A General 3D Space-Time-Frequency Non-Stationary THz Channel Model for 6G Ultra-Massive MIMO Wireless Communication Systems
针对第六代太赫兹(THz)无线通信系统,提出了一种新的三维空间-时间-频率(STF)非平稳几何随机模型(GBSM)。所提出的THz信道模型是非常通用的,具有在多个THz应用场景中捕获不同信道特性的能力,所述多个THz应用场景诸如室内场景、设备到设备(D2 D)通信、超大规模多输入多输出(MIMO)通信以及用户的长行进路径。此外,所提出的信道模型的通用性证明了它可以很容易地减少到不同的简化信道模型,以适应特定的情况下,通过适当地调整模型参数的事实。所提出的通用信道模型分别考虑了由超大规模多输入多输出、长传播路径和大带宽THz通信引起的空间、时间和频率域的非平稳性。统计特性的建议一般太赫兹信道模型进行了研究。通过将相对角度扩展和均方根时延扩展的仿真结果与相应的信道测量值进行比较,验证了所提出的信道模型的准确性和通用性。
2021-04-20 eess.SP
A Grant-based Random Access Protocol in Extra-Large Massive MIMO System
超大型大规模多输入多输出(XL-MIMO)系统是一个新概念,其中空间非平稳性允许激活大量用户设备(UE)。本文重点研究了一种基于授权的随机接入(RA)方法在新的XL-MIMO信道场景。在经典的最强用户冲突解决(SUCRe)协议的修改已被聚合,以探讨在XL-MIMO的可见性区域(VR)重叠。所提出的基于授权的RA协议利用这种新的自由度来提高接入尝试和接受的UE的数量。因此,所提出的用于XL-MIMO系统的基于授权的协议能够减少导频分配步骤中的延迟。
2020-09-05 cs.SY eess.SP eess.SY
Low-Complexity Zero-Forcing Precoding for XL-MIMO Transmissions
部署具有渐进大孔径的天线阵列将是在超5G系统中实现大规模MIMO理论增益的核心。这种超大型MIMO(XL-MIMO)系统经历在常规大规模MIMO系统中通常观察不到的传播条件,诸如空间非平稳性和近场传播。此外,由于与这种大规模场景相关联的过高的复杂性,诸如迫零(ZF)的标准预编码方案可能不适用于XL-MIMO传输。我们提出了两种新的预编码方案,旨在降低复杂性,而不会失去太多的性能。所提出的方案利用平面波近似和用户分组来获得ZF预编码器的低复杂度近似。我们的仿真结果表明,所提出的方案提供了一个性能和复杂性权衡的可能性相比,基准计划。
2021-03-01 cs.IT eess.SP math.IT
Power-Efficient XL-MIMO Design for Mixed Near- and Far-Field SWIPT Systems
Queen’s University Belfast(贝尔法斯特女王大学);Centre for Wireless Innovation (CWI)(无线创新中心);Kyung Hee University(庆熙大学)
本文针对混合近远场SWIPT系统,提出基于XL-MIMO的PA-SA-HB方案,通过优化子阵列激活和功率分配降低功耗,仿真显示其功耗较全阵列方案最高降低93%。
2026-07-31 eess.SP
Low-Complexity Distributed XL-MIMO for Multiuser Detection
在本文中,迫零和正则化迫零计划在拥挤的超大型MIMO(XL-MIMO)的情况下,具有固定数量的子阵已经使用随机Kaczmarz算法(rKA)进行了仿真。为此,在考虑非平稳信道的两种不同功率归一化方法时,通过可见区域的概念部署了非平稳特性。我们解决的随机性设计的rKA的基础上开发的空间非平稳特性。数值结果表明,在一般情况下,所提出的基于rKA的组合器适用于XL-MIMO系统可以大大降低计算复杂度的信号检测器付出很小的性能损失。
2020-01-31 eess.SP
High Order M-QAM Massive MIMO Detector with Low Computational Complexity for 5G Systems
在这项工作中,已经评估了具有高阶星座的传统和大规模多输入多输出系统的误比特率的行为,这对于实现5G标准通信的频谱效率至关重要。我们使用实域Schnorr Euchner枚举与K-best算法,以减少检测的计算复杂度。结果,在这封信中,已经优于现有的检测算法的复杂度和BER,特别是在低信噪比区域,大规模和传统的MIMO系统。我们针对N $\times$ N MIMO系统执行了仿真,其中N = 8、25、40、50、60、80、100和120,用于根据用于5G系统及更高系统的最新3GPP标准的256-QAM和1024-QAM高阶传输系统。所有的分析和结果,在这封信中给出的是从我们的MIMO检测器,在使用纠错解码器。
2018-08-06 eess.SP
Constellation-Oriented Perturbation for Scalable-Complexity MIMO Nonlinear Precoding
本文提出了一种新的非线性预编码(NLP)技术,即面向星座的扰动(COP),以解决传统的NLP技术固有的可扩展性问题。COP的基本概念是在星座域而不是符号域中应用矢量扰动(VP);如常规技术中经常使用的。通过这种方式,使得COP的计算复杂度与多天线的大小无关(即,MIMO)网络。相反,它与符号星座的大小有关。通过广义线性变换,证明了COP算法复杂度在星座域的灵活伸缩性,实现了复杂度与性能的良好折衷。我们的计算机模拟表明,COP可以提供非常可比的性能与最佳的VP在小型MIMO系统。此外,它在大型MIMO中显著优于当前的次优VP方法(例如2度VP),同时保持低得多的计算复杂度。
2022-09-04 eess.SP
Exploring the Non-Overlapping Visibility Regions in XL-MIMO Random Access Protocol
最近的超大规模大规模多输入多输出(XL-MIMO)系统被视为用于在增加的用户密度场景中提供非常高的数据率的有前景的技术。空间非平稳性和可见性区域(VR)出现在XL-MIMO阵列上,因为其大尺寸与到用户设备(UE)的距离具有相同的数量级。由于在XL-MIMO系统的典型应用中UE的增加的密度和导频的稀缺性,随机接入(RA)协议和调度算法的设计变得具有挑战性。在本文中,我们提出了一种联合RA和调度协议,即非重叠VR XL- MIMO(NOVR-XL)RA协议,其利用UE的不同VR来改善RA性能,除了在相同的有效载荷数据导频资源中寻找具有非重叠VR的UE进行调度之外。我们的研究结果表明,该方案实现了显着的收益,与传统的RA方案相比,在总速率,以及减少访问延迟和提高整体连接性能。
2021-07-19 cs.IT cs.SY eess.SP
Sampling-Free Diffusion Transformers for Low-Complexity MIMO Channel Estimation
Queen Mary University of London(伦敦大学玛丽女王学院);Kyung Hee University(庆熙大学)
本文提出无需采样的扩散变换器(SF-DiT-CE)用于低复杂度MIMO信道估计,利用MIMO信道的角域稀疏性,通过轻量级DiT直接预测干净信道,避免迭代采样,提升准确性和鲁棒性。
2026-04-24 eess.SP
Low-Complexity Linear Diversity-Combining Detector for MIMO-OTFS
本文提出了一种低复杂度的检测器,多输入多输出(MIMO)系统的基础上最近提出的正交时频空间(OTFS)调制。在所提出的检测器中,通过不同的分集分支(传播路径和接收天线)接收到的发送符号矢量的副本被线性组合使用最大比组合(MRC)技术,以迭代地提高信号干扰加噪声比(SINR)在组合器的输出。为了减轻性能下降,由于在接收机天线的空间相关性,我们提出了一种基于样本的方法来估计这种相关性,并找到最佳的组合权重MRC从估计的相关矩阵。该检测器的性能和复杂度优于文献中提出的MIMO-OTFS的线性最小均方误差(LMMSE)和消息传递(MP)检测器。
2022-01-27 eess.SP
Low-Complexity Massive MIMO Tensor Precoding
基于Rician衰落信道子空间可分性的新发现,提出了一种新的低复杂度的大规模多输入多输出(MIMO)预编码策略.考虑在基站的均匀矩形阵列,我们表明,由信道向量所跨越的子空间可以分解为两个低维子空间之间的张量积。基于这个结果,我们制定张量最大比传输和迫零预编码器。我们表明,所提出的张量预编码器具有较低的计算复杂度,需要更少的瞬时信道状态信息比他们的线性同行。最后,我们提出了计算机模拟,证明了所提出的张量预编码器在实际通信场景中的适用性。
2020-09-21 eess.SP
A Low-Complexity ADMM-based Massive MIMO Detectors via Deep Neural Networks
基于交替方向乘法器(ADMM)的检测器在小型和大型多输入多输出(MIMO)系统中都能获得良好的性能。然而,由于难以选择最佳的惩罚参数,它们的性能是有限的。本文提出了一种基于深度神经网络(DNN)的大规模大规模多输入多输出检测方法,可以克服上述局限性。它利用展开技术并学习估计惩罚参数。此外,还提出了一种计算上更便宜的检测器。所提出的方法可以处理高阶调制信号。数值结果表明,所提出的方法与现有的作品相比,性能。
2021-02-27 eess.SP
Low Complexity Iterative 2D DOA Estimation in MIMO Systems
多输入多输出(MIMO)系统在波达方向(DOA)估计中起着至关重要的作用。MIMO系统中大量天线的使用给MUSIC和ESPRIT等常用DOA估计算法带来了很大的复杂度负担。这使得这些算法在需要快速DOA估计的应用中不切实际。因此,我们从理论上推导出几个有用的噪声子空间向量时,信号源的数量小于发送器和接收器侧的元素的数量。这些噪声子空间向量,然后利用制定一个二维约束的最小化问题,迭代求解,以获得在场景中的所有源的DOA。所提出的迭代算法的收敛性已被数学和数值证明。根据迭代次数,我们的算法可以提供显着的复杂度增益超过现有的高分辨率二维DOA估计算法在MIMO系统中,如MUSIC,同时表现出相当的性能,为中等到高的信噪比(SNR)。
2023-03-15 eess.SP
Optimal but Low-Complexity Optimization Method for Nonsquare Differential Massive MIMO
本文针对非方阵差分大规模MIMO提出一种将离散非线性优化改造为连续线性优化的低复杂度方法,实现即时收敛,并在任意发射天线数下以几乎可忽略的优化成本获得最佳编码增益。
2023-05-26 eess.SP
MIMO radar waveform design with practical constraints: A low-complexity approach
在这封信中,我们考虑的多输入多输出(MIMO)雷达波形设计中存在的信号相关的杂波和加性高斯白噪声。通过引入恒模约束(CMC)和波形相似性约束(SC),信号干扰噪声比(SINR)最大化问题一般是非凸的NP-难问题,可以转化为一系列凸二次约束二次规划(QCQP)子问题。为了有效地解决每个子问题,我们提出了一个低复杂度的方法称为加速梯度投影(AGP)。与传统的基于IPM的方法相比,我们提出的算法在接收SINR和波束方向图方面实现了相同的性能,同时显着降低了计算复杂度。
2018-05-10 eess.SP
Low-Complexity On-Grid Channel Estimation for Partially-Connected Hybrid XL-MIMO
Seoul National University(首尔大学)
本文提出了一种低复杂度的两阶段网格信道估计算法,用于近场XL-MIMO系统,有效降低计算复杂性并提升信道估计性能。
2025-02-14 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
Exploiting Structured Sparsity with Low Complexity Sparse Bayesian Learning for RIS-assisted MIMO Channel Estimation
针对RIS辅助MIMO通信信道估计的精度与复杂度问题,提出低复杂度的UAMPSBL-PCI算法以利用信道结构化稀疏性,仿真证明其性能优于现有算法。
2023-08-02 eess.SP
Performance and Complexity Analysis of Terahertz-Band MIMO Detection
Technical University of Berlin(柏林工业大学)
本研究针对太赫兹MIMO系统数据检测的复杂度与性能问题,提出空间并行化检测方案、信道矩阵复用策略等,推导误码率理论界,实现了性能提升与计算量降低。
2025-10-21 eess.SP
Low-Complexity Channel Parameter Estimation for Coprime HRIS-Assisted MIMO Systems
Federal University of Ceará(塞阿拉联邦大学)
针对互素HRIS辅助MIMO系统,本文提出低复杂度信道参数估计方案,结合Khatri-Rao与Kronecker分解、空间平滑及Root-MUSIC,实现稳健估计,性能鲁棒。
2026-08-14 eess.SP
Low-Complexity Tensor-Based Channel Parameter Estimation for mmWave MIMO-Assisted Systems
Federal University of Ceará(塞阿拉联邦大学)
本文针对采用无源Butler矩阵波束成形的下行毫米波大规模MIMO系统,提出基于三阶PARAFAC张量的低复杂度信道估计框架,通过BALS优化降低计算开销,结合ESPRIT提取角度并推导CRLB,仿真显示其性能优于传统最小二乘方法。
2026-10-12 eess.SP
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
Low-Complexity, Space Splitting-based User Selection in MU-MIMO for Massive Connectivity and AI-Native Traffic
University of Surrey(萨里大学)
本文提出一种低复杂度、并行化的方法,通过构建正交空间基并独立匹配用户到空间方向,解决MU-MIMO用户选择的计算复杂度问题,提升频谱效率。
2026-04-15 eess.SP
Spectral-Efficient MIMO-OFDM: Low-Complexity Solution based on Random Multiplexing
Fudan University(复旦大学);Technische Universität, Berlin(柏林工业大学);Zhejiang University(浙江大学)
该研究提出基于随机复用预编码与OAMP估计器的低复杂度MIMO-OFDM系统,兼容5G,经理论分析与数值验证,可提升频谱效率,是6G及后续无线网络的有前景方案。
2026-08-28 eess.SP
Low Complexity Iterative Detection for a Large-scale Distributed MIMO Prototyping System
研究了大规模分布式多输入多输出(MIMO)系统中的低复杂度迭代软输入软输出(SISO)检测算法。上行链路干扰抑制矩阵被设计为将接收到的多用户信号分解为独立的单用户接收。提出了一种改进的基于特征值分解的最小均方误差迭代软判决干扰抵消算法(EVD-MMSE-ISDIC),对分解后的信号进行低复杂度检测。此外,给出了两种提高接收性能的迭代方案,即迭代检测和解码(IDD)方案和迭代检测(ID)方案。IDD利用解码器产生的外部信息进行迭代检测,而检测器的输出信息则直接利用ID。具体而言,引入了大规模分布式MIMO原型系统,并在3.5 GHz下进行了32个$ \times $ 32(4个用户设备(UE)和4个远程天线单元(RAU),每个远程天线单元配备有8个天线)的实验测试。实验结果表明,所提出的迭代接收机大大优于线性MMSE接收机,因为它减少了系统的平均错误块的数量显着。
2018-11-19 eess.SP
Complexity Comparison between Two Optimal-Ordered SIC MIMO Detectors Based on Matlab Simulations
本文首先介绍了我们共享的Matlab源代码,该代码模拟了[1]和[2]中提出的两种最优排序SIC检测器。基于我们共享的Matlab代码,我们通过理论复杂度计算和数值实验比较了[1]和[2]中两种检测器的计算复杂度。我们进行理论复杂度计算,以获得[1]和[2]中两个检测器的最坏情况复杂度。然后从理论上的最坏情况复杂度,我们得出结论:[2]中提出的检测器比[1]中提出的检测器多需要9N2个浮点运算(flops),其中N是发射天线的数目。我们的数值实验还表明,[2]中的检测器比[1]中的检测器需要更多的最坏情况和平均复杂度。
2020-10-21 eess.SP
Low-Complexity Super-Resolution Signature Estimation of XL-MIMO FMCW Radar
Indian Institute of Technology Delhi(印度德里理工学院)
本文提出了一种低复杂度的超分辨率签名估计技术,用于解决XL-MIMO FMCW雷达在空间宽带效应下的目标签名估计问题。
2026-03-09 eess.SP
Learning to Unfold Fractional Programming for Multi-Cell MU-MIMO Beamforming with Graph Neural Networks
School of Information Science and Engineering, Southeast University(东南大学信息科学与工程学院)
本文提出利用图神经网络学习展开快速FP算法,以降低MU-MIMO波束成形的计算复杂度并提高收敛速度。
2026-01-12 eess.SP
Efficient Detection in Uniform Linear and Planar Arrays MIMO Systems under Spatial Correlated Channels
在本文中,各种MIMO检测器的效率进行了分析,从高度相关的信道的角度来看,MIMO系统有缺乏的性能,除了在某些情况下增加的复杂性。考虑到这一困难但{有用}的场景,各种MIMO检测方案{关于}复杂度和误比特率(BER)性能进行了准确评估。具体地,连续干扰消除(SIC)、格基约简(LR)以及它们的组合与传统的线性MIMO检测技术相关联。{To为了证明有效性,已经考虑了宽范围的天线数量和调制格式,旨在根据其性能-复杂度权衡来验证这种MIMO检测技术的潜力。我们还研究了当发射和接收端都配备有均匀线阵(UWB)和均匀平面阵(UPA)天线配置时的相关效应。当两种天线阵列配置被部署{考虑}不同的天线数量和调制阶数时,特别是{在}近大规模多输入多输出条件下,仔细比较了不同检测器的性能。我们还讨论了阵列因子(AF)和两种{天线阵列}结构的BER性能之间的关系。
2018-10-06 eess.SP
Low-Complexity SDP-ADMM for Physical-Layer Multicasting in Massive MIMO Systems
本文针对大规模MIMO系统中NP难的MMF多播波束赋形优化问题,提出低复杂度SDP-ADMM算法,以大幅降低的计算开销获得与现有最优算法相当的近全局最优秩1解。
2025-04-08 eess.SP
Low Complexity Hybrid Precoding Designs for Multiuser mmWave/THz Ultra Massive MIMO Systems
毫米波和太赫兹技术已经吸引了无线研究界的关注,因为它们可以提供大的未充分利用的带宽,这可以使得能够在未来的无线通信系统中支持超高速连接。虽然在这些频率处发生的高信号衰减需要采用非常大(或所谓的超大规模)的天线阵列,但是为了实现低复杂度和低功耗,必须采用混合模拟/数字设计。在本文中,我们提出了一种混合设计算法,适用于毫米波和太赫兹多用户多输入多输出(MIMO)系统,其中包括单独的计算步骤的数字预编码器,模拟预编码器和多用户干扰抑制。该设计还可以集成不同的模拟结构,如移相器、开关和逆变器、天线选择等,并且还适用于不同的结构,即全连接子阵列(AoSA)和动态子阵列(DAoSA),使其适合于在硬件严重受限的THz系统中支持超大规模多输入多输出(UM-MIMO)。我们将证明,通过使用所提出的方法,即使用户和数据流的数量增加,也可以在频谱效率和简化实现之间实现良好的权衡。
2021-07-24 eess.SP
Improving Random Access with NOMA in mMTC XL-MIMO
针对拥挤mMTC XL-MIMO场景中的随机接入问题,提出结合NOMA与SUCRe-XL优势的NOMA-XL协议,通过子阵列级信号处理满足远场条件,减少接入尝试次数并提升平均总速率。
2023-04-07 cs.IT eess.SP math.IT
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
RIS-assisted Atomic MIMO Receiver
University of Surrey(萨里大学);Queen Mary University of London(伦敦玛丽女王大学);Aristotle University of Thessaloniki(塞萨洛尼基亚里士多德大学)
本文提出一种RIS辅助的原子MIMO接收机架构,利用PAM对齐相位以降低复杂度,并通过Adam算法求解非凸优化问题。
2025-10-17 eess.SP
Complexity-Scalable Near-Optimal Transceiver Design for Massive MIMO-BICM Systems
本文针对大规模MIMO-BICM系统提出基于信道双对角化分解的复杂度可扩展收发机设计,利用等效信道条件数指导低复杂度GP-CBD优化,在可达速率和误比特率上优于现有方案。
2025-04-12 eess.SP
Robust massive MIMO Equilization for mmWave systems with low resolution ADCs
利用可用的毫米波频谱对于5G来说非常重要。在这项工作中,我们研究了基于链路级仿真的低分辨率ADC的数字波束形成的性能,包括信道估计,MIMO均衡和信道解码。我们考虑最近商定的3GPP NR类型1OFDM参考信号。比较结果表明,顺序DCD在检测性能和复杂度方面都优于基于MMSE的MIMO均衡。我们还表明,基于DCD的算法是更强大的信道估计错误。与通常认为的不同,我们还表明,大规模MIMO大规模多输入多输出系统的MMSE均衡的复杂性不是由矩阵求逆决定的,而是由Gram矩阵的计算决定的。
2017-11-14 eess.SP
Leveraging Deep Neural Networks for Massive MIMO Data Detection
大规模多输入多输出(MIMO)是新兴的下一代无线系统的关键技术。大规模多输入多输出通过在基站处利用大型天线阵列,通过同时服务大量用户来实现实质上的空间复用增益。然而,大规模多输入多输出信号处理(例如,数据检测)随着用户数量的增加而迅速增加,使得传统的手工设计算法在计算上效率较低。低复杂度的大规模多输入多输出检测算法,特别是那些受深度学习启发或帮助的算法,已经成为一种有前途的解决方案。虽然存在许多MIMO检测算法,但这篇杂志论文的目的是深入了解如何利用深度神经网络(DNN)进行大规模多输入多输出检测。我们回顾了基于DNN的MIMO检测的最新进展,该检测将已建立的MIMO检测算法的领域知识与DNN的学习能力相结合。然后,我们提出了这些作品的关键数值性能指标的比较。最后,我们描述了DNN在大规模多输入多输出接收机中的未来研究领域和应用。
2022-04-11 eess.SP
Reliable and Low-Complexity MIMO Detector Selection using Neural Network
Samsung Semiconductor Inc.(三星半导体公司)
在本文中,我们提出使用神经网络为5G NR/LTE通信系统的传输块中的每个资源元素(RE)动态地选择MIMO检测器。目标是最小化MIMO检测的计算复杂度,同时保持传输块错误率(BLER)接近使用降维最大似然(DR-ML)检测时的BLER。一个检测器的选择问题,制定实现这一目标。然而,由于该问题是高维和NP难的,我们首先将问题分解成更小的问题和训练多层感知器(MLP)网络获得的解决方案。MLP网络被训练为使用RE中的瞬时信道条件来选择低复杂度但可靠的检测器。我们首先提出了一种方法来生成一个标记的数据集,以选择一个低复杂度的检测器。然后,使用拟牛顿法对MLP进行两次训练,为每个RE选择可靠的检测器。在线检测器选择的性能在5G NR链路级仿真器中根据BLER进行评估,并且复杂度根据欧几里得距离(ED)计算的数量和实数加法和乘法的数量进行量化。结果表明,在MIMO检测器的计算复杂度可以减少约10倍,使用所提出的方法。
2019-10-11 cs.LG eess.SP
Complexity-Scalable Neural Network Based MIMO Detection With Learnable Weight Scaling
University College London(伦敦大学学院)
本文介绍了一种基于深度神经网络(DNN)的MIMO检测器的系统复杂度缩放框架。该模型使用DNN输入的一部分,通过遵循单调非递增函数的权重来缩放其值。这允许在不同的DNN层之间和内部进行权重缩放,以实现准确性-vs.推理过程中的复杂性可伸缩性。为了进一步提高我们的建议的性能,我们引入了一个稀疏诱导正则化约束与可训练的权重缩放函数。通过这种方式,网络学习平衡检测精度与复杂度,同时还增加了对激活模式变化的鲁棒性,从而在相同的推理复杂度下进一步提高检测精度和BER性能。数值结果表明,我们的方法是10倍和100倍的复杂性比经典的方法的基础上半定松弛和ML检测,分别。
2020-07-01 cs.LG eess.SP
A Bayesian Receiver with Improved Complexity-Reliability Trade-off in Massive MIMO Systems
第五代($5$ G)蜂窝网络对可靠性和处理延迟的严格要求给大规模多输入多输出(M-MIMO)接收机的设计带来了相当大的挑战。M-MIMO接收器的两个主要组件是检测器和解码器。为了改善可靠性和复杂性之间的权衡,贝叶斯概念已被认为是一种有前途的方法,增强了经典的检测器,例如最小均方误差检测器。本文提出了一种基于贝叶斯框架的迭代M-MIMO检测器,并行干扰消除方案和决策统计组合概念。然后,我们开发了一个高性能的M-MIMO接收机,结合所提出的检测器与低复杂度的极性码顺序解码。仿真结果表明,与其他低复杂度检测器相比,该检测器具有显著的性能增益。此外,所提出的具有顺序解码的M-MIMO接收器确保了与具有用于来自5G新无线电标准的极化码的堆栈连续消除解码的接收器相比低一个数量级的复杂度。
2021-10-27 cs.IT eess.SP math.IT
Complexity-Aware Theoretical Performance Analysis of SDM MIMO Equalizers
该研究提出一种复杂度感知的理论框架,可快速准确计算任意空间模式与滤波器抽头数量的SDM线性MIMO均衡器输出信噪比,速度较蒙特卡洛模拟提升三个数量级。
2024-04-18 cs.IT eess.SP math.IT
A Deep Learning-Based Framework for Low Complexity Multi-User MIMO Precoding Design
在多用户多输入多输出(MU-MIMO)系统中,利用预编码抑制多用户干扰是一种提高频谱效率的技术,而追求高性能、低复杂度的预编码方法是近十年来的研究热点。传统的迫零(ZF)算法和加权最小均方误差(WMMSE)算法在复杂度和性能之间没有取得令人满意的折衷。在本文中,利用深度学习的力量,我们提出了一个低复杂度的MU-MIMO系统的预编码设计框架。其核心思想是将MIMO预编码问题转化为多输入单输出预编码问题,从而得到最优预编码结构的封闭形式。设计定制的深度神经网络来拟合从信道到预编码矩阵的映射。此外,输入降维,网络修剪和恢复模块压缩技术,以进一步提高计算效率。在此基础上,研究了该算法在实际MIMO正交频分复用(MIMO-OFDM)系统中的扩展。仿真结果表明,该算法在计算复杂性很低的情况下,获得了与WMMSE算法相似的性能。
2022-07-08 cs.IT eess.SP math.IT
Low-Complexity Equalization of MIMO-OSDM
正交信号分复用(OSDM)由于其降低峰均功率比(PAPR)的能力而成为传统正交频分复用(OFDM)的替代方案。将OSDM与多输入多输出(MIMO)信令组合具有实现高频谱和功率效率的潜力。然而,在这种情况下,直接信道均衡引起立方复杂度,这对于实际使用来说可能是昂贵的。针对这一问题,本文分别针对时不变信道和时变信道提出了低复杂度的MIMO-OSDM逐矢量均衡算法和块均衡算法。通过利用信道矩阵结构,这些算法在变换域中仅具有线性复杂度。仿真结果验证了它们的有效性和相关的性能比较。
2019-06-26 cs.IT eess.SP math.IT
Performance / Complexity Trade-offs of the Sphere Decoder Algorithm for Massive MIMO Systems
大规模MIMO系统被许多研究人员视为下一代网络的重要技术。该技术由数百个天线组成,能够同时发送和接收大量数据。使用这种技术的主要挑战之一是需要一个有效的解码框架。后者必须保证低复杂度和良好的信号检测精度。球形解码器(SD)算法代表了在检测精度方面有前途的解码算法之一。然而,由于其过高的复杂性,它对于处理大型MIMO系统是低效的。为了克服这个缺点,我们建议重新审视顺序SD算法,并实现几个变体,旨在找到适当的复杂性和性能之间的权衡。然后,我们提出了一个高效的高层次的并行SD计划的基础上的主/工人范式,它允许多个SD实例同时探索的搜索空间,同时减轻负载不平衡的开销。我们的并行SD实现的结果优于使用类似MIMO配置系统的最先进的5倍以上,并在多核平台上显示出超线性加速。此外,本文提出了一种新的混合实现,结合了SD和K-best算法的优势,即,在保持SD检测精度的同时,采用K-best方法对搜索空间进行剪枝,降低了复杂度。混合方法扩展了我们的并行SD实现:主包含SD搜索树,工人使用K-best算法来加速其探索。由此产生的混合方法增强了多样化收益,因此降低了整体复杂性。我们的协同混合方法允许处理高达100 x100的大型MIMO配置,而不会牺牲准确性和复杂性。
2020-02-21 cs.DC eess.SP
Low-complexity Beam Selection algorithms based on SVD for MmWave Massive MIMO Systems
为了在实践中实现毫米波大规模MIMO系统,具有波束选择的波束空间MIMO以显著减少的射频(RF)链的数量提供了有吸引力的解决方案。我们提出了基于奇异值分解(SVD)的低复杂度波束选择算法。首先通过奇异值分解对信道矩阵进行对角化,然后根据和速率最大化准则,以递减或递增的顺序逐个选择合适的波束。为了显著降低算法的复杂度,我们在最后一次迭代中利用奇异值分解来避免从头开始进行奇异值分解。同时,我们提出的算法自然地获得预编码矩阵,可以消除多用户干扰。仿真结果表明,我们提出的算法可以优于竞争算法,包括全数字零预编码。
2022-07-11 cs.IT eess.SP math.IT
Low Complexity Adaptation for Reconfigurable Intelligent Surface-Based MIMO Systems
基于可重构智能表面(RIS)的传输技术通过适当调整大量无源反射元件的参数,为提高无线通信性能提供了一种有前途的解决方案。这封信提出了一种基于余弦相似性定理的低复杂度算法,用于适应RIS的相移,以辅助多输入多输出(MIMO)传输系统。提出了一种半解析概率方法来推导系统的理论平均误比特概率(ABEP)。此外,理论分析的有效性是通过广泛的计算机模拟支持。
2020-08-04 cs.IT eess.SP math.IT
Low-Complexity Sum-Capacity Maximization for Intelligent Reflecting Surface-Aided MIMO Systems
降低计算复杂性在优化智能反射表面(IRS)系统的相移中是至关重要的,因为IRS辅助的通信系统通常部署有大量的反射元件(RE)。这封信提出了一种低复杂度算法,称为维度正弦最大化(DSM),以获得最佳IRS相移,从而最大化MIMO网络的总容量。该算法利用的事实,优化问题的目标函数是正弦w.r.t.每个RE的相移。数值结果表明,DSM获得了接近最大的和率和更快的收敛速度比其他两个基准方法。
2022-04-11 cs.IT eess.SP math.IT
On Low-complexity Lattice Reduction Algorithms for Large-scale MIMO Detection: the Blessing of Sequential Reduction
格点约简是多输入多输出(MIMO)检测中常用的预处理策略。在寻求开发一个低复杂度的约简算法的大规模问题,本文研究了一个新的框架称为顺序约简(SR),其目的是减少所有的基向量的长度。当格维数不大于4时,给出了SR最强约简的性能上界。所提出的新框架使基于散列的低复杂度格约简算法的实现成为可能,当应用于大规模MIMO检测时,该算法变得特别诱人。仿真结果表明,与其他约简算法相比,基于散列的SR算法具有最低的复杂度,同时保持相当的错误性能。
2019-12-13 cs.IT eess.SP math.IT
Low-Complexity Precoding for Extremely Large-Scale MIMO Over Non-Stationary Channels
超大规模多输入多输出(XL-MIMO)技术是未来第六代(6 G)网络实现更高性能的重要技术。在实践中,各种线性预编码方案,例如迫零(ZF)和正则迫零(RZF)预编码,能够在传统的大规模MIMO(mMIMO)系统中实现大的频谱效率(SE)和低的比特出错率(BER)。然而,由于固有的空间非平稳性和高计算复杂性,这些方法在非常大规模的区域中是无效的。为了解决这个问题,我们研究了一种低复杂度的预编码算法,例如,随机Kaczmarz(rKA),考虑到空间非平稳特性的XL-MIMO系统。此外,我们提出了一种新的随机化模式,即,采样无替换rKA(SwoR-rKA),其具有比rKA算法更快的收敛速度。此外,推导了考虑子阵间干扰的下行XL-MIMO系统的SE的闭式表达式。数值结果表明,在SE性能相当的情况下,rKA和SwoR-rKA算法的复杂度比传统的RZF算法降低了51.3%.更重要的是,我们的算法可以有效地降低误码率时,发射机有不完善的信道估计。
2023-02-03 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
A Low Complexity Near-Maximum Likelihood MIMO Receiver with Low Resolution Analog-to-Digital Converters
基于最近在[23]中提出的具有噪声输入的量化器的新等效模型,我们提出了一种新的低复杂度接收器,该接收器考虑了由分辨率不足的模数转换器(ADC)产生的非线性失真(NLD)。新模型的优点在于它将NLD仅表示为输入信号(无噪声)的期望部分的函数。因此,它可以很容易地用于各种NLD缓解技术。在这里,作为说明,我们使用伪ML方法来检测基于等效传递函数和穷举搜索的原始QAM调制。在平坦衰落下对单用户QAM的仿真结果表明,其性能与真正的ML接收机相当,但计算复杂度要低得多。我们的接收器的出色性能是对模型的独立验证[23]。
2019-04-19 cs.NI eess.SP
Low-Complexity Channel Estimation for Extremely Large-Scale MIMO in Near Field
针对近场 XL-MIMO 信道估计复杂度过高的问题,提出 SADCE 方法,通过角度与距离解耦、2D-DFT 角度估计及闭式距离估计,以更低复杂度获得更优性能。
2023-12-07 cs.IT eess.SP math.IT
Diffusion-based Generative Prior for Low-Complexity MIMO Channel Estimation
Lehrstuhl für Methoden der Signalverarbeitung, Technische Universität München(慕尼黑工业大学信号处理方法研究所)
本研究提出基于扩散模型的低复杂度MIMO信道估计器,通过稀疏角域信道分布学习、带SNR位置嵌入的轻量CNN及优化的扩散估计策略,实现了优于现有生成先验类顶尖信道估计器的性能。
2024-03-06 cs.LG eess.SP
Low-Complexity Tensor Beamforming for RIS-Aided Multiuser Multistream MIMO Systems
Federal University of Ceará(塞阿拉联邦大学);Ilmenau University of Technology(伊尔梅瑙工业大学)
本文提出了一种低复杂度的张量波束成形方法,用于RIS辅助的多用户多流MIMO系统,通过张量投影优化接收组合器、用户预编码器和RIS相位向量,以降低计算复杂度并提高大规模RIS的性能。
2026-05-21 cs.SY eess.SP eess.SY