Blind Joint MIMO Channel Estimation and Decoding
本文提出了一种在信道状态信息(CSI)未知的情况下进行MIMO解码的方法。所提出的方法需要在传输的信号中的一些结构,以便解码是有效的,特别是底层源是从超立方空间中提取的。我们提出的技术适合最小体积平行六面体接收到的样品。这个问题可以表示为非凸优化问题,可以通过梯度下降以高概率解决。我们的盲解码算法可以使用时,在未知的MIMO无线信道使用BPSK或MPAM调制通信。我们应用我们的技术来联合估计MIMO信道增益矩阵和解码的基础传输,只有知识的传输星座,而不使用导频符号。我们的研究结果提供了理论保证,该算法是正确的,当应用于小型MIMO系统。实验结果表明,小样本的要求,使该算法适用于块衰落信道的相干时间通常在实践中看到。我们的方法有一个小于3dB的损失相比,迫零与完美的CSI,施加类似的性能惩罚的空时编码技术,而不损失的速率所产生的这些技术。
2018-02-03 cs.IT eess.SP math.IT
Practical Frequency-Hopping MIMO Joint Radar Communications: Design and Experiment
联合雷达和通信(JRC)可以使用一组资源实现两种射频(RF)功能,大大节省了需要两种功能的无线系统的硬件,能源和频谱。跳频MIMO雷达由于其通信符号率可以大大超过雷达脉冲重复频率,因此成为JRC的热门候选。然而,实际的收发器缺陷可能会使许多现有的理论设计失败。在这项工作中,我们首次揭示了硬件缺陷对FH-MIMO JRC的重要影响,并对影响进行了分析建模。我们还设计了新的波形,并相应地开发了一种低复杂度的算法来联合估计非同步接收机的硬件缺陷。此外,采用低成本的软件定义无线电和商用现货(COTS)产品,我们建立了第一个FH-MIMO JRC实验平台,同时通过空中验证雷达和通信。仿真和实验结果证实,所提出的设计实现了高性能的雷达和通信。
2023-01-27 eess.SP
Sparse Large-Scale Fading Decoding in Cell-Free Massive MIMO Systems
无小区大规模多输入多输出(CF mMIMO)系统的特征在于具有比用户设备(UE)多得多的接入点(AP)。关键挑战是确定哪些AP应该服务于哪些UE。以前的工作已经解决了这个组合的问题。本文提出了一种稀疏的大规模衰落解码(LSFD)设计CF mMIMO联合优化的关联和LSFD。我们制定了一个组稀疏性问题,然后使用块坐标下降的近似算法来解决它。数值结果表明,稀疏LSFD实现了几乎相同的频谱效率的最佳LSFD,从而实现了更高的能量效率,因为减少了处理和信令。
2022-05-06 cs.IT eess.SP math.IT
Joint Localization and Synchronization in Downlink Distributed MIMO
本文研究下行分布式MIMO系统中单天线用户设备的联合定位与同步问题,提出顺序和同时两种AP传输协议及相干/非相干ML估计器,仿真证明同时传输P2在定位精度和时延上更优。
2025-04-14 eess.SP
Meta Learning-based MIMO Detectors: Design, Simulation, and Experimental Test
深度神经网络(NN)在有效平衡多输入多输出(MIMO)检测器的性能和复杂性方面表现出相当大的潜力。我们提出了一个接收器框架,利用以下简单的观察,使有效的在线训练:虽然NN参数应该适应通道,但并不是所有的通道敏感。特别是,我们使用了一个深度展开的NN结构,它代表了信号检测和信道解码模块中的迭代算法,作为多层深度前馈网络。期望传播(EP)模块,称为EPNet,通过展开EP算法和渲染的阻尼因子可训练的信号检测。一个展开的涡轮解码模块,称为涡轮网,用于信道解码。该组件解码turbo码,其中可训练NN单元被集成到传统的最大对数最大后验解码过程中。我们证明了TurboNet是强大的通道,只需要一个离线训练。因此,EPNet中只有少数阻尼因子必须在线重新优化。基于Meta学习的在线培训机制,然后开发。在这里,由长短期记忆神经网络实现的优化器被训练成通过使用小的训练集来有效地更新阻尼因子,使得它们可以快速适应新的环境。仿真结果表明,该接收机的性能明显优于传统的接收机和在线学习机制,可以快速适应新的环境。此外,一个空中平台,以证明所提出的接收机在实际部署的显着鲁棒性。
2020-12-08 eess.SP
Fast Algorithms for Joint Multicast Beamforming and Antenna Selection in Massive MIMO
大规模多输入多输出是目前领先的物理层技术候选技术,可以显着提高5G系统中单播和多播传输模式的吞吐量。由于与射频(RF)链相比,天线元件在mmW范围内变得更小和更便宜,因此在发射机处执行天线选择是至关重要的,使得可用的RF链被切换到天线的适当子集。研究了大规模多输入多输出系统中单个多播组的多播波束形成和天线选择问题。该问题的现有技术依赖于半定松弛(SDR),其不能按比例放大到大规模多输入多输出状态。提出了一种基于连续凸近似(SCA)的最大最小公平多播波束形成和天线选择联合算法。SCA的核心思想是用一类非光滑的凸优化问题逐次逼近非凸问题。两个快速和内存有效的一阶方法,提出了解决每个SCA子问题。仿真结果表明,所提出的算法优于现有的最先进的方法在解决方案的质量和运行时间,在传统的,特别是在大规模多输入多输出设置。
2020-03-04 eess.SP
DUIDD: Deep-Unfolded Interleaved Detection and Decoding for MIMO Wireless Systems
ETH Zurich(苏黎世联邦理工学院);NVIDIA Corporation(英伟达公司)
迭代检测和解码(IDD)是已知的,以实现近容量性能的多天线无线系统。我们提出了深度展开交织检测和解码(DUIDD),一个新的范例,降低了IDD的复杂性,同时实现更低的出错率。DUIDD将数据检测器和信道解码器的内部级交错,这加速了收敛并降低了复杂度。此外,DUIDD应用深度展开来自动优化算法超参数、软信息交换、消息阻尼和状态转发。我们使用NVIDIA的Sionna链路级仿真器在5G近多用户MIMO-OFDM无线系统中演示了DUIDD的有效性,该系统具有新颖的低复杂度软输入软输出数据检测器,优化的低密度奇偶校验解码器和来自商业射线跟踪器的信道向量。我们的结果表明,DUIDD优于经典IDD无论是在出错率和计算复杂性。
2022-12-15 cs.IT cs.LG eess.SP
Joint Transmit Beamforming for Multiuser MIMO Communication and MIMO Radar
未来的无线通信系统期望探索雷达系统通常使用的频谱带,以便克服传统通信带的频谱拥塞。由于在许多应用中,雷达和通信共享同一平台,因此可以通过联合设计作为双功能雷达通信系统来促进频谱共享。针对多输入多输出(MIMO)雷达和多用户MIMO通信发射机共享频谱和天线阵列的情况,提出了一种联合发射波束形成模型。提出的双功能系统发射独立的雷达波形和通信符号的加权和,形成多个波束分别朝向雷达目标和通信接收机。加权系数的设计被配制成一个优化问题,其目标是MIMO雷达发射波束形成的性能,同时保证在每个通信用户的信号干扰噪声比(SINR)高于给定的阈值。尽管所提出的优化问题的非凸性,它可以放松到一个凸的,可以在多项式时间内解决,我们证明了松弛是紧的。然后,我们提出了一种降低复杂度的设计,基于迫零的用户间干扰和雷达干扰。与以前的作品,它专注于通信符号的传输,合成雷达发射波束方向图,我们的方法提供了更多的自由度MIMO雷达,从而能够获得改进的雷达性能,在我们的仿真研究中证明。此外,所提出的双功能方案接近仅雷达方案的雷达性能,即,在合理的通信质量约束下,无需频谱共享。
2020-02-02 eess.SP
Polarization-Aware Antenna Selection for Joint Radar and Communication in XL-MIMO Systems
针对XL-MIMO联合雷达通信系统中去极化引起的交叉极化泄漏问题,提出含极化偏移的信道模型及基于极化失衡和交叉极化泄漏的动态天线选择方案,提升频谱效率、符号错误率和雷达检测概率。
2025-03-27 eess.SP
Iterative Detection and Decoding for Clustered Cell-Free Massive MIMO Networks
本文针对用户中心聚类无蜂窝大规模MIMO网络,提出迭代软干扰消除方案,建模并估计簇外干扰,结合LDPC码实现迭代检测解码,仿真验证误码率性能优于现有技术。
2024-12-14 cs.IT eess.SP math.IT
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
Joint Source and Relay Design for MIMO Relaying Broadcast Channels
本文研究了基于加权和速率准则的具有直接链路的多输入多输出MIMO中继广播信道BC的最优源矩阵和中继矩阵设计问题,该问题是非线性非凸的,其最优解仍然是开放的。为了开发一种有效的方法来解决这个问题,我们首先建立一个等价的问题,并解决它通过解耦成两个易于处理的子问题。最后,我们提出了一个通用的基于交替优化的线性迭代设计算法。这种迭代设计算法是收敛的,因为每个子问题的解是最优的和唯一的。数值实验证明了所提出的迭代设计方案的优点。
2020-03-12 eess.SP
Lens Antenna Arrays-Assisted mmWave MU-MIMO Uplink Transmission: Joint Beam Selection and Phase-Only Beamforming Design
研究了一种透镜天线阵列辅助的毫米波多用户多输入多输出(MU-MIMO)系统。基站的波束选择矩阵和用户终端的纯相位波束形成器被联合设计,目的是最大化上行链路和速率。为了处理混合整数优化问题,通过加权最小均方误差(WMMSE)、块坐标下降(BCD)和最小化-最大化(MM)技术,提出了一种基于罚对偶分解(PDD)的迭代算法.此外,一个低复杂度的顺序优化(SO)为基础的算法提出了轻微的和速率性能损失的代价。数值结果表明,所提出的方法可以实现更高的和率比国家的最先进的方法。
2022-07-30 eess.SP
On Rate-Splitting With Non-unique Decoding In Multi-cell Massive MIMO Systems
我们考虑多小区大规模MIMO系统的下行链路遭受渐近速率饱和由于导频污染。相对于将导频污染干扰视为噪声(TIN),我们研究了解码导频污染干扰的性能。我们模型的导频共享用户的干扰信道(IC)和研究的性能的方案,解码这种干扰部分基于速率分裂(RS),并比较的性能方案,解码的干扰在其整体上基于同步唯一解码(SD)或非唯一解码(SND)。对于RS,我们对导频污染干扰的每一层进行非唯一解码,并且每个IC使用一个公共功率分配系数。此外,我们建立了一个可实现的区域,这个RS计划。解决最大对称速率分配问题的基础上线性规划(LP),我们表明,迫零(ZF)与空间相关/不相关的信道和实际数量的BS天线,RS实现显着更高的频谱效率比TIN,SD和SND。此外,我们数值研究的影响,增加跨天线的信道的相关性,用户的数量以及阴影衰落的程度。在所有情况下,我们表明,RS保持显着的增益比TIN,SD和SND。
2022-08-06 cs.IT eess.SP math.IT
Joint Channel Estimation and Mixed-ADCs Allocation for Massive MIMO via Deep Learning
毫米波(mmWave)多用户大规模多输入多输出(MIMO)技术是下一代通信系统的重要技术。然而,随着射频(RF)组件数量的增加,硬件成本和功耗显著增长,这阻碍了实际大规模多输入多输出系统的部署。为了解决这个问题并进一步促进大规模多输入多输出的商业化,已经考虑了混合模数转换器(ADC)架构,其中传统假设的全分辨率ADC的部分被一位ADC取代。在本文中,我们首先提出了一种基于深度学习(DL)的联合导频设计和信道估计方法,用于混合ADC毫米波大规模多输入多输出。具体来说,我们设计了一个导频设计神经网络,其权重直接代表优化的导频,并开发了一个龙格库塔模型驱动的密集连接网络作为信道估计器。为了进一步提高信道估计精度,我们设计了一种新的天线选择网络来分配混合ADC,而不是随机分配混合ADC。此外,我们采用了一个自动编码器启发的端到端架构,共同优化导频设计,信道估计和混合ADC分配网络。仿真结果表明,所提出的基于DL的方法具有优于传统的信道估计以及国家的最先进的网络。
2021-06-08 eess.SP
Joint Pilot Design and Channel Estimation using Deep Residual Learning for Multi-Cell Massive MIMO under Hardware Impairments
在多小区大规模多输入多输出系统中,导频污染会使信道估计性能恶化,并且导频污染的影响由于硬件损伤而变得更加严重。本文提出了一种基于深度残差学习的联合导频设计和信道估计,以在考虑硬件损伤的情况下减轻导频污染的影响。首先,我们研究了传统的线性最小均方误差(LMMSE)的信道估计器,以抑制由导频污染所造成的干扰。在此基础上,提出了一种基于深度学习的导频设计方法,以最小化LMMSE信道估计的均方误差(MSE),并将其用于联合导频设计和信道估计的迁移学习方法。对于信道估计器,我们使用深度残差学习,提取导频污染引起的干扰特征并消除它们来估计信道信息。仿真结果表明,在多小区大规模多输入多输出场景下,所提出的联合导频设计和信道估计方法优于传统方法。此外,联合导频设计和信道估计器使用转移学习提高了估计性能,减少导频污染的影响时,不能利用的先验知识的导频污染。
2021-08-10 eess.SP
A Bayesian Receiver with Improved Complexity-Reliability Trade-off in Massive MIMO Systems
第五代($5$ G)蜂窝网络对可靠性和处理延迟的严格要求给大规模多输入多输出(M-MIMO)接收机的设计带来了相当大的挑战。M-MIMO接收器的两个主要组件是检测器和解码器。为了改善可靠性和复杂性之间的权衡,贝叶斯概念已被认为是一种有前途的方法,增强了经典的检测器,例如最小均方误差检测器。本文提出了一种基于贝叶斯框架的迭代M-MIMO检测器,并行干扰消除方案和决策统计组合概念。然后,我们开发了一个高性能的M-MIMO接收机,结合所提出的检测器与低复杂度的极性码顺序解码。仿真结果表明,与其他低复杂度检测器相比,该检测器具有显著的性能增益。此外,所提出的具有顺序解码的M-MIMO接收器确保了与具有用于来自5G新无线电标准的极化码的堆栈连续消除解码的接收器相比低一个数量级的复杂度。
2021-10-27 cs.IT eess.SP math.IT
Iterative Detection and Decoding Schemes with LLR Refinements in Cell-Free Massive MIMO Networks
针对编码无蜂窝大规模MIMO系统,提出低复杂度本地检测器与三种LLR优化方案,推导相关检测器闭式表达式,仿真验证其性能优于现有方法。
2024-05-22 cs.IT eess.SP math.IT
Massive-MIMO Iterative Channel Estimation and Decoding (MICED) in the Uplink
大规模MIMO使用大量天线,通过用户的空间复用来提高频谱效率(SE),这需要准确的信道状态信息。通常假设常规导频(RP)足以提供高SE,其中时频资源的一部分被保留用于导频。然而,SE受到导频开销和导频污染的限制。替代方案是叠加导频(SP),其中所有资源用于导频和数据。这消除了导频开销,并通过使用更长的导频来减少导频污染。然而,SP遭受降低SE增益的数据干扰。本文提出了大规模MIMO迭代信道估计和解码(MICED)算法,其中部分解码的数据被用作边信息,以改善信道估计和增加SE。我们表明,具有精确数据估计的用户可以帮助具有较差数据估计的用户进行解码。QPSK调制和LDPC码的仿真结果表明,与传统方法相比,MICED算法提高了SE,降低了RP和SP的误块率。具有SP的MICED算法提供了最高的SE,并且在具有短相干块(如高移动性或高频率)的场景中特别有效。
2021-04-30 cs.IT eess.SP math.IT
Trainable Joint Channel Estimation, Detection and Decoding for MIMO URLLC Systems
针对MIMO URLLC系统传统turbo接收机误差传播、时延高的问题,本文基于MAP准则构造两种JCDD问题,用ADMM求解并展开为可训练JCDDNet,在可接受复杂度下性能优于turbo接收机。
2024-04-11 cs.IT eess.SP math.IT
Symbol-Level Noise-Guessing Decoding with Antenna Sorting for URLLC Massive MIMO
本文针对URLLC场景,将符号级GRAND推广到mMIMO空间复用,并利用信道状态信息进行天线排序,在保持可靠性的同时将解码复杂度降低80%以上。
2023-07-11 cs.IT eess.SP math.IT
Learning-Aided Deep Path Prediction for Sphere Decoding in Large MIMO Systems
Seoul National University of Science and Technology(首尔国立科技大学)
本文提出了一种新的适用于大型多输入多输出系统的学习辅助球形译码方案,即基于深度路径预测的球形译码(DPP-SD)。在这个方案中,我们采用了一个神经网络(NN)预测的最小度量的“深”路径的子树开始之前,在SD的树搜索。为了降低神经网络的复杂度,我们采用了一个减少了维度的输入向量,而不是使用原始的接收信号和完整的信道矩阵。NN的输出,即,利用预测的最小路径度量来确定子树之间的搜索顺序,以及优化初始搜索半径,这可以降低SD的计算复杂性。为了进一步降低复杂度,还提出了一种基于预测最小路径度量的提前终止方案。我们的仿真结果表明,所提出的DPP-SD计划提供了一个显着的减少计算复杂性相比,传统的SD算法,尽管达到接近最佳的性能。
2020-01-02 cs.IT cs.LG eess.SP
Fast Updating the STBC Decoder Matrices in the Uplink of a Massive MIMO System
降低诸如大规模多输入多输出(MIMO)配置的现代无线通信系统的计算复杂性是最感兴趣的。提出了一种新的动态大规模MIMO系统上行链路空时分组码(STBC)译码矩阵求逆加速算法。考虑了一个多用户系统,其中基站配备有大量的天线,每个用户有两个天线。此外,用户可以动态地进入或退出系统。对于给定的空时分组码/译码方案,当系统中加入或删除一个用户时,采用所提出的方法将显著降低接收机的计算复杂性。在该方案中,迫零(ZF)以及最小均方误差(MMSE)解码的矩阵求逆来自分块矩阵的逆和伍德伯里矩阵单位。此外,当用户数量固定但信道估计对于特定用户改变时,可以利用所建议的技术。推导了更新解码矩阵逆的数学方程,并与直接求逆的方法进行了比较。评估证实了所提出的方法的有效性。
2022-08-22 cs.IT eess.SP math.IT
Generative Decoding of Compressed CSI for MIMO Precoding Design
Arizona State University(亚利桑那州立大学);Nokia Bell Laboratories(诺基亚贝尔实验室)
本文提出一种仅含解码器的生成式CSI压缩方案,在用户侧使用标准化编码器,在基站侧用站点特定生成式解码器结合环境知识细化CSI,并通过数字孪生生成合成数据降低训练数据收集开销,仿真验证了其在多种反馈开销下的有效性。
2025-11-11 cs.IT eess.SP math.IT
A Joint Wireless-Optical Front-haul Solution for Multi-user Massive MIMO 5G RAN
我们展示了一种用于多用户大规模多输入多输出5G RAN的高容量光纤中频移动前传解决方案。使用该方案,在没有光纤色散补偿的情况下,在40 km以上的单个光波长上传输了创纪录的25.6 GHz的聚合无线电带宽
2020-11-18 cs.IT eess.SP math.IT
Joint Device Detection, Channel Estimation, and Data Decoding with Collision Resolution for MIMO Massive Unsourced Random Access
在本文中,我们研究了一个联合的设备活动检测(DAD),信道估计(CE),和数据解码(DD)算法的多输入多输出(MIMO)大规模无源随机接入(URA)。与现有的时隙传输方案不同,所提出的框架中的数据仅被分成两部分。数据的一部分通过压缩感知(CS)编码,其余部分通过低密度奇偶校验(LDPC)编码。除了作为数据的一部分之外,CS阶段中的信息比特还承担交织模式设计和信道估计(CE)的任务。利用时分多址(IDMA)的原理来减少LDPC阶段中设备之间的干扰。基于置信传播(BP)算法,一个低复杂度的迭代消息传递(MP)算法被用来解码嵌入在这两个阶段的数据分别。此外,结合连续干扰消除(SIC),所提出的联合DAD-CE-DD算法执行,以进一步提高性能,利用彼此的信念。此外,基于能量检测(ED)和滑动窗口协议(SWP),我们开发了一个冲突解决协议来处理码字冲突,在URA系统中的一个常见的问题。除了复杂度的降低,所提出的算法表现出显着的性能增强相比,国家的最先进的效率和准确性。
2021-12-17 cs.IT eess.SP math.IT
Massive MIMO with Cauchy Noise: Channel Estimation, Achievable Rate and Data Decoding
本文研究柯西噪声下的大规模MIMO系统,提出基于原始接收信号的信道估计方法,推导可达速率与对数似然比表达式,并证明柯西检测器对重尾噪声具有鲁棒性而高斯检测器不具备。
2023-07-06 cs.IT eess.SP math.IT
Optimal Precoder Design for MIMO-OFDM-based Joint Automotive Radar-Communication Networks
大规模部署具有协作感知技术的互联车辆增加了对5.9 GHz车联网(V2X)通信频谱的需求,该频谱主要用于交换安全消息。为了补充V2X通信并支持宽带应用所需的高数据速率,可以利用76-81 GHz的毫米波(mmWave)汽车雷达频谱。为此目的,在文献中已经提出了联合雷达-通信系统,以使用相同的波形和硬件来执行这两种功能。虽然多用户的多输入多输出(MIMO)通信能够实现独立的数据流传输,以实现高吞吐量,但MIMO雷达处理可提供对安全关键系统至关重要的高分辨率成像。然而,采用为通信设计的传统预编码方法会产生定向波束,这会损害数据流传输期间的MIMO雷达成像和目标跟踪能力。提出了一种基于正交频分复用(OFDM)波形的MIMO汽车雷达通信(JARC)联合框架。首先,我们表明,MIMO-OFDM前导码可以利用MIMO雷达处理和估计的通信信道。然后,我们提出了一个最佳的预编码器的设计方法,使高精度的目标跟踪,同时发送独立的数据流到多个接收器。所提出的方法为MIMO JARC网络提供高分辨率雷达成像和高吞吐量能力。最后,我们通过数值模拟评估所提出的方法的有效性。
2021-09-25 cs.NI eess.SP
BiSPARCs for Unsourced Random Access in Massive MIMO
针对大规模MIMO准静态瑞利衰落场景下的无来源随机接入问题,提出级联LDPC外码与SPARC内码、结合BiGAMP联合估计解码和SIC的低复杂度方案,达大规模连接场景下的最优性能。
2023-04-27 cs.IT eess.SP math.IT
Software-Defined MIMO OFDM Joint Radar-Communication Platform with Fully Digital mmWave Architecture
大规模部署具有协作传感和操纵技术的互联车辆,增加了对5.9 GHz车联网通信(V2X)频段的需求。除了V2X频谱,24和77 GHz的未充分利用的毫米波(mmWave)频段可用于补充V2X通信,并为新兴宽带应用提供高数据速率支持。为此目的,联合雷达通信(JRC)系统已在文献中提出了使用相同的波形和硬件来执行这两个功能。在这项工作中,我们提出了一个软件定义的多输入多输出(MIMO)JRC与正交频分复用(OFDM)的24 GHz毫米波波段。我们使用商用软件定义无线电和定制的毫米波前端实现了一个实时操作的全双工JRC平台。通过全数字MIMO架构,我们展示了毫米波频段MIMO OFDM JRC的同步数据传输和高分辨率雷达成像能力。
2023-02-11 cs.AR 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
Nonlinear Power Amplifier-Resilient Cell-Free Massive MIMO: A Joint Optimization Approach
本文提出了一种联合优化方法,用于解决无中心大规模MIMO系统中功率放大器引起的性能退化问题,通过用户关联和最大最小功率控制提升频谱效率。
2025-12-08 cs.IT eess.SP math.IT
Iteratively Weighted MMSE Uplink Precoding for Cell-Free Massive MIMO
在本文中,我们研究了一个无小区的大规模MIMO系统的接入点和用户设备配备多个天线在Weichselberger瑞利衰落信道。我们研究了上行链路的频谱效率(SE)的基础上的两层解码结构与最大比(MR)或局部最小均方误差(MMSE)合并应用在第一层和最佳的大规模衰落解码方法实现在第二层,分别。为了最大化加权和SE,提出了一种基于仅使用信道统计的迭代加权和MMSE(I-WMMSE)算法的上行链路预编码结构。此外,MR结合应用在第一层,我们得到新的可实现的SE表达式和最佳的预编码结构的封闭形式。数值结果验证了我们提出的结果,并表明I-WMMSE预编码可以获得良好的和SE性能。
2022-01-27 cs.IT eess.SP math.IT
Joint optimal beamforming and power control in cell-free massive MIMO
我们推导出一个快速和最佳的算法,解决实际的加权最大最小信干噪比问题,在无小区的大规模MIMO网络。该优化问题首次同时考虑了非理想协作下的长期功率控制和分布式波束形成设计。特别是,我们认为以用户为中心的接入点集群合作的基础上,可能有限的信道状态信息共享。我们的优化算法融合了强大的功率控制工具的基础上,干扰演算与最近开发的团队理论框架的分布式波束形成设计。此外,我们提出了一个变化,在实践中表现出更快的收敛。
2022-08-31 cs.IT eess.SP math.IT
Co-Designing Statistical MIMO Radar and In-band Full-Duplex Multi-User MIMO Communications -- Part II: Joint Precoder, Radar Code, and Receive Filters Design
本文针对统计MIMO雷达与带内全双工多用户MIMO通信的频谱共享问题,提出基于复合加权和互信息的联合设计框架,并采用块坐标下降与交替投影方法优化雷达码、预编码器和接收滤波器,实验验证了算法收敛性、干扰抑制能力和数据速率稳定性。
2024-03-28 cs.IT eess.SP math.IT
Secure UAV-to-Ground MIMO Communications: Joint Transceiver and Location Optimization
无人飞行器(UAV)由于其优越的信道质量而被预见构成有前途的机载通信设备。但是无人机对地(U2G)通信很容易被窃听。因此,我们设想了一个复杂的物理层安全解决方案,以提高多天线辅助U2G系统的保密率。利用随机矩阵理论推导了U2G MIMO窃听信道的保密率。然后将得到的显式表达式应用于MIMO收发器和UAV位置的联合优化中,该联合优化依赖于交替优化技术。我们的数值计算结果表明,联合收发器和位置优化的设想有利于安全通信,即使在具有挑战性的情况下,其中的合法渠道的机密信息是劣于窃听信道。
2022-07-10 cs.IT eess.SP math.IT
Unsourced Random Massive Access with Beam-Space Tree Decoding
大规模机器类型通信(mMTC)的核心要求是支持大量机器类型设备(MTD)的可靠和快速接入。在许多实际应用中,基站(BS)只关心接收到的消息列表而不关心源信息,从而引入了新兴的无源随机接入(URA)概念。虽然最近已经提出了一些大规模多输入多输出(MIMO)URA方案,但是在传统URA方案中没有充分利用毫米波(mmWave)大规模MIMO系统的独特传播特性。在免授权随机接入中,BS不能独立地执行接收波束成形,因为BS不知道活动用户的身份。因此,只有固有的波束划分属性可以被利用来提高解码性能。针对毫米波大规模MIMO系统,提出了一种基于波束空间树译码的URA方案。具体地说,两个波束空间树解码器的设计分别基于硬判决和软判决,利用波束划分属性。它们都利用波束划分属性来帮助区分从不同用户发送的子块。此外,第一解码器可以减少搜索空间,享受低复杂度。第二解码器利用列表解码的优点来恢复未检测到的分组。仿真结果验证了所提出的URA方案相比,传统的URA方案的错误概率的优越性。
2021-12-30 cs.IT eess.SP math.IT
Cell-Free MIMO Perceptive Mobile Networks: Cloud vs. Edge Processing
本文研究无蜂窝MIMO感知移动网络的上行链路设计,提出并比较云端与边缘解码/感知的四种方案,通过联合前传量化在感知约束下最大化可达速率,为前传受限网络中的功能分配提供指导。
2024-03-28 cs.IT eess.SP math.IT
Optimal Joint Beamforming and Power Control in Cell-Free Massive MIMO Downlink
提出了一种新的无小区大规模MIMO(CFmMIMO)系统下行链路联合波束赋形和功率控制优化模型。所提出的优化模型的目标是最大限度地减少用户干扰,同时满足服务质量(QoS)的约束和功耗限制。所提出的最小-最大优化模型是作为一个混合整数非线性规划,这是直接听话。数值结果表明,所提出的联合波束成形和功率控制方案是有效的,并优于竞争方案的数据率,功耗和能源效率。
2021-07-22 cs.IT eess.SP math.IT
Deep Joint Source Channel Coding With Attention Modules Over MIMO Channels
本文提出两种带注意力模块的MIMO深度联合信源信道编码结构,通过注意力机制适应子信道质量差异,提升图像传输性能,并发现系统倾向于在优质子信道传输更多信息。
2024-03-15 cs.IT eess.SP math.IT
Joint Source and Relay Design for Multi-user MIMO Non-regenerative Relay Networks with Direct Links
本文研究了存在直接源-目的~(S-D)链路的多用户多输入多输出~(MU-MIMO)非再生中继网络的联合源预编码矩阵和中继处理矩阵设计问题。我们考虑了分布式功率约束下的容量和均方误差~(MSE)准则,它们是非凸的,显然没有简单的解。为此,提出了一种基于点对点MIMO信道技术的最优信源预编码矩阵结构,以及在中继节点功率约束下的中继处理矩阵结构,并在此基础上建立了一种联合优化信源预编码和中继处理的嵌套迭代算法。我们表明,基于容量的最佳源预编码矩阵共享相同的结构与基于MSE的。最佳中继处理矩阵也是如此。仿真结果表明,该算法优于现有的结果。
2020-03-11 cs.IT eess.SP math.IT
Joint Mechanical and Electrical Adjustment of IRS-aided LEO Satellite MIMO Communications
针对LEO卫星MIMO通信性能提升问题,提出IRS机电联合调整方法,构建3D信道模型并联合优化IRS倾斜角、相移及收发波束赋形,经真实轨道数据仿真验证性能更优。
2024-08-13 cs.SY eess.SP eess.SY
Joint AGC and Receiver Design for Large-Scale MU-MIMO Systems with Coarsely Quantized Signals and C-RANs
在这项工作中,我们提出了自动增益控制(AGC)的联合优化,它工作在远程射频头(RHH),和一个低分辨率感知(LRA)的线性接收滤波器的最小均方误差(MMSE)的基础上,它工作在基带单元(BBU)池,用于云无线电接入网络中具有粗量化信号的大规模多用户多输入多输出(MU-MIMO)系统。我们开发了连续干扰消除接收机的基础上提出的联合AGC和LRA-MMSE(AGC-LRA-MMSE)的方法。可实现的和率的分析也进行了。仿真结果表明,该设计具有更好的出错率和更高的可达速率比现有的技术。
2019-12-13 cs.IT eess.SP math.IT
Joint optimization of system design and reconstruction in MIMO radar imaging
Technion -- Israel Institute of Technology(以色列理工学院)
多输入多输出(MIMO)雷达是主要的深度感测模态之一。然而,多个接收信道的使用导致相对高的成本,并且阻止MIMO在诸如汽车工业的许多领域中的渗透。在过去的几年里,很少有研究集中在设计减少测量方案和图像重建方案的MIMO雷达,但这些问题已经被单独解决到目前为止。另一方面,最近的光学计算成像的工作已经证明了越来越多的成功的同时学习为基础的设计的采集和重建方案,表现出显着改善重建质量。受这些成功的启发,在这项工作中,我们建议学习MIMO采集参数的形式接收(Rx)天线单元的位置与图像神经网络为基础的重建。为此,我们提出了一种算法,用于以可区分的方式训练组合的采集-重建管道端到端。我们证明了使用我们学到的采集参数的意义,有和没有神经网络重建。
2021-10-07 cs.CV cs.LG eess.SP
Joint Analog and Digital Transceiver Design for Wideband Full Duplex MIMO Systems
在本文中,我们提出了一种宽带全双工(FD)多输入多输出(MIMO)通信系统,包括一个FD MIMO节点同时与两个多天线上行链路(UL)和下行链路(DL)节点利用相同的时间和频率资源进行通信。为了抑制FD MIMO系统中由于同时发送和接收而产生的强自干扰(SI)信号,提出了一种基于基带正交频分复用(OFDM)信号建模的模拟和数字(A/D)相消以及发送和接收波束形成的联合设计。考虑到实际的发射机损伤,我们提出了一种多抽头宽带模拟消除器的架构,其抽头的数量不与收发器天线和多径SI组件的数量成比例。我们还提出了一种新的自适应数字抵消截断奇异值分解的基础上,减少残留SI信号估计参数。为了最大化FD和速率,提出了一种用于A/D抵消和数字波束形成的联合优化框架。最后,我们广泛的波形仿真结果表明,所提出的宽带FD MIMO设计具有更高的SI消除能力,降低了复杂度相比,现有的消除技术,从而提高可实现的速率性能。
2021-12-16 cs.IT eess.SP math.IT
Using Massive MIMO Arrays for Joint Communication and Sensing
在超5G和6 G无线通信系统领域中越来越重要的趋势之一是对联合执行通信和环境感测的系统的研究。本文提出了使用基站(BS),我们称之为\textit{radar-BS},配备了一个大规模的天线阵列来执行,使用相同的频率范围,与移动用户通信,并通过雷达扫描感测/监视周围环境。大规模天线阵列实际上既可以作为具有协同定位天线的MIMO雷达(发射指向正仰角的雷达信号)运行,又可以执行信号空间波束成形,以主要基于地面与用户进行通信。我们的研究结果表明,使用一个大规模的MIMO雷达基站的通信和雷达系统可以共存,相互干扰很小。
2019-12-01 cs.IT eess.SP math.IT
Joint Design of Transmit Waveforms and Receive Filters for MIMO Radar via Manifold Optimization
发射波形和接收滤波器的联合设计问题是多输入多输出(MIMO)雷达系统的许多应用场景中所期望的。在本文中,联合设计问题下的信号与干扰加噪声比(SINR)的性能指标,在这种情况下,该问题被制定为最大化的SINR在接收端受到一些实际的发射波形约束。基于流形优化方法,提出了一种求解非凸约束优化问题的数值算法。流形优化方法在许多工程应用中已被证明是强大而灵活的。该算法能够在统一的框架下有效地解决不同波形约束下的信干噪比最大化问题。数值实验表明,该算法优于现有的基准在计算效率和实现可比的信干噪比性能。
2021-02-10 cs.IT eess.SP math.IT
Two-timescale joint power control and beamforming design with applications to cell-free massive MIMO
本研究提出双时间尺度联合功率控制与波束成形最优算法,基于长期统计CSI,缓解可扩展性问题,并在无小区大规模MIMO中优于现有长期方法。
2025-04-23 cs.IT eess.SP math.IT
Joint Low-Rank and Sparse Bayesian Channel Estimation for Ultra-Massive MIMO Communications
Purple Mountain Laboratories(紫金山实验室)
本文提出了一种联合低秩与稀疏贝叶斯估计算法,用于超大规模MIMO通信中的信道估计,提升了估计精度和复杂度性能。
2025-12-04 cs.IT eess.SP math.IT
Sparse Joint Transmission for Cell-Free Massive MIMO: A Sparse PCA Approach
无小区大规模多输入多输出(MIMO)是一种很有前途的蜂窝网络。在该网络中,大量分布的多天线接入点(AP)使用相同的时频资源共同为多个单天线用户提供服务。因此,它可能通过经由以用户为中心的联合传输消除小区边界处的干扰来向用户提供统一的服务体验,而不管用户的位置如何。然而,这种联合传输需要极高的信令开销以用于经由回程链路的数据共享,并且导致高的网络范围的功耗。为了解决这些问题,在本文中,我们提出了一种新的联合传输方法,这是被称为稀疏联合传输(sparse-JT),无小区大规模多输入多输出网络有限的回程容量的限制。稀疏JT联合地标识以用户为中心的协作AP集合、用于波束成形和压缩的预编码向量、以及在每个联合传输的活动AP的总数是稀疏的约束下最大化和频谱效率的下限的功率分配。该算法保证确定一个放松的和谱最大化问题的局部最优解。通过仿真,我们表明,稀疏JT实现更高的遍历频谱效率比所达到的多小区迫零预编码与用户为中心的AP聚类算法在所有系统配置。
2021-07-29 cs.IT eess.SP math.IT
Joint Delay and Phase Precoding Under True-Time Delay Constraints for THz Massive MIMO
针对宽带太赫兹(THz)混合大规模多输入多输出(MIMO)系统中波束偏斜效应的补偿问题,提出了一种基于相移器(PS)和真实时间延迟(TTD)的联合优化方法.与以前的方法不同,新的方法不需要无界的时间延迟假设,TTD设备可以产生的时间延迟值的范围是严格限制在我们的方法。而不是专注于TTD值的设计,我们共同优化TTD和PS值,以有效地应对实际的时间延迟约束。仿真结果表明,新方法的波束斜视补偿的性能优势。通过仿真和分析,我们表明,我们的方法是一个推广的TTD为基础的预编码方法。
2023-01-21 cs.IT eess.SP math.IT
Deep Learning based Joint Precoder Design and Antenna Selection for Partially Connected Hybrid Massive MIMO Systems
混合预编码器设计的高效资源分配对于工作在毫米波(mmW)域的大规模MIMO系统是必不可少的。由于部分连接混合架构具有更高的能量效率和更低的复杂度,在这封信中,我们提出了一种基于联合深度卷积神经网络(CNN)的部分连接大规模MIMO混合系统预编码器设计和天线选择方案。对于CNN,预编码器设计和天线选择分别被公式化为回归和分类问题。信道数据被馈送到第一CNN网络,该第一CNN网络输出具有最佳频谱效率的所选天线的子集。该子集再次被馈送到第二CNN以获得用于部分连接架构的块对角预编码器。仿真结果验证了基于CNN的方法优于传统的迭代和交替最小化(alt-min)算法。此外,所提出的方案是计算效率高,是不是很敏感的信道不规则性。
2021-02-02 cs.IT eess.SP math.IT
Joint Optimization of Waveform Covariance Matrix and Antenna Selection for MIMO Radar
在本文中,我们研究的问题,联合优化的波形协方差矩阵和天线位置矢量的多输入多输出(MIMO)雷达系统,以近似所需的发射波束方向图,以及最小化的互相关的接收信号从目标反射回来。我们制定的问题作为一个非凸规划,然后提出了一个循环优化方法来有效地解决这个问题。我们进一步提出了一种新的局部优化框架,以有效地设计相应的天线位置。我们的数值研究表明,无论是在精度和计算复杂度方面的良好性能,使所提出的框架实时雷达信号处理应用的一个很好的候选人。
2019-12-02 cs.SY eess.SP eess.SY
An Efficient Two-Stage SPARC Decoder for Massive MIMO Unsourced Random Access
本文研究了一种基于稀疏回归码和树码的级联编码方案,用于大规模多输入多输出系统中的无源随机接入。我们的重点是集中在有效的解码与实际关注的内部的。一个两阶段的方法,提出了实现接近最佳的性能,同时保持低的计算复杂性。具体地说,一个一步阈值为基础的算法是第一次用于减少大的维度的LDPC解码,之后,一个宽松的最大似然估计器进行细化。充分的仿真结果提供了验证接近最佳的性能和低计算复杂性。此外,对于基于协方差的稀疏恢复方法,给出了在凸松弛条件下支持的活跃用户数上界的理论分析,以及基于一步阈值算法成功降维的概率.
2022-08-12 cs.IT eess.SP math.IT