REQIBA: Regression and Deep Q-Learning for Intelligent UAV Cellular User to Base Station Association
无人机（UAV）正在成为下一代蜂窝网络的重要用户。通过在天空中操作，无人机用户体验到与地面用户非常不同的无线电条件，这是由于诸如强视距（LoS）信道（和干扰）和基站（BS）天线未对准等因素。因此，UAV可能经历其接收的服务质量的显著降级，特别是当它们正在移动并且受到频繁的干扰时。解决方案是让无人机能够感知其周围环境，并利用这种感知智能地连接到蜂窝网络。在本文中，我们提出了智能无人机蜂窝用户到基站关联（REQIBA）的回归和深度Q学习，这是一种允许无人机在城市上空飞行的解决方案，使用有关接收信号功率，BS位置和周围建筑物拓扑的信息智能连接到底层BS。我们演示了如何REQIBA可以多达一倍的无人机总吞吐量相比，启发式关联方案类似于那些常用的地面用户。我们还评估了环境因素（如无人机高度、建筑密度和由于无人机造成的吞吐量损失）如何影响我们的解决方案的性能。
2021-11-03 cs.IT eess.SP math.IT
Intelligent Base Station Association for UAV Cellular Users: A Supervised Learning Approach
第五代（5G）蜂窝网络预计将为包括无人机（UAV）在内的车辆用户提供蜂窝连接。当在空中飞行时，这些用户体验到地面上的大量基站（BS）的强的、无障碍的信道条件。这为UAV用户造成了非常强的干扰条件，同时为他们提供了大量的BS以潜在地与蜂窝服务相关联。因此，为了最大化UAV-BS无线链路的性能，UAV用户需要能够基于观察到的环境条件来选择连接到哪些BS。本文提出了一种基于监督学习的关联方案，利用该方案，无人机可以智能地关联到最合适的基站。我们训练一个神经网络（NN），根据从BS接收到的信号功率、到BS的已知距离以及潜在干扰源的已知位置，从几个候选BS中识别出最合适的BS。然后，我们比较了基于NN的关联计划对最强信号和最近邻关联计划的性能，并证明NN计划显着优于简单的启发式计划。
2020-08-28 cs.IT eess.SP math.IT
Transmit Power Minimization for STAR-RIS Empowered Symbiotic Radio Communications
针对STAR-RIS赋能的共生无线电系统，研究在广播与单播模型下联合优化有源波束赋形及反射/透射系数以最小化基站发射功率，并提出块坐标下降算法，显著降低功耗。
2023-04-20 cs.IT eess.SP math.IT
Robust Secure Transmission for Active RIS Enabled Symbiotic Radio Multicast Communications
本文针对有源RIS使能的共生无线电多播系统，在存在多窃听者和不完美CSI条件下，通过联合优化发射与反射波束成形最小化系统功耗，并提出交替优化算法求解，较无源RIS降低27.0%功耗。
2023-04-13 cs.IT eess.SP math.IT
Computation Offloading for Edge Computing in RIS-Assisted Symbiotic Radio Systems
本文研究RIS辅助共生无线电系统中感知与计算卸载的联合优化问题，通过交替优化算法最大化总完成感知比特数，并验证了RIS对系统性能的显著提升作用。
2023-05-29 cs.IT eess.SP math.IT
Secure Transmission for Cell-Free Symbiotic Radio Communications with Movable Antenna: Continuous and Discrete Positioning Designs
本文研究可重构智能表面辅助无小区共生无线电系统中可移动天线赋能的安全传输方案，针对连续与离散天线位置分别提出基于差分进化和交替优化的迭代算法以最大化主传输保密速率。
2025-08-09 cs.IT eess.SP math.IT
Empowering Base Stations with Co-Site Intelligent Reflecting Surfaces: User Association, Channel Estimation and Reflection Optimization
智能反射面（IRS）是一种有效提高无线通信性能的技术。现有的文献主要考虑IRS被部署在用户终端附近，以提高其性能。然而，如果IRS需要密集地部署在网络中以迎合随机用户位置，则这种方法可能会产生高成本。为了避免这样高的部署成本，在本文中，我们考虑了一种新的IRS辅助无线网络架构，IRS部署在每个基站（BS）附近，以协助其与分布式用户的通信，无论他们的位置。除了显著增强IRS的信号覆盖之外，与传统的用户侧IRS相比，该方案通过利用短距离上的几乎静态的BS-IRS信道来帮助减少IRS关联的信道估计开销。针对该方案，我们提出了一种新的两阶段传输协议，以实现IRS信道估计和反射优化的上行链路数据传输效率。此外，我们提出了有效的方法来解决用户IRS关联问题的基础上长期的信道知识和选定的用户IRS BS级联信道估计问题。最后，所有IRS的无源反射与BS的多天线接收组合联合优化，以最大化所有用户之间的数据传输的最小可实现速率。数值结果表明，所提出的共站IRS授权BS方案可以实现显着的性能增益比传统的BS没有共站IRS和现有的IRS信道估计和反射优化方案，从而使一个有吸引力的低成本和高性能的BS设计，为未来的无线网络。
2022-05-26 cs.IT eess.SP math.IT
Modulation Design and Optimization for RIS-Assisted Symbiotic Radios
针对RIS辅助共生无线电中直射链路受阻时联合检测的模糊问题，提出将相移矩阵分为符号不变和符号变化分量的新型调制方案，通过最小化复合信号误码率推导出闭式解，显著提升了主次信号的传输性能。
2024-04-26 cs.IT eess.SP math.IT
Over-the-Air Modulation for RIS-assisted Symbiotic Radios: Design, Analysis, and Optimization
针对RIS辅助共生无线电中主次信号联合检测的模糊和误码率平底问题，提出将相移矩阵分为辅助与传输波束成形矩阵，并通过逐次凸逼近和低复杂度结构优化BER，揭示了主次系统性能折中。
2024-04-26 cs.IT eess.SP math.IT
Cooperative Cellular Localization with Intelligent Reflecting Surface: Design, Analysis and Optimization
针对蜂窝网络多目标定位中回波微弱和测量关联复杂的问题，提出利用智能反射面（IRS）辅助定位，通过联合优化目标关联、IRS相移和驻留时间来最小化最大CRLB，并推导了单目标定位的闭式解与性能下界。
2024-01-05 cs.IT eess.SP math.IT
RIS-Enhanced Information-Decoupled Symbiotic Radio Over Broadcasting Signals
Nanjing University of Posts and Telecommunications（南京邮电大学）；Beijing University of Posts and Telecommunications（北京邮电大学）
本文提出了一种利用可重构智能表面增强信息解耦共生无线系统的方案，通过能量检测避免主信号泄露，降低功率消耗。
2026-01-18 eess.SP
Time Index Modulation-Driven Standalone RIS Mechanism for Symbiotic Radio
本文提出一种独立RIS通过无线能量采集自维持的共生无线电系统，利用时间索引调制实现信息与功率同传，并设计LLR检测器，从采集直流功率和误码率两方面验证方案性能。
2024-06-30 eess.SP
Symbiotic Radio: Cognitive Backscattering Communications for Future Wireless Networks
异构的无线业务和呈指数级增长的业务量要求新的频谱和能量高效的无线通信技术。在本文中，提出了一种新的技术，称为共生无线电（SR），利用认知无线电（CR）和环境后向散射通信（AmBC）的优点和解决的缺点，导致互惠频谱共享和高度可靠的后向散射通信。特别地，SR中的次发射机（STx）基于认知反向散射通信通过源自主发射机（PTx）的RF信号向次接收机（SRx）发送消息，因此次系统不仅与主系统共享无线电频谱，而且共享功率和基础设施。作为回报，辅传输向主系统提供有益的多径分集，因此两个系统形成互惠频谱共享。更重要的是，在SRx处利用联合解码来实现高度可靠的反向散射通信。为了充分利用SR的潜力，在本文中，我们解决了SR中的三个基本任务：（1）通过有源负载增强反向散射链路;（2）通过联合解码实现高度可靠的通信;（3）使用可重构智能表面捕获PTx的RF信号。新兴的应用，设计挑战和开放的研究问题也将被讨论。
2020-07-03 cs.SY eess.SP eess.SY
Large intelligent surface (LIS)-based communications: New features and system layouts
基于大型智能表面（LIS）的通信的概念最近吸引了越来越多的研究关注，其中LIS被认为是天线阵列，其整个表面区域可用于无线电信号发送和接收。为了提供一个基本的理解，基于LIS的通信，本文研究了在视距信道的存在下，基于LIS的通信与匹配滤波的上行链路性能。我们首先研究LIS引入的新功能。特别是，阵列的增益，空间分辨率和干扰抑制能力的理论和特点。然后，我们研究了两种可能的LIS系统布局，即，集中式LIS（C-LIS）和分布式LIS（D-LIS），并提出了一个用户关联方案，旨在最大限度地提高最低用户频谱效率（SE）。仿真结果比较了两种系统布局之间可实现的SE。我们观察到，所提出的用户关联算法显着提高了D-LIS的性能，并在它的帮助下，每个用户可实现的SE在D-LIS优于在C-LIS在大多数情况下考虑。
2020-02-27 cs.IT eess.SP math.IT
Maximization of User Association Deploying IRS in 6G Networks
未来的移动网络将是异构的多层网络，根据用户需求安装不同类别的基站（BS）。多层网络使运营商能够通过灵活的实施来增强系统容量和覆盖范围。智能反射表面（IRS）或可重构智能表面（RIS）是一种新颖且具有颠覆性的技术，其包括大量具有成本效益的无源组件，其中的每一个都可以智能地反射具有可重构相移的入射波或信号。这项工作的目标是最大限度地提高由微小区和宏小区层组成的双层6G网络中毫米波（mmWave）载波的用户关联概率。因此，该工作分析和比较传统的和IRS辅助的微基站的用户关联概率。研究得出，在微小区中部署IRS显著增强或最大化包括小区边缘的整个覆盖区域的用户关联概率。此外，IRS的部署降低了微基站的发射功率消耗，这确保了显著的能量效率。
2022-08-12 eess.SP
Backhaul-Aware Intelligent Positioning of UAVs and Association of Terrestrial Base Stations for Fronthaul Connectivity
蜂窝用户的迅速增长需要现有蜂窝基础设施的新进展。处理这种巨大增长的单向式方法是密集地部署地面小型小区基站（TSB），并仔细管理智能回程/前传网络。然而，地面回程集线器显著地遭受密集衰落环境，并且难以安装在典型的城市环境中。因此，本文考虑用由无人机（UAV）组成的空中网络来代替地面回程网络，以提供TSB与地面核心网络（GCN）之间的前传连接。为此，我们专注于联合定位的无人机和TSBS的关联，使整个系统的总速率最大化。特别地，TSBS与UAV的关联问题在通信相关的约束下被公式化，即，带宽、到UAV的连接数量、功率限制、干扰阈值、UAV高度和回程数据速率。为了满足这一联合目标，我们利用遗传算法（GA），由于我们的优化问题的离线性质。该方法的性能进行评估，使用无监督学习的k-means聚类算法。我们观察到，所提出的方法是非常有效的，以满足智能前传网络的要求。
2021-05-01 eess.SP
Joint Active and Passive Beamforming for Intelligent Reflecting Surface-Assisted Massive MIMO Systems
研究了智能反射面（IRS）辅助的大规模MIMO系统的主被动联合波束赋形问题。在该系统中，部署多个IRS，并配置大量无源单元，以辅助基站（BS）在相同的时频资源上同时为少量单天线用户提供服务。我们的目标是最大限度地提高最小信号干扰加噪声（SINR）在用户通过联合优化在BS和IRS相移参数的发射预编码向量。我们表明，一个有趣的自动干扰消除（AIC）的属性渐近地保持无源元件的数量接近无穷大，即，当IRS被最佳地调谐以服务于某个用户时，该IRS将变得对其他用户无干扰。通过利用这个属性，最大-最小问题可以转换为IRS-用户关联问题，其中的目标是确定哪些IRS被分配给每个用户。提出了一种穷举搜索方案和一种贪婪搜索方案来解决IRS-用户关联问题。我们的理论分析表明，我们提出的解决方案达到的SINR的规模与反射元件的数量平方。此外，我们的理论结果表明，即使在BS处具有中等数量的有源天线，也可以通过增加无源反射元件的数量来实现大规模的MIMO类增益，从而显著降低BS处的能量消耗。仿真结果证实了我们的理论结果，并说明我们提出的解决方案的有效性。
2019-12-02 cs.IT eess.SP math.IT
Polarization-Aware Rotatable Antennas for RIS-Empowered Symbiotic Radios
National Key Laboratory of Wireless Communications, University of Electronic Science and Technology of China（电子科技大学无线通信重点实验室）；School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院）；Institute for Fundamental and Frontier Sciences, University of Electronic Science and Technology of China（电子科技大学前沿交叉科学研究院）
本文针对RIS赋能SR系统，提出极化感知RA设计，联合优化多参数并开发低复杂度RA方案，可显著降低发射功率且性能接近基准方案。
2026-09-04 eess.SP
Performance Analysis under IRS-User Association for Distributed IRSs Assisted MISO Systems
在多用户无线通信系统中部署分布式智能反射面（IRSs），有望提高系统性能。然而，在这样的系统中的信号与干扰加噪声比（SINR）的分析和IRS优化变得具有挑战性，由于大量的涉及的参数。如果用户与IRS相关联，则可以简化系统优化，IRS转而关注于服务相关联的用户。我们提供了一个实用的理论框架的平均SINR分析的分布式IRSs辅助多用户MISO系统，其中IRSs进行了优化，以服务于其相关的用户。特别地，我们推导出在BS处的最大比传输（MRT）预编码和在IRS处的优化反射波束成形配置下的平均SINR表达式。一个连续的细化（SR）的方法，然后概述了优化IRS用户关联参数的制定最大最小SINR的问题，激励用户公平性。仿真验证了平均信干噪比分析，同时确认了分布式IRS系统优于集中式IRS系统，以及与随机关联相比，优化IRS-用户关联的增益。
2021-11-03 cs.IT eess.SP math.IT
DRL-based Joint Beamforming and BS-RIS-UE Association Design for RIS-Assisted mmWave Networks
可重构智能表面（RIS）由于能够建立可重构的无线传播网络，被认为是解决毫米波通信阻塞问题的一种非常有前途的技术。在本文中，我们专注于由多个基站（BS）服务的一组用户设备（UE）的RIS辅助毫米波通信网络。考虑到BS-RIS-UE关联问题决定了RIS应该帮助哪个BS和UE，我们联合优化BS-RIS-UE关联和RIS处的被动波束成形，以最大化系统的和速率。为了解决这一棘手的非凸问题，提出了一种基于软行动者-批评者（SAC）深度强化学习（DRL）的联合波束形成和BS-RIS-UE关联设计算法，该算法通过与环境交互，使用较少的先验信息学习最佳策略，并结合策略信息熵最大化，避免陷入局部最优解。仿真结果表明，与基准方案相比，所提出的SAC-DRL算法可以获得显着的性能增益。
2022-02-19 cs.IT eess.SP math.IT
Joint BS-RIS-User Association and Beamforming Design for RIS-assisted Cellular Networks
可重构智能表面（RIS）是第六代（6 G）网络的革命性技术，因为它具有操纵无线环境的能力。作为一种频率选择性器件，RIS只能有效地对特定频带内的信号传播进行整形。由于这种频率选择性特性，在蜂窝网络中部署RIS将引入复杂的基站（BS）-RIS-用户关联问题，因为相邻BS在不同频带上操作。在本文中，与RIS的频率选择性特性的考虑，我们的目标是联合优化BS-RIS-用户关联，在BS的主动波束赋形，和RIS的被动波束赋形，以最大限度地提高和速率的RIS辅助蜂窝网络。我们首先利用$l_0$ -范数有效地集成BS-RIS-用户关联与有源和无源波束成形。然后，我们采用分数规划（FP）和块坐标下降（BCD）的方法来处理对数和分数的部分和解耦的联合关联和波束形成设计问题成几个子问题。有效的算法相结合的$l_0$ -范数逼近，优化最小化（MM），交替方向的乘法器（ADMM）交替解决的子问题。大量的仿真结果说明了在RIS辅助的蜂窝网络中BS-RIS-用户关联优化的重要性，并验证了所提出的联合关联和波束形成设计算法的有效性。
2022-10-31 cs.IT eess.SP math.IT
QoS Improvement in Multi User Cellular-Symbiotic Radio Network Assisted by Active-STAR-RIS
Department of Electrical and Computer Engineering, Isfahan University of Technology（伊斯法罕理工大学电气与计算机工程系）；Department of Electronics and Communication Engineering, Kuwait College of Science and Technology（科威特科学与技术学院电子与通信工程系）；The Pasargad Institute for Advanced Innovative Solutions (PIAIS)（帕萨尔加德先进创新解决方案研究所）；Electrical and Electronic Engineering Department, London South Bank University（伦敦南岸大学电子与电气工程系）
本文利用有源同步透射反射智能超表面（ASRIS）增强6G蜂窝网络服务质量，通过深度强化学习优化波束成形、相位调整和调度参数，最大化共生反向散射设备与用户间的吞吐量。
2026-06-12 cs.LG cs.SY eess.SP
Intelligent QoS aware slice resource allocation with user association parameterization for beyond 5G ORAN based architecture using DRL
针对B5G ORAN切片资源管理，提出基于DQN的QoS感知切片内分配与用户关联参数化方法，在动态场景中优化多类KPI并提升eMBB、URLLC性能。
2023-11-02 eess.SP
Joint User Association, Interference Cancellation and Power Control for Multi-IRS Assisted UAV Communications
Chongqing University of Posts and Telecommunications（重庆邮电大学）；Shanghai Jiao Tong University（上海交通大学）；Nanyang Technological University（南洋理工大学）；Carleton University（卡尔顿大学）；University of Oslo（奥斯陆大学）
针对多IRS辅助UAV通信的资源受限动态场景，提出联合IRS-用户关联、轨迹、SIC顺序与功率优化的算法，提升系统能效与收敛速度。
2023-12-08 cs.IT cs.LG eess.SP
Intelligent Reflecting Surface Aided Wireless Networks: From Single-Reflection to Multi-Reflection Design and Optimization
智能反射面（IRS）是无线通信网络中一种很有前途的技术。通过动态调谐大量无源元件的反射幅度/相移，IRS实现了灵活的无线信道控制和配置，从而显著提高了无线信号传输速率和可靠性。尽管有大量关于设计和优化各种IRS辅助的无线系统的文献，但现有工作主要集中在仅通过一个或多个IRS来增强具有单个信号反射的无线链路，这可能不足以在一些恶劣的传播条件（例如，具有密集堵塞物/障碍物的室内环境）。这个问题可以通过采用两个或更多个IRS来协助每个无线链路并联合利用它们的单个以及多个信号反射来解决。然而，所得到的双/多IRS辅助的无线系统面临更复杂的设计问题，以及新的实际挑战的实现相比，传统的单IRS对应，在IRS反射优化，信道获取，以及IRS部署和关联/选择。因此，一个新的范例，设计多IRS合作被动波束形成和联合主动/被动波束路由要求创新的设计方法和优化方法。在本文中，我们给出了多IRS辅助无线网络的教程概述，重点是解决由于多IRS信号反射和路由的新挑战。并指出了今后值得研究和探索的重要方向。
2022-04-25 cs.IT eess.SP math.IT
BS-RIS-User Association and Beamforming Designs for RIS-aided Cellular Networks
可重构智能表面（Reconfigurable Intelligent Surface，RIS）具有自适应塑造无线传播环境的强大功能，被认为是一项具有革命性和发展前景的技术。然而，作为一种频率选择性器件，RIS只能有效地为特定频段内的信号提供可调谐相移。因此，基站（BS）-RIS-用户关联是一个重要的问题，以最大限度地提高蜂窝网络中RIS的效率和能力。在本文中，我们考虑了一个RIS辅助蜂窝网络，旨在通过设计BS RIS用户关联以及BS和RIS的主动和被动波束成形，分别最大化下行链路传输的总速率。提出了一种动态连续接入算法来设计用户关联。在动态接入过程中，提出了一种迭代算法来交替获得主被动波束形成。最后，最佳的BS-RIS的关联是通过一个穷举搜索方法。仿真结果表明，所提出的BS-RIS-用户关联和波束成形设计算法的性能显着改善。
2021-06-27 eess.SP
Joint Passive Beamforming and User Association Optimization for IRS-assisted mmWave Systems
本文研究了一种智能反射面（IRS）辅助的多用户毫米波（mmWave）下行通信系统，利用IRS来减轻阻塞效应，提高mmWave系统的性能。考虑到IRS对用户关联的影响，我们通过联合优化IRS和用户关联处的无源波束形成来制定和速率最大化问题，这是一个棘手的非凸问题。然后提出了一种交替优化算法，有效地解决了问题。该算法利用分式规划方法对IRS的无源波束形成进行优化，并利用基于网络优化的拍卖算法解决用户关联问题。我们提供了所提出的算法和不同的参考算法之间的数值比较。仿真结果表明，该算法可以获得显着的增益在所有用户的和速率。
2020-10-22 cs.NI eess.SP
Joint AP-UE Association and Precoding for SIM-Aided Cell-Free Massive MIMO Systems
本文提出两阶段框架，通过SIM在波域预编码实现AP天线仅服务单UE，联合优化AP-UE关联与预编码，在相同元原子数下总速率提升约275%。
2024-09-19 cs.IT eess.SP math.IT
RIS-Assisted Joint Resource Allocation for 6G FR3 IoT Networks
Polytechnique Montreal, Canada（蒙特利尔高等理工学院）
本文提出利用可重构智能表面提升FR3频段物联网网络的覆盖和信号质量，通过联合功率分配与用户-RIS关联优化实现高吞吐量。
2026-04-02 eess.SP
Reflections in the Sky: Joint Trajectory and Passive Beamforming Design for Secure UAV Networks with Reconfigurable Intelligent Surface
研究了可重构智能表面（RIS）辅助上行无线通信系统的安全能量效率最大化问题。我们专注于通过联合优化无人机的轨迹，RIS的相移，用户的关联和发射功率来最大化系统的安全能量效率。为了解决这个问题，我们将原问题分为三个子问题，并提出了一个有效的迭代算法。特别是，逐次凸逼近法（SCA）被应用于解决非凸无人机轨迹，RIS的相移，和发射功率优化子问题。我们进一步提供了两种方案来简化相位和轨迹子问题的求解。仿真结果表明，该算法收敛速度快，与不含RIS的传统方案相比，安全能量效率提高了38%.
2020-06-05 eess.SP
Performance Analysis of RIS-Assisted Large-Scale Wireless Networks Using Stochastic Geometry
在本文中，我们研究的性能可重构智能表面（RIS）辅助大规模网络的覆盖概率和平均可达速率，使用随机几何特征。考虑到发射机（TX）和RIS之间的空间相关性，它们的位置由高斯泊松过程（GPP）联合建模。两种关联策略，即，最近关联和固定关联。对于RI辅助传输，信号功率分布与直接链路近似的伽马随机变量使用矩匹配方法，和拉普拉斯变换的聚合干扰功率推导出封闭的形式。基于这些表达式，我们分析了信道硬化效应的RI辅助传输，覆盖概率，和典型用户的平均可达速率。我们推导出封闭形式的覆盖概率表达式的固定关联策略和最近的关联策略的干扰限制的情况下。数值结果验证了分析，并说明了有效的RIS辅助传输与被动波束形成在提高系统性能。在干扰受限的情况下，采用最近关联策略，系统性能与TX的密度无关。
2022-08-18 eess.SP
User Association Optimization for IRS-aided Terahertz Networks: A Matching Theory Approach
针对太赫兹通信传输距离受限的问题，本文提出采用IRS增强太赫兹系统，构建源-IRS-目的节点匹配的MINLP问题，并基于Gale-Shapley算法求解以实现稳定匹配、最大化系统和速率。
2024-01-26 eess.SP
Dual-Tier IRS-Assisted Mid-Band 6G Mobile Networks: Robust Beamforming and User Association
Polytechnique Montreal（蒙特利尔高等理工学院）
本文提出一种双层 IRS 协助框架，通过联合波束成形和用户关联方法，实现 FR3 频段下稳健的 6G 网络连接。
2026-01-31 eess.SP
Hierarchical RIS Association for FR3 Space-Air-Ground Integrated Networks
Polytechnique Montreal（蒙特利尔高等理工学院）
针对6G FR3频段空天地一体化网络，提出分层RIS关联框架，通过多对一匹配先关联地面RIS再关联空中RIS，最大化网络总和速率，显著优于贪婪和随机方案。
2026-10-08 eess.SP
Cooperative Beamforming and RISs Association for Multi-RISs Aided Multi-Users MmWave MIMO Systems through Graph Neural Networks
由于具有多种优点，可重构智能表面（RIS）被认为是下一代无线通信网络的有前途的解决方案，例如，定制通信环境。因此，部署多个RISs有助于克服基站（BS）和用户之间严重的信号阻塞，这也是实现更好的服务覆盖的实用有效的解决方案。然而，获得多RIS辅助通信系统的全部益处需要解决非凸的无限维优化问题，这促使使用基于学习的方法来配置最优策略。本文采用一种新型的异构图神经网络（GNN），有效地利用图的拓扑结构在无线通信优化问题。首先，我们描述了所有的通信链路功能和干扰关系，在我们的系统与异构图结构。然后，我们努力最大化的加权和速率（WSR）的所有用户通过联合优化在BS的主动波束形成，被动波束形成向量的RIS元素，以及RIS的关联策略。与大多数现有的工作，我们考虑一个更一般的情况下，每个用户的级联链路是不固定的，但动态选择最大化的WSR。仿真结果表明，我们提出的异构GNN的性能比其他基准测试好约10倍，一个合适的RIS关联策略也被验证是有效的，提高了30%的用户的服务质量。
2023-02-08 eess.SP
Joint Devices and IRSs Association for Terahertz Communications in Industrial IoT Networks
针对工业物联网太赫兹通信面临的高路径损耗等挑战，提出基于Gale-Shapley算法的设备与智能反射面联合关联方案，在不完美信道状态信息下最大化和速率，效率优于穷举搜索等方法。
2024-02-01 eess.SP
Optimal Beam Association for High Mobility mmWave Vehicular Networks: Lightweight Parallel Reinforcement Learning Approach
University of Technology Sydney（悉尼科技大学）
在智能交通系统（ITS）中，期望车辆具有要求超高数据率和低延迟通信的高级应用和服务。为此，毫米波（mmWave）通信已经成为非常有前途的解决方案。然而，由于车辆的高机动性和毫米波波束对动态阻塞的固有敏感性，将毫米波纳入ITS特别具有挑战性。本文通过为高移动性下的毫米波车载网络开发最佳波束关联框架来解决这些问题。具体来说，我们使用半马尔可夫决策过程来捕捉环境的动态性和不确定性。Q-学习算法通常用于寻找最优策略。然而，Q学习因其收敛速度慢而臭名昭著。我们没有采用深度强化学习结构（如文献中的大多数作品），而是利用道路上通常有多辆车的事实来加速学习过程。为此，我们开发了一个轻量级的，但非常有效的并行Q-学习算法，快速获得最佳的政策，同时学习各种车辆。大量的模拟表明，我们提出的解决方案可以提高数据率的47%，减少断开概率的29%，相比其他解决方案。
2021-06-07 cs.LG cs.NI eess.SP
Beamforming Design and Association Scheme for Multi-RIS Multi-User mmWave Systems Through Graph Neural Networks
本文提出基于异构图神经网络的多RIS多用户毫米波系统波束成形与关联方案，通过迭代优化关联和波束成形最大化加权和速率，性能接近高复杂度交替优化算法，关联方案带来约30%性能提升。
2025-04-20 eess.SP
IRS-User Association in IRS-Aided MISO Wireless Networks: Convex Optimization and Machine Learning Approaches
针对IRS辅助MISO下行网络中IRS-用户关联、反射与波束成形联合优化的非凸问题，提出凸优化交替求解法，并进一步用CO生成数据训练FNN的ML方法，在性能相当的前提下降低了计算复杂度。
2022-10-29 cs.SY eess.SP eess.SY
Joint RIS-UE Association and Beamforming Design in RIS-Assisted Cell-Free MIMO Network
针对RIS辅助无小区MIMO网络中信道获取开销过大的问题，提出一种联合RIS-UE关联与波束成形的两阶段优化框架，在大幅降低开销的同时保持可接受的轻微性能损失。
2025-06-26 eess.SP
Digital Twin-Aided Learning for Managing Reconfigurable Intelligent Surface-Assisted, Uplink, User-Centric Cell-Free Systems
Beijing University of Posts and Telecommunications（北京邮电大学）；Commonwealth Scientific and Industrial Research Organisation（联邦科学与工业研究组织）；University of Sydney（悉尼大学）
本文提出了一种新的，可重构智能表面（RIS）辅助，上行链路，以用户为中心的无小区（UCCF）系统的数字孪生（DT）的协助下管理。具体来说，我们提出了一种新的学习框架，最大限度地提高了总和率，通过联合优化接入点和用户关联（AUA），功率控制，和RIS波束成形。这个问题是具有挑战性的，从来没有得到解决，由于其庞大而复杂的解决方案空间。我们的框架将AUA从功率控制和RIS波束成形（PCRB）中分离出来，基于它们变量的不同性质，从而减少了解空间。设计了一种新的位置自适应二进制粒子群优化算法（PABPSO）。两个双延迟深确定性政策梯度（TD 3）模型与新的和完善的状态预处理层的PCRB。另一个重要方面是利用DT来训练学习框架，其中存储了其信道估计的重放。AUA、功率控制和RIS波束成形仅在选定时期结束时在物理环境中进行测试。仿真结果表明，使用RISs有助于UCCF系统的和速率的显着增加，和DT显着降低开销的边际性能损失。所提出的框架是优于其替代品的总和率和收敛稳定性。
2023-02-10 cs.AI eess.SP
Multi-IRS-aided Terahertz Networks: Channel Modelling and User Association With Imperfect CSI
针对太赫兹通信高路径损耗问题，本文提出非完美CSI下多IRS辅助太赫兹网络方案，构建角度三角信道模型，用Gale-Shapley算法求解NP-hard的收发机-IRS匹配问题，性能优于多种基线且复杂度更低。
2024-02-05 eess.SP
RIS-Assisted Reliability Maximization for URLLC in Upper Mid-Band 6G Networks
Polytechnique Montreal（蒙特利尔高等理工学院）
针对6G上中频段URLLC的可靠性最大化问题，提出RIS辅助的联合功率分配与UE-RIS关联方案，采用SCA和匹配理论，实现近最优性能。
2026-10-07 eess.SP
Distributed Two-tier DRL Framework for Cell-Free Network: Association, Beamforming and Power Allocation
本文提出分布式分层深度强化学习框架，通过两层控制网络在不同时间尺度上分别优化AP-UT关联与波束成形功率分配，以提升无蜂窝MISO网络的长期频谱效率并降低信令开销。
2023-12-05 cs.SY eess.SP eess.SY
Wireless Resource Management in Intelligent Semantic Communication Networks
James Watt School of Engineering, University of Glasgow（格拉斯哥大学詹姆斯·瓦特工程学院）；University of Electronic Science and Technology of China（电子科技大学）
针对智能语义通信异构网络，本文引入知识库与消息系统吞吐量指标，联合优化用户关联和带宽分配，并提出随机规划与启发式算法相结合的两阶段方案。
2022-02-15 cs.AI cs.NI eess.SP
Near Real-Time Distributed State Estimation via AI/ML-Empowered 5G Networks
The Institute for Artificial Intelligence Research and Development of Serbia（塞尔维亚人工智能研发研究所）；University of East Sarajevo（东萨拉热窝大学）；University of Sarajevo（萨拉热窝大学）；Trinity College Dublin（都柏林圣三一学院）；University of Novi Sad（诺维萨德大学）
第五代（5G）网络有可能加速电力系统向灵活、软件化、数据驱动和智能电网的过渡。随着对机器学习（ML）/人工智能（AI）功能的不断支持，5G网络有望实现以数据为中心的新型智能电网（SG）服务。在本文中，我们探讨了数据驱动的SG服务如何与ML/AI支持的5G网络以共生关系集成。我们专注于状态估计（SE）功能作为能源管理系统的一个关键要素，并专注于两个主要问题。首先，以教程的方式，我们概述了分布式SE如何与5G核心网络和无线接入网络架构的元素集成。其次，我们提出并比较了两个强大的分布式SE方法的基础上：i）图形模型和信念传播，和ii）图神经网络。我们讨论了它们通过5G网络支持近实时的【形】分布式SE的性能和能力，并考虑了通信延迟。
2022-07-22 cs.LG cs.NI eess.SP
6G Communication Networks Enabling Embodied Agents: Architecture and Prototype
State Key Laboratory of Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室）；Institute of Intelligent Networks and Communications (NINE), Nanjing University (Suzhou Campus)（南京大学智能网络与通信研究所（苏州校区））
本文提出一种分层通信架构（包括人类意图感知层、基于O-RAN的传输层、智能中间层和具身层），并通过集成触觉设备、工业机械臂、中间平台和5G O-RAN测试床的原型验证了毫秒级延迟和稳定闭环操作。
2026-05-22 cs.AI cs.RO cs.SY
Artificial Intelligence Empowered Multiple Access for Ultra Reliable and Low Latency THz Wireless Networks
University of Piraeus（比雷埃夫斯大学）；RapidMiner GmbH（RapidMiner有限公司）；Nokia Standardization Department（诺基亚标准化部）；Université Paris-Saclay（巴黎萨克雷大学）；CNRS（法国国家科学研究中心）；CentraleSupélec（巴黎中央理工-高等电力学院）
太赫兹（THz）无线网络有望推动超越第五代（B5G）时代的到来。然而，由于THz链路的方向性和视线需求，以及THz网络的超密集部署，产生了介质访问控制（MAC）层需要面对的许多挑战。更详细地说，通过结合能够在复杂和频繁变化的环境中提供“实时”解决方案的人工智能（AI）来重新思考用户关联和资源分配策略的必要性变得显而易见。此外，为了满足几种B5G应用的超可靠性和低延迟需求，需要新的移动性管理方法。基于此，本文提出了一种整体MAC层方法，该方法可以实现智能用户关联和资源分配，以及灵活和自适应的移动性管理，同时通过最小化阻塞来最大限度地提高系统的可靠性。更详细地说，一个快速和集中的联合用户关联，无线电资源分配，并通过一个新的元机器学习框架的阻塞避免记录，最大限度地提高太赫兹网络的性能，同时最小化的关联延迟约三个数量级。为了在接入点（AP）覆盖区域内支持移动性管理和阻塞避免，讨论了用于波束选择的深度强化学习（DRL）方法。最后，为了支持相邻AP覆盖区域之间的用户移动性，提出了一种基于人工智能辅助快速信道预测的主动切换机制。
2022-08-17 cs.AI cs.LG cs.NI
Deep Learning-Based Traffic-Aware Base Station Sleep Mode and Cell Zooming Strategy in RIS-Aided Multi-Cell Networks
针对RIS辅助多小区网络能耗问题，提出基于PPO的休眠模式、小区缩放与用户关联联合优化策略，并利用DCCN优化RIS反射系数，在时延约束下实现节能，能耗较DQN降低49.61%。
2024-12-25 eess.SP
Reliable IoT Communications in 6G Non-Terrestrial Networks with Dual RIS
Polytechnique Montreal（蒙特利尔理工学院）
本文提出利用双智能反射面实现6G非地面网络中可靠物联网通信的框架，通过优化波束成形、功率分配和设备关联，提升网络性能并降低复杂度。
2026-01-31 eess.SP
RIS-Assisted Cell-Free Massive MIMO: RIS-MS Selection in FR1 and FR3
University Rey Juan Carlos（雷伊胡安卡洛斯大学）
本文提出了一种新型RIS-用户关联算法，通过优化相移设置提升频谱效率，分析了训练开销与性能增益的权衡，强调了FR3频段在RIS辅助无中心MIMO中的潜力。
2026-04-19 eess.SP
Enhancing Energy and Spectral Efficiency in IoT-Cellular Networks via Active SIM-Equipped LEO Satellites
Sharif University of Technology（谢里夫理工大学）；Kuwait College of Science and Technology（科威特科学与技术学院）；PIAIS, IRAN（伊朗PIAIS）；Technische Universität Braunschweig（布伦瑞克工业大学）；University of Luxembourg（卢森堡大学）
研究利用安装在卫星太阳能板背面的有源堆叠智能超表面（ASIM）结合速率分割多址（RSMA）和共生无线电网络，通过多顺序处理提升信道增益并抑制干扰，采用BCD-SCA、MA-CSAC和MCPPO三种优化方法，实现高能效和频谱效率。
2026-06-12 cs.SY eess.SP eess.SY
