An Overview of Signal Processing Techniques for Millimeter Wave MIMO Systems
毫米波（mmWave）频率下的通信正在定义无线通信的新时代。毫米波频带提供了比目前在商业无线系统中使用的带宽更高的带宽通信信道。毫米波的应用是巨大的：无线局域网和个人区域网络在未经许可的频段，5G蜂窝系统，更不用说车辆区域网络，ad hoc网络和可穿戴设备。信号处理对于实现下一代毫米波通信至关重要。由于在发射机和接收机处使用大型天线阵列，结合射频和混合信号功率约束，需要新的多输入多输出（MIMO）通信信号处理技术。由于宽带宽，低复杂度的收发器算法变得重要。有机会利用压缩感知等技术进行信道估计和波束成形。本文概述了毫米波无线系统中的信号处理挑战，重点介绍了在更高载波频率下使用MIMO通信所面临的挑战。
2015-12-09 cs.IT math.IT
Intelligent Reflecting Surface Aided Wireless Energy and Information Transmission: An Overview
智能反射表面（IRS）是一种很有前途的技术，用于实现频谱和能量高效的无线网络的成本效益。现有的IRS研究主要集中在利用IRS来提高无线通信或无线信息传输（WIT）的性能，而其提高射频（RF）无线能量传输（WET）效率的潜力仍然很大。虽然IRS辅助WET与IRS辅助WIT具有相似的特性，但它们在设计目标、接收机架构和实际约束方面有根本的不同。在本文中，我们提供了一个教程概述如何有效地设计IRS辅助WET系统，以及IRS辅助系统与WIT和WET，即IRS辅助同步无线信息和功率传输（SWIPT）和IRS辅助无线供电通信网络（WPCN），主要是从通信和信号处理的角度。特别是，我们提出了最先进的解决方案，以应对这些系统运行中的独特挑战，如IRS无源反射优化，信道估计和部署。此外，我们还提出了新的解决方案，并指出了未来的研究和调查的重要方向。
2021-06-24 cs.AR cs.IT cs.NI
UAV-Enabled Wireless Power Transfer: A Tutorial Overview
支持无人机（UAV）的无线功率传输（WPT）最近成为一种有前途的技术，以在大规模无线网络中为广泛分布的低功率地面设备（GD）提供可持续的能量供应。与部署在固定位置的传统WPT系统中的能量发射器（ESTA）相比，UAV安装的空中发射器可以在三维（3D）空间中灵活地飞行，以更有效地为附近的GD充电。本文提供了一个教程概述无人机使能WPT及其吸引人的应用，特别是侧重于如何利用无人机的可控移动性，通过其3D轨迹设计，以最大限度地提高能量传输到所有GD在无线网络中的公平性。首先，我们考虑单个UAV使能的WPT场景，其中一个UAV在已知位置为多个GD无线充电。为了解决这种情况下的能量最大化问题，我们提出了一个通用的轨迹设计框架，包括三个创新的方法来优化无人机的轨迹，这是多位置悬停，连续悬停和飞行，和基于时间量化的优化，分别。接下来，我们考虑多无人机使能的WPT场景，其中多个无人机在大区域中协作地对许多GD充电。在单无人机航迹设计的基础上，分别基于无人机群集和GD聚类原理，提出了两种有效的多无人机航迹联合优化方案。此外，我们考虑了支持无人机的WPT的两个重要扩展，即支持无人机的无线供电通信网络（WPCN）和支持无人机的无线供电移动边缘计算（MEC）。
2021-02-27 cs.IT eess.SP math.IT
Resource Allocation for Simultaneous Wireless Information and Power Transfer Systems: A Tutorial Overview
在过去的十年中，由于低功率电子技术和无线通信技术的显著进步，同步无线信息和功率传输（SWIPT）已经成为连接和充电电池有限设备的实用且有前途的解决方案。为了实现所承诺的潜力，先进的资源分配设计在揭示、理解和利用利用射频（RF）信号用于无线充电和通信的双重用途的内在速率-能量权衡方面起着决定性作用。在本文中，我们从资源分配设计的角度提供了SWIPT的全面教程概述。介绍了基本概念、系统结构和RF能量收集（EH）模型。特别是，三种常用的EH模型，即线性EH模型，非线性饱和EH模型，和基于非线性电路的EH模型的特点和讨论。然后，对于一个典型的无线系统设置，我们建立了一个广义的资源分配设计框架，其中包括传统的资源分配设计问题的特殊情况。随后，我们详细说明了相关的工具，从优化理论和利用它们来解决有代表性的资源分配设计问题的SWIPT系统，并没有完善的信道状态信息（CSI）在发射机上，分别。还强调了相关的技术挑战和见解。此外，我们讨论了几个有前途和令人兴奋的未来研究方向的资源分配设计SWIPT系统交织在一起的尖端通信技术，如智能反射表面，无人机，移动边缘计算，联邦学习，和机器学习。
2021-10-14 cs.IT eess.SP math.IT
Energy-Efficient Resource Allocation in Wireless Networks: An Overview of Game-Theoretic Approaches
概述了无线网络中的能量有效的资源分配的博弈论方法。以多址接入网络为研究对象，证明了博弈论可以作为研究具有服务质量（QoS）约束的无线网络中资源分配的有效工具。一个家庭的非合作（分布式）游戏中，每个用户寻求选择一个策略，最大限度地提高自己的效用，同时满足其QoS要求。这里考虑的效用函数测量每焦耳能量消耗传输的可靠比特数，因此特别适合于能量受限的网络。每个用户在尝试最大化其自身效用时可用的动作至少是选择发射功率，并且根据情况，用户还可以能够选择其传输速率、调制、分组大小、多用户接收器、多天线处理算法或载波分配策略。给出了每个博弈的最佳对策和纳什均衡。利用这个博弈论框架，功率控制，速率控制，调制，时间和空间信号处理，载波分配策略和延迟QoS约束的能量效率和网络容量的影响进行了量化。
2007-05-13 cs.GT cs.IT math.IT
An overview of the transmission capacity of wireless networks
本文调查和统一了一些最近的贡献，共同开发了一个度量分散的无线网络分析称为传输容量。虽然众所周知，很难得出多终端或\adhoc网络的一般端到端容量结果，但传输容量（TC）框架允许通过关注简化的物理/MAC层模型来量化可实现的单跳速率。通过使用随机几何来量化网络中的多用户干扰，可以确定网络中传输的最佳空间密度和成功概率之间的关系，并且通常相当简单地用关键网络参数来表示。首先讨论的基本模型和分析工具，并应用到一个简单的网络路径损耗，我们提出了严格的上限和下限的传输容量（通过中断概率的下限和上限）。然后，我们引入随机信道（衰落/阴影），并给出TC和中断近似的任意信道分布，以及瑞利和Nakagami衰落的特殊情况下的确切结果。然后，我们应用这些结果来展示TC如何用于更好地理解调度，功率控制和分散网络中多天线的部署。文章最后讨论了该模型的不足之处以及未来的研究方向。
2010-03-30 cs.IT math.IT
UAV-Involved Wireless Physical-Layer Secure Communications: Overview and Research Directions
由于其灵活的部署和按需移动性，小型无人机（UAV）预计将在即将到来的第五代（5G）网络中广泛应用于通信应用。然而，无人机通信应用的保密性易受广播性质和主导视距（LoS）信道条件的安全威胁，物理层安全（PLS）技术可以在这种情况下应用于保密性能增强。另一方面，利用无人机协同保护安全通信也是有希望的。本文综述了近年来无人机物理层安全通信的研究进展。重点研究了针对无人机不同角色的安全传输方案设计，以及针对无人机自身特点对引入自由度的优化。最后，我们提出了一些未来的研究方向。
2019-06-24 cs.IT cs.NI eess.SP
An Overview of Local Capacity in Wireless Networks
本文介绍了一种度量的性能评估的媒体接入方案在无线自组织网络称为本地容量。虽然推导无线自组织网络的端到端容量是一个困难的问题，本地容量框架允许我们量化随机位于网络中的接收器节点接收的平均信息速率。在这篇文章中，基本的网络模型和分析工具进行了讨论，并应用到一个简单的网络，得出各种媒体接入方案的本地容量。我们的目标是确定最优的方案，并看看它如何与更实际的媒体接入方案相比。我们分析了网格模式计划，同时发射机定位在一个规则的网格模式，ALOHA计划，同时发射机根据均匀泊松分布和排除计划，同时发射机根据排除规则，如节点着色和载波侦听计划进行调度。我们的分析表明，本地容量是最佳的同时发射机定位在一个网格模式的基础上等边三角形和我们的研究结果表明，这种最佳的本地容量是最多的两倍的本地容量的ALOHA为基础的计划。我们的研究结果还表明，节点着色和载波侦听计划接近最佳的本地容量几乎可以忽略不计的差异。最后，我们还讨论了模型的不足以及未来的研究方向。
2012-02-21 cs.IT cs.NI math.IT
Coded Caching for Heterogeneous Wireless Networks
本章概述了异构无线网络环境中的编码缓存。我们首先简要描述编码缓存背后的关键思想，然后详细讨论各个方面的影响，如非统一的内容流行度，多个缓存访问和干扰。
2020-06-01 cs.IT cs.NI math.IT
Toward Smaller and Lower-Cost 5G Devices with Longer Battery Life: An Overview of 3GPP Release 17 RedCap
第五代（5G）无线技术主要被开发为支持三类用例，即增强型移动宽带（eMBB）、超可靠低延迟通信（URLLC）和大规模机器类型通信（mMTC），在数据率、延迟、连接密度和功耗方面具有显著不同的要求。同时，还有几个关键用例，如工业无线传感器网络、视频监控和可穿戴设备，其要求介于eMBB、URLLC和mMTC之间。在这方面，5G可以进一步优化，以有效地支持这种中档用例。因此，在第17版中，第三代合作伙伴计划（3GPP）开发了基本功能，以支持新的设备类型，实现与常规5G NR设备相比更低的成本/复杂性，更小的物理尺寸和更长的电池寿命。在本文中，我们全面概述了3GPP Release 17 RedCap，同时描述了新引入的功能，成本降低和节能收益，以及性能和共存影响。此外，我们提出了关键的设计准则，基本的权衡，和未来的前景RedCap的发展。
2022-03-10 cs.IT math.IT
IRS-Empowered Wireless Communications: State-of-the-Art, Key Techniques, and Open Issues
在这篇文章中，我们概述了智能反射面（IRS）授权的无线通信系统。我们首先介绍了IRS辅助无线传输的基本原理。在此基础上，探讨了IRS与毫米波、非正交多址、物理层安全等多种先进传输技术的融合。接下来，我们讨论了硬件损伤和不完整的信道状态信息对IRS系统性能的影响。最后，我们强调几个有待解决的开放问题。
2021-01-19 cs.IT math.IT
Engineering Radio Map for Wireless Resource Management
无线电地图一般是指地理信号功率谱密度，由并发无线传输叠加而成，是位置、频率和时间的函数。它包含了丰富的和有用的信息，在无线网络中的频谱活动和传播信道。这样的信息可以被利用来不仅提高现有无线服务的性能（例如，通过主动资源供应），而且还实现新的应用，例如无线频谱监视。然而，无线电地图在无线通信中的实际实现往往是困难的，由于现代无线网络的异构性和无线数据的绝对数量被收集，存储和处理。在这篇文章中，我们提供了一个概述的最先进的技术，用于构建无线电地图，以及应用它们来实现高效和安全的无线网络资源管理。一些关键的研究挑战突出，以激励未来的调查。
2018-12-18 cs.IT math.IT
Interference Exploitation via Symbol-Level Precoding: Overview, State-of-the-Art and Future Directions
干扰传统上被视为无线通信系统中的性能限制因素，其将被最小化或减轻。然而，最近的工作已经表明，通过操纵干扰信号，使得它们在接收器侧相长地相加，可以使已知干扰有益，并且进一步提高各种无线场景中的系统性能，这是通过符号级预编码（SLP）实现的。本文从相长干扰和相消干扰的分类入手，从多天线无线通信系统中预编码设计的角度，对干扰利用技术进行了研究。给出了CI的定义，并针对常见的调制类型给出了相应的数学表征，在此基础上讨论了基于优化的预编码技术。此外，还描述了CI预编码到其他应用场景以及用于硬件效率的扩展。概念验证的测试平台证明了CI预编码的潜在的实际实施，最后提出了一个开放的问题和实际挑战的列表，以启发和激励在这一领域的进一步研究方向。
2019-07-12 cs.IT eess.SP math.IT
Quantum Optimization in Wireless Communication Systems: Principles and Applications
University of Cyprus（塞浦路斯大学）；Qounselor
本文探讨了量子优化在无线通信系统设计中的原理与应用，分析了量子退火和量子近似优化算法，并通过实验验证了被动重构智能表面波束成形的设计。
2025-12-02 cs.IT math.IT
Multiple Access Technologies for cellular M2M Communications: An Overview
本文综述了未来无线蜂窝网络中用于机器对机器（M2M）通信的多址技术。M2M通信旨在为新兴的物联网（IoT）提供通信基础设施，这将彻底改变我们与周围物理环境交互的方式。我们提供了一个多址接入策略的概述，并解释其局限性时，用于M2M通信。我们展示了在协调和不协调的情况下使用不同的多址接入技术的吞吐量效率。与正交多址技术相比，非正交多址还被示出为支持更大数量的设备，特别是在不协调的场景中。我们还详细的问题和挑战，不同的多址接入技术用于蜂窝网络中的M2M应用。
2016-11-17 cs.IT math.IT
Exploiting Interference for Secrecy Wireless Information and Power Transfer
射频（RF）信号使能的无线信息和功率传输（WIPT）是实现双向通信并同时为低功率无线设备提供能量供应的具有成本效益的技术。然而，WIPT中的信息传输容易受到能量接收器（ER）的窃听。为了实现与信息节点（IN）的保密通信，同时满足ER的能量传输要求，一个有效的解决方案是利用能量信号的双重用途也作为有用的干扰或人工噪声（AN）来干扰ER，从而防止其潜在的信息窃听。为此，本文提供了一个概述的能源和信息信号的联合设计，以实现能源效率和安全的WIPT在各种实际的设置，包括同时无线信息和电力传输（SWIPT），无线供电合作中继和干扰，无线供电通信网络（WPCN）。最后，我们提出了一些未来值得研究的方向。
2017-07-24 cs.IT math.IT
Research on Wireless Multi-hop Networks: Current State and Challenges
各种形式和各种名称的无线多跳网络正越来越多地用于军事和民用应用。研究这些网络的连通性和容量是一个重要的问题。当网络变得足够大时，连通性和容量的缩放行为特别令人感兴趣。在这份立场文件中，我们简要概述了最近的发展，并讨论了该领域的研究挑战和机遇，重点是网络连接。
2011-08-22 cs.IT cs.NI math.IT
Multiple Access for Visible Light Communications: Research Challenges and Future Trends
移动互联网和多媒体业务的需求不断增长，对当前和下一代无线网络提出了独特而重大的挑战。这些挑战主要涉及支持大规模无处不在的连接、低延迟和频谱资源的高效利用。因此，在设计和部署未来的无线网络之前，对它们进行广泛的考虑至关重要。为此，本文提供了一个特别有前途和有效的无线技术，即可见光通信（VLC）的全面概述。在这种情况下，我们首先提供了一个全面的概述单载波和多载波系统的频域多址接入技术，然后由光码分多址接入技术的技术考虑和室内VLC应用中采用的深入讨论。此外，我们解决空分多址接入，最后，我们重新审视和分析的一种新技术，即非正交多址接入，这是最近提出的一个特别有效的解决方案的显着特点。
2016-12-18 cs.IT math.IT
A Survey of Downlink Non-orthogonal Multiple Access for 5G Wireless Communication Networks
非正交多址接入（NOMA）技术被认为是下一代蜂窝通信网络中最有前途的多址接入技术。在本文中，我们首先讨论了一个简单的NOMA模型，两个用户同时由一个单一的载波服务，以说明其基本原理。然后，一个更一般的模型与多载波服务的任意数量的用户在每个子载波上也进行了讨论。概述了现有的工作，性能分析，资源分配，和多输入多输出NOMA的总结和讨论。此外，我们还讨论了NOMA的主要特征及其潜在的研究挑战。
2016-09-07 cs.IT math.IT
6G White Paper on Machine Learning in Wireless Communication Networks
本白皮书的重点是无线通信中的机器学习（ML）。6G无线通信网络将成为社会数字化转型的支柱，为人类和机器提供无处不在、可靠和近乎即时的无线连接。机器学习研究的最新进展使各种新技术成为可能，如自动驾驶汽车和语音助手。由于先进的ML模型、大型数据集和高计算能力的可用性，这种创新是可能的。另一方面，不断增长的连接需求将需要6G无线网络的大量创新，ML工具将在解决无线领域的问题方面发挥重要作用。在本文中，我们概述了ML将如何影响无线通信系统的愿景。我们首先概述了在无线网络中具有最高潜力的ML方法。然后，我们讨论了在网络的各个层（如物理层、介质访问层和应用层）中使用ML可以解决的问题。使用ML对无线网络进行零接触优化是本文讨论的另一个有趣的方面。最后，在每一节的结尾，提出了本节旨在回答的重要研究问题。
2020-04-28 cs.IT eess.SP math.IT
Channel Tracking for Wireless Energy Transfer: A Deep Recurrent Neural Network Approach
在本文中，我们研究了无线能量传输（WET）系统的信道跟踪，这实际上是一个非常重要的，但具有挑战性的问题。考虑到时变信道作为一个序列进行预测，我们利用循环神经网络（RNN）技术进行信道跟踪。特别地，将深度长短期记忆（LSTM）RNN与深度前馈神经网络相结合，我们开发了一种用于WET系统的新的信道跟踪方案，该方案基于先前的信道状态信息（CSI）估计以及来自能量接收器的当前和先前收获的能量反馈信息来估计能量发送器处的CSI。数值结果表明了该方法的优越性和有效性。
2018-12-07 cs.IT math.IT
Graph Neural Networks Meet Wireless Communications: Motivation, Applications, and Future Directions
Zhejiang University（浙江大学）；North Carolina State University（北卡罗来纳州立大学）；Imperial College London（伦敦帝国理工学院）
图神经网络（GNNs）作为一种高效的图分析工具，具有特别适合无线通信特点和要求的特性，在下一代无线通信中具有良好的发展潜力。本文旨在全面概述GNN和无线通信之间的相互作用，包括用于无线通信的GNN（GNN4Com）和用于GNN的无线通信（Com4GNN）。特别是，我们讨论GNN4Com的基础上如何构建图形模型，并介绍Com4GNN与相应的激励措施。我们还强调了潜在的研究方向，以促进未来的研究工作GNNs在无线通信。
2022-12-08 cs.AI cs.IT math.IT
Channel Estimation for RIS Assisted Wireless Communications: Part I -- Fundamentals, Solutions, and Future Opportunities
低硬件成本和低能耗的可重构智能表面（RIS）已被认为是未来6 G通信的潜在技术，以提高覆盖范围和容量。为了实现这一目标，在RIS辅助的无线通信系统中，准确的信道状态信息（CSI）对于基站（BS）和RIS处的联合波束成形是必不可少的。然而，信道估计是具有挑战性的，因为大量的无源RIS元件不能发送、接收或处理信号。在本文的第一部分中，我们概述了RIS辅助无线通信系统中信道估计的基本原理、解决方案和未来的机会。值得注意的是，一个新的信道估计方案与低导频开销将在本文的第二部分。
2021-01-23 cs.IT math.IT
Recent Advances in Joint Wireless Energy and Information Transfer
在本文中，我们提供了一个概述的最新进展，微波使能的无线能量传输（WET）技术及其在无线通信中的应用。具体而言，我们将讨论分为三个部分。首先，我们介绍了最先进的WET技术和信号处理技术，以最大限度地提高能量传输效率。然后，我们讨论了一个有趣的范例，名为同步无线信息和功率传输（SWIPT），其中能量和信息使用相同的无线电波形联合传输。最后，我们回顾了无线供电通信网络（WPCN）的最新进展，其中无线设备使用通过WET收集的功率进行通信。扩展和未来的方向也讨论了这些领域中的每一个。
2014-07-02 cs.IT cs.NI math.IT
Communications and Signals Design for Wireless Power Transmission
辐射无线功率传输（WPT）是一种很有前途的技术，可以为无线设备提供具有成本效益的实时功率供应。虽然辐射WPT与广泛研究的无线信息传输或通信有许多相似的特性，但它们在设计目标、发射器/接收器架构和硬件约束等方面也有很大不同。在这篇文章中，我们首先概述了各种WPT技术、辐射WPT技术的历史发展以及设计当代辐射WPT系统的主要挑战。然后，我们将重点讨论可用于应对这些挑战的新通信和信号处理技术。讨论的主题包括能量采集器建模、WPT的能量波束成形、信道捕获、多用户WPT中的功率区域表征、线性和非线性能量接收器模型的波形设计、WPT的安全和健康问题、大规模MIMO（多输入多输出）和毫米波（mmWave）使能的WPT、无线充电控制以及无线功率和通信系统协同设计。我们还指出了未来研究的方向是有希望的。
2016-11-21 cs.IT math.IT
Graph Representation Learning for Wireless Communications
本文综述图表示学习与GNN的基础及设计原则，并通过无线用例和无蜂窝大规模MIMO接入点选择初步结果，展示其解决无线网络优化问题的潜力。
2022-12-04 cs.IT math.IT
Wireless Physical Layer Security with Imperfect Channel State Information: A Survey
物理层安全是一种新兴的无线通信安全技术，被广泛认为是对密码技术的补充。为了在实际场景下设计物理层安全技术，需要考虑信道知识的不确定性和不完善性。本文提供了一个调查的最新研究和发展的物理层安全考虑到不完善的信道状态信息（CSI）在通信节点。我们首先提出了一个概述的主要信息理论的措施的保密性能与不完美CSI。然后，我们描述了安全传输设计中的几种信号处理增强，例如安全的开-关传输，人工噪声波束成形，以及中继节点或认知无线电系统中的安全通信。最后对大规模分散无线网络物理层安全的研究现状进行了总结。最后，对当前和未来研究中存在的问题进行了讨论。
2013-07-19 cs.IT math.IT
An Overview on Over-the-air Electromagnetic Signal Processing
本文综述了空中电磁信号处理在6G无线网络中的应用，通过融合电磁学与信号处理，利用超材料和先进天线优化电磁场操控，以降低能耗、复杂性和延迟，推动可持续高效的无线系统发展。
2025-09-09 cs.IT eess.SP math.IT
Wireless Communications with Unmanned Aerial Vehicles: Opportunities and Challenges
包括无人机（UAV）的无线通信系统承诺为没有基础设施覆盖的设备提供具有成本效益的无线连接。与地面通信或基于高空平台（HAP）的通信相比，具有低空UAV的按需无线系统通常部署更快，重新配置更灵活，并且由于存在短距离视线（LoS）链路，可能具有更好的通信信道。然而，利用高度移动和能量受限的无人机进行无线通信也带来了许多新的挑战。在本文中，我们提供了一个无人机辅助无线通信的概述，通过介绍基本的网络架构和主要信道的特点，突出的关键设计考虑因素，以及新的机会被利用。
2016-02-11 cs.IT cs.NI math.IT
On Scalability of Wireless Networks: A Practical Primer for Large Scale Cooperation
一个直观的概述了各种类型的无线网络的可扩展性。简单的解析- tic参数在这里证明了其他作品中提出的缩放定律，以及以前没有考虑在文献中的条件。单播和组播消息，拓扑结构，层次结构，和可靠性协议的影响进行了讨论。我们展示了两个关键因素，瓶颈和擦除，通常可以支配网络的扩展行为。描述了吞吐量或延迟随发送节点数、接收节点数和文件大小的缩放。
2014-02-07 cs.IT cs.NI math.IT
Simultaneous Wireless Information and Power Transfer in Modern Communication Systems
用于无线通信网络的能量收集是允许终端从周围环境中的外部能量源对其电池再充电的新范例。一种有前途的能量收集技术是无线电力传输，其中终端从电磁辐射中收集能量。因此，可以从周围电磁源或从出于能量收集目的而有意地发射电磁能量的源机会性地收集能量。当源执行同时无线信息和功率传输（SWIPT）时，出现特别有趣和具有挑战性的场景，因为强信号不仅增加功率传输，而且还增加干扰。本文概述了SWIPT系统，特别侧重于整流天线电路的硬件实现和实用技术，实现SWIPT在时域，功率，天线和空间。本文还讨论了SWIPT技术在现代通信网络的资源分配和协作认知无线电网络的背景下的潜在整合的好处。
2014-08-31 cs.IT math.IT
Decentralized Inference with Graph Neural Networks in Wireless Communication Systems
Zhejiang University（浙江大学）；North Carolina State University（北卡罗来纳州立大学）
图神经网络（GNN）是一种高效的图数据神经网络模型，广泛应用于包括无线通信在内的不同领域。与其他神经网络模型不同，GNN可以以分散的方式实现，邻居之间进行信息交换，使其成为无线通信系统中分散控制的潜在强大工具。然而，主要的瓶颈是无线信道损伤，恶化了GNN的预测鲁棒性。为了克服这一障碍，本文分析并增强了分散GNN在不同无线通信系统中的鲁棒性。具体来说，以GNN二元分类器为例，我们首先开发了一种方法来验证预测是否稳健。然后，我们分析了分散GNN二进制分类器在未编码和编码的无线通信系统中的性能。为了弥补不完美的无线传输和提高预测的鲁棒性，我们进一步提出了新的重传机制，上述两个通信系统，分别。通过对合成图数据的仿真，验证了我们的分析，验证了所提出的重传机制的有效性，并为实际实现提供了一些见解。
2021-11-14 cs.IT cs.LG math.IT
Wireless Powered Communication: Opportunities and Challenges
无线通信的性能从根本上受到无线设备的有限电池寿命的限制，无线设备的操作由于需要手动电池更换/再充电而频繁中断。射频（RF）使能的无线能量传输（WET）技术的最新进展提供了一种称为无线供电通信（WPC）的有吸引力的解决方案，其中无线设备由专用无线功率发射器供电以通过空中提供连续且稳定的微波能量。作为实现真正永久通信的关键技术，WPC开辟了建立一个网络的潜力，与电池供电的网络相比，该网络具有更大的吞吐量、更高的鲁棒性和更高的灵活性。然而，无线能源和信息传输的结合也提出了许多新的研究问题和实现问题需要解决。在本文中，我们概述了最先进的射频WET技术及其在无线通信中的应用，重点介绍了未来的关键设计挑战、解决方案和机遇。
2014-12-29 cs.IT cs.NI math.IT
Federated Learning and Wireless Communications
联邦学习以其强大的功能和潜在的应用前景在无线通信和机器学习等领域受到越来越多的关注。与其他不需要通信资源的机器学习工具相比，联邦学习利用中央服务器和分布式本地客户端之间的通信来训练和优化机器学习模型。因此，如何有效地分配有限的通信资源来训练一个联邦学习模型成为性能优化的关键。另一方面，联邦学习作为一种全新的学习工具，可以潜在地增强无线网络的智能性。本文综述了联邦学习与无线通信的关系，包括联邦学习的基本原理、用于训练联邦学习模型的高效通信以及联邦学习在智能无线应用中的应用。最后，我们还指出了未来的研究挑战和方向。
2020-05-12 cs.IT eess.SP math.IT
Resource Allocation Design for Next-Generation Multiple Access: A Tutorial Overview
本文以教程形式梳理NGMA资源分配设计，按自然、可重构与功能三类信道介绍模型、优化挑战、求解方法及仿真洞见。
2024-07-03 cs.IT eess.SP math.IT
When Machine Learning Meets Wireless Cellular Networks: Deployment, Challenges, and Applications
Ericsson Research（爱立信研究院）
人工智能（AI）驱动的无线网络有望从网络设计到基础设施管理、降低成本和提高用户性能等方面彻底改变当前网络的传统操作和结构。通过人工智能功能为未来的网络提供支持，将实现从被动/事件驱动型运营向主动/数据驱动型运营的转变。本文概述了5G及其他网络中AI功能的集成。成功集成AI的关键因素，如数据，安全性和可解释的AI。总结了未来网络中的各种网络智能以及基于机器学习的空中接口。然后总结了AI在无线领域应用的用例示例。我们重点介绍了物理层、移动性管理、无线安全和本地化的应用。
2020-05-01 cs.IT cs.LG math.IT
Artificial Neural Networks-Based Machine Learning for Wireless Networks: A Tutorial
Beijing University of Posts and Telecommunications（北京邮电大学）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Princeton University（普林斯顿大学）；The University of Edinburgh（爱丁堡大学）；Virginia Tech（弗吉尼亚理工大学）；Huawei France R & D（华为法国研发中心）
下一代无线网络必须支持超可靠、低延迟的通信，并在高度动态的环境中实时智能管理大量物联网（IoT）设备。只有在无线基础设施和最终用户设备中集成人工智能（AI）和机器学习的基本概念，才能实现对严格的通信服务质量（QoS）要求以及移动边缘和核心智能的需求。在这种情况下，本文提供了一个全面的教程，介绍了机器学习的主要概念，一般和人工神经网络（ANN），特别是，他们在无线通信中的潜在应用。为此，我们对一些关键类型的神经网络进行了全面的概述，包括前馈、递归、尖峰和深度神经网络。对于每种类型的神经网络，我们提出了基本的架构和训练过程，以及相关的挑战和机遇。然后，我们提供了一个深入的概述，各种无线通信问题，可以使用人工神经网络解决，从使用无人机通信虚拟现实和边缘caching.For每一个单独的应用，我们提出了使用人工神经网络的主要动机以及相关的挑战，同时也提供了一个详细的例子，一个用例场景，并概述了未来的工作，可以使用人工神经网络解决。简而言之，这篇文章构成了关于机器学习技术开发的第一个整体教程之一，这些技术是为未来无线网络的需求量身定制的。
2019-06-30 cs.AI cs.IT math.IT
An Outlook on the Interplay of Machine Learning and Reconfigurable Intelligent Surfaces: An Overview of Opportunities and Limitations
可编程元表面（也称为可重构智能表面（RIS））的最新进展被设想为提供从不可控到完全可调和可定制的无线传播环境的范式转变，从而实现大量的新应用和技术趋势。因此，鉴于这一前沿的技术概念，我们首先审查的架构和电磁波操纵功能的RIS。然后，我们详细介绍了一些最近取得的进展，实现这些可编程功能的无线通信应用。此外，我们详细介绍了机器学习（ML）如何解决由实时部署RIS引入的各种限制，特别是在延迟，存储，能源效率和计算方面。回顾了ML与RISs集成的最新研究，强调了它们的潜力和挑战。最后，本文的结论是提供了一个前瞻性的未开发的可能性ML机制的背景下，RISs。
2021-09-10 cs.IT cs.NI eess.SP
An Overview of Data-Importance Aware Radio Resource Management for Edge Machine Learning
The University of Hong Kong（香港大学）；Zhejiang University（浙江大学）
连接数十亿物联网（IoT）设备的5G网络将使收集大量实时移动数据成为可能。此外，5G虚拟化架构将在（网络）边缘实现云计算。边缘的丰富数据和计算能力的可用性促使互联网公司在那里部署人工智能（AI），创造了边缘AI的热门领域。边缘学习是该项目的主题，涉及训练边缘AI模型，该模型赋予物联网设备响应实时事件的智能。然而，从许多边缘设备到服务器的高维数据传输可能会导致过度的通信延迟，从而为边缘学习带来瓶颈。传统的无线技术设计，只有无线电接入是无效的，在应对挑战。为了克服通信瓶颈的尝试已经导致了用于智能无线电资源管理（RRM）的一类新技术的发展，称为数据重要性感知RRM。他们的设计以主动机器学习和无线通信的相互作用为特色。具体地说，在主动学习中测量数据重要性的度量（例如，分类不确定性和数据多样性）被应用于RRM，以有效地获取无线网络中的分布式数据，从而在服务器上训练AI模型。本文的目的是提供一个新兴领域的重要性感知RRM的介绍。为此，我们将介绍设计原则，调查该领域的最新进展，讨论一些设计实例，并提出一些有前途的研究机会。
2019-12-08 cs.IT cs.LG math.IT
Model-Aided Wireless Artificial Intelligence: Embedding Expert Knowledge in Deep Neural Networks Towards Wireless Systems Optimization
基于人工神经网络的深度学习是一种强大的机器学习方法，在过去几年中，该方法已成功用于实现任务，例如，图像分类、语音识别、语言翻译等，这些通常很容易由人类执行，但很难由机器执行。这就是为什么深度学习被认为是实现人工智能概念的主要推动力之一的原因之一。为了识别允许拟合输入-输出数据对的人工神经网络的最佳架构，深度学习方法中的当前方法包括采用数据驱动的方法。一旦人工神经网络被训练，它就能够通过基于过去获得的知识提供最佳输出来响应从未观察到的输入。在这种背景下，深度学习社区的最新趋势是用基于专家知识的先验信息来补充纯数据驱动的方法。在这项工作中，我们描述了两种方法，实现这一战略，旨在优化无线通信网络。此外，我们说明数值结果，以评估所提出的方法相比，纯数据驱动的实现的性能。
2019-06-15 cs.IT eess.SP math.IT
RF Wireless Power Transfer: Regreening Future Networks
绿色无线电通信是一个新出现的主题，因为信息和通信技术服务的总体足迹预计在2007年至2020年期间将增加两倍。鉴于这一研究路线，能量收集（EH）和无线功率传输（WPT）网络可以被评估为有前途的方法。在本文中，最近的趋势，为未来的绿色网络的EH和WPT平台上提供了一个概述。通过对射频WPT应用的反思，提出了绿色射频WTP的概念。因此，开放的挑战和有前途的组合，目前的技术，如小蜂窝，毫米（mm）波，物联网（IoT）网络，详细讨论，寻求解决方案的问题，如何重新绿色的未来网络？
2018-03-08 cs.IT eess.SP math.IT
Wide-area Wireless Communication Challenges for the Internet of Things
在无处不在的无线连接、不断下降的通信成本以及云平台的出现的帮助下，物联网（IoT）设备和服务的部署正在加速。大多数主要的移动网络运营商都将支持物联网的机器对机器（M2M）通信网络视为新收入的重要来源。在本文中，我们激发了对广域M2M无线网络的需求，特别是短数据包通信，以支持大量物联网设备。我们首先提出了一个简短的概述，目前和新兴的技术支持广域M2M，然后使用通信理论的原则，讨论这些网络的基本挑战和潜在的解决方案，突出权衡和随机和预定的访问策略。最后，我们提出了未来5G网络应如何设计以实现高效的广域M2M通信的建议。
2015-04-13 cs.IT cs.NI math.IT
Single-Photon Counting Receivers for Optical Wireless Communications in Future 6G Networks
本文探讨单光子计数接收机在6G光无线通信中的应用，分析其性能限制因素并提出性能增强框架，以解决低接收光功率导致的中断问题。
2023-10-30 cs.IT eess.SP math.IT
6DMA Enhanced Wireless Network with Flexible Antenna Position and Rotation: Opportunities and Challenges
本文综述了6DMA技术，通过灵活调整天线的3D位置和旋转来增强阵列增益、空间复用、干扰抑制和几何增益，并展示其在无线通信与感知中的容量提升潜力。
2024-06-11 cs.IT eess.SP math.IT
Spatial Firewalls: Quarantining Malware Epidemics in Large Scale Massive Wireless Networks
预计数十亿无线设备将参与大数据聚合和智能自动化，以连接网络和物理世界。这种大规模的超密集无线连接容易受到恶意软件（恶意软件）流行的影响。恶意蠕虫可以利用多跳无线连接，在整个无线网络中悄悄扩散，而不会被核心网络的安全服务器注意到。然后，攻击者可以利用受损设备远程发起网络攻击，造成大规模的严重物理损害并威胁公共安全。本文概述了大规模无线网络（LSWN）中恶意软件流行的类型、威胁和传播模型。然后，本文提出了一种新的和成本效益的对策，对恶意软件流行的LSWN，表示为空间防火墙。它表明，装备一个战略选择的小部分（即，少于10%）的具有最先进的安全机制的设备足以创建隔离恶意软件流行病的空间安全区域。受隔离感染的设备然后通过按需本地化软件修补来治愈。为此，几个防火墙部署策略进行了讨论和比较。
2020-06-12 cs.CR cs.IT math.IT
Wireless Channel Charting: Theory, Practice, and Applications
本文系统介绍无线信道图谱框架，阐述其利用降维技术将CSI映射为低维伪位置的理论基础、算法进展与实际应用，并展望其在下一代网络中的前景。
2023-04-17 cs.AI cs.IT math.IT
A Universal Neural Receiver that Learns at the Speed of Wireless
EECS Department at the Massachusetts Institute of Technology (MIT)（麻省理工学院电气工程和计算机科学系）；ECE Department at Duke University（杜克大学电气与计算机工程系）
本文提出了一种基于卷积的通用神经接收机，旨在通过避免离线训练提升无线通信的实时处理能力，并促进无线技术的创新。
2026-08-26 cs.IT eess.SP math.IT
Holographic MIMO Surfaces for 6G Wireless Networks: Opportunities, Challenges, and Trends
未来的无线网络有望朝着智能和软件可重构的范式发展，从而实现人与移动设备之间的无处不在的通信。它们还将能够感知、控制和优化无线环境，以实现低功耗、高吞吐量、快速连接和低延迟通信的愿景。最近越来越受欢迎的关键概念使能器是全息多输入多输出表面（HMIMOS），其是指包括亚波长金属或电介质散射颗粒的低成本变革性无线平面结构，其能够根据期望的目标影响电磁波。在这篇文章中，我们提供了一个概述的HMIMOS通信，介绍了可重构的元表面和它们的主要特点，以及突出的机会和关键挑战，在设计HMIMOS启用通信的可用硬件架构。
2020-04-19 cs.IT cs.LG math.IT
Stacked Intelligent Metasurfaces for Wireless Communications: Applications and Challenges
本文概述了堆叠智能超表面（SIMs）技术及其在无线通信中的应用，探讨了其在波域实现发射波束成形、语义编码和信道估计的潜力，并指出了部署该技术面临的关键挑战。
2025-05-02 cs.IT eess.SP math.IT
DIFFRACT: Neuralized Utility Maximization for Wireless Networks by Differentiable Programming
Nanyang Technological University（南洋理工大学）
提出DIFFRACT框架，利用可微编程将深度学习与优化结合，通过算法展开将干扰管理算法映射为可微神经网络，实现分布式端到端梯度学习，以应对动态多用户干扰和随机服务质量约束。
2026-06-05 cs.AI cs.IT cs.NI
A Graph Neural Network Approach for Scalable Wireless Power Control
The Hong Kong University of Science and Technology（香港科技大学）；ShanghaiTech University（上海科技大学）；The Hong Kong Polytechnic University（香港理工大学）
深度神经网络最近作为一种颠覆性技术出现，以实时的方式解决NP难的无线资源分配问题。然而，所采用的神经网络结构，例如，多层感知器（MLP）和卷积神经网络（CNN）是从用于图像处理任务的深度学习继承的，因此不适合于无线网络中的问题。特别是，当无线网络规模变大时，这些方法的性能急剧恶化。在本文中，我们建议利用图神经网络（GNNs）开发可扩展的方法来解决$K$ -用户干扰信道的功率控制问题。具体地，首先将$K$ -用户干扰信道建模为完整图，其中无线信道的定量信息被并入作为图的特征。然后，我们提出了一个干扰图卷积神经网络（IGCNet）学习的最佳功率控制在无监督的方式。结果表明，单层IGCNet是连续集函数的一种通用逼近器，能很好地匹配干扰信道的置换不变性，对不完全信道状态信息（CSI）具有鲁棒性.大量的仿真结果表明，建议IGCNet优于现有的方法，并实现了显着的加速比经典算法的功率控制，即WMMSE。该代码可在https://github.com/yshenaw/Globecom2019上获得。
2019-07-19 cs.IT cs.LG eess.SP
Wireless Networks with RF Energy Harvesting: A Contemporary Survey
射频（RF）能量传输和收集技术最近已经成为为下一代无线网络供电的替代方法。由于这种新兴技术能够实现无线设备的主动能量补充，因此其在支持具有服务质量（QoS）要求的应用方面是有利的。在本文中，我们提出了一个广泛的文献综述的研究进展，在无线网络的RF能量收集能力，称为RF能量收集网络（RF-EHN）。首先，我们提出了一个概述的射频EHN，包括系统架构，射频能量收集技术和现有的应用。然后，我们介绍了电路设计的背景以及最先进的电路实现，并回顾了专门为RF-EHN设计的通信协议。我们还根据网络类型探讨了RF-EHN开发中的各种关键设计问题，即，单跳网络、多天线网络、中继网络和认知无线电网络。最后，我们展望了一些开放的研究方向。
2014-09-05 cs.IT cs.NI math.IT
Intelligent Reflecting Surface Aided Wireless Communications: A Tutorial
University of Macau（澳门大学）；National University of Singapore（新加坡国立大学）
智能反射面（IRS）是一种实现无线网络中无线信号传播的技术。通过大量低成本的无源反射元件巧妙地调整信号反射，IRS能够动态地改变无线信道以提高通信性能。因此，预计新的IRS辅助的混合无线网络，包括有源和无源组件将是非常有前途的，以实现可持续的容量增长的成本效益在未来。尽管IRS具有巨大的潜力，但它面临着有效集成到无线网络中的新挑战，例如反射优化，信道估计和通信设计角度的部署。在本文中，我们提供了一个教程概述IRS辅助无线通信，以解决上述问题，并阐述其反射和信道模型，硬件架构和实际的限制，以及各种吸引人的应用在无线网络中。此外，我们强调了值得在未来工作中进一步研究的重要方向。
2020-07-07 cs.IT cs.LG cs.NI
Wireless Power Control via Counterfactual Optimization of Graph Neural Networks
Intel Labs（英特尔实验室）；University of Pennsylvania（宾夕法尼亚大学）
我们认为在无线网络中的下行链路功率控制的问题，包括多个发射机-接收机对相互通信在一个单一的共享无线介质。为了减轻并发传输之间的干扰，我们利用网络拓扑来创建一个图神经网络架构，然后使用无监督的原始-对偶反事实优化方法来学习最优功率分配决策。我们展示了如何反事实优化技术，使我们能够保证最低速率约束，适应网络的大小，从而实现正确的平衡平均和$5^{th}$百分位数的用户速率在整个网络配置范围。
2020-02-17 cs.IT cs.LG eess.SP
