- 基于深度学习的毫米波大规模 MIMO 稀疏信道估计与混合波束赋形
本文提出了 DLCS 通道估计方案和 DLQP 混合前缀设计方法，用于多用户毫米波大规模 MIMO 系统，模拟结果表明 DLCS 通道估计方案在规范化均方误差和频谱效率方面优于现有方案，而 DLQP 混合前缀设计方法在相位分辨率较低的情况下 - 频率选择性毫米波大规模 MIMO 系统的高分辨率信道估计
本文提出了两种基于 ESPRIT 方法的高分辨率通道估计方案，旨在解决毫米波大规模 MIMO 系统信道估计问题并采用混合预编码和组合矩阵设计方法以确保鲁棒性能表现。研究结果表明，所提出的方案在计算复杂度和性能方面优于现有方案。
- 面向融合 SWIPT 的多播单播毫米波通信节能混合预编码设计
本文研究了一种能源高效的混合预编码设计，以在积极考虑接收端的无线信息和功率转换的情况下为集成的组播 - 单播毫米波系统提供优化方案，并提出了一种两层迭代算法来解决优化问题。
- 一种基于深度学习的多用户毫米波 massive MIMO 系统的混合预编码方法
本文提出了一种卷积神经网络框架以改进混合预编码的性能，并展示其在存在通道矩阵不完美的情况下具有更少的计算时间和更好的性能。
- 毫米波大规模 MIMO 系统直接混合预编码的深度学习
本论文提出了一种新型的神经网络架构 (auto-precoder)，基于少量的训练数据，这种深度学习方法可以同时感知毫米波通道 (channel sensing) 和设计混合预编码矩阵 (hybrid precoding matrices) - MM基于主成分分析的毫米波大规模 MIMO 系统的宽带混合预编码
本研究使用 PCA 算法设计了广带混合预编码器 / 组合器，可用于毫米波巨型 MIMO 系统的传输。 不管是完全连接的天线阵列还是部分连接的子阵列（包括固定和自适应子阵列），都可以在低复杂度的情况下提高频谱效率。
- 基于深度学习的毫米波超大规模 MIMO 混合预编码
本研究提出一种基于深度学习的毫米波大规模 MIMO 混合预编码框架，该框架通过 DNN 训练来优化 MIMO 预编码过程，最终实现减少 BER 和提高频谱效率的目的，并且能够在实现混合预编码的同时大幅度降低所需的计算复杂度。
- 基于码本的毫米波多用户系统混合预编码
本文针对多用户多天线毫米波系统的下行链路，提出了基于代码簿的 RF 预编码设计，通过波束扫描过程获取信道状态信息，并通过联合码字选择和预编码器设计（JWSPD）问题解决了联合 RF 和基带预编码的复杂优化问题，优化系统的频谱效率和能源效率。
- 基于混合结构宽带毫米波系统的信道估计
本文利用稀疏建模和压缩感知提出了一种广域毫米波信道估计方法，能够应用于基于混合模拟 / 数字前向器和组合时间 / 频率域系统。仿真实验表明，在利用收发机混合结构的情况下，该方案在保证通道估计质量的情况下，具有更好的性能和更小的训练开销。
- 毫米波 MIMO 系统中混合预编码交替最小化算法
本文提出了两种不同的混合预编码结构，即全连接结构和部分连接结构，并提出了有效的交替最小化算法，以解决混合预编码问题，其中基于流形优化的 AltMin 算法被提出来实现低复杂度的混合预编码，同时还开发了 AltMin 算法的半定松弛。仿真结果 - MM有限反馈毫米波系统的频率选择性混合预编码
本文研究混合模拟 / 数字预编码在毫米波宽带信道中的应用，提出了用于空间复用的高效混合模拟 / 数字编码本设计，并提出了基于 Gram-Schmidt 正交化的低复杂度但近似最优的贪婪式频率选择混合预编码算法。仿真结果表明，所提出的混合编码 - 毫米波蜂窝系统通道估计和混合预编码
本文提出了一种自适应算法以估计 mmWave（毫米波）信道参数，利用了信道的弱散射特性，并使用新型分层多分辨率码本构建了训练波束向量以实现算法的高效运行。此外，本文还将自适应信道估计算法扩展至多径情况，通过估计的信道，提出了一种新型混合模拟