Pilot-Aided Distributed Multi-Group Multicast Precoding Design for Cell-Free Massive MIMO
该研究针对无蜂窝大规模MIMO系统,提出基于双向导频训练的全分布式多组多播预编码方案,通过组特定上行训练资源消除CSI回程信令,本地优化预编码器,性能显著优于传统仅依赖本地CSI的方案。
2024-01-31 cs.IT eess.SP math.IT
Exploiting Partial FDD Reciprocity for Beam Based Pilot Precoding and CSI Feedback in Deep Learning
大规模MIMO系统可以在准确估计信道状态信息(CSI)的基础上在下行链路(DL)中实现高频谱和能量效率。现有的工作已经开发了基于学习的DL CSI估计,其降低了上行链路反馈开销。一个经常被忽视的问题是可用于CSI估计的DL导频的数量有限。一种提出的解决方案通过利用过去的CSI估计并且仅发送部分阵列的CSI参考符号(CSI-RS)来利用时间CSI相干性以保持CSI恢复性能。利用CSI相关性,FDD信道互易性有助于基站直接存取上行链路CSI。在这项工作中,我们提出了一种新的基于学习的反馈架构和可重构的CSI-RS布局方案,以减少DL CSI训练开销,提高CSI反馈的编码效率。我们的研究结果表明,在室内和室外的情况下,在大幅降低计算能力和存储要求在UE的CSI恢复的建议框架的优越性能。
2022-05-29 cs.IT eess.SP math.IT
Deep Learning for Multi-User MIMO Systems: Joint Design of Pilot, Limited Feedback, and Precoding
Korea University(高丽大学);Pukyong National University(釜庆国立大学);Queen’s University(女王大学)
在具有频分复用(FDD)的传统多用户多输入多输出(MU-MIMO)系统中,信道捕获和预编码器优化过程被分开设计,尽管它们是高度耦合的。本文研究了下行MU-MIMO系统的端到端设计,包括导频序列、有限反馈和预编码。为了解决这个问题,我们提出了一种新的深度学习(DL)框架,该框架联合优化了用户的反馈信息生成和基站(BS)的预编码器设计。MU-MIMO系统中的每个过程都被智能设计的多个深度神经网络(DNN)单元所取代。在基站处,神经网络生成导频序列并帮助用户获得准确的信道状态信息。在每个用户处,由单个用户DNN以分布式方式执行信道反馈操作。然后,另一BS DNN从用户收集反馈信息,并确定MIMO预编码矩阵。提出了一种联合训练算法,以端到端的方式优化所有DNN单元。此外,提出了一种训练策略,该策略可以避免针对不同网络规模的可扩展设计进行再训练。数值结果表明,建议的DL框架相比,经典的优化技术和其他传统的DNN计划的有效性。
2022-09-21 cs.IT cs.LG eess.SP
Synesthesia of Machines (SoM)-Aided Online FDD Precoding via Heterogeneous Multi-Modal Sensing: A Vertical Federated Learning Approach
Peking University(北京大学);The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳))
本文提出一种基于垂直联邦学习的异构多模态感知辅助在线FDD预编码方法,通过优化导频序列长度降低时延,提升频分双工系统性能。
2026-01-19 eess.SP
Code-Frequency Block Group Coding for Anti-Spoofing Pilot Authentication in Multi-Antenna OFDM Systems
在多用户正交频分复用(OFD-M)系统中,导频定位器可以通过使用与合法节点相同的公知导频音来瘫痪信道估计。这导致导频认证(PA)的问题。为了解决这个问题,我们提出了一种基于码频块组(CFBG)编码的两用户多天线OFDM系统的PA机制。在此,多用户导频信息在被独立随机化以避免被欺骗之后,被转换为码频域上的子载波块组的激活模式。利用CFBG编码理论和信道特性,这些模式在无线传输环境中虽然相互重叠、相互干扰,但仍能被高精度地分离出来,并被识别为原始导频。特别地,我们通过两个步骤开发CFBG代码,即,1)设计了一种有序信号检测技术,用于识别每个子载波块上共存信号的个数,并利用检测到的个数对每个子载波块进行编码; 2)利用k维拉丁超立方体构造零误丢弃(ZFD)码和基于块检测(BD)码,并将这两种码集成到CFBG码中。该码可以带来期望的导频分离错误概率(SEP),该SEP与占用的子载波和天线的数量成反比,具有k次幂。为了将该码应用于PA,提出了一种导频传送、分离和识别的方案。在此基础上,提出了一种联合信道估计和识别机制,在不占用额外资源的情况下实现高精度的信道恢复,同时增强PA。仿真结果验证了该机制的有效性。
2018-01-23 cs.CR cs.IT eess.SP
Large-Scale Fading Precoding for Maximizing the Product of SINRs
针对多小区大规模MIMO(multiple-input multiple-output)系统下行链路中的导频污染问题,提出了一种大尺度衰落预编码方案。莱斯衰落与空间相关的信道被认为是视线(LOS)的信道分量是随机相移在每个相干块。大尺度衰落预编码权值的设计基于最大化用户的信号与干扰加噪声比(SINR)的乘积,这提供了最大最小公平性与和速率最大化之间的良好平衡。频谱效率(SE)的基础上推导出的缩放最小二乘(LS)估计的信道,它只利用解扩导频信号没有任何矩阵求逆。仿真结果表明,与传统的单层预编码相比,两层大尺度衰落预编码提高了几乎所有用户的SE。
2020-02-04 cs.IT eess.SP math.IT
Uplink-Downlink Duality and Precoding Strategies with Partial CSI in Cell-Free Wireless Networks
我们认为一个可扩展的以用户为中心的无线网络与动态集群的形成所定义的Björnsson和Sanguinetti。在已经示出了主导信道子空间信息对于上行链路(UL)导频净化的重要性并且已经在我们先前的工作中检查了不同的UL组合方案之后,在这里,我们研究用于下行链路(DL)的预编码策略。针对不同的天线分布、用户密度和UL导频尺寸,评估分布式可扩展DL预编码和功率分配方法。我们将分布式功率分配方法与基于特定形式的UL-DL二元性的方案进行比较,该方案可由中央处理器基于可用的部分信道状态信息来计算。新的对偶方法实现了UL和DL的几乎对称的“乐观遍历速率”,同时节省了相当大的计算复杂性,因为UL组合向量被重用为DL预编码器。
2022-01-17 cs.IT eess.SP math.IT
Distributed Precoding Design for Multi-Group Multicasting in Cell-Free Massive MIMO
我们考虑多组多播预编码设计无小区大规模多输入多输出(MIMO)系统。为了优化发送和接收波束成形策略,我们专注于最小化的最大均方误差(MSE)的总和在多播组,然后近似的总和MSE,以简化计算和信令。我们采用了一种迭代的双向训练方案与上行链路和下行链路预编码的导频协作设计的多组多播预编码器在每个基站和组合器在每个用户设备在分布式的方式。引入了附加的组特定上行链路训练资源,其完全消除了对用于信道状态信息(CSI)交换的回程信令的需要。我们还提出了一个更简单的分布式预编码设计,仅基于组特定的导频,这可能是有用的情况下,稀缺的训练资源。数值结果表明,所提出的分布式方法大大优于传统的无小区的大规模MIMO预编码设计,只依赖于本地CSI。
2022-11-10 cs.IT eess.SP math.IT
Near-Field MIMO Channel Acquisition: Geometry-Aided Feedback and Transmission Design
本文针对近场视距MIMO系统,提出基于双离开角和相对旋转角的紧凑信道参数化及几何辅助CSI重建方案,结合两阶段预编码和两步流分配,以极少导频和OTA迭代逼近完美CSI性能。
2025-05-07 eess.SP
Deep Learning for Distributed Channel Feedback and Multiuser Precoding in FDD Massive MIMO
本文表明,深度神经网络(DNN)可用于有效的和分布式的信道估计,量化,反馈,和下行链路多用户预编码的频分双工大规模多输入多输出系统中,基站(BS)服务于多个移动用户,但从用户到BS的速率受限的反馈。一个关键的观察是,多用户信道估计和反馈问题可以被认为是一个分布式信源编码问题。在传统的方法中,信道状态信息(CSI)的估计和量化在每个用户独立的,本文表明,联合设计的导频和一个新的DNN架构,直接映射到反馈比特在用户侧的接收导频,然后从所有用户的反馈比特直接映射到预编码矩阵在BS,可以显着提高整体性能。本文进一步提出了鲁棒的设计策略,相对于信道参数,也是一个可推广的DNN架构的不同数量的用户和反馈比特数。数值结果表明,基于DNN的方法具有短导频序列和非常有限的反馈开销,已经可以接近传统的线性预编码方案的性能与完整的CSI。
2021-01-26 cs.IT eess.SP math.IT
Estimation of Doubly-Dispersive Channels in Linearly Precoded Multicarrier Systems Using Smoothness Regularization
针对URLLC中线性预编码多载波系统的双色散信道估计难题,提出仅预编码数据、在TF域直接放置导频并利用平滑正则化插值的方案,实现高精度估计并降低信令开销。
2022-10-11 cs.IT eess.SP math.IT
Tri-Domain Multiuser MIMO Precoding Optimization and Channel Estimation with Spatial-EM Reconfigurable Antenna
针对集成空间可重构天线与电磁可重构天线的三域多用户MIMO系统,提出基于加权最小均方误差的三域联合优化算法和低开销移动辅助信道估计方案,提升频谱效率与信道估计精度。
2026-08-27 cs.IT eess.SP math.IT
Feedback Design with VQ-VAE for Robust Precoding in Multi-User FDD Systems
本文提出基于VQ-VAE的反馈方案,用于多用户FDD系统中的鲁棒预编码设计,在低导频开销下优于现有AE压缩和DFT码本方案,可减少反馈比特或导频需求。
2024-08-08 cs.IT eess.SP math.IT
FDD Massive MIMO: How to Optimally Combine UL Pilot and Limited DL CSI Feedback?
针对FDD大规模MIMO系统下行CSI获取反馈开销大、仅用上行导频估计精度不足的问题,提出结合上行CSI与有限下行相位量化反馈的MSE最优信道重建及比特分配方法,可实现接近完美CSI的和频谱效率。
2024-05-14 eess.SP
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
Deep Learning-Based Rate-Splitting Multiple Access for Reconfigurable Intelligent Surface-Aided Tera-Hertz Massive MIMO
Beijing Institute of Technology(北京理工大学);Nanjing University of Aeronautics and Astronautics(南京航空航天大学);Beihang University(北京航空航天大学);University of New South Wales(新南威尔士大学);Zhejiang University(浙江大学)
可重构智能表面(RIS)可以显著提高太赫兹大规模多输入多输出(MIMO)通信系统的业务覆盖。然而,在有限的导频和反馈信令开销的情况下获得准确的高维信道状态信息(CSI)是具有挑战性的,严重降低了传统空分多址接入的性能。为了提高对CSI缺陷的鲁棒性,提出了一种基于深度学习(DL)的速率分裂多址接入(RSMA)方案,用于RI辅助的太赫兹多用户MIMO系统。具体来说,我们首先提出了一种混合数据模型驱动的DL基于RSMA预编码方案,包括被动预编码在RIS以及模拟主动预编码和RSMA数字主动预编码在基站(BS)。为了在RIS上实现被动预编码,我们提出了一种基于Transformer的数据驱动RIS反射网络(RRN)。对于基站的模拟主动预编码,考虑到基站和RIS采用LoS-MIMO天线阵列结构,提出了一种基于匹配滤波器的模拟预编码方案。对于基站处的RSMA数字主动预编码,提出了一种低复杂度的近似加权最小均方误差(AWMMSE)数字预编码方案。此外,为了获得更好的预编码性能和更低的计算复杂度,将AWMMSE方案与DL相结合,设计了一种模型驱动的深度展开主动预编码网络(DFAPN)。然后,为了在BS处获取所研究的RSMA预编码方案的准确CSI以实现更高的频谱效率,我们提出了具有低导频和反馈信令开销的CSI获取网络(CAN),其中下行链路导频传输、用户设备(UE)处的CSI反馈以及BS处的CSI重构…
2022-12-05 cs.AI cs.IT cs.LG
Deep-Learning Aided Channel Training and Precoding in FDD Massive MIMO with Channel Statistics Knowledge
提出了一种基于深度神经网络(DNN)的FDD大规模MIMO中的信道训练和预编码方法,利用下行链路(DL)信道协方差知识。DNN被优化以通过基于用户信道协方差产生预波束成形矩阵来最大化DL多用户和速率,该预波束成形矩阵将原始信道向量映射到有效信道。这些有效信道的测量在用户处经由公共导频传输接收,并且通过模拟反馈发送回基站(BS)而无需进一步处理。BS根据接收到的反馈估计有效信道,并且通过在有效信道上将优化的预波束成形矩阵与迫零预编码器级联来构造线性预编码器。我们表明,所提出的方法产生显着更高的总速率比国家的最先进的基于DNN的信道训练和预编码方案,特别是在小导频和反馈大小相对于信道相干块长度的情况下。与文献中的许多作品不同,我们的主张不涉及在用户端部署DNN,这通常会带来很高的计算成本和系统上的参数传输开销,因此更加实用。
2023-03-20 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
Two-Timescale End-to-End Learning for Channel Acquisition and Hybrid Precoding
Zhejiang University(浙江大学);NVIDIA(英伟达);Weizmann Institute of Science(魏茨曼科学研究所)
针对毫米波(mmWave)大规模多输入多输出(MIMO)系统,提出了一种基于深度学习的端到端联合收发器设计算法,该算法由深度神经网络(DNN)辅助导频训练、信道反馈和混合模数(HAD)预编码组成。具体来说,我们开发了一种DNN架构,该架构将接收到的导频映射到接收机处的反馈比特,然后进一步将反馈比特映射到发射机处的混合预编码器中。为了减少信令开销和信道状态信息(CSI)的不匹配所造成的传输延迟,两个时标DNN组成的长期DNN和短期DNN的发展。模拟预编码器由长期DNN基于CSI统计来设计,并且在由多个时隙组成的帧中更新一次。相比之下,数字预编码器在每个时隙处基于估计的低维等效CSI矩阵由短期DNN优化。一个双时标的训练方法也开发了建议DNN与二进制层。然后,我们分析了所提出的DNN算法的泛化能力和信令开销。仿真结果表明,我们所提出的技术显着优于传统的方案在比特出错率性能与减少信令开销和更短的导频序列。
2021-10-26 cs.IT cs.LG eess.SP
Large-Model AI for Near Field Beam Prediction: A CNN-GPT2 Framework for 6G XL-MIMO
针对6G XL-MIMO毫米波高移动性场景下近场波束预测的导频开销大和波束索引突变问题,提出CNN-GPT2框架,结合宽波束模拟与频变数字预编码的上行导频策略,端到端预测近场波束索引。
2025-10-26 eess.SP
Codebook-Based Effective CSI Feedback for Precoding Design in MIMO Systems
Skylo Technologies Europe Oy;Centre for Wireless Communications, University of Oulu(奥卢大学无线通信中心);Nokia(诺基亚)
针对多小区MIMO系统有限CSI反馈的预编码失配问题,提出ECSI反馈框架,通过UE合并后有效信道量化反馈,迭代优化预编码,实现平均总速率提升30%。
2026-09-24 eess.SP
Gaussian Phase Noise Effects on Hybrid Precoding MIMO Systems for Sub-THz Transmission
IMT Nord Europe, Institut Mines Télécom(IMT北欧大学,矿业电信学院);Inria(法国国家数字与信息技术研究所)
研究探讨了高斯相位噪声对亚THz传输中混合预编码MIMO系统的影响,通过奇异值分解和常见本地振荡器架构分析,推导出信道容量下限并提供QAM调制下的误码率表达式,验证了通过单个导频符号可有效对抗高斯相位噪声。
2026-03-26 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
Resource Allocation for Cell-free Massive MIMO-enabled URLLC Downlink Systems
超可靠低延迟通信(URLLC)是实现工业物联网(IIoT)设备无线控制的关键技术。通过部署分布式接入点(AP),无小区大规模多输入多输出(CF mMIMO)具有为IIoT设备提供URLLC服务的巨大潜力。在本文中,我们研究了智能工厂中CF mMIMO使能的URLLC。针对最大比传输(MRT)、全导频迫零(FZF)和局部迫零(LZF)预编码方案,推导了有限信道块长度(FCBL)和不完全信道状态信息(CSI)下下行链路各态历经数据率的下界。同时,通过基于导出的LB联合优化导频功率和发射功率来最大化加权和速率。具体来说,我们首先提供的全球最优解的导频功率,然后引入一些近似转换成一系列的子问题,它可以表示在一个几何规划(GP)的形式,可以很容易地解决原来的问题。最后,提出了一种基于不同预编码方案的功率分配优化迭代算法。仿真结果表明,该算法优于现有的算法,和URLLC服务的质量将受益于部署更多的AP,除了FZF预编码方案。
2023-02-18 cs.IT eess.SP math.IT
Joint CSI Estimation-Feedback-Precoding via DJSCC for MU-MIMO OFDM Systems
School of Electronic and Information Engineering, Beijing Jiaotong University(北京交通大学电子信息工程学院);ZTE Corporation(中兴通讯股份有限公司)
本文提出了一种基于DJSCC的联合CSI估计-反馈-预编码网络,通过自适应用户数量和减少计算开销,提升多用户MIMO OFDM系统的频谱效率。
2025-12-12 eess.SP
FDD Massive MIMO Without CSI Feedback
发射机信道状态信息(CSIT)对于大规模多输入多输出(MIMO)系统提供的频谱效率增益是必不可少的。在频分复用(FDD)大规模MIMO系统中,通常通过下行链路信道估计和用户反馈来获取CSIT,但是随着天线数量的增加,用于每个用户的CSI训练和反馈的开销增加,导致频谱效率的降低。在本文中,我们表明,在FDD中使用上行链路导频,下行链路和频谱效率增益与完美的下行链路CSIT是可以实现的,当在基站的天线数量是无限的一些温和的信道条件下。该方法的核心思想是利用上下行信道的几何互易性,提出了基于上行导频的均方误差最优下行信道重构方法。我们还提出了一个强大的下行链路预编码方法利用重建的信道与误差协方差矩阵。我们的系统级仿真结果表明,我们提出的预编码方法可以达到可比的总和频谱效率迫零预编码与完美的下行链路CSIT,没有CSI训练和反馈。
2023-02-09 cs.IT eess.SP math.IT
Optimal Independence-Checking Coding For Secure Uplink Training in Large-Scale MISO-OFDM Systems
由于导频信号的确定性,导频感知攻击通过干扰、置零和欺骗导频信号,严重影响大规模MISO-OFDM系统的上行信道训练。为了解决这个问题,我们在本文中开发了一个独立检查编码(ICCB)的上行链路训练架构的一个环散射的情况下,允许均匀线阵(ESTA)的部署。在这里,我们不仅插入随机导频的子载波上的信道脉冲响应(CIR)估计,但也多样化和编码子载波激活模式(SAP),同时传达这些导频。在无线环境中,编码后的SAP虽然受到任意未知SAP的干扰,但通过检查子载波中存在的隐藏信道独立性,仍有资格被可靠地识别并解码为原始导频。具体来说,独立性检查编码(ICC)理论制定支持在这种架构中的编码/解码过程。最佳ICC码的进一步发展,以保证一个良好的实施估计的CIR,同时最大限度地提高码率。在此基础上,给出了该结构的识别错误概率(IEP)的特征,以评估该结构的可靠性。有趣的是,我们发现了利用阵列空间相关性降低IEP的原理,并证明了零IEP,即,完美的可靠性,可以保证连续分布的平均到达角(AoA)。此外,在离散分布的情况下,导出了一种新的封闭形式的IEP表达式.仿真结果验证了该结构的有效性。
2018-03-06 eess.SP
Model-based learning for joint channel estimationand hybrid MIMO precoding
Univ Rennes, INSA Rennes, CNRS, IETR-UMR 6164(雷恩大学、雷恩国立应用科学学院、法国国家科学研究中心、IETR-UMR 6164);IETR UMR CNRS 6164, CentraleSupelec Rennes Campus(IETR UMR CNRS 6164、中央理工-高等电力学院雷恩校区)
针对massive MIMO中联合信道估计与混合预编码难且依赖精确信道信息的问题,提出基于模型的端到端轻量可解释神经网络,用展开匹配追踪和投影梯度上升分别实现两步,在真实合成信道上验证了潜力。
2025-09-03 cs.LG eess.SP
Deep Learning-Aided Delay-Tolerant Zero-Forcing Precoding in Cell-Free Massive MIMO
在无小区大规模多输入多输出(CFmMIMO)的背景下,迫零预编码(ZFP)在频谱效率方面是优越的。然而,由于前传和处理延迟,它遭受信道老化。在本文中,我们提出了一种鲁棒的方案,即延迟容忍迫零预编码(DT-ZFP),它利用深度学习辅助信道预测来减轻过时的信道状态信息(CSI)的影响。由一组用户特定的预测模块组成的预测器是专门为这种多用户场景设计的。利用由预测时域带来的自由度,可以并行化通过前传网络的CSI和预编码数据的递送以及通过空中接口的用户数据和导频的传输。因此,DT-ZFP不仅有效地对抗信道老化,而且避免了CFmMIMO中规范ZFP的低效停止和等待机制。
2022-10-11 cs.IT eess.SP math.IT
Geometry-Informed Neural Network for Pilot-Limited Channel Estimation via Sensing from Uplink Traffic
University of California San Diego(加州大学圣地亚哥分校)
针对导频受限的上行信道估计,提出TRACE方法,利用常规多用户上行流量学习几何感知先验并结合少量导频,在15 GHz街道峡谷中以8导频实现-7.48 dB NMSE,优于现有方法超3 dB。
2026-10-08 eess.SP
Channel Estimation and Hybrid Precoding for Massive MIMO-OTFS System With Doubly Squint
本文针对大规模MIMO-OTFS系统中的双斜视效应,提出基于峰值索引的信道估计方案和混合预编码方法,通过刻画宽带信道模型并推导chirp导频受信道参数的影响,有效缓解波束斜视与Doppler斜视,仿真验证其优于现有方案。
2025-04-11 eess.SP
Deep Learning for Direct Hybrid Precoding in Millimeter Wave Massive MIMO Systems
本文提出了一种新的神经网络架构,我们称之为自动预编码器,以及一种基于深度学习的方法,该方法联合感知毫米波(mmWave)信道,并设计仅使用少量训练导频的混合预编码矩阵。更具体地,所提出的机器学习模型利用信道的先前观测来实现两个目标。首先,它以无监督的方式基于周围环境优化压缩信道感知向量,以将感知功率集中在最有希望的空间方向上。这是通过一种新颖的神经网络架构实现的,该架构考虑了RF链上的约束,并将发射机/接收机测量矩阵建模为两个复值卷积层。其次,所提出的模型学习如何直接从投影信道向量(接收到的感测向量)构建混合架构的RF波束成形向量。结合信道感测和波束预测的自动预编码器神经网络被端到端地训练为多任务分类问题。由于这种设计方法利用了先前的信道观察和对周围环境/用户分布的隐式感知,与经典(非机器学习)解决方案相比,所提出的方法显著降低了训练开销。例如,对于64个发射天线和64个接收天线的系统,在两侧具有3个RF链,所提出的解决方案仅需要8或16个信道训练导频来直接预测混合架构的RF波束成形/组合向量,并实现接近最优的可实现速率。这突出了毫米波和大规模MIMO系统中的信道估计和混合预编码设计问题的有前途的解决方案。
2019-05-30 cs.IT eess.SP math.IT
Sustainable LSTM-Based Precoding for RIS-Aided mmWave MIMO Systems with Implicit CSI
Research Center for Information Technology Innovation (CITI), Academia Sinica (AS)(信息科技创新研究中心(CITI)、中华学术院(AS));Institute of Communication Engineering (ICE), National Sun Yat-sen University (NSYSU)(通信工程研究所(ICE)、国立中山大学(NSYSU))
提出一种基于LSTM的RIS辅助毫米波MIMO预编码框架,利用隐式CSI降低开销,实现90%频谱效率且计算时间仅2.2%,能耗降低近两个数量级。
2025-10-08 cs.AI cs.IT cs.LG
Randomized Channel Sparsifying Hybrid Precoding for FDD Massive MIMO Systems
针对FDD大规模MIMO系统中信令开销高、基站硬件成本与功耗大的问题,提出随机信道稀疏化混合预编码方案,通过时分模拟预编码、稀疏化信道、对偶理论数字预编码及联合优化,在有限导频下实现高效传输并得到问题的KKT点。
2019-12-12 eess.SP
Soft Handover Procedures in mmWave Cell-Free Massive MIMO Networks
本文针对毫米波无蜂窝大规模MIMO网络中的UE移动性问题,提出分布式联合导频分配与簇形成算法,在保证频谱效率的同时大幅降低计算复杂度和导频变更次数。
2023-11-02 eess.SP
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
A Completely Blind Channel Estimation Technique for OFDM Using Generalized Constellation Splitting and Modified Phase-Directed Algorithm
针对SISO-OFDM系统盲信道估计中的复标量模糊问题,提出一种结合广义星座分裂和改进相位导向算法的完全盲解决方案,无需导频即可消除模糊,并通过MATLAB仿真验证了其有效性。
2025-07-27 eess.SP
Pilot Contamination Elimination for Channel Estimation with Complete Knowledge of Large-Scale Fading in Downlink Massive MIMO Systems
大规模多输入多输出是未来第五代系统的一项重要技术。然而,由于导频污染,大规模多输入多输出系统仍然受到限制,导频污染由于由同一小区中的用户向相邻小区发送的导频序列的非正交性而影响数据率。在对大尺度衰落信道估计的基础上,通过对最大比传输和迫零预编码方法的性能分析,提出了一种在大尺度衰落信道下,利用正交导频复用序列消除边缘用户信道质量差时的伪码的信道估计方法。当天线阵元数接近无穷大时,通过为用户分组分配PRS,我们推导出了下行链路可达到的DR和信干噪比的下界,从而缓解了这个问题。仿真结果表明,由于更好的信道估计和更小的性能损失,可以实现高的DR。
2021-06-25 cs.IT eess.SP math.IT
User Subgrouping in Scalable Cell-Free Massive MIMO Multicasting Systems
该研究针对超5G无蜂窝大规模MIMO系统,提出基于用户空间信道特征相似性划分多播子群的框架,结合两种可扩展预编码策略,在用户聚类场景下显著提升多播服务频谱效率。
2024-09-18 eess.SP
End-to-End Deep Learning for TDD MIMO Systems in the 6G Upper Midbands
针对6G高中段TDD MIMO系统最优方法难落地的问题,提出含信道自适应导频的端到端深度学习方案,可生成近最优预编码器,在中高信噪比和导频开销受限时显著提升和速率。
2024-02-01 cs.IT eess.SP math.IT
OTFS-based Robust MMSE Precoding Design in Over-the-air Computation
本研究提出一种基于OTFS的AirComp系统鲁棒MMSE预编码设计,通过联合传输导频与数据以减少CSI反馈开销,并基于上一帧CSI设计考虑噪声与过时CSI误差的鲁棒预编码矩阵,有效降低了均方误差。
2024-03-26 cs.IT eess.SP math.IT
Uplink-Downlink Channel Covariance Transformations and Precoding Design for FDD Massive MIMO
当今部署的大多数蜂窝网络利用频分双工(FDD),其中与时分双工(TDD)相比,信道互易性不成立,并且需要显式下行链路(DL)探测和上行链路(UL)反馈以便实现空间复用增益。为了支持大规模MIMO,由常规DL探测和UL反馈方案引起的开销随着BS天线的数量线性缩放,并且因此可能非常大。在本文中,我们提出了一种新的方法来实现一个非常有竞争力的空间复用增益和探测反馈开销之间的权衡在这样的系统。我们的方法基于两种新颖的方法:(i)基于深度神经网络(DNN)的有效正则化技术,其学习用户信道的角度扩展函数(ASF)并允许从噪声i.i.d.通过UL导频自由获得的信道观测(UL-DL协方差变换),(ii)一种新的“稀疏化预编码”技术,其使用来自(i)的估计的DL协方差矩阵并且在DL信道上施加受控的稀疏性,使得给定任何分配的DL导频维度,能够找到最佳稀疏水平和相应的稀疏化预编码器,稀疏化之后的信道向量可以在BS处以低均方误差来估计。我们通过数值模拟将我们在(i)中提出的基于DNN的方法与文献中的其他方法进行了比较,并表明它产生了非常有竞争力的性能。我们还比较了我们的稀疏化预编码器(ii)与最先进的统计波束形成方法的假设下,这些方法也有机会在DL的协方差知识,并表明,我们的方法产生更高的频谱效率,因为它使用另外的瞬时信道信息稀疏化后。
2019-12-05 cs.IT eess.SP math.IT
HoloTrace: a Location Privacy-Preserving Framework for mmWave MIMO-OFDM Systems
Politecnico di Milano(米兰理工大学);Chalmers University of Technology(查尔姆斯理工大学);Autonomous University of Barcelona(巴塞罗那自治大学)
针对6G蜂窝网络中UE定位的位置隐私问题,提出HoloTrace框架,通过用户侧欺骗定位相关特征,无需协议修改和网络支持。将欺骗公式化并求解,仿真验证其能使UE欺骗基站,产生定位误差,是6G网络实用的隐私保护方案。
2026-11-03 eess.SP
Active Sensing for Reciprocal MIMO Channels
本文针对TDD大规模MIMO信道,提出基于循环神经网络和全连接神经网络的主动感知框架,通过交替设计感知波束成形器直接学习预编码与合并矩阵,在全数字和混合结构下均显著优于现有方法,且在低信噪比区域仍保持优越性能。
2024-06-07 cs.IT eess.SP math.IT
Reduced-Feedback Hybrid Precoding for Wideband mmWave MIMO-OFDM Systems via Hierarchical Interpolation
Academia Sinica(中央研究院);National Sun Yat-sen University(国立中山大学);Virginia Tech(弗吉尼亚理工大学);National Cheng Kung University(国立成功大学)
本文提出一种宽带毫米波MIMO-OFDM系统的降反馈混合预编码框架,通过分层插值减少数字预编码反馈负担,反馈减少约98.34%,兼具良好性能与鲁棒性。
2026-10-27 cs.IT eess.SP math.IT
A New Look at Cell-Free Massive MIMO: Making It Practical With Dynamic Cooperation
本文通过网络MIMO文献中的动态协作集群框架,对无小区大规模MIMO(多输入多输出)进行了新的研究。其目的是识别和解决在以前的工作中出现的可伸缩性问题。我们提供分布式算法的初始接入,导频分配,集群形成,预编码,并结合可扩展的意义上的任意多个用户的可实现的。有趣的是,建议的预编码和组合分别优于共轭波束成形和匹配滤波,同时也是完全分布式的。
2019-06-26 cs.IT eess.SP math.IT
Deep Learning for Channel Sensing and Hybrid Precoding in TDD Massive MIMO OFDM Systems
本文提出了一种深度学习方法,用于在时分双工模式下操作并采用单载波或多载波传输的大规模多输入多输出系统的信道感测和下行链路混合波束成形。传统的预编码设计涉及两步过程,首先估计高维信道,然后基于这样的估计来设计预编码器。然而,这两步过程不一定是最佳的。本文表明,通过使用学习的方法来设计的模拟感知和混合下行链路预编码器直接从接收到的导频没有中间的高维信道估计,系统的整体性能可以显着提高。然而,训练神经网络以同时设计模拟和数字预编码器是困难的。此外,这种方法不能推广到具有不同数量的用户的系统。在本文中,我们开发了一种简化的和可推广的方法,使用深度神经网络学习上行链路感知矩阵和下行链路模拟预编码器,该深度神经网络基于每个用户进行分解,然后基于估计的低维等效信道设计数字预编码器。数值比较表明,所提出的方法的结果显着减少训练开销,并导致一个体系结构,推广到各种系统设置。
2022-06-29 cs.IT eess.SP math.IT
Local Partial Zero-Forcing Precoding for Cell-Free Massive MIMO
无小区大规模MIMO(多输入多输出)是用于5G及以后系统的有前途的分布式网络架构。它通过利用多个接入点(AP)处的信号协同处理、积极的空间用户复用和非凡的宏分集增益来保证高频谱效率(SE)的无处不在的覆盖。在这项研究中,我们提出了两个分布式预编码方案,称为\textit{local partial zero-forcing}(PZF)和\textit{local protective partial zero-forcing}(PPZF),进一步提高频谱效率,通过提供一个自适应的权衡之间的干扰消除和提升所需的信号,没有额外的前端传输开销,并实现了AP与很少的天线。在独立瑞利衰落信道、信道估计误差和导频污染的假设下,我们推导出了可实现的SE的封闭形式的表达式。PZF和PPZF可以大大优于最大比传输和迫零,并且它们的性能与正则化迫零(RZF)所实现的性能相当,RZF是下行链路中的基准。重要的是,这些封闭形式的表达式可以用来设计最佳的(长期)功率控制策略,也适合于RZF,其封闭形式的表达的SE是不可用的。
2020-04-16 cs.IT eess.SP math.IT
Capacity-Net-Based RIS Precoding Design without Channel Estimation for mmWave MIMO System
Institute of Communication Engineering (ICE), National Sun Yat-sen University (NSYSU)(通信工程研究所,国立中山大学);Research Center for Information Technology Innovation (CITI), Academia Sinica (AS)(资讯科技创新研究中心,中华学术院);Department of Electrical Engineering, National Ilan University (NIU)(电气工程系,国立宜兰大学)
针对RIS辅助毫米波MIMO系统中CSI获取困难的问题,提出无需信道估计的Capacity-Net无监督学习方法,通过接收导频信号直接建立RIS相移与可达速率的映射以最大化速率,性能优于传统信道估计类学习方法。
2025-09-30 cs.AI cs.IT cs.LG
Learning-Based MIMO Channel Estimation under Spectrum Efficient Pilot Allocation and Feedback
使用大规模MIMO收发器的无线链路对于下一代无线通信网络至关重要。大规模MIMO传输中的预编码需要准确的下行链路信道状态信息(CSI)。许多最近的工作已经有效地应用深度学习(DL)来联合训练UE侧压缩网络以用于延迟域CSI和BS侧解码方案。重要的是,这些工作假设全延迟域CSI在UE处可用,但实际上,UE必须基于有限数量的频域导频来估计延迟域。在这项工作中,我们提出了一个线性导频延迟(P2 D)估计,将稀疏频率导频截断延迟CSI。我们证明了P2 D估计在频率下采样下是准确的,并且我们证明了P2 D估计可以有效地利用现有的基于自动编码器的CSI估计网络。除了考虑基于导频的下行链路CSI估计,我们应用展开的优化网络来模拟压缩感知(CS)的迭代解决方案,并且我们表现出比先前基于自动编码器的DL网络更好的估计性能。最后,我们研究了可训练CS网络在差分编码网络中用于时变CSI估计的有效性,并提出了一种新的网络MarkovNet-ISTA-ENet,该网络由用于初始CSI估计的CS网络和用于估计误差项的多个自动编码器组成。我们证明了这种异构网络具有更好的渐近性能比网络组成的只有一种类型的网络。
2022-01-13 cs.IT eess.SP math.IT
Multi-Antenna Users in Cell-Free Massive MIMO: Stream Allocation and Necessity of Downlink Pilots
KTH Royal Institute of Technology(皇家理工学院);Gyeongsang National University(庆尚国立大学)
本文研究了多天线用户在无中心大规模MIMO中的应用,提出了一种基于导频的下行链路估计方案,通过数值分析展示了下行链路导频对频谱效率的提升作用。
2025-12-29 cs.IT eess.SP math.IT
Self-Learning Detector for the Cell-Free Massive MIMO Uplink: The Line-of-Sight Case
无小区大规模多输入多输出(MIMO)技术中的预编码依赖于用户(UE)和接入点(AP)之间的信道响应的准确知识。获得高质量的信道估计又需要已知UE和AP对之间的路径损耗。这些路径损耗可能会迅速变化,特别是在具有移动阻挡物体的视线环境中。估计路径损耗的困难在于导频污染,即,来自不同UE的同时发送的导频可能偶然地破坏性地或建设性地相加,严重影响估计质量(并且因此影响最终性能)。提出了一种用于估计路径损耗的方法以及伴随的导频传输方案,该方法适用于瑞利衰落和视距信道,并且显著地改善了现有技术的性能。该导频传输方案的显著特征是导频在不同的相干块上进行结构相位旋转(根据所有各方已知的预定函数),以便创建所接收的导频信号的有效统计分布,其可以被所提出的估计算法有效地利用。
2020-05-19 cs.IT eess.SP math.IT
Hybrid OTFS/OFDM Design in Massive MIMO
针对不同移动性用户的下行链路大规模MIMO系统,提出混合OTFS/OFDM调制方案及FZF和PZF预编码设计,并设计加权最大-最小功率控制方案以优化频谱效率与用户公平性。
2024-08-28 cs.IT eess.SP math.IT
RSS map-assisted MIMO channel estimation in the upper mid-band under pilot constraints
University of California San Diego(加州大学圣地亚哥分校)
本文提出了一种结合物理信息的神经网络框架,通过融合RSS地图与深度网络,提升中高频段MIMO信道估计在有限试点条件下的性能,实现5dB以上的NMSE增益。
2026-02-18 cs.LG eess.SP