Combining Reciprocity and CSI Feedback in MIMO Systems
基于互易性的时分双工（TDD）大规模MIMO（多输入多输出）系统利用在上行链路中获得的信道估计来在下行链路中执行预编码。然而，在信道估计不足以在空间上分离多个用户终端的意义上，由于信道估计质量不足，在低上行链路参考信号信噪比下，该方法被批评为崩溃。相反，基于码本的下行链路预编码已经被提倡作为替代解决方案，以便绕过这个问题。我们分析这个问题，考虑一个“网格的光束世界”有限数量的可能的下行链路信道实现。假设终端可以准确地检测到下行链路信道，我们表明，在互易性的情况下，仔细设计的下行链路信道和上行链路参考信号之间的映射将执行比传统的TDD大规模MIMO和频分双工（FDD）大规模MIMO的方法。我们得出优雅的度量设计这个映射，并进一步，我们提出了算法，找到良好的序列映射。
2022-06-10 cs.IT eess.SP math.IT
Human Activity Recognition from Wi-Fi CSI Data Using Principal Component-Based Wavelet CNN
人类活动识别（HAR）是一项新兴技术，在监控，安全和医疗保健领域有多种应用。可以利用无处不在的Wi-Fi技术的快速增长以及CSI动态与身体运动之间的相关性来开发基于Wi-Fi信道状态信息（CSI）信号的非侵入式HAR系统。在本文中，我们提出了基于主分量的小波卷积神经网络（或PCWCNN）-一种新的方法，提供了实际的实时应用的鲁棒性和效率。我们提出的方法结合了两个有效的预处理算法-主成分分析（PCA）和离散小波变换（DWT）。我们采用了自适应活动分割算法，是准确和计算轻。此外，我们使用Wavelet CNN进行分类，这是一种深度卷积网络，类似于研究良好的ResNet和DenseNet网络。我们的经验表明，我们提出的PCWCNN模型在真实数据集上表现非常好，优于现有方法。
2022-12-26 cs.CV cs.LG eess.SP
Downlink Precoding for FBMC-based Massive MIMO with Imperfect Channel Reciprocity
本文提出了一种实用的基于滤波器组多载波（FBMC）的大规模多输入多输出（MIMO）下行链路预编码方法。所提出的方法包括一个两阶段的预编码器组成的分数间隔预滤波器（FSP），每个子载波整平/均衡的信道在子载波频带，其次是一个传统的预编码器，其目标是集中在他们的空间位置的不同用户的信号。这样，每个用户只接收预期的信息。在本文中，我们注意到，由于上行链路和下行链路中的无线电链路的不匹配，信道互易性在实际场景中可能不完全成立。另外，基站处的信道状态信息（CSI）可能不是完全已知的。这与不完美的信道互易性一起可能导致对下行链路预编码器性能的不利影响。我们从理论上分析了所提出的预编码器的性能存在不完美的CSI和信道互易性校准误差。这导致补偿这些影响的有效方法。最后，我们数值评估所提出的预编码器的性能。我们的研究结果表明，建议的预编码器导致一个优秀的性能时，对OFDM基准。
2022-01-26 eess.SP
A Partial Channel Reciprocity-based Codebook for Wideband FDD Massive MIMO
频分双工（FDD）大规模MIMO系统中信道状态信息（CSI）的获取是一个巨大的挑战。在本文中，我们解决这个问题，一个新的CSI反馈框架，使部分互易性的上行链路和下行链路信道在宽带制度。首先，我们推导出了一个给定的角度延迟分布的宽带大规模MIMO信道协方差矩阵的秩的封闭形式的表达。一个低秩性质的识别，这推广了著名的结果的窄带均匀线阵设置。然后，我们提出了一个部分信道互易性（PCR）码本，启发的低秩行为和事实，即上行链路和下行链路信道具有相似的角度延迟分布。与5G中的最新码本相比，所提出的PCR码本方案在用户侧实现了更高的性能、更低的复杂度，并且需要更少量的反馈。我们推导出实现渐近无差错CSI反馈所需的反馈开销。还提出了两种低复杂度的替代方案，以进一步降低基站侧的复杂度。实际3GPP信道模型的仿真结果表明，与最新的5G码本相比，我们提出的方法具有显着的增益，这证明了我们提出的方法是5G及以后的实用解决方案。
2022-01-26 cs.IT eess.SP math.IT
Can We Improve Channel Reciprocity via Loop-back Compensation for RIS-assisted Physical Layer Key Generation
针对RIS辅助物理层密钥生成中信道互易性受硬件干扰和RIS干扰攻击影响的问题，提出结合回传信号与误差最小化的LoCKey回环补偿方法，有效提升信道互易性、密钥生成速率与密钥一致性，具备实际部署潜力。
2024-08-14 eess.SP
Geometry-Based Channel Estimation, Prediction, and Fusion
针对基于互易性的波束成形在低SNR和用户移动场景下性能下降的问题，提出基于几何信道模型联合推断用户位置与环境地图以预测下行CSI的方法，还提出CSI的贝叶斯融合方案提升鲁棒性，实测数据验证了效率提升。
2025-03-22 eess.SP
A Partial Reciprocity-based Channel Prediction Framework for FDD Massive MIMO with High Mobility
大规模多输入多输出（MIMO）被认为可以为5G及以后提供未被代表的频谱效率增益。然而，在其商业部署过程中出现了一个实际挑战，这被称为“移动性的诅咒”。大规模MIMO系统的性能随着用户速率的增加而急剧下降。在本文中，我们解决了频分双工（FDD）的大规模MIMO与新的信道状态信息（CSI）获取框架的问题。提出了一种用于信道训练的联合角度延迟多普勒（JADD）宽带预编码器。我们的想法包括在开发的FDD和角度延迟多普勒信道结构的部分信道互易性。更精确地，基站（BS）使用矩阵变换（MP）方法基于UL导频来估计UL信道的角度延迟多普勒信息。然后根据提取的参数计算宽带JADD预编码器。之后，用户估计并反馈一些标量系数，以供BS重构预测的DL信道。渐近分析表明，随着基站天线数和带宽的增加，CSI预测误差收敛到零。工业信道模型的数值结果表明，该框架能够很好地适应高速（350 km/h）、大CSI时延（10 ms）和信道采样噪声。
2022-05-26 cs.IT eess.SP math.IT
Experimental Evaluation of Geometry and Reciprocity-Based Beamforming with Large Arrays for RF Wireless Power Transfer
KU Leuven（荷语鲁汶大学）
本文通过实验比较了几何波束成形与CSI波束成形在RF无线电力传输中的性能，展示了几何波束成形在不同传播条件下的功率增益及系统开销与多径鲁棒性的权衡。
2026-04-13 eess.SP
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
Nonreciprocal RIS-Aided Covert Channel Reciprocity Attacks and Countermeasures
本文研究了非互易RIS在多天线TDD系统中引发的信道互易性攻击（CRACK）威胁，并提出基于深度强化学习的SecureCoder框架，利用上行CSI与速率反馈优化下行预编码，有效缓解攻击并提升系统鲁棒性。
2025-09-14 eess.SP
How to interconnect for Massive MIMO Self-Calibration?
在时分双工（TDD）系统中，大规模多输入多输出（MIMO）依赖于信道互易性来利用基站（BS）处获取的上行链路（UL）信道状态信息（CSI）来获得下行链路（DL）CSI。然而，BS处的不同天线处的射频（RF）模拟电路中的失配破坏了端到端UL和DL信道互易性。为了恢复信道互易性，有必要校准BS处的所有天线。本文讨论了内部自校准在BS不同的天线通过硬件传输线互连的互连策略。具体地，本文分别揭示了星形互连和菊花链互连的最优性。结果表明，当基站的测量次数相同时，星型互连是最优的互连策略。另一方面，当消耗相同的时间资源时，菊花链互连优于星形互连。数值结果证实了我们的理论分析。
2018-03-03 eess.SP
Keep Private Networks Private II: Wideband Secret Key Generation on a Real 5G NR Testbed
RPTU University Kaiserslautern-Landau（凯泽斯劳滕-兰道莱布尼茨理工大学）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）
研究在5G NR测试平台实现基于无线信道互易性的秘密密钥生成，验证其在SRS和CSIRS测量中的可行性。
2026-04-08 eess.SP
Secret-Key Agreement Through Hidden Markov Modeling of Wavelet Scattering Embeddings
提出基于小波散射网络提取稳健CSI特征，结合降维与隐马尔可夫模型实现免量化的密钥协商，在资源受限的IoT环境中将密钥生成率提升5倍。
2025-10-10 cs.CR eess.SP
Interconnection Strategies for Self-Calibration of Large Scale Antenna Arrays
在时分双工（TDD）系统中，大规模多输入多输出（MIMO）依赖于信道互易性来获得具有上行链路（UL）信道状态信息（CSI）的下行链路（DL）信道状态信息（CSI）。在实践中，基站（BS）处的不同天线之间的射频（RF）模拟电路中的失配破坏了端到端UL和DL信道互易性。为了避免大规模多输入多输出（massive MIMO，MIMO）系统性能严重下降，天线校准是必要的。在TDD大规模多输入多输出系统中，许多校准方案可用于补偿RF增益失配并恢复信道互易性。在本文中，我们专注于内部自校准方案，不同的BS天线通过硬件传输线互连。首先，我们研究了任意互连策略的校准性能。接下来，我们得到了封闭形式的克拉美-罗下界（CRLB）表达式在BS的每一个互连策略，只有（M-1）传输线和M表示的BS天线的总数。在此基础上，进一步证明了星型互连策略具有最低的CRLB，是内部自校准的最优策略。此外，我们还提出了有效的递归算法，以获得相应的最大似然（ML）估计的所有校准系数。数值模拟结果也证实了我们的理论分析和结果。
2018-11-14 eess.SP
FDD Massive MIMO Without CSI Feedback
发射机信道状态信息（CSIT）对于大规模多输入多输出（MIMO）系统提供的频谱效率增益是必不可少的。在频分复用（FDD）大规模MIMO系统中，通常通过下行链路信道估计和用户反馈来获取CSIT，但是随着天线数量的增加，用于每个用户的CSI训练和反馈的开销增加，导致频谱效率的降低。在本文中，我们表明，在FDD中使用上行链路导频，下行链路和频谱效率增益与完美的下行链路CSIT是可以实现的，当在基站的天线数量是无限的一些温和的信道条件下。该方法的核心思想是利用上下行信道的几何互易性，提出了基于上行导频的均方误差最优下行信道重构方法。我们还提出了一个强大的下行链路预编码方法利用重建的信道与误差协方差矩阵。我们的系统级仿真结果表明，我们提出的预编码方法可以达到可比的总和频谱效率迫零预编码与完美的下行链路CSIT，没有CSI训练和反馈。
2023-02-09 cs.IT eess.SP math.IT
CSI-based versus RSS-based Secret-Key Generation under Correlated Eavesdropping
物理层安全（PLS）作为通常在更高网络层实现的传统密码原语的替代方案或与传统密码原语相结合，具有强烈增强整体系统安全性的潜力。依赖于无线信道互易性的密钥生成是一种有趣的解决方案，因为它可以在新兴的无线通信网络的物理层有效地实现，同时提供信息理论的安全保证。在本文中，我们调查和比较的基础上采样的整个复杂的信道状态信息（CSI）或仅其包络，接收信号强度（RSS）的密钥容量。此外，相对于以前的作品，我们考虑到的事实，窃听者的意见可能是相关的，我们认为高信噪比（SNR）制度，我们可以找到简单的分析表达式的秘密密钥容量。正如已经发现在以前的作品中，我们发现，基于RSS的密钥生成是严重的惩罚相比，基于CSI的系统。在高SNR下，我们能够精确而简单地量化这种惩罚：减半的前对数因子和约0.69比特的恒定惩罚，随着Eve的信道变得高度相关，该惩罚消失。
2020-06-22 eess.SP
Uplink Assisted Joint Channel Estimation and CSI Feedback: An Approach Based on Deep Joint Source-Channel Coding
School of Electronic and Information Engineering, Beijing Jiaotong University（北京交通大学电子信息工程学院）
针对FDD MIMO系统中传统模块化CSI反馈架构的次优问题，提出上行辅助的联合信道估计与CSI反馈方法，采用DJSCC架构缓解悬崖效应，利用上下行信道部分互易性提升重建精度，实验验证了其有效性与必要性。
2025-04-15 cs.AI eess.SP
Deep Learning-Based CSI Prediction Framework for Channel Aging Mitigation in TDD 5G Systems
针对TDD 5G系统中信道老化导致CSI精度下降的问题，提出基于深度学习的CSI预测框架，采用DNN和LSTM模型在有效SINR域预测，仿真显示LSTM可有效提升性能。
2025-10-28 eess.SP
UL-Assisted Parametric CSI Feedback and Prediction for FDD Systems
The University of Sydney（悉尼大学）；Technische Universität Berlin（柏林工业大学）；La Trobe University（拉筹伯大学）
针对FDD系统中CSI反馈过时的问题，提出由UL辅助的参数化CSI反馈与预测方案，利用信道部分互易性，结合Sionna数据集仿真验证其性能优于基线方案。
2026-10-14 eess.SP
Attention Mechanism Based Intelligent Channel Feedback for mmWave Massive MIMO Systems
具有毫米波（mmWave）和大规模多输入多输出（MIMO）的智能无线通信的潜在优势基于基站（BS）处的瞬时信道状态信息（CSI）的可用性。然而，在频分双工（FDD）系统中，不存在信道互易性导致在BS处难以捕获准确的CSI。许多研究人员探索了基于深度学习（DL）的有效架构来解决这个问题，并证明了基于DL的解决方案的成功。然而，现有的方案集中在获取完整的CSI，而忽略了波束成形和预编码操作。在本文中，我们提出了一种智能信道反馈结构，使用特征矩阵和特征向量反馈神经网络（EMEVNet）。在注意力机制的帮助下，所提出的EMEVNet可以被认为是一个双通道自动编码器，它能够将特征矩阵和特征向量联合编码成码字。仿真结果表明，与传统的基于DL的CSI反馈方法相比，所提出的EMEVNet方法具有很大的性能改善和鲁棒性，具有极低的开销。
2022-11-02 cs.IT eess.SP math.IT
Full Reciprocity-Gap Waveform Inversion in the frequency domain, enabling sparse-source acquisition
根据波的传播定量重建地下地球性质遵循迭代最小化失配泛函。在海洋地震勘探中，观测数据通常包括压力场的测量，但双传感器设备也提供法向速度。因此，一个基于互易性的失配功能是专门设计的，并定义了全互易间隙波形反演（FRgWI）方法。与更传统的最小二乘方法相比，这种失配函数提供了额外的功能，特别是观察和计算采集可以是不同的。因此，在重建过程中不需要从其获取测量的源的位置和小波，并且事实上，可以任意选择数值采集（用于模拟）。基于三维实验，FRgWI表现出更好的比全波形反演（FWI）在相同的情况下。然后，它允许以两种方式进行任意数值采集：当给出很少的测量值时，可以使用密集的数值采集（与观测采集相比）进行补偿。另一方面，与密集的观测采集，稀疏的计算一个被证明是足够的，例如与多个点源，从而减少了数值成本。FRgWI显示准确的重建在这两种情况下，似乎更强大的串扰比最小二乘拍摄堆叠。
2020-05-26 eess.SP physics.comp-ph physics.geo-ph
Physics-Inspired Deep Learning Anti-Aliasing Framework in Efficient Channel State Feedback
University of California, Davis（加州大学戴维斯分校）；Samsung Research America（三星美国研究院）；National Yang Ming Chiao Tung University（国立阳明交通大学）
针对大规模MIMO FDD系统中CSI反馈前的欠采样导致混叠问题，提出基于离散傅里叶变换移位定理和多径互易性的gNB侧上采样框架，并结合ISTA-Net深度学习，显著优于传统插值与现有方法。
2024-03-12 cs.AI cs.IT eess.SP
Towards Efficient Subarray Hybrid Beamforming: Attention Network-based Practical Feedback in FDD Massive MU-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）
由于信道的非互易性，频分复用（FDD）多输入多输出（MIMO）系统需要进行信道状态信息（CSI）反馈。在深度学习的帮助下，许多工作已经成功地重建了大规模MIMO的压缩理想CSI。然而，简单的CSI重构具有有限的实用性，因为没有考虑信道估计和目标波束成形设计。在本文中，联合优化网络的信道估计和反馈，使频谱效率的波束形成器可以学习。此外，部署友好的子阵混合波束形成架构，并专门设计了一个实用的轻量级端到端网络。实验表明，该网络是超过10倍轻的资源敏感的用户设备相比，以前的国家的最先进的方法，只有一个很小的性能损失。
2023-02-05 cs.AI cs.IT eess.SP
Statistical Channel Fingerprint Construction for Massive MIMO: A Unified Tensor Learning Framework
National Mobile Communications Research Laboratory, Southeast University（东南大学国家移动通信研究中心）；Purple Mountain Laboratories（紫金山实验室）；Department of Electrical and Computer Engineering, University of Delaware（德克萨斯大学电气与计算机工程系）
本文提出统一的张量学习框架LPWTNet，通过统计信道指纹的张量表示和降维方法，提升大规模MIMO中信道状态信息的获取效率与准确性。
2026-04-30 cs.AI cs.IT cs.LG
