Deep Unfolding Beamforming and Power Control Designs for Multi-Port Matching Networks
针对6G多端口匹配网络，本文采用多端口通信理论建模天线与信道，并提出PGD-Net混合波束赋形和GNN辅助AO-Net功率控制方法，以低复杂度和快速运行逼近传统算法。
2024-12-09 cs.IT eess.SP math.IT
Meta-learning Based Beamforming Design for MISO Downlink
下行链路波束形成是无线蜂窝网络的关键技术，但如何设计最大化加权和速率（WSR）的波束形成向量是一个NP难问题，通常采用迭代算法求解，其中最常用的是加权最小均方误差（WMMSE）算法，该算法迭代最小化WSR并收敛于局部最优。受元学习技术解决非凸优化问题的最新发展的启发，我们提出了一种基于元学习的迭代算法，用于MISO下行链路信道中的WSR最大化。建立基于长短期记忆（LSTM）网络的元学习模型，学习动态优化策略，迭代更新变量。与WMMSE相比，学习策略旨在以不那么贪婪的方式优化每个变量，WMMSE通过在每个迭代步骤中计算变量的一阶平稳点来更新变量。该算法在高信噪比时性能明显优于WMMSE，在低信噪比时性能与WMMSE相当。
2022-06-26 cs.IT eess.SP math.IT
Improving Wireless Federated Learning via Joint Downlink-Uplink Beamforming over Analog Transmission
本文针对无线联邦学习中的噪声干扰问题，提出低复杂度联合下行-上行波束成形算法JDUBF，通过贪心分解和块坐标下降优化提升训练收敛速率，仿真验证其显著优于传统分离链路设计。
2025-02-04 cs.IT eess.SP math.IT
Low-Complexity Pareto-Optimal 3D Beamforming for the Full-Dimensional Multi-User Massive MIMO Downlink
全维（FD）多用户大规模多输入多输出（m-MIMO）系统采用大型二维（2D）矩形天线阵列来控制信号传输的方位角和仰角。我们引入了具有中等维度的方位和仰角波束形成向量的两个外积之和作为一类新的FD波束形成。我们表明，这种低复杂度的类是能够优于2D波束成形依赖于方位角和仰角波束成形向量的单个外积。它还能够在用户最小速率或其几何平均速率（GM速率）或和速率（SR）方面执行接近其大规模维度的FD对应物。此外，我们还表明，即使FD波束成形可能优于我们的外部产品为基础的不正确的高斯信号的解决方案。解释，我们的设计是基于低复杂度的算法依赖于凸问题的适度尺寸的最大-最小速率优化或封闭形式的表达式GM率和SR最大化。
2023-02-18 cs.IT eess.SP math.IT
Uplink-Downlink Duality for Beamforming in Integrated Sensing and Communications
University of Toronto（多伦多大学）
本文研究了在集成感知与通信中同时利用通信信号进行感知的波束成形和功率优化问题，提出通过最大化特定感知方向的波束成形功率来最小化贝叶斯Cramér-Rao界，并扩展了经典上行-下行对偶性理论以适应ISAC场景，引入额外条件以处理负噪声功率。
2026-05-13 cs.IT eess.SP math.IT
Learning Robust Beamforming for MISO Downlink Systems
Jeonbuk National University（国立全北大学）；Pukyong National University（釜庆国立大学）
研究了下行多用户系统中鲁棒波束形成优化的学习算法。基站（BS）识别有效的多天线传输策略，只有不完美的信道状态信息（CSI）和它的随机特性。为此，我们提出了一种鲁棒的训练算法，其中深度神经网络（DNN），它只接受完美CSI的估计和统计知识，被优化以适应现实世界的传播环境。因此，经过训练的DNN可以仅基于实际CSI的不完美观测来提供有效的鲁棒波束成形解决方案。数值结果验证了所提出的学习方法相比，传统的计划的优势。
2021-03-02 cs.IT cs.LG eess.SP
Fast and Scalable Beamforming for RIS-Assisted Downlink Multi-group Multicasting
本文针对RIS辅助下行多组多播，提出AMBF和APSA两种快速交替波束赋形算法，在满足QoS或加权MMF目标下实现基站与RIS联合优化，计算复杂度随RIS单元和天线数线性增长，仿真验证了其性能与成本优势。
2025-07-04 cs.IT eess.SP math.IT
Downlink Beamforming with Pinching-Antenna Assisted MIMO Systems
本研究探讨了多用户MIMO下行传输中采用夹持天线系统（PAS）的混合波束成形问题，通过联合优化数字预编码器和夹持元件激活位置以最大化加权和速率，并开发了一种基于分数规划的低复杂度迭代算法，显著提升了系统吞吐量。
2025-02-03 cs.IT eess.SP math.IT
Joint Beamforming Design in Multi-Cluster MISO NOMA Intelligent Reflecting Surface-Aided Downlink Communication Networks
考虑智能反射面（IRS），研究了多簇多输入单输出（MISO）非正交多址（NOMA）下行通信网络。在网络中，IRS通过被动波束形成辅助从基站（BS）到所有用户的通信。我们的目标是通过联合优化BS处的发射波束成形向量和IRS处的反射系数向量来最小化总发射功率。由于对IRS反射振幅和相移的限制，所述二次约束二次问题是高度非凸的。对于上述问题，传统的基于半定规划（SDP）的算法具有过高的计算复杂性和恶化的性能。在这里，我们提出了一个有效的二阶锥规划（SOCP）-交替方向的乘法器（ADMM）为基础的算法，以获得局部最优解。为了降低计算复杂性，我们还提出了一个低复杂度的迫零（ZF）的次优算法。仿真结果表明，我们提出的基于SOCP-ADMM的算法实现了显着的性能增益比传统的基于SDP的算法。此外，当被动反射元件的数目相对较高时，我们提出的基于ZF的次优算法也优于基于SDP的算法。
2019-09-16 cs.IT eess.SP math.IT
Beamforming Design for Integrated Sensing and Communications Using Uplink-Downlink Duality
本文提出一种基于上下行对偶的优化框架，将集成感知与通信的波束成形设计转化为易处理形式，显著降低计算复杂度，同时最小化感知贝叶斯克拉美-罗界并满足通信服务质量约束。
2024-04-20 cs.IT eess.SP math.IT
Bounded Deep Unfolding for Joint Beamforming and Scheduling in Multi-Cell MIMO Networks
The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Shenzhen Research Institute of Big Data（深圳大数据研究院）；Tongji University（同济大学）
针对多小区MIMO下行链路中加权和速率最大化问题，提出一种联合深度展开框架（P-Net和K-Net），通过有界自适应松弛因子加速连续波束赋形并利用长视优先级策略实现低复杂度调度，在保证单调收敛的同时显著提升性能与速度。
2026-07-28 cs.IT eess.SP math.IT
Deep Unfolding Hybrid Beamforming Designs for THz Massive MIMO Systems
混合波束形成（HBF）是宽带太赫兹（THz）大规模多输入多输出（mMIMO）通信系统的关键技术。设计HBF系统的一个核心挑战来自于这样一个事实，即它们的应用通常涉及非凸的、高度复杂的大尺寸优化。在本文中，我们提出了HBF计划，利用数据，使高效的设计全连接HBF（FC-HBF）和动态子连接HBF（SC-HBF）架构。我们开发了一个深入的展开框架的基础上分解成模拟和数字方面的最佳全数字波束形成器，并制定了两个相应的等效最小二乘（LS）问题。然后，通过闭合形式的LS解获得数字波束形成器，而通过ManNet获得模拟波束形成器，ManNet是一种基于展开投影梯度下降的轻量级稀疏连接深度神经网络。将ManNet扩展到已开发的深度展开框架中，得到基于ManNet的FC-HBF方案。我们表明，建议的ManNet也可以应用到SC-HBF设计后，确定的无线电频率链和天线之间的连接。我们进一步开发了一个简化版本的ManNet，称为subManNet，直接产生稀疏模拟预编码器的SC-HBF架构。这两个网络都是用无监督的训练过程训练的。数值结果验证了所提出的基于ManNet/subManNet的HBF方法优于传统的基于模型和深度展开的方法，具有非常低的复杂度和快速的运行时间。例如，在具有128个发射天线的仿真中，它获得了比黎曼流形方案稍高的频谱效率，但是快了1000倍以上，并且复杂度降低了六（6）倍以上。
2023-02-23 cs.IT eess.SP math.IT
Robust Beamforming for Downlink Multi-Cell Systems: A Bilevel Optimization Perspective
本文针对多小区多用户MISO下行系统中有界CSI误差下的最坏情况WSR最大化问题，提出双层优化建模及基于割平面法的集中式与分布式波束成形算法。
2024-01-21 cs.IT eess.SP math.IT
Deep Learning Enabled Optimization of Downlink Beamforming Under Per-Antenna Power Constraints: Algorithms and Experimental Demonstration
研究了多用户多输入单输出系统中基于深度学习的快速下行波束形成算法，其中基站的每个发射天线都有自己的功率约束。我们专注于信号干扰噪声比（SINR）平衡问题，这是准凸的，但没有有效的解决方案。我们首先设计了一个快速次梯度算法，可以达到接近最优的解决方案，降低复杂度。然后，我们提出了一个深度神经网络结构，以学习基于卷积网络和利用原始问题的对偶性的最佳波束成形。研究了两种不同精度的对偶变量学习策略，并利用次梯度算法恢复原解。我们还开发了一个泛化方法，使他们能够适应不同数量的用户和天线，而无需重新训练的算法。我们进行了密集的数值模拟和试验台实验，以评估所提出的算法的性能。仿真结果表明，在信道信息完备的情况下，该算法的性能接近最优解，在实验中优于理论上的最优解，比现有算法具有更好的性能-复杂度权衡。
2020-02-28 cs.IT eess.SP math.IT
Joint User Scheduling and Beamforming Design for Multiuser MISO Downlink Systems
在多用户通信系统中，用户调度和波束形成（US-BF）设计是两个基本问题，通常在现有的文献中被分开研究。在这项工作中，我们专注于联合US-BF设计的目标是最大限度地提高预定用户的集合基数，这是计算上的挑战，由于非凸目标函数和离散连续变量的耦合约束。针对这些问题，首先提出了一种基于逐次凸逼近的US-BF优化算法。然后，受无线智能通信的启发，将联合US和功率分配网络模型与BF解析解相结合，提出了一种基于图神经网络的联合US-BF（J-USBF）学习算法。各种数值结果验证了SCA-USBF和J-USBF的有效性，后者具有相近的性能和更高的计算效率。此外，建议的J-USBF也享有在动态无线网络场景的通用性。
2022-07-04 cs.IT eess.SP math.IT
Intelligent User Clustering and Robust Beamforming Design for UAV-NOMA Downlink
在这项工作中，我们考虑了下行NOMA网络与多个单天线用户和多天线无人机。特别是，用户在空间上位于几个集群通过泊松聚类过程，每个集群是由一个悬停的无人机NOMA服务。出于实际考虑，我们假设在UAV处仅可获得每个用户的不完美CSI。在此基础上，提出了联合用户分簇和稳健波束形成设计问题，以最小化总发射功率，同时保证用户的QoS要求。由于用户聚类的整数变量，波束形成器的耦合效应，以及由不完美的CSI引起的无限多的约束，制定的问题是具有挑战性的解决。为了降低计算复杂性，将原问题分解为用户聚类子问题和鲁棒波束形成设计子问题。利用用户的位置信息，我们提出了一种基于k-means++的无监督聚类算法，首先处理用户聚类问题。然后，我们专注于鲁棒波束形成设计问题。为了获得解决鲁棒波束形成设计问题的见解，我们首先研究了具有完美CSI的问题，并证明了相关问题可以得到最优解。其次，在一般情况下的问题与不完美的CSI，SDR的方法，提出了有效地产生一个次优解。此外，我们提供了一个充分条件下，基于SDR的方法可以保证获得一个最优的秩一的解决方案，这是理论分析。最后，提出了一种基于乘法器的交替方向方法，使无人机能够以分散的方式有效地进行鲁棒波束形成设计。仿真结果验证了所提算法和传输方案的有效性。
2020-06-10 cs.IT eess.SP math.IT
Embedding Model Based Fast Meta Learning for Downlink Beamforming Adaptation
研究了多用户多输入单输出下行链路的快速自适应波束形成技术。现有的基于深度学习的方法假设训练和测试通道遵循相同的分布，这导致当测试环境改变时任务不匹配。虽然Meta学习可以处理任务不匹配，但它依赖于标记数据，并且在预训练和微调阶段具有很高的复杂性。我们提出了一个简单而有效的自适应框架来解决失配问题，该框架将嵌入模型训练为可转移的特征提取器，然后拟合支持向量回归。与现有的Meta学习算法相比，我们的方法在预训练中不需要标记数据，并且在自适应中不需要对预训练模型进行微调。所提出的方法的有效性是通过两个众所周知的应用程序，即，信号与干扰加噪声比平衡问题以及和速率最大化问题。此外，我们将我们提出的方法扩展到非平稳环境中的在线场景。仿真结果证明了该算法在性能和复杂度方面的优势。所提出的框架也可以应用于一般的无线电资源管理问题。
2021-09-19 cs.IT eess.SP math.IT
A Data and Model-Driven Deep Learning Approach to Robust Downlink Beamforming Optimization
本文提出一种基于无监督深度学习与模型驱动的鲁棒下行波束成形优化方法，利用图神经网络和二分搜索解决传统凸优化方法保守且复杂度高的问题，实现了更优的速率、能效与执行速度。
2024-06-05 cs.IT eess.SP math.IT
Deep-Unfolding Beamforming for Intelligent Reflecting Surface assisted Full-Duplex Systems
本文研究了一种智能反射面辅助的多用户多输入多输出（MIMO）全双工（FD）系统。我们联合优化的接入点（AP）和上行链路用户的主动波束形成矩阵，和被动波束形成矩阵在IRS最大化系统的加权和速率。由于它是实际上很难获得的信道状态信息（CSI）的IRS相关的链路，由于其被动的操作和大量的元素，我们设想了一个混合的时标波束形成方案。具体地，基于信道统计来更新IRS处的高维被动波束成形矩阵，而依赖于每个时隙处的低维实时有效CSI来优化主动波束成形矩阵。我们提出了一种有效的随机逐次凸逼近（SSCA）为基础的算法，联合设计的有源和无源波束形成矩阵。此外，由于基于SSCA的优化算法中的矩阵求逆计算导致的高计算复杂度，我们进一步开发了一种深度展开神经网络（NN）来解决这个问题。所提出的深度展开神经网络保持了基于SSCA的算法的结构，但引入了一种新的非线性激活函数和一些由一阶泰勒展开引起的可学习参数来近似矩阵求逆。此外，我们开发了一个黑盒神经网络作为基准。仿真结果表明，提出的混合时标算法优于现有的单时标算法，提出的深度展开神经网络在线部署时，计算复杂度大大降低，性能接近基于SSCA的算法。
2021-12-04 eess.SP
Joint Communications and Sensing Hybrid Beamforming Design via Deep Unfolding
本文针对大规模 MIMO-JCAS 系统中的混合波束赋形设计难题，提出基于深度展开的快速优化方法，通过改进投影梯度上升并学习超参数，在保持可解释性的同时显著提升通信速率、降低波束图误差并减少计算复杂度。
2023-07-10 cs.IT eess.SP math.IT
Offset-Based Beamforming: A New Approach to Robust Downlink Transmission
当基站不完全知道信道状态信息时，为多用户多输入单输出（MISO）下行链路设计一组波束形成器，为接收机提供预定的服务质量（QoS）水平可能是相当具有挑战性的。使SINR以高概率满足或超过给定阈值的约束通常是难以处理的，这导致从根本上难以解决的问题。在本文中，我们将开发一个高品质的近似的SINR中断约束，随着半定松弛，使我们能够制定的波束形成器的设计问题，可以有效地解决凸优化问题。对于系统中的不确定性大小是小的，进一步的近似产生算法的基础上迭代评估的封闭形式的表达式，具有显着较低的计算成本。由于发现的波束成形方向招致这些算法的计算负荷的大部分，类似的功率加载算法预定义的波束成形方向的开发和它们的性能被证明是接近最佳的。当系统包含大量天线时，可以以仅在天线数量上线性增长的计算成本来获得所提出的功率负载。所提出的功率加载算法提供了所需的停电概率和消耗的功率之间的显式关系，这使得我们能够精确地控制功率消耗，并自动识别消耗大部分功率资源的用户。所提出的方法的灵活性，说明了通过开发一个功率加载技术，最大限度地减少了平均停电的概念。
2017-10-26 cs.IT eess.SP math.IT
Low-complexity Joint Beamforming for RIS-Aided Multi-User Downlink over Correlated Channels
本文研究了可重构智能表面（RIS）辅助多用户通信，其中RIS用于辅助基站（BS）为多个用户提供服务。由被动反射元件组成的RIS可以通过调整反射元件的相移来操纵入射电磁波的反射方向。基于交替优化（AO）的方法通常用于确定RIS元件的相移。虽然基于AO的方法已经显示出RIS的显著增益，但是由于从BS通过RIS到用户的级联信道的耦合结构，复杂度相当高。此外，RIS的亚波长结构引入了可能对用户造成强干扰的空间相关性。为了处理严重的多用户干扰相关信道，我们考虑自适应用户分组以前提出的大规模多输入多输出（MIMO）系统，并提出了两个低复杂度的波束成形设计方法，这取决于分组结果是否被考虑在内。仿真结果表明，所提出的方法比没有用户分组的和速率。此外，所提出的方法可以执行类似的基于AO的方法，但具有更低的复杂度。
2022-11-30 cs.IT eess.SP math.IT
Downlink Training in Cell-Free Massive MIMO: A Blessing in Disguise
无小区大规模MIMO（多输入多输出）是指分布式大规模MIMO系统，其中所有接入点（AP）协作以相干地服务所有用户设备（UE），抑制小区间干扰并减轻多用户干扰。最近的工作表明，与共址的大规模MIMO不同，\textit{channel hardening}通常在无小区的大规模MIMO中不太明显，因此从估计下行链路信道中获益很多。在这项研究中，我们调查的增益引入的下行链路波束成形训练，延伸到非正交的上行链路和下行链路导频先前提出的分析。假设单天线接入点，共轭波束成形和独立的瑞利衰落信道，我们推导出一个封闭形式的表达式为每个用户可实现的下行链路速率，解决信道估计误差和导频污染都在AP和UE侧。性能评估包括最大-最小公平功率控制、贪婪导频分配方法，以及不同容量约束技术获得的可达速率之间的比较。数值结果表明，下行波束成形训练，虽然增加了导频开销，并引入额外的导频污染，显着提高可达到的下行链路速率。即使对于大量AP，依赖于统计信道状态信息进行数据解码的UE也不是完全有效的。
2019-09-06 cs.IT eess.SP math.IT
Statistical Analysis of Downlink Zero-Forcing Beamforming
我们分析的均值和方差的有用信号和干扰功率在多小区网络中使用迫零波束形成（ZF BF）与两个波束形成器归一化方法。虽然平均值一直是主要的焦点在早期的研究ZF-BF，方差分析尚未解决。我们的分析提供了一个完整的统计研究，揭示了方差的重要性，推导出封闭形式的表达式的信号的两个时刻，并提供了一个实际使用这些表达式，我们使用伽玛或对数正态分布的干扰功率分析计算中断。
2020-08-04 cs.IT cs.SY eess.SP
Fast Group Scheduling for Downlink Large-Scale Multi-Group Multicast Beamforming
针对下一代无线网络海量用户接入下的多组多播下行传输问题，提出三阶段联合组调度与波束成形方案，通过两种低复杂度调度算法利用组间空间特性，在低复杂度下有效提升最小用户吞吐量。
2024-06-25 cs.IT eess.SP math.IT
Joint Base Station Activation and Coordinated Downlink Beamforming for HetNets: Efficient Optimal and Suboptimal Algorithms
在蜂窝异构网络（HetNet）中，多个分布式基站协作地向多个移动用户提供服务。针对HetNet中下行链路传输的联合基站激活和协同波束成形设计问题进行了研究。为此，制定了一个混合整数规划来优化HetNet的总功耗。提出了一种基于Benders分解的新方法，以保证收敛性的方式获得感兴趣问题的最优解。基于我们的新公式，还提出了一个双次梯度算法，在多项式时间内找到一个近似解。所提出的方法可以推广到更一般的设置，包括信道不确定性下的鲁棒波束成形设计，以及用于多小区场景的协调波束成形。
2019-02-08 eess.SP
Downlink Beamforming Design for NOMA Using Convolutional Neural Networks
University of York（约克大学）；Memorial University（纪念大学）
本文提出基于CNN的下行NOMA波束成形设计方法，通过优化发射功率减少计算负担，提升实时应用的可行性。
2026-02-22 eess.SP
Stacked Intelligent Metasurfaces for Multiuser Downlink Beamforming in the Wave Domain
本文提出一种用于多用户MISO下行系统的堆叠智能超表面（SIM）波域波束成形设计，通过联合优化发射功率与离散相移，免除了传统数字波束成形，使总速率较传统系统提升约200%。
2025-05-02 cs.IT eess.SP math.IT
Integrated sensing and full-duplex communication: Joint transceiver beamforming and power allocation
针对具有全双工（FD）感测和半双工（HD）通信的集成感测和通信（ISAC）系统，已经广泛研究了波束成形设计。为了实现更高的频谱效率，在本文中，我们扩展现有的ISAC波束形成设计，考虑FD能力的雷达和通信。具体来说，我们考虑一个ISAC系统，其中基站（BS）执行目标检测，并与多个下行链路用户和上行链路用户重用相同的时间和频率资源进行通信。我们联合优化下行链路双功能发射信号和上行链路接收波束形成器在BS和在上行链路用户的发射功率。该问题被制定为最小化系统的总发射功率，同时保证通信和传感的要求。下行链路和上行链路传输紧密耦合，使得联合优化具有挑战性。为了处理这个问题，我们首先确定接收波束成形器在封闭的形式相对于BS发射波束成形和用户发射功率，然后提出一个迭代的解决方案，其余的问题。我们通过数值计算结果表明，优化的FD通信为基础的ISAC导致功率效率的改善相比，传统的ISAC与HD通信。
2023-02-19 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 Long-Term Admission Control and Beamforming in Green Downlink Networks: Offline and Online Approaches
接纳控制是管理具有大用户集的无线网络的有效解决方案。它动态地拒绝用户在恶劣的条件下，从而保证高质量的服务（QoS）的其他。不幸的是，一个频繁变化的容许用户集要求显着的权力，不断重新建立传输链路。因此，我们探讨的稳定性的容许用户集，并制定一个联合的长期准入控制和波束成形问题的网络与一个多天线基站（BS）和多个单天线用户。我们考虑包含多个时间片的时间段中的下行链路传输。通过联合优化不同时间片上的可接纳用户和基站发射波束形成器，以最小化总功率开销，其中不仅包括QoS保证所需的功率，还包括用户状态切换所需的功率.由于该问题的NP-硬度，我们开发了两个（离线和在线）算法来找到一些有效的次优解。离线算法需要所有的信道状态信息（CSI），基于连续上限最小化（SUM）算法一次性求解不同时间片上的可接纳用户和波束形成器。为了支持数据的实时传输，本文进一步设计了一种基于交替方向乘法器（ADMM）的在线算法，该算法利用前一个允许用户集、当前CSI的实际值和未来CSI的分布，在不同的时间片上依次输出允许用户和波束形成器。仿真结果验证了两种算法的性能，并表明在线算法是一种有效的实用替代离线算法。
2019-09-09 cs.IT eess.SP math.IT
Multi-user Downlink Beamforming using Uplink Downlink Duality with 1-bit Converters for Flat Fading Channels
高分辨率数据转换器在更高载波频率和更大带宽下的增加的功耗正成为通信系统的瓶颈。在本文中，我们考虑一个全数字基站配备1位模拟到数字（上行链路）和数字到模拟（下行链路）转换器的每个射频链。基站与具有单独SINR约束的多个单天线用户通信。我们首先建立了1比特硬件约束下的上行链路下行链路的对偶性原则下，不相关的量化噪声的假设。然后，我们提出了一个线性的解决方案的多用户下行波束成形问题的基础上，上行链路下行链路的对偶原则。所提出的解决方案考虑了硬件约束，并联合优化下行链路波束形成器和分配给每个用户的功率。通过将虚拟用户添加到真实系统用户而获得的优化抖动确保不相关量化噪声假设在现实设置下为真。使用Quadriga生成的3GPP信道模型进行的详细仿真表明，我们提出的解决方案在遍历和最小速率方面优于现有技术的解决方案，特别是当用户数量很大时。我们还表明，所提出的解决方案显着减少了非线性解决方案的性能差距，在未编码的误比特率的计算复杂度的一小部分。
2022-06-29 eess.SP
Deep Graph Unfolding for Beamforming in MU-MIMO Interference Networks
Rice University（莱斯大学）；US Army’s DEVCOM Army Research Laboratory（美国陆军DEVCOM陆军研究实验室）
针对MU-MIMO单跳无线自组织干扰网络的波束成形问题，提出基于图神经网络和算法展开的UWMMSE方法，通过学习WMMSE参数的函数变换进行优化，实验证明其在性能、泛化性和鲁棒性上均优于传统及现有学习方法。
2023-04-02 cs.LG eess.SP
Joint Beamforming Design for IRS-Aided Communications with Channel Estimation Errors
研究了智能反射面（IRS）辅助多用户（MU）多输入多输出（MIMO）下行传输中波束形成方案的联合设计。信道估计误差与最小均方误差（MMSE）估计假设和加权和速率（WSR）被采用作为性能指标。低分辨率移相器（PS）在实际实现中也被考虑在内。在发射功率和离散移相器（PS）的约束下，最大化所有用户的WSR的优化问题。为了在IRS上获得最优波束形成矩阵，分别提出了基于优化最小化（MM）和逐次凸逼近（SCA）方法的两种解决方案。仿真结果表明，这两种方案都能显著提高WSR。此外，基于SCA的解决方案的优越性进行了论证。总体而言，在具有信道估计误差的IRS辅助MU-MIMO下行链路通信系统中，提供了两种可行的联合波束成形设计解决方案。
2020-07-14 cs.IT eess.SP math.IT
MISO NOMA Downlink Beamforming Optimization with Per-Antenna Power Constraints
考虑多输入单输出（MISO）系统中非正交多址接入（NOMA）传输的多用户下行波束成形优化问题。总发射功率最小化的问题，制定了每天线功率约束和服务质量（QoS）约束下的NOMA原则。该问题是一个非凸二次约束二次规划问题，传统的半定规划松弛方法是不紧的。为了解决非凸NOMA波束形成问题，我们为每个信号干扰噪声比（SINR）约束构造了一个二阶锥近似，并形成了一个迭代算法，在该算法中求解了一系列二阶锥规划（SOCP）。SOCP序列的最优值是非增的，它收敛到一个局部最优值。然而，我们广泛的模拟结果表明，局部最优值或多或少是好的全局最优值。特别是，我们表明，SDP松弛是紧的两个用户的情况下，如果一个SINR的约束是严格的（非约束）在最优。详细的仿真结果表明，通过所提出的近似算法的性能增益的NOMA下行链路波束成形与每个天线的功率约束。
2018-11-30 eess.SP
Deep-Unfolding Neural-Network Aided Hybrid Beamforming Based on Symbol-Error Probability Minimization
在大规模多输入多输出（MIMO）系统中，混合模数（AD）波束成形可以用于获得高定向增益，而不需要用于每个天线元件的专用射频（RF）链，这大大降低了硬件成本和功耗。虽然大规模多输入多输出收发器设计通常依赖于常规的均方误差（MSE）准则，但是直接最小化符号错误率（SER）可以导致优异的性能。在本文中，我们首先在数学上制定的混合收发器的设计问题下的最小SER（MSER）的优化标准，然后开发一个基于MSER的梯度下降（GD）迭代算法来找到相关的平稳点。然后，我们提出了一个深度展开神经网络（NN），其中迭代GD算法被展开成一个多层结构，其中引入了一组可训练的参数，以加速收敛和提高系统的整体性能。为了实现训练阶段，基于广义链规则（GCR）推导出相邻层的梯度之间的关系。针对正交相移键控（QPSK）和$M$ -进制正交幅度调制（QAM）信号，提出了深度展开神经网络，并从理论上研究了其收敛性。此外，我们分析了所提出的深度展开神经网络的传输能力，计算复杂度和泛化能力。我们的仿真结果表明，后者显着优于其传统的同行在降低复杂性。
2021-09-14 eess.SP
Robust Beamforming for Downlink 3D-MIMO Systems with $l_1$-norm Bounded CSI Uncertainty
提出了一种新的三维多输入多输出（3D-MIMO）系统中的鲁棒波束形成方案。作为大规模多输入多输出的典型部署之一，3D-MIMO系统在角域上具有稀疏信道。因此，各种稀疏信道估计算法产生稀疏信道估计误差，其可用于缩小不完美CSI的扰动区域。针对鲁棒波束形成问题，提出了一种$l_1$ -范数有界的信道不确定性模型，该模型充分考虑了信道误差的稀疏性.与传统的球形不确定性相比，我们证明了在相同的信干噪比（SINR）门限下，具有$l_1$范数有界不确定性的方案消耗更少的波束形成功率。该方案被转化为二阶锥规划（SOCP）和仿真结果验证了我们的算法的有效性。
2018-11-01 eess.SP
Multi-user Downlink Beamforming using Uplink Downlink Duality with CEQs for Frequency Selective Channels
高分辨率全数字收发器由于其增加的功耗、成本和硬件复杂性而在毫米波（mmWave）上不可行。使用低分辨率转换器是在毫米波实现全数字架构的一种可能解决方案。在本文中，我们考虑一个设置中，一个全数字基站与恒定包络量化（CEQ）的数字到模拟转换器的每个射频链与多个单天线用户与个人的信号量化加干扰加噪声比（SQINR）的频率选择性信道的约束进行通信。首先，我们建立了上行链路下行链路的对偶CEQ硬件约束和OFDM为基础的传输在本文中考虑的系统。基于上下行链路对偶原理，提出了一种多用户多载波波束赋形和功率分配问题的解决方案，使得所有用户和子载波上的最小SQINR最大化。然后，我们提出了最初提出的解决方案的每个子载波版本，该解决方案将OFDM波形的所有子载波合并，从而导致可以以并行方式解决的较小的子问题。我们的数值计算结果的基础上产生的3GPP信道模型Quadriga表现出的遍历和速率和遍历最小速率的最先进的线性解决方案的改进。我们还显示了改进的性能在非线性解决方案的编码误比特率与增加的灵活性，分配到建议的框架内的个人用户SQINR。
2022-08-01 eess.SP
Multi-Group Multicast Beamforming: Optimal Structure and Efficient Algorithms
本文研究了多组组播波束形成优化问题，由于该问题的非凸性和NP-困难性，其最优解一直未知。利用逐次凸逼近数值方法和拉格朗日对偶性，得到了服务质量（QoS）问题和最大最小公平（MMF）问题的最优多播波束形成解结构.最佳的结构带来了宝贵的见解多播波束成形：我们表明，上行链路-下行链路的二元性的概念可以推广到多播波束成形问题。最优多播波束形成器是基于组信道方向的加权MMSE滤波器：最优下行链路多用户单播波束形成器的广义版本。我们还表明，有一个固有的低维结构的最佳多播波束成形解决方案的发射天线的数量无关，导致有效的数值算法设计，特别是对于系统与大型天线阵列。我们提出了有效的算法来计算多播波束形成器的最佳波束形成结构的基础上。通过渐近分析，我们表征的渐近行为的多播波束形成器的天线数量的增长，反过来，提供简单的封闭形式的近似多播波束形成器的QoS和MMF问题。这种近似提供了实际的多播波束成形的解决方案，具有接近最佳的性能，在非常低的计算复杂度的大规模天线系统。
2021-04-10 cs.IT eess.SP math.IT
Fast Tri-Hybrid Beamforming via Deep Unfolding
The University of British Columbia（不列颠哥伦比亚大学）
本文针对采用动态超表面天线的多用户下行链路系统，提出基于深度展开的快速三混合波束成形框架，利用图神经网络实现算法加速，提升和速率的同时缩短运行时间，具备良好扩展性与鲁棒性。
2026-08-31 eess.SP
On the Performance of Cell-Free Massive MIMO with Short-Term Power Constraints
在本文中，我们考虑了时分双工无小区大规模多输入多输出（MIMO）系统中，许多分布式接入点（AP）同时服务于许多用户。提出了一种归一化共轭波束形成方案，它满足短期平均功率约束的AP，并考虑到不完美的信道信息的影响进行了分析。我们推导出一个近似的封闭形式的表达式，每个用户可实现的下行链路速率的这种方案。我们还提供了，解析和数值，性能比较归一化共轭波束形成和传统的共轭波束形成方案[1]（满足长期平均功率约束）。归一化共轭波束形成方案降低了波束形成不确定性增益，这是由于用户缺乏信道状态信息的知识，因此，它提高了可达到的下行链路速率相比，传统的共轭波束形成方案。
2016-09-13 cs.IT eess.SP math.IT
Energy Efficient Beamforming Design for MISO Non-Orthogonal Multiple Access Systems
当考虑下一代无线网络时，非正交多址接入（NOMA）代表用于提高频谱效率的可行的多址接入技术。NOMA的基本性能通常使用下行链路波束成形和功率分配技术来增强。虽然下行链路波束赋形先前已经研究了不同的性能标准，如总和速率和最大-最小速率，它还没有被研究在多用户，多输入单输出（MISO）的情况下，特别是与能源效率的标准。在本文中，我们研究了一个多用户MISO-NOMA系统的上下文中的下行链路传输的能量有效的波束成形技术的设计。特别地，该波束成形设计被公式化为具有最小用户速率要求和发射功率约束的全局能量效率（GEE）最大化问题。针对GEE-Max问题的非凸性，利用序贯凸逼近（SCA）技术和Dinkelbach算法，提出了两种新的MISO-NOMA系统下行波束形成算法。我们的评估所提出的算法表明，他们提供了类似的最佳设计，并有效地提供大量的能源效率相比，基于传统方法的设计。
2019-02-15 eess.SP
Deep unfolding of the weighted MMSE beamforming algorithm
KTH Royal Institute of Technology（瑞典皇家理工学院）
下行波束赋形是蜂窝网络的关键技术。然而，计算发射波束形成器，最大化的加权和速率服从功率约束是一个NP-难问题。因此，在实践中使用收敛到局部最优的迭代算法。其中，加权最小均方误差（WMMSE）算法已经得到普及，但其计算复杂度和随之而来的延迟，激励了需要以牺牲性能为代价的低复杂度近似。受最近成功的深度展开的复杂性和性能之间的权衡，我们提出了新的应用程序的深度展开的WMMSE算法的MISO下行链路信道。其主要思想是将固定迭代次数的WMMSE算法映射到可训练的神经网络层中，其结构反映了原算法的结构。相对于传统的端到端学习，深度展开自然地结合了专家知识，具有直接和基础良好的架构选择，更少的可训练参数和更好的可解释性的好处。然而，如Shi等人，由于在每次迭代中执行的矩阵求逆、本征分解和对分搜索而不适于展开。因此，我们提出了一种替代配方，通过诉诸投影梯度下降来规避这些操作。通过模拟，我们表明，在大多数的设置，展开的WMMSE优于或表现等同于WMMSE的一个固定的迭代次数，具有较低的计算负荷的优点。
2020-06-15 cs.LG eess.SP
Coverage Analysis of Dynamic Coordinated Beamforming for LEO Satellite Downlink Networks
本文利用泊松点过程建模LEO卫星下行网络，推导动态协同波束成形的覆盖概率解析表达式，证明其覆盖增益与卫星天线数成正比，并揭示了最优簇大小随卫星密度增加而增大的规律。
2023-09-19 eess.SP
Conjugate Beamforming with Fractional-Exponent Normalization and Scalable Power Control in Cell-Free Massive MIMO
该文研究了一种基于分数指数归一化的共轭波束形成（CB）的无小区大规模MIMO（CF-mMIMO）系统。假设独立的瑞利衰落信道，可实现的下行链路频谱效率的广义封闭形式的表达式推导，其中包括，作为特殊情况下，频谱效率表达式以前报告的普通CB及其变种，即归一化CB和增强CB。下行链路的功率控制也解决了，并提出了一种降低复杂度的功率分配策略，其中只有一个系数的接入点（AP）的长期衰落实现的基础上进行优化。数值结果揭示了CF-mMIMO与CB和分数指数归一化的性能，并表明，所提出的功率优化规则相对于传统的最大-最小功率控制规则会导致适度的性能损失，但具有更低的复杂度和更小的总功耗。
2022-02-15 cs.IT eess.SP math.IT
Outage Minimization for Intelligent Reflecting Surface Aided MISO Communication Systems via Stochastic Beamforming
智能反射面（IRS）具有通过重构无线传播环境来显著提高网络性能的潜力。然而，在IRS辅助的无线网络中，很难获得准确的下行链路信道状态信息（CSI）以用于有效的波束成形设计。在这篇文章中，我们考虑了一个IRS辅助下行链路多输入单输出（MISO）网络，其中的基站（BS）是不需要知道底层的信道分布。我们制定了中断概率最小化的问题，通过联合优化的波束成形向量在BS和在IRS的相移矩阵，同时考虑到发射功率和么模约束。所提出的问题是一个非凸非光滑随机优化问题。为此，我们采用sigmoid函数作为代理来解决目标函数的非光滑性。此外，我们提出了一个数据驱动的高效交替随机梯度下降（SGD）算法来解决这个问题，利用历史信道样本。仿真结果表明，该算法的性能增益的基准方法在最小化中断概率。
2020-05-15 cs.IT eess.SP math.IT
A Novel SCA-Based Method for Beamforming Optimization in IRS/RIS-Assisted MU-MISO Downlink
在这封信中，我们考虑的基本问题，联合设计的发射波束形成器和智能反射表面（IRS）/可重构智能表面（RIS）的相移，以最大限度地减少发射功率，在个人用户的服务质量的限制，在IRS辅助的多用户多输入单输出下行链路通信系统。特别是，我们提出了一种新的连续凸逼近的二阶锥规划方法，其中所有的优化变量同时更新，在每次迭代。我们提出的方案实现了卓越的性能相比，最先进的基准解决方案。此外，所提出的方案的复杂度是$O(N_{\mathrm s}^{3.5})$，而最先进的基准方案的复杂度是$O(N_{\mathrm s}^{7})$，其中$N_{\mathrm s}$表示IRS处的反射元件的数量。
2022-11-19 eess.SP
Enhancing Multi-Stream Beamforming Through CQIs For 5G NR FDD Massive MIMO Communications: A Tuning-Free Scheme
本文针对5G NR FDD大规模MIMO系统，利用CQI与最优波束赋形向量的关系，提出一种基于经验贝叶斯的免调优算法，以提升单流和多流场景下的波束赋形性能。
2024-09-01 eess.SP
Globally Optimal Beamforming for Rate Splitting Multiple Access
我们考虑全局最优的预编码器设计速率分裂多址在高斯多输入单输出下行链路信道的加权和速率和能量效率最大化。该算法解决了一个实例的联合多播和单播波束成形问题，包括多播和单播波束成形的特殊情况。数值结果表明，它优于国家的最先进的算法在数值稳定性和收敛速度几乎两倍。
2021-02-05 cs.IT eess.SP math.IT
Optimal Bilinear Equalizer Beamforming Design for Cell-Free Massive MIMO Networks with Arbitrary Channel Estimators
本文研究了无蜂窝大规模MIMO网络在Rician衰落信道下的分布式最优双线性均衡器波束成形设计，推导了上下行可达频谱效率的闭式表达式，并发现Rayleigh信道下SE性能与估计器选择无关。
2025-03-02 cs.IT eess.SP math.IT
Deep Learning Aided Beamforming for Downlink Non-Orthogonal Multiple Access Systems
本文针对两用户MISO-NOMA下行链路，推导QAM调制下的闭式BER表达式，并提出一种基于深度学习的公平性最优波束成形方法，在接近约束优化算法性能的同时大幅降低计算时间。
2024-06-18 eess.SP
RIS-Aided Cooperative Mobile Edge Computing: Computation Efficiency Maximization via Joint Uplink and Downlink Resource Allocation
本文研究RIS辅助的协作移动边缘计算系统，通过联合设计上下行无线资源分配（包括用户关联、波束成形、功率、任务划分及相移），利用组稀疏结构和交替最大化框架最大化计算效率。
2024-03-21 cs.IT eess.SP math.IT
ADMM for Downlink Beamforming in Cell-Free Massive MIMO Systems
本文针对无小区大规模MIMO系统下行链路波束成形优化问题，提出一种基于ADMM的分布式算法，各AP利用本地信道信息进行迭代优化并仅共享干扰项实值向量，在降低通信开销的同时有效满足每个用户的SINR约束并最小化总发射功率。
2024-09-09 cs.SY eess.SP eess.SY
Smart Hybrid Beamforming and Pilot Assignment for 6G Cell-Free Massive MIMO
本文研究了Cell-Free大规模MIMO网络，其中每个接入点（AP）都配备了一个混合收发器，与全数字收发器相比，降低了复杂性和成本。渐近近似的频谱效率推导出上行链路和下行链路。利用这些表达式，最大-最小问题被公式化以优化（i）AP处的模拟波束形成器和（ii）导频分配。仿真结果表明，这些变量的优化大大提高了网络的性能。
2023-01-13 cs.IT eess.SP math.IT
