Downlink Power Control for Massive MIMO Cellular Systems with Optimal User Association
针对大规模MIMO（multiple-input multiple-output）下行链路蜂窝系统，研究了当每个用户由优化的基站子集服务时，系统的总发射功率消耗最小的问题。我们推导出一个下界的遍历频谱效率（SE）的瑞利衰落信道和最大比传输（MRT）时，基站合作使用非相干联合传输。我们解决了联合用户关联和下行链路发射功率最小化问题，在固定的SE约束。此外，我们解决了一个最大最小的公平性问题，用户特定的权重，最大限度地提高用户之间的最差SE。推导了不同于最大信噪比（max-SNR）关联的最优BS-用户关联规则。仿真结果表明，所提出的方法可以为用户提供比小规模系统更低的发射功率，并且最优用户关联可以在需要时有效地平衡基站之间的负载。
2016-07-07 cs.IT math.IT
User-centric Handover in mmWave Cell-Free Massive MIMO with User Mobility
研究了毫米波载波频率下的无小区大规模多输入多输出（MIMO）系统与用户移动性之间的耦合问题。首先，考虑到用户移动性和信道老化的影响，引入了毫米波信道。然后，三个波束成形技术，提出了在所考虑的情况下，随着动态用户关联技术（切换）：从每个移动终端和接入点（AP）的集群之间的以用户为中心的关联开始，制定和分析用于更新AP集群的规则。数值结果表明，所提出的波束形成和用户关联技术是有效的，在所考虑的场景。
2021-05-19 cs.IT eess.SP math.IT
Load Balancing User Association in Millimeter Wave MIMO Networks
用户关联在密集毫米波（mmWave）网络中是必要的，以确定用户连接到哪个基站，以便平衡基站负载并最大化吞吐量。考虑到毫米波连接具有高度定向性并且容易受到小信道变化的影响，用户关联会改变这些连接，因此会显著影响用户的瞬时速率以及网络干扰。在本文中，我们介绍了一种新的负载均衡用户关联方案毫米波MIMO网络，认为这种依赖于用户的传输速率和网络干扰的用户关联。我们制定的用户关联问题的混合整数非线性规划和设计一个多项式时间的算法，称为最坏的连接交换（WCS），找到一个接近最优的解决方案。仿真结果证实，所提出的用户关联方案通过将拥塞基站的业务移动到轻负载基站，并相应地调整干扰，显著提高了网络性能。此外，所提出的WCS算法优于其他通用算法的组合编程，如遗传算法在精度和速度在几个数量级更快，并为小型网络的穷举搜索是可能的，它达到最优解。
2019-01-28 cs.IT math.IT
User Association and Load Balancing for Massive MIMO through Deep Learning
CentraleSupélec（巴黎中央理工-高等电力学院）；Université Paris-Saclay（巴黎萨克雷大学）；University of Pisa（比萨大学）；Huawei Technologies（华为技术有限公司）
这项工作研究了使用深度学习来执行用户小区关联，以实现大规模MIMO网络中的和速率最大化。它示出了如何可以训练深度神经网络，以接近最佳关联规则与更有限的计算复杂性，从而能够实时更新的关联规则的基础上，用户的移动模式。特别地，所提出的神经网络设计仅需要用户的地理位置作为输入。数值结果表明，它保证了传统的面向优化的方法相同的性能。
2018-12-17 cs.AI cs.IT math.IT
User Association with Maximizing Sum Energy Efficiency for Massive MIMO Enabled Heterogeneous Cellular Networks
在本文中，我们设计了一个关联计划，以最大限度地提高总能量效率的大规模多输入多输出（MIMO）使异构蜂窝网络（HCN）。考虑到最终的公式化问题是一个比率和形式的问题，我们首先需要将其转化为一个参数化的非分式形式，这样我们就可以通过一个两层迭代算法来获得它的解。外层采用类牛顿法搜索与信干噪比（SINR）约束相关联的能量效率参数和乘子，内层采用拉格朗日乘子法优化关联指标。实际上，当原问题中不涉及SINR约束时，内层不需要迭代步骤，整个算法应该是一个单层迭代算法。对于双层迭代算法，我们也给出了相应的收敛性证明。仿真结果表明，该方案在系统吞吐量和网络能量效率方面明显优于现有方案。此外，我们还研究了大量的天线的数量和每个微微基站的发射功率对这些关联性能的影响。
2016-07-05 cs.IT math.IT
User Association and Interference Management in Massive MIMO HetNets
5G蜂窝网络的两个关键特征是更高的基站（BS）密度（特别是在低功率BS的情况下）以及在这些BS处使用大规模MIMO。本文探讨了如何使用大规模MIMO来联合最大化卸载增益并最小化添加小小区所带来的干扰挑战。我们考虑两种干扰管理方法：具有本地预编码的联合传输（JT），其中用户由多个BS同时服务，而不需要协作BS之间的信道状态信息交换;以及资源空白，其中一些宏BS资源被留空以减少小小区下行链路中的干扰。大规模MIMO提供的一个关键优势是信道硬化，这使得能够先验地预测瞬时速率。这使我们能够开发一个统一的框架，其中资源分配被铸造为网络效用最大化（NUM）的问题，并展示了大量的收益，基于NUM解决方案的小区边缘速率。我们提出了一个有效的基于对偶次梯度的算法，该算法收敛于NUM解决方案。调度方案也提出了接近NUM解决方案。仿真示出了对于第10百分位用户的超过2倍的速率增益与没有干扰管理的最佳关联。
2016-02-06 cs.IT math.IT
A Joint Wireless-Optical Front-haul Solution for Multi-user Massive MIMO 5G RAN
我们展示了一种用于多用户大规模多输入多输出5G RAN的高容量光纤中频移动前传解决方案。使用该方案，在没有光纤色散补偿的情况下，在40 km以上的单个光波长上传输了创纪录的25.6 GHz的聚合无线电带宽
2020-11-18 cs.IT eess.SP math.IT
Optimal User Association for Massive MIMO Empowered Ultra-Dense Wireless Networks
超网络密度和大规模MIMO被认为是5G的主要推动因素，因为它们通过利用邻近性、频谱和空间重用优势，有望获得巨大的容量增益。两种方法都依赖于增加每个用户的接入元件的数量，或者通过在区域上部署更多的接入节点，或者通过增加每个接入节点的天线元件的数量。在网络级，大规模MIMO授权接入节点的密集和随机部署的网络的最佳用户关联必须考虑信道和负载条件。在本文中，我们制定了这个复杂的问题，报告其计算上的棘手性，并重新制定它的一个合理的形式，适合获得一个合理的复杂性的全局最优解。我们将所提出的优化模型应用于典型的超密集室外小小区设置，并证明：（i）与基线策略相比，最佳用户关联对所实现的速率水平的显著影响，以及（ii）替代网络接入元件部署策略的最优性。
2015-04-09 cs.IT cs.NI math.IT
User Association in Scalable Cell-Free Massive MIMO Systems
在这项工作中，我们考虑了一个可扩展的无小区大规模MIMO系统的上行链路中的用户只由一个子集的接入点（AP）在网络中。AP在物理上被分组为预定的“以小区为中心的集群”，这些集群连接到不同的协作中央处理单元（CPU）。考虑到所考虑的通信网络的合作性质，我们假设每个用户与“虚拟集群”相关联，这通常涉及属于不同的以小区为中心的集群的一些AP。假设在AP的最大比合并，我们提出了一个用户关联过程，旨在最大化的总和速率的用户在系统中。所提出的程序是基于匈牙利算法，并利用只有知识的AP在网络中的位置。数值结果表明，所提出的方法的性能并不总是优于替代品，但它提供了一个相当低的回程负载与一个可以忽略不计的性能损失相比，全细胞免费的方法。
2021-03-09 cs.IT math.IT
Joint Power Allocation and User Association Optimization for Massive MIMO Systems
研究了多小区大规模MIMO（多输入多输出）下行链路（DL）系统中的联合功率分配和用户关联问题。我们的目标是最小化总的发射功率消耗时，每个用户服务的优化子集的基站（BS），使用非相干联合传输。首先，我们推导出遍历频谱效率（SE），这是适用于任何信道分布和预编码方案的下限。对于瑞利衰落信道，无论是最大比传输（MRT）或迫零（ZF）预编码，得到封闭形式的表达式。从这些界限，我们进一步制定了DL功率最小化问题与固定SE约束的用户。这些问题被证明是可解的线性规划，给出了最优的功率分配和BS-用户关联的低复杂度。此外，我们制定了一个最大最小的公平性问题，最大限度地提高最坏的SE之间的用户，我们表明，它可以解决作为一个准线性规划。仿真结果表明，所提出的方法可以为使用较小发射功率的用户提供较好的系统性能，并且最优用户关联可以在需要时有效地平衡基站间的负载。即使我们的框架允许从多个BS的联合传输，有一个压倒性的概率，只有一个BS与每个用户在最佳的解决方案。
2016-07-07 cs.IT math.IT
User-Access Point Association for High Density MIMO Wireless LANs
研究高密度WLAN中通过用户-AP关联实现UL-MIMO吞吐量潜力的问题，提出基于改进Kuhn-Munkres算法的图匹配方法最优分配STA以最大化总吞吐量效用，仿真显示相比多种算法获得显著增益。
2024-08-26 cs.IT cs.NI math.IT
Nonlinear Power Amplifier-Resilient Cell-Free Massive MIMO: A Joint Optimization Approach
本文提出了一种联合优化方法，用于解决无中心大规模MIMO系统中功率放大器引起的性能退化问题，通过用户关联和最大最小功率控制提升频谱效率。
2025-12-08 cs.IT eess.SP math.IT
Joint optimal beamforming and power control in cell-free massive MIMO
我们推导出一个快速和最佳的算法，解决实际的加权最大最小信干噪比问题，在无小区的大规模MIMO网络。该优化问题首次同时考虑了非理想协作下的长期功率控制和分布式波束形成设计。特别是，我们认为以用户为中心的接入点集群合作的基础上，可能有限的信道状态信息共享。我们的优化算法融合了强大的功率控制工具的基础上，干扰演算与最近开发的团队理论框架的分布式波束形成设计。此外，我们提出了一个变化，在实践中表现出更快的收敛。
2022-08-31 cs.IT eess.SP math.IT
Co-Designing Statistical MIMO Radar and In-band Full-Duplex Multi-User MIMO Communications -- Part II: Joint Precoder, Radar Code, and Receive Filters Design
本文针对统计MIMO雷达与带内全双工多用户MIMO通信的频谱共享问题，提出基于复合加权和互信息的联合设计框架，并采用块坐标下降与交替投影方法优化雷达码、预编码器和接收滤波器，实验验证了算法收敛性、干扰抑制能力和数据速率稳定性。
2024-03-28 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
Joint Space Decomposition-and-Synthesis Theory for K-User MIMO Channels: Interference Alignment and DoF Region
研究了K用户MIMO干扰信道中干扰对齐的自由度问题。
2013-08-08 cs.IT math.IT
Deep Learning for Joint MIMO Detection and Channel Decoding
我们提出了一种用于联合MIMO检测和信道解码问题的深度学习方法。传统的MIMO接收机采用基于模型的方法以线性或迭代方式进行MIMO检测和信道解码。然而，由于复杂的MIMO信号模型，联合MIMO检测和信道解码问题的最佳解决方案（即，从接收的MIMO信号中对发送的码字进行最大似然解码）在计算上是不可行的。作为实际措施，当前基于模型的MIMO接收机都使用具有可承受的计算复杂性的次优MIMO解码方法。这项工作将深度学习的最新进展应用于MIMO接收器的设计。特别地，我们利用具有监督训练的深度神经网络（DNN）来解决联合MIMO检测和信道解码问题。我们表明，DNN可以被训练成比传统MIMO接收机更好的解码性能。我们的模拟表明，由七个隐藏层组成的DNN实现可以优于传统的基于模型的线性或迭代接收器。这种性能的提高为未来的MIMO接收机设计指明了新的方向。
2019-01-17 cs.IT math.IT
Optimal Joint Beamforming and Power Control in Cell-Free Massive MIMO Downlink
提出了一种新的无小区大规模MIMO（CFmMIMO）系统下行链路联合波束赋形和功率控制优化模型。所提出的优化模型的目标是最大限度地减少用户干扰，同时满足服务质量（QoS）的约束和功耗限制。所提出的最小-最大优化模型是作为一个混合整数非线性规划，这是直接听话。数值结果表明，所提出的联合波束成形和功率控制方案是有效的，并优于竞争方案的数据率，功耗和能源效率。
2021-07-22 cs.IT eess.SP math.IT
Deep Joint Source Channel Coding With Attention Modules Over MIMO Channels
本文提出两种带注意力模块的MIMO深度联合信源信道编码结构，通过注意力机制适应子信道质量差异，提升图像传输性能，并发现系统倾向于在优质子信道传输更多信息。
2024-03-15 cs.IT eess.SP math.IT
Joint Source and Relay Design for Multi-user MIMO Non-regenerative Relay Networks with Direct Links
本文研究了存在直接源-目的~（S-D）链路的多用户多输入多输出~（MU-MIMO）非再生中继网络的联合源预编码矩阵和中继处理矩阵设计问题。我们考虑了分布式功率约束下的容量和均方误差~（MSE）准则，它们是非凸的，显然没有简单的解。为此，提出了一种基于点对点MIMO信道技术的最优信源预编码矩阵结构，以及在中继节点功率约束下的中继处理矩阵结构，并在此基础上建立了一种联合优化信源预编码和中继处理的嵌套迭代算法。我们表明，基于容量的最佳源预编码矩阵共享相同的结构与基于MSE的。最佳中继处理矩阵也是如此。仿真结果表明，该算法优于现有的结果。
2020-03-11 cs.IT eess.SP math.IT
Joint AGC and Receiver Design for Large-Scale MU-MIMO Systems with Coarsely Quantized Signals and C-RANs
在这项工作中，我们提出了自动增益控制（AGC）的联合优化，它工作在远程射频头（RHH），和一个低分辨率感知（LRA）的线性接收滤波器的最小均方误差（MMSE）的基础上，它工作在基带单元（BBU）池，用于云无线电接入网络中具有粗量化信号的大规模多用户多输入多输出（MU-MIMO）系统。我们开发了连续干扰消除接收机的基础上提出的联合AGC和LRA-MMSE（AGC-LRA-MMSE）的方法。可实现的和率的分析也进行了。仿真结果表明，该设计具有更好的出错率和更高的可达速率比现有的技术。
2019-12-13 cs.IT eess.SP math.IT
User-Centric Association and Feedback Bit Allocation for FDD Cell-Free Massive MIMO
Seoul National University (SNU)（首尔大学）；Hankuk University of Foreign Studies (HUFS)（韩国外国语大学）
本文提出了一种新的方法，用于FDD小区自由大规模MIMO系统下行链路中以用户为中心的关联和反馈比特分配，考虑了有限反馈约束下的用户设备通道信息和反馈预算分配问题。
2025-02-26 cs.IT math.IT
Joint Analog and Digital Transceiver Design for Wideband Full Duplex MIMO Systems
在本文中，我们提出了一种宽带全双工（FD）多输入多输出（MIMO）通信系统，包括一个FD MIMO节点同时与两个多天线上行链路（UL）和下行链路（DL）节点利用相同的时间和频率资源进行通信。为了抑制FD MIMO系统中由于同时发送和接收而产生的强自干扰（SI）信号，提出了一种基于基带正交频分复用（OFDM）信号建模的模拟和数字（A/D）相消以及发送和接收波束形成的联合设计。考虑到实际的发射机损伤，我们提出了一种多抽头宽带模拟消除器的架构，其抽头的数量不与收发器天线和多径SI组件的数量成比例。我们还提出了一种新的自适应数字抵消截断奇异值分解的基础上，减少残留SI信号估计参数。为了最大化FD和速率，提出了一种用于A/D抵消和数字波束形成的联合优化框架。最后，我们广泛的波形仿真结果表明，所提出的宽带FD MIMO设计具有更高的SI消除能力，降低了复杂度相比，现有的消除技术，从而提高可实现的速率性能。
2021-12-16 cs.IT eess.SP math.IT
Using Massive MIMO Arrays for Joint Communication and Sensing
在超5G和6 G无线通信系统领域中越来越重要的趋势之一是对联合执行通信和环境感测的系统的研究。本文提出了使用基站（BS），我们称之为\textit{radar-BS}，配备了一个大规模的天线阵列来执行，使用相同的频率范围，与移动用户通信，并通过雷达扫描感测/监视周围环境。大规模天线阵列实际上既可以作为具有协同定位天线的MIMO雷达（发射指向正仰角的雷达信号）运行，又可以执行信号空间波束成形，以主要基于地面与用户进行通信。我们的研究结果表明，使用一个大规模的MIMO雷达基站的通信和雷达系统可以共存，相互干扰很小。
2019-12-01 cs.IT eess.SP math.IT
Joint Design of Transmit Waveforms and Receive Filters for MIMO Radar via Manifold Optimization
发射波形和接收滤波器的联合设计问题是多输入多输出（MIMO）雷达系统的许多应用场景中所期望的。在本文中，联合设计问题下的信号与干扰加噪声比（SINR）的性能指标，在这种情况下，该问题被制定为最大化的SINR在接收端受到一些实际的发射波形约束。基于流形优化方法，提出了一种求解非凸约束优化问题的数值算法。流形优化方法在许多工程应用中已被证明是强大而灵活的。该算法能够在统一的框架下有效地解决不同波形约束下的信干噪比最大化问题。数值实验表明，该算法优于现有的基准在计算效率和实现可比的信干噪比性能。
2021-02-10 cs.IT eess.SP math.IT
Two-timescale joint power control and beamforming design with applications to cell-free massive MIMO
本研究提出双时间尺度联合功率控制与波束成形最优算法，基于长期统计CSI，缓解可扩展性问题，并在无小区大规模MIMO中优于现有长期方法。
2025-04-23 cs.IT eess.SP math.IT
Joint Low-Rank and Sparse Bayesian Channel Estimation for Ultra-Massive MIMO Communications
Purple Mountain Laboratories（紫金山实验室）
本文提出了一种联合低秩与稀疏贝叶斯估计算法，用于超大规模MIMO通信中的信道估计，提升了估计精度和复杂度性能。
2025-12-04 cs.IT eess.SP math.IT
Sparse Joint Transmission for Cell-Free Massive MIMO: A Sparse PCA Approach
无小区大规模多输入多输出（MIMO）是一种很有前途的蜂窝网络。在该网络中，大量分布的多天线接入点（AP）使用相同的时频资源共同为多个单天线用户提供服务。因此，它可能通过经由以用户为中心的联合传输消除小区边界处的干扰来向用户提供统一的服务体验，而不管用户的位置如何。然而，这种联合传输需要极高的信令开销以用于经由回程链路的数据共享，并且导致高的网络范围的功耗。为了解决这些问题，在本文中，我们提出了一种新的联合传输方法，这是被称为稀疏联合传输（sparse-JT），无小区大规模多输入多输出网络有限的回程容量的限制。稀疏JT联合地标识以用户为中心的协作AP集合、用于波束成形和压缩的预编码向量、以及在每个联合传输的活动AP的总数是稀疏的约束下最大化和频谱效率的下限的功率分配。该算法保证确定一个放松的和谱最大化问题的局部最优解。通过仿真，我们表明，稀疏JT实现更高的遍历频谱效率比所达到的多小区迫零预编码与用户为中心的AP聚类算法在所有系统配置。
2021-07-29 cs.IT eess.SP math.IT
Joint Delay and Phase Precoding Under True-Time Delay Constraints for THz Massive MIMO
针对宽带太赫兹（THz）混合大规模多输入多输出（MIMO）系统中波束偏斜效应的补偿问题，提出了一种基于相移器（PS）和真实时间延迟（TTD）的联合优化方法.与以前的方法不同，新的方法不需要无界的时间延迟假设，TTD设备可以产生的时间延迟值的范围是严格限制在我们的方法。而不是专注于TTD值的设计，我们共同优化TTD和PS值，以有效地应对实际的时间延迟约束。仿真结果表明，新方法的波束斜视补偿的性能优势。通过仿真和分析，我们表明，我们的方法是一个推广的TTD为基础的预编码方法。
2023-01-21 cs.IT eess.SP math.IT
Deep Learning based Joint Precoder Design and Antenna Selection for Partially Connected Hybrid Massive MIMO Systems
混合预编码器设计的高效资源分配对于工作在毫米波（mmW）域的大规模MIMO系统是必不可少的。由于部分连接混合架构具有更高的能量效率和更低的复杂度，在这封信中，我们提出了一种基于联合深度卷积神经网络（CNN）的部分连接大规模MIMO混合系统预编码器设计和天线选择方案。对于CNN，预编码器设计和天线选择分别被公式化为回归和分类问题。信道数据被馈送到第一CNN网络，该第一CNN网络输出具有最佳频谱效率的所选天线的子集。该子集再次被馈送到第二CNN以获得用于部分连接架构的块对角预编码器。仿真结果验证了基于CNN的方法优于传统的迭代和交替最小化（alt-min）算法。此外，所提出的方案是计算效率高，是不是很敏感的信道不规则性。
2021-02-02 cs.IT eess.SP math.IT
Deep Learning for Joint Design of Pilot, Channel Feedback, and Hybrid Beamforming in FDD Massive MIMO-OFDM Systems
针对FDD大规模MIMO-OFDM系统，提出端到端深度学习框架，联合设计导频、信道反馈与混合波束成形，并利用图神经网络建模波束成形器交互。
2023-12-10 cs.IT eess.SP math.IT
Cell-Free ISAC MIMO Systems: Joint Sensing and Communication Beamforming
本文研究无小区ISAC MIMO系统中的联合感知与通信波束成形设计，提出基于最大最小公平性的最优JSC波束成形结构和功率分配方法，在保持通信SINR和感知SNR的同时获得显著性能增益。
2024-02-23 cs.IT eess.SP math.IT
Joint DOD and DOA Estimation in Slow-Time MIMO Radar via PARAFAC Decomposition
针对慢时间MIMO雷达多普勒域样本不足问题，提出基于新张量模型与改进交替最小二乘的PARAFAC分解方法，利用阵列范德蒙德结构实现性能更优的联合DOD与DOA估计，仿真验证了有效性。
2020-07-30 cs.IT eess.SP math.IT
Joint Channel Estimation and Data Detection in Cell-Free Massive MU-MIMO Systems
针对密集无小区的大规模多用户（MU）多输入多输出（MIMO）系统，提出了一种联合信道估计和数据检测（JED）算法，降低了由于存在数百个同时发送的用户设备（UE）而引起的信道训练开销.我们的算法迭代地解决了一个宽松的版本的最大后验JED问题，同时利用无小区的大规模MU-MIMO信道的稀疏性以及QAM星座的有界性。为了提高算法的性能和收敛性，我们提出了置换接入点和UE索引以形成所谓的虚拟小区的方法，这导致更好的初始解。我们评估我们的算法在均方根符号误差，出错率，和互信息方面的性能，我们证明，JED显着降低了导频开销相比，正交训练，这使得可靠的通信短数据包到大量的UE。
2021-10-29 cs.IT eess.SP math.IT
Deep Joint CSI Feedback and Multiuser Precoding for MIMO OFDM Systems
提出一种基于深度学习的联合CSI反馈与多用户预编码方法，利用深度联合信源信道编码压缩CSI特征向量并联合调整预编码方向与功率，显著提升了低信噪比与低反馈开销下的下行和速率。
2024-04-25 cs.IT eess.SP math.IT
MIMO Systems with Reconfigurable Antennas: Joint Channel Estimation and Mode Selection
可重构天线是提高无线通信系统容量和覆盖范围的一项重要技术。然而，RA系统具有两个主要挑战：（i）模式选择的高计算复杂性，以及（ii）所有模式的信道估计的高开销。在本文中，我们开发了一种低复杂度的迭代模式选择算法的数据传输中的RA-MIMO系统。此外，我们研究了RA多用户MIMO系统的信道估计。然而，给定相干时间，估计所有模式的信道是具有挑战性的。我们提出了一种模式选择方案，选择一个子集的模式，训练信道所选择的子集，并预测信道的其余模式。此外，我们提出了一个预测方案的基础上模式之间的模式相关性。代表性的仿真结果表明，系统的信道估计误差和可实现的和速率为各种选定的模式和不同的信号噪声比（SNR）。
2022-11-24 cs.IT eess.SP math.IT
Jointly Sparse Support Recovery via Deep Auto-encoder with Applications in MIMO-based Grant-Free Random Access for mMTC
本文提出了一种数据驱动的方法，使用标准的实数深度自动编码器来联合设计公共感知（测量）矩阵并联合支持复信号的恢复方法。在所提出的方法中的自动编码器包括一个编码器，它模仿噪声线性测量过程的联合稀疏信号与一个共同的传感矩阵，和一个解码器，近似地执行联合稀疏支持恢复的基础上的经验协方差矩阵的噪声线性测量。该方法能有效地利用稀疏模式的公共支持度和稀疏模式的特性，获得较高的恢复精度，且计算时间明显短于现有方法。我们还研究了一个应用实例，即，用于大规模机器类型通信（mMTC）的基于多输入多输出（MIMO）的免授权随机接入中的设备活动检测。数值结果表明，该方法可以提供导频序列和设备活动检测具有更好的检测精度和更短的计算时间比众所周知的恢复方法。
2020-05-05 cs.IT eess.SP math.IT
Optimal Design of Energy-Efficient Cell-Free Massive MIMO: Joint Power Allocation and Load Balancing
通过相干联合传输为用户提供服务的大规模分布式天线系统被称为无小区大规模MIMO（多输入多输出）。对于给定的用户集，可能仅需要接入点（AP）的子集来满足用户的性能需求。为了找到一个灵活和节能的实现，我们最大限度地减少在下行链路中的AP的总功耗，同时考虑硬件和发射功率，其中AP可以关闭。虽然这是一个非凸优化问题，但通过求解一个混合整数二阶锥规划，得到了全局最优解。我们还提出了一个低复杂度的算法，利用组稀疏的问题制定。数值结果表明，我们的优化框架可以大大降低功耗相比，保持所有AP打开，只最小化发送功率。
2019-11-26 cs.IT eess.SP math.IT
Joint User Scheduling and Precoding for XL-MIMO Systems with Imperfect CSI
针对非理想CSI下的XL-MIMO系统，提出联合用户调度与预编码算法，通过长期CSI调度并选择更新CSI的用户，提升和频谱效率并强调训练开销与信道估计误差的影响。
2023-02-25 cs.IT eess.SP math.IT
Joint Load Balancing and Transmit Power Control for Energy Efficiency Maximization in the Satellite-Cell-Free Massive MIMO Uplink
Hanoi University of Science and Technology (HUST)（河内科技大学）；University of Southampton（南安普顿大学）
研究混合卫星无小区大规模 MIMO 系统，利用最大比合并推导上行遍历吞吐量闭式表达式，制定能量效率优化问题，开发改进差分进化框架，有效提升了能量效率和网络吞吐量，为大规模场景提供关联准则。
2026-07-27 cs.IT math.IT
Joint Resource Optimization for IRS-Assisted mmWave MIMO under QoS Constraints
本文主要研究了智能反射表面增强毫米波系统中多用户动态资源的非凸联合优化问题，其中所有用户都集中在唯一的簇波束上。首先，将上述非线性问题的目标函数转化为服务质量约束下的二次规划形式。进一步提出了一种动态功率分配的多块交替优化框架，以获得最大和速率，其中采用放松的ADMM算法来求解最佳全数字预编码器，并通过梯度投影获得相应的无源反射矩阵。仿真结果表明，在高信干噪比下，波束优化应得到重视，但在硬件尺寸达到极限的情况下，联合动态资源分配仍能进一步提高系统性能。
2020-11-17 cs.IT eess.SP math.IT
Mitigating Smart Jammers in MU-MIMO via Joint Channel Estimation and Data Detection
无线系统必须对干扰攻击具有弹性。现有的缓解方法需要干扰机的发射特性的知识。然而，这种知识可能难以获得，特别是对于仅在传输期间攻击特定时刻以逃避缓解的智能干扰机。我们提出了一种新的方法，减轻智能干扰机对大规模多用户多输入多输出（MU-MIMO）基站（BS）的攻击。我们的方法建立在联合信道估计和数据检测（JED）的最新进展，并利用干扰不能改变其子空间内的相干间隔的事实。我们的方法，称为MAED（缓解，估计和检测的缩写），使用一种新的问题配方，结合干扰估计和缓解，信道估计和数据检测，而不是分离这些任务。我们用一个有效的迭代算法近似地解决了这个问题。我们的研究结果表明，MAED有效地减轻了广泛的智能干扰攻击，而没有任何先验知识的攻击类型。
2022-01-21 cs.IT eess.SP math.IT
Joint Analog Beam Selection and Digital Beamforming in Millimeter Wave Cell-Free Massive MIMO Systems
无小区大规模MIMO系统由许多分布式接入点组成，这些接入点具有共同为用户服务的简单组件。在毫米波段中，只能支持有限的一组预定波束。在整合这些技术的网络中，下行链路模拟波束选择对于网络和速率最大化来说是一项具有挑战性的任务。低成本的数字滤波器可以进一步提高网络的和速率。在这项工作中，我们提出了低成本的模拟波束选择和数字滤波器的联合设计。所提出的联合设计实现显着更高的总和率比不相交的设计基准。有监督机器学习（ML）算法能够以低计算复杂性有效地逼近联合设计的波束选择决策的输入输出映射函数。由于ML算法的训练是离线执行的，因此我们提出了一种构造良好的联合设计，该设计结合了多个初始化、迭代和选择特征，以及波束冲突控制，即，同一波束不能用于多个用户。数值结果表明，ML算法可以保持99-100%的原始和率的结果所提出的构造良好的设计。
2021-07-02 cs.IT eess.SP math.IT
Uplink Spectral Efficiency Analysis of Decoupled Access in Multiuser MIMO Communications
在由宏基站（MBS）和小型基站（SBS）组成的异构网络中，传统的小区关联策略，即，耦合接入（CA）远不是最优的，这是由于MBS和SBS的覆盖和发射功率之间的显著差异。因此，用户可以选择在下行链路（DL）和上行链路（UL）中与不同类型的BS相关联，即，去耦接入（DA），以提高频谱效率。在本文中，DA在多用户MIMO通信的UL频谱效率方面进行了研究。首先，我们获得UL关联概率。与CA场景相比，DA场景的关联概率仅取决于BS的密度。因此，DA允许UL和DL完全独立。其次，我们推导了频谱效率的下界。下界表明，与CA不同，DA场景的UL频谱效率与BS的发射功率无关，这意味着DA允许用户与可以实现最高UL频谱效率的任何BS相关联。最后，通过仿真结果比较了DA和CA场景下的频谱效率，可以得出结论，DA提高了多用户MIMO系统的频谱效率。
2016-05-27 cs.IT math.IT
Power Allocation for Joint Communication and Sensing in Cell-Free Massive MIMO
针对云无线接入网络架构下的单目标检测问题，研究了一种具有下行通信和多站感知的联合通信感知系统。无小区大规模MIMO的集中式操作被考虑用于通信和感测目的。JCAS发送接入点（AP）共同服务于用户设备（UE），并且可选地将波束转向目标。最大后验比测试检测器推导出检测器使用在分布式AP接收到的信号的目标。我们提出了一种功率分配算法，以最大限度地提高感知信噪比的条件下，每个UE的最小信号干扰加噪声比值是有保证的。数值结果表明，与完全以通信为中心的功率分配相比，在一定的虚警概率下，所提出的算法可以显着提高检测概率，用于两种JCAS设置：i）使用额外的感测符号或ii）仅使用现有的通信符号。
2022-09-05 cs.IT eess.SP math.IT
A Joint Combiner and Bit Allocation Design for Massive MIMO Using Genetic Algorithm
在本文中，我们推导出一个封闭形式的表达的组合器的多输入多输出（MIMO）接收机配备了最小均方误差（MMSE）估计。我们建议在射频（RF）路径上使用可变位分辨率模数转换器（ADC）。采用极低位分辨率ADC（1- 2位）是大规模多输入多输出（MIMO）接收机架构的一种常用方法，可降低大功率需求。我们表明，对于某些信道条件，采用不相等的位分辨率ADC（例如，在1和4比特之间）与所提出的组合器一起，改善了MIMO接收机在均方误差（MSE）意义上的性能。可变位分辨率ADC仍然在所有路径上使用相等位分辨率ADC的功率约束内（例如，2位）。我们提出了一种遗传算法结合派生的组合器，以达到最佳的ADC比特分配框架，显着降低计算复杂度。
2017-11-17 cs.IT eess.SP math.IT
NOMA Enabled Multi-Access Edge Computing: A Joint MU-MIMO Precoding and Computation Offloading Design
针对多天线MEC用户以NOMA接入边缘服务器的场景，提出联合优化计算频率、卸载比例与预编码矩阵的迭代方法，在满足时延约束下最小化总能耗，并验证了收敛性和性能优势。
2023-11-07 cs.IT eess.SP math.IT
Intelligent Reflecting Surface for MIMO VLC: Joint Design of Surface Configuration and Transceiver Signal Processing
智能反射面具有重构无线电磁环境的能力，是未来无线通信系统设计的新范式。在本文中，我们考虑在多输入多输出（MIMO）环境下，利用光学IRS来改善可见光通信（VLC）的性能。具体来说，我们专注于室内MIMO VLC系统的下行链路通信，并旨在最大限度地减少解调信号在接收机的均方误差（MSE）。为此，首先推导出点源假设下的IRS辅助VLC的MIMO信道增益，基于此MSE最小化问题，然后制定受发射功率约束。接下来，我们提出了一种交替优化算法，它将原问题分解为三个子问题，迭代优化IRS配置，预编码和检测矩阵，以最小化MSE。理论分析了该算法在高信噪比和低信噪比下的性能，揭示了在这种特殊情况下联合优化过程可以得到简化，并讨论了算法的收敛性和计算复杂性.最后，数值结果表明，IRS辅助方案显着降低MSE相比，他们的同行没有IRS，所提出的算法优于其他基线计划。
2022-06-29 cs.IT eess.SP math.IT
On The Capacity of Gaussian MIMO Channels Under The Joint Power Constraints
在总功率和天线功率联合约束（TPC和PAC）下，研究了固定高斯MIMO信道的容量和最优信令。虽然一般情况下仍然是一个开放的问题，一个封闭的形式的满秩的解决方案，以及其充分必要条件。建立了每个约束处于非活动状态的条件。高和低信噪比制度进行了研究。在前一种情况下，各向同性信令被示出为最优的，而秩-1信令（波束成形）在后一种情况下不一定是最优的。指出了联合约束下最优协方差的奇异性。
2018-08-31 cs.IT math.IT
Limits on the Robustness of MIMO Joint Source-Channel Codes
本文研究了MIMO联合信源信道编码鲁棒性的理论极限。在这种情况下，一个单一的联合源信道代码被用于整个范围内的SNR和所需的保真度的所有级别被认为是。这样一个系统的渐近性能的限制，其特征在于上界的多样性保真度的权衡，这可以被看作是一个模拟版本的多样性复用的权衡。特别是，它表明，有一个相当大的差距之间的多样性保真度权衡的鲁棒联合信源信道码和最佳的权衡（没有鲁棒性的约束）。
2009-10-30 cs.IT math.IT
Joint Channel Estimation and Equalization in Massive MIMO Using a Single Pilot Subcarrier
这封信的重点是在正交频分复用（OFDM）为基础的大规模多输入多输出（MIMO）系统的大导频开销的减少。我们提出了一种新的联合信道估计和均衡技术，只需要一个导频子载波，减少了数量级的导频开销。我们利用跨越多个子载波频带的相干带宽。这允许在单个子载波处利用信道频率响应（CFR）来均衡子载波的频带。随后，检测到的数据符号被认为是虚拟导频，并且它们的CFR被更新而不需要额外的导频开销。此后，可以以滑动方式执行剩余的信道估计和均衡。通过这种方法，我们使用多个信道估计来均衡每个子载波上的数据。这使我们能够利用频率分集，提高检测性能。最后，我们通过广泛的数值分析证实了上述主张，显示了我们提出的技术相比传统方法的优越性能。
2022-12-15 cs.IT eess.SP math.IT
Joint User Selection and Precoding in Multiuser MIMO Systems via Group LASSO
多用户MIMO环境中的联合用户选择和预编码可以被解释为线性模型中的组稀疏恢复。在这个问题中，具有群稀疏性的信号将从欠定方程组中重构。本文利用这一等价解释，并开发了一个计算上易处理的算法的基础上的方法组LASSO。与现有技术相比，所提出的方案在两个不同的方面显示出性能增强：更高的可实现的和速率和更低的干扰，在非选择的用户终端。
2019-10-24 cs.IT math.IT
Unfolding for Joint Channel Estimation and Symbol Detection in MIMO Communication Systems
该研究面向MIMO系统提出JED-ADMM及其展开网络JED-U-ADMM，利用QAM非光滑约束联合完成信道估计与符号检测，在多种信道和天线配置下提升BER性能并降低复杂度。
2023-08-21 cs.IT eess.SP math.IT
Improving Fairness for Cell-Free Massive MIMO Through Interference-Aware Massive Access
无小区大规模多输入多输出（CF mMIMO）通过协调比用户设备（UE）多得多的接入点（AP）来提供良好的干扰管理。当UE的数量接近AP的数量并且远远超过导频的数量时，确定哪些AP应该利用哪些导频服务哪些UE变得具有挑战性。与以前的工作相比，在这样的大规模接入场景中，需要在频谱效率（SE）和实现简单性之间进行更好的折衷。针对CF mMIMO系统中的大规模干扰特性，提出了一种基于干扰感知的大规模接入（IAMA）方案，实现AP与UE的联合关联和导频分配。我们提出了一个干扰感知的奖励作为一种新的性能指标，并使用它来开发两个迭代算法来优化关联和导频分配。数值结果表明，我们的IAMA计划在用户公平性和平均SE的基准计划的显着优势。
2022-12-05 cs.IT eess.SP math.IT
