Recovery of UAV Swarm-enabled Collaborative Beamforming in Low-altitude Wireless Networks under Wind Field Disturbances
本文研究风场扰动下低空无线网络中无人机集群协作波束成形性能维持问题，提出结合LSTM与自适应学习率的PPO-LA算法实时调整激励电流权重，有效恢复退化波束性能并显著超越基准算法。
2025-07-11 cs.NI
Collaborative Charging Optimization for Wireless Rechargeable Sensor Networks via Heterogeneous Mobile Chargers
College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院）；Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University（吉林大学符号计算与知识工程教育部重点实验室）
针对无线可充电传感器网络能量受限问题，提出异构移动充电架构，结合无人机与地面智能车协同充电，并设计IHATRPO算法优化充电效率，显著降低节点死亡率。
2026-06-26 cs.NI
Collaborative Spatial Reuse in Wireless Networks via Selfish Multi-Armed Bandits
下一代无线部署的特点是密集和不协调，这通常会导致资源使用效率低下和性能低下。为了解决这个问题，我们设想利用完全分散的机制来实现空间重用（SR）。特别是，我们专注于动态信道选择和传输功率控制（TPC）。我们依靠强化学习（RL），更具体地说，是多臂强盗（MAB），让网络学习它们的最佳配置。在这项工作中，我们研究了探索-开发权衡的$\varepsilon$ -贪婪，EXP 3，UCB和汤普森采样动作选择，并比较它们的性能。此外，我们还研究了在对抗性环境中同时选择行动的含义（即，同时），并将其与顺序方法进行比较。我们的研究结果表明，最佳的比例公平性，可以实现，即使当没有关于相邻网络的信息是可供学习者和无线网络（WN）自私地操作。然而，在各个网络经历的吞吐量中存在高的时间可变性，特别是对于$\varepsilon$ -greedy和EXP 3。与UCB和Thompson抽样相反，这些策略基于绝对经验奖励，而不是其分布。我们确定这种变化的原因是我们设置的对抗性设置，其中最多播放的动作集根据相邻决策提供间歇性的好/差性能。我们还表明，顺序学习，即使使用自私的策略，有助于最大限度地减少这种变化。因此，顺序的方法被证明可以有效地处理通常在分散的WN中发现的对抗性设置所带来的挑战。
2018-11-13 cs.NI
Performance Optimization of Multiple Interconnected Heterogeneous Sensor Networks via Collaborative Information Sharing
多传感器网络互联是无线传感器网络领域中出现的一个较新的研究领域。无线传感器网络（WSNs）通常被视为逻辑上独立的，很少有工作考虑它们之间的互连和交互。因此，互连多个异构传感器网络开辟了一个新的领域，除了更传统的研究，例如，路由、自组织或MAC层开发。到目前为止，已经提出了一些方法来互连多个传感器网络的目标，如信息共享或监测多个传感器网络。在本文中，我们建议利用无线传感器网络之间的通信，使协同性能优化，即，我们的方法旨在通过考虑来自其他传感器的测量信息来优化单个传感器网络的性能。待优化的参数一方面是能量消耗，另一方面是感测质量。
2012-12-29 cs.NI
From Traditional Automation to Embodied Wireless Intelligence: Vision-Language-Action Empowered Physics-Aware Communication Networks
Brunel University London（布鲁内尔伦敦大学）；University of Reading（雷丁大学）
提出具身智能基站（eBS）范式，采用视觉-语言-动作（VLA）流水线，使基站具备环境感知、因果物理推理和物理感知动作生成能力，实现从规则自动化到具身智能的转变。
2026-07-21 cs.NI
Instantaneous Wireless Robotic Node Localization Using Collaborative Direction of Arrival
University of Georgia（佐治亚大学）
本文提出一种仅依赖RSSI的在线机器人定位算法，通过协作到达方向（CDOA）结合期望最大化与粒子滤波实现厘米级高精度实时定位，并在仿真、公开数据集和真实机器人上验证其优于现有方法。
2023-07-04 cs.NI cs.RO
Wireless Copilot: An AI-Powered Partner for Navigating Next-Generation Wireless Complexity
University of Electronic Science and Technology of China（电子科技大学）；Nanyang Technological University（南洋理工大学）；Sungkyunkwan University（成均馆大学）
提出“无线副驾驶”框架，通过集成大语言模型与认知架构，将人类意图转化为精确的网络操作，以管理6G的复杂性，并在低空无线网络中验证其有效性。
2026-06-24 cs.NI
Link Enhancer for Vehicular Wireless ATM Communications
国防应用中的大多数应用都是面向语音、视频和数据的，并且具有严格的QoS要求。实现这一点的技术之一是异步传输模式（ATM）网络。传统的ATM网络是有线网络。但是战术网络是移动的，这就需要使用无线电中继进行车辆到基础设施（V2 I）和车辆到车辆（V2 V）通信。ATM网络假定物理链路层BER为10^-9或更好，因为有可靠的介质，如光纤链路。但是，当ATM交换机通过无线电中继连接时，这种假设就不再成立了，因为无线电中继的出错率在10^-3的范围内。本文提出了一种链路增强器的体系结构，旨在将用于V2 I和V2 V通信的无线链路的比特出错率从1/10^4提高到1/10^8
2008-04-24 cs.NI cs.PF
Collaborative Beamforming for Distributed Wireless Ad Hoc Sensor Networks
利用随机阵列理论分析了协同波束形成的性能。在无线自组织传感器网络的框架下，推导了随机相控阵波束图的统计平均值和分布。假设每个传感器节点具有单个各向同性天线，并且集群中的节点协作地发送信号，使得目标方向上的信号在远场区域中相干地相加。结果表明，与N个传感器节点均匀分布在一个磁盘上，方向性可以接近N，只要节点是位于足够稀疏。研究了最大旁瓣峰值的分布。考虑到应用到ad hoc网络，两种情况下，闭环和开环，被认为是。结合这些场景，分析了相位抖动和位置估计误差对平均波束图的影响。
2005-05-10 cs.IT cs.NI math.IT
Debunking Wireless Sensor Networks Myths
在这篇文章中，我们从当代的角度重新审视无线传感器网络，在物联网兴起之后。首先，我们分析了分布式监测应用程序的演变，我们认为这是从早期的协作传感器网络的想法继承。第二，我们评估，在当前的网络对象的情况下，采用低功耗多跳无线，无线传感器网络范式的关键技术的水平。本文评估了这项技术在融入物联网方面的转变，确定了过时的要求，并对未来的研究方向提出了批判性的看法。
2020-08-04 cs.NI
Security in Wireless Sensor Networks
无线传感器网络在过去的十年里引起了无线和移动计算研究界的极大兴趣。这些网络的应用众多且不断增长，其范围从家庭和办公室的室内部署场景到战术战场中敌方领土的室外部署。然而，由于分布式特性及其在偏远地区的部署，这些网络容易受到许多安全威胁的影响，从而对其性能产生不利影响。本章全面讨论了无线传感器网络安全技术的现状。它确定了在一个典型的传感器网络中的通信协议栈的不同层的各种可能的攻击和可能的对策。最后对无线传感器网络安全的未来研究方向进行了简要的讨论。
2013-01-22 cs.CR cs.NI
Collaborative Computation Offloading in Wireless Powered Mobile-Edge Computing Systems
本文研究了一种新的无线供电移动边缘计算系统中的用户协作模型，其中两个无线用户收集由一个能量节点传输的无线功率，并且可以将他们的部分计算任务卸载到边缘服务器（ES）进行远程执行。特别是，我们认为一个用户到ES之间的直接通信链路被阻塞，使得另一个用户充当中继来将其卸载数据转发到服务器。同时，而不是转发所有接收到的任务数据，我们还允许帮助用户本地计算部分接收到的任务，以减少潜在的高能量和时间成本的任务卸载到ES。我们的目标是通过联合优化每个设备（用户和ES）计算的任务数据量，系统时间分配，用户的发射功率和CPU频率，最大限度地提高在给定的时间范围内可以处理的数据量。我们提出了一种有效的方法来找到最优解，并表明，所提出的用户合作可以有效地提高系统的计算性能相比，其他代表性的基准方法在不同的情况下。
2019-09-04 cs.NI eess.SP
Secure Neighbor Discovery in Wireless Networks: Formal Investigation of Possibility
无线通信使从商品到战术系统的广泛应用成为可能。邻居发现（ND），即确定哪些设备处于直接无线电通信内，是网络协议和应用的构建块，并且其脆弱性可能严重损害它们的功能。已经公布了一些确保ND安全的建议，但没有一个正式分析过这个问题。在本文中，我们贡献这样一个分析：我们建立了一个正式的模型捕捉无线系统的显着特点，最显着的障碍和干扰，我们提供了一个规范的ND问题的基本变体。然后，我们推导出一个不可能的结果，一般类的协议，我们称之为“基于时间的协议”，其中许多计划在文献中属于。我们还确定了不可能结果被解除的条件。此外，我们探讨了第二类协议，我们称之为“基于时间和位置的协议”，并证明他们可以安全ND。
2008-08-19 cs.CR cs.NI
Layer-Adaptive Communication and Collaborative Transformed-Domain Representations for Performance Optimization in WSNs
在本文中，我们打击无线传感器网络的性能优化问题。具体而言，提出了一个新的框架来处理两个主要的研究问题。首先，我们优化了手头的各种节点的可用资源的利用率。这是通过提出的最佳网络聚类与层自适应的3层通信机制，以减少能量空洞丰富。我们还介绍了一个数学覆盖模型，帮助我们尽量减少覆盖漏洞的数量。其次，我们提出了一种新的方法来恢复在嘈杂的无线信道上接收到的数据的损坏版本。一个强大的基于稀疏域的恢复方法配备了专门开发的平均滤波器，用于照顾不需要的噪声成分添加到数据样本。我们提出的框架提供了一个方便的路由协议，享有改进的计算复杂性和延长网络寿命的帮助下，广泛的仿真结果证明。
2017-12-12 cs.NI
Developing a Collaborative and Autonomous Training and Learning Environment for Hybrid Wireless Networks
随着更大的内存容量和连接到无线网络的能力，越来越多的学生使用掌上电脑和手持电脑进行学习活动。然而，由于受限的用户界面以及所需的通信努力，用于基于Web的学习的现有软件不太适合于这种移动设备。必须开发新一代的学习领域应用程序，这些应用程序被明确设计为在这些小型移动设备上工作。为此，我们介绍了CARLA，一个协作学习系统，旨在采取行动，在混合无线网络。作为一个合作环境，CARLA旨在通过固定和移动网络向感兴趣的节点传播教学材料、笔记甚至其本身的组件。由于节点的移动性，CARLA处理即将到来的问题，如网络分区和同步的教材，资源依赖性和时间限制。
2007-06-08 cs.CY cs.HC cs.NI
An Efficient Security Mechanism for High-Integrity Wireless Sensor Networks
无线传感器网络（WSNs）由于其广泛的应用，近年来引起了研究界的极大兴趣。不幸的是，这些网络容易受到许多安全威胁的影响，这些威胁可能会对其正常运行产生不利影响。如果网络被部署用于某些关键任务应用（如战术战场），则此问题更为严重。无线传感器网络中节点的随机故障和内部攻击对节点的故意损害对安全工程师提出了特别困难的挑战，因为传统的基于密码的机制无法防御这些攻击。在本文中，提出了一种安全的解决方案，检测受损和故障节点的无线传感器网络。该机制还将受损节点与网络隔离，使其无法参与任何网络活动。该机制是基于不当行为分类，行为监控和信任管理。它涉及最小的计算和通信开销，非常适合于资源受限，高完整性的无线传感器网络。
2012-06-19 cs.CR cs.NI
A Survey on Wireless Sensor Network Security
无线传感器网络（WSNs）由于其广泛的应用，近年来引起了研究界的极大兴趣。由于这些网络的分布式性质及其在偏远地区的部署，这些网络容易受到许多安全威胁，这些威胁可能会对其正常运行产生不利影响。如果网络被部署用于某些关键任务应用（如战术战场），则此问题更为严重。在实际部署场景中，节点的随机故障也很可能发生。由于传感器节点的资源限制，传统的安全机制计算和通信开销大，在无线传感器网络中是不可行的。因此，传感器网络的安全性是一项特别具有挑战性的任务。本文讨论了无线传感器网络的安全机制的当前状态。各种类型的攻击进行了讨论，并提出了他们的对策。最后对无线传感器网络安全的未来研究方向进行了简要的讨论。
2010-11-06 cs.CR cs.NI
RIS Assisted Wireless Networks: Collaborative Regulation, Deployment Mode and Field Testing
本文围绕RIS辅助无线网络，分析网络控制与独立两种部署模式及多RIS、多用户、多小区协作场景，提出协同调控机制，并通过仿真和现场测试验证其应用效果与挑战。
2024-08-06 cs.IT cs.NI math.IT
Distributed Time-Frequency Division Multiple Access Protocol For Wireless Sensor Networks
众所周知，在无线传感器节点中，生物启发的自维护算法以分散的方式和非常低的复杂度实现接近最佳的时分多址（TDMA）特性。我们扩展这样的分布式TDMA方法，多个信道（频率）。这是通过扩展协作反应式监听的概念来实现的，以便平衡所有可用信道中的节点数量。我们证明了新协议的稳定性和估计的延迟，直到达到平衡的系统状态。我们的方法是基准对单通道分布式TDMA和信道跳频方法使用TinyOS imote2无线传感器。
2012-05-17 cs.NI
Semantic-Aware Collaborative Deep Reinforcement Learning Over Wireless Cellular Networks
University of Colorado（科罗拉多大学）；Virginia Tech（弗吉尼亚理工学院）
协作式深度强化学习（CDRL）算法可以让多个智能体通过无线网络进行协调，这是一种很有前途的方法，可以实现未来依赖于复杂动态环境中实时决策的智能和自治系统。然而，在实际应用中，由于智能体及其学习任务的异构性、不同的环境、学习的时间限制以及无线网络的资源限制，CDRL面临着许多挑战。为了解决这些挑战，在本文中，提出了一种新的语义感知的CDRL方法，使一组异构的未经训练的代理与语义链接的DRL任务，有效地合作，在资源受限的无线蜂窝网络。为此，提出了一种新的异构联邦DRL（HFDRL）算法选择语义相关的DRL代理的最佳子集进行协作。所提出的方法，然后共同优化的培训损失和无线带宽分配的合作选定的代理，以训练每个代理的时间限制内的实时任务。仿真结果表明，所提出的算法相比，国家的最先进的基线的优越性能。
2022-03-04 cs.IT cs.LG cs.NI
Simple Semi-Distributed Lifetime Maximizing Strategy via Power Allocation in Collaborative Beamforming for Wireless Sensor Networks
在由大量能量受限的传感器节点组成的无线传感器网络中，能量有效的通信是一个重要问题。实际上，传感器节点具有分配给各个节点处的数据传输的不同能量预算。因此，如果没有能量感知传输方案，能量可以消耗更快地从传感器节点与较小的能量预算比从其余的传感器节点在无线传感器网络。这减少了覆盖区域以及无线传感器网络的寿命。协作波束形成（CB）最初被提出来实现定向增益，然而，它也固有地在协作传感器节点上分配相应的能量消耗。事实上，CB可以被看作是一个物理层解决方案（相对于媒体访问控制/网络层解决方案），以平衡单个传感器节点的生命周期，并延长整个WSN的生命周期。然而，能量感知CB方案的引入是延长无线传感器网络寿命的关键。在本文中，CB与功率分配（CB-PA）的开发，以延长一个集群的协作传感器节点的生命周期，通过平衡单个传感器节点的生命周期。提出了一种新的策略，利用剩余能量信息在每个传感器节点。它调整每个传感器节点的能量消耗率，同时在目的地达到所需的平均信噪比（SNR）。它是一种半分布式的策略，并保持平均SNR。并对影响能耗的各种因素进行了研究。仿真结果表明，CB-PA在延长协作节点集群生命周期方面优于具有等功率分配的CB（CB-EPA）。
2014-01-16 cs.IT cs.NI math.IT
Adaptive Early Exiting for Collaborative Inference over Noisy Wireless Channels
Imperial College London（帝国理工学院）
本文针对无线边缘协作推理提出基于传输决策机制的提前退出方法，根据提前退出信息和信道条件决定是否传输数据，实验证明可在图像分类任务中同时提升性能并显著节省通信开销。
2023-11-29 cs.IT cs.LG cs.NI
Routing Security Issues in Wireless Sensor Networks: Attacks and Defenses
无线传感器网络是无线和移动计算领域的一个重要研究方向。无线传感器网络的应用是众多的并且不断增长的，并且范围从家庭和办公室中的室内部署场景到战术战场中对手领土中的室外部署场景（Akyildiz等人，2002年）。对于军事环境，无线传感器网络的分散到对手的领土，使敌人的士兵和车辆的检测和跟踪。对于家庭/办公室环境，室内传感器网络提供了通过无线家庭安全系统监测老年人健康和检测入侵者的能力。在这些场景中的每一个，生活和生计可能取决于从分散的传感器节点获得的传感器数据的及时性和正确性。因此，这样的无线传感器网络必须是安全的，以防止入侵者阻碍正确的传感器数据的传递和伪造传感器数据。为了解决后一个问题，端到端数据完整性校验和和传感器数据的后处理可以用于识别伪造的传感器数据（Estrin等人，1999; Hu等人，2003 a; Ye等人，2004年）。本章的重点是无线传感器网络中的路由安全。现有的无线传感器网络路由协议大多针对节点的有限能力和网络的应用特性进行了优化，但没有考虑协议的安全性。虽然这些协议没有以安全性为目标进行设计，但分析其安全属性是非常重要的。当防御者有不安全的无线通信，有限的节点能力，和可能的内部威胁的责任，和对手可以使用强大的笔记本电脑与高能量和远距离通信来攻击网络，设计一个安全的无线传感器网络路由协议显然是一个不平凡的任务。
2011-01-14 cs.NI
WiSwarm: Age-of-Information-based Wireless Networking for Collaborative Teams of UAVs
Massachusetts Institute of Technology（麻省理工学院）；Columbia University（哥伦比亚大学）
在理论通信网络和排队系统文献中，信息量度量（AoI）得到了广泛的研究。然而，它的适用性，复杂的现实世界的时间敏感系统的实验评估在很大程度上缺乏。在这项工作中，我们开发，实施和评估基于AoI的应用层中间件，使定制的WiFi网络的时间敏感的应用程序的需求。通过控制底层WiFi网络中信息的存储和流动，我们的中间件可以：（i）防止数据包冲突;（ii）丢弃不再有用的陈旧数据包;以及（iii）动态优先传输最相关的信息。为了证明我们的中间件的好处，我们实现了一个移动跟踪应用程序，使用一群无人机通过WiFi与中央控制器通信。我们的实验结果表明，相比WiFi-UDP/WiFi-TCP，中间件可以提高信息新鲜度的109倍/48倍和跟踪精度的4倍/6倍，分别。最重要的是，我们的研究结果还表明，我们的方法的性能增益增加的系统规模和/或流量负载的增加。
2022-12-06 cs.NI cs.RO
STAR-RIS-assisted Collaborative Beamforming for Low-altitude Wireless Networks
College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院）；Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University（教育部符号计算与知识工程重点实验室）；College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院）；Department of Electronic Engineering, Shanghai Jiao Tong University（上海交通大学电子工程学院）
针对低空无线网络在密集环境中的信号衰减问题，提出结合无人机协作波束成形与STAR-RIS的异构多智能体优化框架，提升传输速率并降低能耗。
2025-10-25 cs.AI cs.NI
Wirelessly Powered Urban Crowd Sensing over Wearables: Trading Energy for Data
在这篇文章中，我们提出了移动人群感知范式的基础上无处不在的可穿戴设备进行人类用户。大规模用户参与未来城市人群发送应用的关键挑战，例如监测大规模现象（例如，交通挤塞和空气污染水平），是适当的动力来源。因此，我们提倡使用无线功率传输来交换感测数据，以激励可穿戴设备的所有者参与协作数据汇集。基于这种结构，我们开发了无线供电的人群感应的新概念，并提供了相应的网络架构的考虑，以及无线充电技术的系统性审查，以实现it.Further，我们贡献了一个详细的系统级可行性研究，报告可实现的性能水平为设想的设置。最后，基本的能源数据交易机制进行了讨论，并概述了开放的研究机会的工作结束。
2016-11-17 cs.NI
Medium Access Control protocol for Collaborative Spectrum Learning in Wireless Networks
Faculty of Engineering, Bar-Ilan University（巴伊兰大学工程学院）；Faculty of Mechanical and Electrical Engineering, Kunming University of Science and Technology (KUST)（昆明理工大学机电工程学院）
本文提出一种用于无线网络频谱协作的介质访问控制协议，通过全分布式算法联合解决信道分配与访问调度，实现最优对数遗憾，并在模拟中显著优于现有协议。
2024-02-06 cs.LG cs.MA cs.NI
Securing the Sky: Integrated Satellite-UAV Physical Layer Security for Low-Altitude Wireless Networks
针对低空无线网络中视距传输引发的安全问题，提出基于协作波束成形的星机一体化物理层安全方案，通过保密中继与双向通信框架验证其有效性，并探讨了未来研究方向。
2025-06-30 cs.NI eess.SP
A Survey on Security and Privacy Protocols for Cognitive Wireless Sensor Networks
无线传感器网络由于其众多的潜在应用而成为无线和移动计算研究的一个重要和新的领域，其应用范围从家庭和办公室的室内部署场景到战术战场中敌方领土的室外部署。由于在许多无线传感器网络应用中，生命和生计可能取决于从分散的传感器节点获得的传感器数据的及时性和正确性，因此必须保护这些网络以防止可能对其发起的任何可能的攻击。因此，安全性是无线传感器网络中的一个重要问题。然而，这个问题在认知无线传感器网络中变得更加关键，认知无线传感器网络是一种传感器节点具有根据其操作的无线电环境改变其发送和接收参数的能力的WSN，以实现可靠和有效的通信以及网络资源的最佳利用。这篇调查论文通过识别这些网络中的众多安全威胁和防御机制来对抗这些漏洞，对CWSNs中的各种安全问题进行了全面的讨论。根据攻击的性质和目标，将针对CWSNs的各种攻击分为不同的类别，并针对每一类攻击提出相应的安全机制。本文还确定了一些开放的问题，在这一新兴领域的无线网络。
2013-08-03 cs.CR cs.NI
Behavior of Wireless Body-to-Body Networks Routing Strategies for Public Protection and Disaster Relief
关键和公共安全操作需要从事件区域通过疏散和医疗支持区域向远程操作指挥中心进行实时数据传输。任何通信延迟都可能造成重大损失。在某些情况下，预计现有的通信基础设施可能被损坏或无法使用。因此，需要部署战术特设网络，以覆盖行动区。考虑到操作条件，在部署的网络上路由数据是一个重大挑战。在本文中，我们评估多跳路由协议的性能，同时使用不同的无线技术在城市的关键和紧急情况下。使用一个现实的移动性模型，移动Ad hoc，基于地理和数据为中心的路由协议进行评估与不同的通信技术（即WiFi IEEE 802.11; WSN IEEE 802.15.4; WBAN IEEE 802.15.6）。综合考虑数据包接收速率和能量消耗，WiFi IEEE 802.11是最好的无线技术。然而，在延迟方面，WBAN IEEE 802.15.6是最有效的。关于路由协议，假设位置信息是可用的，与其他路由协议相比，基于地理的路由协议与WiFi IEEE 802.11执行得更好。在位置信息不可用的情况下，基于梯度的路由协议与WBAN IEEE 802.15.6似乎是最好的组合。
2017-11-29 cs.DC cs.NI
Biased Backpressure Routing for Multihop Wireless Networks with Heterogeneous Interfaces
DEVCOM Army Research Laboratory（美国陆军研发司令部陆军研究实验室）；Rice University（莱斯大学）
针对异构接口多跳无线网络，提出统一框架将接口分配转化为虚拟路由，联合求解路由与调度，采用多层SP-BP方案，在吞吐量、延迟和投递率上优于基线。
2026-09-09 cs.NI cs.SY eess.SP
When UAV Swarm Meets IRS: Collaborative Secure Communications in Low-altitude Wireless Networks
College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院）；Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University（教育部符号计算与知识工程重点实验室）；College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）；Department of Electrical and Computer Engineering, Auburn University（阿伯茨罕大学电气与计算机工程系）；School of Electrical and Computer Engineering, The University of Sydney（悉尼大学电气与计算机工程学院）
针对低空无线网络中窃听威胁，提出无人机群虚拟天线阵列与智能反射面协同的安全通信框架，通过异构多智能体控制优化保密速率、旁瓣和能耗，仿真验证性能优越。
2025-10-25 cs.AI cs.NI
Implementation of Big AI Models for Wireless Networks with Collaborative Edge Computing
本文针对边缘设备训练大AI模型时计算资源受限与集中式云训练不可持续、隐私差的问题，提出将可信边缘设备组织为资源池的协作边缘训练机制，并给出系统框架、调度分析、并行性实验及未来挑战。
2024-04-27 cs.AI cs.DC cs.LG
Energy Efficient Resource Allocation and User Scheduling for Collaborative Mobile Clouds with Hybrid Receivers
在本文中，我们研究的资源分配和用户调度算法，以最大限度地减少数据传输的能量成本的OFDMA协作移动云（CMC）的背景下，同时无线信息和功率传输（SWIPT）接收器。由多个协作MT组成的CMC为下行链路内容分发和终端侧的能耗降低提供了一种潜在的解决方案。同时，由于射频信号可以同时携带信息和能量，因此感应SWIPT在移动节点的能量效率设计中受到了广泛的关注。以往的CMC系统设计工作主要集中在云计算或能量效率的研究上，而如何分配无线资源和调度用户传输则缺乏关注。以最小化系统能耗为目标，提出了一个联合考虑子信道分配、功率分配和用户调度的SWIPT接收机组优化问题。制定的问题是通过凸优化技术。仿真结果表明，提出的用户调度和资源分配算法可以实现显着的节能性能。
2014-10-01 cs.NI
Reinforcement Learning Random Access for Delay-Constrained Heterogeneous Wireless Networks: A Two-User Case
在本文中，我们研究了时延受限的异构无线网络的随机接入问题。作为第一次尝试研究这个新问题，我们考虑一个网络，两个用户谁提供延迟受限的流量的接入点（AP）通过一个共同的不可靠的冲突无线信道。我们假设一个用户（称为用户1）采用ALOHA，并且我们优化另一个用户（称为用户2）的随机接入方案。这个问题最有趣的部分是用户2不知道用户1的信息，但需要最大化系统的及时吞吐量。DARPA设想了这种协作共享频谱的范例，以更好地动态匹配未来的供应和需求[1]，[2]。首先，我们提出了一个马尔可夫决策过程（MDP）制定推导出一个基于模型的上限，它可以量化的性能差距的任何设计方案。然后，我们利用强化学习（RL）来设计一个基于R学习的[3]-[5]随机访问方案，称为TSRA。最后，我们进行了大量的模拟，以表明TSRA实现了接近上限的性能和更好的性能比现有的基线DLMA [6]，这是我们的对应方案的延迟无约束的异构无线网络。所有源代码都可以在https://github.com/DanzhouWu/TSRA上公开获得。
2021-07-15 cs.NI
Sleep Deprivation Attack Detection in Wireless Sensor Network
传感器网络部署在恶劣的环境中，由于无法对传感器节点的电池进行充电或更换，使得传感器网络很容易受到电池耗尽攻击。在不同类型的安全威胁中，低功率传感器节点受到极大的影响，这些攻击会导致传感器能量水平的随机流失，导致节点死亡。这类攻击中最危险的类型是睡眠剥夺，入侵者的目标是最大限度地提高传感器节点的功耗，使其寿命最小化。现有的大多数睡眠剥夺攻击检测的工作涉及大量的开销，导致吞吐量差。当前的需求是设计一种模型，以节能的方式准确地检测入侵。提出了一种基于分布式协作机制的无线传感器网络睡眠剥夺酷刑检测的层次化框架。该模型采用分两步的异常检测技术来降低误入侵的概率。
2012-03-01 cs.NI
A Collaborative Framework for In-network Video Caching in Mobile Networks
由于移动无线网络中在线视频内容的爆炸式增长，网内缓存对于改善终端用户体验和降低移动网络运营商的互联网接入成本变得越来越重要。然而，缓存是一个困难的问题，由于非常大量的在线视频和视频请求，有限的容量的缓存节点，和有限的带宽的网络链接。依赖于静态配置和平均请求到达率的现有解决方案不足以有效地处理动态请求模式。在本文中，我们提出了一个动态的协同视频缓存框架部署在移动网络中。我们将缓存问题分解为内容放置子问题和源选择子问题。然后，我们开发SRS（系统容量预留策略）来解决内容放置子问题，和LinkShare，一个自适应的流量感知算法来解决源选择子问题。我们的框架支持拥塞避免，并允许合并多个请求为同一个视频到一个请求。我们进行了广泛的模拟，以验证所提出的计划。仿真结果表明，我们的SRS算法实现的性能在1-3%的最优值和LinkShare显着优于现有的解决方案。
2014-04-03 cs.NI
Multi-Agent Deep Reinforcement Learning for Collaborative UAV Relay Networks under Jamming Atatcks
VNU - University of Engineering and Technology (VNU - UET)（越南工程与技术大学）；School of Computer Science and Informatics, University of Liverpool（利兹大学计算机科学与信息学学院）；Interdisciplinary Centre for Security Reliability and Trust (SnT), University of Luxembourg（卢森堡大学安全、可靠性与信任跨学科研究中心）
本文提出基于多智能体深度强化学习的协同无人机中继网络方法，通过集中训练与分布式执行框架有效应对对抗攻击，提升系统吞吐量并降低碰撞率。
2025-12-09 cs.LG cs.MA cs.NI
Collaborative Smartphone Sensing using Overlapping Coalition Formation Games
随着传感器技术的快速发展，智能手机传感已成为提高智能手机应用质量的有效途径。然而，由于时变的无线信道和缺乏激励的用户参与，由智能手机用户上传的数据的质量和数量并不总是令人满意的。在本文中，我们考虑一个智能手机传感系统，其中一个平台公布多个任务，智能手机用户选择一组任务参与。在传统的非合作激励方法中，每个智能手机用户作为独立的个体从平台获得奖励，并且通常忽略了无线信道资源的限制。为了解决这个问题，我们引入了一种新的合作方法与重叠联盟形成游戏（OCF-game）模型，在该模型中，智能手机用户可以相互合作，形成重叠联盟，以执行不同的传感任务。我们还利用一个集中的情况下，描述系统的感知性能的上限。仿真结果表明，在各种情况下，协作方法都比非协作方法具有更好的性能。
2016-08-01 cs.DC cs.GT cs.NI
Hierarchical and Collaborative LLM-Based Control for Multi-UAV Motion and Communication in Integrated Terrestrial and Non-Terrestrial Networks
York University（约克大学）；McGill University（麦吉尔大学）
针对地面与非地面一体化网络中的多无人机空中高速公路场景，提出 HAPS 与机载 LLM 分层协作框架，联合完成接入控制及运动规划，提升奖励、降低成本与碰撞率。
2025-06-06 cs.AI cs.LG cs.NI
Global Outliers Detection in Wireless Sensor Networks: A Novel Approach Integrating Time-Series Analysis, Entropy, and Random Forest-based Classification
无线传感器网络（WSNs）由于其在监测、通信和报告特定物理现象方面的实用性，近年来在全球范围内引起了越来越多的关注。由于不可避免的环境因素，无线传感器网络收集的数据往往是不准确的，这些因素可能包括噪声、信号微弱或入侵攻击，这取决于具体情况。发送高噪声数据不仅会对数据准确性和网络可靠性产生负面影响，还会对基站的决策过程产生负面影响。异常检测，或离群值检测，是在所描述的上下文中检测噪声数据的过程。文献中包含相对较少的噪声检测技术的背景下，无线传感器网络，特别是离群检测算法应用时间序列分析，考虑有效的邻居，以确保全球合作检测。因此，本文提出的研究旨在设计和实现一种全局离群检测方法，该方法允许我们找到并选择合适的邻居，以确保基于时间序列分析和熵技术的自适应协作检测。所提出的方法适用于一个随机森林算法，以确定最佳的结果。为了衡量所提出的方法的有效性和效率，英特尔伯克利研究实验室提供了一个全面的和真实的场景进行了模拟。噪声数据被随机地注入到所收集的数据中。从实验中获得的结果，然后进行实验表明，我们的方法可以检测异常高达99%的准确率。
2021-07-21 cs.NI eess.SP
Privacy Preserving Data Aggregation in Wireless Sensor Networks
在互联网和移动技术极度渗透的今天，隐私保护是一个重要的问题。在无线传感器网络（WSNs）中，收集的数据通常需要网络内处理和协作计算，这一点更为重要。这一领域的研究主要集中在应用数据采掘技术来保护数据的隐私内容。这些技术大多是计算昂贵，不适合资源有限的WSN节点。在本文中，一个计划，以提供一个更简单的方式与安全的密钥管理方案和随机数据扰动技术的帮助下，隐私保护。我们考虑这样一种情况，即拥有机密数据的两方或多方仅需要出于聚合目的向第三方共享数据，而不会泄露数据的内容。通过仿真结果验证了该方案的有效性，并与文献[1]中的一种方案进行了比较。
2011-08-10 cs.CR cs.NI
Learning from Peers at the Wireless Edge
最后一英里连接由无线链路主导，其中异构节点共享有限且已经拥挤的电磁频谱。当前基于竞争的分散式无线接入系统本质上是反应性的，以减轻干扰。在本文中，我们建议使用神经网络学习和预测频谱的可用性，在一个合作的方式，使其可用性可以预测具有高精度，以最大限度地提高无线接入和最大限度地减少同时链路之间的干扰。边缘节点具有广泛的感知和计算能力，同时经常使用不同的运营商网络，这些运营商可能不愿意共享他们的模型。因此，我们引入了一个对等的联邦学习模型，其中一个局部模型是根据每个节点的感知结果进行训练，并在其对等体之间共享，以创建一个全局模型。基站或接入点充当集中式参数服务器的需求被授权边缘节点作为本地模型的聚合器并最小化模型传输的通信开销所取代。我们生成无线信道接入数据，用于训练本地模型。局部和全局模型的仿真结果表明，在各种网络拓扑结构中预测信道机会的准确率超过95%。
2020-01-30 cs.NI eess.SP
Augmenting Training Data with Vector-Quantized Variational Autoencoder for Classifying RF Signals
University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Nexcepta（内克塞克萨公司）
本文针对低信噪比下标记射频信号数据不足的问题，提出用VQ-VAE生成高保真合成信号以增强训练集，显著提升基线分类器的准确率、泛化性与鲁棒性。
2024-10-23 cs.LG cs.NI eess.SP
Data Dissemination And Collection Algorithms For Collaborative Sensor Networks Using Dynamic Cluster Heads
我们开发了新的无线传感器网络（WSNs）的数据分发和收集算法，其中我们考虑$n$传感器节点随机分布在一定的领域来测量一个物理现象。这样的传感器具有有限的能量、不足的覆盖范围、带宽和存储器限制。我们希望在整个网络中传播节点的数据，使得基站将能够通过查询少量节点来收集感测数据。我们提出了两个数据分发和收集算法（DCA的）来解决这个问题。数据分发是通过动态选择一些节点。所选择的节点将在时隙$t$之后改变，并且可以在周期$T$之后重复。
2012-05-09 cs.DS cs.IT cs.NI
A Novel Collaborative Cognitive Dynamic Network Architecture
当前蜂窝网络中不断增长的移动数据需求和先进手持设备的激增已经引起了新一代动态网络架构（DNA）。在DNA中，用户共享他们的连接，并作为接入点为其他人提供Internet连接，而无需额外的网络基础设施成本。大量的用户和他们的动态连接使DNA高度适应网络中的变化，适合于低成本的无处不在的互联网连接。在这篇文章中，我们提出了一种新的协作认知动态网络架构（CDNA），它结合了认知能力，以更灵活和智能的方式利用未充分利用的频谱。CDNA的设计原则完全符合未来5G无线网络的功能要求，例如能源和频谱效率，可扩展性，动态可重构性，支持多跳通信，基础设施共享和多运营商合作。一个案例研究与新的资源分配问题，使CDNA进行使用匹配理论与定价，以说明CDNA的用户和运营商的潜在利益，解决用户协会的数据和频谱交易的低复杂性，并使自组织能力。最后，可能面临的挑战和未来的研究方向。
2016-10-10 cs.GT cs.NI
Robust Federated Learning for Wireless Networks: A Demonstration with Channel Estimation
University of Kaiserslautern (RPTU)（凯撒斯劳滕工业大学）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）
本文研究了无线网络中基于联邦学习的信道估计的安全漏洞，分析了小基站和宏基站场景下可能遭受的对抗性攻击，并提出并通过仿真验证了相应的解决方案。
2024-07-30 cs.AI cs.LG cs.NI
Federated Learning over Wireless Networks: A Band-limited Coordinated Descent Approach
Arizona State University（亚利桑那州立大学）；Harvard University（哈佛大学）
我们考虑在网络边缘进行联邦学习的多对一无线架构，其中多个边缘设备使用本地数据协作训练模型。无线连接的不可靠性质以及边缘设备处的计算资源的约束，决定了边缘设备处的本地更新应该被精心制作和压缩以匹配可用的无线通信资源，并且应该与接收器协同工作。因此，出于动机，我们提出了基于SGD的带限坐标下降算法，这样的设置。具体地，对于采用空中计算的无线边缘，接收器在每次迭代中选择边缘设备上的梯度更新的k坐标的公共子集，然后在k个子载波上同时发送，每个子载波经历时变信道条件。我们的特点的影响，通信错误和压缩，在所产生的梯度偏差和均方误差，所提出的算法的收敛性。然后，我们研究了学习驱动的通信错误最小化通过联合优化的功率分配和学习率。我们的研究结果表明，在不同的子载波的最佳功率分配应考虑到梯度值和信道条件，从而推广广泛使用的注水政策。我们还开发了次优分布式解决方案服从实施。
2021-02-16 cs.LG cs.NI eess.SP
Learning Ad Hoc Network Dynamics via Graph-Structured World Models
Department of Computer Engineering, Middle East Technical University, Ankara, Turkiye（中东部技术大学计算机工程系）；Graduate School of Informatics, Middle East Technical University, Ankara, Turkiye（中东部技术大学信息学院）
本文提出G-RSSM模型，通过图结构学习无线网络动态，应用于聚类任务，展示在不同规模网络中有效维持连通性。
2026-04-16 cs.LG cs.MA cs.NI
Resilience of Wireless Ad Hoc Federated Learning against Model Poisoning Attacks
Graduate School of Information Science and Technology, University of Tokyo（东京大学信息科学技术研究生院）
无线自组织联邦学习（WAFL）是一种完全分散的协作式机器学习框架，由机会主义遇到的移动节点组织。与传统的联邦学习相比，WAFL通过弱同步模型参数来执行模型训练，这对攻击者注入的中毒模型表现出很大的弹性。在本文中，我们提供了我们的WAFL的弹性对模型中毒攻击的理论分析，通过制定中毒模型和合法模型之间的力量平衡。根据我们的实验，我们证实了直接遇到攻击者的节点已经在某种程度上妥协到中毒模型，但其他节点表现出很大的弹性。更重要的是，在攻击者离开网络后，所有节点最终都找到了与中毒模型相结合的更强的模型参数。大多数有攻击经历的病例比无攻击经历的病例获得了更高的准确性。
2022-11-07 cs.CR cs.LG cs.NI
Federated Split Learning with Model Pruning and Gradient Quantization in Wireless Networks
针对边缘设备资源受限问题，提出融合动态客户端模型剪枝、梯度量化和分割层激活 dropout 的轻量级 FedSL 方案，并通过理论收敛分析与无线网络仿真验证其优势。
2024-12-10 cs.DC cs.LG cs.NI
Towards Smart and Reconfigurable Environment: Intelligent Reflecting Surface Aided Wireless Network
尽管第五代（5G）技术将显著提高当今无线通信网络的频谱和能源效率，但其高复杂性和硬件成本以及越来越多的能耗仍然是有待解决的关键问题。此外，尽管这样的技术通常能够适应空间和时间变化的无线环境，但是在其上的信号传播基本上是随机的并且在很大程度上是不可控的。最近，智能反射表面（IRS）已被提出作为一个革命性的解决方案，以解决这个开放的问题，通过巧妙地重新配置无线传播环境，使用大量的低成本，无源，反射元件集成在一个平面上。具体地，IRS的不同元件可以通过控制入射信号的幅度和/或相位来独立地反射入射信号，从而协作地实现用于信号增强或消除的细粒度三维（3D）无源波束成形。本文介绍了IRS技术的发展概况，包括IRS技术在无线通信中的主要应用、相对于现有技术的竞争优势、硬件结构以及相应的新信号模型。我们专注于设计和实现新的IRS辅助混合（有源和无源组件）无线网络的关键挑战，相比，传统的网络，仅包括有源组件。此外，数值结果显示，在典型的无线网络场景中使用IRS显着的性能增强的潜力。
2019-08-30 cs.IT cs.NI math.IT
Distributed Swarm Learning for Edge Internet of Things
本文提出分布式群体学习（DSL）框架，融合人工智能与生物群体智能，以应对边缘物联网在通信、计算、异构性、安全隐私及非凸优化等方面的挑战，为大规模边缘学习提供高效稳健的解决方案。
2024-03-29 cs.AI cs.LG cs.NI
Federated Learning over Wireless Device-to-Device Networks: Algorithms and Convergence Analysis
College of Electronic and Information Engineering, Shenzhen University（深圳大学电子与信息工程学院）
物联网（IoT）设备和云计算应用在孤立的数据中心上的激增，重新激发了人们对多个客户端通过联邦学习（FL）协作训练共享模型的兴趣。为了提高FL实现在无线系统中的通信效率，最近的工作已经提出了压缩和降维机制，以及考虑信道噪声、衰落和干扰的数字和模拟传输方案。现有技术主要集中在由分布式客户端和中央服务器组成的星形拓扑。相比之下，本文研究FL在无线设备到设备（D2D）网络的分散随机梯度下降（DSGD）的数字和模拟实现的性能提供理论见解。首先，我们介绍了通用的数字和模拟无线实现的通信效率的DSGD算法，利用随机线性编码（RLC）的压缩和空中计算（AirComp）的同时模拟传输。接下来，在凸性和连通性的假设下，我们为这两种实现提供了收敛界。结果表明，最优间隙的连接和信号噪声比（SNR）的水平在网络上的依赖。图像分类任务的实验证实了分析。
2021-10-12 cs.IT cs.LG cs.NI
