Fronthaul Compression for Uplink Massive MIMO using Matrix Decomposition
针对上行大规模MIMO前传链路传输IQ样本易受限的问题,提出利用接收信号卷积结构、基于交替最小化盲解卷积的迭代压缩技术,实现30-50的压缩比,还可用于OFDM信号盲解码。
2021-10-24 cs.IT eess.SP math.IT
What is the Most Efficient Technique for Uplink Cell-Free Massive MIMO?
本文通过建立统一分析框架和通用功率控制优化策略,从公平性、容量、前传开销和复杂度四个维度系统比较无蜂窝大规模MIMO上行链路技术,最终确定实际部署中的最优方案。
2025-08-28 cs.IT eess.SP math.IT
Comprehensive Analysis of Behavioral Hardware Impairments in Cell-Free Massive MIMO-OFDM Uplink: Centralized Operation
本文首次综合分析宽带无蜂窝大规模MIMO-OFDM上行链路中多种硬件损伤对频谱效率的影响,借助Bussgang分解推导感知失真的合并向量以优化频谱效率。
2025-07-29 cs.IT eess.SP math.IT
On the Uplink Achievable Rate of Massive MIMO System With Low-Resolution ADC and RF Impairments
研究了射频损伤下粗量化大规模多输入多输出(MIMO)系统的信道估计和上行链路可达速率。我们利用加性量化噪声模型(AQNM)和扩展误差矢量幅度(EEVM)模型分别分析低分辨率模数转换器(ADC)和射频损伤的影响。我们表明,硬件损伤导致非零地板上的信道估计错误,这与传统的情况下与理想的硬件。最大比合并(MRC)技术,然后在接收端使用,并推导出一个近似听话的上行链路可达速率的表达式。仿真结果表明,ADC的分辨率和RF损伤之间有明显的补偿。所提出的研究支持在实际的大规模大规模多输入多输出系统中装备经济的粗糙ADC和经济的不完美RF元件的可行性。
2019-01-22 cs.IT eess.SP math.IT
Cell-Free Massive MIMO With Radio Stripes and Sequential Uplink Processing
与传统MIMO技术相比,无小区大规模MIMO(mMIMO)具有高频谱效率和优越的空间分集,被设想为超越5G的下一代技术。其主要原理是许多分布式接入点(AP)合作,同时为网络中的所有用户提供服务,而无需创建小区边界。本文考虑了一个无小区的mMIMO系统的上行链路利用无线条带网络架构。提出了一种新的归一化线性最小均方误差(N-LMMSE)合并的序列处理算法。该算法能够在无小区MMO中实现干扰抑制,同时保持低成本和前向回传要求。计算并分析了该算法的频谱效率。我们的结论是,它提供了一个有吸引力的低前向回程要求和高频谱效率之间的权衡。
2020-03-05 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
Iteratively Weighted MMSE Uplink Precoding for Cell-Free Massive MIMO
在本文中,我们研究了一个无小区的大规模MIMO系统的接入点和用户设备配备多个天线在Weichselberger瑞利衰落信道。我们研究了上行链路的频谱效率(SE)的基础上的两层解码结构与最大比(MR)或局部最小均方误差(MMSE)合并应用在第一层和最佳的大规模衰落解码方法实现在第二层,分别。为了最大化加权和SE,提出了一种基于仅使用信道统计的迭代加权和MMSE(I-WMMSE)算法的上行链路预编码结构。此外,MR结合应用在第一层,我们得到新的可实现的SE表达式和最佳的预编码结构的封闭形式。数值结果验证了我们提出的结果,并表明I-WMMSE预编码可以获得良好的和SE性能。
2022-01-27 cs.IT eess.SP math.IT
Mutual Information Metrics for Uplink MIMO-OFDM Integrated Sensing and Communication System
针对上行集成感知与通信系统,提出以互信息为统一度量,推导通信与感知互信息上下界并通过最大化加权和优化波形,仿真验证其综合性能优于其他方案。
2023-10-10 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
Active RIS-Aided Massive MIMO Uplink Systems with Low-Resolution ADCs
本文研究了具有低分辨率ADC的主动RIS辅助多用户上行大规模MIMO系统,推导了总可达速率的闭式近似表达式,并提出基于遗传算法优化RIS相移,结果表明主动RIS性能显著优于被动RIS。
2024-04-22 cs.IT eess.SP math.IT
On the Uplink Transmission of Multi-user Extra-large Scale Massive MIMO Systems
超大规模大规模多输入多输出(MIMO)技术具有良好的小区覆盖能力和较高的区域吞吐量等优点,有望成为下一代无线通信系统的关键技术之一。然而,在实践中,当天线尺寸变大时,空间非平稳性发生,并且用户将仅看到基站天线阵列的一部分,我们称之为可见区域(VR)。为了评估空间非平稳性的影响,在本文中,我们研究了超大规模的大规模MIMO系统的上行链路传输考虑VR。特别是,我们首先提出了一个基于子阵列的超大规模大规模MIMO系统的系统架构。然后,紧封闭形式的上行链路频谱效率(SE)的近似与线性接收机。以最大化可实现的SE为目标,我们还提出了子阵相位系数设计方案。此外,基于所获得的遍历可实现的SE近似,两个基于统计信道状态信息(CSI)的贪婪用户调度算法的开发。研究结果表明,基于统计CSI的贪婪联合用户和子阵调度算法与基于开关的子阵结构相结合,是一种适用于超大规模MIMO系统的可行方案。
2020-11-09 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
Implementation of Massive MIMO Uplink Receiver on RaPro Prototyping Platform
随着第五代无线通信物理层标准的不断更新,提出了快速原型平台的必要性。为此,我们开发了RaPro,一个基于多核通用处理器的大规模多输入多输出(MIMO)原型平台。为了增强RaPro,需要高性能的检测和波束形成,而这两者都要求准确的信道状态信息(CSI)。本文采用基于线性最小均方误差(LMMSE)的信道估计器,并将其封装在RaPro中,以获得更精确的CSI。考虑到信道统计特性的高度复杂性和未知性,本文设计了低复杂度的LMMSE信道估计器,以缓解随着天线数目的增加而增加的复杂度,并为大规模多输入多输出上行检测和下行波束形成留出更多的计算资源。仿真结果表明,所设计的低复杂度方法具有较高的均方误差性能和鲁棒性。室内和走廊场景测试表明,误比特率性能的显着改善。时间成本分析证明了在RaPro上实现的上行接收机的实用性和实时传输能力。
2018-02-15 cs.IT eess.SP math.IT
Uplink Hardware Impairments in OFDM-Based Cell-Free Massive MIMO With Impaired Wireless Fronthaul
Bilkent University(比尔肯特大学)
本文研究OFDM无小区大规模MIMO在硬件损伤下的上行性能,提出统一分析框架推导闭式表达式,并采用失真感知合并与最大最小公平资源分配以缓解性能下降。
2026-09-23 cs.IT eess.SP math.IT
Communications and Radar Coexistence in the Massive MIMO Regime: Uplink Analysis
本文考虑了使用5G新无线电兼容多址的大规模MIMO通信系统的上行链路,该系统将与使用相同频带的雷达系统共存。提出了一种考虑雷达系统在大规模MIMO接收机上产生的混响(杂波)的系统模型。在这种情况下,提出了几种用于上行链路信道估计和数据检测的接收机,从简单的信道匹配波束形成器到用于杂波干扰抑制的迫零和线性最小均方误差接收机,在完全已知和完全未知的杂波协方差的两种相反的情况下。还给出了理论分析,导出了可实现的上行链路频谱效率和输入高斯编码符号与蜂窝大规模MIMO系统的通信接收机处可用的可观测量之间的互信息的下限:关于后者,特别是,我们表明,在大天线数制度,基站处的雷达杂波效应被抑制并且恢复了单用户容量。数值结果,说明所提出的检测方案的性能,证实了理论分析的结果,并允许量化系统的鲁棒性杂波的影响,在基站的天线数量的增加。
2020-04-17 cs.IT eess.SP math.IT
Simultaneous Downlink Data Transmission and Uplink Channel Estimation with Reduced Complexity Full Duplex MIMO Radios
在本文中,我们研究全双工(FD)多输入多输出(MIMO)无线电同时数据通信和控制信息交换。利用最近提出的FD MIMO架构,结合数字发射和接收波束成形与降低复杂度的多抽头模拟自干扰(SI)消除,我们提出了一种新的传输方案,利用信道互易性联合下行链路波束成形信息数据通信和上行链路信道估计,通过训练数据传输。我们采用了一个通用的导频辅助信道估计模型,并提出了一个统一的优化框架,所有涉及FD MIMO设计参数。我们的代表性的Monte Carlo模拟结果的波束形成器以及模拟和数字SI消除的一个示例算法的解决方案表明,所提出的基于FD的联合通信和控制方案提供了1.4倍的下行链路速率的半双工对应。与具有全连接模拟消除的传统FD MIMO架构相比,模拟消除器的硬件复杂度降低了50%,从而实现了这种性能改进。
2020-03-14 cs.IT eess.SP math.IT
Beam Alignment for the Cell-Free mmWave Massive MU-MIMO Uplink
毫米波(mmWave)无小区大规模多用户(MU)多输入多输出(MIMO)系统将毫米波频率处可用的大带宽与无小区系统的改进覆盖相结合。然而,为了对抗毫米波频率处的高路径损耗,用户设备(UE)必须在有意义的方向上形成波束,即,到附近的接入点(AP)。同时,多个UE应避免向同一AP进行传输以减少MU干扰。我们提出了一种干扰感知的方法,用于无小区毫米波大规模MU-MIMO上行链路中的波束对准(BA)。在所考虑的场景中,AP执行全数字接收波束成形,而UE执行模拟发射波束成形。我们评估我们的方法使用现实的毫米波信道从商业射线跟踪器,显示所提出的方法的优越性,全向传输,以及在不考虑MU干扰的方法。
2022-07-20 cs.IT eess.SP math.IT
Uplink Power Control for Extremely Large-Scale MIMO with Multi-Agent Reinforcement Learning and Fuzzy Logic
本文研究了无小区(CF)超大规模多输入多输出(XL-MIMO)系统的上行链路发射功率优化问题。与传统方法不同,本文提出了两种信号处理架构:模糊逻辑集中训练集中执行和模糊逻辑集中训练分散执行,分别采用多智能体强化学习(MARL)和模糊逻辑的融合来解决功率控制的设计问题,以最大化系统的频谱效率(SE)。此外,系统采用最大比(MR)合并和本地最小均方误差(L-MMSE)合并的上行链路性能进行了评估。我们的结果表明,所提出的方法与模糊逻辑优于传统的基于MARL的方法和信号处理方法的计算复杂性。此外,MR组合下的SE性能甚至优于传统的基于MARL的方法。
2023-02-18 cs.IT eess.SP math.IT
Statistical-CSI-Based Antenna Selection and Precoding in Uplink MIMO
传统的天线选择方案需要瞬时信道状态信息(CSI)。这导致系统中的高信令开销。本文提出了一种新的联合接收天线选择和预编码方案,用于多用户多输入多输出上行链路传输,仅依赖于CSI的长期统计。所提出的方案设计的交换网络和上行链路的预编码器,使系统在长期的预期吞吐量最大化。从随机矩阵理论的结果,我们推导出一个封闭形式的表达式的期望吞吐量的系统。然后,我们开发了一个易于处理的迭代算法来解决吞吐量最大化问题,利用交替优化和优化最大化(MM)技术。数值结果证实了所提出的方法的效率和其优越的性能相比,基线。
2022-12-28 cs.IT eess.SP math.IT
Deep Learning for Uplink CSI-based Downlink Precoding in FDD massive MIMO Evaluated on Indoor Measurements
当操作具有处于不同频率的上行链路(UL)和下行链路(DL)信道的大规模多输入多输出(MIMO)系统(频分双工(FDD)操作)时,用于下行链路预编码的信道状态信息(CSI)的获取是主要挑战。由于除了收发器损伤之外,UL和DL CSI两者都由发射器和接收器周围的物理环境确定,因此理所当然的是,对于静态环境,可以存在从UL CSI到DL CSI的映射。首先,我们建议使用各种基于神经网络(NN)的方法来学习这种映射,并使用经典的信号处理提供基线。其次,我们引入了一个计划来评估所有方法的泛化性能和质量,区分已知和以前看不见的物理位置。第三,我们评估所有的方法在一个真实世界的室内数据集收集32天线通道探测器。
2022-09-22 cs.IT eess.SP math.IT
Jammer-Resilient Time Synchronization in the MIMO Uplink
针对MIMO上行链路中智能干扰机破坏时间同步的问题,提出JASS方法,通过空间滤波与优化问题实现可靠同步,并证明其条件有效性及算法效率。
2025-01-27 cs.IT eess.SP math.IT
Rydberg Atomic Quantum Receivers for the Multi-User MIMO Uplink
该研究将里德伯原子量子接收机集成到多用户MIMO上行链路中,构建RAQ-MIMO系统,通过等效基带模型和速率分析,证明其可降低用户发射功率超25 dBm,并提升速率约8.8比特/秒/赫兹/用户。
2025-02-28 cs.IT eess.SP math.IT
An Alternating Algorithm for Uplink Max-Min SINR in Cell-Free Massive MIMO with Local-MMSE Receiver
研究了无小区大规模多输入多输出(MIMO)系统上行链路的最大最小信干噪比(SINR)问题。我们假设系统采用局部最小均方误差(L-MMSE)合并。目标是通过求解最大-最小SINR优化问题,通过优化每个用户设备(UE)的发射功率和中央处理单元(CPU)处的加权系数,服从UE的发射功率约束,来保持用户公平性。这个问题不是联合凸的。因此,我们将原问题分解为两个子问题,特别是优化功率分配和接收机加权系数。然后,我们提出了一个交替算法来解决这两个子问题。加权系数子问题被表述为广义特征值问题,而功率分配子问题被近似为几何规划(GP)。我们的经验表明,该算法实现了更高的最小用户上行链路频谱效率(SE)比现有的固定功率方案,这是不优化的发射功率。最后,数值分析了算法的收敛性.
2019-10-30 cs.IT eess.SP math.IT
Uplink Precoding Design for Cell-Free Massive MIMO with Iteratively Weighted MMSE
在本文中,我们研究了一个无小区的大规模多输入多输出系统的接入点和用户设备配备多个天线在Weichselberger瑞利衰落信道。我们研究了上行链路的频谱效率(SE)的完全集中式处理方案和大规模衰落解码(LSFD)计划。为了进一步提高SE性能,我们设计了基于加权和SE最大化的上行预编码方案。由于加权和SE最大化问题不是联合在所有的优化变量,两个有效的上行链路预编码方案的基础上迭代加权和最小均方误差(I-WMMSE)算法,这依赖于加权MSE的迭代最小化,提出了两个处理方案的调查。此外,最大比合并应用在LSFD计划,我们得到新的封闭形式的可实现的SE表达式和最佳的预编码方案。数值结果验证了所提出的结果,并表明,I-WMMSE预编码方案可以实现良好的和SE性能与大量的UE天线。
2023-01-06 cs.IT eess.SP math.IT
User-Centric Cell-Free Massive MIMO Enhanced by Fluid-Antenna Access Points: Uplink Analysis
本文提出了一种基于流天线的无基站大规模MIMO系统,通过动态激活天线端口和优化策略提升上行频谱效率。
2025-12-28 cs.IT eess.SP math.IT
Jamming-Robust Uplink Transmission for Spatially Correlated Massive MIMO Systems
在本文中,我们考虑如何在空间相关的大规模多输入多输出(MIMO)系统的上行链路传输可以保护免受干扰攻击。为了抑制干扰,我们提出了一种新的框架,包括一个新的最佳线性估计器在训练阶段和一个双线性均衡器在数据阶段。所提出的估计器是最佳的意义上的最大化的频谱效率的合法系统攻击的干扰,其实施需要的统计知识的干扰的信道。我们推导出一个有效的算法来估计所需的实施所提出的框架的干扰信息。此外,我们证明了优化的功率分配在合法用户可以提高所提出的框架的性能,无论干扰功率优化。我们提出的框架可以用来打击干扰的情况下,无论是理想的或非理想的硬件在合法的用户和干扰。数值结果表明,使用所提出的框架,干扰不会显着影响合法系统的性能。
2020-02-28 cs.IT eess.SP math.IT
Uplink Transmission Design for Crowded Correlated Cell-Free Massive MIMO-OFDM Systems
在无小区的大规模多输入多输出(MIMO)正交频分复用(OFDM)系统中,用户设备(UE)由许多分布式接入点(AP)服务,其中信道由于实际室外无线传播环境中的有限角度延迟扩展而相关。同时,对于未来的完全网络化社会,UE的数量正在快速增长。本文主要研究了拥挤相关无小区大规模MIMO-OFDM系统中正交导频数目有限的上行链路传输设计问题。对于导频传输阶段,我们基于非正交导频相移跳变模式和非正交可调相移导频(APSP)来识别活动UE。推导了信道估计均方误差(MSE-CE)的封闭表达式,得到了最小化MSE-CE的最优条件。针对这一情况,提出了APSP集分配方案。此外,对于数据传输,设计了最大-最小功率控制算法,以最大化活动UE之间的最小频谱效率(SE)下限。仿真结果表明,所提出的APSP集分配方案的MSE-CE方面的显着性能增益。所提出的功率控制方案可以进一步提高活跃UE之间的最小SE。因此,它们对于拥挤的相关无小区的大规模MIMO-OFDM系统是至关重要的。
2020-11-03 cs.IT eess.SP math.IT
Deep Learning based Downlink Channel Prediction for FDD Massive MIMO System
在频分双工(FDD)大规模多输入多输出(MIMO)系统中,由于下行链路训练和上行链路反馈所需的巨大开销,在基站(BS)处获取下行链路信道状态信息(CSI)是非常具有挑战性的任务。在本文中,我们揭示了一个确定性的上行链路到下行链路的映射函数时,位置到信道的映射是双射。受通用近似定理的启发,我们提出了一个稀疏复值神经网络(SCNet)来近似上行链路到下行链路的映射函数。与在实域中运行的一般深度网络不同,SCNet是在复域中构建的,能够通过离线训练来学习复值映射函数。在训练之后,SCNet用于基于估计的上行链路CSI直接预测下行链路CSI,而不需要下行链路训练或上行链路反馈。数值结果表明,SCNet在预测精度方面比一般深度网络具有更好的性能,并在复杂的无线信道中表现出显着的鲁棒性,展示了其在实际部署中的巨大潜力。
2019-08-26 cs.IT eess.SP math.IT
Uplink Performance of Cell-Free Massive MIMO Over Spatially Correlated Rician Fading Channels
我们考虑一个实际的无小区大规模多输入多输出(MIMO)系统与多天线接入点(AP)和空间相关的莱斯衰落信道。由用户设备移动引起的视线分量的显著相移被随机地建模。此外,我们研究了上行链路的频谱效率(SE)与最大比(MR)/本地最小均方误差(L-MMSE)合并和最佳大尺度衰落解码的基础上的相位感知MMSE,相位感知元素的MMSE和线性MMSE(LMMSE)估计。然后推导出MR组合的新的封闭形式的SE表达式。数值结果验证了我们推导的表达式,并表明SE受益于空间相关性。重要的是观察到L-MMSE和MR组合之间的性能差距随着每个AP的天线数量而增加,并且由于缺乏相移知识,LMMSE估计器的SE低于其他估计器的SE。
2021-10-12 cs.IT eess.SP math.IT
Joint Downlink and Uplink Optimization for RIS-Aided FDD MIMO Communication Systems
针对RIS辅助FDD MIMO系统上下行同时传输需求,提出基于AO的两种单位模相移优化方法,联合最大化加权和速率并显著提升性能。
2024-01-21 cs.IT eess.SP math.IT
Uplink Data Detection Analysis of 1-Bit Quantized Massive MIMO
本文提出了一种分析框架,在大规模多输入多输出上行链路系统中的数据检测与1位模数转换器(ADC)。考虑到单用户的情况下,我们提供了封闭形式的表达式的期望值和方差的估计符号时,采用最大比合并在基站(BS)随着其渐近行为在高信噪比(SNR)。这些结果被利用,以提高最大似然检测的性能,考虑到分散的估计符号的期望值。相对于BS天线的数量、SNR和用于信道估计的导频长度来评估具有1比特ADC的符号出错率。所提出的分析突出了一个基本的SNR权衡,根据该权衡,在正确的SNR下操作可以大大提高数据检测精度。
2021-07-26 cs.IT eess.SP math.IT
Fast Updating the STBC Decoder Matrices in the Uplink of a Massive MIMO System
降低诸如大规模多输入多输出(MIMO)配置的现代无线通信系统的计算复杂性是最感兴趣的。提出了一种新的动态大规模MIMO系统上行链路空时分组码(STBC)译码矩阵求逆加速算法。考虑了一个多用户系统,其中基站配备有大量的天线,每个用户有两个天线。此外,用户可以动态地进入或退出系统。对于给定的空时分组码/译码方案,当系统中加入或删除一个用户时,采用所提出的方法将显著降低接收机的计算复杂性。在该方案中,迫零(ZF)以及最小均方误差(MMSE)解码的矩阵求逆来自分块矩阵的逆和伍德伯里矩阵单位。此外,当用户数量固定但信道估计对于特定用户改变时,可以利用所建议的技术。推导了更新解码矩阵逆的数学方程,并与直接求逆的方法进行了比较。评估证实了所提出的方法的有效性。
2022-08-22 cs.IT eess.SP math.IT
Nonlinear Power Amplifier-Resilient Cell-Free Massive MIMO: A Joint Optimization Approach
本文提出了一种联合优化方法,用于解决无中心大规模MIMO系统中功率放大器引起的性能退化问题,通过用户关联和最大最小功率控制提升频谱效率。
2025-12-08 cs.IT eess.SP math.IT
Low-Complexity Linear Decoupling of Users for Uplink Massive MU-MIMO Detection
针对上行MU-mMIMO异构用户检测问题,提出低复杂度线性解耦方案Sequential Decoupler(SD),在无性能损失下大幅降低计算复杂度并支持新用户可扩展性。
2024-03-26 cs.IT eess.SP math.IT
HyperRNN: Deep Learning-Aided Downlink CSI Acquisition via Partial Channel Reciprocity for FDD Massive MIMO
为了充分发挥大规模多输入多输出(MIMO)在下行链路中的优势,需要在基站(BS)处获取信道状态信息(CSI)来优化波束形成矩阵。在频分双工(FDD)系统中,全信道互易性不成立,并且CSI获取通常需要下行链路导频传输,随后是上行链路反馈。先前的工作提出了经由深度学习的导频传输、反馈和CSI估计的端到端设计。在这项工作中,我们引入了一个增强的端到端的设计,利用部分上行链路-下行链路的互易性和时间相关的衰落过程,通过联合利用下行链路和上行链路的导频。所提出的方法基于一种新型的深度学习架构- HyperRNN -它结合了超网络和递归神经网络(RNN),以优化从上行链路到下行链路的长期信道特征的传输。仿真结果表明,HyperRNN实现了较低的归一化均方误差(NMSE)性能,并降低了对导频长度的要求。
2021-07-08 cs.IT eess.SP math.IT
A GCICA Grant-Free Random Access Scheme for M2M Communications in Crowded Massive MIMO Systems
针对大规模多输入多输出系统中机器对机器通信的大规模接入问题,提出了一种高成功率的免授权随机接入方案.该方案允许活动用户设备(UE)将其调制的上行链路消息连同由多个子导频组成的超级导频一起发送到基站(BS)。然后,基站利用提出的图结合聚类独立分量分析(GCICA)解码算法进行信道状态信息(CSI)估计和上行链路消息解码,并利用大规模MIMO信道的渐近有利传播特性,利用估计的CSI检测活动UE。我们称之为基于GCICA的随机接入方案(GCICA-RA)。分析了GCICA-RA方案的成功接入概率、误检概率和上行链路吞吐量。仿真结果表明,GCICA-RA方案显著提高了成功接入概率和上行链路吞吐量,降低了误检概率,同时提供了较低的CSI估计误差。
2020-12-25 cs.IT eess.SP math.IT
Joint Impact of ADC and Fronthaul Quantization in Cell-Free Massive MIMO-OFDM Uplink
Bilkent University(比尔肯特大学);KTH Royal Institute of Technology(皇家理工学院)
本文研究了大规模MIMO-OFDM上行链路中ADC和前haul量化的联合影响,提出了一种前haul策略以减少量化伪影,通过高效算法重建未量化的信号以提升传输效率。
2026-01-10 cs.IT eess.SP math.IT
Uplink Performance of Cell-Free Massive MIMO with Multi-Antenna Users Over Jointly-Correlated Rayleigh Fading Channels
在本文中,我们研究了一个无小区的大规模MIMO系统与接入点(AP)和用户设备(UE)都配备了多个天线在联合相关的瑞利衰落信道。我们研究了四种上行链路实现,从完全集中式处理到完全分布式处理,并推导出它们在最小均方误差连续干扰消除(MMSE-SIC)检测器和任意组合方案下可实现的频谱效率(SE)表达式。此外,全球和本地MMSE合并方案的基础上,导频污染下获得的完整和本地信道状态信息(CSI),这可以最大化可实现的SE完全集中式和分布式实现,分别。我们研究了一个两层的解码实现与任意的组合方案在第一层和最佳的大规模衰落解码(LSFD)在第二层。此外,我们计算新的封闭形式的SE表达式的两层解码实现与最大比(MR)结合。在数值结果中,我们比较了不同的实施水平,结合方案,和信道模型的SE性能。重要的是要注意,增加每个UE的天线数量可能会降低SE性能。
2022-03-17 cs.IT eess.SP math.IT
Uplink Pilot and Data Power Control for Single Cell Massive MIMO Systems with MRC
Linköping University(林雪平大学)
本文研究了单用户大规模MIMO系统中导频和数据功率联合优化问题,推导了训练间隔最优长度的闭式解,并通过谱效率指标提出两种优化目标函数,分别求解最小谱效率和总谱效率。
2015-09-09 cs.IT eess.SP math.IT
Deep Learning-Based Power Control for Uplink Cell-Free Massive MIMO Systems
Beijing Jiaotong University(北京交通大学);University of Cassino and Lazio Meridionale(卡西诺与南拉齐奥大学)
本文提出了一种基于深度学习的功率控制方法的总体框架,用于上行链路无小区大规模多输入多输出(CF mMIMO)系统中的最大最小、最大乘积和速率优化。所提出的方法不使用监督学习,而是依赖于无监督学习,其中不需要知道最优功率分配,因此具有低的训练复杂度。更具体地,训练深度神经网络(DNN)以在短时间内以低计算复杂性学习衰落系数和功率系数之间的映射。值得注意的是,使用所提出的方法的CF mMIMO系统的频谱效率优于先前的最大-最小优化的优化方法,并且很好地适合最大和速率和最大乘积优化。
2021-10-18 cs.IT cs.LG 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
Two-Stage Learning for Uplink Channel Estimation in One-Bit Massive MIMO
我们开发了一种两阶段深度学习流水线架构,用于使用1位ADC估计上行链路大规模多输入多输出信道。这个深度学习管道由两个独立的生成式深度学习模型组成。第一个是监督学习模型,旨在补偿量化损失。第二个是无监督学习模型,并针对去噪进行了优化。我们的研究结果表明,所提出的基于深度学习的信道估计器可以显着优于其他国家的最先进的信道估计器的一位量化的大规模多输入多输出系统。特别地,我们的设计在信道估计误差中提供5-10 dB增益。此外,它需要合理数量的导频,大约每个相干时间间隔20个。
2019-11-27 eess.SP
BER Performance of Uplink Massive MIMO With Low-Resolution ADCs
大规模多输入多输出(MIMO)是用于下一代无线通信系统(5G)的有前景的技术。在该技术中,基站(BS)配备有大量天线。对所有天线采用高分辨率模数转换器(ADC)可能导致BS的高成本和高功耗。通过执行数值结果,我们通过分析不同检测技术(MMSE,ZF)和不同调制(QPSK,16-QAM)的误比特率(BER)性能来评估低分辨率ADC在上行链路大规模多输入多输出中的使用,以找到最佳量化分辨率。我们的研究结果表明,上行链路大规模多输入多输出系统的BER性能与几位分辨率ADC的情况下,具有全精度ADC。我们发现,量化电平(ADC中的比特数)的最佳选择取决于调制技术和BS处的天线数量。
2017-10-01 eess.SP
Theoretical Performance Bound of Uplink Channel Estimation Accuracy in Massive MIMO
本文提出了一种新的大规模多输入多输出(MIMO)系统上行链路信道估计(CE)精度的性能界。所提出的方法是基于CE单元后的噪声功率预测。我们的方法优于一个众所周知的Cramer-Rao下界(CRLB)的准确性,由于考虑更多的统计,因为性能强烈依赖于信道抽头的数量和它们之间的功率比。仿真结果给出了非视线(NLOS)的3D-UMa模型的5G ADDRiGa 2.0信道,并与CRLB和最先进的CE算法进行了比较。
2020-02-21 eess.SP
Performance Analysis of Sub-band Full-duplex Cell-free Massive MIMO JCAS Systems
Faculty of EEMCS, University of Twente(特温特大学EEMCS学院)
针对带内全双工通信感知一体化系统的自干扰与上下行信号互扰问题,提出子带全双工无蜂窝大规模MIMO JCAS方案,通过非重叠子带分别承载下行感知与上行通信,实现各接入点高精度感知参数估计。
2025-10-28 eess.SP
Uplink MIMO Detection using Ising Machines: A Multi-Stage Ising Approach
本文提出一种自适应多阶段伊辛机MIMO检测器,将物理启发计算的性能优势扩展至最高256-QAM、最多32用户的大规模MIMO系统,并通过delta伊辛公式增强和启发式优化实现性能与复杂度平衡。
2024-09-05 cs.IT cs.NI eess.SP
Holographic Metasurface Antennas for Uplink Massive MIMO Systems
我们提出了一种上行链路大规模多输入多输出系统,使用全息超表面阵列作为扇区天线。该天线由一组矩形波导馈电超材料表面组成,这些超材料表面沿着仰角方向组合成平面孔径,每个超材料表面都具有亚波长尺寸的超材料元件作为辐射器。超材料辐射器被设计为使得波导馈电超表面实现用于引导(或参考)模式的全息解决方案,生成朝向规定方向的扇形波束,从而形成多波束天线系统。我们证明,窄带上行链路大规模多输入多输出系统使用的元表面可以实现的总和容量接近所提供的瑞利信道在3.5 GHz。我们表明,支持多个扇形波束的元表面可以在6 GHz以下的信道中实现方位角方向上的高空间分辨率,从而在基站和用户之间形成不相关的MIMO信道。此外,所提出的超表面天线在结构上简单、低成本且高效,并且因此适合于减轻装备有大型天线系统的大规模多输入多输出系统所共有的RF硬件问题。
2021-08-27 eess.SP physics.app-ph
Performance Analysis of Massive MIMO with Low-Resolution ADCs
分析了基站采用低分辨率模数转换器(ADC)的大规模多输入多输出(MIMO)系统的上行链路性能。设计了一种同时考虑加性高斯白噪声(AWGN)和量化噪声的高性能MMSE接收机,适用于均匀分辨率ADC和非均匀分辨率ADC。与建议的MMSE接收机,然后,我们采用随机矩阵理论推导出系统的上行链路频谱效率(SE)的渐近等效。数值结果表明,上行链路SE的渐近等价性是紧密的,采用低分辨率ADC的大规模多输入多输出系统通过增加基站天线数量仍能获得令人满意的上行链路SE。
2017-11-29 eess.SP
Lens Antenna Arrays-Assisted mmWave MU-MIMO Uplink Transmission: Joint Beam Selection and Phase-Only Beamforming Design
研究了一种透镜天线阵列辅助的毫米波多用户多输入多输出(MU-MIMO)系统。基站的波束选择矩阵和用户终端的纯相位波束形成器被联合设计,目的是最大化上行链路和速率。为了处理混合整数优化问题,通过加权最小均方误差(WMMSE)、块坐标下降(BCD)和最小化-最大化(MM)技术,提出了一种基于罚对偶分解(PDD)的迭代算法.此外,一个低复杂度的顺序优化(SO)为基础的算法提出了轻微的和速率性能损失的代价。数值结果表明,所提出的方法可以实现更高的和率比国家的最先进的方法。
2022-07-30 eess.SP
Uplink Sum-Rate and Power Scaling Laws for Multi-User Massive MIMO-FBMC Systems
本文分析了在多用户(MU)大规模多输入多输出(MIMO)系统中,滤波器组多载波(FBMC)信令结合偏移正交幅度调制(OQAM)的性能。首先,封闭形式的表达式推导出严格的下限对应于可实现的上行链路和速率的FBMC为基础的单小区MU大规模多输入多输出系统依赖于最大比合并(MRC),迫零(ZF)和最小均方误差(MMSE)接收机处理与/不完美的信道状态信息(CSI)在基站(BS)。这是通过利用FBMC系统特有的固有干扰的统计特性来实现的。分析结果还开发了MU大规模多输入多输出-FBMC系统的上行链路中的功率缩放。随后将可实现的和速率和对应的功率缩放律的上述分析扩展到考虑完美CSI和不完美CSI两者以及导频污染的影响的多小区场景。通过仿真,对线性处理辅助BS接收机的延迟扩展引起的性能侵蚀进行了数值量化。数值结果表明,我们的分析和仿真之间的密切匹配,并说明和比较的性能FBMC和传统的正交频分复用(OFDM)为基础的MU大规模多输入多输出系统。
2019-06-12 eess.SP
GEVD-based Low-Rank Channel Covariance Matrix Estimation and MMSE Channel Estimation for Uplink Cellular Massive MIMO Systems
上行链路信道估计是蜂窝大规模多输入多输出系统性能的关键组成部分。然而,当用户设备(UE)的数量增长时,可用资源的共享导致相邻小区中的UE之间的干扰。已经提出了最小均方误差(MMSE)信道估计器来减轻这种干扰,但是这些需要信道协方差矩阵的估计。因此,本文提出了一种新的低秩信道协方差矩阵的信道协方差矩阵估计器,使用广义特征值分解(GEVD)的两个协方差矩阵,可以估计从可用的上行链路数据。对系统的要求是最小的,并且除了同步之外,不需要不同小区之间的通信,并且不需要关于背景噪声的先验知识。基于新提出的信道协方差矩阵估计器,还推导了近似MMSE估计器。数值仿真结果表明了所提出方法的有效性。
2021-11-23 eess.SP
Impact of Phase Noise on Uplink Cell-Free Massive MIMO OFDM
本文研究了相位噪声对上行 Cell-Free massive MIMO OFDM 网络的影响,构建了受损系统模型,提出了相位噪声感知的线性最小均方误差信道估计器并推导了频谱效率表达式,量化了其性能增益。
2023-05-21 eess.SP
Uplink Multi-User MIMO Implementation in OpenAirInterface for a Cell-Free O-RAN Testbed
Fraunhofer Heinrich Hertz Institute(弗劳恩霍夫海因里希赫兹研究所)
本文提出了一种基于OAI的无细胞O-RAN测试平台,实现了利用SRS信道估计进行上行多用户MIMO信号分离与解码的实验验证。
2026-01-14 eess.SP
Pilot-Based Uplink Power Control in Single-UE Massive MIMO Systems With 1-Bit ADCs
针对配备1-bit ADC的大规模MIMO系统中数据检测性能随UE发射功率非单调变化的问题,提出基于多幅度导频序列的单次和差分闭环上行功率控制方法,数值验证其优于传统技术。
2023-10-25 eess.SP