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
Uplink Sum-Rate and Power Scaling Laws for Multi-User Massive MIMO-FBMC Systems
本文分析了在多用户(MU)大规模多输入多输出(MIMO)系统中,滤波器组多载波(FBMC)信令结合偏移正交幅度调制(OQAM)的性能。首先,封闭形式的表达式推导出严格的下限对应于可实现的上行链路和速率的FBMC为基础的单小区MU大规模多输入多输出系统依赖于最大比合并(MRC),迫零(ZF)和最小均方误差(MMSE)接收机处理与/不完美的信道状态信息(CSI)在基站(BS)。这是通过利用FBMC系统特有的固有干扰的统计特性来实现的。分析结果还开发了MU大规模多输入多输出-FBMC系统的上行链路中的功率缩放。随后将可实现的和速率和对应的功率缩放律的上述分析扩展到考虑完美CSI和不完美CSI两者以及导频污染的影响的多小区场景。通过仿真,对线性处理辅助BS接收机的延迟扩展引起的性能侵蚀进行了数值量化。数值结果表明,我们的分析和仿真之间的密切匹配,并说明和比较的性能FBMC和传统的正交频分复用(OFDM)为基础的MU大规模多输入多输出系统。
2019-06-12 eess.SP
GEVD-based Low-Rank Channel Covariance Matrix Estimation and MMSE Channel Estimation for Uplink Cellular Massive MIMO Systems
上行链路信道估计是蜂窝大规模多输入多输出系统性能的关键组成部分。然而,当用户设备(UE)的数量增长时,可用资源的共享导致相邻小区中的UE之间的干扰。已经提出了最小均方误差(MMSE)信道估计器来减轻这种干扰,但是这些需要信道协方差矩阵的估计。因此,本文提出了一种新的低秩信道协方差矩阵的信道协方差矩阵估计器,使用广义特征值分解(GEVD)的两个协方差矩阵,可以估计从可用的上行链路数据。对系统的要求是最小的,并且除了同步之外,不需要不同小区之间的通信,并且不需要关于背景噪声的先验知识。基于新提出的信道协方差矩阵估计器,还推导了近似MMSE估计器。数值仿真结果表明了所提出方法的有效性。
2021-11-23 eess.SP
Impact of Phase Noise on Uplink Cell-Free Massive MIMO OFDM
本文研究了相位噪声对上行 Cell-Free massive MIMO OFDM 网络的影响,构建了受损系统模型,提出了相位噪声感知的线性最小均方误差信道估计器并推导了频谱效率表达式,量化了其性能增益。
2023-05-21 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
Pilot-Based Uplink Power Control in Single-UE Massive MIMO Systems With 1-Bit ADCs
针对配备1-bit ADC的大规模MIMO系统中数据检测性能随UE发射功率非单调变化的问题,提出基于多幅度导频序列的单次和差分闭环上行功率控制方法,数值验证其优于传统技术。
2023-10-25 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
Impact of Subcarrier Allocation and User Mobility on the Uplink Performance of Multi-User Massive MIMO-OFDM Systems
研究了多用户大规模多输入多输出正交频分复用(MIMO-OFDM)系统中移动用户的上行链路性能。移动性给MIMO-OFDM系统带来了两个主要问题:载波间干扰(ICI)和信道老化。在实践中,通常将多个连续的子载波分配给用户以及在每个子载波上调度多个用户。出于这一动机,我们考虑了一个一般的子载波分配方案,并推导出表达式的ICI功率,上行链路信号干扰加噪声比和可实现的上行链路总速率,考虑到ICI和多用户干扰,由于信道老化。我们表明,该系统会产生一个接近恒定的ICI功率,线性依赖于每个子载波的用户数的比率,每个用户的子载波的数量,几乎独立于UE如何在子载波上分配他们的功率。此外,我们利用信道的相干带宽来减少上行链路信道估计所需的导频序列的长度。我们认为迫零和最大比合并在接收机和比较各自的总和速率性能。在任何一种情况下,所提出的子载波分配方案导致显着更高的总和速率相比,以前的工作,由于接近恒定的ICI属性以及减少的导频开销。
2022-08-25 eess.SP
Uplink MIMO Performance Analysis for Diverse HAPS Antenna Array Architectures
本文针对6G及后续网络的HAPS,研究比较五种天线阵列的上行链路MIMO性能,发现提出的两种阵列中截半球形适配密集UE,截锥形平衡性能与复杂度,均达到半球形阵列性能。
2026-08-18 eess.SP
Sum-Rate Maximization for Uplink Segmented Waveguide-Enabled Pinching-Antenna Systems
Queen Mary University of London(伦敦大学玛丽女王学院);The University of Hong Kong(香港大学);Sungkyunkwan University(成均馆大学)
本文提出基于分段波导增强捏合天线系统的上行链路速率最大化方法,通过分段选择和分段聚合两种协议提升多用户通信性能。
2025-12-23 eess.SP
Uplink Energy Efficiency of Cell-Free Massive MIMO With Transmit Power Control in Measured Propagation Channels
无小区大规模多输入多输出(CF-mMIMO)被期望为使用分布在广域上的接入点(AP)的大量用户设备(UE)提供可靠的无线服务。当UE由电池供电时,上行链路能量效率(EE)成为CF-mMIMO系统的重要性能度量。因此,如果满足“目标”频谱效率(SE),则在设置UE的发射功率时优化上行链路EE是重要的。此外,这种发射功率控制(TPC)方法必须在实际测量的信道数据上进行测试,以证明其有效性。在本文中,我们比较了三种不同的TPC算法,使用迫零接收,将它们应用于3.5 GHz信道测量数据,在200 mx200 m的区域内具有约30,000个可能的AP位置和8个UE位置。我们表明,最大-最小EE算法是非常有效的,在提高上行链路EE在目标SE,特别是如果单天线AP的数量是大的,电路功耗低,和UE的最大允许发射功率高。
2021-08-04 eess.SP
Mirror Prox Algorithm for Large-Scale Cell-Free Massive MIMO Uplink Power Control
研究了上行链路无小区大规模多输入多输出(MIMO)系统在单用户功率约束下的最大最小公平性问题。解决所考虑的问题的标准框架是分别解决两个子问题:接收机滤波器系数设计和功率控制问题。虽然前者有一个封闭的形式的解决方案,后者已经解决了使用高计算复杂性的二阶方法或一阶方法,提供了一个近似的解决方案。为了解决现有方法的这些缺点,我们提出了一种基于镜像prox的功率控制问题的方法,通过等价地将其转化为一个凸-凹问题,并应用镜像prox算法来找到一个鞍点。仿真结果证明了该方法的最优性,并证明了该方法比已知方法更有效。我们还得出结论,对于大规模无小区大规模多输入多输出,线性接收合并和功率控制的联合优化提供了显着更好的用户公平性比功率控制的唯一方案,其中接收机系数固定为1。
2022-09-20 eess.SP
Estimating Channels With Hundreds of Sub-Paths for MU-MIMO Uplink: A Structured High-Rank Tensor Approach
本文针对6GHz以下MU-MIMO上行信道中数百条子路径的估计难题,提出结构化高秩四维张量CPD方法,利用范德蒙德约束推导更强唯一性,实现高效单遍参数估计,并在3GPP 5G协议仿真中优于现有张量方法。
2024-09-01 eess.SP
Analysis of Oversampling in Uplink Massive MIMO-OFDM with Low-Resolution ADCs
本文分析低分辨率ADC上行大规模MIMO-OFDM系统中过采样的性能,推导可达和速率闭式表达式,证明过采样可减轻量化失真、提升和速率,并在高SNR和高OSR下达到未量化系统性能。
2024-11-09 eess.SP
BER Performance Analysis of Coarse Quantized Uplink Massive MIMO
具有较低的量化分辨率,作为降低大规模多输入多输出和毫米波MIMO系统的功耗的解决方案,已经在文献中引入。在本文中,我们分析了误比特率(BER)性能的量化上行链路大规模多输入多输出采用几位分辨率的ADC。针对迫零(ZF)检测,利用线性量化模型,推导了一种封闭形式的量化信干噪比(SINR),以获得粗量化M-QAM大规模多输入多输出系统的解析误比特率近似。所提出的表达式是以比特为单位的量化分辨率的函数。我们进一步数值研究了不同的量化水平,从1位到4位,对三种调制类型的QPSK,16-QAM和64-QAM的BER的影响。在我们的模拟中采用了均匀和非均匀量化器。Monte Carlo仿真结果表明,我们的近似公式给出了使用非均匀量化器的$b$比特分辨率量化系统的BER性能的严格上限,而使用均匀量化器会导致相同系统的性能较低。我们还发现,与全精度(未量化)情况相比,在粗量化系统(例如2-3位QPSK和3-4位16-QAM)中,BER性能下降较小。然而,这种性能下降可以通过增加BS处的天线数量来补偿。
2018-04-19 eess.SP
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
Uplink Transmission Design for Fluid Antenna-Enabled Multiuser MIMO Systems with Imperfect CSI
本文研究不完美CSI下MIMO-FAS的双时间尺度上行传输框架,提出基于LMMSE信道估计与MRC检测推导可达速率,并利用遗传算法和加速梯度上升算法优化流体天线位置,显著提升了最小用户速率并优于传统FPA系统。
2025-03-03 eess.SP
Precoding for Uplink RIS-Assisted Cell-Free MIMO-OFDM Systems with Hardware Impairments
Cisco Systems(思科系统);KTH Royal Institute of Technology(瑞典皇家理工学院)
针对 UE 与 AP 存在 IQI 的多 RIS 辅助上行 CF-mMIMO-OFDM 系统,提出基于 WMMSE 的 BCD 联合预编码、RIS 系数和接收合并优化方法,以提升和速率与求解效率。
2025-10-20 eess.SP
A novel random access scheme for M2M communication in crowded asynchronous massive MIMO systems
针对拥挤异步大规模多输入多输出(MIMO)系统中M2M通信的小区内导频冲突问题,提出了一种新的随机接入方案。该方案利用ESPRIT-E方法估计信号参数来估计有效定时偏差,然后由有效定时偏差获得UE的定时误差,用于上行链路消息传输。我们分析了估计的UE的有效定时偏移的均方误差和上行链路吞吐量。仿真结果表明,与现有的拥挤异步大规模多输入多输出系统随机接入方案相比,该方案在提高上行链路吞吐量的同时,能够准确估计有效定时偏差。
2020-07-13 eess.SP
Master-Assisted Distributed Uplink Operation for Cell-Free Massive MIMO Networks
KU Leuven(荷语鲁汶大学)
本文提出了一种名为MADUO的协助式分布式上行操作,用于无蜂窝大规模MIMO网络,通过主AP协作提升上行链路性能并平衡信令与计算复杂性。
2026-01-27 eess.SP
Decentralized Linear MMSE Equalizer Under Colored Noise for Massive MIMO Systems
大规模多输入多输出系统中的常规上行链路均衡依赖于集中式基带处理架构。然而,随着基站天线数目的增加,集中式基带处理架构遇到两个瓶颈,即,巨大的数据互联和高维计算。为了解决这些问题,分散基带处理被提出用于上行链路均衡,但仅适用于不切实际的高斯白噪声假设的场景。提出了一种色噪声假设下的菊花链分布式基带处理结构中上行链路线性最小均方误差(L-MMSE)均衡方法。优化的L-MMSE均衡器是通过利用块坐标下降法,这表明在理论和仿真接近最优的性能,同时显着减轻瓶颈。
2021-06-23 eess.SP
Multi-Target Two-way Integrated Sensing and Communications with Full Duplex MIMO Radios
该研究提出一种多目标双向全双工MIMO集成感知通信系统,采用通信波形兼顾感知与通信,开发目标参数估计算法,提出联合波束成形优化及NSP方法,仿真验证可实现准确雷达估计并提升上下行速率。
2023-12-16 eess.SP
Distributed Massive MIMO with 1-Bit Radio-over-Fiber Fronthaul: Uplink Spectral Efficiency and Power Control
Chalmers University of Technology(查尔姆斯理工大学);Hangzhou Dianzi University(杭州电子科技大学)
针对1比特射频光纤前传的分布式MIMO系统,提出无需MMSE信道估计的可达速率表达式,利用Bussgang分解线性化输入输出关系,优化信噪比和过采样,解决最大最小公平功率控制问题。
2026-06-26 eess.SP
Frequency Synchronization for Uplink Massive MIMO with Adaptive MUI Suppression in Angle-domain
针对大规模多输入多输出(MIMO)多用户网络的上行链路,提出了一种新的基于角度域自适应滤波(ADAF)的频率同步方法,该方法适用于到达角(AoA)区域分离或重叠的用户。对于每个用户,我们首先介绍的角度约束矩阵(ACM),它由一组选定的匹配滤波器(MF)波束形成器指向感兴趣的用户的AoA。然后,通过适当地设计ADAF向量,可以获得自适应波束形成器。这种波束形成器可以实现两级自适应多用户干扰(MUI)抑制,即,在第一阶段中通过ACM固有地抑制来自非重叠用户的MUI,并且在第二阶段中通过ADAF向量实质上减轻来自相邻重叠用户的MUI。对于独立的和相互重叠的用户,载波频率偏移(CFO)估计和后续的数据检测可以独立地为每个用户执行,这大大降低了计算复杂度。此外,ADAF是相当强大的不完善的AoA知识和侧集群的散射,使自己有希望的多用户上行链路传输。我们还分析了CFO估计的性能,并得到了一个近似的封闭形式的均方误差(MSE)的表达式。数值结果表明了该方法的有效性及其相对于现有方法的优越性。
2018-10-12 eess.SP
Insights on the Uplink Operation of a 1-bit Radio-Over-Fiber Architecture in Multi-User D-MIMO Communication
Ericsson AB(爱立信公司);Chalmers University of Technology(查尔姆斯理工大学)
本文研究了1位光子前传架构在多用户D-MIMO通信中的上行操作,通过实验和模拟验证了其在均匀服务质量保障方面的有效性,并指出上行传输受限于自动增益控制器的动态范围,可通过UE功率控制缓解。
2025-12-01 eess.SP
Holographic Metasurface Antennas for Uplink Massive MIMO Systems
我们提出了一种上行链路大规模多输入多输出系统,使用全息超表面阵列作为扇区天线。该天线由一组矩形波导馈电超材料表面组成,这些超材料表面沿着仰角方向组合成平面孔径,每个超材料表面都具有亚波长尺寸的超材料元件作为辐射器。超材料辐射器被设计为使得波导馈电超表面实现用于引导(或参考)模式的全息解决方案,生成朝向规定方向的扇形波束,从而形成多波束天线系统。我们证明,窄带上行链路大规模多输入多输出系统使用的元表面可以实现的总和容量接近所提供的瑞利信道在3.5 GHz。我们表明,支持多个扇形波束的元表面可以在6 GHz以下的信道中实现方位角方向上的高空间分辨率,从而在基站和用户之间形成不相关的MIMO信道。此外,所提出的超表面天线在结构上简单、低成本且高效,并且因此适合于减轻装备有大型天线系统的大规模多输入多输出系统所共有的RF硬件问题。
2021-08-27 eess.SP physics.app-ph
FDD Massive MIMO Uplink and Downlink Channel Reciprocity Properties: Full or Partial Reciprocity?
FDD大规模MIMO通信系统面临的一个挑战是如何在基站处获得下行链路信道状态信息(CSI)。除了通过上行链路导频传输的传统码本反馈之外,可以通过上行链路信道估计和信道参数估计算法来利用一些信道互易特性。本文分析了上下行信道的互易特性。从理论上证明了FDD下行信道和上行信道的多径参数并不都是等价的。因此,所谓的完全互易性不成立,而部分互易性成立。最后,通过信道测量活动验证了理论分析的正确性.最后,为了支持部分互易性,还提出了对标准化5G信道模型的修改。通过本文的工作,可以为FDD大规模MIMO系统的传输方案设计指明方向。
2019-12-31 cs.IT eess.SP math.IT
Massive MU-MIMO-OFDM Uplink with Direct RF-Sampling and 1-Bit ADCs
模数转换器(ADC)技术的进步为直接对宽带射频(RF)信号进行数字化提供了可能性,从而避免了模拟下变频的需要。在这项工作中,我们考虑了一个基于正交频分复用(OFDM)的大规模多用户(MU)多输入多输出(MIMO)上行链路系统,该系统依赖于在基站直接RF采样和数字化接收到的RF信号与1位ADC。利用Bussgang定理,我们提供了一个解析表达式的误差矢量幅度(EVM)实现的数字下变频和迫零合并。我们的结果表明,直接RF采样1位ADC实现低EVM,并支持大规模MU-MIMO-OFDM上行链路中的高阶星座。
2019-07-16 cs.IT eess.SP math.IT
MIMO-PASS: Uplink and Downlink Transmission via MIMO Pinching-Antenna Systems
本文研究多用户MIMO场景下夹持天线系统(PASS)的上下行传输,提出联合优化数字预编码与夹持元件位置的混合波束成形及多用户检测算法,显著提升了系统吞吐量。
2025-03-05 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
Uplink power control in cell-free massive MIMO via deep learning
本文重点研究了在无小区大规模MIMO网络的上行链路中使用深度学习方法来执行和速率最大和最大最小功率分配。特别地,我们训练深度神经网络,以便学习一组输入数据与功率分配策略的最优解之间的映射。数值结果表明,在无小区的大规模MIMO系统中,导频污染的存在不会显著影响神经网络的学习能力,其性能接近最优。相反,随着在系统中引入阴影效应,用深度学习方法获得的性能相对于最佳性能显著下降。
2019-08-29 cs.IT eess.SP math.IT
Performance Analysis of Quantized Uplink Massive MIMO-OFDM With Oversampling Under Adjacent Channel Interference
大规模多输入多输出(MIMO)系统由于其相对于单天线系统的诸多优点,近年来引起了人们的广泛关注。由于许多天线,期望每个天线的低成本实现和低功耗。为此,在许多研究中已经研究了具有低分辨率模数转换器(ADC)的大规模MIMO结构。然而,在量化的大规模MIMO系统的相邻频带上的强干扰的影响还没有被检查。在这项研究中,我们分析了上行链路大规模MIMO的性能与低分辨率ADC下的频率选择性衰落与正交频分复用在完美和不完美的接收机信道状态信息的情况下。我们推导出的比特出错率和遍历容量的解析表达式。我们表明,干扰频带可以抑制通过增加天线的数量或过采样率时,采用迫零接收机。
2020-02-18 cs.IT eess.SP math.IT
Fronthaul Compression for Uplink Massive MIMO using Matrix Decomposition
针对上行大规模MIMO前传链路传输IQ样本易受限的问题,提出利用接收信号卷积结构、基于交替最小化盲解卷积的迭代压缩技术,实现30-50的压缩比,还可用于OFDM信号盲解码。
2021-10-24 cs.IT eess.SP math.IT
What is the Most Efficient Technique for Uplink Cell-Free Massive MIMO?
本文通过建立统一分析框架和通用功率控制优化策略,从公平性、容量、前传开销和复杂度四个维度系统比较无蜂窝大规模MIMO上行链路技术,最终确定实际部署中的最优方案。
2025-08-28 cs.IT eess.SP math.IT
Comprehensive Analysis of Behavioral Hardware Impairments in Cell-Free Massive MIMO-OFDM Uplink: Centralized Operation
本文首次综合分析宽带无蜂窝大规模MIMO-OFDM上行链路中多种硬件损伤对频谱效率的影响,借助Bussgang分解推导感知失真的合并向量以优化频谱效率。
2025-07-29 cs.IT eess.SP math.IT
On the Uplink Achievable Rate of Massive MIMO System With Low-Resolution ADC and RF Impairments
研究了射频损伤下粗量化大规模多输入多输出(MIMO)系统的信道估计和上行链路可达速率。我们利用加性量化噪声模型(AQNM)和扩展误差矢量幅度(EEVM)模型分别分析低分辨率模数转换器(ADC)和射频损伤的影响。我们表明,硬件损伤导致非零地板上的信道估计错误,这与传统的情况下与理想的硬件。最大比合并(MRC)技术,然后在接收端使用,并推导出一个近似听话的上行链路可达速率的表达式。仿真结果表明,ADC的分辨率和RF损伤之间有明显的补偿。所提出的研究支持在实际的大规模大规模多输入多输出系统中装备经济的粗糙ADC和经济的不完美RF元件的可行性。
2019-01-22 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
Capacity Analysis and Rate Maximization Design in RIS-Aided Uplink Multi-User MIMO
可重构智能表面(RIS)由于其同时实现高光谱效率和能量效率的潜力,近年来引起了人们的广泛关注。本文主要研究了在RI辅助的多用户多输入多输出(MU-MIMO)系统中,如何设计有效的传输方法来最大化上行链路的总吞吐量。为了提供一个有见地的基础,信道容量的RI辅助MU-MIMO的理论分析。然后,传统的传输方案的基础上正交多址作为基线。从信息论的角度,我们提出了两个新的方案,即,\textit{joint transmission}基于二次优化问题的半定松弛,\textit{opportunistic transmission}依赖于最佳用户选择。通过仿真结果证明了所提出的方案在可实现的速率方面优于传统方案。
2023-03-16 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
Mutual Information Metrics for Uplink MIMO-OFDM Integrated Sensing and Communication System
针对上行集成感知与通信系统,提出以互信息为统一度量,推导通信与感知互信息上下界并通过最大化加权和优化波形,仿真验证其综合性能优于其他方案。
2023-10-10 cs.IT eess.SP math.IT
New equivalent model of quantizer with noisy input and its application for ADC resolution determination in an uplink MIMO receiver
当量化器输入信号是所需信号和输入白噪声之和时,量化误差是总输入信号的函数。我们的新等效模型将量化误差分为两个分量:非线性失真(NLD),它是输入信号(无噪声)的期望部分的函数,以及等效的输出白噪声。这种分离是重要的,因为这两个项不同地影响MIMO系统性能。本文介绍了我们的模型,并将其应用于确定最小的模数转换器(ADC)的分辨率,需要操作一个传统的MIMO接收机,可以忽略不计的性能下降。我们还提供了数值模拟来证实理论。我们的模型的广泛分支进一步证明了在两个同伴论文提出的低复杂性抑制的NLD所产生的ADC分辨率不足,和数字抖动,显着降低MIMO发射机数模转换器(DAC)的分辨率要求。
2019-04-17 cs.NI eess.SP
Uplink Sum Rate Maximization for Pinching Antenna-Assisted Multiuser MISO
本文针对捏合天线辅助的多用户MISO系统,提出基于分数规划的联合优化方法,以最大化上行和速率,数值验证其优于固定天线设计。
2025-04-23 cs.IT eess.SP math.IT
Efficient Design of Fronthaul-Constrained Uplink Reception for Cell-Free XL-MIMO
Jeonbuk National University(全北国立大学);Hanyang University(汉阳大学)
本文研究了无源超大规模MIMO系统上行接收的可扩展性和前端高效设计,通过联合优化线性变换矩阵和前端压缩策略,提出加速FP算法,降低计算复杂度并提升上行总速率。
2026-04-23 cs.IT eess.SP math.IT
Active RIS-Aided Massive MIMO Uplink Systems with Low-Resolution ADCs
本文研究了具有低分辨率ADC的主动RIS辅助多用户上行大规模MIMO系统,推导了总可达速率的闭式近似表达式,并提出基于遗传算法优化RIS相移,结果表明主动RIS性能显著优于被动RIS。
2024-04-22 cs.IT eess.SP math.IT
On the Uplink Transmission of Multi-user Extra-large Scale Massive MIMO Systems
超大规模大规模多输入多输出(MIMO)技术具有良好的小区覆盖能力和较高的区域吞吐量等优点,有望成为下一代无线通信系统的关键技术之一。然而,在实践中,当天线尺寸变大时,空间非平稳性发生,并且用户将仅看到基站天线阵列的一部分,我们称之为可见区域(VR)。为了评估空间非平稳性的影响,在本文中,我们研究了超大规模的大规模MIMO系统的上行链路传输考虑VR。特别是,我们首先提出了一个基于子阵列的超大规模大规模MIMO系统的系统架构。然后,紧封闭形式的上行链路频谱效率(SE)的近似与线性接收机。以最大化可实现的SE为目标,我们还提出了子阵相位系数设计方案。此外,基于所获得的遍历可实现的SE近似,两个基于统计信道状态信息(CSI)的贪婪用户调度算法的开发。研究结果表明,基于统计CSI的贪婪联合用户和子阵调度算法与基于开关的子阵结构相结合,是一种适用于超大规模MIMO系统的可行方案。
2020-11-09 cs.IT eess.SP math.IT
Uplink Performance of High-Mobility Cell-Free Massive MIMO-OFDM Systems
采用正交频分复用(OFDM)技术的高速训练(HST)通信近年来受到了极大的关注。此外,无蜂窝(CF)大规模多输入多输出(MIMO)被认为是一种有前途的技术,以达到最终的性能极限。本文主要研究了在HST通信中采用匹配滤波和大规模衰落解码(LSFD)接收的CF大规模MIMO-OFDM系统的性能。HST通信与小小区和蜂窝大规模MIMO-OFDM系统也进行了分析比较。考虑到多普勒频偏(DFO)对系统性能的不利影响,推导了各系统上行链路频谱效率(SE)的精确闭式表达式。根据仿真结果,我们发现,CF大规模MIMO-OFDM系统与LSFD实现了更大的SE和更低的SE下降百分比比其他系统。此外,增加接入点(AP)的数量和每个AP的天线数量可以有效地补偿DFO带来的性能损失。此外,在AP和HST之间存在最佳垂直距离以实现最大SE。
2022-01-24 cs.IT eess.SP math.IT
Implementation of Massive MIMO Uplink Receiver on RaPro Prototyping Platform
随着第五代无线通信物理层标准的不断更新,提出了快速原型平台的必要性。为此,我们开发了RaPro,一个基于多核通用处理器的大规模多输入多输出(MIMO)原型平台。为了增强RaPro,需要高性能的检测和波束形成,而这两者都要求准确的信道状态信息(CSI)。本文采用基于线性最小均方误差(LMMSE)的信道估计器,并将其封装在RaPro中,以获得更精确的CSI。考虑到信道统计特性的高度复杂性和未知性,本文设计了低复杂度的LMMSE信道估计器,以缓解随着天线数目的增加而增加的复杂度,并为大规模多输入多输出上行检测和下行波束形成留出更多的计算资源。仿真结果表明,所设计的低复杂度方法具有较高的均方误差性能和鲁棒性。室内和走廊场景测试表明,误比特率性能的显着改善。时间成本分析证明了在RaPro上实现的上行接收机的实用性和实时传输能力。
2018-02-15 cs.IT eess.SP math.IT
Uplink Hardware Impairments in OFDM-Based Cell-Free Massive MIMO With Impaired Wireless Fronthaul
Bilkent University(比尔肯特大学)
本文研究OFDM无小区大规模MIMO在硬件损伤下的上行性能,提出统一分析框架推导闭式表达式,并采用失真感知合并与最大最小公平资源分配以缓解性能下降。
2026-09-23 cs.IT eess.SP math.IT
Communications and Radar Coexistence in the Massive MIMO Regime: Uplink Analysis
本文考虑了使用5G新无线电兼容多址的大规模MIMO通信系统的上行链路,该系统将与使用相同频带的雷达系统共存。提出了一种考虑雷达系统在大规模MIMO接收机上产生的混响(杂波)的系统模型。在这种情况下,提出了几种用于上行链路信道估计和数据检测的接收机,从简单的信道匹配波束形成器到用于杂波干扰抑制的迫零和线性最小均方误差接收机,在完全已知和完全未知的杂波协方差的两种相反的情况下。还给出了理论分析,导出了可实现的上行链路频谱效率和输入高斯编码符号与蜂窝大规模MIMO系统的通信接收机处可用的可观测量之间的互信息的下限:关于后者,特别是,我们表明,在大天线数制度,基站处的雷达杂波效应被抑制并且恢复了单用户容量。数值结果,说明所提出的检测方案的性能,证实了理论分析的结果,并允许量化系统的鲁棒性杂波的影响,在基站的天线数量的增加。
2020-04-17 cs.IT eess.SP math.IT
Simultaneous Downlink Data Transmission and Uplink Channel Estimation with Reduced Complexity Full Duplex MIMO Radios
在本文中,我们研究全双工(FD)多输入多输出(MIMO)无线电同时数据通信和控制信息交换。利用最近提出的FD MIMO架构,结合数字发射和接收波束成形与降低复杂度的多抽头模拟自干扰(SI)消除,我们提出了一种新的传输方案,利用信道互易性联合下行链路波束成形信息数据通信和上行链路信道估计,通过训练数据传输。我们采用了一个通用的导频辅助信道估计模型,并提出了一个统一的优化框架,所有涉及FD MIMO设计参数。我们的代表性的Monte Carlo模拟结果的波束形成器以及模拟和数字SI消除的一个示例算法的解决方案表明,所提出的基于FD的联合通信和控制方案提供了1.4倍的下行链路速率的半双工对应。与具有全连接模拟消除的传统FD MIMO架构相比,模拟消除器的硬件复杂度降低了50%,从而实现了这种性能改进。
2020-03-14 cs.IT eess.SP math.IT
Beam Alignment for the Cell-Free mmWave Massive MU-MIMO Uplink
毫米波(mmWave)无小区大规模多用户(MU)多输入多输出(MIMO)系统将毫米波频率处可用的大带宽与无小区系统的改进覆盖相结合。然而,为了对抗毫米波频率处的高路径损耗,用户设备(UE)必须在有意义的方向上形成波束,即,到附近的接入点(AP)。同时,多个UE应避免向同一AP进行传输以减少MU干扰。我们提出了一种干扰感知的方法,用于无小区毫米波大规模MU-MIMO上行链路中的波束对准(BA)。在所考虑的场景中,AP执行全数字接收波束成形,而UE执行模拟发射波束成形。我们评估我们的方法使用现实的毫米波信道从商业射线跟踪器,显示所提出的方法的优越性,全向传输,以及在不考虑MU干扰的方法。
2022-07-20 cs.IT eess.SP math.IT
Uplink Power Control for Extremely Large-Scale MIMO with Multi-Agent Reinforcement Learning and Fuzzy Logic
本文研究了无小区(CF)超大规模多输入多输出(XL-MIMO)系统的上行链路发射功率优化问题。与传统方法不同,本文提出了两种信号处理架构:模糊逻辑集中训练集中执行和模糊逻辑集中训练分散执行,分别采用多智能体强化学习(MARL)和模糊逻辑的融合来解决功率控制的设计问题,以最大化系统的频谱效率(SE)。此外,系统采用最大比(MR)合并和本地最小均方误差(L-MMSE)合并的上行链路性能进行了评估。我们的结果表明,所提出的方法与模糊逻辑优于传统的基于MARL的方法和信号处理方法的计算复杂性。此外,MR组合下的SE性能甚至优于传统的基于MARL的方法。
2023-02-18 cs.IT eess.SP math.IT
Statistical-CSI-Based Antenna Selection and Precoding in Uplink MIMO
传统的天线选择方案需要瞬时信道状态信息(CSI)。这导致系统中的高信令开销。本文提出了一种新的联合接收天线选择和预编码方案,用于多用户多输入多输出上行链路传输,仅依赖于CSI的长期统计。所提出的方案设计的交换网络和上行链路的预编码器,使系统在长期的预期吞吐量最大化。从随机矩阵理论的结果,我们推导出一个封闭形式的表达式的期望吞吐量的系统。然后,我们开发了一个易于处理的迭代算法来解决吞吐量最大化问题,利用交替优化和优化最大化(MM)技术。数值结果证实了所提出的方法的效率和其优越的性能相比,基线。
2022-12-28 cs.IT eess.SP 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