本研究提出了一种基于 RSSI 的无监督深度学习方法来设计大规模 MIMO 系统中的混合波束成形，并通过适当的 CSI 反馈显著提高了频分双工 FDD 通信中的谱效率，并且提出了一种用于初始接入 IA 的同步信号 SS 以及用于模拟前置器的代码本的方法。
Jun, 2020
本文研究了使用毫米波频率进行无线蜂窝通信系统的大规模天线阵列，提出了一种混合波束成形架构，该架构包含低维数字波束成形器和使用模拟相移器实现的射频波束成形器，证明了该架构可以实现任何完全数字波束成形器的性能，并提出了一种启发式混合波束成形设计方法。
Jan, 2016
本文研究毫米波系统中具有 OFDM 调制的杂合波束成形技术，提出一种全新的并行设计算法，旨在实现具有最大的频谱效率，同时减小硬件复杂度并接近全数字波束成形方案的性能。
Nov, 2017
该论文提出了一种基于混合知识数据驱动的方法，用于在无蜂窝大规模多输入多输出系统中进行通道语义获取和多用户波束 forming，以提高室外无线传输性能并缩小与室内传输能力之间的差距。
Jul, 2023
本文提出了一种基于网络巨型多输入多输出信号传输的方案，用于解决毫米波和太赫兹带宽下行传输中的移动性和堵塞问题，其包括对信道多普勒和延迟散射效应的处理和对基站的优化，通过符合信道状态信息最大化网络总速率来实现。数值结果表明，该方案有效地减轻了毫米波和太赫兹带宽下的堵塞效应和提供了移动性增强。
May, 2020
本文介绍了针对 Massive MIMO 的高效数字信号处理的基本技术贡献和 RF 和模拟硬件链上的操作机会和限制，重点讨论了如何从改进的能源效率中获益，并讨论了现有技术和实际原型的状态，以及未来研究的挑战和方向。
Jul, 2018
本文提出了一种基于无监督学习的方案，用于同时设计多用户 Mu-MIMO 系统的模拟前置器和合成器，并结合低分辨率 PS。通过将模拟前置器和合成器的设计问题转换为相位分类问题，并提出一种泛化神经网络体系结构 (PCNet)，能够产生各种 PS 分辨率的解，仿真结果表明，该方案相对于对于最常用的低分辨率 PS 配置的最先进的混合波束成形设计具有更优越的总速率和复杂度性能。
Feb, 2022
本文利用深度学习方法，通过卷积神经网络对在毫米波多重输入多重输出系统中频率选择性宽带通道的信道估计和混合波束成型进行了研究。该方法相对于当前最先进的优化和深度学习方法，提供更高的频谱效率，较少的计算成本和更少数量的导频信号，并且在接收导频数据，损坏的信道矩阵和传播环境偏差方面具有更高的容忍度。
Dec, 2019
本文综述了使用数据辅助人工智能工具来改善实时混合波束成形设计的策略，并比较了现有方法，包括数值评估和定性指标。探讨了混合波束成形优化面临的核心挑战，并识别了不同形式的深层展开技术。未来的研究机会与将人工智能纳入混合 MIMO 系统有关。
Mar, 2023
本文研究了毫米波 MIMO 系统中低分辨率模拟预编码器和组合器的实际设计问题，并通过提出的迭代算法和二进制预编码和组合算法来最大限度地提高频谱效率和硬件效率。
Oct, 2017