- MM毫米波波束成形无人机通信与网络调查
本文综述了基于 mmWave 的无人机通信和网络的技术潜力、挑战、天线结构及通道建模,无人机作为空中接入点或中继可以显著增强地面 mmWave 蜂窝网络的覆盖范围和服务质量,并提供了用于 UAV 连接的 mmWave 蜂窝网络和 mmWav - 异构无线网络中基于图神经网络的可扩展功率控制 / 波束成形
本文提出了一种名为异构干扰图神经网络(HIGNN)的无监督学习框架来解决异构设备对设备网络中功率控制 / 波束成形的挑战,该框架可以实现对小型网络的训练,并展现出强大的性能表现。
- MM基于深度主动学习的自适应毫米波初始对准波束成形
本文使用深度学习方法解决毫米波环境下单路径通道中的自适应和序列波束形成设计问题,通过设计一个新颖的深度神经网络,根据基站已有的信息并逐步设计适应性感知矢量,以学习主路径角度到达(AOA)。结果表明,与现有的自适应和非自适应波束形成方案相比, - MMTDD Massive MIMO OFDM 系统中的频道感知和混合预编码深度学习
本文提出了一种面向多输入多输出系统的深度学习方法,用于信道侦测和下行混合波束成形,并通过使用神经网络设计模拟感知和混合下行预编码器,以及通过简化的方法学习上行感测矩阵和下行模拟预编码器,将系统性能显着改善。
- 基于迁移学习和元学习的快速下行波束成形自适应
本文研究多用户多输入单输出下行系统中,信号 - 干扰 - 噪声比平衡问题的快速自适应波束成形优化,提出两种基于深度迁移学习和元学习的离线自适应算法以及一种在线算法,以增强算法在真实可变环境中的适应能力,并证明这种方法优于前期研究中的直接深度 - MM多用户通过可重构智能表面的波束成形设计
本研究使用可重构智能表面辅助的无线发射机探究多用户通信网络的资源分配问题。通过控制表面的相位波束和 BS 的发射功率,将网络的总发射功率最小化,以满足用户的信噪比约束。提出一种双重方法解决该问题,其结果是降低了相对于最大比传输(MRT)波束 - 基于深度强化学习的 RIS 增强的多跳太赫兹通信的混合波束成形方法
本文介绍了一种基于可重新配置智能表面的混合波束成形方案,以利用深度强化学习来解决信号传输距离和覆盖范围在太赫兹频段内的限制,该方案能够比基准方案扩大 50%以上的太赫兹通信覆盖范围,并显示出我们提出的 DRL 方法是解决 NP 难波束成形问 - 可重构智能表面辅助设备间通信
本文研究了在利用可重构智能表面(RIS)协助下,单基站上行通信网络场景的问题,其中移动用户和设备对之间的直接通信和反射一跳传播被利用。利用交替最大化的方法,我们将问题分解为两个子问题,即功率分配和相位移位,从而实现了干扰的缓解。
- 基于优化的深度强化学习在 IRS 辅助无线通信中的鲁棒波束成形
该文章提出一种利用智能反射面技术的利用无线电波在多天线接入点和接收器间进行信息传输的无线通信方案,并运用深度强化学习来优化天线束成形策略,从而最小化天线接入点的传输功率。
- 具用户选择的多天线广播信道的正则化零强制技术
研究了一种多天线多用户广播信道,考虑了不完美的信道状态信息,提出了基站上的稳健正则化零强制波束成形,使用 RRZF 的方案优于 ZF 和 RZF,仿真结果验证了提出的稳健 RZF 波束成形的优势。
- 毫米波有源天线阵列的分段数字预畸变:算法与测量
本文提出一种基于数字预畸变技术对毫米波天线阵列进行线性化的新框架,并提出了一种区域分割方法和低复杂度的参数学习算法,以及一个剪枝算法来弥补波束控制对性能的影响,实现了优秀的线性化效果,适用于 5G NR 标准,并在性能上优于现有技术。
- MM基于深度学习的下行波束成形优化与天线功率约束算法及实验演示
本研究使用深度学习研究了多用户多输入单输出系统中的快速下行波束成形算法,其中基站的每个发射天线都有自己的功率约束。研究关注信干噪比(SINR)平衡问题,首先设计了快速次梯度算法,然后提出了一种基于卷积网络和原问题的对偶性的深度神经网络结构来 - MM基于深度强化学习的智能反射表面用于安全无线通信
利用智能反射表面和深度强化学习技术优化基站波束和反射波束以提高系统保密率和服务质量,在不同质量服务需求和时变信道的情况下能显著提高在多个窃听器存在时的多个合法用户之间的安全通信系统的保密率和服务质量。
- 面向可重构智能表面辅助无线网络的加权和速率最大化
本文考虑了一个 RIS 辅助的多用户 MISO 下行通信系统,通过联合设计 AP 的波束成形和 RIS 元件的相位向量,旨在最大化所有用户的加权和速率,使用分数规划技术提出低复杂度算法得到联合设计问题的稳态解。
- MM智能反射表面辅助多用户通信的信道估计:框架,算法和分析
本文提出了一种三阶段基于导频的信道估计框架,用于辅助 IRS 的上行多用户通信,证明了大规模 MIMO 在减少信道估计时间方面的关键作用,并推导了带有接收噪声的情况下,用户导频序列、IRS 反射系数和 BS 线性最小均方误差通道估计器的闭合 - MM基于深度学习的 MIMO 系统有限反馈设计
研究了一种基于深度学习的有限反馈方法,通过神经网络替代了包括导频辅助通道训练过程、通道码本设计和波束形成向量选择在内的端到端有限反馈过程,并训练神经网络以产生二进制反馈信息和高效的波束形成向量,以最大化有效信道增益,与传统的有限反馈方案相比 - 基于可重构智能表面的无线通信:天线设计、原型制作和实验结果
本文提出并研发了一种具有 256 元件的新型高增益,低成本可重构智能表面,它结合了相移和辐射的功能,采用 PIN 二极管实现了 2 位相移。基于此设计,开发了世界上第一个使用有 256 个 2 位元件的可重构智能表面的无线通信原型,并确证了 - MM利用智能反射表面实现稳健安全的无线通信
本文研究如何利用智能反射表面和人工噪声增强多天线 AP 和多个单天线合法用户之间的物理层安全,同时减少潜在窃听者之间的信息泄漏,提出了一种非凸优化算法,并通过模拟结果证明了智能反射表面对物理层安全性能的显著改进。
- MM智能反射表面:物理、传播和路径损耗建模
本文讨论了智能反射表面在通信中的应用,使用物理光学技术推导出远场损耗,证明了之前的损耗模型有误,表面包含多个元件可以在特定方向上进行联合波束成形。
- FaSNet:适应性低延迟波束成形技术在多麦克风音频处理中的应用
提出了一种适用于低延迟场景的时域、基于过滤的波束成形方法 ——FaSNet,该方法可在含噪声和混响语音增强中表现出色,同时还可在 CHiME-3 数据集上通过训练基于频域目标函数的 FaSNet 模型实现与基准模型相比的相对字错误率降低 1