Performance Analysis of Holographic MIMO Based Integrated Sensing and Communications
本文提出基于全息MIMO的ISAC框架,推导了上下行不同设计下的速率、中断概率闭式表达式,分析了性能极限与帕累托/时分速率区域,验证其性能优于传统MIMO ISAC和频分感知通信系统。
2025-01-14 cs.IT eess.SP math.IT
Full Duplex Holographic MIMO for Near-Field Integrated Sensing and Communications
本文研究近场太赫兹全双工全息MIMO基站,通过优化动态超表面天线参数,同时提升目标感知精度与下行通信性能,实现集成感知与通信。
2023-08-07 cs.IT eess.SP math.IT
Sensing and Classification Using Massive MIMO: A Tensor Decomposition-Based Approach
基于无线的活动感测由于其广泛的应用而获得了显著的关注。我们研究了基于无线电的多类分类的人类活动,使用大量的多输入多输出(MIMO)信道测量在视线和非视线的情况下。我们提出了一种基于张量分解的算法,通过利用从测量形成的通道张量的时间,频率和空间的复杂相关特性来提取特征,然后通过神经网络学习输入特征和输出目标标签之间的关系。通过对实际测量数据的评估,证明了即使对于较小的实验数据集,使用大规模MIMO阵列的分类精度也比最先进的方法获得了更好的结果。
2021-09-02 cs.IT eess.SP math.IT
Sensing Management for Pilot-Free Predictive Beamforming in Cell-Free Massive MIMO Systems
KTH Royal Institute of Technology(瑞典皇家理工学院)
本文提出一种基于状态感知管理的无小区大规模MIMO系统方法,利用扩展卡尔曼滤波跟踪用户并仅在必要时感知,实现无导频预测波束成形,减少信道估计开销,仿真显示可提供更高的均匀下行速率。
2025-10-08 cs.IT eess.SP math.IT
Joint Communication and Sensing: Models and Potential of Using MIMO
第六代(6 G)网络被设想为集成通信和传感功能,以提高频谱效率(SE)并支持爆炸性的新应用。虽然无线通信和无线电传感的相似性为它们的结合奠定了基础,但它们之间仍然存在着相当大的不相容性。为了同时保证通信容量和感知精度,多输入多输出(MIMO)技术由于其独特的空间波束形成和波形整形能力而发挥着重要作用。然而,MIMO的配置也带来了高硬件成本、高功耗和高信号处理复杂度。如何有效地应用MIMO来实现平衡的通信和感知性能仍然是开放的。在这次调查中,我们讨论了联合通信和传感(JCAS)在MIMO的背景下。我们首先概述了MIMO在无线通信和雷达传感过程中的作用。然后,我们详细介绍了当前通信和传感共存和集成的进展。随后结合前沿技术讨论了三种新型JCAS MIMO模型,即,云随机接入网络(C-RAN)、无人机(UAV)和可重构智能表面(RIS)。从实际应用的角度出发,总结了MIMO在JCAS中的潜力和挑战,并提出了有前途的解决方案。受物联网(IoT)巨大潜力的启发,我们还在IoT场景中指定了JCAS,并讨论了将JCAS应用于IoT的独特性。最后,展望了在不久的将来,一个无处不在的、智能的、安全的JCAS网络的前景。
2022-12-04 cs.IT cs.SI eess.SP
Waveform Design for MIMO-OFDM Integrated Sensing and Communication System: An Information Theoretical Approach
针对集成感知与通信系统中感知与通信性能指标差异的波形设计难题,采用互信息作为统一度量,推导考虑子载波和空间相关性的互信息,提出三类最优波形设计方案并经仿真验证,为性能均衡的 MIMO-OFDM ISAC 系统提供闭式设计依据。
2023-10-09 cs.IT eess.SP math.IT
Integrated Sensing and Communications with Joint Beam Squint and Beam Split for Massive MIMO
通感一体化(Integrated Sensing and Communication,ISAC)技术在未来的第六代无线通信系统中引起了极大的关注。为了提高传输速率和感知精度,利用大规模多输入多输出(MIMO)技术与大的传输带宽。然而,随着传输带宽和天线阵列尺寸的不断增大,波束倾斜效应的产生对通信造成了很大的影响。此外,传统的传感算法的时间开销是禁止的实际系统。本文提出了一种结合大规模多输入多输出正交频分复用(OFDM)系统的用户方向感知方法,该方法不需要消除宽带波束倾斜效应,而是利用波束倾斜和波束分裂效应的联合效应。具体地,利用波束偏斜效应,BS利用真实时间延迟(TTD)线将不同OFDM子载波的波束同时转向不同方向。用户将具有最大阵列增益的子载波频率反馈给BS。然后,BS基于副载波频率反馈来计算方向。此外,通过扩大天线间距引入的波束分裂效应被用来扩大传感范围。所提出的感测方法在频域上操作,并且预期的感测范围被所有子载波同时覆盖,这显著地减少了传统感测的时间开销。仿真结果表明了所提出的ISAC方案的有效性和优越的性能。
2022-07-19 cs.IT eess.SP math.IT
A Novel Antenna Placement Algorithm for Compressive Sensing MIMO Radar
在共址压缩感知MIMO雷达中,测量矩阵由天线位置确定。为了保证可接受的恢复性能,该测量矩阵应该满足某些属性,例如,一个小的连贯性。文献中的先前工作通常采用优化天线位置的先验分布的随机布局算法。这些算法的性能是次优的,因为它们可以很容易地通过删除来增强。在本文中,我们提出了一个迭代的天线布局算法,确定性的天线位置。所提出的算法联合定位的发射和接收阵列上的天线元件,从而得到的测量矩阵的相干性最小化。数值模拟表明,该算法的性能明显优于基准,即使在删除。
2022-10-24 cs.IT eess.SP 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
Ubiquitous Integrated Sensing and Communications for Massive MIMO LEO Satellite Systems
本文探讨在大规模 MIMO LEO 卫星系统中部署 ISAC,综述系统基础、研究进展、挑战与关键使能技术,并提出未来研究方向。
2024-07-06 cs.IT eess.SP math.IT
Sensing aided Channel Estimation in Wideband Millimeter-Wave MIMO Systems
在这项工作中,上行链路信道估计问题被认为是毫米波(mmWave)多输入多输出(MIMO)系统。众所周知,信道估计中的导频开销和计算复杂度随着天线数目和带宽而增加。为了克服这一点,所提出的方法允许在基站的信道估计由感测信息辅助。感测信息包含对环境中的散射体位置的估计。提出了一种同时加权正交匹配追踪(SWOMP)-稀疏贝叶斯学习(SBL)算法,有效地将此感知信息的通信信道估计过程。所提出的框架可以应对a)存在于感测信息中的散射体与通信信道不相关联以及b)散射体的位置中的缺陷的场景。仿真结果表明,该算法仅以少量导频开销为代价,就能获得良好的宽带性能。最后,Cramer-Rao界(CRB)的角度估计和多径信道增益的SBL推导出,所提出的算法的本地可识别性提供了宝贵的见解。
2023-02-04 cs.IT eess.SP math.IT
Interplay between Sensing and Communication in Cell-Free Massive MIMO with URLLC Users
针对含URLLC用户的无蜂窝大规模MIMO下行ISAC系统,提出基于连续凸逼近的能效最大化功率分配算法及兼顾感知与URLLC的网络可用性定义,证明其可同时满足两类要求并揭示块长度等因素的影响。
2024-01-18 cs.IT eess.SP math.IT
Joint Communications and Sensing Design for Multi-Carrier MIMO Systems
针对多载波MIMO系统JCAS设计中全频段优化导致性能折中受限的问题,提出利用部分子载波进行JCAS,通过Riemannian流形优化和闭式解在感知精度约束下最大化通信速率,显著提升通信性能且不损失感知质量。
2023-06-24 cs.IT eess.SP math.IT
A Universal Framework for Holographic MIMO Sensing
针对任意形状连续全息 MIMO 天线,论文提出基于空间与频谱集中及 Slepian 特征值问题的通用感知空间确定框架,可准确估计自由度并适用于共形天线。
2023-09-28 cs.IT eess.SP math.IT
Cramér-Rao Bounds for Near-Field Sensing with Extremely Large-Scale MIMO
移动通信网络被设计成主要支持无处不在的无线通信,然而它们也被期望在不久的将来实现无线电感测能力。然而,大多数无线电传感的研究通常依赖于远场假设与均匀平面波(UPW)模型。随着天线尺寸的不断增加,以及传感附近目标的需求不断增长,传统的远场UPW假设可能会变得无效。因此,本文研究了超大规模天线阵的近场无线电传感问题,其中考虑了更一般的均匀球面波(USW)传感模型。分别推导了近场XL-MIMO雷达模式和XL相控阵雷达模式下角度和距离估计的Cramér-Rao界(CRB)的闭式表达式。研究结果表明,与传统UPW模型中CRB随天线数量的增加而无限制地减小不同,XL-MIMO雷达近场感知的CRB随天线数量的增加而减小,并接近一定的极限。此外,与远场模型不同,远场模型由于没有距离估计能力,距离CRB为无穷大,而近场情况下的CRB为有限。此外,还发现常用的基于二阶泰勒近似的球面波模型不足以进行近场CRB分析。广泛的仿真结果提供了验证我们推导的CRBs。
2023-03-10 cs.IT eess.SP math.IT
Hybrid Beamforming for Millimeter Wave MIMO Integrated Sensing and Communications
在这封信中,我们认为毫米波(mmWave)MIMO通感一体化(ISAC)的混合波束成形。以目标雷达波束方向图为目标,在满足通信用户信干噪比(SINR)和双功能雷达通信基站总发射功率的约束下,设计了双功能雷达通信基站的发射波束。为了提供额外的自由度的波束设计问题,我们引入了一个相位矢量的目标波束方向图,并提出了一个交替的最小化方法来迭代优化发射波束和相位矢量,其中涉及二阶锥规划和约束最小二乘估计,分别。然后基于设计的发射波束,在毫米波MIMO中移相器网络的恒包络约束下,仍然采用交替最小化方法,确定模拟波束形成器和数字波束形成器。仿真结果表明,在相同的通信用户信干噪比约束条件下,较大的天线阵列可以获得更好的雷达波束质量。
2022-03-12 cs.IT eess.SP math.IT
Optimal Linear Precoder Design for MIMO-OFDM Integrated Sensing and Communications Based on Bayesian Cramér-Rao Bound
本文针对MIMO-OFDM集成感知与通信系统,基于贝叶斯克拉美罗界分析推导联合信道估计与符号检测的性能界,提出随机黎曼梯度下降法求解线性预编码器非凸优化问题,证明其高概率收敛且收敛速度快,揭示了感知与通信的性能权衡。
2023-08-23 cs.IT eess.SP math.IT
Optimal and Robust Waveform Design for MIMO-OFDM Channel Sensing: A Cramér-Rao Bound Perspective
无线信道感知是集成感知和通信(ISAC)的关键推动因素之一,它有助于通信网络了解周围环境。在这项工作中,我们认为MIMO-OFDM系统,并旨在设计最佳和强大的波形,准确的信道参数估计给定的OFDM资源分配。首先推导了Fisher信息矩阵,并通过最大化Fisher信息矩阵的对数行列式来制定波形设计问题。然后,我们考虑参数的不确定性和状态的随机优化问题的鲁棒设计。我们提出了黎曼精确罚光滑法(REPMS)及其随机版本SREPMS来解决约束非凸问题。在模拟中,我们表明,REPMS产生可比的结果半定松弛(SDR),但具有更短的运行时间。最后,使用SREMPS设计的鲁棒波形进行了研究,并显示出在信道扰动下具有良好的性能。
2023-01-25 cs.IT eess.SP math.IT
Beam Squint-Aware Integrated Sensing and Communications for Hybrid Massive MIMO LEO Satellite Systems
空-空-地-海一体化网络在提供全球覆盖方面发挥着重要作用。为了提高卫星地面导航定位系统中频谱资源和硬件资源的有效利用率,综合传感与通信(ISAC)技术受到了广泛的关注。现有的ISAC工作大多集中在地面网络,不能直接应用于卫星系统,由于显着不同的电磁波传播特性。在这项工作中,我们研究了ISAC在大规模多输入多输出(MIMO)低地球轨道(LEO)卫星系统中的应用。我们首先通过考虑光束斜视角效应来表征统计波传播特性。基于此分析,我们提出了一个波束倾斜感知ISAC技术的混合模拟/数字大规模MIMO低轨卫星系统利用统计信道状态信息。仿真结果表明,该方法能够同时进行无线通信和目标感知,具有良好的性能,并能有效地抑制典型低轨卫星系统中的波束倾斜效应。
2022-03-01 cs.IT eess.SP math.IT
Accelerating Multi-UAV Collaborative Sensing Data Collection: A Hybrid TDMA-NOMA-Cooperative Transmission in Cell-Free MIMO Networks
本研究针对多无人机协同感知数据收集场景,采用无蜂窝MIMO网络管控干扰,提出融合TDMA、NOMA与协作传输的混合策略,通过联合优化任务拆分比例与传输方案,有效缩短感知任务完成时间。
2024-11-04 cs.IT eess.SP math.IT
Triple-Structured Compressive Sensing-based Channel Estimation for RIS-aided MU-MIMO Systems
可重构智能表面(RIS)被认为是5G之后的潜在技术,并引起了巨大的研究关注。然而,由于级联信道中的参数数量过多,在RI辅助系统中的信道估计仍然是一个关键的挑战。现有的基于压缩感知(CS)的RIS估计方案仅采用不完全稀疏性,这会导致冗余导频消耗。在本文中,我们利用级联通道的特定三重结构稀疏性,即,公共列稀疏度、偏移补偿后的结构化行稀疏度和所有用户之间的公共偏移。在此基础上提出了一种新的多用户联合估计算法。仿真结果表明,我们的方法可以显着减少导频开销在两个CDMA和UPA场景。
2021-08-31 cs.IT eess.SP math.IT
A Novel Compressive Sensing based Enhanced Multiplexing Scheme for MIMO System
为了进一步提高多输入多输出(MIMO)系统的复用增益,提出了一种基于压缩感知的信号复用方案。在发射端,在传统的空间复用之前采用压缩感知中的高斯随机测量矩阵,以便在底层MIMO系统的可用空间复用流上承载更多的数据流。在接收器侧,提出将复用信号的检测重新公式化为两个步骤。在第一步中,可以使用传统的MIMO均衡来恢复MIMO系统的发射的空间复用信号。而在第二步骤中,利用压缩感知框架中假设的基于标准优化的检测算法来恢复CS复用数据流,其中,使用穷举过完备字典来保证CS复用信号的稀疏表示。为了避免复杂度过高,提出了基于子块字典和基于子块的压缩感知恢复方法。最后,仿真结果表明,所提出的基于CS的增强MIMO复用方案的可行性。本文的工作也为进一步提高MIMO系统的空间复用增益提供了一些启示。
2016-04-04 cs.IT math.IT
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
Communicate or Sense? AP Mode Selection in mmWave Cell-Free Massive MIMO-ISAC
针对毫米波无蜂窝大规模MIMO-ISAC中AP模式选择问题,提出联合动态模式选择与功率分配方案,设计三种次优算法在满足感知和通信约束下最小化活跃AP数量,其中先按通信约束分配ISAC发射机再按感知约束分配感知接收机的方案实现最佳性能-复杂度平衡。
2024-12-03 cs.IT eess.SP math.IT
Integrated Sensing, Communication, and Computation Over-the-Air: MIMO Beamforming Design
为了支持物联网(IoT)应用的空前增长,物联网设备需要收集大量数据并将其发送到服务器进行进一步计算。综合传感和通信(ISAC)技术利用相同的信号进行雷达传感和数据通信,打破了物理层中数据汇集和传输之间的障碍。通过利用多接入信道中的模拟波添加,空中计算(AirComp)使得能够经由物理层中的传输进行函数计算。ISAC和AirComp的良好性能激发了当前开发一个称为集成传感,通信和计算的框架(ISCCO)的工作。雷达感知和AirComp的性能指标分别由估计的目标响应矩阵和接收的计算结果的均方误差来评估。MIMO ISCCO的设计挑战在于物联网设备和服务器上用于感知、通信和计算的波束形成器的联合优化,这会导致非凸问题。针对这一问题,提出了一种基于半定松弛技术的算法解决方案。仿真结果表明了该算法在目标位置估计中的优越性。
2022-02-22 cs.IT eess.SP math.IT
Integrated Sensing and Communication with Massive MIMO: A Unified Tensor Approach for Channel and Target Parameter Estimation
本文针对大规模MIMO-ISAC中信道估计与目标感知两大难题,提出统一张量方法,通过共享训练模式将二者建模为规范多态分解问题,并分析了张量分解唯一性条件与可分辨目标数上限。
2024-01-03 cs.IT eess.SP math.IT
Optimal Transmit Signal Design for Multi-Target MIMO Sensing Exploiting Prior Information
针对角度未知随机但概率先验已知的多目标MIMO雷达感知场景,该研究建立基于PCRB的性能分析框架,提出低复杂度比率和迭代算法优化发射协方差矩阵,性能优于基准方案。
2024-09-13 cs.IT eess.SP math.IT
Variational Bayesian Inference Based Progressive Multi-Target MIMO Sensing with Nuisance Parameters
The Hong Kong Polytechnic University(香港理工大学)
提出渐进式多目标MIMO感知框架,通过变分贝叶斯推断以多项式复杂度近似后验PDF,最小化PCRB并逐步提升感知精度。
2026-10-08 cs.IT eess.SP math.IT
Active-Sensing-Based Beam Alignment for Near Field MIMO Communications
提出基于主动感知的学习算法,利用波数域变换矩阵和视距链路主导性降低维度,在波数域加速收敛,以乒乓方式寻找最优波束对,有效避免波束扫描的高训练开销。
2023-11-26 cs.IT eess.SP math.IT
Spatial Channel Covariance Estimation for the Hybrid MIMO Architecture: A Compressive Sensing Based Approach
空间信道协方差信息可以代替整个信道矩阵的全部知识,用于设计混合多输入多输出(MIMO)架构中的模拟预编码器。然而,空间信道协方差估计对于混合MIMO架构是具有挑战性的,因为在基带处操作的估计器只能通过比天线更少的射频(RF)链来获得更低维的预组合信号。在本文中,我们提出了两种基于压缩感知技术的协方差估计方法。一种是应用时变传感矩阵,另一种是利用协方差矩阵是Hermitian的先验知识。通过理论分析和数值仿真验证了这两种方法的优越性。最后,我们提出的算法从窄带大规模MIMO系统与一个单一的接收天线到宽带系统与多个接收天线的文件。
2017-11-11 cs.IT math.IT
Cell-Free Massive MIMO for ISAC: Access Point Operation Mode Selection and Power Control
本文针对无蜂窝大规模MIMO ISAC系统,提出AP操作模式选择与功率控制方法,在满足感知约束下最大化用户最小频谱效率,显著提升通信性能。
2023-10-13 cs.IT eess.SP math.IT
A Broadcast Channel Framework for MIMO-OFDM Integrated Sensing and Communication
本文将通信感知一体化视为广播信道,提出统一框架,通过引入虚拟感知用户应用DPC和FDM等多路复用方案,并针对MIMO系统设计叠加编码与波形优化算法,有效解决了6G网络中通信与感知功能联合设计缺乏统一框架的挑战。
2025-09-13 cs.IT eess.SP math.IT
Compressive sensing based differential channel feedback for massive MIMO
大规模多输入多输出(MIMO)正在成为未来5G无线通信的关键技术。由于MIMO信道矩阵维数的大幅增加,大规模MIMO的信道反馈具有挑战性。在这封信中,我们提出了一种基于压缩感知(CS)的差分信道反馈方案,以减少反馈开销。具体地说,时变信道的时间相关性被用来产生在相邻时隙中的两个CIR之间的差分信道脉冲响应(CIR),其具有比原始稀疏CIR更强的稀疏性。因此,基站可以在CS理论的框架下从高度压缩的差分CIR恢复差分CIR。仿真结果表明,与直接基于CS的方案相比,该方案的反馈开销减少了约20%.
2015-07-16 cs.IT math.IT
Integrated Sensing and Communications over Hierarchical Cellular and Cell-Free MIMO Systems
German Research Center for Artificial Intelligence (DFKI)(德国人工智能研究中心);University of Kaiserslautern (RPTU)(凯泽斯劳滕工业大学)
本文提出分层蜂窝与无小区MIMO系统的集成感知与通信架构,通过中央基站协同处理通信与感知、分布式AP作为双基地接收机,降低前传开销,同时提升总吞吐量与感知精度。
2026-08-20 cs.IT eess.SP math.IT
Optimal Beamforming for Bistatic MIMO Sensing
本文研究双基地MIMO-OFDM雷达感知点状散射体的波束赋形优化,以最小化目标位置估计的Cramér-Rao界,并分析了每子载波所需波束数及双向收发端选择问题。
2025-08-25 cs.IT eess.SP math.IT
Structured Turbo Compressed Sensing for Downlink Massive MIMO-OFDM Channel Estimation
压缩感知已经被用于减少无线通信系统中的信道估计的导频开销。特别地,结构化turbo压缩感知(STCS)提供了用于结构化稀疏信号恢复的通用框架,其具有降低的计算复杂性和存储要求。本文研究了频分复用(FDD)下行链路中大规模多输入多输出(MIMO)正交频分复用(OFDM)信道估计问题。利用大规模MIMO-OFDM信道在角频域(AFD)和角时延域(ADD)的结构稀疏性,采用AFD和ADD概率模型表示信道,并在STCS框架下设计基于消息传递的信道估计器。利用结构稀疏性,提出了几种基于空时编码的MIMO-OFDM信道估计算法。我们表明,与其他现有的算法相比,所提出的算法具有更快的收敛速度,并在广泛的仿真设置下实现竞争力的错误性能。
2018-11-08 cs.IT math.IT
CSSF MIMO RADAR: Low-Complexity Compressive Sensing Based MIMO Radar That Uses Step Frequency
提出了一种将步进频率(SF)技术应用于基于压缩感知(CS)的多输入多输出(MIMO)雷达的新方法,即CSSF MIMO雷达。所提出的方法能够在发射窄带脉冲的同时实现高分辨率的距离、角度和多普勒估计。首先将联合角度-多普勒-距离估计问题公式化以适合CS框架,即,L1优化问题。这个问题的直接解决方案需要很高的复杂性,因为它采用了一个基础矩阵,其建设需要离散化的角度多普勒距离空间。由于高分辨率需要精细的空间离散化,因此联合距离、角度和多普勒估计的复杂度可能非常高。对于缓慢移动的目标的情况下,提出了一种技术,实现了显着的复杂性降低,通过连续估计的角度范围和多普勒在一个解耦的方式,并通过采用通过匹配滤波获得的初始估计,以进一步减少需要被数字化的空间。数值结果表明,CS和SF的组合结果在MIMO雷达系统,具有优越的分辨率,并需要少得多的数据相比,使用匹配滤波器与SF的系统。
2011-01-14 cs.IT math.IT
Scalable Integrated Sensing and Communications for Multi-Target Detection and Tracking in Cell-Free Massive MIMO: A Unified Framework
本文提出无蜂窝大规模MIMO下集成感知与通信的统一框架,基于广义似然比检验设计多目标检测跟踪算法,并通过可扩展功率控制平衡通信与感知性能。
2025-03-09 cs.IT eess.SP math.IT
Integrated Sensing and Communication for Network-Assisted Full-Duplex Cell-Free Distributed Massive MIMO Systems
本文提出结合网络辅助全双工与分布式雷达感知的ISAC系统,通过功率分配算法优化通信与感知性能,实现更稳定感知和更优通信。
2023-11-13 cs.IT eess.SP math.IT
In-Band Full-Duplex MIMO Systems for Simultaneous Communications and Sensing: Challenges, Methods, and Future Perspectives
本文提出了一种基于低复杂度模拟消去FD MIMO架构的通信感知一体化框架,针对双重功能优化参数而非抑制自干扰,梳理了该领域的挑战、研究现状并指出未来方向。
2024-10-09 cs.ET cs.IT eess.SP
Integrated Sensing and Communications in Downlink FDD MIMO without CSI Feedback
针对FDD MIMO ISAC系统,提出利用部分互易性由上行训练重建下行CSI并以RSMA预编码优化频谱效率的无反馈框架。
2025-06-11 cs.IT eess.SP math.IT
Multi-Static Target Detection and Power Allocation for Integrated Sensing and Communication in Cell-Free Massive MIMO
本文针对无蜂窝大规模MIMO集成感知与通信系统,提出基于最大后验比率检验的多基地目标检测器和兼顾通信需求的功率分配算法,在有无杂波环境下均优于基准方案。
2024-03-27 cs.IT eess.SP math.IT
MIMO-ISAC: Performance Analysis and Rate Region Characterization
分析了多输入多输出下行链路综合传感通信系统(ISAC)的传感通信性能。分析了三种ISAC方案,包括以感知为中心的设计、以通信为中心的设计和帕累托最优设计。对于每种情况下,多样性的订单和高信噪比斜率的传感速率(SR)和通信速率(CR)的推导,以获得进一步的见解。数值结果表明:\romannumeral 1)ISAC与现有频分S\&C(FDSAC)技术具有相同的分集阶数; \romannumeral 2)ISAC比FDSAC具有更大的高信噪比斜率和更宽的SR-CR区域。
2023-01-08 cs.IT eess.SP math.IT
Joint Communication and Sensing Security in MIMO-OFDM ISAC Systems via Artificial Noise and Ghosts
Imperial College London(帝国理工学院)
本文提出双层双重安全ISAC框架,通过注入人工噪声和生成人工鬼影,同时保护通信和感知安全,无需信道状态信息。
2026-10-14 cs.IT eess.SP math.IT
Active Sensing for Reciprocal MIMO Channels
本文针对TDD大规模MIMO信道,提出基于循环神经网络和全连接神经网络的主动感知框架,通过交替设计感知波束成形器直接学习预编码与合并矩阵,在全数字和混合结构下均显著优于现有方法,且在低信噪比区域仍保持优越性能。
2024-06-07 cs.IT eess.SP math.IT
Communication-Sensing Region for Cell-Free Massive MIMO ISAC Systems
本文研究无蜂窝大规模MIMO ISAC系统的波束成形设计,推导了信道误差统计量并定义通信-感知区域,通过仿真验证了所提方案在通信与感知权衡上的优势。
2023-07-30 cs.IT cs.NI eess.SP
Structured Compressive Sensing Based Superimposed Pilot Design in Downlink Large-Scale MIMO Systems
具有高频谱和能量效率的大规模多输入多输出(MIMO)是未来5G无线通信非常有前途的关键技术。对于大规模MIMO系统,准确的信道状态信息(CSI)获取是一个具有挑战性的问题,特别是当每个用户必须区分和估计来自下行链路中的大量发射天线的众多信道时。与传统的正交导频的导频开销随着发射天线的数量而增加的情况不同,我们提出了一种用于下行链路大规模MIMO场景的频谱有效的叠加导频设计,其中不同发射天线的频域导频在频域中占据完全相同的子载波。同时,大规模MIMO信道的时空共同稀疏性促使我们利用新兴的结构化压缩感知(CS)理论进行可靠的MIMO信道估计,并通过提出的结构化子空间追踪(SSP)算法实现,以低导频开销同时恢复多个信道。仿真结果表明,该方案性能良好,可以接近性能界。
2015-11-27 cs.IT math.IT
Self-attention for Enhanced OAMP Detection in MIMO Systems
多输入多输出(MIMO)系统是无线通信的基础。由于经典的MIMO系统中符号检测算法需要大量的计算资源或结果不佳,因此数据驱动算法变得越来越流行。然而,大多数的proposedalgorithms,引入近似导致现实MIMO系统的性能下降。在本文中,我们引入了一个神经增强的混合模型,增强了国家的最先进的神经网络组件的analyticbackbone算法。特别是,我们引入aself-attention模型的迭代正交近似消息传递(OAMP)为基础的解码算法的增强。在我们的实验中,我们表明,所提出的模型可以优于现有的数据驱动的方法OAMP,同时提高了泛化到其他SNR值在有限的计算开销。
2023-03-14 cs.IT eess.SP math.IT
MIMO Integrated Sensing and Communication Exploiting Prior Information
本研究针对利用位置先验分布信息的MIMO ISAC系统,以PCRB为感知性能度量推导其上界与理论性质,优化发射协方差矩阵并提出低复杂度次优解,数值结果验证了设计的有效性。
2023-12-20 cs.IT eess.SP math.IT
Orthogonality and Cooperation in Collaborative Spectrum Sensing through MIMO Decision Fusion
本文论述了认知无线电的情况下,决策融合中心(DFC)利用阵列处理的频谱感知。更具体地说,我们探讨了用户合作和正交传输之间的二级用户(SU)的报告信道的影响。为了这个目的,四个协议被认为是:(i)非正交和非合作;(ii)正交和非合作;(iii)非正交和合作;(iv)正交和合作。DFC采用最大比合并(MRC)规则和性能进行评估的互补接收机工作特性(CROC)。分析结果,再加上蒙特卡罗模拟,提出。
2013-08-14 cs.IT math.IT
Target Detection for OTFS-Aided Cell-Free MIMO ISAC System
本文针对OTFS辅助的无蜂窝MIMO ISAC系统,提出以感知为中心的功率分配方案,在保障通信QoS和AP功率预算下最大化感知SNR,显著优于以通信为中心的方法。
2024-08-23 cs.IT eess.SP math.IT
Transmit Power Allocation for Joint Communication and Sensing through Massive MIMO Arrays
本文考虑的情况下,一个基站(BS),配备了一个大规模的天线阵列,执行,使用相同的频率范围内,既与移动用户的通信和雷达监视周围环境,依赖于大规模MIMO阵列的能力,以合成多个窄波束。基于用于通信和监视任务的OFDM信令格式,提供了系统可实现的下行链路速率的下限,以及不需要关于目标参数的任何知识的GLRT检测规则。然后,提出了一种功率分配策略,旨在最大限度地提高移动用户的公平性,同时保证最小的信号干扰比的雷达系统的阈值。数值结果表明,该系统的性能是有效的,功率控制过程有助于提高系统的公平性。
2020-03-29 cs.IT eess.SP math.IT
Integrated Sensing and Communication with mmWave Massive MIMO: A Compressed Sampling Perspective
集成传感和通信(ISAC)为实现未来无线系统开辟了许多改变游戏规则的机会。在本文中,我们提出了一个ISAC处理框架依赖于毫米波(mmWave)大规模多输入多输出(MIMO)系统。具体而言,我们提供了一个压缩采样(CS)的角度来促进ISAC处理,这不仅可以恢复高维信道状态信息或/和雷达成像信息,而且还显着减少导频开销。首先,为雷达接收机量身定制了一种节能的宽间隔阵列(WSA)结构,以提高雷达感知的角分辨率,但代价是角模糊。然后,我们提出了一个ISAC帧结构的时变ISAC系统考虑不同的时间尺度。通过综合考虑CS理论和混合波束形成(HBF)架构所引起的硬件约束,明智地设计了导频波形。接下来,我们设计了专用的字典WSA,作为一个构建块制定的ISAC处理稀疏信号恢复问题。针对角模糊存在的问题,提出了支持度细化正交匹配追踪(OMP-SR)算法。我们还提供了一个框架,估计多普勒频率在有效载荷数据传输,以保证通信性能。仿真结果表明,在所提出的ISAC框架下,通信和雷达感知性能良好。
2022-09-09 cs.IT eess.SP math.IT
Measurement Matrix Design for Compressive Sensing Based MIMO Radar
在使用压缩感知(CS)的共位多输入多输出(MIMO)雷达中,接收节点经由线性变换(称为测量矩阵)压缩其接收信号。样本随后被转发到融合中心,在融合中心,针对目标信息制定并求解L1优化问题。基于CS的MIMO雷达充分利用了目标在角度-多普勒-距离空间的稀疏性,从而以更少的观测量获得了传统MIMO雷达的高定位性能。测量矩阵对于CS恢复性能至关重要。本文考虑了测量矩阵的设计,实现了最优性标准,依赖于传感矩阵(CSM)和/或信号干扰比(SIR)的一致性。第一种方法最小化性能损失,该性能损失是CSM和逆SIR的线性组合。第二种方法在测量矩阵上施加一种结构,并确定所涉及的参数,从而增强SIR。根据发射波形,第二种方法可以显着提高SIR,同时保持CSM可比的高斯随机测量矩阵(GRMM)。仿真结果表明,建议的测量矩阵可以提高检测精度相比,GRMM。
2011-02-24 cs.IT math.IT