Fundamental Analysis of Scalable Fluid Antenna Systems: Identifiability Limits, Information Theory, and Joint Processing
South China University of Technology(华南理工大学);University College London(伦敦大学学院);Yonsei Frontier Laboratory and the School of Integrated Technology, Yonsei University(延世大学前沿实验室与综合技术学院);Ningbo University(宁波大学);Hong Kong Metropolitan University(香港都会大学);Queen Mary University of London(伦敦大学玛丽女王学院);City University of Hong Kong(香港城市大学);Lane Department of Computer Science and Electrical Engineering, West Virginia University(西弗吉尼亚大学计算机科学与电气工程系)
本文研究可扩展流体天线系统的可识别性限制、信息论与联合处理,提出一个观察熵框架,统一了可识别性限制推导、处理瓶颈诊断和系统设计优化。通过蒙特卡洛模拟验证了容量层级和可识别性边界。
2026-04-01 eess.SP
Scalable Fluid Antenna Systems: A New Paradigm for Array Signal Processing
City University of Hong Kong(香港城市大学);Ningbo University(宁波大学);South China University of Technology(华南理工大学);Technische Universitat Berlin(柏林工业大学);Queen Mary University of London(伦敦大学玛丽女王学院);The University of Texas at Dallas(德克萨斯大学达拉斯分校);Hong Kong Metropolitan University(香港都会大学)
提出一种可动态调整孔径配置的可扩展流体天线系统(SFAS),基于精确空间几何模型的两阶段源定位策略,无需场假设或模型简化即可实现高精度定位。
2026-05-23 eess.SP
RISnet: a Dedicated Scalable Neural Network Architecture for Optimization of Reconfigurable Intelligent Surfaces
可重构智能表面(RIS)是下一代无线通信的一种很有前途的技术。它包括许多无源天线,这些无源天线将信号从发射机反射到接收机,具有调整的相位而不改变幅度。尽管单个天线的功能简单,但大量天线实现了信号处理的巨大潜力。然而,它也使RIS配置的高维问题,这可能没有一个封闭的形式的解决方案,并具有很高的复杂性,因此,严重困难的在线实时应用,如果我们应用迭代数值解。在本文中,我们介绍了一种机器学习方法,以最大限度地提高加权和率(WSR)。我们提出了一个专用的神经网络架构,称为RISNet。根据乘积型RIS天线的RIS特性、直通道RIS天线的RIS特性和均匀RIS天线的RIS特性进行RIS优化设计。该架构是可扩展的,因为可训练参数的数量与RIS天线的数量无关(因为所有天线共享相同的参数)。采用加权最小均方误差(WMMSE)预编码,并设计了交替优化(AO)训练过程。测试结果表明,该方法优于最先进的块坐标下降(BCD)算法。此外,虽然训练需要几个小时,但使用训练模型(应用程序)进行在线测试几乎是即时的,这使得它对于实时应用是可行的。与之相比,BCD算法需要更多的收敛时间。因此,所提出的方法优于国家的最先进的算法在性能和复杂度。
2023-01-15 eess.SP
Scalable Multiport Antenna Array Characterization with PCB-Realized Tunable Load Network Providing Additional "Virtual" VNA Ports
本研究提出一种PCB实现的可调谐负载网络作为虚拟VNA端口,无需重连即可用少端口VNA测量多端口天线阵列,经700-900MHz八单元阵列实验验证,还通过频谱相关性提升后处理噪声鲁棒性,提供低成本可扩展的大型阵列表征方案。
2025-03-20 eess.SP physics.app-ph
A Scalable Arrangement Method for Aperiodic Array Antennas to Reduce Peak Sidelobe Level
本文针对大规模非周期阵列天线的峰值旁瓣电平降低问题,提出三种子阵级阵列结构,并采用改进蝙蝠算法优化排布,通过仿真证明随机单元错位子阵(DSRE)结构最优,为大规模非周期阵列设计提供了通用可扩展的方法。
2023-07-04 astro-ph.CO eess.SP
A Scalable 256-Elements E-Band Phased-Array Transceiver for Broadband Communication
对于E波段无线通信,需要一种具有子阵的高增益可操纵天线以降低实现复杂度。本文提出了一种基于8单元子阵和4个硅锗(SiGe)双极互补金属氧化物半导体(BiCMOS)波束形成芯片的256单元天线的E波段通信链路,该链路封装在19层低温共烧陶瓷(LTCC)衬底上。在完成256单元天线的设计和制造后,针对需要单次近场测量的情况,提出了一种快速近场校准方法。然后采用近场到远场(NFFF)变换和远场到近场(FFNF)变换进行瞄准具标定。与高频结构模拟器(HFSS)的比较用于非瞄准镜校准。在256单元天线上进行了验证,室内测量的波束形成性能与仿真结果吻合良好。办公环境中的通信也使用第五代(5G)新无线电(NR)系统来实现,其带宽为400兆赫(MHz),波形格式为具有120千赫(kHz)子载波间隔的正交频分复用(OFDM)。
2021-06-20 eess.SP
Multi-User Hybrid Precoding for Dynamic Subarrays in MmWave Massive MIMO Systems
动态子阵列实现了毫米波(mmWave)大规模多输入多输出(MIMO)系统的和速率与硬件复杂度之间的折衷,其中天线元件根据信道状态信息被动态地划分到射频(RF)链。然而,多用户的混合预编码的动态子阵列是难以解决的天线划分会导致用户的不公平性和多用户干扰(MUI)。本文提出了一种新的多用户混合预编码框架的动态子阵列结构。与现有方案不同,基站首先根据模拟有效信道选择多用户集。然后根据信号对干扰噪声比(SINR)的最大增量,将每个天线单元分配到RF链中。最后,针对动态子阵结构,对混合预编码进行了优化。通过计算所选用户的模拟有效信道上的SINR,天线划分可以大大降低计算复杂度和搜索空间的大小。此外,它还保证了用户公平性,因为每个天线单元被分配以获得所有选择的用户的最大SINR增量。\textcolor{blue} {大量的仿真结果表明,该方案的能量效率和速率都明显优于固定子阵,并且与全连接结构相比,在和速率略有损失的情况下获得了更高的能量效率。
2019-06-18 eess.SP
Inverse LDM' and LU Factorizations of a Partitioned Matrix with the Square-root and Division Free Version for V-BLAST
这封信提出了一个矩阵的逆LDM'和LU分解分为2 × 2块,其中包括平方根和除法自由版本。提出的无平方根和除法的逆LDM分解用于计算递归V-BLAST算法的初始估计误差协方差矩阵Q,它可以节省K-1个除法(其中K是发射天线的数目),并且需要与现有递归V-BLAST算法中计算Q的相应算法相同的计算复杂度[8],[9]。所提出的无平方根和除法的逆LDM'因式分解也可以应用于提出[5]中的平方根V-BLAST算法的无平方根和除法的实现,其中利用了[14]中的广义Givens旋转。与已有的平方根V-BLAST算法[5]、[6]相比,本文提出的无平方根和除法运算的V-BLAST算法的计算复杂度基本相同,并且可以避免平方根和除法运算。
2019-12-10 cs.IT eess.SP math.IT
Device-free Indoor WLAN Localization with Distributed Antenna Placement Optimization and Spatially Localized Regression
针对无设备室内 WLAN 定位,本文提出基于波束追踪优化分布式天线布置,并用 BFW 特征训练分区域分类与回归模型,在降低训练和定位复杂度的同时提升精度。
2024-01-31 eess.SP
DOA Estimation-Oriented Joint Array Partitioning and Beamforming Designs for ISAC Systems
针对ISAC系统多用户通信与雷达感知的性能权衡问题,提出动态分区天线阵列架构,联合设计阵列划分与发射波束成形以最小化DOA估计误差,并开发交替算法及启发式策略,仿真验证其有效性。
2025-02-13 eess.SP
Beyond the Delay-Doppler Domain: A Time-Frequency Framework for Low-Overhead, Scalable OTFS Channel Estimation
Rutgers University(罗格斯大学)
本文提出了一种低开销、可扩展的 MIMO OTFS 频率估计方法,通过在时频框架内嵌入 Pilot 并利用时频和 DD 保护 bin 保持正交性和数据完整性,实现高分辨率的信道参数估计。
2026-08-25 eess.SP
A Scalable 256-Antenna Distributed MIMO Testbed with Real-Time Fully Digital Beamforming
Lund University(隆德大学);Linköping University(林雪平大学)
本文介绍了一种可扩展至256天线的分布式MIMO测试平台LuLIS,通过FPGA加速实现实时全数字波束成形,并展示了上行链路传输的初步结果。
2026-05-26 cs.SY eess.SP eess.SY
Complexity-Scalable Direct Geolocation and Cancellation of Terrestrial GNSS Jammers: Single-Satellite and Multi-Antenna Experiments in Low Earth Orbit
European Commission, Joint Research Centre(欧盟委员会联合研究中心);European Space Agency(欧洲空间局);Technical University of Graz(格拉茨工业大学);Testnor
提出准直接定位(QDG)技术,通过压缩I/Q样本和快速时延-多普勒匹配,实现低轨卫星对GNSS干扰源的高效定位,实验验证了高压缩比下的定位能力。
2026-07-03 eess.SP
A Bipartite Graph Neural Network Approach for Scalable Beamforming Optimization
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)
深度学习(DL)技术由于具有处理非凸公式的能力而被广泛研究用于多用户多输入单输出(MU-MISO)下行链路系统的优化。然而,现有深度神经网络(DNN)的固定计算结构在系统大小方面缺乏灵活性,即,天线或用户的数量。本文开发了一个二分图神经网络(BGNN)框架,一个可扩展的DL解决方案,设计用于多天线波束成形优化。MU-MISO系统首先通过二分图来表征,其中两个不相交的顶点集,每个顶点集由发射天线和用户组成,通过成对边连接。这些顶点互连状态由信道衰落系数建模。因此,通用波束成形优化过程被解释为权重二分图上的计算任务。该方法将波束成形优化过程划分为专用于各个天线顶点和用户顶点的多个子操作。分离的顶点操作导致对系统大小不变的可缩放波束成形计算。顶点操作由一组DNN模块实现,这些模块共同形成BGNN架构。在所有天线和用户处重用相同的DNN,使得所得的学习结构对于网络大小变得灵活。BGNN的组件DNN在具有随机变化的网络大小的许多MU-MISO配置上联合训练。因此,训练的BGNN可以普遍适用于任意MU-MISO系统。数值结果验证了BGNN框架比传统方法的优势。
2022-07-12 cs.IT cs.LG eess.SP
A Homogeneous Graph Neural Network for Precoding and Power Allocation in Scalable Wireless Networks
本文提出一种基于齐次图神经网络(ICGNN)的预编码与功率分配方法,通过构建虚拟齐次图实现网络规模可扩展,并在蜂窝和无蜂窝网络中验证其低复杂度且频谱效率优于传统算法。
2025-05-26 eess.SP
Compact Heterogeneous Integration for Next Generation High Frequency Scalable Array with Miniaturized and Efficient Power Delivery Network
提出一种面向高频可扩展阵列的紧凑异构集成方法,通过差分激励和孔径耦合馈电实现小型化高效供电网络,在71-86 GHz频段实现30 dBm EIRP和25%效率。
2024-07-16 eess.SP
Scalable and Convergent Generalized Power Iteration Precoding for Massive MIMO Systems
Korea Advanced National Institute of Science and Technology (KAIST)(韩国科学技术院);Yonsei University(延世大学);Pohang University of Science and Technology (POSTECH)(浦项工科大学)
本文提出了一种可扩展且收敛的通用功率迭代预编码方法,用于大规模MIMO系统,通过低维子空间性质和低秩近似实现高效波束成形和稳健设计,显著降低复杂度和收敛时间。
2026-03-12 eess.SP
Enabling Energy-Efficiency in Massive-MIMO: A Scalable Low-Complexity Decoder for Generalized Quadrature Spatial Modulation
针对广义正交空间调制(GQSM)解码复杂度随效率升高的问题,提出基于向量化高斯置信传播的UVD-GaBP解码算法,复杂度与组合因子无关,在最多32根发射天线的大规模MIMO仿真中验证了其有效性,为无线系统高能效与频谱效率提供支撑。
2023-10-04 eess.SP
Alternative Normalized-Preconditioning for Scalable Iterative Large-MIMO Detection
针对large-MIMO系统信号检测因传播条件不利、ELAA空间非平稳性带来的挑战,提出兼具近最大似然性能、低复杂度、快收敛、鲁棒性的ANPID迭代检测器,性能优于现有方案。
2023-08-22 cs.IT eess.SP math.IT
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
A Manifold-Based Framework for Coupling-Aware Surrogate Optimization of Antenna Arrays Using Characteristic Modes
提出一种结合特征模、全局耦合模型和广义散射矩阵的替代优化框架,在流形上优化阵列设计变量,实现高效耦合感知的多波束合成。
2026-11-02 eess.SP
Multi-User Symbol Detection with XL Reception: Dynamic Metasurface Antennas with Low Resolution ADCs
Indian Institute of Technology Bhubaneswar(印度布巴内斯瓦尔理工学院);National and Kapodistrian University of Athens(雅典国家卡波蒂斯坦大学)
本文研究了多用户通信中,利用低分辨率ADC的XL DMA接收器进行符号检测,提出了一种高效的混合A/D组合设计方法,以优化MSE性能。
2026-04-08 eess.SP
Scalable High-Precision Near-Field Channel Parameter Estimation via Spatial Chirp Structure
The Chinese University of Hong Kong(香港中文大学);University of Electronic Science and Technology of China(电子科技大学)
本文提出基于空间啁啾结构的可扩展框架,通过CSF模型和CHARM/E-CHARM算法,实现ELAA系统中近场多径信道参数的高精度联合估计,复杂度随阵列规模线性增长。
2026-09-18 eess.SP
A Semi-amortized Lifted Learning-to-Optimize Masked (SALLO-M) Transformer Model for Scalable and Generalizable Beamforming
Columbia University(哥伦比亚大学)
本文提出SALLO-M模型,通过多层Transformer和迭代优化实现可扩展波束成形,采用双令牌化与结构化遮蔽提升泛化能力,结合滑动窗口、课程学习和样本回放策略提升鲁棒性,实现在不同信道条件下优于基线方法的性能。
2026-03-30 cs.AI cs.LG eess.SP
Design of Non-orthogonal and Noncoherent Massive MIMO for Scalable URLLC Beyond 5G
本文旨在设计和优化一种非正交和非相干的大规模多输入多输出(MIMO)框架,以实现5G以上无线系统中的可扩展超可靠低延迟通信(sURLLC)。在该框架中,利用与大规模多输入多输出系统中的大规模天线阵列相关联的巨大分集增益来确保MIMO可靠性。为了减少信道估计过程所带来的开销和延迟,提出了一种不需要瞬时信道状态信息(CSI)知识,而只依赖于大尺度衰落系数进行信息解码的非相干通信技术。为了提高所考虑的系统的可扩展性,我们使非正交信道接入的多个用户通过设计一个新的差分调制方案,以确保每个发送的信号矩阵可以被唯一地确定在无噪声的情况下,并可靠地估计在嘈杂的情况下,当天线阵列的大小按比例增加。其关键思想是使来自多个用户的发送信号在空中适当地叠加,使得当和信号被正确地检测到时,可以唯一地确定由所有用户发送的信号。为了进一步提高阵列天线数较大时的平均误码性能,提出了一种基于最大最小Kullback-Leibler(KL)发散度的设计方法,通过联合优化所有用户的发射功率和子星座分配来实现。仿真结果表明,所提出的设计显着优于现有的最大-最小欧氏距离为基础的同行的错误性能。此外,我们提出的方法也有一个更好的错误性能比传统的相干迫零(ZF)接收机与正交信道训练,特别是对于小区边缘用户。
2020-02-10 cs.IT cs.NI eess.SP
Learning-Based Joint Antenna Selection and Precoding Design for Cell-Free MIMO Networks
本文针对下行无小区MIMO网络,提出一种分布式机器学习算法,利用CNN进行天线选择、GNN进行预编码设计,仅需本地CSI即可显著降低前传开销与能耗,并实现与集中式方案相当的总频谱效率。
2025-02-01 cs.IT eess.SP math.IT
BlueME: Robust Underwater Robot-to-Robot Communication Using Compact Magnetoelectric Antennas
Department of ECE, University of Florida, USA(佛罗里达大学电子工程系)
提出并验证了基于磁电天线的紧凑型水下通信系统BlueME,在700米距离内以10瓦功耗实现可靠通信,克服了浑浊、障碍和多径干扰等挑战。
2026-06-01 cs.RO eess.SP
A Curved Monopole Antenna for HF Radar with Enhanced Gain and Bandwidth
Memorial University of Newfoundland(纽芬兰纪念大学)
本文提出了一种弯曲单极子天线,通过优化曲率和直段长度,实现了增益提升18.5%和带宽扩展400 kHz,适用于HF雷达应用。
2026-03-08 cs.SY eess.SP eess.SY
Near-Field Wideband Beamforming for Extremely Large Antenna Arrays
针对6G中极大规模天线阵列与太赫兹通信融合引发的“近场波束分裂”问题,提出基于分段远场信道模型的相位延迟聚焦(PDF)方法,通过联合控制移相器与延迟器有效补偿相位差异并缓解波束分裂,同时推导出更准确界定近场范围的“有效瑞利距离”新指标。
2024-06-01 cs.IT eess.SP math.IT
Fast and Scalable Beamforming for RIS-Assisted Downlink Multi-group Multicasting
本文针对RIS辅助下行多组多播,提出AMBF和APSA两种快速交替波束赋形算法,在满足QoS或加权MMF目标下实现基站与RIS联合优化,计算复杂度随RIS单元和天线数线性增长,仿真验证了其性能与成本优势。
2025-07-04 cs.IT eess.SP 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
3D Beamforming Through Joint Phase-Time Arrays
针对高频宽带通信覆盖受限及传统相控阵调度时延高的问题,本文提出基于联合相位-时间阵列的3D波束成形方案,通过设计移相器和实时延迟单元最大化目标方向子带波束增益,仿真验证其性能优于现有最优方案。
2024-08-13 cs.IT eess.SP math.IT
Device-Free Localization Using Multi-Link MIMO Channels in Distributed Antenna Networks
Graduate School of Science and Technology, Niigata University(新潟大学科学技术研究科);Honda Motor Company Ltd.(本田技研工业株式会社);JUKI industrial Equipment Technology Corp.(杰崎工业设备技术株式会社)
本文提出基于分布式天线网络的新型设备无关定位框架,利用多链路MIMO通道的空间和时间多样性实现高精度定位,并通过软件定义无线电在子6GHz频段开发原型系统,验证了在复杂多径环境中亚米级定位精度和鲁棒性。
2025-07-21 eess.IV eess.SP
Scaling 6G Subscribers with Fewer BS Antennas using Multi-carrier NOMA in Fixed Wireless Access
针对低秩信道下FWA网络用户天线远多于基站天线、传统多址方式性能受限的问题,提出结合最优功率-子载波分配与自适应分时的算法,利用GDFE抗干扰,在数据速率和能效上显著优于OMA、NOMA基线,助力6G FWA网络扩容。
2024-10-29 cs.IT eess.SP math.IT
Localization and Discrete Beamforming with a Large Reconfigurable Intelligent Surface
针对大型RIS近场定位的空间非平稳性及离散波束成形指数复杂度问题,提出分区远场协议、FPB算法和两阶段由粗到精定位算法,实现中高信噪比下厘米级定位精度。
2023-12-19 cs.IT eess.SP math.IT
Open-Loop Distributed Beamforming Using Scalable High Accuracy Localization
我们提出了一个分布式天线阵列,支持开环分布式波束形成在1.5 GHz。基于一个可扩展的,高精度的节点间测距技术,我们演示了开环波束形成实验,使用三个发送节点。为了在没有来自目的地的反馈的情况下支持分布式波束成形,分布式阵列中的节点的相对位置必须以低于波束成形载波频率的$λ/15$的精度已知,以确保阵列在接收位置处保持至少90%的相干波束成形增益。对于微波范围内的操作,这导致厘米或更低的范围估计精度。我们提出了一个可扩展的,高精度的波形和新的方法来完善距离测量,以显着提高估计精度。使用此波形与三节点阵列,我们展示了高精度测距同时在多个节点之间,从两个次级节点上的相位校正实施,以保持波束成形与主节点,从而支持开环分布式波束成形。在节点移动时,使用范围估计来动态更新相位校正,从而在节点移动时保持波束成形。我们展示了第一个开环分布式波束成形在1.5 GHz的两个节点和三个节点的阵列,展示了实现和维护基于相位的波束成形没有来自目的地的反馈的能力。
2020-08-18 cs.SY eess.SP eess.SY
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