Network-assisted full-duplex (NAFD) distributed massive multiple-input multiple-output (MIMO) systems enable simultaneous uplink and downlink communications by dynamically allocating the numbers of uplink and downlink remote antenna units (RAUs), which potentially improve the spectral efficiency in wireless communications. In such systems, channel state information (CSI) plays a critical role in uplink reception and downlink transmission, as well as the cross link interference cancelation caused by downlink RAUs to uplink RAUs. Moreover, downlink terminals need to estimate CSI to reliably decode the received signals due to the reduced channel hardening effect. However, high training overhead makes it generally impossible to directly estimate CSI. This paper proposes to estimate effective CSI (inner products of beamforming and channel vectors) instead based on beamforming training scheme. Under this scheme, we derive closed-form expressions for uplink and downlink achievable rates with different receivers and beamforming. Given these expressions, we propose an efficient power allocation scheme which is only dependent on slowly varying large-scale fading from the perspective of multi-objective optimization. Numerical results verify the accuracy of the derived closed-form expressions and effectiveness of beamforming training based CSI estimation. Moreover, trade-off regions between the considered optimization objectives under various system parameters offer numerous flexibilities for system optimization.

中文翻译：

---

具有基于波束成形训练的CSI估计的网络辅助全双工分布式大规模MIMO系统

网络辅助的全双工（NAFD）分布式大规模多输入多输出（MIMO）系统通过动态分配上行链路和下行链路远程天线单元（RAU）的数量，实现了同时的上行链路和下行链路通信，从而有可能提高频谱效率。无线通信。在这样的系统中，信道状态信息（CSI）在上行链路接收和下行链路传输以及由下行链路RAU到上行链路RAU引起的交叉链路干扰消除中起着至关重要的作用。此外，由于减小的信道硬化效应，下行链路终端需要估计CSI以可靠地解码接收到的信号。但是，高训练开销使得通常无法直接估计CSI。本文建议基于波束成形训练方案来估计有效的CSI（波束成形和信道向量的内积）。在这种方案下，我们导出了使用不同接收器和波束成形的上行链路和下行链路可达到速率的闭式表达式。给定这些表达式，我们提出了一种有效的功率分配方案，从多目标优化的角度来看，该方案仅依赖于缓慢变化的大规模衰落。数值结果验证了导出的闭式表达式的准确性以及基于CSI的波束形成训练的有效性。此外，在各种系统参数下考虑的优化目标之间的折衷区域为系统优化提供了许多灵活性。我们得出了不同接收器和波束成形下的上行链路和下行链路可达到的速率的闭式表达式。给定这些表达式，我们提出了一种有效的功率分配方案，从多目标优化的角度来看，该方案仅依赖于缓慢变化的大规模衰落。数值结果验证了导出的闭式表达式的准确性以及基于CSI的波束形成训练的有效性。此外，在各种系统参数下考虑的优化目标之间的折衷区域为系统优化提供了许多灵活性。我们得出了不同接收器和波束成形下的上行链路和下行链路可达到的速率的闭式表达式。给定这些表达式，我们提出了一种有效的功率分配方案，从多目标优化的角度来看，该方案仅依赖于缓慢变化的大规模衰落。数值结果验证了导出的闭合形式表达式的准确性以及基于波束成形训练的CSI估计的有效性。此外，在各种系统参数下考虑的优化目标之间的折衷区域为系统优化提供了许多灵活性。从多目标优化的角度来看，我们提出了一种高效的功率分配方案，该方案仅依赖于缓慢变化的大规模衰落。数值结果验证了导出的闭式表达式的准确性以及基于CSI的波束形成训练的有效性。此外，在各种系统参数下考虑的优化目标之间的折衷区域为系统优化提供了许多灵活性。从多目标优化的角度来看，我们提出了一种高效的功率分配方案，该方案仅依赖于缓慢变化的大规模衰落。数值结果验证了导出的闭式表达式的准确性以及基于CSI的波束形成训练的有效性。此外，在各种系统参数下考虑的优化目标之间的折衷区域为系统优化提供了许多灵活性。