MMJul, 2009

多输入多输出广播信道中的压缩感知反馈减少

PDF
TL;DR本文提出通用反馈模型和基于压缩感知的机会反馈方案，用于在 MIMO 广播通道中减少反馈资源的使用，并研究了模拟和数字方案。该方案通过压缩感知技术识别强用户，从而有效降低反馈信道的数量和反馈负荷，同时达到相同的总速率吞吐量。同时，研究表明，在固定的反馈比特预算下，存在着反馈 SINR 准确性和共享通道数量之间的折衷。
发现论文，激发创造
  • 有限速率反馈下的 MIMO 广播信道

    分析了每个接收器具有完美信道知识但发射器仅接收有关信道实例化的量化信息的系统，考虑了零强制传输技术，并推导了有限速度反馈导致的吞吐量降级的简单表达式。

    Mar, 2006

  • 多用户 MIMO-OFDM 下行信道状态反馈方案

    本文研究 MIMO-OFDM 广播信道下的三种信道状态反馈方案，包括模拟反馈、方向量化反馈和新的时域信道量化反馈，并推导出每种方案实现全复用增益的条件。其中，新的时域量化方案利用了信道频率相关性结构并优于其他方案。同时，本方案的实现比被动矢量量化更为简单。

    Apr, 2008

  • 基于空间公共稀疏的自适应 FDD Massive MIMO 频道估计和反馈

    本文提出了一种针对频分双工大规模 MIMO 系统的自适应信道估计与反馈方案，其中利用了空间公共稀疏性和压缩感知技术来实现非正交下行导频设计、适应性信道采集和跟踪，取得了比传统方案更好的性能表现。

    Apr, 2016

  • 面向 FDD 多用户大规模 MIMO 系统的分布式压缩 CSIT 估计和反馈

    采用分布式压缩感知方法进行关键状态信息（CSIT）的估计，利用用户信道矩阵中的隐藏共享结构，提出了一种联合正交匹配追踪回收算法来利用联合信道稀疏性来提高 CSIT 估计性能。

    May, 2014

  • 基于 1 比特压缩感知的叠加 CSI 反馈的深度学习

    本文提出了一种基于深度学习的方案，以改进基于压缩感知技术的叠加信道状态信息反馈，包括频分双工、大规模 MIMO、1 比特压缩感知、模型驱动方法和干扰消除技术等方面。该方案能够显著提高用户上联信息和下联信道状态信息的恢复精度，并具有对参数变化的鲁棒性。

    Mar, 2022

  • 基于有限反馈的 MIMO 广播信道分块对角化

    研究了有限反馈情况下，利用随机量化的方式量化信道失配对于吞吐量损失的影响，证明了反馈比例随系统信噪比线性增长足以维持损失率有限，并将分析结果与模拟结果进行了比较。

    Nov, 2007

  • 基于高效下行信道重构的 FDD 大规模 MIMO 技术

    本研究旨在通过开发全收发机制，包括下行信道训练（或估计），CSI 反馈和信道重建方案，解决大规模 MIMO 系统中多用户 CSI 的问题。我们的框架利用增强的 Newtonized 正交匹配追踪算法提取频率独立参数，然后开发了有效的下行训练方案，以估计多个用户的下行信道增益。数值结果验证了 eNOMP 算法的精度，并证明了使用重构的下行信道的系统的求和速率性能可以接近使用完美 CSI 的系统。

    Feb, 2019

  • 基于卷积神经网络的多速率压缩感知用于大规模 MIMO CSI 反馈：设计，仿真和分析

    本文提出了一种多速度压缩感知神经网络框架来压缩和量化 CSI，从而提高重建精度、减少存储空间，增强系统可行性，并通过可视化参数研究了基于深度学习的 CSI 反馈方法的压缩和重建机制，提供了随后的研究指导。

    Jun, 2019

  • 基于压缩感知的海量 MIMO 通信系统联邦学习方法

    本文提出了一种基于压缩感知的联邦学习算法，通过传输策略构造稀疏的梯度向量信号，利用压缩感知算法迭代地求解线性最小均方误差 (LMMSE) 估计量。通过仿真实验，证明了该方法在无线设备通信系统中具有比传统线性波束赋形方法更好的性能，并减小了联邦学习和中央学习的性能差距。

    Mar, 2020

  • 大规模 MIMO CSI 反馈的深度学习

    使用深度学习技术，本文提出了一种新型的频分双工模式下的 CSI 感知和恢复机制 CsiNet，将 CSI 转换为一组最佳表示，具有比现有压缩感知方法更好的重建质量和有效的波束成形增益。

    Dec, 2017