Hybrid Beamforming and Combining for Millimeter Wave Full Duplex Massive MIMO Interference Channel
全双工（FD）通信可以彻底改变无线通信，因为它避免了使用独立的信道进行双向通信。这项工作推广了毫米波（mmWave）频段的点对点FD通信，包括K对大规模MIMO FD节点同时工作。我们提出了一种新的联合混合波束成形（HYBF）和加权和速率（WSR）最大化的合并方案，使大规模MIMO FD链路的共存成本有效。该算法依赖于基于最小化-最大化方法的替代优化。此外，我们提出了一种新的SI和大规模MIMO干扰信道感知功率分配方案，包括最优功率控制。仿真结果表明，显着的性能改善相比，传统的双向全数字半双工（HD）系统。
2022-01-04 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
Millimeter-Wave Massive MIMO Testbed with Hybrid Beamforming
大规模多输入多输出（MIMO）技术在毫米波（mmWave）频段获得大阵列增益至关重要。然而，存在实际的挑战，例如在这样的系统中的高硬件成本和功耗。这些问题的一个有前途的解决方案是采用混合波束成形架构。这种架构的收发器（TRx）链的数量比天线总数少得多，从而实现了成本和能量高效的系统。在本文中，我们提出了一个实时毫米波（28 GHz）大规模多输入多输出测试床与混合波束成形。该测试平台具有用于波束选择的64天线/16 TRx单元，可以以模块化方式扩展到更大的阵列尺寸。为了在真实传播环境中测试从基带处理算法到调度和波束选择的所有内容，我们将基于软件定义无线电技术构建的现有100天线/100 TRx大规模多输入多输出测试平台（低于6 GHz）的功能扩展到灵活的毫米波大规模多输入多输出系统。
2020-12-02 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
Learning Beamforming in Cell-Free Massive MIMO ISAC Systems
本文针对无蜂窝大规模MIMO ISAC系统中的波束成形设计挑战，提出了一种基于异构图神经网络（GNN）的新模型，该模型支持低复杂度扩展，在增删接入点时无需完全重训练，且能实现接近最优的性能并适应多种网络结构。
2024-09-26 cs.IT eess.SP math.IT
MIMO Beamforming in Millimeter-Wave Directional Wi-Fi
波束成形在60 GHz毫米波定向多千兆位Wi-Fi的运行中不可或缺。简单功率法及其扩展使得发射和接收天线阵列能够形成单个空间流的波束。为了进一步提高未来60 GHz定向Wi-Fi的频谱效率，交替最小二乘（ALS）算法可以在发射机和接收机之间形成多个波束，用于多输入多输出（MIMO）操作。对于共享和分离MIMO架构，ALS波束成形算法可以在频率平坦和频率选择性信道中操作。在分裂架构中，MIMO波束成形近似地最大化波束成形MIMO信道的容量。
2014-03-30 cs.IT math.IT
Channel Capacity Saturation Point and Beamforming Acceleration for Near-Field XL-MIMO Multiuser Communications
针对近场XL-MIMO通信场景，该研究提出天线阵列规模存在信道容量饱和点并给出解析确定方法，同时设计新型波束成形算法缓解大阵列的高计算量问题，通过数值结果验证了分析有效性与算法性能。
2025-03-23 cs.IT eess.SP math.IT
Efficient Beamforming for MIMO Relaying Broadcast Channel with Imperfect Channel Estimation
研究了蜂窝网络下行链路中的多输入多输出（MIMO）中继板播信道，其中基站和中继站都配备有多个天线，每个用户终端只有一个天线.在实际场景中，信道估计在接收机处是不完美的。以最大化每个用户的信干噪比为目标，分别针对单中继和多中继两种情况，提出了两种鲁棒的线性波束形成方案。这两种方案分别基于奇异值分解（SVD）、最小均方误差（MMSE）和正则化迫零（RZF）。仿真结果表明，该方案优于传统的方案与不完善的信道估计。
2020-03-22 cs.IT eess.SP math.IT
Hybrid Beamforming Structure for Massive MIMO System: Full-connection v.s. Partial-connection
在本文中，我们比较了多用户大规模多输入多输出系统的两种典型混合波束成形结构的性能，即全连接和部分连接结构。在毫米波信道小角度扩展的假设下，给定面向用户的模拟预编码器和迫零数字预编码器，给出了用户的模拟和数字预编码信道增益的显式上界，并在此基础上研究了两种结构之间的关系.分析结果表明，全连接结构并不总是优于部分连接结构，并揭示了适用于每种结构的区域。仿真结果验证了分析结果的正确性。
2020-06-18 cs.IT eess.SP math.IT
Low-Complexity Pareto-Optimal 3D Beamforming for the Full-Dimensional Multi-User Massive MIMO Downlink
全维（FD）多用户大规模多输入多输出（m-MIMO）系统采用大型二维（2D）矩形天线阵列来控制信号传输的方位角和仰角。我们引入了具有中等维度的方位和仰角波束形成向量的两个外积之和作为一类新的FD波束形成。我们表明，这种低复杂度的类是能够优于2D波束成形依赖于方位角和仰角波束成形向量的单个外积。它还能够在用户最小速率或其几何平均速率（GM速率）或和速率（SR）方面执行接近其大规模维度的FD对应物。此外，我们还表明，即使FD波束成形可能优于我们的外部产品为基础的不正确的高斯信号的解决方案。解释，我们的设计是基于低复杂度的算法依赖于凸问题的适度尺寸的最大-最小速率优化或封闭形式的表达式GM率和SR最大化。
2023-02-18 cs.IT eess.SP math.IT
Leakage-Based Robust Beamforming for Multi-Antenna Broadcast System with Per-Antenna Power Constraints and Quantized CDI
在本文中，我们研究了鲁棒波束形成方案的多用户多输入单输出（MU-MISO）系统与每个天线的功率约束和量化的信道方向信息（CDI）反馈。我们的设计目标是最大化的加权和速率性能的期望，通过控制干扰泄漏和合理分配的用户设备（UE）之间的功率。首先，我们证明了非鲁棒迫零（ZF）波束成形方案的最优性的意义下产生的最小量的平均UE间干扰量化CDI。然后，我们推导出非鲁棒ZF波束成形方案的干扰泄漏功率的累积密度函数（CDF）的封闭形式的表达式，在此基础上，我们调整泄漏阈值，并提出了两个鲁棒波束成形方案，每个天线功率约束下，使用几何规划（GP）的迭代过程来更新每个UE的功率分配。仿真结果表明，所提出的鲁棒波束形成方案的平均加权和速率性能优于现有的计划。
2020-03-17 cs.IT eess.SP math.IT
Hybrid Beamforming for Intelligent Reflecting Surface Aided Millimeter Wave MIMO Systems
由于采用毫米波（mmWave）频段的通信系统必须使用大型天线阵列来克服mmWave信号的严重传播损耗，因此混合波束成形已被认为是mmWave通信的组成部分。最近，智能反射表面（IRS）已经被提出作为一种创新技术，其可以通过使用低成本的无源反射元件来显著改善毫米波通信系统的性能。在本文中，我们研究了红外辅助毫米波多输入多输出（MIMO）系统与混合波束形成架构。本文首先利用毫米波信道的稀疏散射结构和大尺度特性，研究了窄带MIMO系统中IRS反射矩阵和混合波束形成器的联合设计。然后，我们将所提出的联合设计推广到宽带MIMO系统与正交频分复用（OFDM）调制，利用频率选择性毫米波信道的角度稀疏。仿真结果表明，所提出的联合设计可以显着提高系统的频谱效率，并实现优于现有设计的性能。
2022-06-27 cs.IT eess.SP math.IT
EMF-Aware MU-MIMO Beamforming in RIS-Aided Cellular Networks
可重构智能表面（RISs）是关键的新兴第六代（6 G）技术之一，其有望通过添加人工传播路径来改善发送器和接收器之间的链路预算。在这种重新配置的传播环境中，下行链路（DL）多用户多输入多输出（MU-MIMO）为蜂窝网络带来容量改进。它受益于MIMO系统提供的空间维度，以通过应用适当的波束成形（BF）方案来实现在相同的无线电资源上向多个用户同时传输独立的数据流。然而，在某些情况下，长时间为同一用户子集提供服务可能会导致一些不期望的区域，其中平均电磁场暴露（EMFE）超过监管限制。为了解决这一挑战，我们在本文中提出了一种新的电磁场（EMF）感知MU-MIMO BF方案，旨在优化的整体容量下的EMF约束条件下，在RIS辅助蜂窝网络。
2022-09-29 cs.IT eess.SP math.IT
Augmented Deep Unfolding for Downlink Beamforming in Multi-cell Massive MIMO With Limited Feedback
在有限反馈多用户多输入多输出（MU-MIMO）蜂窝网络中，用户向相关联的基站（BS）发送关于信道条件的量化信息以用于下行链路波束成形。然而，信道量化和波束形成一直被视为两个单独的任务，这使得它很难实现全局系统最优。在本文中，我们提出了一种增强的深度展开（ADU）的方法，联合优化波束成形方案在BS和信道量化方案在用户。特别地，经典的WMMSE波束形成器被展开，并且利用深度神经网络（DNN）对其输入进行预处理以提高性能。在反馈容量受到严格限制的情况下，采用变分信息瓶颈技术进一步提高性能。仿真结果表明，所提出的ADU方法优于所有的基准计划的系统平均速率。
2022-09-03 cs.IT eess.SP math.IT
Joint Distributed Precoding and Beamforming for RIS-aided Cell-Free Massive MIMO Systems
针对下行链路RIS辅助无小区网络，提出联合分布式预编码与波束成形框架，通过去中心化交替优化求解非凸优化问题，有效降低了复杂度并提升了可扩展性。
2023-11-22 cs.IT eess.SP math.IT
Optimal Beamforming for Bistatic MIMO Sensing
本文研究双基地MIMO-OFDM雷达感知点状散射体的波束赋形优化，以最小化目标位置估计的Cramér-Rao界，并分析了每子载波所需波束数及双向收发端选择问题。
2025-08-25 cs.IT eess.SP math.IT
Learning-Based Joint Beamforming and Antenna Movement Design for Movable Antenna Systems
针对不完美CSI下可移动天线多接收机系统的和速率最大化问题，本文提出异构MADDPG算法，联合学习波束成形与天线移动策略，实现实时求解并显著提升和速率性能。
2024-04-02 cs.IT eess.SP math.IT
Passive Beamforming and Information Transfer Design for Reconfigurable Intelligent Surfaces Aided Multiuser MIMO Systems
研究了多用户多输入多输出（MIMO）系统中的无源波束形成和信息传输（PBIT）技术，该技术采用可重构智能表面（RIS），RIS通过无源波束形成增强主通信，同时通过空间调制（调整反射元件的开关状态）传递附加信息。对于被动波束形成设计，我们提出了最大化的总和信道容量的RI辅助多用户MIMO信道，并制定了两步随机规划的问题。基于样本平均近似（SAA）的迭代算法的有效的被动波束形成设计所考虑的计划。为了在复杂性和性能之间取得平衡，我们提出了一种简化的波束形成算法，通过将随机规划近似为确定性交替优化问题。对于接收器设计，接收器处的信号检测是双线性估计问题，因为RIS信息被乘法调制到反射元件的反射信号上。为了解决这个双线性估计问题，我们开发了一个涡轮消息传递（TMP）算法，其中与问题相关的因子图分为两个模块：一个用于估计用户信号和其他用于估计RIS的开关状态。这两个模块迭代执行，以产生一个接近最优的低复杂度的解决方案。此外，我们扩展设计的多用户MIMO PBIT方案从单RIS到多RIS，利用单RIS和多RIS系统模型之间的相似性。大量的仿真结果证明了我们的无源波束形成和接收机设计的优势。
2019-12-28 cs.IT eess.SP math.IT
Deep Learning for Joint Design of Pilot, Channel Feedback, and Hybrid Beamforming in FDD Massive MIMO-OFDM Systems
针对FDD大规模MIMO-OFDM系统，提出端到端深度学习框架，联合设计导频、信道反馈与混合波束成形，并利用图神经网络建模波束成形器交互。
2023-12-10 cs.IT eess.SP math.IT
Predictive Beamforming with Distributed MIMO
本研究将感知辅助通信扩展至多分布式 RSUs 和分布式 MIMO 场景，推导状态演化模型并构建扩展卡尔曼滤波方程以实现预测波束成形，仿真证明其感知性能、覆盖与速率优于共置大规模 MIMO。
2025-01-29 cs.IT eess.SP math.IT
GMD-Based Hybrid Beamforming for Large Reconfigurable Intelligent Surface Assisted Millimeter-Wave Massive MIMO
可重构智能表面（RIS）被认为是一种节能的方法来重塑无线环境，以提高吞吐量。它的无源特性大大降低了能源消耗，这使得RIS成为实现未来智慧城市的一项有前途的技术。现有的RIS波束成形设计主要集中在优化单载波系统的频谱效率。为了避免MIMO系统中不同空间域子信道上复杂的比特分配问题，本文提出了一种基于几何均值分解的波束形成算法，该算法适用于RIS辅助的毫米波（mmWave）混合MIMO系统，使得空间域中多个并行数据流可以被认为具有相同的信道增益。具体地说，通过利用毫米波大规模MIMO信道在不同子载波上的共同角域稀疏性，利用同步正交匹配追踪算法从过采样2D-DFT码本中获得最佳多波束。此外，通过仅利用与视线（LoS）信道相关联的到达角和离开角，我们进一步通过最大化LoS信道的阵列增益来设计RIS的移相器。仿真结果表明，该方案可以获得更好的BER性能比传统的方法。我们的工作是一个初步的尝试，讨论了宽带混合波束赋形的RIS辅助毫米波混合MIMO系统。
2020-01-17 cs.IT eess.SP math.IT
Joint Beamforming and Association Design for MIMO Radar
雷达接收机的一个关键任务是数据关联，它将雷达目标检测分配给目标滤波器航迹。鉴于其重要性，本文介绍了联合设计多输入多输出（MIMO）雷达发射波束方向图的问题及相应的数据关联方案。我们表明，耦合的波束形成和关联子问题可以方便地参数化，我们称之为模糊图，它规定，如果两个目标是消除模糊的波束形成设计或数据关联方案。模糊度图的选择决定了两个子问题中的哪一个更困难，因此允许一个与另一个的性能进行交易，从而导致检测-关联权衡。本文展示了如何设计的波束方向图和关联方案，为一个给定的模糊度图。然后讨论了如何选择一个模糊图实现接近最佳的检测-关联权衡。
2018-09-10 cs.IT eess.SP math.IT
Low-complexity Location-aware Multi-user Massive MIMO Beamforming for High Speed Train Communications
大规模多输入多输出（MIMO）自适应是下一代高速训练（HST）通信系统的主要发展目标之一。在本文中，我们考虑如何设计一个有效的低复杂度的位置感知波束形成的多用户（MU）大规模MIMO系统中的HST场景。首先提出了一种基于位置信息的低复杂度波束形成算法，该算法考虑了多个用户。然后，在不考虑波束间干扰的情况下，提出了一种封闭形式的解决方案，以最大限度地提高基站（BS）的总服务能力，在这个MU HST的场景。最后，我们提出了一种基于位置辅助搜索的次优解决方案，以消除波束间干扰并最大化BS服务能力。各种仿真结果显示了我们提出的大规模MIMO波束形成方法的优点。
2017-03-15 cs.IT math.IT
Movable-Antenna Array Enhanced Beamforming: Achieving Full Array Gain with Null Steering
本文研究可移动天线（MA）阵列增强波束成形，通过联合优化天线位置矢量和权重矢量，在期望方向实现全阵列增益并在非期望方向实现零点导向，推导了闭式最优解，性能优于传统固定位置天线阵列。
2024-03-24 cs.IT eess.SP math.IT
Antenna Positioning and Beamforming Design for Fluid-Antenna Enabled Multi-user Downlink Communications
本文研究流体天线多用户MISO下行链路，通过联合优化天线位置与波束赋形矩阵最小化发射功率，并提出基于惩罚法和SCA的交替优化算法，验证其优于固定位置天线系统。
2024-01-14 cs.IT eess.SP math.IT
Capacity Achieving Design for Hybrid Beamforming in Millimeter Wave Massive MIMO Systems
针对毫米波大规模 MIMO 混合波束成形仅依赖信道信息的问题，提出以发射协方差矩阵优化为核心、利用 BC-MAC 对偶处理非凸性的收发联合设计，在多种场景下提升下行和速率容量。
2025-09-29 cs.IT eess.SP math.IT
Hybrid Beamforming for Millimeter Wave MIMO Integrated Sensing and Communications
在这封信中，我们认为毫米波（mmWave）MIMO通感一体化（ISAC）的混合波束成形。以目标雷达波束方向图为目标，在满足通信用户信干噪比（SINR）和双功能雷达通信基站总发射功率的约束下，设计了双功能雷达通信基站的发射波束。为了提供额外的自由度的波束设计问题，我们引入了一个相位矢量的目标波束方向图，并提出了一个交替的最小化方法来迭代优化发射波束和相位矢量，其中涉及二阶锥规划和约束最小二乘估计，分别。然后基于设计的发射波束，在毫米波MIMO中移相器网络的恒包络约束下，仍然采用交替最小化方法，确定模拟波束形成器和数字波束形成器。仿真结果表明，在相同的通信用户信干噪比约束条件下，较大的天线阵列可以获得更好的雷达波束质量。
2022-03-12 cs.IT eess.SP math.IT
An Efficient Slow-Time Adaptation for Massive MIMO Hybrid Beamforming in mm-Wave Time-Varying Channels
针对毫米波大规模多输入多输出（MIMO）系统上行数据模式下单载波宽带传输，提出了一种自适应混合波束形成方法。在慢时间内自适应地构造一个统计模拟波束形成器，而信道是时变的，并且是错误估计的。针对广义特征波束形成器（GEB）对估计误差的鲁棒性，提出了一种递归滤波方法。近似表达式得到的信道协方差矩阵解耦角扩展和多径分量的中心角。利用这些表达式，提出了改进的自适应构造方法，该方法仅使用角补丁上的量化估计功率电平。从输出信号干扰噪声比（SINR）、瞬时信道估计和波束精度等方面对所提出的慢时自适应技术进行了性能评估。它们被证明是非常有效的，使得计算复杂性显着降低，而性能保持几乎相同的理想的GEB，即使在大的角度估计误差。
2020-07-01 cs.IT eess.SP math.IT
Joint Beamforming and Matching for Ultra-Dense Massive Antenna Arrays
ETH Zurich（苏黎世联邦理工学院）；armasuisse Science and Technology（瑞士国防军科学与技术局）
本文提出了一种低成本超密集天线阵列架构，通过开关网络实现联合波束成形与匹配，显著降低成本和复杂度，接近全数字方案的性能。
2025-12-02 cs.IT eess.SP math.IT
Multi-cell Massive MIMO Beamforming in Assuring QoS for Large Numbers of Users
大规模多输入多输出（MIMO）使用非常大量的低功率发射天线来服务数量少得多的用户。最广泛提出的大规模MIMO发射波束成形类型是迫零，其基于总MIMO信道矩阵的右逆以迫使用户间干扰为零。基于小区边缘用户的吞吐量分析了大规模MIMO的性能。本文重新评估这种波束成形的哲学，而不是考虑最大化的大规模MIMO系统的能量效率，以确保尽可能多的用户的服务质量（QoS）。新的时间分数式波束成形技术可以消除大量发射天线为少量用户提供服务的瓶颈，该技术将信号传输集中在时隙的几分之一内。因此，大规模MIMO可以在为更大数量的用户确保QoS时提供更好的体验质量（QoE）。所提供的模拟结果表明，大规模MIMO服务的用户数量与所需的QoS可能是两倍或更多的发射天线的数量。
2017-12-10 cs.IT math.IT
A Comprehensive Performance Analysis for mm-Wave Massive MIMO Hybrid Beamforming under PA Nonlinearities
在本文中，我们开发了一个框架，以调查不同的混合波束形成架构的大规模多输入多输出（MIMO）系统的性能受损的功率放大器（PA）的非线性。数字预失真（DPD）设计中采用了基于反波束形成后反馈的间接学习结构，以补偿PA引起的非线性失真。此外，我们提出了一种新的模拟波束形成器设计的部分连接架构的基础上广义特征波束形成器（GEB）的方法。在文献中，非线性PA的带外（OOB）辐射和实现的信号干扰噪声比（SINR）的影响进行了研究。然而，这些研究仅限于全数字或部分连接的混合波束形成架构，同时在PA的基础上部署Bussgang分解，而不考虑性能分析中的阵列架构类型。在这项研究中，我们推导出一个解析的比特错误率（BER）的表达式的基础上的时空Bussgang分解的矩阵形式，和失配解码容量通过广义互信息（GMI）下PA非线性不同的混合Massive MIMO架构。分析结果表明，非线性失真对系统性能有很大影响，DPD可以在一定程度上减小非线性失真对系统性能的影响。最后通过数值计算验证了所得到的误码率解析表达式的正确性。
2021-02-26 cs.IT eess.SP math.IT
A Tutorial on Holographic MIMO Communications--Part II: Performance Analysis and Holographic Beamforming
本文作为HMIMO教程第二部分，系统介绍了点对点与多用户HMIMO系统的空间自由度、遍历容量及和速率分析方法，并综述了全息波束成形技术进展，通过数值仿真验证了性能。
2023-05-25 cs.IT eess.SP math.IT
Terahertz Multi-User Massive MIMO with Intelligent Reflecting Surface: Beam Training and Hybrid Beamforming
太赫兹（THz）通信开辟了一个新的前沿无线网络由于其显着更广泛的可用带宽相比，目前的微波和即将到来的毫米波通信。然而，由于太赫兹波的长度短，他们也遭受严重的路径衰减和衍射差。为了补偿太赫兹引起的传播损耗，本文提出结合两种有前途的技术，即，大规模多输入多输出（MIMO）和智能反射面（IRS），在太赫兹多用户通信，考虑到其显着的波束形成和孔径增益。尽管如此，信道估计和低成本波束成形是实现这种组合的两个主要障碍，这是由于IRS发送/接收导频信号的无源性以及大规模MIMO中昂贵RF链的大规模使用。针对这些局限性，本文首先提出了一种协作波束训练方案，以便于IRS信道估计。特别是，我们设计了两个不同的分层码本的建议的训练过程，这是能够对噪声的鲁棒性和搜索的复杂性之间的平衡。基于训练结果，我们进一步提出了两个成本效益的混合波束形成（HB）的设计，分别为单用户和多用户的情况下。仿真结果表明，所提出的联合波束训练和HB方案是能够实现接近的性能，即使在完美的信道状态信息（CSI）下实现的最佳全数字波束形成（FDB）。
2021-01-14 cs.IT eess.SP math.IT
Energy Efficiency in Hybrid Beamforming Large-scale mmWave Multiuser MIMO with Spatial Modulation
针对毫米波大规模多输入多输出（MIMO）系统中使用空间调制的混合波束成形的全局能量效率（GEE）最大化的无线电资源分配问题进行了解决。分析了该优化问题的理论性质，提出了两个可证明收敛的优化算法。前者实现了全局最优，而后者以较低的计算复杂性来权衡最优性。然而，数值结果表明，这两种算法在实际情况下达到全局最优。
2018-06-13 cs.IT math.IT
A Unified Linear MSE Minimization MIMO Beamforming Design Based on Quadratic Matrix Programming
在本文中，我们研究了一个统一的线性收发器设计与均方误差（MSE）作为目标函数的广泛的无线系统。统一设计是基于一个优雅的数学规划技术，即二次矩阵规划（QMP）。结果表明，对于不同的无线系统，如多小区协作系统、多用户MIMO系统、MIMO认知无线电系统、放大转发MIMO中继系统，MSE最小化波束形成设计问题可以通过求解多个QMP问题来解决。给出了一个解决QMP问题的综合框架。
2013-01-09 cs.IT math.IT
AI-Empowered Hybrid MIMO Beamforming
本文综述AI辅助混合MIMO波束成形设计，梳理架构约束、传统优化与深度学习与深度展开方法，并通过数值与定性比较指出未来研究方向。
2023-03-03 cs.AI cs.IT eess.SP
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
Dual Gradient Descent EMF-Aware MU-MIMO Beamforming in RIS-Aided 6G Networks
可重构智能表面（RIS）是即将到来的第六代（6 G）通信的关键技术之一，它可以通过添加人工传播路径来提高接收端的信号强度。在下行链路（DL）多用户多输入多输出（MU-MIMO）通信的背景下，设计适当的波束成形（BF）方案以充分利用这种重新配置的传播环境并提高网络容量是一个主要挑战。由于MIMO系统提供的空间维度，独立的数据流可以在相同的无线电资源上同时发送到多个用户。重要的是要注意，在一段时间内为相同的用户子集提供服务可能会导致平均电磁场暴露（EMFE）超过监管限制的不期望区域。为了应对这一挑战，在本文中，我们提出了一种基于双梯度下降（Dual-GD）的电磁场（EMF）感知MU-MIMO BF方案，旨在优化RIS辅助6 G蜂窝网络中EMFE约束下的整体容量。
2022-10-03 cs.IT eess.SP math.IT
Movable Antenna Enabled Interference Network: Joint Antenna Position and Beamforming Design
本文研究可移动天线辅助MISO干扰信道，通过联合优化天线位置与波束赋形降低总发射功率，提出逐次凸近似与二阶锥规划交替迭代算法，数值结果验证其优于传统方案并提升频率复用能力。
2024-04-03 cs.IT eess.SP math.IT
Deep Reinforcement Learning for Distributed Dynamic Coordinated Beamforming in Massive MIMO Cellular Networks
为了适应爆炸性的无线业务，大规模多输入多输出（MIMO）被认为是下一代通信系统的关键使能技术之一。在大规模MIMO蜂窝网络中，协作波束形成（CBF）是一种有效的提高网络性能的方法，它联合设计多个基站（BS）的波束形成器。在本文中，我们研究了大规模MIMO移动蜂窝网络中的和速率最大化问题，其中在每个小区中，多天线BS通过下行链路波束成形同时为多个移动用户提供服务。虽然现有的基于优化的CBF算法可以提供接近最优的解决方案，他们需要实时和全局的信道状态信息（CSI），除了他们的高计算复杂度。在实际的无线网络中，特别是在高度动态的移动蜂窝网络中，几乎不可能应用它们。基于此，我们提出了一种基于深度强化学习的分布式动态协调波束形成（DDCBF）框架，该框架使每个BS能够仅利用本地CSI和来自其他BS的一些历史信息来确定波束形成器。此外，通过利用神经网络和专家知识，即，从加权最小均方误差（WMMSE）算法的迭代过程观察到的解结构。此外，我们提供了广泛的数值模拟，以验证所提出的DRL为基础的方法的有效性。结果表明，该方法具有较低的计算复杂性和较少的信息需求，可获得与集中式迭代优化算法相当的性能。
2023-03-24 cs.IT eess.SP math.IT
The Ultimate Weapon for Ultra-Broadband 6G: Digital Beamforming and Doubly Massive mmWave MIMO
将毫米波用于无线通信是5G系统相对于前几代蜂窝系统的主要技术创新之一。然而，到目前为止，它们的考虑主要限于使用模拟或至多混合模拟-数字波束成形结构的情况，从而对理论上可以在这些频率处实现的复用能力和峰值数据率造成限制。然而，电子领域的最新进展使得数字波束成形结构的能耗至少与模拟波束成形结构的能耗相当，从而使它们从过去一年中被置于的贫民窟中恢复过来。数字波束成形，加上在通信链路两端使用大型天线阵列，有望成为未来6 G网络的秘密武器之一，能够为超宽带连接释放前所未有的频谱和能源效率价值。
2021-03-03 cs.IT eess.SP math.IT
Coupling Matrix-based Beamforming for Superdirective Antenna Arrays
在大多数多输入多输出（MIMO）通信系统中，例如，大规模MIMO，天线间距一般不小于半个波长。它有助于减少互耦合，从而方便系统设计。最大阵列增益是此设置中的天线数量。然而，当天线间距非常小时，紧凑阵列的阵列增益可以与天线数量的平方成比例-一个比传统阵列大得多的值。然而，为了实现这种所谓的“超方向性”，已知激励系数（波束成形向量）的计算是一个具有挑战性的问题。本文基于一种新的耦合矩阵使能方法，推导了超定向阵列的波束形成矢量。我们还提出了一种方法来获得耦合矩阵，这是由球面波展开法和有源元件图案。全波电磁仿真验证了该方法的有效性。仿真结果表明，当应用本文方法得到的波束形成矢量时，所设计的偶极子天线阵的方向性与理论值吻合较好。
2022-04-25 cs.IT eess.SP math.IT
Sensing Management for Pilot-Free Predictive Beamforming in Cell-Free Massive MIMO Systems
KTH Royal Institute of Technology（瑞典皇家理工学院）
本文提出一种基于状态感知管理的无小区大规模MIMO系统方法，利用扩展卡尔曼滤波跟踪用户并仅在必要时感知，实现无导频预测波束成形，减少信道估计开销，仿真显示可提供更高的均匀下行速率。
2025-10-08 cs.IT eess.SP math.IT
Efficient Alternating Optimization for Hybrid Digital-Wave Beamforming in SIM-Assisted Cell-Free Massive MIMO
Hanyang University（汉阳大学）；Northeastern University London（伦敦东北大学）；King’s College London（伦敦国王学院）；CNRS and CentraleSupélec, Institute of Electronics and Digital Technologies (IETR)（法国国家科学研究中心与中央理工-苏裴蕾斯，电子与数字技术研究所）
针对SIM辅助无小区大规模MIMO系统，提出一种高效交替优化算法，大幅降低混合数字-波波束成形优化的计算复杂度，同时保持和速率性能接近现有算法。
2026-08-25 cs.IT eess.SP math.IT
Opportunistic Scheduling and Beamforming for MIMO-OFDMA Downlink Systems with Reduced Feedback
针对MIMO-OFDMA下行链路系统，提出了一种减少反馈的启发式调度和波束形成方案。不同于传统的波束形成方案，其中波束形成仅由基站（BS）在每个子载波的方式来实现，所提出的方案利用一种新的信道分解技术，由BS和移动终端（MT）联合执行波束形成。所得到的波束成形方案允许BS仅采用{ \em one}波束成形矩阵（BFM）来为{ \em all}个子载波形成波束，而每个MT在本地完成每个子载波的波束成形任务。因此，对于具有$Q$子载波的MIMO-OFDMA系统，与传统方案所需的$Q$ BFM索引和$Q$可支持的吞吐量相比，所提出的机会调度和波束成形方案仅需要一个BFM索引和从每个MT返回到BS的$Q$可支持的吞吐量。所提出的方案的优点变得更加明显时，通过分组相邻的子载波到排他性集群和返回的集群信息，从每个MT实现进一步的反馈减少。理论分析和计算机模拟证实了所提出的降反馈方案的有效性。
2008-02-28 cs.IT math.IT
Deep Learning for Hybrid Beamforming with Finite Feedback in GSM Aided mmWave MIMO Systems
Tsinghua University（清华大学）；Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心）
混合波束形成是毫米波多输入多输出系统的重要技术。为了提高频谱利用率，进一步引入了广义空间调制（GSM）技术。然而，大多数现有的波束成形工作假设完美的信道状态信息（CSI），这是不现实的，在实际系统中。本文研究了GSM辅助频分复用（FDD）mmWave MIMO系统中下行导频训练、信道估计、CSI反馈和混合波束形成的联合优化问题。在深度学习的帮助下，通过无监督学习以端到端的方式设计GSM混合波束形成器。实验结果表明，与传统算法相比，本文提出的多分辨率网络GsmEFBNet能够以更少的反馈比特数获得更高的可达速率。
2023-02-15 cs.AI cs.IT eess.SP
A Novel Hybrid Beamforming Algorithm with Unified Analog Beamforming by Subspace Construction Based on Partial CSI for Massive MIMO-OFDM Systems
混合波束成形（HB）已被广泛研究，以减少大规模多输入多输出（MIMO）系统中昂贵的射频（RF）链的数量。然而，先前关于HB的工作限于单个用户设备（UE）或单个UE组，采用不能应用于正交频分复用（OFDM）系统中在不同频率资源中服务的多个UE组的频率平坦的第一级模拟波束成形（AB）。针对大规模MIMO-OFDM系统，提出了一种基于所有用户空间协方差矩阵（SCM）知识的统一AB的HB算法，以支持多组用户。所提出的HB方法具有更少数量的RF链，可以实现超过95%的全数字波束成形性能。此外，提出了一种新的实用的子空间构造（SC）算法的基础上的部分信道状态信息来估计所需的SCM。所提出的SC方法可以提供超过97%的性能的完美SCM的情况下。利用所提出的方法，可以实现显著的成本和功率节省，而不会造成大的性能损失。此外，所提出的方法可以应用于大规模MIMO-OFDM系统中的时分双工和频分双工。
2016-11-02 cs.IT math.IT
Reduced-Feedback Opportunistic Scheduling and Beamforming with GMD for MIMO-OFDMA
作者先前已经提出了用于减少反馈MIMO-OFDMA下行链路系统的启发式调度和波束成形方案，其中每个子载波的MIMO信道被分解成分层的空间子信道。已经证明，与传统方案中针对每个子载波的一个波束形成矩阵（BFM）相比，可以通过返回关于来自每个MT的所有子载波的仅一个波束形成矩阵（BFM）的信息来实现显著的反馈减少。然而，由于先前提出的信道分解是基于奇异值分解导出的，因此所得到的系统性能受到与最小奇异值相关联的子信道的损害。为了克服这一障碍，本文提出了基于几何平均分解的信道分解的改进的机会调度和波束形成方案。除了固有的优势，减少反馈，所提出的方案可以实现改善系统性能的MIMO信道分解成空间子信道更均匀分布的信道增益。数值结果证实了所提出的机会调度和波束形成方案的有效性。
2009-06-22 cs.IT math.IT
Multi-User Flexible Coordinated Beamforming using Lattice Reduction for Massive MIMO Systems
在多用户大规模多输入多输出（MU-Massive-MIMO）系统中，预编码算法的应用受到发射天线数必须大于或等于接收天线总数的维数约束。针对过载MU-Massive-MIMO系统中的维数约束问题，提出了一种格基约简（LR）辅助的灵活协作波束形成（LR-FlexCoBF）算法。一个随机的用户选择方案与建议LR FlexCoBF扩展其应用到MU-Massive-MIMO系统与任意过载水平。仿真结果表明，所提出的LR-FlexCoBF预编码算法在比特出错率（BER）和和速率性能方面都有明显的改善。
2014-12-23 cs.IT math.IT
Joint Robust Transmit/Receive Adaptive Beamforming for MIMO Radar Using Probability-Constrained Optimization
针对多输入多输出（MIMO）雷达的发射和接收信号导向矢量同时存在高斯和任意分布失配的情况，提出了一种基于概率约束优化的MIMO雷达发射/接收联合鲁棒自适应波束形成方法。利用对偶理论还推导出了概率约束的紧下界。所提出的概率约束鲁棒波束形成问题是一个非凸的NP-困难问题。然而，我们将其成本函数重新表示为双二次函数，而概率约束分为发送和接收部分。然后，提出了一种基于二阶锥规划的块坐标下降法来解决双凸问题。仿真结果表明，与最坏情况和其他现有的最先进的MIMO雷达联合发射/接收鲁棒自适应波束形成方法相比，所提出的波束形成方法具有更好的鲁棒性。
2015-08-10 cs.IT math.IT
Massive MIMO Performance Comparison of Beamforming and Multiplexing in the Terahertz Band
在本文中，我们比较了两个主要的MIMO技术，波束成形和复用，在太赫兹（THz）波段的性能。THz波段的主要问题是其巨大的传播损耗，这是由电磁波的分子吸收引起的巨大信号衰减引起的。为了克服路径损耗问题，已经建议在网络中采用大规模MIMO，并且期望在几米内的距离内提供Tbps。在这种背景下，波束成形最近被研究为主要技术，以利用太赫兹中的MIMO并克服非常高的路径损耗，假设太赫兹通信信道是视距（LoS）并且没有显著的多径射线。另一方面，最近的研究还表明，众所周知的分子吸收的能量可以立即以相同的频率重新辐射。这种再辐射信号与主信号相关，并且可以为通信信道提供丰富的散射路径。这意味着即使在THz频带的LoS场景中也可以实现显著的MIMO复用增益。我们的仿真结果揭示了一个令人惊讶的观察，MIMO复用可能是一个更好的选择比MIMO波束成形在一定条件下的太赫兹通信。
2017-10-26 cs.IT math.IT
A joint channel estimation and beamforming separation principle for massive MIMO systems
本文证明在多用户 MIMO 系统中，将波束成形与信道估计分离在一般条件下不损失最优性，最优处理可分解为 MMSE 信道估计与 MMSE 波束成形，适用于集中式和分布式架构。
2025-07-11 cs.IT math.IT
Robust Beamforming for Physical Layer Security in BDMA Massive MIMO
在本文中，我们设计了鲁棒波束形成，以保证物理层安全的多用户波束分多址（BDMA）大规模多输入多输出（MIMO）系统，当考虑到信道估计误差。借助于人工噪声（AN），提出了一种在保证合法用户和窃听者具有不同信干噪比（SINR）的同时，最小化基站（BS）发射功率的设计方案。严格证明了在BDMA大规模MIMO方案下，初始非凸优化问题可以等价地转化为凸半定规划问题，从而保证最优秩1波束形成解。在此基础上，我们进一步推导出了最优波束形成方向和最优波束形成功率分配的封闭形式，从而大大降低了计算复杂性，使所提出的设计方案具有实际应用价值。仿真结果验证了该算法的有效性。
2017-11-29 cs.IT math.IT
Flexible Unsupervised Learning for Massive MIMO Subarray Hybrid Beamforming
École Polytechnique de Montréal（蒙特利尔工程学院）
混合波束形成是一种很有前途的技术，以提高大规模MIMO系统的能量效率。特别地，子阵列混合波束形成可以通过减少移相器的数量来进一步降低功耗。然而，由于子阵连接和相移量的离散性，设计混合波束形成矢量是一项复杂的任务。找到RF链和天线之间的最佳连接需要在大的搜索空间中解决非凸问题。此外，传统的解决方案假设完美的CSI是可用的，这在实际系统中并非如此。因此，我们提出了一种新型的无监督学习方法来设计适用于任何子阵列结构的混合波束形成，同时支持量化移相器和有噪CSI。所提出的架构的一个主要特点是，没有波束形成码本是必需的，和神经网络的训练，以考虑相移量化。仿真结果表明，所提出的深度学习解决方案可以实现比现有方法更高的总速率。
2022-08-10 cs.IT cs.LG eess.SP
