Channel Charting Aided Pilot Reuse for Massive MIMO Systems with Spatially Correlated Channels
大规模多输入多输出(mMIMO)技术是一种提高机器类型通信(MTC)的频谱效率的方式。为了利用来自大型天线阵列的益处,需要通过导频信号进行精确的信道估计。大规模MTC系统由于连接的设备的巨大数量而无法避免导频重用。提出了一种基于信道图的导频复用算法,以减轻具有空间相关信道的多扇区单小区大规模MTC系统中的导频污染。我们表明,通过CC创建干扰图后,可以实现一个简单的策略来分配导频序列。仿真结果表明,基于CC的导频复用策略提高了信道估计精度,从而改善了符号检测性能,提高了频谱效率。此外,CC导频分配方法的性能接近用于小网络设置的穷举搜索导频分配的性能。
2022-12-02 eess.SP
Manifold Optimization-based Pilot Allocation for Cell-Free Massive MIMO ISAC Systems
School of Computer Science and Engineering, Constructor University (previously Jacobs University Bremen)(计算机科学与工程学学院,Constructor大学(原雅各布斯不来梅大学))
针对无蜂窝大规模MIMO集成感知与通信系统,提出基于流形优化的导频分配框架,通过最小化导频序列间相干性并施加频域单模约束,实现通信与感知性能的平衡。
2026-06-03 eess.SP
Resource Allocation for Cell-Free Massive MIMO-aided URLLC Systems Relying on Pilot Sharing
资源分配被设想用于无小区(CF)大规模多输入多输出(MIMO)辅助的超可靠和低延迟通信(URLLC)系统。具体来说,以支持多个设备有限的导频开销,导频重用的用户之间被认为是,我们制定了一个联合导频长度和导频分配策略,最大限度地提高设备的数量接纳。然后,联合优化导频功率和发射功率,同时满足设备的解码错误概率、延迟和数据速率要求。首先,我们推导了有限信道块长度(FCBL)下各态历经数据速率的下界。然后,我们提出了一种新的导频分配算法,最大限度地提高设备的数量接纳。基于所提出的导频分配模式,通过联合优化导频功率和净荷功率来最大化加权和速率(WSR)。为了解决由此产生的NP难问题,原始的优化问题首先通过复杂的数学变换来简化,然后找到近似,用于将原始问题转化为一系列可以容易地解决的几何规划(GP)形式的子问题。仿真结果表明,所提出的导频分配策略是能够显着增加接纳设备的数量和所提出的功率分配实现了显着的WSR性能增益。
2023-03-21 eess.SP
A Spatial Similarity-Guided Pilot Assignment and Access Point Selection for Cell-Free Massive MIMO Networks
本文提出基于信道相似性的导频分配与接入点选择方法,通过减少干扰和提升空间多样性来提高无小区大规模MIMO网络的频谱效率。
2026-02-21 eess.SP
CRLB Approaching Pilot-aided Phase and Channel Estimation Algorithm in MIMO Systems with Phase Noise and Quasi-Static Channel Fading
针对具有相位噪声和准静态信道衰落的多输入多输出(MIMO)系统,提出了一种新的导频辅助相位和信道估计算法。我们的新方法允许,第一次,载波相位估计和恢复之前进行全面的信道估计。这又使得能够使用整个帧来计算信道估计,从而显著地提高其精度。该算法是几种线性算法的顺序组合,大大降低了计算复杂度。此外,我们还推导出,第一次,Cramer-Rao下界(CRLB)的MIMO系统,其中相位噪声估计仅使用角度信息。我们的数值结果表明,我们的相位估计算法的性能接近建议CRLB。此外,当与传统的卡尔曼算法相比,我们提出的算法显着改善系统的BER性能。
2021-12-05 eess.SP
Joint Optimization of Pilot Length, Pilot Assignment, and Power Allocation for Cell-free MIMO Systems with Graph Neural Networks
本文提出基于图神经网络的联合优化方法,用于无基站MIMO系统中导频长度、导频分配和功率分配的优化,以提升频谱效率。
2025-11-28 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
Blind MIMO Semantic Communication via Parallel Variational Diffusion: A Completely Pilot-Free Approach
提出名为Blind-MIMOSC的盲MIMO语义通信框架,通过并行变分扩散模型实现完全免导频的联合信道估计与源恢复,在降低带宽比的同时提升了恢复精度。
2025-10-30 eess.SP
Channel-Adaptive Pilot Design for FDD-MIMO Systems Utilizing Gaussian Mixture Models
提出利用高斯混合模型(GMM)设计FDD系统下行链路导频,通过离线训练生成导频码本并参数化LMMSE滤波器,实现免在线优化且自适应SNR的高性能信道估计。
2024-03-26 eess.SP
Uplink Coordinated Pilot Design for 1-bit Massive MIMO in Correlated Channel
Yonsei University(延世大学);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳))
针对1比特大规模MIMO系统,本文提出基于低信噪比近似和分数规划的协调导频设计方法,解决相关信道与多小区场景下BLMMSE估计器的MSE优化难题,提升信道估计精度。
2025-11-13 eess.SP
Grant-Free Access via Bilinear Inference for Cell-Free MIMO with Low-Coherent Pilots
提出了一种新的用于符合第五代(5G)新无线电(NR)正交频分复用(OFDM)信令的无小区多输入多输出(MIMO)系统的联合活动、信道和数据估计(JACDE)方案。贡献的目的是允许显着的开销减少无小区MIMO系统,使免授权接入,同时保持适度的吞吐量每用户。为此,我们扩展了传统的MIMO OFDM协议,以便将活动检测能力,而不诉诸于扩展信息数据符号,与相关的工作,通常依赖于信号扩展。我们的方法利用贝叶斯消息传递方案的基础上高斯近似,联合执行主动用户检测(AUD),信道估计(CE),和多用户检测(MUD),还结合了一个结构良好的低相干导频设计的基础上框架理论,减轻导频污染,并最终补充与检测器授权的双线性消息传递。仿真结果表明,所得到的JACDE为基础的免授权接入方案,而无需扩展数据序列的功效,这被证明是显着优于当前的最先进的和接近的理想化的(天才辅助)计划,其中用户活动和信道系数是完全已知的性能。
2020-09-27 eess.SP
Variational Bayes Estimation for Affine-Precoded Superimposed Pilots in Partially Connected Dual-Wideband Tera-Hertz MU-MIMO Systems
Indian Institute of Technology Kanpur(坎普尔印度理工学院);Indian Institute of Technology Jodhpur(焦浦印度理工学院)
针对部分连接双宽带太赫兹MU-MIMO系统,提出两种仿射预编码模型,利用叠加导频和变分贝叶斯推断实现联合信道估计与稀疏结构学习,并进行了性能权衡分析。
2026-06-04 eess.SP
Score-Based Conditional Flow Models for MIMO Receiver Design with Superimposed Pilots
Beijing University of Posts and Telecommunications(北京邮电大学);China Mobile Research Institute(中国移动研究院);The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));University of Kent(肯特大学)
本文提出了一种基于分数率的条件流模型,用于改进MIMO接收机设计,通过整合接收端先验知识和矩一致的ODE,实现更准确的信道估计和更强的符号检测鲁棒性。
2026-02-25 eess.SP
From Pilot to Precoding Design: Blind Angular Spoofing For Location Privacy in MIMO Systems
Chalmers University of Technology(查尔姆斯理工大学);Politecnico di Milano(米兰理工大学);Autonomous University of Barcelona(巴塞罗那自治大学)
本文研究了MIMO系统中的位置隐私问题,提出了一种盲模拟预编码设计方法,通过操纵感知的到达角和离开角配置实现角度欺骗,无需了解信道增益信息。
2026-05-01 eess.SP
Improving Cell-Free Massive MIMO Detection Performance via Expectation Propagation
无小区(Cell-free,CF)大规模多输入多输出(M-MIMO)技术在超第五代(Beyond Fifth Generation,5G)网络中发挥着重要作用。然而,设计一个高性能的CF M-MIMO检测器是一个具有挑战性的任务,由于存在的导频污染时出现的导频序列的数量小于用户的数量。这项工作提出了一种CF M-MIMO检测器称为CF期望传播(CF-EP),它在计算后验置信度时加入了导频污染。仿真结果表明,该检测器在误比特率和总频谱效率性能方面与现有的CF检测器相比有明显的改善。
2021-10-27 eess.SP
Pilot-Aided MIMO Channel Identification and Linear Deconvolution in Correlated Gaussian Noise
Telecommunications Engineering, Department of Electronic, Information and Bioengineering Politecnico di Milano(米兰理工大学电子、信息与生物工程系电信工程)
针对空间相关高斯噪声下的MIMO系统,采用导频辅助的最大似然/最小二乘信道估计,并与Cramer-Rao界比较,进而利用估计信道进行数据恢复,分析训练序列长度和正则化对性能的影响。
2026-06-17 eess.SP
Environment-Aware MIMO Channel Estimation in Pilot-Constrained Upper Mid-Band Systems
University of California San Diego(加利福尼亚大学圣地亚哥分校)
本文提出了一种结合物理信息的神经网络框架,用于在受限制的上中频系统中实现更准确的MIMO信道估计,通过融合先验环境信息和接收到的信号强度,提高了性能并降低了计算复杂度。
2026-01-30 eess.SP
Interference Cancellation Based Channel Estimation for Massive MIMO Systems with Time Shifted Pilots
在采用时移导频(TSP)方案的大规模多输入多输出(MIMO)系统中,当基站(BS)天线数M趋于无穷大时,可以消除导频污染引起的组间干扰。然而,M在实践中是有限的,并且TSP的有效性受到信道估计误差的限制。分析表明,TSP的均方信道估计误差(MSCEE)主要受组间数据干扰的影响。为了降低有限天线大规模多输入多输出系统中的MSCEE,提出了一种基于干扰消除的信道估计(IC-TSP)方法。为了显示IC-TSP的优点,通过考虑不同的M和BS-BS信道的相干时间来评估IC-TSP的附加开销。此外,还讨论了扇区化和基于压缩感知的BS-BS信道估计的影响。我们表明,当128 < M < 2048时,在消除来自最近两个单元层的组间数据干扰的情况下,IC-TSP比TSP实现了超过1.2bps/Hz的频谱效率增益。
2020-06-26 eess.SP
Deep Learning for Estimation and Pilot Signal Design in Few-Bit Massive MIMO Systems
由于接收信号被低分辨率ADC非线性失真,因此在几位MIMO系统中的估计是具有挑战性的。在本文中,我们提出了一个用于信道估计、数据检测和导频信号设计的深度学习框架,以解决此类系统中的非线性问题。所提出的信道估计和数据检测网络是模型驱动的,并且具有特殊的结构,该结构利用了在少量比特量化过程中的领域知识。第一数据检测网络,即B-DetNet,基于从Bussgang分解获得的线性化模型,而信道估计网络和第二数据检测网络,即分别为FBM-CENet和FBM-DetNet,依赖于原始量化系统模型。为了开发FBM-CENet和FBM-DetNet,重新制定了最大似然信道估计和数据检测问题,以克服消失梯度问题。所提出的FBM-CENet结构的一个重要特征是导频矩阵被集成到其信道估计器的权重矩阵中。因此,训练所提出的FBM-CENet使得能够联合优化基站处的信道估计器和从用户发送的导频信号。仿真结果表明,所提出的深度学习框架在估计精度方面有显着的性能提升。
2021-07-26 eess.SP
Joint Subarray Selection, User Scheduling, and Pilot Assignment for XL-MIMO
State University of Londrina (UEL)(隆德里纳州立大学);Federal Technological University of Paraná (UTFPR)(巴拉那联邦技术大学)
本文提出基于统计CSI的算法,用于XL-MIMO中的联合子阵选择、用户调度和导频分配,以提高频谱效率和系统性能。
2026-01-19 eess.SP
Pilot and Data Power Control for Uplink Cell-free massive MIMO
University of York(约克大学);University of Surrey(萨里大学)
本文提出了一种迭代算法,通过动态调整飞行员和数据功率控制,优化无源大规模MIMO系统的频谱效率和公平性。
2025-02-26 eess.SP
Near-Field Multiuser Beam Training for XL-MIMO: An End-to-End Interference-Aware Approach with Pilot Limitations
National Key Laboratory of Wireless Communications, University of Electronic Science and Technology of China(电子科技大学);Department of Engineering, University of Cambridge(剑桥大学);Faculty of Electrical Engineering and Computer Science, Ningbo University(宁波大学)
本文提出了一种基于深度学习的干扰感知多用户波束训练框架,通过端到端学习和子阵列近似,在有限试点资源下实现近优的总速率性能和更高的有效吞吐量。
2026-03-12 eess.SP
Joint Pilot Allocation and Sequence Design for MIMO-OFDM Systems With Channel Sparsity
Ericsson Research, Ericsson Japan K.K.(爱立信研究,爱立信日本株式会社)
本文针对MIMO-OFDM系统在压缩感知信道估计下的导频设计问题,提出基于块稀疏惩罚的联合导频分配与序列优化方法,并利用感知矩阵结构推导闭式梯度以高效求解,显著提升信道估计性能。
2025-09-22 eess.SP
Asynchronous Channel Training in Multi-Cell Massive MIMO
导频污染已被认为是时分复用(TDD)多小区大规模多输入多输出(MIMO)系统的主要瓶颈。导频污染问题不能用大规模天线阵列来解决。我们提供了一种新的异步信道训练方案,以获得精确的信道矩阵,而无需基站的合作。该方案通过引入有意的定时失配来利用采样分集。然后,设计了线性最小均方误差(LMMSE)估计器和迫零(ZF)估计器。此外,我们推导出ZF估计的最小平方误差(MSE)上界。此外,我们提出了等分延迟方案,在一定条件下是最优的解决方案,以最小化的ZF估计器的MSE采用单位矩阵作为导频矩阵。我们使用最大比合并(MRC)来计算上行链路可达速率,以比较异步和同步信道训练方案。仿真结果表明,异步信道估计方案可以大大降低导频污染的不利影响。
2017-11-08 eess.SP
Optimizing Pilots and Analog Processing for Channel Estimation in Cell-Free Massive MIMO With One-Bit ADCs
在无小区云无线电接入网络(C-RAN)架构中,上行链路信道估计由连接到分布式远程无线电头端(RRH)的集中式基带处理单元(BBU)执行。当RRH具有多个天线和有限的无线电前端资源时,上行链路信道估计的设计面临由RRH处的减少的射频(RF)链和一位模数转换器(ADC)所带来的挑战。该工作解决了联合优化导频序列和预RF链模拟组合器的问题,其目标是最小化在BBU处估计的信道向量的均方误差(MSE)的和。问题公式化利用Bussgang定理对ADC操作的影响进行建模。一个有效的解决方案是通过迭代交替优化算法。数值结果验证了所提出的联合设计的优势相比,随机选择导频或模拟组合器的基线计划。
2019-12-18 eess.SP
Pilot-Based Uplink Power Control in Single-UE Massive MIMO Systems With 1-Bit ADCs
针对配备1-bit ADC的大规模MIMO系统中数据检测性能随UE发射功率非单调变化的问题,提出基于多幅度导频序列的单次和差分闭环上行功率控制方法,数值验证其优于传统技术。
2023-10-25 eess.SP
Massive MIMO Pilot Assignment Optimization based on Total Capacity
研究了多小区大规模多输入多输出系统中导频分配的影响。当在基站(BS)处部署大量天线以及线性检测/预编码算法时,上行链路(UL)和下行链路(DL)中的系统性能主要受到导频污染的限制。该干扰是每个导频特有的,因此可以通过根据期望的度量将导频序列适当地分配给小区内的用户来改善系统性能。在本文中,我们表明,UL和DL性能构成冲突的指标,在这样一种方式,一个不能实现最佳性能的UL和DL与一个单一的导频分配配置。因此,我们提出了一个替代指标,即总容量,旨在同时实现在两个链路中的合适的性能。由于PA问题是组合的,搜索空间随着导频的数量以阶乘的方式增长,我们还提出了一个低复杂度的次优算法,实现了有前途的容量性能,避免了穷举搜索。此外,我们提出的PA计划与一个有效的功率控制算法的组合揭示了所提出的技术在提供更高的性能为更多的用户的巨大潜力。我们的数值结果表明,与64个BS天线服务10个用户,我们提出的方法可以确保95%的可能速率为4.2 Mbps的DL和UL,和对称的95%的可能速率为1.4 Mbps时,服务32个用户。
2018-10-05 eess.SP
Blind Channel Estimation for MIMO Systems via Variational Inference
本文研究了瑞利衰落信道下MIMO系统的盲信道估计问题。传统的MIMO通信技术需要在每个数据块中发送大量的训练符号作为导频,以获得信道状态信息(CSI),从而可以成功地恢复所发送的信号。然而,随着天线数量的增加,导频开销和污染成为MIMO系统实际应用的瓶颈。为了克服这个障碍,我们提出了一个盲信道估计框架,在这里我们引入了一个辅助后验分布的CSI和发送信号给定的接收信号,以获得一个下界的棘手的似然函数的接收信号。同时,我们通过一个基于神经网络的变分推理框架来生成这个辅助分布,该框架通过最大化下界来训练。然后利用逼近真实先验分布的最优辅助分布来获得信道矩阵和发送数据的最大后验(MAP)估计。仿真结果表明,即使在没有导频的情况下,所提出的盲信道估计方法在信道估计误差和检测信号的误符号率方面的性能也接近于传统的导频辅助方法。
2021-11-16 eess.SP
Joint Channel Estimation and Mixed-ADCs Allocation for Massive MIMO via Deep Learning
毫米波(mmWave)多用户大规模多输入多输出(MIMO)技术是下一代通信系统的重要技术。然而,随着射频(RF)组件数量的增加,硬件成本和功耗显著增长,这阻碍了实际大规模多输入多输出系统的部署。为了解决这个问题并进一步促进大规模多输入多输出的商业化,已经考虑了混合模数转换器(ADC)架构,其中传统假设的全分辨率ADC的部分被一位ADC取代。在本文中,我们首先提出了一种基于深度学习(DL)的联合导频设计和信道估计方法,用于混合ADC毫米波大规模多输入多输出。具体来说,我们设计了一个导频设计神经网络,其权重直接代表优化的导频,并开发了一个龙格库塔模型驱动的密集连接网络作为信道估计器。为了进一步提高信道估计精度,我们设计了一种新的天线选择网络来分配混合ADC,而不是随机分配混合ADC。此外,我们采用了一个自动编码器启发的端到端架构,共同优化导频设计,信道估计和混合ADC分配网络。仿真结果表明,所提出的基于DL的方法具有优于传统的信道估计以及国家的最先进的网络。
2021-06-08 eess.SP
A Novel Pilot Allocation Technique for Uplink OFDMA in ISAC Systems
针对上行OFDMA ISAC系统中交织导频限制无模糊距离和降低CIR估计精度的问题,提出基于循环前缀的相移重叠块导频分配方法,实现了高效多发射机导频分离,提升了CIR分离与MSE性能并最大化无模糊距离。
2025-04-02 eess.SP
Pruning the Pilots: Deep Learning-Based Pilot Design and Channel Estimation for MIMO-OFDM Systems
在宽带大规模多输入多输出(MIMO)系统中,由于大量的天线和子载波,用于信道估计的导频传输的开销可能是过高的。这可能会显著降低整体频谱效率,并因此减少大规模MIMO的潜在好处。针对频分双工(FDD)MIMO正交频分复用(OFDM)系统,提出了一种基于神经网络(NN)的联合导频设计和下行信道估计方案。所提出的NN架构使用全连接层的频率感知导频设计,并优于线性最小均方误差(LMMSE)估计,通过利用卷积NN层的MIMO信道矩阵中的固有相关性。我们提出的神经网络架构使用一个非本地注意模块来学习信道矩阵中的更长范围的相关性,以进一步提高信道估计性能。我们还提出了一种有效的导频减少技术,通过在训练过程中逐渐修剪密集NN层中不太重要的神经元。这构成了NN修剪以减少导频传输开销的新应用。我们基于修剪的导频减少技术通过非均匀地跨子载波分配导频并通过卷积层和注意模块有效地利用信道矩阵中的频率间和天线间相关性来减少开销。
2021-04-12 cs.IT eess.SP math.IT
CS-Based CSIT Estimation for Downlink Pilot Decontamination in Multi-Cell FDD Massive MIMO
用于频分双工(FDD)大规模MIMO的发射机处的有效信道状态信息(CSIT)可以促进其与现有FDD蜂窝网络的后向兼容。迄今为止,针对FDD单小区大规模MIMO系统提出了几种CSIT估计方案,但它们都没有考虑小区间干扰(ICI),并且在多小区情况下会受到下行导频污染的影响。为了解决这个问题,本文提出了一种基于压缩感知(CS)的CSIT估计方案,以对抗FDD多小区大规模MIMO系统中的ICI。具体而言,角域大规模MIMO信道在不同的子载波上表现出共同的稀疏性,并且这种稀疏性部分由相邻用户共享。通过利用这些稀疏特性,我们设计的导频信号和相关的信道估计算法的CS理论的框架下,其中与多个相邻的BS相关联的信道可以可靠地估计与低的训练开销的下行链路导频净化。仿真结果验证了所提出的解决方案的良好的下行链路导频去污性能相比,其传统的多小区FDD大规模MIMO。
2021-08-23 cs.IT eess.SP math.IT
MIMO-Zak-OTFS with Superimposed Spread Pilots
Indian Institute of Science, Bangalore(印度科学学院)
本文针对MIMO-Zak-OTFS系统提出一种在交叉模糊域分离的扩频导频设计,结合turbo迭代信道估计与检测,在vehicular-A信道下实现优异的估计与检测性能。
2025-10-23 cs.IT eess.SP math.IT
Pilot Decontamination for Massive MIMO Network with UAVs
本文研究了地面用户和无人机共存的大规模多输入多输出(MIMO)网络中的导频污染(PC)问题。由于无人机与基站之间存在较强的视距(LoS)空-地信道,与传统的地面用户相比,无人机通常会导致更严重的PC问题。为了减轻由无人机引起的PC,我们提出了一种低复杂度的分布式方案,通过利用大规模MIMO基站的全维波束成形和它们与高空无人机之间的角度相关的LoS信道。仿真结果表明,该方法能够有效地消除导频污染,并能显著提高上下行链路的信干噪比。
2020-06-09 cs.IT eess.SP math.IT
Smart Hybrid Beamforming and Pilot Assignment for 6G Cell-Free Massive MIMO
本文研究了Cell-Free大规模MIMO网络,其中每个接入点(AP)都配备了一个混合收发器,与全数字收发器相比,降低了复杂性和成本。渐近近似的频谱效率推导出上行链路和下行链路。利用这些表达式,最大-最小问题被公式化以优化(i)AP处的模拟波束形成器和(ii)导频分配。仿真结果表明,这些变量的优化大大提高了网络的性能。
2023-01-13 cs.IT eess.SP math.IT
Utility-based Downlink Pilot Assignment in Cell-Free Massive MIMO
我们提出了一种无小区大规模MIMO(多输入多输出)的正交下行链路导频分配策略,利用知识的信道状态信息,在每个用户的信道硬化程度,和移动性条件的用户。这些元素被适当地组合在一起,用于定义用户导频效用度量,其测量用户对用于有效数据解码的下行链路导频的实际需要。所提出的策略包括仅向具有超过预定阈值的导频效用度量的用户分配正交下行链路导频。相反,未被分配有正交下行链路导频的用户通过使用统计信道状态信息来解码数据。与现有技术方法相比,基于效用的方法保证更高的下行链路净和吞吐量,更好地支持高速用户和更短的相干间隔。
2018-04-04 cs.IT eess.SP math.IT
Pilot Assignment in Cell-Free Massive MIMO based on the Hungarian Algorithm
本文主要研究无小区大规模MIMO系统中的导频分配问题。利用著名的匈牙利算法,提出了两个过程,一个最大化系统吞吐量,另一个最大化用户间的公平性。该算法基于大尺度衰落系数的知识作为系统中用户之间距离的代理,并考虑到上行链路和下行链路性能。数值结果表明,所提出的导频分配算法是有效的,并优于许多竞争的替代方案在文献中。
2020-08-26 cs.IT eess.SP math.IT
Mitigating Pilot Contamination and Enabling IoT Scalability in Massive MIMO Systems
Iowa State University(爱荷华州立大学)
针对大规模MIMO系统的导频污染与IoT可扩展性难题,提出基于设备传输模式的集群导频分配方案,结合图着色与最大k割方法提升频谱效率,实现多设备接入。
2023-10-05 cs.GT cs.IT cs.LG
How Much Do Downlink Pilots Improve Cell-Free Massive MIMO?
在本文中,我们分析了包括下行链路导频在无小区的大规模MIMO系统的好处。我们推导出一个近似的每个用户可实现的共轭波束成形处理,其中考虑到上行链路和下行链路的信道估计误差,和功率控制的下行链路速率。在每用户净吞吐量方面进行了性能比较,考虑无小区的大规模MIMO操作,有和没有下行链路训练,对于不同的网络密度。我们还考虑到在下行链路中的最大-最小公平功率控制提供的性能改善。数值结果表明,利用下行链路导频,性能可以显着提高在低密度网络中的传统方案,其中用户只依赖于统计信道知识。在高密度网络中,性能改进是适度的。
2016-09-13 cs.IT eess.SP math.IT
Joint Channel Estimation and Equalization in Massive MIMO Using a Single Pilot Subcarrier
这封信的重点是在正交频分复用(OFDM)为基础的大规模多输入多输出(MIMO)系统的大导频开销的减少。我们提出了一种新的联合信道估计和均衡技术,只需要一个导频子载波,减少了数量级的导频开销。我们利用跨越多个子载波频带的相干带宽。这允许在单个子载波处利用信道频率响应(CFR)来均衡子载波的频带。随后,检测到的数据符号被认为是虚拟导频,并且它们的CFR被更新而不需要额外的导频开销。此后,可以以滑动方式执行剩余的信道估计和均衡。通过这种方法,我们使用多个信道估计来均衡每个子载波上的数据。这使我们能够利用频率分集,提高检测性能。最后,我们通过广泛的数值分析证实了上述主张,显示了我们提出的技术相比传统方法的优越性能。
2022-12-15 cs.IT eess.SP math.IT
Can Massive MIMO Support URLLC?
我们研究了使用大规模MIMO来支持URLLC在基于相干间隔和3GPP兼容的导频设置中的可行性。我们考虑了使用MMSE接收机的免授权上行传输,并采用3GPP信道模型。在基于相干间隔的导频设置中,通过大量的系统级仿真,我们发现使用具有128个天线和MMSE接收机的大规模MIMO基站,可以在具有正交导频和Neyman-Pearson检测器的城市宏(UMa)非视距(NLoS)中实现URLLC要求。然而,在符合3GPP的导频设置中,即使通过使用物理资源块(PRB)子载波的协方差矩阵用于活动UE检测和信道估计以及开环功率控制,我们发现由于PRB中的导频长度和导频符号位置规定不足,URLLC要求仍然难以实现。
2021-02-23 cs.IT eess.SP math.IT
Estimation Large- Scale Fading Channels for Transmit Orthogonal Pilot Reuse Sequences in Massive MIMO System
大规模多输入多输出(MIMO)是未来第五代(5G)系统的关键技术。减少的导频污染(PC)增强了系统性能,并减少了小区间干扰和改善了信道估计。然而,由于单个小区中的用户向相邻小区发送的导频序列不是正交的,因此大规模MIMO系统仍然受到限制。我们提出的信道评估,使用正交导频复用序列(PRS)和零强制(ZF)预编码技术,以消除信道质量差的信道质量的基础上,信道评估,大规模关机评估,并分析最大传输效率的终端用户的信道质量。我们推导了下行链路数据率(DR)和信号干扰噪声比(SINR)的下限,可以实现基于PRS分配给一组用户,其中天线元件的数量减轻干扰时,天线的数量达到无穷大。信道相干间隔限制,正交PRS不能被分配给每个小区中的所有UE。短的相干间隔可以减小PC,提高信道质量。建模结果表明,由于更好的信道评估和更低的损耗,可以实现更高的DR。
2022-10-20 cs.NI eess.SP
Channel Charting-assisted Non-orthogonal Pilot Allocation for Uplink XL-MIMO Transmission
本文针对XL-MIMO近场信道估计导频开销大的问题,提出基于信道图表的近场导频分配算法NCC-PA,利用极域码本和低维映射增强导频复用用户间的信道正交性,显著提升传输性能。
2024-12-30 cs.IT eess.SP math.IT
Deep Learning for Massive MIMO with 1-Bit ADCs: When More Antennas Need Fewer Pilots
本文考虑了具有1位模数转换器(ADC)的上行链路大规模MIMO系统,并开发了一种基于深度学习的信道估计框架。在该框架中,利用先前的信道估计观测和深度神经网络模型来学习从量化的接收测量到信道的非平凡映射。为此,我们推导出足够的长度和导频序列的结构,以保证这个映射函数的存在。这导致了有趣的\textit{counter-intuitive}观察结果,即当大规模MIMO基站采用更多天线时,我们提出的深度学习方法在相同的导频序列长度下实现了更好的信道估计性能。同样,对于相同的信道估计性能,这意味着当采用更多的天线时,需要更少的导频。对于某些特殊的信道模型,这一观察结果也得到了解析证明。仿真结果证实了我们的观察,并表明,更多的天线导致更好的信道估计的归一化均方误差和可实现的信号-噪声比每天线。
2020-05-07 cs.IT eess.SP math.IT
Performance Analysis of NOMA in Training Based Multiuser MIMO Systems
本文考虑在多用户MIMO系统中使用NOMA在实际情况下,CSI是通过导频信令获取。提出了一种新的使用共享导频的NOMA方案。针对包括上行链路导频和下行链路导频的不同导频信令方案执行可速率分析。与传统的正交接入方案与正交导频的可实现的速率性能进行了比较,建议NOMA方案与每个组内的共享导频。我们提出的方案是正交方案的推广,并且当选择适当的功率分配参数时,可以简化为正交方案。数值结果表明,当下行链路CSI在用户处可用时,我们提出的NOMA方案优于正交方案。然而,在小区中存在更多用户组的情况下,优选地使用多用户波束成形而不是NOMA。
2017-11-06 cs.IT eess.SP math.IT
Towards Massive MIMO 2.0: Understanding spatial correlation, interference suppression, and pilot contamination
自2010年Marzetta的开创性论文以来,大规模多输入多输出已经从具有无限数量天线的理论概念转变为实用技术。这些关键概念已在5G中采用,并且具有$M=64$全数字收发器的基站(BS)已在sub-6,GHz频带中进行商业部署。快速的进展是由许多坚实的研究贡献,其中绝大多数假设空间不相关的信道和信号处理方案开发的单细胞操作。这些假设使得大规模多输入多输出的性能分析和优化易于处理,但是具有三个主要警告:1)实际信道是空间相关的; 2)可以通过多小区处理获得大的性能增益,而无需BS协作; 3)由导频污染引起的干扰产生有限的容量限制,如$M\to\infty$。有一条细线的文件,避免了这些警告,但结果很容易错过。因此,本教程文章解释了考虑空间信道相关性和使用为多小区网络设计的信号处理方案的重要性。我们目前的基本限制大规模多输入多输出,这不是由导频污染,但能够获得信道统计的最新结果。这些结果将指导我们迈向下一个级别的大规模多输入多输出,我们称之为“大规模多输入多输出2.0”。
2019-10-05 cs.IT eess.SP math.IT
Topological Pilot Assignment in Large-Scale Distributed MIMO Networks
我们考虑大规模分布式多输入多输出(MIMO)网络中的导频分配问题,其中大量的远程无线电头端(RRH)天线随机分布在一个广阔的区域,并联合服务于相对较少数量的用户(UE)相干。通过人为地施加拓扑结构上的UE-RRH连接,我们建模的网络由一个部分连接的干扰网络,使导频分配问题可以被投射为一个拓扑干扰管理问题与多个组播消息。建立在这样的连接,我们制定的拓扑导频分配(TPA)问题,以两种不同的方式相对于是否要估计的信道连接模式是已知的先验。当它是已知的,我们制定的TPA问题作为一个低秩矩阵完成的问题,可以解决一个简单的交替投影算法。否则,我们制定它作为一个顺序的最大权重诱导匹配问题,可以解决一个混合整数线性规划或一个简单而有效的贪心算法。相对于两种不同的配方的TPA问题,我们评估所提出的算法的效率下的无小区的大规模MIMO设置。
2021-05-26 cs.IT eess.SP math.IT
Massive-MIMO Iterative Channel Estimation and Decoding (MICED) in the Uplink
大规模MIMO使用大量天线,通过用户的空间复用来提高频谱效率(SE),这需要准确的信道状态信息。通常假设常规导频(RP)足以提供高SE,其中时频资源的一部分被保留用于导频。然而,SE受到导频开销和导频污染的限制。替代方案是叠加导频(SP),其中所有资源用于导频和数据。这消除了导频开销,并通过使用更长的导频来减少导频污染。然而,SP遭受降低SE增益的数据干扰。本文提出了大规模MIMO迭代信道估计和解码(MICED)算法,其中部分解码的数据被用作边信息,以改善信道估计和增加SE。我们表明,具有精确数据估计的用户可以帮助具有较差数据估计的用户进行解码。QPSK调制和LDPC码的仿真结果表明,与传统方法相比,MICED算法提高了SE,降低了RP和SP的误块率。具有SP的MICED算法提供了最高的SE,并且在具有短相干块(如高移动性或高频率)的场景中特别有效。
2021-04-30 cs.IT eess.SP math.IT
Random Pilot and Data Access for Massive MIMO Spatially Correlated Rayleigh Fading Channels
由于导频序列的限制和设备活动的间歇模式,在拥挤的场景中随机接入是必要的。目前,大多数相关的工作是基于独立同分布(i.i.d.)渠道然而,大规模多输入多输出(MIMO)信道并不总是独立同相的。在现实的室外无线传播环境中。针对空间相关瑞利衰落信道下的上行大规模多输入多输出系统,提出了一种设备分组和导频集分配算法。首先,将设备分成多个组,并且同一组内的设备的信道协方差矩阵近似正交。在每个组中,分配专用导频集。然后,有源设备执行随机导频和数据接入过程。推导了该方案的信道估计均方误差(MSE-CE)和频谱效率,并证明了当冲突设备具有非重叠的到达角(AoA)间隔时,MSE-CE最小。仿真结果表明,该协议的MSE-CE和频谱效率比传统方案有了提高。特别是对于长导频序列,所提出的方案的MSE-CE在宽信噪比(SNR)区域上接近理论下限。此外,MSE-CE性能增益在高SNR和强相关场景中是显著的。
2019-08-15 cs.IT eess.SP math.IT
Downlink Spectral Efficiency of Cell-Free Massive MIMO with Full-Pilot Zero-Forcing
与蜂窝通信相比,由于增加了宏分集,大规模多输入多输出(MIMO)可确保以高频谱效率(SE)进行无处不在的通信。然而,系统的可扩展性和性能受到前传业务和干扰的限制。与仅抑制小区内干扰的常规预编码方案不同,在[1]中引入的全导频迫零(fpZF)还主动地抑制小区间干扰,而不在接入点(AP)之间共享信道状态信息(CSI)。在这项研究中,我们推导出一个新的封闭形式的表达的下行链路(DL)SE的无小区大规模MIMO系统与多天线AP和fpZF预编码,不完美的CSI和导频污染。该分析还包括最大-最小公平DL功率优化。数值结果表明,fpZF显着优于最大比传输方案,而不增加前传开销,只要系统是充分分布。
2019-09-06 cs.IT eess.SP math.IT
Deep Learning for Joint Design of Pilot, Channel Feedback, and Hybrid Beamforming in FDD Massive MIMO-OFDM Systems
针对FDD大规模MIMO-OFDM系统,提出端到端深度学习框架,联合设计导频、信道反馈与混合波束成形,并利用图神经网络建模波束成形器交互。
2023-12-10 cs.IT eess.SP math.IT
Structure-Informed Estimation for Pilot-Limited MIMO Channels via Tensor Decomposition
Faculty of Exact Sciences and Technology, Pontifical Catholic University of São Paulo (PUC-SP)(精确科学与技术学院,圣保罗天主教大学)
本文提出一种结合张量分解和深度学习的混合估计器,用于在受限于试点的MIMO信道中实现高精度估计,通过结构引导方法提升低秩补全和残差学习的性能。
2026-08-20 cs.AI eess.SP
Pilot Signal and Channel Estimator Co-Design for Hybrid-Field XL-MIMO
本文针对混合场XL-MIMO信道估计问题,提出基于ADMM的最优导频信号设计与两阶段信道估计方法,通过协同设计显著提升稀疏信道恢复的可靠性。
2024-03-28 cs.IT eess.SP math.IT
A Rate Splitting Strategy for Mitigating Intra-Cell Pilot Contamination in Massive MIMO
大规模MIMO(Massive MIMO,MaMIMO)系统的频谱效率(SE)受到低质量信道估计的影响。速率分裂(RS)作为一种有效的手段,近年来在多用户多天线系统中得到了一些关注,以减轻多用户干扰,由于不完善的信道状态信息。本文研究了在单小区MaMIMO系统下行链路中,当所有用户使用相同的导频序列进行信道估计时,RS的好处。在下行链路中通过单层RS策略(依赖于每个用户侧的单个连续干扰消除)实现的SE的新表达式被导出并用于设计用于公共和私有消息的预编码方案和功率分配策略。数值结果表明,所提出的RS解决方案实现了更高的频谱效率,传统的最大比预编码的MaMIMO。
2020-03-13 cs.IT eess.SP math.IT