信道变化鲁棒性。
2026-07-10 cs.IT eess.SP math.IT
Joint Superimposed Pilot-aided Channel Estimation and Data Detection for FTN Signaling over Doubly-Selective Channels
本文针对双选择性信道下的FTN信令，提出叠加导频辅助的信道估计与两种检测方法，通过基展开模型刻画信道、叠加导频避免开销损失，联合检测方法在快衰落下性能显著优于参考方案。
2025-03-25 eess.SP
Message Passing-Based Joint Channel Estimation and Signal Detection for OTFS with Superimposed Pilots
针对现有叠加导频OTFS联合信道估计与信号检测接收机复杂度高的问题，提出基于消息传递的SP-DD迭代接收机及优化导频的SP-DD-D接收机，在大幅降复杂度的同时保障性能。
2024-04-15 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
Data-Aided Variational Bayesian Inference for CSI Estimation over Doubly-Selective DCO-OTFS MIMO VLC Systems 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）
针对双选择性DCO-OTFS MIMO VLC系统，提出基于仿射预编码叠加训练序列的架构，并开发数据辅助变分贝叶斯推断方法，实现联合CSI估计与数据检测，显著降低NMSE、导频开销和SER。
2026-09-15 eess.SP
Conditional Diffusion Model-Enabled Scenario-Specific Neural Receivers for Superimposed Pilot Schemes
本文提出一种基于条件扩散模型的场景特定信道生成方法，利用用户位置和速度信息合成高保真信道数据作为数据增强，显著提升了叠加导频传输中神经接收机在目标场景下的性能。
2025-11-03 cs.IT eess.SP math.IT
Quantum Learning Based Nonrandom Superimposed Coding for Secure Wireless Access in 5G URLLC
超可靠低延迟通信（URLLC）中的安全无线接入是5G安全的一个关键方面，由于其对免授权配置的潜在支持，因此变得越来越重要。在免授权URLLC中，将不同导频资源精确分配给共享相同时频资源的不同用户对于下一代节点B（gNB）准确识别那些处于接入冲突下的用户以及维持可靠数据传输所需的精确信道估计是至关重要的。然而，这一过程很容易受到对飞行员的攻击。本文提出了一种基于量子学习的非随机叠加编码方法，对多维资源上的导频进行编码和解码，从而能够快速学习和精确消除攻击的不确定性。具体地，用于上行链路接入的多用户导频被编码为可区分的子载波激活模式（SAP），并且gNB通过量子学习网络（QLN）的攻击模式检测和用户活动检测的联合设计，从观察到的SAP（来自接入用户的SAP的叠加）解码感兴趣的导频。我们发现，不确定性在于从攻击者的码字数字的识别过程中，这总是可以建模为一个黑盒模型，解决了量子学习算法和量子电路。新的解析封闭形式的故障概率表达式推导出表征这种URLLC系统的可靠性与短数据包传输。模拟了我们的方法如何带来超高的可靠性和低延迟，尽管对飞行员的攻击。
2021-01-24 cs.CR eess.SP
Superimposed DMRS for Spectrally Efficient 6G Uplink Multi-User OFDM: Classical vs AI/ML Receivers
针对6G系统中正交DMRS开销大的问题，提出基于深度卷积神经网络的增强型DeepRx接收机，利用叠加DMRS进行信道估计与数据检测，在上行单用户和多用户场景中性能优于传统接收机。
2025-06-25 eess.SP
Bayesian Learning for Double-RIS Aided ISAC Systems with Superimposed Pilots and Data
针对RIS辅助ISAC上行传输导频开销过大降低频谱效率的问题，提出叠加导频与数据的稀疏贝叶斯学习框架及低复杂度多用户算法，实现厘米级定位并大幅提升吞吐量。
2024-02-16 cs.IT eess.SP math.IT
Low-Overhead Receiver Design for Data-Dependent Superimposed Training via Deep Learning
School of Information Science and Engineering, Southeast University（东南大学信息科学与工程学院）；Institute of Communications Engineering, National Sun Yat-sen University（国立中山大学通信工程研究所）
针对叠加导频传输中导频-数据耦合导致的性能-复杂度瓶颈，本文提出一种增强型数据相关叠加训练（DDST）框架，结合混合传输方案和基于Vision Transformer的神经接收机，实现非迭代解耦和时变信道下的高效干扰抑制。
2026-05-28 cs.IT eess.SP math.IT
Learning-Aided Iterative Receiver for Superimposed Pilots: Design and Experimental Evaluation
针对MIMO-OFDM系统中叠加导频的干扰挑战，提出一种结合联合估计、检测与解码的迭代接收机，并设计VMP与深度学习信道估计策略，仿真与空口实验证明其在吞吐量和误块率上优于传统正交导频基线。
2025-07-14 cs.IT eess.SP math.IT
Phase Noise Tolerance for Low-Pilot-Overhead OFDM Terahertz Links Beyond 64-QAM
针对64-QAM以上OFDM太赫兹链路相位噪声影响大、导频开销过高的问题，提出3σ误差估计量化相位噪声容限，得出约5%的EVM阈值，并证实微环谐振器是低导频开销高阶调制太赫兹链路的关键器件。
2025-10-02 eess.SP physics.optics
Waveform Design for Partial-Time Superimposed ISAC Systems
Northwestern Polytechnical University（西北工业大学）；Shenzhen Research Institute of Northwestern Polytechnical University（西北工业大学深圳研究院）；Xi’an Jiaotong University（西安交通大学）
本文提出了一种用于部分时间叠加ISAC系统的新型波形设计，结合LFM和OFDM信号以提升感知和通信性能。
2026-02-23 eess.SP
Efficient Channel Estimation for Millimeter Wave and Terahertz Systems Enabled by Integrated Super-resolution Sensing and Communication
针对毫米波与太赫兹系统，提出基于集成超分辨率感知与通信（ISSAC）的高效信道估计方案，利用MUSIC算法无导频估计多径角度，仅需少量导频估计系数，显著降低开销与成本并提升性能。
2024-07-30 eess.SP
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
Deep Learning-aided Parametric Sparse Channel Estimation for Terahertz Massive MIMO Systems
针对太赫兹大规模 MIMO 近场信道估计难题，提出利用 LSTM 从导频信号学习球面域稀疏信道参数映射的深度学习方法，以较低导频开销实现准确估计。
2024-05-12 eess.SP
Block Distributed Compressive Sensing Based Doubly Selective Channel Estimation and Pilot Design for Large-Scale MIMO Systems
大规模多输入多输出（MIMO）系统中的双选择性（DS）信道估计是一个具有挑战性的问题，因为需要估计大量的信道系数，这需要难以承受的导频开销。本文首先分析了基展开模型（BEM）各阶系数和各收发天线对系数的公共稀疏性。在此基础上，提出了一种新的导频图案，该图案中插入了保护导频，以消除叠加导频图案下的载波间干扰。此外，利用不同BEM阶数和不同天线间BEM系数的共同稀疏性，提出了一种基于块分布式压缩感知（BDCS）的大规模MIMO系统DS信道估计器。其结构化稀疏性在保证估计精度的前提下减少了导频开销。在此基础上，考虑到导频的块结构，提出了一种块离散随机优化导频设计算法。它通过减少测量矩阵的不同块之间的相干性来优化导频位置。此外，线性平滑方法被扩展到大规模MIMO系统，以提高估计的准确性。仿真结果验证了我们提出的估计器和导频设计算法与现有方案相比的性能增益。
2020-04-21 eess.SP
Orthogonal Chirp Delay-Doppler Division Multiplexing (CDDM) Modulation for High Mobility Communications
本文提出了一种基于正交啁啾Zak变换的CDDM调制方案，通过时频域扩展实现高效信号复用，并在信道估计性能和计算效率方面优于现有方案。
2025-11-22 eess.SP
End-to-end Learning for OFDM: From Neural Receivers to Pilotless Communication
Nokia Bell Labs（诺基亚贝尔实验室）；NVIDIA（英伟达）
先前的研究已经证明，端到端学习可以在加性高斯白噪声（AWGN）信道上实现显著的整形增益。然而，它的好处还没有被量化超过现实的无线信道模型。这项工作的目的是填补这一空白，探索使用正交频分复用（OFDM）的频率和时间选择性衰落信道的端到端学习的收益。在接收器处具有不完善的信道知识的情况下，在AWGN信道上观察到的成形增益消失。尽管如此，我们确定了其他两个性能改进的来源。第一个来自基于神经网络（NN）的接收机，该接收机在大量子载波和OFDM符号上运行，可以显着减少正交导频的数量，而不会损失比特出错率（BER）。第二个来自通过联合学习神经接收机连同叠加导频（SIP）、与传统正交幅度调制（QAM）线性组合或优化星座几何形状来完全消除正交导频。所学习的几何结构适用于宽范围的信噪比（SNR）、多普勒和延迟扩展，具有零均值并且因此不包含任何形式的叠加导频。这两种方案都实现了与基于导频的基线相同的BER，吞吐量提高了约7%。因此，我们相信，联合学习的发射机和接收机是超5G通信系统的一个非常有趣的组件，它可以消除对解调参考信号（DMRS）的需求和相关控制开销。
2021-07-29 cs.IT cs.LG eess.SP
Physics-Informed Spatial-Temporal Transformer for Terahertz Near-Field Beam Tracking
Shanghai Jiao Tong University（上海交通大学）；KTH Royal Institute of Technology（瑞典皇家理工学院）
本文提出PAST-TT，结合时空转换器和物理信息损失，通过利用视差和宽间隔子阵列，实现低开销的近场跟踪，提升太赫兹波束跟踪精度和效率。
2026-03-17 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
Terahertz Massive MIMO with Holographic Reconfigurable Intelligent Surfaces
我们提出了一个全息版本的可重构智能表面（RIS），并研究其应用于太赫兹（THz）大规模多输入多输出系统。利用太赫兹电子元件的小型化，RISs可以通过密集封装亚波长单元来实现，从而实现连续或准连续的孔径，并实现全息通信。在本文中，特别是，我们推导出的光束图案的全息RIS。我们的分析表明，一个理想的全息RIS的光束模式可以很好地近似的超密集RIS，它有一个更实际的硬件架构。此外，我们提出了一个闭环信道估计（CE）计划，以有效地估计宽带信道的特点太赫兹大规模MIMO系统的全息RISs辅助。所提出的CE方案包括下行链路粗CE阶段和上行链路细粒度CE阶段。明智地设计上行链路导频信号以获得良好的CE性能。此外，为了减少导频开销，我们引入了一种基于压缩感知的CE算法，该算法利用了太赫兹MIMO信道在角度域和延迟域的双重稀疏性。仿真结果表明了全息RISs相对于非全息RISs的优越性，以及所提出的CE方案的有效性。
2021-03-19 cs.IT eess.SP math.IT
A low-PAPR Pilot Design and Optimization for OTFS Modulation
针对双选多径信道下的OTFS调制，提出基于叠加Chu序列的低PAPR导频设计，通过优化导数据能量分配结合迭代估计均衡，实现了频谱效率与PAPR的更优性能权衡。
2025-03-19 cs.IT eess.SP math.IT
Wideband Channel Estimation with A Generative Adversarial Network
在诸如毫米波（mmWave）和太赫兹（THz）的高载波频率下的通信需要在低SNR下对非常大的带宽进行信道估计。因此，为每个相干带宽分配正交导频音导致过多的导频。我们利用生成对抗网络（GANs）在低信噪比下准确估计具有少量导频的频率选择性信道。该方法首先通过训练生成网络学习从真实但未知的信道分布中产生信道样本，然后根据当前接收信号优化网络的输入向量，以此作为先验估计当前信道。我们的研究结果表明，在-5 dB的SNR，即使采用一位移相器的收发器，我们的设计实现了相同的信道估计误差的LS估计器与SNR = 20 dB或LMMSE估计器在2.5 dB，都与全数字架构。此外，基于GAN的估计器将所需的导频数量减少了约70%，而不会显着增加估计误差和所需的SNR。我们还表明，生成网络似乎并不需要重新训练，即使集群和射线的数量发生很大变化。
2020-12-22 eess.SP
Experimental Evaluation of Joint Clock Recovery and Equalization for Sub-Terahertz Links
本文针对高速亚太赫兹无线链路，提出结合CMA均衡器与盲定时误差检测器的时钟恢复均衡联合架构，经140GHz测试平台实验验证，其性能优于传统盲定时方案，可支撑下一代星载超高速通信。
2025-09-09 eess.SP
Massive-MIMO Iterative Channel Estimation and Decoding (MICED) in the Uplink
大规模MIMO使用大量天线，通过用户的空间复用来提高频谱效率（SE），这需要准确的信道状态信息。通常假设常规导频（RP）足以提供高SE，其中时频资源的一部分被保留用于导频。然而，SE受到导频开销和导频污染的限制。替代方案是叠加导频（SP），其中所有资源用于导频和数据。这消除了导频开销，并通过使用更长的导频来减少导频污染。然而，SP遭受降低SE增益的数据干扰。本文提出了大规模MIMO迭代信道估计和解码（MICED）算法，其中部分解码的数据被用作边信息，以改善信道估计和增加SE。我们表明，具有精确数据估计的用户可以帮助具有较差数据估计的用户进行解码。QPSK调制和LDPC码的仿真结果表明，与传统方法相比，MICED算法提高了SE，降低了RP和SP的误块率。具有SP的MICED算法提供了最高的SE，并且在具有短相干块（如高移动性或高频率）的场景中特别有效。
2021-04-30 cs.IT eess.SP math.IT
Efficient Airy Beam Training for Quasi-LoS Terahertz Near-Field Communications
Shanghai Jiao Tong University（上海交通大学）
本文提出高效Airy束训练框架，通过理论界限和非均匀极码本设计，提升太赫兹近场通信的频谱效率并降低训练开销。
2026-05-11 eess.SP
A Comprehensive Survey of Channel Estimation Techniques for OTFS in 6G and Beyond Wireless Networks
本文综述了OTFS在6G及未来无线网络中的信道估计技术，涵盖从基础方法到前沿方法的广泛研究，并探讨了关键挑战与应用集成。
2025-12-15 eess.SP
Over-the-Air Transmission of Zak-OTFS with Spread Pilots on Sub-THz Communications Testbed
本文在亚泰赫兹测试平台上实现 Zak-OTFS 空中传输，设计通信感知共存的扩频导频，在 140/240 GHz 下验证数据传输，并实现 ISAC 及 PAPR 改善超 5 dB。
2025-04-22 cs.IT eess.SP math.IT
Channel Estimation for Hybrid MIMO Systems With Array Model Errors and Beam Squint Effects
针对含波束斜视和时变阵列误差的高频混合 MIMO 系统，提出基于 ML 交替优化、网格切换和近似互耦模型的小开销在线信道估计方法。
2025-06-14 eess.SP
Terahertz Multi-User Massive MIMO with Intelligent Reflecting Surface: Beam Training and Hybrid Beamforming
太赫兹（THz）通信开辟了一个新的前沿无线网络由于其显着更广泛的可用带宽相比，目前的微波和即将到来的毫米波通信。然而，由于太赫兹波的长度短，他们也遭受严重的路径衰减和衍射差。为了补偿太赫兹引起的传播损耗，本文提出结合两种有前途的技术，即，大规模多输入多输出（MIMO）和智能反射面（IRS），在太赫兹多用户通信，考虑到其显着的波束形成和孔径增益。尽管如此，信道估计和低成本波束成形是实现这种组合的两个主要障碍，这是由于IRS发送/接收导频信号的无源性以及大规模MIMO中昂贵RF链的大规模使用。针对这些局限性，本文首先提出了一种协作波束训练方案，以便于IRS信道估计。特别是，我们设计了两个不同的分层码本的建议的训练过程，这是能够对噪声的鲁棒性和搜索的复杂性之间的平衡。基于训练结果，我们进一步提出了两个成本效益的混合波束形成（HB）的设计，分别为单用户和多用户的情况下。仿真结果表明，所提出的联合波束训练和HB方案是能够实现接近的性能，即使在完美的信道状态信息（CSI）下实现的最佳全数字波束形成（FDB）。
2021-01-14 cs.IT eess.SP math.IT
A Unified 3D Beam Training and Tracking Procedure for Terahertz Communication
太赫兹（THz）通信被认为是克服带宽瓶颈和满足未来不断增长的容量需求的一种有吸引力的方式。由于太赫兹波的高方向性和传播损耗，使用波束形成的大规模MIMO系统被认为是一种有前途的技术，在太赫兹通信中实现高增益和定向传输。然而，导频，这是许多波束形成方案的基础，是具有挑战性的准确检测在太赫兹波段由于严重的传播损耗。为了有效地实现太赫兹通信中的波束形成，考虑视距传播，提出了一种统一的三维波束训练和跟踪方法。特别是，一种新的四均匀平面阵列（QUPA）结构进行了分析，以扩大信号覆盖范围，增加波束增益，并减少波束斜视损失。在此基础上，提出了一种低复杂度的三维网格波束训练算法，包括三维码书的设计和训练协议的设计。最后，一个简单而有效的基于网格的混合（GBH）波束跟踪研究，以支持太赫兹波束形成的有效方式。基于该过程的通信框架可以根据实时服务质量动态地触发波束训练/跟踪。数值结果表明，我们提出的波束训练和跟踪的基准方法的优越性。
2021-10-03 cs.IT eess.SP math.IT
Two-Dimensional Channel Parameter Estimation for IRS-Assisted Networks
本文提出一种基于导频解耦的二维信道参数估计方法，利用太赫兹稀疏传播和阵列几何结构，通过秩一近似实现低复杂度估计，优于现有方法。
2023-05-07 eess.SP
Terahertz Ultra-Massive MIMO-Based Aeronautical Communications in Space-Air-Ground Integrated Networks
新兴的空-空-地综合网络吸引了大量的研究，需要可靠和高效的航空通信。研究了太赫兹超大规模（UM）MIMO航空通信系统，提出了一种有效的信道估计和跟踪方案，解决了航空太赫兹UM-MIMO信道的{\emph{triple delay-beam-Doppler squint effects}}唯一性导致的性能下降问题。具体地，基于从导航信息获取的粗略角度估计，建立初始航空链路，其中收发器处的延迟波束偏斜可以通过采用可编程真时延迟单元（GTTDU）模块（例如，所设计的基于{\emph{Rotman lens}}的GTTDU模块）。根据提出的先验辅助迭代角度估计算法，可以估计出方位角/仰角，并利用这些角度实现精确的波束对准和改进GTTDU模块，以进一步消除延迟波束斜视。多普勒频移可以随后估计使用所提出的先验辅助迭代多普勒频移估计算法。在此基础上，可以准确地估计路径延迟和信道增益，并通过补偿过程有效地抑制多普勒斜视。对于数据传输，提出了一种基于数据辅助判决的信道跟踪算法，对波束对准后的有效信道进行跟踪。当数据辅助信道跟踪无效时，将在导频辅助信道跟踪阶段利用等效稀疏数字阵列重新估计角度，其中可以基于先前估计的角度来解决角度模糊。仿真结果和推导出的Cramér-Rao下界验证了我们的解决方案的有效性。
2021-03-03 cs.IT eess.SP math.IT
Impact of Optical Reconfigurable Intelligent Surfaces on Channel Estimation for VLC Systems
Universidad Carlos III de Madrid（马德里卡洛斯三世大学）
本文研究实际非理想信道估计场景下ORIS对VLC系统的影响，采用PSAM和ST两种导频估计技术，发现ORIS结合PSAM可实现约5 bit/s/Hz的频谱效率，性能优于无ORIS的理想信道场景，且系统对ORIS方向不完美具有鲁棒性。
2026-08-26 eess.SP
Event-Based Beam Tracking with Dynamic Beamwidth Adaptation in Terahertz (THz) Communications
针对THz窄波束移动、对齐与阻塞难题，提出动态波束宽度自适应参数化波束成形及基于事件的低开销波束跟踪与信道估计方法，联合优化速率和中断概率。
2022-08-21 cs.IT eess.SP math.IT
Terahertz Spatial Wireless Channel Modeling with Radio Radiance Field
School of Electrical and Computer Engineering, University of Georgia（电子与计算机工程学院，佐治亚大学）；Department of Electrical and Computer Engineering, University of Wisconsin-Madison（电气与计算机工程学院，威斯康星大学麦迪逊分校）
本文研究将 RRF 框架用于太赫兹空间信道建模，通过视觉几何与稀疏射频测量重建连续 Spatial-CSI，并在仿真场景中验证其可捕获关键传播路径。
2025-05-06 cs.AI cs.CV cs.NI
Data-aided Channel Estimation and Sensing With Sparse Bayesian Learning for AFDM-ISAC System
Nanyang Technological University（南洋理工大学）；AUMOVIO-NTU Corporate Lab, Nanyang Technological University（奥莫维欧-南洋理工大学联合实验室）；University of California, Irvine（加州大学尔湾分校）；AUMOVIO Germany GmbH（德国奥莫维欧有限公司）
针对AFDM-ISAC系统在双色散信道中提高频谱效率与获取准确参数的挑战，提出数据辅助网格演化稀疏贝叶斯学习方案，含高效迭代接收机、网格演化程序及低复杂度算法，数值结果验证了方案有效性与优越性。
2026-07-22 eess.SP
Hybrid-Field 6D Movable Antenna for Terahertz Communications: Channel Modeling and Estimation
University of Waterloo（滑铁卢大学）
针对太赫兹通信中六维可移动天线带来的混合场信道问题，提出一种混合场广义信道模型和基于方向稀疏性的低开销信道估计算法，实现高精度低复杂度估计。
2026-06-07 cs.IT eess.SP math.IT
Angularly Sparse Channel Estimation in Dual-Wideband Tera-Hertz (THz) Hybrid MIMO Systems Relying on Bayesian Learning
针对双宽带THz MIMO系统中的波束斜视导致CSI估计困难的问题，提出了PA-BL和DA-BL两种贝叶斯学习框架，实现了减少导频开销、联合数据检测与CSI估计，并逼近BCRLB下界。
2024-02-19 eess.SP
Semantic Communications in the THz Band
American University of Beirut（贝鲁特美国大学）
研究太赫兹频段基于深度学习的语义通信，提出轻量级神经检测器，该检测器无需信道状态信息，在0.3太赫兹时，DeepSC在0至12分贝信噪比下优于传统编码通信系统，无导频检测器性能良好且对频率偏移鲁棒。
2026-07-09 eess.SP
Joint Channel Estimation, Detection, and Resource Allocation for OTFS-RSMA
School of Electrical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院电气工程学院）
本文提出OTFS-RSMA框架，联合设计导频、信道估计、检测与资源分配，在不完美CSI下权衡可靠性与频谱效率，并通过低复杂度算法实现接近SCA的性能。
2026-09-22 eess.SP
Radio Echo Representation Learning for Semantic Sensing in Multi-Modal ISAC Systems
The Hong Kong University of Science and Technology（香港科技大学）；MTR Corporation（港铁公司）
针对多模态ISAC系统中无线电表示利用不足及语义一致性问题，提出OFDM-ISAC的多模态语义感知框架，通过无线电编码器与VRVG实现跨模态语义融合，在RCooper数据集上提升了用户匹配、视觉定位与参数估计性能。
2026-10-14 eess.SP
