In this letter, we consider linear precoding for downlink massive multi-user (MU) multiple-input multiple-output (MIMO) systems. We propose the novel successively-regularized zero forcing (SRZF) precoding, which exploits successive null spaces of the MIMO channels of the users, along with regularization, to control the inter-user interference (IUI) and to enhance performance and robustness to imperfect channel state information (CSI) at the base station (BS). We study the IUI characteristics of the proposed SRZF precoding for perfect and imperfect CSI at the BS. Furthermore, via computer simulations, we compare the sum rate of SRZF precoding with those of several baseline schemes including conventional and regularized zero forcing (ZF) precoding. Our simulation results reveal that, for massive MIMO systems with inter-user channel correlations, the proposed SRZF precoding significantly outperforms the considered baseline schemes for both perfect and imperfect CSI at the BS.


翻译:在这封信中,我们考虑对大型多用户(MU)多投入多产出(MIMO)系统进行下行连接的线性预编码;我们建议采用新颖的连续常规零强制(SRZF)预编码(SRZF)预编码(SSRZF)法(regular)法(SSRZF)法(regular)法(SSRZF)法(regular)法(SSRZF)法(regularization)法(Sreguide)法(SRZF)法(SZF)(reg))法(regulag)法(SRZF)法(reg)法(regular)法(SRZF)法(SRZF)法(SD)法(SRZF)法(SRZF)法(regued)法(regulation)法(CSI(CSI)法(MBS(CS)法(CI)法(MBS)法(CI))法(CS(CSI(CIF)))法(CSI),我们建议),我们建议的是线性和不完善和不完善和不完善。此外,我们还通过计算机模拟,我们建议,我们比较若干基线法(SIF)法(S(S(S(S(S)法(S)法)法(S)法(S)法(S)法(S)法(S)法(S(S)法)法(S(S)法)法(S)法)法)法(cSI)法(cSI)法(SI)和不完善和不完善和不完善的)法(cSI)法(cI)的)法(SI)法(S(S)的)法(s)法(S)法(cI)法(S)法(S)法(S)法)法)法)法)法)法)法(cI),我们建议),我们建议)和不完善。

0
下载
关闭预览

相关内容

【2022新书】高效深度学习,Efficient Deep Learning Book
专知会员服务
117+阅读 · 2022年4月21日
专知会员服务
52+阅读 · 2020年11月3日
【阿里巴巴-CVPR2020】频域学习,Learning in the Frequency Domain
抢鲜看!13篇CVPR2020论文链接/开源代码/解读
专知会员服务
49+阅读 · 2020年2月26日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年12月19日
VIP会员
相关资讯
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员