Exploiting Active RIS in NOMA Networks with Hardware Impairments
本文研究硬件损伤下ARIS辅助NOMA网络在Nakagami-m衰落信道中的性能，推导中断概率和遍历速率表达式，并通过仿真证明其优于ARIS/PRIS-OMA及传统协作方案。
2024-01-13 cs.IT eess.SP math.IT
Quality-of-Transmission Estimation in Physical Impairment Aware Flexible Optical Networks
在本论文中，非线性干扰噪声（NLIN）的损伤感知灵活的光网络的背景下，估计传输质量的创建进行了研究。特别地，研究了在被测信道上传输期间相邻信道（干扰器）的非线性干扰。在灵活的光网络中，调制格式、累积色散、跨距长度和信道间隔是影响NLIN生成的重要参数。NLIN的估计是基于数值模拟结果的评价，并与最近的分析传输模型，即高斯噪声模型和增强的高斯噪声模型进行比较。除了非线性噪声功率，模拟还产生有关相位和循环噪声贡献以及相位噪声的相关时间的信息。结果进行评估的上下文中的脉冲碰撞图片和传输质量的影响进行了讨论。
2020-12-06 eess.SP
Deep Learning Model-Based Channel Estimation for THz Band Massive MIMO with RF Impairments
针对太赫兹大规模MIMO信道估计中远场近场混合及射频损伤导致性能下降的问题，提出基于BiLSTM与GRU的深度学习模型，有效学习信道与射频损伤相关性，在各SNR水平下优于基准方法。
2024-09-24 cs.IT eess.SP math.IT
PhyCOM: A Multi-Layer Parametric Network for Joint Linear Impairments Compensation and Symbol Detection
本文重点研究了通信系统中的联合损伤补偿和符号检测问题。首先，我们介绍了一个新的多层信道模型，它代表了通信系统中多重损伤的基本物理机制。该模型是由广泛的线性参数层，描述了前端损伤和信道效应的输入输出关系。使用这个特定的模型，我们表明，联合补偿和迫零检测问题可以解决一个特定的前馈网络称为PhyCOM。由于网络参数的数量很少，因此可以使用复杂的优化算法和有限数量的导频符号来有效地训练PhyCOM网络。数值例子来证明的有效性PhyCOM网络与通信系统损坏的发射机和接收机IQ不平衡，载波频率偏移，有限脉冲响应通道，发射机和接收机相位噪声失真。仿真结果表明，与传统的数字信号处理方法相比，该方法具有更高的灵活性，在计算复杂度略有增加的情况下，具有更好的统计性能。
2022-03-01 eess.SP
Deep Reinforcement Learning for RIS-aided Multiuser Full-Duplex Secure Communications with Hardware Impairments
在本文中，我们研究了一个可重构智能表面（RIS）辅助的多用户全双工安全通信系统的收发器和RIS的硬件损伤，其中多个窃听者偷听的双向传输信号同时，和RIS应用，以提高保密性能。以最大化和保密率（SSR）为目标，在基站发射功率约束和移相器单位模约束下，建立了基站发射波束形成和反射波束形成的联合优化问题。由于环境是时变的，系统是高维的，这种非凸优化问题在数学上是难以解决的。探索了一种基于深度强化学习（DRL）的算法，通过与动态环境的反复交互和学习来获得满意的解。大量的仿真结果表明，基于DRL的安全波束形成算法被证明是显着有效的改善SSR。研究还发现，通过选择合适的神经网络参数，可以大大提高DRL方法的性能，加快神经网络的收敛速度。
2022-08-16 cs.IT eess.SP math.IT
Channel Estimation under Hardware Impairments: Bayesian Methods versus Deep Learning
Linköping University（林雪平大学）
本文考虑了多天线基站和用户设备中的一般硬件损伤对上行链路性能的影响。首先，有效的渠道解析推导失真感知接收机时，使用有限大小的信号星座。接下来，设计并训练深度前馈神经网络来估计有效信道。它的性能进行了比较与国家的最先进的失真感知和不知道贝叶斯线性最小均方误差（LMMSE）估计。所提出的深度学习方法通过利用损伤特征来提高估计质量，而LMMSE方法将失真视为噪声。
2022-08-08 cs.IT cs.LG eess.SP
Maximizing Revenue with Adaptive Modulation and Multiple FECs in Flexible Optical Networks
灵活的光网络（FON）正在被采用，以适应日益异构的流量在今天的互联网。然而，在存在高业务负载的情况下，并非所有提供的业务都可以在所有时间得到满足。在承载业务为运营商带来收入的同时，由于有限的频谱资源而导致的业务阻塞导致收入损失。在这项研究中，给定一组流量请求提供，我们考虑的问题，运营商的收入最大化，受到有限的频谱资源和物理层损伤（PLIs），即放大自发辐射噪声（ASE），自信道干扰（SCI），跨信道干扰（XCI），和节点串扰。在FONs中，自适应调制、多FEC和功率谱密度（PSD）的调谐可以有效地用于减轻PLI的影响。因此，在我们的研究中，我们提出了一个通用的基于信道带宽的带宽相关的损伤评估模型，它允许不同的PSD，FEC和调制的性能分析。利用这个PLI模型和分段线性拟合函数，我们成功地制定了收入最大化问题作为一个混合整数线性规划。然后，为了解决较大的网络实例的问题，一个快速的两阶段启发式算法也提出了，这是近最优的收益最大化。通过仿真，我们证明，使用自适应调制能够显着增加收入的情况下，高信噪比（SNR），其中收入甚至可以增加一倍的高流量负载，而使用多个FEC是更有利可图的低SNR的情况下。
2021-06-14 cs.NI eess.SP
Multiple Access in Pinching-Antenna Systems: A Survey, Impairment Analysis, and Evaluation
German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）；University of Kaiserslautern (RPTU)（凯泽斯劳滕大学）
本文综述夹持天线系统的多址接入，提出统一分类框架，识别关键损伤并评估各域方案，为损伤感知设计奠定基础。
2026-10-06 cs.IT eess.SP math.IT
Low Complexity Joint Impairment Mitigation of I/Q Modulator and PA Using Neural Networks
神经网络（NN）的多个硬件损伤减轻现实的直接转换发射机是不切实际的，由于高计算复杂度。我们提出了两种方法来降低复杂性，而没有显着的性能损失。我们首先提出了一种新的注意力残差学习神经网络，称为注意力残差实值时延神经网络（ARDEN），其中输入和输出层之间的可训练神经元快捷连接允许保持注意力始终活跃。此外，我们实现了一个NN修剪算法，逐渐删除连接对应的最小权重大小在每一层。仿真和实验结果表明，与其他基于神经网络和Volterra的模型相比，ARDEN剪枝模型在补偿频率相关正交不平衡和功率放大器非线性方面具有更好的性能，同时需要更少或相似的复杂度。
2021-04-06 eess.SP
Foundational Techniques for Wireless Communications: Channel Coding, Modulation, and Equalization
本文分析了改善无线通信系统的信道编码、调制与均衡等基础技术，使用仿真工具评估了卷积码、PSK、QAM及均衡技术在不同信道条件下的性能，并提供了现代无线系统实现的实用见解。
2023-10-20 cs.NI eess.SP
Synchronization and Channel Estimation of OTFS with RF Impairments
South Eastern Technological University（东南理工大学）；Dundalk Institute of Technology（邓多克理工学院）；Trinity College Dublin（都柏林三一学院）
针对高移动性场景下OTFS系统的射频损伤问题，本文提出基于PCP导频的同步与信道估计框架，联合估计CFO与有效信道，仿真验证了所提技术的有效性。
2026-08-21 eess.SP
Adversarial Learning Based Structural Brain-network Generative Model for Analyzing Mild Cognitive Impairment
Southern University of Science and Technology（南方科技大学）；Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）
轻度认知功能障碍（MCI）是阿尔茨海默病（AD）的先兆，MCI的检测具有重要的临床意义。分析患者的脑结构网络对于MCI的识别至关重要。然而，目前对结构脑网络的研究完全依赖于特定的工具箱，这是耗时和主观的。很少有工具可以从脑扩散张量图像中获得结构脑网络。在这项工作中，提出了一个基于对抗学习的结构脑网络生成模型（SBGM），以直接从脑扩散张量图像中学习结构连接。通过分析不同受试者脑结构网络的差异，我们发现，从老年正常对照（NC）到早期轻度认知障碍（EMCI）再到晚期轻度认知障碍（LMCI），受试者的脑结构网络呈现出一致的趋势：随着病情的恶化，结构连接逐渐减弱。此外，我们提出的模型三分类EMCI，LMCI和NC科目，实现了83.33%的阿尔茨海默氏病神经影像学倡议（ADNI）数据库的分类准确率。
2022-08-09 cs.CV eess.IV eess.SP
Robust and Fast Automatic Modulation Classification with CNN under Multipath Fading Channels
Informatics and Information Security Research Center (BİLGEM), TÜBİTAK（土耳其科学技术研究理事会信息学与信息安全研究中心）；Istanbul Technical University（伊斯坦布尔技术大学）；Balıkesir University（巴勒克埃西尔大学）；Yıldız Technical University（耶尔德兹技术大学）；Boğaziçi University（海峡大学）
自动调制分类（AMC）已经研究了超过四分之一个世纪，然而，它一直很难设计一个分类器，成功地工作在不断变化的多径衰落条件和其他损害。最近，AMC系统采用了基于深度学习（DL）的方法，并报告了主要的改进。本文提出了一种新的卷积神经网络（CNN）分类器模型来根据调制类别的族来对调制类别进行分类，即，类型所提出的分类器对现实的无线信道损伤具有鲁棒性，并且当考虑用于测试和评估所提出的方法的数据集时，可以看出RadioML2016.10a是用于测试和评估所提出的方法的主要数据集。然而，该数据集和其他一些数据集中包含的通道效应可能缺乏对真实世界条件的适当建模，因为它仅考虑了单个抽头配置的通道模型的两个分布。因此，考虑到现实生活的适用性，本文还介绍了一个更全面的数据集，命名为HisarMod2019.1。HisarMod2019.1包括26个通过信道的调制类别，具有5种不同的衰落类型和几个用于分类的抽头。结果表明，该模型在更真实的条件下，在精度和训练时间方面都优于现有的模型。更重要的是，当使用RadioML2016.10a数据集时，它们的性能超过了它们。
2020-03-07 cs.LG eess.SP stat.ML
Performance Analyses of MRT/MRC in Dual-Hop NOMA Full-Duplex AF Relay Networks with Residual Hardware Impairments
分析了在存在剩余硬件损伤（RHI）的情况下，最大比传输（MRT）/最大比合并（MRC）方案在双跳非正交多址（NOMA）全双工（FD）中继网络中的性能.信道估计误差（CEE）和不完美的连续干扰消除的影响也被认为是一个现实的性能分析。在网络中，基站和多个用户分别使用MRT和MRC，而由两个天线组成的专用中继，一个用于接收，另一个用于广播，工作在放大转发模式。对于性能指标，推导了Nakagami-m衰落信道下的中断概率（OP）的精确表达式。此外，一个紧密的下限和渐近表达式也来自提供更多的见解获得OP的分集阶数和阵列增益。所得到的数值结果表明，环路干扰消除过程中FD中继的重要性，以使调查的系统比半双工NOMA同行执行更好。此外，MRT和MRC方案之间的性能权衡观察到在用户之间的CEE的存在。此外，它表明，RHI有一个显着的性能与较低的功率系数的用户，但它不改变分集阶数的影响。RHI和CEE分别对系统性能的恶化影响最大和最小。
2021-02-16 cs.IT cs.SY eess.SP
Constellation Design and Detection under Generalized Hardware Impairments
Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）；University of Western Macedonia（西马其顿大学）
针对广义硬件损伤，本文提出极坐标域的近似相位-幅度失真检测器（PAD-D），通过失真感知加权联合抑制幅度和相位失真，推导高信噪比SEP近似并优化星座，性能显著优于传统检测器。
2025-11-12 eess.SP
Aggregate Hardware Impairments Over Mixed RF/FSO Relaying Systems With Outdated CSI
在本文中，我们提出了一个双跳RF（射频）/FSO（自由空间光）系统与多中继采用解码和转发（DF）和放大和转发（AF）与固定增益（FG）中继方案。RF信道服从瑞利分布，而光链路经历统一的衰落模型，该衰落模型包含遵循马拉加分布（或也称为$\mathcal{M}$分布）的大气湍流、大气路径损耗和指向误差。部分中继选择（PRS）与过时的信道状态信息（CSI）提出选择候选中继转发信号到目的地。在接收时，信号的检测可以在外差或强度调制和直接检测（IM/DD）之后实现。许多以前的尝试忽略了硬件损伤的影响，并假设理想的硬件。这种假设对于低数据速率系统是有意义的，但对于高数据速率系统将不再有效。在这项工作中，我们提出了一个通用模型的硬件损伤，以了解量化其对系统性能的影响。我们将证明，对于低信噪比（SNR），硬件损伤对系统性能的影响很小，但在高SNR值时可能具有破坏性。进一步推导了中断概率和遍历容量的解析表达式和上界，并通过数值积分方法得到了误符号概率。利用这些指标，我们还推导出高SNR渐近线，以获得有价值的洞察系统增益，如分集和编码增益。最后，分析和数值结果，并验证了蒙特卡罗模拟。
2019-01-16 eess.SP
MIMO Detection under Hardware Impairments: Learning with Noisy Labels
针对硬件损伤 MIMO 系统，提出模型驱动与数据驱动两种无额外训练开销的检测器，并通过 EM 和鲁棒 DNN 训练提升检测性能。
2023-06-08 cs.IT eess.SP math.IT
The Derivation of The Probability of Error for BPSK, 16-QAM and 64-QAM in Rayleigh Fading Channel: A Unified Approach
Artificial Intelligence Engineering Dept., AI and Robotics Institute Near East University（近东大学人工智能与机器人研究所人工智能工程系）
本文提出一种统一方法推导瑞利衰落信道中BPSK、16-QAM、64-QAM的误码率公式，涵盖调制特性与衰落统计特性，简化分析并助力通信系统的性能预测与优化。
2026-10-15 eess.SP
Untrained DNN for Channel Estimation of RIS-Assisted Multi-User OFDM System with Hardware Impairments
University of Oulu（奥卢大学）
可重构智能表面（RIS）是一种用于提高第五代（5G）及以后网络性能的新兴技术。实际上，由于RIS的无源性质，RIS辅助系统的信道估计是具有挑战性的。针对存在硬件损伤的RI辅助多用户单输入多输出（SIMO）正交频分复用（OFDM）系统，提出了一种基于深度学习的低复杂度信道估计算法。我们提出了一种基于深度图像先验（DIP）网络的未训练深度神经网络（DNN），以消除从传统的基于导频的最小二乘（LS）估计获得的系统的有效信道，并获得更准确的估计。我们已经表明，我们提出的方法具有高性能的准确性和低复杂度相比，传统的方法。此外，我们已经表明，所提出的估计是强大的收发器和RIS的硬件损伤所造成的干扰。
2021-07-13 cs.LG eess.SP
ParamNet: A Multi-Layer Parametric Network for Joint Channel Estimation and Symbol Detection
本文提出了一种基于参数的网络结构，用于在有硬件损伤的通信系统中进行联合信道估计和数据检测。该架构由一个数据增强层、一个自定义软阈值函数和几个线性层组成，这些线性层对通道效应和硬件损伤的影响进行建模。在所提出的网络中，软阈值函数软约束检测到的数据在所考虑的星座。后者仅取决于在训练期间优化的一个参数。所提出的方法的好处是说明通过通信链损坏的多重损伤和噪声。
2022-06-15 eess.SP
Coherence-Aware Distributed Learning under Heterogeneous Downlink Impairments
针对无线联邦学习中设备相干时间异构导致的通信低效问题，提出基于乘积叠加的相干感知资源复用框架，理论分析收敛性并通过实验验证其在通信效率与训练精度上的提升。
2025-10-29 cs.IT eess.SP math.IT
Secrecy Performance of an Artificial Noise Aided Dual-Hop SWIPT MIMO-NOMA Network in Presence of Practical Impairments
Gebze Technical University（盖布泽理工大学）；Polytechnique Montréal（蒙特利尔高等工程学院）
本文研究实际损伤下人工噪声辅助双跳SWIPT MIMO-NOMA网络的保密性能，推导SOP闭式解，发现分集与AN功率分配提升保密性，而实际损伤导致高SNR下SOP底限。
2026-10-05 eess.SP
Modulation Pattern Detection Using Complex Convolutions in Deep Learning
Georgia Institute of Technology（佐治亚理工学院）；DeepSig Inc.（深度信号公司）；Georgia Tech Research Institute（佐治亚理工研究院）
用于电信的收发器发送和接收表示为复数序列的特定调制模式。对调制模式进行分类是具有挑战性的，因为噪声和信道损伤以复杂的方式影响信号，使得接收到的信号与发送的信号几乎没有相似之处。尽管深度学习方法在这个问题空间中表现出了比统计方法更大的前景，但深度学习框架在支持复值数据方面仍然落后。为了解决这一差距，我们研究了一系列卷积神经网络架构中复杂卷积的实现和使用。在体系结构中用数据结构和卷积运算的复数概括来替换它们，在对低SNR信号进行训练之后，在识别具有高SNR的复值信号中的调制模式时提高了性能，具有统计显著性。这表明复值卷积使网络能够学习更有意义的表示。我们通过比较每个实验中学习到的特征来研究这一假设，方法是将导致每个网络的独热调制模式分类的输入可视化。
2020-10-14 cs.LG eess.SP
Random Access Protocols for Cell-Free Wireless Network Exploiting Statistical Behavior of THz Signal Propagation
针对太赫兹无小区无线网络，提出基于统计传播模型的随机接入协议，通过固定与自适应传输概率方案，在有限延迟和能耗下实现多用户可靠传输。
2023-11-10 cs.IT eess.SP math.IT
Neural Networks Based Beam Codebooks: Learning mmWave Massive MIMO Beams that Adapt to Deployment and Hardware
毫米波（mmWave）和大规模多输入多输出系统是5G及以后的固有组件。这些系统依赖于将波束成形码本用于初始接入和数据传输。然而，当前的波束码本通常包括扫描所有可能方向的大量窄波束，即使这些方向从未被使用。这导致非常大的训练开销。此外，这些码本通常不考虑硬件损伤或可能的非均匀阵列几何形状，并且它们的校准是昂贵的过程。为了克服这些限制，本文开发了一种有效的在线机器学习框架，该框架学习如何使码本波束模式适应特定的部署、周围环境、用户分布和硬件特性。这是通过设计一种新的复值神经网络架构来完成的，在该架构中，神经元权重直接对模拟移相器的波束成形权重进行建模，考虑了诸如恒定模数和量化角度等关键硬件约束。该模型通过在线和自监督训练来学习码本波束，避免了对显式信道状态信息的需要。这考虑到信道不可用、不完美或难以获得的实际情况，特别是在存在硬件损伤的情况下。仿真结果突出了所提出的解决方案在学习环境和硬件感知波束码本中的能力，这可以显着减少训练开销，提高可实现的数据速率，并提高对可能的硬件损伤的鲁棒性。
2020-06-25 cs.IT eess.SP math.IT
A Multi-layer Non-Terrestrial Networks Architecture for 6G and Beyond under Realistic Conditions and with Practical Limitations
本文提出一种考虑硬件损伤限制的多层非地面网络架构，集成HAPS超宏基站、搭载RIS的无人机与NGMA技术，验证了其提升网络性能的潜力并指出未来研究方向。
2025-02-22 eess.SP
Space-Time- and Frequency- Spreading for Interference Minimization in Dense IoT
在本文中，我们提出了一种空间扩展辅助框架，该框架利用时间或频率分集或两者来减少由于信道损伤引起的干扰和信号损失，并促进大规模密集物联网（IoT）的有效运行。我们的方法采用了从单个物联网设备传输的数据流在索引空时（ST），空频（SF）或空时频（STF）块上的分散。因此，没有两个设备在同一块上进行传输;只有一个设备被激活，而网络中的其余设备处于静默状态，从而最大限度地降低了传输侧的干扰可能性。在接收端，多天线阵列在利用阵列处理增益的同时，改善了存在信道损伤的性能。由于多个数据流的叠加导致的干扰在其根源处被消除，因此在对抗干扰和其他损害时不会浪费额外的能量，从而使得能够通过多接入信道（MAC）从多个设备进行节能传输。为了验证所提出的概念，我们模拟了该框架在信号中断概率方面对部署在广义室内和室外场景中的密集物联网网络的性能。结果表明，我们的概念化的框架受益于无干扰传输，以及在整体系统性能的增强。
2022-12-04 cs.IT eess.SP math.IT
Unified Analytical Framework for Emergency RIS-UAV Networks Under Practical Impairments
Xidian University（西安电子科技大学）；Southeast University（东南大学）；Purple Mountain Laboratories（紫金山实验室）
针对应急RIS-UAV网络实际损伤下的性能评估问题，提出ζ-模型统一分析框架，推导相关性能表达式并经仿真验证，为EWC系统设计提供关键见解。
2026-08-12 eess.SP
DeepReceiver: A Deep Learning-Based Intelligent Receiver for Wireless Communications in the Physical Layer
规范的无线通信系统由发射机和接收机组成。信息比特流在编码、调制和脉冲整形之后被发送。由于射频（RF）损伤、信道衰落、噪声和干扰的影响，到达接收机的信号将失真。接收机需要从失真的信号中恢复原始信息。在本文中，我们提出了一种新的接收器模型，即DeepReceiver，它使用深度神经网络来取代传统接收器的整个信息恢复过程。我们设计了一个一维卷积DenseNet（1D-Conv-DenseNet）结构，其中全局池化用于提高网络对不同输入信号长度的适应性。在最终分类层使用多个二进制分类器来实现多比特信息流的恢复。我们还利用DeepReceiver通过在训练集中包含相应MCS的信号样本来统一盲接收多种调制和编码方案（MCS）。仿真结果表明，在噪声、射频损伤、多径衰落、同信道干扰、动态环境以及多MCS统一接收等多种因素影响下，DeepReceiver在误比特率方面的性能优于传统的步进串行硬判决接收机。
2020-08-29 eess.SP
FrFT based estimation of linear and nonlinear impairments using Vision Transformer
Huazhong University of Science and Technology（华中科技大学）
针对现有光纤通信损伤估计范围窄、种类少的问题，提出结合FrFT时频表征与Transformer网络的方法，实现四类关键损伤的大范围高精度联合估计，推动光性能监测技术发展。
2023-08-25 cs.AI eess.SP physics.optics
Continuous-Time Analysis of AFDM: Pulse-Shaping, Fundamental Bounds and Impact of Hardware Impairments
University of Modena and Reggio Emilia（摩德纳和雷焦艾米利亚大学）；Constructor University（康斯特鲁克托大学）
本文提出基于仿射傅里叶级数的连续时间分析框架，揭示了AFDM中严格带限脉冲和子载波抑制策略的重要性，并推导了其功率谱密度及信道参数估计的Cramér-Rao界限，展示了AFDM在多普勒模糊问题上的独特优势。
2026-03-05 eess.SP
Robust Beamforming Design for STAR-RIS Aided RSMA Network with Hardware Impairments
本文针对硬件损伤下STAR-RIS辅助RSMA下行系统，提出基于FP-AO的鲁棒波束成形设计，以最大化用户和速率，数值验证其优于其他多址方案和无源RIS。
2025-08-07 eess.SP
Specific Emitter Identification Handling Modulation Variation with Margin Disparity Discrepancy
本文提出基于边缘差异不一致的域不变特征方法，以增强特定发射机识别在调制变化环境中的鲁棒性，实验显示准确率平均提升超20%。
2024-03-18 eess.SP
An Overview of Signal Processing Techniques for Terahertz Communications
太赫兹（THz）波段通信是下一代无线通信系统的关键推动因素，该系统有望集成广泛的数据需求应用。光子、电子和等离子体技术的最新进展正在缩小THz收发器设计的差距。因此，前景太赫兹信号的产生，调制和辐射的方法正在收敛，相应的信道模型，噪声和硬件损伤的概念正在出现。这些进展为无线通信中的太赫兹信号处理技术的研究奠定了基础。本教程概述了这些技术，重点是超大规模多输入多输出（UM-MIMO）系统和可重构智能表面，这对于克服非常高频率下的距离问题至关重要。我们重点讨论了波形设计和调制、波束形成和预编码、索引调制、信道估计、信道编码和数据检测等经典问题。我们还激励信号处理技术的太赫兹传感和定位。
2021-08-18 eess.SP
Benchmarking CFAR and CNN-based Peak Detection Algorithms in ISAC under Hardware Impairments
本文针对6G ISAC系统的硬件损伤约束，对比了经典CFAR与CNN两类峰值检测算法，通过多场景仿真验证了二者的性能差异与适用条件。
2025-05-21 eess.SP
Signal Processing Based Deep Learning for Blind Symbol Decoding and Modulation Classification
University of California, Los Angeles（加利福尼亚大学洛杉矶分校）；Nvidia Inc.（英伟达公司）；Xilinx Inc.（赛灵思公司）
盲解码信号需要估计其未知的发射参数，补偿无线信道损伤，并识别调制类型。虽然深度学习可以解决复杂的问题，但数字信号处理（DSP）是可解释的，并且可以更有效地计算。为了将两者结合起来，我们提出了双路径网络（DPN）。它包括一个信号路径的DSP操作，恢复信号，和神经网络的特征路径，估计未知的传输参数。通过在几个恢复级上互连路径，后面的级受益于恢复的信号并重新使用所有先前提取的特征。所提出的设计被证明提供5%的改进调制分类相比，替代设计缺乏功能共享或访问恢复信号。DPN的估计结果及其盲解码性能在模拟数据集上优于BPSK和QPSK的盲信号处理算法。使用空中软件定义无线电捕获来验证高SNR下的DPN结果。DPN设计可以处理可变长度的输入，并表现出优于依赖于固定长度的输入与预测平均较长的信号高达15%的调制分类。
2021-10-25 cs.LG eess.SP
Widely Linear Augmented Extreme Learning Machine Based Impairments Compensation for Satellite Communications
针对卫星通信信道动态与非线性损伤问题，提出结合宽线性处理与增强隐藏层极限学习机的CELM-WLLS后补偿方案，利用信号非适定性，较CELMAH提升0.8dB误码率性能并降低三分之二计算复杂度。
2025-06-19 eess.SP
5G NR monostatic positioning with array impairments: Data-and-model-driven framework and experiment results
针对5G NR单基地室内定位中高维信息复杂、不规则阵列误差影响精度的问题，提出融合transformer与MUSIC区域决策机制的数据模型驱动框架，可校准阵列误差、提升定位精度。
2024-12-11 eess.SP
Performance Analysis of Coherent and Noncoherent Modulation under I/Q Imbalance
同相/正交相位不平衡（IQI）被认为是直接转换收发器中的主要性能限制损害。其影响在更高的载波频率下变得更加明显，例如5G系统考虑的毫米波频段。在本文中，我们量化的多径衰落信道下的不同调制方案的性能上的影响的IQI。这是实现通过开发一个通用的框架，相干相移键控，非相干差分相移键控和非相干频移键控下的IQI效应的符号错误率（SER）的分析。在这种情况下，信号与干扰加噪声比的矩生成函数首先针对遭受仅发射机（TX）IQI、仅接收机（RX）IQI和联合TX/RX IQI的单载波和多载波系统两者导出。利用这一点，我们推导出不同的调制方案的SER的解析表达式。这些表达式与计算机模拟的相应结果进行了比较，证实了他们提供的见解的依赖性的系统参数的像质计。我们证明，IQI的影响有很大的不同，这取决于所考虑的系统，因为单载波传输的某些情况下出现强大的IQI，而多载波系统在RX经历IQI需要补偿，以实现可靠的通信链路。
2017-08-30 eess.SP
Hybrid Rayleigh and Double-Weibull over Impaired RF/FSO System with Outdated CSI
在这项工作中，我们提出了一个全球框架的双跳RF/FSO系统与多个继电器工作在放大和转发（AF）模式与固定增益。由于第一跳的信道是时变的，因此假设具有过时的信道状态信息（CSI）的部分中继选择（PRS）协议。第二跳的光辐照度服从双威布尔模型，而第一跳的RF信道经历瑞利衰落。通过外差或强度调制和直接检测（IM/DD）来实现信号接收。此外，我们引入了一个聚合模型的硬件损伤的源（S）和继电器，因为他们不是完美的节点。为了量化损伤对系统的影响，我们推导出封闭形式，近似，上限和高信噪比（SNR）渐近的中断概率（OP）和遍历容量（EC）。最后，分析和数值模拟结果是一致的，使用Monte Carlo模拟。
2019-01-16 eess.SP
Maximum transmission reach for optical signals in elastic optical networks employing band division multiplexing
多频带传输系统已经作为对基于二氧化硅的光纤的有限容量的潜在解决方案而出现。它基于利用光纤的完整低损耗区域。此外，弹性光网络（EON）被提出来有效地管理光网络中的有限资源。路由选择、调制格式和频谱选择是运营EON需要解决的主要问题。了解线性和非线性损伤如何在光纤链路中传播过程中积累，对于解决这个问题至关重要。在这里，我们预设的最大到达光信号可以在多波段环境中传播的各种调制格式与常用的阈值在EON的研究。
2021-02-24 eess.SP
Fluid Antenna Systems under Channel Uncertainty and Hardware Impairments: Trends, Challenges, and Future Research Directions
Université du Québec à Montréal（魁北克大学蒙特利尔分校）；Ferdowsi University（费尔多西大学）；Laval University（拉瓦尔大学）；Central China Normal University（华中师范大学）；Henan Polytechnic University（河南理工大学）
本文探讨了在信道不确定性和硬件失真下流体天线系统的趋势、挑战及未来研究方向，提出稳健设计与学习控制策略以提升系统可靠性。
2026-01-30 eess.SP
Beam Pattern Modulation Embedded Hybrid Transceiver Optimization for Integrated Sensing and Communication
针对毫米波ISAC混合架构射频链路受限导致频谱效率下降的问题，提出嵌入波束图案调制的BPM-ISAC收发机，通过波束索引调制与模拟/数字顺序优化提升整体性能。
2025-02-19 eess.SP
RF Signal Classification with Synthetic Training Data and its Real-World Performance
神经网络是电磁频谱中无线电信号分类的一种有效方法。由于缺乏多样和丰富的真实RF数据，这些神经网络通常使用合成生成的数据进行训练。然而，通常不清楚在合成数据上训练的神经网络在现实应用中的表现如何。本文研究了在合成训练数据中建模的不同RF信号损伤（例如相位、频率和采样率偏移、接收机滤波器、噪声和信道模型）对真实世界性能的影响。为此，本文使用具有不同信号损伤的各种合成训练数据集来训练神经网络。训练后，神经网络进行评估，对现实世界的RF数据收集的软件定义的无线电接收器在现场。这种方法揭示了哪些建模的信号损伤应该包括在精心设计的合成数据集中。研究的展示示例可以将RF信号分类为来自短波波段的20种不同无线电信号类型之一。它仅使用精心设计的合成训练数据，在实际操作中实现了高达95%的准确度。
2022-06-26 cs.LG eess.SP
MATLAB-Simulated Dataset for Automatic Modulation Classification in Wireless Fading Channels
Islamic University of Technology（伊斯兰技术大学）
本文提出一个 MATLAB 生成的带标签数据集，覆盖五种调制方案和两种衰落信道，用于评估无线通信中的自动调制分类机器学习模型。
2025-10-22 eess.SP
Leveraging Hardware-Impaired Out-of-Band Information Through Deep Neural Networks for Robust Wireless Device Classification
无线设备分类技术在促进新兴的无线应用中起着关键作用，例如允许频谱管理机构执行其访问策略，并使网络管理员能够控制对其无线网络的访问并防止对其无线网络的冒充攻击。利用由制造和组装阶段期间产生的收发器硬件损伤引起的发射RF信号的频谱失真来提供设备分类已经成为许多最近工作的焦点。这些先前的工作本质上是应用深度学习从硬件受损的信号中提取设备的特征，并依赖于设备之间的特征变化来区分设备。随着技术的进步，设备之间的制造减值差异变得非常微不足道，使得这些先前的分类方法不准确。本文提出了一种基于深度学习的新型技术，该技术可提供可扩展且高度准确的无线设备分类，即使这些设备在其硬件损伤方面表现出微不足道的变化，并且具有相同的硬件，协议和软件配置。所提出的技术的新颖性在于通过在接收器处对捕获的信号进行过采样并将从RF信号收集的IQ样本馈送到深度神经网络以进行分类来利用{ \em带内}和{ \em带外}信号失真信息。使用卷积神经网络（CNN）模型，我们表明，我们提出的技术，当应用于高端，高性能的设备与最小失真的硬件，设备分类准确性相比，现有的方法翻了一番。
2020-04-23 eess.SP
Model-Driven End-to-End Learning for Integrated Sensing and Communication
通感一体化（ISAC）被设想为6G的支柱之一。然而，预计6G也将受到硬件缺陷的严重影响。在这种情况下，标准的基于模型的方法如果不能抓住根本的现实，就可能失败。为此，数据驱动的方法是一种替代方案，以处理不完善的情况下，不能很容易地建模。在本文中，我们提出了一个模型驱动的学习架构，联合单目标多输入多输出（MIMO）传感和多输入单输出（MISO）通信。我们将其与复杂性约束下的标准神经网络方法进行比较。结果表明，在硬件损伤下，这两种学习方法都比基于模型的标准基线产生更好的结果。如果进一步引入复杂性约束，模型驱动的学习优于基于神经网络的方法。模型驱动学习还显示出更好的泛化性能，用于新的不可见的测试场景。
2022-12-20 eess.SP
AsQM: Audio streaming Quality Metric based on Network Impairments and User Preferences
本文研究网络中断与内容偏好对音频流 QoE 的影响，提出含偏好因子 PF 的 AsQM 指标及用户信息获取框架，并验证其设备端资源开销较低。
2023-09-26 cs.NI eess.SP
Velocity Index Modulation for Movable Antenna Systems
Trinity College Dublin（都柏林三一学院）；University of Cyprus（塞浦路斯大学）
该研究针对可移动天线系统，提出VIM-MA方法，将多普勒频移作为信息自由度，设计了闭式解的码本，推导了无需信道状态信息的检测器，仿真显示其性能优于位置域索引。
2026-08-21 eess.SP
Modulation Classification Through Deep Learning Using Resolution Transformed Spectrograms
Air University（空军大学）
本研究提出基于分辨率变换时频谱图的CNN自动调制分类方案，大幅降低计算量、提升转换速度，在含噪信号下取得91.2%的最佳准确率，适用于无线通信实时应用。
2023-06-06 cs.LG cs.SD eess.AS
Performance of UAV assisted Multiuser Terrestrial-Satellite Communication System over Mixed FSO/RF Channels
分析了多天线多用户无人机辅助地面-卫星通信系统在自由空间光（FSO）/射频（RF）混合信道上的性能。卫星到无人机的下行传输通过FSO链路完成，FSO链路服从带指向误差损伤的Gamma-Gamma分布。在FSO接收机中，考虑了外差探测和强度调制直接探测技术。为了利用天线分集，在UAV处考虑多个发射天线。在UAV处假设选择性解码和转发方案，并且在考虑用户选择和传输阶段期间过时的信道状态信息（CSI）的实际约束的同时执行机会性用户调度。RF链路被假定为遵循Nakagami-m分布，由于其多功能的性质。在这种情况下，性能分析，中断概率的解析表达式，渐近中断概率，遍历容量，有效容量，和广义平均符号错误率表达式的各种正交幅度调制（QAM）方案，如六边形QAM，交叉QAM，矩形QAM。各种调制方案的比较。进一步分析了指向误差、天线数、时延约束、衰落严重程度和不完美CSI对系统性能的影响。最后，通过Monte-Carlo模拟验证了所有的分析结果。
2021-09-13 eess.SP
Adaptive RSMA-OMA for Resilient MIMO Networks Under Imperfect CSI and SIC
Trinity College Dublin（都柏林三一学院）；South East Technological University（东南理工大学）
本文提出了一种自适应RSMA-OMA框架，通过动态切换机制优化功率分配，提升MIMO网络在不完美CSI和SIC下的鲁棒性和效率。
2026-05-12 eess.SP
Virtual Polarization Modulation: Enabling CSI-Free DCO-OFDM over Dynamic OWC Channels
School of Telecommunications Engineering, Xidian University（西安电子科技大学通信工程学院）；Beijing National Research Center for Information Science and Technology (BNRist), Department of Electronic Engineering, Tsinghua University（清华大学电子工程系，北京信息科学与技术国家研究中心）；Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
本文提出基于虚拟极化调制的DCO-OFDM方案，通过三维Stokes空间映射数据符号，利用旋转分析框架推导出符号误码率表达式，并在频率选择性通道和大气湍流中验证了其性能优势。
2026-03-18 eess.SP physics.optics
Machine Learning for QoT Estimation of Unseen Optical Network States
我们将深度图卷积神经网络应用于不可见网络状态的传输质量估计，除了其他重要的损伤外，还捕获了在使用多芯光纤的光网络中突出的芯间串扰。
2018-12-18 cs.NI eess.SP
