Classification of power quality events in the transmission grid: comparative evaluation of different machine learning models
TÜBİTAK Marmara Research Center（土耳其科学技术研究理事会马尔马拉研究中心）；Turkish Electricity Transmission Corp. (TEİAŞ)（土耳其输电公司）
本研究针对输电网电能质量事件按根本原因分类的需求，对比评估大量机器学习模型，发现Cubic SVM和XGBoost表现最优，相关模型将应用于土耳其输电系统的监测平台。
2025-03-17 cs.LG eess.SP
Sparse Joint Transmission for Cloud Radio Access Networks with Limited Fronthaul Capacity
云无线接入网络（C-RAN）是一种有前途的蜂窝网络，其中密集部署的多天线远程无线电头端（RRH）使用相同的时频资源联合服务于许多用户。由于在基带单元（BBU）处用于信道状态信息（CSI）获取和数据共享两者的极高信令开销，找到具有显著减少的信令开销的联合传输策略对于实现实际C-RAN中的协作增益是必不可少的。在本文中，我们提出了一种新的稀疏联合传输（稀疏JT）的C-RAN方法，其中每单位面积的发射天线的数量远大于活跃的下行链路用户密度。考虑到有限速率前传容量的数据共享中的噪声和不完整CSI以及量化误差的影响，稀疏JT的关键创新在于找到协作RRH集群、波束成形向量和功率分配的联合解决方案，以在活动RRH的稀疏性约束下最大化和谱效率的下限。为了找到这样的解决方案，我们提出了一个计算效率高的算法，保证找到一个局部最优解的放松和频谱效率最大化问题。通过系统级仿真，我们表明，稀疏JT提供了显着的增益遍历频谱效率相比，现有的联合传输。
2021-07-29 eess.SP
Data Augmentation for Deep Learning-based Radio Modulation Classification
Zhejiang University of Technology（浙江工业大学）；University of Macau（澳门大学）
深度学习最近已被应用于自动分类接收到的无线电信号的调制类别，而无需手动经验。然而，训练深度学习模型需要大量的数据。训练数据不足会导致严重的过拟合问题，降低分类精度。为了处理小数据集，数据增强已被广泛用于图像处理中，以扩展数据集并提高深度学习模型的鲁棒性。然而，在无线通信领域，不同的数据增强方法对无线电调制分类的影响尚未被研究。在本文中，我们通过最先进的基于深度学习的调制分类器评估不同的数据增强方法。根据调制信号的特点，考虑了三种增强方法，旋转、翻转和高斯噪声，可以应用于深度学习算法的训练阶段和推理阶段。数值实验结果表明，这三种增强方法都能提高分类精度。其中，旋转增强方法优于翻转方法，这两种方法都比高斯噪声方法获得更高的分类精度。仅给定12.5%的训练数据集，联合旋转和翻转增强策略可以实现比初始100%训练数据集而没有增强的基线更高的分类精度。此外，通过数据增强，可以使用更短的无线电样本成功地对无线电调制类别进行分类，从而简化深度学习模型并缩短分类响应时间。
2019-12-10 cs.LG eess.SP
Robust Transmission Design for Reconfigurable Intelligent Surface and Movable Antenna Enabled Symbiotic Radio Communications
本研究针对RIS与MA赋能的共生无线电系统，提出鲁棒传输方案，利用交替优化框架最大化主速率，数值结果显示MA方案显著提升速率。
2025-04-23 eess.SP
Deep Learning for Cooperative Radio Signal Classification
无线电信号分类在认知无线电网络和电磁频谱监测中有着非常广泛的应用。在这篇文章中，我们考虑的情况下，在网络中的多个节点参与合作分类。提出了基于深度学习的协同无线电信号分类方法，分别用于决策融合、信号融合和特征融合。我们通过仿真实验分析了这些方法的性能。最后，我们讨论了研究的挑战和开放的问题。
2019-09-13 eess.SP
SETI Detection Strategies for Single Dish Radio Telescopes
地外智能无线电探测器的目标是探测来自地外通信文明的人工传输。缺乏关于这些潜在传输的先验知识增加了搜索参数空间。地面单碟射电望远镜具有高灵敏度，但标准数据产品仅限于功率谱密度估计。为了克服经典能量检测器的重要局限性，提出了两种基于异步ON和OFF天文目标观测的检测策略。统计模型，使阈值选择和检测性能评估。
2018-09-10 astro-ph.IM eess.SP
Secure Transmission for Movable Antennas Empowered Cell-Free Symbiotic Radio Communications
针对存在窃听者的无小区共生无线电系统，设计可移动天线安全传输方案，联合优化波束成形与天线位置以最大化保密速率，并采用交替优化框架实现近最优解。
2024-09-20 eess.SP
Simultaneous Downlink Data Transmission and Uplink Channel Estimation with Reduced Complexity Full Duplex MIMO Radios
在本文中，我们研究全双工（FD）多输入多输出（MIMO）无线电同时数据通信和控制信息交换。利用最近提出的FD MIMO架构，结合数字发射和接收波束成形与降低复杂度的多抽头模拟自干扰（SI）消除，我们提出了一种新的传输方案，利用信道互易性联合下行链路波束成形信息数据通信和上行链路信道估计，通过训练数据传输。我们采用了一个通用的导频辅助信道估计模型，并提出了一个统一的优化框架，所有涉及FD MIMO设计参数。我们的代表性的Monte Carlo模拟结果的波束形成器以及模拟和数字SI消除的一个示例算法的解决方案表明，所提出的基于FD的联合通信和控制方案提供了1.4倍的下行链路速率的半双工对应。与具有全连接模拟消除的传统FD MIMO架构相比，模拟消除器的硬件复杂度降低了50%，从而实现了这种性能改进。
2020-03-14 cs.IT eess.SP math.IT
Classification of motor faults based on transmission coefficient and reflection coefficient of omni-directional antenna using DCNN
National Institute Of Technology, Silchar（西尔恰尔国立技术学院）
本文提出一种基于全向天线反射系数S11和传输系数S21的感应电机故障分类方法，利用深度卷积神经网络（DCNN）学习频谱图特征，结合两系数实现了100%的分类准确率。
2025-11-03 eess.SP
S-RAN: Semantic-Aware Radio Access Networks
本文提出语义感知无线接入网（S-RAN）架构，涵盖端到端收发器设计与多用户资源管理，旨在解决传统语义通信在真实网络中的应用挑战，推动其向实用无线系统发展。
2024-09-27 eess.SP
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
Joint Transmission in QoE-Driven Backhaul-Aware MC-NOMA Cognitive Radio Network
在本文中，我们开发了一个资源分配框架，以优化回程感知的多小区认知无线电网络（CRN）的下行链路传输，使多载波非正交多址接入（MC-NOMA）。所考虑的CRN由单个宏基站（MBS）和多个小BS（SBS）组成，所述多个小BS分别被称为主层和辅助层。对于主层，我们考虑正交频分多址接入（OFDMA）方案，也服务质量（QoS）来评估用户满意度。另一方面，在第二层中，采用MC-NOMA，并且通过体验质量（QoE）来评估作为流行的多媒体服务的Web、视频和音频的用户满意度。此外，辅助层中的每个用户可以经由联合传输（JT）在子载波上由多个SBS同时服务。特别地，我们用公式表示功率控制和调度的联合优化问题（即，用户关联和子载波分配），以最大化次用户的总可实现QoE。已经开发了一种有效的资源分配机制来处理非线性形式的干扰并克服QoE服务函数的非凸性。调度和功率控制策略利用增广拉格朗日方法（ALM）。仿真结果表明，所提出的解决方案的方法可以控制干扰和JT-NOMA提高总感知QoE相比，现有的计划。
2020-08-30 cs.MM eess.SP
End-to-End Radio Fingerprinting with Neural Networks
本文提出了一种新的方法来分类射频（RF）设备从他们的传输信号。给定来自相同设备的信号集合，我们可以准确地对传输距离和特定设备标识进行分类。我们开发了一个多分类器系统，准确地区分通道和分类设备使用归一化的同相和正交（IQ）样本。我们的网络使用剩余连接进行距离和设备分类，在11个不同的距离和两个不同的时间内对16个独特的设备进行分类，准确率达到88.33%，这是以前无法学习的任务。此外，我们还证明了针对海量数据域和细微分类差异预训练神经网络的有效性。
2020-10-11 eess.SP
Pilot Design and Signal Detection for Symbiotic Radio over OFDM Carriers
本文针对OFDM载波下的共生无线电场景，设计适配的主副系统导频结构，提出基于等效信道的主副信号检测方法，验证了反向散射链路可提升主传输性能，且无直连链路时仍可支持双端传输。
2023-11-06 cs.IT eess.SP math.IT
Comparative Analysis of Attention Mechanisms for Automatic Modulation Classification in Radio Frequency Signals
本研究比较了三种注意力机制与CNN结合的射频信号调制分类性能，提出CNN-Transformer混合架构，基线注意力准确率最高达85.05%，因果和稀疏注意力推理时间分别减少83%和75%，为实时处理提供设计见解。
2025-07-30 eess.SP
On the Spectrum Sensing, Beam Selection and Power Allocation in Cognitive Radio Networks Using Reconfigurable Antennas
在本文中，我们考虑的认知无线电（CR）系统，由一个主用户（PU）和一对次用户发送器（SUtx）和次用户接收器（SUNSYS）。SUtx配备了可重构天线（RA），将角空间划分为M个扇区。RA从M个扇区中选择一个扇区用于其到SUC20的数据传输。SUtx首先感测通道并在T_{sen}秒的持续时间内监视PU的活动。我们将该时段称为信道感测阶段。根据这个阶段的结果，SUtx会停留在这个阶段或进入下一个阶段，我们称之为传输阶段。传输阶段本身由两个阶段组成：信道训练阶段和随后的数据传输阶段。在前一阶段期间，SUtx发送导频符号以使得能够在SUTx处进行信道训练和估计。SUPERT选择用于数据传输的最佳波束（扇区），并反馈所选波束的索引及其对应的信道增益。我们还推导出确定真波束的概率，并在我们的系统设计中考虑到这种概率。在后一阶段期间，如果与所选择的波束相对应的增益大于阈值Φ，则SUtx通过具有恒定功率Φ的所选择的波束向SUnix发送数据符号。在平均干扰和功率受限的条件下，找到了最优的信道检测时间T_{sen}、最优的功率电平Φ和最优的门限门限Φ，使得CR系统的遍历容量最大化.此外，我们推导出封闭形式的表达式中断和符号错误概率我们的CR系统。
2019-03-13 eess.SP
Transmission of high-definition video signals underwater using surface electromagnetic waves
介绍了一种工作在30 MHz频段、能够传输高清晰度水下实况视频图像的便携式无线电通信系统。该系统的运作是基于发射电磁表面波沿水-空气界面使用专门设计的表面波天线传播。由于表面电磁波的传播长度远远超过相同频率的体无线电波的趋肤深度，因此该技术对于水下几米距离上的视像通信是有用的。此外，该系统似乎在通过水-空气界面进行通信方面是有效的。
2022-10-02 eess.IV eess.SP
Semantic-aware Transmission for Robust Point Cloud Classification
提出一种基于预训练Point-BERT的语义感知通信系统，通过两阶段训练实现鲁棒点云分类，在噪声信道下准确率优于现有方法0.8%-48%。
2023-06-23 eess.SP
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
Adversarial Attacks on Deep-Learning Based Radio Signal Classification
Linköping University（林雪平大学）
尽管深度学习（DL）在许多计算机视觉和语言处理应用中取得了巨大成功，但它非常容易受到对抗攻击的影响。我们考虑使用DL的无线电信号（调制）分类任务，并提出了实用的方法，在该应用程序中的白盒和通用的黑盒对抗攻击的制作。我们表明，这些攻击可以大大降低分类性能，输入的扰动极小。特别地，这些攻击比经典的干扰攻击明显更强大，这在无线物理层使用基于DL的算法时引起了显著的安全性和鲁棒性问题。
2018-08-23 cs.CR cs.IT cs.LG
Reducing Satellite Interference to Radio Telescopes Using Beacons
本文提出利用信标信号提醒干扰源，以减少低轨卫星对射电望远镜的干扰，相比固定和动态射电静区，信标方法在相同中断概率下能支持更多活跃卫星链路。
2023-12-20 eess.SP
Rate-Interference Tradeoff in OFDM-based Cognitive Radio Networks
在认知无线电（CR）网络中，允许次要用户（SU）机会性地接入主要用户（PU）频谱以提高频谱利用率;然而，这增加了PU处的干扰水平。在本文中，我们考虑了一个正交频分复用OFDM为基础的CR网络和调查之间的权衡增加SU传输速率（从而提高频谱利用率）和减少在PU的干扰水平。我们制定了一个新的多目标优化（MOOP）问题，共同最大限度地提高SU的传输速率，并最大限度地减少其发射功率，同时施加干扰阈值的PU。此外，我们提出了一种算法，以取得SU传输速率和干扰水平之间的平衡，以PU。该算法考虑了已知SU发送器和PU接收器之间的链路的部分信道状态信息（CSI）的实际情况。仿真结果表明，该算法的性能和其优越性相比，在文献中的工作。
2019-02-08 cs.IT eess.SP math.IT
Social-aware Cooperative Caching in Fog Radio Access Networks
研究了雾天无线接入网中的协作缓存问题，以联合优化传输时延和能耗。利用雾接入点（F-AP）之间潜在的社会关系，提出了一种基于享乐联盟博弈（HCG）的分簇方案，以提高潜在的合作增益.然后，考虑到优化问题是非确定性多项式难（NP-hard）问题，提出了一种基于改进萤火虫算法（FA）的协同缓存方案，该方案利用基于局部内容流行度的变异策略避免早熟收敛.仿真结果表明，我们提出的方案可以有效地减少内容传输延迟和能量消耗相比，基线。
2022-06-28 cs.NI eess.SP
The Channel as a Traffic Sensor: Vehicle Detection and Classification based on Radio Fingerprinting
普遍部署的基于物联网（IoT）的自动车辆分类系统将促进未来智慧城市中数据驱动的交通流优化，并将道路基础设施本身转变为动态感知的网络物理系统（CPS）。尽管已经提出了各种不同的交通感测系统，但是现有的解决方案还不能同时满足多种要求，例如，准确性、鲁棒性、成本效益和隐私保护。在本文中，我们提出了一种新的方法，它利用无线电指纹-无线信号的多维衰减模式-准确和强大的车辆检测和分类。拟议的系统可以部署在一个非常具有成本效益的方式，因为它依赖于现成的嵌入式设备，安装到现有的轮廓柱。在一个全面的现场评估活动中，基于无线电指纹识别的方法的性能进行了分析，在德国高速公路上的实验性现场部署，在那里它能够实现超过99%的二进制分类成功率和93.83%的总体准确率为7个不同类别的分类任务。
2020-03-25 cs.NI eess.SP
Primary Rate Maximization in Movable Antennas Empowered Symbiotic Radio Communications
本文提出一种用于共生无线电通信系统的可移动天线赋能方案，通过联合优化发射波束成形与天线位置以最大化主速率，并采用交替优化框架求解，数值结果验证了其性能提升。
2024-03-22 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
