A Technique for Multi-User MIMO using Spatial Channel Model for out-door environments
任何无线通信系统都需要指定一个传播信道模型,作为性能评估和比较的基础。空间信道模型可以分为确定性的,即射线跟踪,基于测量的,这是基于信道信息和基于几何的随机信道模型的基础上,信道的方向结构可以模拟的物理对象和电磁波之间的最后相互作用,波到达基站或移动台的假设。多用户双向信道模型(MDDCM)是一种基于几何的信道模型,用于计算MIMO移动台和MIMO基站的蜂窝系统中的双向信道信息。在这个研究阶段,首先,多用户多输入多输出(MU-MIMO)空间信道模型已经实现了不同的室外环境城市微观和城市宏观使用MATLAB找到各种参数,如用户的到达角,用户方向和用户与接入点(AP)之间的距离。利用多径瑞利衰落信道和实际空间信道模型,实现了二次编码(多输入多输出-正交频分复用)MIMO-OFDM系统。使用不同的BER改善技术,例如,维特比解码器,时间和频率交织。通过在两个信道上的发送端和接收端[(2x2)和(2x 4)]处使用多个天线,也观察到多信道分集。不同的调制技术对误码性能的影响也被观察到。
2018-07-10 eess.SP
RIS-Aided Dual-Polarized MIMO: How Large a Surface is Needed to Beat Single Polarization?
针对传播环境交叉极化耦合导致双极化MIMO容量难超单极化的问题,该研究利用可重构智能表面(RIS)辅助,推导两类系统容量并分析RIS尺寸的影响,明确了双极化MIMO场景下的RIS部署思路。
2024-10-30 eess.SP
Double-RIS Versus Single-RIS Aided Systems: Tensor-Based MIMO Channel Estimation and Design Perspectives
可重构智能表面(RISs)是近年来提出的一种实时调谐无线传播信道的新技术。然而,目前的大多数工作假设单RIS(S-RIS)辅助系统,这可能是有限的,在一些应用场景中,发射机可能需要一个多RIS辅助信道与接收机进行通信。在本文中,我们考虑了双RIS(D-RIS)辅助MIMO系统,并提出了一种基于交替最小二乘的信道估计方法,利用接收信号的Tucker2张量结构。使用所提出的方法,级联MIMO信道部分可以单独估计,到平凡的缩放因子。与S-RIS系统相比,我们表明,如果一个S-RIS系统的RIS元素在D-RIS系统中的两个RIS之间仔细分布,可以减少训练开销,估计精度也可以提高。因此,与S-RIS系统相比,D-RIS系统可以被视为进一步增加未来无线网络的覆盖范围、容量和效率的有吸引力的方法。
2021-09-19 eess.SP
Atomic Norm Minimization-based Low-Overhead Channel Estimation for RIS-aided MIMO Systems
大波束训练开销是可重构智能表面(RIS)辅助系统信道估计的主要问题之一。在本文中,我们提出了一种基于原子范数最小化(ANM)的低开销信道估计的RI辅助多输入多输出(MIMO)系统。当波束训练的数量减少时,在波束训练期间可能接收不到一些多径信号,并且这导致信道估计失败。为了解决这个问题,由RIS创建的波束的宽度被加宽以捕获所有多径信号。在波束训练期间接收的导频信号被编译成一个矩阵,以定义用于RI辅助MIMO系统的信道的原子范数。仿真结果表明,该算法优于其他信道估计算法。
2021-07-20 eess.SP
Spectral Efficiency Optimization for mmWave Wideband MIMO RIS-assisted Communication
可重构智能表面(RIS)是一种被动或半被动的异质元表面,由许多可调单元组成。RIS作为一种有前途的新技术正在获得发展势头,能够将传播环境转换为可控参数。在本文中,我们研究了协同设计的每个子载波的功率分配矩阵和多元素的RIS相移在下行链路中使用28 GHz频段的宽带MIMO传输。我们在改进RIS辅助链路方面的贡献包括:(1)增强了系统建模,包括路径损耗和阻塞建模,以及均匀矩形阵列(URA)设计;(2)设计了梯度上升协同设计算法;(3)对所提出的算法进行了渐近(Big O)复杂度分析和运行时复杂度评估。
2021-12-15 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
Spectral-Energy Efficiency Tradeoff of Nearly-Passive RIS in MIMO URLLC Downlink: Diagonal vs. Beyond Diagonal
University of Cassino and Southern Lazio(卡西诺及南拉齐奥大学);CNIT(意大利国家电信研究所);Technische Universität Braunschweig(布伦瑞克工业大学);Université Paris-Saclay(巴黎萨克雷大学);CentraleSupélec(中央理工-高等电力学院);Laboratoire des Signaux et Systèmes(信号与系统实验室);King’s College London(伦敦国王学院);Universidad de Cantabria(坎塔布里亚大学)
本文研究了近被动RIS在MIMO URLLC下行链路中的频谱效率与能量效率权衡,发现GNP BD-RIS在频谱效率上表现最佳,但其能量效率受电路功率影响较大。
2025-12-01 eess.SP
Channel Estimation for Hybrid RIS Aided MIMO Communications via Atomic Norm Minimization
已经引入了可重构智能表面(RIS)作为用于减轻毫米波(mmWave)多输入多输出(MIMO)通信网络中的频繁阻塞的补救措施。然而,为了实现其全部潜力,完美或接近完美的信道状态信息(CSI)是基本的。传统上,RIS是完全无源的,没有任何基带处理能力,这对CSI捕获提出了很大的挑战。因此,我们专注于混合RIS架构,其中RIS元件的一小部分是活动的并且能够处理接收到的导频信号以用于估计相应的信道。信道估计(CE)通过采用离网(off-the-grid)压缩感知技术来完成,即,原子范数最小化,用于通过两个阶段精确信道参数。仿真结果表明,在相同的训练开销下,该方案的性能优于被动RIS CE。
2021-06-21 eess.SP
Location-Aware Performance Analysis of HAPS-RIS-Assisted Multiple-Antenna Systems with Practical RIS Impairments
Kocaeli University(科贾埃利大学);Yildiz Technical University(伊尔迪兹理工大学);Istanbul Technical University(伊斯坦布尔理工大学);TÜBİTAK-BİLGEM(土耳其科学技术研究委员会工业研究中心);Carleton University(卡尔顿大学)
本文基于相依赖幅度响应,提出利用鞍点近似分析HAPS-RIS辅助MIMO系统在级联Rician信道中的性能,推导出SNR分布及 outage 概率的闭式表达式,并验证了实际RIS硬件缺陷的影响。
2026-11-10 eess.SP
Energy Efficiency Optimization of Finite Block Length STAR-RIS-aided MU-MIMO Broadcast Channels
针对有限块长下STAR-RIS辅助的多用户MIMO广播信道,提出能效优化方案以最大化和能效,证实STAR-RIS可显著提升能效,且在时延、可靠性要求更严格的系统中增益更高。
2025-06-13 eess.SP
Power Scaling Law Analysis and Phase Shift Optimization of RIS-aided Massive MIMO Systems with Statistical CSI
研究了一种具有统计信道状态信息(CSI)的上行链路可重构智能表面(RIS)辅助大规模多输入多输出(MIMO)系统。RIS的部署是为了帮助传统的大规模多输入多输出网络服务于死区中的用户。我们考虑Rician信道模型,并利用长时间统计CSI设计RIS的相移,而最大比合并(MRC)技术应用于基站(BS)的主动波束形成依赖于瞬时CSI。首先,我们揭示了功率缩放定律,推导出了适用于任意数量的基站(BS)天线的上行链路可达速率的闭式表达式。在理论表达式的基础上,我们讨论了一些特殊情况下的速率性能,并给出了使用随机相移时的平均渐近速率。然后,我们考虑和速率最大化和最小用户速率最大化问题,通过优化的相位偏移在RIS。然而,这两个优化问题是具有挑战性的解决,由于复杂的数据速率表达式。为了解决这些问题,我们提出了一种新的遗传算法(GA)具有低复杂度,但可以实现相当大的性能。最后,提供了大量的仿真来验证通过将RIS集成到传统的大规模多输入多输出系统中的益处。此外,我们的仿真结果表明,部署大规模,但低分辨率的RIS在大规模多输入多输出系统的可行性。
2021-06-16 eess.SP
TRICE: A Channel Estimation Framework for RIS-Aided Millimeter-Wave MIMO Systems
研究了基于点到点可重构智能表面(RIS)的毫米波MIMO系统中的信道估计问题。通过利用毫米波信道在角度域的低秩特性,提出了一种非迭代的两阶段RI辅助信道估计(TRICE)框架,其中每一阶段都表示为多维波达方向(DOA)估计问题。因此,我们的TRICE框架是非常普遍的意义上说,任何有效的多维DOA估计解决方案可以很容易地使用在每个阶段,以估计相关的信道参数。数值结果表明,TRICE框架具有较低的训练开销和较低的计算复杂度,相比基准解决方案。
2021-02-02 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
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
Location-aware Channel Estimation for RIS-aided mmWave MIMO Systems via Atomic Norm Minimization
针对RIS辅助毫米波MIMO系统,提出结合位置信息与ANM的信道估计方法,通过波束定向和波束宽度自适应降低训练开销,采用不同维度原子的ANM估计级联信道,精度优于基准方法。
2021-07-20 eess.SP
Reconfigurable intelligent surface (RIS): Eigenvalue Decomposition-Based Separate Channel Estimation
可重构智能表面(RIS)是无线通信领域的研究热点。然而,识别,建模和估计RIS信道在多输入多输出(MIMO)系统中被认为是具有挑战性的,在最近的研究。本文提出了一种基于特征值分解(EVD)的RIS-MIMO系统的分解式信道估计框架,将级联的信道链路分离出来,并对每个链路分别进行估计。该估计基于将RIS-MIMO信道建模为锁眼MIMO系统模型。数值结果表明,所提出的估计方法具有较低的估计时间开销,同时提供较小的估计误差。
2021-11-03 eess.SP
Joint Phase Shift Optimization and Precoder Selection for RIS-Assisted 5G NR MIMO Systems
Istanbul Technical University(伊斯坦布尔理工大学);Kocaeli University(科贾埃利大学);Yildiz Technical University(耶尔德兹理工大学);TÜBİTAK BİLGEM(土耳其科学技术研究委员会信息通信技术研究中心)
本文提出基于奇异值的RIS优化策略,通过联合优化相移和预编码器提升5G NR MIMO系统性能。
2025-05-29 eess.SP
STAR-RIS-aided RSMA for the URLLC multi-user MIMO Downlink
本研究将速率拆分多址与同时发射反射可重构智能表面融合,提出交替优化算法联合优化波束成形、RIS配置与拆分参数,在有限块长MIMO下行链路中实现了显著高于反射式RIS和空分多址的能效增益。
2025-08-01 eess.SP
Structured Channel Parameter Estimation for RIS-Assisted MIMO Systems via Kronecker and Tensor Factorizations
Federal University of Ceará (UFC)(塞阿拉联邦大学)
本文提出基于Kronecker和张量分解的结构化信道估计方法,用于RIS辅助MIMO系统,在降低计算复杂度的同时达到基准精度。
2026-09-21 eess.SP
Tensor-Based Channel Estimation and Reflection Design for RIS-Aided Millimeter-Wave MIMO Communication Systems
在这项工作中,我们认为在点对点的可重构智能表面(RIS)辅助毫米波(mmWave)MIMO通信系统的信道估计和反射设计问题。首先,我们表明,通过利用毫米波MIMO信道的低秩性质,接收到的训练信号可以被写为一个低秩的多路张量,允许一个规范的多元CP分解。利用这种结构,提出了一种基于张量的RIS信道估计方法(称为TenRICE),其中使用交替最小二乘法来估计张量因子矩阵。使用TenRICE,发射机到RIS和RIS到接收机的信道被有效地和单独地估计,直到一个微不足道的缩放因子。在此之后,我们制定的波束形成和RIS反射设计作为一个频谱效率最大化的问题。由于它的非凸性,我们提出了一个启发式的非迭代两步法,其中的RIS反射向量是在一个封闭的形式,使用Frobenius范数最大化(FroMax)策略。我们的数值结果表明,TenRICE具有优越的性能,与基准方法相比,接近Cramér-Rao下限,训练开销低。此外,我们表明,FroMax实现了可比的性能,以较低的复杂性基准方法。
2021-12-06 eess.SP
Jointly Learned Symbol Detection and Signal Reflection in RIS-Aided Multi-user MIMO Systems
可重构智能表面(RISs)被认为是未来无线通信的关键技术,它能够实现可编程的无线电传播环境。然而,RISs的被动反射特性对信道估计提出了显著的挑战,使得相干符号检测成为一项具有挑战性的任务。在本文中,我们考虑了上行链路的RIS辅助多用户多输入多输出(MIMO)系统,并提出了一种机器学习(ML)的方法来联合设计多天线接收机和配置的RIS反射系数,这并不需要明确的全部知识的信道输入输出关系。我们的方法设计了一个ML为基础的接收器,而影响底层传播通道的RIS反射模式的配置被视为超参数。基于此系统设计公式,我们提出了一个贝叶斯ML框架优化RIS超参数,根据该框架,发送的导频直接用于联合调谐RIS和多天线接收机。我们的仿真结果表明,所提出的方法,以提供可靠的通信在高斯噪声破坏的非线性信道条件下的能力。
2022-02-14 eess.SP
Malicious RIS versus Massive MIMO: Securing Multiple Access against RIS-based Jamming Attacks
本文研究基于RIS的干扰攻击对大规模MIMO多用户系统的威胁,提出加权和投影梯度攻击算法及两种接收端缓解策略,仿真验证了攻击的灵活性和防御的有效性。
2024-01-13 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
Optimal symmetric low-rank BD-RIS configuration maximizing the determinant of a MIMO link
Universidad de Cantabria(坎塔布里亚大学);Universität Paderborn(帕德博恩大学);IHP - Leibniz-Institut für Innovative Mikroelektronik(IHP - 莱布尼茨创新微电子研究所);Technische Universität Braunschweig(布伦瑞克工业大学)
本文提出通过最大化等效MIMO信道行列式来优化BD-RIS配置,推导出低秩单位ary散射矩阵,证明在高SNR或BD-RIS元素增多时速率损失消失,且实现效率高。
2026-11-06 eess.SP
Fast Transceiver Design for RIS-Assisted MIMO mmWave Wireless Communications
本文针对收发端均采用均匀圆形阵列的RIS辅助MIMO毫米波通信系统,提出降低旋转角度对非循环信道矩阵影响的算法、收发端及RIS的相位优化方案和低复杂度快速逐符号ML检测方案,通过仿真验证了理论有效性。
2024-08-13 eess.SP
Rate Splitting Multiple Access for RIS-aided URLLC MIMO Broadcast Channels
本文针对RIS辅助的MIMO URLLC广播信道,提出基于有限块长编码的RSMA方案,证明RSMA与RIS可显著提升频谱效率和能量效率,并在高用户负载下表现出协同增益。
2025-07-17 eess.SP
MSE Minimization in RIS-Aided MU-MIMO with Discrete Phase Shifts and Fronthaul Quantization
针对 RIS 辅助下行 MU-MIMO 在有限容量前传与离散 RIS 相移约束下的和 MSE 最小化问题,提出基于块坐标下降与 SESD 的联合优化算法,实现预编码、RIS 配置及接收机增益的最优求解。
2024-06-18 eess.SP
Massive MIMO Channel-aware Decision Fusion Aided by Reconfigurable Intelligent Surfaces
University of Naples Federico II(那不勒斯费德里科二世大学);University of Cassino and Southern Lazio(卡西诺与南拉齐奥大学);CNIT(意大利电信与信息技术研究中心);CentraleSupélec(中央理工-高等电力学院);CNRS(法国国家科学研究中心);Université Paris-Saclay(巴黎萨克雷大学);University of Luxembourg(卢森堡大学)
本文提出利用大规模MIMO和可重构智能表面提升通道感知决策融合性能,设计了适用于大阵列的子最优融合规则及RIS反射系数优化准则。
2026-02-27 eess.SP
Cascaded Channel Estimation for RIS Assisted mmWave MIMO Transmissions
信道估计是可重构智能表面(RIS)辅助的毫米波(mmWave)通信中的一个难题。由于在这样的系统中级联信道的系数的数量紧密地依赖于基站天线的数量和RIS元件的数量的乘积,所以导频开销将非常高。在这封信中,我们提出了一个级联的信道估计框架的RIS辅助毫米波多输入多输出系统,在传输模型的宽带效应被认为是。然后,将宽带信道估计转化为参数恢复问题,利用少量的导频符号,采用牛顿正交匹配追踪算法进行信道参数的检测。此外,还引入了信道估计的Cramer-Rao下界。数值结果表明了所提出的信道估计方案的有效性。
2021-06-19 eess.SP
Nonlinear Precoding in the RIS-Aided MIMO Broadcast Channel
本文提出在RIS辅助MIMO广播信道中使用THP非线性预编码,证明其在非正交信道、相移优化和离散相移场景下相比线性预编码具有更强鲁棒性和更简单的优化优势。
2024-09-04 eess.SP
Two-Stage Channel Estimation for Hybrid RIS Assisted MIMO Systems
可重构智能表面(RISs)已被提出作为改善毫米波(mmWave)多输入多输出(MIMO)通信中的信号覆盖和减轻频繁阻塞的关键使能器。然而,信道状态信息(CSI)获取是RIS实际部署的主要挑战之一。无源RIS没有任何基带处理能力,这给信道估计(CE)带来了困难,因为单个信道或级联信道只能在基站(BS)通过上行链路训练或移动台(MS)通过下行链路训练来估计。为了促进CSI获取,我们专注于混合RIS架构,其中少量的元件是活动的并且能够在RIS处接收和处理导频信号。通过遵循原子范数最小化以两个阶段执行CE以恢复信道参数,即,离开角(AoD)、到达角(AoA)和传播路径增益。仿真结果表明,在相同的训练开销下,该方案的性能优于被动RIS CE。此外,我们还研究了理论性能限制的均方误差(MSE)通过Cramér-Rao下限(CRLB)分析。
2021-07-15 eess.SP
RIS-Aided RSMA Improves the Latency vs. Energy Trade-off in the Finite Block Length MIMO Downlink
University of Paderborn(帕德博恩大学);Imperial College London(帝国理工学院);Friedrich Alexander University of Erlangen-Nuremberg(埃尔朗根-纽伦堡弗里德里希·亚历山大大学);University of Southampton(南安普顿大学)
本文研究了利用RIS辅助的RSMA在有限块长度MIMO下行链路中改善时延与能量效率权衡的问题,证明RSMA能提升能量效率并减少时延至SDMA的13%,且RIS与RSMA协同工作效果显著。
2026-03-16 eess.SP
Reciprocal Beyond Diagonal Reconfigurable Intelligent Surface: Distributed Scattering Matrix Design and MIMO Beamforming via Fractional Programming and Manifold Optimization
School of Computer Science and Engineering, Constructor University (previously Jacobs University Bremen)(康斯坦茨大学(原雅各布斯不来梅大学)计算机科学与工程学系);Department of Computer Science, KTH Royal Institute of Technology(瑞典皇家理工学院计算机系)
本文提出了一种基于分数规划和流形优化的分布式MIMO波束成形方法,用于优化超越对角可重构智能表面辅助的多用户小区自由大规模MIMO系统,通过改进的散射矩阵设计和波束成形技术提升系统性能。
2026-05-15 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
Active RIS-Assisted MIMO System for Vital Signs Extraction: ISAC Modeling, Deep Learning, and Prototype Measurements
National Sun Yat-sen University(国立中山大学)
本文提出主动RIS辅助MIMO系统,通过深度学习和原型实验实现生命体征提取,提升呼吸检测可靠性并支持更高阶调制。
2026-02-18 eess.SP
Deep Learning-Based Channel Estimation for Double-RIS Aided Massive MIMO System
可重构智能表面(RIS)由于其快速、低成本的配置被认为是未来无线通信网络的节能解决方案。在这封信中,我们考虑在双RIS辅助的大规模多输入多输出系统,这是一个关键的挑战,由于大量的天线配备在基站和无源RIS元件的级联信道的估计。为了解决这一问题,本文提出了一种跳跃连接注意(SC-attention)网络,该网络利用自注意层和跳跃连接结构来提高基于噪声导频观测的信道估计性能。仿真结果表明,在双RIS辅助系统中,SC-attention网络能有效提高级联链路的归一化均方误差(NMSE)精度。
2022-10-22 eess.SP
RIS-Augmented Millimeter-Wave MIMO Systems for Passive Drone Detection
本文提出利用现有毫米波蜂窝MIMO基站与可重构智能表面(RIS)实现无设备被动无人机检测,通过广义似然比检验验证可行性,并分析RIS部署与训练参数以提供系统设计指导。
2025-01-02 eess.SP
Urban RIS-Assisted HAP Networks: Performance Analysis Using Stochastic Geometry
本文利用随机几何建模城市RIS辅助HAP网络,提出广义Beta prime分布刻画信道,推导覆盖概率与遍历容量,验证阻塞效应可减轻干扰,提升城市连接与数据卸载性能。
2025-06-18 eess.SP
Analysis and Optimization of Multiple-STAR-RIS Assisted MIMO-NOMA with GSVD Precoding: An Operator-Valued Free Probability Approach
本文研究了多STAR-RIS辅助的下行双用户MIMO-NOMA系统在GSVD预编码下的分析与优化,应用算子值自由概率理论推导了用户渐近信息速率的闭式表达式,并提出了基于统计信道状态信息的投影梯度上升法(PGAM)以最大化总速率。
2024-11-14 eess.SP
Near-Field LoS/NLoS Channel Estimation for RIS-Aided MU-MIMO Systems: Piece-Wise Low-Rank Approximation Approach
针对RIS辅助毫米波MU-MIMO系统中RIS-BS信道矩阵高秩且非稀疏导致现有方法性能不佳的问题,首次提出基于分段低秩近似的近场LoS/NLoS信道估计方法PW-CLRA,并经仿真验证有效。
2024-10-17 eess.SP
RIS Optimization Algorithms for Urban Wireless Scenarios in Sionna RT
Kocaeli University(科贾埃利大学);Boğaziçi University(博阿齐奇大学);Istanbul Technical University(伊斯坦布尔理工大学)
本文评估了在数字孪生环境中利用信道估计方法的RIS优化算法性能,通过集成Sionna的RT模拟生成覆盖地图,并验证了在近实时仿真环境中算法验证的必要性。
2025-05-02 eess.SP
On the Capacity of Reconfigurable Intelligence Surface: the Sparse Channel Case
针对稀疏信道下的RIS辅助MIMO通信,通过利用稀疏性在奇异空间最大化容量,开发高效算法,并证明RIS反射信道支持高秩传输更困难。
2023-10-12 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
Precoding for Uplink RIS-Assisted Cell-Free MIMO-OFDM Systems with Hardware Impairments
Cisco Systems(思科系统);KTH Royal Institute of Technology(瑞典皇家理工学院)
针对 UE 与 AP 存在 IQI 的多 RIS 辅助上行 CF-mMIMO-OFDM 系统,提出基于 WMMSE 的 BCD 联合预编码、RIS 系数和接收合并优化方法,以提升和速率与求解效率。
2025-10-20 eess.SP
Secrecy Rate Maximization in RIS-Assisted MIMO Systems Using a Practical Hardware Model
Indian Institute of Technology, Bombay(印度孟买理工学院);Institut Teknologi Sepuluh Nopember(印尼十十一月理工学院);Indian Institute of Technology (Indian School of Mines), Dhanbad(印度多汉巴德印度理工学院(印度矿业学院));National Sun Yat-sen University(国立中山大学)
本文提出了一种基于实用硬件模型的RIS辅助MIMO系统,通过自适应投影梯度法优化传输预编码矩阵和RIS相移,以最大化保密率并减少计算成本。
2026-02-19 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
Rank Optimization for MIMO Channel with RIS: Simulation and Measurement
本文研究RIS辅助的MIMO系统信道优化,提出一种高效的RIS优化方法以提升信道有效秩和可达速率,并通过数值仿真及2×2原型实验验证了该方法相比无RIS系统的显著性能提升。
2023-12-08 cs.IT eess.SP math.IT
Active RIS-Assisted MIMO-OFDM System: Analyses and Prototype Measurements
本研究开发了符合5G新无线电标准的有源RIS辅助MIMO-OFDM原型,实验证明有源RIS在提升MIMO性能方面优于无源RIS,凸显其实际应用价值。
2023-11-15 cs.IT eess.SP math.IT
Co-Design for Spectral Coexistence between RIS-aided MIMO Radar and MIMO Communication Systems
针对RIS辅助的MIMO雷达与MIMO通信系统频谱共存需求,本文提出基于最小化最大化、半定规划与交替方向乘子法的循环优化方法,在非凸约束下提升雷达检测性能并保障通信能力,经数值验证有效。
2023-06-14 cs.SY eess.SP eess.SY
Beyond Cell-free MIMO: Energy Efficient Reconfigurable Intelligent Surface Aided Cell-free MIMO Communications
无小区系统可以通过使多个基站(BS)能够以由于BS的大规模部署而导致的高硬件和电源成本为代价来协作地为没有小区边界的用户服务,从而有效地消除小区间干扰。为了解决这个问题,低成本的可重构智能表面(RIS)可以作为一个有前途的技术,以提高能源效率的无细胞系统。在本文中,我们考虑了一个RIS辅助无小区MIMO系统,其中多个RIS部署在BS和用户周围,以低成本的方式通过可重构反射来创建有利的传播条件,从而增强无小区MIMO通信。为了最大限度地提高能量效率,提出了一种混合波束形成(HBF)方案,该方案由基站处的数字波束形成和基于RIS的模拟波束形成组成。建立了能源效率最大化问题的数学模型,并设计了求解该问题的迭代算法。研究了发射功率、RIS数目和RIS大小对能量效率的影响。理论分析和仿真结果表明,最优能量效率取决于RIS的数量和RIS的大小。数值计算也表明,该系统可以实现更高的能量效率比传统的。
2020-11-17 cs.IT eess.SP math.IT
Optimization of RIS-Aided MIMO -- A Mutually Coupled Loaded Wire Dipole Model
本文针对含散射物体的RIS辅助MIMO系统,提出一种不依赖诺伊曼级数近似的可调负载优化算法,可证明收敛且复杂度随RIS单元数呈多项式增长,在迭代次数和收敛时间上均优于现有基准算法。
2023-09-18 cs.IT eess.SP math.IT
Interference Leakage Minimization in RIS-assisted MIMO Interference Channels
我们解决的问题,干扰泄漏(IL)最小化的$K$ -用户多输入多输出(MIMO)干扰信道(IC)的可重构智能表面(RIS)的协助。我们描述了一个迭代算法的基础上块坐标下降,以最小化IL成本函数。重新制定的问题提供了一个几何解释,并显示出有趣的连接包络预编码和相位只有迫零波束成形问题。作为该分析的结果,我们推导出相位优化RIS能够完美地消除$K$用户MIMO IC上的干扰的一组必要(但不是充分)条件。
2023-03-06 cs.IT eess.SP math.IT
Energy-Efficient Active Element Selection in RIS-aided Massive MIMO Systems
针对有源RIS辅助M-MIMO系统,提出基于LDT和FP的EE优化与有源元件选择方案,以更少元件实现较完全无源RIS最高120%的EE提升。
2024-03-03 cs.IT eess.SP math.IT
Discrete RIS Enhanced Space Shift Keying MIMO System via Reflecting Beamforming Optimization
针对存在直接链路的离散RIS辅助SSK-MIMO系统,提出基于SCA和惩罚交替优化的RIS相移优化方法以最大化最小星座欧氏距离、降低误比特率,仿真验证了方案优越性及各参数对可靠性的影响。
2024-11-01 cs.IT eess.SP math.IT