Decentralized Federated Learning via MIMO Over-the-Air Computation: Consensus Analysis and Performance Optimization
针对无线去中心化联邦学习的通信瓶颈与共识难题，提出基于MIMO空上计算的DFL框架，结合混合矩阵机制优化收发波束成形器与混合矩阵，显著提升学习性能。
2023-10-08 eess.SP
Learning to Unfold Fractional Programming for Multi-Cell MU-MIMO Beamforming with Graph Neural Networks
School of Information Science and Engineering, Southeast University（东南大学信息科学与工程学院）
本文提出利用图神经网络学习展开快速FP算法，以降低MU-MIMO波束成形的计算复杂度并提高收敛速度。
2026-01-12 eess.SP
Experimental Comparison of Local and Over-the-Air Phase Calibration for MIMO Arrays
本文通过实验比较了MIMO阵列中局部和空中相位校准方法，研究了硬件失真对通信性能和信道估计精度的影响，发现局部校准在相位稳定性方面更优，而空中校准在不需要额外硬件的情况下对多径效应更敏感。
2026-05-21 eess.SP
Improving Cell-Free Massive MIMO Detection Performance via Expectation Propagation
无小区（Cell-free，CF）大规模多输入多输出（M-MIMO）技术在超第五代（Beyond Fifth Generation，5G）网络中发挥着重要作用。然而，设计一个高性能的CF M-MIMO检测器是一个具有挑战性的任务，由于存在的导频污染时出现的导频序列的数量小于用户的数量。这项工作提出了一种CF M-MIMO检测器称为CF期望传播（CF-EP），它在计算后验置信度时加入了导频污染。仿真结果表明，该检测器在误比特率和总频谱效率性能方面与现有的CF检测器相比有明显的改善。
2021-10-27 eess.SP
Max-Min Optimal Beamforming for Cell-Free Massive MIMO
这封信开发了一个最佳的波束形成方法，在无小区的大规模多输入多输出（MIMO）系统，采用大量的分布式接入点，为多个用户提供并发服务的下行链路传输。最佳设计被制定为一个最大最小的问题，最大限度地提高所有用户的最小信号干扰加噪声比。解析地证明了该问题是拟凹的，并利用二阶锥规划得到了最优解。所提出的方法确定最佳的无小区大规模多输入多输出系统中可实现的波束成形性能。研究结果可作为低复杂度波束形成器设计的参考。
2020-06-10 eess.SP
Decentralization Issues in Cell-free Massive MIMO Networks with Zero-Forcing Precoding
无小区大规模多输入多输出（CF-M-MIMO）系统代表了几十年来主导移动领域的经典蜂窝架构的演进。在CF-M-MIMO中，中央处理单元（CPU）控制不规则地分散在整个覆盖区域中的多个接入点（AP），从而有效地成为M-MIMO技术的完全分布式实现。因此，它继承了许多使M-MIMO成为5G系统物理层支柱之一的关键特性，同时为M-MIMO中不具备的新功能打开了大门。其中最新的是在CPU（集中式）或在AP（分布式）处执行预编码的可能性，已知前者以必须在CPU处收集所有相关的信道状态信息（CSI）为代价来提供好得多的性能。当要覆盖的区域很大时，无单元系统的实际部署可能需要多个CPU，因此需要解决的关键问题是这些多个CPU应该如何互连。针对集中式迫零预编码的特定情况，分析并提出了CPU之间不同程度互连的设计。结果表明，一种适度的CPU互连形式可以非常显着地提高CF-M-MIMO架构中普遍存在的最大-最小速率性能。
2019-09-26 eess.SP
Rate-Splitting assisted Massive Machine-Type Communications in Cell-Free Massive MIMO
这封信的重点是将速率分割多址（RSMA）与时分双工无小区大规模多输入多输出（多输入多输出）集成，以实现大规模机器类型通信。由于大量的设备，他们的零星接入行为和有限的相干间隔，我们假设一个随机接入策略，所有活动的设备利用相同的导频上行链路信道估计。这引起了一个高度导频污染的情况下，这不可避免地恶化信道估计。基于RSMA对不完整信道状态信息的鲁棒性，提出了一种新的RSMA辅助下行链路传输框架，用于无小区大规模多输入多输出。基于公共流和私有流的下行链路可达频谱效率，提出了一种启发式公共预编码器设计方法，并提出了一种新的最大最小功率控制方法。数值结果表明，RSMA有效地缓解了下行链路中导频污染的影响，并在传统的无小区大规模多输入多输出网络中获得了显著的性能增益。
2022-05-05 eess.SP
Air-to-Ground Directional Channel Sounder With 64-antenna Dual-polarized Cylindrical Array
无人驾驶飞行器（UAV），通常称为无人机，是未来无线通信的重要组成部分，无论是作为需要与地面站通信的用户设备，还是作为3D网络中的基站。为了分析“有用的”链路和调查对其他地面节点的可能干扰，需要了解空对地信道。由于地面节点通常配备有天线阵列，信道调查需要考虑它，本研究提出了一个大规模多输入多输出基于我们的实验室最近开发的空对地信道探测器，它可以执行上述要求的测量。在概述了探测器的原理和功能后，我们提出了演示功能的样本测量，并首次深入了解城市环境中的空对地大规模多输入多输出信道。我们的研究结果提供了一个平台，未来的调查和可能的增强大规模多输入多输出系统。
2021-02-13 eess.SP
Multi-Cell Massive MIMO in LoS
我们考虑一个多小区大规模多输入多输出系统中的视线（LoS）的传播环境，每个用户由一个基站服务，基站之间没有合作。每个基站知道其服务天线与其用户之间的信道，并使用这些信道进行预编码和解码。在这些假设下，我们推导出明确的下行链路和上行链路的有效SINR公式的最大比（MR）处理和迫零（ZF）处理。我们还推导出公式功率控制，以满足预定的SINR目标。给出了一个数值例子，说明了导出公式的使用.
2018-08-12 eess.SP
Uplink Multi-User MIMO Implementation in OpenAirInterface for a Cell-Free O-RAN Testbed
Fraunhofer Heinrich Hertz Institute（弗劳恩霍夫海因里希赫兹研究所）
本文提出了一种基于OAI的无细胞O-RAN测试平台，实现了利用SRS信道估计进行上行多用户MIMO信号分离与解码的实验验证。
2026-01-14 eess.SP
Full-Duplex Massive MIMO Cellular Networks with Low Resolution ADC/DAC
在本文中，我们提供了一个分析框架，全双工（FD）的大规模多输入多输出（MIMO）蜂窝网络与低分辨率模数和数模转换器（ADC和DAC）。在发送侧和接收侧的FD基站（BS）处采用匹配滤波器。对于反向和前向链路，我们的贡献是：（1）推导了一般和特殊情况下的信号与量化加干扰噪声比（SQINR）;（2）推导了渐近情况下的频谱效率以及功率缩放律;以及（3）量化量化误差、自干扰以及六边形小区的用户间干扰和泊松点过程（PPP）镶嵌对中断概率和频谱效率的影响。
2022-09-05 eess.SP
QoS-Constrained Scheduling in Multi-Cell Multi-User MIMO Networks
School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）理工学院）；School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）人工智能学院）；Shenzhen Research Institute of Big Data（深圳大数据研究院）
本文针对多小区多用户MIMO网络中跨小区和跨载波调度的挑战，提出了一种基于特征零强迫波束成形和大规模MIMO渐近性的近似可解方案，以在速率约束下最大化系统吞吐量。
2026-04-21 eess.SP
Energy Efficient Water-Filling Power Allocation with Cell Division for Massive MIMO Systems
研究了大规模多输入多输出（MIMO）系统下行链路的功率分配问题。我们提出了一个新的方案，利用注水算法在一个细胞与两个区域。它被分配更多的功率给更远的用户，并且具有更好的信道条件的用户在每个区域中接收更多的功率。从能量效率（EE）的角度来看，具有更好信道增益的用户具有比其他用户更高的优先级。在MIMO系统中结合注水和小区划分技术导致到达EE最大化。我们还使用标准干扰函数（SIF）提出了一种新的迭代算法来解决优化问题，并获得了一个有效的功率分配方案。仿真结果表明，该算法优于其他同类算法从EE的角度来看。
2021-08-27 eess.SP
Exploiting Cell-Free Massive MIMO for Enabling Simultaneous Wireless Information and Power Transfer
研究了下行链路无小区大规模多输入多输出（MIMO）系统中同时无线信息和功率传输（SWIPT）的性能。通过使用时间切换和功率分配协议的非线性能量收集模型，针对两种实际的信道状态信息（CSI）情况导出了DL收集能量和DL/上行链路（UL）可达速率的紧密近似。采用基于最大最小公平性的发射功率控制策略来减轻无小区大规模多输入多输出中由分布式发送/接收引起的有害的远近效应。可实现的公共DL能量速率的权衡推导，从而，它表明，建议的最大-最小功率控制保证用户公平性，无论远近效应方面收获的能量和可实现的速率。探讨了用户估计的DL CSI对提高SWIPT性能的益处。将这些性能指标与传统的共址大规模多输入多输出的性能指标进行比较，从而揭示了无小区大规模多输入多输出提供的路径损耗的降低和较低的平均发射功率可以被利用来以增加的回程要求为代价来提高SWIPT的能量-速率权衡。
2020-11-16 eess.SP
Repeater-Aided Over-the-Air Phase Synchronization in Distributed MIMO
Ericsson AB（爱立信）；Nokia（诺基亚）；Linköping University（林雪平大学）
本文提出一种利用中继节点实现相位同步的新方法，解决直接通信不可行时的同步问题，提升分布式MIMO系统性能。
2026-03-20 cs.IT eess.SP math.IT
Sequential HW-Aware Precoding: Over-the-air cancellation of HWI in Downlink Cell-Free Massive MIMO with Serial Fronthaul
针对下行无蜂窝大规模MIMO网络硬件损伤抑制与计算可扩展性问题，提出序列硬件感知预编码方法，通过串行前传AP间依次交换失真信息实现空对消，在高失真场景下显著提升频谱效率且计算复杂度更低。
2025-03-21 eess.SP
Test-Time Scalable AI-RAN: Inference Time Allocation for Cell-Free MIMO
Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）；King’s College London（伦敦国王学院）；Hanyang University ERICA（汉阳大学ERICA校区）
本研究针对无小区MIMO系统，提出通用框架以分配测试时可扩展AI-RAN各模块的最优推理时间资源，实验验证其可充分挖掘该系统的性能潜力。
2026-08-05 eess.SP
Energy-Efficient RF Chain Activation for Uplink mmWave Cell-Free Massive MIMO Systems: A Minimum-Cost Maximum-Flow Approach
King’s College London（伦敦国王学院）
针对上行毫米波无细胞大规模MIMO系统的节能需求，提出基于最小代价最大流的自适应射频链激活方案，可在保证较高可达速率与可接受计算复杂度的前提下显著提升总能效。
2026-10-14 eess.SP
Multi-Stream Transmission in Cell-Free MIMO Networks with Coherent AP Clustering
本文针对无小区MIMO网络提出多流选择框架，通过相干AP聚类实现部分相干传输，并开发动态流选择算法以优化总速率和减少干扰，提升了频谱效率与公平性。
2025-04-14 eess.SP
Angle Estimation for Terahertz Ultra-Massive MIMO-Based Space-to-Air Communications
针对太赫兹超大规模MIMO信道的双延迟波束斜视角效应导致的性能下降问题，研究了基于太赫兹超大规模MIMO的空-空通信角度估计方法。具体而言，我们首先设计了一个分组真时延迟单元模块，可以显着减轻延迟波束斜视效应的影响，建立空-空太赫兹链路。基于子阵选择方案，将UM混合阵列等效为低维全数字阵列，利用所提出的先验辅助迭代角度估计算法分别获得无人机和卫星的方位角/俯仰角的精细估计。仿真结果接近Cramér-Rao下界，验证了该方法的有效性.
2021-08-02 cs.IT eess.SP math.IT
Over-The-Air Federated Learning Over Scalable Cell-free Massive MIMO
本文研究无蜂窝大规模MIMO支持空中联邦学习的方法，提出在信道相关且仅有不完美信道状态信息条件下的实用OTA-FL实现方案，并通过分析与实验验证其收敛性和性能优势。
2023-09-18 cs.IT cs.LG eess.SP
Preliminary Analysis of Channel Capacity in Air to ground LoS MIMO Communication Based on A Cloud Modeling Method
由于视距多输入多输出（LoS MIMO）信道的正交性仅在瑞利距离内可用，通信系统的覆盖由于天线的有限实现间隔而受到限制。然而，在传输路径中具有不同介电常数的介质可能会放松对天线间距的要求。这一结论对于考虑对流层云的空对地LoS MIMO场景具有启发意义。为了分析单层云存在时的随机相位变化，提出并改进了一种基于实测数据的适用于LoS MIMO场景的云建模方法。然后，根据仿真结果对信道容量进行了初步分析。
2022-10-19 cs.IT cs.SY eess.SP
MmWave MU-MIMO for Aerial Networks
毫米波为空对空（A2 A）通信提供高带宽。在本文中，我们评估的速率性能的多用户MIMO（MU-MIMO）配置，几架飞机与一个中央枢纽通信。我们考虑一个混合子阵列架构，单路径通道，和现实的大气衰减效应。我们提出了一个数学框架分析的毫米波（毫米波）MU-MIMO网络。通过蒙特卡罗模拟，我们证明了毫米波是一种很有前途的技术，在下一代空中网络中提供千兆连接。
2019-03-29 cs.IT eess.SP math.IT
Over-the-Air Inference over Multi-hop MIMO Networks
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）
提出一种多跳MIMO网络上的空中机器学习框架，通过设计预编码矩阵用MIMO信道模拟全连接层，并在功率约束下实现高分类精度。
2025-05-01 cs.LG eess.SP
Reduced-Dimension Design of MIMO Over-the-Air Computing for Data Aggregation in Clustered IoT Networks
物联网（IoT）网络的一个基本操作是通过无线信道聚合分布式感测数据以用于函数计算，称为无线数据聚合（WDA）。针对密集传感器，最近开发的技术称为空中计算（AirComp），可以通过使用多访问信道的波形叠加属性“空中”聚合分布式数据来显著降低WDA延迟。在这项工作中，我们设计了多输入多输出（MIMO）AirComp，用于计算集群物联网网络中的向量值函数，其中多天线传感器形成集群，多天线接入点（AP）执行WDA。由此产生的高维但低秩MIMO信道使得降低AirComp中的信道或信号维度以避免暴露于来自信道零空间的噪声变得重要。受此启发，我们开发了一个降维MIMO AirComp的框架，具有分解聚合波束成形（DAB）。考虑具有非重叠到达角范围的可分离信道簇的情况。最优DAB具有这样的结构，其中内部分量提取相应信道簇的主导特征空间，并且外部分量联合均衡所得到的低维信道。考虑更复杂的不可分簇的情况。我们提出了一个次优的DAB设计，其中的内组件进行降维和联合均衡集群信道协方差矩阵和外组件联合均衡的小规模衰落信道。此外，有效的算法，利用AirComp原则的各个DAB组件和信道反馈的排名优化。
2018-12-06 cs.IT cs.NI eess.SP
Learning at the Speed of Wireless: Online Real-Time Learning for AI-Enabled MIMO in NextG
Virginia Tech（弗吉尼亚理工大学）；Massachusetts Institute of Technology（麻省理工学院）
针对NextG蜂窝网络MIMO技术动态适配的挑战，提出在线实时AI/ML方法的设计思路与挑战，并以MIMO-OFDM信道估计方法为例，为相关技术开发提供路线图。
2024-03-05 cs.AI eess.SP
Degrees of Freedom of Over-the-Air Computation over a MIMO Gaussian Network with Two Transmitters and Two Receivers
University of California at Irvine（加州大学尔湾分校）；University of North Texas（北德克萨斯大学）
研究两发两收MIMO高斯网络中空中计算的自由度，提出ACDoF度量，证明其几乎必然等于min{M1,M2,N1,N2,(1/3)max(M1+M2,N1+N2)}，并扩展到SISO和有限SNR场景。
2026-06-04 cs.IT eess.SP math.IT
Distributed Precoding Design via Over-the-Air Signaling for Cell-Free Massive MIMO
大多数无小区大规模多输入多输出（MIMO）的工作考虑在基站（BS）处的非协作预编码策略以避免经由回程信令的大量信道状态信息（CSI）交换。然而，通过允许BS之间的协调可以实现相当大的性能增益。本文提出了第一个分布式框架合作预编码设计在无小区的大规模MIMO（更一般地说，在联合传输协调多点）系统，完全消除了需要回程信令CSI交换。引入了新颖的空中（OTA）信令机制，使得每个BS可以获得传统上经由回程信令在BS之间交换的相同的交叉项信息。所提出的分布式预编码设计享有期望的灵活性和可缩放性属性，因为OTA信令的量不随BS或用户设备的数量而缩放。数值结果表明，快速收敛和显着的性能增益相比，非合作的预编码设计。所提出的方案也可以优于集中式预编码设计在现实的CSI捕获。
2020-10-13 cs.IT eess.SP math.IT
Integrated Sensing, Communication, and Computation Over-the-Air: MIMO Beamforming Design
为了支持物联网（IoT）应用的空前增长，物联网设备需要收集大量数据并将其发送到服务器进行进一步计算。综合传感和通信（ISAC）技术利用相同的信号进行雷达传感和数据通信，打破了物理层中数据汇集和传输之间的障碍。通过利用多接入信道中的模拟波添加，空中计算（AirComp）使得能够经由物理层中的传输进行函数计算。ISAC和AirComp的良好性能激发了当前开发一个称为集成传感，通信和计算的框架（ISCCO）的工作。雷达感知和AirComp的性能指标分别由估计的目标响应矩阵和接收的计算结果的均方误差来评估。MIMO ISCCO的设计挑战在于物联网设备和服务器上用于感知、通信和计算的波束形成器的联合优化，这会导致非凸问题。针对这一问题，提出了一种基于半定松弛技术的算法解决方案。仿真结果表明了该算法在目标位置估计中的优越性。
2022-02-22 cs.IT eess.SP math.IT
Cell-free Massive MIMO with Short Packets
在本文中，我们适应了无小区的大规模MIMO（多输入多输出），这是由Östman等人（2020）引入的有限块长度框架，用于表征在超可靠低延迟通信（URLLC）制度下，大规模MIMO可实现的分组错误概率。在本文中考虑的框架包括一个无细胞的架构，不完美的信道状态信息，和任意的线性信号处理在中央处理单元连接到接入点通过前传链路。通过数值模拟，我们表明，要达到高可靠性要求的URLLC，MMSE信号处理必须使用。还与小小区和大规模MIMO蜂窝网络进行了比较。两者都需要更多的天线来实现与无小区Massive MIMO相当的性能。
2021-07-22 cs.IT eess.SP math.IT
Beyond Cell-free MIMO: Energy Efficient Reconfigurable Intelligent Surface Aided Cell-free MIMO Communications
无小区系统可以通过使多个基站（BS）能够以由于BS的大规模部署而导致的高硬件和电源成本为代价来协作地为没有小区边界的用户服务，从而有效地消除小区间干扰。为了解决这个问题，低成本的可重构智能表面（RIS）可以作为一个有前途的技术，以提高能源效率的无细胞系统。在本文中，我们考虑了一个RIS辅助无小区MIMO系统，其中多个RIS部署在BS和用户周围，以低成本的方式通过可重构反射来创建有利的传播条件，从而增强无小区MIMO通信。为了最大限度地提高能量效率，提出了一种混合波束形成（HBF）方案，该方案由基站处的数字波束形成和基于RIS的模拟波束形成组成。建立了能源效率最大化问题的数学模型，并设计了求解该问题的迭代算法。研究了发射功率、RIS数目和RIS大小对能量效率的影响。理论分析和仿真结果表明，最优能量效率取决于RIS的数量和RIS的大小。数值计算也表明，该系统可以实现更高的能量效率比传统的。
2020-11-17 cs.IT eess.SP math.IT
Multi-Sensor Scheduling for Remote State Estimation over Wireless MIMO Fading Channels with Semantic Over-the-Air Aggregation
EURECOM（欧洲通信研究所）；University of Granada（格拉纳达大学）
本文提出了一种基于语义空中聚合的多传感器调度方法，通过动态规划和正半定锥分解，实现无线MIMO衰落信道中的高效远程状态估计。
2026-02-04 cs.SY eess.SP eess.SY
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
Unified Modeling and Performance Comparison for Cellular and Cell-Free Massive MIMO
针对6G无线系统中的大规模MIMO技术，本文提出涵盖蜂窝式与无蜂窝架构、支持接入点天线数可变的统一建模方法，推导了两种链路在不同方案下的传输模型与频谱效率，并完成多维度性能对比。
2024-05-16 cs.IT eess.SP math.IT
Cell-free Massive MIMO for UAV Communications
研究了无蜂窝大规模多输入多输出架构对无人机通信的支持。在一般假设的移动台，无论是无人机或地面用户，和接入点之间的传播信道遵循莱斯分布，我们推导出封闭形式的频谱效率下限的上行链路和下行链路的线性最小均方误差（LMMSE）信道估计。我们还提出了这样一个系统的功率分配和用户调度策略。我们的数值结果表明，无小区大规模多输入多输出架构可以提供比传统的多小区大规模多输入多输出网络部署更好的性能。
2019-02-10 cs.IT eess.SP math.IT
Heterogeneous Massive MIMO: A Cost-Efficient Technique for Uniform Service in Cellular Networks
本文提出异构大规模MIMO（HmMIMO）网络范式，通过在每个小区中心保留大规模天线阵列基站并由小区边缘分布式天线辅助，融合蜂窝与去蜂窝架构优势，在性能与实施复杂性间实现良好折衷。
2025-06-27 cs.IT eess.SP math.IT
Closed-form max-min power control for some cellular and cell-free massive MIMO networks
蜂窝和无蜂窝大规模MIMO网络的功率控制问题的许多常见实例可以被解释为涉及仿射干扰映射和多面体约束的最大-最小效用优化问题。我们表明，这些问题承认一个封闭形式的解决方案，它取决于已知矩阵的谱半径。与此相反，以前的文献中的解决方案已间接获得使用基于二分法的迭代算法，或固定点迭代。此外，我们还显示了一个渐近紧界的最优效用，这反过来又提供了一个简单的经验法则，用于评估网络是否在噪声或干扰限制制度。最后，我们说明我们的研究结果集中在经典的最大-最小公平功率控制无小区大规模MIMO网络。
2022-05-03 cs.IT eess.SP math.IT
Cell-Free MIMO Systems Powered by Intelligent Reflecting Surfaces
无蜂窝大规模多输入多输出（MIMO）和智能反射面（IRS）被认为是未来5G网络的多天线技术。由IRS供电的无小区MIMO系统结合了这两种技术，可以以低成本和低能耗进一步提高无小区MIMO系统的性能。先前的工作集中于瞬时性能度量并且依赖于交替优化算法，这强加了巨大的计算复杂性和信令开销。为了解决这些挑战，我们提出了一种新的两步算法，提供了长期的被动波束形成器在IRS使用统计信道状态信息（S-CSI）和短期的主动预编码器和长期的功率分配在接入点（AP），以最大限度地提高最低可实现的速率。仿真结果表明，该方案的性能优于基准方案，并带来了显着的性能增益的无小区MIMO系统由IRS供电。
2022-02-16 cs.IT eess.SP math.IT
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
Over-the-Air Federated Multi-Task Learning Over MIMO Multiple Access Channels
随着数据和无线设备的爆炸式增长，基于无线介质的联邦学习（FL）已成为大规模分布式智能系统的一种有前途的技术。然而，对泛在智能的迫切需求将产生大量并发的FL任务，这可能会严重加剧通信资源的稀缺。空中计算（Over-the-Air Computation，AirComp）利用电磁波的模拟叠加特性，可以有效地减轻FL的通信负担。然而，空中计算中的频时资源共享不可避免地带来了任务间干扰问题，这是一个需要妥善解决的新挑战。在本文中，我们研究了空中联合多任务学习（OA-FMTL）在多输入多输出（MIMO）多址接入（MAC）信道。我们提出了一种新的模型聚合方法，用于对齐不同设备的局部梯度，该方法消除了由于信道异质性而导致的空中计算中的掉队问题。通过考虑设备之间的空间相关性，我们建立了所提出的OA-FMTL方案的通信学习分析框架，并为收发器波束成形和设备选择的设计制定了优化问题。为了解决这个问题，我们开发了一种算法，通过使用交替优化（AO）和分式规划（FP），有效地减轻任务间干扰的FL学习性能的影响。我们表明，由于使用新的模型聚合方法，设备选择不再是必不可少的，从而避免了沉重的计算负担，选择主动设备。数值结果验证了分析的正确性和所提方案的优越性能。
2022-05-06 cs.LG cs.NI eess.SP
Ubiquitous Cell-Free Massive MIMO Communications
自20世纪70年代第一个蜂窝网络试用以来，我们见证了一场令人难以置信的无线革命。从1G到4G，大规模的流量增长是通过更宽的带宽、精细的无线电接口和网络密度的组合来管理的，即增加每个站点的天线数量。由于其成本效益，后者的贡献最大。大规模MIMO（多输入多输出）是一种关键的5G技术，它使用大规模天线阵列来提供非常高的波束成形增益和用户的空间复用，从而提高频谱和能量效率。它构成了一个集中的解决方案，以增加网络的密度，其性能受到其以小区为中心的设计中固有的小区间干扰的限制。相反，无处不在的无小区大规模MIMO指的是实现以用户为中心的相干传输以克服蜂窝网络中的小区间干扰限制并提供附加宏分集的分布式大规模MIMO系统。这些特征与大规模MIMO设计中固有的系统可扩展性相结合，将无处不在的无小区大规模MIMO与先前的协调分布式无线系统区分开来。在本文中，我们研究了这种有前途的技术的巨大潜力，同时解决了实际部署问题，以处理来自信号协处理的增加的后/前传输开销。
2019-09-06 cs.IT eess.SP math.IT
Cell-Free XL-MIMO Meets Multi-Agent Reinforcement Learning: Architectures, Challenges, and Future Directions
本文针对无蜂窝XL-MIMO系统的高维信号处理与高能耗问题，提出融合MARL的增强范式，结合近场特性设计两类低复杂度方案以最大化数据速率，并梳理相关机遇挑战与未来研究方向。
2023-10-03 cs.IT eess.SP math.IT
Achieving Distributed MIMO Performance with Repeater-Assisted Cellular Massive MIMO
本文提出中继器辅助的蜂窝大规模 MIMO，通过部署大量低成本小型无线中继器作为有源散射体，以较低代价逼近分布式 MIMO 性能。
2025-01-07 cs.IT eess.SP math.IT
Uplink Performance of Cell-Free Extremely Large-Scale MIMO Systems
在本文中，我们研究了无小区（CF）的超大规模多输入多输出（XL-MIMO）系统，这是一个很有前途的技术，为未来的无线通信的上行链路性能。更具体地，我们考虑具有多个基站（BS）和多个用户设备（UE）的实际场景。为此，我们得到确切的可实现的频谱效率（SE）的表达式为任何组合方案。值得注意的是，我们推导出了具有最大比（MR）合并的CF XL-MIMO的封闭形式的SE表达式。数值结果表明，CF XL-MIMO的SE性能相比于小小区XL-MIMO有很大的提高。有趣的是，较小的天线间距导致贴片天线之间的较高的相关水平。最后，我们证明了增加UE天线的数量可能会降低MR合并的SE性能。
2023-02-14 cs.IT eess.SP math.IT
MIMO Communications with 1-bit RIS: Asymptotic Analysis and Over-the-Air Channel Diagonalization
National and Kapodistrian University of Athens（雅典国立卡波迪斯特里安大学）
针对莱斯衰落条件下1位RIS辅助的MIMO系统，本文通过随机矩阵理论证明信道主导奇异值与向量渐近收敛于LoS分量，提出闭式SA规则及注水启发的SA算法，实现信道渐近对角化与低复杂度高性能。
2025-11-11 cs.SY eess.SP eess.SY
Improving Sum-Rate of Cell-Free Massive MIMO with Expanded Compute-and-Forward
无小区大规模多输入多输出（MIMO）采用大量分布式接入点（AP）经由相同的时间/频率资源来服务于少量用户设备（UE）。由于强大的宏分集增益，无小区的大规模MIMO可以大大提高可实现的和速率相比，传统的蜂窝大规模MIMO。然而，当在接收机处采用简单最大比合并（MRC）时，无小区大规模MIMO的性能受到用户间干扰（IUI）的上限。为了利用IUI，采用了扩展的计算和转发（ECF）框架。特别是，我们提出了功率控制算法的并行计算和连续计算的ECF框架，分别利用性能增益，然后提高系统性能。此外，我们提出了一个AP选择方案和不同的解码顺序的连续计算的应用。最后，数值结果表明，ECF框架优于传统的CF和MRC框架的可实现的和速率。
2021-11-21 cs.IT eess.SP math.IT
Scalable Cell-Free Massive MIMO Systems
想象一下，一个覆盖区域有许多无线接入点，这些接入点相互合作，共同为用户提供服务，而不是创建自治小区。这种无小区网络操作可以潜在地解决当前蜂窝网络中出现的许多干扰问题。这一目标以前被称为网络MIMO（多输入多输出），最近又以无小区大规模MIMO的名称重新出现。主要的挑战是以实际可行的方式实现无小区操作的益处，其中计算复杂性和前传要求可扩展到具有许多用户的大型网络。我们提出了一个新的框架，可扩展的无小区大规模MIMO系统，利用动态合作集群的概念，从网络MIMO文献。我们提供了一种新的算法，联合初始接入，导频分配和集群的形成，被证明是可扩展的。此外，我们适应标准的信道估计，预编码和组合方法，成为可扩展的。证明了一种新的上行链路和下行链路的对偶性，并使用该对偶性在合并向量的基础上，对预编码向量进行了启发式设计。有趣的是，所提出的可伸缩预编码和组合优于传统的最大比处理，也执行接近最好的不可伸缩的替代品。
2020-05-08 cs.IT eess.SP math.IT
Smart Hybrid Beamforming and Pilot Assignment for 6G Cell-Free Massive MIMO
本文研究了Cell-Free大规模MIMO网络，其中每个接入点（AP）都配备了一个混合收发器，与全数字收发器相比，降低了复杂性和成本。渐近近似的频谱效率推导出上行链路和下行链路。利用这些表达式，最大-最小问题被公式化以优化（i）AP处的模拟波束形成器和（ii）导频分配。仿真结果表明，这些变量的优化大大提高了网络的性能。
2023-01-13 cs.IT eess.SP math.IT
Over-the-Air Federated Learning in MIMO Cloud-RAN Systems
针对传统OA-FL覆盖受限和资源利用率低的问题，提出MIMO Cloud-RAN框架下的OA-FL，将全局聚合建模为L-DSC问题并利用AO和MM算法联合优化通信与学习，有效提升了系统性能。
2023-05-17 cs.IT eess.SP math.IT
Analysis of UAV Communications in Cell-Free Massive MIMO systems
我们研究支持无人机（UAV）通信通过一个无小区的大规模MIMO架构，其中大量的接入点（AP）部署在大的共址大规模MIMO阵列的地方。我们还考虑通过应用以用户为中心的关联方法，其中每个用户仅从网络中的AP的子集中获得服务的纯无小区架构的变化。在一般的假设下，移动台之间的传播信道，无论是无人机或地面用户（GUE），和AP遵循莱斯分布，我们推导出封闭形式的频谱效率下限的上行链路和下行链路的线性最小均方误差信道估计。我们考虑了几种功率分配和用户调度策略，这样的系统，而且，在这些，也最小速率最大化的功率分配策略，以提高系统的公平性。我们的数值结果表明，无小区的大规模MIMO架构及其低复杂度的以用户为中心的替代方案可以提供比传统的多小区大规模MIMO网络部署更好的性能。
2020-01-10 cs.IT eess.SP math.IT
Resource Efficient Over-the-Air Fronthaul Signaling for Uplink Cell-Free Massive MIMO Systems
针对无小区大规模MIMO上行前传瓶颈，提出资源高效模拟空中计算框架，通过预编码与两阶段功率分配实现OTA相干合并，并验证其性能优于有线前传方案。
2023-11-14 cs.IT eess.SP math.IT
Variational Bayes Inference for Data Detection in Cell-Free Massive MIMO
无小区大规模MIMO是用于超5G网络的有前途的技术。通过部署许多协作接入点（AP），与传统蜂窝系统相比，该技术可以显著增强用户覆盖和频谱效率。由于AP分布在大的区域上，因此无小区大规模MIMO中的有利传播水平小于共位大规模MIMO中的有利传播水平。因此，当AP天线的数目不是很大时，当前的线性处理方案不接近最优方案。本文的目的是发展非线性变分贝叶斯（VB）方法的数据检测无细胞的大规模MIMO系统。与文献中仅获得发射数据符号的点估计的现有工作相反，所提出的方法旨在获得数据符号的后验分布和贝叶斯估计。我们开发了相应的VB方法的AP之间的合作水平。仿真结果表明，显着的性能优势，开发的VB方法的线性处理技术。
2023-01-11 cs.IT eess.SP math.IT
Cell-Free Massive MIMO With Radio Stripes and Sequential Uplink Processing
与传统MIMO技术相比，无小区大规模MIMO（mMIMO）具有高频谱效率和优越的空间分集，被设想为超越5G的下一代技术。其主要原理是许多分布式接入点（AP）合作，同时为网络中的所有用户提供服务，而无需创建小区边界。本文考虑了一个无小区的mMIMO系统的上行链路利用无线条带网络架构。提出了一种新的归一化线性最小均方误差（N-LMMSE）合并的序列处理算法。该算法能够在无小区MMO中实现干扰抑制，同时保持低成本和前向回传要求。计算并分析了该算法的频谱效率。我们的结论是，它提供了一个有吸引力的低前向回程要求和高频谱效率之间的权衡。
2020-03-05 cs.IT eess.SP math.IT
Cell-Free Massive MIMO-OFDM Transmission over Frequency-Selective Fading Channels
该文提出并分析了频率选择性衰落信道下基于正交频分复用（OFDM）的无小区大规模多输入多输出（CFmMIMO）多载波传输。提出了频域共轭波束形成、导频分配和用户特定的资源分配。CFmMIMO-OFDM是可扩展的，以服务于大量的用户，并且是灵活的，以提供不同的数据率的异构应用。
2021-07-03 cs.IT eess.SP math.IT
