Codebook-based Port Selection and Combining for CSI-Free Uplink Fluid Antenna Multiple Access
University College London(伦敦大学学院);Yonsei University(延世大学);Kuang-Chi Science Limited(光启科学有限公司)
针对上行链路无信道状态信息的流体天线多址接入问题,提出基于码本的端口选择与合并框架,通过预定义码本和用户独立选择码字实现多用户分离,无需全局CSI或联合优化。
2025-12-05 eess.SP
Massive MIMO Beam Management in Sub-6 GHz 5G NR
The University of Texas at Austin(德克萨斯大学奥斯汀分校);North Carolina State University(北卡罗来纳州立大学);Facebook Inc.(脸书公司)
波束码本是5G新无线电(NR)中大规模多输入多输出(M-MIMO)的新特征。由波束成形向量组成的码本用于发送参考信号,并经由码字索引从接收机获得有限的信道状态信息(CSI)。这实现了无法以其他方式获得足够CSI的大型阵列。然而,性能受到码本设计的限制。在本文中,我们表明,机器学习可以用于训练特定于站点的码本的初始访问。我们设计了一个基于自动编码器架构的神经网络,该架构使用波束空间观测结合RF环境特性来提高同步信号(SS)突发码本。我们测试我们的算法使用一个灵活的数据集生成的通道从PDDRiGa。结果表明,我们的模型优于行业标准(DFT波束),并接近最佳性能(完美的CSI和奇异值分解(SVD)为基础的波束形成),只使用几个比特的反馈。
2022-04-12 cs.LG cs.SY eess.SP
Vector Quantization for Deep-Learning-Based CSI Feedback in Massive MIMO Systems
POSTECH(浦项科技大学)
本文提出基于VQ-VAE和形状-增益向量量化的有限速率CSI反馈方法,通过非均匀标量码本和可训练格拉斯曼码本量化潜在向量,并设计多速率码本,在降低计算复杂度的同时提升CSI重建性能。
2024-03-13 cs.AI cs.CV eess.SP
Improving the Performance of R17 Type-II Codebook with Deep Learning
Tsinghua University(清华大学);Shenzhen International Graduate School, Tsinghua University(清华大学深圳国际研究生院);Huawei Technologies Company, Ltd.(华为技术有限公司)
针对R17 Type-II码本中稀疏结构缺失限制深度学习CSI反馈性能的问题,提出利用深度学习精确选择主导端口并重构下行CSI,采用焦点损失与加权捷径模块,仿真证明提升和速率。
2023-09-13 cs.IT cs.LG eess.SP
Extract the Best, Discard the Rest: CSI Feedback with Offline Large AI Models
针对FDD大规模MIMO的CSI反馈,本文提出离线利用视觉型大型AI模型生成定制码本的SSLCF与MSLCF框架及配套算法,在不增加推理开销的情况下提升重建精度与吞吐量。
2025-05-13 eess.SP
Reassessing 3GPP NR CSI Codebook Structures in Near-Field Channels: Finite-Feedback Multilayer Precoding and Design Insights
Beijing University of Posts and Telecommunications(北京邮电大学);Peking University Shenzhen Graduate School(北京大学深圳研究生院);Tsinghua University(清华大学)
本研究评估3GPP NR CSI码本在近场信道中的性能,发现平面波码本导致失配损失,建议优先采用多层多波束表示并辅以范围状态细化。
2026-09-16 eess.SP
Bridging Standardized Codebook and Site-Specific Beamforming: A Unified Limited-Feedback Framework
The University of Hong Kong(香港大学)
本文提出了一种针对下行大规模MIMO有限反馈波束成形的特定站点类型II码本设计,通过嵌入学习的站点特定传播先验信息,减少用户设备侧复杂度并提升频谱效率。
2026-04-23 eess.SP
Adaptive Selection of Codebook Using Assistance Information and Artificial Intelligence for 6G Systems
Samsung Research(三星研究院)
本文提出基于辅助信息与人工智能的6G系统自适应码本选择方法,通过神经网络预测不同码本类型的数据量化精度,以降低CSI开销并保持系统性能。
2026-02-17 eess.SP
Plug-in UL-CSI-Assisted Precoder Upsampling Approach in Cellular FDD Systems
针对FDD大规模MIMO系统中子带级预编码反馈分辨率不足的问题,提出部署在gNodeB的上行链路CSI辅助预编码器上采样模块,将子带级预编码器上采样为资源块级预编码器,作为即插即用模块提升频率选择性信道性能。
2024-05-31 eess.SP
Pushing The Limit of Type I Codebook For FDD Massive MIMO Beamforming: A Channel Covariance Reconstruction Approach
在第五代新无线电(5G NR)频分双工(FDD)大规模多输入多输出(MIMO)系统中,在码本的信道表示分辨率与反馈通信的开销之间存在基本的权衡。特别地,引入了具有不同分辨率和开销要求的两种类型的码本(即,类型I和类型II码本)。尽管基于类型I码本的方案需要较低的反馈开销,但其信道状态信息(CSI)重建和波束成形性能不如基于类型II码本的方案。然而,由于基于类型I码本的方案已在4G系统中广泛使用多年,因此在一夜之间用基于类型II码本的方案来替换它成本太高而不能作为选择。因此,在本文中,使用I型码本,我们利用切割平面方法的进步,以优化CSI重建在基站(BS),以关闭这两个基于码本的波束成形方案之间的差距。基于准确定性RadIO信道发生器(QUASi Deterministic RadIO channel Generator,简称DRiGa)信道样本的数值结果表明,该算法在波束形成矢量捕获方面具有良好的性能。
2020-10-22 eess.SP
Unsupervised Learning of Adaptive Codebooks for Deep Feedback Encoding in FDD Systems
在这项工作中,我们提出了一个联合自适应码本建设和反馈生成方案在频分双工(FDD)系统。无监督和监督深度学习技术都用于此目的。基于最近发现的上行链路(UL)和下行链路(DL)信道状态信息(CSI)在神经网络学习方面的等效性,用于反馈信令的码本和相关联的深度编码器仅基于UL数据。随后,反馈编码器可以被卸载到移动终端(MT)以在那里尽可能高效地生成信道反馈,而无需在终端处的任何训练努力或训练和码本数据的对应传送。数值模拟表明,所提出的方法有前途的性能。
2021-05-21 cs.IT eess.SP math.IT
Clustering-Based Codebook Design for MIMO Communication System
码本设计是有限反馈多输入多输出(MIMO)通信系统的核心技术之一。然而,传统的码本设计通常假设MIMO向量是均匀分布或各向同性的。基于聚类算法良好的分类和分析能力,本文提出了一种基于K-means聚类的码书设计方法。首先将大量的信道状态信息(CSI)作为聚类的输入数据存储,最后根据最小距离将其划分为N个类。聚类中心作为码本构造的统计信道信息,其与真实信道信息的和距离最小。仿真结果与理论分析一致,表明该码本设计优于传统方案,尤其是在信道分布不均匀的情况下。
2019-02-25 cs.IT eess.SP math.IT
Multi-Resolution Codebook Design and Multiuser Interference Management for Discrete XL-RIS-Aided Near-Field MIMO Systems
针对实际XL-RIS离散相移导致的性能下降问题,提出分层波束训练、JOCC/SOCC码本构建及自适应增益矩阵近似的IM方法,提升近场MIMO系统波束训练性能与用户公平性。
2025-08-26 cs.IT eess.SP math.IT
Variable-Length Finite-Rate CSI Feedback With Generative Priors
Pengcheng Laboratory(鹏城实验室);School of Information Science and Technology, Harbin Institute of Technology, Shenzhen(哈尔滨工业大学深圳信息科学与技术学院);College of Applied Technology, Shenzhen University(深圳大学应用技术学院);Guangdong Engineering Technology Research Center of Edge Intelligence, Shenzhen Technology University(深圳技术大学边缘智能广东省工程技术研究中心)
提出CsiCoGen,一种基于生成扩散模型的变长CSI反馈结构,通过可迁移码本实现灵活序列长度和量化精度,无需联合训练,在COST2100上达到高码率下室内-31 dB、室外-20 dB NMSE。
2026-09-14 eess.SP
Deep Learning-based Implicit CSI Feedback in Massive MIMO
National Mobile Communications Research Laboratory, Southeast University(东南大学国家移动通信重点实验室);Institute of Communications Engineering, National Sun Yat-sen University(国立中山大学通信工程研究所);Department of Electrical and Electronic Engineering, Imperial College London(帝国理工学院电气与电子工程系);vivo Communication Research Institute(vivo通信研究院)
针对5G隐式CSI反馈机制,本文提出用神经网络替代PMI编解码模块并利用环境信息与子带相关性,显著降低单RB和宽带系统的反馈开销。
2021-05-21 cs.IT cs.LG eess.SP
Environment-Aware Codebook Design for RIS-Assisted MU-MISO Communications: Implementation and Performance Analysis
本文针对RIS辅助MU-MISO通信,提出环境感知码本协议,通过分块信道训练和基于统计CSI的离线码本生成,显著降低导频开销与计算复杂度,并验证其优于环境无关码本。
2024-06-13 cs.IT eess.SP math.IT
CSI Sensing from Heterogeneous User Feedbacks: A Constrained Phase Retrieval Approach
针对5G异构网络中低分辨率Type-I码本用户的CSI感知问题,提出利用邻近用户空间一致性降维并构建CPR模型的两阶段快速算法,以少量反馈达到Type-II码本性能。
2022-06-28 cs.IT eess.SP math.IT
Beamforming Design Via GNN in mmWave Cell-Free Massive MIMO Using Sub-6 GHz CSI
Centre for Wireless Communications, University of Oulu(奥卢大学无线通信中心);School of Electrical, Computer, and Energy Engineering, Arizona State University(亚利桑那州立大学电气、计算机与能源工程学院)
该研究针对毫米波无小区大规模MIMO系统波束成形需完整毫米波CSI导致训练开销大的问题,提出基于Sub-6 GHz CSI的图神经网络波束成形方法,其总速率性能优于或接近经典基线。
2026-09-01 cs.LG eess.SP
RainGaugeNet: CSI-Based Sub-6 GHz Rainfall Attenuation Measurement and Classification for ISAC Applications
本文首次在2.8 GHz频段基于CSI测量并分析降雨衰减,提出利用多径与时延特征的RainGaugeNet分类模型,仅用20秒CSI数据即在视距和非视距场景下分别取得超90%和85%的准确率,显著超越现有方法。
2025-01-04 eess.SP
Human Walking Sensing and Pose Estimation in the 6 GHz Band Using Amplitude and Phase CSI
Politecnico di Milano(米兰理工大学)
研究利用6 GHz OFDM信号的幅度和相位CSI进行室内人体姿态估计,设计处理流程并适配四种深度学习模型,实验表明幅度CSI性能与联合幅度-相位处理相当,相位信息作为补充特征更有效。
2026-06-08 eess.SP
Enhancing Secrecy Capacity in PLS Communication with NORAN based on Pilot Information Codebooks
针对非正交人工噪声(NORAN)降低合法信道容量、优质方案选取难的问题,提出基于导频信息码本的NORAN方案,通过码本关联导频与次优NORAN、接收端预消噪,在不增加合法信道噪声的前提下显著提升通信系统保密容量与安全性。
2023-10-02 cs.IT eess.SP math.IT
Sequential Learning of CSI for MmWave Initial Alignment
毫米波通信旨在通过使用具有更大带宽的高方向性波束来满足对更高数据速率的需求。固有的挑战是获取毫米波传输所需的信道状态信息(CSI)。我们考虑在毫米波通信的初始对准阶段期间CSI的自适应和顺序学习的问题。我们专注于单用户与一个单一的主导路径的情况下,该问题相当于获取最佳波束形成向量,在理想情况下,所得到的波束指向的方向的到达角与所需的分辨率。我们提出了两种算法,用于自适应和顺序选择波束成形向量的学习的CSI,并制定了贝叶斯更新,以考虑随时间变化的衰落模型,扩展我们的先验。在数值上,我们分析了中断概率和预期的频谱效率,我们提出的算法,并证明了改进的策略,利用一个实用的分层码本。
2019-12-29 cs.IT eess.SP math.IT
Analog Beamforming Codebooks for Wideband Full-Duplex Millimeter-Wave Systems
针对宽带全双工毫米波系统,提出首个模拟波束赋形码本设计,同时对抗波束斜视并消除频率选择性自干扰,在60 GHz、6 GHz带宽下实现更低自干扰和更好覆盖,提升信干噪比与频谱效率。
2024-11-06 eess.SP
AI Enlightens Wireless Communication: A Transformer Backbone for CSI Feedback
本文以IMT-2020(5G)推进组5G+AIWork Group主办的第二届无线通信人工智能(AI)竞赛(WAIC)为背景,首次提出了基于特征向量的信道状态信息(CSI)反馈问题的框架。然后提出了一种用于CSI反馈的基本Transformer骨干,称为EVCsiNet-T。此外,引入了一系列基于深度学习(基于DL)的CSI反馈的潜在增强,包括i)数据增强,ii)损失函数设计,iii)训练策略和iv)模型集成。通过在不同信道下对EVCsiNet-T和传统码本方法的比较,验证了Transformer在基于DL的CSI反馈问题上的优越性能和良好的应用前景。
2022-06-16 eess.SP
Tensor Learning-based Precoder Codebooks for FD-MIMO Systems
Virginia Tech(弗吉尼亚理工大学);Qualcomm(高通公司)
本文提出了一种有效的设计低复杂度的码本预编码在全维(FD)多输入多输出(MIMO)系统与均匀平面阵列(UPA)天线在发射机(Tx)使用张量学习。特别是,我们没有使用统计信道模型,而是利用一种无模型的数据驱动方法,以机器学习为基础,生成适应周围传播条件的码本。我们使用FD-MIMO信道的张量表示,并利用其属性来设计信道预编码器的量化版本。我们找到最佳预编码器的最佳表示作为两个低维预编码器的克罗内克积(KP)的函数,分别对应于UPA的水平和垂直维度,从信道的张量分解获得。然后,我们将该预编码器用于设计乘积码本,使得由于信道状态信息(CSI)的量化而导致的互信息的平均损失最小化。关键的技术贡献在于利用预编码器上的约束,以减少产品码本设计问题的笛卡尔积格拉斯曼流形(CPM)上的无监督聚类问题,其中的集群质心形成一个有限大小的预编码器码本。该码本可以通过在CPM上运行$K$均值聚类来有效地找到。与一个合适的诱导距离度量的CPM,我们表明,产品码书的建设相当于找到最佳的一组质心的因素流形上对应的水平和垂直维度。仿真结果表明,所提出的设计准则在学习的码本和设计的码本有吸引力的性能的能力。
2021-06-21 cs.IT cs.LG eess.SP
Weighted Codebook Scheme for RIS-Assisted Point-to-Point MIMO Communications
提出一种基于DFT码本的加权设计方法,通过迭代优化权重获取最优反射系数,以提升RIS辅助点对点MIMO系统的信道容量,并设计了基于统计CSI的高效码字配置顺序。
2025-03-10 cs.IT eess.SP math.IT
Decentralized Interference-Aware Codebook Learning in Millimeter Wave MIMO Systems
本文针对多小区毫米波MIMO系统提出去中心化干扰感知码本学习方法,利用测量平均估计干扰零陷性能并设计新型奖励函数,在无信息交换条件下实现多智能体解耦学习和显著干扰抑制。
2024-01-15 cs.IT eess.SP math.IT
Codebook Design and Beam Training for Extremely Large-Scale RIS: Far-Field or Near-Field?
可重构智能表面(RIS)通过在基站(BS)和用户之间提供额外的链路来提高无线通信系统的容量。为了抵抗“乘性衰落”效应,RIS更有可能发展成为未来6 G通信的超大规模RIS(XL-RIS)。波束训练是XL-RIS辅助系统获取信道状态信息(CSI)的有效方法。现有的波束训练方案依赖于基于远场信道模型设计的远场码本。但是,由于XL-RIS的大口径,用户更有可能处于XL-RIS的近场区域。远场码本与近场信道模型不匹配。因此,现有的远场波束训练方案将在XL-RIS辅助的近场通信中导致严重的性能损失。为了解决这个问题,我们提出了有效的近场波束训练方案,通过设计近场码本来匹配近场信道模型。具体而言,我们首先设计的近场码本,考虑近场级联阵列导向矢量的XL-RIS。然后,通过XL-RIS和用户之间的穷尽训练过程来获得XL-RIS的最佳码字。为了减少波束训练开销,进一步设计了一种分层近场码本,并提出了相应的分层近场波束训练方案。仿真结果表明,提出的两种近场波束训练方案均优于现有的远场波束训练方案。特别地,分层近场波束训练方案可以在可接受的性能损失的情况下极大地减少波束训练开销。
2021-09-21 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
Environment-Aware Codebook for Reconfigurable Intelligent Surface-Aided MISO Communications
针对 RIS 辅助 MISO 系统,本文利用统计 CSI 和位置信息离线构建环境感知反射系数码本,简化反射优化并分析理论性能,实验证明其在估计误差下以更低开销和复杂度优于现有方案。
2023-04-24 eess.SP
Generative Diffusion Model-based Compression of MIMO CSI
The University of Texas at Austin(德克萨斯大学奥斯汀分校);InterDigital Communications(InterDigital通信公司)
针对MIMO通信中结合边信息的CSI压缩任务,提出一种基于后向扩散过程的解码框架,采用可训练码本进行固定速率编码,实验证明其在特定场景下以不到一半的数据速率实现相当失真,性能提升超两倍。
2025-02-07 cs.AI cs.IT 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
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
Adaptive Bit Partitioning for Reconfigurable Intelligent Surface Assisted FDD Systems with Limited Feedback
针对 RIS 辅助 FDD 系统的有限反馈问题,提出由 LoS/NLoS 子码本构成的级联码本及自适应比特分配策略,以降低遍历速率损失。
2020-11-30 cs.IT eess.SP math.IT
Learning Representations for CSI Adaptive Quantization and Feedback
Technische Universität München(慕尼黑工业大学);Imperial College London(伦敦帝国理工学院)
针对FDD系统中现有CSI压缩量化方法重构误差高的问题,提出训练后量化和自编码器训练中生成码本两种自适应量化方法,均优于标准量化技术。
2022-07-13 cs.LG eess.SP
CA-FedRC: Codebook Adaptation via Federated Reservoir Computing in 5G NR
针对5G NR码本自适应中训练与反馈开销大、性能不足的问题,本文提出CA-FedRC联邦储备池计算框架,以新型指标为输入,在资源受限设备上实现快速收敛、准确信道识别,并优化频谱效率、计算复杂度与反馈开销的权衡。
2024-07-08 eess.SP
Zone-Specific CSI Feedback for Massive MIMO: A Situation-Aware Deep Learning Approach
本文提出分区特定CSI反馈方法,利用用户位置信息选择区域模型以降低大规模MIMO反馈开销,并引入MPTR和MPUR指标,在DeepMIMO场景中平均获得约6dB NMSE增益。
2024-01-15 cs.IT eess.SP math.IT
Deep Learning-Based Channel Extrapolation for Dual-Band Massive MIMO Systems
State Key Laboratory of Internet of Things for Smart City and the Department of Electrical and Computer Engineering, University of Macau(物联网智能城市国家重点实验室和澳门大学电子与计算机工程系);Department of Electrical and Electronic Engineering, Imperial College London(帝国理工学院伦敦分校电子与电气工程系)
本文提出了一种基于深度学习的多域融合信道外推方法,用于将sub-6 GHz频段的信道状态信息外推到毫米波频段,以减少毫米波信道状态信息获取的试点开销,提高大规模MIMO系统的效率。
2026-05-18 cs.LG eess.SP
Combining Reciprocity and CSI Feedback in MIMO Systems
基于互易性的时分双工(TDD)大规模MIMO(多输入多输出)系统利用在上行链路中获得的信道估计来在下行链路中执行预编码。然而,在信道估计不足以在空间上分离多个用户终端的意义上,由于信道估计质量不足,在低上行链路参考信号信噪比下,该方法被批评为崩溃。相反,基于码本的下行链路预编码已经被提倡作为替代解决方案,以便绕过这个问题。我们分析这个问题,考虑一个“网格的光束世界”有限数量的可能的下行链路信道实现。假设终端可以准确地检测到下行链路信道,我们表明,在互易性的情况下,仔细设计的下行链路信道和上行链路参考信号之间的映射将执行比传统的TDD大规模MIMO和频分双工(FDD)大规模MIMO的方法。我们得出优雅的度量设计这个映射,并进一步,我们提出了算法,找到良好的序列映射。
2022-06-10 cs.IT eess.SP math.IT
BRISC: A Dataset of Channel Measurements at 5 GHz With a Reflective Intelligent Surface
University of Padova(帕多瓦大学);University of Brescia(布雷西亚大学)
BRISC数据集通过5GHz的可重构智能表面测量,提供丰富的CSI数据用于通信应用的基准测试和物理层认证研究。
2026-10-23 eess.SP
Scalable Framework For Deep Learning based CSI Feedback
多输入多输出(MIMO)系统中基于深度学习(DL)的信道状态信息(CSI)反馈近年来引起了学术界和工业界的广泛关注。从实际的观点来看,对于基站(BS)的每个参数配置,训练、传输和部署DL模型是巨大的负担。在本文中,我们提出了一个可扩展的和灵活的框架,基于DL的CSI反馈称为可扩展CsiNet(SCSiNet),以适应家庭的配置参数,如反馈有效载荷,MIMO信道秩,天线数量。为了减小模型规模和训练复杂度,SCsiNet的前处理和后处理核心模块在不同的参数配置之间尽可能多地重用,这与面向配置的设计完全不同。预处理和后处理是可训练的神经网络层,用于匹配输入/输出维度和概率分布。在系统级仿真中,通过平方广义余弦相似性(SGCS)和用户吞吐量(UPT)度量来评估所提出的SCsiNet。与现有方案(面向配置的DL方案和基于3GPP Rel-16 Type-II码本的方案)相比,所提出的方案可以显著减小模式大小并且对于所有参数配置实现2%-10%的UPT改进。
2022-10-18 eess.SP
User Tracking and Direction Estimation Codebook Design for IRS-Assisted mmWave Communication
针对IRS辅助毫米波通信中移动用户时变信道需调整IRS反射模式的问题,提出基于峰值似然方向估计的码本用户跟踪算法,设计专用优化码本,以低开销实现更低估计误差、更高SNR与有效速率,性能优于两类基准方案。
2024-09-16 eess.SP
Data-Driven Robust Beamforming for Initial Access
本文针对CSI过时或不完善场景下的初始接入鲁棒波束成形问题,提出利用历史CSI数据定位未来UE位置邻域并设计码本以最大化最小波束成形增益,数值结果表明其性能大幅优于MRT和子空间方法。
2023-08-14 cs.IT eess.SP math.IT
A CSI Feedback Framework based on Transmitting the Important Values and Generating the Others
针对DL基CSI反馈网络泛化能力有限的问题,提出ITUG框架:UE传输CSI关键值,BS用TPMVNet生成剩余值,实验证明其在多样信道条件下重建性能优于多个高性能自动编码器模型。
2024-11-29 eess.SP
Analog-Only Beamforming for Near-Field Multiuser MIMO Communications
针对近场多用户 MIMO 中 HBF 依赖有效信道估计和导频开销的问题,提出基于 MM 算法的完美与不完美 CSI 两种 AoBF 方案,以接近 HBF 和速率并提升能效。
2024-12-06 cs.IT eess.SP math.IT
Antenna Coding and Digital Precoding for Limited Feedback MIMO Systems Using Pixel Antennas
School of Information and Electronics, Beijing Institute of Technology(北京理工大学信息与电子学院);Internet of Things Thrust, The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州)物联网主题)
针对像素天线带来的信道状态信息获取开销问题,提出基于码本和索引反馈的有限反馈MIMO系统,联合设计天线编码器和数字预编码器,并开发低复杂度离线码本构建算法,性能优于传统固定配置天线。
2026-09-17 eess.SP
Neural Network-Enabled Codebook Design for Phased Array Calibration with Arbitrary Array Sizes
Beijing University of Posts and Telecommunications(北京邮电大学);National Mobile Communications Research Laboratory, School of Information Science and Engineering, Southeast University(东南大学信息科学与工程学院移动通信国家重点实验室);Purple Mountain Laboratories(紫金山实验室);China Academy of Information and Communications Technology(中国信息通信研究院)
提出一种神经网络驱动的码本生成方法,适用于任意规模相控阵校准,在最少测量次数下实现低条件数,提升校准精度与波束赋形质量。
2026-06-16 eess.SP
Learnware for CSI Feedback: Scene-specific Small Models Can Do Big
Southeast University(东南大学);The Hong Kong University of Science and Technology(香港科技大学);National Sun Yat-sen University(国立中山大学);Nanjing University(南京大学)
针对6G CSI反馈的模型泛化与场景性能权衡问题,提出基于学习件的模型仓库框架,可高效检索匹配的预训练模型,在LOS/NLOS场景下性能优于通用模型,减少训练开销并增强隐私。
2026-08-19 cs.AI cs.IT eess.SP
SiFo: Wireless Foundation Model for Low-Overhead Site-Specific CSI Feedback
The University of Hong Kong(香港大学)
SiFo提出一种基于无线基础模型的框架,通过预训练和轻量级校准实现高效特定站点CSI反馈,提升频谱效率。
2026-05-15 eess.SP
Massive MIMO Evolution Towards 3GPP Release 18
自从在第三代合作伙伴计划(3GPP)版本15中引入第五代新无线电(5G-NR)以来,随着3GPP版本18的出现,已经在演进5G方面取得了快速进展。一个关键方面是大规模多输入多输出(MIMO)技术的设计。在这方面,本文作出了几个重要贡献:我们提供了一个全面的概述,标准化的大规模MIMO功能的演变,从3GPP版本15到17的时间/频分双工操作跨频段FR-1和FR-2。分析了信道状态信息(CSI)框架和波束管理框架的研究进展,并提出了上行链路CSI的改进方案。我们揭示了需要立即关注的新兴3GPP Release 18问题。这些包括用于具有多个发送/接收点(多TRP)的相干联合传输(CJT)的高级码本设计和探测参考信号设计。我们讨论了上行链路解调参考信号设计的进步,增强移动性以提供准确的CSI估计,以及为FR-2频带定制的统一传输配置指示符框架。对于每个概念,我们提供系统级仿真结果,以突出其性能优势。通过上海交通大学户外环境中的现场试验,我们展示了3.7 GHz下多TRP CJT相对于单TRP的增益。
2022-10-15 cs.IT eess.SP math.IT
Feedback-Efficient Beam-User Association for Near-Field mmWave Hybrid Beamforming Systems
Phenikaa University(Phenikaa 大学);Van Lang University(范浪大学);Henan Polytechnic University(河南理工大学)
针对近场毫米波混合波束赋形系统,提出一种反馈高效的波束-用户关联框架,通过仅上报M个最强候选并结合比例公平指标,在极小反馈开销下实现接近全指标的性能。
2026-09-14 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
Wireless Digital Twin Calibration: Refining DFT-Domain Channel Information
School of Electrical, Computer, and Energy Engineering, Arizona State University(亚利桑那州立大学电气、计算机与能源工程学院);Nokia Bell Laboratories(诺基亚贝尔实验室)
本文提出通过校准DFT域信道信息而非数字孪生模型本身,以提升低保真数字孪生与高保真模型或现实世界的一致性,从而在降低计算开销的同时保持高质量的信道状态信息获取。
2026-04-20 cs.IT eess.SP math.IT
A Deep Learning and Geospatial Data-Based Channel Estimation Technique for Hybrid Massive MIMO Systems
针对多用户大规模多输入多输出(MU-mMIMO)系统,提出了一种基于角度混合预编码(AB-HP)的信道估计方法。提出的信道估计技术通过深度神经网络(DNN)和模糊c均值(FCM)聚类生成服务区域中用户终端(UT)区域的分组信道状态信息(CSI)。通过离线光线追踪和与一维卷积神经网络(1D-CNN)和回归树集合相关联的基于DNN的路径估计模型,从地理空间数据计算服务区域中的基站(BS)与可行UT位置之间的慢时变CSI。然后,UT级CSI的所有可行的位置被分组到一个建议的FCM聚类簇。最后,服务区域被划分为多个非重叠UT区。每个UT区的特征在于被称为UT组CSI的对应集群集合,其在AB-HP的模拟RF波束成形器设计中被利用以减少MU-mMIMO系统中所需的大的在线CSI开销。然后,在AB-HP的基带(BB)预编码器中采用减小尺寸的在线CSI。仿真在28 GHz的室内场景中进行,并在具有16 × 16 =256个天线和22个RF链的均匀矩形阵列(URA)的AB-HP MU-mMIMO系统中进行测试。说明性的结果表明,91.4%的在线CSI可以减少通过使用所提出的离线信道估计技术相比,传统的在线信道探测。所提出的基于DNN的路径估计技术产生相同量的UT级CSI,与计算上昂贵的光线追踪相比,运行时间减少了65.8%。
2022-01-29 cs.IT eess.SP math.IT