Machine Learning-based Reconfigurable Intelligent Surface-aided MIMO Systems
可重构智能表面(RIS)技术最近已经作为用于无线通信系统的频谱和成本有效的方法出现。然而,现有的用于RIS的无源波束形成设计和优化的手工设计方案(诸如交替优化(AO)方法)需要高计算复杂度,特别是对于多输入多输出(MIMO)系统。为了克服这一挑战,我们提出了一种低复杂度的无监督学习方案,称为学习相移神经网络(LPSNet),有效地找到解决方案的频谱效率最大化问题的RIS辅助MIMO系统。特别是,所提出的LPSNet具有优化的输入结构,并且需要少量的层和节点来为RIS产生有效的相移。仿真结果表明,在40个单元的RIS辅助下,16 × 2 MIMO系统的LPSNet实现了AO对应物提供的97.25%的SE,复杂度降低了95%以上。
2021-05-01 eess.SP
CRLB Approaching Pilot-aided Phase and Channel Estimation Algorithm in MIMO Systems with Phase Noise and Quasi-Static Channel Fading
针对具有相位噪声和准静态信道衰落的多输入多输出(MIMO)系统,提出了一种新的导频辅助相位和信道估计算法。我们的新方法允许,第一次,载波相位估计和恢复之前进行全面的信道估计。这又使得能够使用整个帧来计算信道估计,从而显著地提高其精度。该算法是几种线性算法的顺序组合,大大降低了计算复杂度。此外,我们还推导出,第一次,Cramer-Rao下界(CRLB)的MIMO系统,其中相位噪声估计仅使用角度信息。我们的数值结果表明,我们的相位估计算法的性能接近建议CRLB。此外,当与传统的卡尔曼算法相比,我们提出的算法显着改善系统的BER性能。
2021-12-05 eess.SP
RIS-Aided Dual-Polarized MIMO: How Large a Surface is Needed to Beat Single Polarization?
针对传播环境交叉极化耦合导致双极化MIMO容量难超单极化的问题,该研究利用可重构智能表面(RIS)辅助,推导两类系统容量并分析RIS尺寸的影响,明确了双极化MIMO场景下的RIS部署思路。
2024-10-30 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
Structure-aware Sparse Bayesian Learning-based Channel Estimation for Intelligent Reflecting Surface-aided MIMO
本文提出基于稀疏贝叶斯学习的级联信道估计方法,利用角度稀疏性和Kronecker结构,通过交替最小化和奇异值分解求解非凸问题,在精度和速度上优于现有方法。
2022-10-24 eess.SP
A Precoding Aided Space Domain Index Modulation Scheme for Downlink Multiuser MIMO Systems
本文提出了一种适用于多用户多输入多输出(MU-MIMO)系统下行链路的空间域索引调制(IM)方案。代替最常见的方法,其中空间比特选择活动的接收机天线,在所提出的方案中,空间信息被映射到发射机侧。这允许IM更好地利用通常更容易在基站处部署的大维度天线设置。为了减轻用户间干扰并允许单用户检测,在BS处采用预编码器。此外,提出了两种替代的增强信号构造方法,用于最小化发射功率或实现具有减少数量的RF链的实现。针对不同场景的仿真结果表明,所提出的方法可以是传统预编码MU-MIMO的一个有吸引力的替代方案。
2020-07-22 eess.SP
Tracking-Aided Multi-User MIMO Communications with Hybrid Reconfigurable Intelligent Surfaces
本文提出一种基于混合可重构智能表面(HRISs)双重功能的跟踪辅助多用户MIMO通信框架,通过联合设计发射预编码矩阵与HRIS配置,在满足服务质量约束下最大化用户位置估计精度,并验证了其有效性。
2025-04-26 eess.SP
Joint Receive Antenna Selection and Beamforming in RIS-Aided MIMO Systems
本文研究了一种低复杂度的可重构智能表面辅助多用户多输入多输出系统设计。基站(BS)应用接收天线选择以将其天线的子集连接到可用射频链。对于该设置,BS切换网络、上行链路预编码器和RIS相移被联合设计,使得上行链路和速率被最大化。原理设计问题归结为NP难混合整数优化问题。因此,我们调用加权最小均方误差技术和惩罚对偶分解方法开发一个易于处理的迭代算法,有效地逼近最优设计。我们的数值研究验证了所提出的算法的效率和其优越的性能相比,基准。
2022-12-28 eess.SP
Uplink-aided High Mobility Downlink Channel Estimation over Massive MIMO-OTFS System
虽然它经常用于正交频分复用(OFDM)系统中,但是在高移动性场景中,在正交时频空间(OTFS)调制上应用大规模多输入多输出(MIMO)可能会遭受巨大的训练开销。在本文中,我们提出了一个上行辅助的高移动性下行信道估计方案的大规模多输入多输出-OTFS网络。具体而言,首先建立上行链路的时域大规模多输入多输出-OTFS信号模型,并采用基于期望最大化的变分贝叶斯(EM-VB)框架,针对每个物理散射路径恢复上行信道参数,包括角度、时延、多普勒频率和信道增益,相应地,借助快速贝叶斯推理,构造了一种低复杂度的方法来克服EM-VB的瓶颈。然后,我们充分利用角度,延迟和多普勒之间的相互作用的上行链路和下行链路和重建的角度,延迟和多普勒频率的下行链路的大规模信道在基站。此外,我们研究了下行链路大规模多输入多输出信道估计的延迟多普勒角域。详细分析了OTFS在时延-多普勒域上的信道色散。各种数值例子来证实所提出的计划的有效性和鲁棒性。
2020-03-16 eess.SP
Deep Learning-Based CSI Feedback for RIS-Aided Massive MIMO Systems with Time Correlation
本文提出一种基于深度学习的CSI反馈压缩方案,利用长短期记忆网络和注意力机制学习时间相关性,以提升RIS辅助大规模MIMO系统中压缩CSI的恢复质量,仿真验证其性能优于现有方法。
2024-03-19 eess.SP
Deep Learning-Based Channel Estimation for Double-RIS Aided Massive MIMO System
可重构智能表面(RIS)由于其快速、低成本的配置被认为是未来无线通信网络的节能解决方案。在这封信中,我们考虑在双RIS辅助的大规模多输入多输出系统,这是一个关键的挑战,由于大量的天线配备在基站和无源RIS元件的级联信道的估计。为了解决这一问题,本文提出了一种跳跃连接注意(SC-attention)网络,该网络利用自注意层和跳跃连接结构来提高基于噪声导频观测的信道估计性能。仿真结果表明,在双RIS辅助系统中,SC-attention网络能有效提高级联链路的归一化均方误差(NMSE)精度。
2022-10-22 eess.SP
Bayesian User Localization and Tracking for Reconfigurable Intelligent Surface Aided MIMO Systems
研究了可重构智能表面(RIS)辅助的多天线多输入多输出(MIMO)系统中的用户定位与跟踪问题。通过建立一个概率转移模型的用户移动性,我们开发了一个消息传递算法,称为贝叶斯用户定位和跟踪(BASEAN)算法,估计和跟踪用户的位置和到达角(AoAs)在用户在线的方式。我们还推导出贝叶斯CramérRao界(BCRB)来表征所考虑的跟踪问题的基本性能限制。为了提高跟踪性能,我们在BS和RIS处优化波束形成设计以最小化导出的BCRB。仿真结果表明,我们的BCRB算法可以执行接近派生BCRB,并显着优于同行的算法,而不利用用户位置的时间相关性。
2021-12-09 eess.SP
A Geometry-aided Message Passing Method for AoA-Based Short Range MIMO Channel Estimation
短距离信道通常出现在毫米波(mmWave)可穿戴设置中,其中天线阵列的长度可以与无线电之间的距离相当。基于远场假设的常规毫米波MIMO信道估计技术由于大的角度扩展以及因此高的可用秩而在短距离设置中可能表现不佳。我们提出了一种几何辅助的消息传递算法,利用结构在短距离的视线(LoS)信道空间亚奈奎斯特信道估计。我们的方法参数化的信道使用到达角(AoAs),本地定义的天线阵列的子阵列。此外,它使用基于阵列几何形状的因子来利用局部AoA之间的依赖性。我们表明,可以使用派生的本地AoA估计和已知的收发器的几何形状重建的LoS MIMO信道。与基于穷举波束搜索的局部AoA估计相比,所提出的方法实现了合理的速率,大大减少了导频传输。
2019-06-21 eess.SP
DoF Analysis and Beamforming Design for Active IRS-aided Multi-user MIMO Wireless Communication in Rank-deficient Channels
本文针对秩亏信道下有源IRS辅助多用户MIMO系统,推导了DoF上界,提出三种闭式波束赋形方法实现最大DoF,仿真验证其可使严重秩亏信道和速率翻倍,显著提升DoF与传输速率。
2025-08-01 eess.SP
Hybrid Transceiver Design for Tera-Hertz MIMO Systems Relying on Bayesian Learning Aided Sparse Channel Estimation
设想了依赖于稀疏信道状态信息(CSI)估计技术的多输入多输出(MIMO)太赫兹(THz)系统中的混合收发器设计。首先,一个实用的MIMO信道模型开发的太赫兹波段,包括其分子吸收和反射损耗,以及其非视线(NLoS)射线与其扩散组件。随后,一种新的CSI估计模型推导出利用太赫兹MIMO信道的角度稀疏。然后,正交匹配追踪(OMP)为基础的框架的构想,其次是设计一个复杂的贝叶斯学习(BL)为基础的方法,有效地估计稀疏太赫兹MIMO信道。贝叶斯克拉美-罗下限(BCRLB)也被确定为基准性能的CSI估计技术的发展。最后,一个最佳的混合发送预编码器和接收机组合器对的设计,它直接依赖于波束域CSI估计,只需要有限的反馈。最后,仿真结果提供了量化的改进的均方误差(MSE),频谱效率(SE)和误比特率(BER)性能的实际太赫兹MIMO信道上的传输从高分辨率传输(HITRAN)数据库获得。
2022-01-11 eess.SP
Energy Efficiency Optimization of Finite Block Length STAR-RIS-aided MU-MIMO Broadcast Channels
针对有限块长下STAR-RIS辅助的多用户MIMO广播信道,提出能效优化方案以最大化和能效,证实STAR-RIS可显著提升能效,且在时延、可靠性要求更严格的系统中增益更高。
2025-06-13 eess.SP
Ergodic Secrecy Rate of Antenna-Selection-Aided MIMOME Channels with BPSK/QPSK Modulations
本文分析了在瑞利平坦衰落下,多输入多输出窃听信道(又称多输入多输出多窃听信道)中BPSK/QPSK调制的发射天线选择问题。在我们的协议中,一个单一的天线被选择来发送秘密消息和选择梳(SC)或最大比梳(MRC)是利用在合法的接收机或窃听。新的封闭形式的遍历保密率推导出近似的精确值,它保持高精度和紧凑的形式。除了理论推导外,还通过仿真验证了所提公式的可行性和有效性。
2019-07-13 eess.SP
Location-aware Channel Estimation for RIS-aided mmWave MIMO Systems via Atomic Norm Minimization
针对RIS辅助毫米波MIMO系统,提出结合位置信息与ANM的信道估计方法,通过波束定向和波束宽度自适应降低训练开销,采用不同维度原子的ANM估计级联信道,精度优于基准方法。
2021-07-20 eess.SP
Channel Estimation for Hybrid RIS Aided MIMO Communications via Atomic Norm Minimization
已经引入了可重构智能表面(RIS)作为用于减轻毫米波(mmWave)多输入多输出(MIMO)通信网络中的频繁阻塞的补救措施。然而,为了实现其全部潜力,完美或接近完美的信道状态信息(CSI)是基本的。传统上,RIS是完全无源的,没有任何基带处理能力,这对CSI捕获提出了很大的挑战。因此,我们专注于混合RIS架构,其中RIS元件的一小部分是活动的并且能够处理接收到的导频信号以用于估计相应的信道。信道估计(CE)通过采用离网(off-the-grid)压缩感知技术来完成,即,原子范数最小化,用于通过两个阶段精确信道参数。仿真结果表明,在相同的训练开销下,该方案的性能优于被动RIS CE。
2021-06-21 eess.SP
Weighted Sum Rate Maximization for ITS-Aided Arrays in Multi-User MIMO
KU Leuven(荷语鲁汶大学);King’s College London(伦敦国王学院);Nokia Bell Labs(诺基亚贝尔实验室)
研究通过整合智能透射表面提升阵列波束成形性能,分析了在辐射功率和发射功率约束下加权总速率的优化方法,探讨了关键设计参数对ITS辅助阵列的影响。
2026-04-09 eess.SP
Channel Estimation for Flexible Intelligent Metasurface Aided MIMO Communications
针对柔性智能超表面(FIM)连续变形导致信道状态信息(CSI)获取困难的问题,提出了一种基于PARAFAC分解和交替最小二乘(ALS)算法的多维信道估计框架,实现了准确的CSI恢复。
2026-05-28 eess.SP
Nonlinear Precoding in the RIS-Aided MIMO Broadcast Channel
本文提出在RIS辅助MIMO广播信道中使用THP非线性预编码,证明其在非正交信道、相移优化和离散相移场景下相比线性预编码具有更强鲁棒性和更简单的优化优势。
2024-09-04 eess.SP
Radar-Aided Near-Field Beam Prediction via Beam Map Learning for XL-MIMO V2I Communications
Southeast University(东南大学);Beijing University of Posts and Telecommunications(北京邮电大学);National Sun Yat-sen University(国立中山大学)
针对XL-MIMO V2I通信近场波束训练开销高的问题,提出基于雷达-波束图学习的被动雷达辅助框架,经仿真验证可提升多项关键性能指标。
2026-07-31 eess.SP
Jointly Learned Symbol Detection and Signal Reflection in RIS-Aided Multi-user MIMO Systems
可重构智能表面(RISs)被认为是未来无线通信的关键技术,它能够实现可编程的无线电传播环境。然而,RISs的被动反射特性对信道估计提出了显著的挑战,使得相干符号检测成为一项具有挑战性的任务。在本文中,我们考虑了上行链路的RIS辅助多用户多输入多输出(MIMO)系统,并提出了一种机器学习(ML)的方法来联合设计多天线接收机和配置的RIS反射系数,这并不需要明确的全部知识的信道输入输出关系。我们的方法设计了一个ML为基础的接收器,而影响底层传播通道的RIS反射模式的配置被视为超参数。基于此系统设计公式,我们提出了一个贝叶斯ML框架优化RIS超参数,根据该框架,发送的导频直接用于联合调谐RIS和多天线接收机。我们的仿真结果表明,所提出的方法,以提供可靠的通信在高斯噪声破坏的非线性信道条件下的能力。
2022-02-14 eess.SP
Secrecy Performance of Antenna-Selection-Aided MIMOME Channels with BPSK/QPSK Modulations
研究了发射天线选择(TAS)和BPSK/QPSK调制下的多输入多输出(MIMO)窃听信道(又称多输入多输出多窃听信道)的保密性能。在发射机和合法接收机之间的主信道中,选择单个发射天线以使接收机处的瞬时信噪比(SNR)最大化。在接收器和窃听器处,使用选择组合(SC)。通过假设瑞利平坦衰落,我们首先推导出封闭形式的近似表达式的遍历保密率时的信道状态信息的窃听者(CSIE)是在发送端可用。其次,当CSIE不可用时,给出了近似和渐近保密中断概率(SOP)的解析公式。在理论推导的基础上,给出了仿真结果,验证了所得结果的逼近精度。此外,渐近结果表明,保密分集阶退化为0,由于有限的字母输入,这是完全不同的高斯输入驱动。
2019-04-27 eess.SP
Fast Position-Aided MIMO Beam Training via Noisy Tensor Completion
本文提出了一种数据驱动的位置辅助方法,通过利用边信息和现场测量来减少MIMO系统中的训练开销。通过收集位置和波束的子集上的波束训练测量来构造数据张量,并且提出了一种混合噪声张量完成(HNTC)算法来预测整个覆盖区域的接收功率,该算法利用MIMO信道的空间平滑性和低秩特性。为了实现快速准确的波束训练,提出了一种基于完备张量的波束子集选择推荐算法。此外,提出了一种基于分组的盲源分离算法,以对抗噪声位置信息的不利影响。在60 GHz毫米波信道上使用Quadriga信道模拟器评估的数值结果表明,所提出的BSS推荐算法与HNTC相结合可以实现准确的接收功率预测,从而实现开销较小的波束对准:给定在40%的可能离散位置上的功率测量,基于HNTC的BSS获得91%的正确对准的概率,仅用2%的训练波束,这与在相同配置中实现54%正确对准的现有技术的位置辅助光束对准方案相反。最后,提出了一种通过热启动的在线HNTC方法,在不降低预测精度的情况下,将计算复杂度降低了50%。
2020-08-05 eess.SP
Power Scaling Law Analysis and Phase Shift Optimization of RIS-aided Massive MIMO Systems with Statistical CSI
研究了一种具有统计信道状态信息(CSI)的上行链路可重构智能表面(RIS)辅助大规模多输入多输出(MIMO)系统。RIS的部署是为了帮助传统的大规模多输入多输出网络服务于死区中的用户。我们考虑Rician信道模型,并利用长时间统计CSI设计RIS的相移,而最大比合并(MRC)技术应用于基站(BS)的主动波束形成依赖于瞬时CSI。首先,我们揭示了功率缩放定律,推导出了适用于任意数量的基站(BS)天线的上行链路可达速率的闭式表达式。在理论表达式的基础上,我们讨论了一些特殊情况下的速率性能,并给出了使用随机相移时的平均渐近速率。然后,我们考虑和速率最大化和最小用户速率最大化问题,通过优化的相位偏移在RIS。然而,这两个优化问题是具有挑战性的解决,由于复杂的数据速率表达式。为了解决这些问题,我们提出了一种新的遗传算法(GA)具有低复杂度,但可以实现相当大的性能。最后,提供了大量的仿真来验证通过将RIS集成到传统的大规模多输入多输出系统中的益处。此外,我们的仿真结果表明,部署大规模,但低分辨率的RIS在大规模多输入多输出系统的可行性。
2021-06-16 eess.SP
Tensor-Based Channel Estimation and Reflection Design for RIS-Aided Millimeter-Wave MIMO Communication Systems
在这项工作中,我们认为在点对点的可重构智能表面(RIS)辅助毫米波(mmWave)MIMO通信系统的信道估计和反射设计问题。首先,我们表明,通过利用毫米波MIMO信道的低秩性质,接收到的训练信号可以被写为一个低秩的多路张量,允许一个规范的多元CP分解。利用这种结构,提出了一种基于张量的RIS信道估计方法(称为TenRICE),其中使用交替最小二乘法来估计张量因子矩阵。使用TenRICE,发射机到RIS和RIS到接收机的信道被有效地和单独地估计,直到一个微不足道的缩放因子。在此之后,我们制定的波束形成和RIS反射设计作为一个频谱效率最大化的问题。由于它的非凸性,我们提出了一个启发式的非迭代两步法,其中的RIS反射向量是在一个封闭的形式,使用Frobenius范数最大化(FroMax)策略。我们的数值结果表明,TenRICE具有优越的性能,与基准方法相比,接近Cramér-Rao下限,训练开销低。此外,我们表明,FroMax实现了可比的性能,以较低的复杂性基准方法。
2021-12-06 eess.SP
Reconfigurable AI Modules Aided Channel Estimation and MIMO Detection
针对信道估计与MIMO检测的AI结构统一优化问题,提出整合二者的统一架构AI接收机,仅用常规神经网络实现离线端到端训练,其QRM增强GNN版本的块错误率性能接近最优基线检测器。
2024-01-29 eess.SP
RIS-Aided RSMA Improves the Latency vs. Energy Trade-off in the Finite Block Length MIMO Downlink
University of Paderborn(帕德博恩大学);Imperial College London(帝国理工学院);Friedrich Alexander University of Erlangen-Nuremberg(埃尔朗根-纽伦堡弗里德里希·亚历山大大学);University of Southampton(南安普顿大学)
本文研究了利用RIS辅助的RSMA在有限块长度MIMO下行链路中改善时延与能量效率权衡的问题,证明RSMA能提升能量效率并减少时延至SDMA的13%,且RIS与RSMA协同工作效果显著。
2026-03-16 eess.SP
Hybrid 3D Beamforming Relying on Sensor-Based Training and Channel Estimation for Reconfigurable Intelligent Surface Aided TeraHertz MIMO systems
太赫兹(THz)系统具有高带宽的优点,因此能够支持超高数据速率,尽管以高路径损耗为代价。因此,他们倾向于利用高增益波束成形。因此,本文提出了一种基于复杂传感器波束训练和信道估计的新型混合三维波束形成器,用于可重构智能表面(RIS)辅助的THz MIMO系统。提出了一种基于子阵阵列的太赫兹BS结构,并提出了相应的子RIS结构。用户的BS、RIS和接收机天线阵列都是均匀平面阵列(UPA)。超宽带(UWB)传感器集成到RIS中,UWB传感器获得的用户位置信息被用于信道估计和波束形成。此外,提出了精确波束形成算法(PBA)的新概念,通过规避定位误差所带来的性能限制,进一步提高了波束形成的精度。此外,在空间复用的支持下,推导了保持RIS辅助太赫兹信道正交性的条件。导出了近场和远场路径损耗的封闭表达式。仿真结果表明,该方案准确地估计了RIS辅助的THz信道,频谱效率得到了很大的提高,尽管其复杂度低。这使得我们的解决方案非常适合延迟敏感型应用。
2022-02-04 eess.SP
Impact of Reflectors and MIMO on ML-Aided mmWave/sub-THz Blockage Prediction
本文结合机器学习与物理仿真提出 ML-EW 阻塞预警算法,评估反射体、MIMO 及频率等因素影响,可提前数十个 5G 帧预警并实现约 90% 以上准确率。
2025-09-01 eess.SP
Reconfigurable Intelligent Surface-Aided Dual-Function Radar and Communication Systems With MU-MIMO Communication
本文研究RIS辅助的ISAC系统,通过联合主动和被动波束成形最大化多用户通信可达和速率,采用WMMSE、AO、惩罚算法和MM-SDR方法求解,仿真验证了部署RIS的优势。
2024-02-08 eess.SP
Probabilistic Position-Aided Beam Selection for mmWave MIMO Systems
本文提出一种基于低秩张量和贝叶斯推理的概率位置辅助波束选择方法,利用UE位置与最优波束索引的统计依赖性,在更少训练样本下实现高数据速率并显著缩小波束搜索空间。
2025-04-12 eess.SP
STAR-RIS-aided RSMA for the URLLC multi-user MIMO Downlink
本研究将速率拆分多址与同时发射反射可重构智能表面融合,提出交替优化算法联合优化波束成形、RIS配置与拆分参数,在有限块长MIMO下行链路中实现了显著高于反射式RIS和空分多址的能效增益。
2025-08-01 eess.SP
Tensor-Based Channel Estimation and Data-Aided Tracking in IRS-Assisted MIMO Systems
针对信道老化问题,提出一种基于张量建模的两阶段方法,通过张量分解实现信道估计、IRS配置及数据符号跟踪,在误码率和均方误差上优于现有方案。
2023-05-17 eess.SP
Asymptotically Near-Optimal Hybrid Beamforming for mmWave IRS-Aided MIMO Systems
针对IRS辅助毫米波MIMO系统,首次仅利用有效信道推导出反射向量与混合波束成形矩阵的联合优化近最优解,仿真证明其性能超越SOTA且对信道估计误差具有稳健性。
2024-04-25 eess.SP
Multi-dimensional Parameter Estimation in RIS-aided MU-MIMO-OFDM Channels
Nanyang Institute of Technology(南阳理工学院);Henan University of Technology(河南工业大学);Zhengzhou University(郑州大学);Univ. of Pisa(比萨大学);Aalborg University(奥尔堡大学)
本文提出DS-MDT算法,通过双结构和多维变换提升RIS辅助MU-MIMO-OFDM系统中信道估计性能,降低NMSE达10 dB且复杂度更低。
2026-02-13 eess.SP
Rate Splitting Multiple Access for RIS-aided URLLC MIMO Broadcast Channels
本文针对RIS辅助的MIMO URLLC广播信道,提出基于有限块长编码的RSMA方案,证明RSMA与RIS可显著提升频谱效率和能量效率,并在高用户负载下表现出协同增益。
2025-07-17 eess.SP
Joint CFO and Channel Estimation for RIS-aided Multi-user Massive MIMO Systems
在无线通信中,精确的信道估计对于实现可重构智能表面(RISs)所承诺的性能增益是必不可少的。在多用户正交频分多址接入(OFDMA)系统的上行链路中,诸如载波频率偏移(CFO)的同步误差会显著降低信道估计性能。这在RIS辅助通信中变得更加关键,因为即使是小的信道估计误差也会导致显著的性能损失。基于此,本文提出了一种适用于RI辅助多用户大规模多输入多输出(MIMO)系统的联合CFO和信道估计方法。我们提出的导频结构允许准确估计的CFO没有多用户干扰(MUI),使用相同的导频资源的CFO估计和信道估计。对于多用户CFO的联合估计,设计了一种基于相关性的方法,使用在所有BS天线处的接收信号。使用最小二乘(LS)估计与所获得的CFO值,所有用户的信道联合估计。为了优化数据传输阶段的RIS相移,我们提出了一种投影梯度法(PGM)。仿真结果表明,该方法在信道估计的归一化均方误差(NMSE)和误比特率(BER)性能方面都有改善。
2022-01-21 eess.SP
Semantic-Aware Data-Aided Channel Estimation with Large Language Models for MIMO Systems
Pohang University of Science and Technology (POSTECH)(浦项科技大学);Seoul National University(首尔大学)
针对MIMO系统,提出基于大语言模型的语义感知数据辅助信道估计框架,利用语义信息进行可靠符号选择与校正,采用两层机制,仿真表明该框架在归一化均方误差和误码率上优于传统方案,接近理想估计器性能。
2026-07-22 eess.SP
Semi-Data-Aided Channel Estimation for MIMO Systems via Reinforcement Learning
数据辅助信道估计是通过利用数据符号作为用于更新初始信道估计的导频信号来提高信道估计精度的有前景的解决方案。在本文中,我们提出了一个半数据辅助的信道估计器的多输入多输出通信系统。我们的策略是利用强化学习(RL)在传输数据块的第一部分中的符号中选择可靠的检测符号。该策略便于在数据块传输结束之前更新信道估计,因此与传统的数据辅助信道估计方法相比,实现了通信延迟的显著减少。为此,我们首先定义一个马尔可夫决策过程(MDP),它顺序地决定是否使用每个检测的符号作为附加的导频信号。然后,我们开发了一个RL算法,有效地找到最佳政策的MDP的基础上的蒙特卡洛树搜索方法。在该算法中,我们利用后验概率近似的最佳未来的行动和相应的状态转换的MDP和推导出一个封闭形式的最佳政策的表达。仿真结果表明,该信道估计器有效地降低了导频信号不足引起的信道估计误差和检测性能损失。
2022-04-03 eess.SP
Data-Aided LS Channel Estimation in Massive MIMO Turbo-Receiver
本文提出了一种新的64天线大规模多输入多输出(MIMO)Turbo接收机的迭代最小二乘(LS)信道估计算法。该算法利用低密度奇偶校验(LDPC)译码器的对数似然比(LLR)和最小均方误差(MMSE)估计器实现软数据符号。这些软数据符号再次被进一步MMSE加权并与导频符号组合以实现修改的LS信道估计。该方法在同一个信道估计单元中使用改进的LS估计,通过信道重估计提高Turbo接收机的性能,具有较低的复杂度,适用于任何信道估计方案,具有很高的实用价值。我们分析了硬算法和软算法版本,并在QuaDRiGa 2.0信道的3D-UMa模型中展示了5G涡轮接收机的仿真结果。仿真结果表明,与LS信道重计算中的未加权硬数据符号利用率相比,性能增益高达0.3dB。
2020-03-20 eess.SP
Pilot-Aided MIMO Channel Identification and Linear Deconvolution in Correlated Gaussian Noise
Telecommunications Engineering, Department of Electronic, Information and Bioengineering Politecnico di Milano(米兰理工大学电子、信息与生物工程系电信工程)
针对空间相关高斯噪声下的MIMO系统,采用导频辅助的最大似然/最小二乘信道估计,并与Cramer-Rao界比较,进而利用估计信道进行数据恢复,分析训练序列长度和正则化对性能的影响。
2026-06-17 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
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
Bayesian Learning-Aided Near-Field Channel Estimation for mmWave Hybrid MIMO systems employing Uniform Circular Array
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)
本文提出环形贝叶斯信道学习框架,结合贝叶斯学习与近场信道估计,解决毫米波混合MIMO系统中用户进入近场区域的问题,并利用均匀圆阵提升波束成形性能。
2026-05-07 eess.SP
Hybrid mmWave MIMO Systems under Hardware Impairments and Beam Squint: Channel Model and Dictionary Learning-aided Configuration
基于压缩感知(compressive sensing,CS)的低开销信道估计在混合宽带毫米波(mmWave)多输入多输出(MIMO)系统中得到了广泛研究。在以前的工作中使用的信道稀疏字典建立从理想的阵列响应矢量上离散的到达/离开角评估。此外,假设这些字典对于所有子载波是相同的,而不考虑硬件损伤和波束偏斜的影响。在本文中,我们推导了一个通用信道和信号模型,该模型明确考虑了硬件损伤、实际脉冲整形函数和波束偏斜的影响,克服了以前工作中常用的毫米波MIMO信道和信号模型的局限性。然后,我们提出了一种字典学习(DL)算法,以获得稀疏字典嵌入硬件损伤,通过考虑波束斜视的影响,而不引入它的学习过程。本文还设计了一种波束偏斜和硬件损伤下的CS信道估计算法,该算法利用不同子载波上的信道结构,实现了低复杂度、高精度的信道参数估计。数值结果表明,所提出的DL和信道估计策略的有效性时,应用到现实的毫米波信道。
2022-10-17 eess.SP
Inductive Matrix Completion and Root-MUSIC-Based Channel Estimation for Intelligent Reflecting Surface (IRS)-Aided Hybrid MIMO Systems
本文研究了无源智能反射面(IRS)辅助的多输入多输出(MIMO)系统中采用混合预编码器和组合器的级联信道估计问题。我们提出了一个低复杂度的解决方案,逐步估计信道参数。发射机和接收机处的出发角(AoD)和到达角(AoA)分别首先使用归纳矩阵完成(IMC)来估计,然后使用基于根MUSIC的超分辨率谱估计来估计。应用前向-后向空间平滑(FBSS)来解决相干性问题。使用所估计的AoA和AoD,然后优化训练预编码器和组合器,并且使用最小二乘法(LS)以及随后的FBSS和根MUSIC算法来估计IRS处的AoA和AoD之间的角度差。最后,级联信道的复合路径增益估计使用网格稀疏恢复与一个小尺寸的字典。仿真结果表明,所提出的估计器可以实现改善的信道参数估计性能,具有较低的复杂度相比,最近报道的几种替代方案,由于利用知识的阵列响应和低秩的信道使用低复杂度算法在所有阶段。
2023-03-13 eess.SP
Multiuser-MIMO Systems Using Comparator Network-Aided Receivers With 1-Bit Quantization
低分辨率模数转换器(ADC)对于具有多天线的多用户多输入多输出(MIMO)系统降低能耗和成本是有希望的。我们提出了低分辨率多用户MIMO接收器,其中信号由1位ADC和比较器网络同时处理,这可以被解释为具有二进制输出的附加虚拟通道。我们区分所提出的比较器网络完全连接和部分连接。对于这种接收机,我们开发了低分辨率意识的线性最小均方误差(LRA-LMMSE)信道估计器和检测器根据Bussgang定理。我们还开发了一个强大的检测器,它考虑到信道状态信息(CSI)的失配统计。通过利用知识的信道系数,我们设计了一个均方误差(MSE)贪婪搜索和顺序的信号干扰噪声比(SINR)搜索部分连接网络的优化。数值结果表明,在误比特率方面,具有额外虚拟信道的系统可以优于具有额外接收天线的系统。此外,通过采用所提出的信道估计与其误差统计,我们构造了一个下界的遍历和速率的线性接收机。仿真结果表明,所提出的方法优于传统的1比特MIMO系统的BER,MSE和和速率。
2022-11-18 eess.SP
Transmit Beampattern Synthesis for Active RIS-Aided MIMO Radar via Waveform and Beamforming Optimization
针对传统集中式MIMO雷达受波形约束导致发射方向图性能下降的问题,提出联合优化波形与ARIS反射系数的方法,通过Dinkelbach变换、CADMM与CCCP交替求解最小化ISMR,显著降低旁瓣能量,提升雷达性能。
2024-10-07 eess.SP
Statistical CSI-based Design for Reconfigurable Intelligent Surface-aided Massive MIMO Systems with Direct Links
研究了可重构智能表面(RIS)辅助的大规模多输入多输出(MIMO)直联系统的性能,并基于统计信道状态信息(CSI)设计了RIS的相移。我们首先推导出上行链路各态历经数据率的封闭形式表达式。然后,基于推导的表达式,我们使用遗传算法(GA)来解决和数据率最大化问题。通过低复杂度的最大比合并(MRC)和低开销的基于统计CSI的方案,验证了RIS仍然可以给传统的大规模MIMO系统带来显著的性能提升。
2021-02-15 cs.IT eess.SP math.IT
Capacity of MIMO Systems Aided by Microwave Linear Analog Computers (MiLACs)
针对巨型MIMO数字架构的可扩展性问题,本文建模并优化无损互易MiLAC辅助波束成形,闭式求得全局最优网络与系统容量,证明其容量等同数字方案且显著降低硬件和计算开销。
2025-06-06 cs.IT eess.SP math.IT
Capacity Analysis and Rate Maximization Design in RIS-Aided Uplink Multi-User MIMO
可重构智能表面(RIS)由于其同时实现高光谱效率和能量效率的潜力,近年来引起了人们的广泛关注。本文主要研究了在RI辅助的多用户多输入多输出(MU-MIMO)系统中,如何设计有效的传输方法来最大化上行链路的总吞吐量。为了提供一个有见地的基础,信道容量的RI辅助MU-MIMO的理论分析。然后,传统的传输方案的基础上正交多址作为基线。从信息论的角度,我们提出了两个新的方案,即,\textit{joint transmission}基于二次优化问题的半定松弛,\textit{opportunistic transmission}依赖于最佳用户选择。通过仿真结果证明了所提出的方案在可实现的速率方面优于传统方案。
2023-03-16 cs.IT eess.SP math.IT