Secure Transmission Strategy for Intelligent Reflecting Surface Enhanced Wireless System
在本文中，我们研究的安全传输框架的设计与智能反射表面（IRS）。我们的设计旨在最大限度地减少系统的能量消耗的情况下，秩一和全秩接入点（AP）-IRS链接。为了便于设计，将问题分为两部分：AP处波束形成矢量的设计和IRS处的相移。在秩一信道模型中，波束形成矢量设计和相移设计是独立的。推导了波束形成矢量的闭合表达式。同时，针对瞬时信道情况下的相移问题，采用半定松弛算法和投影梯度算法进行了求解，并在统计信道模型下分析了相移对整个系统的影响。然而，由于波束形成和相移在满秩模型中相互依赖，我们参考传统的窃听模型，并利用基于特征值的算法来获得波束形成向量，同时也应用了上述两种相位优化方案。仿真结果表明，IRS增强系统的设想，以提高物理层的安全。
2019-09-02 cs.IT math.IT
Distributed Low-Rank Adaptive Algorithms Based on Alternating Optimization and Applications
本文提出了一种新的分布式低秩方案和自适应算法的分布式估计在无线网络。所提出的分布式方案是基于一个变换，在网络的每个代理进行降维，然后传输一组减少的参数到其他代理和降维参数估计。提出了一种基于交替优化策略的分布式低秩联合迭代估计算法，与现有技术相比，该算法可以显著降低通信开销，提高性能。一个计算复杂性的建议和现有的低秩算法的分析，提出了随着所提出的技术的收敛性分析。仿真结果验证了所提策略在无线传感器网络和智能电网中的应用。
2017-09-29 cs.IT math.IT
Multi-Level Over-the-Air Aggregation of Mobile Edge Computing over D2D Wireless Networks
在本文中，我们考虑一种基于无线多跳设备到设备（D2 D）的移动边缘计算（MEC）系统，其中目标无线设备（WD）被安排计算列线图函数。在MapReduce框架下，通过减少通信资源开销，提出了一种新的多层次空中（OTA）聚合方案，目的WD在数据洗牌阶段从多个源WD收集个体部分聚合中间值（IVAs）进行缩减.对于每个级别的OTA聚合，源WD在相同的时间频率资源块上的传输中采用乘以它们各自的发送系数的信道逆结构，并且目的地WD最终使用接收滤波因子来构造聚合的IVA。在这种设置下，我们开发了一个统一的收发器设计框架，该框架通过联合优化源WD的各个发射系数和目的地WD的接收滤波因子，使在受源WD的各个功率约束的目的地WD处的聚合IVA的均方误差（MSE）最小化。首先，基于原始分解方法，我们推导出了公共传输系数特殊情况下的封闭解。结果表明，所有源WD的公共发射取决于源WD之间的最小发射功率预算。接下来，对于一般情况下，我们将原问题转化为一个二次分式规划问题，然后开发一个低复杂度的算法，以获得（近）最佳的解决方案，利用Dinkelbach的算法与高斯随机化方法。
2021-05-02 cs.IT eess.SP math.IT
Low-complexity Rank-Efficient Tensor Completion For Prediction And Online Wireless Edge Caching
无线边缘缓存是避免下一代网络中回程拥塞的流行策略，其中内容提前在基站处缓存以在峰值拥塞期间服务冗余请求。在边缘缓存数据中，由于动态选择性流行性，丢失的观察是不可避免的。在完成方法中，基于张量的模型已被证明是最有利的缺失数据插补。此外，由于观测结果在时间、文件和基站之间是相关的，因此在本文中，我们将带建议的协作缓存制定为四阶张量完成和预测问题。由于内容库可能很大，导致一个大的维度张量，我们修改潜在的范数为基础的弗兰克-沃尔夫（FW）算法朝着一个更低的时间复杂度使用多秩更新，而不是在文献中的秩1更新。这种显著降低的时间计算开销导致开发在线缓存算法。与MovieLens数据集，模拟显示所提出的算法相比，最近的FW算法的重建误差较低，尽管具有较低的计算开销。它还表明，完成张量提高线性预测方案的归一化缓存命中率。
2022-02-26 cs.IT cs.PF math.IT
Efficient Wireless Federated Learning via Low-Rank Gradient Factorization
School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院）；School of Computing Science, University of Glasgow（格拉斯哥大学计算科学学院）
本文提出基于低秩矩阵分解和分布式雅可比SCA的无线联邦学习梯度压缩方法Ota-LC，结合空中计算与误差反馈，在保证推理性能的同时显著降低计算和通信成本。
2024-11-23 cs.IT cs.LG eess.SP
Low-Rank Matrix Completion for Mobile Edge Caching in Fog-RAN via Riemannian Optimization
即将到来的大数据时代可能需要大量的计算和存储资源用于通信。通过将计算和存储推到网络边缘，雾无线接入网络（Fog-RAN）可以有效地提高网络吞吐量并降低传输延迟。此外，我们可以利用Fog-RAN中启用缓存的架构的优势，以低延迟交付内容。无线电接入单元（RAU）需要通过有线链路从雾服务器进行内容递送，而多个移动设备无线地从RAU获取内容。这项工作提出了一个统一的低秩矩阵完成（LRMC）的方法来解决在有线和无线部分的Fog-RAN的内容分发问题。为了实现低缓存延迟，我们提出了一个高精度的方法与黎曼信赖域方法来解决具有挑战性的LRMC问题，利用固定秩矩阵的商流形几何。数值结果表明，新方法具有更快的收敛速度，能够达到最优的结果，并优于其他国家的最先进的算法。
2016-09-04 cs.IT math.IT
Analog Spatial Cancellation for Tackling the Near-Far Problem in Wirelessly Powered Communications (Extended Version)
在无线通信系统中实现无线功率传输开辟了一个新的研究领域，称为无线供电通信（WPC）。在部署了超密集小小区基站的下一代异构网络中，在短距离上进行无线信息和功率传输（SWIPT）是可行的。设计WPC系统的一个挑战是严重的远近问题，其中用户试图在存在极强SWIPT信号的情况下解码信息传输（IT）信号。联合量化混合信号导致IT信号完全被量化噪声破坏，因此必须在模拟域中抑制SWIPT信号。这激发了本文中的多天线WPC系统中的模拟空间消除的框架的设计。在该框架中，由简单的移相器和加法器组成的模拟电路适于通过将SWIPT信号与具有单位模元素和满秩的消除矩阵相乘来消除SWIPT信号，其中满秩保持IT信道的空间复用增益。单位模量约束使得传统的迫零方法不适用。因此，本文提出了一种新的系统的方法来构造抵消矩阵。对于单SWIPT-解调器的情况下，得到的矩阵作为截断傅立叶/Hadamard矩阵后，通过SWIPT信道的传播相移补偿。对于更具挑战性的多个SWIPT解调器的情况，提出了将消除矩阵的每一行构造为分量向量的克罗内克积，其中每个分量向量被设计为与前述情况类似地使来自对应SWIPT解调器的信号归零。
2016-08-09 cs.IT math.IT
Scaling 6G Subscribers with Fewer BS Antennas using Multi-carrier NOMA in Fixed Wireless Access
针对低秩信道下FWA网络用户天线远多于基站天线、传统多址方式性能受限的问题，提出结合最优功率-子载波分配与自适应分时的算法，利用GDFE抗干扰，在数据速率和能效上显著优于OMA、NOMA基线，助力6G FWA网络扩容。
2024-10-29 cs.IT eess.SP math.IT
Data Dissemination Problem in Wireless Networks
在这项工作中，我们制定和研究的数据传播问题，这可以被看作是一个推广的索引编码问题和数据交换问题的网络与任意拓扑结构。我们定义$r$ -可解网络，其中数据传播可以在$r > 0$通信回合中实现。我们表明，任何一轮通信方案的最佳传输次数是由一定的约束矩阵族的最小秩。对于这个问题的一个特殊情况，称为二分数据传播问题，我们提出了最佳传输次数的上下限图论。对于一般的$r$可解网络，我们推导出一个上限的最小传输次数在任何计划与$\geq r$轮。我们实验比较得到的上限到一个简单的下限。
2015-10-09 cs.IT math.IT
Efficient Data Gathering in Wireless Sensor Networks Based on Matrix Completion and Compressive Sensing
在无线传感器网络中以节能的方式收集数据是一个重要的设计挑战。在无线传感器网络中，传感器的读数往往表现出时间内和空间间的相关性。因此，在这封信中，我们使用低秩矩阵完成理论来探索空间间的相关性，并使用压缩感知理论来利用时间内的相关性。我们的方法，被称为MCCS，可以显着减少数据量，每个传感器必须通过网络发送到sink，从而延长整个网络的生命周期。使用真实数据集的实验证明了我们的MCCS方法的可行性和有效性。
2013-02-09 cs.IT cs.NI math.IT
Rank Optimization for MIMO Channel with RIS: Simulation and Measurement
本文研究RIS辅助的MIMO系统信道优化，提出一种高效的RIS优化方法以提升信道有效秩和可达速率，并通过数值仿真及2×2原型实验验证了该方法相比无RIS系统的显著性能提升。
2023-12-08 cs.IT eess.SP math.IT
Deep Unfolding of Iteratively Reweighted ADMM for Wireless RF Sensing
Ruhr University Bochum（波鸿鲁尔大学）；Technical University Berlin（柏林工业大学）；Technical University of Munich（慕尼黑工业大学）
我们解决了材料缺陷的检测，这是内部的分层材料结构使用压缩感知基于多输入多输出（MIMO）无线雷达。在这里，由于层状结构的表面的反射而产生的强杂波通常使得缺陷的检测具有挑战性。因此，需要复杂的信号分离方法来改进缺陷检测。在许多情况下，我们感兴趣的缺陷的数量是有限的，并且分层结构的信令响应可以被建模为低秩结构。因此，我们提出了联合秩和稀疏性最小化的缺陷检测。特别是，我们提出了一个非凸的方法的基础上迭代重新加权核和$\ell_1-$规范（双重重新加权的方法），以获得更高的精度相比，传统的核规范和$\ell_1-$规范最小化。为此，设计了一种迭代算法来估计低秩和稀疏的贡献。此外，我们提出了深度学习来学习算法的参数（即，算法展开）以提高算法的精度和收敛速度。数值结果表明，该方法在恢复低秩和稀疏分量的均方误差以及收敛速度方面优于传统方法。
2021-12-17 cs.CV cs.IT cs.LG
An LS-Decomposition Approach for Robust Data Recovery in Wireless Sensor Networks
无线传感器网络广泛应用于军事、民用和商业领域，其传感数据呈指数级爆炸式增长。然而，部署有效感测系统的主要挑战是存在{ \em大量缺失条目、测量噪声和异常读数}。现有的工作假设传感器数据矩阵具有低秩结构。由于异常读数，这在现实中并不成立，导致严重的性能下降。在本文中，我们介绍了一个{ \em LS分解}方法的强大的传感器数据恢复，它分解为一个低秩矩阵和稀疏异常矩阵的叠加损坏的数据矩阵。首先，我们证明LS-分解解一个凸规划有界逼近误差。其次，使用来自IntelLab，GreenOrbs和NBDC-CTD项目的数据集，我们发现传感器数据矩阵包含异常读数。第三，我们提出了一种加速的邻近梯度算法，并证明了它以$O(1/k^2)$（$k$是迭代次数）的收敛速度逼近最优解。在真实数据集上的评估表明，我们的方案实现了采样率$\geq 50\%$的恢复误差$\leq 5\%$和采样率$\geq 60\%$的几乎精确的恢复，而最先进的方法在采样率$90\%$有误差$10\% \sim 15\%$。
2015-09-12 cs.IT cs.NI math.IT
Robust Designs of Beamforming and Power Splitting for Distributed Antenna Systems with Wireless Energy Harvesting
在本文中，我们研究了一个多用户分布式天线系统，同时无线信息和功率传输的假设下，不完美的信道状态信息（CSI）。在该系统中，具有多个天线的分布式天线端口支持一组移动站，这些移动站可以通过功率分配器同时解码信息和收获能量。为了设计鲁棒的发射波束成形矢量和功率分配（PS）因素在CSI错误的存在下，我们最大化的平均最坏情况下的信号与干扰加噪声比（SINR），同时实现个人的能量收集约束每个移动台。首先，我们开发了一个有效的算法转换的最大-最小的SINR问题的一组“双”最小-最大功率平衡问题。然后，受罚函数法的启发，提出了一种基于半定规划（SDP）的迭代算法，以获得局部最优的秩一解。此外，为了减少计算复杂性，我们提出了另一种迭代方案的基础上拉格朗日方法和逐次凸逼近（SCA）技术，以产生一个次优解。仿真结果验证了算法的鲁棒性和有效性。
2018-01-31 cs.IT math.IT
Low-Rank Signal Processing: Design, Algorithms for Dimensionality Reduction and Applications
我们提出了降秩信号处理，降维设计方法和算法的教程，并涵盖了一些重要的应用。一个基于线性代数和线性估计的一般框架，向读者介绍降秩信号处理的基本原理，并描述如何对观察到的离散时间信号进行降维。本文利用最小二乘优化技术对降维算法进行了统一的处理，并对设计降维变换矩阵的几种方法进行了评述。降维技术包括基于观测数据向量协方差矩阵特征分解的降维技术、Krylov子空间方法、联合迭代优化（JIO）算法以及具有简化结构和切换的JIO（JIOS）技术。一些应用程序，然后考虑使用统一的治疗，其中包括无线通信，传感器和阵列信号处理，语音，音频，图像和视频处理。本教程最后讨论了未来的研究方向和新出现的主题。
2015-08-04 cs.IT math.IT
A Copula-based Semantics-Structure Minimization Framework for QoS Guaranteed Wireless Communications
本文针对语义通信缺乏理论保障的问题，提出基于Copula的语义-结构最小化框架，通过四条公理、语义失真度量及信源-信道分离定理等理论边界，为无线通信提供可证明的服务质量保障。
2025-11-10 cs.IT math.IT
Throughput Analysis and Optimization of Wireless-Powered Multiple Antenna Full-Duplex Relay Systems
我们考虑一个全双工（FD）解码和转发系统，其中的时间交换协议是由多天线中继接收能量从源和发送信息到目的地。瞬时吞吐量最大化，通过优化接收和发送波束形成器在中继和时间分割参数。我们研究最优和次优方案。在某些情况下，最优方案中的重新表达的问题在发射波束形成器方面实现了封闭形式的解决方案。在其他情况下，优化问题被制定为半定松弛问题，并且总是保证秩一最优解。在次优方案中，波束形成器使用最大比合并、迫零和最大比传输来获得。当波束形成器有封闭形式的解决方案，可实现的瞬时和延迟约束的吞吐量的分析特征。我们的研究结果表明，波束成形增加了FD中继的能量收集和环路干扰抑制能力。此外，仿真结果表明，选择的线性处理方案以及时间分裂起着关键作用，在确定FD增益。
2016-01-30 cs.IT math.IT
Generalized Sparse and Low-Rank Optimization for Ultra-Dense Networks
超密集网络（UDN）是一种有前途的技术，可以进一步发展无线网络并满足5G网络的各种性能要求。UDN拥有丰富的接入点，每个接入点都有通信，计算和存储资源，带来了前所未有的好处，包括显著提高网络频谱效率和能源效率，大大降低延迟以实现新颖的移动应用，以及为物联网（IoT）设备提供大规模接入的能力。然而，如此巨大的希望伴随着巨大的研究挑战。要设计和运作这种拥有各类资源的复杂网络，就需要采用高效和创新的方法。这促使最近引入高度结构化和概括性的网络优化模型。在这篇文章中，我们提出了一些最近提出的大规模稀疏和低秩框架，用于优化UDN，并得到各种激励应用程序的支持。一个特别注意的算法方法来处理非凸目标函数和约束，以及计算的可扩展性。
2017-09-26 cs.IT math.IT
Energy-Efficient Processing and Robust Wireless Cooperative Transmission for Edge Inference
ShanghaiTech University（上海科技大学）；Shanghai Institute of Microsystem and Information Technology, Chinese Academy of Sciences（中国科学院上海微系统与信息技术研究所）；University of Chinese Academy of Sciences（中国科学院大学）；University of Toronto（多伦多大学）；University of California at Davis（加州大学戴维斯分校）
边缘机器学习可以通过利用网络边缘的计算和存储资源，为移动设备提供低延迟和私有的人工智能（AI）服务。本文提出了一种节能的边缘处理框架，用于在边缘计算节点上执行深度学习推理任务，这些边缘计算节点与移动设备的无线连接容易受到信道不确定性的影响。针对概率服务质量（QoS）约束下计算和传输功耗之和最小化的问题，提出了一种联合推理任务和下行波束赋形问题，其特征在于该问题的目标函数为一组稀疏目标函数。我们提供了一个基于统计学习的鲁棒优化方法来近似高度棘手的概率QoS约束的非凸二次约束，这是进一步重新表示为矩阵不等式与秩一约束通过矩阵提升。我们设计了一个重新加权的功率最小化方法，通过迭代重新加权$\ell_1$最小化与差分凸函数（DC）正则化和更新的权重，其中重新加权的方法是采用增强组稀疏性，而DC正则化是为了诱导秩1的解决方案。数值结果表明，所提出的方法优于其他国家的最先进的方法。
2020-03-02 cs.IT cs.LG eess.SP
Capacity Results for Multiple-Input Multiple-Output Optical Wireless Communication With Per-Antenna Intensity Constraints
研究每根天线峰值和平均强度约束下MIMO光强度信道容量，推导多种容量界并推广至更一般情形。
2024-01-09 cs.IT math.IT
LoS MIMO-Arrays vs. LoS MIMO-Surfaces
无线研究界对亚太赫兹频段表示出极大的兴趣，以便在未来的无线网络中实现移动通信。亚太赫兹波段提供了大量的可用带宽，因此，有望实现光速无线通信。在这样的高频带，收发器需要具有更大的孔径，并且需要比在低频带更密集地部署。这些因素成比例地增加了远场极限，电磁波的球面曲率不能再被忽略。这提供了实现空间复用的机会，即使在视线信道。在本文中，我们概述和比较现有的设计方案，以实现高秩传输的视线信道。
2023-02-07 cs.IT eess.SP math.IT
Wireless Communication Using Metal Reflectors: Reflection Modelling and Experimental Verification
利用全无源金属反射器的无线通信具有零能耗、超低成本、免信令、免维护、易于部署以及与现有和未来无线系统完全兼容等优点，是一种很有前途的覆盖扩展、信号增强、秩提高和盲区补偿技术。然而，对金属板反射的普遍理解是基于斯涅耳定律，即，只有当观察角等于入射角时才能接收到信号，这只在金属板的电尺寸非常大时才有效。在本文中，我们严格推导出一个通用的反射模型，适用于任何尺寸，任何方向，任何线性偏振的金属反射器。导出的模型是根据金属板的雷达散射截面（RCS）作为其物理尺寸和方向矢量的函数，以及波偏振和波偏转矢量，即，从入射波方向到观测方向的方向变化。此外，基于实际现场测量的实验结果提供了验证我们开发的模型的准确性，并证明了使用金属反射器的通信的巨大潜力。
2022-11-16 cs.IT eess.SP math.IT
Over-the-Air Computation via Intelligent Reflecting Surfaces
空中计算（Over-the-Air Computation，AirComp）利用多址信道的叠加特性，成为一种快速无线数据聚合的有效方法。为了进一步克服不利的信号传播条件的AirComp，在本文中，我们提出了一种智能反射表面（IRS）辅助AirComp系统，以建立可控的无线环境，从而提高接收信号的功率显着。这是通过巧妙地调整IRS处入射电磁波的相移来实现的，从而实现可重构的信号传播。不幸的是，事实证明，AirComp收发器和IRS相移的联合设计问题成为一个非常棘手的非凸双二次规划问题，为此开发了一种新的交替凸差分（DC）规划算法。这是通过提供一个新的DC函数表示的秩一约束的低秩矩阵优化问题，通过矩阵提升。仿真结果表明，所提出的方法与最先进的解决方案相比，算法的优势和令人钦佩的性能。
2019-04-30 cs.IT eess.SP math.IT
On The Capacity of Low-Rank Dyadic Fading Channels in the Low-SNR Regime
该研究刻画低信噪比下低秩二元衰落信道容量，发现较高衰落严重程度反而提升容量，并推导出容量与衰落参数乘积成反比的关键结果。
2024-02-09 cs.IT math.IT
Cooperative Jamming Detection Using Low-Rank Structure of Received Signal Matrix
本文提出利用接收信号矩阵低秩结构的协作式干扰检测方法，通过似然比检验设计多场景检测器，并分析虚警性能与设定阈值，仿真证明其优于现有方法。
2025-09-15 cs.IT math.IT
Using Intelligent Reflecting Surfaces for Rank Improvement in MIMO Communications
由可重构超材料组成的智能反射面（IRS）可以用来部分控制无线电环境，从而为无线通信带来新的特性。以前关于IRS的工作特别研究了范围扩展用例，以及在什么情况下新技术可以击败继电器。在本文中，我们研究了另一种可能对信道容量有较大影响的用例：秩改进。点对点MIMO通信的经典瓶颈之一是空间复用提供的容量增益仅在高SNR下较大，并且高SNR信道主要出现在视线（LoS）场景中，其中信道矩阵具有低秩并且因此不支持空间复用。我们演示了如何IRS可以使用和优化，在这种情况下，以增加信道矩阵的秩，导致大量的容量增益。
2020-02-06 cs.IT eess.SP math.IT
Energy-Efficient Hybrid Offloading for Backscatter-Assisted Wirelessly Powered MEC with Reconfigurable Intelligent Surfaces
研究了一种基于无线能量传输（WPT）的后向散射移动边缘计算（MEC）网络，该网络具有可重构智能表面（RIS），无线设备（WD）可以在后向散射通信（BC）和主动传输（AT）模式之间切换，卸载任务比特并获取能量.我们利用RIS来最大限度地提高能源效率（EE）。为此，我们优化了时间/功率分配、本地计算频率、执行时间、后向散射系数和RIS相移。这个目标导致了具有冲突目标的多目标优化问题（MOOP）。因此，我们同时最大化系统吞吐量和最小化能源消耗通过切比雪夫方法，转化为两个单目标优化问题（SOOP）。对于吞吐量最大化，我们利用交替优化（AO）产生两个子问题。对于第一个，我们推导出封闭形式的资源分配。对于第二个，我们设计的RIS相移通过半定松弛，凸函数编程的差异，优化最小化技术，和一个惩罚函数，强制执行一个秩一的解决方案。对于能量最小化，我们推导出封闭形式的资源分配。我们展示了几个基准的收益。例如，使用$20$元件RIS，EE可以高达3（Mbits/Joule），比无RIS的情况（仅实现2（Mbits/Joule））提高了150%。
2022-06-01 cs.IT eess.SP math.IT
Robust Beamforming Design and Time Allocation for IRS-assisted Wireless Powered Communication Networks
针对功率受限的物联网（IoT）智能设备，提出了一种新型的智能反射面（IRS）辅助无线供电通信网络（WPCN）架构，利用IRS提高WPCN在信道状态信息（CSI）不完善情况下的性能。在非理想CSI和非线性能量收集模型下，通过联合优化时间分配、HAP能量波束形成、接收波束形成、用户发射功率分配、IRS能量反射系数和信息反射系数，提出了一个混合接入点（HAP）发射能量最小化问题.由于优化变量之间的高度耦合，该问题是一个难以直接求解的非凸优化问题。为了解决上述具有挑战性的问题，交替优化（AO）技术被应用到解耦的优化变量来解决问题。具体而言，通过AO将时间分配、HAP能量波束形成、接收波束形成、用户发射功率分配、IRS能量反射系数和信息反射系数分解为三个子问题交替求解。在求解IRS的能量反射系数和信息反射系数时，采用凸差分（DC）规划来解决秩为一的非凸约束。数值仿真结果验证了该优化算法在降低HAP发射能量方面的优越性。
2021-12-06 cs.IT eess.SP math.IT
Exploiting Simultaneous Low-Rank and Sparsity in Delay-Angular Domain for Millimeter-Wave/Terahertz Wideband Massive Access
采用大规模天线阵列的毫米波（mmW）/太赫兹（THz）宽带通信是用于实现大规模机器类型通信（mMTC）的第六代（6 G）无线网络的有前景的技术。为了减少接入时延和信令开销，设计了一种基于联合主动设备检测和信道估计（JADCE）的mmW/THz宽带大规模接入免授权随机接入方案。特别地，利用毫米波/太赫兹信道在延迟角域中同时具有稀疏和低秩结构的特点，通过应用复秩$L$矩阵与簇数$L$乘积的商几何，提出了两种多秩感知的JADCE算法.它被证明，所提出的算法需要更少的测量比目前已知的传统的同时稀疏和低秩恢复算法的测量上的界限。统计分析还表明，所提出的算法可以线性收敛到地面真理与低计算复杂性。最后，大量的仿真结果证实了所提出的算法在活动检测和信道估计的准确性方面的优越性。
2021-09-07 cs.IT eess.SP math.IT
Compressed Sensing of Multi-Channel EEG Signals: The Simultaneous Cosparsity and Low Rank Optimization
目标：针对多通道脑电信号压缩感知中部分脑电信号稀疏性不好以及单通道处理计算效率不高的问题。研究方法：提出了一种基于L0范数和Schatten-0范数的优化模型，以增强重构多通道脑电信号的余稀疏性和低秩结构。采用凸松弛和全局一致性优化交替方向乘子法计算优化模型。结果：多通道脑电信号重建的精度和计算复杂性均得到提高。结论：该方法是一个更好的候选人比以前的稀疏信号恢复方法的压缩感知脑电信号。意义：所提出的方法使成功的压缩感知的EEG信号，即使信号没有良好的稀疏表示。采用压缩感知技术可以大大降低无线脑电系统的功耗。
2015-06-29 cs.IT math.IT stat.ML
Double Directional Wireless Channel Generation: A Statistics-Informed Generative Approach
本文提出一种统计信息引导的生成式方法，利用混合Transformer与BiLSTM生成完整双方向无线信道信息，并通过领域知识训练匹配统计特性，仿真表明其优于现有预测方法。
2025-03-07 cs.IT eess.SP math.IT
Wireless Communication via Double IRS: Channel Estimation and Passive Beamforming Designs
在这封信中，我们研究了有效的信道估计和被动波束形成设计的双智能反射面（IRS）辅助单用户通信系统，其中用户通过级联的用户IRS 1-IRS 2-AP双反射链路与接入点（AP）进行通信。首先，提出了一种通用的信道估计方案，适用于任意IRS间信道下的系统，其中级联信道的所有系数都被估计。接下来，对于具有视线（LoS）主导的IRS间信道的典型场景，我们提出了另一种定制方案来估计秩一级联信道的两个签名向量，其信道训练时间比第一方案少得多。针对这两种信道估计方案，在考虑训练开销和信道估计误差的情况下，进一步优化了相应的协作无源波束形成算法，以最大化可达速率。数值结果表明，部署两个合作的IRS与建议的信道估计和被动波束形成的设计实现了显着的速率提高相比，传统的情况下，单一的IRS部署。
2020-08-26 cs.IT cs.NI math.IT
LASER: Linear Compression in Wireless Distributed Optimization
School of Computer and Communication Sciences, EPFL（洛桑联邦理工学院计算机与通信科学学院）；Department of Electrical and Computer Engineering, UT Austin（德克萨斯大学奥斯汀分校电气与计算机工程系）
本文提出LASER，一种利用梯度低秩结构在噪声信道上高效传输的无线分布式优化压缩方法，兼具理论保证并在视觉和语言任务上优于现有方案。
2024-02-06 cs.AI cs.IT cs.LG
Simultaneous Wireless Information and Power Transfer in Near-Field Communications
该研究针对近场SWIPT网络的发射功率最小化问题，证明无需专用能量波束，提出PTL算法及低复杂度两阶段算法，实现近优性能且单近场波束可多位置聚能。
2023-05-05 cs.IT eess.SP math.IT
KO codes: Inventing Nonlinear Encoding and Decoding for Reliable Wireless Communication via Deep-learning
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of Washington（华盛顿大学）；University of Michigan（密歇根大学）
地标码支持可靠的物理层通信，例如，Reed-Muller、BCH、卷积、Turbo、LDPC和极化码：每一种都是线性码，代表了数学上的突破。对人类的影响是巨大的：这些代码中的每一个都被用于全球无线通信标准（卫星，WiFi，蜂窝）。经典的加性高斯白噪声（AWGN）信道上的通信的可靠性，使不同的代码的基准和排名。在本文中，我们构建了KO码，这是一种计算效率高的深度学习驱动（编码器，解码器）对，在标准化AWGN信道上的可靠性性能优于最先进的可靠性性能。KO码在AWGN信道上具有挑战性的短到中等块长度机制中，在低复杂度的连续消除解码下击败了最先进的Reed-Muller码和Polar码。我们发现，KO码的增益主要是由于信息位的非线性映射直接传输真实的符号（绕过调制），但拥有一个有效的，高性能的解码器。使这成为可能的关键技术创新是设计一种新颖的神经架构家族，其灵感来自于对Reed-Muller和Polar码至关重要的{\bf K}ronecker { \bf O}运算（KO）的计算树。这些架构铺平了道路，发现一个更丰富的类迄今未开发的非线性代数结构。代码可在\href{https://github.com/deepcomm/KOcodes}{https://github.com/deepcomm/KOcodes}上获得
2021-08-29 cs.AI cs.IT math.IT
Cooperative Double-IRS Aided Communication: Beamforming Design and Power Scaling
智能反射面（IRS）技术是支持高性能无线通信的一种很有前途的技术。通过自适应地配置其上的每个无源反射元件的反射幅度和/或相位，IRS可以重塑有利于信号传输的电磁环境。本文在现有研究的基础上，提出并分析了一种双IRS辅助的无线通信系统。在从IRS 1到IRS 2的反射信道具有秩1（例如，的视线信道），我们提出了一种联合被动波束形成设计的两个IRS。在此基础上，我们表明，部署两个合作的IRS与总共K个元素可以产生一个O（K^4）阶的功率增益，这大大优于部署一个传统的IRS与O（K^2）阶的功率增益的情况下。我们的仿真结果验证了部署两个合作的IRS的性能显着优于部署一个IRS给出了足够的IRS元素的总数。我们还扩展了我们的视线信道模型，以显示不同的信道模型如何影响双IRS辅助无线通信系统的性能。
2020-04-04 cs.IT eess.SP math.IT
CoCo-Fed: A Unified Framework for Memory- and Communication-Efficient Federated Learning at the Wireless Edge
研究针对O-RAN架构中大规模神经网络部署的瓶颈，提出CoCo-Fed框架，通过本地梯度双维下投影及全局正交子空间叠加传输协议，统一内存与通信效率，理论证明其收敛性，模拟显示在相关任务中优于基线。
2026-07-27 cs.AI cs.IT math.IT
Study of Distributed Robust Beamforming with Low-Rank and Cross-Correlation Techniques
在这项工作中，我们提出了一种新的鲁棒分布式波束形成（RDB）的方法的基础上低秩和互相关技术。建议的RDB方法减轻了信道错误的影响，在无线网络中配备了中继的基础上利用接收到的数据之间的互相关从中继在目的地和系统输出和低秩技术。中继节点配备了放大转发（AF）协议和信道误差建模使用加性矩阵扰动，这会导致系统性能的下降。所提出的方法，表示为低秩和互相关RDB（LRCC-RDB），考虑了总的中继发射功率约束的系统和最大化的输出信号与干扰加噪声比（SINR）的目标。我们提出的LRCC-RDB技术进行了性能分析，随着计算复杂度的研究。所提出的LRCC-RDB不需要任何昂贵的在线优化过程和模拟显示出优异的性能相比，以前报道的算法。
2019-11-27 cs.IT cs.LG eess.SP
A Federated Fine-Tuning Paradigm of Foundation Models in Heterogenous Wireless Networks
Wireless AI System Research Team, China Telecom Research Institute（中国电信研究院无线AI系统研究团队）；The State Key Laboratory of Networking and Switching Technology Beijing University of Posts and Telecommunications（北京邮电大学网络与交换技术国家重点实验室）；Singapore University of Technology and Design（新加坡科技设计大学）
针对异构无线网络中联邦微调面临的设备异构与资源约束问题，提出基于在线学习的切换式联邦微调框架，联合优化模型切换、功率与带宽分配，提升测试准确率和能量效率。
2025-09-05 cs.AI cs.IT cs.NI
In-network Sparsity-regularized Rank Minimization: Algorithms and Applications
给定来自低秩矩阵加上已知脂肪压缩矩阵乘以稀疏矩阵的乘积的叠加的有限数量的条目，低秩和稀疏分量的恢复是包含压缩感测、矩阵完成和主分量追踪的基本任务。本文提出了分布式稀疏正则秩最小化网络的算法，当核和$\ell_1$ -范数分别作为代理的秩和非零项计数的寻求矩阵，分别。虽然核范数最小化在集中式处理可行时具有有据可查的优点，但奇异值和的不可分离性对其分布式最小化提出了挑战。为了克服这一限制，核范数的另一种表征，通过交替方向的乘法器的方法，导致一个可分离的，但非凸的成本最小化。新的分布式迭代需要降低每个节点的任务的复杂性，并负担得起的单跳邻居之间的消息传递。有趣的是，在收敛时，分布式（非凸）估计可证明达到其集中式对应的全局最优，而不管初始化。几个应用领域的概述，以突出建议的框架的一般性和影响。这些包括揭示骨干网络中的流量异常，预测网络范围内的路径延迟，以及使用无线认知无线电来映射RF环境。模拟合成和真实的网络数据证实了新的分布式算法的收敛性，其集中的性能保证。
2012-03-07 cs.IT cs.MA cs.NI
