On the Achievable Rates of Decentralized Equalization in Massive MU-MIMO Systems
与传统的小规模MIMO技术相比，大规模多用户（MU）多输入多输出（MIMO）有望在频谱效率方面获得显著的增益。诸如迫零（ZF）或基于最小均方误差（MMSE）的方法之类的线性均衡算法通常依赖于基站（BS）处的集中式处理，这导致（i）过高的互连和芯片输入/输出数据率，以及（ii）高计算复杂性。在本文中，我们研究了分散均衡的可实现率，以减轻这两个问题。我们考虑两种不同的BS架构，将天线阵列划分为集群，每个集群与独立的射频链和信号处理硬件相关联，并且每个集群的结果在前馈网络中融合。对于这两种架构，我们认为ZF，MMSE，和一种新的，非线性均衡算法，建立在近似消息传递（AMP），我们从理论上分析这些方法的可实现的速率。我们的研究结果表明，与集中式解决方案相比，我们基于AMP的方法的分散式均衡在可实现的速率方面没有或只有微不足道的损失。
2017-05-08 cs.IT eess.SP math.IT
Exploiting Opportunistic Multiuser Detection in Decentralized Multiuser MIMO Systems
该文研究了一种分散式多用户多天线（MIMO）系统的设计，该系统在固定的窄带上实现频谱共享，其中共存用户通过迭代的方式独立地更新各自的发送协方差矩阵，以达到各自的发送速率最大化。在文献中通常通过假设每个用户将来自所有其他用户的同信道干扰视为接收机处的附加（有色）噪声来研究该设计问题，即，应用传统的单用户解码器（SUD）。该文提出了一种新的分布式多用户MIMO系统的译码方法，即每个用户通过多用户检测技术机会性地消除来自部分或全部其他用户的同频干扰，即机会多用户检测（OMD）。本文研究了基于OMD的用户迭代最大化传输速率的最优传输协方差设计，并证明了与传统SUD相比，该方法在分散多用户MIMO系统中的容量增益。
2009-05-21 cs.IT math.IT
Trade-offs In Quasi-Decentralized Massive MIMO
针对集中式大规模 MIMO 的 CPU 连接不可扩展问题，本文提出准去中心化通用架构及新型矩阵分解，以在连接数与每天线输出数之间权衡并实现无损线性均衡。
2020-03-04 cs.IT eess.SP math.IT
Decentralized Design of Fast Iterative Receivers for Massive and Extreme-Large MIMO Systems
尽管在大规模多输入多输出（M-MIMO）系统的基站处广泛使用集中式方法来设计接收器，但由于大量天线所施加的若干瓶颈，其实际实施是一个重大挑战。解决这个问题的一种方法是基于梯度下降方法将经典的迫零接收器完全分散到多个处理节点上。在本文中，我们首先明确地将这种分散式接收器与Kaczmarz算法的分布式版本以及使用连续干扰消除（SIC）理念来减轻跨节点的残差相关。此外，我们提出了两种方法，以进一步加快这些迭代分散接收器的初始收敛，通过探索与Kaczmarz算法的连接：1）一个新的贝叶斯分布式接收器，它可以消除噪声的迭代基础上; 2）一个更实用的方法来选择松弛参数。讨论还考虑了当天线阵列非常大（XL-MIMO）时出现的空间非平稳性。我们能够改善空间平稳和非平稳信道的数值结果，但主要是非平稳性能仍然可以改善相比，集中式ZF接收机。最后指出了进一步提高基于连续残差抵消原理的接收机适用性的研究方向。
2021-07-23 cs.IT eess.SP math.IT
Decentralized Equalization with Feedforward Architectures for Massive MU-MIMO
基于迫零（ZF）或线性最小均方误差（L-MMSE）均衡的线性数据检测算法在大规模多用户多输入多输出（MU-MIMO）系统中实现接近最优的频谱效率。然而，这样的算法通常依赖于基站（BS）处的集中处理，这导致（i）过多的互连和芯片输入/输出（I/O）数据率以及（ii）高计算复杂性。分散式基带处理（DBP）将BS天线阵列划分为与单独的射频电路和计算结构相关联的独立集群，以便克服集中式处理的限制。在本文中，我们研究分散均衡与前馈架构，最大限度地减少现有DBP解决方案的延迟瓶颈。我们提出了两种不同的架构，不同的互连和I/O带宽的要求，融合本地均衡结果的每个集群在一个前馈网络。对于这两种架构，我们考虑最大比合并，ZF，L-MMSE，和依赖于近似消息传递的非线性均衡算法，我们分析了相关的均衡后信号噪声干扰比（SINR）。我们提供了多个图形处理单元（GPU）系统上的参考实现结果，该系统表明，与前馈架构的分散均衡，使吞吐量在Gb/s的制度，并不会或只会产生很小的性能损失相比，集中式解决方案。
2019-06-20 cs.IT eess.SP math.IT
Decentralized Coordinate-Descent Data Detection and Precoding for Massive MU-MIMO
与小规模MIMO相比，大规模多用户（MU）多输入多输出（MIMO）有望显著提高频谱效率。典型的大规模MU-MIMO基站（BS）设计依赖于集中式线性数据检测器和预编码器，当在单个计算结构上执行时，集中式线性数据检测器和预编码器需要过高的复杂度、互连数据率和芯片输入/输出（I/O）带宽。为了解决这些复杂性和带宽瓶颈，我们提出了新的分散算法的数据检测和预编码，使用坐标下降。我们的方法在多个计算结构上并行计算，同时最大限度地减少互连和I/O带宽。提出的分散式算法实现了接近最佳的错误率性能和多Gbps的吞吐量在次1毫秒的延迟时，实现了多GPU集群与半精度浮点运算。
2019-02-22 cs.DC cs.IT math.IT
Decentralized Hybrid Precoding for Massive MU-MIMO ISAC
针对大规模多用户MIMO ISAC系统中密集用户接入引发的多用户干扰问题，本文提出一种基于分布式基带处理与THP的混合预编码方法，以最小化CRB为目标，有效提升通信速率和能量效率并降低硬件复杂度。
2024-10-21 cs.IT eess.SP math.IT
Fluid Antenna-Assisted MU-MIMO Systems with Decentralized Baseband Processing
针对流体天线位置优化计算成本高的问题，本文引入 DBP 架构并提出结合矩阵 FP 与 MM 的去中心化 BCA 算法，在 WSR 损失可忽略的情况下将计算时间降低逾 70%。
2025-05-12 cs.IT eess.SP math.IT
Decentralized Coordinated Precoding Design in Cell-Free Massive MIMO Systems for URLLC
无小区大规模多输入多输出（MIMO）是一种很有前途的网络，提供了巨大的改善，与传统的蜂窝大规模MIMO系统的可达速率。然而，通常采用的香农型可达速率仅适用于长块长度体制，而不适用于新兴的短分组通信。为了在无小区的大规模MIMO系统中实现超可靠和低延迟通信（URLLC），我们优化了接入点（AP）处的预编码向量，以最大化集中式和分散式方式的最小用户速率。该设计考虑到URLLC的影响，我们提出了路径跟踪算法（PFA）来解决所考虑的问题，它产生一系列先进的可行点，并收敛到至少一个局部最优解的设计问题。此外，我们调查的预编码方案的要求，传输持续时间的长度，在每个AP配备的天线的数量，和每个AP集群的大小上URLLC速率。仿真结果表明，分散式PFA预编码可以达到集中式预编码的80%和89%的平均URLLC率，而计算复杂度仅为集中式预编码的12%计算复杂性.
2022-09-29 cs.IT math.IT
DoF Region of the Decentralized MIMO Broadcast Channel -- How many informed antennas do we need?
在这项工作中，我们研究了网络MIMO设置，其中一组$M$发射天线，可能不共处一地，共同服务于两个多天线用户分别赋予$N_1$和$N_2$天线，在发射机的信道状态信息（CSI）的不完善共享的影响。我们考虑的情况下，只有一个子集的$k$发射天线可以访问完美的CSI，而其他$M-k$发射天线只能访问有限精度CSI。对这种配置的分析旨在回答一个额外的信息天线能提供多大帮助的问题。我们将这种情况建模为分散式MIMO广播信道（BC），并表征自由度（DoF）区域，表明仅需要具有完美CSI的$k=\max(N_1,N_2)$天线来实现具有无处不在的完美CSI的传统BC的DoF。此外，我们确定通过向额外的发射天线提供CSI获得的DoF的增加。
2020-05-13 cs.IT math.IT
Learning Decentralized Power Control in Cell-Free Massive MIMO Networks
Jeonbuk National University（全北国立大学）；Pukyong National University（釜庆国立大学）；Electronics and Telecommunications Research Institute（电子与电信研究所）
本文研究了无小区大规模多输入多输出（MIMO）系统中基于学习的分散功率控制方法，其中中央处理器（CP）通过前传协调控制接入点（AP）。为了确定分布式AP的传输策略，有必要开发一种全网范围的协同优化机制。为了应对这一挑战，我们设计了一个协作学习（CL）框架，该框架使用专用的深度神经网络（DNN）模块管理CP和AP的计算和协调策略。为了建立一个通用的学习结构，建议CL精心设计，使其前向通过计算是独立的AP的数量。为此，我们采用参数重用概念，在所有AP处安装相同的DNN模块。因此，在特定配置下训练的拟议CL可以容易地应用于任意AP群体。数值结果验证了所提出的CL比传统的非合作方法的优势。
2023-03-05 cs.IT cs.LG eess.SP
Decentralized Baseband Processing for Massive MU-MIMO Systems
在现实的大规模多用户（MU）多输入多输出（MIMO）无线系统中实现高频谱效率需要用于上行链路（用户向基站发送）中的数据检测和下行链路（基站向用户发送）中的波束成形的计算复杂的算法。大多数现有算法被设计为在基站（BS）处的集中式计算硬件上执行，这导致具有数百或数千个天线的系统的过高的复杂性，并且生成超过当前互连技术和芯片I/O接口的限制的原始基带数据率。本文提出了一种新的分散式基带处理架构，通过将BS天线阵列划分为集群来消除这些瓶颈，每个集群与独立的射频链、模拟和数字调制电路以及计算硬件相关联。对于这种架构，我们开发了新的分散的数据检测和波束形成算法，只访问本地信道状态信息，并要求集群之间的低通信带宽。我们研究了错误率性能，计算复杂性和互连带宽之间的相关权衡，我们证明了我们的解决方案的可扩展性，大规模MU-MIMO系统与成千上万的BS天线使用参考实现的图形处理单元（GPU）集群。
2017-11-15 cs.IT math.IT
Achieving Vanishing Rate Loss in Decentralized Network MIMO
在本文中，我们分析了一个网络MIMO信道与2发射机（TX）联合服务2个用户，其中每个TX有一个不同的多用户信道状态信息（CSI），可能具有不同的精度。最近，人们发现了一个令人惊讶的结果，即这种去中心化的设置可以获得与其基因辅助的集中式设置相同的自由度（DoF），其中两个TX共享最佳质量的CSI。然而，DoF推导本身并不能表征实际利率，集中式和分散式设置之间的利率差距有多大仍然是一个悬而未决的问题。在本文中，我们大大加强了以前有趣的自由度的结果表明，它是可能的，以实现渐进相同的总和速率所达到的迫零（ZF）预编码在一个集中的设置赋予最佳质量的CSI。这一结果涉及到一种新的预编码方案，这是专门为分散的情况。该方案背后的关键直觉在于在i）实现足够高精度的ZF预编码与ii）跨非通信协作TX保持足够一致的预编码决策之间达成渐近最优折衷。
2019-04-30 cs.IT math.IT
Low-Complexity Channel Estimation for Massive MIMO Systems with Decentralized Baseband Processing
传统的集中式基带处理架构面临着计算复杂度高和过多前传通信的瓶颈，特别是当基站（BS）天线数较多时。为了应对这两个挑战，已经提出了分散式基带处理（DPB）架构，其中BS天线被划分为多个集群，并且每个集群连接到本地基带单元（BBU）。在本文中，我们感兴趣的低复杂度分布式信道估计（CE）方法下的DBP架构，这是很少在文献中研究。目的是设计分布式CE算法，其可以执行以及集中式方案，但具有小的BBU间通信成本。具体地说，基于低复杂度的对角最小均方误差信道估计器，提出了两种分布式CE算法，即聚合后估计算法和估计后聚合算法。与现有的分布式CE算法需要节点之间的迭代信息交换相比，我们的算法只需要在BBU之间进行一次往返通信。大量的实验结果表明，所提出的分布式CE算法的估计精度，BBU间的通信成本，计算复杂度方面的优势。
2022-10-28 cs.IT eess.SP math.IT
Towards Massive MIMO 2.0: Understanding spatial correlation, interference suppression, and pilot contamination
自2010年Marzetta的开创性论文以来，大规模多输入多输出已经从具有无限数量天线的理论概念转变为实用技术。这些关键概念已在5G中采用，并且具有$M=64$全数字收发器的基站（BS）已在sub-6，GHz频带中进行商业部署。快速的进展是由许多坚实的研究贡献，其中绝大多数假设空间不相关的信道和信号处理方案开发的单细胞操作。这些假设使得大规模多输入多输出的性能分析和优化易于处理，但是具有三个主要警告：1）实际信道是空间相关的; 2）可以通过多小区处理获得大的性能增益，而无需BS协作; 3）由导频污染引起的干扰产生有限的容量限制，如$M\to\infty$。有一条细线的文件，避免了这些警告，但结果很容易错过。因此，本教程文章解释了考虑空间信道相关性和使用为多小区网络设计的信号处理方案的重要性。我们目前的基本限制大规模多输入多输出，这不是由导频污染，但能够获得信道统计的最新结果。这些结果将指导我们迈向下一个级别的大规模多输入多输出，我们称之为“大规模多输入多输出2.0”。
2019-10-05 cs.IT eess.SP math.IT
Distributed Signal Processing for Out-of-System Interference Suppression in Cell-Free Massive MIMO
针对无蜂窝大规模MIMO在免许可频段面临的系统外干扰问题，提出一种基于条带拓扑的顺序分布式抑制算法，在性能媲美集中式算法的同时显著降低前传负载。
2023-07-31 cs.IT eess.SP math.IT
High Performance Interference Suppression in Multi-User Massive MIMO Detector
在本文中，我们提出了一种新的非线性检测器，具有改进的干扰抑制多用户多输入多输出（MU-MIMO）系统。提出的检测器是以下几个部分的组合：QR分解（QRD），QRD前的低复杂度用户排序，排序减少（SR）的K-best方法和最小均方误差（MMSE）预处理。我们的方法优于线性干扰抑制组合（IRC，即MMSE自然）方法显着在强干扰和加性白噪声的情况下，理想和真实的信道估计。这一结果具有广泛的应用重要性的情况下，强干扰，即当共址用户利用互联网在体育场，高速公路，购物中心等仿真结果呈现为非视线3D-UMa模型的5G ADDRiGa 2.0信道的16个高度相关的单天线用户与QAM 16调制在64天线的大规模MIMO系统。与MMSE等检测方法进行了性能比较。
2020-03-20 cs.IT cs.OH eess.SP
Channel Estimation for XL-MIMO Systems with Decentralized Baseband Processing: Integrating Local Reconstruction with Global Refinement
针对XL-MIMO分布式基带处理，提出两阶段信道估计方案，集成局部稀疏重建与全局贝叶斯精化，SBL-GNNs算法提升精度并降低复杂度。
2025-04-27 cs.IT eess.SP math.IT
Decentralized Cooperative Beamforming for BDRIS-Assisted Cell-Free MIMO OFDM Systems
本文提出了一种去中心化协作波束成形方法，用于BDRIS辅助的无基站MIMO OFDM系统，以提高总速率性能。
2026-01-19 cs.ET cs.IT eess.SP
Performance Analysis of Self-Interference Cancellation in Full-Duplex Massive MIMO Systems: Subtraction versus Spatial Suppression
大规模多输入多输出（MIMO）和全双工（FD）是实现频谱效率以满足5G通信需求的有希望的候选方案。实现实用的FD大规模MIMO系统的关键之一是如何有效地抑制自干扰。然而，传统上，文献中通过反映实际信道特性来比较不同SI方法的性能是不够的。因此，本文提出了一种性能分析的SI消除（SIC）方法在FD大规模MIMO系统。分析和数值结果证实，在不完美的信道估计的情况下，遍历速率性能的空间抑制在上行链路中优于SI减法，由于预编码器和SI信道的估计误差之间的相关性。此外，我们还讨论了在不同的系统约束条件下，如上行链路和下行链路的总速率，总发射功率，功率缩放定律，哪种方法表现更好。
2022-05-28 cs.IT math.IT
Decentralized MIMO Systems with Imperfect CSI using LMMSE Receivers
本文研究不完美CSI下采用LMMSE接收机的去中心化MIMO系统，提出最优及两种次优融合方案，利用随机矩阵理论推导SINR闭式表达式，并确定最优正则化参数与天线划分策略。
2025-01-30 cs.IT math.IT
Robust Hybrid Transceiver Designs for Linear Decentralized Estimation in mmWave MIMO IoT Networks in the Face of Imperfect CSI
针对mmWave MIMO IoT网络中的线性去中心化估计，提出了基于块坐标下降和SOMP技术的混合收发机设计方案，并推导了存在CSI不确定性时的鲁棒设计，有效降低了MSE。
2023-05-18 cs.IT eess.SP math.IT
Joint Beamforming and Antenna Position Optimization for Fluid Antenna-Assisted MU-MIMO Networks
针对流体天线辅助MU-MIMO网络，提出联合优化波束成形与天线位置以最大化加权和速率的方法，采用块坐标上升和并行MM算法，并实现去中心化以降低计算复杂度，显著提升性能。
2025-09-25 cs.IT eess.SP math.IT
Decentralized Interference-Aware Codebook Learning in Millimeter Wave MIMO Systems
本文针对多小区毫米波MIMO系统提出去中心化干扰感知码本学习方法，利用测量平均估计干扰零陷性能并设计新型奖励函数，在无信息交换条件下实现多智能体解耦学习和显著干扰抑制。
2024-01-15 cs.IT eess.SP math.IT
Direction-Based Jamming Detection and Suppression in mmWave Massive MIMO Networks
研究了毫米波大规模多输入多输出（MIMO）网络上行链路的物理层安全问题，提出了一种干扰检测与抑制方法。所提出的方法是基于在基站天线阵列的接收信号的方向信息。该方法利用训练阶段接收到的导频信号，可以准确地检测出干扰源的存在和方向。然后利用所获得的信息来开发从接收到的训练信号中排除干扰源的角度子空间的信道估计器。然后，估计的信道信息被用于在基站处设计能够有效地抵消干扰机的故意干扰的组合器。通过数值仿真，我们评估的性能，提出的干扰检测方法的正确检测概率和虚警概率，并显示其有效性时，干扰的功率大大低于用户的功率。同时，我们的结果表明，所提出的干扰抑制方法可以实现非常接近的频谱效率的情况下，在网络中没有干扰
2021-04-05 cs.IT math.IT
Sub-Array Selection in Full-Duplex Massive MIMO for Enhanced Self-Interference Suppression
本文研究全双工大规模MIMO系统中的自干扰抑制问题，提出一种结合子阵列选择的最小SI波束成形方案，通过群体智能算法优化波束扰动和子阵列配置，实现高达78 dB的SI抑制。
2023-09-06 cs.IT eess.SP math.IT
Performance Analysis of Self-Interference Cancellation in Full-Duplex Large-Scale MIMO Systems
本文对全双工大规模多输入多输出系统中的自干扰消除方法进行了性能分析。为了减轻自干扰（SI），我们假设全干扰基站（BS）使用SI减法或空间抑制。分析和数值结果证实，SI减法优于空间抑制SIC在一个完美的信道估计的情况下。它也得出结论，在不完美的信道估计的情况下，在给定的系统约束，如上行链路/下行链路和速率和在BS的总发射功率的空间抑制的上行链路和整体遍历速率性能分别优于那些SI减法。
2016-04-15 cs.IT math.IT
Self-Interference Suppression for the Full-Duplex Wireless Communication with Large-Scale Antenna
在这封信中，我们提出了一种用于多用户MIMO系统的共享天线全双工大规模MIMO模型。该模型利用基站（BS）处的单个天线阵列来同时发送和接收信号。它同时具有全双工系统和时分双工（TDD）大规模MIMO系统的优点，即，高频谱效率和信道互易性。重点研究了大规模MIMO系统中常用的迫零（ZF）和最大比传输/最大比合并（MRT/MRC）线性处理方法。作为主要的发现，我们证明了自干扰（SI）在共享天线全双工大规模MU-MIMO系统可以抑制在完全依赖的上行链路和下行链路信道的天线数量变得足够大。
2015-10-01 cs.IT cs.NI math.IT
Jamming Suppression in Massive MIMO Systems
在本文中，我们提出了一个框架，用于保护上行链路传输的大规模多输入多输出（mMIMO）系统的干扰攻击。我们的框架包括一个新的最小均方误差为基础的干扰抑制（MMSE-JS）估计信道训练和线性迫零干扰抑制（ZF JS）检测器的上行链路组合。MMSE-JS利用一些故意未使用的导频来减少干扰机造成的导频污染。ZFJS在检测合法用户的数据符号的过程中抑制干扰。拟议框架的实施是切实可行的，由于计算MMSE-JS和ZFJS的复杂度是线性的已经使用28 nm FD-SOI制造了具有与ZF JS相同复杂度的线性检测器（完全耗尽绝缘体上硅）技术和[13]中的Xilinx Virtex-7 XC 7VX 690 T FPGA用于mMIMO系统。我们的分析表明，干扰不会显着影响的mMIMO系统配备了MMSE-JS和ZFJS的组合的性能。数值结果证实了我们的分析。
2019-02-19 cs.IT math.IT
Decentralized Uplink Adaptive Compression for Cell-Free MIMO with Limited Fronthaul
针对前传容量受限的无蜂窝MIMO上行压缩问题，提出基于速率的自适应压缩方法，可动态调整维度与压缩参数，通过解耦容量表达式实现低开销分布式部署，性能接近集中式方案。
2025-06-12 cs.IT cs.NI cs.SY
Massive MIMO with Multi-cell MMSE Processing: Exploiting All Pilots for Interference Suppression
针对大规模MIMO网络，提出了一种新的多小区MMSE算法，包括上行MMSE检测器和下行MMSE预编码器。主要的新颖性是，它利用所有可用的导频干扰抑制。具体来说，令$K$和$B$分别表示每个小区的用户数量和网络中的正交导频序列数量，其中$β= B/K$是导频重用因子。然后，我们的多小区MMSE方案利用所有的$B$信道方向，可以在每个基站本地估计，以积极地抑制小区内和小区间干扰。该方案考虑了导频和有效载荷的功率控制、信道估计误差和导频分配的任意性，具有较强的实用性和通用性。仿真结果表明，在单小区MMSE方案和多小区ZF上获得了显著的频谱效率（SE）增益，特别是对于大的$β$和/或$K$。此外，大规模的近似的上行链路和下行链路的信干噪比推导出，这是渐近紧的大系统的限制。该近似值易于计算，即使对于小的系统尺寸也非常精确。使用这些SINR近似，一个低复杂度的功率控制算法也提出了最大化的总和SE。
2015-05-26 cs.IT math.IT
Adaptive Modulus RF Beamforming for Enhanced Self-Interference Suppression in Full-Duplex Massive MIMO Systems
针对全双工大规模 MIMO 系统的自干扰问题，提出一种结合 Tx/Rx 增益控制器的非常数模值射频波束成形方案，通过群体智能算法联合优化波束方向与增益系数，实现约 80 dB 的自干扰抑制。
2024-02-13 cs.IT eess.SP math.IT
Coordinated Multi-cell Beamforming for Massive MIMO: A Random Matrix Approach
研究了由N个小区、每个基站Nt个天线和每个小区K个用户终端组成的大规模多输入多输出（MIMO）系统中的多小区协作下行波束赋形问题。具体来说，我们制定了一个多小区波束形成算法的大规模MIMO系统，需要有限的信息交换量之间的BS。设计目标是在满足用户信号干扰噪声比（SINR）约束的前提下，最小化所有基站的总发射功率。该算法要求BS交换可以仅基于信道统计而不是瞬时CSI计算的参数。我们利用随机矩阵理论的工具来制定分散算法。我们还描述了一个下界的目标SINR值的集合，分散式多小区波束成形算法是可行的。我们进一步表明，我们的算法的性能渐近匹配的集中式算法与完整的CSI共享的性能。虽然原来的结果集中在最大限度地减少所有的BS的总发射功率，我们制定了一个启发式的扩展，该算法将在多小区系统中的实际约束，即个别BS的发射功率约束。最后，我们研究了不完美CSI和导频污染效应对分散算法性能的影响，并提出了一种启发式扩展算法来适应这些问题。仿真结果表明，我们的算法接近满足目标信干噪比的约束，并实现最小功率的大规模MIMO系统的制度。此外，当每个BS的天线数量与每个小区的UT数量具有相同的数量级时，与迫零波束成形相比，它还提供了大量的功率节省。
2015-04-08 cs.IT math.IT
Decentralized Decoding with Adaptive Local Combining for Cell-Free Massive MIMO
School of Computing & EE, Indian Institute of Technology Mandi（印度曼迪理工学院计算与电气工程学院）；Ericsson India Pvt. Ltd.（印度爱立信有限公司）
本文提出自适应试点感知局部组合策略和去中心化大尺度衰减解码方案，以提高分布式大规模MIMO系统中上行处理效率，降低计算成本和前馈开销，实现更高的频谱效率。
2026-10-20 cs.IT cs.NI math.IT
Coordinated Beam Selection in Millimeter Wave Multi-User MIMO Using Out-of-Band Information
使用带外（OOB）边信息最近已被示出为加速单用户毫米波（mmWave）大规模多输入多输出通信中的波束选择。在本文中，我们提出了一种新的面向对象辅助波束选择框架的毫米波上行链路多用户系统。特别是，我们利用从较低（子6 GHz）频段提取的空间信息，以协助在毫米波频段的用户间协调方案。为了加强协调，我们提出了一个交换协议，利用设备到设备的通信，其中低速率波束相关的信息交换的移动终端之间。分散式协调机制允许抑制所谓的共波束干扰，否则共波束干扰将在基站侧导致不可减少的干扰，从而触发实质的频谱效率增益。
2019-03-29 cs.IT eess.SP math.IT
Cell-Free Massive MIMO With Radio Stripes and Sequential Uplink Processing
与传统MIMO技术相比，无小区大规模MIMO（mMIMO）具有高频谱效率和优越的空间分集，被设想为超越5G的下一代技术。其主要原理是许多分布式接入点（AP）合作，同时为网络中的所有用户提供服务，而无需创建小区边界。本文考虑了一个无小区的mMIMO系统的上行链路利用无线条带网络架构。提出了一种新的归一化线性最小均方误差（N-LMMSE）合并的序列处理算法。该算法能够在无小区MMO中实现干扰抑制，同时保持低成本和前向回传要求。计算并分析了该算法的频谱效率。我们的结论是，它提供了一个有吸引力的低前向回程要求和高频谱效率之间的权衡。
2020-03-05 cs.IT eess.SP math.IT
Power Allocation Games for MIMO Multiple Access Channels with Coordination
利用博弈论方法推导了在快衰落多址信道中发射机和接收机均配备多个天线的最优分散功率分配（PA）。参与者（移动终端）可以自由地选择其PA，以便最大化其各自的传输速率（特别地，它们可以忽略某些指定的集中式策略）。介绍了一种简单的用户间协调机制。这种机制的性质和影响进行了详细研究。协调信号向用户指示接收机应用连续干扰消除的顺序以及使用该顺序的频率。两种不同的游戏进行了研究：用户可以适应他们的时间PA到他们的解码秩在接收机或优化他们的发射天线之间的空间PA。对于这两个游戏的网络纳什均衡的存在性，唯一性和总效率进行了深入的分析。分析和仿真结果提供了分散网络的性能和其等效的虚拟多输入多输出系统，这是在某些情况下为零，一般相对较小的差距进行评估。
2009-02-15 cs.IT math.IT
Benchmarking and Interpreting End-to-end Learning of MIMO and Multi-User Communication
端到端自动编码器（AE）学习具有超越人类工程收发器和编码方案的性能的潜力，而无需通信理论原理的先验知识。在这项工作中，我们的目标是了解在何种程度上，以及在何种情况下，这种说法与公平的基准比较时成立。我们特别关注的是无记忆多输入多输出（MIMO）和多用户（MU）系统。四个案例研究被认为是：两个点对点（闭环和开环MIMO）和两个MU的情况下（MIMO广播和干扰信道）。对于点到点的情况下，我们解释了一些在以前的工作中观察到的性能增益，通过选择改进的基线方案，包括几何形状以及位和功率分配。对于MIMO广播信道，我们证明了一种新的AE方法的可行性与集中学习和分散执行。有趣的是，学习的方案执行接近非线性向量扰动预编码，并显着优于传统的迫零。最后，我们强调潜在的陷阱时，解释学习的通信计划。特别是，我们表明，所考虑的干扰信道的AE学习，以避免干扰，虽然在旋转的参考系。在解旋转每个用户的学习信号星座之后，所得到的方案对应于具有几何整形的常规分时。
2022-03-15 cs.IT eess.SP math.IT
Analysis and Augmented Spatial Processing for Uplink OFDMA MU-MIMO Receiver with Transceiver I/Q Imbalance and External Interference
研究了正交频分复用（OFDM）系统中同相/正交（I/Q）不平衡情况下的接收机（RX）信号处理。我们扩展了通常报告的单用户研究的上行链路基于OFDMA的多用户MIMO，同时在频域和空间域的用户复用。我们还结合了多个外部建模器，用于对异构网络中的挑战性条件进行建模。在信号处理的发展中，我们利用增强的子载波处理，其处理每个子载波联合其对应的图像子载波，并联合跨RX天线。此外，我们得到一个增强的LMMSE RX。该新方法将I/Q不平衡缓解、干扰抑制和数据流分离集成到单个处理阶段中，从而避免了单独的收发器校准。我们的数值计算结果表明，信号与干扰加噪声比和符号出错率的任意数据流后RX处理作为不同的系统参数的函数。每子载波处理的I/Q不平衡下，遭受严重，并特别敏感的外部干扰，而增强的方法提供了有效的数据流分离和干扰抑制。最后，我们将研究扩展到大规模MIMO框架，并表明每个子载波处理仍然遭受性能下降，而增强的方法可以充分利用阵列增益。
2016-02-25 cs.IT math.IT
Efficient Design of Fronthaul-Constrained Uplink Reception for Cell-Free XL-MIMO
Jeonbuk National University（全北国立大学）；Hanyang University（汉阳大学）
本文研究了无源超大规模MIMO系统上行接收的可扩展性和前端高效设计，通过联合优化线性变换矩阵和前端压缩策略，提出加速FP算法，降低计算复杂度并提升上行总速率。
2026-04-23 cs.IT eess.SP math.IT
Lossy Microwave Linear Analog Computer (MiLAC) for Future MIMO: Learning-based Architecture Designs for Spectral and Energy Efficiency Maximization
Imperial College London（帝国理工学院）
针对有损MiLAC辅助MIMO系统中干扰抑制与硬件损耗/功耗之间的权衡，提出基于学习的联合架构与性能优化框架（LJAPOF），实现频谱效率和能量效率最大化。
2026-06-01 cs.IT eess.SP math.IT
Joint Power Allocation and Phase Shift Design for Stacked Intelligent Metasurfaces-aided Cell-Free Massive MIMO Systems with MARL
针对无小区大规模MIMO系统，提出将堆叠智能超表面用于节能，并设计NVR-MAPPO算法联合优化功率分配与相移，以最大化总频谱效率。
2025-02-27 cs.IT eess.SP math.IT
Overlapped-MIMO Radar Waveform Design for Coexistence With Communication Systems
本文探讨了一种重叠多输入多输出（MIMO）天线结构和频谱共享算法，通过零空间投影（NSP）的雷达通信共存。在重叠MIMO架构中，并置MIMO雷达的发射阵列被划分为允许重叠的多个子阵列。这些子阵列中的每个天线元件具有彼此正交并且与其它子阵列的元件正交的信号。该结构不仅提高了旁瓣抑制能力，降低了对通信系统的干扰，而且在不牺牲主要性能的前提下，充分发挥了MIMO雷达的优点。然后，以雷达为中心的频谱共享算法将雷达信号投影到通信系统的干扰信道的零空间上，这有助于避免来自雷达的干扰。数值结果表明，所提出的波形设计算法的整体波束方向图和旁瓣电平的雷达波形的性能，最后显示了与现有的并置MIMO雷达架构的比较所提出的系统。
2015-02-13 cs.IT math.IT
Decentralizing Coherent Joint Transmission Precoding via Fast ADMM with Deterministic Equivalents
本文针对多小区多用户网络中的ICI抑制问题，提出一种基于确定性等价估计ICI边界并结合快速ADMM与CCCP的去中心化相干联合传输预编码方案，在接近集中式最优性能的同时显著降低计算复杂度和基站间信息交换需求。
2024-03-28 cs.IT eess.SP math.IT
On the Interference Cancellation by Reduced Channel Zero Forcing Class of Precodings in Massive MIMO Systems
在本文中，我们研究了多输入多输出（MIMO）系统中的接收机和发射机的干扰消除能力，通过理论计算和数值模拟Quadriga。我们研究了所谓的减少信道迫零（RCZF）类预编码以及最小MSE干扰抑制组合器（MMSE-IRC）和QR最大似然检测（QR-MLD）接收机。基于非常简单，但非常有用的代数操作，他们的渐近等价性证明分析和模拟证明。我们的理论和实验结果证实，MMSE-IRC和QR-MLD接收机结合RCZF预编码提供完整的干扰抑制渐近。
2022-02-01 cs.IT cs.NI math.IT
SUMIS: Near-Optimal Soft-In Soft-Out MIMO Detection With Low and Fixed Complexity
这里我们感兴趣的基本问题是软输入软输出多输入多输出（MIMO）检测。我们提出了一种方法，称为子空间边缘化干扰抑制（SUMIS），在低和固定（确定性）的复杂性，产生前所未有的性能。我们的方法在计算复杂性和性能之间提供了一个明确的折衷。除了一个初始的排序步骤，包括选择通道矩阵列，该算法不涉及搜索，也没有算法分支，因此该算法具有完全可预测的运行时间，并允许高度并行的实现。我们数值评估SUMIS在不同的实际设置的性能：全/部分信道状态信息，顺序/迭代解码，低/高速率外码。我们还评论如何SUMIS方法在系统中执行大量的发射天线。
2014-01-31 cs.IT math.IT
Indoor Massive MIMO Deployments for Uniformly High Wireless Capacity
提供始终如一的高无线容量对于支持未来数字企业所需的应用变得越来越重要。在本文中，我们提出了本征方向感知ZF（EDA-ZF）与基站（BS）和分布式干扰抑制之间的部分协调作为一种实用的方法来实现这一目标。我们将我们的解决方案与迫零（ZF）和网络MIMO（NeMIMO）进行比较，迫零既不需要BS协调也不需要小区间干扰减轻，网络MIMO（NeMIMO）中，完全BS协调实现了集中式小区间干扰管理。我们还评估了三个子6 GHz部署与不同的BS密度-稀疏，中间和密集-所有固定的天线总数和辐射功率的计划的性能。广泛的模拟表明：（i）实现所提出的EDA-ZF的室内大规模MIMO为所有用户提供了一致的良好速率;（ii）除非实现完全协调，否则室内网络密集化是有害的;（iii）部署NeMIMO在强室外干扰下是有回报的，特别是对于小区边缘用户。
2017-10-10 cs.IT math.IT
Beamforming Design for Full-Duplex Two-Way Amplify-and-Forward MIMO Relay
本文考虑全双工（FD）双向放大转发中继系统，在中继发射功率受限的情况下，研究了中继和接收波束联合设计以最小化均方误差的问题。由于信道估计误差和模数转换器的局限性，无法完全消除扩频码间干扰。中继站处的多个天线可以帮助抑制残留SI，但是需要波束成形来平衡残留SI抑制和期望的信号传输。此外，中继波束成形矩阵应该在每个时隙更新，因为前一时隙中的残余SI被当前波束成形矩阵放大并被添加到当前时隙中来自两个源的接收信号。我们推导出最佳平衡的中继波束形成和接收波束形成矩阵的封闭形式的基础上最小均方误差，考虑到传播的残留的CMOSSI从第一个到当前的时隙。我们还提出了波束成形设计，只使用的m个最新的时隙，而不是从第一个时隙的信道。根据我们的数值结果，我们还确定FD是有益的，并提出FD和半双工之间的选择，根据信号噪声比和干扰噪声比。
2016-06-27 cs.IT math.IT
Multi-Branch Tomlinson-Harashima Precoding for MU-MIMO Systems: Theory and Algorithms
Tomlinson-Harashima预编码（THP）是在发送侧采用的非线性处理技术，并且是在接收侧的连续干扰消除（SIC）检测的对偶。与SIC检测类似，THP的性能强烈依赖于预编码符号的排序。然而，最优排序算法，是不切实际的多用户MIMO（MU-MIMO）系统与多个接收天线，由于用户的地理分布的事实。在本文中，我们提出了一个多分支THP（MB-THP）的计划和算法，采用多个发送处理和排序策略以及选择方案，以减轻干扰MU-MIMO系统。提出了两种类型的多分支THP（MB-THP）结构。第一种算法在用户的接收端采用对角加权滤波器的分散策略，第二种算法在发送端采用对角加权滤波器。MB-MMSE-THP算法也推导出一个扩展的系统模型的LQ分解的帮助下，这是简单得多相比，传统的MMSE-THP算法。仿真结果表明，MB-MMSE-THP预编码器在计算复杂性增加较小的情况下，可以获得更好的出错率（BER）性能。
2014-01-19 cs.IT math.IT
End-to-End Autoencoder Communications with Optimized Interference Suppression
基于正交频分复用（OFDM）的端到端通信系统被建模为自动编码器（AE），其中发送器（编码和调制）和接收器（解调和解码）分别被表示为编码器和解码器的深度神经网络（DNN）。这种AE通信方法被证明优于传统的通信在信道和干扰的影响，以及训练数据和嵌入式实现的约束条件下的实际情况下的出错率（BER）。生成对抗网络（GAN）被训练以在没有足够的训练数据可用时扩充训练数据。此外，在DNN模型量化和嵌入式实现的相应内存要求方面的性能进行评估。然后，干扰训练和随机平滑被引入到训练AE通信，以在潜在的多个OFDM符号上的未知和动态干扰（干扰）影响下操作。相对于常规通信，对于四个信道重用，通过具有干扰训练和随机平滑的AE通信可以实现高达36dB的干扰抑制。AE通信也扩展到多输入多输出（MIMO）的情况下，其BER性能增益与传统的MIMO通信相比，有和没有干扰的影响。
2021-12-29 cs.AI cs.IT cs.LG
1-Bit Massive MIMO Transmission: Embracing Interference with Symbol-Level Precoding
本文综述了1比特大规模MIMO系统中利用符号级预编码、借助建设性干扰提升误码率性能的研究，阐述了相关技术原理、方案增益及未来挑战。
2021-01-23 cs.IT eess.SP math.IT
Multi-Feedback Successive Interference Cancellation for Multiuser MIMO Systems
针对多用户多输入多输出（MU-MIMO）系统的上行链路，提出了一种低复杂度的多反馈连续干扰消除（MF-SIC）策略。在所提出的MF-SIC {算法与阴影区域约束（SAC）}，增强的干扰消除是通过引入{星座点作为候选人}，以打击错误传播的决策反馈环。我们还将MF-SIC与多分支（MB）处理相结合，实现了更高的检测分集阶数。针对编码系统，提出了一种基于MF和MB-MF干扰抑制技术的低复杂度软输入软输出（SISO）迭代（Turbo）检测器。MF-SIC的计算复杂性与常规SIC算法{相当}{因为需要非常少的附加复杂性}。仿真结果表明，该算法的性能明显优于传统的SIC方案，接近最优检测器。
2013-02-24 cs.IT math.IT
Enhancing Coexistence in the Unlicensed Band with Massive MIMO
我们考虑蜂窝基站（BS）配备了大量的天线和工作在未授权频带。我们将这样的系统表示为大规模MIMO未授权（mMIMO-U）。我们设计的关键程序，以保证蜂窝BS和附近的Wi-Fi设备之间的共存。其中包括：相邻Wi-Fi信道协方差估计、用于干扰抑制的空间自由度的分配、以及增强的信道感测和数据传输阶段。我们评估了这样设计的mMIMO-U的性能，表明它允许同时进行蜂窝和Wi-Fi传输，保持它们的相互干扰低于监管阈值。对于传统的先说后写（LBT）操作，情况并非如此。结果，mMIMO-U相对于常规LBT提升了未授权频带中的聚合蜂窝加Wi-Fi数据率，随着BS天线的数量增长而表现出增加的增益。
2017-03-16 cs.IT math.IT
Block Diagonalization Type Precoding Algorithms for IEEE 802.11ac Systems
基于块对角化（BD）的预编码方案是公知的用于多用户多输入多输出（MU-MIMO）系统的下行链路中的线性发送策略。在发送端采用的BD类型预编码算法通过将MU-MIMO广播信道分解为多个单用户MIMO（SU-MIMO）信道，然后并行化SU-MIMO信道以获得每个用户的独立流来实现多用户干扰（MUI）的抑制。鉴于线性预编码算法的设计已经取得了重大进展，这些技术在无线局域网（WLAN）标准中的实现仍然是一个悬而未决的问题。在这项工作中，提出了在IEEE 802.11 ac标准的框架下，基于BD的预编码技术的实施方案，然后在所提出的框架下对这些技术进行性能评估。我分析了在我的框架中的技术的和速率和误比特率（BER）性能，并获得计算复杂性明智的，以及性能明智的最佳算法为我的系统。
2018-01-02 cs.IT math.IT
