多天线技术通过在收发端部署天线阵列,从而提供额外的空间自由度(degrees of freedom,DoFs),大幅提升了无线通信的可靠性与有效性。与此同时,多天线技术应用于雷达感知领域,实现了空间角度分辨能力并提升了感知自由度,大幅增强了无线感...多天线技术通过在收发端部署天线阵列,从而提供额外的空间自由度(degrees of freedom,DoFs),大幅提升了无线通信的可靠性与有效性。与此同时,多天线技术应用于雷达感知领域,实现了空间角度分辨能力并提升了感知自由度,大幅增强了无线感知性能。然而,无线通信与雷达感知领域在过去数十年里独立发展。因此,尽管多天线技术在这两个领域分别取得了巨大的进步,但并没有通过发挥它们的协同作用来实现深度融合。随着感知与通信的融合被确定为第六代(the sixth-generation,6G)移动通信网络的典型应用场景之一,多天线技术的发展面临新的机遇以填补上述空白。为此,本文围绕未来天线阵列规模持续扩张、阵列架构更加多样、阵列形态更为灵活等发展趋势,对面向6G通信感知一体化的多天线技术进行综述。首先介绍未来多天线的不同架构类型,包括以传统紧凑式阵列和新兴稀疏阵列为代表的集中式阵列架构、以无蜂窝大规模MIMO(multiple-input multiple-output)为代表的分布式天线架构,以及三维连续空间阵元位置与朝向灵活可调的可移动天线/流体天线。然后,本文将介绍基于上述天线架构的远场/近场信道建模,并进行通信与感知性能分析。最后总结不同天线架构的特点,并展望解决因天线阵列规模的持续扩展及阵列形态的灵活多变引起的信道状态信息获取困难的新思路。展开更多
为应对大规模多输入多输出(Multiple⁃input multiple⁃output,MIMO)系统中信道状态信息(Channel state information,CSI)反馈开销的日益增长,基于深度学习的CSI反馈网络(如Transformer网络)受到了广泛的关注,是一种非常有应用前景的智能...为应对大规模多输入多输出(Multiple⁃input multiple⁃output,MIMO)系统中信道状态信息(Channel state information,CSI)反馈开销的日益增长,基于深度学习的CSI反馈网络(如Transformer网络)受到了广泛的关注,是一种非常有应用前景的智能传输技术。为此,本文提出了一种基于数据聚类的CSI反馈Transformer网络的简化方法,采用基于聚类的近似矩阵乘法(Approximate matrix multiplication,AMM)技术,以降低反馈过程中Transformer网络的计算复杂度。本文主要对Transformer网络的全连接层计算(等效为矩阵乘法),应用乘积量化(Product quantization,PQ)和MADDNESS等简化方法,分析了它们对计算复杂度和系统性能的影响,并针对神经网络数据的特点进行了算法优化。仿真结果表明,在适当的参数调整下,基于MADDNESS方法的CSI反馈网络性能接近精确矩阵乘法方法,同时可大幅降低计算复杂度。展开更多
文摘多天线技术通过在收发端部署天线阵列,从而提供额外的空间自由度(degrees of freedom,DoFs),大幅提升了无线通信的可靠性与有效性。与此同时,多天线技术应用于雷达感知领域,实现了空间角度分辨能力并提升了感知自由度,大幅增强了无线感知性能。然而,无线通信与雷达感知领域在过去数十年里独立发展。因此,尽管多天线技术在这两个领域分别取得了巨大的进步,但并没有通过发挥它们的协同作用来实现深度融合。随着感知与通信的融合被确定为第六代(the sixth-generation,6G)移动通信网络的典型应用场景之一,多天线技术的发展面临新的机遇以填补上述空白。为此,本文围绕未来天线阵列规模持续扩张、阵列架构更加多样、阵列形态更为灵活等发展趋势,对面向6G通信感知一体化的多天线技术进行综述。首先介绍未来多天线的不同架构类型,包括以传统紧凑式阵列和新兴稀疏阵列为代表的集中式阵列架构、以无蜂窝大规模MIMO(multiple-input multiple-output)为代表的分布式天线架构,以及三维连续空间阵元位置与朝向灵活可调的可移动天线/流体天线。然后,本文将介绍基于上述天线架构的远场/近场信道建模,并进行通信与感知性能分析。最后总结不同天线架构的特点,并展望解决因天线阵列规模的持续扩展及阵列形态的灵活多变引起的信道状态信息获取困难的新思路。
