Pathloss modeling of reconfigurable intelligent surface assisted THz wireless systems
针对可重构智能表面(RIS)辅助太赫兹(THz)无线系统,提出了一种解析路径损耗模型。具体而言,该模型适应太赫兹链路和RIS的特殊性。最后,我们推导出一个封闭形式的表达式,返回每个RIS反射单元的最佳相移。推导出的路径损耗模型通过广泛的电磁仿真进行验证,并有望在RIS辅助太赫兹无线系统的设计中发挥关键作用。
2021-02-17 eess.SP
6G Oriented Wireless Communication Channel Characteristics Analysis and Modeling
基于对6 G无线通信网络的展望,全球覆盖、全频谱、全应用,全面调研6 G相关无线信道测量、信道特性、全频段全场景信道模型。特别研究了毫米波(mmWave)、太赫兹(THz)、光学波段、卫星、无人机(UAV)、海上、水下声学、高速训练(HST)、车辆对车辆(V2 V)、大规模/超大规模多输入多输出(MIMO)、轨道角动量(OAM)和工业物联网(IoT)通信信道。给出了相关的6 G信道测量和建模结果。最后指出了6 G信道测量和建模的未来研究挑战。
2020-07-28 eess.SP
VoxelRF: Voxelized Radiance Field for Fast Wireless Channel Modeling
VoxelRF通过体素化辐射场方法,实现了无线信道建模的高效准确合成,适用于实时和资源受限的无线应用。
2025-12-12 eess.SP
Framework for Indoor Wireless Propagation Modeling Through Wireless Insite
NIT Durgapur(印度杜尔加普尔国立技术学院);Brno University of Technology(布尔诺理工大学);Military University of Technology(军事技术大学)
本文提出一种基于射线追踪模拟的室内无线传播建模框架,利用Wireless Insite进行仿真,结合SketchUp和MATLAB实现对室内环境的建模与参数分析,用于预测覆盖空洞等应用场景。
2026-03-20 eess.SP
Radio-Frequency Inverse Rendering for Wireless Environment Modeling
School of Electronic Information and Communications, Huazhong University of Science and Technology(华中科技大学电子信息与通信学院);Institute of Artificial Intelligence, Huazhong University of Science and Technology(华中科技大学人工智能与自动化学院)
本文提出一种物理基础的射频逆渲染框架,通过分离射频发射、几何和材料电磁特性,提升无线环境建模的精度与灵活性。
2026-04-08 eess.SP
Wireless Energy Transmission Channel Modeling in Resonant Beam Charging for IoT Devices
物联网设备的电源是物联网发展的瓶颈之一。为了向物联网设备提供永久电源,谐振束充电(RBC)是一种有前途的安全,长距离和高功率无线电力传输解决方案。RBC可以到达多远的距离,RBC可以传输多少功率?本文分析了RBC的一致稳定运行条件,确定了RBC的最大输电距离。此外,我们研究了在操作距离内的功率传输效率,这决定了通过RBC能量传输通道的可输送功率。基于这种能量传输通道建模,我们数值评估其对RBC系统性能的影响,在传输距离,传输效率和输出电功率方面。该分析为RBC系统的设计和实施提供了指导方针,该系统可以为物联网设备在数米距离上无线提供多瓦功率。
2018-07-12 eess.SP
Physics-Informed Generative Approaches for Wireless Channel Modeling
本研究将基于物理的几何信道建模框架与生成模型结合,通过线性化重构解决梯度流问题,生成几何可行且具物理洞察的信道数据,并在2-Wasserstein距离和下游压缩任务中验证其有效性。
2025-03-27 eess.SP
Channel Modeling for UAV-based Optical Wireless Links with Nonzero Boresight Pointing Errors
本文研究了具有非零波束指向误差的基于无人机的自由空间光链路信道建模问题。特别是,利用对数正态湍流模型,我们提出了一种新的封闭形式的统计信道模型的无人机为基础的自由空间光通信链路,考虑到非零波束指向误差的影响。随后,利用伽马-伽马湍流模型,我们提出了一种新的通道特性,这种链路是有效的中度到强湍流条件下。通过Monte-Carlo模拟验证了所提出的模型的准确性。所提出的模型更易于处理,适用于分析这种基于无人机的FSO链路。
2020-04-21 eess.SP
XFreq-GS: Cross-Frequency Wireless Radiation Field Reconstruction with 3D Gaussian Splatting
School of Information Science and Engineering, Southeast University(东南大学信息科学与工程学院);Dept. of ECE, The Hong Kong University of Science and Technology(香港科技大学电子与计算机工程系);College of Electronics and Information Engineering, Shenzhen University(深圳大学电子与信息工程学院)
本文提出XFreq-GS框架,通过共享几何和频适应射频属性的3D高斯点云实现跨频无线辐射场重建,并合成功率角谱图,优于现有3DGS方法。
2026-05-12 eess.SP
Pervasive wireless channel modeling theory and applications to 6G GBSMs for all frequency bands and all scenarios
本文首先提出了普适无线信道建模理论,该理论使用统一的信道建模方法和统一的信道冲激响应(CIR)方程,能够综合不同频段和场景下的重要信道特性。然后,我们将所提出的理论应用到第六代(6 G)无线通信系统的三维(3D)空间-时间-频率(STF)非平稳的基于几何的随机模型(GBSM)。所提出的6 G普适信道模型(6 GPCM)可以表征从亚6 GHz到可见光通信(VLC)频带的所有频段以及所有场景(例如无人机(UAV)、海上、(超)大规模多输入多输出(MIMO)、可重构智能表面(RIS)和工业物联网(IIoT)场景)下的信道的统计特性。通过调整信道模型参数,可以将6 GPCM简化为用于特定频段和场景的各种简化信道模型。此外,它还包括标准的第五代(5G)信道模型作为特殊情况。此外,所提出的6 GPCM的关键统计特性的推导,模拟,并验证了各种信道测量结果,这清楚地表明了其准确性,普及性和适用性。
2022-06-06 eess.SP
Reliability Modeling, Analysis and Prediction of Wireless Mobile Communications
目前处于研究阶段的未来第五代(5G)移动蜂窝网络能够实现传统移动通信之外的广泛服务/应用。将超可靠服务集成到移动网络中的一个关键使能器是给定数据分组的传输成功的\textit{Reliability}。这是困难的,主要是由于通信设备的时间相关的有效链路质量。然而,瞬时链路质量的可用性的成功指示(例如,通过设备)将允许在链路条件足够公平时对超可靠服务/应用的机会接入。本文介绍了一个框架,用于建模,预测和分析的无线链路的理论可靠性的基础上的因素,如衰落,移动性,干扰等的分析和预测是基于部分应力方法\cite{Birolini2010}通过假设时间相关的因素作为元素/组件和各自的传输失败时间(TTTF)。该框架还支持其他可靠性分析技术,如故障树分析和加速测试。无线系统,并改善组件
2018-11-29 eess.SP
Path Loss Modeling for RIS-Assisted Wireless System with Direct Link and Elevation Factors
本文提出了一种考虑发射机、接收机和RIS模块高度及直射链路的RIS辅助无线系统路径损耗解析模型,并给出近远场简化表达式,仿真证实其能优化系统部署策略。
2024-02-16 eess.SP
Modeling and Analysis of Wildfire Detection using Wireless Sensor Network with Poisson Deployment
在许多森林火灾事件中,对火灾的晚发现导致对森林和人类财产的严重损害,需要更多的资源来控制火灾。早期预警和立即反应系统可能是避免这种大规模损失的一个有希望的解决办法。本文考虑了一个由多个无线传感器组成的网络,随机部署在整个森林中的早期及时检测火灾。我们提出了一个框架来模拟火灾在森林中的传播,并考虑无线传感器网络的火灾检测概率的性能进行分析。特别是,本文将传感器部署建模为泊松点过程(PPP),并将森林火灾建模为随时间扩展的动态事件。我们还提出了各种见解的系统,包括所需的传感器密度和风速对检测性能的影响。我们表明,较大的风速可能不一定意味着不良的传感性能或要求的密集部署。
2018-10-16 eess.SP
A Geometry-based Stochastic Wireless Channel Model using Channel Images
针对几何确定性无线信道建模复杂难实现的问题,提出将信道参数转为图像训练生成式神经网络的GBSM建模方法,10轮内即可完成训练且能忠实还原原始数据分布,助力通用无线场景下的GBSM建模。
2024-06-21 eess.SP
Channel modeling for in-body optical wireless communications
下一代体内到体外生物医学应用已经采用了光学无线通信(OWC)。然而,通过深入研究已发表的文献,我们发现在对进出通道进行建模方面存在差距,因为大多数已发表的文献都忽视了不同类型组织的特殊性。朝着这个方向,在本文中,我们提出了一种新的路径损耗和散射模型的入到出的OWC链路。具体来说,我们推导出提取物的分析表达式,准确地描述了五个主要组织的成分,即脂肪,水,黑色素,含氧和脱氧血液的吸收。此外,我们制定了一个模型的任何通用的生物组织的吸收系数的计算。接下来,通过将散射的影响纳入上述模型,我们制定了完整的路径损耗模型。所开发的理论框架进行了验证,通过独立的研究工作的估计路径损耗和实验测量之间的比较。最后,我们说明了在估计任何通用组织的光学特性的基础上,其构成的理论框架的准确性。所提取的信道模型能够促进用于过多生物医学应用的优化通信协议的设计。
2021-11-03 eess.SP
AI-Enabled Wireless Propagation Modeling and Radio Environment Maps for 5G Aerial Wireless Networks
NC State University(北卡罗来纳州立大学);Polytechnique Montréal(蒙特利尔高等理工学院);Idaho National Laboratory(爱达荷国家实验室)
针对5G空中网络连接可靠性挑战,提出双阶段无线电环境地图框架,结合空间Transformer与门控循环单元解耦建模路径损耗与快衰落,在经验数据集上实现近3dB误差与超0.75空间相似性。
2026-09-24 eess.SP
Indoor Wireless Signal Modeling with Smooth Surface Diffraction Effects
本文提出结合UTD表面衍射的DCEM算法,提升室内电磁场模拟精度,阴影区功率预测提高约5dB,计算速度比WinProp快60%。
2023-10-16 eess.SP
Wireless Channel Modeling for Machine Learning -- A Critical View on Standardized Channel Models
TUM School of Computation, Information and Technology, Technical University of Munich(慕尼黑工业大学计算、信息与技术学院)
本文批判用于评估物理层机器学习的3GPP TDL/CDL等链路级信道模型,指出其高斯化与分布偏移等局限,并提出场景级视角以释放ML增益。
2025-10-21 eess.SP
Sparse Bayesian Generative Modeling for Joint Parameter and Channel Estimation
本工作提出一种低复杂度稀疏贝叶斯生成建模方法,利用物理信息生成模型同时估计无线信道及其物理参数,无需额外计算开销,并近似条件均值估计器以提升联合通信与感知性能。
2025-02-25 eess.SP
Air-Sea Surface Modeling and Operating Link Range Evaluation for AUV-to-UAV Optical Wireless Communication Links
Alex Ekwueme Federal University, Ndufu-Alike(艾肯韦梅联邦大学);Aix Marseille University, CNRS Centrale Méditerranée, Institut Fresnel(艾克斯-马赛大学,法国国家科学研究中心地中海中央学院,费斯尼尔研究所)
本文研究了空气-海面粗糙度对水下到无人机光学无线通信系统的影响,通过实验验证的Cox-Munk和ECKV模型分析,评估了链路 ergodic 容量,重点探讨了操作范围、指向误差、接收器视野和太阳噪声水平。
2026-05-13 eess.SP
A Multi-Task Learning Model for Super Resolution of Wireless Channel Characteristics
信道建模一直是通信系统设计和开发中的核心部分,特别是在5G和6G时代。传统的方法,如随机信道建模和基于射线跟踪(RT)的信道建模严重依赖于测量数据或仿真,这通常是昂贵的和耗时的。在本文中,我们提出了一种新的超分辨率(SR)模型产生的信道特征数据。该模型是基于多任务学习(MTL)卷积神经网络(CNN)与剩余连接。实验结果表明,所提出的SR模型在平均绝对误差和误差标准差方面都有很好的性能。与其他最先进的深度学习模型相比,该模型的优势得到了证明。消融实验也证明了多任务学习和模型设计技术的必要性。本文的研究成果可以大大减少仿真或测量的工作量,有助于信道建模、网络优化、定位等无线信道特性相关工作的开展。
2022-09-09 eess.SP
AI-assisted Agile Propagation Modeling for Real-time Digital Twin Wireless Networks
Institute for the Wireless Internet of Things, Northeastern University(东北大学无线物联网研究所);VIAVI Solutions, Inc.(维亚威解决方案公司)
针对实时信道建模的传统方法复杂度高的问题,提出融合3D地理数据与粗略传播估计的深度学习传播模型,将发射机居中以提升效率,在精度、速度上远超传统射线追踪,可支撑实时无线场景自适应数字孪生构建。
2024-11-04 eess.SP
A Ray-tracing and Deep Learning Fusion Super-resolution Modeling Method for Wireless Mobile Channel
移动信道建模一直是通信系统设计、部署和优化的核心部分,特别是在5G及以后的时代。确定性信道建模可以精确地实现移动信道的描述,但存在设备和时间上的缺陷。本文提出了一种新的超分辨率(SR)聚类特征预测模型。该模型基于具有剩余连接的深度神经网络。在3.5 GHz的一系列模拟进行了三维射线跟踪(RT)模拟器在不同的情况下。提取聚类特征,构造相应的数据集对模型进行训练。实验结果表明,与传统的插值方法相比,该方法可以获得更好的功率和簇位置预测性能,均方根误差(RMSE)分别下降了51%和78%。该算法基于簇特征重构信道冲激响应,使其与多径分量匹配良好。该方法可以高效、准确地生成移动信道大数据,大大减少了纯RT算法的计算时间。
2023-01-27 eess.SP
Modeling and Performance Analysis of 10 Gbps Inter-Satellite-Link (ISL) In Inter-Satellite Optical-Wireless Communication (IsOWC) System between LEO and GEO Satellites
自由空间光通信融合了光纤通信和无线通信这两种最具征服力和控制力的通信技术。自由空间光学(FSO)的大部分特性都与光纤相关,但它们之间的区别在于传输介质,光纤的情况下是玻璃,FSO的情况下是空气/真空。在不久的将来,绕地球轨道运行的LEO和GEO卫星之间的相互通信将通过使用卫星间光学无线通信(IsOWC)系统来完成。IsOWC系统是FSO最重要的应用,它将在不久的将来安装在太空中,因为它的输入功率低,无需国际电联许可,成本低,重量轻,望远镜尺寸小,与射频(RF)卫星系统相比,数据速率非常高。本文利用以往研究工作中没有涉及到的最优系统,设计了低轨卫星和同步卫星间的IsOWC系统。在相距40,000 Km的卫星之间以10 Gbps的比特率建立卫星间链路。
2017-11-29 eess.SP
Multi-Frequency Multi-Scenario Millimeter Wave MIMO Channel Measurements and Modeling for B5G Wireless Communication Systems
毫米波(mmWave)频带已经被用于第五代(5G)通信系统,并且毫无疑问将继续被部署用于超过5G(B5G)。然而,通过使用相同的信道探测器,在多频带和多场景下,特别是对于室外、多输入多输出(MIMO)和车辆到车辆(V2V)条件,未完全研究底层信道。在本文中,我们在28,32和39 GHz频段使用4*4天线进行多频多场景毫米波MIMO信道测量,用于三种情况,即,人体和车辆阻塞测量、室外路径损耗测量和V2V测量。深入研究了阻塞效应、路径损耗、覆盖范围、非平稳性和空间一致性等信道特性。提出了毫米波MIMO信道的阻塞模型、路径损耗模型和时变信道模型。信道测量和建模结果对于B5G室内热点、室外和车载网络场景中的进一步毫米波通信系统部署具有重要意义。
2020-07-28 eess.SP
Modeling blockage in high directional wireless. systems
针对高频无线链路中部分阻挡的现实问题,提出两种低复杂度模型以适应部分阻挡影响,并推导了中断概率闭式表达式,数值结果验证了框架并揭示了传输参数对阻挡的影响。
2024-11-17 eess.SP
AngularWM: Wireless World Modeling for AoA Prediction from Multi-Antenna I/Q
University of Calgary(卡尔加里大学)
提出AngularWM自监督无线世界建模方法,通过联合嵌入预测架构和几何正则化学习潜在角度状态,无需标签即可高精度预测AoA,大幅降低误差并减少模型参数。
2026-10-14 eess.SP
Wireless Channel Modeling Based on Extreme Value Theory for Ultra-Reliable Communications
本文提出基于极值理论的无线信道建模方法,利用广义帕累托分布拟合接收功率下尾分布,在Fiat Linea发动机舱数据上显著优于传统外推方法,并将所需样本数减少约70万个。
2024-01-11 eess.SP
Channel-Aware Behavioral Power Modeling of CMOS OOK Transceivers for Wireless Network-on-Chip Systems
Universitat Politècnica de Catalunya(加泰罗尼亚理工大学);Sabancı University(萨班奇大学)
本文提出一种通道感知的行为建模框架,用于估计非相干OOK收发器在宽频段内的功耗,并识别节能的运行点,通过CMOS实现的调查数据推导出关键子模块的频率依赖性功耗模型,揭示了收发器在不同频率下的功率主导变化。
2026-04-07 eess.SP
Physics-Informed Generative Modeling of Wireless Channels
本文提出稀疏贝叶斯生成建模(SBGM),结合无线信道的物理可压缩性,从接入点压缩观测中学习物理信道参数分布,解决了现有方法对高质量数据依赖、泛化弱及缺乏物理可解释性的问题,且无需重新训练即可适应不同系统配置。
2025-08-11 eess.SP stat.ML
CITYMPC: A Large-Scale Physics-Informed Benchmark and Tool for Generative Complete Multipath Wireless Channel Modeling
Purdue Univ. Elmore Family School of Electrical and Computer Engineering(普渡大学埃尔莫电气与计算机工程学院);Purdue Univ. School of Agricultural & Biological Engineering(普渡大学农业与生物工程学院);Nokia Standards, USA(诺基亚标准部(美国))
CITYMPC基于点视角图像和地形高度图,通过条件变分自编码器生成多路径信道参数,实现环境感知的信道建模,其在427397条链路上训练并验证,与射线追踪的真实值在接收功率MAE为1.29 dB,τ₀ MAE为7.25 ns。
2026-05-14 eess.SP
Modeling and Analysis of Land-to-Ship Maritime Wireless Channels at 5.8 GHz
School of Information Science and Technology, Nantong University(南通大学信息科学与技术学院)
本文在5.8 GHz频段研究了陆地到船舶的海洋无线信道特性,提出了一种新的大尺度路径损耗模型和SWIFT衰落现象,通过多种模型分析小尺度衰落,并探讨了信道稀疏性和时间散射特性。
2025-12-17 eess.SP
Hybrid Pinching-Fluid Antenna Assisted Wireless Communications: Modeling and Performance Analysis
University of Electronic Science and Technology of China(电子科技大学);Imperial College London(帝国理工学院);Nanjing University(南京大学)
本文提出混合捏压-流体天线系统,结合捏压天线和流体天线以提升Los性能和空间多样性,建立可 tractable 频道模型并推导出 outage 概率表达式,验证了其在多种传播条件下的优越性。
2026-08-04 eess.SP
Channel Modeling in RIS-Empowered Wireless Communications
实现下一代无线技术的最关键方面之一是开发准确一致的信道模型,以便在实际测量的帮助下进行有效验证。从这个观点出发,最近已经进行了显著的研究,以通过包括可重构智能表面(RIS)来对涉及无线传播环境的修改的传播信道进行建模。本研究的主要目的是提出一个愿景的信道建模策略的RIS授权的通信系统考虑到国家的最先进的信道和传播建模的努力在文献中。此外,还期望引起对开源和符合标准的物理信道建模工作的关注,以提供关于未来无线网络中的RIS的实际用例的全面见解。
2022-01-17 cs.IT eess.SP math.IT
Multi-Frequency Channel Modeling for Millimeter Wave and THz Wireless Communication via Generative Adversarial Networks
现代蜂窝系统越来越多地依赖于在多个不连续频带中的同时通信,以实现宏分集和增加的带宽。多频通信在毫米波(mmWave)和太赫兹(THz)频率中尤其重要,因为这些频带通常与较低频率耦合以实现鲁棒性。这些系统的评估需要统计模型,可以捕捉跨多个频率的信道路径的联合分布。本文提出了一种基于神经网络的多频双向统计信道模型训练方法。在所提出的方法中,每个被描述为一个多集群集,生成对抗网络(GAN)被训练来生成随机多集群配置文件,其中生成的集群数据包括集群的角度和延迟以及不同频率下的随机接收功率、角度和延迟扩展的向量。该模型可方便地应用于多频链路或网络层仿真。该方法被证明在28和140 GHz的训练从广泛的射线跟踪数据的城市微蜂窝链路建模。该方法使最小的统计假设和实验表明,该模型可以捕捉有趣的频率之间的统计关系。
2022-12-22 eess.SP
Reconfigurable intelligent surfaces: Channel characterization and modeling
可重构智能表面(RISs)是一种通过低成本的近被动反射元件实现电磁波智能操控的二维元表面。RIS被认为是第六代(6G)无线通信系统的潜在关键技术,主要是由于其在调谐无线信号方面的优势,从而智能地控制传播环境。在本文中,我们的目标是解决信道特性和建模问题的RIS辅助无线通信系统。本文首先介绍了RIS的概念、原理和应用前景。通过对基于RIS的信道测量和实验的分类,给出了基于RIS的信道测量和实验的概述频段、场景、系统配置、RIS构造、实验目的和信道观测。然后,研究了基于RIS的信道特性,包括反射和传输、多普勒效应和多径衰落抑制、信道互易性、信道硬化、秩改进、远场和近场等。研究了基于RIS的信道建模工作,包括大尺度路径损耗模型和小尺度多径衰落模型。最后讨论了与RIS辅助信道相关的未来研究方向。
2022-06-06 eess.SP
Physical Channel Modeling for RIS-Empowered Wireless Networks in Sub-6 GHz Bands
可重构智能表面(RIS)辅助通信通过动态控制传播环境,是下一代无线网络的有前途的候选方案之一。在这项研究中,信道建模策略的RIS辅助的无线网络中介绍了在子6 GHz频段,同时考虑远场和近场的传输行为。我们还提出了一个开源的物理信道模拟器的子6 GHz频段的工作频率,传播环境,终端位置,RIS的位置和大小可以调整。通过大量的计算机模拟证明,在近场和远场条件下,在存在RISs的情况下获得了改进的可实现速率性能。
2021-11-02 cs.IT eess.SP math.IT
Reconfigurable Intelligent Surfaces for Future Wireless Networks: A Channel Modeling Perspective
虽然研究人员已经将目光投向了2030年的未来无线网络,但通过可重构智能表面(RIS)进行通信似乎是6G无线网络的潜在支持技术之一。本文旨在通过一种新的信道建模方法以及一种用于RIS授权毫米波通信系统的新软件工具,阐明RIS在未来无线系统中的潜在用例。本文提出并上线的开源、用户友好、应用广泛的SimRIS信道模拟器2.0版本表明,RIS将在特定的用例和通信环境下工作。还讨论了未来潜在的研究方向,以弥合理论和实践之间的差距,为6G无线网络标准化的RIS授权系统。
2021-03-03 cs.IT eess.SP math.IT
Quantifying Uncertainty with Probabilistic Machine Learning Modeling in Wireless Sensing
Amazon Lab126(亚马逊Lab126)
近年来,机器学习技术在无线通信领域的应用得到了巨大的发展,特别是在无线传感领域。然而,围绕ML模型的推理可靠性以及与其预测相关的不确定性的问题从未得到正确的回答或沟通。这本身就对这些机器学习系统的透明度提出了很多问题。开发具有概率建模的ML系统可以很容易地解决这个问题,其中可以量化不确定性,无论它是来自数据(不可约误差或随机不确定性)还是来自模型本身(可约或认知不确定性)。本文详细描述了这些类型的不确定性量化背后的想法,并使用基于WiFi信道状态信息(CSI)的运动/非运动情况下的感测的真实示例来演示不确定性建模。这项工作将作为一个模板,不仅用于WiFi传感,而且用于大多数无线传感应用,从WiFi到利用AI/ML模型的基于毫米波雷达的传感,对预测的不确定性进行建模。
2022-10-12 cs.AI cs.LG eess.SP
Terahertz Wireless Channels: A Holistic Survey on Measurement, Modeling, and Analysis
太赫兹(0.1-10 THz)通信被设想为第六代(6 G)无线系统的关键技术。太赫兹无线传输信道的研究为发展可靠的太赫兹通信系统及其应用提供了基础。本文对太赫兹无线信道的研究进行了全面的综述。首先介绍了目前最流行的三种THz信道测量方法,即基于矢量网络分析仪(VNA)的频域信道测量方法、基于滑动相关的时域信道测量方法和基于时域光谱技术的THz脉冲时域信道测量方法,并对这三种方法进行了比较。当前的渠道测量系统和测量活动进行了审查。然后,现有的信道建模方法分为确定性,随机和混合方法。分析了当前THz信道模型的发展现状,介绍了基于THz信道模型的信道模拟器。接下来,在太赫兹波段的通道特性的深入审查。最后,阐述了6 G太赫兹无线信道研究中存在的问题和未来的研究方向。
2022-06-09 cs.IT eess.SP math.IT
Smart and Reconfigurable Wireless Communications: From IRS Modeling to Algorithm Design
智能反射面(IRSs)由于其以具有成本效益的方式智能地定制和重新配置无线电传播环境的巨大潜力而被引入到无线通信系统中。尽管IRSs具有许多优点,但学术界对IRSs的研究仍处于起步阶段。特别是,IRS辅助的无线通信系统的设计和分析,关键取决于一个准确和易于处理的IRS建模。在这篇文章中,我们首先介绍和比较三种IRS模型,即传统的独立扩散散射模型,基于物理的模型,基于阻抗网络的模型,在其准确性,易处理性和硬件复杂性。此外,一个新的框架的基础上划分的IRS到瓦片和采用码本的传输模式,以实现可扩展的IRS优化。然后,我们研究了三个IRS模型对系统设计的影响,确定了IRS辅助无线系统的有效设计的几个关键技术挑战,并提出了相应的解决方案。此外,为了说明所考虑的模型的属性和所提出的解决方案的概念,IRS辅助的安全无线系统和同步无线信息和电力传输(SWIPT)系统的效率进行了更详细的研究。最后,几个有前途的未来研究方向的IRS辅助无线系统的突出。
2021-03-12 cs.IT eess.SP math.IT
Modeling of Time-varying Wireless Communication Channel with Fading and Shadowing
Oral Roberts University(奥罗尔罗伯茨大学)
针对时变无线信道统计建模不准且难以适应环境变化的问题,提出结合深度学习与混合密度网络估计接收功率条件 PDF,并用深度迁移学习动态适配环境,实验证明其更准确、快速、鲁棒。
2024-05-13 cs.LG eess.SP
R-NeRF: Neural Radiance Fields for Modeling RIS-enabled Wireless Environments
本文提出R-NeRF方法,利用神经辐射场对可重构智能表面赋能的无线环境进行建模,通过两阶段射线追踪准确表征信号传播路径,预测任意RIS位置和接收位置的信号场,促进RIS高效部署。
2024-11-06 cs.IT eess.SP math.IT
Intelligent Reflecting Surface Assisted Wireless Communication: Modeling and Channel Estimation
最近完成的5G新无线电标准是几种尖端技术的结果,包括大规模多输入多输出(MIMO),毫米波(mm)通信和网络致密化。然而,这些技术面临两个主要的实际限制1)缺乏对无线信道的控制,以及2)无线接口的高功耗。为了满足绿色和可持续的未来蜂窝网络的需求,已经出现了使用智能反射表面(IRS)重新配置无线传播环境的概念。IRS由大量低成本的无源天线组成,这些天线可以巧妙地反射入射的电磁波以提高性能。本文着眼于对IRS的反射无线电概念的演变,概述了IRS辅助的多用户多输入单输出(MISO)通信模型,并讨论了它如何区别于传统的多天线通信模型。我们提出了一个最小均方误差(MMSE)的信道估计协议的设计和分析的IRS辅助系统。在2.5 GHz的工作频率的性能评估结果,以说明所提出的系统的效率。
2019-12-13 cs.IT eess.SP math.IT
Bridging BCI and Communications: A MIMO Framework for EEG-to-ECoG Wireless Channel Modeling
本文提出频分 MIMO 估计框架,利用同步猕猴 EEG/ECoG 数据和神经生理学正则化建模脑内无线信道,提升估计精度并揭示其与多天线通信的联系。
2025-05-16 cs.HC eess.SP
RayProNet: A Neural Point Field Framework for Radio Propagation Modeling in 3D Environments
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文提出RayProNet,一种基于点云神经网络和球谐编码器的无线信道建模新方法,支持灵活调整天线与收发器位置、预测无线电功率图及大规模场景扩展,为端到端网络规划奠定基础,并在室内外环境中得到验证。
2024-06-04 cs.LG eess.SP
Unified Statistical Channel Modeling and performance analysis of Vertical Underwater Wireless Optical Communication Links considering Turbulence-Induced Fading
本文首次提出考虑采样约束的波光学仿真建模方案,并建立混合Weibull-广义Gamma统一统计模型来刻画垂直水下无线光通信链路中的湍流诱导衰落,进而推导出平均误码率等关键性能指标的闭合表达式。
2023-08-08 eess.SP physics.optics
Predicting the Path Loss of Wireless Channel Models Using Machine Learning Techniques in MmWave Urban Communications
University of South Florida(南佛罗里达大学)
经典的无线通信信道建模使用确定性和随机信道方法。机器学习(ML)的出现彻底改变了5G及以后的系统设计。机器学习技术如监督学习方法将用于预测无线信道路径损耗的变化的环境基于一定的数据集。通信系统基础的传播信号集中于信道建模,特别是针对诸如MmWave的新频段。由于部分相关的信道测量数据和模型的可用性,机器学习可以促进用于5G和超越无线通信系统的快速信道建模。当无线信道的不规则性导致实现准确模型的复杂方法时,适当的机器学习方法可以降低复杂性并提高准确性。在本文中,我们展示了传统信道建模之外的替代程序,以使用机器学习技术增强路径损耗模型,以减轻信道复杂性和测量耗时过程的困境。该演示回归使用特定场景的测量数据来成功地辅助不同操作环境的路径损耗模型的预测。
2020-05-02 cs.LG cs.SY eess.SP
Wireless Communications with Reconfigurable Intelligent Surface: Path Loss Modeling and Experimental Measurement
由可调单元构成的可重构智能表面(RISs)由于其操纵电磁波的优异能力而引起了人们的广泛关注。特别地,通过适当地编程RIS的单位单元的反射系数,RIS辅助的无线通信具有以成本有效和能量有效的方式实现显著的性能改进和覆盖增强的巨大潜力。本文通过研究RISs的物理和电磁特性,针对不同的场景,建立了RISs辅助无线通信的自由空间路径损耗模型。所提出的模型,首先通过大量的仿真结果进行验证,揭示了自由空间路径损耗的RIS辅助无线通信和从发射机/接收机到RIS的距离之间的关系,RIS的大小,RIS的近场/远场效应,以及天线和单元格的辐射模式。此外,三个制造的RIS(元表面)被用来进一步证实的理论研究结果,通过在微波消声室进行的实验测量。测量结果与建模结果吻合较好,验证了所提出的RIS自由空间路径损耗模型的有效性,为该领域的进一步理论研究和实际应用奠定了基础。
2020-09-14 cs.IT eess.SP math.IT
Scalable Air-to-Ground Wireless Channel Modeling Using Environmental Context and Generative Diffusion
University of Victoria(维多利亚大学)
本文提出一种环境感知的空地无线链路信道建模方法,利用真实环境数据和射线追踪技术确定链路的视距或非视距状态,并通过训练扩散模型实现高效预测,支持实时决策。
2026-03-24 cs.NI eess.SP
Deep Learning based Modeling of Wireless Communication Channel with Fading
针对现有深度学习信道模型局限于 p(y|x) 且测试场景简单的问题,本文构建 GAN 与 FNN 建模以通信距离为条件的接收功率 PDF,并提出新指标,在 Nakagami 衰落信道验证了有效性。
2023-12-11 cs.IT eess.SP math.IT
Scattering Mechanisms and Modeling for Terahertz Wireless Communications
本文提供了从微波到太赫兹波段的频率范围内的无线电波散射的分析(例如,1 GHz - 1 THz),通过研究不同表面粗糙度的各种类型材料再辐射的散射功率。首先,散射和反射的基本原理被开发和解释用于无线移动无线电中,散射对粗糙表面的反射系数的影响进行了研究。接收功率的推导使用两种流行的散射模型-定向散射(DS)模型和雷达截面(RCS)模型,通过模拟在广泛的频率范围内,材料,和方向的两个模型,和测量确认DS模型在140 GHz的准确性。这篇论文表明,散射可以成为一个突出的传播机制,频率扩展到毫米波(毫米波)和更高,但在其他时候可以被视为简单的反射。散射效应的知识对于适当和现实的信道模型至关重要,这进一步支持大规模多输入多输出(MIMO)技术的开发、定位、射线跟踪工具设计以及未来5G和6 G无线系统的成像。
2019-03-09 cs.IT eess.SP math.IT
Nonlocal Reconfigurable Intelligent Surfaces for Wireless Communication: Modeling and Physical Layer Aspects
本文研究非局域(重定向)RIS的波前选择性散射建模与物理层设计,提出基于码本、分馏透镜和镜面背衬相位掩模的架构,以更低开销实现多用户高效通信与IFA支持。
2024-04-03 cs.IT eess.SP math.IT
A Generalized Electromagnetic-Domain Channel Modeling for LOS Holographic MIMO with Arbitrary Surface Placements
全息多输入多输出(H-MIMO)被认为是使未来无线通信能够支持预期的极端要求(例如高能量和频谱效率)的最有前途的技术之一。由于H-MIMO具有强大的电磁波处理能力,它有可能突破无线环境的基本限制,并为电磁域(尤其是无线信道)的信号处理提供了可能。为此,我们研究了视线(LOS)的H-MIMO通信与任意表面放置,并建立了一个精确的表达的无线信道在EM域。为了进一步得到一个更显式和计算效率更高的信道模型,我们解决了隐式积分的精确信道模型与适度和合理的假设。数值研究表明,我们建立的近似信道模型与精确信道模型具有良好的一致性。
2023-03-15 cs.IT eess.SP math.IT