TokenComSR: Task-Sensitivity-Guided Token Communication for Wireless Image Super-Resolution
Beijing Institute of Technology(北京理工大学);The University of Hong Kong(香港大学)
本文针对资源受限无线边缘设备的图像传输问题,提出含TSPA与TRM模块的TokenComSR框架,结合Swin Transformer收发器与接收端SR模块,仿真显示其性能优于基线方法。
2026-09-04 cs.IT eess.SP math.IT
Low-Resolution Quantization in Phase Modulated Systems: Optimum Detectors and Error Rate Analysis
本文研究了一种具有低分辨率量化器的无线通信系统,其中发送信号受到衰落和加性噪声的破坏。对于这样的无线系统,当量化比特的数量不足以解决M个信号点时,获得了对所有M进制调制方案正确的平均符号错误概率(SEP)的通用下限。在M进制相移键控(M-PSK)的特殊情况下,导出了等概率信号点的最佳最大似然检测器。利用导出的最优接收机的结构,一般平均SEP表达式的M-PSK调制与n比特量化时,无线信道受到衰落的圆对称分布得到。在Nakagami-m衰落信道中采用这一结果,进一步导出了M-PSK调制的平均SEP的易于评估的表达式。结果表明,当n ≥ log_2(M +1)时,n比特量化的收发机结构在通信可靠性方面是渐近最优的。也就是说,平均SEP的衰减指数是相同的并且等于m,其中无限位和n位量化器对于n大于或等于log_2(M+1)。另一方面,对于n = log_2(M)和n < log_2(M),它分别仅等于一半和0。进行了广泛的模拟研究,以说明所得出的结果和能源效率的增益,通过低分辨率量化器。
2019-02-28 eess.SP
Real-Time Transmission of Uncompressed High-Definition Video Via A VCSEL-Based Optical Wireless Link With Ultra-Low Latency
针对未压缩高清视频实时传输的低延迟高带宽需求,提出基于940nm VCSEL的光无线SDI-over-LiFi系统,实现FHD/4K无差错传输及35ns以下端到端延迟,为专业广播设备提供可扩展低成本的无线连接方案。
2025-07-31 eess.SP
WiFo-2: a generalist foundation model unifies heterogeneous wireless system design
Peking University(北京大学);The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
WiFo-2通过统一无线通信与传感系统设计,实现异构无线系统设计的通用化,利用大规模CSI数据训练,提升跨场景、配置和任务的泛化能力,展现缩放律行为,优于传统监督模型。
2026-07-27 eess.SP
Signal Recovery Performance Analysis in Wireless Sensing with Rectangular-Type Analog Joint Source-Channel Coding
分析了无线传感系统中高、中、低信噪比情况下矩形模拟联合信源信道编码(AJSCC)的信号恢复性能。中/低SNR场景的分析和推导是基于矩形型AJSCC的三维信号映射曲线中的所有信号变化情况的综合列表。均方误差(MSE)性能的理论公式推导出模拟传感和数字传感系统与矩形型AJSCC。评估结果表明,在高和中/低信噪比的情况下,在矩形型AJSCC中存在最佳参数,以最小化信号恢复MSE性能。此外,与低分辨率的模数转换(ADC)的数字感测的性能进行了比较,模拟感测的高和中/低SNR的情况下,在这项工作中。理论和评估结果对基于矩形AJSCC的无线传感系统设计具有实用价值。
2020-01-01 eess.SP
Development of an 8 channel sEMG wireless device based on ADS1299 with Virtual Instrumentation
在本文中,一个不同的方法上使用的ADS1299(模拟前端与功能的脑电图和心电图信号采集)被认为是,提出了一个表面肌电图(sEMG)设备的发展。该设备的主要功能包括同时记录八个肌肉通道,无线传输和虚拟仪器与LabVIEWTM软件的使用。申报sEMG器械包含专门设计的协议,通过减少数据大小来适应数据传输,同时仍为sEMG信号提供足够的分辨率(34.33 uV)、幅度范围(17.57 mV)和采样率(1000 Hz)。对于验证方法,评价了生成的正弦波和已知的sEMG数据。此外,对人手臂的所有八个通道的肌肉记录是成功的,并且结果揭示了三头肌和二头肌的孤立收缩及其幅度范围和频谱。
2018-08-10 eess.SP
Advancing Brain-Machine Interfaces: High Data Rate Battery-Free Implants
本文针对可植入无线脑机接口的功耗与高速连接难题,采用射频反向散射与近场无线充电技术,实现高数据速率无电池植入体,初步验证了方法可行性。
2026-08-03 eess.SP
Identification of The Number of Wireless Channel Taps Using Deep Neural Networks
在无线通信系统中,识别信道抽头的数量提供了对信道脉冲响应(CIR)的增强估计。在这项工作中,通过深度神经网络(DNN)实现了无线信道抽头数量的有效识别,我们修改了现有的DNN,并仅使用无线系统的发送和接收信号分析了其收敛性能。显示的结果表明,采用DNN实现优越的性能,在识别信道抽头的数量相比,现有的算法称为频谱加权识别的信号源(SWISS)。
2020-10-20 eess.SP
Semantic Communications for Wireless Sensing: RIS-aided Encoding and Self-supervised Decoding
语义通信可以通过传输从源消息中提取的任务相关语义信息来减少资源消耗。然而,当源消息用于各种任务时,例如,无线传感数据的定位和活动检测,语义通信技术是难以实现的,因为增加了处理复杂度。在本文中,我们提出了反向语义通信作为一种新的范式。我们的目标不是从消息中提取语义信息,而是将与任务相关的源消息编码成超源消息,以供数据传输或存储。根据这种模式,我们设计了一个反向语义感知的无线传感框架,分别与数据采样,可重构智能表面(RIS)辅助编码,和自监督解码的三种算法。具体来说,一方面,我们提出了一种新的RIS硬件设计,用于将多个信号频谱编码成一个MetaSpectrum。为了选择与任务相关的信号频谱以实现有效的编码,引入了语义散列采样方法。另一方面,我们提出了一种自监督学习方法来解码MetaSpectrums,以获得原始信号频谱。使用从现实世界中收集的传感数据,我们表明,我们的框架可以减少95%的数据量相比,编码前,而不影响传感任务的完成。此外,与通常使用的均匀采样方案相比,所提出的语义散列采样方案在恢复感测参数时可以实现67%的低均方误差。此外,实验结果表明,幅度响应矩阵的RIS使传感数据的加密。
2023-03-27 eess.SP
A General 3D Non-Stationary Wireless Channel Model for 5G and Beyond
本文提出了一种新的基于三维非平稳几何的第五代(5G)和超5G(B5 G)系统随机模型(GBSM)。所提出的B5 G信道模型(B5 GCM)被设计为捕获(B)5G系统中的各种信道特性,例如空间-时间-频率(STF)非平稳性、球面波前(STF)、高延迟分辨率、发射器、接收器和散射器的时变速度和运动方向、空间一致性等。通过将不同的信道特性组合到通用信道模型框架中,所提出的B5 GCM能够应用于多频段和多个场景,包括大规模多输入多输出(MIMO)、车辆到车辆(V2 V)、高速训练(HST)和毫米波-太赫兹(mmWave-THz)通信场景。获得了所提出的B5 GCM的关键统计数据,并与标准5G信道模型和相应的测量数据进行了比较,显示了所提出的模型的通用性和实用性。
2021-01-17 eess.SP
Assessing Wireless Sensing Potential with Large Intelligent Surfaces
Aalborg University(奥尔堡大学);Norwegian University of Science and Technology(挪威科技大学)
感知能力是未来6G无线网络最突出的新特性之一。本文讨论了大型智能表面(LIS)在示例性工业4.0场景中的传感潜力。除了LIS在通信方面受到的关注外,它还可以提供传播环境的高分辨率渲染。这是因为,在室内环境中,它可以放置在感测现象附近,而高分辨率是由部署在大面积上的密集间隔的微小天线提供的。通过将LIS视为依赖于接收信号功率的环境的无线电图像,我们开发了通过利用图像处理和机器学习的工具来感测环境的技术。一旦获得全息图像,就可以使用去噪自动编码器(DAE)网络来构建超分辨率图像,从而获得传统传感系统中不可用的传感优势。此外,我们推导出一个基于广义似然比(GLRT)的统计测试,作为机器学习解决方案的基准。我们测试这些方法的情况下,我们需要检测工业机器人是否偏离预定义的路线。结果表明,基于LIS的传感器具有较高的精度,在室内工业环境中具有很大的应用潜力。
2021-04-12 cs.CV cs.LG eess.SP
Key Issues in Wireless Transmission for NTN-Assisted Internet of Things
本文研究了NTN辅助物联网无线传输中的海量连接、CSI准确获取及无线资源高效分配三个关键问题,并全面综述了现有方案与新兴技术,指出了未来研究方向。
2023-11-25 cs.IT eess.SP math.IT
Quantum-MUSIC: Multiple Signal Classification for Quantum Wireless Sensing
本文提出首个面向多用户量子无线感知的 Quantum-MUSIC 算法,通过恢复信道信息并结合传统 MUSIC,解决原子接收机仅能测幅导致的性能下降问题,仿真验证其优于现有 MUSIC。
2024-12-31 eess.SP
Symbol-Level Precoding Design for Intelligent Reflecting Surface Assisted Multi-user MIMO Systems
智能反射面(IRS)通过自适应地控制传播环境来增强无线信息传输是一种很有前途的解决方案。近年来,利用IRS实现无源发射机的全新概念吸引了研究人员的注意,因为它可能实现多输入单/多输出(MISO/MIMO)系统的低复杂度和硬件高效的发射机。在本文中,我们研究的问题,预编码器设计的低分辨率IRS的发射机实现多用户MISO/MIMO无线通信。特别地,IRS通过改变其反射元件的相位来调制信息符号,并将它们发送到$K$单天线或多天线用户。本文首先设计了用于IRS的符号级预编码器,以实现调制并最小化单天线接收机的最大误符号率(SER)。为了解决这个NP难问题,我们首先放松低分辨率相移约束,并解决这个问题的黎曼共轭梯度(RCG)算法。然后,通过直接量化获得低分辨率符号级预编码矢量。考虑到1比特分辨率情况下量化误差较大,采用分支定界法求解1比特分辨率符号级预编码矢量。对于多天线接收机,我们提出迭代设计的符号级预编码器和组合器分解成几个子问题的原始大规模优化问题。仿真结果验证了所提算法的有效性。
2021-03-20 eess.SP
WiMamba: Linear-Scale Wireless Foundation Model
School of ECE, Ben-Gurion University of the Negev(内盖夫本-古里安大学电子与计算机工程学院)
本文提出WiMamba,一种基于Mamba架构的无线基础模型,通过选择性状态空间模型替代注意力机制,实现线性时间序列建模,提升无线系统推理效率与表达能力。
2026-03-27 eess.SP
A Multi-Modal Foundational Model for Wireless Communication and Sensing
本文提出了一种多模态基础模型,通过物理指导的自监督预训练策略,实现无线通信和传感任务的稳健泛化与高效适应。
2026-02-03 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
A Multi-Task Foundation Model for Wireless Channel Representation Using Contrastive and Masked Autoencoder Learning
Center for Pervasive Communications and Computing, University of California, Irvine(普及通信与计算中心,加州大学伊维特分校);Nokia Standards(诺基亚标准);Universitat Pompeu Fabra(庞培法布拉大学)
针对现有自监督无线信道表示方法未适配通信特性的问题,提出融合掩码重构与无线启发式对比学习的Transformer基础模型ContraWiMAE,在多下游任务中实现更优性能与数据效率并开源相关资源。
2025-10-22 cs.AI cs.IT cs.LG
A MIMO Wireless Channel Foundation Model via CIR-CSI Consistency
School of Communication and Information Engineering, Shanghai University(上海大学通信与信息工程学院);Xi’an Jiaotong-Liverpool University(西交利物浦大学)
本文将信道状态信息与信道冲激响应视为对齐的多模态数据,提出首个MIMO无线信道基础模型CSI-CLIP,通过对比学习捕获联合表示,在定位、波束管理和信道识别任务上取得显著提升。
2025-03-01 cs.AI eess.SP
Machine-learning-aided Massive Hybrid Analog and Digital MIMO DOA Estimation for Future Wireless Networks
本文针对大规模HAD-MIMO的DOA估计中的相位模糊问题,提出了MLNN检测器推断无源发射器,并设计了仅需单快拍即可消除相位模糊的TLHAD MIMO结构,仿真表明其检测性能优于现有方法且能达到CRLB。
2023-08-05 cs.IT eess.SP math.IT
Contrastive Self-Supervised Learning for Wireless Power Control
HRL Laboratories, LLC(HRL实验室有限责任公司)
我们提出了一种新的方法,在无线网络中使用自监督学习的功率控制。我们将一个以信道矩阵为输入并将功率控制决策输出到骨干和头中的多层感知器分区,并且我们展示了如何使用对比学习来预训练骨干,以便它在其输出处为类似的信道矩阵产生类似的嵌入,反之亦然,其中通过识别可以最佳地作为噪声处理的干扰链路来在信息理论意义上定义相似性。然后使用有限数量的标记样本对主干和头部进行微调。仿真结果表明,所提出的方法的有效性,表现出显着的收益比纯监督学习方法在总吞吐量和样本效率。
2021-02-11 cs.IT cs.LG eess.SP
Finite Horizon Throughput Maximization and Sensing Optimization in Wireless Powered Devices over Fading Channels
Sabanci University(萨班哲大学)
无线功率传输(WPT)是一种很有前途的技术,其通过利用RF传输为网络提供了一种为远程设备补充电池的方式。我们研究了一类先收获后传输的WPT策略,其中接入点(AP)首先采用RF功率传输来对无线供电设备(WPD)进行一定时间的优化充电,然后,收获的能量随后被WPD用于在有限范围内将其数据比特传输回AP。关于所研究的WPT场景的一个重大挑战是将WPD链接到AP的无线信道的时变性质。我们首先调查作为一个基准的离线情况下,渠道实现已知的非因果关系之前,开始的地平线。对于离线的情况下,通过找到最佳的WPT持续时间和功率分配的数据传输周期,我们推导出的WPD的吞吐量上界。然后,我们专注于在线对应的问题,其中信道实现是已知的因果关系。我们证明,最佳的WPT持续时间服从依赖于WPD的能量状态的时间依赖的阈值形式。在随后的数据传输阶段中,WPD的最佳发射功率分配被示出为分数结构,其中在每个时隙,取决于当前信道的能量的一部分和未来信道状态预期的测量被分配用于数据传输。我们的数字表明,在线政策执行几乎相同的上限。然后,我们考虑一个数据感测应用程序,其中WPD调整感测分辨率之间的平衡感测数据的质量和成功交付it.We使用贝叶斯推理作为一个强化学习方法,以提供一个平均值为WPD在学习中平衡感测分辨率的概率。
2018-09-09 cs.IT cs.LG eess.SP
Accelerating Ray Tracing-Based Wireless Channels Generation for Real-Time Network Digital Twins
针对网络数字孪生中射线追踪计算成本高的问题,提出3D场景预处理简化和RT结果后处理增强方法,在不损害多径参数准确性的前提下将仿真时间减少50%以上。
2025-07-23 cs.NI eess.SP
Secure High-Resolution ISAC via Multi-Layer Intelligent Metasurfaces: A Layered Optimization Framework
Columbia University(哥伦比亚大学);Imam Khomeini International University(伊玛目霍梅尼国际大学);Qatar University(卡塔尔大学)
本文提出通过多层智能超材料实现安全高分辨率ISAC的分层优化框架,提升感知精度和保密率。
2026-02-16 cs.IT cs.SY eess.SP
Hierarchical Wireless Foundation Model for Multi-Task Optimization
Department of Electrical and Electronic Engineering, Faculty of Engineering, Imperial College London(电气与电子工程系,工程学院,伦敦帝国理工学院);School of Mathematics and Statistics, Beijing Jiaotong University(数学与统计学学院,北京交通大学)
针对下一代无线网络中人工智能技术泛化瓶颈问题,提出分层无线基础模型(WFM),通过几何感知交叉注意力耦合上下游模块,采用混合训练策略,实现多任务优化,学习高保真信道表示,降低延迟,有强大泛化能力。
2026-07-21 cs.LG eess.SP
Superdirectivity-enhanced wireless communications: A multi-user perspective
本文面向多用户系统研究超方向性阵列,提出FCA信道估计及SP、INSP、RINSP预编码方法,显著提升频谱效率并缩小阵列孔径。
2023-07-13 cs.IT eess.SP math.IT
DF-3DRME: A Data-Friendly Learning Framework for 3D Radio Map Estimation based on Super-Resolution Technique
The Hong Kong Polytechnic University(香港理工大学);Technische Universität Berlin(柏林工业大学)
本文提出DF-3DRME框架,通过混合数据集训练,利用少量高分辨率3D无线电地图样本,结合低分辨率到高分辨率的超分辨率网络,实现高效3D无线电地图估计。
2026-04-01 cs.IT eess.SP math.IT
Nearest neighbor Methods and their Applications in Design of 5G & Beyond Wireless Networks
The University of Leeds(利兹大学)
在本文中,我们提出了最近邻(NN)的方法,这是经常使用监督学习解决分类问题的概述。文章简要介绍了理论背景,算法和实现方面的关键应用。从应用的角度来看,本文探讨了与5G及以后无线网络相关的挑战,这些挑战可以使用NN分类技术来解决。
2021-07-16 cs.LG cs.NI eess.SP
LWM-Spectro: A Foundation Model for Wireless Baseband Signal Spectrograms
School of Electrical, Computer, and Energy Engineering, Arizona State University(亚利桑那州立大学电气、计算机和能源工程学院)
LWM-Spectro是一种基于变换器的基础模型,通过预训练大规模I/Q数据生成时频频谱图,用于无线信号的通用表示学习,能够有效提升调制分类和SNR/移动性识别等下游任务的性能。
2026-01-13 cs.IT eess.SP math.IT
Network-Aware 5G Edge Computing for Object Detection: Augmenting Wearables to "See" More, Farther and Faster
Tandon School of Engineering, New York University(纽约大学坦登工程学院);NYU Langone Health(纽约大学朗格尼医疗中心);NYU Grossman School of Medicine(纽约大学格罗斯曼医学院);Department of Electrical and Computer Engineering, Tandon School of Engineering, New York University(纽约大学坦登工程学院电气与计算机工程系);Department of Mechanical and Aerospace Engineering, Tandon School of Engineering, New York University(纽约大学坦登工程学院机械与航空航天工程系);Department of Biomedical Engineering, Tandon School of Engineering, New York University(纽约大学坦登工程学院生物医学工程系);Department of Ophthalmology, NYU Grossman School of Medicine(纽约大学格罗斯曼医学院眼科);Department of Neurology, NYU Langone Health(纽约大学朗格尼医疗中心神经科);Department of Rehabilitation Medicine, NYU Langone Health(纽约大学朗格尼医疗中心康复医学系);New York University(纽约大学)
先进的可穿戴设备越来越多地结合高分辨率多相机系统。由于用于处理结果图像数据的最先进的神经网络在计算上要求很高,因此人们越来越有兴趣利用第五代(5G)无线连接和移动边缘计算来将此处理卸载到云端。为了评估这种可能性,本文详细模拟和评估了5G无线卸载,用于盲人和视力受损者(BVI)的强大的新型智能可穿戴设备VIS4ION中的物体检测。目前的VIS4ION系统是一个装有高分辨率摄像头、视觉处理、触觉和音频反馈的仪器书包。本文考虑将相机数据上传到移动边缘云以执行实时对象检测并将检测结果传输回可穿戴设备。为了确定视频要求,本文评估了视频比特率和分辨率对目标检测精度和范围的影响。一个新的街道场景数据集与相关的BVI导航标记的对象被利用进行分析。视觉评估与详细的全栈无线网络仿真相结合,以确定吞吐量和延迟的分布,并在城市环境中使用新的高分辨率3D模型进行真实的导航路径和光线跟踪。为了进行比较,无线仿真考虑了标准4G长期演进(LTE)载波和高速率5G毫米波(mmWave)载波。因此,这项工作为具有高带宽和低延迟要求的应用中的mmWave连接的边缘计算提供了全面和现实的评估。
2022-04-15 cs.CV eess.IV eess.SP
Large Wireless Model (LWM): A Foundation Model for Wireless Channels
本文提出首个无线信道基础模型LWM,通过自监督预训练生成通用信道嵌入,在数据有限和高复杂度任务中显著提升下游性能。
2025-04-07 cs.IT eess.SP math.IT
Semi-Supervised Learning via Cross-Prediction-Powered Inference for Wireless Systems
针对无线场景标注数据成本高的问题,提出两种预测赋能推理(PPI)新变体,应用于毫米波波束对齐与室内定位,在标注数据有限时性能优于传统方法。
2024-10-07 cs.IT eess.SP math.IT
Intelligent Reflecting Surface Aided Wireless Sensing: Applications and Design Issues
智能反射面(IRS)是一种新兴技术,它通过巧妙地调节大量无源反射元件的信号反射,能够显著提高无线通信的性能。另一方面,随着无处不在的无线设备和周围的射频信号,无线传感已成为下一代/6 G无线网络的一个有前途的新应用。通过协同低成本的IRS和肥沃的无线传感应用,本文提出了一种新的IRS辅助传感模式,以提高无线传感的性能成本效益。首先,我们提供了一个无线传感应用的概述和利用IRS克服其在实际情况下的性能限制的新机会。接下来,我们讨论了基于三种方法的IRS辅助传感方案,即被动传感、半被动传感和主动传感。我们比较了它们在性能、硬件成本和实现复杂性方面的优缺点,并概述了它们的主要设计问题,包括IRS部署、信道捕获和反射设计以及传感算法。最后,数值结果表明IRS的巨大潜力,提高无线传感精度和优越的性能相比,其他计划的IRS主动传感。
2023-02-12 cs.IT eess.SP math.IT
A Comprehensive Survey of Wireless Foundation Models for AI-Native 6G Networks
College of Engineering, United Arab Emirates University(阿联酋大学工程学院)
该综述针对无线基础模型(WFMs)的设计、学习与部署展开统一梳理,明确其概念与分类,综述相关架构、方法及应用,分析关键挑战并展望未来方向,为AI原生6G网络智能系统研发提供参考。
2026-08-18 cs.AI cs.NI eess.SP
Self-supervised Learning for Clustering of Wireless Spectrum Activity
Jozef Stefan Institute(约热夫·斯泰凡研究所);Jozef Stefan International Postgraduate School(约热夫·斯泰凡国际研究生学院)
本文研究使用自监督学习(SSL)探索真实世界无标签无线频谱数据,通过对比基于DeepCluster的适配模型与K-means基线,证明SSL模型在大幅降低特征向量大小和模型复杂度的同时,显著提升了聚类性能。
2024-08-22 cs.AI cs.LG cs.NI