Spectral and Energy Efficiency of Superimposed Pilots in Uplink Massive MIMO
下一代无线网络旨在提供频谱效率（SE）和能量效率（EE）的实质性改进。大规模多输入多输出已被证明是通过使用许多基站（BS）天线对若干用户进行空间复用来实现这些目标的可行技术。多小区系统中的大规模多输入多输出的潜在限制是导频污染，导频污染在信道估计过程中由于在相邻小区中重用导频而引起的干扰而出现。减少导频污染的标准方法（称为常规导频（RP））是在不联合地发送数据和导频符号的同时调整导频序列的长度。另一种方法称为叠加导频（SP），它发送导频和数据符号的叠加。这允许使用更长的导频，这又减少了导频污染。我们认为上行链路的多小区大规模多输入多输出网络使用最大比合并检测和比较RP和SP的SE和EE。为此，我们推导出严格的封闭形式下的实际随机BS部署SP可达速率。我们证明，减少导频污染与SP是超过了额外的相干和非相干干扰。数值结果表明，当这两种方法进行优化，RP实现可比的SE和EE SP在实际情况下。
2017-09-22 eess.SP
Mitigating Pilot Contamination in Multi-cell Hybrid Millimeter Wave Systems
在本文中，我们研究了多小区多用户（MU）混合毫米波（mmWave）多输入多输出（MIMO）网络的系统性能，该网络采用[1]中提出的信道估计算法进行信道估计。由于正交导频符号在不同小区之间的重用，预计信道估计会受到导频污染的影响，导频污染被认为是传统多小区MU大规模多输入多输出网络的基本性能瓶颈。为了分析导频污染对系统性能的影响，推导了信道估计性能的归一化均方误差（MSE）的闭式近似表达式。我们的分析和仿真结果表明，信道估计误差的导频污染和噪声的影响所产生的渐近消失的天线数量的增加配备在每个射频（RF）链部署在所需的BS。因此，导频污染不再是多小区混合毫米波系统的基本问题。
2018-01-28 cs.IT eess.SP math.IT
Asynchronous Channel Training in Multi-Cell Massive MIMO
导频污染已被认为是时分复用（TDD）多小区大规模多输入多输出（MIMO）系统的主要瓶颈。导频污染问题不能用大规模天线阵列来解决。我们提供了一种新的异步信道训练方案，以获得精确的信道矩阵，而无需基站的合作。该方案通过引入有意的定时失配来利用采样分集。然后，设计了线性最小均方误差（LMMSE）估计器和迫零（ZF）估计器。此外，我们推导出ZF估计的最小平方误差（MSE）上界。此外，我们提出了等分延迟方案，在一定条件下是最优的解决方案，以最小化的ZF估计器的MSE采用单位矩阵作为导频矩阵。我们使用最大比合并（MRC）来计算上行链路可达速率，以比较异步和同步信道训练方案。仿真结果表明，异步信道估计方案可以大大降低导频污染的不利影响。
2017-11-08 eess.SP
Pilot Contamination Elimination for Channel Estimation with Complete Knowledge of Large-Scale Fading in Downlink Massive MIMO Systems
大规模多输入多输出是未来第五代系统的一项重要技术。然而，由于导频污染，大规模多输入多输出系统仍然受到限制，导频污染由于由同一小区中的用户向相邻小区发送的导频序列的非正交性而影响数据率。在对大尺度衰落信道估计的基础上，通过对最大比传输和迫零预编码方法的性能分析，提出了一种在大尺度衰落信道下，利用正交导频复用序列消除边缘用户信道质量差时的伪码的信道估计方法。当天线阵元数接近无穷大时，通过为用户分组分配PRS，我们推导出了下行链路可达到的DR和信干噪比的下界，从而缓解了这个问题。仿真结果表明，由于更好的信道估计和更小的性能损失，可以实现高的DR。
2021-06-25 cs.IT eess.SP math.IT
Mitigating Intra-Cell Pilot Contamination in Massive MIMO: A Rate Splitting Approach
大规模多输入多输出（MaMIMO）已成为第五代（5G）标准的组成部分，并设想在超5G（B5G）网络中进一步发展。由于基站（BS）处有大量天线，MaMIMO最适合满足B5G网络的突出用例，例如增强型移动宽带（eMBB）、超可靠低延迟通信（URLLC）和大规模机器类型通信（mMTC）或其组合。然而，这一追求的关键挑战之一是在实际网络中的大量设备的零星接入行为，这不可避免地导致明显的导频污染问题。用于时分双工（TDD）MaMIMO中的下行链路传输的常规线性预编码物理层策略在存在这种导频污染的情况下将导致显著的频谱效率（SE）损失。在本文中，我们的目标是集成一个强大的多址接入和干扰管理策略，称为速率分裂多址接入（RSMA）与TDD的MaMIMO下行链路传输，并研究其SE性能。提出了一种新的TDD MaMIMO下行链路RSMA传输框架，设计了一种预编码器设计策略和功率分配方案，以最大化不同的网络效用函数。数值结果表明，RSMA是显着更强大的导频污染，并始终实现SE性能，等于或优于传统的线性预编码的MaMIMO传输策略。
2022-11-14 cs.IT eess.SP math.IT
Mitigating Pilot Contamination and Enabling IoT Scalability in Massive MIMO Systems
Iowa State University（爱荷华州立大学）
针对大规模MIMO系统的导频污染与IoT可扩展性难题，提出基于设备传输模式的集群导频分配方案，结合图着色与最大k割方法提升频谱效率，实现多设备接入。
2023-10-05 cs.GT cs.IT cs.LG
Exponential Spatial Correlation with Large-Scale Fading Variations in Massive MIMO Channel Estimation
为了提供对大规模多输入多输出（M-MIMO）上的大量天线的大量利用，尽可能准确地知道基站中的信道状态信息是至关重要的。通过在导频信令阶段之后进行的信道估计过程来规范地获取该知识，该过程采用广泛接受的时分双工方案。然而，信道估计的质量受到导频污染或信道的空间相关性的严重影响。有几种模型试图匹配M-MIMO信道中的空间相关性，指数相关模型是其中之一。为了观察如何信道估计和导频污染的影响，这种相关的衰落模型，这项工作提出了调查的M-MIMO的情况下，应用标准的最小均方误差信道估计方法均匀的线性阵列和均匀的平面阵列（ULA和UPA，分别）的天线。此外，阵列的元素被认为是不平等的通信，由于大规模的衰落变化的阵列。因此，可以看出，由该组合模型生成的空间相关信道提供了导频污染的减少，从而提高了估计质量。UPA在导频污染方面获得了更好的结果，因为已经证明这种类型的阵列产生的空间相关性水平比UPA更强。与信道估计中的有利结果相反，信道硬化效应受到空间相关信道的损害，其中UPA对所讨论的模型施加了这种效应的最差性能。
2019-01-23 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
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
Towards Massive MIMO 2.0: Understanding spatial correlation, interference suppression, and pilot contamination
自2010年Marzetta的开创性论文以来，大规模多输入多输出已经从具有无限数量天线的理论概念转变为实用技术。这些关键概念已在5G中采用，并且具有$M=64$全数字收发器的基站（BS）已在sub-6，GHz频带中进行商业部署。快速的进展是由许多坚实的研究贡献，其中绝大多数假设空间不相关的信道和信号处理方案开发的单细胞操作。这些假设使得大规模多输入多输出的性能分析和优化易于处理，但是具有三个主要警告：1）实际信道是空间相关的; 2）可以通过多小区处理获得大的性能增益，而无需BS协作; 3）由导频污染引起的干扰产生有限的容量限制，如$M\to\infty$。有一条细线的文件，避免了这些警告，但结果很容易错过。因此，本教程文章解释了考虑空间信道相关性和使用为多小区网络设计的信号处理方案的重要性。我们目前的基本限制大规模多输入多输出，这不是由导频污染，但能够获得信道统计的最新结果。这些结果将指导我们迈向下一个级别的大规模多输入多输出，我们称之为“大规模多输入多输出2.0”。
2019-10-05 cs.IT eess.SP math.IT
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
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
Channel Charting Aided Pilot Reuse for Massive MIMO Systems with Spatially Correlated Channels
大规模多输入多输出（mMIMO）技术是一种提高机器类型通信（MTC）的频谱效率的方式。为了利用来自大型天线阵列的益处，需要通过导频信号进行精确的信道估计。大规模MTC系统由于连接的设备的巨大数量而无法避免导频重用。提出了一种基于信道图的导频复用算法，以减轻具有空间相关信道的多扇区单小区大规模MTC系统中的导频污染。我们表明，通过CC创建干扰图后，可以实现一个简单的策略来分配导频序列。仿真结果表明，基于CC的导频复用策略提高了信道估计精度，从而改善了符号检测性能，提高了频谱效率。此外，CC导频分配方法的性能接近用于小网络设置的穷举搜索导频分配的性能。
2022-12-02 eess.SP
A Spatial Similarity-Guided Pilot Assignment and Access Point Selection for Cell-Free Massive MIMO Networks
本文提出基于信道相似性的导频分配与接入点选择方法，通过减少干扰和提升空间多样性来提高无小区大规模MIMO网络的频谱效率。
2026-02-21 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
Subspace-Based Pilot Decontamination in User-Centric Scalable Cell-Free Wireless Networks
我们考虑一个无小区的无线系统，在时分双工（TDD）模式与用户为中心的集群的远程无线电单元（RU）。由于每个信道相干时隙的上行链路导频维度是有限的，所以副导频用户可能会招致相互导频污染。在当前的文献中，假设所有用户信道的长期统计知识是可用的。这使得最小均方误差信道估计或简化的主导子空间投影成为可能，这在对信道协方差矩阵的某些假设下实现了显著的导频净化。然而，估计信道协方差矩阵或甚至仅估计其在形成用户集群的所有RU处的主导子空间不是一件容易的任务。事实上，如果设计不当，这种长期统计估计的试验计划也会受到污染问题的影响。在本文中，我们提出了一种新的信道子空间估计方案明确设计的无小区无线网络。我们的方案是基于1）一个探测参考信号（SRS）使用拉丁方宽带跳频，和2）一个子空间估计方法的基础上，鲁棒主成分分析（R-PCA）。SRS跳频方案确保对于参与其集群的任何用户和任何RU，只有少数导频测量将包含强的副导频干扰。这几个严重污染的测量（隐式）消除R-PCA，这是为了规范的估计和折扣的“离群”的测量。我们的仿真结果表明，该方案实现了几乎完美的子空间知识，这反过来又产生系统性能非常接近理想的信道状态信息，从而从根本上解决了无小区的用户为中心的TDD无线网络中的导频污染的问题。
2022-11-17 cs.IT eess.SP math.IT
Pilot Pattern Design for Deep Learning-Based Channel Estimation in OFDM Systems
在本文中，我们提出了一种用于正交频分复用（OFDM）系统中基于深度学习（DL）的信道估计（OFDM Net）的下行链路导频设计方案。具体而言，在所提出的方案中，一个名为混凝土自动编码器（ConcreteAE）的特征选择方法被用来找到最翔实的导频传输的位置。该自动编码器由作为编码器的混凝土层和作为解码器的多层感知器（MLP）组成。在训练期间，具体层选择信息量最大的导频位置，并且解码器重建信道的近似估计。最后，在ConcreteAE的输出上训练MPENELNet，旨在重建理想的信道响应。估计误差的结果表明，该方法优于先前提出的具有均匀分布的导频图案的MPENELNET，并且其性能与最小均方误差（MMSE）相当。
2020-03-19 cs.IT eess.SP math.IT
Pilot Reuse in Cell-Free Massive MIMO Systems: A Diverse Clustering Approach
分布式或无小区（CF）大规模多输入多输出（mMIMO）最近已经被提出作为对当前以网络为中心的系统在提供高速率无处不在的传输方面的限制的回答。提供统一服务水平的能力使CF mMIMO成为超5G和6G网络的潜在技术。准确的信道状态信息（CSI）的获取对于不同的CF mMIMO操作是关键的。因此，使用上行链路导频训练阶段来有效地估计传输信道。可用的正交导频信号的数量是有限的，并且重用这些导频将增加副导频干扰。这会导致被称为导频污染的不期望的影响，其可能降低系统性能。因此，需要适当的导频重用策略来减轻导频污染的影响。本文将CF mMIMO中的导频分配问题归结为一个分集分簇问题，并提出了一种迭代极大值搜索算法来解决该问题，该算法首先将用户设备（UE）组成簇，使得簇内分集最大化，然后为同一簇内的所有UE分配相同的导频。数值结果表明，所提出的技术优于其他方法，有关实现的上行链路和下行链路的平均和每用户数据速率。
2022-12-17 cs.IT eess.SP math.IT
Impact of Mobility on Downlink Cell-Free Massive MIMO Systems
在本文中，我们分析了无小区大规模多输入多输出（CF-mMIMO）系统的下行链路频谱效率，占信道老化（由用户移动性引起的）和导频污染的影响。我们考虑两种情况，一种是用户设备（UE）依赖于由接入点（AP）波束成形的下行链路导频来估计下行链路信道，另一种是UE利用统计信道状态信息（CSI）进行数据解码。为了进行比较，我们还考虑了蜂窝mMIMO，并推导出其可实现的频谱效率与信道老化和导频污染在上述两种情况下。我们的研究结果表明，在CF-mMIMO，下行链路训练是优选的统计CSI时，选择最佳的数据序列的长度，以最大限度地提高频谱效率。然而，在蜂窝mMIMO中，取决于用户公平性或总频谱效率是否被优先化，两种方案中的任一种可能更好。此外，即使在考虑信道老化和导频污染的影响之后，CF-mMIMO系统通常也优于蜂窝mMIMO。通过数值计算结果，我们说明了各种系统参数，如最大用户速度，上行链路/下行链路导频长度，数据持续时间，网络密度的影响，并提供有趣的见解无细胞和蜂窝mMIMO系统之间的关键区别。
2022-09-06 cs.IT eess.SP math.IT
Spectrally Efficient Pilot Structure and Channel Estimation for Multiuser FBMC Systems
本文研究了滤波器组多载波系统上行链路的信道估计问题。提出了一种用于FBMC的导频结构和联合多用户信道估计方法。与文献中的可用解决方案相反，我们提出的技术不依赖于每个子载波频带上的平坦信道条件或在不同用户的导频之间放置保护符号的任何要求。我们提出的导频结构通过在时间和频率上交错用户的导频来减少训练开销。因此，我们可以在相同的带宽内容纳更多的训练信号，并提高频谱效率。此外，与使用所有子载波进行训练的解决方案相比，该导频结构固有地导致降低的峰均功率比（PAPR）。我们解析推导出的Cramer-Rao下限（CRLB）和均方误差（MSE）的表达式，我们所提出的方法。我们证明了这些表达式是相同的。这证实了我们提出的方法，这是通过模拟数值评估的最优性。在基于FBMC的大规模多输入多输出系统中，该方法可以有效地提高系统的频谱利用率，并能有效地缓解导频污染问题。这是证实通过模拟方面的总和速率性能为单小区和多小区的情况。
2020-03-13 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
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
Massive MIMO Pilot Assignment Optimization based on Total Capacity
研究了多小区大规模多输入多输出系统中导频分配的影响。当在基站（BS）处部署大量天线以及线性检测/预编码算法时，上行链路（UL）和下行链路（DL）中的系统性能主要受到导频污染的限制。该干扰是每个导频特有的，因此可以通过根据期望的度量将导频序列适当地分配给小区内的用户来改善系统性能。在本文中，我们表明，UL和DL性能构成冲突的指标，在这样一种方式，一个不能实现最佳性能的UL和DL与一个单一的导频分配配置。因此，我们提出了一个替代指标，即总容量，旨在同时实现在两个链路中的合适的性能。由于PA问题是组合的，搜索空间随着导频的数量以阶乘的方式增长，我们还提出了一个低复杂度的次优算法，实现了有前途的容量性能，避免了穷举搜索。此外，我们提出的PA计划与一个有效的功率控制算法的组合揭示了所提出的技术在提供更高的性能为更多的用户的巨大潜力。我们的数值结果表明，与64个BS天线服务10个用户，我们提出的方法可以确保95%的可能速率为4.2 Mbps的DL和UL，和对称的95%的可能速率为1.4 Mbps时，服务32个用户。
2018-10-05 eess.SP
Spectral Efficiency Analysis in Dense Massive MIMO Networks
这项工作考虑了大规模MIMO网络的上行链路，其中基站（BS）根据强度的齐次泊松点过程$λ$随机部署。每个BS配备有$M$天线并且服务于$K$用户设备。采用严格的随机几何框架，结合多斜率路径损耗模型和基于导频的信道估计，分析了$λ$对信道估计精度和频谱效率的影响。最大比和迫零组合被认为是。有趣的分析见解提供到网络参数，如$λ$，天线-UE比$M/K$，和导频复用因子的相互作用。作为$λ$的函数，对导频污染和（小区间和小区内）干扰的相对强度进行了分析和数值评估。结果表明，导频污染仅与不切实际的$M/K\ge 100$值相关。
2019-05-31 cs.IT eess.SP math.IT
Reconfigurable Intelligent Surfaces-Enabled Intra-Cell Pilot Reuse in Massive MIMO Systems
本文提出一种RIS辅助的小区内导频复用与信道估计方法，仅利用统计CSI，通过流形优化设计RIS相移并确定其位置，显著提升大规模MIMO系统上下行频谱效率。
2023-10-10 cs.IT eess.SP math.IT
Time-Spread Pilot-Based Channel Estimation for Backscatter Networks
针对反向散射网络现有静默导频信道估计效率低的问题，提出标签全时段同时激活的时间扩展导频方案，推导最优条件与多种估计器，适配无源物联网场景，实现显著功率节省。
2023-10-02 eess.SP
A Novel Heap-based Pilot Assignment for Full Duplex Cell-Free Massive MIMO with Zero-Forcing
本文研究了全双工（FD）和无小区大规模多输入多输出（CF-mMIMO）的组合效益，其中大量具有FD能力的分布式接入点（AP）在相同的时频资源上同时服务于众多的上行链路和下行链路用户设备（UE）。为了使FD技术在CF-mMIMO系统中的结合，我们提出了一种新的基于堆的导频分配算法，它不仅可以减轻导频污染的影响，但也降低了所涉及的计算复杂度。然后，我们制定了一个强大的设计问题的频谱效率（SE）最大化，其中功率控制和AP-UE关联联合优化，导致在一个困难的混合整数非凸规划。为了解决这个问题，我们得到一个更容易处理的问题，然后开发一个非常简单的迭代算法的基础上的多项式计算复杂度的内逼近方法。数值结果表明，我们提出的方法与现实的参数显着优于现有的方法在信道估计和SE的质量。
2020-07-08 eess.SP
Online Meta-Learning Channel Autoencoder for Dynamic End-to-end Physical Layer Optimization
Clemson University（克莱姆森大学）；Air Force Research Laboratory（空军研究实验室）
针对传统信道自动编码器（CAE）无法适应动态信道、依赖大量导频且少样本场景适应性差的问题，本文提出OML-CAE框架，通过在线元学习实现动态信道少样本适应，提升导频效率与真实场景可行性。
2025-01-03 cs.LG 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
Grant-Free Access via Bilinear Inference for Cell-Free MIMO with Low-Coherent Pilots
提出了一种新的用于符合第五代（5G）新无线电（NR）正交频分复用（OFDM）信令的无小区多输入多输出（MIMO）系统的联合活动、信道和数据估计（JACDE）方案。贡献的目的是允许显着的开销减少无小区MIMO系统，使免授权接入，同时保持适度的吞吐量每用户。为此，我们扩展了传统的MIMO OFDM协议，以便将活动检测能力，而不诉诸于扩展信息数据符号，与相关的工作，通常依赖于信号扩展。我们的方法利用贝叶斯消息传递方案的基础上高斯近似，联合执行主动用户检测（AUD），信道估计（CE），和多用户检测（MUD），还结合了一个结构良好的低相干导频设计的基础上框架理论，减轻导频污染，并最终补充与检测器授权的双线性消息传递。仿真结果表明，所得到的JACDE为基础的免授权接入方案，而无需扩展数据序列的功效，这被证明是显着优于当前的最先进的和接近的理想化的（天才辅助）计划，其中用户活动和信道系数是完全已知的性能。
2020-09-27 eess.SP
Semi-Supervised Variational Inference over Nonlinear Channels
本文提出基于变分推断的半监督学习方法（含蒙特卡洛期望最大化和变分自编码器）用于未知非线性信道译码，实验表明变分自编码器在有效载荷充足时误码率优于元学习方法。
2023-09-21 cs.IT eess.SP math.IT
Joint User Association and Pilot Assignment via Phase-Shifted Pilots for Scalable Cell-Free mMIMO
Istanbul Medipol University（伊斯坦布尔梅迪波尔大学）；National University of Sciences and Technology（国立科学与技术大学）
该研究提出基于自适应相移导频的联合用户关联与导频分配框架，突破正交导频序列数量限制，可大幅增加可调度UE数量，同时提升信道估计性能与连通性、公平性指标。
2026-08-31 eess.SP
Pilot Decontamination for Massive MIMO Network with UAVs
本文研究了地面用户和无人机共存的大规模多输入多输出（MIMO）网络中的导频污染（PC）问题。由于无人机与基站之间存在较强的视距（LoS）空-地信道，与传统的地面用户相比，无人机通常会导致更严重的PC问题。为了减轻由无人机引起的PC，我们提出了一种低复杂度的分布式方案，通过利用大规模MIMO基站的全维波束成形和它们与高空无人机之间的角度相关的LoS信道。仿真结果表明，该方法能够有效地消除导频污染，并能显著提高上下行链路的信干噪比。
2020-06-09 cs.IT eess.SP math.IT
Detecting Malicious Pilot Contamination in Multiuser Massive MIMO Using Decision Trees
Engineering, Modeling and Applied Social Sciences Center, Federal University of ABC（工程、建模与应用社会科学中心，巴西联邦大学ABC分校）
提出在多用户大规模 MIMO 系统基站使用决策树算法检测导频污染攻击，该方法无需噪声或信号功率先验知识，在低信噪比和低功率攻击下检测性能优于传统似然比检验。
2025-10-10 cs.CR cs.IT cs.LG
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
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
Pilot Decontamination Processing in Cell-Free Massive MIMO
这封信的重点是在上行链路和下行链路的无小区的大规模多输入多输出网络与接入点之间的合作程度不同的导频污染问题。最佳最小均方误差处理可以利用大尺度衰落系数来抵消导频共享用户设备的干扰，从而实现渐近无界容量。然而，它对计算要求很高，只能在完全集中的网络中实现。在这里，次优方案推导出，提供无限的能力与线性增长的复杂性，只使用本地信道估计，但全球信道统计。这使得它们适合集中式和分布式网络。在后一种情况下，最好的性能是实现了一个广义的最大比组合器，最大限度地提高了基于信道统计的容量界限。
2021-10-05 cs.IT eess.SP math.IT
Downlink Training in Cell-Free Massive MIMO: A Blessing in Disguise
无小区大规模MIMO（多输入多输出）是指分布式大规模MIMO系统，其中所有接入点（AP）协作以相干地服务所有用户设备（UE），抑制小区间干扰并减轻多用户干扰。最近的工作表明，与共址的大规模MIMO不同，\textit{channel hardening}通常在无小区的大规模MIMO中不太明显，因此从估计下行链路信道中获益很多。在这项研究中，我们调查的增益引入的下行链路波束成形训练，延伸到非正交的上行链路和下行链路导频先前提出的分析。假设单天线接入点，共轭波束成形和独立的瑞利衰落信道，我们推导出一个封闭形式的表达式为每个用户可实现的下行链路速率，解决信道估计误差和导频污染都在AP和UE侧。性能评估包括最大-最小公平功率控制、贪婪导频分配方法，以及不同容量约束技术获得的可达速率之间的比较。数值结果表明，下行波束成形训练，虽然增加了导频开销，并引入额外的导频污染，显着提高可达到的下行链路速率。即使对于大量AP，依赖于统计信道状态信息进行数据解码的UE也不是完全有效的。
2019-09-06 cs.IT eess.SP math.IT
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
Is Downlink Training Necessary for User-Centric Cell-Free RSMA Systems With Mobile Users?
IIT Kanpur（坎普尔印度理工学院）
本文研究了在用户导向的无基站大规模MIMO RSMA系统中，下行试点对于实现更高频谱效率的必要性，并探讨了信道老化与用户移动性对性能的影响。
2026-02-13 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
Estimation Large- Scale Fading Channels for Transmit Orthogonal Pilot Reuse Sequences in Massive MIMO System
大规模多输入多输出（MIMO）是未来第五代（5G）系统的关键技术。减少的导频污染（PC）增强了系统性能，并减少了小区间干扰和改善了信道估计。然而，由于单个小区中的用户向相邻小区发送的导频序列不是正交的，因此大规模MIMO系统仍然受到限制。我们提出的信道评估，使用正交导频复用序列（PRS）和零强制（ZF）预编码技术，以消除信道质量差的信道质量的基础上，信道评估，大规模关机评估，并分析最大传输效率的终端用户的信道质量。我们推导了下行链路数据率（DR）和信号干扰噪声比（SINR）的下限，可以实现基于PRS分配给一组用户，其中天线元件的数量减轻干扰时，天线的数量达到无穷大。信道相干间隔限制，正交PRS不能被分配给每个小区中的所有UE。短的相干间隔可以减小PC，提高信道质量。建模结果表明，由于更好的信道评估和更低的损耗，可以实现更高的DR。
2022-10-20 cs.NI eess.SP
Novel Synchronization Scheme for Cooperative ISAC Systems
本文针对无小区 mMIMO 协作 ISAC 系统，提出了一种基于导频共享的同步策略，通过联合优化簇分类、同步开销与导频共享，并利用 K-means 算法和交换匹配操作有效最小化了 CRB 之和。
2025-01-30 eess.SP
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
Unsupervised Linear and Nonlinear Channel Equalization and Decoding using Variational Autoencoders
Tel-Aviv University（特拉维夫大学）
介绍了一种新的盲信道均衡和译码方法，即变分推理方法，特别是变分自编码器（VAE）。首先，我们考虑重建的未编码的数据符号传输在一个嘈杂的线性符号间干扰（ISI）的信道，与一个未知的脉冲响应，而不使用导频符号。我们推导出一个近似的最大似然估计的信道参数和重建的传输数据。我们表现出显着和一致的改善，在出错率的重建符号，相比现有的盲均衡方法，如恒模，从而使更快的信道采集。VAE均衡器使用具有少量自由参数的卷积神经网络。这些结果被推广到未知参数的噪声非线性ISI信道的盲均衡。然后，我们考虑编码通信使用低密度奇偶校验（LDPC）码在噪声线性或非线性ISI信道上传输。目标是在不使用导频符号的情况下，根据与所发送的码字相对应的信道观测来重构所发送的消息。我们证明了改进的期望最大化（EM）算法，使用涡轮均衡。此外，不同于EM，我们的方法的计算复杂性不具有对信道冲激响应的大小的指数依赖性。
2020-04-13 cs.IT cs.LG eess.SP
Downlink Spectral Efficiency of Cell-Free Massive MIMO with Full-Pilot Zero-Forcing
与蜂窝通信相比，由于增加了宏分集，大规模多输入多输出（MIMO）可确保以高频谱效率（SE）进行无处不在的通信。然而，系统的可扩展性和性能受到前传业务和干扰的限制。与仅抑制小区内干扰的常规预编码方案不同，在[1]中引入的全导频迫零（fpZF）还主动地抑制小区间干扰，而不在接入点（AP）之间共享信道状态信息（CSI）。在这项研究中，我们推导出一个新的封闭形式的表达的下行链路（DL）SE的无小区大规模MIMO系统与多天线AP和fpZF预编码，不完美的CSI和导频污染。该分析还包括最大-最小公平DL功率优化。数值结果表明，fpZF显着优于最大比传输方案，而不增加前传开销，只要系统是充分分布。
2019-09-06 cs.IT eess.SP math.IT
Feedback Design with VQ-VAE for Robust Precoding in Multi-User FDD Systems
本文提出基于VQ-VAE的反馈方案，用于多用户FDD系统中的鲁棒预编码设计，在低导频开销下优于现有AE压缩和DFT码本方案，可减少反馈比特或导频需求。
2024-08-08 cs.IT eess.SP math.IT
Cell-Free Massive MIMO with Nonorthogonal Pilots for Internet of Things
我们认为物联网（IoT）是根据无小区大规模多输入多输出的原理组织的。由于事物的数量非常大，所以即使事物是静止的，也不能将正交导频分配给所有事物。这导致了不可避免的导频污染问题，对于物联网来说，由于这些设备以非常低的发射功率运行，因此情况更加恶化。为了缓解这个问题，并实现高吞吐量，我们使用无细胞系统与最佳线性最小均方误差（LMMSE）信道估计，而传统上简单的次优估计已被用于这样的系统。我们进一步推导出这种情况下的分析上行链路和下行链路的信号与干扰加噪声比（SINR）的表达式，这只取决于大尺度衰落系数。这使我们能够设计新的功率控制算法，只需要不频繁的发射功率自适应。仿真结果显示，与现有的无小区无线系统相比，上行链路和下行链路吞吐量提高了40%，能效提高了95%，与基于小小区系统的已知物联网系统相比，上行链路提高了至少三倍。
2020-06-18 cs.IT eess.SP math.IT
URLLC with Massive MIMO: Analysis and Design at Finite Blocklength
大规模MIMO在高吞吐量通信中的快速采用主要依赖于无限块长度信息理论界限的许多研究成果。这使得很难评估大规模MIMO对于使用短块长度代码操作的超可靠低延迟通信（URLLC）的适用性。本文提供了一个严格的框架，在有限的块长度的大规模MIMO的上行链路和下行链路中实现的错误概率的表征和数值评估（使用鞍点近似）。该框架包括不完善的信道状态信息，导频污染，空间相关的信道，和任意线性空间处理。根据以前的结果无限块长度的界限，我们证明，最小均方误差（MMSE）处理和空间相关的信道，在有限块长度的错误概率为零的天线的数量$M$增长到无穷大，即使在导频污染。另一方面，涉及具有$M=100$天线的基站的实际URLLC网络设置的数值结果表明，只有当正交导频序列被分配给网络中的所有用户时，才可以利用MMSE处理在每个小区上均匀地实现$10^{-5}$的目标错误概率。最大比率处理是不够的。
2021-05-10 cs.IT eess.SP math.IT
Bayesian Learning for Pilot Decontamination in Cell-Free Massive MIMO
EURECOM（欧洲通信研究所）
本文提出了一种基于贝叶斯学习的联合信道估计和数据检测算法，用于减轻cell-free大规模MIMO系统中pilot污染的影响，并引入了新的指标来量化PC。
2025-11-20 cs.IT eess.SP math.IT
Spectral Efficiency Analysis of Multi-Cell Massive MIMO Systems with Ricean Fading
本文研究了在莱斯衰落信道下，采用线性最大比合并检测器的多小区大规模多输入多输出系统的频谱效率。我们首先提出了封闭形式的表达式的有效信号干扰加噪声比（SINR）的最小二乘和最小均方误差（MMSE）估计方法，分别适用于任何数量的基站天线$M$和任何莱斯$K$ -因素。此外，所得到的结果可以在瑞利衰落条件下，当莱斯$K$因子等于零的特殊化。在下文中，在高$M$和高莱斯$K$因子状态中导出有效SINR的新的精确渐近表达式。相应的分析表明，当我们同时考虑无穷大$M$和无穷大莱斯$K$因子时，MMSE估计器可以消除导频污染，而在其他情况下，导频污染现象仍然存在。所有的理论结果都通过Monte-Carlo模拟进行了验证。
2018-08-26 cs.IT eess.SP math.IT
Self-Learning Detector for the Cell-Free Massive MIMO Uplink: The Line-of-Sight Case
无小区大规模多输入多输出（MIMO）技术中的预编码依赖于用户（UE）和接入点（AP）之间的信道响应的准确知识。获得高质量的信道估计又需要已知UE和AP对之间的路径损耗。这些路径损耗可能会迅速变化，特别是在具有移动阻挡物体的视线环境中。估计路径损耗的困难在于导频污染，即，来自不同UE的同时发送的导频可能偶然地破坏性地或建设性地相加，严重影响估计质量（并且因此影响最终性能）。提出了一种用于估计路径损耗的方法以及伴随的导频传输方案，该方法适用于瑞利衰落和视距信道，并且显著地改善了现有技术的性能。该导频传输方案的显著特征是导频在不同的相干块上进行结构相位旋转（根据所有各方已知的预定函数），以便创建所接收的导频信号的有效统计分布，其可以被所提出的估计算法有效地利用。
2020-05-19 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
Decentralized Expectation Propagation for Semi-Blind Channel Estimation in Cell-Free Networks
针对无蜂窝大规模MIMO上行半盲信道估计中的导频污染问题，提出融合CLT与EP的去中心化因子分解方法，在无需新增辅助变量的同时降低CPU计算负担。
2024-10-02 cs.IT eess.SP math.IT
