Height estimation for automotive MIMO radar with group-sparse reconstruction
提出了一种利用相干或互不相干MIMO阵列对运动车辆前方远距离小目标的方位角和高度进行序贯估计的方法。该模型考虑了由镜面非扩散地面反射产生的近场多径信号的相位和幅度，其中假设由于与地面的相互作用而引起的反射相移和功率衰减是未知的。组稀疏性允许组合沿着车辆的轨迹的测量值，前提是道路是平坦的，以及来自车辆中不同位置处的多个不相干传感器的测量值。仿真结果表明，所提出的方法显着提高了估计精度，减少了误报，这两个在远距离小物体的检测至关重要。该模型适用于非均匀稀疏阵列，并可用于高度估计，使用有效的方法，如块正交匹配追踪。
2019-04-22 eess.SP
MIMO-SAR: A Hierarchical High-resolution Imaging Algorithm for mmWave FMCW Radar in Autonomous Driving
毫米波雷达正越来越多地集成到商用车中，以支持先进的驾驶辅助系统功能。当前车载雷达成像的一个关键缺点是由于天线尺寸和位置的形状因子限制而导致的方位分辨率差（对于侧视操作）。在本文中，我们提出了一种解决方案，通过一种新的多输入和多输出合成孔径雷达（MIMO-SAR）成像技术，适用于相干合成孔径雷达的原则，以提高侧视（角）分辨率的车载MIMO雷达。所提出的两阶段分层MIMO-SAR处理工作流程大大减少了计算量，同时保持图像分辨率。为了使合成孔径的相干处理，我们集成了一个雷达测距算法，估计自我雷达的轨迹。通过仿真和车载雷达平台的实测数据验证了MIMO-SAR算法的有效性。
2021-06-04 eess.SP
Capacity Analysis of Holographic MIMO Channels with Practical Constraints
全息多输入多输出（MIMO）被认为是一种很有前途的技术，通过将大量天线集成到紧凑的空间中来实现前所未有的频谱效率。大多数全息MIMO的研究都是基于各向同性散射环境，天线增益被假定为不受部署空间的限制。然而，由于广义角分布，信道可能不满足各向同性散射，并且天线增益实际上受到阵列孔径的限制。在这封信中，我们的目的是分析全息MIMO信道容量的实际角度分布和阵列孔径的限制。首先，我们通过引入基于波数域的方法计算广义角分布的谱密度。在此基础上，分析了广义角度分布下的容量，并考虑了两种不同的孔径方案。最后，数值结果表明，在高信噪比时，角度分布对容量的影响明显，而在低信噪比时，角度分布对容量的影响很小;由于阵列孔径的限制，容量不会随天线密度的增加而无限增加。
2022-12-29 eess.SP
Near-Field Integrated Imaging and Communication in Distributed MIMO Networks
针对分布式MIMO宽带通信系统的无线成像问题，考虑多视角非各向同性目标与近场效应，提出室内RMA方案（三种阵列架构）及室外SBL-MMVA算法，数值结果验证其在小物体高分辨率成像和大规模环境重建中的有效性。
2025-08-24 eess.SP
Deep Learning of Transferable MIMO Channel Modes for 6G V2X Communications
在新兴的使用毫米波（mmWave）和亚太赫兹（sub-THz）的高移动性车辆到万物（V2X）通信中，多输入多输出（MIMO）信道估计是一项极具挑战性的任务。在毫米波/亚太赫兹频率下，MIMO信道在空间-时间域中表现出很少的前导路径（即，方向或到达/离开和延迟）。代数低秩（LR）信道估计通过利用覆盖小区中的循环训练车辆通道的位置相关MIMO信道本征模的计算来利用空时信道稀疏性。LR需要车辆的地理位置和每个位置的数十到数百个训练车辆的通道，导致显著的复杂性和控制信令开销。在这里，我们设计了一种基于DL的LR信道估计方法，以从单个LS信道估计开始并且不需要车辆的位置信息来推断V2X城市设置中的MIMO信道本征模。数值结果表明，所提出的方法达到可比的均方误差（MSE）性能的位置为基础的LR。此外，我们表明，所提出的模型可以训练的参考方案，并有效地转移到城市背景下具有不同的时空信道功能，提供可比的MSE性能没有明确的迁移学习过程。这一结果简化了在任意密集城市场景中的部署。
2021-08-31 cs.LG eess.SP
On the Performance of Unmanned Aerial Vehicles with MIMO VLC
本文研究配备MIMO可见光通信的无人机系统，提出混合调光控制与基于软演员-评论家和元学习的资源分配方法，联合优化轨迹、波束成形和LED选择，仿真表明10个LED阵列较单LED在数据速率和能量效率上分别提升47%和34%。
2025-05-10 eess.SP
5G MIMO Data for Machine Learning: Application to Beam-Selection using Deep Learning
配置蜂窝网络的复杂性越来越高，这表明机器学习（ML）可以有效地改进5G技术。事实证明，深度学习在语音处理和计算视觉等ML任务中是成功的，其性能与可用数据量成正比。大型数据集的缺乏抑制了深度学习在无线通信中应用的蓬勃发展。本文提出了一种将车辆交通模拟器与光线跟踪模拟器相结合的方法，以生成代表收发器和对象移动性的5G场景的信道实现。然后，本文描述了一个特定的数据集调查波束选举技术的车辆到基础设施使用毫米波。在分类、回归和强化学习问题中使用深度学习的实验说明了使用所提出的方法生成的数据集的使用
2021-06-09 eess.SP
Perception Through 2D-MIMO FMCW Automotive Radar Under Adverse Weather
毫米波（mmWave）雷达越来越多地集成在商用车辆中，以支持新的自适应驾驶员辅助系统（ADAS）功能，这些功能需要对物体进行准确的位置和多普勒速度估计，而不受环境条件的影响。为了探索基于雷达的ADAS应用，我们使用德州仪器的4芯片级联FMCW雷达（TIDEP-01012）更新了我们的测试平台，形成了一个非均匀的2D MIMO虚拟阵列。在本文中，我们开发了必要的接收信号模型，应用不同的波达方向（DoA）估计算法和实验验证其性能形成的虚拟阵列在受控的情况下。为了测试毫米波雷达在恶劣天气条件下的鲁棒性，我们通过车载平台收集了各种物体的原始雷达数据集（解调后的I-Q样本），特别是在相机基本无效的下雪和有雾的情况下。从雷达成像算法，这个数据集的初步结果。
2023-01-21 eess.SP
LoS+NLoS Holographic MIMO: Analysis and Application of Wavenumber-Division Multiplexing
University of Oulu（奥卢大学）；CNRS and CentraleSupélec - Univ. Paris-Saclay, Institute of Electronics and Digital Technologies (IETR)（法国国家科学研究中心与巴黎萨克雷大学中央理工-巴黎高等电力学院，电子与数字技术研究所）；King’s College London, Department of Engineering-Centre for Telecommunications Research（伦敦国王学院，工程系-电信研究中心）
本文提出了一种统一的LoS+NLoS信道表示方法，扩展了波数分割复用框架以适应非视距场景，并推导了各向同性和非各向同性散射的闭合形式表征，从而提升了全息MIMO的性能。
2026-10-06 eess.SP
High-gain MIMO Beamforming Antenna System for DSRC and mmwave 5G Integration in Autonomous Vehicles
针对自动驾驶车辆对高可靠、高速、低延迟通信的需求，提出一种可同时支持 5.9 GHz DSRC 与 28 GHz mmWave 5G 的高增益 MIMO 波束成形天线系统，以兼顾紧凑结构、双频工作、波束扫描和端口隔离。
2025-06-02 cs.IT cs.SY eess.SP
Motion Estimation and Compensation in Automotive MIMO SAR
随着自动驾驶汽车的出现，自动驾驶系统将不得不依赖大量的异构传感器来对周围环境进行动态感知。合成孔径雷达（SAR）系统通过利用车辆的自我运动来提高传统大众市场雷达的分辨率，需要非常准确的轨迹知识，通常与汽车级导航系统不兼容。针对这一问题，本文对汽车SAR系统中的轨迹估计误差进行了分析、估计和补偿，提出了完整的残差运动估计和补偿工作流程。我们首先定义的几何采集和基本的处理步骤的多输入多输出（MIMO）SAR系统。然后，我们解析地推导出典型的运动误差在汽车SAR成像的影响。根据推导出的模型，详细介绍了该程序，概述了其实际实施的指导方针。我们所提出的技术的有效性，通过收集的实验数据由77 GHz的雷达安装在一个前瞻性的配置。
2022-01-25 eess.SP
Multi-Beam Object-Localization for Millimeter-Wave ISAC-Aided Connected Autonomous Vehicles
针对毫米波MIMO ISAC系统中单波束不适合近距离目标的问题，提出多波束目标定位模型以最大化感知波束增益，并设计基于惩罚的三重交替优化算法求解非凸问题，仿真验证了其有效性。
2024-08-26 eess.SP
Software-Defined MIMO OFDM Joint Radar-Communication Platform with Fully Digital mmWave Architecture
大规模部署具有协作传感和操纵技术的互联车辆，增加了对5.9 GHz车联网通信（V2X）频段的需求。除了V2X频谱，24和77 GHz的未充分利用的毫米波（mmWave）频段可用于补充V2X通信，并为新兴宽带应用提供高数据速率支持。为此目的，联合雷达通信（JRC）系统已在文献中提出了使用相同的波形和硬件来执行这两个功能。在这项工作中，我们提出了一个软件定义的多输入多输出（MIMO）JRC与正交频分复用（OFDM）的24 GHz毫米波波段。我们使用商用软件定义无线电和定制的毫米波前端实现了一个实时操作的全双工JRC平台。通过全数字MIMO架构，我们展示了毫米波频段MIMO OFDM JRC的同步数据传输和高分辨率雷达成像能力。
2023-02-11 cs.AR eess.SP
Position-agnostic Algebraic Estimation of 6G V2X MIMO Channels via Unsupervised Learning
6 G车联网（V2X）背景下的MIMO系统将需要准确的信道知识，以实现高效的通信。诸如无约束最大似然（U-ML）之类的标准信道估计技术在大规模MIMO设置中是极其嘈杂的，而结构化方法（例如，压缩感测适合于低移动性场景，并且对硬件损伤敏感。我们提出了一种基于无监督学习的6 G V2X多车辆代数信道估计方法，该方法利用典型城市环境中的循环车辆通道。该算法基于多个训练序列的\textit{algebraic similarity}，通过K中心点算法对训练序列进行聚类，得到MIMO信道的本征模，从而提高信道估计精度。数值结果表明，所提出的方法的均方误差（MSE）相比，标准的U-ML解决方案（15 dB以下）显着的好处。
2021-07-26 cs.IT eess.SP math.IT
Fusing Channel and Sensor Measurements for Enhancing Predictive Beamforming in UAV-Assisted Massive MIMO Communications
本文提出融合信道与传感器数据，利用扩展卡尔曼滤波和预测波束赋形框架，提升无人机大规模MIMO通信的波束对齐精度与频谱效率。
2023-12-29 eess.SP
Optimal Precoder Design for MIMO-OFDM-based Joint Automotive Radar-Communication Networks
大规模部署具有协作感知技术的互联车辆增加了对5.9 GHz车联网（V2X）通信频谱的需求，该频谱主要用于交换安全消息。为了补充V2X通信并支持宽带应用所需的高数据速率，可以利用76-81 GHz的毫米波（mmWave）汽车雷达频谱。为此目的，在文献中已经提出了联合雷达-通信系统，以使用相同的波形和硬件来执行这两种功能。虽然多用户的多输入多输出（MIMO）通信能够实现独立的数据流传输，以实现高吞吐量，但MIMO雷达处理可提供对安全关键系统至关重要的高分辨率成像。然而，采用为通信设计的传统预编码方法会产生定向波束，这会损害数据流传输期间的MIMO雷达成像和目标跟踪能力。提出了一种基于正交频分复用（OFDM）波形的MIMO汽车雷达通信（JARC）联合框架。首先，我们表明，MIMO-OFDM前导码可以利用MIMO雷达处理和估计的通信信道。然后，我们提出了一个最佳的预编码器的设计方法，使高精度的目标跟踪，同时发送独立的数据流到多个接收器。所提出的方法为MIMO JARC网络提供高分辨率雷达成像和高吞吐量能力。最后，我们通过数值模拟评估所提出的方法的有效性。
2021-09-25 cs.NI eess.SP
Channel covariance estimation in multiuser massive MIMO systems with an approach based on infinite dimensional Hilbert spaces
提出了一种新的多用户大规模多输入多输出系统中期望用户信道协方差矩阵的估计算法。该算法仅使用阵列响应的知识和传入信号的角度支持的粗略知识，假设这些信号在明确定义的意义上是分离的。为了推导出该算法，我们研究了干扰模式与现实的模型，将信号作为连续函数在无限维希尔伯特空间。通过这样做，我们可以避免常见的和不自然的简化，如离散信号的存在，理想的各向同性天线，和无限大的天线阵列。该算法的另一个优点是计算简单：它只需要一次矩阵向量乘法。在某些情况下，仿真表明，所提出的算法获得的估计接近的标准估计技术在无干扰和无噪声系统中操作。
2020-06-12 eess.SP
Enabling Ultra-Dense, Open-RAN, Vehicular Networks with Non-Linear MIMO Processing
本研究提出基于 Open-RAN 的 MPNL MIMO 处理技术，解决超密集车载网络容量未充分利用问题，在无吞吐量损失下使并发车辆连接数提升超 300%。
2024-09-22 eess.SP
Capacity Bounds and Degrees of Freedom for MIMO Antennas Constrained by Q-Factor
研究了在各向同性多径信道中，当天线具有一定的带宽要求时，MIMO天线的最佳频谱效率和独立信道数。通过将该问题作为一个受端口Q因子约束的凸优化问题，得到了其解的半解析表达式。天线的矩量法和解决方案是制定的离散端口馈入的结构，以及为特征在于由等效电流的设计区域进行模拟。它示出的解决方案是完全依赖于所谓的能量模式的天线的本征值。这些特征值的幅度进行了分析的线性偶极子阵列，以及与嵌入式天线区域的板。将能量模式与特征模式进行比较，以验证特征模式作为MIMO天线的设计策略。天线性能通过Q因子上的频谱效率来说明，Q因子是与容量相关的量。它建议的能量模式的数量低于一个给定的Q因子可以用来估计的自由度的Q因子。
2021-09-06 eess.SP
Hybrid Precoding for mmWave V2X Doubly-Selective Multiuser MIMO Systems
毫米波（mmWave）是为车联网（V2X）通信提供高数据率的实用解决方案。这使得未来的自动驾驶汽车能够与基站（BS）交换大数据，例如速度和位置，以提高高级驾驶辅助系统（ADAS）的感知能力。在这种情况下，我们考虑一个单小区多用户双选择系统，其中BS同时服务于多个车辆。为了实现这一要求，在混合架构中实现BS以支持多个空间流，而车辆具有仅模拟的结构。在这项工作中，我们开发了一种低复杂度的混合预编码算法，其中的混合预编码器在BS和模拟组合器在车辆的设计需要小的训练和反馈开销。我们提出了一个两阶段的混合预编码算法，其中第一阶段设计的模拟波束形成器在单用户的情况下，而第二阶段设计的多用户数字预编码器在BS。在第二阶段，我们推导出封闭形式的数字预编码器，如最大比传输（MRT），迫零（ZF）和最小均方误差（MMSE）作为第一个变量，而我们提出迭代数字预编码器作为第二个变量。用于两种变体的数字预编码器的设计需要从车辆发送到BS的有限反馈。我们参考随机矢量量化（RVQ）和波束控制码本来分别对变体I和II的反馈进行优化，因为完美的反馈需要长开销和大量训练。我们评估的数字和模拟码本的量化对完美的信道状态信息在发送端（CSIT）所产生的速率损失。
2021-03-23 cs.IT eess.SP math.IT
Degrees of Freedom of Holographic MIMO Channels
我们考虑矩形对称的空间约束孔径，旨在检索通过不同的分析和工具在其他地方获得的空间自由度（DoF）的平均数的限制。与以前的工作不同，我们使用最近在[1]中引入的傅立叶平面波级数展开，其中远场小尺度衰落的统计模型是在笛卡尔空间傅立叶基上基于连续空间和物理的正交展开的基础上开发的。这种扩展产生了一组统计独立的随机系数，其基数直接给出了DoF平均数的限制。的治疗是有限的各向同性散射环境，但可以扩展到非各向同性的情况下，通过线性系统理论解释的平面波传播。
2020-02-27 cs.IT eess.SP math.IT
Channel Measurement for Holographic MIMO: Benefits and Challenges of Spatial Oversampling
本文对室内全息多输入多输出（MIMO）系统的信道进行了测量。通过实验首次证明了全息MIMO系统的空间过采样能够显著提高无线通信系统的容量。然而，天线效率是阻碍我们获得容量提高的最关键挑战。本文还针对全息MIMO系统提出了一种扩展的EM兼容信道模型，该模型能够考虑传播环境的非各向同性特性、天线方向图畸变、天线效率和极化特性。
2023-01-13 cs.IT eess.SP math.IT
Cell-free Massive MIMO for UAV Communications
研究了无蜂窝大规模多输入多输出架构对无人机通信的支持。在一般假设的移动台，无论是无人机或地面用户，和接入点之间的传播信道遵循莱斯分布，我们推导出封闭形式的频谱效率下限的上行链路和下行链路的线性最小均方误差（LMMSE）信道估计。我们还提出了这样一个系统的功率分配和用户调度策略。我们的数值结果表明，无小区大规模多输入多输出架构可以提供比传统的多小区大规模多输入多输出网络部署更好的性能。
2019-02-10 cs.IT eess.SP math.IT
Channel Estimation for 6G V2X HybridSystems using Multi-Vehicular Learning
毫米波（mmW）/亚太赫兹（sub-THz）下的混合多输入多输出（MIMO）系统的信道估计是混合MIMO预编码/组合的有效设计的基本前提，尽管具有挑战性。大多数作品提出了顺序搜索算法，例如，压缩感知（CS），最适合静态信道，因此不能应用于高度动态的场景，如车联网（V2X）。为了解决后者，我们利用\textit{recurrent vehicle passages}设计一种新的多车辆（MV）混合MIMO信道估计适合车辆到基础设施（V2 I）和车辆到网络（V2 N）系统。我们的方法通过MV波束对准过程推导出模拟预编码器/组合器。对于数字预编码器/组合器，我们采用低秩（LR）信道估计方法来学习接收到的数字信号（波束成形后）的位置相关的本征模，该本征模用于估计通信阶段的压缩信道。通过射线跟踪信道数据和真实车辆轨迹获得的大量数值模拟表明，与压缩数字信道的无约束最大似然估计（U-ML）相比，我们的解决方案在可实现的频谱效率（SE）和均方误差（MSE）方面具有优势，使其适用于5G和未来的6 G系统。最值得注意的是，在某些情况下，我们获得了最佳全数字（FD）系统的性能。
2021-05-21 cs.IT eess.SP math.IT
A Realistic 3D Non-Stationary Channel Model for UAV-to-Vehicle Communications Incorporating Fuselage Posture
针对无人机（UAV）的三维姿态，提出了一种新的基于几何非平稳特性的多输入多输出（MIMO）U2 V信道随机模型。它由视距（LoS）和非视距（NLoS）组成。通过引入时变三维姿态矩阵，考虑了机身姿态因素。推导并研究了时间自相关函数（ACF）和空间互相关函数（CCF）等重要的统计特性。仿真结果表明，机身姿态对U2 V信道特性有显著影响，加剧了U2 V信道的非平稳性。分析、仿真和实测结果的一致性验证了模型和推导的正确性。此外，它表明，该模型也是兼容现有的GBSM不考虑机身姿态。
2022-09-19 eess.SP
Pedestrian Motion Direction Estimation Using Simulated Automotive MIMO Radar
汽车雷达基于微多普勒的目标分类能力可以为未来的主动安全汽车功能提供高可靠性和短延迟。在实际的城市场景中，车辆周围的大量行人要求优先考虑他们的治疗水平。在穿过街道或在车辆路径内的相关行人与在人行道上并沿着车辆路线移动的行人之间进行分类可以显著地最小化车辆到行人的事故的数量。这项工作提出了一种新的技术，行人方向的运动估计，把行人作为复杂的分布式目标，并利用他们的微多普勒（MD）雷达签名。MD签名被示出为指示行人的运动方向，并且监督回归被用于估计运动方向与对应的MD签名之间的映射。为了获得更高的回归性能，采用了计算机视觉领域的基于稀疏字典学习的特征提取算法，通过将多普勒效应与视频时间梯度进行类比。所提出的方法的性能进行评估，在一个实际的汽车场景模拟，观察步行行人的多输入多输出（MIMO）汽车雷达与二维矩形阵列。使用统计Boulic-Thalman人体运动模型生成模拟数据。利用支持向量回归（SVR）和多层感知器（MLP）回归算法实现了精确的运动估计。结果表明，对于距离雷达$100$ m处的行人，在测试的$95\%$中，方向估计误差小于$10^{\circ}$。
2018-08-01 cs.IT eess.SP math.IT
6G Oriented Wireless Communication Channel Characteristics Analysis and Modeling
基于对6 G无线通信网络的展望，全球覆盖、全频谱、全应用，全面调研6 G相关无线信道测量、信道特性、全频段全场景信道模型。特别研究了毫米波（mmWave）、太赫兹（THz）、光学波段、卫星、无人机（UAV）、海上、水下声学、高速训练（HST）、车辆对车辆（V2 V）、大规模/超大规模多输入多输出（MIMO）、轨道角动量（OAM）和工业物联网（IoT）通信信道。给出了相关的6 G信道测量和建模结果。最后指出了6 G信道测量和建模的未来研究挑战。
2020-07-28 eess.SP
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
Secure UAV-to-Ground MIMO Communications: Joint Transceiver and Location Optimization
无人飞行器（UAV）由于其优越的信道质量而被预见构成有前途的机载通信设备。但是无人机对地（U2G）通信很容易被窃听。因此，我们设想了一个复杂的物理层安全解决方案，以提高多天线辅助U2G系统的保密率。利用随机矩阵理论推导了U2G MIMO窃听信道的保密率。然后将得到的显式表达式应用于MIMO收发器和UAV位置的联合优化中，该联合优化依赖于交替优化技术。我们的数值计算结果表明，联合收发器和位置优化的设想有利于安全通信，即使在具有挑战性的情况下，其中的合法渠道的机密信息是劣于窃听信道。
2022-07-10 cs.IT eess.SP math.IT
The COST IRACON Geometry-based Stochastic Channel Model for Vehicle-to-Vehicle Communication in Intersections
车对车（V2 V）无线通信可以提高道路交叉口的交通安全，并避免拥堵。然而，对于V2 V通信系统的开发和实际评估，需要关于无线传播信道的详细知识。我们提出了一种新的基于几何的随机MIMO信道模型，支持频率在5.2-6.2 GHz的频带。该模型是基于广泛的高分辨率测量在不同的道路交叉口在德国柏林市。我们扩展现有的模型，包括各种障碍物的影响，高阶相互作用，并通过引入角增益函数的散射体。散射体的位置已被确定，并映射到测量的多路径轨迹，使用基于测量的射线跟踪方法和随后的RANSAC算法。所开发的模型参数化，并使用已映射到散射体位置的测量的传播路径，模型参数进行估计。个别多径分量的时变功率衰落被发现是最好的建模与指数自相关的伽马过程。路径相干距离估计为0-2 m。该模型也验证了对测量数据，表明所开发的模型准确地捕获的测量信道增益，多普勒扩展和延迟扩展的行为。对于在估计模型参数时未使用的交叉点也是如此。
2020-01-14 eess.SP
MIMO OFDM-Enabled ISAC for Low-Altitude Non-Cooperative UAV Surveillance: A Survey
Hong Kong Polytechnic University（香港理工大学）；The University of Hong Kong（香港大学）；Beihang University（北京航空航天大学）
本文综述了基于MIMO OFDM的非合作低空无人机监视ISAC技术，分析了低空无人机感知的传播特性及波形设计，回顾了现有技术在系统建模、检测算法、识别方法及实验验证方面的进展，并总结了面临的挑战与未来研究方向。
2026-04-03 eess.SP
Air-to-Ground Directional Channel Sounder With 64-antenna Dual-polarized Cylindrical Array
无人驾驶飞行器（UAV），通常称为无人机，是未来无线通信的重要组成部分，无论是作为需要与地面站通信的用户设备，还是作为3D网络中的基站。为了分析“有用的”链路和调查对其他地面节点的可能干扰，需要了解空对地信道。由于地面节点通常配备有天线阵列，信道调查需要考虑它，本研究提出了一个大规模多输入多输出基于我们的实验室最近开发的空对地信道探测器，它可以执行上述要求的测量。在概述了探测器的原理和功能后，我们提出了演示功能的样本测量，并首次深入了解城市环境中的空对地大规模多输入多输出信道。我们的研究结果提供了一个平台，未来的调查和可能的增强大规模多输入多输出系统。
2021-02-13 eess.SP
Channel Modeling and Channel Estimation for Holographic Massive MIMO with Planar Arrays
在实际的无线环境中，多天线信道通常表现出空间相关衰落。当大量天线密集部署时，这一点更加强调，称为全息大规模MIMO（多输入多输出）。在这封信的第一部分，我们开发了一个信道模型，全息大规模MIMO考虑非各向同性散射和定向天线。在大量天线的情况下，很难获得空间相关矩阵的全部知识。在这种情况下，信道估计通常使用最小二乘（LS）估计器来完成，其不需要信道统计或阵列几何的先验信息。在这封信的第二部分，我们提出了一种新的信道估计方案，利用阵列的几何形状，以确定降低秩的子空间，覆盖任何空间相关矩阵的特征空间。建议的估计优于LS估计，而不使用任何用户特定的信道统计。
2022-02-02 cs.IT eess.SP math.IT
6G Wireless Channel Measurements and Models: Trends and Challenges
在本文中，我们首先介绍了我们对第六代（6G）无线通信网络的应用场景、性能指标和潜在关键技术的看法。然后，针对所有频段和所有场景全面调查6G无线信道测量、特性和模型，重点关注所有频谱下的毫米波（mmWave）、太赫兹（THz）和光无线通信信道，全球覆盖场景下的卫星、无人机（UAV）、海上和水声通信信道，以及高速训练（HST），全应用场景下的车对车（V2V）、超大规模多输入多输出（MIMO）、轨道角动量（OAM）、工业物联网（IoT）通信通道。还给出了6G信道测量、通用标准6G信道模型框架、基于智能反射表面（IRS）的6G技术的信道测量和模型以及人工智能（AI）信道测量和模型的未来研究挑战。
2020-12-08 eess.SP
Predictive Beamforming with Distributed MIMO
本研究将感知辅助通信扩展至多分布式 RSUs 和分布式 MIMO 场景，推导状态演化模型并构建扩展卡尔曼滤波方程以实现预测波束成形，仿真证明其感知性能、覆盖与速率优于共置大规模 MIMO。
2025-01-29 cs.IT eess.SP math.IT
Full-Dimensional Beamforming for Multi-User MIMO-OFDM ISAC for Low-Altitude UAV with Zero Sensing Resource Allocation
本文针对低空无人机ISAC系统中专用感知资源导致通信频谱效率下降的问题，提出一种零感知时频资源开销的MIMO-OFDM框架，通过联合发射波束赋形与低复杂度目标搜索及两阶段超分辨率感知算法，在提升通信和速率的同时改善感知分辨率、无模糊距离和精度。
2025-09-19 eess.SP
Energy-Efficient MIMO Integrated Sensing and Communications with On-off Non-transmission Power
本文研究考虑开关非传输功率的MIMO通感一体化系统，通过联合优化发射协方差矩阵和主动传输“开启”持续时间，在满足通信速率和感知估计CRB约束下最小化基站能耗，其半闭式最优解统一了频效与能效设计，显著降低了系统能耗。
2023-06-27 cs.IT eess.SP math.IT
Directivity-Aware Degrees of Freedom Analysis for Extremely Large-Scale MIMO
本研究利用波数域信道表示，分析了考虑天线方向性的极大规模MIMO系统的有效自由度（EDoF），揭示了耦合系数的不均匀分布，并通过仿真探讨了EDoF和遍历信道容量随单元间距的变化。
2024-12-24 cs.IT eess.SP math.IT
Location-aware Beamforming for MIMO-enabled UAV Communications: An Unknown Input Observer Approach
众多的通信和网络挑战阻碍了在现有无线技术主要集中在地面的极端环境中部署无人机（UAV）;因此，UAV的空对空信道没有完全覆盖。针对无人机联合感知与通信问题，提出了一种新的波束形成空间估计方法。所提出的空间估计算法依赖于使用基于延迟容忍的预测器，该预测器可以在存在由于阵风等因素引起的不确定性的情况下准确地预测目标无人机的位置。该方案使用离散时间未知输入观测器（UIO），通过在同一设备上工作，显著降低了联合目标检测和通信复杂度，并在信道阻塞和干扰的情况下可靠地执行。仿真结果证明了该方法的有效性。
2021-11-20 cs.IT cs.SY eess.SP
A General 3D Non-Stationary Wireless Channel Model for 5G and Beyond
本文提出了一种新的基于三维非平稳几何的第五代（5G）和超5G（B5 G）系统随机模型（GBSM）。所提出的B5 G信道模型（B5 GCM）被设计为捕获（B）5G系统中的各种信道特性，例如空间-时间-频率（STF）非平稳性、球面波前（STF）、高延迟分辨率、发射器、接收器和散射器的时变速度和运动方向、空间一致性等。通过将不同的信道特性组合到通用信道模型框架中，所提出的B5 GCM能够应用于多频段和多个场景，包括大规模多输入多输出（MIMO）、车辆到车辆（V2 V）、高速训练（HST）和毫米波-太赫兹（mmWave-THz）通信场景。获得了所提出的B5 GCM的关键统计数据，并与标准5G信道模型和相应的测量数据进行了比较，显示了所提出的模型的通用性和实用性。
2021-01-17 eess.SP
A Novel Beamformed Control Channel Design for LTE with Full Dimension-MIMO
全方位MIMO（FD-MIMO）技术能够在同时连接大量移动无线设备、无人机和物联网（IoT）的情况下实现网络吞吐量的巨大改善。在FD-MIMO中，随着基站处的大量天线和执行波束成形的能力，物理下行链路共享信道（PDSCH）的容量已经增加了很多。然而，第三代合作伙伴计划（3GPP）的当前规范不允许基站对物理下行链路控制信道（PDCCH）执行波束成形技术，因此，PDCCH既不具有PDSCH的容量也不具有PDSCH的覆盖范围。因此，PDCCH容量将仍然限制网络的性能，因为它规定了在给定时刻可以调度的用户的数量。在版本11中，3GPP引入了增强型PDCCH（EPDCCH），以牺牲PDSCH资源为代价来增加PDCCH容量。在可用的控制信道资源内增强PDCCH容量的问题在文献中尚未被解决。因此，在本文中，我们提出了一种新的波束成形的PDCCH（BF-PDCCH）的设计，这是对齐的3GPP规范，并要求在基站简单的软件变化。我们依靠在上行链路中发送的探测参考信号来决定用于用户的最佳波束，并且巧妙地在PDCCH中调度用户。我们进行系统级仿真，以评估所提出的设计的性能，并表明，所提出的BF-PDCCH实现更大的网络吞吐量时，与目前的最先进的算法，PDCCH和EPDCCH计划。
2019-05-14 cs.IT eess.SP math.IT
A Hybrid Model/Data-Driven Solution to Channel, Position and Orientation Tracking in mmWave Vehicular Systems
针对毫米波车辆系统中的信道、位置和姿态跟踪问题，提出一种结合F-MOMP算法与VO-ChAT、VP-ChAT网络的混合模型/数据驱动解决方案，在80%情况下实现26厘米位置精度和0.5度以下姿态误差。
2025-03-07 eess.SP
Using a Drone Sounder to Measure Channels for Cell-Free Massive MIMO Systems
传播信道的测量形成所有实际系统性能评估的基础，作为统计信道模型的基础或验证射线跟踪。这对于现实环境中的无小区大规模多输入多输出（CF-mMIMO）系统的分析也是如此。然而，由于在CF-mMIMO系统预期覆盖的广域上部署数十或数百个信道探测器节点的复杂性和成本，特别是当要探索不同的天线配置和数量时，难以获得这样的实验数据。在本文中，我们提供了一种新的方法来测量信道CF-mMIMO系统使用的信道探测器基于无人机，也被称为小型无人机（UAV）。这种方法高效、灵活、简单且成本低，可在几分钟内从数千个不同的接入点（AP）位置捕获信道数据。此外，我们还提供了分析AP部署策略的3.5 GHz测量结果样本，并将数据开源，以便用于其他各种研究。
2022-05-06 cs.SY eess.SP eess.SY
Harnessing Multimodal Sensing for Multi-user Beamforming in mmWave Systems
本文提出一种用于多用户毫米波MIMO系统的传感器辅助波束训练新框架，利用基于DNN的多模态传感器融合和有监督软对比损失估计信道波束空间，并设计多用户波束成形策略避免同向传输，使中值总和频谱效率提升超4倍。
2024-06-07 eess.SP
3-D Deployment of UAV Swarm for Massive MIMO Communications
我们考虑了多天线地面站和无人机群之间的上行链路传输。将无人机视为智能体，通过智能体探索无人机的最优三维（3-D）部署，最大化多输入多输出（MIMO）系统的信道容量。具体而言，考虑到每个无人机在访问网络的全局信息的限制，我们专注于一个分散控制的策略，注意到每个无人机群只能利用本地信息，以实现最佳的3-D部署。在这种情况下，优化问题可以被划分为关于秩函数的若干优化子问题。由于秩函数的非凸性质和优化子问题耦合的事实，原始问题是NP难的，因此不能用标准凸优化求解器来求解。有趣的是，我们可以放松每个子问题的约束条件，并通过制定无人机信道容量最大化博弈来解决优化问题。我们根据设计的奖励函数和势函数对这种博弈进行了分析。然后讨论了博弈中纯纳什均衡的存在性。为了实现MIMO系统的最佳纳什均衡，提出了一种分散式学习算法，即无人机分散式信道容量学习。文中给出了算法的细节，并对算法的收敛性、有效性和计算复杂性进行了分析。此外，我们给出了一些有见地的意见的基础上的证明和理论分析。仿真结果表明，所提出的学习算法能够利用局部信息优化无人机群的三维部署，从而获得较高的MIMO信道容量。
2021-05-03 cs.IT eess.SP math.IT
A General 3D Non-Stationary 5G Wireless Channel Model
本文提出一种通用的三维非平稳5G信道模型，统一刻画大规模MIMO、高铁、车联网和毫米波等场景的小尺度衰落特性，并验证其与实测数据高度吻合。
2023-11-28 eess.SP
An Assessment of the Radio Frequency Electromagnetic Field Exposure from A Massive MIMO 5G Testbed
当前射频电磁场（RF-EMF）暴露限值已成为第五代（5G）移动网络部署的关键问题。监管不统一，在某些国家和地区，监管超出了国际非电离辐射防护委员会（ICNIRP）制定的准则。本文使用具有波束成形功能的大规模多输入多输出（mMIMO）测试平台，能够模拟真实的5G基站（BS）性能，对其在真实室内环境中的相关RF-EMF暴露进行实验和统计评估。mMIMO测试平台具有多达128个通道，具有用户可编程软件定义无线电（SDR）功能。它可以在信道状态信息（CSI）获取之后针对关于相关联的用户终端天线设置和位置的不同波束成形场景执行迫零预编码。利用64个活动mMIMO发射天线，针对不同位置处的单用户（SU）和多用户（MU）下行链路通信考虑了8种波束成形场景。使用校准的三轴各向同性场探头，获取每个波束成形场景的接收通道功率热图，然后将其转换为RF-EMF热图。基于波束剖面和用户数量的变化，评估了相关的RF-EMF统计数据。
2020-08-10 cs.SY eess.SP eess.SY
Channel Fingerprint Construction for Massive MIMO: A Deep Conditional Generative Approach
National Mobile Communications Research Laboratory, Southeast University（东南大学国家移动通信研究中心）；Purple Mountain Laboratories（紫金山实验室）；State Key Laboratory of CNS/ATM, Beijing Institute of Technology（北京理工大学 CNS/ATM 国家重点实验室）；Beijing Institute of Technology（北京理工大学）；MIT Key Laboratory of Complex-Field Intelligent Sensing, Beijing Institute of Technology（MIT 复杂场智能感知实验室，北京理工大学）；Advanced Technology Research Institute, Beijing Institute of Technology（北京理工大学先进技术研究院）；Yangtze Delta Region Academy, Beijing Institute of Technology（长江三角洲地区研究院，北京理工大学）；Department of Electrical and Electronic Engineering, The University of Hong Kong（香港大学电子与电气工程系）；Department of Electrical and Computer Engineering, University of Delaware（德雷塞尔大学电子与计算机工程系）
本文提出了一种基于深度条件生成扩散模型的通道指纹构建方法，通过引入CF双胞胎概念，利用变分推断和多目标知识蒸馏技术提升模型性能，实现粗粒度到细粒度CF的高效转换。
2025-05-12 cs.LG cs.NI eess.SP
