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

本文提出了一种新的，基于动态子阵列和硬件高效的低分辨率相移器的混合波束成形结构，用于毫米波多用户多输入单输出（MU-MISO）系统，此外，还提出了一种迭代算法和一种简单的启发式算法，以提高系统的性能表现。

Jun, 2019

本文综述了现有文献中提出的混合多天线收发机结构的各种形式，提出了在信道状态信息方面的分类，介绍了在毫米波频段操作的特殊设计方面的问题。

Sep, 2016

该论文提出了在毫米波多用户下行信道中，一种低复杂度的混合模拟 / 数字预编码方法，其中利用模拟组合器和混合预编码器实现高速传输并达到最高速率。

Sep, 2014

本文提出一种新的基于空间协方差矩阵的混合波束赋形算法，可以支持多组用户的大规模 MIMO-OFDM 系统，从而实现更低的成本和功耗，并且在性能上损失不大。

Nov, 2016

本文针对毫米波多输入多输出系统中的波束赋型技术进行研究，采用广义空间调制技术进一步提高频谱效率。通过深度学习，设计了 GSM 毫米波 MIMO 系统中的混合波束赋型器，并给出了基于多分辨率网络的 GsmEFBNet 方法，该方法比传统方法具有更高的实现速率和更少的反馈位数。

Feb, 2023

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

使用深度学习方法优化毫米波通信中的 MIMO 系统天线选择和混合波束成形器设计问题，能够比传统技术提高一个数量级的频谱效率，并且快于传统方法 10 倍，适用于数字移动设备。

May, 2019

本文提出了一种基于深度学习技术的统一混合波束成形框架，通过将关键传输模块建模为端到端神经网络，实现了在时分复用（TDD）和频分复用（FDD）系统中具有隐式信道状态信息（CSI）的宽带多用户混合波束成形，避免了明确的信道重建，并将传统方法中的不同模块分别处理的流程，改为同时优化所有模块，从而减少了信道估计所需的导频和反馈开销，缓解了量化约束引起的性能损失，并大大提高了系统的速率和可靠性。

Jan, 2022