Optimizing the Age of Information in Mixed-Critical Wireless Communication Networks
针对密集 B5G IoT 传感器-执行器网络，本文引入线性与指数老化函数刻画混合关键性，并通过随机重构、逐次凸近似和分式规划优化 AoI，验证非正交传输优于正交接入。
2022-11-10 cs.IT eess.SP math.IT
Hedonic Coalition Formation for Distributed Task Allocation among Wireless Agents
自主无线代理，如无人驾驶飞行器或移动基站，在下一代无线网络的部署提出了巨大的潜力。虽然目前的文献主要集中在机器人或软件应用程序中的代理的使用，我们提出了一种新的自组织代理适合无线网络的使用模型。在所提出的模型中，一些代理需要从几个任意位置的任务收集数据。每个任务表示需要由代理收集并随后无线传输到中央接收器的分组的队列。该问题被建模为一个享乐联盟形成游戏之间的代理和任务，互动，以形成不相交的联盟。每个形成的联盟被建模为一个轮询系统，由一些代理之间的不同任务之间的联盟，收集和传输的数据包移动。在每个联盟中，一些代理还可以扮演中继的角色，以提高数据包传输的成功率。所提出的算法允许的任务和代理采取分布式决策加入或离开一个联盟，根据所取得的好处，在有效的吞吐量，和延迟方面的成本。由于这些决定，代理和任务的结构本身成独立的不相交的联盟，构成一个纳什稳定的网络分区。此外，该算法允许代理和任务，以适应拓扑结构的环境变化，如到达/删除的任务或任务的移动性。仿真结果表明，所提出的算法如何提高性能，在平均玩家（代理或任务）的回报，至少30.26%（5个代理与多达25个任务的网络）相对于一个计划，分配附近的任务平均代理。
2010-10-21 cs.GT cs.IT math.IT
Age of Information under Source-Aware Truncated ARQ in Multi-Source Wireless Status Updating
本文研究了多源无线物联网状态更新系统中截断自动重传请求协议下的信息时效性，提出了一种源感知截断ARQ方案，通过差异化最大传输次数优化信息年龄分布和能耗。
2026-04-25 cs.IT math.IT
NOMA Assisted Wireless Caching: Strategies and Performance Analysis
传统的无线缓存假设内容可以在非高峰时段以无差错的方式推送到本地缓存基础设施;然而，如果本地缓存需要通过无线传输频繁更新，则该假设不适用。本文研究了一种新的方法，无线缓存的情况下，缓存内容必须在高峰时段更新。提出了两种非正交多址接入（NOMA）辅助缓存策略，即先推后送策略和先推后送策略。与传统的正交多址接入（OMA）策略相比，在推后送策略中，NOMA原理被应用于在高峰时段为内容推送保留的短时间间隔期间向内容服务器推送更多的内容文件，并且为内容递送提供更多的连接。推-送策略的动机是一些用户的请求不能在本地被容纳，并且基站必须直接为他们服务。在内容交付阶段期间的这些事件被利用作为内容推送的机会，这进一步促进了在内容服务器处缓存的文件的频繁更新。它还表明，这种策略可以直接扩展到设备到设备的缓存，和各种分析结果的开发，以说明所提出的缓存策略相比，基于OMA的计划的优越性。
2018-01-19 cs.IT math.IT
Broadcast Age of Information in CSMA/CA Based Wireless Networks
我们考虑了一个无线传感器网络，其中所有的节点都希望传播他们的更新在网络上使用CSMA/CA协议。我们从发射机的角度，这被称为\textit{broadcast age of information (BAoI)}的传播过程中的信息的年龄进行调查。具体而言，BAoI是成功广播到节点的一跳邻居的最新更新的年龄，因此适合于测量更新传播过程的快速性。通过推导节点的传输概率和碰撞概率，建立了网络的等效传输模型。有了这个等效模型，我们就可以显式地给出网络的平均BAoI。我们的结果提出了平均BAoI与节点密度和帧长度的缩放定律，并通过数值结果进一步说明。如图所示，平均BAoI随着节点密度而增加，并且在帧长度上是凸的，即，当帧长度非常小或非常大时，将很大。
2019-04-06 cs.IT math.IT
Exploiting the Unexploited of Coded Caching for Wireless Content Distribution: Detailed Theoretical Proofs
最近的研究表明，编码缓存技术可以促进无线内容分发，通过减轻无线业务速率在高峰流量时间，其中的内容被部分预取到本地缓存的移动设备在非高峰时间。剩余的内容，然后联合编码，并在多播中交付，当许多内容请求在高峰流量时间发起。请求的内容可以从本地预取和多播数据中恢复，请求者经历较少的干扰。然而，编码缓存方案的好处仍然估计不足，其中适当的缓存分布的潜在收益未被充分利用。在本文中，我们提出了一个理论模型，以最大限度地减少编码缓存所需的平均无线流量速率，优化的缓存分布与内容流行度分布考虑在内。为了提高计算效率，以确定适当的缓存分布，我们将目标函数从平均无线流量速率的平均大小的未预取的内容。我们从理论上证明了原始模型和松弛模型所得结果的阶最优性。仿真结果表明，该缓存分布可以进一步提高编码缓存的性能。
2014-07-05 cs.IT cs.NI math.IT
Age of Information of CSMA/CA Based Wireless Networks
我们考虑一个无线网络，其中N个节点竞争共享信道的CSMA/CA协议提供一个共同的远程监视器所观察到的更新。对于这个网络，我们率的信息新鲜度的CSMA/CA基于网络使用的年龄信息（AoI）。与以往的工作不同，我们考虑的网络是不饱和的。为了从理论上分析基于CSMA/CA的网络的传输行为，我们提出了一个等价的、易处理的马尔可夫传输模型。在此基础上，得到了网络的传输概率、碰撞概率和平均AoI。我们的数值结果表明，随着数据包速率和节点数的增加，传输概率和碰撞概率都在增加;平均AoI随着数据包速率的增加先减小后增大，随着节点数的增加而增大。
2023-03-04 cs.IT math.IT
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
Transmission Scheduling for Multi-loop Wireless Networked Control Based on LQ Cost Offset
研究了共享无线信道的多环无线网络控制系统的传输调度问题。提出了一种线性二次代价补偿方法来评估非理想通信引起的性能差距。建立了线性二次偏移度量与信息时代的函数关系。在此基础上，我们提出了一种基于年龄的调度策略，数值模拟结果表明，与以前的工作相比，有显着的改善。
2020-05-12 cs.IT math.IT
Age of Information in an URLLC-enabled Decode-and-Forward Wireless Communication System
信息时代（AoI）衡量关键任务物联网（IoT）应用中数据的新鲜度，即，工业互联网，智能交通系统等。在本文中，提出了一种新的系统模型，估计平均AoI（AAoI）的超可靠低延迟通信（URLLC）使能的无线通信系统的解码和转发中继方案在准静态瑞利块衰落信道。短分组通信方案用于满足所提出的无线网络的可靠性和延迟要求。运用有限块长信息论、排队论和随机过程理论，得到了AAoI的封闭表达式。最后，系统参数的影响，如更新生成速率，块长度和块长度分配因子的AAoI进行了研究。数值计算结果验证了上述结论的正确性。
2021-04-19 cs.IT cs.NI math.IT
Optimizing Information Freshness in Wireless Networks under General Interference Constraints
信息年龄（AoI）是最近提出的用于测量信息新鲜度的度量。AoI测量自生成上次收到的更新以来所经过的时间。我们考虑的问题，最小化的平均和峰值AoI在无线网络中，由一组源-目的地链路，在一般的干扰约束。当新鲜的信息总是可用于传输，我们表明，一个固定的调度策略是峰龄最优的。我们还证明了该政策实现的平均年龄是在两个因素的最佳平均年龄。在新鲜的信息并不总是可用的情况下，和数据包/信息生成速率必须控制随着调度链路传输，我们证明了一个重要的分离原则：最佳的调度策略可以设计假设新鲜的信息，和独立，数据包生成速率控制可以忽略干扰。本文首次分析了离散时间G/Ber/1排队的峰值和平均AoI，这可能是一个独立的研究领域。
2019-12-09 cs.IT cs.NI math.IT
Optimizing Age of Information in Wireless Networks with Perfect Channel State Information
信息年龄（AoI），定义为从最后一次收到的更新生成以来所经过的时间，是一个新提出的衡量网络中信息更新及时性的指标。我们考虑一般干扰约束下的网络和时变信道的AoI最小化问题。我们提出了两种策略，即基于虚拟队列的策略和基于年龄的策略时，信道状态是可用于网络调度器在每个时间步。我们证明了基于虚拟队列的策略是接近最优的，直到一个常数的附加因子，和基于年龄的策略是最多的因素4远离最优性。与我们以前的工作，得出年龄最优的政策时，信道状态信息是不可用的调度器相比，我们表现出4倍的改善年龄由于信道状态信息的可用性。
2018-03-17 cs.IT cs.NI math.IT
Aerial Agentic AI: Synergizing LLM and SLM for Low-Altitude Wireless Networks
本文提出空域代理AI框架，通过融合小型语言模型和大型语言模型，解决低空无线网络中的计算、通信和实时性冲突问题，实现高效协同与决策优化。
2026-03-24 cs.IT math.IT
Joint Age-of-Latent and Resource Minimization for Wireless Multi-Camera Perception With Temporal Window Selection
National Taiwan University（国立台湾大学）；University of Oulu（奥卢大学）
针对无线多摄像头感知的基站资源受限问题，提出CoLA算法，通过李雅普诺夫优化与近端策略优化，实现潜在年龄与资源的联合最小化，在仓库数据集上表现最优。
2026-08-11 cs.IT eess.SP math.IT
Age of Synchronization Minimization in Wireless Networks with Random Updates and Time-Varying Timeliness Requirement
本文研究随机更新无线网络中时变重要性下的同步年龄最小化问题，将优化问题松弛为约束马尔可夫决策过程并用线性规划求解，提出近稳态策略，仿真表明其性能优于不考虑权重变化的最大AoS策略。
2025-03-13 cs.IT math.IT
Age of Actuation and Timeliness: Semantics in a Wireless Power Transfer System
本文针对语义感知目标导向通信，提出驱动年龄（AoA）和驱动缺失概率（PoMA）等新度量，在无线电力传输模型中分析其性能，超越传统时效性度量以考虑信息利用与多流协同。
2023-12-21 cs.IT eess.SP math.IT
Deep Actor-Critic Learning for Distributed Power Control in Wireless Mobile Networks
深度强化学习为监督式深度学习和经典优化提供了一种无模型的替代方案，用于解决无线网络中的发射功率控制问题。多智能体深度强化学习方法将每个发射机视为单独的学习智能体，通过观察本地无线环境来确定其发射功率水平。遵循一定的策略，这些智能体学习协作地最大化全局目标，例如，和率效用函数这种多代理方案易于扩展，实际上适用于大规模的蜂窝网络。在这项工作中，我们提出了一个分布式执行的连续功率控制算法的帮助下，深度演员批评学习，更具体地说，通过调整深度确定性的政策梯度。此外，我们将建议的功率控制算法的时隙系统中的设备是移动和信道条件变化迅速。我们证明了所提出的算法的功能，使用仿真结果。
2020-09-14 cs.IT eess.SP math.IT
Resource Management in Wireless Networks via Multi-Agent Deep Reinforcement Learning
HRL Laboratories, LLC（HRL实验室）；Intel Corporation（英特尔公司）；VMware, Inc.（VMware公司）
我们提出了一种使用多代理深度强化学习（RL）在无线网络中进行分布式资源管理和干扰缓解的机制。我们为网络中的每个发射机配备了一个深度RL代理，该代理接收来自其关联用户的延迟观测，同时还与其相邻代理交换观测，并决定在每个调度间隔服务哪个用户以及使用什么发射功率。我们提出的框架，使代理同时作出决定，并在一个分布式的方式，不知道其他代理的并发决策。此外，我们的代理的观察和动作空间的设计是可扩展的，在这个意义上说，一个代理训练的情况下，具有特定数量的发射机和用户可以应用到不同数量的发射机和/或用户的情况。仿真结果表明，我们提出的方法相比，分散的基线在平均和$5^{th}$百分位用户率之间的权衡方面的优越性，同时实现性能接近，甚至在某些情况下优于，集中式信息理论基线。我们还表明，我们训练有素的代理是强大的，并保持他们的性能增益时，遇到训练和测试部署之间的不匹配。
2021-01-11 cs.IT cs.LG cs.MA
Scheduling Policies for Minimizing Age of Information in Broadcast Wireless Networks
我们考虑一个无线广播网络，其中一个基站通过不可靠的信道向多个客户端发送时间敏感信息。信息年龄（AoI），即自最近交付的数据包生成以来经过的时间量，捕获信息的新鲜度。我们制定了一个离散时间的决策问题，找到一个传输调度策略，最大限度地减少了预期的加权和AOI的客户端在网络中。我们首先表明，在对称网络中的贪婪的政策，传输数据包的最高当前年龄，是最佳的。对于一般的网络，我们开发了三个低复杂度的调度政策：随机化的政策，最大权重的政策和惠特尔的指数政策，并获得性能保证的网络配置的函数。据我们所知，这是第一个工作，以获得性能保证的调度策略，试图尽量减少在无线网络中的AOI不可靠的信道。数值结果表明，最大权重和惠特尔指数策略优于其他调度策略在每一个模拟的配置，并达到接近最优的性能。
2018-01-05 cs.IT cs.NI math.IT
A Networked Multi-Agent System for Mobile Wireless Infrastructure on Demand
Universitat Pompeu Fabra（庞培法布拉大学）；Tampere University（坦佩雷大学）；Nokia（诺基亚公司）；University of Pennsylvania（宾夕法尼亚大学）；Zoox（佐克斯公司）；University of Pittsburgh（匹兹堡大学）；Universidad de la República（共和国大学）
针对部分场景无线连接不足的问题，提出可快速部署的无人机自组织网络系统，通过优化无人机位置与数据流路由满足按需QoS需求，经仿真与实实验证可拓展智能体作业范围、抗故障且支持复杂移动。
2024-09-16 cs.IT cs.RO math.IT
Dynamic Channel Access and Power Control in Wireless Interference Networks via Multi-Agent Deep Reinforcement Learning
由于无线频谱的稀缺性和有限的能量资源，特别是在移动应用中，有效的资源分配策略在无线网络中是至关重要的。受深度强化学习（DRL）最新进展的启发，我们解决了无线干扰网络中基于多智能体DRL的联合动态信道接入和功率控制问题。我们首先提出了一个集中式训练的多智能体DRL算法（DRL-CT）来解决联合资源分配问题。在这种情况下，在中央单元（CU）处执行训练，并且在训练之后，用户仅利用本地信息对其传输策略进行自主决策。我们表明，有限的信息交换和更快的收敛，DRL-CT算法可以实现90%的性能实现的加权最小均方误差（WMMSE）算法的功率控制和穷举搜索的动态信道接入的组合。在本文的第二部分中，我们考虑分布式多代理DRL的情况下，每个用户进行自己的训练，并单独作出决定，作为DRL代理。最后，作为集中式和完全分布式的情况之间的妥协，我们认为联邦DRL（FDRL）的性能接近DRL-CT的训练中使用的中央单元，同时限制信息交换和保护隐私的用户在无线系统中。通过仿真结果，我们表明，提出的学习框架，导致有效的自适应信道接入和功率控制策略在动态环境中。
2021-12-24 cs.IT cs.SY eess.SY
Agentic AI-Empowered Wireless Agent Networks With Semantic-Aware Collaboration via ILAC
Zhejiang University（浙江大学）；College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息与电子工程学院）；Zhejiang Provincial Key Laboratory of Info. Proc., Commun. & Netw. (IPCAN)（浙江省信息处理、通信与网络重点实验室）；King’s College London（伦敦国王学院）；Department of Engineering, King’s College London（伦敦国王学院工程系）；University of Miami（迈阿密大学）；Institute for Data Science and Computing, University of Miami（迈阿密大学数据科学与计算研究所）；The University of Hong Kong（香港大学）；Department of Electrical and Electronic Engineering, The University of Hong Kong（香港大学电子电气工程系）
本文提出一种基于ILAC的无线代理网络框架，通过语义感知协作实现高效代理协作，解决了语义冗余和通信计算控制机制不足的问题，实验表明其在动态环境中具有更高的能效和可扩展性。
2026-04-01 cs.IT cs.MA cs.NI
Power Allocation for Cognitive Wireless Mesh Networks by Applying Multi-agent Q-learning Approach
随着频谱资源的日益拥挤，认知无线电（CR）通过机会性地接入授权频段来提高频谱效率，表现出极大的灵活性。在网络中操作这种无线电的关键挑战之一是如何在满足主用户（PU）的服务质量（QoS）约束的同时在次用户（SU）之间有效地分配传输功率和频率资源。在本文中，我们专注于非合作的认知无线网状网络（CogMesh）的功率分配问题，形成了一些集群的能源效率的考虑。由于SU的自私性和自发性，该问题被建模为一个随机学习过程。首先将单智能体Q-learning算法扩展到多用户环境，然后提出一种基于猜想的多智能体Q-learning算法，以实现仅具有私有和不完全信息的最优传输策略。智能SU根据对其他SU随机行为的推测进行Q函数更新。这种学习算法可证明收敛给定的某些限制，在学习过程中出现。通过仿真实验验证了算法的性能，并证明了其提高能量效率的有效性。
2011-02-26 cs.IT math.IT
Agentic Wireless Digital Twin Construction and Calibration Using Real-World Measurements
National Sun Yat-sen University（国立中山大学）；National Taiwan University（国立台湾大学）；Chalmers University of Technology（查尔姆斯理工大学）
本文提出智能体无线数字孪生（AWDT）框架，利用真实世界测量数据自主构建和校准WDT，通过三个智能体迭代优化，将RSRP预测MAE从11.46 dB降至5.25 dB，并展示了跨设备可迁移性。
2026-10-02 cs.IT math.IT
Multi-Agent Deep Reinforcement Learning for Dynamic Power Allocation in Wireless Networks
这项工作展示了深度强化学习技术在无线网络中传输功率控制的潜力。现有技术通常通过解决具有挑战性的优化问题来找到接近最优的功率分配。由于这些算法的计算复杂度和瞬时跨小区信道状态信息（CSI）要求，这些算法中的大多数不能扩展到真实世界场景中的大型网络。本文提出了一种基于无模型深度强化学习的分布式执行动态功率分配方案。每个发射机从几个邻居收集CSI和服务质量（QoS）信息，并相应地调整其自己的发射功率。目标是最大化加权和速率效用函数，该函数可以被特殊化以实现最大和速率或比例公平调度。CSI中的随机变化和延迟都是使用深度Q学习来解决的。对于一个典型的网络架构，所提出的算法，以实现近最佳的功率分配实时延迟CSI测量提供给代理的基础上。该方案特别适用于系统模型不准确且CSI时延不可忽略的实际场景。
2019-04-08 cs.IT eess.SP math.IT
Agentic AI for Low-Altitude Semantic Wireless Networks: An Energy Efficient Design
本文提出一种智能体AI驱动的低空语义无线网络框架，通过优化无人机位置、压缩比、功率及任务卸载等变量，在时延和QoS约束下最小化系统能耗，并设计低复杂度算法获得全局最优解，显著降低总能耗。
2025-09-24 cs.IT math.IT
Minimizing Age of Information in Spatially Distributed Random Access Wireless Networks
我们分析年龄的信息（AoI）在无线网络中，节点使用空间自适应随机接入方案发送状态更新到中央基站。我们表明，在这种情况下，可实现的AoI的集合是凸的，并设计策略，以最小化加权和，最小-最大，并按比例公平AoI通过设置传输概率作为节点位置的函数。我们发现，在捕获模型下，当考虑网络的空间拓扑结构时，AoI可以显着提高，并且我们获得了加权和最小-最大AoI的严格性能界限。最后，我们设计了一个政策，每个节点设置其传输概率只基于自己的距离从基站，当它不知道其他节点的位置，并表明，它收敛到最佳的比例公平的政策，网络的大小趋于无穷大。
2023-01-04 cs.IT cs.NI math.IT
Dynamic Coded Caching in Wireless Networks Using Multi-Agent Reinforcement Learning
我们考虑在无线网络中的几个小基站（SBS），其中的内容是使用最大距离可分离的代码编码的内容的分布式缓存。具体来说，我们应用软生存时间（STTL）缓存管理策略，其中编码数据包可能会定期从缓存中驱逐。我们提出了一个强化学习（RL）的方法来找到编码的STTL政策，最大限度地减少整体网络负载。我们证明，这样的缓存策略实现了几乎相同的网络负载，通过优化获得的政策，后者假设完美的知识，文件请求之间的时间分布以及用户发出请求的通信范围内的SBS数量的分布。我们还提出了一个多代理RL（MARL）框架的情况下，非均匀分布的空间请求。对于这样的情况下，我们表明，MARL缓存策略实现较低的网络负载相比，优化的缓存策略假设一个统一的请求位置。我们还提供了令人信服的证据，同步更新提供了一个较低的网络负载比异步更新空间同质的更新请求过程中，由于更新过程的内存。
2021-04-14 cs.IT math.IT
Scheduling to Minimize Age of Synchronization in Wireless Broadcast Networks with Random Updates
在这项工作中，一个无线广播网络与基站（BS）发送随机的时间-敏感信息更新到多个用户的干扰约束。从网络用户的角度来看，采用同步年龄（AoS），即自存储在网络用户处的信息变得去同步化以来所经过的时间量来测量数据新鲜度。与目前应用较为广泛的信息时代（AoI）指标相比，AoS反映了随机变化内容的新鲜度。将AoS最小化调度问题转化为离散时间马尔可夫决策过程，通过结构化有限状态策略迭代逼近最优解。为了进一步降低计算复杂性，提出了一种基于不安分多臂强盗（RMAB）的索引启发式调度策略。仿真结果表明，该索引策略可以实现兼容的性能与MDP和接近的AoS下界。此外，理论分析和仿真揭示了AoS和AoI之间的差异。AoI最小化调度策略不能保证良好的AoS性能。
2020-03-05 cs.IT cs.NI math.IT
Deep Multi-Agent Reinforcement Learning Based Cooperative Edge Caching in Wireless Networks
Syracuse University（雪城大学）
高质量和低延迟的多媒体服务的需求不断增长，导致了边缘缓存技术的兴趣。出于这一动机，我们在本文中考虑边缘缓存在基站未知的内容流行度分布。为了解决缓存决策的动态控制问题，我们提出了一个基于深度行动者-批评者强化学习的多智能体框架，其目标是最小化整体平均传输延迟。为了评估所提出的框架，我们比较了基于学习的性能与其他三个缓存政策，即最近最少使用（LRU），最不频繁使用（LFU），先进先出（FIFO）的政策。通过仿真结果，性能改进的建议框架，这三种缓存算法已被确定，其优越的能力，以适应不同的环境中被证明。
2019-05-13 cs.IT cs.LG math.IT
Multi-Agent Reinforcement Learning in Wireless Distributed Networks for 6G
本文系统综述了面向6G的MARL辅助无线分布式网络，分析其数学背景、网络结构、MARL方法分类、关键挑战及与信息瓶颈、镜像学习等新兴技术的结合，并展望未来研究方向。
2025-02-09 cs.IT cs.SY eess.SY
Optimal Sampling Cost in Wireless Networks with Age of Information Constraints
我们考虑的问题，最小化的时间平均成本的采样和传输状态更新的用户在无线信道的平均年龄的信息约束（AoI）。传输中可能出现错误，调度算法必须决定用户是否采样新的分组或尝试重新传输先前采样的分组。成本包括采样和传输成本。在故障之后对新分组的采样在系统中强加了额外的成本。我们制定了一个随机优化问题的时间平均成本的目标下的时间平均AoI约束。为了解决这个问题，我们从李雅普诺夫优化理论的工具，并开发了一个动态的算法，在一个插槽插槽的基础上作出决定。该算法决定用户是否：a）采样新数据包，b）发送旧数据包，c）保持沉默。我们提供了最优性保证的算法，并研究其性能的时间平均成本和AoI通过仿真结果。
2020-03-05 cs.IT cs.NI math.IT
Age of Actuation in a Wireless Power Transfer System
在本文中，我们研究了一个模型相关的语义感知面向目标的通信。更具体地说，来自外部过程的观测通过状态更新传输到电池供电的接收器。从这些更新中，接收器被告知过程的状态，并且如果有足够的能量，则使用它们来执行致动以实现目标。我们考虑一种无线功率传输模型，其中目的地从专用功率发射器接收能量，并且偶尔从数据发射器接收能量。我们提供了信息时代（AoI）分析。此外，我们提出了一个新的度量，即\textit{Age of Actuation (AoA) which is relevant when the receiver utilizes the status updates to perform actions in a timely manner}。我们分析特征的AoA，我们表明，这是一个更普遍的度量比AoI。我们提供了这两个指标的优化问题，我们数值评估我们的分析结果。
2023-03-01 cs.IT cs.NI cs.SY
Scheduling Algorithms for Minimizing Age of Information in Wireless Broadcast Networks with Random Arrivals: The No-Buffer Case
信息年龄是一个新的网络性能指标，它可以捕捉最终用户的信息新鲜度。本文从调度的角度研究了信息时代。为此，我们考虑一个无线广播网络，其中一个基站（BS）是更新许多用户的随机信息到达下的传输容量约束。对于离线的情况下，到达统计是已知的BS，我们开发了一个结构MDP调度算法和索引调度算法，利用马尔可夫决策过程（MDP）技术和惠特尔的方法不安分的土匪。通过探索最优的结构结果，我们不仅降低了基于MDP算法的计算复杂性，而且简化了推导一个封闭形式的Whittle指数。此外，对于在线的情况下，我们开发了一个基于MDP的在线调度算法和一个基于索引的在线调度算法。结构化MDP调度算法和基于MDP的在线调度算法都渐近地最小化平均年龄，而索引调度算法在所有用户的信息到达率相同时最小化平均年龄。最后，通过大量的数值研究，算法进行了验证。
2018-09-17 cs.IT cs.NI math.IT
Minimizing the Age of Information in Wireless Networks with Stochastic Arrivals
我们考虑一个无线网络的基站服务多个流量流到不同的目的地。来自每个流的分组根据随机过程到达基站，并且在单独的（每个流）队列中排队。分组规则控制每个队列中的哪个分组可用于传输。基站在每个时间t决定哪个流服务于对应的目的地。调度决策的目标是保持目的地的信息最新。信息新鲜度由信息年龄（AoI）度量捕获。在本文中，我们推导出一个下界的AoI性能可实现的任何给定的网络下运行的任何搜索纪律。然后，我们考虑了三个常见的随机化规则，并在每个规则下分别设计了一个最优平稳随机化策略和一个最大权重策略。我们的方法使我们能够评估的综合影响的随机到达，排队纪律和调度政策的AOI。我们评估的AOI性能分析和使用模拟。数值结果表明，最大权策略的性能接近分析下限。
2019-05-16 cs.IT cs.NI math.IT
Diffusion Adaptation over Multi-Agent Networks with Wireless Link Impairments
McGill University（麦吉尔大学）；University of California, Los Angeles（加州大学洛杉矶分校）
研究无线链路退化环境下多智能体网络分布式参数估计中扩散最小均方算法性能，通过动态更新组合权重和引入均衡系数缓解信道退化影响。
2015-07-18 cs.DC cs.IT cs.SY
Waveform Learning for Next-Generation Wireless Communication Systems
NVIDIA（英伟达）；Nokia Bell Labs（诺基亚贝尔实验室）
我们提出了一种基于学习的方法，联合设计的发射和接收滤波器，星座的几何形状和相关的比特标记，以及一个神经网络（NN）为基础的检测器。该方法最大化可实现的信息速率，同时满足对相邻信道泄漏比（ACLR）和峰均功率比（PAPR）的约束。这允许控制频谱约束、峰值功率和通信速率之间的权衡。在加性高斯白噪声（AWGN）信道上的评估表明，与依赖于正交幅度调制（QAM）和根升余弦（RRC）的传统基线相比，ACLR和PAPR显著降低，而信息速率没有显著损失。当考虑第三代合作伙伴计划（3GPP）多径信道时，学习的波形和神经接收器能够实现比正交频分复用（OFDM）基线有竞争力或更高的速率，同时将ACLR降低10 dB，并将PAPR降低2 dB。所提出的方法在发射机侧不会产生额外的复杂性，并且可能是超5G系统波形设计的有吸引力的工具。
2022-03-24 cs.IT cs.LG eess.SP
Decentralized Coded Caching in Wireless Networks: Trade-off between Storage and Latency
研究了雾无线接入网（F-RAN）的分布式编码缓存，其中两个边缘节点（EN）通过有限容量的前传链路连接到云服务器，为$K_r$用户的请求提供服务。我们认为所有的EN和用户都配备了缓存。提出了一种分散式内容放置，以在非高峰时段在每个网络节点独立地存储内容。在此基础上，我们设计了一个编码的交付计划，以提供用户的需求在高峰时段的目标下，最小化的归一化交付时间（NDT），这是指最坏的情况下交付延迟。最小无损检测的信息理论下限推导出任意数量的EN和用户。我们数值评估的分散计划的性能。此外，我们证明了一个特殊的情况下，当缓存只在EN的分散计划的近似最优性。
2017-01-25 cs.IT math.IT
Vision-Language-Action Models Meet World Models: Embodied Agentic AI for Low-Altitude Wireless Networks
提出具身智能体无人机框架，以VLA模型为核心实现端到端决策，引入世界模型建模环境动态，通过记忆与反射机制形成闭环优化，实现低空无线网络的鲁棒自主控制。
2026-06-11 cs.IT math.IT
ACO-OFDM-Specified Recoverable Upper Clipping With Efficient Detection for Optical Wireless Communications
正交频分复用（OFDM）技术的高峰均功率比（PAPR）严重影响了无线光通信系统的性能。提出了一种改进的非对称限幅光正交频分复用（ACOOFDM），通过引入可恢复的上限幅（RoC）过程，降低了PAPR。虽然一些信息被剪切由一个预定的峰值阈值，剪切的错误信息被保留和重新定位在我们提出的方案，这是命名为RoC-ACO-OFDM，而不是简单地被丢弃在传统的方案。所提出的方法充分利用了ACO-OFDM信号在时域中的特定结构，其中OFDM符号内的一半位置被强制为零。零值位置用于携带限幅误差信息。此外，我们相应地提出了一个最佳的最大后验概率（MAP）检测RoC-ACO-OFDM系统。为了便于RoC-ACO-OFDM在实际应用中的使用，进一步开发了一种有效的检测方法，具有接近最佳的性能。仿真结果表明，与传统方法相比，本文提出的RoC-ACO-OFDM系统在保持较好的误比特率出错率性能的同时，实现了较好的PAPR降低。
2015-01-13 cs.IT math.IT
Can Decentralized Status Update Achieve Universally Near-Optimal Age-of-Information in Wireless Multiaccess Channels?
在物联网系统中，状态数据是从传感器和执行器收集的，用于时间关键型应用，数据的新鲜度至关重要，可以通过最近提出的信息年龄（AoI）度量来量化。在本文中，我们首先考虑一个一般的情况下，多个终端共享一个公共信道发送或接收随机生成的状态数据包。最小化AoI的最优调度问题被表述为一个不安分的多臂强盗问题。为了有效地解决这个问题，我们推导出惠特尔指数的封闭形式，并建立其索引。与现有的工作相比，我们扩展了索引策略的AoI优化，将随机数据包到达和最佳的数据包管理（缓冲最新的数据包）。受具有接近最优性能但本质上是集中式的索引策略的启发，提出了一种分散的状态更新方案，索引优先的随机接入策略（IPRA），进一步提出，实现普遍接近最优的AoI性能，并优于文献中的现有技术。
2018-03-22 cs.IT cs.NI math.IT
Optimizing Information Freshness in Wireless Networks: A Stochastic Geometry Approach
无线网络中的信息新鲜度的优化通常基于仅捕获与发射机和接收机相关联的时间业务动态的跟踪分析来执行。然而，干扰的影响，这主要是由干扰者的地理位置，并没有得到很好的理解。在本文中，我们利用时空模型，它允许一个特征的年龄的信息（AoI）从一个联合的嵌入几何的角度来看，设计一个分散的调度策略，利用本地观察，使传输决策，最大限度地减少AoI。为了量化的性能，我们也得到准确和易于处理的表达式的峰值AoI。数值结果表明：i）分组到达速率由于拥塞交互而直接影响服务过程，ii）所提出的方案可以适应业务变化并且大大降低峰值AoI，以及iii）所提出的方案随着网络规模的增长而扩展。这是通过根据周围环境的变化自适应地调整每个发射机处的无线电接入概率来完成的。
2020-02-19 cs.IT cs.NI math.IT
Locally Adaptive Scheduling Policy for Optimizing Information Freshness in Wireless Networks
无线网络中的信息新鲜度的优化通常基于仅捕获与发射机和接收机相关联的时间业务动态的跟踪分析来执行。然而，干扰的影响，这主要是由干扰者的地理位置，并没有得到很好的理解。在本文中，我们利用一个时空模型，它允许一个特征的年龄信息（AoI）从一个联合的嵌入几何的角度来看，并设计了一个分散的调度策略，利用本地观察，使传输决策，最大限度地减少AoI。仿真结果表明，该方案不仅大大降低了峰值AoI，但也与网络规模很好地扩展。
2019-07-23 cs.IT math.IT
Optimizing Age of Information in Wireless Uplink Networks with Partial Observations
我们考虑由多个终端设备和接入点（AP）组成的无线上行链路网络。每个设备都监视一个物理过程，状态更新随机到达，并通过共享信道将这些更新发送到AP。AP旨在调度这些设备的传输，以优化由信息年龄（AoI）度量量化的网络范围的信息新鲜度。由于状态更新在设备处的随机到达，AP在做出调度决策时仅具有对设备处的最新状态更新的系统时间的部分观测。我们制定这样的决策问题作为一个信念马尔可夫决策过程（信念MDP）。原始形式的信念-MDP由于其状态的维数可以达到无穷大且其信念空间是不可数的而难以求解。通过利用状态更新到达的属性（即，Bernoulli）过程，我们设法将置信MDP的可行状态简化为二维向量。在此基础上，我们设计了一个低复杂度的调度策略。我们推导出的低复杂度的政策的AoI性能的上限和分析的性能保证，通过比较其性能与一个普遍的下限。数值结果验证了我们的分析。
2022-06-26 cs.IT cs.NI cs.PF
On Minimizing the Maximum Age-of-Information For Wireless Erasure Channels
信息流（AoI）是最近提出的用于从通信网络中的UE的角度量化信息的新鲜度的度量。最近，Kadota等人[1]提出了一种索引型近似最优调度策略，用于最小化下行链路传输问题的平均AoI度量。对于延迟敏感的应用，包括网络物理系统的实时控制或5G中的URLLC流量调度，必须对所有用户的AoI进行更严格的统一控制。在本文中，我们推导出一个精确的最优调度策略，这个问题在下行链路的删除信道蜂窝系统。我们的最优性证明涉及到相关的平均成本贝尔曼方程，这可能是独立的理论兴趣的显式解决方案。我们还建立了所得到的随机过程是积极的经常性下的最佳政策，并有一个指数轻尾，最佳的大偏差指数。最后，在小小区住宅网络中的典型应用的动机，我们考虑的问题，最小化的峰值AoI与吞吐量的限制，以特定的UE，并得出一个启发式的策略，这个问题。已经进行了大量的数值模拟，以比较所提出的政策与其他知名的调度政策，如随机调度和比例公平的功效。
2019-04-01 cs.IT cs.NI math.IT
Reflected wireless signals under random spatial sampling
School of Mathematics and Statistics, University of Melbourne（墨尔本大学数学与统计学院）
研究揭示了随机空间采样下反射无线信号产生的无界峰值现象，并提出基于勒赫超越函数的闭式表达式用于分析墙壁反射引起的功率振荡。
2026-01-28 cs.IT math.IT stat.AP
Understanding Age of Information in Large-Scale Wireless Networks
年龄的信息（AoI）的概念进行了研究的背景下，大规模的无线网络中，发射机需要发送一个序列的信息包，这是作为独立的伯努利过程生成的，他们的预期接收器在共享频谱。由于干扰，在任何给定的节点的数据包耗尽的速率是纠缠与空间配置，这决定了路径损耗，和时间动态，这影响了其他发射机的活动状态，导致在整个网络中的队列相互作用，在空间和时间。为此，数据包更新频率的变化不仅会影响到达间隔时间，还会影响离开过程，并且这种现象对AoI的影响还没有得到很好的理解。在本文中，我们建立了一个理论框架来描述上述设置中的AoI性能。特别地，推导了FCFS和LCFS-PR两种不同传输协议下峰值和平均AoI的易处理表达式。基于理论结果，我们发现：i）在LCFS-PR下运行的网络能够获得比FCFS下更小的峰值和平均AoI值，而当基础设施密集部署时，增益更明显，ii）在稀疏部署的网络中，具有通用设计的信道接入概率的ALOHA在降低AoI方面没有帮助，因此需要更先进的信道接入方法，以及iii）当密集地推出基础设施时，存在非平凡的ALOHA信道接入概率，其在FCFS和LCFS-PR两者下最小化峰值和平均AoI。
2020-12-23 cs.IT cs.SY eess.SY
Federated Learning in Wireless Networks via Over-the-Air Computations
Technische Universität Berlin（柏林工业大学）
本文提出一种在无线网络中利用空中计算进行联邦学习的方法，无需重建信道系数，从而提升资源效率和隐私保护。
2023-05-08 cs.CR cs.IT cs.LG
Power Allocation in Team Jamming Games in Wireless Ad Hoc Networks
研究团队间干扰博弈中的功率分配问题，采用零和微分博弈模型和Isaacs方法，给出了纯策略纳什均衡存在的充分条件。
2011-01-31 cs.CR cs.GT cs.IT
