该研究旨在探讨多基站系统下行链路的多天线基站和单天线用户终端、任意基站合作集群、距离相关传播路径损耗和一般的 “公平性” 要求，并提出了一种新的简化下行调度方案，根据所需的公平性标准预先选择用户，其性能接近有限维机会用户选择的最优方案，同时需要明显较少的信道状态反馈。

Dec, 2010

该研究论文提出了一种无线通信多小区下协作优化的方法，通过数据共享和共同优化波束形成设计来提高系统的容量和用户体验。

Jan, 2011

本研究提出了一种基于深度神经网络的训练算法，能够在多用户系统中，仅基于部分自适应通道状态信息的不完全观测，提供有效鲁棒的波束成形方案。

Mar, 2021

本文提出两种算法用以解决多用户 MISO-NOMA 系统下基于全局能量效率最大化的下行波束成形问题，证明相比传统方法提供更高的能量效率。

Feb, 2019

研究多天线异构蜂窝网络中的下行链路模型，考虑了不同基站之间在发射功率、目标信干噪比、部署密度、发射天线数量和多天线传输类型等方面的差异，并比较了空分多址、单用户波束成形和单输入单输出传输三种技术的覆盖率概率、用户速率等指标，提出了关于区域频谱效率的统计比较工具。研究发现，为了提高网络的总体性能，将天线分布在多个单天线基站上比分布在少量多天线基站上更为优越；单用户波束成形技术能提供更高的覆盖率和用户速率，但空分多址在某些方面的区域频谱效率更高。

Jan, 2013

本文提出了一种基于多智能反射表面的深度强化学习算法来解决多小区网络中的有效率优化问题，改善了固定用户设备功率和最大比合并等基线方法的性能。

Nov, 2020

本文研究了两种重要的下行多小区干扰抑制技术，即大规模 MIMO 和网络 MIMO，并通过随机排序的工具，论证了大规模 MIMO 系统在小尺度衰落平均质量服务方面优于网络 MIMO 系统，因此在降低蜂窝网络干扰方面，大规模 MIMO 是更优选择。

Jul, 2014

本文研究多小区 AirComp 网络的功率控制策略，包括中心化多小区功率控制和分布式功率控制。该文提出了一种基于集成电路的方法来解决无中心控制的情况并证明了该算法的有效性，模拟结果表明，采用所提出的算法的协作功率控制可以大幅减少 AirComp 网络的总均方误差。

Jul, 2020

本研究提出了基于并行因式分解的 频道估计框架，通过交替最小二乘法 和向量近似传递消息的迭代估计算法， 实现了基站和 RIS 之间，以及 RIS 和用户之间 频道的估计，并探讨了基站不同预编码方案 完成下行可达速率计算。仿真结果表明， 所提出的算法优于基准方案，并证实了它的有效性 和鲁棒性。

Aug, 2020

本研究关注的是单小区多用户系统的下行，其中基站（BS）通过一种安装在 BS 的视线范围内的可重构智能表面与 K 个单天线用户进行通信。我们研究了最优线性预编码器（OLP）所实现的最小信号干扰加噪声比（SINR），该预编码器最大化最小 SINR，其协议给定了特定的功率限制，并且给出了 LoS 信道矩阵的各种情况下的理论分析与性能评估。

Mar, 2019