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

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

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

本文提出了一种新的结构化大规模接入算法框架，包括一种初始接入算法、一种部分大尺度衰落解码策略、两种导频分配方案和一种分式功率控制策略，模拟结果表明，该框架在局部部分最小均方误差 (LP-MMSE) 和最大比例 (MR) 合并时提供了高的谱效率。

Jun, 2020

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

该论文介绍了多用户多输入 / 多输出技术以及巨型多输入 / 多输出技术的优势，包括其对吞吐量和辐射效率的显著提升，并深入探讨了该技术的局限性和应用挑战。

Apr, 2013

介绍 O-RAN 模式及其在 cell-free 网络中的应用，探讨了 O-RAN 创新和研究挑战。

Jan, 2023

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

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