Active Inference for Joint Port Selection and Pilot Allocation in Fluid Antenna Systems Under Partial CSI
University of Tehran（德黑兰大学）；Iran University of Science and Technology（伊朗科技大学）；University at Buffalo, The State University of New York（纽约州立大学布法罗分校）
本研究针对部分CSI下的流体天线系统，采用主动推理方法联合优化端口选择与导频分配，无需训练即可以低导频开销达到接近全CSI的性能。
2026-09-03 eess.SP
A Foundation Model for Cross-Band CSI Reconstruction
School of Information Science and Electronic Engineering, Shanghai Jiao Tong University（上海交通大学信息科学与工程学院）；School of Transportation and Civil Engineering, Nantong University（南通大学交通与土木工程学院）
研究多频段低空无线系统中跨频段 CSI 重建问题，提出在公共频谱表示频段、用射频元数据辅助的基础模型，经特定训练，相比基线降低平均归一化均方误差，能转移到未见频段对且在导频有噪声时仍有效。
2026-07-27 eess.SP
Low-Overhead CSI Prediction via Gaussian Process Regression
Centre for Wireless Communications, University of Oulu（奥卢大学无线通信中心）
本文提出基于高斯过程回归的低开销CSI预测方法，通过结合三种核函数建模多尺度空间相关性，实现减少导频开销的同时提升预测精度和频谱效率。
2025-12-23 eess.SP
Exploiting Partial FDD Reciprocity for Beam Based Pilot Precoding and CSI Feedback in Deep Learning
大规模MIMO系统可以在准确估计信道状态信息（CSI）的基础上在下行链路（DL）中实现高频谱和能量效率。现有的工作已经开发了基于学习的DL CSI估计，其降低了上行链路反馈开销。一个经常被忽视的问题是可用于CSI估计的DL导频的数量有限。一种提出的解决方案通过利用过去的CSI估计并且仅发送部分阵列的CSI参考符号（CSI-RS）来利用时间CSI相干性以保持CSI恢复性能。利用CSI相关性，FDD信道互易性有助于基站直接存取上行链路CSI。在这项工作中，我们提出了一种新的基于学习的反馈架构和可重构的CSI-RS布局方案，以减少DL CSI训练开销，提高CSI反馈的编码效率。我们的研究结果表明，在室内和室外的情况下，在大幅降低计算能力和存储要求在UE的CSI恢复的建议框架的优越性能。
2022-05-29 cs.IT eess.SP math.IT
Semi-Blind Post-Equalizer SINR Estimation and Dual CSI Feedback for Radar-Cellular Coexistence
当前蜂窝系统使用导频辅助的统计信道状态信息（S-CSI）估计和有限反馈方案来辅助链路自适应和调度决策。然而，在存在脉冲雷达信号的情况下，导频辅助的S-CSI是不准确的，因为导频和非导频资源上的干扰统计可能不同。此外，由于周期性干扰，信道将是双峰的。在本文中，我们提出了一个最大-最小启发式估计后均衡器的信干噪比的情况下，非导频脉冲雷达干扰，其分布特性作为噪声方差和干扰功率的函数。我们观察到，所提出的启发式算法计算复杂度低，并且对于不同的调制方案，特别是对于QPSK，超过一定的SINR阈值是鲁棒的。这使我们能够开发一个全面的半盲框架来估计宽带SINR度量，该度量通常用于3GPP长期演进（LTE）和新无线电（NR）网络中的S-CSI量化。最后，我们提出了双CSI反馈的实际雷达蜂窝频谱共享，使准确的CSI采集双峰信道。我们表现出显着的改善吞吐量，误块率和重传引起的延迟LTE-Advanced Pro相比，传统的导频辅助的S-CSI估计和有限的反馈方案。
2020-06-02 cs.NI eess.SP
CS-Based CSIT Estimation for Downlink Pilot Decontamination in Multi-Cell FDD Massive MIMO
用于频分双工（FDD）大规模MIMO的发射机处的有效信道状态信息（CSIT）可以促进其与现有FDD蜂窝网络的后向兼容。迄今为止，针对FDD单小区大规模MIMO系统提出了几种CSIT估计方案，但它们都没有考虑小区间干扰（ICI），并且在多小区情况下会受到下行导频污染的影响。为了解决这个问题，本文提出了一种基于压缩感知（CS）的CSIT估计方案，以对抗FDD多小区大规模MIMO系统中的ICI。具体而言，角域大规模MIMO信道在不同的子载波上表现出共同的稀疏性，并且这种稀疏性部分由相邻用户共享。通过利用这些稀疏特性，我们设计的导频信号和相关的信道估计算法的CS理论的框架下，其中与多个相邻的BS相关联的信道可以可靠地估计与低的训练开销的下行链路导频净化。仿真结果验证了所提出的解决方案的良好的下行链路导频去污性能相比，其传统的多小区FDD大规模MIMO。
2021-08-23 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
CSI RefineNet: A Soft Data-Aided Iterative Receiver for High-Mobility OFDM Systems
AUMOVIO-NTU Corporate Lab, Nanyang Technological University（奥莫维欧-南洋理工大学联合实验室，南洋理工大学）；Wireless Communications Technologies Group, AUMOVIO Germany GmbH（无线通信技术组，奥莫维欧德国有限公司）
针对高移动性 OFDM 系统中 CSI 不准确问题，提出 CSI RefineNet 接收机，通过软符号决策迭代细化 CSI，经导频驱动初始化、构建软数据辅助信道观测等步骤形成迭代结构，还有两阶段训练策略，仿真显示其 BER 性能优且鲁棒性强。
2026-07-28 eess.SP
Learning-Based MIMO Channel Estimation under Spectrum Efficient Pilot Allocation and Feedback
使用大规模MIMO收发器的无线链路对于下一代无线通信网络至关重要。大规模MIMO传输中的预编码需要准确的下行链路信道状态信息（CSI）。许多最近的工作已经有效地应用深度学习（DL）来联合训练UE侧压缩网络以用于延迟域CSI和BS侧解码方案。重要的是，这些工作假设全延迟域CSI在UE处可用，但实际上，UE必须基于有限数量的频域导频来估计延迟域。在这项工作中，我们提出了一个线性导频延迟（P2 D）估计，将稀疏频率导频截断延迟CSI。我们证明了P2 D估计在频率下采样下是准确的，并且我们证明了P2 D估计可以有效地利用现有的基于自动编码器的CSI估计网络。除了考虑基于导频的下行链路CSI估计，我们应用展开的优化网络来模拟压缩感知（CS）的迭代解决方案，并且我们表现出比先前基于自动编码器的DL网络更好的估计性能。最后，我们研究了可训练CS网络在差分编码网络中用于时变CSI估计的有效性，并提出了一种新的网络MarkovNet-ISTA-ENet，该网络由用于初始CSI估计的CS网络和用于估计误差项的多个自动编码器组成。我们证明了这种异构网络具有更好的渐近性能比网络组成的只有一种类型的网络。
2022-01-13 cs.IT eess.SP math.IT
Optimal Pilots for Anti-Eavesdropping Channel Estimation
本文针对防窃听信道估计（ANECE），以用户信道估计均方误差和观测信号互信息为准则，给出了对称各向同性条件下的闭式最优导频及一般情形下的求解算法，并讨论了多用户公平性。
2020-04-03 eess.SP
A Novel Geometry-Aware GPR-Based Energy-Efficient and Low-Overhead Channel Estimation Scheme
本文提出一种基于几何的GPR方法，通过稀疏观测和噪声估计减少 pilot 开销和训练能量，提升信道状态信息的准确性。
2026-08-28 eess.SP
Decision-Directed Hybrid RIS Channel Estimation with Minimal Pilot Overhead
本文提出一种判决引导的混合RIS信道估计框架，利用可同时反射和感知的混合元件，将导频开销从与RIS元件数乘以用户数成正比降至仅与用户数成正比，从而显著提升系统频谱效率。
2023-09-20 eess.SP
The Impact of Subspace-Based Pilot Decontamination in User-Centric Scalable Cell-Free Wireless Networks
我们认为一个可扩展的以用户为中心的无线网络与动态集群的形成所定义的Björnsson和Sanguinetti。检查用于可缩放上行链路（UL）处理的若干选项，包括：i）用于簇形成的簇大小和SNR阈值标准; ii）UL导频维度; iii）局部检测和全局（每个簇）组合。我们使用一个简单的模型的信道矢量空间相关性，它捕捉的事实，即UE和RRH之间的传播是不是各向同性的。特别地，我们基于理想但部分CSI来定义理想性能，即，可以基于用户到天线头簇的连接性来估计的CSI。在实践中，CSI是从UL导频估计的，因此它受到噪声和导频污染的影响。我们表明，一个非常简单的子空间投影方案是能够基本上达到相同的性能完美，但部分CSI。这指出，必要的信息需要试点去污有效地减少到占主导地位的通道子空间。
2021-08-10 cs.IT eess.SP math.IT
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
Semantic CSI Feedback for Beam Selection: When Task-Aware Embeddings from Sparse Pilots Outperform Full-Bandwidth Reconstruction
Ericsson Research（爱立信研究院）
本文提出语义CSI反馈方法，用稀疏导频的紧凑嵌入替代全带宽重构，在波束选择任务上超越CsiNet，验证了“传输意图而非信号”的语义通信原则。
2026-09-22 cs.AI cs.LG eess.SP
HyperRNN: Deep Learning-Aided Downlink CSI Acquisition via Partial Channel Reciprocity for FDD Massive MIMO
为了充分发挥大规模多输入多输出（MIMO）在下行链路中的优势，需要在基站（BS）处获取信道状态信息（CSI）来优化波束形成矩阵。在频分双工（FDD）系统中，全信道互易性不成立，并且CSI获取通常需要下行链路导频传输，随后是上行链路反馈。先前的工作提出了经由深度学习的导频传输、反馈和CSI估计的端到端设计。在这项工作中，我们引入了一个增强的端到端的设计，利用部分上行链路-下行链路的互易性和时间相关的衰落过程，通过联合利用下行链路和上行链路的导频。所提出的方法基于一种新型的深度学习架构- HyperRNN -它结合了超网络和递归神经网络（RNN），以优化从上行链路到下行链路的长期信道特征的传输。仿真结果表明，HyperRNN实现了较低的归一化均方误差（NMSE）性能，并降低了对导频长度的要求。
2021-07-08 cs.IT eess.SP math.IT
Joint Subarray Selection, User Scheduling, and Pilot Assignment for XL-MIMO
State University of Londrina (UEL)（隆德里纳州立大学）；Federal Technological University of Paraná (UTFPR)（巴拉那联邦技术大学）
本文提出基于统计CSI的算法，用于XL-MIMO中的联合子阵选择、用户调度和导频分配，以提高频谱效率和系统性能。
2026-01-19 eess.SP
Near-Field MIMO Channel Acquisition: Geometry-Aided Feedback and Transmission Design
本文针对近场视距MIMO系统，提出基于双离开角和相对旋转角的紧凑信道参数化及几何辅助CSI重建方案，结合两阶段预编码和两步流分配，以极少导频和OTA迭代逼近完美CSI性能。
2025-05-07 eess.SP
Reducing Pilots in Channel Estimation with Predictive Foundation Models
School of Information Science and Engineering, Southeast University（东南大学信息科学与工程学院）；Department of Electrical and Computer Engineering, University of California, Santa Cruz（加州大学圣克鲁兹分校电气与计算机工程系）；Institute of Communications Engineering, National Sun Yat-sen University（国立中山大学通信工程研究所）
本文提出基于预测基础模型的通道估计框架，通过提取通用通道表示和预测先验，实现低开销且可推广的CSI获取，结合视觉Transformer架构的飞行员处理网络和高效融合机制，在多样配置中优于传统和数据驱动基线。
2026-03-15 cs.IT eess.SP math.IT
Sensing RISs: Enabling Dimension-Independent CSI Acquisition for Beamforming
可重构智能表面（RISs）被设想为未来无线通信的潜在变革性技术。然而，RIS无法处理信号以及伴随的信道尺寸增加给RIS辅助系统带来了新的挑战，包括信道估计所需的导频开销显著增加。为了解决这些问题，已经做出了增强RIS的硬件架构或开发算法以利用信道的数学属性的若干先前贡献，其中所需的导频开销被减少为与RIS元件的数量成比例。在本文中，我们提出了一个维度无关的信道状态信息（CSI）获取方法，其中所需的导频开销是独立的RIS元素的数量。具体而言，在传统的信号传输方法，其中来自基站（BS）和用户的信号在不同的时隙中发送，相比之下，我们提出了一种新的方法，其中信号从BS和用户同时发送在CSI采集。利用这种方法，在RIS上感应出电磁干扰随机场（IRF），并提出了一种传感RIS的结构来捕捉其特征。此外，我们开发了三种算法的参数估计在这个系统中，其中一个建议的vM-EM算法进行了分析与固定点扰动方法，以获得一个渐近可达界。此外，我们还推导出Cramér-Rao下界（CRLB）和渐近表达式，用于表征所提出的算法的最佳性能。仿真结果表明，本文提出的信号传输方法和相应的算法可以实现与波束形成维数无关的CSI捕获。
2023-02-08 eess.SP
Sparse Channel Estimation for Pixel Antennas: Addressing the Pilot Rank Deficiency
School of Information Science and Engineering, Southeast University（东南大学信息科学与工程学院）；Dept. of Electronic and Electrical Engineering, Hong Kong University of Science and Technology（香港科技大学电子与电气工程系）；Internet of Things Thrust, Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）物联网 thrust）
本文提出了一种针对像素天线的稀疏信道估计方法，通过利用有限的传播路径和导频序列秩缺陷问题，结合MMP和GAMP算法提高信道状态信息的估计精度，同时降低导频开销。
2026-07-20 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
Robust Beamforming Design for Ultra-dense User-Centric C-RAN in the Face of Realistic Pilot Contamination and Limited Feedback
考虑了在网络中密集部署远程射频头端（RRH）的超密集云无线接入网络（UD-CRAN）。为了减少信道估计开销，我们专注于为用户为中心的频分双工（FDD）的UD-CRAN，其中只有有限的信道状态信息（CSI）是可用的鲁棒发射波束成形的设计。具体来说，我们设想了一个完整的过程，用于获取CSI，其中包括两个关键步骤：信道估计和信道量化。相位模糊度（PA）也被量化用于相干协作传输。基于不完美的CSI，我们的目标是优化波束形成向量，以最小化总发射功率受用户的速率要求和前传容量约束。我们通过利用多个不确定项的统计特性推导出可实现数据速率的封闭形式表达式。然后，我们提出了一个低复杂度的迭代算法来解决这个问题的逐次凸逼近技术的基础上。在每次迭代中，采用拉格朗日对偶分解方法获得最优波束形成向量。此外，一对低复杂度的用户选择算法，以保证问题的可行性。仿真结果证实了我们的鲁棒算法在满足速率要求方面的准确性。最后，我们的模拟结果证实，使用一个单一的比特量化的PA是能够实现良好的性能。
2018-04-06 eess.SP
The Optimal Pilot Power Allocation Strategy for Multi-IRS Assisted Communication Systems
智能反射面（IRS）是一种很有前途的技术，可以精确控制未来无线通信网络中的电磁环境。为了有效地利用IRS，信道状态信息（CSI）的获取是IRS辅助通信系统中的关键，然而，这是具有挑战性的。在本文中，我们提出了最佳导频功率分配策略的IRS辅助通信系统的信道估计，这是能够进一步提高可达到的速率性能与不完美的CSI。更具体地说，首先，我们介绍了一个多IRS辅助的通信系统，在面对实际的信道估计误差。在单输入单输出（SISO）条件下，得到了不完全CSI下的遍历容量的显式表达式。其次，我们制定了最大化的遍历容量与不完美的CSI的优化问题，受平均上行链路导频功率的约束。再次，利用拉格朗日乘子法求解遍历速率最大化问题，得到最优导频功率分配策略。所得到的导频功率分配解决方案建议分配更多的功率量的导频估计弱反射信道。此外，我们还详细分析了所提出的导频功率分配策略的峰值平均功率比（PAPR）的增加定量的代价。最后，大量的仿真结果验证了我们的分析，并揭示了一些有趣的结果。例如，对于大IRS附近的用户，建议关闭其他IRS，只开启离用户最近的IRS;对于小IRS附近的用户，最好开启所有IRS，并进行最优导频功率分配，以提高可达速率性能。
2021-10-22 cs.IT eess.SP math.IT
Pilot Power Allocation for Channel Estimation in a Multi-RIS Aided Communication System
针对多RIS辅助通信系统在非理想CSI下的信道估计问题，推导遍历信道增益闭式表达式，通过拉格朗日乘数法求解最优导频功率分配，证明向弱反射信道导频分配更多功率可提升增益，仿真验证了理论分析的正确性。
2023-08-27 cs.IT eess.SP math.IT
Enhancing 6G Wireless Intelligence: Do LLMs Work for CSI Prediction?
Technische Hochschule Ostwestfalen-Lippe (TH-OWL)（东下萨克森应用技术大学）；Institute for Industrial Information Technology (inIT)（工业信息技术研究所）
本文提出基于LLM的OTFS信道预测框架，结合物理描述符提升动态环境下的信道预测精度，实验表明其在NMSE上优于传统深度学习和无物理描述的LLM方法。
2026-04-05 eess.SP
Vision-Wireless Fusion for Multi-User Localization: A Cross-Modal Transformer Approach
Great Bay University（大湾区大学）；Great Bay Institute for Advanced Study (GBIAS)（大湾区高等研究院）；Guangdong University of Technology（广东工业大学）；Chalmers University of Technology（查尔姆斯理工大学）；Khalifa University（哈利法大学）
针对复杂城市环境中的多用户定位问题，提出一种基于跨模态Transformer的视觉-无线融合框架，利用导频索引CSI与视觉记忆，通过交叉注意力实现用户级定位，实验验证其优于多种基线方法。
2026-09-22 cs.CV eess.SP
FDD Massive MIMO Without CSI Feedback
发射机信道状态信息（CSIT）对于大规模多输入多输出（MIMO）系统提供的频谱效率增益是必不可少的。在频分复用（FDD）大规模MIMO系统中，通常通过下行链路信道估计和用户反馈来获取CSIT，但是随着天线数量的增加，用于每个用户的CSI训练和反馈的开销增加，导致频谱效率的降低。在本文中，我们表明，在FDD中使用上行链路导频，下行链路和频谱效率增益与完美的下行链路CSIT是可以实现的，当在基站的天线数量是无限的一些温和的信道条件下。该方法的核心思想是利用上下行信道的几何互易性，提出了基于上行导频的均方误差最优下行信道重构方法。我们还提出了一个强大的下行链路预编码方法利用重建的信道与误差协方差矩阵。我们的系统级仿真结果表明，我们提出的预编码方法可以达到可比的总和频谱效率迫零预编码与完美的下行链路CSIT，没有CSI训练和反馈。
2023-02-09 cs.IT eess.SP math.IT
Pilot-Based End-to-End Radio Positioning and Mapping for ISAC: Beyond Point-Based Landmarks
面向6G通感一体化定位与建图，提出多基站多用户协作上行链路端到端框架，估计扩展地标并去除遮挡异常值，提升环境地图丰富度。
2025-05-12 eess.SP
Digital Twin Channel-Aided CSI Prediction: An Environment-Based Subspace Extraction Approach for Achieving Low Overhead and High Robustness
本文提出ECB-P2WCP方法，利用数字孪生环境提取信道子空间基，融合实时CSI预测全信道，降低50%导频开销，鲁棒于干扰和定位误差，预测时延1.3毫秒。
2025-09-08 eess.SP
Blind Channel Estimation for MIMO Systems via Variational Inference
本文研究了瑞利衰落信道下MIMO系统的盲信道估计问题。传统的MIMO通信技术需要在每个数据块中发送大量的训练符号作为导频，以获得信道状态信息（CSI），从而可以成功地恢复所发送的信号。然而，随着天线数量的增加，导频开销和污染成为MIMO系统实际应用的瓶颈。为了克服这个障碍，我们提出了一个盲信道估计框架，在这里我们引入了一个辅助后验分布的CSI和发送信号给定的接收信号，以获得一个下界的棘手的似然函数的接收信号。同时，我们通过一个基于神经网络的变分推理框架来生成这个辅助分布，该框架通过最大化下界来训练。然后利用逼近真实先验分布的最优辅助分布来获得信道矩阵和发送数据的最大后验（MAP）估计。仿真结果表明，即使在没有导频的情况下，所提出的盲信道估计方法在信道估计误差和检测信号的误符号率方面的性能也接近于传统的导频辅助方法。
2021-11-16 eess.SP
Improved GPR-Based CSI Acquisition via Spatial-Correlation Kernel
University of Oulu（奥卢大学）
提出基于高斯过程回归的信道估计框架，设计空间相关核捕获二阶统计量，在降低50%导频开销下实现最优MMSE性能，计算复杂度低于传统MMSE估计器。
2026-06-16 eess.SP
Multimodal Visual Image Based User Association and Beamforming Using Graph Neural Networks
本文提出融合视觉图像与射频导频，通过检测神经网络和多个图神经网络构建多模态GNN，以低复杂度联合优化下行蜂窝网络中的用户关联与波束赋形，并验证其性能优于仅依赖导频的传统方法。
2025-07-03 eess.SP
CSI-Free Symbol Detection for Atomic MIMO Receivers via In-Context Learning
针对原子MIMO接收机仅幅度测量带来的检测难题，本文提出基于上下文学习的免信道状态信息符号检测方法，直接由导频-响应对预测数据符号，在仿真中取得有竞争力的准确率和更高计算效率。
2025-07-05 eess.SP
Pilot-Free Predictive Multi-User Beamforming via Sensing Management in Cell-Free Networks
KTH Royal Institute of Technology（皇家理工学院）；Ericsson（爱立信）
本文提出了一种整合感知与通信的框架，通过感知管理减少基于试点的信道状态信息获取开销，采用状态基架构实现通信与感知组的划分，利用扩展卡尔曼滤波和自适应资源分配策略实现预测波束成形。
2026-04-21 eess.SP
Deep Learning-Based Channel Extrapolation for Pattern Reconfigurable Massive MIMO
针对模式可重构大规模MIMO系统获取全部辐射模式信道状态信息导频开销过大的问题，提出基于复值深度神经网络的信道外推方法，利用单一辐射模式CSI推断其他模式CSI，显著提升了外推精度。
2023-04-06 eess.SP
Performance Analysis of NOMA in Training Based Multiuser MIMO Systems
本文考虑在多用户MIMO系统中使用NOMA在实际情况下，CSI是通过导频信令获取。提出了一种新的使用共享导频的NOMA方案。针对包括上行链路导频和下行链路导频的不同导频信令方案执行可速率分析。与传统的正交接入方案与正交导频的可实现的速率性能进行了比较，建议NOMA方案与每个组内的共享导频。我们提出的方案是正交方案的推广，并且当选择适当的功率分配参数时，可以简化为正交方案。数值结果表明，当下行链路CSI在用户处可用时，我们提出的NOMA方案优于正交方案。然而，在小区中存在更多用户组的情况下，优选地使用多用户波束成形而不是NOMA。
2017-11-06 cs.IT eess.SP math.IT
Deep Learning-Based Channel Extrapolation for Dual-Band Massive MIMO Systems
State Key Laboratory of Internet of Things for Smart City and the Department of Electrical and Computer Engineering, University of Macau（物联网智能城市国家重点实验室和澳门大学电子与计算机工程系）；Department of Electrical and Electronic Engineering, Imperial College London（帝国理工学院伦敦分校电子与电气工程系）
本文提出了一种基于深度学习的多域融合信道外推方法，用于将sub-6 GHz频段的信道状态信息外推到毫米波频段，以减少毫米波信道状态信息获取的试点开销，提高大规模MIMO系统的效率。
2026-05-18 cs.LG eess.SP
Exploiting Pilot Contamination to Improve UL Sum Rate under Maximum Ratio Combining
KTH Royal Institute of Technology（皇家理工学院）
该研究提出利用导频污染，推导相关瑞利衰落下任意导频设计的UATF容量界，通过定向抑制信道估计降低干扰，提升最大比合并下的上行和速率，且增益随天线数增加而增长。
2026-08-20 eess.SP
Deep Multi-Stage CSI Acquisition for Reconfigurable Intelligent Surface Aided MIMO Systems
针对可重构智能表面（RIS）中继无线信道估计中导频开销过大的问题，提出了一种基于导频的RIS中继无线信道估计方法。受深度学习在解决非线性映射问题方面的令人信服的把握的启发，所提出的方法仅激活RIS元素的一部分，并利用相应的级联信道估计来预测另一部分。通过合成深度神经网络（DNN），首先依次估计直接信道和活动级联信道，然后对非活动RIS元件进行信道预测。一个三阶段的训练策略，开发了这种合成DNN。从仿真结果来看，所提出的基于深度学习的方法在减少导频开销和保证可靠的估计精度方面是有效的。
2021-04-23 cs.IT eess.SP math.IT
Channel Estimation for Reconfigurable Intelligent Surface-Aided Multiuser Communication Systems Exploiting Statistical CSI of Correlated RIS-User Channels
针对RIS辅助多用户MISO系统导频开销过高的问题，本文建立波束域相关信道模型，采用导频复用并提出EP算法，以更低开销实现精确信道估计。
2023-09-27 cs.IT eess.SP math.IT
Pilot-Aided Distributed Multi-Group Multicast Precoding Design for Cell-Free Massive MIMO
该研究针对无蜂窝大规模MIMO系统，提出基于双向导频训练的全分布式多组多播预编码方案，通过组特定上行训练资源消除CSI回程信令，本地优化预编码器，性能显著优于传统仅依赖本地CSI的方案。
2024-01-31 cs.IT eess.SP math.IT
Flexible Physical Layer Security for Joint Data and Pilots in Future Wireless Networks
在这项工作中，新的物理层安全（PLS）计划提出的正交频分复用（OFDM），以确保数据和导频。以往的研究大多只关注数据的安全性，而没有考虑用于信道估计的导频的安全性。然而，信道状态信息（CSI）从合法节点泄漏到窃听者允许后者获取关于合法节点的信道的知识。为此，我们提出了自适应和灵活的PLS算法，可以1）安全数据，2）安全导频，和3）联合安全的数据和导频。特别是，利用最小相位全通信道分解，其中所提出的算法使用的全通组件，以提供安全性，而不会损害合法用户的性能。在数据安全性分析中，我们通过封闭形式的误比特率（BER）公式评估了相关和不相关窃听信道下的保密性。为了保证导频的安全性，我们分析了信道估计的归一化均方误差（NMSE）性能。理论分析和仿真结果表明，所提出的算法可以有效地提高整个系统的通信保密性。
2021-10-22 eess.SP
Reducing Channel Estimation and Feedback Overhead in IRS-Aided Downlink System: A Quantize-then-Estimate Approach
针对IRS辅助下行系统中用户无法利用信道相关性的问题，提出“量化后估计”协议，让用户反馈量化导频信号而非估计信道，基站解量化后利用相关性估计级联信道，降低导频与反馈开销且性能优于传统方案。
2024-11-28 eess.SP
Channel-Aware Deep Learning for Superimposed Pilot Power Allocation and Receiver Design
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
Deep Learning for CSI Feedback: One-Sided Model and Joint Multi-Module Learning Perspectives
本文从单侧模型与联合多模块学习两个角度综述基于深度学习的CSI反馈，介绍CSI-PPPNet等单侧架构及与编码、估计、导频和预编码联合优化的方法，并展望未来挑战。
2024-05-09 eess.SP
Codebook-Based Effective CSI Feedback for Precoding Design in MIMO Systems
Skylo Technologies Europe Oy；Centre for Wireless Communications, University of Oulu（奥卢大学无线通信中心）；Nokia（诺基亚）
针对多小区MIMO系统有限CSI反馈的预编码失配问题，提出ECSI反馈框架，通过UE合并后有效信道量化反馈，迭代优化预编码，实现平均总速率提升30%。
2026-09-24 eess.SP
Position Based Compressed Channel Estimation and Pilot Design for High Mobility OFDM Systems
随着各国高速列车的发展，在高速列车上提供宽带无线服务变得至关重要。正交频分复用（Orthogonal Frequency Division Multiplexing，OFDM）技术由于其高频谱效率而被广泛应用于宽带无线通信。然而，OFDM对高移动性信道引起的时间选择性敏感，这需要花费大量的频谱或时间资源来获得准确的信道状态信息（CSI）。因此，高移动性OFDM系统中的信道估计一直是一个长期存在的挑战。在本文中，我们首先提出了一种新的基于位置的高移动性信道模型，其中HST的位置信息和多普勒频移被用来确定的主导信道系数的位置。在此基础上，提出了一种联合导频配置和导频符号设计的压缩信道估计算法。其目的是减少导频信号和所提出的信道模型之间的相干性，并且因此可以提高信道估计精度。仿真结果表明，在高移动性信道下，该方法比现有的信道估计方法具有更好的性能。最后给出了一个设计导频码本的例子，说明了该方案的实用性。
2020-03-01 eess.SP
Attention-Aided MMSE with Ridge Denoising: How to Train under Noisy Channel Samples
Yonsei University（延世大学）；University of Texas at Austin（德克萨斯大学奥斯汀分校）
针对噪声信道样本下A-MMSE训练的结构偏差问题，提出岭正则化目标与基于特征值裁剪的协方差估计方法，在COST 2100信道上Ridge-A-MMSE性能优于N2N基线，高SNR下接近干净CSI训练的网络。
2026-08-18 eess.SP
Toward Alias-Free Channel Extrapolation in Upper Mid-Band Systems: A Spatial-Frequency-Temporal Tensor Learning Approach
National Mobile Communications Research Laboratory, Southeast University（东南大学移动通信国家重点实验室）；Purple Mountain Laboratories（紫金山实验室）；University of Luxembourg（卢森堡大学）
针对中高频段MIMO系统导频开销大问题，提出张量结构多域信道外推框架，利用有限散射特性恢复CSI。开发基于塔克的SFT域信号模型，揭示ADD域混叠问题，引入支持先验辅助去混叠机制，提出TANN，经训练得统一模型，数值结果验证其有效性和泛化能力。
2026-07-28 eess.SP
Uplink-Downlink Duality and Precoding Strategies with Partial CSI in Cell-Free Wireless Networks
我们认为一个可扩展的以用户为中心的无线网络与动态集群的形成所定义的Björnsson和Sanguinetti。在已经示出了主导信道子空间信息对于上行链路（UL）导频净化的重要性并且已经在我们先前的工作中检查了不同的UL组合方案之后，在这里，我们研究用于下行链路（DL）的预编码策略。针对不同的天线分布、用户密度和UL导频尺寸，评估分布式可扩展DL预编码和功率分配方法。我们将分布式功率分配方法与基于特定形式的UL-DL二元性的方案进行比较，该方案可由中央处理器基于可用的部分信道状态信息来计算。新的对偶方法实现了UL和DL的几乎对称的“乐观遍历速率”，同时节省了相当大的计算复杂性，因为UL组合向量被重用为DL预编码器。
2022-01-17 cs.IT eess.SP math.IT
Pilot and Data Power Control for Uplink Cell-free massive MIMO
University of York（约克大学）；University of Surrey（萨里大学）
本文提出了一种迭代算法，通过动态调整飞行员和数据功率控制，优化无源大规模MIMO系统的频谱效率和公平性。
2025-02-26 eess.SP
Ghostline: a six-node Wi-Fi CSI motion tracker with node-to-node Links. System description and a pilot evaluation
University of Bucharest（布加勒斯特大学）；Military Technical Academy “Ferdinand I”（费迪南德一世军事技术学院）
本研究提出Ghostline系统，基于六块ESP32-S3 Wi-Fi板与普通路由器，利用节点间链路的CSI实现无设备运动追踪，试点评估表明其对单步行者追踪效果较好，但存在站立目标易丢失、虚假轨迹等局限。
2026-10-16 cs.NI eess.SP
Data-Driven Deep Learning Based Hybrid Beamforming for Aerial Massive MIMO-OFDM Systems with Implicit CSI
Beijing Institute of Technology（北京理工大学）；Tsinghua University（清华大学）；Southeast University（东南大学）
在空中混合大规模多输入多输出（MIMO）和正交频分复用（OFDM）系统中，如何在有限的导频和反馈开销下设计频谱有效的宽带多用户混合波束形成是一个挑战。为此，通过将关键传输模块建模为端到端（E2E）神经网络，本文提出了一种基于数据驱动的深度学习（DL）的统一混合波束成形框架，用于具有隐式信道状态信息（CSI）的时分双工（TDD）和频分双工（FDD）系统。对于TDD系统，所提出的基于DL的方法将上行链路导频组合和下行链路混合波束成形模块联合建模为E2E神经网络。而对于FDD系统，我们将下行导频传输、上行CSI反馈和下行混合波束形成模块联合建模为E2E神经网络。与传统的分别处理不同模块的方法不同，该方法以总速率为优化目标，同时对所有模块进行优化。因此，通过感知空对地大规模多输入多输出-OFDM信道样本的固有特性，基于DL的E2E神经网络可以建立从信道到波束形成器的映射函数，从而可以避免显式信道重构，减少导频和反馈开销。此外，实际的低分辨率移相器（PS）引入了量化约束，导致训练神经网络时难以实现梯度反向传播。为了减轻由相位量化误差引起的性能损失，我们采用迁移学习策略来进一步微调E2E神经网络，基于预先训练的网络，假设理想的无限分辨率PS。数值结果表明，我们的基于DL的计划有相当大的优势，比国家的最先进的计划。
2022-09-09 cs.IT cs.LG eess.SP
