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