Timely Estimation Using Coded Quantized Samples
量化和编码的高斯-马尔可夫，即奥恩斯坦-乌伦贝克，过程的估计质量的影响被认为是。从该过程中获取样本，对其进行量化，然后使用无限增量冗余或固定冗余编码方案进行编码以供传输。在接收机处消耗固定的处理时间用于解码和向发射机发送反馈。解码的消息被用来构建一个最小均方误差（MMSE）估计的过程作为时间的函数。这被证明是一个越来越多的功能的年龄的信息，定义为时间流逝，因为采样时间有关的最新成功解码的消息。这种（年龄惩罚）函数取决于量化比特、码字长度和接收机处理时间。对于每个编码方案，目标是优化采样时间，使得长期平均MMSE最小化。然后，这是其特征在于设置一般增加的年龄惩罚泛函，不一定对应于MMSE，这可能是独立的利益在其他情况下。
2020-04-27 cs.IT cs.NI eess.SP
Blind Channel Equalization Using Vector-Quantized Variational Autoencoders
现有技术的高频谱效率通信系统采用与高符号率耦合的高阶调制格式，以适应对数据速率高的应用的不断增长的需求。然而，这样的系统更容易受到线性和非线性传输损伤，并且重要的是通过数字信号处理来减轻性能损失。在本文中，我们提出了一种新的机器学习方法的盲信道均衡和估计使用矢量量化（VQ）\ac{VAE}框架。所提出的方法通过引入码本分量和相关的新损失函数，将传统的基于\ac{VAE}的均衡器的适用性推广到采用高阶调制格式的非线性系统。我们评估所提出的方法的性能在线性加性高斯白噪声信道的符号间干扰和两个非线性的情况下。仿真结果表明，该方法与基于\acf{MMSE}准则的数据辅助均衡器性能相当，优于盲\ac{CMA}和基于\ac{VAE}的信道均衡器.此外，我们表明，对于线性信道，所提出的计划表现出更好的收敛性能比\ac{MMSE}为基础的，\ac{CMA}为基础的，和\ac{VAE}为基础的均衡器的收敛速度和鲁棒性的训练批量大小和学习率的变化。
2023-02-22 eess.SP
1-bit Localization Scheme for Radar using Dithered Quantized Compressed Sensing
我们提出了一种新的方案，允许使用高度量化的1位测量从调频连续波（FMCW）雷达与两个接收天线的二维目标定位。雷达信号的量化会引入局部伪影，我们通过在非量化的观测值上插入抖动来消除这一限制。然后，我们适应的投影反投影算法估计抖动量化雷达观测的目标的范围和角度，可证明衰减重建误差时，观察的数量增加。进行仿真，以突出的抖动方案在无噪声条件下的准确性相比，非抖动和全32位分辨率下严重的比特率降低。最后，使用雷达传感器进行测量，以证明所提出的量化抖动方案在实际条件下的有效性和性能。
2018-06-15 eess.SP
MCRB for Parameter Estimation from One-Bit Quantized and Oversampled Measurements
针对一位量化测量中的模型误设问题，提出误设克拉美-罗界（MCRB）以评估参数估计性能，并证明过采样可显著提升估计精度。
2025-03-28 eess.SP
SEP Analysis of 1-Bit Quantized SIMO Systems with QPSK over Fading Channels
Centre for Wireless Communications, University of Oulu（奥卢大学无线通信中心）
针对1比特量化SIMO系统的SEP分析问题，提出新型分析方法，推导了QPSK调制下SIMO-MRC系统的精确SEP表达式及增益，还量化了任意天线数下SIMO-SC系统的增益，补充拓展了已有结果。
2025-10-02 eess.SP
BER Performance Analysis of Coarse Quantized Uplink Massive MIMO
具有较低的量化分辨率，作为降低大规模多输入多输出和毫米波MIMO系统的功耗的解决方案，已经在文献中引入。在本文中，我们分析了误比特率（BER）性能的量化上行链路大规模多输入多输出采用几位分辨率的ADC。针对迫零（ZF）检测，利用线性量化模型，推导了一种封闭形式的量化信干噪比（SINR），以获得粗量化M-QAM大规模多输入多输出系统的解析误比特率近似。所提出的表达式是以比特为单位的量化分辨率的函数。我们进一步数值研究了不同的量化水平，从1位到4位，对三种调制类型的QPSK，16-QAM和64-QAM的BER的影响。在我们的模拟中采用了均匀和非均匀量化器。Monte Carlo仿真结果表明，我们的近似公式给出了使用非均匀量化器的$b$比特分辨率量化系统的BER性能的严格上限，而使用均匀量化器会导致相同系统的性能较低。我们还发现，与全精度（未量化）情况相比，在粗量化系统（例如2-3位QPSK和3-4位16-QAM）中，BER性能下降较小。然而，这种性能下降可以通过增加BS处的天线数量来补偿。
2018-04-19 eess.SP
MMSE Channel Estimation for Two-Port Demodulation Reference Signals in New Radio
双端口解调参考信号（DMRS）最近已经在新无线电（NR）中被采用。本文首先提出了一种基于全先验知识的最小均方误差（F-MMSE）方法来实现NR中双端口DMRS的信道估计。当两个端口被分配给不同的用户时，对于一个用户，不容易获得两个端口的全部先验知识。然后，我们提出了一个MMSE方案与部分先验知识（P-MMSE）。最后，数值结果表明，所提出的方案取得了令人满意的信道估计性能。此外，对于均方误差和误比特率度量，所提出的方案可以实现更好的性能相比，经典的基于离散傅里叶变换的信道估计。特别地，P-MMSE方案提供了几乎相同的性能相比，F-MMSE方案通过少量的先验知识。
2020-07-28 cs.IT eess.SP math.IT
Hybrid Iterative Detection for OTFS: Interplay between Local L-MMSE and Global Message Passing
Huazhong University of Science and Technology（华中科技大学）；Technical University of Berlin（柏林工业大学）
本文提出了一种结合局部L-MMSE估计与全局消息传递的混合迭代检测方法，用于提升OTFS在复杂信道中的性能和可靠性。
2025-12-16 eess.SP
Enhancing 5G-NR mmWave : Phase Noise Models Evaluation with MMSE for CPE Compensation
本研究针对5G-NR毫米波通信的相位同步问题，评估相位噪声模型并实现基于MMSE的CPE补偿，经仿真验证可显著降低EVM和BER，为优化相位噪声抑制策略提供参考。
2024-12-08 eess.SP
Compressive Toeplitz Covariance Estimation From Few-Bit Quantized Measurements With Applications to DOA Estimation
School of Mathematics and Statistics, Xi’an Jiaotong University（西安交通大学数学与统计学院）
本文提出了一种在稀疏观测和粗量化条件下估计 Toeplitz 协方差矩阵的方法，并展示了其在方向估计中的应用效果。
2026-08-28 eess.SP
1-bit Quantized Continuous Aperture Arrays
School of Computer Science and Engineering, Constructor University（Constructor大学计算机科学与工程学）；Department of Electrical and Computer Engineering, The University of Hong Kong（香港大学电气与电子工程学）
本文研究了连续孔径阵列与低成本1位ADC的交互，推导出基于Gamma矩匹配的符号误码率近似，并证明在理想条件下CAPA可消除1位量化惩罚。
2026-04-02 eess.SP
Performance of orthogonal delay-doppler division multiplexing modulation with imperfect channel estimation
本文研究信道估计不完善条件下ODDM系统的检测性能，推导MRC和SIC-MMSE的SINR及BER，并提出MRC-SD和SSMI-MRC检测器以改善迭代MRC的误比特率。
2024-10-23 eess.SP
Massive MIMO with 1-Bit DACs: Data Detection for Quantized Linear Precoding with Dithering
Centre for Wireless Communications, University of Oulu（奥卢大学无线通信中心）
针对发射机采用1位DAC并在量化前加入抖动的点对点大规模MIMO系统，提出基于接收信号均值、协方差及符号相关LMMSE线性化的ML检测方法，符号错误率较传统软估计检测改善逾两个数量级。
2025-09-30 eess.SP
Distributed Detection of Sparse Stochastic Signals via Fusion of 1-bit Local Likelihood Ratios
在这封信中，我们考虑检测稀疏随机信号与传感器网络（SN），其中融合中心（FC）收集1位数据从本地传感器，然后执行全局检测。对于这个问题，一个新开发的1位本地最强大的测试（LMPT）检测器需要3.3Q传感器渐近实现相同的检测性能的集中式LMPT（cLMPT）检测器与Q传感器。该1位LMPT检测器基于1位量化观测，而无需在本地传感器处进行任何附加处理。然而，直接量化的意见是不是最有效的处理策略，在传感器，因为它会导致不必要的信息丢失。在这封信中，我们提出了一种改进的1位LMPT（Im-1位LMPT）检测器，融合本地1位量化似然比（LR），而不是直接量化的本地观测。此外，我们设计的量化阈值在本地传感器，以确保渐近最优的检测性能的检测器。理论和数值计算表明，与设计的量化阈值，所提出的Im-1位LMPT检测器的稀疏信号的检测需要较少的传感器节点的数量，以补偿1位量化所造成的性能损失。
2019-11-05 eess.SP
Asymptotic Analysis of One-bit Quantized Box-Constrained Precoding in Large-Scale Multi-User Systems
本文针对大规模多用户系统中一位量化盒约束预编码进行渐近分析，提出高斯极小极大定理，推导SDNR和BER紧下界，并证明优化振幅约束可提升性能。
2025-09-07 eess.SP
Quantity over Quality: Dithered Quantization for Compressive Radar Systems
在本文中，我们探讨了雷达观测（或测量）的数量和它们的分辨率在雷达距离估计的上下文中的权衡。为此，我们引入了一种新的估计方案，可以处理强量化的接收信号，低至1位每个信号样本。为此，我们利用抖动量化压缩感知框架，可以应用于经典的雷达处理和硬件。这使我们能够消除模糊的情况下，禁止正确的距离估计（无抖动）量化的基带雷达信号。研究了两种距离估计算法：投影反投影（PBP）和量化迭代硬消隐（QIHT）。通过蒙特卡罗模拟，证明了结合抖动策略的重建方法的有效性。此外，我们还证明了：（i）在抖动量化中，当比特率（即，测量的比特的总数）增加，而在这种情况下，其它非抖动方案的精度饱和;以及（i i）对于固定的低比特率情形，严重量化的抖动方案比它们的全分辨率对应方案表现出更好的性能。这些意见得到证实，使用在受控环境中获得的实际测量，证明了该方法在实际测距应用的可行性。
2018-11-28 eess.SP
LiQuiD-MIMO Radar: Distributed MIMO Radar with Low-Bit Quantization
分布式MIMO雷达通过采用间隔很大的天线实现了优越的检测性能。然而，由于接收机和融合中心的复杂操作，实现低复杂度的分布式MIMO雷达具有挑战性。提出了一种低比特量化分布式MIMO（LiQuiD-MIMO）雷达，以显著降低信号捕获和数据传输的负担。在LiQuiD-MIMO雷达中，广泛分离的接收机被限制为与低分辨率ADC一起操作，并将低比特量化数据传送到融合中心。在融合中心，通过数字处理明确补偿所引起的量化失真。通过利用我们的问题的固有结构，一个量化版本的鲁棒主成分分析（RPCA）问题，制定同时恢复低秩目标信息矩阵以及稀疏的数据传输错误。然后利用最小二乘法从恢复的目标信息矩阵中估计出目标的位置和速度。数值实验表明，采用该算法配置的LiQuiD-MIMO雷达能够实现目标参数的精确估计。
2023-02-16 eess.SP
Joint Quantized Precoding and Bit Allocation for Fronthaul-Constrained Cell-Free Massive MIMO
Bilkent University（比尔肯特大学）
针对前传受限的无小区大规模MIMO下行链路，提出基于Bussgang分解的量化感知联合预编码与比特分配算法，在功率和比特约束下迭代优化，显著优于传统方案。
2026-09-23 cs.IT eess.SP math.IT
Quasi-Newton FDE in One-Bit Pseudo-Randomly Quantized Massive MIMO-OFDM Systems
针对一位伪随机量化大规模MIMO-OFDM系统，提出基于牛顿法的低复杂度准牛顿频域均衡方案，以减轻量化失真并支持高阶调制，性能优于基准检测器。
2023-12-23 cs.IT eess.SP math.IT
Adaptive Learning-Based Detection for One-Bit Quantized Massive MIMO Systems
我们提出了一个自适应学习为基础的框架，上行链路大规模多输入多输出（MIMO）系统与一位模数转换器。基于学习的检测不需要估计信道，这克服了一比特量化系统的一个关键缺点。在训练过程中，基于学习的检测在高信噪比（SNR）下会受到影响，因为观测值会偏向+1或-1，这导致许多零值经验似然函数。在低SNR下，观测值经常变化，但高噪声功率使捕获信道的影响变得困难。为了解决这些缺点，我们提出了一种自适应抖动和学习方法。在训练期间，接收值与抖动噪声混合，抖动噪声的统计数据对于基站是已知的，并且抖动噪声功率对于每个天线元件根据观察到的输出模式来更新。然后，我们在一位最大似然检测规则中使用细化的概率。仿真结果验证了所提出的方法与我们以前的方法使用固定的抖动噪声功率以及迫零和最佳ML检测，这两个假设完美的信道知识的检测性能。
2022-11-13 cs.IT eess.SP math.IT
Elastic Significant Bit Quantization and Acceleration for Deep Neural Networks
Nankai University（南开大学）；Northeastern University（东北大学）
量化已被证明是提高深度神经网络（DNN）推理效率的重要方法。然而，在将DNN权重或激活值从高精度格式量化为量化对应值时，在准确性和效率之间取得良好平衡仍然具有挑战性。我们提出了一种称为弹性有效位量化（ESB）的新方法，该方法控制量化值的有效位数，从而以较少的资源获得更好的推理精度。我们设计了一个统一的数学公式来约束量化值的ESB与灵活的有效位数。我们还引入了一个分布差异对齐器（DDA）来定量对齐全精度权重或激活值与量化值之间的分布。因此，ESB适用于各种钟形权重分布和DNN的激活，从而保持较高的推理精度。由于量化值的有效位数较少，ESB可以降低乘法复杂度。我们实现ESB作为一个加速器，并定量评估其在FPGA上的效率。大量的实验结果表明，ESB量化始终优于最先进的方法，并实现了平均精度分别比AlexNet，ResNet18和MobileNetV2提高4.78%，1.92%和3.56%。此外，ESB作为加速器可以在Xilinx ZCU 102 FPGA平台上实现10.95 GOPS的峰值性能，无需DSP。与CPU、GPU和FPGA上最先进的加速器相比，ESB加速器可以分别将能效提高高达65倍、11倍和26倍。
2021-11-17 cs.CV eess.SP
Low-Complexity ZF/MMSE Receivers for MIMO-OTFS Systems With Imperfect CSI
正交时频空间（OTFS）方案将时间和频率选择性信道转换为延迟-多普勒域中的几乎非选择性信道，为高速移动设备建立可靠的无线通信。针对具有理想和非理想接收信道状态信息的多输入多输出（MIMO）-OTFS系统，设计并分析了低复杂度迫零（LZ）和最小均方误差（LM）接收机。所提出的接收机提供了与常规对应方完全相同的解决方案，并且通过利用MIMO-OTFS信道矩阵的双循环性质、逐块逆和舒尔补来降低复杂度。我们还推导出，通过利用泰勒展开和随机矩阵理论的结果，一个紧密的近似后处理的信号与噪声加干扰比（SINR）的表达式在封闭形式的LZ和LM接收机。我们表明，推导出的SINR表达式，当平均在多个信道实现，准确地表征各自的比特出错率（BER）的完美和不完美的接收CSI。我们数值上显示了较低的误码率和较低的复杂性，所提出的设计超过国家的最先进的现有解决方案。
2020-10-09 cs.IT eess.SP math.IT
Uplink Data Detection Analysis of 1-Bit Quantized Massive MIMO
本文提出了一种分析框架，在大规模多输入多输出上行链路系统中的数据检测与1位模数转换器（ADC）。考虑到单用户的情况下，我们提供了封闭形式的表达式的期望值和方差的估计符号时，采用最大比合并在基站（BS）随着其渐近行为在高信噪比（SNR）。这些结果被利用，以提高最大似然检测的性能，考虑到分散的估计符号的期望值。相对于BS天线的数量、SNR和用于信道估计的导频长度来评估具有1比特ADC的符号出错率。所提出的分析突出了一个基本的SNR权衡，根据该权衡，在正确的SNR下操作可以大大提高数据检测精度。
2021-07-26 cs.IT eess.SP math.IT
Doubly 1-Bit Quantized Massive MIMO
本文研究发射端和接收端均采用1比特DAC/ADC的全数字大规模MIMO系统，基于Bussgang分解推导MSE近似，证明超大天线阵列下该系统仍具有优异性能。
2023-12-04 cs.IT eess.SP math.IT
Signal Recovery From 1-Bit Quantized Noisy Samples via Adaptive Thresholding
University of Illinois at Chicago（伊利诺伊大学芝加哥分校）
本文提出了一种高效的信号恢复方法，能够在白噪声或彩色噪声污染的1位测量中准确估计目标信号，通过自适应量化阈值法提供统一框架处理任意协方差矩阵的噪声，包括彩色噪声。
2018-12-10 cs.IT cs.SY eess.SP
ADMM-Based One-Bit Quantized Signal Detection for Massive MIMO Systems with Hardware Impairments
本文研究了大规模多输入多输出（MIMO）系统中的信号检测问题，该系统具有一般的加性硬件损伤和一比特量化。首先，我们通过将它们概括为所考虑的硬件损伤模型来呈现量化未知和基于Bussgang分解的线性接收机。我们提出了一个优化问题来估计上行链路数据信号，通过选择一个合适的代价函数，处理在基站的未量化的接收信号作为变量。我们利用额外的结构的一位量化和信号调制，包括适当的约束。针对非凸二次约束二次规划问题，提出了一种基于ADMM的封闭更新方程算法。然后，我们将更新中的粗糙投影仪替换为它们的软版本，以提高检测性能。我们表明，建议的ADMM为基础的算法优于国家的最先进的线性接收机显着的误比特率（BER）和性能增益增加的天线和用户的数量。
2020-02-05 cs.IT eess.SP math.IT
On the Mean Square Error Optimal Estimator in One-Bit Quantized Systems
本文研究了单比特量化系统中均方误差最优条件均值估计器，分析了其与Bussgang估计器的关系，提出最优导频序列并推导了MSE的闭式表达式及渐近极限。
2023-04-27 cs.IT eess.SP math.IT
Quantized Precoding and RIS-Assisted Modulation for Integrated Sensing and Communications Systems
在本文中，我们提出了一种新的可重构智能表面（RIS）辅助通感一体化（ISAC）系统与1位量化在ISAC基站。在ISAC系统中引入RIS，以减轻粗量化的影响，并实现感测和通信功能之间的共存。具体来说，我们设计发射预编码器以获得具有所需辐射图案的1位感测波形。然后，RIS相移被设计为调制1比特感测波形以向用户发送M进制相移键控符号。通过数值模拟，我们表明，所提出的方法提供了显着改善的符号错误概率相比，MIMO通信系统具有量化的线性预编码器，同时仍然提供可比的传感性能作为未量化的传感系统。
2022-11-03 cs.IT eess.SP math.IT
A Learning Framework for n-bit Quantized Neural Networks toward FPGAs
Zhejiang University（浙江大学）
量化神经网络（QNN）是一种有效的网络压缩方法，可广泛应用于FPGA实现。本文提出了一种新的学习框架的n位QNN，其权重被限制为2的幂。为了解决梯度消失问题，我们提出了一个重建的梯度函数的QNN在反向传播算法，可以直接得到真正的梯度，而不是估计一个近似梯度的期望损失。本文还提出了一种新的QNN结构n-BQ-NN，它用移位运算代替乘法运算，更适合于FPGA上的推理。此外，我们还设计了一个移位向量处理单元（SVPE）阵列，以取代所有的16位乘法与卷积运算的FPGA上的乘法运算。我们还进行了比较实验，以评估我们的框架。实验结果表明，通过我们的学习框架，ResNet，DenseNet和AlexNet的量化模型可以达到与原始全精度模型几乎相同的精度。此外，当使用我们的学习框架从头开始训练我们的n-BQ-NN时，与典型的低精度QNN相比，它可以实现最先进的结果。在Xilinx ZCU 102平台上的实验表明，我们的n-BQ-NN与我们的SVPE执行速度比矢量处理元件（VPE）的推理速度快2.9倍。由于SVPE阵列中的并行运算不会消耗FPGA上的数字信号处理（DSP）资源，实验表明，使用SVPE阵列还可以将平均能耗降低到16位VPE阵列的68.7%。
2020-04-06 cs.LG eess.SP stat.ML
Sample, Quantize and Encode: Timely Estimation Over Noisy Channels
量化和编码的高斯-马尔可夫过程的估计质量的影响被认为是，特别注意的Ornstein-Uhlenbeck过程。从该过程中获取样本，对其进行量化，然后使用无限增量冗余（IIR）或固定冗余（FR）编码方案进行编码以供传输。在接收机处消耗固定的处理时间用于解码和向发射机发送反馈。解码的消息被用来构建一个最小均方误差（MMSE）估计的过程作为时间的函数。这被证明是一个不断增长的功能的年龄的信息（AoI），定义为时间流逝，因为采样时间有关的最新成功解码的消息。该函数依赖于量化比特、码字长度和接收机处理时间。对于每个编码方案，目标是优化采样时间，使得长期平均MMSE最小化。然后，这是其特征在于设置一般增加泛函的AoI，不一定对应于MMSE，这可能是独立的利益在其他情况下。我们首先表明，IIR的最佳采样策略是这样的，只有当AoI超过一定的阈值时才生成新的样本，而对于FR，它是这样的，即当接收器完成处理前一个时，新的样本被及时发送。然后开发增强的传输方案，以便利用处理时间使新数据更快地在接收器处可用。对于IIR和FR，它表明，存在一个最佳数量的量化位，平衡AOI和量化误差，因此最小化的MMSE。它还表明，对于较长的接收机处理时间，相对简单的FR方案优于IIR。
2021-06-21 cs.IT cs.NI eess.SP
Green One-Bit Quantized Precoding in Cell-Free Massive MIMO
本文针对无蜂窝大规模MIMO系统的高功耗问题，提出一种基于符号向量结构动态停用天线的绿色一位量化预编码算法，在降低功耗的同时性能优于SQUID和RZF等现有方法。
2025-09-20 cs.IT eess.SP math.IT
DeepFPC: Deep Unfolding of a Fixed-Point Continuation Algorithm for Sparse Signal Recovery from Quantized Measurements
Shenzhen University（深圳大学）；Vrije Universiteit Brussel（布鲁塞尔自由大学）；imec（比利时微电子研究中心）
我们提出了DeepFPC，这是一种新型的深度神经网络，通过展开具有单侧l1范数的定点连续算法（FPC-l1）的迭代来设计，该算法已被提出用于解决1位压缩感知问题。该网络架构类似于深度残差学习的网络架构，并结合了关于信号结构的先验知识（即，稀疏性），从而通过设计提供可解释性。一旦DeepFPC得到正确的训练，稀疏信号就可以从量化的测量中快速准确地恢复。该模型在到达方向（DOA）估计的任务进行评估，并表现出优于国家的最先进的算法，即迭代FPC-L1算法和1位MUSIC方法。
2019-12-04 cs.LG eess.SP stat.ML
Is Phase Shift Keying Optimal for Channels with Phase-Quantized Output?
本文建立了相位量化输出加性高斯白噪声（AWGN）信道的容量。我们表明，旋转的$2^b$相移键控方案是容量实现的输入分布与$b$位相位量化的复杂AWGN信道。然后使用该结果来建立作为平均功率约束$P$和量化比特$b$的函数的信道容量的表达式。在瑞利衰落的情况下，当信道状态信息（CSI）仅在接收端已知时，研究了相位量化系统的中断性能。我们的研究结果表明，存在一个阈值的速率$R$，超过该中断指数的中断概率突然改变。事实上，中断指数中的这种阈值效应导致$2^b$ -PSK在高SNR下具有次优中断性能。
2021-05-05 cs.IT eess.SP math.IT
Learning-Based One-Bit Maximum Likelihood Detection for Massive MIMO Systems: Dithering-Aided Adaptive Approach
针对高SNR下一比特MIMO系统似然估计需大量训练的问题，提出一种基于学习的自适应抖动辅助最大似然检测框架，无需显式信道估计即可提升未编码与编码系统性能。
2024-03-22 cs.IT eess.SP math.IT
