Superimposed Pilot-based Channel Estimation for RIS-Assisted IoT Systems Using Lightweight Networks
用于物联网（IoT）系统的常规信道估计（CE）遇到诸如低频谱效率、高能耗和阻塞传播路径的挑战。虽然叠加的基于导频的CE方案和可重构智能表面（RIS）可以部分地解决这些挑战，有限的研究已经做了系统的解决方案。本文提出了一种基于叠加导频的并行工程，并采用可重构智能表面（RIS）辅助模式，通过网络进一步提高并行工程的性能。具体地，在用户设备（UE）处，用于CE的导频被叠加在上行链路用户数据上以提高IoT系统的频谱效率和能量消耗，并且在基站（BS）处的两个轻量级网络减轻了用于CE和符号检测（SD）的计算复杂度和处理延迟。这些专用网络是以合作方式开发的。也就是说，传统的方法来执行初始特征提取，和开发的神经网络（NN）的方向是学习与提取的特征。在提取的初始特征的辅助下，减少了网络训练的训练数据量。仿真结果表明，该算法在不牺牲CE和SD精度的前提下，降低了计算复杂度和处理时延，且基站端的归一化均方误差（NMSE）和误比特率（BER）性能随参数变化而改善。
2022-12-07 eess.SP
Channel-Aware Deep Learning for Superimposed Pilot Power Allocation and Receiver Design
Southeast University（东南大学）；Purple Mountain Laboratories（紫金山实验室）；Nanjing University of Posts and Telecommunications（南京邮电大学）；Zhejiang University（浙江大学）；The University of Hong Kong（香港大学）
针对多用户移动场景下叠加导频分离难题，提出信道感知学习框架CaSIP，利用路径增益联合优化导频数据功率分配与基于深度神经网络的接收机，有效消除干扰，显著提升了高移动低信噪比下的吞吐量与估计精度。
2025-10-13 eess.SP
Superimposed Pilot-Based OTFS: Will It Work?
Faculty of Engineering, Yokohama National University（横滨国立大学工学部）；Ericsson Research, Ericsson Japan K.K.（爱立信研究，爱立信日本株式会社）
本文提出了一种多叠加试点方案和迭代算法，以提高OTFS在信道编码场景下的吞吐量和信道估计精度。
2026-02-24 eess.SP
Score-Based Conditional Flow Models for MIMO Receiver Design with Superimposed Pilots
Beijing University of Posts and Telecommunications（北京邮电大学）；China Mobile Research Institute（中国移动研究院）；The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；University of Kent（肯特大学）
本文提出了一种基于分数率的条件流模型，用于改进MIMO接收机设计，通过整合接收端先验知识和矩一致的ODE，实现更准确的信道估计和更强的符号检测鲁棒性。
2026-02-25 eess.SP
DFT-Spread Orthogonal Time Frequency Space System with Superimposed Pilots for Terahertz Integrated Sensing and Communication
太赫兹（THz）通感一体化（ISAC）技术是一种能够同时实现太比特每秒（Tbps）传输和毫米级精确环境或人类活动传感的交叉学科技术。然而，无论是通信性能和传感精度的影响，多普勒效应，这是特别严重的太赫兹波段。此外，峰均功率比（PAPR）降低了太赫兹功率放大器（PA）的效率。提出了一种基于离散傅里叶变换扩频正交时频空间（DFT-s-OTFS）的THz ISAC系统，该系统采用叠加导频技术，提高了系统对多普勒效应的鲁棒性，降低了系统的峰均比。然后，开发了两阶段感测参数估计算法以将感测功能集成到DFT-s-OTFS波形中。同时，提出了一种低复杂度的迭代信道估计和基于共轭梯度均衡器的数据检测方法来恢复DFT-s-OTFS的数据符号。与OTFS相比，所提出的DFT-s-OTFS波形可以将PA效率平均提高10%。仿真结果表明，所提出的THz DFT-s-OTFS系统两阶段感知估计算法能够实现毫米级的距离估计精度和分米/秒级的速度估计精度。仿真结果表明，在DFT-s-OTFS系统中，叠加导频辅助的迭代数据检测方法是有效的，且误比特率性能不会因多普勒效应而降低。
2023-02-25 eess.SP
Cross-Pilot Superposition for Fractional Parameter Estimation in DoA-Aided OTFS Receivers
University of Pavia（帕维亚大学）
本文提出了一种用于OTFS接收机中分数参数估计的新型叠加导频方案，通过角度域分离多径分量并整合延迟-多普勒轮廓，实现更优的通信性能与PAPR的平衡。
2026-02-25 eess.SP
MIMO-Zak-OTFS with Superimposed Spread Pilots
Indian Institute of Science, Bangalore（印度科学学院）
本文针对MIMO-Zak-OTFS系统提出一种在交叉模糊域分离的扩频导频设计，结合turbo迭代信道估计与检测，在vehicular-A信道下实现优异的估计与检测性能。
2025-10-23 cs.IT eess.SP math.IT
Data-Aided CSI Estimation Using Affine-Precoded Superimposed Pilots in Orthogonal Time Frequency Space Modulated MIMO Systems
本文提出基于仿射预编码叠加导频的OTFS系统CSI估计架构，利用EM算法和贝叶斯学习实现SISO/MIMO场景下的导频辅助与数据辅助联合信道估计和数据检测，并推导了BCRB界。
2023-05-25 eess.SP
Superimposed-Pilot OTFS Under Fractional Doppler: Modular End-to-End Learning
University of Electronic Science and Technology of China（电子科技大学）；Xiamen University（厦门大学）；Nanjing University（南京大学）
本文提出一种模块化端到端深度学习框架，用于改进OTFS收发器在高机动通信中的性能，通过可训练神经网络模块提升信道估计与检测的可靠性。
2026-01-30 eess.SP
Transfer Learning-based Channel Estimation in Orthogonal Frequency Division Multiplexing Systems Using Data-nulling Superimposed Pilots
在正交频分复用（OFDM）系统中，数据置零叠加导频（DNSP）有效地消除了基于叠加训练（ST）的信道估计（CE）的叠加干扰，同时面临着估计精度和计算复杂度的挑战。通过在无线通信的物理层开发有前途的深度学习（DL）解决方案，本文将DNSP和DL融合以应对这些挑战。然而，由于无线场景的变化，DL的模型失配导致CE的性能下降，从而面临网络再训练的问题。为了解决这个问题，进一步提出了一个轻量级的迁移学习（TL）网络的DL为基础的DNSP方案，从而在OFDM系统中构建了一个基于TL的CE。具体而言，基于线性接收机，首先采用最小二乘估计来提取CE的初始特征。利用提取的特征，我们开发了一个卷积神经网络（CNN）来融合基于DL的CE和DNSP的CE的解决方案。最后，一个轻量级的TL网络的构建，以解决模型不匹配。为此，构造了一种新的用于OFDM系统中DNSP方案的CE网络，提高了其估计精度并消除了模型失配。实验结果表明，与现有的基于最小均方误差（MMSE）CE的DNSP方案相比，该方法在所有信噪比（SNR）范围内均能获得更低的归一化均方误差（NMSE）。例如，当SNR为0分贝（dB）时，所提出的方案在20 dB处实现与基于MMSE的CE方案相似的NMSE，从而显著提高CE的估计精度。此外，相对于现有的方案，所提出的方案的改进表现出其对参数变化的影响的鲁棒性。
2022-05-28 eess.SP
Multiuser Zak-OTFS on the Uplink with Superimposed Spread-Pilots
Indian Institute of Science（印度科学研究所）
研究多用户Zak-OTFS系统上行链路，通过TF偏移实现多址接入并推导信道闭式表达式。采用叠加扩频导频框架及相关方案估计IOR，仿真表明该方法能使多用户系统性能与单用户相近，且在不同脉冲整形下有不同频谱效率表现，还具信道变化鲁棒性。
2026-07-10 cs.IT eess.SP math.IT
Joint Superimposed Pilot-aided Channel Estimation and Data Detection for FTN Signaling over Doubly-Selective Channels
本文针对双选择性信道下的FTN信令，提出叠加导频辅助的信道估计与两种检测方法，通过基展开模型刻画信道、叠加导频避免开销损失，联合检测方法在快衰落下性能显著优于参考方案。
2025-03-25 eess.SP
Message Passing-Based Joint Channel Estimation and Signal Detection for OTFS with Superimposed Pilots
针对现有叠加导频OTFS联合信道估计与信号检测接收机复杂度高的问题，提出基于消息传递的SP-DD迭代接收机及优化导频的SP-DD-D接收机，在大幅降复杂度的同时保障性能。
2024-04-15 cs.IT eess.SP math.IT
Data-Aided Bayesian Learning for CSI Estimation over Doubly-Selective DCO-OTFS MIMO VLC Channels with Affine-Precoded Superimposed Training Sequences
Indian Institute of Technology Kanpur（坎普尔印度理工学院）；Indian Institute of Technology Jodhpur（焦特普尔印度理工学院）；University of Southampton（南安普顿大学）
针对双选择性DCO-OTFS MIMO VLC信道，提出仿射预编码叠加训练框架，结合导频与数据辅助贝叶斯学习估计CSI并检测数据，降低导频开销和错误率。
2026-09-22 eess.SP
Data-Aided Variational Bayesian Inference for CSI Estimation over Doubly-Selective DCO-OTFS MIMO VLC Systems with Affine-Precoded Superimposed Training Sequences
Indian Institute of Technology Kanpur（坎普尔印度理工学院）；Indian Institute of Technology Jodhpur（焦特普尔印度理工学院）
针对双选择性DCO-OTFS MIMO VLC系统，提出基于仿射预编码叠加训练序列的架构，并开发数据辅助变分贝叶斯推断方法，实现联合CSI估计与数据检测，显著降低NMSE、导频开销和SER。
2026-09-15 eess.SP
Conditional Diffusion Model-Enabled Scenario-Specific Neural Receivers for Superimposed Pilot Schemes
School of Information Science and Engineering, Southeast University（东南大学信息科学与工程学院）；Purple Mountain Laboratories（紫金山实验室）
本文提出一种基于条件扩散模型的场景特定信道生成方法，利用用户位置和速度信息合成高保真信道数据作为数据增强，显著提升了叠加导频传输中神经接收机在目标场景下的性能。
2025-11-03 cs.IT eess.SP math.IT
Quantum Learning Based Nonrandom Superimposed Coding for Secure Wireless Access in 5G URLLC
超可靠低延迟通信（URLLC）中的安全无线接入是5G安全的一个关键方面，由于其对免授权配置的潜在支持，因此变得越来越重要。在免授权URLLC中，将不同导频资源精确分配给共享相同时频资源的不同用户对于下一代节点B（gNB）准确识别那些处于接入冲突下的用户以及维持可靠数据传输所需的精确信道估计是至关重要的。然而，这一过程很容易受到对飞行员的攻击。本文提出了一种基于量子学习的非随机叠加编码方法，对多维资源上的导频进行编码和解码，从而能够快速学习和精确消除攻击的不确定性。具体地，用于上行链路接入的多用户导频被编码为可区分的子载波激活模式（SAP），并且gNB通过量子学习网络（QLN）的攻击模式检测和用户活动检测的联合设计，从观察到的SAP（来自接入用户的SAP的叠加）解码感兴趣的导频。我们发现，不确定性在于从攻击者的码字数字的识别过程中，这总是可以建模为一个黑盒模型，解决了量子学习算法和量子电路。新的解析封闭形式的故障概率表达式推导出表征这种URLLC系统的可靠性与短数据包传输。模拟了我们的方法如何带来超高的可靠性和低延迟，尽管对飞行员的攻击。
2021-01-24 cs.CR eess.SP
Superimposed DMRS for Spectrally Efficient 6G Uplink Multi-User OFDM: Classical vs AI/ML Receivers
针对6G系统中正交DMRS开销大的问题，提出基于深度卷积神经网络的增强型DeepRx接收机，利用叠加DMRS进行信道估计与数据检测，在上行单用户和多用户场景中性能优于传统接收机。
2025-06-25 eess.SP
Interference Cancellation Based Channel Estimation for Massive MIMO Systems with Time Shifted Pilots
在采用时移导频（TSP）方案的大规模多输入多输出（MIMO）系统中，当基站（BS）天线数M趋于无穷大时，可以消除导频污染引起的组间干扰。然而，M在实践中是有限的，并且TSP的有效性受到信道估计误差的限制。分析表明，TSP的均方信道估计误差（MSCEE）主要受组间数据干扰的影响。为了降低有限天线大规模多输入多输出系统中的MSCEE，提出了一种基于干扰消除的信道估计（IC-TSP）方法。为了显示IC-TSP的优点，通过考虑不同的M和BS-BS信道的相干时间来评估IC-TSP的附加开销。此外，还讨论了扇区化和基于压缩感知的BS-BS信道估计的影响。我们表明，当128 < M < 2048时，在消除来自最近两个单元层的组间数据干扰的情况下，IC-TSP比TSP实现了超过1.2bps/Hz的频谱效率增益。
2020-06-26 eess.SP
Bayesian Learning for Double-RIS Aided ISAC Systems with Superimposed Pilots and Data
针对RIS辅助ISAC上行传输导频开销过大降低频谱效率的问题，提出叠加导频与数据的稀疏贝叶斯学习框架及低复杂度多用户算法，实现厘米级定位并大幅提升吞吐量。
2024-02-16 cs.IT eess.SP math.IT
Low-Overhead Receiver Design for Data-Dependent Superimposed Training via Deep Learning
School of Information Science and Engineering, Southeast University（东南大学信息科学与工程学院）；Institute of Communications Engineering, National Sun Yat-sen University（国立中山大学通信工程研究所）
针对叠加导频传输中导频-数据耦合导致的性能-复杂度瓶颈，本文提出一种增强型数据相关叠加训练（DDST）框架，结合混合传输方案和基于Vision Transformer的神经接收机，实现非迭代解耦和时变信道下的高效干扰抑制。
2026-05-28 cs.IT eess.SP math.IT
Learning-Aided Iterative Receiver for Superimposed Pilots: Design and Experimental Evaluation
针对MIMO-OFDM系统中叠加导频的干扰挑战，提出一种结合联合估计、检测与解码的迭代接收机，并设计VMP与深度学习信道估计策略，仿真与空口实验证明其在吞吐量和误块率上优于传统正交导频基线。
2025-07-14 cs.IT eess.SP math.IT
Meta-Learning Based Few Pilots Demodulation and Interference Cancellation For NOMA Uplink
针对NOMA上行链路信道估计开销大的问题，提出元学习辅助的meta-SICNet模型，可跨设备共享经验降低训练开销，能用更少导频实现比经典SIC和传统SICNet更低的符号错误率。
2023-06-09 cs.IT eess.SP math.IT
Digital Self-Interference Cancellation in Full-Duplex Radios: A Fundamental Limit Perspective
Huazhong University of Science and Technology（华中科技大学）；China Mobile Group Device Co., Ltd.（中国移动集团终端有限公司）
本文从基本限制角度探讨全双工无线电中数字自干扰消除的性能极限，分析并优化平行Hammerstein消除器的残余自干扰功率，提出优化试点序列的准则以降低干扰水平。
2026-09-03 eess.SP
Superimposed Transmission for Cooperative Cellular and Cell-Free Massive 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）
研究协作蜂窝和无小区大规模 MIMO 系统，提出叠加传输策略，按远近分类用户，基站为近程用户叠加发送数据符号，近程用户用连续干扰消除解码，实现高峰值频谱效率且保持小区边缘公平，提升系统容量。
2026-07-15 cs.IT eess.SP math.IT
End-to-end Learning for OFDM: From Neural Receivers to Pilotless Communication
Nokia Bell Labs（诺基亚贝尔实验室）；NVIDIA（英伟达）
先前的研究已经证明，端到端学习可以在加性高斯白噪声（AWGN）信道上实现显著的整形增益。然而，它的好处还没有被量化超过现实的无线信道模型。这项工作的目的是填补这一空白，探索使用正交频分复用（OFDM）的频率和时间选择性衰落信道的端到端学习的收益。在接收器处具有不完善的信道知识的情况下，在AWGN信道上观察到的成形增益消失。尽管如此，我们确定了其他两个性能改进的来源。第一个来自基于神经网络（NN）的接收机，该接收机在大量子载波和OFDM符号上运行，可以显着减少正交导频的数量，而不会损失比特出错率（BER）。第二个来自通过联合学习神经接收机连同叠加导频（SIP）、与传统正交幅度调制（QAM）线性组合或优化星座几何形状来完全消除正交导频。所学习的几何结构适用于宽范围的信噪比（SNR）、多普勒和延迟扩展，具有零均值并且因此不包含任何形式的叠加导频。这两种方案都实现了与基于导频的基线相同的BER，吞吐量提高了约7%。因此，我们相信，联合学习的发射机和接收机是超5G通信系统的一个非常有趣的组件，它可以消除对解调参考信号（DMRS）的需求和相关控制开销。
2021-07-29 cs.IT cs.LG eess.SP
GI-Free Pilot-Aided Channel Estimation for Affine Frequency Division Multiplexing Systems
本文针对AFDM系统提出无保护间隔的导频辅助信道估计方法，通过迭代联合干扰消除、信道估计与信号检测，在提升频谱效率的同时使误码率接近理想信道估计性能。
2024-04-01 eess.SP
Deep Learning Based Successive Interference Cancellation for the Non-Orthogonal Downlink
非正交通信在未来的无线通信系统中将发挥重要作用。在下行链路传输中，数据符号从基站广播到不同的用户，这些数据符号以不同的功率叠加，以促进使用连续干扰消除（SIC）的高完整性检测。然而，SIC需要信道模型和信道状态信息（CSI）两者的准确知识，这可能难以获取。我们提出了一种称为SICNet的深度学习辅助SIC检测器，它用深度神经网络（DNN）代替SIC的干扰消除块。解释一下，SICNet联合训练其内部DNN辅助块，以数据驱动的方式推断表示干扰符号的软信息，而不是像经典SIC那样使用硬判决解码器。结果，SICNet可靠地检测非正交系统的下行链路中的叠加符号，而不需要信道模型的任何先验知识，同时比其基于模型的对应物对CSI不确定性不太敏感。SICNet对用户数量和功率分配的变化也是鲁棒的。此外，SICNet学习产生准确的软输出，与基于模型的SIC相比，这有助于改进软输入纠错解码。最后，我们提出了一种在线训练方法SICNet块衰落下，它利用信道解码准确地恢复在线数据标签进行再训练，因此，允许它平滑地跟踪衰落包络，而不需要专用的导频。我们的数值结果表明，SICNet的性能接近经典SIC下完美的CSI，而在现实的CSI不确定性优于它。
2022-07-29 cs.IT eess.SP math.IT
A Unified Beamforming and A/D Self-Interference Cancellation Design for Full Duplex MIMO Radios
本文针对复杂度较低的全双工多输入多输出（MIMO）系统，提出了一种结合模拟和数字（A/D）自干扰消除的数字发射和接收波束形成的联合设计方案。我们利用最近提出的多抽头模拟消除器架构，其抽头的数量不与收发器天线的数量成比例，并考虑实际的发射机损伤的全双工操作。特别地，通过相关的现实模型假设发射机IQ不平衡和非线性功率放大。为了将残留的线性和非线性自干扰信号抑制在本底噪声以下，提出了一种新的数字自干扰抵消技术，该技术结合了模拟抽头和数字波束形成器的配置。从现有技术的状态，我们设计导频辅助估计的所有涉及的无线信道。我们代表性的Monte Carlo仿真结果表明，我们的统一全双工MIMO设计具有更高的自干扰消除能力与更少的模拟抽头相比，现有的技术，从而提高可实现的速率和误码性能。
2019-06-25 eess.SP
Learning While Transmitting: Pilotless Polar Coded Modulation for Short Packet Transmission
Pohang University of Science and Technology (POSTECH)（浦项科技大学）
本文提出无导频极码调制方案，通过QPSK和QAM段结合混合解码，提升短包传输的频谱效率和可靠性。
2026-02-20 eess.SP
Contention-based Grant-free Transmission with Independent Multi-pilot Scheme
基于竞争的免授权传输是未来大规模机器类型通信（mMTC）的一种非常有前途的传输方式。在基于竞争的传输中，随机导频冲突是一个具有挑战性的问题。为了解决这个问题，多导频方案被用来减少导频冲突的概率。然而，现有的多导频工作依赖于空间信道的低相关性，限制了其适用性。本文提出了一种独立的多导频方案，该方案利用了多导频的分集特性，不受空间相关性的限制。接收机对数据符号和多个导频都采用干扰消除来确保性能。仿真结果还表明，所提出的独立多导频方案可以显着改善误比特率性能，并增加同时接入用户的数量。
2020-04-07 cs.IT eess.SP math.IT
Low Complexity Frequency Domain Nonlinear Self-Interference Cancellation for Flexible Duplex
针对灵活双工系统中时域非线性自干扰消除复杂度随多径呈指数增长的问题，提出一种基于频域互调失真分析和专用导频序列的低复杂度MIMO频域非线性SIC算法，有效降低了OFDM系统的计算复杂度。
2025-03-04 eess.SP
Deep Learning-Assisted Parallel Interference Cancellation for Grant-Free NOMA in Machine-Type Communication
POSTECH（浦项科技大学）；Seoul National University（首尔大学）
本研究针对免授权NOMA系统的联合活动检测、信道估计与数据检测问题，提出深度学习增强的并行干扰消除方法，构建三类适配不同方案的框架，经仿真验证性能优于传统技术且计算复杂度更低。
2024-03-12 cs.AI cs.LG eess.SP
A Rate Splitting Strategy for Mitigating Intra-Cell Pilot Contamination in Massive MIMO
大规模MIMO（Massive MIMO，MaMIMO）系统的频谱效率（SE）受到低质量信道估计的影响。速率分裂（RS）作为一种有效的手段，近年来在多用户多天线系统中得到了一些关注，以减轻多用户干扰，由于不完善的信道状态信息。本文研究了在单小区MaMIMO系统下行链路中，当所有用户使用相同的导频序列进行信道估计时，RS的好处。在下行链路中通过单层RS策略（依赖于每个用户侧的单个连续干扰消除）实现的SE的新表达式被导出并用于设计用于公共和私有消息的预编码方案和功率分配策略。数值结果表明，所提出的RS解决方案实现了更高的频谱效率，传统的最大比预编码的MaMIMO。
2020-03-13 cs.IT eess.SP math.IT
Half-Duplex APs with Dynamic TDD vs. Full-Duplex APs in Cell-Free Systems
该研究对比无蜂窝系统中动态TDD半双工AP与全双工AP，提出新型导频分配、闭式总SE推导及联合功率分配与模式调度算法，证明动态TDD方案性能更优且无需AP内干扰消除。
2024-01-31 eess.SP
Time and Frequency Offset Estimation and Intercarrier Interference Cancellation for AFDM Systems
本文提出AFDM系统中两种最大似然时间与频率偏移估计器，利用啁啾周期前缀冗余免导频，并设计镜像映射方案消除残余频偏导致的载波间干扰，数值验证有效。
2023-12-28 cs.IT eess.SP math.IT
Channel Estimation, Interference Cancellation, and Symbol Detection for Communications on Overlapping Channels
在本文中，我们提出了联合干扰消除，快衰落信道估计，和数据符号检测的一般干扰设置的干扰源和被干扰的接收机是不同步的，并占用不同带宽的重叠信道。在执行所需通信的信道估计和数据符号检测之前，必须消除干扰。为此，我们必须估计有效干扰系数（EIC），然后估计期望的快衰落信道系数。我们构建了一个两阶段的框架，其中EIC和期望的信道系数估计使用联合最大似然最大后验概率（JML-MAP）标准在第一阶段和基于MAP的数据符号检测在第二阶段进行。基于这个两阶段的框架，我们还提出了一个迭代算法的干扰消除，信道估计和数据检测。我们分析了所提出的框架实现的信道估计误差，残留干扰，符号错误率（SER）。然后，我们讨论了如何优化导频密度，以实现最大的吞吐量。通过数值仿真，我们证明了我们的设计可以在很宽的SNR值范围内有效地抑制干扰，我们提出的信道估计和符号检测设计与现有的方法相比可以获得更好的性能。此外，我们证明了改进的性能的迭代算法相对于非迭代对应。
2020-05-10 cs.IT eess.SP math.IT
Self Interference Management in In-Band Full-Duplex Systems
无线系统的演进导致了对无线电频谱的需求的持续增长。为了解决这个问题，一项受到广泛关注的技术是带内全双工（IBFD）。对IBFD系统的兴趣源于其以相同频率同时发送和接收数据的能力。消除发射机对共址接收机的自干扰对系统的性能起着至关重要的作用。有两种类型的SI消除（SIC）方法：被动和主动。在这项研究中，重点是主动消除，特别是在数字域中的SIC。在直接SI和后向散射SI中，对直接SI的研究由来已久，因此，本文考虑了后向散射SI，并对两种SIC方法进行了分析。第一种通过波束形成实现SIC。这需要知道接收到的SI的角度以将波束零空间置于该方向上。第二种方法通过采用人工神经网络（ANN）来去除SI。使用ANN，不需要知道SI的方向。用导频训练神经网络，这导致网络能够在接收器处将期望信号与SI分离。贝叶斯神经网络显示了权重的重要性，并分配了一个参数，以便于忽略不太重要的权重。通过比较仿真，我们证明了基于人工神经网络的SIC实现等效的误比特率性能的两种波束形成方法。
2022-02-01 eess.SP
Simultaneous Downlink Data Transmission and Uplink Channel Estimation with Reduced Complexity Full Duplex MIMO Radios
在本文中，我们研究全双工（FD）多输入多输出（MIMO）无线电同时数据通信和控制信息交换。利用最近提出的FD MIMO架构，结合数字发射和接收波束成形与降低复杂度的多抽头模拟自干扰（SI）消除，我们提出了一种新的传输方案，利用信道互易性联合下行链路波束成形信息数据通信和上行链路信道估计，通过训练数据传输。我们采用了一个通用的导频辅助信道估计模型，并提出了一个统一的优化框架，所有涉及FD MIMO设计参数。我们的代表性的Monte Carlo模拟结果的波束形成器以及模拟和数字SI消除的一个示例算法的解决方案表明，所提出的基于FD的联合通信和控制方案提供了1.4倍的下行链路速率的半双工对应。与具有全连接模拟消除的传统FD MIMO架构相比，模拟消除器的硬件复杂度降低了50%，从而实现了这种性能改进。
2020-03-14 cs.IT eess.SP math.IT
Interference-Aware Super-Constellation Design for NOMA
Villanova University（维拉诺瓦大学）；Samsung Research America（三星美国研究院）
本文提出基于自编码器的AE-NOMA方法，通过设计干扰感知超星座消除符号重叠，从而无需SIC即可降低误码率，并验证了其在不同信道场景下的适应性和实现NOMA系统的潜力。
2025-03-10 cs.AI cs.IT eess.SP
NOMA Made Practical: Removing the Receive SIC Processing through Interference Exploitation
非正交多址（NOMA）是一种强大的传输技术，可提高通信链路的频谱效率，目前正在研究5G标准及更高标准。NOMA的一个主要缺点是需要在接收机处逐符号地应用连续干扰消除（SIC），这限制了其实用性。为了规避这一点，本文提出了一种新的建设性多址（CoMA）方案，并进行了研究。CoMA将叠加到不同用户的信号与感兴趣的信号建设性地对齐。由于叠加信号与数据信号对齐，因此不需要在接收器处使用SIC将其去除。因此，可以在接收器侧去除SIC分量。在这方面，为了提供一个全面的调查和比较，不同的优化问题，用户配对NOMA多输入单输出（MISO）系统被认为是。首先，一个最佳的预编码器，以最小化总发射功率的CoMA受到服务质量的约束，并与传统的NOMA。然后，一个预编码器，最大限度地减少受功率约束的CoMA符号出错率（SER）。进一步，从复杂运算的总次数方面考虑了CoMA的计算复杂性，并与传统的NOMA方案进行了比较。本文的结果证明了所提出的CoMA方案优于传统的NOMA技术，并表明，CoMA是一个有吸引力的解决方案，用户配对的NOMA MISO系统与BS天线的数量少，同时规避接收SIC的复杂性。
2022-10-15 cs.IT eess.SP math.IT
Multi-User Rate Splitting in Optical Wireless Networks
光无线通信（OWC）作为一种能够支持日益增长的巨大数据流量的新技术，近年来受到了广泛的关注。基于激光的OWC网络可以提供每秒太比特（Tbps）的聚合数据速率。然而，新兴的OWC网络需要光发射机集群来为多个用户提供统一的覆盖。在这种情况下，多用户干扰（MUI）是一个至关重要的问题，必须有效地管理，以提供高频谱效率。速率分割（RS）是一种同时为多个用户提供服务的传输方案，它将一个用户的消息分成公共消息和私有消息，然后每个用户按照一定的过程解码所需的消息。在射频（RF）网络中，与正交和非正交传输方案相比，RS提供更高的频谱效率。考虑到OWC网络的高密度，RS的性能受到在发射机处提供信道状态信息（CSI）的成本以及由干扰消除导致的噪声的限制。在这项工作中，用户分组算法提出并用于形成多个组，每个组包含用户空间聚类。然后，外部预编码器被设计为遵循盲干扰对准（BIA）的方法来管理组间干扰，这降低了在RF或光发射机处的CSI的要求。对于组内干扰，在每个组内应用RS，其中属于给定组的用户接收唯一的公共消息，在该公共消息上叠加了他们的私有消息。此外，制定了一个优化问题，以分配功率之间的私人消息打算给所有用户，使网络的总速率最大化。
2022-07-23 eess.SP
Uplink Performance of Cell-Free Massive MIMO with Multi-Antenna Users Over Jointly-Correlated Rayleigh Fading Channels
在本文中，我们研究了一个无小区的大规模MIMO系统与接入点（AP）和用户设备（UE）都配备了多个天线在联合相关的瑞利衰落信道。我们研究了四种上行链路实现，从完全集中式处理到完全分布式处理，并推导出它们在最小均方误差连续干扰消除（MMSE-SIC）检测器和任意组合方案下可实现的频谱效率（SE）表达式。此外，全球和本地MMSE合并方案的基础上，导频污染下获得的完整和本地信道状态信息（CSI），这可以最大化可实现的SE完全集中式和分布式实现，分别。我们研究了一个两层的解码实现与任意的组合方案在第一层和最佳的大规模衰落解码（LSFD）在第二层。此外，我们计算新的封闭形式的SE表达式的两层解码实现与最大比（MR）结合。在数值结果中，我们比较了不同的实施水平，结合方案，和信道模型的SE性能。重要的是要注意，增加每个UE的天线数量可能会降低SE性能。
2022-03-17 cs.IT eess.SP math.IT
