WHS-_-2022的博客

如图1所示，我们考虑一个包含 MMM 天线基站和 KKK 个单天线用户的多用户无线通信系统，与文献[4]类似。我们研究一个通用场景，其中 KKK 个用户在相同的时频资源上进行下行通信。为了向 KKK 个用户提供高速率通信服务，部署了一个包含 NNN 个相移元件的智能反射面（IRS），用于在基站和用户之间建立自适应反射路径。IRS配备了一个智能控制器，通过与基站通信来协调数据传输并控制反射单元的相移。为简化符号，我们定义集合 K={1,⋯ ,K}\mathcal K = \{1, \cdots , K\}K=

文章目录II. SYSTEM MODELC. Active RIS ModelIII. PROBLEM FORMULATIONA. Radar Performance MetricC. Optimize ΦV. PERFORMANCE ANALYSIS OF THE RADAR SINR IN ACTIVE RIS-AIDED SENSING SYSTEMSA. Simplified System SettingB. Power Scaling Law AnalysisC. Active RIS and P

—可移动天线（Movable Antennas, MAs）是一种有前景的技术范式，可以通过灵活调整天线元件在给定发射区域内的位置，增强传统多天线系统的空间自由度。在本文中，我们将MA元件的运动建模为离散运动，并研究了MA支持的多用户多输入单输出（MISO）通信系统的资源分配问题。具体而言，我们联合优化了基站（BS）的波束成形和MA的位置，以在满足每个用户最低信号干扰噪声比（SINR）要求的前提下，最小化总发射功率。为获得所提出资源分配问题的全局最优解，我们开发了一种基于广义Bender分解（

摘要：在这封信中，我们考虑了智能反射面(IRS)辅助毫米波(mmWave)系统的信道估计，其中部署了IRS来辅助从基站(BS)到用户的数据传输。利用Katri-Rao积和Kronecker积的性质，我们找到了级联信道的稀疏表示（sparse representation），并将级联信道估计转化为一个稀疏信号恢复问题。幸运的是，真实世界的信道测量[12]、[13]已经表明，毫米波信道具有稀疏散射特性（sparse scattering characteristics），这可以用来大幅降低训练开销。

文章目录II. SYSTEM MODEL AND PROBLEM FORMULATIONA. 通道模型B. Problem FormulationIII. PROPOSED SOLUTIONII. SYSTEM MODEL AND PROBLEM FORMULATION如图1所示，BS配置了尺寸为 N=N1×N2N=N_{1} \times N_{2}N=N1​×N2​ 的均匀平面阵列（uniform planar array，UPA)，服务 KKK 个 single-MA UTs，其中 N1N_1N1

由于在问题(7)的优化变量中有三个高度耦合的矩阵/向量，传统的交替优化方法通过优化其中一个而其他两个被固定的方法可能不会很好地工作，因为它可能导致一个不希望的局部最优解。例如，由于其他APV解的信道向量与接收组合矩阵不匹配，在下一次迭代中，基于给定APV和发射功率矩阵的最优接收组合矩阵，会将APV的优化空间缩小到给定APV周围的一个很小的区域。因此，对于每个用户，多个信道路径的到达角（AoAs）和复路径系数的幅值不会因MAs的不同位置而改变，这意味着在接收区域中只有多个信道路径的相位变化。

II. SYSTEM MODEL AND PROBLEM FORMULATION我们考虑如图1所示的IRS辅助ISAC系统，该系统由一个具有 M>1M > 1M>1 个发射天线的BS，一个具有1个接收天线的CU，一个具有 N>1N > 1N>1 个单元的 ULA-IRS 以及BS NLoS区域的多个潜在目标组成。为了进行初步研究，假设BS完全知道全局信道状态信息（CSI）和目标的大致方向。为了方便ISAC，我们认为BS使用发射波束形成来发送信息和专用雷达传感信号。设

文章目录III. PERFORMANCE METRICS OF RADAR AND COMMUNICATIONA. MIMO Radar PerformanceB. Multiuser MIMO Communication PerformanceIV.Joint Transmit BeamformingA. Problem FormulationB. Joint Transmit Beamforming via SDRC. Joint Transmit Beamforming via ZFR=E(x[n]