Joint Port Selection Based Channel Acquisition for FDD Cell-Free Massive MIMO
针对FDD无蜂窝大规模MIMO中CSI获取开销大的问题，本文提出基于联合端口选择的CSI获取与反馈方案，并设计GS-JPS和DL-JPS两种端口选择算法，仿真表明其性能优于现有方案。
2024-01-12 cs.IT eess.SP math.IT
Frequency Selective Compressed Sensing
在本文中，作者描述的问题捕获的干扰信号，并制定了一个滤波问题。频率选择性压缩感知技术被提出作为这个问题的解决方案。信号采集是促进频率选择性压缩感知的关键。作者提出了一个滤波压缩感知参数，它允许评估给定的采集过程是否使频率选择性压缩感知对于给定的滤波问题成为可能。数值实验表明，所描述的方法在实践中是如何工作的。
2015-01-16 cs.IT math.IT
Timely CSI Acquisition Exploiting Full Duplex
在本文中，我们提出了一种方法，通过利用全双工传输获取准确和及时的信道状态信息（CSI）。具体地，我们提出了一种移动通信系统，其中基站在上行链路频带中连续发送导频序列，而终端使用自干扰消除能力来随时获得CSI。我们的建议优于其半双工对应至少50%的吞吐量，同时确保相同（甚至更低）的中断概率。值得注意的是，对于下行链路带宽和接收功率的低值，它也优于使用全双工进行下行链路数据传输。
2017-02-21 cs.IT math.IT
Compressed sensing with structured sparsity and structured acquisition
压缩感知（CS）是磁共振成像（MRI）等应用的一个有吸引力的框架。然而，到目前为止，CS理论提出的传感方案是由随机孤立的测量，这通常是不兼容的物理采集。为了反映成像设备的物理约束，我们引入了测量块的概念：感测方案不再是一组孤立的测量，而是一组可以表示任何任意形状（例如平行或径向线）的测量组。使用测量块的结构化采集易于实现，并在实践中提供良好的重建结果。然而，在这种情况下，很少有结果存在CS重建的理论保证。在本文中，我们推导出新的CS结构化收购和信号满足事先结构稀疏的结果。所得到的结果提供了一个稀疏向量的恢复概率，明确地取决于他们的支持。因此，我们的结果是支持依赖的，并提供了灵活的假设稀疏结构的可能性。此外，结果是绘图相关的，因为我们突出了重建稀疏向量的概率和选择测量块的方式之间的显式依赖性。数值模拟表明，该理论是忠实于实验观察。
2016-06-13 cs.IT math.IT
Downlink CSIT under Compressed Feedback: Joint vs. Separate Source-Channel Coding
针对频分双工多用户大规模MIMO系统下行CSIT获取难题，提出单时隙延迟下利用信道二阶统计量优化特征空间投影的实用JSCC反馈方案，推导相关性能下界，实验验证其性能优于多种基线方案且逼近最优DR理论性能。
2025-06-12 cs.IT math.IT
Deep Learning for Uplink CSI-based Downlink Precoding in FDD massive MIMO Evaluated on Indoor Measurements
当操作具有处于不同频率的上行链路（UL）和下行链路（DL）信道的大规模多输入多输出（MIMO）系统（频分双工（FDD）操作）时，用于下行链路预编码的信道状态信息（CSI）的获取是主要挑战。由于除了收发器损伤之外，UL和DL CSI两者都由发射器和接收器周围的物理环境确定，因此理所当然的是，对于静态环境，可以存在从UL CSI到DL CSI的映射。首先，我们建议使用各种基于神经网络（NN）的方法来学习这种映射，并使用经典的信号处理提供基线。其次，我们引入了一个计划来评估所有方法的泛化性能和质量，区分已知和以前看不见的物理位置。第三，我们评估所有的方法在一个真实世界的室内数据集收集32天线通道探测器。
2022-09-22 cs.IT eess.SP math.IT
Channel Customization for Low-Complexity CSI Acquisition in Multi-RIS-Assisted MIMO Systems
本文提出在多RIS辅助MIMO系统中将CSI获取与RIS配置一体化，利用快速变化反射序列分解信道估计任务并定制稀疏反射信道，以低开销和低复杂度实现上下行信道精确重构并提升频谱效率。
2024-11-21 cs.IT eess.SP math.IT
Learning the CSI Recovery in FDD Systems
我们提出了一种创新的机器学习为基础的技术，以解决在频分双工系统中的基站的信道捕获的问题。在此上下文中，基站基于来自移动终端的有限下行链路信道状态信息反馈来重构下行链路频率范围中的全信道状态信息。信道状态信息恢复是基于卷积神经网络的，该卷积神经网络是专门在上行链路频域中获取的所收集的信道状态样本上训练的。根本不需要在下行链路频率范围中获取训练样本。最后，在详细介绍和分析所提出的技术及其性能之后，基于最大平均差异度量的分析验证了卷积神经网络的“迁移学习"假设，该假设是所提出的方法的核心。
2021-10-03 cs.IT math.IT
Oblique Pursuits for Compressed Sensing
压缩感知是一种新的数据采集模式，通过利用稀疏信号模型实现通用、简单和降低成本的采集。最值得注意的是，通过计算上有效的算法的信号的恢复是保证某些随机化的采集系统。然而，在理论保证和实际应用之间存在差异。在包括各种模态的傅立叶成像的应用中，通过具有从帧中随机选择（采样）的向量的内积来获取测量。目前可用的保证是使用所谓的限制等距属性（RIP），这只被证明是在理想的假设下举行。例如，从框架中的采样需要独立同分布，并且框架必须是紧的。但在实践中，一个或多个理想假设通常会被违反，现有的保证都不适用。出于这种差异，我们提出了两个相关的变化，在现有的框架：（i）广义RIP称为限制双正交属性（RBOP）;和（ii）相应的修改版本的现有贪婪的追求算法，我们称之为斜追求。斜追求保证使用RBOP不需要理想的假设，因此，保证适用于实际的收购计划。数值结果表明，斜向追踪也表现出竞争力，有时甚至比他们的传统同行。
2012-07-11 cs.IT math.IT
From compressed sensing to compressed bit-streams: practical encoders, tractable decoders
压缩感知被认为是一种有效的降维方法，当底层信号相对于一些合适的基或框架是稀疏的或可压缩的时。关于模拟信号的压缩采集的一个重要但未解决的问题是如何执行量化。这直接关系到如何“压缩”压缩感知的重要问题（在获取信号后最终使用的比特总数方面），以及最终压缩感知是否可以用于获得合适信号的压缩表示。基于我们最近的工作，我们提出了一个具体的和可行的方法进行“模拟到信息转换”。在压缩信号采集阶段之后，所提出的方法包括基于$ΣΔ$（sigma-delta）量化的量化阶段，以及无缝地适配在压缩感测框架内的后续编码（压缩）阶段。我们证明，使用这种方法，我们可以将模拟压缩样本压缩的数字比特流和解码使用基于凸优化的易于处理的算法。我们证明了所提出的AIC提供了一个稀疏和可压缩信号的近最佳编码。最后，我们提出了数值实验说明建议的模拟信息转换器的有效性。
2016-04-03 cs.IT math.IT
Compressed Sensing and Parallel Acquisition
本研究将压缩感知与并行采集结合，提出统一理论框架，证明在适当条件下每传感器所需测量数随传感器总数线性减少，并针对不同/相同采样及层级稀疏模型给出更广泛的最优恢复保证，数值实验验证了相变现象。
2016-12-17 cs.IT math.FA math.IT
On the Coexistence of eMBB and URLLC in the Cell-Free Massive MIMO Downlink
本文构建统一信息论框架，结合有限块长失配解码与无限块长分析，研究无蜂窝大规模 MIMO 下行中 eMBB 与 URLLC 的非正交共存及性能权衡。
2024-05-13 cs.IT eess.SP math.IT
Channel Covariance Estimation in Massive MIMO Frequency Division Duplex Systems
在频分双工（FDD）模式下的多用户Massive MIMO系统中，信道协方差是获取瞬时信道状态信息（CSI）的关键因素。在此上下文中，信道互易性不成立，并且通常预期关于下行链路信道的协方差信息必须由用户设备（UE）估计并反馈。作为另一种CSI获取技术，我们建议根据观测到的上行链路协方差来推断下行链路协方差。该推断过程依赖于上行链路/下行链路协方差矩阵的字典，以及对应的黎曼空间中的插值;一旦字典已知，估计就不依赖于来自UE的任何形式的反馈。在这篇文章中，我们提出了几种不同的插值方法，并通过模拟对它们进行基准测试。
2016-02-18 cs.IT math.IT stat.AP
Optimized projections for compressed sensing via rank-constrained nearest correlation matrix
“Gheorghe Asachi” Technical University of Iasi（雅西“格奥尔基·阿萨奇”技术大学）
优化采集矩阵对于在过完备字典中稀疏的信号的压缩感测是有用的，因为采集矩阵可以适应字典原子的特定相关性。在本文中，提出了一种新的配方的优化问题，在秩约束的最近相关矩阵问题的形式。此外，改进现有的三个优化算法，这是所提出的配方的特殊情况下。仿真结果表明，在稀疏信号恢复显着的改善和优越的鲁棒性。
2013-09-14 cs.IT cs.LG math.IT
Progressive Compressed Sensing and Reconstruction of Multidimensional Signals Using Hybrid Transform/Prediction Sparsity Model
压缩感知（CS）是一种创新的技术，允许通过少量的线性投影来表示信号。因此，CS可以被认为是用于获取多维信号的自然候选者，因为由常规传感器获取和处理的数据量可能在计算复杂性方面产生问题。在本文中，我们提出了一个框架的多维相关信号的采集和重建。该方法是通用的，可以应用于D维信号，即使我们提出的算法实际上实现这种架构适用于2-D和3-D信号。所提出的架构采用迭代局部信号重建的基础上的混合变换/预测相关模型，加上适当的初始化策略。
2013-10-04 cs.IT math.IT
Compressed Sensing-based Pilot Assignment and Reuse for Mobile UEs in mmWave Cellular Systems
用于毫米波通信的技术处于工业界和学术界研究的最前沿，因为毫米波频带为已经分配给蜂窝网络的带宽提供了数量级的额外可用带宽。可以利用在毫米波频带处的小覆盖区中可以支持的更大数量的天线来收获双MIMO类型的波束成形和空间复用增益。类似于LTE系统，收获这些益处的两个先决条件是在训练阶段检测用户和获取用户信道状态信息（CSI）。然而，由于毫米波信道遇到更苛刻的传播和更快的去相关，用户检测和CSI获取的任务都是必要的，比LTE频段更具挑战性。在本文中，我们研究的问题，快速用户检测和CSI捕获的小小区毫米波网络的下行链路。我们假设TDD操作和基于信道互易性的CSI获取。为了实现致密化的好处，我们提出了导频设计和信道估计器，利用积极的导频重用与快速用户检测在基站和压缩感知信道估计的组合。正如我们的模拟所示，相对于传统的基于压缩感知的方法与传统的导频重用，可以同时由整个毫米波频带网络与所提出的方案提供服务的用户的数量大幅增加。
2016-01-14 cs.IT math.IT
SNOPS: Short Non-Orthogonal Pilot Sequences for Downlink Channel State Estimation in FDD Massive MIMO
由于区分天线（在下行链路中）和用户（对于上行链路，其中给定频谱资源可以由大量用户共享）所需的训练序列的长度，信道状态信息（CSI）获取是大规模MIMO无线系统的设计中的显著瓶颈。在本文中，我们专注于下行链路CSI估计情况。考虑到在基站收发信台（BTS）侧的空间相关性的存在，并假设每个用户的信道统计是已知的，我们试图利用这种相关性，以最小化导频序列的长度。我们介绍了一种依赖于非正交导频序列和来自用户终端（UT）的反馈的方案，该方案使BTS能够估计所有下行链路信道。由于对导频的宽松的正交性假设，所获得的导频序列的长度可以严格地小于BTS处的天线的数量，而CSI估计误差保持任意小。我们介绍了两种算法来动态设计所需的导频序列，分析和验证所提出的CSI估计方法的性能，通过数值模拟使用一个现实的情况下，基于一个环信道模型。
2016-09-07 cs.IT math.IT
Reconfigurable-intelligent-surface-assisted Downlink Transmission Design via Bayesian Optimization
本文研究了可重构智能地面（RIS）辅助下行链路系统的传输设计。当RIS没有配备射频链时，信道状态信息（CSI）通常难以在基站（BS）处估计。在本文中，我们提出了一个下行链路传输框架与未知CSI通过贝叶斯优化。由于CSI在BS处不可用，因此我们将未知的目标函数视为黑盒函数，并将波束形成器、相移和接收滤波器作为输入。然后将目标函数分解为低维子函数之和，降低了算法的复杂度。通过在球坐标系中重新表达基站的功率约束，将原约束问题转化为等价的无约束问题。用户估计训练符号的和MSE作为目标值，并将其反馈给BS。我们假设一个高斯先验的反馈样本和下一个查询点的更新，通过最小化构造的采集函数。此外，该框架还可以应用于电力传输系统和公平性问题。仿真结果验证了该传输方案在下行数据传输和功率传输中的有效性。
2021-02-04 cs.IT math.IT
Compressed Sensing Based Multi-User Millimeter Wave Systems: How Many Measurements Are Needed?
毫米波（mmWave）系统将可能在发射器和接收器两者处采用具有大型天线阵列的定向波束成形。然而，由于波束形成之前的大天线阵列和小信噪比，获取信道知识来设计这些波束形成器是具有挑战性的。在本文中，我们提出和评估的多用户毫米波系统的压缩感知信道估计和共轭模拟波束形成的基础上的下行链路系统操作。采用可实现的和速率作为性能指标，我们展示了需要多少压缩感知测量来接近完美的信道知识性能。结果表明，所提出的算法需要一个数量级的训练开销相比，传统的低频解决方案，同时采用毫米波适合的硬件。他们还表明，测量的数量需要进行优化，以处理信道估计质量和训练开销之间的权衡。
2015-05-02 cs.IT math.IT
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
MRF denoising with compressed sensing and adaptive filtering
最近提出的磁共振指纹（MRF）技术可以同时估计多个参数，通过字典匹配。它具有广阔的应用前景。然而，MRF由于在数据采集过程期间的欠采样和字典分辨率的限制而引入误差。本文研究了磁流变液的误差来源，提出了利用压缩感知、决策树误差预测和自适应滤波技术来提高磁流变液质量的方法。实验结果支持我们的观察，并显示所提出的技术的显着改善。
2014-01-03 cs.IT math.IT
Deep Joint CSI Feedback and Multiuser Precoding for MIMO OFDM Systems
提出一种基于深度学习的联合CSI反馈与多用户预编码方法，利用深度联合信源信道编码压缩CSI特征向量并联合调整预编码方向与功率，显著提升了低信噪比与低反馈开销下的下行和速率。
2024-04-25 cs.IT eess.SP math.IT
Statistical physics-based reconstruction in compressed sensing
压缩感知正在引发信号采集的重大变革。它包括以低速率采样稀疏信号，然后使用计算能力进行精确重建，以便仅测量必要的信息。然而，当前使用的重建技术限于大于信号的真实密度的采集速率。我们设计了一个新的程序，这是能够重建的信号与一些测量，接近理论极限的大系统的限制。它是基于联合使用的三个基本成分：一个概率的信号重建方法，一个消息传递算法，适应于信念传播，并仔细设计的测量矩阵的晶体成核理论的启发。用统计物理方法分析了该算法的性能。几种情况下的数值研究证实了所获得的改善。
2012-06-06 cond-mat.stat-mech cs.IT math.IT
CSI Acquisition in Cell-Free Massive MIMO Surveillance Systems
本文针对无小区大规模MIMO监控系统提出一种利用上下行导频和MMSE估计的CSI获取方案，并推导监控成功概率，证明其性能可接近完美CSI上界。
2024-10-04 cs.IT eess.SP math.IT
A new inexact iterative hard thresholding algorithm for compressed sensing
压缩感知（CS）表明，可以使用低于奈奎斯特速率的低速率采集过程来采集稀疏或可压缩信号，该过程将信号投影到与稀疏基不相干的一小组向量上。在本文中，我们提出了一个新的框架，压缩感知恢复问题使用迭代逼近方法通过L0最小化。而不是直接解决无约束的L0范数优化问题，我们使用线性化和邻近点技术来近似罚函数在每次迭代。该算法简单、有效，并证明了算法的收敛性.数值仿真验证了我们的结论，并表明该算法可以提高重建质量。
2014-02-24 cs.IT math.IT
A Novel Compressed Sensing Scheme for Photoacoustic Tomography
University of Innsbruck（因斯布鲁克大学）；University of Göttingen（哥廷根大学）；Christian Doppler Laboratory for Photoacoustic Imaging and Laser Ultrasonics（光声成像与激光超声克劳斯·多普勒实验室）；Research Center for Non-Destructive Testing (RECENDT)（无损检测研究中心）
本文提出一种基于压缩感知的光电声成像数据采集加速方案，通过随机压力值组合提高采集效率，同时保持图像质量并降低系统成本。
2015-01-18 cs.IT cs.NA math.IT
Low Overhead Weighted-Graph-Coloring-Based Two-Layer Precoding for FDD Massive MIMO Systems
由于缺乏上行链路/下行链路信道互易性，以频分双工（FDD）操作模式操作的大规模多输入多输出（MIMO）系统遭受与下行链路信道状态信息（CSI）获取和下行链路预编码相关联的过高开销。在本文中，一个启发式的边加权顶点着色的模式划分（EWVC-PD）计划，提出了减轻的两层预编码方法的开销，在一个实际的情况下，用户集群进行严重的角度扩展范围（ASR）重叠。具体而言，在有限数量的子信道的约束下，首先构造了一个无向边加权图（EWG），来描述集群之间潜在的ASR重叠关系。然后，受经典的图着色算法的启发，提出了EWVC-PD方案，该方案通过对ASR重叠严重的簇之间进行子信道正交化，并复用ASR重叠较轻的簇来减轻ASR。仿真结果表明，我们的方案有效地优于现有的模式划分方案。
2018-08-15 cs.IT eess.SP math.IT
Two algorithms for compressed sensing of sparse tensors
压缩感知（CS）利用信号的稀疏性，以集成采集和压缩。CS理论能够通过合适的非线性最小化过程从相对较少的线性测量精确重建稀疏信号。传统的CS理论依赖于矢量数据表示，这以增加的计算复杂性为代价产生良好的压缩比。在涉及彩色图像、视频序列和多传感器网络的应用中，数据本质上是高阶的，因此更适合用张量形式表示。CS对高阶数据的标准应用通常涉及将数据表示为长向量，这些长向量又使用大的采样矩阵来测量，因此施加了巨大的计算和存储负担。在本章中，我们介绍广义张量压缩感知（GTCS）-高阶张量的压缩感知的统一框架，它保留了张量数据的内在结构，降低了重建时的计算复杂性。我们证明，GTCS提供了一个有效的手段，通过提供同时采集和压缩所有张量模式的多维数据表示。此外，我们提出了两个重建程序，一个串行的方法（GTCS-S）和一个并行的方法（GTCS-P），都能够恢复张量的基础上无噪声和噪声的意见。然后，我们比较了所提出的方法与克罗内克压缩感知（KCS）和多路压缩感知（MWCS）的性能。我们的实验表明，GTCS优于KCS和MWCS的重建精度（在一定范围内的压缩比）和处理速度。我们的方法（以及MWCS）的主要缺点是，实现的压缩比可能比KCS提供的压缩比更差。
2014-09-03 cs.IT math.IT
Line Spectral Estimation Based on Compressed Sensing with Deterministic Sub-Nyquist Sampling
作为传统采样理论的一种替代方法，压缩感知允许采集更少量的数据，仍然可以准确地估计频率稀疏信号的频谱。但是，压缩感知在数据采集时通常需要随机采样，这在硬件上很难实现。在本文中，我们提出了一个确定性的和简单的采样方案，即在三个亚奈奎斯特率具有互质欠采样率采样。通过数值实验证明了该采样方法的有效性。提出了一种基于变分贝叶斯推理的复值多任务算法，用于频率稀疏信号采样后的谱估计。仿真结果表明，该方法在较低的采样率下具有较好的鲁棒性。
2016-07-21 cs.IT math.IT
HISTORY: An Efficient and Robust Algorithm for Noisy 1-bit Compressed Sensing
我们考虑从1位测量的稀疏信号恢复的问题。由于采集和传输过程中存在的噪声，一些量化的比特可能会翻转到它们的相反状态。这些符号翻转可能导致严重的性能下降。在这项研究中，提出了一种新的算法，称为历史。它包括汉明支撑检测和系数恢复。HISTORY算法具有较高的恢复精度，并且对强测量噪声具有鲁棒性。数值结果证明了该算法的有效性和优越性。
2016-08-12 cs.IT math.IT
GPS Signal Acquisition via Compressive Multichannel Sampling
在本文中，我们提出了一种有效的捕获方案的GPS接收机。它表明，GPS信号可以有效地采样和检测使用一个银行的随机化的采样器与更少的芯片匹配滤波器比那些使用在现有的GPS信号捕获算法。后者使用与卫星特定的C/A码的所有可能的移位副本的相关性和在延迟多普勒空间上对峰值信号的穷举搜索。我们的方案是基于最近提出的模拟压缩感知框架，并由一个多通道采样结构，少得多的放大器。压缩多通道采样器输出是向量的线性组合，其支持倾向于稀疏;通过检测其支持，可以识别视场中最强的卫星信号，并在跟踪期间精确定位正确的码相位和多普勒频移以获得更好的分辨率。本文的分析表明，GPS信号可以检测和获取通过所提出的结构在一个较低的成本方面的相关性，需要在粗采集阶段计算，在目前的GPS技术规模一样的产品的数量的所有可能的延迟和多普勒频移。相比之下，在我们的压缩多信道方案中所需的解调器的数量按比例缩放为设备的视场中的卫星的数量乘以所探索的延迟多普勒频点的数量的对数，这对于压缩感测方法是典型的。
2011-07-19 cs.IT math.IT
A Compressed Sensing Framework of Frequency-Sparse Signals through Chaotic Systems
提出了一种基于混沌动力学系统的频率稀疏信号压缩感知（CS）获取与重构框架。稀疏信号作为离散时间混沌系统的激励项，通过对系统输出进行下采样得到压缩测量。利用脉冲混沌同步原理，通过对激励系数的估计，实现了系统的重构。使用了范数正则化非线性最小二乘来求估计.所提出的框架是很容易实现的，并创建安全的测量。以Henon映射为例说明了该方法的原理和性能。
2011-12-14 cs.IT math.IT nlin.CD
A Practical Study of Longitudinal Reference Based Compressed Sensing for MRI
压缩感知（CS）是一种新的信号采集模式，它能够从少量样本中重建信号和图像。CS的一个特别令人兴奋的应用是磁共振成像（MRI），其中CS通过比标准MRI技术需要少得多的测量来显著加快扫描时间。采样时间的这种减少导致更少的功耗、更少的患者镇静需求以及更准确的图像。这种准确性的提高在儿科MRI中尤其明显，因为患者在长时间扫描期间难以保持静止。虽然这样的收益已经是显着的，甚至可以通过利用过去的MRI扫描相同的病人作出进一步的改进。许多患者需要在一段时间内重复扫描以跟踪疾病，并且先前的扫描可以用作当前图像的参考。这允许基于先前扫描和当前测量两者自适应地获取样本。Weizman的工作表明，所谓的基于参考的自适应加权时间压缩感知MRI（LACS-MRI）需要比标准压缩感知（CS）少得多的样本来实现相同的重建信噪比（RSNR）。该方法使用基于参考和自适应采样的混合。在这项工作中，我们使用各种自适应传感方案，重建方法和图像类型来测试这种方法。我们创建了一个完整的重建行为和成功率的目录，从数学的角度来看很有趣，对从业者很有用。我们还解决了一个灰度补偿玩具问题，支持LACS-MRI对MRI采集参数变化的不敏感性，从而展示了LACS-MRI在可能的临床情况下的可靠性。
2016-08-16 cs.IT math.IT
Compressed Sensing by Shortest-Solution Guided Decimation
压缩感知是科学和工程领域中的一个重要问题。它通过寻找欠定线性方程的稀疏解来重构信号。在这项工作中，我们提出了一个确定性和非参数算法SSD（最短解引导抽取）的递归抽取线性方程的稠密最小二乘解的指导下，构建支持的稀疏解决方案。SSD最显著的特征是其对采样矩阵中的相关性不敏感。使用广泛的数值实验，我们表明，SSD大大优于L1-范数为基础的方法，正交最小二乘法，正交匹配追踪，近似消息传递时，采样矩阵包含强相关性。这种良好的相关容差特性使SSD成为适用于不同类型的真实信号采集任务的通用且强大的工具。
2017-12-18 cs.IT eess.SP math.IT
Joint CSIT Acquisition Based on Low-Rank Matrix Completion for FDD Massive MIMO Systems
发射机处的信道状态信息（CSIT）对于频分复用（FDD）大规模MIMO系统是必不可少的，但是传统的解决方案涉及用于下行链路信道训练和上行链路信道反馈的压倒性开销。在这封信中，我们提出了一个联合CSIT收购计划，以减少开销。特别是，不同于传统的方案，每个用户单独估计自己的信道，然后将其反馈给基站（BS），我们建议，所有的调度用户直接反馈导频观测到BS，然后联合CSIT恢复可以实现在BS。我们进一步制定联合CSIT恢复问题作为一个低秩矩阵完成问题，利用大规模MIMO信道矩阵的低秩属性，这是由用户之间的相关性。最后，我们提出了一种基于奇异值投影的混合低秩矩阵完备化算法来解决这个问题。仿真结果表明，该方案可以提供准确的CSIT与较低的开销比传统的计划。
2015-12-10 cs.IT math.IT
Scalable Design for RIS-Assisted Multi-User Downlink System Empowered by RSMA under Partial CSI
Jinan University（暨南大学）；TU Braunschweig（布伦瑞克工业大学）；New York University Abu Dhabi（纽约大学阿布扎比分校）；NYU Tandon School of Engineering（纽约大学坦登工程学院）
本文提出基于无监督学习的RSMA方案，通过RISnet神经网络架构从部分CSI中推断完整CSI，提升RIS网络的鲁棒性和可扩展性。
2026-04-15 cs.IT math.IT
Adapted variable density subsampling for compressed sensing
针对压缩感知中最优子采样依赖难以获得的信号稀疏模式的问题，提出用稀疏信号支撑集上的概率分布表征稀疏模式以推导最优子采样策略，在数值实验中达到最先进性能并扩展至结构化采集。
2023-06-26 cs.IT math.IT math.OC
CNN-based Analog CSI Feedback in FDD MIMO-OFDM Systems
Imperial College London（帝国理工学院）
大规模多输入多输出（MIMO）系统需要在基站（BS）处的下行链路信道状态信息（CSI）以更好地利用可用的空间分集和复用增益。然而，在频分双工（FDD）大规模MIMO系统中，CSI反馈开销降低了整体频谱效率。基于卷积神经网络（CNN）的CSI反馈压缩方案最近由于压缩效率的显著改进而受到很多关注;然而，它们仍然需要可靠的反馈链路来将压缩的CSI信息传送到BS。相反，我们在这里提出了一种基于CNN的模拟反馈方案，称为AnalogDeepCMC，它直接将下行链路CSI映射到上行链路信道输入。对应的噪声信道输出被另一个CNN用来重构DL信道估计。所提出的方案不仅在可实现的下行链路速率方面优于现有的数字CSI反馈方案，而且由于其不需要显式量化、编码和调制而简化了操作，并且提供了低延迟的替代方案，特别是在快速变化的MIMO信道中，其中CSI需要被周期性地估计和反馈。
2019-10-23 cs.IT cs.LG eess.SP
A Comparison of MIMO Techniques in Downlink Millimeter Wave Cellular Networks with Hybrid Beamforming
在未来的毫米波（mmWave）蜂窝网络中将需要大型天线阵列，从而实现大量不同的可能天线架构和多输入多输出（MIMO）技术。仍然不清楚哪种MIMO技术作为不同网络参数的函数是最期望的。因此，本文比较了混合波束赋形使能的多用户（MU）MIMO和单用户空间复用（SM）与单用户模拟波束赋形（SU-BF）的覆盖范围和速率性能。针对MU-MIMO毫米波蜂窝网络，提出了一种用于覆盖和速率分析的随机几何模型，该模型考虑了混合模拟/数字预编码器和合并器的毫米波特定硬件约束，以及角域稀疏的阻塞相关信道模型。分析结果突出了多用户毫米波网络的覆盖范围，速率和功耗的权衡。在毫米波蜂窝网络中，由于发射机处的完美信道状态信息和轮询调度，MU-MIMO通常是比SM或SU-BF更好的选择。然而，这种观察忽略了由于信道获取或计算复杂性而引起的任何开销。考虑到这种开销的影响，我们的结果可以重新解释，以便量化MU-MIMO提供比SM或SU-BF更高速率的最小允许效率。
2016-03-02 cs.IT math.IT
Downlink Secrecy Rate of One-Bit Massive MIMO System with Active Eavesdropping
在这项研究中，我们认为在下行链路中的大规模MIMO系统采用一个比特量化在基站（BS）的物理层安全。我们假设一个积极的窃听者，试图破坏一个合法的用户在BS的信道估计采集，而在下行链路传输偷听。我们考虑了两种最普遍的方法来降低窃听者的信道，零空间人工噪声（NS-AN）和随机人工噪声（R-AN）。然后，我们提出了一个下界的保密率和渐近性能，考虑迫零波束形成（ZF-BF）和最大比传输波束形成（MRT-BF）。我们的研究结果表明，即使当窃听者是足够接近被截获的用户，一个积极的保密率-这往往会饱和与BS天线的数量$N$ -是可能的，只要窃听者的发射功率小于信道训练期间的合法用户。我们表明，ZF-BF与NS-AN提供了最好的性能。结果表明，MRT-BF和ZF-BF在$N$的渐近极限上是等价的，因此人工噪声技术是性能指标。此外，我们还研究了\emph{power-scaling law}对保密率的影响。当BS的发射功率与$1/N$成比例地降低时，性能渐近地与人工噪声无关，因此波束成形技术是性能指标。此外，当BS的功率与$1/\sqrt{N}$成比例地降低时，波束成形和人工噪声方案的所有组合都是同样可能渐近的，与量化噪声无关。我们提出了各种数值结果来证实我们的分析。
2020-02-29 cs.IT math.IT
Compressed sensing in the presence of speckle noise
研究了在散斑噪声存在的情况下，从结构信号的线性测量中恢复结构信号的问题。这个问题出现在许多成像系统，如合成孔径雷达和光学相干层析成像。当前的采集技术对信号进行过采样，并将问题转化为具有乘性噪声的去噪问题。然而，本文探讨的可能性，减少测量的数量低于环境尺寸的信号。在乘性噪声的研究中出现的一些问题阻碍了对这类问题的理论分析。本文的目的是提出第一个理论结果关于恢复信号的欠采样测量下的斑点噪声。它示出，如果信号类的结构，在这个意义上说，信号可以被有效地压缩，然后可以获得准确的估计，从更少的测量比周围的尺寸的信号。我们通过仿真结果证明了我们提出的方法的有效性。
2021-07-31 cs.IT math.IT
Cross-layer design for downlink multi-hop cloud radio access networks with network coding
在云无线接入网（C-RAN）的下行链路通信中，存在两种根本不同的前传技术：数据共享策略和基于压缩的策略。在前一种策略下，每个用户的消息通过前传网络从中央处理器（CP）组播到所有的服务远程无线头端（RRH），然后这些RRH通过联合波束成形来协作为用户服务;而在后一种策略下，用户消息首先在CP处被波束成形然后被量化，并且压缩的信号被单播到对应的RRH，然后，无线电收发器对其接收的信号进行解压缩以用于无线传输。以前的工作表明，在一般的压缩为基础的策略优于数据共享策略。另一方面，本文指出，在RRH通过多跳路由器连接到CP的C-RAN模型中，如果采用网络编码技术向协作RRH多播用户消息，则数据共享可以优于压缩，并且RRH的波束成形向量、用户-RRH关联基于稀疏优化和逐次凸逼近技术对前传网络上的网络编码设计进行联合优化。这与基于压缩的策略相比，其中通过简单路由在前传网络上单播信息，并且RRH的压缩噪声协方差和波束成形向量以及前传网络上的路由策略基于连续凸近似技术联合优化。观察到的整体网络吞吐量的增益是由于信息多播比C-RAN的多跳前传上的信息单播更有效。
2016-06-29 cs.IT math.IT
Energy Efficiency of Downlink Transmission Strategies for Cloud Radio Access Networks
本文研究了云无线接入网（C-RAN）的能量效率，重点研究了两种基本的、不同的下行链路传输策略，即数据共享策略和压缩策略。在数据共享策略中，连接中央处理器（CP）和基站（BS）的回程链路用于承载用户消息-每个用户的消息被发送到多个BS; BS本地形成波束成形向量，然后协作地将消息发送给用户。在压缩策略中，用户消息在CP处集中预编码，CP将模拟波束成形信号的压缩版本转发到BS以用于协作传输。本文比较了这两种策略的能量效率，制定了一个优化问题，最大限度地减少总网络功耗的用户目标速率的约束，其中总网络功率包括BS发射功率，BS激活功率，和负载相关的回程功率。为了解决离散和非凸性质的优化问题，我们利用加权$\ell_1$最小化和连续凸逼近设计可证明收敛算法的技术。我们的主要发现是，C-RAN中优化的数据共享和压缩策略与非优化的协调多点传输相比实现了更高的能量效率，但它们在节能方面的相对有效性取决于用户目标速率。在低用户目标速率下，数据共享消耗比压缩更少的总功率，然而，随着用户目标速率增加，用于数据共享的回程功率消耗显著增加，从而导致在高用户速率机制下压缩的更好的能量效率。
2016-01-07 cs.IT math.IT
Receive Combining vs. Multi-Stream Multiplexing in Downlink Systems with Multi-Antenna Users
在具有许多用户的下行链路多天线系统中，复用增益受到发射天线$N$的数量和这些天线的使用的严格限制。假设在多天线用户处的接收天线的总数远大于$N$，可以利用许多不同的发送/接收策略来实现最大复用增益。例如，可以利用接收天线的多余数量来调度具有接近正交的有效信道的用户，用于对具有良好调节的信道的用户进行多流复用，和/或实现干扰感知接收组合。在本文中，我们试图回答的问题，如果$N$数据流应该被划分在几个用户（每个用户的许多流）或许多用户（每个用户的几个流，使接收组合）。分析结果表明，用户选择，空间相关性，异构用户条件，和不完善的信道采集（量化或估计误差）的影响性能时，发送最大数量的流或每个预定用户一个流-在数据流分配的两个极端。虽然在先前的工作中已经报道了关于这个主题的矛盾观察，但我们表明，选择许多用户并为每个用户分配一个流（即，利用接收合并）是现实条件下的最佳候选。这可以通过对空间相关性的可证明的更强弹性和多用户分集的更大益处来解释。这一基本结果对下行链路系统的设计具有积极意义，因为它降低了用户设备的硬件要求，并简化了吞吐量优化。
2014-07-24 cs.IT math.IT
Channel Diagonalization for Cloud Radio Access
通过奇异值分解（SVD）将传统的多输入多输出（MIMO）信道对角化为并行且独立的子信道是允许使用标量信道码来实现MIMO信道容量的基本策略。这封信为云无线电接入网络（C-RAN）的上行链路和下行链路建立了类似的信道对角化结果，其中中央处理器（CP）经由承载压缩基带信号的速率限制数字前传连接到服务单个用户的远程无线电头端（RRH）。具体而言，我们表明，通过SVD和随后的独立和并行量化的标量信号和信道编码在每个子信道的RRH和用户之间的MIMO信道的对角化是最佳的。这封信使用优势理论确立了这一事实。此外，针对该单用户情况识别多天线C-RAN的上行链路-下行链路二元性。
2018-02-25 cs.IT math.IT
On one-stage recovery for $ΣΔ$-quantized compressed sensing
压缩感知（CS）是一种信号采集范式，同时获取和降低信号的稀疏表示的维数。当根据CS的原理获取这样的信号时，测量仍然采用连续统中的值。在当今的“数字”世界中，随后的量化步骤至关重要，其中这些测量值被有限集合中的元素取代。我们专注于产生有效的量化器CS的方法之一：$ΣΔ$量化，其次是一个阶段的易处理的重建方法，这是由Saab等人开发的。在亚高斯矩阵的情况下，理论误差保证。我们提出了两种替代方法，扩展这一结果更广泛的一类测量矩阵，包括（某些酉变换）部分有界正交系统和确定性结构的基础上啁啾传感矩阵。
2019-11-18 cs.IT math.IT math.ST
A Simple DFT-aided Spatial Basis Expansion Model and Channel Estimation Strategy for TDD/FDD Massive MIMO Systems
针对多用户大规模多输入多输出（MIMO）系统，提出了一种新的传输策略，包括上行/下行信道估计和用户调度。首先，利用角度互易性和均匀线阵的物理特性，提出了一种离散傅里叶变换（DFT）辅助的空间基扩展模型（SBEM），用于描述参数维数少的上下行信道。SBEM算法可以用很少的训练资源进行多用户上下行信道估计，大大降低了训练开销和反馈开销。同时，通过利用用户的空间信息，可以立即缓解上行链路训练中的导频污染问题。为了提高频谱效率和充分利用空间资源，我们还设计了贪婪的用户调度方案在数据传输期间。与现有的低秩模型相比，新提出的SBEM提供了一种替代的信道捕获，而无需信道统计的TDD和FDD系统的基础上的角度互易性。此外，所提出的方法可以有效地部署通过快速傅立叶变换（FFT）。各种数值结果证实了所提出的研究。
2016-01-09 cs.IT math.IT
On oracle-type local recovery guarantees in compressed sensing
我们提出了改进的采样复杂度界的压缩感知中的稳定和强大的稀疏恢复。我们基于l1最小化的统一分析包括以下情况：（i）测量是块结构样本，以反映在应用中经常遇到的结构化采集;（ii）信号具有任意结构化稀疏性，结果取决于其支持S。在这个框架内，并在一个随机符号的假设下，由l1最小化所需的测量的数量可以被证明是相同的顺序比一个Oracle最小二乘估计所需的。此外，这些界限可以通过使可变密度采样适应于信号支持上的给定先验和测量的相干性来最小化。我们说明了数值和分析，我们的研究结果可以成功地应用于恢复Haar小波系数，稀疏的水平从随机傅立叶测量在一维和二维，这可能是特别感兴趣的成像问题。最后，一个初步的数值研究表明，这种理论的潜力，设计自适应采样策略稀疏多项式逼近。
2019-12-10 cs.IT math.IT
Compressed Sensing for Feedback Reduction in MIMO Broadcast Channels
我们提出了一个广义的反馈模型和压缩感知的机会反馈机制，在MIMO广播信道的反馈资源减少的假设下，上行链路和下行链路信道都经历块瑞利衰落。反馈资源被共享，并且由强用户（即，其信道质量信息高于某个固定阈值的用户）机会性地访问。强用户在所有共享渠道上发送相同的反馈信息。它们由基站经由压缩感测来识别。模拟和数字反馈被认为是。建议的模拟和数字机会反馈方案示出，以实现相同的和速率吞吐量所实现的专用反馈方案，但与反馈信道增长的用户数仅为几何。此外，还存在反馈负载的减少。在模拟反馈的情况下，我们表明，所提出的方案减少了反馈噪声，最终导致更好的吞吐量，而在数字反馈的情况下，在嘈杂的情况下，所提出的方案几乎实现了在无噪声的专用反馈情况下获得的吞吐量。我们还表明，对于一个给定的固定预算的反馈比特，存在一个折衷之间的共享信道的数量和阈值的反馈SNR的准确性。
2015-02-13 cs.IT math.IT
Probabilistic Reconstruction in Compressed Sensing: Algorithms, Phase Diagrams, and Threshold Achieving Matrices
压缩感知是一种直接以压缩形式获取数据的信号处理方法。这使得人们可以进行比记录信号所需的测量更少的测量，从而在广泛的应用中实现更快或更精确的测量协议。使用跨学科的方法，我们最近在[arXiv：1109.4424]中提出了一种策略，该策略允许以接近理论最佳极限的采集速率执行压缩感知。在本文中，我们给出了一个更全面的介绍我们的方法，并介绍了许多新的结果。我们提出的概率重建方法，并讨论其最优性和鲁棒性。我们详细推导了用于信号模型参数重构和期望最大化学习的消息传递算法。我们进一步发展了相应的相位图的渐近分析，没有测量噪声，对于不同的信号分布，并讨论了最好的重建性能，无论算法。我们还提出了新的有效的播种矩阵，测试他们的合成数据，并分析其性能渐近。
2012-06-18 cond-mat.stat-mech cs.IT math.IT
FDD Massive MIMO: Efficient Downlink Probing and Uplink Feedback via Active Channel Sparsification
在本文中，我们提出了一种新的方法，有效地实现了一个大规模的多输入多输出（大规模MIMO）系统与频分双工（FDD）操作。我们的主要目标是减少下行链路（DL）的公共训练和上行链路（UL）的反馈，需要在基站获得信道状态信息（CSI）所产生的大开销。我们提出的方案依赖于这样的事实，即信道矢量的基本角分布，也称为角散射函数，是产生UL-DL互易性的频率不变实体，并且具有有限的角支持。我们从UL CSI估计该支持，并对其进行插值以获得DL信道的对应角度支持。最后，我们利用所有用户的DL信道的估计支持设计一个有效的信道探测和反馈方案，最大限度地提高系统的总频谱效率。我们的方法是不同的，从现有的压缩传感（CS）为基础的技术在文献中。使用支持信息有助于将反馈开销从CS技术中的O（s*log M）减少到我们提出的方法中的O（s），其中$s$和$M$分别是信道向量和基站天线的数量的稀疏顺序。此外，为了控制信道稀疏性，并因此控制DL公共训练和UL反馈开销，我们引入了主动信道稀疏化的新概念。简而言之，当固定导频维度小于可靠信道估计所需的量时，我们引入预波束成形矩阵，该预波束成形矩阵人为地将每个用户的有效信道维度减小到不大于DL导频维度，同时最大化服务用户的数量和探测角度的数量。我们提供了数值实验比较我们的方法与国家的最先进的CS技术。
2017-10-22 cs.IT math.IT
Granger Causality for Compressively Sensed Sparse Signals
压缩感知是一种允许使用比通过采用奈奎斯特采样定理的常规手段所完成的测量少得多的测量来获取、传输和存储稀疏信号的方案。由于许多自然发生的信号是稀疏的（在某些域中），因此压缩感知在许多应用物理和工程应用中迅速流行，特别是在设计信号和图像采集策略中，例如，磁共振成像、量子态层析成像、扫描隧道显微镜、模数转换技术。与此同时，因果推理已成为分析和理解过程及其相互作用的重要工具，在许多科学学科中，特别是那些处理复杂系统的学科。需要对压缩感测数据进行直接因果分析，以避免重构压缩数据的任务。此外，对于一些稀疏信号，诸如对于稀疏时间数据，可能难以使用可用的数据驱动/无模型因果关系估计技术来直接发现因果关系。在这项工作中，我们提供了一个数学证明，结构化的压缩感知矩阵，特别是循环和Toeplitz，保持因果关系的压缩信号域，格兰杰因果关系。然后，我们验证了这个定理的一些二元和多元耦合稀疏信号模拟压缩使用这些矩阵。我们还展示了一个现实世界中的应用网络因果连接估计稀疏神经尖峰训练记录从大鼠前额叶皮层。
2022-09-23 cs.IT eess.SP math.IT
Beam Squint and Channel Estimation for Wideband mmWave Massive MIMO-OFDM Systems
随着宽带毫米波（mmWave）通信中天线阵列规模的不断增大，电磁波在整个阵列中传播的物理传播延迟将变得很大，并且与时域采样周期相当，这就是所谓的空间宽带效应。在这种情况下，正交频分复用（OFDM）系统中的不同子载波在同一条路径上会“看到”不同的到达角（AoA），这种由空间宽带效应引起的波束偏斜效应使得传统的基于多输入多输出（MIMO）模型的信道估计和预编码等方法不再适用。在讨论了波束倾斜与空间宽带效应的关系后，提出了一种考虑波束倾斜效应的混合模拟/数字预编码频分双工（FDD）mmWave大规模MIMO-OFDM系统信道估计方法。提出了一种超分辨率压缩感知方法，用于提取每个上行信道路径的频率不敏感参数，AoA和时间延迟，以及频率敏感参数，即，复信道增益。在FDD系统中，利用这些频率不敏感参数的互易性，可以大大简化下行信道估计，只需要有限的导频就可以获得下行复增益，重构下行信道。此外，上行链路和下行链路信道协方差矩阵可以从这些频率不敏感的信道参数而不是通过长期平均来构造，这使得最小均方误差（MMSE）信道估计能够进一步增强性能。数值结果表明，该方案优于传统的方法在毫米波通信。
2019-03-04 cs.IT math.IT
BICompFL: Stochastic Federated Learning with Bi-Directional Compression
Technical University of Munich（慕尼黑工业大学）；Israel Institute of Technology（以色列理工学院）；Imperial College London（伦敦帝国学院）
本文提出BICompFL方法，通过双向压缩解决随机联邦学习中的通信瓶颈，在保持最先进准确率的同时将通信成本降低一个数量级。
2025-01-31 cs.DC cs.IT cs.LG
