Non-Cooperative MDS Coding Game In CSMA Wireless Networks
在基于随机介质访问协议的无线网络中，已经引入了最大距离可分离擦除编码，以便恢复冲突和擦除的分组。因此，这有助于避免重传过程，从而降低网络吞吐量并延长整体传播延迟。然而，纠删编码可能会降低网络性能，这是由于增加的冗余（奇偶校验）导致的过载流量，以及由于额外的计算和编码/解码处理时间导致的传播延迟延长，这可能会导致网络迅速饱和。在这里，冗余应该被适当地应用。此外，多址接入由于用户的同时接入和自私行为而造成冲突，这也影响了网络性能。为此，我们提出了一个基于博弈论的多用户博弈模型来分析和管理多个用户，假设随机接入协议和纠删编码算法。我们的模型是用来操作网络在平衡状态下，通过选择一个合适的类型的纠删编码。使网络工作在平衡状态，导致减少冲突，也减少了整体传输延迟，以及增加吞吐量。
2020-10-11 eess.SP
Rotatable IRS Aided Wireless Communication
Shanghai Jiao Tong University（上海交通大学）；University of Macau（澳门大学）；Nanjing University of Science and Technology（南京理工大学）；National University of Singapore（新加坡国立大学）
本文提出了一种可旋转智能反射面辅助无线通信的方法，通过优化旋转角度提升目标区域内的信噪比性能。
2026-03-03 eess.SP
Antenna Coding Optimization Based on Pixel Antennas for MIMO Wireless Power Transfer with DC Combining
The Hong Kong University of Science and Technology（香港科技大学）；University of Macau（澳门大学）；The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
本文提出基于像素天线的天线编码优化方法，通过联合优化天线编码和发射波束成形，提升MIMO无线功率传输系统的直流输出功率效率。
2025-12-16 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
Privacy-Aware Joint Source-Channel Coding for image transmission based on Disentangled Information Bottleneck
针对现有隐私感知JSCC需为不同窃听者SNR训练多网络的问题，提出基于解耦信息瓶颈的DIB-PAJSCC方法，通过解耦公私信息仅传输公共信息，消除额外训练并降低窃听准确率最高达20%。
2023-09-15 cs.CR eess.SP
Antenna Coding Optimization for Pixel Antenna Empowered MIMO Wireless Power Transfer
The Hong Kong University of Science and Technology（香港科技大学）；University of Macau（澳门大学）；The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；University College London（伦敦大学学院）；Yonsei University（延世大学）
本文提出利用像素天线优化MIMO无线电力传输系统，通过天线编码与波束成形联合优化，使输出直流功率提升超过15 dB，且码本设计在性能和复杂度间取得平衡。
2026-01-12 eess.SP
Wireless Network Coding with Intelligent Reflecting Surfaces
由于延迟和带宽考虑，传统的无线技术对于超过第五代（5G）的网络变得不足。为了提高无线通信系统的误码性能和吞吐量，提出了一种智能反射面（IRS）辅助环境下的物理层网络编码（PNC）。我们考虑一个IRS辅助的蝶形网络，我们提出了一个算法来获得最佳的IRS相位。推导出了误码率出错率的解析表达式。数值结果表明，该方案显着提高了误码性能。例如，在存在32元件IRS的情况下，中继器处的BER比没有IRS的情况小三个数量级。
2021-03-22 cs.ET cs.NI eess.SP
Beyond Powers of Two: Hexagonal Modulation and Non-Binary Coding for Wireless Communication Systems
自适应调制和编码（AMC）在现代无线通信系统中被广泛采用，以通过根据信道条件调整传输速率来提高传输效率。因此，AMC可以提供对信道资源的非常有效的使用，特别是在衰落信道上。正交幅度调制（QAM）是一种高效、广泛应用的数字调制技术.它通常采用矩形信号星座。因此，星座的判决区域是二维信号空间的正方形分区。然而，众所周知，六边形而不是正方形在二维中提供最紧凑的规则平铺。紧凑的平铺意味着星座点的密集封装，从而更节能的数据传输。谐波调制可能难以实现，因为它与二进制数据所采用的通常的二次幂符号大小不太匹配。为了克服这个问题，本文将非二进制编码与六边形调制相结合，以提供一种与二进制数据兼容的系统。的可行性和效率进行了评估，使用软件定义无线电（SDR）为基础的原型。大量的仿真结果表明，这种方法可以提供更好的能量效率和频谱利用率在无线通信系统。
2017-12-20 eess.SP
Performance of Intelligent Reconfigurable Surface-Based Wireless Communications Using QAM Signaling
智能可重构表面（IRS）被视为6G无线网络的一项有前途的技术。IRS可以重新配置无线传播环境，从而显著改善无线通信的性能。在本文中，我们分析了带宽有效的正交幅度调制（QAM）技术在瑞利衰落信道下的IRS辅助无线通信的性能。推导了矩形QAM、方形QAM和交叉QAM方案的通用平均符号出错率（ASER）的新的封闭形式表达式。此外，简化表达式的ASER为低信噪比（SNR）和高SNR区域，这是有用的分析提供见解。我们全面分析了调制参数和所采用的IRS元件的数量的影响。我们还通过模拟验证了我们的理论结果。我们的研究结果表明，采用IRS显着提高ASER性能相比，加性高斯白噪声信道在低信噪比制度。因此，IRS辅助的无线通信可以是用于诸如物联网（IoT）的各种低功率通信应用的有希望的候选者。
2020-09-27 cs.IT eess.SP math.IT
Antenna Coding by Pixel Antennas: Unlocking A New Dimension for Wireless Communications
China Mobile Research Institute（中国移动研究院）
本文综述像素天线编码技术，通过控制可重构天线配置解锁波束空间自由度，以提升无线通信的信道增益与复用增益，并探讨优化方法及未来挑战。
2026-10-08 cs.IT eess.SP math.IT
OFDM-guided Deep Joint Source Channel Coding for Wireless Multipath Fading Channels
研究了多径衰落信道下无线图像传输的联合信源信道编码（JSCC）.受最近基于深度学习的JSCC和基于模型的学习方法的启发，我们将自动编码器与正交频分复用（OFDM）相结合，以应对多径衰落。所提出的编码器和解码器使用卷积神经网络（CNN），并直接将源图像映射到复值基带样本进行OFDM传输。多径信道和OFDM由不可训练（确定性）但可区分的层表示，使得系统可以端到端地训练。此外，我们的JSCC解码器进一步结合显式信道估计，均衡，和额外的纠错，以提高性能。所提出的方法表现出2.5 - 4 dB的SNR增益为等效的图像质量相比，传统的计划，采用国家的最先进的，但单独的源和信道编码，如BPG和LDPC。当系统结合信道状态信息（CSI）反馈时，性能进一步改善。该方案对OFDM信号削波和用于训练和评估的信道模型的参数失配具有鲁棒性。
2021-09-11 eess.SP
Deep Neural Network Aided Scenario Identification in Wireless Multi-path Fading Channels
School of Electronic Science（电子科学学院）；National University of Defense Technology（国防科技大学）
这封信阐述了我们在无线多径衰落信道中用于无线通信场景识别的深度神经网络（DNN）方面的初步工作。在这封信中，六种渠道情景参考COST 207渠道模型已经完成。在信噪比大于20 dB的情况下，识别准确率为100%，而在信噪比为0 ~ 40 dB的情况下，平均识别准确率为88.4%。该方法在快时变条件下进行了测试，这与现实世界中的无线多径衰落信道相似，使其能够在实际场景识别的可行性。
2018-11-23 cs.LG eess.SP
When Feedback Empowers the Uplink: Integrating Adaptive Coding with Wireless Power Transfer
提出FACET框架，通过将自适应反馈编码与无线能量传输相结合，利用反馈编码饱和效应设计双用途反馈机制，在公平约束下最小化最坏情况净能耗，使设备寿命相比传统架构提高近三倍。
2025-05-28 cs.IT eess.SP math.IT
Performance Analysis of Intelligent Reflective Surface Aided Wireless Communications
提出了智能反射面（IRS）辅助无线系统的基本性能指标。通过优化IRS相移矩阵，在存在反射和直接信道的情况下，在目的地处接收到的信噪比（SNR）被最大化。该最大SNR的概率分布对于中等到大的反射元件制度是紧密近似的。因此，概率密度函数和累积分布函数的这种紧密的SNR近似推导出封闭形式的Nakagami-m衰落，以便于统计特性的性能指标。中断概率，平均符号错误概率，和可达到的速率界。通过在高信噪比状态下的渐近分析，量化了分集阶数。因此，我们揭示了整体分集阶数可以作为反射元件的数量（N）的函数来缩放，使得Gd = mv + min（mg;mh）N，其中mv、mh和mg分别是直接信道、源到IRS信道和IRS到目的地信道的Nakagami-m参数。渐近可达速率的推导，从而，它表明，发射功率可以缩放成反比N2。量化IRS相移的影响进行了研究，通过推导可实现的速率界限。有用的见解是通过分析系统性能的不同严重程度的衰落的情况下，包括空间相关衰落。我们的分析和数值结果表明，IRS是一种很有前途的技术，用于提高无线通信的性能，通过智能控制的传播信道，而不采用额外的有源射频链。
2020-10-23 eess.SP
Deep Predictive Coding Neural Network for RF Anomaly Detection in Wireless Networks
入侵检测已成为无线网络中最关键的任务之一，以防止可能需要很长时间才能修复的服务中断。异常事件的种类繁多，需要采用认知异常检测方法，而不是传统的基于签名的检测技术。本文提出了一种基于监测和分析射频（RF）频谱活动的无线系统异常检测方法。我们的检测技术利用现有的视频预测问题的解决方案，并使用它对从监测无线频谱生成的图像序列。深度预测编码网络使用与系统正常行为相对应的图像进行训练，每当出现异常时，其检测就会由实际行为和预测行为之间的偏差触发。对于我们的分析，我们使用从接收到的RF信号的时间-频率谱图和谱相关函数生成的图像。我们测试我们的技术在一个数据集，其中包含异常，如干扰，啁啾的发射机，频谱劫持，和节点故障，并评估其性能使用标准的分类指标：检测率和误报率。仿真结果表明，所提出的方法可以有效地实时检测许多不可预见的异常事件。我们讨论了这些应用，其中包括工业物联网，自动驾驶汽车控制和关键任务通信服务。
2018-03-16 eess.SP
Deep Joint Source-Channel Coding for Wireless Image Transmission
University College London（伦敦大学学院）；Imperial College London（帝国理工学院）
我们提出了一种联合信源和信道编码（JSCC）技术的无线图像传输，不依赖于显式编码的压缩或纠错，而是直接映射的图像像素值的复值信道输入符号。我们通过两个联合训练的卷积神经网络（CNN）来参数化编码器和解码器功能，并且可以被认为是中间具有代表噪声通信信道的不可训练层的自动编码器。我们的研究结果表明，所提出的深度JSCC方案优于数字传输级联JPEG或JPEG 2000压缩，具有在低信噪比（SNR）和信道带宽值下实现信道编码的能力，在存在加性高斯白噪声（AWGN）。更引人注目的是，深度JSCC不受“悬崖效应”的影响，并且当信道SNR相对于训练期间假设的SNR值变化时，它提供了适度的性能降级。在慢瑞利衰落信道的情况下，深度JSCC学习噪声弹性编码表示，并在所有SNR和信道带宽值下显著优于基于分离的数字通信。
2019-06-17 cs.IT cs.LG eess.SP
Fundamental limits of over-the-air optimization: Are analog schemes optimal?
Robert Bosch Center for Cyber-Physical Systems, Indian Institute of Science（印度科学理工学院罗伯特·博世网络物理系统中心）；Department of Electrical Communication Engineering, Indian Institute of Science（印度科学理工学院电气通信工程系）
我们考虑在$d-$维空间上的空中凸优化，其中编码梯度在具有方差$σ^2$的加性高斯噪声信道上发送。码字满足平均功率约束$P$，导致$P/σ^2$的信噪比（SNR）。我们推导出了空中优化的收敛速度的界限。我们的第一个结果是收敛速度的下限，表明任何代码都必须将收敛速度减慢大约$\sqrt{d/\log(1+\mathtt{SNR})}$。接下来，我们考虑一种流行的称为$analog$ $coding$的方案，其中发送梯度的线性函数。我们表明，一个简单的缩放传输模拟编码方案的结果在收敛速度减慢的一个因素的$\sqrt{d(1+1/\mathtt{SNR})}$。这将先前的下限匹配到低SNR的恒定因子，使得缩放的传输方案在低SNR下是最佳的。然而，我们表明，这种放缓是必要的任何模拟编码方案。具体地，即使当SNR趋于无穷大时，模拟编码的收敛也会减慢$\sqrt{d}$倍。值得注意的是，我们提出了一种简单的量化和调制方案，该方案使用$Amplitude$ $Shift$ $Keying$，并且几乎在所有SNR下都达到了最佳收敛率。
2021-09-15 cs.IT cs.LG eess.SP
Improved Circuit Design of Analog Joint Source Channel Coding for Low-power and Low-complexity Wireless Sensors
为了实现低功耗、低复杂度的无线监测，提出了一种改进的无线传感器节点模拟联合信源信道编码（AJSCC）电路设计。这种创新设计基于模拟分频器模块（ADB），AJSCC电平之间的间距可调。ADB控制两种类型的电压控制电压源（VCVS）之间的切换。LTSpice模拟进行评估的电路的性能，并比较这种新的基于ADB-based设计的功耗和电路复杂度与我们以前的并行VCVS设计。据发现，这种改进的电路设计的基础上ADB优于设计的基础上并行VCVS的大量AJSCC水平（>= 16），无论是在功耗以及电路的复杂性，从而使持久的和更高的时间/空间分辨率的环境感测。
2019-06-30 cs.IT cs.NI eess.SP
Random Linear Network Coding for Non-Orthogonal Multiple Access in Multicast Optical Wireless Systems
本研究将随机线性网络编码应用于NOMA光无线多播系统，通过固定功率分配管理干扰，提升高密度室内网络性能，优于传统方案。
2023-05-08 cs.IT eess.SP math.IT
Antenna Coding Optimization for Pixel Antenna Empowered Wireless Communication Using Deep Learning with Heterogeneous Multi-Head Selection
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；University of Macau（澳门大学）
本文提出基于深度学习的像素天线编码优化算法，通过异构多头选择机制实现高效优化，显著降低计算复杂度，提升无线通信系统性能。
2026-02-27 cs.IT eess.SP math.IT
Deep Joint Source Channel Coding for WirelessImage Transmission with OFDM
University of Michigan（密歇根大学）
提出了一种基于深度学习的联合信源信道编码（JSCC）方案，用于具有非线性信号限幅的多径衰落信道中的无线图像传输。提出的编码器和解码器使用卷积神经网络（CNN）和直接映射的源图像到复值基带样本的正交频分复用（OFDM）传输。所提出的模型驱动的机器学习方法消除了对单独的源和信道编码的需要，同时集成了OFDM数据路径以应对多径衰落信道。端到端JSCC通信系统将可训练的CNN层与表示多径信道模型和OFDM信号处理块的不可训练但可区分的层组合。我们的研究结果表明，通过将OFDM基带处理块注入到机器学习框架中来注入领域专家知识，与非结构化CNN相比，显着提高了整体性能。我们的方法优于传统的计划，采用国家的最先进的，但单独的源和信道编码，如BPG和LDPC与OFDM。此外，我们的方法被证明是强大的，对非线性信号削波在OFDM的各种信道条件下，不匹配的模型参数在训练过程中使用。
2021-05-24 cs.IT cs.LG eess.SP
