DE/PSO-aided Hybrid Linear Detectors for MIMO-OFDM Systems under Correlated Arrays
在本文中，我们分析的性能，考虑到现实的操作场景中的多输入多输出（MIMO）正交频分复用（OFDM）系统中部署的进化辅助线性检测器。考虑了线性检测器提供的不同初始解下的混合线性-启发式检测器，即差分进化（DE）和粒子群优化（PSO）。数值结果表明，混合检测方法的适用性，它可以显着提高最小均方误差（MMSE）和匹配滤波器（MF）检测器的性能。此外，除了验证线性、启发式和混合检测方案辅助下空间相关性对MIMO-OFDM性能的影响外，我们还讨论了所提出算法的复杂度如何随天线数量而变化。数值计算了初始点对算法性能提高和复杂度降低的影响。
2018-10-03 eess.SP
MIMO-OFDM Dual-Functional Radar-Communication Systems: Low-PAPR Waveform Design
在本文中，我们探讨了一种双功能雷达通信（DFRC）系统，以实现通感一体化（ISAC）。利用正交频分复用（OFDM）技术来克服具有一个多天线DFRC基站（BS）和多个单天线用户设备（UE）的宽带多输入多输出（MIMO）系统的频率选择性衰落。为了抑制OFDM信号的高峰均功率比（PAPR），我们的目标是联合设计低PAPR DFRC MIMO-OFDM波形。这是通过在功率和PAPR约束下对通信和雷达性能指标利用加权目标函数来完成的。该优化问题可以等价地转化为标准半定规划（SDP），并可以用半定松弛（SDR）方法有效地求解，证明了在一般情况下可以得到全局最优秩1解.我们进一步开发了一个低复杂度的方法来解决问题，大大减少了开销。此外，实际情况下，过采样的OFDM信号被进一步考虑，这有一个显着的结果PAPR水平的影响。通过对通信和速率、误符号率以及雷达波束图和检测概率的仿真，验证了所提出的低PAPR DFRC MIMO-OFDM波形设计方法的可行性、有效性和灵活性。
2021-09-27 eess.SP
Atomic Norm Based Localization and Orientation Estimation for Millimeter-Wave MIMO OFDM Systems
在此，提出了一种用于从毫米波多输入多输出（MIMO）正交频分复用（OFDM）信号中精确估计目标的位置和方位的基于原子范数的方法。提出了一种新的虚拟信道矩阵，并设计了一种从其原子范数分解中提取定位相关信道参数的算法。然后，基于扩展的不变性原理，提出了一种加权最小二乘问题，以准确地恢复的位置和方向使用的视线和非视线信道信息。数值结果突出了性能的改善，比以前的方法和所得的性能几乎达到克拉美-罗下限。
2021-10-08 eess.SP
Using Double Contractions to Derive the Structure of Slice-Wise Multiplications of Tensors with Applications to Semi-Blind MIMO OFDM
在各种张量分解（包括PARAFAC 2和PARATUCK 2）中需要两个张量的切片乘法，并且在许多应用中遇到，包括多维生物医学数据（EEG，MEG等）的分析。或多载波MIMO系统。在本文中，我们提出了一个新的张量表示，它不是基于切片（矩阵）描述，但可以表示为两个张量的双重收缩。这种两个张量的双重收缩可以通过广义开折有效地计算。它导致了所研究系统的新张量模型，这些模型不依赖于所选择的展开，并揭示了数据模型的张量结构（这样可以同时看到所有可能的展开）。作为一个例子，我们应用这个新的概念，新的接收机的设计多载波MIMO系统在无线通信。特别是，我们认为MIMO OFDM系统，没有Khatri-Rao编码。所提出的接收机利用相邻子载波之间的信道相关性，需要与传统OFDM技术相同数量的训练符号，但在符号错误率方面具有改进的性能。此外，我们表明，频谱效率的Khatri-Rao编码的MIMO-OFDM可以通过引入“随机编码”，使“编码矩阵”也包含有用的信息符号。考虑到这种传输技术，我们推导了一个张量模型和两种类型的接收机的随机编码MIMO-OFDM系统使用双收缩的两个张量。
2020-01-17 eess.SP
Baseband-Free Wideband MU-MIMO OFDM via Stacked Intelligent Metasurfaces
School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院）
研究提出由两个级联堆叠智能超表面实现的无基带宽带MU-MIMO OFDM发射机架构，将相关调制等从数字基带移至波域，通过特定设计和框架解决问题，验证了该架构在MU-MIMO OFDM性能等方面的有效性。
2026-07-27 eess.SP
A Two-Stage Radar Sensing Approach based on MIMO-OFDM Technology
最近，将通信和传感功能集成到一个公共网络中引起了极大的关注。本文考虑了先进的信号处理技术，使雷达通过通信信号感知环境。针对传统蜂窝系统中广泛采用的正交频分复用（OFDM）和多输入多输出（MIMO）技术，提出了一种MIMO-OFDM系统中雷达感知的两级信号处理方法。然后在第二阶段从目标的散射通道中提取目标的位置信息。具体而言，基于观察，雷达感测是类似于多径通信的意义上，不同的目标散射的信号发送到雷达接收机具有不同的延迟，和散射的数量是有限的，我们表明，OFDM为基础的信道训练方法与压缩感知技术可以用来有效地估计散射信道在第一阶段。此外，为了解决所产生的挑战，从距离分辨率感应密集目标的位置，我们表明，MIMO雷达技术可以利用在第二阶段，使雷达有足够的空间样本，甚至检测到的目标在附近的基础上，他们的散射信道。最后，数值例子表明，我们提出的传感方法，仅仅依赖于现有的MIMO-OFDM通信技术的有效性。
2020-11-12 eess.SP
ICI-Aware Parameter Estimation for MIMO-OFDM Radar via APES Spatial Filtering
针对载波间干扰（ICI）的MIMO-OFDM雷达，提出了一种新的三级时延多普勒角估计算法。首先，利用空间协方差矩阵与目标时延和多普勒无关的特点，利用MUSIC算法进行角度估计。对于每个估计的角度，我们接下来制定的联合载波频率偏移（CFO）和信道估计的问题，通过一个APES（幅度和相位估计）的空间滤波方法，通过转换的延迟多普勒参数化的雷达信道到一个非结构化的形式的雷达延迟多普勒估计。在最后阶段，每个目标的延迟和多普勒可以从目标特定的信道估计随时间和频率恢复。仿真结果表明，该算法在高移动性的场景中具有优越的性能。
2021-02-12 eess.SP
Digital and Hybrid Precoding and RF Chain Selection Designs for Energy Efficient Multi-User MIMO-OFDM ISAC Systems
National Yang Ming Chiao Tung University（国立阳明交通大学）
本文针对多用户MIMO-OFDM ISAC系统，提出联合预编码与射频链选择设计，通过优化提升能效与感知性能的权衡。
2026-02-01 eess.SP
Compressed Channel Estimation for IRS-Assisted Millimeter Wave OFDM Systems: A Low-Rank Tensor Decomposition-Based Approach
研究了智能反射面辅助毫米波正交频分复用（OFDM）系统下行链路信道估计问题。通过探索毫米波信道固有的稀疏散射特性，我们表明，接收到的信号可以表示为一个低秩的三阶张量，允许张量秩分解，也被称为典型的polyadic分解（CPD）。一个结构化的CPD为基础的方法来估计信道参数。我们的分析表明，我们提出的方法所需的训练开销低至O（U^2），其中U表示级联通道的稀疏性。仿真结果表明了该方法的有效性。
2022-03-30 eess.SP
Spectral-Efficient MIMO-OFDM: Low-Complexity Solution based on Random Multiplexing
Fudan University（复旦大学）；Technische Universität, Berlin（柏林工业大学）；Zhejiang University（浙江大学）
该研究提出基于随机复用预编码与OAMP估计器的低复杂度MIMO-OFDM系统，兼容5G，经理论分析与数值验证，可提升频谱效率，是6G及后续无线网络的有前景方案。
2026-08-28 eess.SP
Cooperative Double IRS aided Secure Communication for MIMO-OFDM Systems
University of Electronic Science and Technology of China（电子科技大学）；Laboratory of Electromagnetic Space Cognition and Intelligent Control（电磁空间认知与智能控制实验室）；Tianfu Jiangxi Laboratory（天府江西实验室）；National Mobile Communications Research Laboratory, Southeast University（东南大学国家移动通信重点实验室）
本文提出了一种协作双智能反射面辅助的宽带 MIMO-OFDM 通信方案，通过 manifold 基础方法解决 OFDM 耦合问题，实现显著的 secrecy 率增益。
2026-01-27 eess.SP
Analysis of Oversampling in Uplink Massive MIMO-OFDM with Low-Resolution ADCs
本文分析低分辨率ADC上行大规模MIMO-OFDM系统中过采样的性能，推导可达和速率闭式表达式，证明过采样可减轻量化失真、提升和速率，并在高SNR和高OSR下达到未量化系统性能。
2024-11-09 eess.SP
Pseudo MIMO (pMIMO): An Energy and Spectral Efficient MIMO-OFDM System
本文提出伪MIMO（pMIMO）方案，通过让每条接收射频链路连接多个天线并进行采样级波束赋形调整，在射频链路数少于数据流数的情况下逼近全数字MIMO的频谱效率，兼具能量与频谱高效优势，并通过仿真和原型验证其可行性与优越性。
2024-04-09 eess.SP
Stacked Intelligent Metasurface-Enhanced MIMO OFDM Wideband Communication Systems
Nanyang Technological University（南洋理工大学）
本文提出了一种全模拟堆叠智能超表面架构，通过级联可编程超表面层实现多并行子信道，显著提升MIMO OFDM传输效率和信道容量。
2026-01-23 eess.SP
Multi-dimensional hierarchical dictionary search for large MIMO-OFDM systems
Univ Rennes, INSA Rennes, CNRS, IETR-UMR 6164（雷恩大学、雷恩国立应用科学学院、法国国家科学研究中心、信息与电子工程研究所）
本文提出了一种低复杂度策略，用于高效实现贪心稀疏恢复算法中的'原子选择步骤'，通过利用系统结构特征，以减少计算复杂度，并通过实际信道数据测试验证了该方法的计算优势。
2026-05-18 eess.SP
Position Error Bound for Cooperative Sensing in MIMO-OFDM Networks
本文研究了JSC网络中目标位置估计精度的极限，推导了基于Fisher信息的通用框架来评估任意协作BS数量和几何配置下的定位精度，并数值验证了BS协作对提升定位精度的作用。
2024-05-30 eess.SP
Extended Target Sensing in MIMO-OFDM ISAC Systems: Modeling, Optimization and Estimation
University of California Irvine（加州大学尔湾分校）；Dalian University of Technology（大连理工大学）
本文提出了一种用于宽带MIMO-OFDM一体化感知通信系统中扩展目标传感的综合建模、波束成形优化和参数估计框架，通过参数散射模型（PSM）实现目标几何与电磁散射特性解耦，推导混合贝叶斯CRB并设计抗模糊传输波束成形方案，实验表明该方法在目标定位和参数估计中具有更优性能。
2026-03-13 eess.SP
Model Aided Deep Learning Based MIMO OFDM Receiver With Nonlinear Power Amplifiers
多输入多输出正交频分复用（MIMO OFDM）是移动通信系统的关键技术。然而，由于高峰均功率比（PAPR）的问题，OFDM符号可能遭受发射机处的功率放大器（PA）的非线性失真，这降低了接收机的信道估计和检测性能。为了减轻接收机端的削波失真，我们利用深度学习（DL）并设计了一种基于DL的接收机，该接收机由传统的最小二乘（LS）信道估计和迫零（ZF）均衡模型辅助。此外，提出了一种无需显式信道估计的数据驱动的基于DL的接收机，并将其与模型辅助的基于DL的接收机相结合，以进一步提高性能。仿真结果表明，所提出的模型辅助的基于DL的接收机具有优越的性能的误比特率，并具有不同程度的限幅失真的鲁棒性。
2021-05-30 eess.SP
Doppler-Robust Maximum Likelihood Parametric Channel Estimation for Multiuser MIMO-OFDM
针对 mmWave/subTHz 多用户 MIMO-OFDM 上行感知中的强多普勒问题，提出一种不依赖线搜索的最大似然参数化信道估计算法，可精确估计各用户多径几何参数并提升抗多普勒、感知与定位性能。
2024-06-12 eess.SP
A New Particle Filter for Target Tracking in MIMO OFDM Integrated Sensing and Communications
本文提出一种新型粒子滤波器用于MIMO OFDM集成感知与通信中的目标跟踪，通过定制成本函数提升计算效率与跟踪精度。
2025-12-09 eess.SP
Low-Range-Sidelobe Waveform Design for MIMO-OFDM ISAC Systems
本文针对MIMO-OFDM ISAC系统提出一种基于符号级预编的低距离旁瓣波形设计方法，通过最小化积分旁瓣电平并满足通信QoS与功率约束，利用MM算法求解非凸问题，有效提升了雷达测距性能。
2023-10-23 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
Bayesian Deep End-to-End Learning for MIMO-OFDM System with Delay-Domain Sparse Precoder
本文提出一种基于延迟域稀疏预编码的DNN端到端MIMO-OFDM架构与贝叶斯模型辅助训练框架，在将导频开销降低8倍的同时显著提升了信道估计性能并大幅降低了计算复杂度。
2025-04-29 eess.SP
Message Passing based Parameter Estimation in Cooperative MIMO-OFDM ISAC Systems
Dalian University of Technology（大连理工大学）；University of California, Irvine（加州大学尔湾分校）
本文提出一种基于消息传递的参数估计方法，用于协作MIMO-OFDM ISAC系统，通过多视角观测和联合信号处理提高感知性能。
2026-02-07 eess.SP
Learning-based Block-wise Planar Channel Estimation for Time-Varying MIMO OFDM
针对时变MIMO OFDM系统的信道估计问题，提出结合分块平面信道模型与3D-DRCN的学习型估计器，在降低复杂度的同时显著提升了估计精度。
2024-05-18 eess.SP
Joint Channel Sounding and Source-Channel Coding for MIMO-OFDM Systems: Deep Unified Encoding and Parallel Flow-Matching Decoding
National Key Laboratory of Wireless Communications, Univ. of Elec. Sci. and Tech. of China（电子科技大学无线通信国家重点实验室）；School of Engineering, Univ. of Wollongong（伍伦贡大学工程学院）
本文提出了一种深度统一编码与并行流匹配解码方法，用于提升MIMO-OFDM系统中信道和源估计的精度与重建质量。
2026-02-09 eess.SP
Semidefinite Relaxation-Based PAPR-Aware Precoding for Massive MIMO-OFDM Systems
大规模多输入多输出需要大量天线和相同数量的功率放大器（PA），每个天线一个。与能够提供高度线性PA的4G基站相反，下一代基站将需要使用具有有限线性放大区域的廉价PA。研究的挑战之一是有效地处理具有高峰均功率比（PAPR）的信号，例如正交频分复用（OFDM）。本文介绍了一种PAPR感知的预编码方案，利用大规模多输入多输出（MIMO）天线系统的空间自由度过多。这通常需要找到非凸优化问题的解。而不是放松的问题，以最大限度地减少峰值功率，我们介绍了一个实用的半定松弛（SDR）的框架，使准确和有效地近似理论PAPR感知的预编码性能基于OFDM的大规模多输入多输出系统。该框架允许将信道不确定性和小区间协调。数值结果表明，几个数量级的改善，可以实现w.r.t.现有技术，例如瞬时功耗降低和多用户干扰消除。所提出的PAPR感知预编码可以与多小区信号处理一起由下一代无线电接入网络的集中式基带处理平台有效地处理。性能可以用来换取其他平台的计算效率
2018-10-02 eess.SP
Beam Selection for Delay-Doppler Visibility in Multi-Target MIMO-OFDM Sensing
Centre for Wireless Communications, University of Oulu（奥卢大学无线通信中心）
研究多目标MIMO-OFDM感知中考虑泄漏的波束选择，推导可见性度量并制定相关问题，通过特定框架求解，提出分时公式作基准，结果表明该设计比多种基线具有更高最差目标可见性。
2026-07-29 eess.SP
Multi-Target Acquisition in Multistatic MIMO-OFDM Joint Sensing and Communication
本研究提出一种多基地MIMO-OFDM联合感知与通信系统中的选择性数据融合和轮询发射机策略，通过软融合距离-角度图，有效改善杂波环境下多目标的检测与定位性能。
2025-03-28 eess.SP
A Joint Design of MIMO-OFDM Dual-Function Radar Communication System Using Generalized Spatial Modulation
提出了一种新的双功能雷达通信系统，该系统具有高目标分辨力和高通信速率的特点。它由一个多输入多输出（MIMO）雷达，其中只有少量的天线是活跃的，在每个信道的使用。探测波形是正交频分复用（OFDM）类型。OFDM载波被分成两组，一组由有源天线以共享的方式使用，另一组，其中每个子载波以独占的方式分配给有源天线（专用子载波）。基于接收和发送的符号执行目标估计。该系统以广义空间调制（GSM）方式经由所发送的OFDM数据符号和有源天线的图案来传送信息。多天线通信接收机可以通过稀疏信号恢复方法识别有源天线的索引。共享子载波的使用使得能够实现高通信速率。私有子载波用于合成虚拟阵列以获得高角度分辨率，并且还用于改进对有源天线索引的估计。OFDM波形允许通信接收器容易地减轻频率选择性衰落的影响，而在发射器处使用稀疏阵列降低了系统的硬件成本。通过仿真评估了所提出的DFRC系统的雷达性能，并提供了通信系统误比特率（BER）结果。
2021-06-10 eess.SP
Jamming Detection in MIMO-OFDM ISAC Systems Using Variational Autoencoders
提出一种面向单基地 MIMO-OFDM 雷达的无监督 VAE 干扰检测框架，通过学习无干扰回波的潜在表示识别异常，并在 ISAC 5G 场景中与传统自编码器比较。
2024-10-02 eess.SP
A Novel Low-Complexity Peak-Power-Assisted Data-Aided Channel Estimation Scheme for MIMO-OFDM Wireless Systems
本文针对SISO和MIMO-OFDM系统提出低复杂度峰值功率辅助DACE方案，通过发射端选峰值功率载波作额外导频提升估计精度，结合压扩技术抑制峰均比，在降低50%导频开销的同时优化MSE、BER性能与频谱效率。
2024-10-08 eess.SP
Energy-Efficient Power Control in Single-User M-MIMO-OFDM System with PA Nonlinearity
Institute of Communications Technology Technische Universität Braunschweig（不伦瑞克工业大学通信技术研究）；Institute of Radiocommunications Poznan University of Technology（波兹南理工大学无线电通信研究所）
针对M-MIMO-OFDM系统中PA非线性问题，提出基于软限幅模型和SNDR闭式解的EE最大化求根算法，在低和高路径损耗下均实现超过100%的EE提升。
2025-10-10 eess.SP
Fully Digital and Hybrid Beamforming Design For Millimeter-Wave MIMO-OFDM Two-Way Relaying Systems
在这项工作中，我们考虑的混合模拟数字（HAD）多载波MIMO-OFDM双向式的【形】中继系统的设计，其中中继站配备了一个HAD放大和转发架构，每个移动台配备了一个全数字波束形成架构。我们提出了一个次优的解决方案，通过重新制定原来的非凸问题作为一个受约束的Tucker 2分解的HAD放大矩阵和他们的全数字对应之间的欧几里德范数和最小化的目标。对于全数字放大矩阵设计，我们使用每个子载波上有效信道的Frobenius范数最大化，并提出了适用于多流通信场景的有效解决方案。在此之后，我们提出了一个交替最大化（AltMax）HAD解决方案，利用张量结构的重新制定的问题。仿真结果表明，所提出的全数字和AltMax为基础的HAD放大矩阵设计优于一些基准方法，特别是对于多流通信场景。
2021-05-20 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
Autoencoder for Interconnect's Bandwidth Relaxation in Large Scale MIMO-OFDM Processing
深度学习在下一代通信系统的设计中发挥着重要作用。在这封信中，我们解决了大规模多输入多输出互连的带宽约束松弛使用自动编码器。自动编码器被训练以学习接收到的信号结构，使得与原始的高维信号相反，低维潜在变量被传送。为了有效的实现，该方法建议分别在大规模多输入多输出无线电头端和中央处理单元中单独部署自动编码器组件，即编码器和解码器。仿真结果表明，人们可以放松互连的带宽的一个因素高达16与非实质性的性能退化的集中式和分散式处理。幸运的是，这种损失可以通过在检测过程中运行几个额外的迭代来补偿，这使得自动编码器迭代检测成为互连的带宽和计算复杂度设计的折衷。
2019-09-19 eess.SP
RSMA-Assited and Transceiver-Coordinated ICI Management for MIMO-OFDM System
本文提出了一种基于RSMA和收发机协调的MIMO-OFDM系统ICI管理方案，通过混合SIC架构和匹配混合预编码技术，有效抑制ICI并提升系统容量。
2025-12-19 eess.SP
NN-Based Frequency Domain DPD for OFDM Massive MIMO Transmitters With Multiple States
本文提出了一种基于神经网络的频率域数字预扭曲方法，通过超网络根据信号状态生成参数，实现多状态OFDM大规模MIMO发射机的高效预扭曲。
2025-12-11 eess.SP
Joint Spatial and Spectral Hybrid Precoding for Multi-User MIMO-OFDM Systems
University of Minnesota Twin-Cities（明尼苏达大学双城分校）；Cisco Systems（思科系统）；KTH Royal Institute of Technology（瑞典皇家理工学院）
针对多用户MIMO-OFDM系统，提出一种基于加权最小均方误差的块坐标下降方法，联合优化数字和射频预编码器以最大化下行和速率，并满足发射功率、削波和带外发射掩模约束。
2026-05-31 eess.SP
Towards Fine-Grained Indoor Localization based on Massive MIMO-OFDM System: Experiment and Analysis
随着室内定位服务需求的快速增长，细粒度室内定位技术受到了广泛关注。具体地，大规模（大规模）多输入多输出（MIMO）系统由于高角度分辨率而受到越来越多的关注。提出了一种基于大规模多输入多输出正交频分复用（OFDM）系统的室内定位实验平台，该系统支持物理层信道测量。而不是利用信道状态信息（CSI）直接定位，我们专注于从多径分量（MPC），这是通过空间交替广义期望最大化（SAGE）算法从CSI中提取的角度定位。在现有的MPC之上，我们提出了一个基于不同的单度量和混合度量方案的广义指纹系统。我们评估了不同天线拓扑结构、训练集大小、天线数量和有效信噪比（SNR）的影响。实验结果表明，该指纹识别方法可以实现厘米级的定位精度与一个相对较小的训练集。具体地，分布式均匀线阵获得了最高的精度与约1.63-2.5厘米的平均绝对误差，由于高的空间分辨率。
2021-09-08 eess.SP
Position and Velocity Estimation Accuracy in MIMO-OFDM ISAC Networks: A Fisher Information Analysis
本文提出理论框架，基于Fisher信息分析推导了MIMO-OFDM ISAC网络中目标位置与速度估计的CRLBs，揭示协作感知的性能增益及系统参数影响。
2025-10-31 eess.SP
A Tutorial on MIMO-OFDM ISAC: From Far-Field to Near-Field
Southeast University（东南大学）；Purple Mountain Laboratories（紫金山实验室）；Nanyang Technological University（南洋理工大学）
本文介绍了MIMO-OFDM ISAC系统，从远场到近场的参数估计方法及感知算法，探讨其基本原理和未来研究方向。
2025-12-31 eess.SP
Movable-Antenna-Empowered ISAC: 3D Ambiguity Function Analysis, Waveform Design and Antenna Position Optimization
Beijing Institute of Technology（北京理工大学）；School of Information and Electronic Engineering, Beijing University of Posts and Telecommunications（北京邮电大学信息工程学院）
本文针对MA增强的MIMO-OFDM ISAC，通过推导3D模糊函数并分析波形秩的影响，提出联合优化MA位置与SLP波形的算法，并证明雷达情形下存在秩一全局最优解，实现波形设计的无损降维。
2026-11-02 eess.SP
Statistical Analysis of 3D Ambiguity Functions for Random MIMO-OFDM Signals
本文针对随机MIMO-OFDM信号，提出三维模糊函数并推导其统计特性，明确星座图四阶矩对模糊旁瓣的影响，扩展得到快-慢时间近似，为ISAC系统感知模糊性提供统计表征。
2026-10-09 eess.SP
Divide and Conquer: One-Bit MIMO-OFDM Detection by Inexact Expectation Maximization
采用一位模数转换器（ADC）实现大规模多输入多输出（MIMO）在降低硬件成本和功耗方面具有很大的潜力。然而，由量化引起的失真提出了巨大的挑战。在MIMO正交频分调制（OFDM）检测，粗量化呈现子载波之间的正交分离不适用，迫使我们处理的问题，有一个非常大的问题大小。在本文中，我们研究的期望最大化（EM）的方法为1比特MIMO-OFDM检测。其思想是迭代解耦子载波之间的MIMO-OFDM检测问题。使用块坐标下降的角度来看，我们描述的经典EM方法提供更灵活和计算效率的设计不精确的变种。仿真结果表明，EM使分而治之的策略的潜力。
2021-02-11 cs.IT eess.SP math.IT
RCNet: Incorporating Structural Information into Deep RNN for MIMO-OFDM Symbol Detection with Limited Training
Virginia Tech（弗吉尼亚理工大学）；Samsung Research America（三星美国研究院）
在本文中，我们研究了基于学习的MIMO-OFDM符号检测策略，重点是一个特殊的递归神经网络（RNN）-水库计算（RC）。我们首先引入时频RC，以利用OFDM信号中固有的结构信息。利用时域RC和时频RC作为构建块，我们提供了两个扩展的浅RC到RCNet：1）堆叠多个时域RC; 2）堆叠多个时频RC到一个深层结构。RNN动态、MIMO-OFDM信号的时频结构和深度网络的结合使RCNet能够处理MIMO-OFDM信号的干扰和非线性失真，从而优于现有方法。与大多数现有的基于NN的检测策略不同，RCNet即使在有限的训练集（即与标准的基于模型的方法相似的参考信号/训练量）下也能提供良好的泛化性能。数值实验表明，引入的RCNet通过补偿MIMO-OFDM信号的非线性失真（如发射端功率放大器压缩或接收端有限的量化分辨率），可以提供比浅RC结构更快的学习收敛速度和高达20%的误比特率增益.
2020-03-15 cs.LG eess.SP
High-precision timing and frequency synchronization method for MIMO-OFDM systems in double-selective channels
该文提出了一种新的MIMO-OFDM系统同步方法。新方法对符号定时和大的频率偏移都有准确的估计。仿真结果表明，即使最强的多径分量在第一路径之后到达，该方法在双选择性信道中也具有良好的鲁棒性。
2018-11-19 cs.IT eess.SP math.IT
Cell-Free Massive MIMO-OFDM Transmission over Frequency-Selective Fading Channels
该文提出并分析了频率选择性衰落信道下基于正交频分复用（OFDM）的无小区大规模多输入多输出（CFmMIMO）多载波传输。提出了频域共轭波束形成、导频分配和用户特定的资源分配。CFmMIMO-OFDM是可扩展的，以服务于大量的用户，并且是灵活的，以提供不同的数据率的异构应用。
2021-07-03 cs.IT eess.SP math.IT
Uplink Performance of High-Mobility Cell-Free Massive MIMO-OFDM Systems
采用正交频分复用（OFDM）技术的高速训练（HST）通信近年来受到了极大的关注。此外，无蜂窝（CF）大规模多输入多输出（MIMO）被认为是一种有前途的技术，以达到最终的性能极限。本文主要研究了在HST通信中采用匹配滤波和大规模衰落解码（LSFD）接收的CF大规模MIMO-OFDM系统的性能。HST通信与小小区和蜂窝大规模MIMO-OFDM系统也进行了分析比较。考虑到多普勒频偏（DFO）对系统性能的不利影响，推导了各系统上行链路频谱效率（SE）的精确闭式表达式。根据仿真结果，我们发现，CF大规模MIMO-OFDM系统与LSFD实现了更大的SE和更低的SE下降百分比比其他系统。此外，增加接入点（AP）的数量和每个AP的天线数量可以有效地补偿DFO带来的性能损失。此外，在AP和HST之间存在最佳垂直距离以实现最大SE。
2022-01-24 cs.IT eess.SP math.IT
Software-Defined MIMO OFDM Joint Radar-Communication Platform with Fully Digital mmWave Architecture
大规模部署具有协作传感和操纵技术的互联车辆，增加了对5.9 GHz车联网通信（V2X）频段的需求。除了V2X频谱，24和77 GHz的未充分利用的毫米波（mmWave）频段可用于补充V2X通信，并为新兴宽带应用提供高数据速率支持。为此目的，联合雷达通信（JRC）系统已在文献中提出了使用相同的波形和硬件来执行这两个功能。在这项工作中，我们提出了一个软件定义的多输入多输出（MIMO）JRC与正交频分复用（OFDM）的24 GHz毫米波波段。我们使用商用软件定义无线电和定制的毫米波前端实现了一个实时操作的全双工JRC平台。通过全数字MIMO架构，我们展示了毫米波频段MIMO OFDM JRC的同步数据传输和高分辨率雷达成像能力。
2023-02-11 cs.AR eess.SP
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
Optimal Precoder Design for MIMO-OFDM-based Joint Automotive Radar-Communication Networks
大规模部署具有协作感知技术的互联车辆增加了对5.9 GHz车联网（V2X）通信频谱的需求，该频谱主要用于交换安全消息。为了补充V2X通信并支持宽带应用所需的高数据速率，可以利用76-81 GHz的毫米波（mmWave）汽车雷达频谱。为此目的，在文献中已经提出了联合雷达-通信系统，以使用相同的波形和硬件来执行这两种功能。虽然多用户的多输入多输出（MIMO）通信能够实现独立的数据流传输，以实现高吞吐量，但MIMO雷达处理可提供对安全关键系统至关重要的高分辨率成像。然而，采用为通信设计的传统预编码方法会产生定向波束，这会损害数据流传输期间的MIMO雷达成像和目标跟踪能力。提出了一种基于正交频分复用（OFDM）波形的MIMO汽车雷达通信（JARC）联合框架。首先，我们表明，MIMO-OFDM前导码可以利用MIMO雷达处理和估计的通信信道。然后，我们提出了一个最佳的预编码器的设计方法，使高精度的目标跟踪，同时发送独立的数据流到多个接收器。所提出的方法为MIMO JARC网络提供高分辨率雷达成像和高吞吐量能力。最后，我们通过数值模拟评估所提出的方法的有效性。
2021-09-25 cs.NI eess.SP
Massive MU-MIMO-OFDM Uplink with Direct RF-Sampling and 1-Bit ADCs
模数转换器（ADC）技术的进步为直接对宽带射频（RF）信号进行数字化提供了可能性，从而避免了模拟下变频的需要。在这项工作中，我们考虑了一个基于正交频分复用（OFDM）的大规模多用户（MU）多输入多输出（MIMO）上行链路系统，该系统依赖于在基站直接RF采样和数字化接收到的RF信号与1位ADC。利用Bussgang定理，我们提供了一个解析表达式的误差矢量幅度（EVM）实现的数字下变频和迫零合并。我们的结果表明，直接RF采样1位ADC实现低EVM，并支持大规模MU-MIMO-OFDM上行链路中的高阶星座。
2019-07-16 cs.IT eess.SP math.IT
Cell-Free Massive MIMO-OFDM for High-Speed Train Communications
无小区（Cell-free，CF）大规模多输入多输出（Multiple-Input Multiple-Output，MIMO）系统由于其小区边界消失和强宏分集特性，在低移动性环境下显示出巨大的应用潜力。然而，正交频分复用（OFDM）技术中的大多普勒频偏（DFO）导致了严重的载波间干扰，这使得它很难为高速训练（HST）运行控制系统和乘客提供高质量的传输。在本文中，我们专注于CF大规模MIMO-OFDM系统的性能与完全集中式和本地最小均方误差（MMSE）合并在HST通信。考虑局部最大比合并、大规模衰落译码协作以及DFO对系统性能的实际影响，推导了上行链路频谱效率的精确闭式表达式。我们观察到，合作MMSE组合实现更好的SE性能比非合作MR组合。此外，HST通信与小小区和蜂窝大规模MIMO-OFDM系统的SE方面进行了比较。数值结果表明，CF大规模MIMO-OFDM系统比其他系统获得了更大和更均匀的SE。最后，设计了以训练天线为中心的CF大规模MIMO-OFDM系统，并采用了三种功率控制方案来优化TA的传播，以减小DFO的影响。
2022-03-02 cs.IT eess.SP math.IT
