2023.9.4-9.22

1. 《Near-Field Beam Training: Joint Angle and Range Estimation with DFT Codebook》

       先前关于近场波束训练的工作大多假设了专用的极域码本和网格上距离估计，然而，这可能会遭受长的训练开销和降低的估计精度。为了解决这些问题，我们在本文中提出了一种新的、有效的波束训练方案，该方案通过使用传统的离散傅立叶变换（DFT）码本进行离网距离估计。具体而言，当远场波束成形矢量用于波束扫描时，我们首先分析用户处接收到的波束方向图，并显示了一个有趣的结果，即该波束方向图包含有用的用户角度和距离信息。然后，我们提出了两种有效的方案，用DFT码本联合估计用户角度和距离。第一方案基于定义的角支撑来估计用户角度，并通过利用近似的角支撑宽度来解析用户范围，而第二方案通过最小化功率比均方误差（MSE）来估计用户范围，以提高范围估计精度。最后，数值模拟表明，与各种基准方案相比，我们提出的方案大大减少了近场波束训练开销，提高了距离估计精度。

2. 《Multi-Passive/Active-IRS Enhanced Wireless Coverage: Deployment Optimization and Cost-Performance Trade-off》

       无源和有源智能反射面（IRS）都可以部署在复杂环境中，通过创建多个无阻塞级联视距（LoS）链路来增强无线网络覆盖。本文研究了一种在给定区域内具有多天线基站的多无源/有源IRS（PIRS/ARS）辅助无线网络。首先，我们将该区域划分为多个不重叠的单元，每个单元可能包含一个候选位置，可以使用单个PIRS或AIRS进行部署。然后，我们展示了通过与BS的直接/级联LoS传输，在最小化总IRS部署成本和提高所有小区的信噪比（SNR）性能之间的几种权衡。为了协调这些权衡，我们提出了一个联合多PIRS/ARS部署问题，以选择用于部署IRS的所有候选位置的最优子集，并优化部署在每个选定位置的无源/有源反射元件的数量，以满足所有小区的给定SNR目标，从而使总部署成本最小化。然而，由于所涉及的组合优化，公式化的问题很难最优求解。为了解决这一困难，我们首先通过顺序细化优化具有给定PIRS/ARS部署位置的反映元素数量，然后进行部分枚举以确定PIRS/AIRS位置。仿真结果表明，与其他基线部署策略相比，我们提出的算法实现了更好的性价比权衡。

3. 《Traffic-Aware Hierarchical Beam Selection for Cell-Free Massive MIMO》

       在无小区大规模多输入多输出系统中，用于联合传输的波束选择面临着极高的训练开销和计算复杂性的问题。业务感知服务质量另外使波束选择问题复杂化。为了解决这个问题，我们提出了一种在双时间尺度上执行的交通感知分层波束选择方案。在长时间尺度上，中央处理单元收集来自基站（BS）的宽波束响应，以利用卷积神经网络预测窄波束空间中的功率分布，在此基础上仔细修剪级联的多BS波束空间。在短时间尺度内，我们引入了一种集中强化学习（RL）算法，以最大限度地提高多个连续时隙内延迟w.r.t.波束选择的满足率。此外，我们提出了三种可扩展的分布式算法，包括分层分布式Lyapunov优化、全分布式RL和RL的分散执行集中训练，以实现更好的可扩展性和性能与执行信号开销之间的更好折衷。数值结果表明，与现有方法相比，所提出的方案显著降低了模型训练成本和波束训练开销，并且更容易满足用户特定的延迟要求。

4. 《Toward Beamfocusing-Aided Near-Field Communications: Research Advances, Potential, and Challenges》

       下一代移动网络有望支持高吞吐量、大规模连接和提高能源效率。为了实现这些雄心勃勃的目标，超大规模天线阵列和太赫兹通信构成了一对有前途的技术。这将导致未来在近场区域中发生无线通信。为了准确描述近场无线传播的信道特性，需要基于球面波前的模型，这既带来了机遇，也带来了挑战。根据近场通信（NFC）的基本原理，我们将其与传统的远场通信进行对比。此外，我们还介绍了NFC的关键挑战，包括其信道建模和估计、近场波束聚焦以及硬件设计。我们的数值结果证明了NFC在提高空间复用增益和定位精度方面的潜力。最后，确定了一系列悬而未决的问题，以激励未来的研究。

5. 《Achievable Rate of a STAR-RIS Assisted Massive MIMO System Under Spatially-Correlated Channels》

       可重构智能表面（RIS）辅助的大规模多输入多输出（mMIMO）是一种在下一代网络中应用的有前途的技术。然而，与同时发射和反射RIS（STAR-RIS）相比，仅反射RIS提供有限的覆盖。因此，在本文中，我们关注STAR RIS辅助的mMIMO系统的下行链路可实现速率及其优化。与之前关于STAR-RIS的工作相反，我们考虑了RIS两侧的mMIMO、相关衰落和多个用户设备（UE）。特别地，我们引入了一种聚合信道的估计方法，其主要优点是减少了开销链路，而不是估计单个信道。{接下来，利用mMIMO中的通道硬化和使用即忘边界技术，我们获得了一个仅依赖于统计通道状态信息（CSI）的闭合形式的可实现速率。为了优化STAR-RIS的振幅和相移，我们采用了投影梯度上升法（PGAM），该法同时调整两种能量分裂的振幅和相位偏移（ES）和模式切换（MS）STAR-RIS操作协议。}通过考虑大规模衰落，所提出的优化可以每隔几个相干间隔执行一次，这可以显著减少开销。考虑到STAR-RIS的可控参数数量是传统的仅反射RIS的两倍，这一成就提供了巨大的实际效益。通过仿真验证了分析结果，揭示了可实现速率与基本参数的相互作用，并表明了STAR-RIS在可实现速率方面的优越性。

6. 《Sum-Rate Maximization for Movable Antenna Enabled Multiuser Communications》

       提出了一种新的可移动天线多用户通信系统，利用天线位置优化来提高下行链路和速率。针对多用户多输入单输入系统，研究了发射波束成形矢量和发射MA位置的联合优化问题。利用分式规划、交替优化和梯度下降方法，提出了一种有效的算法来解决公式化的非凸问题。为了实现更好的性能-复杂性权衡，还提出了一种基于零强制波束成形的设计作为替代方案。数值研究验证了所提出的算法的效率，以及与依赖于传统固定位置天线（FPA）的基准相比的优越性能。

7. 《RIS-Assisted Wireless Communications: Long-Term versus Short-Term Phase Shift Designs》

       可重构智能表面（RIS）作为未来无线网络的新兴技术，由于其在具有挑战性的传播环境中提高覆盖概率的潜力，最近引起了人们的极大兴趣。本文研究了RIS辅助传播环境，其中源在存在弱直接链路的情况下将数据传输到目的地。我们从覆盖概率和遍历率的角度分析和比较了基于长期和短期信道统计的RIS设计。对于所考虑的优化设计，我们推导了覆盖概率和遍历率的闭合表达式，明确揭示了传播环境和RIS对系统性能的影响。除了优化RIS相位轮廓外，我们还提出了RIS布局优化问题，其目的是通过仅依赖于部分信道状态信息来最大化覆盖概率。在梯度上升法的基础上，提出了一种有效的算法。对模拟结果进行了说明，以证实分析框架和发现。所提出的RIS相位轮廓在中断概率和遍历率方面优于几个启发式基准。此外，所提出的RIS放置策略提供了额外的自由度，显著提高了系统性能。