Deep-Learning Aided Channel Training and Precoding in FDD Massive MIMO with Channel Statistics Knowledge
提出了一种基于深度神经网络（DNN）的FDD大规模MIMO中的信道训练和预编码方法，利用下行链路（DL）信道协方差知识。DNN被优化以通过基于用户信道协方差产生预波束成形矩阵来最大化DL多用户和速率，该预波束成形矩阵将原始信道向量映射到有效信道。这些有效信道的测量在用户处经由公共导频传输接收，并且通过模拟反馈发送回基站（BS）而无需进一步处理。BS根据接收到的反馈估计有效信道，并且通过在有效信道上将优化的预波束成形矩阵与迫零预编码器级联来构造线性预编码器。我们表明，所提出的方法产生显着更高的总速率比国家的最先进的基于DNN的信道训练和预编码方案，特别是在小导频和反馈大小相对于信道相干块长度的情况下。与文献中的许多作品不同，我们的主张不涉及在用户端部署DNN，这通常会带来很高的计算成本和系统上的参数传输开销，因此更加实用。
2023-03-20 cs.IT eess.SP math.IT
Experimental Investigation of Frequency Domain Channel Extrapolation in Massive MIMO Systems for Zero-Feedback FDD
在频分双工（FDD）大规模多输入多输出（MIMO）系统中估计下行链路（DL）信道状态信息（CSI）通常需要下行链路导频和反馈开销。因此，本文研究了基于信道外推的零反馈FDD大规模多输入多输出系统的可行性。我们使用高分辨率参数估计（HRPE），特别是空间交替广义期望最大化（SAGE）算法，外推DL CSI的基础上提取的参数的多径分量在上行链路信道。我们将HRPE应用于两种不同的信道模型：矢量空间特征（VSS）模型和到达波达方向（DOA）模型。我们通过使用两种不同类型的信道探测器进行信道测量活动获得的真实信道数据来验证这些方法：a）基于交换阵列的实时时域室外设置，频率为3.5 GHz; b）基于虚拟阵列的高精度频域室内设置，频率为2.4和5-7 GHz。我们评估的外推信道的性能指标包括多用户MIMO场景中的均方误差、波束形成效率和频谱效率。结果表明，基于HRPE的信道外推性能最好的简单VSS模型下，它不需要阵列校准，如果BS是在一个开放的室外环境中的视线（LOS）路径，以及分离的用户。
2020-09-29 eess.SP
Downlink Channel Covariance Matrix Reconstruction for FDD Massive MIMO Systems with Limited Feedback
针对FDD大规模MIMO中Type I码本反馈有限导致的下行CCM获取难题，提出利用码本与反馈值的建模及割平面算法，实现可证明的真实CCM恢复和更优重构性能。
2023-09-12 eess.SP
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
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
Achieving Phase Coherency and Gain Stability in Active Antenna Arrays for Sub-6 GHz FDD and TDD FD-MIMO: Challenges and Solutions
在过去的几年里，大规模MIMO一直是学术界和工业界强烈兴趣的主题。用于蜂窝系统的3GPP标准化已经采用了大规模MIMO的原理，并且将在基站处使用大型矩形平面阵列归类为全维MIMO（FD-MIMO）以在TDD和FDD两者中操作。操作大型天线阵列基站需要系统克服由硬件损害引起的若干实现挑战，使得实际解决方案不理想且大规模部署昂贵。重要的是要从现有的挑战和解决方案中学习，以便为更大规模的部署做好准备，例如使用无小区的大规模MIMO。因此，在本文中，我们使用在实验室和商用LTE网络中的现场进行的测量，专门研究了由于RF损伤引起的相位和幅度不稳定性。我们研究了相位和幅度误差对FD-MIMO系统性能的影响。我们讨论并表征了产生这些误差的各种来源，包括低成本本振（LO）的时变相位漂移和影响RF链频率响应的内部温度变化。讨论了实际蜂窝部署的不同LO架构和校准机制的最低要求和权衡。然后，我们提供了一种新的相干LO分配机制和相关的新的阵列校准机制，可以应用到TDD和FDD系统的细节。测量结果提供了一个二维全连接的混合波束形成阵列架构称为高清晰度有源天线系统（HDaaS），以验证这些方法的性能。这些结果展示了所提出的方法的有效性，可以很容易地扩展到其他阵列架构，包括子阵列混合波束形成和元素级数字化。
2019-09-17 cs.IT eess.SP math.IT
Robust Beamforming Design for Ultra-dense User-Centric C-RAN in the Face of Realistic Pilot Contamination and Limited Feedback
考虑了在网络中密集部署远程射频头端（RRH）的超密集云无线接入网络（UD-CRAN）。为了减少信道估计开销，我们专注于为用户为中心的频分双工（FDD）的UD-CRAN，其中只有有限的信道状态信息（CSI）是可用的鲁棒发射波束成形的设计。具体来说，我们设想了一个完整的过程，用于获取CSI，其中包括两个关键步骤：信道估计和信道量化。相位模糊度（PA）也被量化用于相干协作传输。基于不完美的CSI，我们的目标是优化波束形成向量，以最小化总发射功率受用户的速率要求和前传容量约束。我们通过利用多个不确定项的统计特性推导出可实现数据速率的封闭形式表达式。然后，我们提出了一个低复杂度的迭代算法来解决这个问题的逐次凸逼近技术的基础上。在每次迭代中，采用拉格朗日对偶分解方法获得最优波束形成向量。此外，一对低复杂度的用户选择算法，以保证问题的可行性。仿真结果证实了我们的鲁棒算法在满足速率要求方面的准确性。最后，我们的模拟结果证实，使用一个单一的比特量化的PA是能够实现良好的性能。
2018-04-06 eess.SP
Deep Learning Based Antenna Selection for Channel Extrapolation in FDD Massive MIMO
Xidian University（西安电子科技大学）；Tsinghua University（清华大学）；Memorial University（纽芬兰纪念大学）
在大规模多输入多输出（MIMO）系统中，大量的天线对准确获取信道状态信息带来了巨大的挑战，特别是在频分双工模式下。为了克服混合波束形成中无线链路数量有限的瓶颈，我们利用神经网络（NN）来捕获上行链路和下行链路信道数据集之间的固有连接，并从上行链路信道状态信息的子集外推下行链路信道。我们研究了天线子集选择问题，以实现最佳的信道外推和减少数据量的神经网络。利用概率抽样理论将离散天线选择近似为连续可微函数，这使得深度学习的反向传播变得可行。然后，我们设计了适当的离线训练策略来优化天线选择模式和外推神经网络。最后，数值结果验证了我们提出的大规模多输入多输出信道外推算法的有效性。
2020-09-03 cs.AI eess.SP
Modern Base Station Architecture: Enabling Passive Beamforming with Beyond Diagonal RISs
本文提出一种集成超对角可重构智能表面（BD-RIS）的基站架构，利用Takagi分解设计RIS配置实现无源波束赋形，相比传统对角RIS在多种系统配置下性能更稳健，且与有源模拟波束赋形阵列性能相当。
2025-10-07 eess.SP
Unsupervised Deep Learning for Massive MIMO Hybrid Beamforming
École Polytechnique de Montréal（蒙特利尔工程学院）
混合波束形成技术是一种很有前途的技术，可以降低大规模多输入多输出（MIMO）系统的复杂度和成本，同时提供高数据速率。然而，混合预编码器设计是一项具有挑战性的任务，需要信道状态信息（CSI）反馈并解决复杂的优化问题。提出了一种基于RSSI的无监督深度学习方法来设计大规模多输入多输出系统中的混合波束形成。此外，我们提出了i）一种方法来设计的同步信号（SS）在初始接入（IA）和ii）的方法来设计的模拟预编码器的码本。我们还通过各种场景下的真实渠道模型来评估系统性能。我们表明，该方法不仅大大提高了频谱效率，特别是在频分双工（FDD）通信，通过使用部分CSI反馈，但也有接近最佳的和速率，优于其他国家的最先进的全CSI解决方案。
2020-07-02 cs.LG eess.SP
Channel Estimation and Beamforming Design for MF-RIS-Aided Communication Systems
针对MF-RIS辅助多用户通信，提出基于LS的信道估计器，结合DFT矩阵简化波束成形问题，用交替优化得到达CRLB的最优设计，可有效降低热噪声影响。
2025-01-18 eess.SP
BS-RIS-User Association and Beamforming Designs for RIS-aided Cellular Networks
可重构智能表面（Reconfigurable Intelligent Surface，RIS）具有自适应塑造无线传播环境的强大功能，被认为是一项具有革命性和发展前景的技术。然而，作为一种频率选择性器件，RIS只能有效地为特定频段内的信号提供可调谐相移。因此，基站（BS）-RIS-用户关联是一个重要的问题，以最大限度地提高蜂窝网络中RIS的效率和能力。在本文中，我们考虑了一个RIS辅助蜂窝网络，旨在通过设计BS RIS用户关联以及BS和RIS的主动和被动波束成形，分别最大化下行链路传输的总速率。提出了一种动态连续接入算法来设计用户关联。在动态接入过程中，提出了一种迭代算法来交替获得主被动波束形成。最后，最佳的BS-RIS的关联是通过一个穷举搜索方法。仿真结果表明，所提出的BS-RIS-用户关联和波束成形设计算法的性能显着改善。
2021-06-27 eess.SP
Data-Driven Deep Learning Based Hybrid Beamforming for Aerial Massive MIMO-OFDM Systems with Implicit CSI
Beijing Institute of Technology（北京理工大学）；Tsinghua University（清华大学）；Southeast University（东南大学）
在空中混合大规模多输入多输出（MIMO）和正交频分复用（OFDM）系统中，如何在有限的导频和反馈开销下设计频谱有效的宽带多用户混合波束形成是一个挑战。为此，通过将关键传输模块建模为端到端（E2E）神经网络，本文提出了一种基于数据驱动的深度学习（DL）的统一混合波束成形框架，用于具有隐式信道状态信息（CSI）的时分双工（TDD）和频分双工（FDD）系统。对于TDD系统，所提出的基于DL的方法将上行链路导频组合和下行链路混合波束成形模块联合建模为E2E神经网络。而对于FDD系统，我们将下行导频传输、上行CSI反馈和下行混合波束形成模块联合建模为E2E神经网络。与传统的分别处理不同模块的方法不同，该方法以总速率为优化目标，同时对所有模块进行优化。因此，通过感知空对地大规模多输入多输出-OFDM信道样本的固有特性，基于DL的E2E神经网络可以建立从信道到波束形成器的映射函数，从而可以避免显式信道重构，减少导频和反馈开销。此外，实际的低分辨率移相器（PS）引入了量化约束，导致训练神经网络时难以实现梯度反向传播。为了减轻由相位量化误差引起的性能损失，我们采用迁移学习策略来进一步微调E2E神经网络，基于预先训练的网络，假设理想的无限分辨率PS。数值结果表明，我们的基于DL的计划有相当大的优势，比国家的最先进的计划。
2022-09-09 cs.IT cs.LG eess.SP
Beamforming Design and Performance Evaluation for RIS-aided Localization using LEO Satellite Signals
本文研究使用LEO卫星信号的RIS辅助定位，推导了Cramér-Rao界并提出使其最小化的最优RIS波束成形设计，数值结果证明该方案优于基准方案，有望实现米级或亚米级定位精度。
2023-09-13 eess.SP
Partially Distributed Beamforming Design for RIS-Aided Cell-Free Networks
无小区网络被认为是满足超过第五代（5G）通信的更高速率要求的有前景的技术。关于无小区网络的大多数工作集中于完全集中式波束成形以最大限度地增强系统性能，或者集中于完全分布式波束成形以避免接入点（AP）之间的大量信道状态信息（CSI）交换。为了实现网络容量的提高和CSI交换的减少，我们提出了一种适用于可重构智能表面（RIS）辅助无小区网络的部分分布式波束成形设计算法。我们的目标是最大限度地提高加权和速率的所有用户通过设计主动和被动波束成形的AP的发射功率约束和RIS元素的单位模量约束。首先将加权和速率最大化问题转化为等价的加权和均方误差（sum-MSE）最小化问题，然后采用交替优化（AO）方法迭代设计主被动波束形成器。具体地，主动波束形成向量由本地AP获得，被动波束形成向量由中央处理单元（CPU）优化。仿真结果表明，与传统的局部波束形成方法相比，部分分布式算法具有显著的性能改善，同时也进一步显示了在无小区网络中部署RIS的巨大潜力。
2022-08-10 eess.SP
Joint Beamforming for STAR-RIS in Near-Field Communications
本研究提出STAR-RIS辅助的近场MIMO通信框架，构建加权和速率最大化问题并通过基于BCD的算法求解，验证了近场波束成形可显著提升系统加权和速率。
2024-12-03 eess.SP
Channel Extrapolation for FDD Massive MIMO: Procedure and Experimental Results
将大规模多输入多输出（MIMO）系统应用于频分双工（FDD）是具有挑战性的，这主要是由于下行链路训练和反馈所需的相当大的开销。信道外推，即，基于不相交的上行链路频带中的测量来估计下行链路频段处的信道响应是克服该瓶颈的有希望的解决方案。本文介绍了测量活动，在3.5 GHz的宽带（350 MHz）信道测深仪组成的校准64单元天线阵列，在电波暗室和室外环境中。空间交替广义期望最大化（SAGE）算法用于从训练（上行链路）频带内获得的信道数据中提取多径分量的参数（幅度、延迟和角度信息）。然后基于这些路径参数重构下行链路频带中的信道。外推信道的性能根据与地面实况相比的均方误差（MSE）和波束成形增益（RBG）的减小来评估，即，在下行链路频率处的测量信道。我们发现对校准误差和模型失配的敏感性很强，并且还发现性能取决于传播条件：LOS的性能明显优于NLOS。
2019-07-26 cs.SY eess.SP eess.SY
Conformal Risk Control for Multiuser Beamforming
针对不完善信道与紧功率预算下的多用户下行波束成形，提出结合定点最小功率与保形风险控制的CRCBeam方法，在有限样本下控制服务中断风险并满足功率预算。
2026-10-06 eess.SP
Joint Hybrid and Passive RIS-Assisted Beamforming for MmWave MIMO Systems Relying on Dynamically Configured Subarrays
依赖于混合波束成形结构的可重构智能表面（RIS）辅助毫米波（mmWave）通信系统能够以低硬件复杂度和低功耗实现高频谱效率。在本文中，我们提出了一个RIS辅助毫米波点对点系统依赖于动态配置的子阵列连接的混合波束形成结构。更明确地说，提出了一种依赖于双分辨率移相器的节能模拟波束形成器。然后，我们设想了一个连续干扰消除（SIC）的方法，用于联合设计的混合波束形成矩阵的基站（BS）和被动波束形成矩阵的RIS。具体来说，相关的带宽效率最大化问题被转化为一系列子问题，其中移相器子阵列和RIS元件被联合优化，以最大化每个子阵列的速率。此外，提出了一种贪婪方法来确定每个子阵列的移相器配置。然后，我们建议更新的RIS元素依赖于一个复杂的圆流形（CCM）为基础的方法。所提出的动态子连接结构以及所提出的联合混合和被动波束形成方法在带宽效率和功耗之间取得了有吸引力的折衷。我们的仿真结果表明，所提出的方法相比，其传统的同行的优越性。
2022-01-12 eess.SP
Graph Neural Network Based Beamforming and RIS Reflection Design in A Multi-RIS Assisted Wireless Network
提出一种基于图神经网络的架构，用于多RIS辅助无线网络中联合优化基站波束成形与RIS相位偏移，通过二分图建模和消息传递实现高效干扰推断，具有强可扩展性并显著优于传统算法。
2025-01-24 eess.SP
Deep Learning for Hybrid Beamforming with Finite Feedback in GSM Aided mmWave MIMO Systems
Tsinghua University（清华大学）；Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心）
混合波束形成是毫米波多输入多输出系统的重要技术。为了提高频谱利用率，进一步引入了广义空间调制（GSM）技术。然而，大多数现有的波束成形工作假设完美的信道状态信息（CSI），这是不现实的，在实际系统中。本文研究了GSM辅助频分复用（FDD）mmWave MIMO系统中下行导频训练、信道估计、CSI反馈和混合波束形成的联合优化问题。在深度学习的帮助下，通过无监督学习以端到端的方式设计GSM混合波束形成器。实验结果表明，与传统算法相比，本文提出的多分辨率网络GsmEFBNet能够以更少的反馈比特数获得更高的可达速率。
2023-02-15 cs.AI cs.IT eess.SP
Machine Learning-Based CSI Feedback With Variable Length in FDD Massive MIMO
针对FDD大规模MIMO系统中的CSI反馈开销问题，提出基于PCA的可变长度反馈策略，通过自适应压缩、比特分配与k-means聚类优化量化，相比CsiNetPro总速率提升17%，参数量减少23.4倍且训练样本需求大幅降低。
2023-05-22 cs.IT eess.SP math.IT
Joint Beamforming Design for RIS-Assisted Integrated Sensing and Communication Systems
通感一体化（ISAC）技术被认为是解决未来网络频谱拥塞问题的一种有前途的技术。在这封信中，我们调查部署一个可重构智能表面（RIS）的ISAC系统，以实现更好的性能。特别地，多天线基站（BS）在RIS的协助下同时服务多个单天线用户并检测潜在目标。在满足雷达感知波束相似性约束、RIS约束和发射功率预算的前提下，联合优化BS的有源波束形成和RIS的无源波束形成，以最大化通信用户的可达和速率。基于分式规划（FP）、优化最小化（MM）和流形优化方法，提出了一种有效的交替算法，将非凸优化问题转化为两个可解的子问题并迭代求解.仿真研究表明了RIS在ISAC系统中部署的先进性和所提算法的有效性。
2022-08-03 eess.SP
Multi-Modal Variable-Rate CSI Reconstruction for FDD Massive MIMO Systems
针对FDD系统中CSI反馈受率失真限制的问题，提出一种利用RGB图像或上行CSI等辅助数据的多模态可变码率信道重建框架，通过基于迁移学习的融合策略增强自动编码器，在5G NR场景中实现了接近最优的波束成形增益。
2025-03-07 cs.IT eess.SP math.IT
Joint Beamforming Design and 3D DoA Estimation for RIS-aided Communication System
在本文中，我们考虑了一个可重构智能表面（RIS）辅助的三维波达方向（DoA）估计系统，其中均匀平面阵列（UPA）RIS部署提供虚拟视线（LOS）链路和反射上行链路导频信号到传感器。为了克服RIS波束形成设计和DoA估计之间的相互耦合问题，我们探索了可分离的稀疏表示结构，并提出了一种交替优化算法。基于网格的DOA估计被建模为一个考虑网格偏差的联合稀疏恢复问题，联合2D-OMP方法被用来估计网格上和离网部分。相应的Cramér-Rao下界（CRLB）推导出评估的估计。然后，在RIS的波束图进行优化，以最大化的信号噪声（SNR）在传感器根据估计的角度。数值结果表明，与随机波束形成设计的基准相比，所提出的交替优化算法可以实现更低的估计误差。
2022-11-03 eess.SP
Statistical CSI-based Beamforming for RIS-Aided Multiuser MISO Systems using Deep Reinforcement Learning
针对多用户MISO无线通信中的可重构智能表面（RIS），提出了一种基于统计信道状态信息（S-CSI）的联合波束形成算法。我们使用的S-CSI，这是一个长期的平均级联通道，而不是在大多数现有的作品中使用的瞬时CSI。通过这种方法，信道估计的开销大大减少。我们提出了一个近似策略优化（PPO）算法，这是一个著名的基于行动者-评论家的强化学习（RL）算法来解决优化问题。为了测试该算法的有效性，仿真结果与评估的关键系统参数，包括莱斯因子和RIS的位置，对用户的可实现的和速率。
2022-09-03 eess.SP
Unsupervised Learning for Joint Beamforming Design in RIS-aided ISAC Systems
针对RIS辅助ISAC系统传统波束成形设计复杂度高或性能不足的问题，提出基于无监督学习的IBF-Net方案，无需标注，在保证性能的同时大幅降低计算复杂度。
2024-05-15 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
Joint Localization and Beamforming for Reconfigurable Intelligent Surface Aided 5G mmWave Communication Systems
可重构智能表面（RIS）是提高毫米波（mmWave）通信系统传输速率的一项重要技术。以往对RIS技术的研究主要集中在提高毫米波通信系统的传输速率和保密率上。RIS技术的出现为智能无线电环境的产生创造了条件，在提高毫米波通信系统定位精度方面也具有潜在优势。部署在墙壁和物体上，RISs能够通过控制多径反射来显着改善通信和定位覆盖范围。本文研究了基于RIS的毫米波定位系统，提出了一种联合波束形成和定位问题。然而，由于目标函数取决于未知UE的位置和瞬时信道状态信息（CSI），因此这种基于RIS辅助的波束成形和定位技术具有挑战性。针对这一问题，提出了一种新的联合定位和波束形成优化算法（JLBO），并给出了算法的收敛性证明。仿真结果表明，RIS可以提高系统的用户定位精度，与传统的方案相比，该方案具有显着的性能改善。
2022-10-27 eess.SP
Model-based Deep Learning for Joint RIS Phase Shift Compression and WMMSE Beamforming
McGill University（麦吉尔大学）
本文提出基于模型的深度学习架构，用于RIS辅助多用户通信，减少AP到RIS控制器传输相位信息所需的比特数。通过将相位移压缩为二进制控制信息，并利用实际解压缩的RIS相位移更新波束成形，实现端到端训练。
2026-04-09 eess.SP
RIS-Aided Offshore Communications with Adaptive Beamforming and Service Time Allocation
可重构智能表面（RISs）可以有意地调整入射波的相位，在重构信号传播以提高性能方面显示出巨大的潜力。在本文中，我们研究了RIS辅助的离岸系统，以提供具有成本效益的高速数据服务。船载RIS被放置在海上，以提高在船舶的信号质量，和沿海基站配备了低成本的可重构反射阵列（RRA），而不是传统的昂贵的全数字天线阵列（FDAA），以降低硬件成本。为了满足多样化海上活动的速率需求，通过联合优化波束形成方案和分配给各船的服务时间，研究有效和速率（ESR）。最优分配方案的推导，并开发了一个有效的固定点的交替上升方法，以获得一个次优解的非凸波束形成问题。数值结果表明，ESR是相当大的改善与援助的RIS，和所提出的计划使用hardwareefficient RRA只有轻微的性能损失相比，其FDAA为基础的同行。
2019-11-08 eess.SP
Beyond Diagonal RIS-assisted MIMO Transmission: Beamforming Gain and Capacity Optimization
本文提出超越对角RIS技术，通过波束成形增益和容量优化提升MIMO下行通信的频谱效率和覆盖范围。
2025-12-09 eess.SP
RIS-Aided Integrated Sensing and Communication: Joint Beamforming and Reflection Design
通感一体化（ISAC）已被设想为缓解频谱拥塞问题的有前途的技术。受可重构智能表面（RIS）在动态操纵无线传播环境中的应用启发，本文研究了在ISAC系统中部署RIS以提高性能的问题。特别地，我们考虑一个RIS辅助ISAC系统，其中多天线基站（BS）执行多目标检测和多用户通信的协助下的RIS。我们的目标是通过联合优化发射波束形成和RIS反射系数，同时满足通信服务质量（QoS）的要求，总发射功率预算，和RIS相移的限制，最大限度地提高目标检测信噪比（SNR）的加权总和。结合优化最小化（MM），惩罚为基础的，和流形优化方法的有效交替优化算法，以解决由此产生的复杂的非凸优化问题。仿真结果表明了在ISAC系统中部署RIS的优势和我们提出的算法的有效性。
2023-02-22 eess.SP
Joint Location and Beamforming Design for STAR-RIS Assisted NOMA Systems
同时发射和反射的可重构智能表面（STAR-RIS）辅助非正交多址接入（NOMA）通信系统在其附近的研究，其中STAR-RIS部署在一个预定义的区域内，为用户建立通信链路。在多天线基站（BS）处采用基于波束形成器的NOMA和基于簇的NOMA方案。对于每种方案，STAR-RIS部署位置、STAR-RIS的无源发射和反射波束成形（BF）以及BS处的有源BF被联合优化以最大化用户的加权和速率（WSR）。为了解决由此产生的非凸问题，交替优化（AO）算法，其中连续凸逼近（SCA）和半定规划（SDP）方法被调用迭代地解决每个子问题的非凸性。仿真结果表明：1）优化STAR-RIS的具体部署位置可以显著提高WSR性能; 2）基于波束形成器和基于簇的NOMA都倾向于非对称STAR-RIS部署。
2022-06-26 eess.SP
RIS-aided Joint Localization and Synchronization with a Single-Antenna Receiver: Beamforming Design and Low-Complexity Estimation
可重构智能表面（RISs）由于能够克服毫米波系统中的视线阻塞，从而能够以最少的基础设施实现精确定位，因此引起了人们的极大兴趣。然而，较少研究的是利用RIS与适当设计的波束成形策略优化定位和同步性能的好处。在本文中，一种新的低复杂度的联合定位和同步的方法的基础上优化设计的基站（BS）的主动预编码和RIS的被动相位轮廓，提出了一种具有挑战性的情况下，单天线接收机。首先推导出理论位置误差界，并将其用作联合优化BS-RIS波束成形的度量，假设用户位置的先验知识。通过利用低维结构的解决方案，然后提出了一种新的基于码本的鲁棒设计策略，优化波束功率分配，提供低复杂度，同时考虑到用户位置的不确定性。最后，一个降低复杂度的最大似然估计过程的设计，以联合恢复用户的位置和同步偏移。大量的数值分析表明，所提出的联合BS-RIS波束形成方案提供了增强的定位和同步性能相比，现有的解决方案，与所提出的估计达到理论界限，即使在低信噪比和存在额外的不可控的多径传播。
2022-04-28 eess.SP
Downlink Extrapolation for FDD Multiple Antenna Systems Through Neural Network Using Extracted Uplink Path Gains
当基站（BS）部署有多个天线时，它们需要具有下行链路（DL）信道状态信息（CSI）以通过波束成形来优化下行链路传输。DL CSI通常通过DL训练在移动站（MS）处被测量，并且在频分复用（FDD）中被反馈给BS。当信道由于MS的高速而快速改变时，DL训练和上行链路（UL）反馈可能由于不充分的相干时间间隔而变得不可行。在没有来自MS的反馈的情况下，即使在FDD中，BS也可以使用UL和DL信道的固有关系直接获得DL CSI，这被称为DL外推。尽管确切的关系将是高度非线性的，但是先前的研究已经表明，神经网络（NN）可以用于在BS处根据UL CSI来估计DL CSI。在这条研究线上的大多数先前的工作使用全维UL和DL信道训练NN;然而，NN训练复杂度随着BS处的天线数量的增加而变得严重。为了降低训练复杂度，提高下行信道状态信息估计质量，提出了一种简化神经网络输入输出的下行外推方法。通过许多测量活动表明，UL和DL信道仍然共享共同的分量，如FDD中的路径延迟和角度。所提出的技术首先从UL和DL信道中提取这些公共系数，并且仅使用路径增益来训练NN，路径增益取决于频带，与完整的UL和DL信道相比具有减少的维度。大量的仿真结果表明，所提出的技术优于传统的方法，它依赖于完整的UL和DL信道训练神经网络，而不管MS的速度。
2020-04-03 cs.IT eess.SP math.IT
Pseudo channel reciprocity in FDD satellite channels
针对FDD卫星信道无真正互易性导致CSIT获取开销大的问题，提出利用LEO卫星通信LOS信道伪互易性的跟踪方法，预编码性能接近全CSIT方案，周跳概率极低，大幅降低反馈开销。
2023-05-02 eess.SP
Joint Beamforming Design for RIS-enabled Integrated Positioning and Communication in Millimeter Wave Systems
本文提出毫米波系统中RIS赋能的IPAC方案，推导了基于ToA的CRB和PEB定位指标，通过联合优化基站主动波束和RIS被动波束最小化发射功率，并采用两阶段算法求解，实现了可靠通信与高精度定位。
2023-10-25 eess.SP
Channel-Estimation-Free Beamforming for RIS-Assisted Systems with Limited Feedback
University of California, Irvine（加州大学尔湾分校）
针对RIS辅助系统，提出仅用有限RSS反馈的无信道估计波束成形算法，含单用户及多用户场景，仿真显示其性能接近全CSI交替优化，可保障用户公平性。
2026-08-04 eess.SP
Joint RIS-UE Association and Beamforming Design in RIS-Assisted Cell-Free MIMO Network
针对RIS辅助无小区MIMO网络中信道获取开销过大的问题，提出一种联合RIS-UE关联与波束成形的两阶段优化框架，在大幅降低开销的同时保持可接受的轻微性能损失。
2025-06-26 eess.SP
Optimal Beamforming Design for ISAC with Sensor-Aided Active RIS
本文针对视距链路受阻导致感知性能下降的问题，提出一种传感器辅助的有源RIS系统模型，通过设计基于逐次凸逼近的波束成形优化方法最大化回波信噪比，仿真证明其优于无传感器辅助方案。
2024-10-16 eess.SP
Beamforming Design for Multiuser Transmission Through Reconfigurable Intelligent Surface
研究了基于可重构智能表面（RIS）辅助无线发射机的多用户通信网络资源分配问题。在该网络中，通过控制RIS的相位波束成形和BS的发射功率来最小化网络的总发射功率。该问题是一个发射功率和RIS控制的联合优化问题，其目标是在用户的信干噪比（SINR）约束下使总发射功率最小。为了解决这一问题，提出了一种对偶方法，其中对偶问题是作为一个半定规划问题。通过求解对偶问题，得到了RIS相位波束形成的封闭形式，同时利用标准干扰函数得到了最优发射功率。仿真结果表明，与最大比传输（MRT）波束形成和迫零（ZF）波束形成技术相比，该方案可分别降低94%和27%的总发射功率。
2020-09-24 eess.SP
Cooperative Beamforming and RISs Association for Multi-RISs Aided Multi-Users MmWave MIMO Systems through Graph Neural Networks
由于具有多种优点，可重构智能表面（RIS）被认为是下一代无线通信网络的有前途的解决方案，例如，定制通信环境。因此，部署多个RISs有助于克服基站（BS）和用户之间严重的信号阻塞，这也是实现更好的服务覆盖的实用有效的解决方案。然而，获得多RIS辅助通信系统的全部益处需要解决非凸的无限维优化问题，这促使使用基于学习的方法来配置最优策略。本文采用一种新型的异构图神经网络（GNN），有效地利用图的拓扑结构在无线通信优化问题。首先，我们描述了所有的通信链路功能和干扰关系，在我们的系统与异构图结构。然后，我们努力最大化的加权和速率（WSR）的所有用户通过联合优化在BS的主动波束形成，被动波束形成向量的RIS元素，以及RIS的关联策略。与大多数现有的工作，我们考虑一个更一般的情况下，每个用户的级联链路是不固定的，但动态选择最大化的WSR。仿真结果表明，我们提出的异构GNN的性能比其他基准测试好约10倍，一个合适的RIS关联策略也被验证是有效的，提高了30%的用户的服务质量。
2023-02-08 eess.SP
Joint Beamforming and Reflection Design for RIS-assisted ISAC Systems
在本文中，我们调查的潜力，采用可重构智能表面（RIS）的通感一体化（ISAC）系统。特别是，我们考虑一个RIS辅助ISAC系统中，多天线基站（BS）同时执行多用户多输入单输出（MU-MISO）通信和目标检测。我们的目标是联合设计的发射波束形成和接收滤波器的BS，和RIS的反射系数，以最大限度地提高通信用户的总和速率，同时满足最坏情况下的雷达输出信噪比（SNR），发射功率约束，和单位模的反射系数的属性。提出了一种基于分式规划（FP）、优化极小化（MM）和交替方向乘子法（ADMM）的求解复杂非凸问题的有效迭代算法。仿真结果验证了所提出的RIS辅助ISAC方案的优越性和算法的有效性。
2022-05-29 eess.SP
Scalable Beamforming Design for Multi-RIS-Aided MU-MIMO Systems with Imperfect CSIT
School of Electrical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院电气工程学院）
本文提出了一种可扩展的多RIS辅助MU-MIMO系统波束成形设计，通过联合优化预编码器和RIS相移，提升频谱效率并降低计算复杂度。
2026-01-27 eess.SP
A Practical Beamforming Design for Active RIS-assisted MU-MISO Systems
针对主动RIS理想放大模型忽略硬件限制的问题，本文提出基于放大器硬件特性的准确放大模型，并设计了考虑入射信号功率的MU-MIMO系统联合波束成形方案，仿真验证了其有效性。
2024-01-08 eess.SP
Simultaneously Transmitting and Reflecting (STAR) RIS Assisted Over-the-Air Computation Systems
空中计算（AirComp）系统的性能由于无线设备（WD）的恶劣信道条件而降低，这可以通过采用可重构智能表面（RISs）来显著改善。然而，传统的RISs要求WD必须位于反射空间的半平面内，这限制了它们的潜在益处。为了解决这个问题，新的家庭的同时发送和反射可重构智能表面（STAR-RIS）被认为是在AirComp系统，以提高计算精度在广泛的覆盖区域。为了最小化STAR-RIS辅助AirComp系统中的计算均方误差（MSE），我们提出了一种联合波束成形设计，用于优化WD处的发射功率，以及STAR-RIS处的无源反射和发射波束成形矩阵，以及融合中心（FC）处的接收波束成形向量。具体而言，在被动反射和发射波束形成矩阵的更新，封闭形式的解决方案，通过引入一个辅助变量，并利用耦合二进制相移条件。此外，通过假设FC处的天线数量和STAR-RIS/RIS处的元件数量足够高，我们从理论上证明了STAR-RIS辅助的AirComp系统比传统的RIS辅助系统提供更高的计算精度。我们的数值结果表明，所提出的波束形成设计优于基准计划依赖于随机相移约束和部署传统的RIS。此外，它的性能接近的下限实现的波束形成设计的基础上的STAR-RIS免除耦合相移的约束。
2023-01-05 eess.SP
Beamforming and RIS-Aided Ambient Backscatter Communications with Residual-Feature SVM Detection
Wolfson School of Mechanical, Electrical and Manufacturing Engineering, Loughborough University（拉夫堡大学沃夫森机械、电气与制造工程学院）；Loughborough University（拉夫堡大学）；East Midlands Institute of Technology, Loughborough College Group（东米德兰理工学院，拉夫堡学院集团）；Institute for Digital Technologies, Loughborough University（拉夫堡大学数字技术研究所）
针对环境反向散射通信中直射链路受阻的问题，提出联合RIS相位对齐、接收波束赋形和残差特征SVM检测的方法，显著提升误码率性能。
2026-06-23 eess.SP
Joint Beamforming and Position Optimization for Movable-Antenna and Movable-Element RIS-Aided Full-Duplex 6G MISO Systems
本文提出一种利用可移动天线和可移动RIS元件的全双工6G MISO系统，通过联合优化波束成形和位置以提高系统总速率。
2026-01-13 eess.SP
Compact Varactor-Integrated RIS for Wideband and Continuously Tunable Beamforming
本文提出一种低剖面、宽带的变容二极管集成可重构智能表面，通过中间贴片层设计在6.1 GHz实现10%带宽内310°连续相移，并验证了10×10阵列在600 MHz带宽内的精确波束控制能力。
2025-05-08 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
Passive Beamforming For Practical RIS-Assisted Communication Systems With Non-Ideal Hardware
本文针对非理想硬件条件下的RIS辅助通信系统，联合考虑收发机损伤与实际相移模型，利用二次变换、惩罚方法和凸差规划重新设计无源波束赋形，提出一种具有闭式解的高效算法并验证其性能优势。
2024-01-15 eess.SP
Joint Transmit Waveform and Passive Beamforming Design for RIS-Aided DFRC Systems
可重构智能表面（Reconfigurable intelligent surface，RIS）通过巧妙地营造良好的传播环境，能够有效地提高无线通信的容量和覆盖范围，是6 G网络中一项很有前途的技术。在本文中，我们调查的潜力，采用RIS在双功能雷达通信（DFRC）系统，以提高雷达传感和通信功能。特别是，我们考虑了一个RIS-assisted DFRC系统，其中多天线基站（BS）同时执行多输入多输出（MIMO）雷达传感和多用户多输入单输出（MU-MISO）通信使用相同的硬件平台。我们的目标是联合设计的双功能发射波形和RIS的无源波束形成，以最大限度地提高雷达输出信号与干扰加噪声比（SINR）实现空时自适应处理（STAP），同时满足通信服务质量（QoS）的要求下的三个指标之一，恒定模约束的发射波形，和单位模约束的RIS反射系数。针对复杂的非凸优化问题，提出了一种基于交替方向乘子法（ADMM）和优化最小化（MM）的高效算法框架。仿真结果验证了所提出的RIS-assisted DRFC方案的先进性和所提出的基于ADMM-MM的联合发射波形和无源波束形成设计算法的有效性。
2022-05-29 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
