Jun, 2014

带有空间信道相关性的 FDD Massive MIMO 系统可达速率

PDF
TL;DR本文研究了具有空间相关通道的 FDD 大规模 MIMO 系统，通过巧妙设计下行信道训练序列和用户 CSIT 反馈码本，利用多用户空间信道相关性，优化了可实现速率。提出的特征空间通道估计方案减小了 FDD 系统和 TDD 系统之间的速率差距，与 JSDM 方案相比，在中等天线数和中至大的信道相干时间内实现了更高的吞吐量，但计算复杂度更高。
fddmassive mimospatial correlationcsitchannel training
发现论文，激发创造
  • 基于投影方法的 FDD 大规模 MIMO 信道空间协方差转换

    本文提出了两种基于投影方法的算法变种，利用角度域中的信道互易性来从上行测量中估计下行信道协方差。通过蒙特卡罗模拟，这些方案被证明在典型阵列几何和双工间隙方面相对于当前的最新技术解决方案在准确性和复杂度方面表现更好。

    Apr, 2018

  • 基于结构化压缩感知的 FDD 海量 MIMO 时空联合信道估计

    提出了一种基于结构化压缩感知的时空联合通道估计方案，通过利用时延域 MIMO 通道的时空公共稀疏性来降低所需的导频开销，利用非正交导频和自适应结构子空间追踪算法，提高估计的准确性，并通过利用时域通道相关性，提出了空时自适应导频方案。

    Dec, 2015

  • 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

  • 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

  • 基于深度学习的信道预测实现 FDD 大规模 MIMO

    通过神经网络进行频域外推，实现 DL 信道状态信息的准确性推测，不需要进行频繁的 PILOT 信号发送，与传统 TDD 信号相比具有可比性，可大幅提升频谱效益。

    Jan, 2019

  • 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

  • 基于深度学习的 TDD 和 FDD 大规模 MIMO：空中与频率信道映射

    本文提出一种将频率和空间的信道图映射至其他频率和空间信道的新概念 —— 信道映射，并证明该映射函数在多种实际 MIMO 通信场景下存在，可由深度神经网络进行学习建模，可用于减少传输和反馈开销，适用于大规模 MIMO，分布式终端，毫米波束预测，MIMO 雷达和基于 MASSIVE MIMO 的定位。

    May, 2019

  • 大规模 MIMO 频分双工系统中信道协方差估计

    文章提出了一种基于上行协方差矩阵插值的下行协方差推断技术，无需用户设备的任何反馈，用于在多用户大规模 MIMO 系统中获取瞬时信道状态信息，通过模拟验证了该方法的有效性。

    Feb, 2016

  • 基于深度学习的 FDD Massive MIMO 系统下行信道预测

    本论文旨在解决在频分双工 (massive MIMO) 系统中，基站获取下行信道状态信息 (CSI) 的难题，提出了一种利用 SCNet（一种稀疏的复数值神经网络）在离线训练后直接预测下行 CSI 的方法，证明了该方法的性能和稳定性。

    Aug, 2019

  • TDD/FDD 大规模 MIMO 系统的信道估计与信道协方差计算

    本研究提出了一种新颖的基于阵列信号处理技术的 TDD/FDD 大规模 MIMO 系统通道估计方案，通过重构上下行通道协方差矩阵（CCM）的角度信息和功率角谱（PAS），以提高上行 / 下行通道估计精度，同时实现通道实时状态的准确推断，具有较强的适用性和优越性能。

    Oct, 2017