Massive MIMO with a Generalized Channel Model: Fundamental Aspects
大规模多输入多输出（MIMO）正在成为一项成熟的技术，并已被批准在5G生态系统中进行标准化。虽然有大量的论文对大规模多输入多输出的理论分析，大多数相关的工作假设简化，但过于理想化，克罗内克型模型的空间相关性。基于克罗内克模型的不足，我们引入了一个自然推广的空间相关模型，即Weichselberger模型。对于这个模型，我们追求的信道硬化和有利的传播（FP）方面的大规模多输入多输出性能的全面分析。我们确定了一些情况下，大规模多输入多输出可能会失败，在信道硬化和FP方面，并从实际的角度讨论其相关性。
2018-11-12 eess.SP
Cache-Aided Massive MIMO: Linear Precoding Design and Performance Analysis
在本文中，我们提出了一种新的联合缓存和大规模多输入多输出（MIMO）传输方案，称为缓存辅助大规模多输入多输出，先进的下行链路蜂窝通信。除了获得高速缓存和大规模多输入多输出的传统优点之外，所提出的方案还利用由高速缓存的文件提供的边信息用于接收机处的干扰消除。这种干扰消除增加了可用于预编码设计的自由度。此外，由启用高速缓存的卸载释放的功率可以有益于向请求非高速缓存文件的用户的传输。如果缓存和大规模多输入多输出被分开设计，则所得到的性能增益是不可能的。我们分析了缓存辅助的大规模多输入多输出的缓存相关的最大比传输（MRT），迫零（ZF）预编码和正则化迫零（RZF）预编码的性能。对于MRT和ZF预编码，以封闭形式推导出遍历可达速率的下界。当发射天线数和用户数都很大，但它们的比例固定时，得到了RZF预编码的遍历可达速率。与传统的大规模多输入多输出相比，提出的缓存辅助的大规模多输入多输出方案实现了显著更高的遍历速率，特别是当用户数接近发射天线数时。
2019-03-22 eess.SP
Energy Efficient Massive MIMO Array Configurations
大规模多输入多输出（多输入多输出）的高频谱效率主要是通过空间复用的开发来实现的，即通过使用同时应用于许多用户的大量MIMO层。大规模多输入多输出基站的功耗由驱动大量天线端口和元件的硬件确定。本文重点介绍不同用户负载的实际部署情况。在具有低数量用户的小时期间，硬件功耗的某个显著部分将保留在传统的大规模多输入多输出处理中，而频谱效率的全部潜力由于低数量用户而不能被开发，导致低功率效率和成本。我们调查不同的混合阵列架构的频谱效率，平均用户吞吐量和功耗的影响，并显示如何设计一个大规模多输入多输出系统，显着提高能源效率为给定的目标场景，同时保持有针对性的服务质量。
2019-06-12 eess.SP
Rate-Splitting assisted Massive Machine-Type Communications in Cell-Free Massive MIMO
这封信的重点是将速率分割多址（RSMA）与时分双工无小区大规模多输入多输出（多输入多输出）集成，以实现大规模机器类型通信。由于大量的设备，他们的零星接入行为和有限的相干间隔，我们假设一个随机接入策略，所有活动的设备利用相同的导频上行链路信道估计。这引起了一个高度导频污染的情况下，这不可避免地恶化信道估计。基于RSMA对不完整信道状态信息的鲁棒性，提出了一种新的RSMA辅助下行链路传输框架，用于无小区大规模多输入多输出。基于公共流和私有流的下行链路可达频谱效率，提出了一种启发式公共预编码器设计方法，并提出了一种新的最大最小功率控制方法。数值结果表明，RSMA有效地缓解了下行链路中导频污染的影响，并在传统的无小区大规模多输入多输出网络中获得了显著的性能增益。
2022-05-05 eess.SP
A Model-Driven Deep Learning Method for Massive MIMO Detection
本文提出了一种基于深度神经网络的高效大规模多输入多输出（MIMO）检测器。具体来说，我们首先将现有的迭代检测算法展开到DNN结构中，这样检测任务就可以通过深度学习（DL）方法来实现。然后，我们在每一层引入两个辅助参数，以更好地消除多用户干扰（MUI）。第一个参数用于生成残差向量，第二个参数用于调整先前层之间的关系。我们进一步设计了训练过程，以优化预处理输入的辅助参数。如此导出的MIMO检测器属于模型驱动DL的类别。仿真结果表明，与现有的大规模MIMO大规模多输入多输出系统检测器相比，该检测器具有更好的检测性能。
2020-04-15 eess.SP
Deep Learning for Massive MIMO Channel State Acquisition and Feedback
Imperial College London（帝国理工学院）
大规模多输入多输出（MIMO）系统是5G和下一代无线网络中过高吞吐量要求的主要推动因素，因为它们可以同时为许多用户提供高频谱和能量效率。为了实现这一点，大规模MIMO系统需要准确和及时的信道状态信息（CSI），其通过涉及导频传输、CSI估计和反馈的训练过程来获取。该训练过程引起训练开销，其随着天线、用户和子载波的数量而缩放。自概念出现以来，减少大规模MIMO系统中的这种训练开销一直是研究的主要课题。最近，已经提出了用于大规模MIMO训练的基于深度学习（DL）的方法，并且与传统技术相比显示出显著的改进。本文概述了如何将神经网络（NN）用于大规模MIMO系统的训练过程中，通过减少CSI获取开销和降低复杂度来提高性能。
2020-04-13 cs.IT cs.LG eess.SP
DNN-based Detectors for Massive MIMO Systems with Low-Resolution ADCs
低分辨率模数转换器（ADC）被认为是大规模多输入多输出（MIMO）系统中降低成本和功耗的实用且有前途的解决方案。不幸的是，低分辨率ADC会使接收信号严重失真，从而使数据检测更具挑战性。在本文中，我们开发了一种新的深度神经网络（DNN）框架，用于低分辨率大规模多输入多输出系统中的高效和低复杂度数据检测。基于重构的最大似然检测问题，我们提出了两个模型驱动的DNN为基础的检测器，即OBMNet和FBMNet，分别为一位和几位大规模多输入多输出系统。所提出的OBMNet和FBMNet检测器具有为低分辨率MIMO接收器设计的独特而简单的结构，因此可以有效地训练和实现。数值结果还表明，OBMNet和FBMNet显着优于现有的检测方法。
2020-11-05 eess.SP
Massive MIMO relaying with linear precoding in correlated channels under limited feedback
本文研究了在发射端信道状态信息不完全且每个用户的信道发送相关性的情况下，采用线性预编码的大规模多输入多输出中继系统。在我们的系统中，源中继信道是大规模的多输入多输出（MIMO）和中继目的地信道是大规模的多输入单输出（MISO）的。利用大随机矩阵理论（RMT）推导了当发射天线数和用户数M、K趋于无穷大且M>>K时，采用正则化迫零（RZF）预编码的大规模多输入多输出放大前向和解码前向（M-MIMO-ADF）中继中每个用户处的信干噪比（SINR）的确定性等价。本文给出了h^H_kW（hat）_lh（hat）_k的确定性等价表达式，并给出了两个定理和一个推论来推导每个用户的SINR的确定性等价。仿真结果表明，M-MIMO-ADF中继中每个用户的SINR的确定性等价以及定理1、定理2、命题1和推论1的结果是准确的。
2018-02-28 eess.SP
Max-Min Optimal Beamforming for Cell-Free Massive MIMO
这封信开发了一个最佳的波束形成方法，在无小区的大规模多输入多输出（MIMO）系统，采用大量的分布式接入点，为多个用户提供并发服务的下行链路传输。最佳设计被制定为一个最大最小的问题，最大限度地提高所有用户的最小信号干扰加噪声比。解析地证明了该问题是拟凹的，并利用二阶锥规划得到了最优解。所提出的方法确定最佳的无小区大规模多输入多输出系统中可实现的波束成形性能。研究结果可作为低复杂度波束形成器设计的参考。
2020-06-10 eess.SP
Over-The-Air Federated Learning Over Scalable Cell-free Massive MIMO
本文研究无蜂窝大规模MIMO支持空中联邦学习的方法，提出在信道相关且仅有不完美信道状态信息条件下的实用OTA-FL实现方案，并通过分析与实验验证其收敛性和性能优势。
2023-09-18 cs.IT cs.LG eess.SP
Double-Sided Massive MIMO Transceivers for MmWave Communications
我们提出了实用的收发器结构的双边大规模多输入多输出（MIMO）系统。与标准的大规模多输入多输出不同，发射侧和接收侧都配备有高维天线阵列。我们利用多层滤波架构，并提出了新的分层收发器方案与实际的信道状态信息的要求，以简化我们的双边大规模多输入多输出系统的复杂性。我们进行了全面的模拟活动，调查不同的信道传播条件下的性能，并确定最合适的策略，建议收发器。我们的研究结果表明，协方差矩阵本征滤波器的设计在外部收发器层结合最大本征模传输预编码/最小均方误差组合在内部收发器层产生最佳的可实现的和速率性能为不同的传播条件和多用户干扰水平。
2019-11-10 eess.SP
High Order M-QAM Massive MIMO Detector with Low Computational Complexity for 5G Systems
在这项工作中，已经评估了具有高阶星座的传统和大规模多输入多输出系统的误比特率的行为，这对于实现5G标准通信的频谱效率至关重要。我们使用实域Schnorr Euchner枚举与K-best算法，以减少检测的计算复杂度。结果，在这封信中，已经优于现有的检测算法的复杂度和BER，特别是在低信噪比区域，大规模和传统的MIMO系统。我们针对N $\times$ N MIMO系统执行了仿真，其中N = 8、25、40、50、60、80、100和120，用于根据用于5G系统及更高系统的最新3GPP标准的256-QAM和1024-QAM高阶传输系统。所有的分析和结果，在这封信中给出的是从我们的MIMO检测器，在使用纠错解码器。
2018-08-06 eess.SP
Decentralized Massive MIMO Processing Exploring Daisy-chain Architecture and Recursive Algorithms
用于大规模多输入多输出上行链路检测和下行链路预编码的算法通常依赖于集中式方法，通过该方法，来自所有天线模块的基带数据被路由到中心节点以便被处理。在大规模多输入多输出的情况下，其中在基站中预期有数百或数千个天线，由于互连吞吐量有限，所述路由成为瓶颈。提出了一种基于随机梯度下降（SGD）方法的大规模多输入多输出（MassiveMIMO）上行检测和下行预编码的完全分散式结构和算法，该算法不需要中心节点来完成这些任务。通过一个递归的方法和非常低的复杂度操作，该算法提供了一个很好的性能，互连吞吐量和延迟之间的权衡。此外，我们提出的解决方案实现了显着降低互连数据速率比其他架构，使未来的可扩展性。
2020-01-28 eess.SP
Improving Cell-Free Massive MIMO Detection Performance via Expectation Propagation
无小区（Cell-free，CF）大规模多输入多输出（M-MIMO）技术在超第五代（Beyond Fifth Generation，5G）网络中发挥着重要作用。然而，设计一个高性能的CF M-MIMO检测器是一个具有挑战性的任务，由于存在的导频污染时出现的导频序列的数量小于用户的数量。这项工作提出了一种CF M-MIMO检测器称为CF期望传播（CF-EP），它在计算后验置信度时加入了导频污染。仿真结果表明，该检测器在误比特率和总频谱效率性能方面与现有的CF检测器相比有明显的改善。
2021-10-27 eess.SP
Robust massive MIMO Equilization for mmWave systems with low resolution ADCs
利用可用的毫米波频谱对于5G来说非常重要。在这项工作中，我们研究了基于链路级仿真的低分辨率ADC的数字波束形成的性能，包括信道估计，MIMO均衡和信道解码。我们考虑最近商定的3GPP NR类型1OFDM参考信号。比较结果表明，顺序DCD在检测性能和复杂度方面都优于基于MMSE的MIMO均衡。我们还表明，基于DCD的算法是更强大的信道估计错误。与通常认为的不同，我们还表明，大规模MIMO大规模多输入多输出系统的MMSE均衡的复杂性不是由矩阵求逆决定的，而是由Gram矩阵的计算决定的。
2017-11-14 eess.SP
Two-Stage Learning for Uplink Channel Estimation in One-Bit Massive MIMO
我们开发了一种两阶段深度学习流水线架构，用于使用1位ADC估计上行链路大规模多输入多输出信道。这个深度学习管道由两个独立的生成式深度学习模型组成。第一个是监督学习模型，旨在补偿量化损失。第二个是无监督学习模型，并针对去噪进行了优化。我们的研究结果表明，所提出的基于深度学习的信道估计器可以显着优于其他国家的最先进的信道估计器的一位量化的大规模多输入多输出系统。特别地，我们的设计在信道估计误差中提供5-10 dB增益。此外，它需要合理数量的导频，大约每个相干时间间隔20个。
2019-11-27 eess.SP
Beam Domain Massive MIMO for Optical Wireless Communications with Transmit Lens
提出了一种新的用于光无线通信的波束域大规模多输入多输出（MIMO）传输方案。配备有大规模光发射机的光基站通过发射透镜与多个用户终端（UT）通信。针对LED发射机，分析了透镜的光折射特性，建立了大规模多输入多输出光传输信道模型。对于大量的LED，不同UT的信道向量变得渐近正交。研究了光大规模多输入多输出系统中的最大比传输和正则化迫零预编码，提出了一种线性预编码设计方案，以最大化和速率。我们进一步设计的预编码时，发射机的数量增长渐近大，并表明，波束分多址接入（BDMA）传输达到渐近最优性能的总和速率最大化。与没有发射透镜的光MIMO不同，BDMA可以分别在总和每发射机功率约束下与$2K$和$K$成比例地增加总速率，其中$K$是UT的数量。在非渐近情况下，我们证明了波束域最优功率分配的正交性条件，并提出了有效的波束分配算法。数值结果证实了我们提出的波束域光大规模多输入多输出通信方法的性能显着改善。
2018-11-23 eess.SP
Orbital-Angular-Momentum Embedded Massive MIMO: Achieving Multiplicative Spectrum-Efficiency for mmWave Communications
针对传统毫米波大规模MIMO未利用轨道角动量正交态增益的问题，提出OAM嵌入MIMO框架，通过抛物面会聚、模式分解检测及注水功率分配实现倍增频谱效率增益，仿真验证其性能显著优于传统方案。
2024-08-13 eess.SP
Performance Analysis of Massive MIMO with Low-Resolution ADCs
分析了基站采用低分辨率模数转换器（ADC）的大规模多输入多输出（MIMO）系统的上行链路性能。设计了一种同时考虑加性高斯白噪声（AWGN）和量化噪声的高性能MMSE接收机，适用于均匀分辨率ADC和非均匀分辨率ADC。与建议的MMSE接收机，然后，我们采用随机矩阵理论推导出系统的上行链路频谱效率（SE）的渐近等效。数值结果表明，上行链路SE的渐近等价性是紧密的，采用低分辨率ADC的大规模多输入多输出系统通过增加基站天线数量仍能获得令人满意的上行链路SE。
2017-11-29 eess.SP
Massive MIMO in 5G: How Beamforming, Codebooks, and Feedback Enable Larger Arrays
大规模多输入多输出（MIMO）是第五代（5G）蜂窝网络及以后的重要技术。为了帮助设计基站的波束成形，5G引入了灵活反馈和可配置天线阵列几何形状的新支持。在本文中，我们将概述整个移动标准中的MIMO，重点介绍5G NR中新的基于波束的反馈系统，并描述该反馈系统如何通过波束管理实现大规模多输入多输出。最后，我们总结了与5G中的大规模多输入多输出相关的挑战。
2023-01-31 cs.SY eess.SP eess.SY
An SBR Based Ray Tracing Channel Modeling Method for THz and Massive MIMO Communications
太赫兹（THz）通信和大规模多输入多输出（MIMO）技术的应用对第六代（6G）通信系统具有重要意义，受到全球的广泛关注。本文采用结合加速技术的射弹射线（SBR）方法对THz和大规模多输入多输出信道进行建模。本文的射线追踪（RT）模拟结果，商业RT软件Wireless Insite（WI）支持的频段下的出射角（AoD）、到达角（AoA）和功率延迟分布（PDP）与WI产生的那些一致。基于材料表面的基尔霍夫散射效应和太赫兹频段的大气吸收损耗，修正的菲涅耳反射系数和自由空间衰减的传播模型与实测结果一致。针对大规模多输入多输出，分析了信道容量和随机功率分布。仿真结果表明，SBR方法在建立THz和大规模多输入多输出信道的确定性模型方面具有广泛的适用性和可接受的精度。
2022-08-22 eess.SP
Wideband mmWave Massive MIMO Channel Estimation and Localization
已知空间宽带效应影响毫米波（mmWave）大规模多输入多输出（MIMO）系统中的信道估计和定位性能。扰动分析的基础上，我们表明，空间宽带效应实际上是比以前认为的更明显，并显着降低性能，即使在中等带宽，如果它是不适当的算法设计中考虑。我们提出了一种新的信道估计方法的基础上，每个子载波的多维ESPRIT，结合无监督学习的配对跨子载波，这表明显着的性能增益超过现有的计划在宽带条件下。
2022-09-18 eess.SP
A Low-Complexity ADMM-based Massive MIMO Detectors via Deep Neural Networks
基于交替方向乘法器（ADMM）的检测器在小型和大型多输入多输出（MIMO）系统中都能获得良好的性能。然而，由于难以选择最佳的惩罚参数，它们的性能是有限的。本文提出了一种基于深度神经网络（DNN）的大规模大规模多输入多输出检测方法，可以克服上述局限性。它利用展开技术并学习估计惩罚参数。此外，还提出了一种计算上更便宜的检测器。所提出的方法可以处理高阶调制信号。数值结果表明，所提出的方法与现有的作品相比，性能。
2021-02-27 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
Stochastic Channel Models for Massive and XL-MIMO Systems
本文描述、评估和系统地比较了用于大规模多输入多输出（M-MIMO）和超大型MIMO（XL- MIMO）系统应用的随机信道模型。这项工作的目的是涵盖新的方面的大规模多输入多输出随机信道模型在一个全面和系统的方式。为此，我们比较了不同的模型，以图形和直观的方式呈现每个模型的行为。每个大规模多输入多输出信道模型使用不同的方法和属性来仿真环境。使用诸如容量、SINR、奇异值分解（SVD）和条件数等度量，可以理解每个特征对建模的影响以及它如何与其他模型区分开来。此外，在新的XL-MIMO的情况下，近场和可见光区（VR）的影响出现，我们的发现表明，对于两个假设的方案的集群分布，集群的位置影响的共轭波束形成和迫零（ZF）预编码的性能，由于相关效应，这已经从几何大规模多输入多输出信道模型进行了分析。
2020-09-05 cs.SY eess.SP eess.SY
Massive MIMO is a Reality -- What is Next? Five Promising Research Directions for Antenna Arrays
大规模多输入多输出（多输入多输出）不再是未来蜂窝网络的“狂野”或“有前途”的概念-在2018年成为现实。具有64个全数字收发器链的基站（BS）在多个国家进行了商业部署，大规模多输入多输出的关键成分已使其成为5G标准，实现前所未有的频谱效率所需的信号处理方法已经开发出来，并且由于导频污染而导致的限制已经得到解决。即使是毫米波频率的全数字大规模多输入多输出阵列的开发--曾经被认为是极其复杂和昂贵的--也在顺利进行中。几年后，采用全数字收发器的大规模多输入多输出将成为6 GHz以下和毫米波频率的主流功能。在本文中，我们解释了大规模多输入多输出研究传奇的第一章是如何结束的，而故事才刚刚开始。即将到来的具有大规模天线阵列的BS的大规模部署打开了通向空间处理能力无所不在的全新世界的大门。除了移动宽带服务外，天线还可用于其他通信应用，如低功率机器型或超可靠通信，以及雷达、传感和定位等非通信应用。我们概述了五个新的大规模多输入多输出相关的研究方向：极大孔径阵列，全息大规模多输入多输出，六维定位，大规模MIMO雷达和智能大规模多输入多输出。
2019-06-12 cs.IT eess.SP 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
PDRS: A Fast Non-iterative Scheme for Massive Grant-free Access in Massive MIMO
免授权多输入多输出（MIMO）通常采用非正交导频进行联合用户检测和信道估计。然而，现有方法对于大规模MIMO中的大规模免授权接入来说太复杂。本文提出了导频检测参考信号（PDRS），以大大降低复杂度。在PDRS方案中，不需要迭代。提出了直接权值估计算法，无需信道估计即可计算合并权值。在合并之后，PDRS恢复误差用于决定导频活动。仿真结果表明，所提出的免授权方案性能良好，复杂度降低了几个数量级。
2020-12-25 cs.IT eess.SP math.IT
Cell-free Massive MIMO with Short Packets
在本文中，我们适应了无小区的大规模MIMO（多输入多输出），这是由Östman等人（2020）引入的有限块长度框架，用于表征在超可靠低延迟通信（URLLC）制度下，大规模MIMO可实现的分组错误概率。在本文中考虑的框架包括一个无细胞的架构，不完美的信道状态信息，和任意的线性信号处理在中央处理单元连接到接入点通过前传链路。通过数值模拟，我们表明，要达到高可靠性要求的URLLC，MMSE信号处理必须使用。还与小小区和大规模MIMO蜂窝网络进行了比较。两者都需要更多的天线来实现与无小区Massive MIMO相当的性能。
2021-07-22 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
An Algorithm for Grant-Free Random Access in Cell-Free Massive MIMO
大规模接入是超5G（B5G）无线网络的主要应用场景之一，而大规模MIMO是支持大规模接入的关键技术。本文研究了无小区大规模MIMO网络中大规模机器类型通信（mMTC）的免授权随机接入中的活动检测问题。每个活动设备向AP发送预先分配的非正交导频序列，AP将接收到的信号发送到中央处理器（CPU）进行联合活动检测。我们制定的最大似然设备活动检测问题，并提供了一个算法的基础上，坐标下降法具有负担得起的复杂性。我们表明，无小区的大规模MIMO网络可以支持低功耗的mMTC设备，并提供广泛的覆盖范围。
2021-05-21 cs.IT eess.SP math.IT
GNN-Enhanced Approximate Message Passing for Massive/Ultra-Massive MIMO Detection
考虑到天线数量极大，具有令人满意的性能和低复杂度的高效大规模/超大规模多输入多输出（MIMO）检测算法对于满足5G及更高通信中的高吞吐量和超低延迟要求至关重要。本文提出了一种低复杂度的图神经网络（GNN）增强的近似消息传递（AMP）算法AMP-GNN，用于大规模/超大规模MIMO检测。通过对AMP算法的展开和引入用于多用户干扰消除的GNN模块，定制了神经网络的结构。数值结果将表明，所提出的AMP-GNN显著提高了AMP检测器的性能，并实现了与最先进的基于深度学习的MIMO检测器相当的性能，但具有降低的计算复杂性。此外，该算法对用户数量的变化具有较强的鲁棒性。
2023-01-09 cs.IT eess.SP math.IT
Fast Ambiguous DOA Elimination Method of DOA Measurement for Hybrid Massive MIMO Receiver
大规模多输入多输出（MIMO）系统的波达方向（DOA）估计可以提供超高分辨率的角度估计。然而，由于全数字MIMO系统的高计算复杂性和成本，提出了一种混合模拟数字（HAD）结构的MIMO。针对HAD MIMO系统的测向模糊问题，提出了一种快速消除模糊相位的方法。该算法只需要两个数据块就可以实现DOA估计。仿真结果表明，该方法在性能损失较小的情况下，可以大大减小估计时延。
2021-05-14 cs.IT eess.SP math.IT
Cell-Free Terahertz Massive MIMO: A Novel Paradigm Beyond Ultra-Massive MIMO
针对太赫兹通信传输距离受限的问题，本文提出无蜂窝大规模MIMO架构，通过选择最近接入点缩短距离而非仅依赖大量天线，仿真验证其在太赫兹频段的频谱与能量效率均优于超大规模MIMO。
2024-05-16 cs.IT eess.SP math.IT
Optimal Preamble Length for Spectral Efficiency in Grant-Free RA with Massive MIMO
具有大规模多输入多输出的免授权随机接入（RA）是一种用于低信令开销的大规模接入的有前途的RA技术。在大规模多输入多输出的免授权无线接入系统中，前导码长度对系统性能有着至关重要的影响。本文研究了大规模多输入多输出系统下免授权接收机的最优前导码长度问题，考虑了前导码长度对前导码冲突、前导码开销以及信道估计精度的影响，以最大化系统的频谱效率。仿真结果与我们的分析一致，并证实了存在最佳前导码长度的SE最大化的免授权RA与大规模多输入多输出。此外，性能的最佳前导码长度相对于系统参数被揭示。与授权接入相比，在免授权RA中，SE最大化需要更长的前导码长度。
2019-04-30 cs.IT eess.SP math.IT
Hybrid Beamforming and Combining for Millimeter Wave Full Duplex Massive MIMO Interference Channel
全双工（FD）通信可以彻底改变无线通信，因为它避免了使用独立的信道进行双向通信。这项工作推广了毫米波（mmWave）频段的点对点FD通信，包括K对大规模MIMO FD节点同时工作。我们提出了一种新的联合混合波束成形（HYBF）和加权和速率（WSR）最大化的合并方案，使大规模MIMO FD链路的共存成本有效。该算法依赖于基于最小化-最大化方法的替代优化。此外，我们提出了一种新的SI和大规模MIMO干扰信道感知功率分配方案，包括最优功率控制。仿真结果表明，显着的性能改善相比，传统的双向全数字半双工（HD）系统。
2022-01-04 cs.IT eess.SP math.IT
CS-Based CSIT Estimation for Downlink Pilot Decontamination in Multi-Cell FDD Massive MIMO
用于频分双工（FDD）大规模MIMO的发射机处的有效信道状态信息（CSIT）可以促进其与现有FDD蜂窝网络的后向兼容。迄今为止，针对FDD单小区大规模MIMO系统提出了几种CSIT估计方案，但它们都没有考虑小区间干扰（ICI），并且在多小区情况下会受到下行导频污染的影响。为了解决这个问题，本文提出了一种基于压缩感知（CS）的CSIT估计方案，以对抗FDD多小区大规模MIMO系统中的ICI。具体而言，角域大规模MIMO信道在不同的子载波上表现出共同的稀疏性，并且这种稀疏性部分由相邻用户共享。通过利用这些稀疏特性，我们设计的导频信号和相关的信道估计算法的CS理论的框架下，其中与多个相邻的BS相关联的信道可以可靠地估计与低的训练开销的下行链路导频净化。仿真结果验证了所提出的解决方案的良好的下行链路导频去污性能相比，其传统的多小区FDD大规模MIMO。
2021-08-23 cs.IT eess.SP math.IT
A Variational Bayesian Perspective on Massive MIMO Detection
大规模多输入多输出（MIMO）系统中的最优数据检测需要过高的计算复杂度。文献中已经提出了各种检测算法，在复杂度和检测性能之间提供不同的权衡。在本文中，我们建立在变分贝叶斯（VB）推理设计低复杂度的多用户检测算法的大规模多输入多输出系统。我们首先研究了大规模多输入多输出检测问题与完美的信道状态信息在接收机（CSIR），并表明，传统的VB方法与已知的噪声方差产生不良的检测性能。为了解决这个问题，我们设计了两个新的VB算法，使用噪声方差和协方差矩阵假设的算法本身。我们进一步开发了用于具有不完美CSIR的大规模多输入多输出检测的VB框架。仿真结果表明，所提出的VB方法实现了显着较低的检测误差相比，现有的计划，为广泛的信道模型。
2022-05-23 cs.IT eess.SP math.IT
Co-existing/Cooperating Multicell Massive MIMO and Cell-Free Massive MIMO Deployments: Heuristic Designs and Performance Analysis
本文研究多小区大规模MIMO与无小区大规模MIMO共存部署的下行性能，提出前传感知的启发式用户关联算法，并通过仿真分析不同协作程度、预编码和功率控制策略对系统性能的影响。
2024-10-22 cs.IT eess.SP math.IT
Holographic Metasurface Antennas for Uplink Massive MIMO Systems
我们提出了一种上行链路大规模多输入多输出系统，使用全息超表面阵列作为扇区天线。该天线由一组矩形波导馈电超材料表面组成，这些超材料表面沿着仰角方向组合成平面孔径，每个超材料表面都具有亚波长尺寸的超材料元件作为辐射器。超材料辐射器被设计为使得波导馈电超表面实现用于引导（或参考）模式的全息解决方案，生成朝向规定方向的扇形波束，从而形成多波束天线系统。我们证明，窄带上行链路大规模多输入多输出系统使用的元表面可以实现的总和容量接近所提供的瑞利信道在3.5 GHz。我们表明，支持多个扇形波束的元表面可以在6 GHz以下的信道中实现方位角方向上的高空间分辨率，从而在基站和用户之间形成不相关的MIMO信道。此外，所提出的超表面天线在结构上简单、低成本且高效，并且因此适合于减轻装备有大型天线系统的大规模多输入多输出系统所共有的RF硬件问题。
2021-08-27 eess.SP physics.app-ph
Sparsity-Adaptive Beamspace Channel Estimation for 1-Bit mmWave Massive MIMO Systems
我们提出了稀疏自适应波束空间信道估计算法，提高精度的1位数据转换器在全数字毫米波（mmWave）大规模多输入多输出（MIMO）基站。我们的算法包括一个调整阶段的基础上斯坦的无偏风险估计（SURE），自动选择最佳的去噪参数取决于瞬时信道条件。与视线（LoS）和非LoS毫米波大规模MIMO信道模型的仿真结果表明，我们的算法提高信道估计精度与1位测量的计算效率的方式。
2020-05-30 cs.IT eess.SP math.IT
Clustering-Based Activity Detection Algorithms for Grant-Free Random Access in Cell-Free Massive MIMO
未来的无线网络需要支持大规模机器类型通信（mMTC），其中大量设备访问网络，而大规模MIMO是一种很有前途的使能技术。大规模接入方案已经被研究用于共址大规模MIMO阵列。在本文中，我们研究的活动检测免授权随机接入mMTC在无小区的大规模MIMO网络使用分布式阵列。每个活动设备向接入点（AP）发送非正交导频序列，并且AP将接收到的信号发送到中央处理单元（CPU）以用于联合活动检测。仿真结果表明，在覆盖范围较大的情况下，无蜂窝结构所提供的宏分集增益比共址结构所提供的宏分集增益提高了活动检测性能。
2021-11-30 cs.IT eess.SP math.IT
Non-Stationarities in Extra-Large Scale Massive MIMO
大规模MIMO是在蜂窝系统中提高区域频谱效率的关键技术，它是在假设孔径大小适中的情况下开发的。在本文中，我们认为，由于空间非平稳性，大规模MIMO系统的行为在大规模政权不同。在大规模的制度，约50个波长的阵列，终端看到整个阵列，但非平稳性发生，因为不同的区域的阵列看到不同的传播路径。在更大的维度上，我们称之为超大尺度区域，终端看到阵列的一部分，并且在内部可能发生第一种非平稳性。我们发现，大规模MIMO信道的非平稳特性改变了几个重要的MIMO设计方面。在模拟中，我们演示了如何非平稳性是一个诅咒时，被忽视，但祝福时，拥抱在计算负载和多用户收发器设计。
2019-10-07 cs.IT eess.SP math.IT
What is the Benefit of Code-domain NOMA in Massive MIMO?
在过载的大规模MIMO系统中，其中用户设备（UE）的数量K超过基站天线的数量M，最近已经表明非正交多址（NOMA）可以提高性能。本文旨在识别经典操作机制K < M的情况，其中码域NOMA也可以提高大规模MIMO的频谱效率。特别注意的是，在其中经历了不良的有利的传播条件的用例。数值结果表明，具有平面天线阵列的大规模MIMO可以在UE在空间上彼此接近的实际场景中受益于NOMA。
2019-07-03 cs.IT eess.SP math.IT
Transmit Antenna Selection for Massive MIMO-GSM with Machine Learning
针对大规模多输入多输出（MIMO）系统，提出了一种动态灵活的广义空间调制（GSM）框架。我们的框架是利用GSM的机器学习方法，以提高在相关信道和信道估计错误的存在下的错误性能。GSM发射机采用决策树和多层感知器两种方法。仿真结果表明，在现实生活中的障碍的存在下，基于机器学习的方法相比，经典的基于欧几里德距离的方法提供了优越的性能。通过在所设计的使用软件定义无线电节点的$16\times 4$ MIMO测试床上的测量结果来验证观察结果。
2019-03-11 cs.NI eess.SP
Performance Analysis of Quantized Uplink Massive MIMO-OFDM With Oversampling Under Adjacent Channel Interference
大规模多输入多输出（MIMO）系统由于其相对于单天线系统的诸多优点，近年来引起了人们的广泛关注。由于许多天线，期望每个天线的低成本实现和低功耗。为此，在许多研究中已经研究了具有低分辨率模数转换器（ADC）的大规模MIMO结构。然而，在量化的大规模MIMO系统的相邻频带上的强干扰的影响还没有被检查。在这项研究中，我们分析了上行链路大规模MIMO的性能与低分辨率ADC下的频率选择性衰落与正交频分复用在完美和不完美的接收机信道状态信息的情况下。我们推导出的比特出错率和遍历容量的解析表达式。我们表明，干扰频带可以抑制通过增加天线的数量或过采样率时，采用迫零接收机。
2020-02-18 cs.IT eess.SP math.IT
Feedforward Architectures for Decentralized Precoding in Massive MU-MIMO Systems
与传统的小规模MIMO技术相比，大规模多用户多输入多输出（MU-MIMO）能够显著提高频谱效率和链路可靠性。此外，线性预编码器，例如，使用迫零或维纳滤波器（WF）预编码足以在大规模MU-MIMO下行链路中实现优异的错误率性能。然而，这些方法需要在基站（BS）处进行集中处理，这导致（i）过高的互连和芯片输入/输出数据率，以及（ii）高实现复杂性。我们提出了两种前馈架构和相应的分散式WF预编码器，可以在多个计算结构中并行预编码，有效地缓解了集中式方法的问题。为了证明我们的分散式预编码器的有效性，我们提供了多GPU系统上的实现结果，这表明我们的解决方案在Gbit/s范围内实现了吞吐量，同时在大规模MU-MIMO下行链路中实现了（接近）最佳的错误率性能。
2018-04-29 cs.IT eess.SP math.IT
Massive MIMO Channel Prediction Using Machine Learning: Power of Domain Transformation
为了补偿宽带大规模多输入多输出（MIMO）系统中过时信道状态信息的损失，可以利用无线信道的时间相关性进行信道预测。最近设计了用于大规模MIMO系统的基于机器学习（ML）的信道预测器;然而，收集大量训练数据的时间开销直接影响系统的延迟。本文提出了一种新的基于ML的信道预测技术，该技术通过将宽带大规模MIMO系统中的信道域从子载波变换到天线，减少了训练数据的采集时间开销。数值结果表明，该技术不仅可以减少时间开销，但也给出了额外的性能增益相比，基于ML的信道预测技术没有域变换。
2022-08-09 cs.IT eess.SP math.IT
Capacity Scaling Law in Massive MIMO with Antenna Selection
天线选择能够处理大规模多输入多输出（MIMO）信道中的成本和复杂度问题。在Nakagami衰落信道下，研究了多用户大规模MIMO上行链路信道的速率和容量。数学上听话的总和率容量上限推导出所考虑的系统。此外，对于一个足够大的基站（BS）的天线数量，确定性等效（DE）的和率界。基于此DE，示出的和速率容量的增长与BS天线的数量的双螺旋。数值实验验证了分析结果的正确性。
2022-08-08 cs.IT eess.SP math.IT
MIMO Radars and Massive MIMO Communication Systems can Coexist
该研究针对单小区大规模MIMO通信系统与MIMO雷达的共存场景，利用随机矩阵理论推导二者可实现速率与联合系统速率区域，发现基站的大量自由度可在无协同设计时实现低干扰，并通过仿真验证了结论。
2023-07-22 cs.IT eess.SP math.IT
Fronthaul Compression for Uplink Massive MIMO using Matrix Decomposition
针对上行大规模MIMO前传链路传输IQ样本易受限的问题，提出利用接收信号卷积结构、基于交替最小化盲解卷积的迭代压缩技术，实现30-50的压缩比，还可用于OFDM信号盲解码。
2021-10-24 cs.IT eess.SP math.IT
Ubiquitous Cell-Free Massive MIMO Communications
自20世纪70年代第一个蜂窝网络试用以来，我们见证了一场令人难以置信的无线革命。从1G到4G，大规模的流量增长是通过更宽的带宽、精细的无线电接口和网络密度的组合来管理的，即增加每个站点的天线数量。由于其成本效益，后者的贡献最大。大规模MIMO（多输入多输出）是一种关键的5G技术，它使用大规模天线阵列来提供非常高的波束成形增益和用户的空间复用，从而提高频谱和能量效率。它构成了一个集中的解决方案，以增加网络的密度，其性能受到其以小区为中心的设计中固有的小区间干扰的限制。相反，无处不在的无小区大规模MIMO指的是实现以用户为中心的相干传输以克服蜂窝网络中的小区间干扰限制并提供附加宏分集的分布式大规模MIMO系统。这些特征与大规模MIMO设计中固有的系统可扩展性相结合，将无处不在的无小区大规模MIMO与先前的协调分布式无线系统区分开来。在本文中，我们研究了这种有前途的技术的巨大潜力，同时解决了实际部署问题，以处理来自信号协处理的增加的后/前传输开销。
2019-09-06 cs.IT eess.SP math.IT
Overcoming the Channel Estimation Barrier in Massive MIMO Communication Systems
包括虚拟现实、自动驾驶和物联网在内的新一波无线服务正在推动新一代无线系统的设计，以提供超高数据率、大量连接设备和超低延迟。大规模多输入多输出（MIMO）是允许未来无线网络满足这些服务需求的关键基础技术之一。本文通过整合未来高速蜂窝部署中信道的潜在特性，讨论了深度学习（DL）在无线网络中大规模MIMO信道估计中的应用。我们开发的物理射频（RF）信道特性的重要见解，并提出了一个全面的概述DL的应用准确估计信道状态信息（CSI）与低开销。我们提供了大规模MIMO无线系统中CSI估计的成功DL应用的例子，并强调了未来研究的几个有前途的方向。
2019-12-23 cs.IT eess.SP math.IT
Millimeter-Wave Massive MIMO Testbed with Hybrid Beamforming
大规模多输入多输出（MIMO）技术在毫米波（mmWave）频段获得大阵列增益至关重要。然而，存在实际的挑战，例如在这样的系统中的高硬件成本和功耗。这些问题的一个有前途的解决方案是采用混合波束成形架构。这种架构的收发器（TRx）链的数量比天线总数少得多，从而实现了成本和能量高效的系统。在本文中，我们提出了一个实时毫米波（28 GHz）大规模多输入多输出测试床与混合波束成形。该测试平台具有用于波束选择的64天线/16 TRx单元，可以以模块化方式扩展到更大的阵列尺寸。为了在真实传播环境中测试从基带处理算法到调度和波束选择的所有内容，我们将基于软件定义无线电技术构建的现有100天线/100 TRx大规模多输入多输出测试平台（低于6 GHz）的功能扩展到灵活的毫米波大规模多输入多输出系统。
2020-12-02 cs.IT eess.SP math.IT
