Turbo Coded Single User Massive MIMO with Precoding
预编码是在发射机处补偿信道的一种方法。提出了一种基于预编码的Turbo码单用户大规模多输入多输出（MIMO）系统中的数据检测方法。我们通过计算机模拟表明，当使用预编码时，重传数据不会导致误码率（BER）的显着降低，从而增加了频谱效率，相比没有预编码的情况。此外，增加发射和接收天线的数量导致BER的改善。
2020-07-31 cs.IT eess.SP math.IT
Multi-Satellite Multi-User MIMO Precoding: Testbed and Field Trial
针对多用户多输入多输出（MU-MIMO）下行链路场景中具有全频率重用的多波束卫星系统的预编码。开发了一个测试平台，用于在两个协同定位的地球同步卫星上对两个独立的视频流进行空间复用的迫零预编码的空中现场试验。两个单天线用户终端（UT）中的商用现成DVB-S2 x接收器可成功解码两个独立的视频流。为此，特别注意的是支付给一个全面的评估基于预编码的MU-MIMO系统的实际同步任务。特别是，载波频率恢复和载波相位同步在最具挑战性的多卫星的情况下，不同的振荡器的有效载荷进行。提出并实现了一种信道状态信息（CSI）即复信道系数的估计方法。成功的视频传输最终构成了MU-MIMO预编码的首次现场试验，并证明了多波束卫星系统预编码概念的可行性。
2020-04-23 eess.SP
A Deep Learning-Based Framework for Low Complexity Multi-User MIMO Precoding Design
在多用户多输入多输出（MU-MIMO）系统中，利用预编码抑制多用户干扰是一种提高频谱效率的技术，而追求高性能、低复杂度的预编码方法是近十年来的研究热点。传统的迫零（ZF）算法和加权最小均方误差（WMMSE）算法在复杂度和性能之间没有取得令人满意的折衷。在本文中，利用深度学习的力量，我们提出了一个低复杂度的MU-MIMO系统的预编码设计框架。其核心思想是将MIMO预编码问题转化为多输入单输出预编码问题，从而得到最优预编码结构的封闭形式。设计定制的深度神经网络来拟合从信道到预编码矩阵的映射。此外，输入降维，网络修剪和恢复模块压缩技术，以进一步提高计算效率。在此基础上，研究了该算法在实际MIMO正交频分复用（MIMO-OFDM）系统中的扩展。仿真结果表明，该算法在计算复杂性很低的情况下，获得了与WMMSE算法相似的性能。
2022-07-08 cs.IT eess.SP math.IT
Deep-Learning-based Millimeter-Wave Massive MIMO for Hybrid Precoding
毫米波（mmWave）大规模多输入多输出（MIMO）已被认为是下一代通信的新兴解决方案，其中混合模拟和数字预编码是用于降低与混合信号分量相关联的硬件复杂度和能量消耗的重要方法。然而，现有的混合预编码方案的根本局限性在于它们具有高计算复杂度并且不能充分利用空间信息。为了克服这些限制，本文提出了一种支持深度学习的毫米波大规模多输入多输出框架，用于有效的混合预编码，其中用于获得优化解码器的预编码器的每次选择都被视为深度神经网络（DNN）中的映射关系。具体地，基于DNN通过训练选择混合预编码器，以优化毫米波大规模多输入多输出的预编码过程。此外，我们提出了广泛的仿真结果，以验证所提出的方案的优异性能。结果表明，基于DNN的方法能够最小化mmWave大规模多输入多输出系统的误码率（BER），提高系统的频谱利用率，与传统的混合预编码方案相比，该方法在降低计算复杂度的同时，获得了更好的混合预编码性能.
2019-01-19 eess.SP
Downlink Massive MU-MIMO with Successively-Regularized Zero Forcing Precoding
在这封信中，我们考虑下行链路大规模多用户（MU）多输入多输出（MIMO）系统的线性预编码。我们提出了一种新的逐次正则化迫零（SRZF）预编码，它利用连续的零空间的MIMO信道的用户，随着正则化，控制用户间干扰（IUI），并提高性能和鲁棒性不完善的信道状态信息（CSI）在基站（BS）。我们研究了所提出的SRZF预编码的IUI特性的完美和不完美的CSI在BS。此外，通过计算机模拟，我们比较了SRZF预编码的总和速率与几个基线方案，包括传统的和正则化迫零（ZF）预编码。我们的仿真结果表明，对于大规模MIMO系统与用户间的信道相关性，所提出的SRZF预编码显着优于所考虑的基线方案在BS的完美和不完美的CSI。
2022-10-29 cs.IT eess.SP math.IT
Extremely-Fast, Energy-Efficient Massive MIMO Precoding with Analog RRAM Matrix Computing
无线通信中的信号处理，诸如预编码、检测和信道估计，基本上是关于求解逆矩阵问题，然而，逆矩阵问题在常规数字计算机中是缓慢且低效的，因此需要根本的范式转换来实现快速、实时的解决方案。在这里，我们首次将新兴的模拟矩阵计算（AMC）应用于大规模多输入多输出的线性预编码。实值AMC的概念被扩展到处理复值信号。为了使MIMO信道模型适应RRAM电导映射，设计了一种新的矩阵求逆电路。此外，全模拟低功耗和优化运算放大器的设计，以支持AMC预编码的实施。仿真结果表明，对于16 × 128 MIMO系统，迫零预编码在20 ns内完成，比传统的数字方法快两个数量级。同时，能源效率提高了50倍。
2022-11-07 cs.AR eess.SP
Combating Massive MIMO Channel Aging by Orthogonal Precoding
在这项工作中，我们研究了超可靠的低延迟大规模多输入多输出（MIMO）通信链路在车辆的情况下，上行链路和下行链路之间的一致性不能假设。在这种情况下，在上行链路中获得的信道状态信息对于随后的下行链路阶段将是过时的。为了补偿该信道老化，我们将在正交频分复用系统内的时频域中利用具有二维预编码序列的正交预编码。由于信道老化，大规模多输入多输出传输的信道硬化效应随着帧持续时间的增加和速度的增加而减小，而正交预编码（OP）的信道硬化效应随着无线通信信道的时间和频率选择性的增加而增加。通过结合大规模多输入多输出和OP，我们可以通过数字链路级仿真表明，在误比特率与信噪比的关系方面，过时的信道状态信息的性能可以提高两个数量级。
2019-05-21 eess.SP
Splitting Precoding with Subspace Selection and Quantized Refinement for Massive MIMO
KTH Royal Institute of Technology（皇家理工学院）
本文提出一种分裂预编码方法，通过子空间选择和量化细化提升大规模MIMO的频谱效率
2026-01-02 cs.AR eess.SP
Optimizing MIMO Efficiency in 5G through Precoding Matrix Techniques
本文针对5G下行MIMO通信，通过多场景仿真对比基于Type I和Type II码本的预编码矩阵技术，揭示其优缺点，以优化容量和时延性能。
2024-10-03 cs.IT eess.SP math.IT
Optimized Precoding for MU-MIMO With Fronthaul Quantization
多用户多输入多输出（MU-MIMO）的第一次广泛使用之一是在5G网络中，其中每个基站都有一个先进的天线系统（AAS），该天线系统通过容量受限的前传连接到基带单元（BBU）。在AAS配置中，多个无源天线元件和无线电单元被集成到单个盒子中。本文研究了单小区MU-MIMO系统中的预编码下行链路传输。我们研究了有限容量前传下AAS的优化线性预编码，这需要对预编码矩阵进行量化。我们提出了一种新的预编码设计，是知道的前传量化和最小化的均方误差在接收端。我们使用球形解码（SD）方法计算预编码矩阵。我们还提出了一个启发式的低复杂度的方法来量化预编码。这种启发式算法对于大规模多输入多输出系统来说在计算上足够高效。数值结果表明，我们提出的预编码显着优于量化未知的预编码和其他以前的方法的总和速率。考虑到复杂度的降低，我们的启发式方法相比量化感知预编码的性能损失是微不足道的，这使得启发式方法对于实时应用是可行的。我们考虑完美和不完美的信道状态信息。
2022-09-05 cs.IT eess.SP math.IT
Analog Versus Hybrid Precoding for Multiuser Massive MIMO with Quantized CSI Feedback
在这封信中，我们研究了下行链路多用户大规模多输入多输出（MIMO）系统的子连接结构在有限的反馈信道的性能。理论上分析了纯模拟预编码和混合预编码系统的紧速率近似。量化的模拟和数字预编码的效果，其特征在于在派生的表达式。此外，它揭示了纯模拟预编码优于混合预编码使用最大比传输（MRT）或迫零（ZF）在一定的条件下，我们在理论上描述的条件在封闭形式的信噪比（SNR），用户数和反馈比特数。数值结果验证了瑞利信道和毫米波信道的推导结论。
2020-06-01 cs.IT eess.SP math.IT
Mixed-timescale Per-group Hybrid Precoding for Multiuser Massive MIMO Systems
考虑到大规模多输入多输出中昂贵的射频（RF）链路、巨大的训练开销和反馈负担问题，本文提出了一种基于自适应部分连接RF预编码结构（PRPS）的混合时标分组混合预编码（MPHP）方案，其中RF预编码器使用自适应连接网络（ACN）和M个模拟移相器（APS）实现，其中M是基站（BS）处的天线的数量。利用混合时间阶段的信道状态信息（CSI）结构，将ACN和APS的联合设计问题转化为统计信号泄漏噪声比（SSLNR）最大化问题，并提出了一种启发式分组RF预编码（GRFP）算法来提供一个近似最优解。仿真结果表明，与传统的混合预编码（HP）方案相比，该方案具有更高的能量效率（EE）和更低的硬件开销、CSI信令开销和计算复杂度。
2018-03-21 eess.SP
Nonlinear Precoding in the RIS-Aided MIMO Broadcast Channel
本文提出在RIS辅助MIMO广播信道中使用THP非线性预编码，证明其在非正交信道、相移优化和离散相移场景下相比线性预编码具有更强鲁棒性和更简单的优化优势。
2024-09-04 eess.SP
Low-Complexity Zero-Forcing Precoding for XL-MIMO Transmissions
部署具有渐进大孔径的天线阵列将是在超5G系统中实现大规模MIMO理论增益的核心。这种超大型MIMO（XL-MIMO）系统经历在常规大规模MIMO系统中通常观察不到的传播条件，诸如空间非平稳性和近场传播。此外，由于与这种大规模场景相关联的过高的复杂性，诸如迫零（ZF）的标准预编码方案可能不适用于XL-MIMO传输。我们提出了两种新的预编码方案，旨在降低复杂性，而不会失去太多的性能。所提出的方案利用平面波近似和用户分组来获得ZF预编码器的低复杂度近似。我们的仿真结果表明，所提出的方案提供了一个性能和复杂性权衡的可能性相比，基准计划。
2021-03-01 cs.IT eess.SP math.IT
Hardware-Aware Beamspace Precoding for All-Digital mmWave Massive MU-MIMO
在毫米波（mmWave）频率下操作的大规模多用户多输入多输出（MU-MIMO）无线系统使得能够向大量用户同时进行宽带数据传输。为了降低全数字基站架构中MU预编码的复杂度，我们提出了一种两阶段预编码架构，该架构首先使用波束空间域中的稀疏矩阵执行预编码，然后进行快速傅立叶逆变换，将结果转换到天线域。稀疏预编码矩阵需要少量乘法器，并支持常规硬件架构，这允许设计硬件高效的全数字预编码器。仿真结果表明，我们的方法接近传统的维纳滤波器预编码的错误率与超过2倍降低复杂度。
2021-08-13 cs.IT eess.SP math.IT
Understanding the Performance of Learning Precoding Policy with GNN and CNNs
该研究分析预编码策略性质与神经网络归纳偏置，引入GNN学习预编码策略并对比CNNs，解释性能差异原因，通过仿真验证分析并评估GNN泛化能力。
2024-02-01 eess.SP
Noncooperative Precoding for Massive MIMO HetNets: SILNR Maximization Precoding
大规模多输入多输出（MIMO）是提高下一代蜂窝系统频谱效率的关键因素。由于信道互易性，在时分复用模式中，每个基站（BS）可以在发射机（CSIT）处获取可能位于相邻小区中的一组用户的本地信道状态信息。当配备有不那么多天线的小小区BS密集地部署有宏小区时，由于强的小区间干扰（ICI），使用本地CSIT的简单非协作MIMO预编码技术无法实现高频谱效率。在本文中，我们提出了一种新的非合作大规模多输入多输出预编码技术称为信号与干扰加泄漏加噪声比（SILNR）最大化预编码。所提出的预编码的关键思想是通过使用本地CSIT同时减轻用户间干扰（IUI）和ICI泄漏功率来联合找到每个小区的调度用户集、用户的波束成形向量和分配的功率。为了实现这一点，我们提出了一种低复杂度的算法，该算法找到了最大化问题的局部最优解，用于和频谱效率的下限，即，非凸优化问题通过系统级仿真，我们表明，所提出的预编码方法大大优于现有的非合作预编码技术的遍历频谱效率和每个用户的速率分布。
2021-07-29 cs.IT eess.SP math.IT
Energy Efficiency Maximization Precoding for Quantized Massive MIMO Systems
在实现大规模多输入多输出（MIMO）系统时，低分辨率数模转换器和模数转换器（DAC和ADC）的使用以高量化噪声为代价显著有益于能量效率（EE）。为了最大化量化下行大规模多输入多输出系统的能效，本文提出了一种带天线选择的预编码优化问题，但由于能效的复杂性，获得最优的联合预编码和天线选择解决方案是具有挑战性的。为了解决这一挑战，我们将问题分解为预编码方向和功率优化问题。对于预编码方向，我们描述了一阶最优性条件，这需要量化失真和天线选择的影响。对于预编码功率，我们使用梯度下降算法获得最优解，以最大化给定预编码方向的EE。我们铸造派生的条件作为一个功能的特征值问题，其中找到主特征向量达到最佳的局部最优点。为此，我们提出了基于广义幂迭代的算法。交替这两种方法，我们的算法确定了一个联合的解决方案的活动天线集和预编码的方向和功率。在模拟中，所提出的方法提供了相当大的性能增益。我们的研究结果表明，几位DAC就足以实现高EE的大规模多输入多输出系统。
2021-08-13 cs.IT eess.SP math.IT
Hybrid Precoding For Millimeter Wave MIMO Systems: A Matrix Factorization Approach
研究了有限字母输入的毫米波（mmWave）多输入多输出（MIMO）系统的混合预编码设计。预编码问题是模拟和数字预编码器的联合优化问题，我们将其视为具有功率和恒模约束的矩阵分解问题。我们的工作提出了三个主要贡献：第一，我们提出了一个充分条件和必要条件的混合预编码方案，实现无约束的最佳预编码器时，数据流的数量Ns满足Ns = minfrank（H）;Nrfg，其中H表示的信道矩阵和Nrf是射频（RF）链的数量。其次，我们证明了在我们的矩阵分解问题的耦合功率约束可以被删除，而不会失去最优性。第三，我们提出了一个基于Broyden-Fletcher-Goldfarb-Shanno（BFGS）的算法来解决我们的矩阵分解问题，使用梯度和Hessian信息。数值结果表明，我们提出的算法优于现有的混合预编码算法。
2020-03-26 eess.SP
Downlink MIMO-RSMA with Successive Null-Space Precoding
在本文中，我们考虑了预编码器的设计，为欠载或临界负载的下行链路多用户多输入多输出（MIMO）通信系统。我们提出了新的预编码和解码方案，提高系统性能的基础上速率分裂在发射机和单级连续干扰消除在接收机。所提出的连续零空间（SNS）预编码利用用户的连续增强的MIMO信道矩阵的零空间基向量的线性组合作为预编码向量来调整接收机所经历的用户间干扰。我们制定了一个非凸加权和速率优化问题的预编码向量和相关的功率分配建议基于SNS的MIMO速率分裂多址接入（RSMA）计划。我们通过逐次凸逼近得到了这个问题的一个次优解。此外，我们研究了所提出的预编码方案的鲁棒性不完善的信道状态信息（CSI）在基站通过基于导数的灵敏度分析。我们的分析和仿真结果表明，所提出的基于SNS的MIMO-RSMA方案的增强性能和鲁棒性超过几个基线多用户MIMO方案，特别是对于不完美的CSI。
2022-05-05 cs.IT eess.SP math.IT
MIMO Precoding Design with QoS and Per-Antenna Power Constraints
针对下行MU-MIMO系统，本文结合WMMSE框架与ADMM，在QoS和每天线功率约束下最大化加权和速率，并通过仿真验证算法有效性。
2023-06-04 eess.SP
Distributed Precoding Using Local CSIT for MU-MIMO Heterogeneous Cellular Networks
小区致密化是增加多天线蜂窝系统中的区域频谱效率的关键驱动力。然而，随着共享相同频谱的基站（BS）和用户的密度的增加，用户间干扰（IUI）和小区间干扰（ICI）问题都引起了这种系统中频谱效率的显著损失。为了解决这个问题的约束下，每个基站的本地信道状态信息，在本文中，我们提出了一种新的非合作多用户多输入多输出（MIMO）预编码技术，称为信号与干扰脉冲泄漏脉冲噪声比（SILNR）最大化预编码。我们的分布式预编码方法的关键创新是最大化的产品SILNR的用户每个小区使用本地信道状态信息在发射机（CSIT）。我们表明，我们的预编码技术，只使用本地CSIT可以渐近实现多小区合作的约束达到合作预编码使用全球CSIT在某些情况下。我们还提出了一个预编码算法，是强大的CSIT错误在多小区的情况下。通过多小区系统级仿真，我们证明了我们的分布式预编码技术优于所有现有的非合作预编码方法相当，也可以实现多小区绑定非常紧密，即使没有那么多的天线在BS。
2020-10-30 eess.SP
Distributed Precoding for Cell-free Massive MIMO in O-RAN: A Multi-agent Deep Reinforcement Learning Framework
The University of British Columbia（不列颠哥伦比亚大学）
本文提出一种多智能体深度强化学习框架，用于细胞自由大规模MIMO的分布式预编码，通过有限的信息交换降低干扰，提升整体吞吐量。
2026-05-01 eess.SP
Partial reciprocity-based precoding matrix prediction in FDD massive MIMO with mobility
针对移动场景下FDD大规模MIMO系统实时预编码的挑战，提出基于部分互易性的预编码矩阵预测方案，利用信道格拉姆矩阵降复杂度，通过闭式特征向量插值预测预编码器，在30-500km/h速度下性能优于传统方案。
2024-10-06 cs.IT eess.SP math.IT
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
Semantic MIMO: Revisiting Linear Precoding in the Generative AI Era
University of Surrey（萨里大学）
本文研究了在生成式AI赋能的语义MIMO系统中，匹配滤波和零强迫预编码的性能，发现其对干扰和信道状态信息精度的敏感性降低，在高SINR情况下性能劣于传统MIMO系统。
2026-04-01 eess.SP
Finite-Alphabet Wiener Filter Precoding for mmWave Massive MU-MIMO Systems
多用户（MU）预编码的功率消耗是全数字大规模MU多输入多输出（MIMO）基站中的主要关注点，所述全数字大规模MU多输入多输出（MIMO）基站具有以毫米波（mmWave）频率操作的数百个天线元件。我们建议用有限字母表WF预编码（FAWP）矩阵来替换部分线性维纳滤波器（WF）预编码矩阵，这使得能够使用消耗低功率和面积的低精度硬件。为了最大限度地减少我们的方法的性能损失，我们提出了有效地计算FAWP矩阵，最好地模仿WF预编码器的方法。我们的研究结果表明，FAWP矩阵的方法无限精度的错误率和错误向量幅度的性能，只有3位的预编码权重，即使在现实的毫米波信道中工作。因此，FAWP是在全数字毫米波大规模MU-MIMO系统中大幅降低功耗和硅面积的有前途的方法。
2020-09-10 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
Precoding Design for Multi-user MIMO Systems with Delay-Constrained and -Tolerant Users
在学术界和工业界，多用户多输入多输出（MU-MIMO）技术已经通过利用空间自由度在频谱效率方面显示出巨大的增益。到目前为止，大多数现有MU-MIMO设计中的基本假设是所有用户都使用无限块长度，以便他们可以实现香农容量。然而，这种设置是不合适的，考虑到延迟受限的用户，其块长度往往是有限的。在本文中，我们考虑一个异构的设置在MU-MIMO系统中的延迟约束用户和延迟容忍用户共存，称为DCTU-MIMO网络。为了最大限度地提高系统的频谱效率，我们提出了延迟容忍用户的频谱效率和延迟受限用户的频谱效率的下限。我们考虑的优化问题，最大化的总和频谱效率的延迟容忍用户，同时满足延迟约束用户的延迟约束，并提出了一种广义功率迭代（GPI）预编码算法，找到一个主要的预编码向量。此外，我们扩展了DCTU-MIMO网络的多时隙的情况下，提出了一种递归的广义功率迭代预编码算法。在仿真结果中，我们证明了所提出的方法优于基线方案，并提出了网络参数的遍历和频谱效率的影响。
2021-06-17 eess.SP
Low-Complexity Massive MIMO Tensor Precoding
基于Rician衰落信道子空间可分性的新发现，提出了一种新的低复杂度的大规模多输入多输出（MIMO）预编码策略.考虑在基站的均匀矩形阵列，我们表明，由信道向量所跨越的子空间可以分解为两个低维子空间之间的张量积。基于这个结果，我们制定张量最大比传输和迫零预编码器。我们表明，所提出的张量预编码器具有较低的计算复杂度，需要更少的瞬时信道状态信息比他们的线性同行。最后，我们提出了计算机模拟，证明了所提出的张量预编码器在实际通信场景中的适用性。
2020-09-21 eess.SP
Model-Driven Deep Learning for Massive Multiuser MIMO Constant Envelope Precoding
恒定包络（CE）预编码设计对于大规模多用户多输入多输出系统来说非常感兴趣，因为它可以显着降低硬件成本和功耗。然而，现有的CE预编码算法受到过多计算开销的阻碍。在这封信中，提出了一种新的模型驱动的基于深度学习（DL）的网络，将DL与共轭梯度算法相结合，用于CE预编码。具体地说，原来的迭代算法展开和参数化的可训练变量。该架构可以通过无监督学习方法从训练数据中有效地学习变量。因此，所提出的网络学习获得搜索步长并调整搜索方向。仿真结果表明，所提出的网络的多用户干扰抑制能力和计算开销方面的优越性。
2020-06-27 eess.SP
Distributed Precoding Design via Over-the-Air Signaling for Cell-Free Massive MIMO
大多数无小区大规模多输入多输出（MIMO）的工作考虑在基站（BS）处的非协作预编码策略以避免经由回程信令的大量信道状态信息（CSI）交换。然而，通过允许BS之间的协调可以实现相当大的性能增益。本文提出了第一个分布式框架合作预编码设计在无小区的大规模MIMO（更一般地说，在联合传输协调多点）系统，完全消除了需要回程信令CSI交换。引入了新颖的空中（OTA）信令机制，使得每个BS可以获得传统上经由回程信令在BS之间交换的相同的交叉项信息。所提出的分布式预编码设计享有期望的灵活性和可缩放性属性，因为OTA信令的量不随BS或用户设备的数量而缩放。数值结果表明，快速收敛和显着的性能增益相比，非合作的预编码设计。所提出的方案也可以优于集中式预编码设计在现实的CSI捕获。
2020-10-13 cs.IT eess.SP math.IT
ADMM Enabled Hybrid Precoding in Wideband Distributed Phased Arrays Based MIMO Systems
基于分布式相控阵的多输入多输出（DPA-MIMO）是最近提出的一种高度可重构的架构，其能够在毫米波（mmWave）系统中实现空间复用和波束成形。在这项工作中，我们专注于处理混合预编码的宽带DPA-MIMO系统与正交频分复用（OFDM）调制。更具体地说，我们提出了一种交替方向乘法器（ADMM）启用混合预编码方法的基础上交替优化框架，简称ADMM-AltMin，这样的合作阵列的子阵列结构。仿真结果表明，所提出的ADMM-AltMin方法实现了良好的性能与实际量化的移相器考虑。
2019-08-24 cs.IT eess.SP math.IT
Complex-BP-Neural-Network-based Hybrid Precoding for Millimeter Wave Multiuser Massive MIMO Systems
大规模多输入多输出（MIMO）系统的高能耗已经成为毫米波（mm-Wave）通信场景中的一个突出问题。混合预编码技术通过将部分编码工作交给相移网络来完成，大大减少了射频（RF）链的数量，可以有效提高能量效率。然而，传统的基于数学方法的混合预编码算法往往遭受性能损失和高计算复杂度。提出了一种基于BP神经网络的混合预编码算法，该算法以全数字迫零（ZF）预编码为训练目标。考虑到基站信号的复杂性，我们选择了具有更丰富代表性的复合神经网络。此外，我们提出了复杂神经网络的激活函数和反向传播过程的梯度导数。仿真结果表明，所提出的混合预编码算法的性能可以最佳地接近ZF预编码。
2019-08-01 cs.IT eess.SP math.IT
Hybrid Precoding Revisited: Low-Dimensional Subspace Perspective for MU-MIMO Systems
School of Electrical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院电气工程学院）
本文提出了一种基于低维子空间的低复杂度混合预编码框架，通过动态子阵天线分区和信道协方差方法提升多用户MIMO系统的性能与鲁棒性。
2025-12-08 eess.SP
Data Augmentation Empowered Neural Precoding for Multiuser MIMO with MMSE Model
利用深度学习方法的预编码设计已经被广泛研究用于多用户多输入多输出（MU-MIMO）系统。然而，传统的神经预编码设计应用基于黑盒的神经网络，其不太可解释。在本文中，我们提出了一种基于深度学习的预编码方法，该方法基于神经预编码网络的可解释设计，即iPNet。特别地，iPNet模仿经典的最小均方误差（MMSE）预编码，并且在神经网络架构的设计中近似矩阵求逆。具体而言，建议的iPNet由一个模型驱动的组件网络，负责增强输入信道状态信息（CSI），和一个数据驱动的子网络，负责从这个增强的CSI预编码计算。后一个数据驱动模块被明确地解释为MMSE预编码器的无监督学习者。仿真结果表明，通过利用增强的CSI，所提出的iPNet比现有的黑盒设计实现了显着的性能提升，并且还表现出针对CSI不匹配的增强的通用性。
2022-03-04 cs.IT eess.SP math.IT
Approximate Partially Decentralized Linear EZF Precoding for Massive MU-MIMO Systems
本文针对大规模MU-MIMO系统提出一种基于特征零迫的近似部分分散线性预编码算法，通过并行化基站天线簇间的基带处理并最小化互连需求，在降低复杂度的同时接近集中式EZF性能。
2024-07-18 eess.SP
Hybrid Precoding for Multi-User Millimeter Wave Massive MIMO Systems: A Deep Learning Approach
Duzce University（杜兹切大学）；University of Hertfordshire（赫特福德大学）；University of Luxembourg（卢森堡大学）
在多用户毫米波（mmWave）多输入多输出（MIMO）系统中，混合预编码是降低复杂度和成本同时获得足够的和速率的关键任务。以前的混合预编码工作通常是基于优化或贪婪的方法。这些方法要么提供更高的复杂性，要么具有次优性能。此外，这些方法的性能主要依赖于信道数据的质量。在这项工作中，我们提出了一个深度学习（DL）框架，以提高性能，并提供更少的计算时间相比，传统的技术。事实上，我们设计了一个用于MIMO的卷积神经网络（CNN-MIMO），它接受不完美的信道矩阵作为输入，并在输出端给出模拟预编码器和组合器。该程序包括两个主要阶段。首先，我们开发了一种穷举搜索算法来选择模拟预编码器和组合器从预定义的码本最大化可实现的和速率。然后，所选择的预编码器和组合器被用作CNN-MIMO的训练阶段中的输出标签，其中获得输入输出对。我们通过大量和广泛的模拟评估所提出的方法的性能，并表明所提出的DL框架优于传统的技术。总的来说，CNN-MIMO在存在关于信道矩阵的缺陷的情况下提供了鲁棒的混合预编码方案。最重要的是，所提出的方法具有更少的计算时间与优化和基于码本的方法相比。
2019-11-11 cs.IT cs.LG eess.SP
Codeword Selection and Hybrid Precoding for Multiuser Millimeter Wave Massive MIMO Systems
针对宽带多用户毫米波大规模多输入多输出系统的可达和速率最大化问题，研究了混合预编码技术。由于可实现的和速率的每次计算只能在模拟预编码器和数字预编码器都被确定之后执行，因此可实现的和速率的最大化具有难以处理的计算复杂度。通过引入无干扰（IF）可实现的和速率，可以解耦模拟和数字预编码器的设计。为了避免波束冲突并最大化中频可实现的和速率，提出了一种基于匈牙利语的码字选择算法用于模拟预编码设计。仿真结果验证了该方案的有效性，并表明与现有的方案相比，可以实现更好的性能。
2019-01-05 cs.IT eess.SP math.IT
Joint Reflecting and Precoding Designs for SER Minimization in Reconfigurable Intelligent Surfaces Assisted MIMO Systems
本文研究了使用可重构智能表面（RIS）来辅助点到点多数据流多输入多输出（MIMO）无线通信。在实际有限字母输入的情况下，RIS处的反射元件和发射机处的预编码器交替地被优化以最小化符号错误率（MSER）。在采用固定预编码器的反射优化中，提出了两种反射设计方法：eMSER反射法和vMSER反射法。在固定反射方向图的预编码矩阵优化问题中，将矩阵优化问题转化为向量优化问题，提出了两种求解方法：MSER预编码和MMED预编码。所提出的设计的优越性进行了研究，通过仿真。仿真结果表明，所提出的反射和预编码设计可以提供比现有的设计与复高斯输入的假设下，一个更低的SER。此外，我们比较了RIS与全双工放大转发（AF）中继系统的SER显示RIS的优势。
2020-05-20 eess.SP
Precoding Design for Multi-User MIMO Joint Communications and Sensing
Communications Engineering Lab (CEL), Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院通信工程实验室）
本文提出了一种多用户MIMO联合通信与感知系统中预编码设计方法，通过分析通信信号与感知信号的相互影响，优化了通信与感知性能的平衡。
2026-01-30 eess.SP
Model-Driven Deep Learning for Massive MU-MIMO with Finite-Alphabet Precoding
大规模多用户多输入多输出（MU-MIMO）技术已经成为第五代无线通信系统的主流技术。为了降低大规模MU-MIMO中的高硬件成本和功耗，下行链路传输中的每个天线和射频（RF）链使用低分辨率数模转换器（DAC），这给预编码设计带来了挑战。为了克服这些障碍，我们在本文中开发了一种模型驱动的深度学习（DL）网络，用于使用有限字母预编码的大规模MU-MIMO。该网络的结构是专门设计的，通过展开的迭代算法。与传统的最先进的技术相比，所提出的基于DL的预编码器在性能、复杂度和对瑞利衰落信道下的信道估计误差的鲁棒性方面显示出显著的优势。
2020-06-28 cs.IT eess.SP math.IT
Fronthaul Quantization-Aware MU-MIMO Precoding for Sum Rate Maximization
本文研究有限分辨率前传下的MU-MIMO系统，提出基于WMMSE和球译码的量化感知预编码算法以最大化系统总速率，其性能显著优于先优化后量化的传统基线方案。
2024-06-27 eess.SP
Decentralization Issues in Cell-free Massive MIMO Networks with Zero-Forcing Precoding
无小区大规模多输入多输出（CF-M-MIMO）系统代表了几十年来主导移动领域的经典蜂窝架构的演进。在CF-M-MIMO中，中央处理单元（CPU）控制不规则地分散在整个覆盖区域中的多个接入点（AP），从而有效地成为M-MIMO技术的完全分布式实现。因此，它继承了许多使M-MIMO成为5G系统物理层支柱之一的关键特性，同时为M-MIMO中不具备的新功能打开了大门。其中最新的是在CPU（集中式）或在AP（分布式）处执行预编码的可能性，已知前者以必须在CPU处收集所有相关的信道状态信息（CSI）为代价来提供好得多的性能。当要覆盖的区域很大时，无单元系统的实际部署可能需要多个CPU，因此需要解决的关键问题是这些多个CPU应该如何互连。针对集中式迫零预编码的特定情况，分析并提出了CPU之间不同程度互连的设计。结果表明，一种适度的CPU互连形式可以非常显着地提高CF-M-MIMO架构中普遍存在的最大-最小速率性能。
2019-09-26 eess.SP
Deep Learning-Based Tri-Hybrid Multi-User MIMO Precoding: The Blessing of EM-Reconfigurable Antennas
Beijing Institute of Technology（北京理工大学）；BIT (Zhuhai)（北京理工大学（珠海））；Tsinghua University（清华大学）；Guilin University of Electronic Technology（桂林电子科技大学）；Yangtze Delta Region Academy, BIT (Jiaxing)（北京理工大学（嘉兴）长三角研究院）；Advanced Research Institute of Multidisciplinary Sciences, BIT（北京理工大学前沿交叉科学研究院）
提出基于Conformer的Tri-PNet，联合设计电磁、模拟和数字预编码，提升多用户MIMO-OFDM频谱效率，性能优于传统方案且对CSI误差鲁棒。
2026-10-08 cs.IT cs.LG eess.SP
Robust Vector Perturbation Precoding Design for MIMO Broadcast Channel
我们考虑了多用户多输入单输出（MU-MISO）广播信道系统的向量扰动（VP）预编码器设计，它对功率缩放因子误差具有鲁棒性。到目前为止，VP预编码的开发和分析都是在假设接收机可以在传输之前完全知道功率缩放因子的情况下进行的，但由于动态范围大和前馈有限，这一点很难获得。然而，如我们的结果所示，VP预编码的性能对功率缩放因子的准确性非常敏感，并且在中高信噪比（SNR）状态下总是遇到错误平层。出于这样的观察，我们提出了一个强大的VP预编码器的最小均方误差（MMSE）标准的基础上。仿真结果表明，鲁棒的VP预编码器优于传统的VP预编码设计，因为对功率缩放因子误差不太敏感。
2019-01-26 eess.SP
Constellation-Oriented Perturbation for Scalable-Complexity MIMO Nonlinear Precoding
本文提出了一种新的非线性预编码（NLP）技术，即面向星座的扰动（COP），以解决传统的NLP技术固有的可扩展性问题。COP的基本概念是在星座域而不是符号域中应用矢量扰动（VP）;如常规技术中经常使用的。通过这种方式，使得COP的计算复杂度与多天线的大小无关（即，MIMO）网络。相反，它与符号星座的大小有关。通过广义线性变换，证明了COP算法复杂度在星座域的灵活伸缩性，实现了复杂度与性能的良好折衷。我们的计算机模拟表明，COP可以提供非常可比的性能与最佳的VP在小型MIMO系统。此外，它在大型MIMO中显著优于当前的次优VP方法（例如2度VP），同时保持低得多的计算复杂度。
2022-09-04 eess.SP
Wideband Precoding for U6G XL-MIMO Systems: Beam Squint Boundaries and Channel Slicing
School of Information Science and Engineering, Southeast University（东南大学信息科学与工程学院）；Centre for Wireless Innovation (CWI), Queen’s University Belfast（贝尔法斯特女王大学无线创新中心）
研究U6G超大规模MIMO系统中波束淬火效应及宽带预编码设计，通过近场和远场视角推导边界并提出信道切片方案以提升频谱效率。
2026-05-09 eess.SP
Distributed Neural Precoding for Hybrid mmWave MIMO Communications with Limited Feedback
混合预编码是用于毫米波（mmWave）大规模多输入多输出（MIMO）通信的成本有效的技术。本文提出了一种深度学习方法，通过使用分布式神经网络的混合模拟和数字预编码设计有限的反馈。所提出的分布式神经预编码网络，称为DNet，致力于实现两个目标。首先，DNet实现信道状态信息（CSI）压缩与分布式架构的神经网络，这使得实际部署在多个用户。具体地说，这种神经网络由多个具有相同结构和参数的独立子网络组成，既减少了训练参数的数量，又降低了网络的复杂度。其次，DNet从有限反馈的重构CSI学习混合预编码的计算。与现有的黑盒神经网络设计不同，DNet是根据混合预编码矩阵计算的数据形式进行专门设计的。仿真结果表明，与传统的有限反馈预编码方法相比，在不同CSI压缩比的测试下，DNet的性能提高了近50%。
2022-04-18 cs.IT eess.SP math.IT
MMSE Symbol Level Precoding Under a Per Antenna Power Constraint for Multiuser MIMO Systems With PSK Modulation
提出了一种基于最小均方误差设计目标的符号级预编码算法。建议的设计，然后制定在一个二阶锥程序的标准形式，允许通过内点法的最佳解决方案。数值结果表明，所提出的设计是优于现有的方法在低和中等信噪比制度的误比特率。
2022-06-25 cs.IT eess.SP math.IT
Weighted Sum Rate Maximization of the mmWave Cell-Free MIMO Downlink Relying on Hybrid Precoding
依赖于混合预编码的无小区MIMO概念构成了能够显著增加毫米波（mmWave）通信系统的网络容量的创新技术。它免除了传统多小区MIMO系统的小区边界，同时通过限制接入点（AP）处的射频（RF）链的数量来大幅降低功耗。在本文中，我们的目标是最大化毫米波无小区MIMO系统的加权和速率（WSR），通过构思一个低复杂度的混合预编码算法。我们制定的WSR优化问题受到每个AP的发射功率约束和模拟预编码器的移相器的恒模约束。提出了一种分块坐标下降（BCD）算法来迭代求解该问题。在每次迭代中，经典的拉格朗日乘子方法和惩罚对偶分解（PDD）方法相结合，以获得接近最优的混合模拟/数字预编码矩阵。此外，我们扩展了我们提出的算法，推导出封闭形式的表达式，用于全数字无小区MIMO系统的预编码器。此外，我们给出了我们提出的方法的收敛性分析和复杂性分析。最后，我们的仿真结果表明，无论是全数字和混合预编码矩阵的算法的优越性。
2022-01-12 cs.IT eess.SP math.IT
Energy Efficient User Clustering, Hybrid Precoding and Power Optimization in Terahertz MIMO-NOMA Systems
太赫兹（THz）波段通信已被广泛研究，以满足未来超高容量的需求。此外，多输入多输出（MIMO）技术和多天线非正交多址接入（NOMA）技术也使网络能够承载更多的用户并提供复用增益。本文首次研究了THz-NOMA-MIMO系统的能量效率最大化问题。将原优化问题分解为用户分簇、混合预编码和功率优化。针对THz-NOMA-MIMO系统中的用户聚类问题，提出了一种基于信道相关特性的快速收敛算法。考虑到功耗和实现复杂度，采用了基于子连接结构的混合预编码方案。考虑到前传链路容量约束，设计了一种分布式交替方向乘法器（ADMM）功率分配算法，以最大化具有非理想连续干扰消除（SIC）的THz-NOMA缓存使能系统的能效。仿真结果表明，提出的用户分簇方案能够实现更快的收敛速度和更高的能效，子连接结构的混合预编码设计能够实现更低的功耗，功率优化能够实现更高的能效。
2020-05-03 eess.SP
Impact of Channel Aging on Zero-Forcing Precoding in Cell-Free Massive MIMO Systems
在无小区大规模多输入多输出（mMIMO）的上下文中，迫零预编码（ZFP）需要经由前传网络交换瞬时信道状态信息和预编码数据符号。它会导致相当大的传播和处理延迟，从而降低性能。本文分析了无小区mMIMO中信道老化对ZFP性能的影响。老化的影响，不仅用户的移动性，而且相位噪声被认为是。每用户的频谱效率方面的数值结果进行了说明。
2021-07-03 cs.IT eess.SP math.IT
Sparse Channel Estimation and Hybrid Precoding Using Deep Learning for Millimeter Wave Massive MIMO
针对多用户毫米波大规模多输入多输出系统，研究了信道估计和混合预编码。提出了一种深度学习压缩感知（DLCS）信道估计方案。使用模拟环境离线训练DLCS方案的信道估计神经网络以预测波束空间信道幅度。然后，基于所获得的主导波束空间信道条目的索引来重建信道。在信道估计之后，开发了深度学习量化相位（DLQP）混合预编码器设计方法。在考虑近似相位量化的情况下，离线得到用于DLQP方法的训练混合预编码神经网络。然后用理想相位量化代替近似相位量化得到部署混合预编码神经网络（DHPNN），DHPNN的输出为模拟预编码矢量。最后，通过叠加模拟预编码向量得到模拟预编码矩阵，并通过迫零计算数字预编码矩阵。仿真结果表明，DLCS信道估计方案在归一化均方误差和频谱效率方面优于现有方案，而DLQP混合预编码器设计方法在低移相器分辨率下具有更好的频谱效率性能。
2020-02-15 eess.SP
