可扩展无线电脱耦大规模天线阵列的结构化大规模访问
通过不同合作程度验证第一次全面分析了无细胞 Massive MIMO 技术,发现使用全局或本地 MMSE 最小均方误差组合可以大大超越传统蜂窝 Massive MIMO 和小区网络,优于最大比合并,集中式实现可以最大化 SE 同时大大降低前端信号,成为操作无细胞 Massive MIMO 网络的首选方式,并探究了非线性解码。
Mar, 2019
本文提出了一种优化的最大最小功率控制方案,以确保所有用户获得相等的服务质量,并比较了小区系统和无小区海量 MIMO 系统的性能差异,结果发现 Cell-Free 系统的吞吐量更加集中且更加稳定。
May, 2015
探讨了利用大规模分布式基站和最小功耗控制算法,在时分双工操作中以无线信道直接测量为基础,通过共轭波束成形目的进行复用 / 分复用,对用户进行服务。对单个用户上下行吞吐量的封闭式表征,便于最小功耗控制。在与小型基站方案相比较中,无小区 Cell-Free Massive MIMO 表现出优异的性能表现,尤其是在阴影衰落条件下,可以提供近 10 倍的 95%- 可能性每用户吞吐量提升。
Feb, 2016
该研究论文针对实现更高的无线电频谱和能量效率,提出了一种基于 in-band full-duplex 与 cell-free massive MIMO 的联合设计方案,优化了功控制、入口点和用户设备相关联和入口点选择,并结合零强制传输设计提高了计算效率及理论性能,并采用基于堆的导频分配算法来抵消导频污染。
Oct, 2019
该研究提出了一种名为大规模衰落预编码(LSFP)的新概念,通过外部多小区预编码,线性组合不同细胞用户之间的信息以消除干扰,来提高无线 massive MIMO 系统的频谱效率。
Nov, 2014
本文研究了具有多天线接入点 (APs) 和空间相关的 Rician 衰落信道的实用无细胞 massive MIMO 系统,分别采用最大比值 (MR)/ 本地最小均方误差 (L-MMSE) 组合和基于相位感知 MMSE、相位感知逐元 MMSE 和线性 MMSE(LMMSE)估计量的最优大尺度淡化译码,导出了具有 MR 组合的新闭式 SE 表达式。数值结果验证了所推导表达式的有效性,并表明 SE 受空间相关性的影响。同时也观察到,L-MMSE 和 MR 组合之间的性能差距随着每个 AP 的天线数量和 LMMSE 估计器的 SE 低于其他估计器而增大,其原因是缺乏相移知识。
Oct, 2021
本文综述了关于基于无小区的 Massive MIMO 技术的研究,包括其意义、基本特征、传输过程和数学模型、资源分配问题和信号处理。本文旨在为未来无线网络上的基于无小区的 Massive MIMO 研究提供起点。
Apr, 2021
本文提出了一种基于 CFmMIMO 网络的联邦学习方案来最小化联邦学习训练时间,该方案优化了本地准确性,传输功率,数据速率和用户处理频率等参数,并使用在线逐次凸近似算法来解决这个问题。数值结果证实,所提出的联合设计相比基线方案,将训练时间降低了最多 55%,而且与 CF-TDMA massive MIMO 和 collocated massive MIMO 相比,CFmMIMO 在 FL 进程的训练时间方面具有最低的要求。
Sep, 2019
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
本文研究了在大规模 MIMO 通信系统中采用 CoMP 和分布式 MIMO 技术的资源分配优化问题,发现该方法显著提高了网络性能并优于仅采用局部协作的大规模 MIMO 系统。
Mar, 2015