Coded Beam Training for RIS Assisted Wireless Communications
针对RIS辅助通信中低信噪比导致波束训练精度下降的问题，提出编码波束训练框架，通过新码字设计准则和降维编码器，利用信道编码纠错能力，实现低信噪比下准确波束训练。
2025-01-23 cs.IT eess.SP math.IT
Bit-Interleaved Coded Multiple Beamforming with Imperfect CSIT
本文讨论了比特交织编码多波束形成（BICMB）的性能[1]，[2]与波束形成向量的不完善的知识。大多数对发射端有限速率信道状态信息（CSIT）的研究都假设预编码矩阵在任意酉变换下具有不变性。在BICMB中，此属性不成立。另一方面，BICMB的最佳预编码器和检测器在对角酉变换下不变。为了设计一个有限速率的CSIT系统的BICMB，我们提出了一个新的失真测量优化下的不变性。基于这种新的失真测度，我们引入了一组新的质心，并采用广义Lloyd算法进行码书设计。我们提供的仿真结果表明，所提出的失真措施和各种接收机的线性检测器的码本设计实现的性能改善。我们表明，虽然这些接收器具有相同的性能完美的CSIT，他们的性能不完美的CSIT下的变化。
2008-05-08 cs.IT math.IT
Grassmannian-Coded Beamforming for mmWave Channel Sensing with Unknown Complex Path Gain
University of California San Diego（加州大学圣地亚哥分校）；Tampere University（坦佩雷大学）
本文探讨了单RF链非自适应信道感知中通道码与子空间码的新型见解，揭示了最大似然角度估计的性能由最小子空间距离和波束增益决定，并提出基于稀疏天线选择的子空间码提升感知性能。
2026-09-01 cs.IT eess.SP math.IT
Bit-Interleaved Coded Multiple Beamforming with Perfect Coding in Massive MIMO Systems
本文研究了在毫米波大规模多输入多输出（MIMO）系统中采用理想编码的比特交织编码多波束形成（BICMB），以获得最大的分集增益和复用增益。使用BICMB的完美编码使我们能够做到这一点。我们表明，通过使用BICMB和完美的编码，分集增益变得独立于发送数据流的数量和在每个远程天线单元（RAU）在发送器和接收器的天线的数量。假设发射机和接收机都知道完美的信道状态信息（CSI），并且天线数量趋于无穷大。后一种假设可以通过每个RAU中的大量天线来放松，类似于所有大规模MIMO研究的情况。仿真结果表明，当满足理想信道状态信息假设时，采用理想编码的BICMB可以得到分析预测的分集增益值。
2020-05-05 cs.IT math.IT
Diversity Analysis of Bit-Interleaved Coded Multiple Beamforming with Orthogonal Frequency Division Multiplexing
对于宽带无线通信系统，正交频分复用（OFDM）已经与多输入多输出（MIMO）技术相结合。比特交织编码多波束形成（BICMB）可以在平坦衰落MIMO信道中实现空间分集和空间复用。在频率选择性衰落的MIMO信道中，BICMB-OFDM（BICMB-OFDM）可以同时实现空间分集和多径分集，是一种重要的技术。然而，分析BICMB-OFDM的分集是一个具有挑战性的问题。本文对BICMB-OFDM系统进行了分集分析。首先，推导了最大可达分集，并证明了全分集条件RcSL <= 1，其中Rc，S和L分别为码率，每个子载波上发送的并行流数和信道抽头数。然后，性能下降，由于子载波之间的相关性进行了研究。最后，子载波分组技术被用来对抗性能下降，并提供多用户兼容性。
2015-03-17 cs.IT math.IT
Golden Coded Multiple Beamforming
Golden码是一种全速率全分集空时码，它在具有两个发射天线和两个接收天线的多输入多输出（MIMO）系统中实现最大编码增益。由于从M-QAM星座中选取四个信息符号来构造一个黄金码码字，因此当接收机处的信道状态信息（CSI）可用时，使用球形解码的最大似然解码器具有O（M^4）的最坏情况复杂度。在此之前，这种最坏情况下的复杂度被降低到O（M^（2.5））而没有性能下降。当发射机和接收机都知道CSI时，采用奇异值分解的波束成形技术通常用于MIMO系统中。在没有信道编码的情况下，当发送单个符号时，这些系统实现由信道提供的全分集阶数。而当同时传输多个符号时，该属性就丢失了。然而，未编码的多波束形成可以通过添加适当设计的星座预编码器来实现全分集阶数。对于2 \times 2完全预编码多波束成形（FPMB），一般最坏情况的解码复杂度是O（M）。本文提出了一种基于黄金编码的多波束形成（Golden Coded Multiple Beamforming，GCMB）技术，通过2个\times 2多波束形成来传输黄金编码。GCMB实现了全分集阶数，其性能类似于使用Golden Code和FPMB的一般MIMO系统，而O（sqrt（M））的最坏情况解码复杂度要低得多。本文还讨论了GCMB向更大维数的扩展。
2010-08-31 cs.IT math.IT
Diversity Analysis of Bit-Interleaved Coded Multiple Beamforming
在本文中，比特交织编码多波束形成（BICMB）的分集分析扩展到一般的空间波束形成器的情况下，删除一个条件，他们以前已知的设计标准和量化的分集阶数。分集阶数由参数Qmax确定，该参数Qmax是从卷积码和BICMB中使用的空间解复用器继承的。我们介绍了一种方法来找到这个参数，通过采用一个传递函数的方法，在寻找卷积码的重量谱。用这种方法计算了几个Qmax值，并与计算机检索结果相吻合。仿真结果支持分集分析和参数的确定方法。通过使用Singleton界，我们还证明了Qmax是由流的数量和编码器的码率的乘积的下界。针对给定的卷积码，提出了满足最大可达分集阶数条件的空分解复用器设计准则。
2009-02-03 cs.IT math.IT
Two-Stage Coded-Sliding Beam Training and QoS-Constrained Sum-Rate Maximization for SIM-Assisted Wireless Communications
Shandong University（山东大学）；Nanyang Technological University（南洋理工大学）；University of Luxembourg（卢森堡大学）；AUMOVIO-NTU Corporate Lab, Nanyang Technological University（奥莫维欧-南洋理工大学联合实验室）
针对堆叠智能超表面（SIM）辅助通信系统，提出两级编码滑动波束训练方法降低开销并提高精度，以及基于变量解耦的块逐次上界最小化算法直接求解QoS约束和速率最大化问题。
2026-05-23 cs.IT math.IT
Bit-Interleaved Coded Multiple Beamforming in Millimeter-Wave Massive MIMO Systems
本文利用比特交织编码多波束形成（BICMB）对毫米波（mmWave）大规模多输入多输出（MIMO）系统进行了渐近分集分析。首先，研究了在发射机处采用$M_t$天线子阵列并且在接收机处采用$M_r$天线子阵列的单用户毫米波系统。发射机和接收机中的每个天线子阵列分别具有$N_r$和$N_t$天线。我们建立了一个定理的分集增益时，在每个远程天线单元（RAU）的天线数趋于无穷大。基于该定理，具有BICMB的分布式系统实现了$L_t=\sum_{i,j}L_{ij}$的全空间复用和$\frac{\left(\sum_{i,j}β_{ij}\right)^2}{\sum_{i,j}β_{ij}^2L_{ij}^{-1}}$的全空间分集，其中$L_{ij}$是传播路径的数目，$β_{ij}$是发射机中的第$i$ RAU和接收机中的第$j$ RAU之间的大尺度衰落系数。该结果表明，可以通过增加RAU的数量来增加系统中的分集增益。仿真结果表明，在满足理想信道状态信息假设的情况下，BICMB的使用提高了系统的分集增益。
2019-03-14 cs.IT math.IT
Full-Diversity Precoding Design of Bit-Interleaved Coded Multiple Beamforming with Orthogonal Frequency Division Multiplexing
多输入多输出（MIMO）技术已经与正交频分复用（OFDM）结合用于宽带无线通信系统。比特交织编码多波束形成（BICMB）可以在平坦衰落MIMO信道中实现空间分集和空间复用。在频率选择性衰落MIMO信道中，BICMB-OFDM（BICMB-OFDM）可以同时提供空间分集和多径分集，是一种重要的技术。在我们之前的工作中，子载波分组技术被应用于对抗子载波相关性的负面影响。证明了在R_cSL<=1的条件下，BICMB-OFDM-SG（BICMB-OFDM-SG）可以实现全分集，其中R_c、S和L分别为码率、每个子载波上的并行流数和信道抽头数。全分集条件意味着如果S增加，则R_c可能必须减小以保持全分集。因此，增加并行流的数量可能不会提高总传输速率。本文采用预编码技术来克服BICMB-OFDM-SG中R_cSL<=1的全分集限制问题。首先，对预编码后的BICMB-OFDM-SG进行了分集分析。然后，全分集预编码设计开发与最小可实现的解码复杂度。
2013-06-30 cs.IT math.IT
Bit-Interleaved Coded Multiple Beamforming in Millimeter-Wave Massive MIMO Systems
分析了毫米波大规模多输入多输出（MIMO）系统中比特交织编码多波束形成（BICMB）方法在单用户和多用户情况下的分集增益。我们表明，分集增益是独立的数据流的数量和完整的空间复用顺序可以实现在这两种情况下。此外，我们表明，在多用户的情况下的分集增益是独立的系统中的用户的数量，只取决于在发送端的远程天线单元（RAU）的数量，当每个用户只有一个RAU。这里的假设是信道状态信息（CSI）在发射机和接收机的两侧是已知的，并且每个RAU中的天线的数量趋于无穷大。后一种假设可以通过每个RAU中的大量天线来放松，类似于所有大规模MIMO研究的情况。基于这些假设，单用户场景的分集增益是$\frac{\left(\sum_{i,j}β_{ij}\right)^2}{\sum_{i,j}β_{ij}^2L_{ij}^{-1}}$，其中$L_{ij}$是传播路径的数量，而$β_{ij}$是发射机中的第$i$ RAU与接收机中的第$j$ RAU之间的大尺度衰落系数。在多用户情况下，第$k$个用户的分集增益是$\frac{M^2}{\sum_{j}L_{kj}^{-1}}$，其中$M$表示发射机处的RAU的数量。仿真结果表明，当满足理想信道状态信息假设时，BICMB的使用导致了分析预测的分集增益值。
2019-11-12 cs.IT math.IT
Hybrid Neural Coded Modulation: Design and Training Methods
Hallym University（翰林大学）；KIOST（韩国海洋科学技术院）；Hanyang University（汉阳大学）
提出了一种由内码和外码组成的混合编码调制方案。外码可以是具有有效软解码能力的任何标准二进制线性码（例如，低密度奇偶校验（LDPC）码）。内部代码使用深度神经网络（DNN）来设计，深度神经网络（DNN）获取信道编码比特并输出调制符号。为了训练DNN，我们建议使用受广义互信息启发的损失函数。所得到的星座图被示出优于具有5G标准LDPC码的调制阶数16和64的传统的基于正交幅度调制（QAM）的编码方案。
2022-02-04 cs.IT cs.LG math.IT
Multiple Beamforming with Perfect Coding
完美空时分组码（PSTBC）实现了全分集、全速率、非零常数最小行列式、均匀的天线平均发射能量和良好的成形。然而，高解码复杂度是实践中的关键问题。当信道状态信息（CSI）在发射机和接收机都可用时，通常将奇异值分解（SVD）应用于多输入多输出（MIMO）系统以提高吞吐量或性能。本文提出了两种新的波束形成技术，即完全编码多波束形成（PCMB）和比特交织编码多波束形成与完全编码（BICMB-PC），分别采用了PSTBC和SVD，并进行了信道编码和未进行信道编码。与采用PSTBC的MIMO系统相比，在发射机处具有CSI（CSIT）的PCMB的解码复杂度大幅降低，提供了CSIT的新前景。特别地，由于生成矩阵的特殊性质，PCMB在2维和4维上提供比现有技术的基于SVD的未编码技术低得多的解码复杂度。类似地，BICMB-PC的解码复杂度在这两个维度上远低于最先进的基于SVD的编码技术，并且复杂度增益大于未编码的情况。此外，这些上述复杂性降低是在性能上仅有可忽略的或适度的损失的情况下实现的。
2012-01-30 cs.IT math.IT
Train Where the Data is: A Case for Bandwidth Efficient Coded Training
训练机器学习模型是计算和数据密集型的。大多数模型训练在高性能计算节点上执行，并且训练数据存储在这些节点附近以进行更快的训练。但是，人们对在数据附近进行培训的兴趣越来越大。例如，移动设备是训练数据的丰富来源。由于带宽和数据隐私的原因，将移动设备的数据整合到云服务中可能不可行。然而，移动设备上的培训充满了挑战。第一，移动设备可以自愿地或由于环境不确定性（诸如缺乏电力）而加入或离开分布式设置。容忍不确定性对于分布式移动训练的成功至关重要。容忍计算不确定性的一种主动方法是以编码格式存储数据并对编码数据执行训练。对数据进行编码是一项具有挑战性的任务，因为纠删码需要多个设备交换它们的数据以创建编码数据分区，这带来了显著的带宽约束。此外，编码计算传统上依赖于中心节点来编码数据并将其分发到所有工作节点，这在分布式移动环境中是不实际的。在本文中，我们使用带宽有效的编码策略来解决分布式移动训练中的不确定性。我们使用随机线性网络编码（RLNC），减少了在所有参与的移动设备之间交换数据分区的需要，同时保留编码计算的属性以容忍不确定性。我们为逻辑回归和SVM实现了梯度下降，以评估我们的移动训练框架的有效性。我们证明了减少50%的总所需的通信带宽相比，MDS编码计算，流行的纠删码之一。
2019-10-22 cs.DC cs.IT cs.LG
Multi-Antenna Coded Content Delivery with Caching: A Low-Complexity Solution
我们研究了单小区网络中的下行链路波束成形与多天线基站服务缓存使能的用户。假设一个图书馆的文件具有共同的速率，我们制定的最小发射功率与主动缓存和编码交付作为一个非凸优化问题。虽然这个多个组播问题可以有效地解决连续凸近似（SCA），问题的复杂性呈指数增长的子文件的数量在每个时隙中传递给每个用户，这本身与用户的数量呈指数增长。我们引入了一个低复杂度的替代方案，通过分时，限制了用户在每个时隙收到的子文件的数量。然后，我们考虑联合设计的波束成形和内容交付与稀疏性约束，以限制在每个时隙中由用户接收的子文件的数量。数值仿真结果表明，低复杂度的计划只有一个很小的性能差距，通过解决稀疏约束的联合问题，并优于国家的最先进的结果在所有的信噪比（SNR）和速率值与足够数量的发射天线。低复杂度方案的可实现的自由度（DoF）的下限推导出其在高信噪比制度的性能特征。
2020-07-23 cs.IT math.IT
Modeling, Analysis, and Optimization of Caching in Multi-Antenna Small-Cell Networks
在传统的高速缓存使能的小小区网络（SCN）中，由于内容中心基站关联，用户可能遭受强干扰。这可能会降低多个小型基站（SBS）之间的协作内容缓存（包括概率缓存和编码缓存）的优势。在这项工作中，我们通过在每个SBS部署多个天线进行干扰管理来解决这个问题。考虑两种类型的波束成形。一个是匹配滤波器（MF），以加强有效的信道增益的期望信号，另一个是迫零（ZF），以消除在选定的SBS合作组内的干扰。我们将这两种波束形成技术应用于概率缓存和编码缓存，并使用随机几何进行性能分析。我们得到精确的和近似的紧凑的积分表达式的系统性能测量的平均分数卸载流量（AFOT）和平均遍历频谱效率（AESE）。基于这些表达式，我们然后优化AFOT或AESE最大化的缓存参数。对于概率缓存，最佳的缓存解决方案。对于编码缓存，提出了一种有效的基于贪婪的算法。数值结果表明，多天线可以提高概率缓存和编码缓存的优势，传统的最流行的缓存与波束形成的适当使用。
2019-08-19 cs.IT cs.NI math.IT
Low-Subpacketization Multi-Antenna Coded Caching for Dynamic Networks
多天线编码缓存将与网络中的总缓存大小成比例的全局缓存增益与源于多个发射天线的附加空间复用增益相结合。然而，经典的集中式编码缓存方案不适合动态网络，因为它们需要用户数量的先验知识来指示在放置阶段期间应该在每个用户处缓存什么数据。另一方面，完全分散的方案只有在用户数量非常大的情况下才能提供与集中式方案相当的收益。在本文中，我们提出了一种新的多天线编码的动态网络的缓存方案，而不是定义个人的缓存内容，我们将用户与一组有限的预定义的缓存配置文件。然后，在交付阶段，我们的目标是实现一个组合的缓存和空间复用增益，在很大程度上与完全集中式方案的理想情况下。由此产生的方案施加小的子分组化和波束成形开销，在动态网络条件下是鲁棒的，并且与集中式方案相比，引起小的有限SNR性能损失。
2021-11-15 cs.IT math.IT
Low-Complexity Multi-Antenna Coded Caching Using Location-Aware Placement Delivery Arrays
本文提出位置感知放置交付阵列（LAPDA）和加权最大最小预编码，实现低复杂度多天线编码缓存，在非均匀缓存下显著降低平均及95百分位交付时间。
2023-07-09 cs.IT eess.SP math.IT
Constellation Precoded Multiple Beamforming
采用奇异值分解（SVD）的波束成形技术通常用于多输入多输出（MIMO）无线通信系统中。在没有信道编码的情况下，当发送单个符号时，这些系统实现了由信道提供的全分集阶数;而当同时发送多个符号时，该特性丧失。当采用信道编码时，可以实现全分集阶数。例如，当比特交织编码调制（BICM）与该技术相结合时，如果满足关于S和BICM卷积码率的条件，则在发送S个并行流的MxN MIMO信道中的NM的全分集阶数是可能的。本文提出了一种星座预编码多波束形成算法，该算法在BICM编码和未编码SVD系统下都能实现全分集阶数。我们提供了这个属性的分析证明。为了降低系统中最大似然（ML）译码的计算复杂性，我们采用球形译码（SD）。我们报告的SD技术，降低了计算复杂性超出常用的方法SD。该技术不仅相对于常规ML解码而且相对于常规SD实现了计算复杂性的几个数量级的降低。
2009-11-03 cs.IT math.IT
A Unified Coded Deep Neural Network Training Strategy Based on Generalized PolyDot Codes for Matrix Multiplication
Carnegie Mellon University（卡内基梅隆大学）；Simon Fraser University（西蒙弗雷泽大学）
本文有两个贡献。首先，我们提出了一种新的编码矩阵乘法技术，称为广义PolyDot码，现有的方法编码矩阵乘法存储和通信的限制下的进步。该技术使用“垃圾对齐”，即，对齐编码计算中不是期望输出的一部分的计算。广义PolyDot码是Polynomial码和MatDot码之间的桥梁，在恢复阈值和通信成本之间进行权衡。其次，我们证明了广义PolyDot可用于在易出现软错误的不可靠节点上训练大型深度神经网络（DNN）。这需要我们解决三个额外的挑战：（i）在每次迭代时对DNN的每一层中的权重矩阵进行编码的开销过大;（ii）训练期间的非线性操作，这与线性编码不兼容;以及（iii）不假设存在无错误的主节点，要求我们构建一个完全分散的实现，而没有任何“单点故障”。“我们允许所有主要的DNN训练步骤，即矩阵乘法，非线性激活，Hadamard乘积和更新步骤以及编码/解码都是容易出错的。我们考虑的情况下，小批量大小$B=1$，以及$B>1$，分别利用编码矩阵向量产品，矩阵矩阵产品。在软错误下的DNN训练问题也激发了一个有趣的概率错误模型，在该模型下，实数$(P,Q)$ MDS码被示出以概率$1$校正$P-Q-1$错误，与更传统的对抗性错误模型的$\lfloor \frac{P-Q}{2} \rfloor$相比。我们还表明，我们提出的策略可以提供无限的增益在容错竞争的复制策略和初步的MDS代码为基础的策略，这些…
2018-11-27 cs.DC cs.IT cs.LG
Coded Matrix Computations for D2D-enabled Linearized Federated Learning
Purdue University（普渡大学）；Iowa State University（爱荷华州立大学）
联邦学习（FL）是一种流行的技术，用于在跨客户端设备分布的数据上训练全局模型。像其他分布式训练技术一样，FL容易受到掉队（较慢或失败）客户端的影响。最近的工作已经提出通过设备到设备（D2D）卸载来解决这个问题，这引入了隐私问题。在本文中，我们提出了一种新的离散最优编码矩阵的计算方法，可以显着减少D2D数据传输在FL中引入的通信延迟和隐私问题。此外，我们提出的方法导致了相当大的提高本地计算速度时，生成的数据矩阵是稀疏的。数值评估证实了我们所提出的方法优于基线方法。
2023-02-23 cs.IT cs.LG math.IT
Network Coded Multi-Hop Wireless Communication Networks: Channel Estimation and Training Design
基于用户协作的多跳无线通信网络（MH-WCN）作为移动社交网络（MSNs）的关键通信技术，需要提高其积累数据率和灵活扩展覆盖的能力。网络编码作为最有前途和最有效的用户协作技术之一，可以提高MSNs中自私用户之间的协作性能。为了充分发挥网络编码在MH-WCN中的优势，本文研究了一种网络编码传输策略及其相应的信道估计技术。首先给出了一种$4-$跳网络编码传输策略，然后给出了任意$2N-$跳场景的扩展策略（$N\geq 2$）。设计了线性最小均方误差（LMMSE）和最大似然（ML）信道估计方法，以提高MH-WCN的传输质量。推导了LMMSE信道估计方法的均方误差（MSE）的封闭形式表达式，从而可以设计出最优的训练序列。与LMMSE方法不同，非线性ML信道估计方法很难获得封闭形式的MSE表达式。为了实现最大似然方法的最优训练序列设计，采用了Cramér-Rao下界（CRLB）。数值结果验证了分析的正确性和方法的有效性。
2014-12-20 cs.IT math.IT
Comparative Study of Open-loop Transmit Diversity Schemes for Four Transmit Antennas in Coded OFDM Systems
在四天线编码正交频分复用（OFDM）系统中，比较了四种开环发射分集方案，即循环延迟分集（CDD）、空时分组码（STBC，使用Alamanti码）与CDD、准正交空时分组码（QO-STBC）和最小译码复杂度QOSTBC（MDC-QOSTBC）。我们表明，在低码率的编码系统中，由于相移分集与信道编码提供的额外的分集，二阶空间发射分集的方案可以达到类似的性能与四阶空间发射分集。此外，我们还比较了上述四种方案的解码复杂度和其他特性，如对训练信号的要求，混合自动重传请求（HARQ）等。本文的讨论可以很容易地应用于未来的无线通信系统，如超过3G的移动系统，IEEE 802.11无线局域网，或IEEE 802.16 WiMAX，其使用多于两个发射天线和OFDM。
2008-06-23 cs.IT math.IT
Generalized Lagrange Coded Computing: A Flexible Computation-Communication Tradeoff for Resilient, Secure, and Private Computation
Southwest Jiaotong University（西南交通大学）；Southeast University（东南大学）；The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
针对分布式计算中任意多元多项式评估，提出广义拉格朗日编码计算（GLCC）码，同时实现弹性、安全和隐私，并较LCC码在训练时间上加速达2.5-3.9倍。
2024-11-06 cs.IT cs.LG math.IT
Coded Machine Unlearning
University of Michigan（密歇根大学）；Facebook AI（脸书人工智能研究院）
存在可能需要从系统中移除样品的痕量的应用，例如，用户请求删除他们的数据，或者发现损坏的数据。简单地从存储单元移除样本不一定移除其整个踪迹，因为下游机器学习模型可以存储关于用于训练它们的样本的一些信息。如果我们从头开始重新训练所有使用它的模型，并将该样本从其训练数据集中删除，则可以完全取消学习样本。当预计将满足多个此类遗忘请求时，通过再培训进行遗忘的成本变得极其昂贵。包围学习使得训练数据能够被分割成较小的不相交的碎片，这些碎片被分配给不通信的弱学习者。每个分片用于生成一个弱模型。然后将这些模型聚合以生成最终的中心模型。这种设置引入了性能和遗忘成本之间的固有权衡，因为减小碎片大小会降低遗忘成本，但可能会导致性能下降。在本文中，我们提出了一个编码的学习协议，我们利用线性编码器的训练数据编码成碎片之前的学习阶段。我们还提出了相应的unlearning协议，并证明它满足完美的unlearning标准。我们的实验结果表明，建议的编码机器遗忘提供了一个更好的性能与遗忘成本的权衡相比，未编码的基线。
2021-06-15 cs.AI cs.CR cs.IT
Limited Feedback Massive MISO Systems with Trellis Coded Quantization for Correlated Channels
在本文中，我们提出了基于网格编码量化（TCQ）的有限反馈技术的大规模多输入单输出（MISO）频分复用（FDD）系统在时间和空间相关的信道。我们利用信道中存在的相关性来有效地提取信道方向信息（CDI）。对于多用户（MU）系统与匹配滤波器（MF）预编码，我们表明，反馈比特的数量所需的随机矢量量化（RVQ）码本匹配，即使是一小部分完美的CDI信号干扰噪声比（SINR）的性能是大的。对于如此大量的比特，传统码本方法所需的穷举搜索使得它们对于大规模MISO系统是不可行的。出于这一点，我们提出了一个差分TCQ方案的时间相关的信道，变换的源星座在每个阶段的网格使用2D的翻译和缩放技术。我们推导出一个缩放参数的源星座的时间相关性和BS天线的数量的函数。我们还提出了一种基于TCQ的有限反馈方案，用于空间相关信道，其中信道直接量化，而无需在接收机处执行解相关。仿真结果表明，所提出的TCQ方案优于现有的非相干TCQ（NTCQ）方案，通过提高系统的频谱效率和波束形成增益。与差分NTCQ方法相比，所提出的差分TCQ还减少了系统的反馈开销。
2015-12-02 cs.IT math.IT
Noncoherent Trellis Coded Quantization: A Practical Limited Feedback Technique for Massive MIMO Systems
准确的信道状态信息（CSI）对于获得单用户（SU）多输入多输出（MIMO）无线通信系统中的波束成形增益和多用户（MU）MIMO无线通信系统中的复用增益是必不可少的。现有技术的有限反馈方案依赖于用于信道量化的预定义码本，仅适用于少量发射天线和低反馈开销。为了将通知的发射机方案扩展到在基站处具有大量发射天线的新兴大规模MIMO系统，一种常见的方法是采用时分双工（TDD）并利用从信道互易性获得的隐式反馈。然而，大多数现有的蜂窝部署是基于频分复用（FDD）的，因此，探索这种系统的向后兼容的大规模MIMO升级是非常有意义的。对于每个天线的固定反馈速率，用于量化信道的码字的数量随着天线的数量呈指数增长，因此基于从标准矢量量化码本的查找来生成反馈不成比例。在本文中，我们提出了非相干网格编码量化（NTCQ），其编码复杂度与天线的数量成线性比例。该方法利用了格拉斯曼流形上的信源编码和非相干序列检测之间的对偶性。此外，由于非相干检测可以实现近最佳使用一个银行的相干检测器，我们得到了一个低复杂度的实现NTCQ编码使用现成的Viterbi算法应用于标准的网格编码量化。我们还开发了先进的NTCQ计划，利用各种信道特性，如时间/空间相关性。仿真结果表明，所提出的NTCQ及其扩展可以达到接近最优的性能与适度的复杂度和反馈开销。
2013-11-08 cs.IT math.IT
Beam Training and Allocation for Multiuser Millimeter Wave Massive MIMO Systems
研究了多用户毫米波大规模多输入多输出系统的波束训练和分配问题。首先提出了一种基于正交导频的波束训练方案，以减少训练次数，其中所有用户可以同时与基站（BS）进行波束训练。随着用户数量的增加，来自BS的相同波束可能指向不同的用户，导致波束冲突和多用户干扰。为此，在保证无波束冲突的QoS用户数最大的前提下，提出了一种QoS约束的波束分配方案，以最大化QoS用户的等效信道增益.为了减少波束训练的开销，提出了两种部分波束训练方案，基于隔行扫描（IS）和基于选择概率（SP）的方案。基于IS的方案的波束训练的开销可以减少近一半，而基于SP的方案的开销是灵活的。仿真结果表明，基于QC的波束分配方案可以有效地抑制波束冲突带来的干扰，显著提高频谱效率;基于IS和SP的波束分配方案在牺牲频谱效率的前提下，显著降低了波束训练开销。
2019-01-05 cs.IT eess.SP math.IT
High-Rate Space-Time Coded Large MIMO Systems: Low-Complexity Detection and Channel Estimation
在本文中，我们提出了一种低复杂度的算法检测在高速率，非正交空时分组码（STBC）大MIMO系统，实现高频谱效率的顺序几十bps/Hz。我们还提出了一个基于训练的迭代检测/信道估计方案，这样的大型STBC MIMO系统。我们的仿真结果表明，良好的比特出错率和接近容量的性能所提出的多级似然上升搜索（M-LAS）检测器结合所提出的迭代检测/信道估计方案，在低复杂度。我们可以示出对于来自循环划分代数（CDA）的在超过20 bps/Hz的频谱效率下操作的大型STBC（如16 × 16和32 × 32 STBC）的这样的良好结果（即使在考虑了用于信道估计和turbo编码的基于导频的训练的开销之后）的事实确立了所提出的检测器和信道估计器的有效性。我们解码完美的代码的大尺寸使用建议的检测器。利用这种低复杂度检测/信道估计方案的可行性，具有以几十bps/Hz频谱效率操作的几十个天线的大型MIMO系统可以变得实用，从而实现令人感兴趣的高数据率无线应用。
2009-09-16 cs.IT math.IT
Communication-Efficient Distributed Training via Ring-Based Coded Approximate All-Reduce
针对分布式训练中环形全归约通信开销大的问题，提出CERAR协议，通过线性编码实现近似梯度聚合，降低通信和存储开销，并在多GPU集群上验证了低带宽场景下的有效性。
2026-09-29 cs.IT math.IT
Beam Tracking for Dynamic mmWave Channels: A New Training Beam Sequence Design Approach
在本文中，我们开发了一种有效的毫米波MISO跟踪系统的训练波束序列设计方法。我们施加一个离散状态马尔可夫过程假设的出发角的演变，并引入最大后验准则来跟踪它在每个波束训练周期。由于它是不可行的，以获得一个明确的表达式作为结果的跟踪误差概率，我们转向它的上限，它拥有一个封闭的形式的表达，因此被利用作为目标函数来优化训练波束序列。考虑到目标函数的复杂性和模拟移相器的单位模约束，我们采用粒子群算法来求解公式化的优化问题。数值结果验证了所提出的训练波束序列设计方法的优越性。
2022-09-16 cs.IT eess.SP math.IT
Near-Field Beam Training Through Beam Diverging
本文针对近场超大规模天线阵列波束训练中扫描开销大、精度低的问题，提出利用波束发散效应，设计发散极域码本和分层方法，以少量导频实现高精度用户定位。
2025-09-19 cs.IT eess.SP math.IT
3D Near-Field Beam Training for Uniform Planar Arrays through Beam Diverging
本文针对6G大规模均匀平面阵列近场波束训练难题，提出利用波束发散效应构建分层码本和3D采样细化码本，在低训练开销下实现高精度波束训练。
2025-09-19 cs.IT eess.SP math.IT
Delay Analysis of Spatially-Coded MIMO-ZFBF with Retransmissions in Random Networks
针对低移动泊松双极网络，在视距/非视距（LOS/NLOS）路径损耗模型下，研究了重复重传（RR）和阻塞增量冗余（B-IR）问题。我们考虑空间编码的多输入多输出（MIMO）迫零波束成形（ZFBF）复用系统，其中分组成功接收基于MIMO系统的空间维度上的聚合数据率来确定。在这种低移动配置中重传性能的表征实际上是重要的，但由于重传之间的实质性速率相关性和评估聚合数据率的概率密度函数（pdf）的棘手性而固有地复杂。采用随机几何的工具，我们首先刻画了这两种方案的速率相关系数（RCC）。我们的研究结果表明，与RR方案相比，B-IR方案具有更高的RCC，其覆盖概率大得多。我们证明了覆盖概率和RCC之间的点状竞争导致B-IR的平均传输延迟（MTD）变得小于或大于RR方案的MTD。最后，我们开发了一个数值近似的MTD，并评估的有效空间吞吐量（EST），这是倒数的MTD，RR和B-IR计划。我们的数值结果突出了致密化，复用增益，块长度和节点的活动因子之间的基本权衡。我们进一步观察到，对于密集网络，1）LOS分量是相当有助于增强EST; 2）B-IR方案的EST可以远高于RR方案; 3）当多普勒扩展存在时，它可以改善B-IR的MTD，而它对RR的MTD没有任何有意义的影响。
2019-01-30 cs.IT math.IT
Fast Near-Field Beam Training for Extremely Large-Scale Array
本文研究了超大规模阵列通信系统中有效的近场波束训练算法。与传统的仅搜索最佳波束方向的远场波束训练方法相比，近场波束训练更具挑战性，因为由于球面波前传播模型，它需要在角度域和距离域上进行束搜索。为了减少基于二维穷举搜索的近场波束训练开销，本文提出了一种新的两阶段波束训练方法，将二维搜索分解为两个连续的阶段。具体地说，在第一阶段，用户的候选角度是由一个新的方法确定的基础上，传统的远场码本和角度域波束扫描。然后，在第二阶段中采用定制的极域码本，以在给定入围候选角度的情况下找到用户的最佳有效距离。数值结果表明，我们提出的两阶段波束训练方法显着降低了训练开销的穷举搜索，但实现了可比的数据传输的波束形成性能。
2022-09-29 cs.IT eess.SP math.IT
Near-Field Wideband Beam Training Based on Distance-Dependent Beam Split
针对6G XL-MIMO近场波束训练距离域穷举开销大的问题，本文揭示距离相关波束分裂现象，提出利用时延与相移配置使不同频率波束同时扫描多距离环角度域，从而用少量导频覆盖整个角度-距离空间，并通过理论与仿真验证其在波束成形增益和训练开销上的优势。
2024-06-12 cs.IT eess.SP math.IT
Deep Learning Based Beam Training for Extremely Large-Scale Massive MIMO in Near-Field Domain
超大规模大规模多输入多输出（XL-MIMO）被认为是下一代通信系统的重要技术。为了提高波束形成增益，基于码本的波束训练在XL-MIMO系统中被广泛采用。然而，在XL-MIMO系统中，近场域扩展，并且需要采用近场码本进行波束训练，这显著增加了导频开销。为了解决这个问题，我们提出了一种基于深度学习的波束训练方案，其中考虑了近场信道模型和近场码本。具体地说，我们首先利用对应于远场宽波束的接收信号来估计最佳近场波束。提出了两种训练方案，即建议的原始和改进的神经网络。原始方案直接基于神经网络的输出来估计最佳近场码字。相比之下，改进方案进行额外的波束测试，这可以显着提高波束训练的性能。仿真结果表明，本文提出的方法可以显著降低近场域的训练开销，获得波束形成增益。
2022-09-28 cs.IT eess.SP math.IT
Hashing Beam Training for Integrated Ground-Air-Space Wireless Networks
针对空地天一体化网络大规模阵列波束训练复杂度高、精度低的问题，提出哈希多臂波束训练方案，通过多码本并行遍历与软判决投票实现对数级复杂度，在接近穷举法精度的同时大幅降低开销。
2024-07-10 cs.IT eess.SP math.IT
Low-Complexity High-Performance Cyclic Caching for Large MISO Systems
已知多天线编码高速缓存将与在网络上发现的累积高速缓存大小成比例的全局高速缓存增益与源于使用多个发射天线的附加空间复用增益组合。然而，仔细观察揭示了两个严重的瓶颈;众所周知的指数子分组化瓶颈，大大降低了性能时，通信的文件大小是有限的，和相当大的优化复杂性波束成形多播消息时，SNR是有限的。在这里，我们提出了一个全新的缓存方案，称为\emph{cyclic multi-antenna coded caching}，其独特的结构允许在许多发射天线的关键政权的上述瓶颈的决议。对于这种制度，其中复用增益可以超过编码增益，我们的新算法是第一个实现精确的一次性线性最佳DoF的子分组复杂度，仅与用户数量呈线性关系，并且第一个受益于允许利用上行链路-下行链路二元性的多播结构，以产生优化的波束形成器超快。最后，我们的新解决方案为有限SNR，有限文件大小和许多用户的网络提供了出色的性能。
2021-10-11 cs.IT math.IT
Hashing Beam Training for Near-Field Communications
本文针对毫米波近场波束训练提出哈希多臂波束方案，利用极域稀疏基和随机哈希函数构建码本，结合软判决与投票将训练开销降至对数级并达到96.4%识别精度。
2024-04-09 cs.IT eess.SP math.IT
Performance Tradeoff Between Overhead and Achievable SNR in RIS Beam Training
本文分析RIS波束训练中训练开销与可达SNR的权衡，比较FS、HS和TS策略，揭示SNR与开销的不同缩放区间及其对有效速率的影响。
2024-02-26 cs.IT eess.SP math.IT
Beam Training based on Dynamic Hierarchical Codebook for Millimeter Wave Massive MIMO
研究了毫米波（mmWave）大规模多输入多输出（massive MIMO）系统中基于分层码本的波束训练问题。与现有的使用相同的分层码本来估计不同的多径分量（MPC）的工作，动态分层码本，根据估计的MPC更新。首先，提出了一种广义的分层码书设计方法。然后在此基础上，提出了一种动态更新分层码本的波束训练方法，该方法通过从码本中去除估计MPC的贡献来动态更新分层码本。仿真结果验证了该方法的有效性，并表明该方法在波束训练的成功检测率方面优于现有方法。
2019-01-05 cs.IT eess.SP math.IT
A Novel Two-Layer Codebook Based Near-Field Beam Training for Intelligent Reflecting Surface
针对IRS辅助近场系统中训练开销与接收功率难以兼顾的问题，提出双层码本波束训练方案，先低开销估计UE距离再扫描定位，提升估计精度、数据速率并降低开销。
2023-04-19 cs.IT eess.SP math.IT
Coded DS-CDMA Systems with Iterative Channel Estimation and no Pilot Symbols
在本文中，我们描述了直接序列码分多址（DS-CDMA）系统与四相移键控，其中信道估计，相干解调和解码迭代进行，而不使用任何训练或导频符号。针对采用非规则重复累积码的DS-CDMA系统，提出了一种基于期望最大化的信道估计算法，该算法能够估计出在干扰和热噪声共同作用下的衰落幅度、相位和干扰功率谱密度（PSD）。在从接收的符号获得衰落幅度、相位和干扰PSD的初始估计之后，通过使用来自信道解码器的软反馈来迭代地更新这些参数的后续值。更新后的估计与接收到的符号相结合，并迭代地传递给解码器。导频符号的消除简化了系统设计，并且允许增强的信息吞吐量、改进的比特出错率或更高的频谱效率。干扰功率谱估计使DS-CDMA系统能够有效地抑制干扰。
2010-08-19 cs.IT math.IT
A Unified 3D Beam Training and Tracking Procedure for Terahertz Communication
太赫兹（THz）通信被认为是克服带宽瓶颈和满足未来不断增长的容量需求的一种有吸引力的方式。由于太赫兹波的高方向性和传播损耗，使用波束形成的大规模MIMO系统被认为是一种有前途的技术，在太赫兹通信中实现高增益和定向传输。然而，导频，这是许多波束形成方案的基础，是具有挑战性的准确检测在太赫兹波段由于严重的传播损耗。为了有效地实现太赫兹通信中的波束形成，考虑视距传播，提出了一种统一的三维波束训练和跟踪方法。特别是，一种新的四均匀平面阵列（QUPA）结构进行了分析，以扩大信号覆盖范围，增加波束增益，并减少波束斜视损失。在此基础上，提出了一种低复杂度的三维网格波束训练算法，包括三维码书的设计和训练协议的设计。最后，一个简单而有效的基于网格的混合（GBH）波束跟踪研究，以支持太赫兹波束形成的有效方式。基于该过程的通信框架可以根据实时服务质量动态地触发波束训练/跟踪。数值结果表明，我们提出的波束训练和跟踪的基准方法的优越性。
2021-10-03 cs.IT eess.SP math.IT
Low-Complexity Beam Training for Multi-RIS-Assisted Multi-User Communications
本文针对多RIS辅助多用户毫米波通信中的波束训练问题，提出哈希多臂波束训练方案，通过软判决解复用和多轮投票机制，将训练复杂度从指数阶降至对数阶，并将识别精度提高至少20%。
2024-04-09 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
Hierarchical Codebook based Multiuser Beam Training for Millimeter Wave Massive MIMO
Southeast University（东南大学）；Memorial University（纪念大学）；Georgia Institute of Technology（佐治亚理工学院）
针对毫米波大规模MIMO多用户波束训练问题，提出UE端带闭式表达式的交替最小化分层码本设计方法及Zadoff-Chu初始化加速方案，BS端自适应分层码本多用户同时训练方案，仿真验证其有效性且开销低于波束扫描。
2025-11-14 cs.IT eess.SP math.IT
Near-Field Multiuser Beam-Training for Extremely Large-Scale MIMO Systems
针对多用户XL-MIMO系统波束训练的挑战，提出基于GNN的三阶段波束训练方案，利用远场宽波束映射近场波束并解决用户冲突，性能逼近穷举搜索且仅需约7%导频开销。
2024-03-26 cs.IT eess.SP math.IT
Sense-Then-Train: An Active-Sensing-Based Beam Training Design for Near-Field MIMO Systems
本文提出一种用于近场MIMO系统的基于主动感知的STT波束训练方案，通过截断波数域感知与在线神经网络更新实现单/多波束对齐，无需码本与完整信道信息即可获得接近最优的性能。
2024-07-30 cs.IT eess.SP math.IT
Low-overhead Beam Training Scheme for Extremely Large-Scale RIS in Near-field
超大规模可重构智能表面（XL-RIS）是近年来提出的一种新的通信技术，它可以进一步提高通信系统的容量，补偿严重的路径损耗。然而，在XL-RIS辅助的无线通信系统中，波束训练的导频开销是巨大的，因为需要考虑近场信道模型，并且码本中的候选码字的数量相应地急剧增加。为了解决这个问题，我们提出了两种基于深度学习的近场波束训练方案，在XL-RIS辅助通信系统中，采用深度残差网络来确定最佳近场RIS码字。具体来说，我们首先提出了一个远场波束为基础的波束训练（FBT）计划，其中所有远场RIS码字的接收信号被送入神经网络估计的最佳近场RIS码字。为了进一步减少导频开销，提出了一种基于部分近场波束的波束训练（PNBT）方案，其中仅将与部分近场XL-RIS码字相对应的接收信号作为神经网络的输入。此外，我们进一步提出了一种改进的PNBT方案，通过充分探索神经网络的输出来提高波束训练的性能。最后，仿真结果表明，所提出的方案优于现有的波束训练方案，可以将波束扫描开销减少约95%。
2022-11-30 cs.IT eess.SP math.IT
Terahertz Multi-User Massive MIMO with Intelligent Reflecting Surface: Beam Training and Hybrid Beamforming
太赫兹（THz）通信开辟了一个新的前沿无线网络由于其显着更广泛的可用带宽相比，目前的微波和即将到来的毫米波通信。然而，由于太赫兹波的长度短，他们也遭受严重的路径衰减和衍射差。为了补偿太赫兹引起的传播损耗，本文提出结合两种有前途的技术，即，大规模多输入多输出（MIMO）和智能反射面（IRS），在太赫兹多用户通信，考虑到其显着的波束形成和孔径增益。尽管如此，信道估计和低成本波束成形是实现这种组合的两个主要障碍，这是由于IRS发送/接收导频信号的无源性以及大规模MIMO中昂贵RF链的大规模使用。针对这些局限性，本文首先提出了一种协作波束训练方案，以便于IRS信道估计。特别是，我们设计了两个不同的分层码本的建议的训练过程，这是能够对噪声的鲁棒性和搜索的复杂性之间的平衡。基于训练结果，我们进一步提出了两个成本效益的混合波束形成（HB）的设计，分别为单用户和多用户的情况下。仿真结果表明，所提出的联合波束训练和HB方案是能够实现接近的性能，即使在完美的信道状态信息（CSI）下实现的最佳全数字波束形成（FDB）。
2021-01-14 cs.IT eess.SP math.IT
Can Far-field Beam Training Be Deployed for Cross-field Beam Alignment in Terahertz UM-MIMO Communications?
本文研究太赫兹UM-MIMO跨场波束对准问题，证明远场训练可同时覆盖近远场，并提出子阵列协调分层训练和两阶段角度距离估计器，以极低开销实现高精度波束对准。
2024-01-12 cs.IT eess.SP math.IT
A High-Accuracy Adaptive Beam Training Algorithm for MmWave Communication
在毫米波通信中，波束训练是实现波束对准的一种有效方法。传统的波束训练方法在预先设计的波束训练码本中为每个波束平均分配训练资源。这种方法的性能远不能令人满意，因为不同的波束具有不同的波束形成增益，并且因此某些波束相对于其他波束更难与最佳波束区分开。本文提出了一种新的波束训练算法，该算法自适应地为每个波束分配训练资源。具体地说，该算法将更多的训练符号分配给波束赋形增益相对较高的波束，而使用较少的资源来区分波束赋形增益相对较低的波束。通过理论分析和数值仿真，我们表明，在实际情况下，所提出的自适应算法的波束训练精度渐近优于传统的方法。此外，模拟还表明，这种相对性能行为在非渐近制度。
2018-10-24 cs.IT math.IT
