Lightweight Deep Learning Based Channel Estimation for Extremely Large-Scale Massive MIMO Systems
本文针对XL-MIMO系统信道估计难题,提出通用深度学习模型XLCNet及通过剪枝与量化压缩的C-XLCNet,在保持性能的同时大幅降低计算复杂度与模型大小。
2024-02-14 cs.IT eess.SP math.IT
Near-Field Communications for Extremely Large-Scale MIMO: A Beamspace Perspective
本文从波束空间视角研究XL-MIMO近场通信,利用分数阶傅里叶变换构建近场波束空间并分析其组件,展示了其优于现有方法的特性及未来应用方向。
2024-10-15 cs.IT eess.SP math.IT
Spatial-chirp Codebook-based Hierarchical Beam Training for Extremely Large-Scale Massive MIMO
针对近场XL-MIMO中角度与距离联合波束训练开销大的问题,提出基于空间啁啾码本的分层训练及流形优化增强方案,显著降低开销并提升波束赋形性能。
2023-08-15 cs.IT eess.SP math.IT
Extreme Learning Machine-Based Receiver for MIMO LED Communications
University of Wollongong(伍伦贡大学)
本工作涉及发光二极管(LED)多输入多输出(MIMO)通信的接收机设计,其中LED的非线性会严重降低通信的性能。在本文中,我们提出了一种极端学习机(ELM)的接收机,以联合处理的LED非线性和交叉LED干扰,并采用循环输入权重矩阵,这显着降低了接收机的复杂度与快速傅里叶变换(FFT)。结果表明,该接收机可以有效地处理LED非线性和交叉LED干扰。
2019-02-27 cs.LG eess.SP
When 5G MIMO Scaling Breaks: Toward 6G Upper-Mid-Band Extreme MIMO
Yonsei University(延世大学);Electronics and Telecommunications Research Institute (ETRI)(电子电信研究所)
该研究针对5G MIMO扩展到中上限频段极端MIMO时的失效问题,梳理FR3频段特性与6G需求,明确四大挑战及各类架构的能效权衡,提出分布式孔径等技术路线以构建可部署的6G E-MIMO架构。
2026-08-03 cs.IT eess.SP math.IT
Decentralized Design of Fast Iterative Receivers for Massive and Extreme-Large MIMO Systems
尽管在大规模多输入多输出(M-MIMO)系统的基站处广泛使用集中式方法来设计接收器,但由于大量天线所施加的若干瓶颈,其实际实施是一个重大挑战。解决这个问题的一种方法是基于梯度下降方法将经典的迫零接收器完全分散到多个处理节点上。在本文中,我们首先明确地将这种分散式接收器与Kaczmarz算法的分布式版本以及使用连续干扰消除(SIC)理念来减轻跨节点的残差相关。此外,我们提出了两种方法,以进一步加快这些迭代分散接收器的初始收敛,通过探索与Kaczmarz算法的连接:1)一个新的贝叶斯分布式接收器,它可以消除噪声的迭代基础上; 2)一个更实用的方法来选择松弛参数。讨论还考虑了当天线阵列非常大(XL-MIMO)时出现的空间非平稳性。我们能够改善空间平稳和非平稳信道的数值结果,但主要是非平稳性能仍然可以改善相比,集中式ZF接收机。最后指出了进一步提高基于连续残差抵消原理的接收机适用性的研究方向。
2021-07-23 cs.IT eess.SP math.IT
Dynamic Metasurface Antennas for 6G Extreme Massive MIMO Communications
下一代无线基站和接入点将使用极其大量的天线进行发送和接收。一种用于以动态可控和可扩展的方式以降低的成本和功耗实现这种大规模阵列的有前景的技术利用辐射超材料元件的表面,称为超表面。迄今为止,在无线通信的上下文中,超表面主要被认为是无源反射设备,帮助传统收发器塑造传播环境。本文介绍了一种替代应用的元表面无线通信作为有源可重构天线与先进的模拟信号处理能力的下一代收发器。我们回顾了用于辐射和接收的元表面的主要特征,并分析了它们的主要优势以及它们对无线网络中可靠通信能力的影响。由于目前的研究只揭示了超颖表面的一部分潜力,我们详细介绍了一系列令人兴奋的研究和实施挑战,这些挑战来自超颖表面天线在无线收发器中的应用。
2020-06-16 cs.IT eess.SP math.IT
Cramér-Rao Bounds for Near-Field Sensing with Extremely Large-Scale MIMO
移动通信网络被设计成主要支持无处不在的无线通信,然而它们也被期望在不久的将来实现无线电感测能力。然而,大多数无线电传感的研究通常依赖于远场假设与均匀平面波(UPW)模型。随着天线尺寸的不断增加,以及传感附近目标的需求不断增长,传统的远场UPW假设可能会变得无效。因此,本文研究了超大规模天线阵的近场无线电传感问题,其中考虑了更一般的均匀球面波(USW)传感模型。分别推导了近场XL-MIMO雷达模式和XL相控阵雷达模式下角度和距离估计的Cramér-Rao界(CRB)的闭式表达式。研究结果表明,与传统UPW模型中CRB随天线数量的增加而无限制地减小不同,XL-MIMO雷达近场感知的CRB随天线数量的增加而减小,并接近一定的极限。此外,与远场模型不同,远场模型由于没有距离估计能力,距离CRB为无穷大,而近场情况下的CRB为有限。此外,还发现常用的基于二阶泰勒近似的球面波模型不足以进行近场CRB分析。广泛的仿真结果提供了验证我们推导的CRBs。
2023-03-10 cs.IT eess.SP math.IT
Massive MIMO As an Extreme Learning Machine
University of Wollongong(伍伦贡大学);Weizmann Institute of Science(魏茨曼科学研究所)
这项工作表明,一个大规模的多输入多输出(MIMO)系统与低分辨率的模数转换器(ADC)形成一个自然的极端学习机(ELM)。基站处的接收天线充当ELM的隐藏节点,并且低分辨率ADC充当ELM激活函数。通过向接收信号添加随机偏置和优化ELM输出权重,该系统可以有效地解决硬件损伤,例如功率放大器的非线性和低分辨率ADC。此外,ELM的快速自适应能力允许自适应接收机的设计,以解决MIMO信道的时变效应。仿真结果表明,基于ELM的接收机相比,传统的接收机在处理硬件损伤的有前途的性能。
2020-12-28 cs.LG eess.SP
Extremely-Fast, Energy-Efficient Massive MIMO Precoding with Analog RRAM Matrix Computing
无线通信中的信号处理,诸如预编码、检测和信道估计,基本上是关于求解逆矩阵问题,然而,逆矩阵问题在常规数字计算机中是缓慢且低效的,因此需要根本的范式转换来实现快速、实时的解决方案。在这里,我们首次将新兴的模拟矩阵计算(AMC)应用于大规模多输入多输出的线性预编码。实值AMC的概念被扩展到处理复值信号。为了使MIMO信道模型适应RRAM电导映射,设计了一种新的矩阵求逆电路。此外,全模拟低功耗和优化运算放大器的设计,以支持AMC预编码的实施。仿真结果表明,对于16 × 128 MIMO系统,迫零预编码在20 ns内完成,比传统的数字方法快两个数量级。同时,能源效率提高了50倍。
2022-11-07 cs.AR eess.SP
SNR Scaling Laws for Radio Sensing with Extremely Large-Scale MIMO
移动通信网络被设计为主要支持无处不在的无线通信,然而它们也被期望在不久的将来实现无线电感测能力。以往的雷达感知研究多集中在远距离目标上,通常依赖于均匀平面波(UPW)模型下的远场假设。然而,随着天线尺寸的不断增加,以及对感测附近目标的需求的不断增长,远场假设可能变得无效。本文研究了雷达传感与超大规模(XL)天线阵列,其中一个通用的模型,考虑到球面波阵面和幅度变化的阵列元素的发展。此外,推导了XL-MIMO雷达和XL相控阵雷达两种工作模式下的感知信噪比的新的封闭表达式。研究结果表明,与传统的UPW模型不同,该模型中MIMO雷达的信噪比与N成线性无界关系,相控阵雷达的信噪比与MN成线性无界关系,M和N分别为发射天线数和接收天线数。对于具有最佳功率分配的XL相控阵雷达,SNR随着M和N而增加,收益递减,由称为发射和接收角跨度的新参数控制。另一方面,对于XL-MIMO雷达,虽然对于N服从与XL相控阵雷达相同的SNR缩放,但是SNR随着M先增加然后减小。
2021-06-10 eess.SP
Extreme-MIMO Field Trials in 7 GHz Band: Unlocking the Potential of New Spectrum for 6G
Samsung Research, Samsung Electronics(三星研究部,三星电子);Samsung Research America(三星美国研究院);School of Integrated Technology, Yonsei University(延世大学综合技术学院)
本文通过系统级仿真和现场试验,探讨了7GHz频段256端口X-MIMO架构的吞吐量优势与设计权衡,验证了8层下行单用户MIMO在100MHz带宽下的3Gbps传输性能。
2026-03-23 eess.SP
Fine Timing and Frequency Synchronization for MIMO-OFDM: An Extreme Learning Approach
National University of Defense Technology(国防科技大学);University of Leeds(利兹大学)
多输入多输出正交频分复用(MIMO-OFDM)是下一代通信向认知无线电(CR)演进的关键技术,其定时和频率同步的准确性对系统的整体性能有很大影响。在本文中,我们提出了一种新的方案,利用极端学习机(ELM),以实现高精度同步。具体而言,利用具有同步偏移的前导信号,两个ELM被并入到传统MIMO-OFDM系统中以估计剩余符号定时偏移(RSTO)和剩余载波频率偏移(RCFO)。仿真结果表明,在加性高斯白噪声(AWGN)和频率选择性衰落信道下,基于ELM的同步方案的性能均优于传统方法。此外,与现有的基于机器学习的方法相比,该方法在不需要完整的信道状态信息(CSI)和过高的计算复杂度的情况下,表现出优异的性能。最后,所提出的方法在信道参数(例如,路径的数量)以及从机器学习的角度来看的“泛化能力”。
2022-06-01 cs.LG eess.SP
Extremely Large Aperture Massive MIMO: Low Complexity Receiver Architectures
本文重点介绍了新的通信模式中出现的大规模多输入多输出系统中的天线阵列在基站是非常大的尺寸(xMaMIMO)。由于阵列的极端尺寸,xMaMIMO的特征在于沿阵列的空间非平稳场特性;这要求多天线收发器设计既适应阵列尺寸,又适应其非平稳特性。我们解决xMaMIMO的实现方面,计算效率作为我们的主要目标。为了减少集中式方案的计算负担,我们将处理分配到更小的不相交的子阵列中。然后,我们考虑几个低复杂度的数据检测算法作为候选人在拥挤的xMaMIMO系统的上行链路通信。从编码随机接入的灵感,本文的主要贡献之一是低复杂度方案的设计,利用xMaMIMO系统的非平稳特性,数据处理是分散的。我们评估的误码率性能的收发器在拥挤的xMaMIMO的情况下。结果证实了它们的实际潜力。
2018-10-04 eess.SP
Near-Field Channel Modeling for Holographic MIMO Communications
本文概述了近场全息MIMO(H-MIMO)信道建模,详细介绍了各类建模方法、特征、挑战与评估标准,并提出了应对计算和测量复杂性的电磁域信道模型及未来研究方向。
2024-03-16 cs.IT eess.SP math.IT
XL-MIMO Energy-Efficient Antenna Selection under Non-Stationary Channels
大规模多输入多输出(M-MIMO)是5G网络的关键技术。在该研究领域内,出现了新类型的部署,诸如超大型方案(XL-MIMO),其中基站(BS)处的天线阵列具有极端尺寸。因此,空间非平稳特性出现,因为用户只能看到天线阵列的一部分,这被称为可见区(VR)。在这种具有挑战性的发送-接收场景中,提出了一种算法,该算法选择适当的天线元件来处理上行链路(UL)中给定用户的接收信号,以及在下行链路(DL)期间发送该用户的信号。在BS处不使用所有可用天线元件的优点是计算负担和电路功耗降低,从而显著提高能量效率(EE)。数值结果表明,一个可以增加EE,而不损害显着的频谱效率(SE)。在活跃用户较少的情况下,XL-MIMO系统的性能表明,使用不到20%的阵列天线单元的EE最大化,而不会严重损害SE。
2020-09-05 cs.SY eess.SP eess.SY
Stochastic Channel Models for Massive and XL-MIMO Systems
本文描述、评估和系统地比较了用于大规模多输入多输出(M-MIMO)和超大型MIMO(XL- MIMO)系统应用的随机信道模型。这项工作的目的是涵盖新的方面的大规模多输入多输出随机信道模型在一个全面和系统的方式。为此,我们比较了不同的模型,以图形和直观的方式呈现每个模型的行为。每个大规模多输入多输出信道模型使用不同的方法和属性来仿真环境。使用诸如容量、SINR、奇异值分解(SVD)和条件数等度量,可以理解每个特征对建模的影响以及它如何与其他模型区分开来。此外,在新的XL-MIMO的情况下,近场和可见光区(VR)的影响出现,我们的发现表明,对于两个假设的方案的集群分布,集群的位置影响的共轭波束形成和迫零(ZF)预编码的性能,由于相关效应,这已经从几何大规模多输入多输出信道模型进行了分析。
2020-09-05 cs.SY eess.SP eess.SY
In-Memory Massive MIMO Linear Detector Circuit with Extremely High Energy Efficiency and Strong Memristive Conductance Deviation Robustness
针对现有基于忆阻交叉阵列的大规模MIMO检测器易受电导偏差影响的问题,提出结合MCA矩阵计算模块与运算放大器放大电路的鲁棒检测器电路,实现更高检测性能与数十至数百倍于数字处理器的能效。
2024-12-22 eess.SP
Scalable Cell-Free Massive MIMO Unsourced Random Access System
该研究针对准静态瑞利衰落信道下的可扩展无蜂窝大规模MIMO系统,构建适配多类无蜂窝场景的URA编码方案,验证了无蜂窝架构可有效提升URA系统性能,尤其在大尺度衰减和衰落场景下效果显著。
2023-11-10 cs.IT eess.SP math.IT
Unified Modeling and Performance Comparison for Cellular and Cell-Free Massive MIMO
针对6G无线系统中的大规模MIMO技术,本文提出涵盖蜂窝式与无蜂窝架构、支持接入点天线数可变的统一建模方法,推导了两种链路在不同方案下的传输模型与频谱效率,并完成多维度性能对比。
2024-05-16 cs.IT eess.SP math.IT
Learning to Modulate for Non-coherent MIMO
Mitsubishi Electric Research Laboratories(三菱电机研究实验室)
深度学习趋势最近影响了各个领域,包括通信系统,其中各种方法已经探索了神经网络的应用,以取代传统的设计。神经网络灵活地允许数据/模拟驱动的优化,但通常被用作与领域知识的直接应用分离的黑盒。我们的工作考虑基于学习的方法解决非相干MIMO信道的调制和信号检测设计。我们证明了模拟驱动的优化可以在完全避免神经网络的情况下进行,但仍然可以进行优化。此外,我们还展示了MIMO通信在极短相干窗口(即,信道系数稳定期),具有少至两个时隙。
2019-03-09 cs.IT cs.LG eess.SP
GNN-Enhanced Approximate Message Passing for Massive/Ultra-Massive MIMO Detection
考虑到天线数量极大,具有令人满意的性能和低复杂度的高效大规模/超大规模多输入多输出(MIMO)检测算法对于满足5G及更高通信中的高吞吐量和超低延迟要求至关重要。本文提出了一种低复杂度的图神经网络(GNN)增强的近似消息传递(AMP)算法AMP-GNN,用于大规模/超大规模MIMO检测。通过对AMP算法的展开和引入用于多用户干扰消除的GNN模块,定制了神经网络的结构。数值结果将表明,所提出的AMP-GNN显著提高了AMP检测器的性能,并实现了与最先进的基于深度学习的MIMO检测器相当的性能,但具有降低的计算复杂性。此外,该算法对用户数量的变化具有较强的鲁棒性。
2023-01-09 cs.IT eess.SP math.IT
Cell-Free XL-MIMO Meets Multi-Agent Reinforcement Learning: Architectures, Challenges, and Future Directions
本文针对无蜂窝XL-MIMO系统的高维信号处理与高能耗问题,提出融合MARL的增强范式,结合近场特性设计两类低复杂度方案以最大化数据速率,并梳理相关机遇挑战与未来研究方向。
2023-10-03 cs.IT eess.SP math.IT
Massive MIMO is a Reality -- What is Next? Five Promising Research Directions for Antenna Arrays
大规模多输入多输出(多输入多输出)不再是未来蜂窝网络的“狂野”或“有前途”的概念-在2018年成为现实。具有64个全数字收发器链的基站(BS)在多个国家进行了商业部署,大规模多输入多输出的关键成分已使其成为5G标准,实现前所未有的频谱效率所需的信号处理方法已经开发出来,并且由于导频污染而导致的限制已经得到解决。即使是毫米波频率的全数字大规模多输入多输出阵列的开发--曾经被认为是极其复杂和昂贵的--也在顺利进行中。几年后,采用全数字收发器的大规模多输入多输出将成为6 GHz以下和毫米波频率的主流功能。在本文中,我们解释了大规模多输入多输出研究传奇的第一章是如何结束的,而故事才刚刚开始。即将到来的具有大规模天线阵列的BS的大规模部署打开了通向空间处理能力无所不在的全新世界的大门。除了移动宽带服务外,天线还可用于其他通信应用,如低功率机器型或超可靠通信,以及雷达、传感和定位等非通信应用。我们概述了五个新的大规模多输入多输出相关的研究方向:极大孔径阵列,全息大规模多输入多输出,六维定位,大规模MIMO雷达和智能大规模多输入多输出。
2019-06-12 cs.IT eess.SP math.IT
Accelerated Randomized Methods for Receiver Design in Extra-Large Scale MIMO Arrays
大规模多输入多输出(M-MIMO)的特征在于用于大量用户的空间复用的能力。这个数字在超大型(XL-MIMO)中变得更加极端,这是M-MIMO的一种变体,其中天线阵列具有非常大的尺寸。然而,M-MIMO中的信号处理复杂度的问题由于阵列的XL大小而进一步加剧。基本的处理问题归结为一个稀疏的线性方程组,可以解决的随机Kaczmarz(RK)算法。该算法最近已被应用于设计低复杂度的M-MIMO接收机;然而,它受到以下事实的限制,即线性方程的某些配置可能会显着恶化RK算法的性能。在本文中,我们拥抱在加速RK算法的兴趣,并介绍了三个新的RK为基础的低复杂度接收机设计。在我们的实验中,我们的方法不仅能够克服以前的计划,但他们对用户间干扰(IUI)和稀疏信道矩阵中产生的XL-MIMO制度更强大。此外,我们表明,基于RK的计划使用的机制类似于连续干扰消除(SIC)接收机近似正则化迫零(RZF)计划。
2021-05-14 cs.IT eess.SP math.IT
Soft-Output Finite Alphabet Equalization for mmWAVE Massive MIMO
下一代无线系统预计将结合毫米波(mmWave)和大规模多用户多输入多输出(MU-MIMO)技术来提供高数据速率。这些技术要求基站(BS)以极端的速率处理高维数据,这导致高功耗和系统成本。最近已经提出了字母表均衡,以通过粗略量化均衡矩阵来减少BS处的上行链路空间均衡电路的功耗和硅面积。在这项工作中,我们通过对编码系统进行无偏估计和软输出计算来改进有限字母表均衡。通过模拟使用正交频分复用和每用户卷积编码的大规模MU-MIMO系统,我们表明,软输出有限字母表均衡提供了有竞争力的错误率性能,即使对于具有挑战性的毫米波信道,每个条目的均衡矩阵仅使用1至3位。
2020-09-07 cs.IT eess.SP math.IT
Gridless Angular Domain Channel Estimation for mmWave Massive MIMO System With One-Bit Quantization Via Approximate Message Passing
针对一比特量化毫米波(mmWave)大规模多输入多输出(MIMO)系统,提出了一种波达方向和信道估计算法。通过制定的估计问题作为一个嘈杂的一位压缩感知问题,我们提出了一个计算效率的无网格解决方案的基础上的期望最大化广义近似消息传递(EMGAMP)的方法。该算法不需要先验知识的DoA的数量,并优于现有的方法在区分非常接近的DoA的情况下,一位量化。对于一比特量化的情况,估计DoA和信道系数两者。仿真结果表明,该算法在目标方位非常接近的情况下具有较好的估计性能。
2019-09-23 cs.IT eess.SP math.IT
Doubly 1-Bit Quantized Massive MIMO
本文研究发射端和接收端均采用1比特DAC/ADC的全数字大规模MIMO系统,基于Bussgang分解推导MSE近似,证明超大天线阵列下该系统仍具有优异性能。
2023-12-04 cs.IT eess.SP math.IT
RadioWeaves for Extreme Spatial Multiplexing in Indoor Environments
随着虚拟和增强现实、游戏应用和娱乐的进步,某些室内场景将需要比5G提供的容量高得多的容量。在本文中,我们专注于室内环境的大规模MIMO。我们提供了一个案例研究的分布式部署的天线元件的墙壁上的一个房间,而不是限制天线分离的一半波长。这是大规模MIMO天线部署的新范例,以RadioWeaves的名称引入。我们调查不同的天线部署方案的视线通信。我们观察到,RadioWeaves部署可以比传统的协同部署更好地在空间上分离用户,这超过了栅瓣造成的损失,从而节省了大量的发射功率。通过模拟,我们表明,无线电网络技术可以提供高速率,多个用户在发射机上花费很少的功率相比,一个共同定位的部署。
2021-11-30 cs.IT eess.SP math.IT
Over-The-Air Extreme Learning Machines with XL Reception via Nonlinear Cascaded Metasurfaces
National and Kapodistrian University of Athens(雅典大学);University of Bologna(博洛尼亚大学)
本文提出了一种基于可编程元表面的XL MIMO系统,作为执行二分类任务的极端学习机,在空中进行训练,展示了其在不同数据集和无线场景中的性能。
2026-04-08 cs.ET cs.LG cs.NE
Massive MIMO Channel-aware Decision Fusion Aided by Reconfigurable Intelligent Surfaces
University of Naples Federico II(那不勒斯费德里科二世大学);University of Cassino and Southern Lazio(卡西诺与南拉齐奥大学);CNIT(意大利电信与信息技术研究中心);CentraleSupélec(中央理工-高等电力学院);CNRS(法国国家科学研究中心);Université Paris-Saclay(巴黎萨克雷大学);University of Luxembourg(卢森堡大学)
本文提出利用大规模MIMO和可重构智能表面提升通道感知决策融合性能,设计了适用于大阵列的子最优融合规则及RIS反射系数优化准则。
2026-02-27 eess.SP
AI-Empowered Hybrid MIMO Beamforming
本文综述AI辅助混合MIMO波束成形设计,梳理架构约束、传统优化与深度学习与深度展开方法,并通过数值与定性比较指出未来研究方向。
2023-03-03 cs.AI cs.IT eess.SP
DNN-based Methods of Jointly Sensing Number and Directions of Targets via a Green Massive H2AD MIMO Receiver
School of Information and Communication Engineering, Hainan University(海南大学信息与通信工程学院);China Mobile Group Hainan Co., Ltd.(中国移动集团海南有限公司)
针对异构混合模数H2AD MIMO架构的多目标数量与方向感知难题,提出含三种目标数感知方法及OMC-DOA估计算法的两阶段框架,推导了CRLB基准,在不同信噪比下实现了高性能感知。
2025-07-15 cs.AI cs.IT cs.LG
Enabling 6G Performance in the Upper Mid-Band by Transitioning From Massive to Gigantic MIMO
本文研究如何通过将MIMO从5G大规模演进到6G巨型,在上中频段实现6G性能目标,并提出利用辐射近场效应的新部署策略及相关开放挑战。
2025-06-03 cs.IT eess.SP math.IT
Efficient Design of Fronthaul-Constrained Uplink Reception for Cell-Free XL-MIMO
Jeonbuk National University(全北国立大学);Hanyang University(汉阳大学)
本文研究了无源超大规模MIMO系统上行接收的可扩展性和前端高效设计,通过联合优化线性变换矩阵和前端压缩策略,提出加速FP算法,降低计算复杂度并提升上行总速率。
2026-04-23 cs.IT eess.SP math.IT
Generative Models for Modeling and Synthesizing MIMO Channels in Adverse Weather Conditions
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
该研究针对极端天气下MIMO信道测量受限问题,构建含多天气类型与强度的5G/6G场景数据集,训练天气条件扩散模型生成恶劣天气信道,评估后验证其可泛化用于恶劣环境信道建模。
2026-08-25 cs.LG eess.SP
Attention Mechanism Based Intelligent Channel Feedback for mmWave Massive MIMO Systems
具有毫米波(mmWave)和大规模多输入多输出(MIMO)的智能无线通信的潜在优势基于基站(BS)处的瞬时信道状态信息(CSI)的可用性。然而,在频分双工(FDD)系统中,不存在信道互易性导致在BS处难以捕获准确的CSI。许多研究人员探索了基于深度学习(DL)的有效架构来解决这个问题,并证明了基于DL的解决方案的成功。然而,现有的方案集中在获取完整的CSI,而忽略了波束成形和预编码操作。在本文中,我们提出了一种智能信道反馈结构,使用特征矩阵和特征向量反馈神经网络(EMEVNet)。在注意力机制的帮助下,所提出的EMEVNet可以被认为是一个双通道自动编码器,它能够将特征矩阵和特征向量联合编码成码字。仿真结果表明,与传统的基于DL的CSI反馈方法相比,所提出的EMEVNet方法具有很大的性能改善和鲁棒性,具有极低的开销。
2022-11-02 cs.IT eess.SP math.IT
Can Dynamic TDD Enabled Half-Duplex Cell-Free Massive MIMO Outperform Full-Duplex Cellular Massive MIMO?
我们考虑一种支持动态时分双工(DTDD)的无小区大规模多输入多输出(CF-mMIMO)系统,其中每个半双工(HD)接入点(AP)基于用户设备(UE)的数据需求被调度为在上行链路(UL)或下行链路(DL)模式下操作,目标是最大化总UL-DL频谱效率(SE)。我们开发了一种新的,低复杂度,贪婪算法的组合AP调度问题,与理论上建立的最优性保证,通过显示的下限的总和UL-DL SE是子模块化。我们还考虑了UE之间的导频序列重用以限制信道估计开销。在CF系统中,所有AP估计来自每个UE的信道,使得导频分配问题不同于蜂窝情况。我们开发了一种新的算法,迭代最大限度地减少跨UE的导频污染。我们比较我们的解决方案的性能,无论是理论上和通过模拟,对全双工(FD)多小区mMIMO系统。我们的研究结果表明,由于在中央处理单元的信号的联合处理,CF-mMIMO与动态高清AP调度显着优于蜂窝FD-mMIMO的总和SE和90%的可能SE。因此,DTDD使能的HD CF-mMIMO是蜂窝FD-mMIMO的有前景的替代方案,而无需用于自干扰抑制的硬件成本。
2022-05-21 cs.IT eess.SP math.IT
Energy-Efficient Active Element Selection in RIS-aided Massive MIMO Systems
针对有源RIS辅助M-MIMO系统,提出基于LDT和FP的EE优化与有源元件选择方案,以更少元件实现较完全无源RIS最高120%的EE提升。
2024-03-03 cs.IT eess.SP math.IT
PSA Based Power Control for Cell-Free Massive MIMO under LoS/NLoS Channels
针对LoS/NLoS混合信道下无蜂窝大规模MIMO覆盖不均问题,提出基于PSA的上下行功率控制算法,在更低复杂度下显著提升系统公平性。
2023-08-16 cs.IT eess.SP math.IT
In-Band Full-Duplex MIMO Systems for Simultaneous Communications and Sensing: Challenges, Methods, and Future Perspectives
本文提出了一种基于低复杂度模拟消去FD MIMO架构的通信感知一体化框架,针对双重功能优化参数而非抑制自干扰,梳理了该领域的挑战、研究现状并指出未来方向。
2024-10-09 cs.ET cs.IT eess.SP
Deep Learning Based FDD Non-Stationary Massive MIMO Downlink Channel Reconstruction
针对频分复用(FDD)大规模多输入多输出(MIMO)系统,提出了一种基于模型驱动的深度学习下行信道重构方案。空间非平稳性是未来超大孔径大规模MIMO系统的关键特征。利用神经网络代替信道矩阵学习信道模型参数,节省了系统开销,提高了信道重构的准确性。通过将通道视为图像,我们引入You Only Look Once(YOLO),这是一种用于目标检测的强大神经网络,可以快速估计模型参数,包括检测路径的角度和延迟以及识别散射体的可见区域。基于深度学习的方案避免了由基于算法的参数提取方法引入的复杂迭代过程。基于低复杂度算法的细化器进一步细化YOLO估计,以达到高精度。鉴于模型驱动深度学习的高效性以及神经网络与算法的结合,该方案能够快速准确地重建非平稳下行信道。此外,所提出的方案也适用于广泛关注的平稳系统,并实现了相当的重建精度作为一种基于算法的方法,大大减少了时间消耗。
2020-02-23 cs.IT eess.SP math.IT
Learning Based Hybrid Beamforming for Millimeter Wave Multi-User MIMO Systems
KTH Royal Institute of Technology(KTH皇家理工学院)
混合波束形成(HBF)设计是毫米波(mmWave)多用户多输入多输出(MU-MIMO)系统中的关键环节。然而,传统的HBF方法仍然具有高复杂度并且强烈依赖于信道状态信息的质量。我们提出了一个极端学习机(ELM)框架,以联合优化发射和接收波束形成器。具体来说,为了提供准确的标签训练,我们首先提出了一个基于分数规划和优化最小化的HBF方法(FP-MM-HBF)。然后,基于ELM的HBF(ELM-HBF)框架,提出了提高波束形成器的鲁棒性。与现有方法相比,FP-MM-HBF和ELM-HBF都能提供更高的系统和速率。此外,ELM-HBF不仅可以提供鲁棒的HBF性能,而且消耗非常短的计算时间。
2020-04-27 cs.LG eess.SP
Performance Analysis and Low-Complexity Design for XL-MIMO with Near-Field Spatial Non-Stationarities
针对近场空间非平稳的XL-MIMO,提出基于可见区域检测与图论分组的低复杂度符号检测方案,以低复杂度逼近全阵列性能。
2023-10-12 eess.SP
Over-The-Air Extreme Learning Machines with Nonlinear Stacked Intelligent Metasurfaces
National and Kapodistrian University of Athens(雅典国立卡波季斯特里安大学);University of Bologna(博洛尼亚大学);CNIT(意大利国家电信研究所)
本文提出一种基于非线性堆叠智能超表面的超大MIMO系统作为极限学习机,实现空中二分类,其分类精度接近理想数字模型,验证了低复杂度波域OTA学习的可行性。
2026-08-28 cs.LG eess.SP
Physical bounds and radiation modes for MIMO antennas
用于通信系统的现代天线设计围绕两个极端:设备和基站,在设备中,只有一个小区域专用于天线设计,在基站中,设计空间不与其他组件共享。两者都意味着对可实现的绩效的不同限制。本文研究了MIMO性能中频谱两端的特性。对于电小天线的尺寸限制占主导地位的性能参数。专用于天线设计的区域在器械的其余部分上感应电流。本文提出了一种研究这类构型光谱效率基本界的方法。这个界也研究了$N$度MIMO系统。对于电大尺寸结构,研究了不同形状下单位面积上的自由度。这两个都是通过制定一个凸优化问题,在天线上的电流密度的最大频谱效率。这个问题的计算效率的解决方案制定和调查的约束参数,如大小和效率。
2019-10-17 eess.SP physics.class-ph
Distributed Receivers for Extra-Large Scale MIMO Arrays: A Message Passing Approach
我们研究超大规模MIMO(XL-MIMO)系统中的接收机的设计,即系统中的基站配备有一个天线阵列的极大尺寸。虽然XL-MIMO可以显著提高系统的频谱效率,但它们存在两个重要挑战。一个是多天线处理的增加的计算成本。第二个是天线元件上的用户能量分布的变化,因此这些能量分布中的空间非平稳性。这种非平稳性限制了系统的性能。在本文中,我们提出了一种分布式接收器,这样的XL-MIMO系统,可以解决这两个挑战。基于变分消息传递(VMP),我们提出了一组接收机选项提供了一系列的复杂度性能特性,以适应不同的要求。此外,我们将处理分配到本地处理单元(LPU)中,这些处理单元可以并行执行大部分复杂处理,然后将其结果与中央处理单元(CPU)共享。我们的设计是专门针对利用空间非平稳性,需要更低的计算比线性接收器,如迫零。我们的仿真研究,与信道模型占XL-MIMO信道的特殊特性,证实了我们的建议相比,最先进的方法的优越性能。
2020-07-14 eess.SP
Capacity Analysis for Joint Radar-Communication Capable Coherent MIMO Radars
最近,在同一平台内集成通信和雷达任务的概念引起了极大的关注。联合雷达通信(JRC)系统提供了一个重要的机会,以减少频谱使用和产品成本,同时进行并发操作,如通过雷达处理和建立通信链路的目标感测。最近文献中已经提出了一种具有JRC能力的相干MIMO雷达系统。介绍了几种方法,以达到双重目标,作为一个显着的零电平对感兴趣的方向的雷达和MIMO雷达波形正交性。由于源自JRC操作的限制,通信信道可能遇到不希望的幅度变化。由于辐射信号幅度朝通信方向的衰减,这种不需要的调制通常会影响通信性能。然而,这种无意调制对通信信道的影响还有待研究。本文分析和研究了加性高斯白噪声和瑞利/莱斯衰落条件下具有JRC能力的相位编码相干MIMO雷达的通信信道。针对每个信道条件评估通信容量。结果表明,在所有信道条件下,采用单边有限零向固定波形产生方法具有最佳的容量性能。
2020-02-01 eess.SP
Experimental Exploration of Unlicensed Sub-GHz Massive MIMO for Massive Internet-of-Things
由于物联网(IoT)设备的增加,IoT网络变得过于拥挤。网络可以通过更多网关进行扩展,从而增加支持的设备数量。然而,如在这项工作中所研究的,大规模多输入多输出具有增加同时连接的数量的潜力,同时还降低了这些设备的能量消耗。我们研究了未经许可的sub-GHz频段中的大规模多输入多输出的信道特性。目标是支持在设备数量、功耗和可靠性方面有严格要求的物联网应用。该评估是基于实验测量使用一个统一的线性和矩形阵列。我们的研究展示并验证了部署大规模多输入多输出网关为物联网节点服务的优势。虽然结果是通用的,但这里我们特别关注静态节点。阵列增益和信道硬化效应为降低物联网节点的发射功率提供了机会,同时也提高了可靠性。探索证实,利用大型阵列通过分离空间域中的节点来连接大量物联网设备带来了巨大的机会。此外,我们还对如何基于部分信道状态信息调度静态物联网节点进行了展望。
2021-05-26 eess.SP
Precoder Design for Physical-Layer Security and Authentication in Massive MIMO UAV Communications
支持无人机(UAV)的可靠和无缝无线连接最近已成为实现UAV的各种不同用例的关键要求。由于其广泛的部署足迹,蜂窝网络可以支持UAV的超视距(BVLOS)通信。在本文中,我们认为蜂窝连接的无人机(C-UAV),由大规模多输入多输出(MIMO)链路服务,以扩大覆盖范围,同时也提高了物理层的安全性和认证。我们考虑莱斯信道,并提出了一种新的线性预编码器的设计传输数据和人工噪声(AN)。我们推导出了传统的和建议的预编码器设计的C-UAV的遍历保密率的封闭形式的表达。此外,我们得到了最佳的功率分裂因子,划分数据和AN之间的功率渐近分析。然后,我们将所提出的预编码器设计应用于指纹嵌入认证框架中,其目标是最小化窃听者检测认证标签的概率。在仿真结果中,我们显示了所提出的预编码器的优势,在保密率和认证概率考虑中等和大量的天线大规模多输入多输出的情况下。
2021-07-02 eess.SP
Low-Complexity Learning-Based Beamforming for Ultra-Massive MIMO THz Communications
NIT Warangal(瓦朗加尔国立技术学院);SnT, University of Luxembourg(卢森堡大学科学与技术中心);National and Kapodistrian University of Athens(雅典国家与卡波蒂斯坦大学)
本文提出了一种低复杂度的基于机器学习的波束成形方法,用于超大规模MIMO太赫兹通信系统,通过减少计算复杂度提升波束训练效率。
2026-04-20 eess.SP
Near-Field Energy Harvesting Using XL-MIMO Over Non-Stationary Channels
本文研究非平稳信道下模块化 XL-MIMO 系统的近场能量收集问题,提出基于分数规划的多层联合优化框架,通过动态开关子阵列和调整功率控制系数最大化收集功率效率,性能接近穷举搜索且较等功率基准方案提升 120%。
2025-06-25 eess.SP
Spectral and Energy Efficiency of Superimposed Pilots in Uplink Massive MIMO
下一代无线网络旨在提供频谱效率(SE)和能量效率(EE)的实质性改进。大规模多输入多输出已被证明是通过使用许多基站(BS)天线对若干用户进行空间复用来实现这些目标的可行技术。多小区系统中的大规模多输入多输出的潜在限制是导频污染,导频污染在信道估计过程中由于在相邻小区中重用导频而引起的干扰而出现。减少导频污染的标准方法(称为常规导频(RP))是在不联合地发送数据和导频符号的同时调整导频序列的长度。另一种方法称为叠加导频(SP),它发送导频和数据符号的叠加。这允许使用更长的导频,这又减少了导频污染。我们认为上行链路的多小区大规模多输入多输出网络使用最大比合并检测和比较RP和SP的SE和EE。为此,我们推导出严格的封闭形式下的实际随机BS部署SP可达速率。我们证明,减少导频污染与SP是超过了额外的相干和非相干干扰。数值结果表明,当这两种方法进行优化,RP实现可比的SE和EE SP在实际情况下。
2017-09-22 eess.SP
A Resolution-Adaptive 8 mm$^\text{2}$ 9.98 Gb/s 39.7 pJ/b 32-Antenna All-Digital Spatial Equalizer for mmWave Massive MU-MIMO in 65nm CMOS
全数字毫米波(mmWave)大规模多用户多输入多输出(MU-MIMO)接收器能够实现极高的数据速率,但需要高功耗。为了降低功耗,本文提出了第一个分辨率自适应全数字接收机ASIC,能够调整数据转换器和基带处理引擎的分辨率,以瞬时通信的情况。这款可扩展的32天线、65 nm CMOS接收器总面积为8 mm $^\text{2}$,集成了具有可编程增益和分辨率的模数转换器(ADC)、波束空间信道估计以及分辨率自适应内存处理空间均衡器。利用6位ADC采样和4位空间均衡器,我们的ASIC实现了9.98 Gb/s的吞吐量,同时比最先进的设计至少高出2倍的能效。
2021-07-23 cs.AR eess.SP