Transmit Beamspace DDMA Based Automotive MIMO Radar
时分多址接入（TDMA）技术已应用于汽车多输入多输出（MIMO）雷达中。然而，它遭受的发射能量损失，并作为结果的参数估计性能下降时，发射元件的数量增加。为了解决这些问题，提出了一种发射波束空间（TB）多普勒分多址接入（DDMA）方法。首先，引入空多普勒谱的相位调制矩阵。利用DDMA信号的空多普勒频谱，提出了一种基于序贯检测的DDMA信号多普勒模糊检测方法。该方法能够在多普勒域实现波形分集，并在慢时间内产生一个传输块，将发射功率集中在一个固定的空间区域，从而改善了汽车MIMO雷达的发射能量分布，在中/远程雷达（MRR/LRR）应用中具有良好的应用前景。与传统的TDMA技术相比，所提出的TB DDMA方法可以充分利用所有发射元件的传输能力，以确保发射功率被有效地使用，并且继承了容易的实现。此外，所提出的TB DDMA方法避免了每个发射天线的活动时间和帧时间之间的权衡。仿真结果验证了所提出的汽车MIMO雷达TB DDMA方法的有效性。
2021-03-25 eess.SP
Sparse Beamspace Equalization for Massive MU-MIMO mmWave Systems
我们提出了基于均衡的数据检测算法的全数字毫米波（mmWave）大规模多用户多输入多输出（MU-MIMO）系统，利用稀疏性在波束空间域，以降低复杂度。我们提供了一个条件的用户数量，基站天线，和信道稀疏的波束空间均衡可以比传统的天线域处理复杂。我们评估现有的和新的波束空间均衡算法的性能复杂性的权衡使用模拟现实毫米波信道模型。我们的研究结果表明，我们提出的波束空间均衡算法之一，实现了高达8倍的复杂性降低视线条件下，假设一个足够大的数量内的信道相干间隔的传输。
2020-03-18 cs.IT eess.SP math.IT
Binary Hypothesis Testing-Based Low-Complexity Beamspace Channel Estimation for mmWave Massive MIMO Systems
Daegu Gyeongbuk Institute of Science and Technology（大邱庆尚科学技术院）
本文提出基于贝叶斯二元假设检验的低复杂度信道估计方法，用于毫米波大规模MIMO系统，实现高精度估计与低计算复杂度的平衡。
2026-03-02 eess.SP
Near-Field Communications for Extremely Large-Scale MIMO: A Beamspace Perspective
本文从波束空间视角研究XL-MIMO近场通信，利用分数阶傅里叶变换构建近场波束空间并分析其组件，展示了其优于现有方法的特性及未来应用方向。
2024-10-15 cs.IT eess.SP math.IT
Sparsifying Dictionary Learning for Beamspace Channel Representation and Estimation in Millimeter-Wave Massive MIMO
针对毫米波大规模MIMO中傅里叶波束域变换非最优的问题，提出基于学习稀疏化字典的波束域变换与预编码方法，可增强信道稀疏性、减少功率泄漏，提升信道估计质量与波束选择性，最终提高频谱效率。
2022-04-28 eess.SP
Sparsity-Adaptive Beamspace Channel Estimation for 1-Bit mmWave Massive MIMO Systems
我们提出了稀疏自适应波束空间信道估计算法，提高精度的1位数据转换器在全数字毫米波（mmWave）大规模多输入多输出（MIMO）基站。我们的算法包括一个调整阶段的基础上斯坦的无偏风险估计（SURE），自动选择最佳的去噪参数取决于瞬时信道条件。与视线（LoS）和非LoS毫米波大规模MIMO信道模型的仿真结果表明，我们的算法提高信道估计精度与1位测量的计算效率的方式。
2020-05-30 cs.IT eess.SP math.IT
Signal Shaping for Non-Uniform Beamspace Modulated mmWave Hybrid MIMO Communications
研究了毫米波（mmWave）多输入多输出（MIMO）通信中基于最大化最小欧氏距离（MMED）准则的自适应信号整形方法。在这项工作中，我们利用模拟预编码器的索引来携带信息，并优化用于每个模拟预编码器激活状态的符号向量集。具体来说，我们首先提出了一个联合优化的信号整形（JOSS）的方法，其中用于所有模拟预编码器激活状态的符号向量集联合优化，通过解决一系列的二次约束二次规划（QCQP）问题。JOSS表现出良好的性能，但是，具有高的计算复杂度。为了降低计算复杂度，我们提出了一个完整的基于预编码的信号整形（FPSS）的方法和一个对角预编码的信号整形（DPSS）的方法，其中的全数字预编码器或对角数字预编码器的所有模拟预编码器激活状态的优化，通过解决两个小规模的QCQP问题。仿真结果表明，与现有的毫米波传输解决方案相比，所提出的信号整形方法可以在可靠性方面提供可观的性能增益。
2020-06-23 eess.SP
Joint Tracking of Multiple Beams in Beamspace MIMO Systems
在毫米波（mmWave）系统中，需要波束成形来克服恶劣的信道环境。透镜天线阵（LAA）作为一种很有前途的波束形成方案，可以提供一个具有成本效益的解决方案，而不会显着的性能下降相比，它的对应。然而，适当的波束选择是一个挑战，因为它需要经由广泛的波束训练过程进行有效的信道估计以实现完美的波束对准。在本文中，我们提出了一个高流动性的波束和信道跟踪算法的基础上的无迹卡尔曼滤波器（UKF），以解决这一挑战，其中的信道变化可以在一定的时间内进行监测。所提出的算法在与适当的波束建立连接之后跟踪信道变化。该算法首先在多用户波束空间多输入多输出（MIMO）系统中引入LAA，其中在下行链路传输时在用户侧跟踪单个波束。然后，在上行链路传输中在基站侧将其用于多波束联合跟踪。分析表明，在不同的信道变化条件下，该算法在单波束和多波束跟踪系统中均优于目前流行的扩展卡尔曼滤波器（EKF）。虽然在多波束系统场景中单独跟踪波束是常见的，但是与使用传统EKF方法的单独波束跟踪相比，所提出的联合跟踪方法可以提供大约62%的性能增强。
2020-11-01 eess.SP
Spatial Degrees of Freedom in Near Field MIMO: Experimental Validation of Beamspace Perspective
King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学）；University of Southampton（南安普顿大学）
本文通过实验验证了近场MIMO中基于波束空间视角的有效空间自由度，并提出了有效MIMO瑞利距离和最大空间复用距离的定义。
2026-02-25 eess.SP
Optimality of the Discrete Fourier Transform for Beamspace Massive MU-MIMO Communication
波束空间处理是一种新兴技术，用于降低在毫米波（mmWave）和太赫兹频率下操作的大规模多用户（MU）多输入多输出（MIMO）通信系统中的基带复杂度。在这样的高频下波传播的高方向性确保了在用户设备和基站（BS）之间仅存在少量的传输路径。为了解决波传播的稀疏性质，波束空间处理传统上计算BS处的均匀线性天线阵列上的空间离散傅里叶变换（DFT），其中每个DFT输出与特定波束相关联。在本文中，我们研究的DFT的最优性条件的稀疏波束空间处理与理想的毫米波信道模型和现实的渠道。为此，我们提出了两个算法，学习酉波束空间变换使用$\ell^4$范数为基础的稀疏性措施，我们调查其最优性理论和模拟。
2021-07-14 cs.IT eess.SP math.IT
Beamspace Channel Estimation for Millimeter Wave Massive MIMO System with Hybrid Precoding and Combining
提出了一种毫米波（mmWave）大规模多输入多输出系统中波束域信道估计的框架。该框架包括混合预编码和合并矩阵的设计以及过采样波束空间接收矩阵最大项的搜索方法。在此基础上，提出了基于单位矩阵近似（IA）、基于离散零非对角（SZO）和基于集中零非对角（CZO）的三种信道估计方案。从计算复杂度、估计误差和信道训练总时隙数等方面对这些方案与现有的信道估计方案进行了比较。仿真结果表明，所提出的方案优于现有的方案，可以接近理想情况下的性能。特别地，用于信道训练的总时隙可以显著减少。
2019-01-07 cs.IT eess.SP math.IT
Hardware-Aware Beamspace Precoding for All-Digital mmWave Massive MU-MIMO
在毫米波（mmWave）频率下操作的大规模多用户多输入多输出（MU-MIMO）无线系统使得能够向大量用户同时进行宽带数据传输。为了降低全数字基站架构中MU预编码的复杂度，我们提出了一种两阶段预编码架构，该架构首先使用波束空间域中的稀疏矩阵执行预编码，然后进行快速傅立叶逆变换，将结果转换到天线域。稀疏预编码矩阵需要少量乘法器，并支持常规硬件架构，这允许设计硬件高效的全数字预编码器。仿真结果表明，我们的方法接近传统的维纳滤波器预编码的错误率与超过2倍降低复杂度。
2021-08-13 cs.IT eess.SP math.IT
Deep Learning for Beamspace Channel Estimation in Millimeter-Wave Massive MIMO Systems
毫米波大规模多输入多输出（MIMO）可以使用透镜天线阵列来显著减少射频（RF）链的数量，但是由于RF链的数量远小于天线的数量，因此信道估计具有挑战性。通过利用波束空间信道的稀疏性，波束空间信道估计可以被公式化为稀疏信号恢复问题，该问题可以通过称为近似消息传递（AMP）的经典迭代算法来解决，并且其相应版本的学习AMP（LAMP）由深度神经网络（DNN）实现。然而，这些现有的方案不能达到令人满意的估计精度。为了提高信道估计的性能，本文提出了一种基于先验辅助高斯混合LAMP（GM-LAMP）的波束域信道估计方法。具体地说，基于先验信息，波束空间信道元素可以建模的高斯混合分布，我们首先推导出一个新的收缩函数来完善AMP算法。然后，通过使用高斯混合收缩函数代替LAMP网络中的原始收缩函数，开发了一种先验辅助的GM-LAMP网络，以更准确地估计波束空间信道。利用理论信道模型和基于光线跟踪的信道数据集进行仿真，结果表明，所提出的GM-LAMP网络具有更高的信道估计精度。
2020-10-23 cs.IT eess.SP math.IT
Simultaneous Beam and User Selection for the Beamspace mmWave/THz Massive MIMO Downlink
波束空间毫米波（mmWave）和太赫兹（THz）大规模多输入多输出（massive MIMO）由于其丰富的带宽和高吞吐量而构成下一代通信的有吸引力的方案。然而，它们的用户和波束选择问题必须被有效地解决。受到这一挑战的启发，我们明确地开发了低复杂度的解决方案。我们引入脏纸编码（DPC）的联合用户和波束选择问题。我们揭示了引人注目的属性的DPC和速率在波束空间大规模多输入多输出，显示其单调的演变对用户的数量和选择的波束。然后，我们利用其有益的性质，大大简化了联合用户和波束选择问题。此外，我们开发了一套算法，解决简化的问题，方便同时用户和波束选择的基础上部分波束空间信道的第一次罢工独特的权衡。此外，我们推导了算法的和率界，并分析了它们的复杂度。我们的仿真结果验证了所提出的设计和分析的有效性，确认其优于以前的解决方案。
2023-01-15 cs.IT cs.SY eess.SP
A 39pJ/b 7.3Gbps 1.3mm$^2$ Multi-Subcarrier Massive MU-MIMO-OFDM Detector Exploiting Beamspace Sparsity and Frequency-Domain Correlation in 22FDX
ETH Zurich（苏黎世联邦理工学院）
该研究提出开放文献首种多子载波大规模MU-MIMO-OFDM检测器，利用波束空间稀疏性与频域相关性实现面积功耗缩减，基于22FDX工艺研制的ASIC能效达39pJ/b，为同类最优。
2026-08-21 cs.AR eess.SP
Beamspace Channel Estimation for Massive MIMO mmWave Systems: Algorithm and VLSI Design
毫米波（mmWave）通信结合大规模多用户多输入多输出（MU-MIMO）使得能够在相同的时间-频率资源中向多个用户进行高带宽数据传输。在如此高的频率下波传播的强路径损耗需要精确的信道状态信息来确保可靠的数据传输。我们提出了一种新的信道估计算法，称为BEAmspace信道估计（BEACHES），它利用了毫米波频率下的波传播主要是定向的这一事实。BEACHES自适应降噪的波束空间域中的信道向量使用自适应收缩过程，依赖于斯坦的无偏风险估计（SURE）。视线（LoS）和非LoS毫米波信道的仿真结果表明，BEACHES执行与国家的最先进的信道估计方法，同时需要数量级较低的复杂性。为了证明在实践中的有效性，海滩，我们开发了一个超大规模集成（VLSI）架构，并提供现场可编程门阵列（FPGA）的实施结果。我们的研究结果表明，自适应信道去噪可以在高吞吐量和硬件友好的方式进行大规模MU-MIMO毫米波系统与数百个天线。
2020-09-06 cs.IT eess.SP math.IT
Beamspace Dimensionality Reduction for Massive MU-MIMO: Geometric Insights and Information-Theoretic Limits
本文提出了一种基于波束空间降维的线性LMMSE检测方法，通过几何分析和信息论基准验证，实现了在大规模MIMO中的高效干扰抑制。
2025-12-06 cs.IT eess.SP math.IT
Swarm Intelligence Optimization of Multi-RIS Aided MmWave Beamspace MIMO
针对基站与用户直连链路全阻断的多RIS辅助毫米波波束域MIMO系统，提出基于PSO的低复杂度算法联合优化波束选择、功率分配与RIS配置，在复杂度和速率间实现良好权衡，且增加RIS单元比激活更多基站波束更能提升速率。
2025-05-20 cs.IT eess.SP math.IT
Search-free DOA Estimation Method Based on Tensor Decomposition and Polynomial Rooting for Transmit Beamspace MIMO Radar
为了提高发射波束域多输入多输出（MIMO）雷达的精度和分辨力，提出了一种基于张量分解和多项式求根的无搜索波达方向（DOA）估计方法。该方法首先利用MIMO雷达接收信号的多线性特性，设计一个三阶张量对接收信号进行建模。然后，利用交替最小二乘（ALS）算法进行张量分解，得到包含目标方位信息的因子矩阵，进而将方位估计问题转化为独立最小化问题。通过利用发送导向矢量的Vandermonde结构，构造多项式函数，通过多项式求根来解决最小化问题。该多项式系数中的因子矩阵可视为广义旁瓣抵消器（GSC）中的分块矩阵，从而在发射波束方向图中形成目标方向上唯一的深零陷。与传统的DOA估计方法不同，该方法不需要谱搜索和波束空间矩阵设计，就可以获得DOA估计。仿真结果验证了该方法的有效性。
2020-10-14 cs.IT eess.SP math.IT
Beamspace Precoding and Beam Selection for Wideband Millimeter-Wave MIMO Relying on Lens Antenna Arrays
依赖于透镜天线阵列的毫米波（mmWave）多输入多输出（MIMO）系统能够经由波束选择以显著减少的射频（RF）链的数量来实现高天线增益。然而，传统的波束选择网络在宽带系统中由于波束偏斜的影响而遭受显著的性能损失。在本文中，我们提出了一个移相器辅助波束选择网络，它使一个单一的RF链，以支持多个聚焦能量波束，以减轻宽带毫米波MIMO系统中的波束偏斜。基于此架构，我们还设计了一个有效的发射预编码器（TPC），最大限度地提高可实现的和速率，它是由波束选择和波束空间预编码。具体而言，我们解耦的波束空间预编码和波束选择的设计问题，利用波束选择矩阵具有有限数量的候选人的事实。对于波束空间预编码设计，提出了一种基于连续干扰消除（SIC）的方法，将相关的优化问题分解为一系列子问题，依次求解。对于波束选择设计，我们提出了一种能量最大波束选择方法，以避免穷举搜索的高复杂性，并推导出所需的波束数量，以达到硬件成本和系统性能之间的一个有吸引力的权衡。我们的仿真结果表明，所提出的波束空间预编码和波束选择方法实现了更高的总速率和更高的能量效率比传统的同行。
2020-04-17 cs.IT eess.SP math.IT
Beamspace Equalization for mmWave Massive MIMO: Algorithms and VLSI Implementations
针对毫米波大规模MIMO部署中基带处理功耗与成本过高的问题，本文提出新型波束空间均衡算法及对应VLSI架构，在22nm工艺下实现了显著的功耗节省与更优的检测性能。
2025-11-13 cs.AR cs.IT eess.SP
DOA Estimation for Transmit Beamspace MIMO Radar via Tensor Decomposition with Vandermonde Factor Matrix
研究了张量分解在发射波束域多输入多输出雷达波达方向估计中的应用问题。设计了一种通用的四阶张量模型，使计算效率高的DOA估计。而其他张量分解为基础的方法把所有的因素矩阵作为任意的，所提出的DOA估计方法的本质是充分利用的因素矩阵的Vandermonde结构，以利用不同的子阵列之间和内部的移位不变性。具体地，TB MIMO雷达的接收信号被表示为4阶张量。根据目标多普勒频移，构造的张量被重塑成两个不同的3阶张量。提出了一种计算效率高的张量分解方法来分解范德蒙因子矩阵。通过计算范德蒙因子矩阵的生成元来估计子阵之间的相位旋转，并利用该相位旋转作为查找表来估计目标DOA。它进一步表明，我们提出的方法可以用于更一般的情况下，子阵列结构可以是任意的，但相同的。该方法不需要张量秩的先验信息，并能保证得到精确的分解结果。仿真结果表明，提出的DOA估计方法相比，传统的DOA估计技术的TB MIMO雷达的性能改善。
2021-01-29 cs.IT eess.SP math.IT
Low-Complexity Beamspace Channel Denoiser for mmWave Massive MIMO with Low-Resolution ADCs
Daegu Gyeongbuk Institute of Science and Technology (DGIST)（大邱庆北科学技术院）
本文提出一种低复杂度的波束域通道去噪算法，针对毫米波大规模MIMO系统与低分辨率ADCs，利用波束域内毫米波信道的稀疏性，结合伯努利-复高斯先验模型，通过闭合形式阈值和硬阈值去噪规则实现高效去噪，降低计算复杂度并提升硬件部署效率。
2026-05-09 cs.AR eess.SP
Beamspace Channel Estimation for Wideband Millimeter-Wave MIMO: A Model-Driven Unsupervised Learning Approach
毫米波（mmWave）通信已经成为集成了广泛的数据需求应用的未来无线网络的有前途的技术之一。为了补偿毫米波信道衰减大的问题，同时避免硬件开销，提出了一种基于透镜的波束域大规模多输入多输出（MIMO）系统。然而，宽带毫米波系统中的波束偏斜效应使得信道估计非常具有挑战性，特别是当接收器配备有有限数量的射频（RF）链时。此外，在新环境中使用毫米波系统之前无法获得真实信道数据，这使得无法使用预先设置的真实数据来训练基于深度学习（DL）的信道估计器。为了解决这个问题，我们提出了一个模型驱动的无监督学习网络，命名为学习去噪的广义期望一致（LDGEC）信号恢复网络。通过利用Stein的无偏风险估计器损失，LDGEC网络可以仅用与导频符号相对应的有限测量来训练，而不是真实的信道数据。即使是为无监督学习设计的，LDGEC网络也可以通过逐去噪的方式用真实信道进行监督训练。数值结果表明，当接收机配备有少量RF链和低分辨率ADC时，基于LDGEC的信道估计器显著优于最先进的基于压缩感知的算法。
2021-05-12 cs.IT eess.SP math.IT
Convolutional Beamspace Beamforming for Low-Complexity Far-Field and Near-Field MU-MIMO Communications
本文提出基于卷积波束空间的低复杂度波束成形方法，通过波束空间降维和空间滤波抑制MU-MIMO用户间干扰，并针对远场和近场场景分别设计，在接近最优性能的同时显著降低复杂度。
2024-09-02 cs.IT eess.SP math.IT
Jamming Detection and Channel Estimation for Spatially Correlated Beamspace Massive MIMO
本文针对波束空间大规模MIMO上行波束训练中的随机导频干扰，提出基于LMPT的干扰检测和两步MMSE信道估计方法，检测概率较基线提升32.22%，信道估计均方误差达-15.93dB。
2024-10-18 cs.IT eess.SP math.IT
Beamspace MIMO for Satellite Swarms
研究了低轨分布式小卫星系统与多天线地面站的协作传输问题。这些卫星群的好处是发射天线的空间间隔比传统的带有天线阵列的大型卫星高得多，有望大幅提高频谱效率。然而，这将需要瞬时完美的信道状态信息（CSI）和卫星之间的强协作。在实践中，7.5 km/s左右的轨道速度导致非常短的信道相干时间，其数量级为卫星间传播延迟的分数，从而使这些假设失效。在本文中，我们提出了一个分布式的线性预编码方案和GS均衡器依赖于本地位置信息。特别地，每个卫星仅需要关于其自身位置和GS的位置的信息，而GS具有完整的位置信息。由于卫星运动的确定性，这种信息很容易获得，在传输期间不需要进行卫星间信息交换。基于基本的几何信道近似，最佳的星间距离解析地获得。数值仿真结果表明，该方案是，平均而言，在99.8%的最大可实现速率的瞬时CSI和完美的合作
2021-12-16 cs.IT eess.SP math.IT
Sparse Channel Estimation and Hybrid Precoding Using Deep Learning for Millimeter Wave Massive MIMO
针对多用户毫米波大规模多输入多输出系统，研究了信道估计和混合预编码。提出了一种深度学习压缩感知（DLCS）信道估计方案。使用模拟环境离线训练DLCS方案的信道估计神经网络以预测波束空间信道幅度。然后，基于所获得的主导波束空间信道条目的索引来重建信道。在信道估计之后，开发了深度学习量化相位（DLQP）混合预编码器设计方法。在考虑近似相位量化的情况下，离线得到用于DLQP方法的训练混合预编码神经网络。然后用理想相位量化代替近似相位量化得到部署混合预编码神经网络（DHPNN），DHPNN的输出为模拟预编码矢量。最后，通过叠加模拟预编码向量得到模拟预编码矩阵，并通过迫零计算数字预编码矩阵。仿真结果表明，DLCS信道估计方案在归一化均方误差和频谱效率方面优于现有方案，而DLQP混合预编码器设计方法在低移相器分辨率下具有更好的频谱效率性能。
2020-02-15 eess.SP
Harnessing Multimodal Sensing for Multi-user Beamforming in mmWave Systems
本文提出一种用于多用户毫米波MIMO系统的传感器辅助波束训练新框架，利用基于DNN的多模态传感器融合和有监督软对比损失估计信道波束空间，并设计多用户波束成形策略避免同向传输，使中值总和频谱效率提升超4倍。
2024-06-07 eess.SP
Beam Selection for Wideband Millimeter Wave MIMO Relying on Lens Antenna Arrays
基于透镜天线阵列的波束空间多输入多输出（MIMO）技术通过波束选择可以显著减少毫米波（mmWave）通信系统中射频链路的数量。然而，在宽带毫米波MIMO系统中，波束成形增益实际上是频率相关的。这种现象被称为波束偏斜，当使用传统的波束选择方法时，它会恶化系统的性能。为了解决这个问题，我们提出了一种宽带波束选择方法毫米波MIMO系统依赖于透镜天线阵列。首先，我们为每个用户选择一个在整个频带上平均能量最大的波束，然后依次选择对和速率贡献最大的波束。提出的宽带波束选择方法的性能分析。数值结果表明，该方法与传统方法相比，具有更高的总速率和能量效率。
2020-04-17 eess.SP
Trainable Proximal Gradient Descent Based Channel Estimation for mmWave Massive MIMO Systems
在这封信中，我们解决的问题，毫米波信道估计在大规模多输入多输出通信系统。利用波束空间中毫米波信道的稀疏性，我们将估计问题表示为稀疏信号恢复问题。为此，我们提出了一种基于深度学习的可训练近端梯度下降网络（TPGD-Net）。TPGD-Net将迭代近似梯度下降（PGD）算法展开为分层网络，梯度下降步长设置为可训练参数。此外，我们用一个神经网络取代了PGD算法中的邻近算子，该神经网络利用数据驱动的先验信道信息来隐式地执行邻近操作。为了进一步增强跨层特征信息的传递，我们在TPGD网络中引入了跨层特征注意力融合模块。我们在Saleh-Valenzuela信道模型和DeepMIMO数据集上的仿真结果表明，与最先进的毫米波信道估计器相比，TPGD-Net的性能优越。
2023-03-06 eess.SP
Hybrid Transceiver Design for Tera-Hertz MIMO Systems Relying on Bayesian Learning Aided Sparse Channel Estimation
设想了依赖于稀疏信道状态信息（CSI）估计技术的多输入多输出（MIMO）太赫兹（THz）系统中的混合收发器设计。首先，一个实用的MIMO信道模型开发的太赫兹波段，包括其分子吸收和反射损耗，以及其非视线（NLoS）射线与其扩散组件。随后，一种新的CSI估计模型推导出利用太赫兹MIMO信道的角度稀疏。然后，正交匹配追踪（OMP）为基础的框架的构想，其次是设计一个复杂的贝叶斯学习（BL）为基础的方法，有效地估计稀疏太赫兹MIMO信道。贝叶斯克拉美-罗下限（BCRLB）也被确定为基准性能的CSI估计技术的发展。最后，一个最佳的混合发送预编码器和接收机组合器对的设计，它直接依赖于波束域CSI估计，只需要有限的反馈。最后，仿真结果提供了量化的改进的均方误差（MSE），频谱效率（SE）和误比特率（BER）性能的实际太赫兹MIMO信道上的传输从高分辨率传输（HITRAN）数据库获得。
2022-01-11 eess.SP
Estimating Doubly-Selective Channels for Hybrid mmWave Massive MIMO Systems: A Doubly-Sparse Approach
在毫米波大规模多输入多输出（mMIMO）系统中，混合数字/模拟波束成形已被认为是克服严重的毫米波传播损耗的经济手段。为了便于mmWace mMIMO的波束成形，迫切需要获取准确的信道状态信息。为此，提出了一种新的双稀疏方法来估计混合mMIMO下的双选择性毫米波信道。通过明智设计的训练模式，可以联合利用毫米波信道所表现出的众所周知的波束空间稀疏性以及未充分研究的延迟域稀疏性来辅助信道估计。由于我们仔细的两个阶段（随机探测和转向探测）的设计，建议的信道估计器具有强大的鲁棒性，对双重（频率和时间）的选择性，同时享受的好处所带来的剥削双稀疏。与现有的替代方案相比，我们提出的信道估计器不仅被证明是更普遍的，但也大大减少了训练开销，存储需求以及计算复杂度。
2019-12-18 eess.SP
Exploiting Spatial Multiplexing Based on Pixel Antennas: An Antenna Coding Approach
本文提出一种基于像素天线的天线编码方法，通过优化辐射模式提升频谱效率，为6G通信提供新方案。
2025-12-05 cs.IT eess.SP math.IT
Multi-Stream Transmission in Cell-Free MIMO Networks with Coherent AP Clustering
本文针对无小区MIMO网络提出多流选择框架，通过相干AP聚类实现部分相干传输，并开发动态流选择算法以优化总速率和减少干扰，提升了频谱效率与公平性。
2025-04-14 eess.SP
Bayesian Compressive Channel Estimation for Hybrid Full-Dimensional MIMO Communications
高效的信道估计在全维多输入多输出通信系统中是具有挑战性的，特别是在具有混合数模架构的通信系统中。在压缩感知框架下，这封信首先设计了一个统一的字典的基础上的球形Fibonacci网格表示在稀疏域中的通道，产生更小的角度误差在三维波束空间比传统的字典。然后，贝叶斯推理辅助贪婪追求算法的频率域信道估计。最后，仿真结果表明，所设计的字典和提出的贝叶斯信道估计优于基准方案，并获得较低的归一化均方误差的信道估计。
2021-12-29 cs.IT eess.SP math.IT
Low-complexity Beam Selection algorithms based on SVD for MmWave Massive MIMO Systems
为了在实践中实现毫米波大规模MIMO系统，具有波束选择的波束空间MIMO以显著减少的射频（RF）链的数量提供了有吸引力的解决方案。我们提出了基于奇异值分解（SVD）的低复杂度波束选择算法。首先通过奇异值分解对信道矩阵进行对角化，然后根据和速率最大化准则，以递减或递增的顺序逐个选择合适的波束。为了显著降低算法的复杂度，我们在最后一次迭代中利用奇异值分解来避免从头开始进行奇异值分解。同时，我们提出的算法自然地获得预编码矩阵，可以消除多用户干扰。仿真结果表明，我们提出的算法可以优于竞争算法，包括全数字零预编码。
2022-07-11 cs.IT eess.SP math.IT
Stream-Adaptive Quantization and Power Allocation in Fronthaul-Constrained MIMO Systems
Bilkent University（比尔肯特大学）；KTH Royal Institute of Technology（皇家理工学院）
本文研究了前端约束MIMO系统中流适应量化与功率分配的影响，提出了一种联合比特和功率分配方案，以提高总速率性能。
2026-04-13 eess.SP
A Resolution-Adaptive 8 mm$^\text{2}$ 9.98 Gb/s 39.7 pJ/b 32-Antenna All-Digital Spatial Equalizer for mmWave Massive MU-MIMO in 65nm CMOS
全数字毫米波（mmWave）大规模多用户多输入多输出（MU-MIMO）接收器能够实现极高的数据速率，但需要高功耗。为了降低功耗，本文提出了第一个分辨率自适应全数字接收机ASIC，能够调整数据转换器和基带处理引擎的分辨率，以瞬时通信的情况。这款可扩展的32天线、65 nm CMOS接收器总面积为8 mm $^\text{2}$，集成了具有可编程增益和分辨率的模数转换器（ADC）、波束空间信道估计以及分辨率自适应内存处理空间均衡器。利用6位ADC采样和4位空间均衡器，我们的ASIC实现了9.98 Gb/s的吞吐量，同时比最先进的设计至少高出2倍的能效。
2021-07-23 cs.AR eess.SP
A Fast Effective Greedy Approach for MU-MIMO Beam Selection in mm-Wave and THz Communications
针对毫米波与太赫兹MU-MIMO波束选择的频谱效率与计算效率平衡难题，提出G-IOSVB贪心算法，其性能接近传统IOSVB且计算效率远高于穷举SVBS，为高速高效无线网络提供实用方案。
2024-01-26 eess.SP
Sparse Estimation for XL-MIMO with Unified LoS/NLoS Representation
针对超大规模MIMO信道估计，提出统一LoS/NLoS表示的闭式信道模型及低复杂度XL-UOMP算法，在估计精度和导频开销上均优于现有方法。
2024-03-19 cs.IT eess.SP math.IT
Enhancing Multi-Stream Beamforming Through CQIs For 5G NR FDD Massive MIMO Communications: A Tuning-Free Scheme
本文针对5G NR FDD大规模MIMO系统，利用CQI与最优波束赋形向量的关系，提出一种基于经验贝叶斯的免调优算法，以提升单流和多流场景下的波束赋形性能。
2024-09-01 eess.SP
Joint and Streamwise Distributed MIMO Satellite Communications with Multi-Antenna Ground Users
KTH Royal Institute of Technology（瑞典皇家理工学院）
本文研究多卫星联合服务多天线地面用户时的频谱效率最大化问题，提出一种迭代传输设计方法，并探讨了沿流传输模式以降低前传负载，通过数值模拟验证了方法的有效性。
2026-10-14 eess.SP
Energy Efficiency Optimization for Millimeter Wave System with Resolution-Adaptive ADCs
本文研究了多用户毫米波（mmWave）系统的上行链路，其中基站（BS）配备有大规模多输入多输出（MIMO）阵列和分辨率自适应模数转换器（RADC）。虽然在BS处采用大规模多输入多输出可以显著提高频谱效率，但是它也导致高硬件复杂度和巨大功耗。为了克服这些挑战，我们寻求联合优化波束空间混合组合器和ADC量化比特分配，以最大限度地提高系统的能量效率（EE）在一些实际的约束条件下。由于非线性分式目标函数和非凸可行集的存在，该问题是非凸的。为了处理这些困难，我们首先应用一些分数规划（FP）技术，并引入辅助变量重铸这个问题转化为一个等价的形式服从优化。然后，我们提出了一个有效的双循环迭代算法的基础上的惩罚对偶分解（PDD）和优化最小化（MM）的方法来寻找局部平稳解。仿真结果表明，显着的增益超过基线。
2020-05-18 eess.SP
Amortized Neural SVD for XL-MIMO: Structure-Guided Factor Prediction for Beamforming and Multi-Stream Utility
State Key Laboratory of ISN and School of Telecommunications Engineering, Xidian University（西安电子科技大学信息与系统研究所国家重点实验室及电信工程学院）；School of Computer Science and Technology, Xi’an Jiaotong University（西安交通大学计算机科学与技术学院）
针对XL-MIMO的SVD延迟瓶颈，提出SVDNet神经算子，通过单次前向传播生成波束成形所需的低秩因子，在单流传输中性能接近精确SVD，多流和速率优于基线，可扩展至512×512规模。
2026-08-28 eess.SP
A New View of Multi-User Hybrid Massive MIMO: Non-Orthogonal Angle Division Multiple Access
本文从阵列信号处理的角度提出了一种新的多用户混合大规模多输入多输出（MIMO）系统。我们首先证明了，如果用户的到达角（AOA）是不同的，对应于不同的用户的瞬时信道向量是渐近正交的。然后，我们将信道矩阵分解成角度域基矩阵和增益矩阵。前者可以用导向矢量来表示，后者的大小与RF链的数量相同，这与混合预编码的结构完美匹配。提出了一种新的混合信道估计方法，该方法通过分别估计角度信息和增益矩阵，与传统的波束域方法相比，可以显著节省训练开销，提高信道估计精度。此外，借助于角域矩阵，MU大规模MIMO系统可以被视为一种非正交角分多址（ADMA），以在同一频带上同时服务多个用户。最后，通过计算机模拟验证了该方案的有效性。
2017-07-15 cs.IT eess.SP math.IT
Multi-Stream Spatiotemporal Channel Coding for MIMO Systems: Transmission Scheme Design and Achievable Rate Optimization
Beijing University of Posts and Telecommunications（北京邮电大学）；Peng Cheng Laboratory（鹏城实验室）；Nanyang Technological University（南洋理工大学）
本文提出多流多子信道时空信道编码（STCC-MSC）方案，通过联合优化子信道分配与功率分配，并设计PACA算法求解，在MIMO系统中显著提升可达速率，较TCC方案提升28.68%。
2026-09-10 eess.SP
Joint Beamforming Design and Stream Allocation for Non-Coherent Joint Transmission in Cell-Free MIMO Networks
针对无蜂窝 MIMO 网络 NCJT 的 WSR 最大化问题，提出低交互 RWMMSE 波束赋形及可收敛的 RWMMSE-LSA 联合流分配算法，性能与收敛时间均优于现有方法。
2024-02-28 eess.SP
Compressed Sensing Inspired User Acquisition for Downlink Integrated Sensing and Communication Transmissions
本文针对下行多用户MIMO-OFDM系统，提出基于MUSIC时延估计和LASSO波束空间响应估计的两阶段雷达辅助用户获取方法，并通过成对错误概率分析揭示多波束同时探测优于单波束功率集中。
2024-07-01 cs.IT eess.SP math.IT
NL-COMM: Enhanced Video Streaming via Advanced Non-Linear Processing
针对无线网络频谱资源紧张、传统线性MIMO处理信道利用率低的问题，提出NL-COMM非线性MIMO处理框架，首次在3GPP合规环境用商用设备验证，可提升视频流质量、减半基站天线需求并实现400%天线过载系数。
2025-01-16 eess.SP
Hierarchical ML Codebook Design for Extreme MIMO Beam Management
North Carolina State University（北卡罗来纳州立大学）
本文针对超大规模MIMO波束管理提出基于端到端学习的神经网络码本设计方法X-BM，实现初始接入8dB增益和频谱效率提升。
2023-11-24 cs.IT cs.LG cs.SY
Power-Efficient Wireless Streaming of Multi-Quality Tiled 360 VR Video in MIMO-OFDMA Systems
在本文中，我们研究了在多输入多输出（MIMO）-正交频分多址接入（OFDMA）系统中从多天线服务器到多个单天线用户的多质量分片360度虚拟现实（VR）视频的最佳无线流传输。在没有用户转码的情况下，我们联合优化波束形成和子载波，发射功率和速率分配，以最小化总发射功率。该问题是一个具有挑战性的离散-连续混合优化问题.我们得到了一个全局最优解的小组播组，一个大的天线阵列的渐近最优解，和一般情况下的次优解。在有用户转码的场景中，通过对质量等级选择、波束赋形、子载波、发射功率和速率分配等进行联合优化，使平均总发射功率和转码功率的加权和最小。该问题是一个双时间尺度的离散-连续混合优化问题，比没有用户转码的情况更具挑战性。我们得到了一个全局最优解的小组播组，一个大的天线阵列的渐近最优解，和一般情况下的低复杂度的次优解。最后，数值结果表明，所提出的解决方案比现有的解决方案显着的收益。建议的解决方案比现有的解决方案有显著的收益。
2021-04-13 eess.SP
Massive MIMO Beam Management in Sub-6 GHz 5G NR
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；North Carolina State University（北卡罗来纳州立大学）；Facebook Inc.（脸书公司）
波束码本是5G新无线电（NR）中大规模多输入多输出（M-MIMO）的新特征。由波束成形向量组成的码本用于发送参考信号，并经由码字索引从接收机获得有限的信道状态信息（CSI）。这实现了无法以其他方式获得足够CSI的大型阵列。然而，性能受到码本设计的限制。在本文中，我们表明，机器学习可以用于训练特定于站点的码本的初始访问。我们设计了一个基于自动编码器架构的神经网络，该架构使用波束空间观测结合RF环境特性来提高同步信号（SS）突发码本。我们测试我们的算法使用一个灵活的数据集生成的通道从PDDRiGa。结果表明，我们的模型优于行业标准（DFT波束），并接近最佳性能（完美的CSI和奇异值分解（SVD）为基础的波束形成），只使用几个比特的反馈。
2022-04-12 cs.LG cs.SY eess.SP
Resource Allocation for Single Carrier Massive MIMO Systems
正交频分复用（OFDM）系统中的资源分配通过向每个用户分配子载波块来执行。尽管OFDM是5G NR系统的主要波形，但研究报告已经指出，单载波调制（SCM）在大规模多输入多输出（MIMO）系统中提供了优于OFDM的几个优点，使其成为大规模机器类型通信（mMTC）等一些未来应用的首选候选。本文提出了一种SCM资源分配方法，并给出了相应的接收端信息恢复算法。我们的重点是循环前缀SCM，其中高度灵活和高效的频域检测算法，使许多同时在大规模多输入多输出上行链路的情况下的用户的操作。所提出的资源分配方法允许用户的数量超过基站（BS）处的天线的数量。每个单载波传输被划分为$L$交织流，并且每个用户被分配多个这样的流。SCM的一个主要优点是每个数据符号都分布在整个带宽上。因此，接收器性能由传输频带上的平均信道增益而不是给定频率仓或一小组频率处的信道增益来决定。在所提出的设置中，每个流可以被认为是SCM中的资源块，类似于OFDM中的资源块。因此，在本文的上下文中，术语资源块和流可以互换使用。
2022-02-28 eess.SP
