Exploiting Structured Sparsity with Low Complexity Sparse Bayesian Learning for RIS-assisted MIMO Channel Estimation
针对RIS辅助MIMO通信信道估计的精度与复杂度问题,提出低复杂度的UAMPSBL-PCI算法以利用信道结构化稀疏性,仿真证明其性能优于现有算法。
2023-08-02 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
Direction-of-Arrival Estimation for Constant Modulus Signals Using a Structured Matrix Recovery Technique
针对恒模信号DOA估计,提出SMART技术,联合利用Vandermonde与CM结构,将非凸问题转化为秩约束Hankel-Toeplitz矩阵恢复,用ADMM求解,提升可定位源数量与统计效率。
2023-07-15 eess.SP
A Novel Pilot Scheme for Uplink Channel Estimation for Sub-array Structured ELAA in XL-MIMO systems
The Hong Kong University of Science and Technology(香港科技大学)
本文提出了一种针对XL-MIMO系统中子阵列结构ELAA的新型预导方案,通过频分复用和码分复用技术提高信道估计性能并减少预导开销。
2025-12-11 eess.SP
Bayesian Algorithms for Kronecker-structured Sparse Vector Recovery With Application to IRS-MIMO Channel Estimation
本文研究了Kronecker结构字典下的稀疏恢复问题,基于稀疏贝叶斯学习框架提出了交替最小化和基于SVD的两种算法,并从理论上证明了AM方法的收敛性,最后将其有效应用于智能反射面辅助的MIMO上行信道估计。
2023-08-01 eess.SP
Kronecker-structured Sparse Vector Recovery with Application to IRS-MIMO Channel Estimation
针对克罗内克结构稀疏向量恢复问题,提出将原问题分解为多个独立子问题并分别求解的方法,通过保留支撑集和非零元素结构提升精度、缩减解空间降低复杂度,在IRS-MIMO信道估计等场景中性能优于现有技术。
2024-11-30 eess.SP
Hankel and Toeplitz Rank-1 Decomposition of Arbitrary Matrices with Applications to Signal Direction-of-Arrival Estimation
Florida Atlantic University(佛罗里达大西洋大学);Air Force Research Laboratory(美国空军研究实验室)
本文提出高效的结构矩阵分解算法,用于任意矩阵的最优秩1Hankel和Toeplitz结构近似,并基于此开发了适用于小样本的DOA估计器。
2026-07-24 cs.LG eess.SP
A Tensor-Structured Approach to Dynamic Channel Prediction for Massive MIMO Systems with Temporal Non-Stationarity
针对中高移动性场景下大规模MIMO系统CSI时间非平稳性导致的性能下降问题,提出张量结构动态信道预测方法TS-DCP,利用双时间尺度和跨域相关性建模,通过VFE最小化实现低复杂度在线预测,仿真显示其性能显著优于基准算法。
2025-04-13 eess.SP
Super-Resolution Harmonic Retrieval of Non-Circular Signals
针对协方差和伪协方差分别呈现Toeplitz和Hankel结构的严格非圆信号,提出了一种超分辨谐波恢复方法。因此,由协方差矩阵和伪协方差矩阵构造的增广协方差矩阵不仅是低秩的,而且是联合Toeplitz-Hankel结构。为了有效地利用这样一个所需的结构,高估计精度,我们开发了一个低秩Toeplitz-Hankel协方差重建(LRTHCR)的解决方案,采用了增广协方差矩阵。此外,我们设计了一个拟合误差约束,灵活地实现LRTHCR算法,而不知道噪声统计。此外,性能分析提供了建议的LRTHCR在实际设置。仿真结果表明,LRTHCR优于基准方法在较低的估计误差。
2023-01-17 eess.SP
Near-Optimal Low-Complexity MIMO Detection via Structured Reduced-Search Enumeration
Redpine Signals Inc.(红犀信号公司);Silicon Labs(芯科实验室)
本文提出一种结构化减搜索策略,实现近似最大似然性能,复杂度与星座大小线性相关,适用于高阶MIMO系统。
2026-03-13 cs.SY eess.SP eess.SY
Triple-Structured Compressive Sensing-based Channel Estimation for RIS-aided MU-MIMO Systems
可重构智能表面(RIS)被认为是5G之后的潜在技术,并引起了巨大的研究关注。然而,由于级联信道中的参数数量过多,在RI辅助系统中的信道估计仍然是一个关键的挑战。现有的基于压缩感知(CS)的RIS估计方案仅采用不完全稀疏性,这会导致冗余导频消耗。在本文中,我们利用级联通道的特定三重结构稀疏性,即,公共列稀疏度、偏移补偿后的结构化行稀疏度和所有用户之间的公共偏移。在此基础上提出了一种新的多用户联合估计算法。仿真结果表明,我们的方法可以显着减少导频开销在两个CDMA和UPA场景。
2021-08-31 cs.IT eess.SP math.IT
Tensor-Structured Bayesian Channel Prediction for Upper Mid-Band XL-MIMO Systems
针对中高频段XL-MIMO系统在移动性下因信道老化及近场和非平稳传播导致性能下降的问题,提出一种结合张量结构化信道建模与EM框架下双层推理的贝叶斯信道预测方法,有效降低了计算复杂度并提升了预测性能。
2025-08-11 eess.SP
Impact Analysis of Antenna Array Geometry on Performance of Semi-blind Structured Channel Estimation for massive MIMO-OFDM systems
本文研究大规模MIMO-OFDM系统中天线阵列几何结构对半盲结构化信道估计性能的影响,用Cramér-Rao Bound分析两种估计方法的误差,发现半盲方法性能更优,且均匀圆柱阵列系统表现优于传统均匀线阵。
2023-05-16 cs.IT eess.SP math.IT
Structured Autocorrelation Matrix Estimation for Coprime Arrays
互质阵列接收机处理接收信号快照的集合,以估计较大(虚拟)均匀线性阵列(称为协阵)的自相关矩阵。根据接收信号模型,该矩阵必须是(i)正定的,(ii)厄米特的,(iii)托普利茨的,并且(iv)其噪声子空间特征值必须相等。现有的协阵自相关矩阵估计满足上述条件的一个子集。在这项工作中,我们提出了一个优化框架,提供了一个新的估计满足所有四个条件。数值研究表明,所提出的估计优于标准的同行,无论是在自相关矩阵估计误差和到达方向估计。
2020-08-27 eess.SP
Structured Massive Access for Scalable Cell-Free Massive MIMO Systems
如何满足超五代(B5 G)网络中不断增长的用户数量、更高的数据速率和严格的服务质量(QoS)要求?无小区的大规模多输入多输出(MIMO)被认为是一种很有前途的解决方案,其中多个无线接入点通过利用相干信号处理来协作以联合服务于用户。然而,在无小区的大规模多输入多输出系统中仍然存在许多未解决的实际问题,其中可扩展的大规模接入实现是最重要的问题之一。本文提出了一种新的无小区大规模多输入多输出系统结构化大规模接入框架,包括一种初始接入算法、一种部分大规模衰落解码(P-LSFD)策略、两种导频分配方案和一种分数功率控制策略。新的封闭形式的频谱效率(SE)的最大比(MR)合并的表达式。仿真结果表明,我们提出的框架提供了高SE时,使用局部部分最小均方误差(LP-MMSE)和MR合并。具体而言,所提出的初始接入算法和导频分配方案优于其相应的基准,P-LSFD实现可扩展性与传统的最佳大规模衰落解码(LSFD)相比,可以忽略不计的性能损失,和可扩展的分数功率控制提供了一个可控的用户公平性和平均SE之间的权衡。
2020-06-18 cs.IT eess.SP math.IT
Channel Estimation Considerate Precoder Design for Multi-user Massive MIMO-OFDM Systems: The Concept and Fast Algorithms
提出 CECP 及低复杂度 ST-BDCS 时域预编码,利用 OFDM 信道稀疏 Toeplitz 结构抑制多用户干扰并缩短有效信道,以支持稀疏导频估计,且速率接近逐子载波方案。
2024-04-07 cs.IT eess.SP math.IT
Structured Channel Covariance Estimation from Limited Samples in Massive MIMO
获取信道协方差知识在各种多输入多输出MIMO通信应用中是非常重要的,包括信道估计和协方差用户分组。在大规模MIMO系统中,由于基站中采用的大量天线($M\gg 1$)以及因此的高信号维度,协方差估计被证明是具有挑战性的。在这种情况下,导频传输的数量$N$变得与天线的数量相当,并且诸如样本协方差的标准估计器产生真实协方差的差的估计并且是不期望的。在本文中,我们提出了一个最大似然(ML)大规模MIMO协方差估计,基于信道角扩展函数(ASF)的参数表示。参数表示出现从超分辨离散ASF组件通过众所周知的多信号分类(MUSIC)方法加上近似其连续组件使用合适的有限支持密度函数。我们最大化的似然函数使用凹凸过程,这是通过一个非负最小二乘优化问题初始化。我们的仿真结果表明,所提出的方法优于现有技术在各种估计质量指标,并为不同的样本大小,信号维数($N/M$)的比例。
2019-10-31 cs.IT eess.SP math.IT
Channel Covariance Matrix Estimation via Dimension Reduction for Hybrid MIMO MmWave Communication Systems
具有较低硬件复杂度和功耗的混合大规模多输入多输出结构已被认为是毫米波(mmWave)通信的潜在候选。信道协方差信息可用于设计发射机预编码器、接收机合并器、信道估计器等。然而,混合结构仅允许观察到低维信号,这增加了信道协方差矩阵估计的困难。本文通过克罗内克积展开将信道协方差估计表示为结构化低秩矩阵感知问题,并使用低复杂度算法来解决该问题。通过对均匀线阵和均匀正方形平面阵的仿真,验证了该方法的有效性。
2019-06-24 eess.SP
Beam Structured Turbo Receiver for HF Skywave Massive MIMO
National Mobile Communications Research Laboratory, Southeast University(东南大学国家移动通信重点实验室);Purple Mountain Laboratories(紫金山实验室);Imperial College London(帝国理工学院);University of Delaware(特拉华大学)
本文提出了一种基于束结构的turbo接收机,用于高频电离层大规模MIMO通信,通过改进的信道模型和低维信号检测技术,实现了低复杂度的高性能接收方案。
2025-01-13 cs.IT eess.SP math.IT
Joint Visibility Region Detection and Channel Estimation for XL-MIMO Systems via Alternating MAP
针对XL-MIMO系统近场非平稳场景下的可见区域检测与信道估计问题,提出结合二维马尔可夫先验的交替MAP框架,含三个模块,仿真验证其性能优势。
2024-05-21 eess.SP
A Structured Family of Grassmannian Constellations via Geodesic Mapping for MIMO Noncoherent Communications
Universidad de Oviedo(奥维耶多大学)
针对MIMO非相干通信,提出基于格拉斯曼流形测地线的星座设计,虽频谱效率有限,但每行仅一个非零项,降低硬件复杂度等,在星座大小限制内错误性能与现有设计相当,还降低ML检测器计算复杂度。
2026-08-11 eess.SP math.DG
Robust Multi-Source DoA Estimation under Weather-Induced Distortion: Structured Covariance Methods and Performance Bounds
本文提出结构化协方差建模与校准方法,应对恶劣天气导致的到达方向估计失真,通过单源闭式算法和多源LASSO/核范数方法提升精度与可分辨性。
2026-09-09 eess.SP
Analytical Framework of Airy Beams in Near-Field XL-MIMO: From Ideal Optics to Wireless Reality
School of Information Science and Engineering, Southeast University(东南大学信息科学与工程学院)
本文提出了一种分析框架,用于近场超大规模MIMO中Airy光束的传播特性,并推导了阵列孔径和天线间距的约束条件,以保持主波束轨迹无失真,同时评估了Airy光束与高斯聚焦光束的性能权衡。
2026-05-09 eess.SP
An Array Decomposition Method for Finite Arrays with Electrically Connected Elements for fast Toeplitz Solvers
KTH Royal Institute of Technology(瑞典皇家理工学院);Saab Surveillance(萨博监视)
本文提出了一种适用于电连接元件的阵列分解方法,通过多级块Toeplitz矩阵优化,实现更快更高效的MoM求解。
2025-06-05 cs.NA eess.SP math.NA
Multichannel Frequency Estimation in Challenging Scenarios via Structured Matrix Embedding and Recovery (StruMER)
针对数据缺失、噪声多样等场景的多通道频率估计,提出StruMER,将信号嵌入低秩结构化半正定矩阵并用ADMM近闭式恢复,显著提升门限性能。
2023-07-15 eess.SP
Maximum Likelihood-based Gridless DoA Estimation Using Structured Covariance Matrix Recovery and SBL with Grid Refinement
研究线谱与波达方向估计问题,提出基于MLE和SBL的网格无关参数估计方法,通过结构化协方差矩阵恢复与网格细化技术,显著提升了在少快拍、相关源等复杂条件下的鲁棒性与可识别性。
2022-10-07 cs.IT eess.SP math.IT
Energy Efficiency Optimization for Downlink Massive MIMO With Statistical CSIT
我们调查的能量效率(EE)优化单小区大规模多输入多输出(MIMO)下行链路传输,只有统计信道状态信息(CSI)在基站。我们首先表明,波束域传输是有利于在大规模MIMO下行链路的能源效率,通过推导出一个封闭形式的解决方案的最佳传输协方差矩阵的特征向量。利用这一结论,EE优化问题被简化为一个实值功率分配问题,这比原来的高维复矩阵值预编码设计问题更容易解决。我们进一步提出了一种迭代注水结构波束域功率分配算法,具有低复杂度和保证收敛性,利用序贯优化,分数优化和随机矩阵理论的技术。数值结果表明,我们提出的统计CSI辅助EE优化方法的性能接近最优。
2020-02-12 cs.IT eess.SP math.IT
Near-Field Codebook-Based 3D Spherical Channel Estimation for UCA XL-MIMO Systems
针对UCA XL-MIMO系统近场三维信道估计问题,提出基于球面域码本和S-SOMP算法的联合估计方案,实现路径增益、角度与距离的高效准确估计,仿真验证了其精度优势。
2025-07-04 cs.IT eess.SP math.IT
Hierarchically Structured Matrix Recovery-Based Channel Estimation for RIS-Aided Communications
针对RIS辅助毫米波MIMO通信中高维信道估计难题,本文将信道估计建模为层次结构化矩阵恢复问题,提出低复杂度消息传递算法,仿真表明其性能接近理论极限。
2023-04-14 cs.IT eess.SP math.IT
Sparse Activation for Sustainable Cell-Free Massive MIMO Networks: Less is More
KTH Royal Institute of Technology(皇家理工学院);Digital Futures(数字未来中心);Purple Mountain Laboratories(紫金山实验室);Southeast University(东南大学)
针对6G网络可持续性,提出上行无蜂窝大规模MIMO中的稀疏天线/阵列激活问题,通过最优双线性均衡器加权框架和结构化稀疏诱导的均方误差最小化,实现能效提升与可控频谱效率损失。
2026-06-02 cs.IT eess.SP math.IT