Uncertainty-Aware and Reliable Neural MIMO Receivers via Modular Bayesian Deep Learning
本文提出模块化贝叶斯深度学习，将贝叶斯深度学习与混合模型驱动MIMO接收机架构结合，通过产生校准良好的均衡与解码模块来提升接收机整体准确性和校准性，尤其在数据稀缺时可靠的不确定性度量能直接改善接收机链性能。
2024-10-19 cs.IT eess.SP math.IT
Variational Bayesian Inference Based Progressive Multi-Target MIMO Sensing with Nuisance Parameters
The Hong Kong Polytechnic University（香港理工大学）
提出渐进式多目标MIMO感知框架，通过变分贝叶斯推断以多项式复杂度近似后验PDF，最小化PCRB并逐步提升感知精度。
2026-10-08 cs.IT eess.SP math.IT
A Fully Bayesian Approach for Massive MIMO Unsourced Random Access
提出一种全贝叶斯方法用于大规模MIMO无源随机接入，通过三层消息传递算法联合解码信息块并获取信道，显著提升了频谱效率和鲁棒性。
2023-06-27 cs.IT math.IT
Symbol Detection for Massive MIMO AF Relays Using Approximate Bayesian Inference
对于大规模MIMO AF中继，当天线数量不够大时，符号检测成为一个实际问题，因为线性方法是非最优的，而最优方法是指数复杂的。本文提出了一种新的检测算法，提供贝叶斯最优的MSE的成本$O(n^3)$每次迭代的复杂度。该算法本质上是最近为深度学习开发的两种方法的混合，特别是对中继的优化。作为一个混合体，它继承了两个状态演化公式，其中渐近MSE可以通过标量等效模型精确预测。当考虑单跳时，该算法也容易退化到许多已知的结果。
2020-03-26 cs.IT math.IT
GNN-Enhanced Approximate Message Passing for Massive/Ultra-Massive MIMO Detection
考虑到天线数量极大，具有令人满意的性能和低复杂度的高效大规模/超大规模多输入多输出（MIMO）检测算法对于满足5G及更高通信中的高吞吐量和超低延迟要求至关重要。本文提出了一种低复杂度的图神经网络（GNN）增强的近似消息传递（AMP）算法AMP-GNN，用于大规模/超大规模MIMO检测。通过对AMP算法的展开和引入用于多用户干扰消除的GNN模块，定制了神经网络的结构。数值结果将表明，所提出的AMP-GNN显著提高了AMP检测器的性能，并实现了与最先进的基于深度学习的MIMO检测器相当的性能，但具有降低的计算复杂性。此外，该算法对用户数量的变化具有较强的鲁棒性。
2023-01-09 cs.IT eess.SP math.IT
MIMO Detection via Gaussian Mixture Expectation Propagation: A Bayesian Machine Learning Approach for High-Order High-Dimensional MIMO Systems
针对高阶高维MIMO系统检测中多流并行传输带来的干扰噪声问题，提出基于高斯混合模型近似置信传播与期望传播消息的检测算法，在低复杂度下实现了优于现有最优算法的检测性能。
2024-12-12 cs.IT math.IT stat.ML
Ultra-dense Radio Access Networks for Smart Cities: Cloud-RAN, Fog-RAN and "cell-free" Massive MIMO
本文针对智慧城市超密集网络中的干扰问题，提出融合无小区大规模 MIMO 与 F-RAN 的 Fog Massive MIMO 新范式，并分析了不同协调范围下接入点间增强协调的潜在收益。
2023-07-05 cs.IT eess.SP math.IT
Cell-Free Terahertz Massive MIMO: A Novel Paradigm Beyond Ultra-Massive MIMO
针对太赫兹通信传输距离受限的问题，本文提出无蜂窝大规模MIMO架构，通过选择最近接入点缩短距离而非仅依赖大量天线，仿真验证其在太赫兹频段的频谱与能量效率均优于超大规模MIMO。
2024-05-16 cs.IT eess.SP math.IT
Channel Estimation in Massive MIMO under Hardware Non-Linearities: Bayesian Methods versus Deep Learning
研究了在实际莱斯衰落环境下，基站和用户设备的非线性硬件损伤对单小区大规模MIMO（multiple-input multiple-output）上行链路性能的联合影响。首先，Bussgang分解为基础的有效通道和失真特性的解析推导和频谱效率（SE）实现了几个接收器的三阶非线性进行了探讨。接着，设计并训练两个深度前馈神经网络来估计每个BS天线处的有效信道和失真方差，这用于信号检测。我们比较了所提出的方法的性能与国家的最先进的失真感知和不知道贝叶斯线性最小均方误差（LMMSE）估计。所提出的深度学习方法通过利用损伤特征来提高估计质量，而LMMSE方法将失真视为噪声。使用由在BS和UE处的非线性的一般阶数的导出的有效信道生成的数据，示出了基于深度学习的估计器也为大于三阶的非线性提供了有效信道的更好的估计。
2020-01-13 cs.IT eess.SP math.IT
Reconfigurable Holographic Surface: A New Paradigm for Ultra-Massive MIMO
针对超大规模MIMO因相控阵成本和功耗高难以实现的问题，本文提出可重构全息表面（RHS）新范式，概述其原理、技术及通信原型实现与实验结果，为6G超大规模MIMO提供低成本方案。
2024-11-28 cs.IT eess.SP math.IT
Modulation Classification for MIMO-OFDM Signals via Approximate Bayesian Inference
在频率选择性衰落信道和信噪比未知的情况下，研究了采用正交频分复用（OFDM）的多天线（MIMO）系统的调制分类问题。分类问题被制定为贝叶斯推理任务，并提出解决方案的基础上吉布斯抽样和平均场变分推理。所提出的方法依赖于选择的先验分布，采用潜在的狄利克雷模型的调制类型和贝叶斯网络形式主义。吉布斯抽样方法收敛到最优贝叶斯解，并使用数值结果，其精度被认为是提高小样本量时，切换到平均场变分推理技术后，一些迭代。通过退火和随机重启，收敛速度得到了提高。虽然大多数关于调制分类的文献假设信道是平坦衰落的，接收天线的数量不少于发射天线的数量，并且大量的观测数据符号是可用的，但是所提出的方法在更一般的条件下表现良好。最后，所提出的贝叶斯方法证明，以改善现有的非贝叶斯方法的基础上独立成分分析和先验贝叶斯方法的基础上的“superconstellation”的方法。
2016-04-08 cs.IT math.IT
Secure ISAC MIMO Systems: Exploiting Interference With Bayesian Cramér-Rao Bound Optimization
针对兼具通信与感知功能的MIMO ISAC系统的安全需求，本文通过优化贝叶斯克拉美罗界、利用建设性干扰保障通信QoS并压制窃听目标解码性能，提出定制连续凸逼近方法求解非凸问题，性能优于块级预编码。
2024-01-30 cs.IT eess.SP math.IT
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
Bayesian Massive MIMO Channel Estimation with Parameter Estimation Using Low-Resolution ADCs
为了降低硬件复杂度和功耗，大规模多输入多输出（MIMO）系统采用低分辨率模数转换器（ADC）来获取量化测量值$\boldsymbol y$。这对信道估计问题提出了新的挑战，并且在角度域中的信道系数向量$\boldsymbol x$上的稀疏先验常常用于补偿量化期间丢失的信息。通过从概率的角度解释稀疏先验，我们可以假设$\boldsymbol x$遵循特定的稀疏先验分布，并使用近似消息传递（AMP）来恢复它。然而，分布参数在实践中是未知的，需要估计。由于在量化噪声模型中增加的计算复杂性，先前的工作或者使用近似噪声模型或者手动调整噪声分布参数。在本文中，我们将信号和参数作为随机变量，并在AMP框架内联合恢复它们。所提出的方法导致一个更简单的参数估计方法，使我们能够直接与量化噪声模型。实验结果表明，该方法在各种噪声水平下均能获得最佳性能，且不需要参数调整，是一种实用且免维护的信道估计方法。
2021-02-11 cs.IT eess.SP math.IT
Bayesian Channel Estimation for Intelligent Reflecting Surface-Aided mmWave Massive MIMO Systems With Semi-Passive Elements
针对带半无源元素的IRS辅助毫米波大规模MIMO系统，提出基于VI-SBL的贝叶斯信道估计器，仅用上行训练信号估计所有链路，降低误差与开销，提升频谱和能量效率。
2023-05-03 cs.IT eess.SP math.IT
Sparse Bayesian Multi-Task Learning of Time-Varying Massive MIMO Channels with Dynamic Filtering
针对大规模MIMO系统时变信道估计问题，提出结合动态信息初始化与角度细化的多任务稀疏贝叶斯学习方法，在精度损失可忽略的前提下降低算法复杂度与收敛时间，同时减少功率泄漏。
2019-11-18 cs.IT math.IT
Bayesian Learning for Pilot Decontamination in Cell-Free Massive MIMO
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
Beamforming Technologies for Ultra-Massive MIMO in Terahertz Communications
具有频带$0.1-10$ THz的太赫兹（THz）通信被设想为未来高速无线通信的有前景的解决方案。虽然THz信号具有数十GHz的可用带宽，但THz信号存在严重的自由扩展损耗和分子吸收损耗，这限制了无线传输距离。为了补偿传输损耗，可以应用超大规模多输入多输出（UM-MIMO）技术通过波束形成技术来产生高增益的定向波束。本文综述了太赫兹UM-MIMO系统中的波束形成技术。具体而言，我们首先提出了太赫兹UM-MIMO系统模型，并确定其信道参数和结构类型。然后，我们说明了通过UM-MIMO波束形成的基本原理，并讨论了太赫兹UM-MIMO的远场和近场假设。此外，THz波段的一种重要波束形成策略，即，波束训练，其中概括了波束训练协议和码本设计方法。分别研究了THz UM-MIMO系统中智能反射面辅助的联合波束形成和多用户波束形成。分析了太赫兹波束形成中的空间宽带效应和频率宽带效应，并提出了相应的解决方案。此外，我们提出了相应的制造技术和照明的新兴应用受益于太赫兹波束成形。最后强调了THz UM-MIMO系统面临的挑战和未来的研究方向。
2023-03-13 cs.IT eess.SP math.IT
From Bayesian Asymptotics to General Large-Scale MIMO Capacity
CentraleSupélec-CNRS-Université Paris-Sud（中央苏黎世高等电力学院-法国国家科学研究中心-巴黎南大学）
本文提出统一框架，通过贝叶斯渐近性与信息论分析大规模MIMO信道容量，引入低复杂度接收机结构实现接近容量性能。
2026-02-23 cs.IT math.IT
Ultra-Dense Cell-Free Massive MIMO for 6G: Technical Overview and Open Questions
本文综述超密集无小区大规模MIMO（CF-MMIMO）技术，分析其关键挑战并回答开放问题，为6G发展提供研究路线图。
2024-04-18 cs.IT eess.SP math.IT
Ultra Low Complexity Soft Output Detector for Non-Binary LDPC Coded Large MIMO Systems
MIMO系统容量的理论结果表明，天线数目越多，传输速率越高。这使得具有数百个天线的MIMO系统非常有吸引力，但是阻碍这种大维度MIMO系统实际实现的主要问题之一是MIMO检测器的高复杂度。本文提出了一种新的基于匹配滤波的软输出MIMO检测器，该检测器可应用于采用非二进制LDPC码编码的大型MIMO系统。该检测器的每比特复杂度仅为低复杂度软输出MMSE检测器的0.28%，并且仅与天线数成线性关系。此外，具有小信息长度800比特的编码性能与相关联的MIMO容量在4.2dB内。
2012-04-18 cs.IT math.IT
Massive BLAST: An Architecture for Realizing Ultra-High Data Rates for Large-Scale MIMO
提出了一种上行链路大规模MIMO的检测方案，称为M-BLAST或M-BLAST。推导出的算法是著名的软并行干扰消除的增强。在大规模MIMO应用场景中使用计算机模拟，M-BLAST被示出为产生显著更好的错误性能，降低了复杂度，相比于基准替代的单次线性检测器，以及原始的顺序V-BLAST。因此，M-BLAST可以用作在大规模MIMO中利用大量天线的计算上高效的手段。
2017-12-01 cs.IT math.IT
Matrix Factorization Based Blind Bayesian Receiver for Grant-Free Random Access in mmWave MIMO mMTC
针对毫米波MIMO系统免授权随机接入中导频开销大问题，提出基于矩阵分解的盲贝叶斯接收机，实现无导频的联合用户活动检测、信道估计与信号检测，有效降低开销与延迟。
2023-04-10 cs.IT eess.SP math.IT
RIS-based IMT-2030 Testbed for MmWave Multi-stream Ultra-massive MIMO Communications
本文针对传统相控阵实现超大规模MIMO功耗过高的问题，提出基于RIS的天线方案，并在V4M项目中首次实现26 GHz毫米波双流超大规模MIMO原型，测得速率接近理论峰值。
2023-10-24 cs.IT math.IT
Enabling Ultra Reliable Wireless Communications for Factory Automation with Distributed MIMO
由于严格的延迟、可用性和可靠性限制，工厂自动化是5G及以上移动网络最具挑战性的用例之一。在这项工作中，被认为是一个室内工厂的情况下，分布式多输入多输出（MIMO）计划进行了研究，以使可靠的通信致动器（AC）活跃在工厂。不同级别的协调服务的AC和几个波束成形方案的接入点之间的考虑和分析。为了提高系统的可靠性，提出了一种最大最小功率分配（MPA）算法，旨在提高信道条件最差的AC的信干噪比（SINR）。广泛的系统仿真进行了一个现实的情况下，其中包括一个新的路径损耗模型的基础上最近的测量在工厂的情况下，而且，非高斯脉冲噪声的存在。数值结果表明，与迫零（ZF）波束成形和MPA的分布式MIMO方案有可能提供SINR增益在几十dB的顺序相对于集中式MIMO部署，以及脉冲噪声可以强烈地降低系统性能，因此需要特定的检测和缓解技术。
2019-07-08 cs.IT eess.SP math.IT
An Efficient Bayesian PAPR Reduction Method for OFDM-Based Massive MIMO Systems
研究了基于正交频分复用（OFDM）的大规模多输入多输出（MIMO）下行链路系统中降低峰均功率比（PAPR）的问题。具体地，给定要发送到K个用户的符号向量的集合，问题是找到具有低PAPR并且同时能够实现多用户干扰（MUI）消除的OFDM调制信号。与以往的作品，解决了这个问题，使用凸优化，我们采取贝叶斯方法，并开发了一个有效的PAPR降低方法，利用冗余度的自由度的发射阵列。该方法将受欢迎的信号视为具有分层截断高斯混合先验的随机向量，这有可能促使其大部分样本集中在边界上的低PAPR信号。一个变分的期望最大化（EM）的策略，以获得与先验模型相关联的超参数的估计，以及信号。此外，将广义近似消息传递（GAMP）嵌入到变分EM框架中，大大降低了算法的计算复杂性.仿真结果表明，该算法在降低峰均功率比和降低计算复杂性方面都比现有方法有了很大的改善。
2015-11-29 cs.IT math.IT
Bayesian Optimal Data Detector for Hybrid mmWave MIMO-OFDM Systems with Low-Resolution ADCs
混合模数预编码架构和低分辨率模数转换器（ADC）接收机是用于具有大型天线阵列的毫米波（mmWave）多输入多输出（MIMO）通信系统的降低硬件成本和功耗的两种解决方案。在这项研究中，我们考虑了毫米波MIMO-OFDM接收机与广义混合架构，其中少量的射频（RF）链和低分辨率ADC同时采用。由于低分辨率ADC引入的强非线性，数据检测的任务具有挑战性，特别是实现贝叶斯最佳数据检测器。本研究旨在填补这一空白。通过使用广义期望一致的信号恢复技术，我们提出了一种计算效率高的数据检测算法，提供了一个最小的均方误差估计的数据符号，并扩展到一个混合ADC架构。考虑到MIMO-OFDM信道矩阵的特殊结构，本文提出了一种低复杂度的实现方法，该方法只需要FFT运算和矩阵向量乘法。在此基础上，提出了一个分析框架，在大系统极限下研究了该检测器的理论性能，该框架可以精确地评估检测器的均方误差和符号出错率等性能表达式。在此基础上，研究了在混合ADC结构中增加少量低分辨率RF链和高分辨率ADC的可能性。仿真结果证实了理论分析的正确性，可用于系统的快速设计。结果表明，在原始非量化系统中加入少量低分辨率RF链可以获得显著的增益。
2018-03-25 cs.IT math.IT
Recent Advances of 6G Ultra-Massive MIMO Technologies in Spatial and Beam Domains
该文综述6G超大规模MIMO技术在空间域的最新进展，指出其高维度复杂度问题，介绍向波束域转型的趋势及优势，并探讨未来挑战。
2025-01-11 cs.IT cs.SY eess.SY
Blind Performance Prediction for Deep Learning Based Ultra-Massive MIMO Channel Estimation
可靠性对于无线系统的物理层是至关重要的，因为它对端到端性能具有决定性影响。然而，由于神经网络的黑盒性质，基于深度学习（DL）的物理层算法的不确定性很难量化。这一限制是妨碍其实际部署的主要障碍。在本文中，我们试图量化一类重要的基于DL的信道估计器的不确定性。提出了一种有效的统计方法，使盲预测的均方误差的DL估计信道的接收导频的基础上，单独的，没有知识的地面真理信道，信道的先验分布，或噪声统计。盲性能预测的复杂度低，并且仅与天线的数量成线性比例。仿真结果验证了该方法在超大规模多输入多输出（UM-MIMO）信道估计中的准确性和有效性。
2023-02-05 cs.IT eess.SP math.IT
Receiver Design for MIMO Unsourced Random Access with SKP Coding
在这封信中，我们扩展的稀疏克罗内克积（SKP）编码方案，最初设计的加性高斯白噪声（AWGN）信道，多输入多输出（MIMO）无源随机接入（URA）。在MIMO传输中采用SKP编码，我们提出了一种有效的贝叶斯迭代接收机设计来解决具有挑战性的三线性分解问题。数值结果表明，所提出的设计优于现有的同行，它表现良好，在所有模拟设置与各种天线尺寸和活跃用户数。
2022-08-14 cs.IT eess.SP math.IT
Massive MIMO Unsourced Random Access
我们考虑扩展的大规模无源随机接入最初提出的Polyanskiy的情况下，接收器有一个非常大的天线数量（一个大规模的MIMO基站），没有信道状态信息的接收器（完全非相干检测）。我们的编码方法借用了Amalladinne等人的级联编码思想。例如，与用于大规模MIMO随机接入信道的新颖的非贝叶斯“活动检测”算法相结合，其性能优于当前提出的用于活动检测的贝叶斯矢量AMP（VAMP）方案，并且不遭受数值不稳定性和对VAMP那样的精确先验统计的要求。我们表明，所需的传输可靠的通信$E_b/N_0$可以任意小的接收天线的数量M增长足够大。
2019-01-03 cs.IT math.IT
Cross-Field Channel Estimation for Ultra Massive-MIMO THz Systems
针对超大规模MIMO太赫兹系统，提出一种可同时适用于近场、中场和远场的跨场压缩信道估计方法，通过比较阵列间接收信号选择估计策略并利用子阵列邻近性，在保证精度的同时降低计算复杂度。
2023-10-26 cs.IT eess.SP math.IT
Complex-Valued Neural Networks for Ultra-Reliable Massive MIMO
针对下一代通信网络对高可靠性的需求，提出结合SVD信道校正的QOSTBC超可靠MIMO方案，并引入PT-RBF神经网络解码方案降低复杂度，仿真验证其性能与鲁棒性更优，可作为下一代超可靠通信候选方案。
2025-01-16 cs.IT cs.NI eess.SP
Terahertz-Band Joint Ultra-Massive MIMO Radar-Communications: Model-Based and Model-Free Hybrid Beamforming
Duzce University（迪兹杰大学）；University of Luxembourg（卢森堡大学）；United States Army Research Laboratory（美国陆军研究实验室）
太赫兹（THz）频段的无线通信和传感技术由于其高工作带宽而成为近距离应用的热点。为了解决THz处的极高衰减，已经提出了超大规模多输入多输出（MIMO）天线系统用于THz通信以补偿传播损耗。然而，与这些巨大天线阵列的全数字波束形成器相关联的成本和功率是过高的。针对一种新的低THz波段超大规模多输入多输出结构，提出了一种基于模型和无模型的宽带混合波束形成器。此外，最近的发展，以节省频谱的驱动下，我们提出了一个联合超大规模多输入多输出雷达通信系统的波束形成器，其中的基站服务于多天线用户设备（RX），并通过生成多个波束向RX和目标跟踪雷达目标。我们制定的GoSA波束形成器的设计作为一个优化问题，以提供一个权衡之间的无约束的通信波束形成器和所需的雷达波束形成器。为了减轻频率无关模拟波束形成器在太赫兹波段产生的波束分裂效应，我们提出了一种相位校正技术，使多个子载波的波束对准一个物理方向。为了进一步降低超大规模多输入多输出计算复杂度并增强鲁棒性，我们还对所提出的基于模型的混合波束形成器实现了深度学习解决方案。数值实验表明，这两种技术优于传统的方法在频谱效率和雷达波束方向图，以及表现出更少的硬件成本和计算时间。
2021-09-29 cs.IT cs.LG eess.SP
Variational Bayesian Data Detection for Multiuser MIMO Systems Corrupted by Phase Noises
San Diego State University（圣地亚哥州立大学）
针对上行多用户MIMO系统中相位噪声引起的性能退化，提出变分贝叶斯框架，通过将发射端PN吸收进信号并利用von Mises先验获得闭式后验更新，实现低复杂度高精度的联合PN估计与数据检测，仿真验证其符号错误率优于SIW算法。
2026-09-09 cs.IT math.IT
Ultra-Reliable and Low Latency Communication in mmWave-Enabled Massive MIMO Networks
超可靠性和低延迟是5G网络的两个关键组成部分。在这封信中，我们研究了毫米波（mmWave）支持的大规模多输入多输出（MIMO）网络中的超可靠和低延迟通信（URLLC）问题。该问题被铸造成一个网络效用最大化的概率延迟和可靠性约束。为了解决这个问题，我们求助于李雅普诺夫技术，提出了一种效用延迟控制方法，该方法适应信道变化和队列动态。数值结果表明，我们提出的方法确保可靠的通信，保证概率为99.99%，并减少延迟28.41%和77.11%相比，基线与概率延迟约束，分别。
2017-05-19 cs.IT math.IT
Terahertz-Band Ultra-Massive Spatial Modulation MIMO
展望了超大规模多输入多输出（UM-MIMO）技术在太赫兹（THz）波段对抗距离问题的前景。众所周知，THz频率下非常大的可用带宽是以严重的传播损耗和功率限制为代价的，这导致非常短的通信距离。最近，已经提出了可以在几毫米内容纳数百个天线元件的石墨烯基等离子体纳米天线阵列。虽然这样的阵列能够实现可以增加通信范围的有效波束成形，但是它们不能为空间复用提供足够的空间自由度。在本文中，我们研究了空间调制（SM）技术，可以利用密集的纳米天线子阵列的可配置阵列的属性，以增加容量和频谱效率，同时保持可接受的波束成形性能。根据通信距离和工作频率，建议使用特定的SM配置，以确保良好的信道条件。我们从理论上和数值上分析了所提出的方案的性能的符号和误比特率，其中显着的收益相比，传统的SM观察。我们证明，SM在非常高的频率是一个可行的范例，我们激励几个扩展，可以使太赫兹波段SM未来的研究趋势。
2019-07-13 cs.IT eess.SP math.IT
An Adaptive and Robust Deep Learning Framework for THz Ultra-Massive MIMO Channel Estimation
针对THz UM-MIMO混合场信道估计难题，提出融合闭式线性估计与DL非线性估计的FPN迭代框架，具备可证明收敛、低复杂度、自适应权衡和强分布外泛化能力。
2023-06-08 cs.IT eess.SP math.IT
Overcoming the Channel Estimation Barrier in Massive MIMO Communication Systems
包括虚拟现实、自动驾驶和物联网在内的新一波无线服务正在推动新一代无线系统的设计，以提供超高数据率、大量连接设备和超低延迟。大规模多输入多输出（MIMO）是允许未来无线网络满足这些服务需求的关键基础技术之一。本文通过整合未来高速蜂窝部署中信道的潜在特性，讨论了深度学习（DL）在无线网络中大规模MIMO信道估计中的应用。我们开发的物理射频（RF）信道特性的重要见解，并提出了一个全面的概述DL的应用准确估计信道状态信息（CSI）与低开销。我们提供了大规模MIMO无线系统中CSI估计的成功DL应用的例子，并强调了未来研究的几个有前途的方向。
2019-12-23 cs.IT eess.SP math.IT
MmWave Massive MIMO Based Wireless Backhaul for 5G Ultra-Dense Network
超密集网络（UDN）被认为是未来5G网络的一个有前途的候选，以满足爆炸性的数据需求。为了实现UDN，连接超密集小小区基站（BS）和宏小区BS的可靠、千兆赫带宽和成本有效的回程是先决条件。毫米波（mmWave）可以为无线回程提供潜在的Gbps流量。此外，毫米波可以很容易地与大规模MIMO集成，以提高链路可靠性。在这篇文章中，我们讨论了基于mmWave大规模MIMO的无线回程用于5G UDN的可行性，并讨论了其优点和挑战。特别是，我们提出了一种基于数字控制移相器网络（DPSN）的混合预编码/合并方案的毫米波大规模MIMO，从而利用毫米波大规模MIMO信道矩阵的低秩属性，以减少所需的成本和复杂性的收发器与一个可以忽略不计的性能损失。所提出的方案的一个关键特征是宏小区BS可以同时支持多个小小区BS，每个小小区BS具有多个流，这本质上不同于通常限于具有多个流的单用户MIMO或具有每个用户的单个流的多用户MIMO的传统混合预编码/组合方案。基于所提出的方案，我们进一步探讨了开发用于无线回程的毫米波大规模MIMO的基本问题，并讨论了实现用于5G UDN的基于毫米波大规模MIMO的无线回程的相关挑战、见解和前景。
2015-11-27 cs.IT 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
Hybrid Spherical- and Planar-Wave Channel Modeling and DCNN-powered Estimation for Terahertz Ultra-massive MIMO Systems
太赫兹频段被设想为满足6G无线通信要求的100 Gbps数据率。为了以低硬件成本克服距离限制问题，采用混合波束形成的超大规模MIMO具有很好的应用前景。然而，波长、阵列尺寸和天线间距之间的关系导致了平面波信道模型（PWM）的不准确性，而增大信道矩阵维数则导致应用球面波信道模型（SWM）时参数过多。此外，由于采用混合波束形成，信道估计（CE）需要从严重压缩的信道观测中恢复高维信道。本文研究了一种球面波和平面波混合信道模型（HSPM），通过子阵内采用PWM，子阵间采用SWM，证明了HSPM的准确性和有效性。此外，一个两相HSPM CE机制的发展。在第一阶段设计了一个深度卷积神经网络（DCNN）对参考子阵进行参数估计，而在第二阶段利用参考子阵之间剩余信道参数的几何关系完成CE。大量的数值计算结果表明，HSPM在不同的通信距离、阵列尺寸和载波频率下都是准确的，DCNN收敛速度快，精度高，归一化均方误差比文献方法提高了5.2dB，并且具有很低的复杂度。
2021-06-10 cs.IT eess.SP math.IT
Signal Detection for Ultra-Massive MIMO: An Information Geometry Approach
本文提出一种基于信息几何的超大规模MIMO信号检测方法，将检测转化为后验边缘概率最大化问题，并利用中心极限定理简化迭代m-投影计算，仿真证明该方法高效且极具前景。
2024-01-04 cs.IT math.IT
BER Analysis of Decision-Feedback Multiple Symbol Detection in Noncoherent MIMO Ultra-Wideband Systems
在本文中，我们研究了非相干多输入多输出（MIMO）超宽带（UWB）系统中的信号是由差分空时分组码（DSTBC）编码。DSTBC使非相干MIMO UWB系统获得分集增益。然而，传统的非相干逐符号差分检测（DD）的DSTBC-UWB遭受性能下降相比，相干检测。为了提高DSTBC-UWB系统的性能，我们引入了一种非相干多符号检测（MSD）方案。虽然MSD方案可以随着观察窗口大小变得更大而更多地提高性能，但是MSD的穷举搜索的复杂度也在窗口大小方面呈指数增加。为了降低计算复杂性，本文将判决反馈（DF）的概念引入到DSTBC-UWB的MSD中。由此产生的DF-MSD产生合理的复杂性和可靠的性能改进。我们提供的比特出错率（BER）分析建议DF-MSD。理论分析和仿真结果都验证了该方案的有效性。
2013-06-05 cs.IT math.IT
Channel Estimation for mmWave Massive MIMO Based Access and Backhaul in Ultra-Dense Network
用于超密集网络（UDN）中的接入和回程的毫米波（mmWave）大规模MIMO已被认为是有前途的5G技术。我们考虑这样一个异构网络（HetNet），超密集的小型基站（BS）利用毫米波大规模MIMO的接入和回程，而宏小区BS提供控制服务与低频段。然而，毫米波大规模MIMO的信道估计可能是具有挑战性的，因为在毫米波大规模MIMO中获取与大量天线相关联的信道的导频开销可能非常高。本文提出了一种基于结构化压缩感知（SCS）的信道估计方案，利用毫米波信道的角度稀疏性来减少所需的导频开销。具体而言，由于非视距路径的路径损耗远大于视距路径的路径损耗，因此毫米波海量信道在角域中呈现出明显的稀疏性。通过利用这种稀疏性，所需的导频开销仅取决于少量的主导多径。此外，系统带宽内的稀疏性几乎不变，这可以被利用为进一步提高性能。仿真结果表明，所提出的方案优于其对应的，它可以接近性能界。
2016-04-23 cs.IT math.IT
Random Access with Massive MIMO-OTFS in LEO Satellite Communications
针对大量物联网设备与低轨卫星进行零星通信的情况，研究了免授权随机接入系统中的联合信道估计和设备活动检测问题。此外，采用具有正交时频空间（OTFS）调制的大规模多输入多输出（MIMO）来对抗地面-卫星链路的动态特性。首先分析了大时延和多普勒频移同时存在时单输入单输出OTFS的输入输出关系，然后将其推广到具有大规模多输入多输出的免授权随机接入OTFS。其次，利用信道在时延-多普勒-角度域的稀疏性，提出了一种二维模式耦合的分层先验与稀疏贝叶斯学习无协方差方法（TDSBL-CF），用于信道估计。然后，通过计算估计的信道的能量来检测活动设备。最后，提出了结合稀疏贝叶斯学习和二维卷积的广义近似消息传递算法（ConvSBL-GAMP），以减少TDSBL-CF算法的计算量。仿真结果表明，所提出的算法优于传统的方法。
2022-08-09 cs.IT eess.SP math.IT
Learning-based near- versus far-field boundaries for ultra-massive MIMO communications
Technische Universität Berlin（柏林工业大学）；King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学）；American University of Beirut (AUB)（贝鲁特美国大学）
本文提出一种基于物理特征与OPTICS聚类的无监督学习框架，仅利用接收信号功率变化即可准确区分UM-MIMO系统中的近场与远场区域，无需信道状态信息，仿真验证其与理论边界一致。
2026-09-21 cs.IT math.IT
Ultra-Reliable and Low-Latency Short-Packet Communications for Multihop MIMO Relaying
本文研究了短分组通信下的多跳多输入多输出中继网络，以实现超可靠性和低延迟通信。我们假设在发射侧利用发射天线选择（TAS）方案，而在接收侧利用选择组合（SC）或最大比组合（MRC）来实现分集增益。对于准静态瑞利衰落信道和有限块长度制度，我们推导出近似封闭形式的表达式的端到端（e2 e）块出错率（BLER）的TAS/MRC和TAS/SC计划。在高信噪比制度的渐近性能推导出，从TAS/MRC和TAS/SC计划的分集阶数，e2 e的BLER损失，和SNR差距的比较。还分析了所考虑的方案的e2 e延迟和吞吐量。通过蒙特卡罗模拟证实了我们分析的正确性。
2021-12-20 cs.IT eess.SP math.IT
A Tensor-Train Framework for Bayesian Inference in High-Dimensional Systems: Applications to MIMO Detection and Channel Decoding
Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）；Qoherent；Technical University of Munich (TUM)（慕尼黑工业大学）
本文提出张量-列车框架用于高维离散输入加性噪声模型的高效近优贝叶斯推断，通过低秩表示实现紧凑存储和高效计算，应用于MIMO检测和二进制线性分组纠错码解码。
2026-04-07 cs.IT cs.LG math.IT
Joint Channel Estimation and Cooperative Localization for Near-Field Ultra-Massive MIMO
The Hong Kong University of Science and Technology（香港科技大学）；Southern University of Science and Technology（南方科技大学）；Southeast University（东南大学）；City University of Hong Kong（香港城市大学）；University of Hong Kong（香港大学）
提出联合信道估计与协作定位框架，利用变分牛顿化近场信道估计算法提取位置感知软信息，并通过高斯融合协作定位方法提升多基站定位精度。
2026-06-08 cs.IT eess.SP math.IT
Terahertz Ultra-Massive MIMO-Based Aeronautical Communications in Space-Air-Ground Integrated Networks
新兴的空-空-地综合网络吸引了大量的研究，需要可靠和高效的航空通信。研究了太赫兹超大规模（UM）MIMO航空通信系统，提出了一种有效的信道估计和跟踪方案，解决了航空太赫兹UM-MIMO信道的{\emph{triple delay-beam-Doppler squint effects}}唯一性导致的性能下降问题。具体地，基于从导航信息获取的粗略角度估计，建立初始航空链路，其中收发器处的延迟波束偏斜可以通过采用可编程真时延迟单元（GTTDU）模块（例如，所设计的基于{\emph{Rotman lens}}的GTTDU模块）。根据提出的先验辅助迭代角度估计算法，可以估计出方位角/仰角，并利用这些角度实现精确的波束对准和改进GTTDU模块，以进一步消除延迟波束斜视。多普勒频移可以随后估计使用所提出的先验辅助迭代多普勒频移估计算法。在此基础上，可以准确地估计路径延迟和信道增益，并通过补偿过程有效地抑制多普勒斜视。对于数据传输，提出了一种基于数据辅助判决的信道跟踪算法，对波束对准后的有效信道进行跟踪。当数据辅助信道跟踪无效时，将在导频辅助信道跟踪阶段利用等效稀疏数字阵列重新估计角度，其中可以基于先前估计的角度来解决角度模糊。仿真结果和推导出的Cramér-Rao下界验证了我们的解决方案的有效性。
2021-03-03 cs.IT eess.SP math.IT
Low-Complexity Message Passing Based Massive MIMO Channel Estimation by Exploiting Unknown Sparse Common Support with Dirichlet Process
研究了大规模MIMO系统中稀疏信道的估计问题。大多数无线信道是稀疏的，具有大的延迟扩展，而可以观察到一些信道在天线阵列的某个区域内具有稀疏的公共支持（SCS），即，根据信道的稀疏支持，天线阵列可以被分组为若干簇。当涉及到大规模MIMO系统中的大量信道估计时，SCS性质是有吸引力的。使用信道的SCS，人们期望更好的性能，但是簇的数量和每个簇的元素在接收机中总是未知的。在本文中，{狄利克雷过程}被利用来建模这样的稀疏信道，其中每个簇中的那些具有SCS。提出了一种基于稀疏贝叶斯学习的低复杂度消息传递算法，在因子图上结合BP和MF进行大规模MIMO系统的信道估计。仿真结果表明，所提出的大规模MIMO稀疏信道估计算法的性能优于现有算法。特别是，它甚至表现出更好的性能比变分贝叶斯方法应用于大规模MIMO信道估计。
2017-04-21 cs.IT math.IT
Group Information Geometry Approach for Ultra-Massive MIMO Signal Detection
本文提出群信息几何方法（GIGA），通过分组构建流形并利用m-投影近似计算后验边缘概率，以低复杂度实现超大规模MIMO信号检测，仿真表明其在少量迭代内具有更优误码率性能。
2024-09-04 cs.IT math.IT
Optimal User Association for Massive MIMO Empowered Ultra-Dense Wireless Networks
超网络密度和大规模MIMO被认为是5G的主要推动因素，因为它们通过利用邻近性、频谱和空间重用优势，有望获得巨大的容量增益。两种方法都依赖于增加每个用户的接入元件的数量，或者通过在区域上部署更多的接入节点，或者通过增加每个接入节点的天线元件的数量。在网络级，大规模MIMO授权接入节点的密集和随机部署的网络的最佳用户关联必须考虑信道和负载条件。在本文中，我们制定了这个复杂的问题，报告其计算上的棘手性，并重新制定它的一个合理的形式，适合获得一个合理的复杂性的全局最优解。我们将所提出的优化模型应用于典型的超密集室外小小区设置，并证明：（i）与基线策略相比，最佳用户关联对所实现的速率水平的显著影响，以及（ii）替代网络接入元件部署策略的最优性。
2015-04-09 cs.IT cs.NI math.IT
