Trellis-Extended Codebooks and Successive Phase Adjustment: A Path from LTE-Advanced to FDD Massive MIMO Systems
为了提高频分复用（FDD）大规模多输入多输出（MIMO）系统的后向兼容性，研究一种获取准确信道状态信息（CSI）的有效方法具有重要意义。理论上众所周知，用于CSI量化的码本大小应当随着发射天线的数量变得更大而增加，并且3GPP长期演进（LTE）和高级LTE码本也遵循这一趋势。因此，在大规模MIMO中，主要由于码字搜索复杂度，很难应用使用预定义的矢量量化码本进行CSI量化的传统方法。在本文中，我们提出了一个网格扩展码本（TEC），可以很容易地协调与当前的无线标准，如LTE或LTE-高级扩展标准化码本设计为2，4，或8个天线的网格结构。TEC利用信道编码中的维特比解码器和卷积编码器分别作为CSI量化器和CSI重构器。通过在网格搜索的状态转换中使用标准化码本同时量化多个信道条目，TEC可以实现每信道条目的分数比特量化以具有实际的反馈开销。因此，TEC可以解决大规模MIMO系统中CSI量化的复杂度和反馈开销问题。我们还开发了网格扩展连续相位调整（TE-SPA），它作为TEC的差分码本。这类似于高级LTE的双码本概念。TE-SPA可以减少CSI量化误差，即使在时间相关信道中具有较低的反馈开销。数值结果验证了该方案在FDD大规模MIMO系统中的有效性。
2014-11-25 cs.IT math.IT
Large Language Model Empowered CSI Feedback in Massive MIMO Systems
National Mobile Communications Research Laboratory, Southeast University（东南大学国家移动通信实验室）；Purple Mountain Laboratories（紫金山实验室）；Center for 6G Technology, Khalifa University of Science and Technology（哈利法科学技术大学6G技术中心）
本文提出利用大语言模型进行CSI反馈，通过掩码标记预测和自信息策略提升压缩反馈的准确性。
2026-03-04 cs.IT math.IT
Scalable Design for RIS-Assisted Multi-User Downlink System Empowered by RSMA under Partial CSI
Jinan University（暨南大学）；TU Braunschweig（布伦瑞克工业大学）；New York University Abu Dhabi（纽约大学阿布扎比分校）；NYU Tandon School of Engineering（纽约大学坦登工程学院）
本文提出基于无监督学习的RSMA方案，通过RISnet神经网络架构从部分CSI中推断完整CSI，提升RIS网络的鲁棒性和可扩展性。
2026-04-15 cs.IT math.IT
Learning on a Grassmann Manifold: CSI Quantization for Massive MIMO Systems
Virginia Tech（弗吉尼亚理工大学）
本文重点研究了波束赋形码本的设计，使任何潜在信道分布的平均归一化波束赋形增益最大化。虽然现有技术使用统计信道模型，但我们利用具有机器学习基础的无模型数据驱动方法来生成适应周围传播条件的波束成形码本。关键的技术贡献在于减少码本设计问题的无监督聚类问题的格拉斯曼流形上的集群质心形成有限大小的波束形成码本的信道状态信息（CSI），这可以有效地解决使用K均值聚类。这种方法被扩展到开发一个非常有效的全维（FD）多输入多输出（MIMO）系统与均匀平面阵列（UPA）天线的乘积码本设计过程。仿真结果表明，所提出的设计标准的能力，在学习的码本，减少码本的大小，并产生显着更高的波束形成增益相比，现有的国家的最先进的CSI量化技术。
2020-05-18 cs.IT cs.LG math.IT
ML Codebook Design for Initial Access and CSI Type-II Feedback in Sub-6GHz 5G NR
本文提出一种基于神经网络的波束空间码本设计方法，将码本与反馈知识映射到统一波束空间，以优化5G NR初始接入和CSI反馈，仿真证明其优于传统码本，并强调反馈配置优化在Sub-6GHz频段的重要性。
2023-05-16 cs.IT cs.SY eess.SP
An Effective Limited Feedback Scheme for FD-MIMO Based on Noncoherent Detection and Kronecker Product Codebook
信道状态信息（CSI）的低复杂度量化和三维（3D）信道的垂直自由度利用是\emph{full dimension multi-input-multi-output}（FD-MIMO）系统有限反馈设计中的两个关键问题。在本文中，我们提出了一个有效的有限反馈方案。我们首先采用基于Kronecker积的码本（KPC）来探索3D通道的垂直自由度，将有限反馈从二维（2D）扩展到3D。结果，我们使用非相干序列检测（NCSD）来量化CSI，其中包括垂直和水平信道信息。该方法利用码本搜索和NCSD之间的对偶性，将KPC上的CSI量化转化为两个并行的NCSD。该算法的复杂度随着天线数目的增加从指数下降到线性。我们还表明，所提出的计划不影响系统的分集增益，通过展示全分集阶数。Monte Carlo仿真结果表明，与传统的二维有限反馈方案相比，该方案至少提供了1.2dB的编码增益。此外，该方案优于其他FD/3D CSI量化方案的0.8dB的编码增益与适度的复杂度时，信道高度空间相关。
2016-05-03 cs.IT math.IT
AutoFi: Towards Automatic WiFi Human Sensing via Geometric Self-Supervised Learning
Nanyang Technological University（南洋理工大学）；University of California, Berkeley（加州大学伯克利分校）
在灵巧家庭中，WiFi传感技术以其成本效益和隐私保护的优点在各种传感器中显示出优越性。它由从WiFi信号中提取的信道状态信息（CSI）和高级机器学习模型授权来分析CSI中的运动模式。许多基于学习的模型已经被提出用于各种应用，但是它们严重地受到环境依赖性的影响。虽然已经提出了领域自适应方法来解决这个问题，但是在新的环境中收集高质量的、良好分割的和平衡的CSI样本对于自适应算法来说是不切实际的，但是可以容易地收集随机捕获的CSI样本。{ \color{black}在本文中，我们首先探索如何从这些低质量CSI样本中学习鲁棒模型，并提出AutoFi，一种基于新的几何自监督学习算法的注释高效WiFi感知模型。} AutoFi充分利用随机捕获的未标记的低质量CSI样本，然后将知识转移到用户定义的特定任务中，这是WiFi感知中实现跨任务转移的第一项工作。AutoFi在一对Atheros WiFi AP上实现以进行评估。AutoFi将随机收集的CSI样本中的知识转移到人类步态识别中，并实现最先进的性能。此外，我们使用公共数据集模拟跨任务迁移，以进一步证明其跨任务学习的能力。对于UT-HAR和Widar数据集，AutoFi在活动识别和手势识别方面取得了令人满意的结果，而无需任何事先训练。我们相信AutoFi在没有任何开发人员参与的情况下向自动WiFi传感迈出了一大步。
2022-12-10 cs.AI cs.HC cs.LG
Data Augmentation Empowered Neural Precoding for Multiuser MIMO with MMSE Model
利用深度学习方法的预编码设计已经被广泛研究用于多用户多输入多输出（MU-MIMO）系统。然而，传统的神经预编码设计应用基于黑盒的神经网络，其不太可解释。在本文中，我们提出了一种基于深度学习的预编码方法，该方法基于神经预编码网络的可解释设计，即iPNet。特别地，iPNet模仿经典的最小均方误差（MMSE）预编码，并且在神经网络架构的设计中近似矩阵求逆。具体而言，建议的iPNet由一个模型驱动的组件网络，负责增强输入信道状态信息（CSI），和一个数据驱动的子网络，负责从这个增强的CSI预编码计算。后一个数据驱动模块被明确地解释为MMSE预编码器的无监督学习者。仿真结果表明，通过利用增强的CSI，所提出的iPNet比现有的黑盒设计实现了显着的性能提升，并且还表现出针对CSI不匹配的增强的通用性。
2022-03-04 cs.IT eess.SP math.IT
A Partial Channel Reciprocity-based Codebook for Wideband FDD Massive MIMO
频分双工（FDD）大规模MIMO系统中信道状态信息（CSI）的获取是一个巨大的挑战。在本文中，我们解决这个问题，一个新的CSI反馈框架，使部分互易性的上行链路和下行链路信道在宽带制度。首先，我们推导出了一个给定的角度延迟分布的宽带大规模MIMO信道协方差矩阵的秩的封闭形式的表达。一个低秩性质的识别，这推广了著名的结果的窄带均匀线阵设置。然后，我们提出了一个部分信道互易性（PCR）码本，启发的低秩行为和事实，即上行链路和下行链路信道具有相似的角度延迟分布。与5G中的最新码本相比，所提出的PCR码本方案在用户侧实现了更高的性能、更低的复杂度，并且需要更少量的反馈。我们推导出实现渐近无差错CSI反馈所需的反馈开销。还提出了两种低复杂度的替代方案，以进一步降低基站侧的复杂度。实际3GPP信道模型的仿真结果表明，与最新的5G码本相比，我们提出的方法具有显着的增益，这证明了我们提出的方法是5G及以后的实用解决方案。
2022-01-26 cs.IT eess.SP math.IT
Non-Coherent Modulation for RIS-Empowered Multi-Antenna OFDM Communications
可重构智能表面（RIS）构成了下一代第六代（6 G）无线通信的突出技术之一。设想在障碍物阻挡来自基站（BS）的直接通信的情况下以及当使用对衰减损耗敏感的高载波频率时增强信号覆盖。在文献中，RISs的开发完全基于传统的相干解调，这需要信道状态信息（CSI）的可用性。给定CSI，多天线BS或专用控制器计算前/后空间编码器和RIS配置。后者的任务需要大量的时间和资源，当信道是时变的或CSI不够准确时，这可能是负担不起的。在本文中，我们考虑一个单天线用户和一个多天线BS之间的上行链路，并提出了一种新的RI授权的正交频分复用（OFDM）通信系统的基础上的差分相移键控，这是适合于高噪声和/或移动性的场景。考虑到理想和现实的信道模型，信号干扰噪声比（SINR）和符号错误概率（SEP）的建议的非相干RI授权系统的解析表达式。我们广泛的计算机模拟结果验证了所提出的分析的准确性，并展示了所提出的系统的性能和优越性，在不同的移动性和空间相关性的情况下，相干解调。
2021-03-09 cs.IT math.IT
Movable Antenna Empowered Physical Layer Security Without Eve's CSI: Joint Optimization of Beamforming and Antenna Positions
本文首次提出无Eve CSI条件下可移动天线赋能的物理层安全方案，联合优化波束成形与天线位置以最大化最差Bob的安全速率，相比固定天线方案显著提升安全性能。
2024-05-25 cs.IT eess.SP math.IT
RDARS Empowered Massive MIMO System: Two-Timescale Transceiver Design with Imperfect CSI
针对非理想CSI下RDARS辅助的多用户大规模MIMO系统，提出双时间尺度收发信机设计方案，通过推导可达速率、设计迭代优化算法，在降低硬件开销与发射功率的同时实现了速率提升。
2023-12-14 cs.IT math.IT
Neural Codebook Design for Network Beam Management
North Carolina State University（北卡罗来纳州立大学）；University of California, San Diego（加利福尼亚大学圣迭戈分校）
针对大型天线系统CSI获取难、现有波束管理码本设计受限且忽略网络级优化的问题，提出端到端学习的NBL算法，仅需有限共享信息即可设计出性能更优的码本。
2024-03-05 cs.AI cs.IT cs.NI
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
Hierarchical ML Codebook Design for Extreme MIMO Beam Management
North Carolina State University（北卡罗来纳州立大学）
本文针对超大规模MIMO波束管理提出基于端到端学习的神经网络码本设计方法X-BM，实现初始接入8dB增益和频谱效率提升。
2023-11-24 cs.IT cs.LG cs.SY
Deep Learning-Empowered Movable-Antenna Position Optimization with Partial CSI
Glasgow College, University of Electronic Science and Technology of China（电子科技大学格拉斯哥学院）；National Key Laboratory of Wireless Communications, University of Electronic Science and Technology of China（电子科技大学无线通信国家重点实验室）；School of Science and Engineering, The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）理学院）；Department of Communication Systems, KTH Royal Institute of Technology（瑞典皇家理工学院通信系统系）
提出基于深度神经网络（DNN）的框架，利用部分信道功率测量值预测多用户MISO系统中多个发射可移动天线的最优位置，避免全信道估计开销，并在多用户场景中采用无监督训练直接最大化总速率。
2026-06-17 cs.IT eess.SP math.IT
Deep Reinforcement Learning Empowered Rate Selection of XP-HARQ
本文针对相关衰落信道下XP-HARQ的速率选择问题，提出基于DDPG和优先经验回放的深度强化学习方法，以最大化长期平均吞吐量，并通过仿真验证其优于HARQ-IR和仅依赖统计CSI的XP-HARQ方案。
2023-08-04 cs.IT eess.SP math.IT
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
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
Recursive CSI Quantization of Time-Correlated MIMO Channels by Deep Learning Classification
TU Wien（维也纳技术大学）
在频分双工（FDD）多输入多输出（MIMO）无线通信中，有限信道状态信息（CSI）反馈是支持高级单用户和多用户MIMO波束成形/预编码的中心工具。为了实现给定的CSI质量，CSI量化码本大小必须随着天线的数量呈指数增长，导致量化复杂度以及较大MIMO系统的反馈开销问题。我们最近提出了一个多级递归格拉斯曼量化器，使CSI量化的复杂性显着降低。在本文中，我们证明了这种递归量化器可以有效地与深度学习分类相结合，以进一步降低复杂度，并且它可以利用时间信道相关性来减少CSI反馈开销。
2020-09-28 cs.IT cs.LG 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
Interference Alignment with Quantized Grassmannian Feedback in the K-user Constant MIMO Interference Channel
针对K用户恒定多输入多输出干扰信道（MIMO IC）中的干扰对齐（IA）问题，提出了一种简单的信道状态信息（CSI）反馈方案。所提出的技术依赖于IA方程中的不变量的识别，这使得能够将CSI量化问题重新表述为每个接收器处的格拉斯曼流形上的单个量化。建立了反馈比特的数量与足以保持在完美CSI下可以实现的复用增益的发射功率的缩放。我们表明，所提出的技术的CSI反馈要求是更好的（低）比所需的使用以前公布的方法时，系统的尺寸（用户和天线的数量）的实际利益。此外，我们通过模拟表明，这种优势在低信噪比下仍然存在，在这个意义上，所提出的技术产生一个较高的和速率性能为给定数量的反馈位。最后，为了补充我们的分析，我们引入了一个统计模型，忠实地捕捉随机矢量量化（RVQ）的格拉斯曼流形上的大型码本的量化误差的属性，这使得数字（蒙特卡罗）分析一般格拉斯曼RVQ方案的码本大小，将是不切实际的大模拟。
2015-02-15 cs.IT math.IT
Robust MMSE Precoding for Multiuser MIMO Relay Systems using Switched Relaying and Side Information
针对不完全信道状态信息（CSI）下的多用户多输入多输出（MIMO）中继系统，提出了一种新的预编码方案。基站（BS）和MIMO中继站（RS）都配备有酉矩阵的相同码本。根据码本的每个元素，我们创建一个潜在的预编码矩阵对，即BS预编码矩阵和RS预编码矩阵。通过将来自码本的适当酉矩阵乘以功率缩放因子来形成RS预编码矩阵。基于给定的CSI和发射符号块，通过合适的选择机制来选择从各种酉矩阵导出的所有可能的潜在预编码矩阵对的类内的最佳预编码矩阵对以用于传输，该选择机制被设计为最小化预先估计的接收向量与真实发射符号向量之间的平方欧几里德距离。我们开发了一个最小均方误差（MMSE）的设计算法的潜在预编码矩阵对的建设。在所提出的方案中，BS仅向RS发送酉矩阵的索引及其功率缩放因子，而不是发送完整的处理矩阵。这大大降低了开销。仿真结果表明，与其他最近报道的预编码算法相比，所提出的预编码方案能够提供更好的鲁棒性对CSI估计误差和多用户干扰的影响。
2014-12-17 cs.IT math.IT
Deep Learning-Empowered Predictive Beamforming for IRS-Assisted Multi-User Communications
实用的智能反射面（IRS）辅助多用户通信（IRS-MUC）系统的实现关键取决于正确的波束形成设计，利用准确的信道状态信息（CSI）。然而，IRS-MUC系统中的信道估计（CE）由于IRS中涉及的众多反射元件而需要显著大的训练开销。在本文中，我们采用深度学习的方法来隐式地学习历史信道特征，并直接预测下一个时隙的IRS相移，以最大化IRS-MUC系统的平均可实现的和速率，同时考虑到用户的移动性。通过这样做，仅需要低维度多输入单输出（MISO）CE用于发射波束成形设计，从而显著减少CE开销。为此，首先开发了一种位置感知卷积长短期记忆网络（LA-CLNet），以促进IRS的预测波束形成，其中卷积和递归单元被联合采用，以同时利用信道的空间和时间特征。给定预测IRS相移波束形成，瞬时CSI（ICSI）感知的全连接神经网络（IA-FNN），然后提出在接入点优化发射波束形成矩阵。仿真结果表明，所提出的方法所获得的和速率性能接近基因辅助方案与完全完美的ICSI。
2021-04-26 cs.IT eess.SP math.IT
Spectrum Sharing in Cognitive Radio with Quantized Channel Information
我们考虑一个宽带频谱共享系统，其中一个次要用户可以共享多个正交频带，其中每个频带被授权给一个单独的主要用户。我们解决的问题，其遍历容量最大化的最佳二次发射功率分配的平均总和（跨频带）的发射功率约束和个人平均干扰约束的主要用户。我们的工作的主要贡献在于考虑量化的信道状态信息（CSI）（矢量信道空间，包括所有的次级到次级和次级到初级信道）在次级发射机。假设频带管理器或认知无线电服务提供商可以访问来自辅接收器和主接收器的完整CSI信息，并且基于信道的统计信息（信道分布）设计（离线）最佳功率码本，并且经由无延迟无噪声有限反馈信道，针对每个信道实现实时地将码本的索引反馈给辅发射器。设计了一种改进的广义高斯型算法（GLA），用于推导最优功率码本。一个近似量化功率分配（AQPA）算法也被提出，执行非常接近其GLA为基础的对应大量的反馈比特，是显着更快。我们还提出了一个扩展的改进的GLA为基础的量化功率码本设计算法的情况下，反馈信道是嘈杂的。数值研究表明，只有3-4位的反馈，修改后的GLA为基础的算法提供二级遍历能力非常接近，实现了完全CSI和只有4位的反馈，AQPA提供了一个相当的性能，从而使它成为一个有吸引力的选择，为实际的实施。
2010-06-03 cs.IT math.IT math.OC
Precoding-Oriented CSI Feedback Design with Mutual Information Regularized VQ-VAE
Department of ECE, Rutgers University（电子工程系，罗格斯大学）；Nokia Bell Labs（诺基亚贝尔实验室）
本文提出一种基于VQ-VAE的面向预编码的CSI反馈框架，结合信息论正则化，实现高效CSI压缩与高系统性能。
2026-01-22 cs.AI cs.IT eess.IV
A Design Framework for Limited Feedback MIMO Systems with Zero-Forcing DFE
我们考虑多输入多输出通信系统的设计与线性预编码器在发射机，迫零判决反馈均衡（ZF-DFE）在接收机，和一个低速率的反馈信道，使通信从接收机到发射机。假设在接收机处可用的信道状态信息（CSI）是完美的，并且基于该信息，接收机从码本中选择合适的预编码器，并将该预编码器的索引反馈给发射机。我们的方法，这个有限的反馈方案的组件的设计是基于开发，在这里，一个统一的框架，用于联合设计的预编码器和ZF-DFE的假设下，完美的CSI是在发射机和接收机都可用。该框架是通用的，包含了广泛的设计标准。这个框架使我们能够在一个标准的瑞利衰落环境中的最佳预编码器的统计分布特征。使用这种分布，我们表明，从格拉斯曼包装构造的码本最小化上界的平均失真的措施，因此是自然的候选人在有限的反馈系统的码本。我们还表明，对于任何给定的码本的性能所提出的有限反馈方案是一个上界的相应计划与线性迫零接收机。我们的仿真研究表明，所提出的有限反馈方案可以提供显着更好的性能在一个较低的反馈速率比现有的计划，其中检测顺序反馈到发射机。
2008-04-15 cs.IT math.IT
Ensemble Properties of RVQ-Based Limited-Feedback Beamforming Codebooks
以接收信噪比损失和互信息损失为度量，研究了多输入多输出（MIMO）系统中用于有限反馈波束形成的随机矢量量化（RVQ）码书的总体性能。在相关MIMO设置中研究了非偏斜码本的最简单情况，并且这些损失度量被计算为反馈比特数（$B$）、发射天线尺寸（$N_t$）和空间相关性的函数。特别地，建立了：i）损失度量是两个分量的乘积-量化分量和信道相关分量; ii）量化分量，其对于具有独立同分布（i.i.d.）衰落随着$B$以速率$2^{-B/(N_t-1)}$增加而衰减; iii）信道相关分量反映信道的条件数。此外，接收到的SNR损失和信道的平方奇异值之间的精确连接被示出为舒尔凸优化关系。最后，研究了采用适当设计的固定偏斜矩阵对RVQ码本进行偏斜产生的偏斜码本的集成性能。基于对偏斜码本的损失表达式的估计，建立了最佳偏斜矩阵严格依赖于有效信道（真实信道与偏斜矩阵的乘积）和偏斜矩阵的条件数。
2012-07-06 cs.IT math.IT
Limited Feedback in Multiple-Antenna Systems with One-Bit Quantization
具有低分辨率模数转换器（ADC）的通信系统可以在发射机（CSIT）和接收机处利用信道状态信息。本文介绍了一位ADC有限反馈系统的码本设计和性能分析的初步结果。与高分辨率情况不同，当接收信号由1位ADC切片时，接收器处的绝对相位对于对齐接收信号的相位很重要。提出了一种新的码本设计波束形成的情况下，分别量化的信道方向和残余相位。
2015-12-21 cs.IT math.IT
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
Guaranteeing Positive Secrecy Capacity with Finite-Rate Feedback using Artificial Noise
虽然有限速率反馈对衰落信道容量的影响已经在文献中得到了广泛的研究，但在保密约束下这个问题还没有得到足够的关注。在这项工作中，我们研究了遍历秘密容量的多输入多输出多天线窃听（MIMOME）窃听信道与量化的信道状态信息（CSI）在发送端和完美的CSI在合法的接收端，假设只有窃听CSI的统计信息是已知的发送端。我们改进了[1]中基于随机矢量量化（RVQ）的人工噪声（AN）方案的分析，其中与理想CSI情况相比，给出了保密率损失的启发式上界。我们提出了一个遍历保密容量的下界。我们证明了当反馈比特数和AN功率趋于无穷大时，具有完美CSI的保密容量和下界渐近一致。对于实际应用，我们提出了一个非常有效的量化码本构造方法的两个发射天线的情况下。
2014-11-06 cs.IT math.IT
Compressed Channel Feedback for Correlated Massive MIMO Systems
大规模多输入多输出（MIMO）技术由于其能量效率高和可达到的高数据率而成为蜂窝通信中一种很有前途的方法。然而，这些优点只有在信道状态信息（CSI）在发射机处可用时才能实现。由于存在许多天线，CSI太大而不能在没有压缩的情况下反馈。为了压缩CSI，先前的工作已经应用了压缩感测（CS）技术和CSI可以被稀疏化的事实。然而，所采用的稀疏基未能反映空间相关性和信道条件，或者在实践中是可行的。在本文中，我们提出了一个新的稀疏化的基础，反映了长期的信道特性，并不需要改变，只要空间相关模型不改变。我们提出了一种新的重建算法CS，并建议降维作为压缩方法。为了在实践中反馈压缩CSI，我们提出了一种新的码本用于压缩信道量化，假设没有其他小区干扰。数值结果表明，所提出的信道反馈机制在点到点（单用户）和点到多点（多用户）的情况下表现出更好的性能。
2015-03-31 cs.IT math.IT
Power Allocation for Distributed BLUE Estimation with Full and Limited Feedback of CSI
研究了无线传感器网络（WSN）融合中心（FC）随机参数分布式最佳线性无偏估计（BLUE）的自适应功率分配问题。一个最佳的功率分配方案，提出了最小化的$L^2$ -范数的矢量的本地发送功率，给定的最大方差的蓝色估计。与基于本地发射功率之和最小化的类似方法相比，该方案导致WSN的寿命增加。所提出的最优功率分配方案的局限性在于，它需要从FC到本地传感器的瞬时信道状态信息（CSI）的反馈，这在大规模WSNs的大多数应用中是不实际的。在本文中，提出了一种有限的反馈策略，消除了这一要求，通过设计一个最佳的码本的FC使用广义劳埃德算法与修改后的失真度量。每个传感器使用其最佳放大增益的量化版本放大其模拟噪声观测，该最佳放大增益由FC接收并用于估计未知参数。
2013-09-14 cs.IT math.IT
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
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
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
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
Adaptive Bit Partitioning for Multicell Intercell Interference Nulling with Delayed Limited Feedback
基站协作可以在发射机处利用用户的信道状态信息（CSI）的知识来管理同信道干扰。用户必须使用有限带宽的回程链路来反馈期望信道和干扰信道的CSI。用于单小区有限反馈的现有码本设计可以通过在多个信道之间划分可用反馈资源来用于多小区协作。在本文中，提出了一种新的反馈比特分配策略，作为在通信链路中的延迟和在下行链路中的接收信号强度的函数。信道的时间相关性建模为一个函数的延迟使用高斯马尔可夫模型。推导了位划分的封闭形式表达式，以分配更多的位来分配具有较小延迟的较强通道，并分配较少的位来分配具有较大延迟的较弱通道，假设随机矢量量化。蜂窝网络模拟表明，该算法产生更高的和速率比等比特分配技术。
2010-10-14 cs.IT math.IT
Performance Analysis and Optimization for Interference Alignment over MIMO Interference Channels with Limited Feedback
在本文中，我们解决了问题的干扰对齐（IA）在MIMO干扰信道有限的信道状态信息（CSI）反馈的基础上的量化码本。由于有限的反馈和因此不完美的IA，存在跨不同链路和不同数据流的残余干扰。因此，IA的性能与CSI的准确性（即反馈比特数）和数据流的数量（即传输模式）有很大关系。为了提高IA的性能，根据信道条件对系统参数进行优化是很有意义的。受此启发，我们首先给出了一个定量的性能分析IA有限反馈下，并推导出一个封闭形式的平均传输速率的反馈比特和传输模式的表达式。通过最大化平均传输速率，我们得到一个自适应反馈分配方案，以及一个动态模式选择方案。此外，通过渐近分析，我们得到了一些清晰的见解系统的性能，并提供了一些指导系统的设计。仿真结果验证了理论分析的正确性，并表明通过动态调整反馈比特或自适应选择传输模式可以获得明显的性能增益。
2014-02-03 cs.IT math.IT
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
