Split Learning Meets Koopman Theory for Wireless Remote Monitoring and Prediction
Centre for Wireless Communications University of Oulu（奥卢大学无线通信中心）；School of Information Technology Deakin University（迪肯大学信息技术学院）
通过无线进行远程状态监控，预计将在实现从远程无人机控制到远程手术等5G以外的应用方面发挥关键作用。一个关键的挑战是要确定系统的动力学，是一个大的维度状态的非线性。为了解决这个问题，在这篇文章中，我们提出了训练一个自动编码器的编码器和解码器是分裂和存储在一个状态传感器和它的远程观测器，分别。该自动编码器不仅通过减少状态表示维度来减少远程监控有效载荷大小，而且还通过Koopman算子提升系统动态来学习系统动态，从而允许观测器在训练收敛后本地预测未来状态。在非线性cart-pole环境下的数值结果表明，所提出的Koopman自编码器分裂学习方法能够局部预测未来状态，且预测精度随着表示维数和传输功率的增加而增加.
2021-04-16 cs.IT cs.LG math.IT
Machine Learning meets Stochastic Geometry: Determinantal Subset Selection for Wireless Networks
Virginia Tech（弗吉尼亚理工学院）
在无线网络中，许多问题可以被公式化为子集选择问题，其中目标是从基集合中选择子集，目标是最大化某个目标函数。这些问题通常是NP难的，因此通过精心构造的算法来解决，这些算法本身大多是NP完全的，因此不容易适用于大型网络。另一方面，子集选择问题发生在机器学习（ML）中略有不同的上下文中，其目标是从基础集合中选择高质量但不同的项目的子集。在本文中，我们介绍了一种新的基于DPP的学习（DPPL）框架，有效地解决无线网络中的子集选择问题。DPPL旨在通过学习由优化例程选择的最优子集中的质量-多样性权衡来取代用于子集选择的传统优化算法。作为一个案例研究，我们应用DPPL的无线链路调度问题，其中的目标是确定的子集，同时活跃的链路，最大限度地提高全网络的总和率。我们表明，建议DPPL方法的最优解显着降低计算复杂性比流行的优化算法用于这个问题在文献中。
2019-05-01 cs.IT cs.LG cs.NI
Capacity Scaling of Wireless Ad Hoc Networks: Shannon Meets Maxwell
在本文中，我们描述了无线ad hoc网络的信息理论容量缩放$n$随机分布的节点。通过使用麦克斯韦方程组的精确信道模型，我们成功地解决了文献中Özgür等人的线性容量缩放与Franceschetti等人给出的网络直径与波长之比$λ$的自由度限制之间的冲突。在网络面积固定的密集网络中，容量缩放被给出为$n$的最小值，并且自由度将$λ^{-1}$限制在任意小的指数内。在扩展网络中，网络区域在$n$中是线性的，容量缩放被给出为$n$的最小值，并且自由度将$\sqrt{n}λ^{-1}$限制在任意小的指数内。因此，如果$λ=O(n^{-1})$在密集网络中，如果$λ=O(n^{-1/2})$在扩展网络中，我们恢复了Özgür等人的线性容量缩放。否则，容量缩放被赋予的自由度的限制，其特征在于由Franceschetti等人。对于可扩展性，提出了一种改进的层次合作的基础上的两个节点集群之间的多输入多输出信道的容量使用我们的信道模型的下限。
2011-10-18 cs.IT math.IT
When Cellular Meets WiFi in Wireless Small Cell Networks
覆盖在现有宏蜂窝系统上的小小区基站（SCBS）的部署被视为用于卸载业务、优化覆盖和提高未来蜂窝无线系统的容量的关键解决方案。设想下一代SCBS是多模的，即，其能够在许可和未许可频带上同时发送。这构成了WiFi和蜂窝无线电接入技术（RAT）的具有成本效益的集成，可以有效地应对峰值无线数据流量和异构服务质量要求。为了利用这种多模式SCBS的优势，我们讨论了新提出的跨系统学习的范例，SCBS通过该范例自组织并自主地引导其跨不同RAT的流量。跨系统学习允许SCBS利用WiFi和蜂窝世界的优势。例如，SCBS可以将延迟容忍数据业务卸载到WiFi，同时学习它们在授权蜂窝频带上的传输策略的概率分布函数。本文将首先介绍跨系统学习的基本构建块，然后在覆盖WiFi热点的长期演进（LTE）模拟器中提供初步的性能评估。值得注意的是，它表明，所提出的跨系统学习方法显着优于一些基准流量导向政策。
2013-03-22 cs.IT cs.NI math.IT
Fluid Antenna Systems Meet Low-Altitude Wireless Networks: Fundamentals, Opportunities, and Future Directions
本文提出流体天线赋能低空无线网络的新型架构，通过空间可重构性提升通信、感知与控制性能，并探讨部署考量与未来研究方向。
2025-09-25 cs.IT eess.SP 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
Number Theory meets Wireless Communications: an introduction for dummies like us
在这一章中，我们通过一系列与无线通信相关的信息论的基本例子来介绍丢番图逼近的理论。特别地，我们讨论了Dirichlet定理，差逼近点，Dirichlet可改进点和奇点，丢番图逼近的度量（概率）理论，包括Khintchine-Groshev定理和流形上的丢番图逼近理论。我们探讨了各种数论方法用于分析通信特性，如自由度（DoF）。特别是，我们改进了Motahari等人关于两个用户X通道的DoF的结果。从本质上讲，我们表明，总自由度可以实现所有（而不是几乎所有）的信道系数的选择，除了一个子集的严格较小的尺寸比周围的空间。改进利用了我们引入的联合非奇点的概念和Kadyrov等人关于格空间中质量的$δ$逃逸的一般结果。我们还讨论了后续开放的问题，将突破张和更普遍的达斯等人的尺寸的一组奇点。
2020-08-29 cs.IT math.DS math.IT
Towards an Intelligent Edge: Wireless Communication Meets Machine Learning
University of Hong Kong（香港大学）；Hong Kong University of Science and Technology（香港科技大学）
最近人工智能（AI）的复兴正在彻底改变科学和技术的几乎每一个分支。鉴于无处不在的智能移动设备和物联网（IoT）设备，预计大多数智能应用将部署在无线网络的边缘。这一趋势引起了人们对实现“智能边缘”的强烈兴趣，以支持各种边缘设备上支持AI的应用程序。边缘学习是无线通信和机器学习两个学科交叉的一个新的研究领域。边缘学习的一个主要主题是克服每个边缘设备上有限的计算能力和有限的数据。这是通过利用移动边缘计算（MEC）平台并利用分布在大量边缘设备上的海量数据来实现的。在这样的系统中，从分布式数据中学习和边缘服务器与设备之间的通信是两个关键的耦合方面，它们的融合带来了许多新的研究挑战。本文倡导一套新的边缘学习无线通信设计原则，统称为学习驱动通信。提供了说明性的例子来证明这些设计原则的有效性，并确定了独特的研究机会。
2018-09-02 cs.IT cs.LG cs.NI
ISAC Meets SWIPT: Multi-functional Wireless Systems Integrating Sensing, Communication, and Powering
本文提出融合 ISAC 与 SWIPT 的多功能 MIMO 系统，针对点目标和扩展目标刻画 C-R-E 权衡区域的 Pareto 边界，并用凸优化求得最优发射协方差。
2023-08-16 cs.IT math.IT
Predictive Deployment of UAV Base Stations in Wireless Networks: Machine Learning Meets Contract Theory
本文提出了一种新颖的框架，可以预测性地部署无人机（无人机）作为临时基站（BS），以在面临下行链路流量过载时补充地面蜂窝系统。首先，提出了一种基于加权期望最大化（WEM）算法的新的学习方法来估计用户分布和下行链路业务需求。其次，为了保证基站和无人机之间的真实信息交换，利用契约理论的框架，设计了一种卸载契约，并分析推导了具有可行契约的充分必要条件。随后，建立了一个优化问题，以最大化过载基站的效用的方式将最佳无人机部署到热点区域。仿真结果表明，所提出的WEM方法产生的预测误差约为10%。与期望最大化和k-均值方法相比，WEM方法在预测精度上显示出显著的优势，因为蜂窝系统中的业务负载在空间上变得不均匀。此外，与基于最近距离和最大能量的事件驱动部署方案相比，该预测方法在下行链路容量、能耗和服务延迟方面能够使无人机运营商为热点用户提供高效的通信服务。仿真结果还表明，所提出的方法显着提高收益的BS和无人机网络，与两个基线方案相比。
2020-09-14 cs.IT math.IT
Next-Generation Sustainable Wireless Systems: Energy Efficiency Meets Environmental Impact
针对现有无线可持续性研究仅关注能效、未考量环境影响的问题，本文提出衡量每比特排放量的可持续性指标，构建资源分配多目标优化问题，利用MORL求解帕累托最优策略，相比现有方法可降低约26%的平均每比特排放量。
2025-09-02 cs.IT cs.NI math.IT
Quantum Entanglement Distribution in Next-Generation Wireless Communication Systems
在这项工作中，我们分析了量子纠缠的分布在毫米波制度的通信信道。这种研究的动机是下一代无线网络（超过5G）直接适应这种分布的可能性-而不需要将额外的光通信硬件集成到收发器中。未来的无线通信系统必然需要一定程度的量子通信能力。我们发现，在毫米波制度的直接量子纠缠分布确实是可能的，但它的实施将是非常苛刻的系统设计的角度和通道要求的角度来看。
2016-08-18 cs.CR cs.IT math.IT
Large AI Models for Wireless Physical Layer
Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（电子与计算机工程系，香港科学与技术大学）；National Mobile Communications Research Laboratory, Southeast University（国家移动通信研究中心，东南大学）
本文提出利用大规模人工智能模型改进无线物理层通信，通过预训练模型和专用模型策略提升性能与适应性，并探讨未来研究方向。
2026-01-20 cs.AI cs.IT math.IT
Opportunistic Scheduling for Network Coded Data in Wireless Multicast Networks
分析了删除信道下单跳无线多播网络中的队列稳定性。首先，介绍了一个由多个子队列组成的排队模型。在保证稳定性的约束下，采用李雅普诺夫优化模型，通过定义决策变量，得到了一种基于网络编码的分组调度算法，该算法与现有的解决方案相比，具有较低的复杂度和较短的队列长度.此外，所提出的算法进行修改，以满足时间关键数据的要求。最后通过仿真实验验证了该算法的有效性。
2016-11-30 cs.IT math.IT
When Watchdog Meets Coding
在这项工作中，我们研究了无线网络中的不当行为检测问题。通常采用的方法是利用无线介质的广播性质，并让节点监视它们的邻居。我们称这些节点为看门狗。在本文中，我们首先表明，即使一个看门狗可以偷听到所有的数据包传输的流，任何线性操作的偷听到的数据包不能消除漏检，是低效的带宽。我们提出了一个轻量级的不当行为检测方案，它结合了看门狗和错误检测编码的思想。我们表明，即使看门狗只能观察到一小部分的数据包，通过选择适当的编码器，攻击者将被检测到的概率很高，同时实现吞吐量任意接近最佳。这样的属性减少了攻击者进行攻击的动机。
2009-10-06 cs.CR cs.IT cs.NI
Cooperative NOMA Meets Emerging Technologies: A Survey for Next-Generation Wireless Networks
本文综述了协作非正交多址接入（C-NOMA）与多种新兴技术的集成，涵盖协议、架构和部署策略，并展望其在数字孪生等领域的应用及未来挑战。
2025-10-27 cs.IT eess.SP math.IT
User Attraction via Wireless Charging in Cellular Networks
对耗尽的电池充电的强烈动机可以是网络容量增加的使能器。有鉴于此，我们提出了一个空间吸引蜂窝网络（SAN）覆盖的小小区基站，无线充电用户电池的宏小区组成。这样的网络使得电池耗尽的用户向小小区基站附近移动。通过充电功率的精细调整，该用户空间吸引力（SA）在频谱效率以及负载均衡方面得到改善。我们共同优化这两个增强由于SA，并得出相应的最佳充电功率在一个封闭的形式，通过使用随机几何方法。
2016-03-25 cs.IT math.IT
Rate-Splitting Meets Cell-Free MIMO Communications
多用户多输入多输出无线通信系统具有满足第五代和未来无线网络性能要求的潜力。在这种情况下，无小区（CF）系统，其中的天线分布在感兴趣的区域，已经引起了人们的注意，因为它们的潜力，以提高整体效率和吞吐量性能相比，基于小区的传统网络。然而，CF系统的性能下降不完美的信道状态信息（CSI）。为了减轻不完美的CSI的不利影响，我们采用速率分割（RS）-多址方案。RS方法将用户的消息划分为两个单独的公共和私有部分，以便稳健地管理干扰。与以前的作品，RS在CF系统中的影响仍然未经检查，我们提出了一个CF架构，采用RS与线性预编码器来解决恶化的CSI。我们推导出封闭形式的表达式来计算所提出的RS-CF架构的总速率性能。我们的数值实验表明，我们的RS-CF系统优于现有的系统在和率，获得高达$10$ %的增益更高。
2021-12-03 cs.IT math.IT
Wireless Powered Cooperative Relaying Systems with Non-orthogonal Multiple Access
非正交多址接入（NOMA）和协作中继系统是满足未来无线网络高频谱利用率和大覆盖范围要求的两种很有前途的技术。另一方面，在诸如传感器网络和/或物联网（IoT）的具有有限能量的应用中，能量效率也具有高优先级。为此，在本文中，我们提出了无线供电合作中继系统与NOMA，从而提高频谱和能源效率。我们考虑三种不同的能量收集（EH）协议（即，功率共享（PS）、分时（TS）和理想），并且对于所有三种EH协议，我们推导出所考虑的系统模型的可实现速率。我们用计算机模拟验证了分析，并与基准测试相比，给出了无线供电系统的有效性。
2020-09-29 cs.IT math.IT
Real Interference Alignment and Degrees of Freedom Region of Wireless X Networks
我们考虑一个单跳无线X网络与$K$发射机和$J$接收机，所有与单天线。每个发送器为每个接收器传送独立的消息。假设信道具有恒定系数。我们开发了干涉对准方案，并推导出几个可实现的自由度区域。我们表明，在某些情况下，派生区域满足以前的外边界，因此自由度区域。对于我们的可扩展性方案，我们将每个消息划分为流，并在流上使用真实干扰对齐。从我们的结果可以恢复以前的几个结果的自由度区域和各种特殊情况下的总自由度。
2011-09-13 cs.IT math.IT
Symbiotic Communications: Where Marconi Meets Darwin
随着无线应用的普及，电磁（EM）空间变得越来越拥挤和复杂。这使得用有限的无线电资源来适应不断增长的无线电系统成为一项具有挑战性的任务。在本文中，通过将EM空间视为无线电生态系统，并利用生物学中自然生态系统的类比，提出了一种新的共生通信（SC）范式，通过该范式，无线电生态系统中的相关无线电系统（称为共生无线电（SR））形成共生关系（例如，互惠共生）通过智能资源/服务交换。无线电资源包括，例如，频谱、能源和基础设施，而典型的无线电服务是通信、中继和计算。共生关系可以通过共生协同进化或共生合成来实现。在共生协同进化中，每个SR都被赋予了一个进化周期以及多智能体学习，而在共生合成中，SR巧妙地通过解决多目标优化问题来优化其操作参数和传输协议。有希望的是，所提出的SC范式打破了无线电系统的边界，从而为我们提供了一个新的角度对无线电资源管理和新的指导方针，设计未来的无线通信系统。
2021-03-30 cs.IT math.IT
Lossy Asymptotic Equipartition Property For Geometric Networked Data Structures
本文将网络数据结构的广义渐近均分性质推广到了用有色几何随机图（CGRG）建模的无线传感器网络。用于证明这一结果的主要技术仍然是适当定义的CGRG经验措施的大偏差原则。作为这篇文章的动机，我们将我们的研究结果应用于无线传感器网络监测湖泊水质的一些数据。
2017-11-22 cs.IT math.IT
Network coding meets TCP
我们提出了一种机制，将网络编码到TCP的协议栈只有微小的变化，从而允许增量部署。在我们的方案中，源发送随机的线性组合的数据包目前在拥塞窗口。我们方案的核心是ACK的新解释-接收器承认每一个自由度（即，揭示一个新信息单元的线性组合），即使它没有立即揭示原始分组。这样的ACK实现了用于网络编码的类似TCP的滑动窗口方法。我们的计划有很好的属性，数据包丢失基本上是从拥塞控制算法掩盖。因此，我们的算法的反应，在一个平稳的方式丢包，从而在一个新的和有效的方法，拥塞控制在网络中涉及有损链路，如无线链路。我们的实验表明，我们的算法实现了更高的吞吐量相比，TCP在存在损耗的无线链路。我们还建立了我们的算法的合理性和公平性。
2008-09-29 cs.IT cs.NI math.IT
Rotatable Antenna Meets UAV: Towards Dual-Level Channel Reconfiguration Paradigm for ISAC
本文提出在无人机上部署可旋转天线，构建双层级信道重构框架，通过联合优化天线旋转、波束成形与轨迹，实现ISAC中感知与通信性能的灵活权衡，并显著扩大可达权衡区域。
2025-10-17 cs.IT 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
Movable Antennas Meet Intelligent Reflecting Surface: When Do We Need Movable Antennas?
本文研究IRS辅助多可移动天线基站下行传输，通过理论分析给出MA相对固定天线增益显著的条件，并提出交替优化算法联合优化波束赋形与天线位置以最大化接收SNR。
2024-09-01 cs.IT eess.SP math.IT
Energy Efficiency of Distributed Signal Processing in Wireless Networks: A Cross-Layer Analysis
为了满足日益增长的移动数据需求，未来的无线网络将配备有大量的接入点（AP）。除了对能源消耗的重要影响外，致密化的趋势要求开发分散和可持续的无线电资源管理技术。了解信号处理操作的分布如何影响无线网络的能源效率至关重要。在本文中，我们提供了一个跨层的框架，以评估和比较无线网络的能量效率下的信号处理负载的不同水平的分布：（i）混合，其中的信号处理操作是共享节点和AP之间，（ii）集中，其中的信号处理是完全实现在AP，（iii）完全分布式，其中的所有操作都由节点执行。我们发现，在实际的无线网络中，混合信号处理表现出显着的能源效率增益集中和完全分布式的方法。
2015-10-20 cs.IT math.IT
Intelligent Wireless Communications Enabled by Cognitive Radio and Machine Learning
智能地利用资源以满足服务和用户行为的日益增长的多样性的需求的能力标志着无线通信系统的未来。智能无线通信旨在使系统能够感知和评估可用资源，自主学习以适应感知的无线环境，并重新配置其操作模式以最大限度地利用可用资源。感知能力和可重构性是认知无线电的基本特征，而现代机器学习技术在系统自适应方面具有巨大的潜力。本文讨论了认知无线电技术和机器学习技术的发展，强调了它们在提高无线通信系统的频谱利用率和能量利用率方面的作用。我们描述了最先进的相关技术，涵盖频谱感知和接入方法和强大的机器学习算法，使频谱和能源效率的通信在动态无线环境中。我们还提出了这些技术的实际应用，并确定进一步的研究挑战，认知无线电和机器学习应用到现有的和未来的无线通信系统。
2018-12-25 cs.IT math.IT
Ultra-Reliable Cooperative Short-Packet Communications with Wireless Energy Transfer
分析了在准静态瑞利衰落下，有限块长和有限电池能量的协作无线通信系统。源节点和中继节点由无线能量传输（WET）过程供电，同时使用收集的能量来馈送其电路，发送导频信号以估计接收器处的信道，并用于无线信息传输（WIT）。考虑数据传输功率之外的其他功耗源。在理想的直接通信系统中，在理想/不理想信道状态信息（CSI）下，研究了错误概率，同时达到精确的闭合形式近似。我们认为超可靠通信（URC）场景正在讨论下一个第五代（5G）无线系统。数值结果表明，存在一个最佳的导频发射功率的信道估计，这与收获的能量增加。我们还显示了合作的重要性，即使考虑到复用损耗，以满足错误和延迟的限制URC系统。
2018-01-01 cs.IT math.IT
Energy-Efficient Design of MIMO Heterogeneous Networks with Wireless Backhaul
随着未来网络旨在满足高数据率应用的不断增长的需求，密集和异构网络（HetNet）将被部署以提供更好的覆盖和吞吐量。除了对能量消耗的重要影响之外，朝向密集化的趋势要求越来越多的无线链路将大量回程流量转发到核心网络中。考虑到无线回程的存在对于HetNet的节能设计至关重要。在本文中，我们提供了一个通用的框架来分析的能量效率的两层MIMO异构网络的无线回程中存在的上行链路和下行链路传输。我们发现，在空间复用的HetNet的能量效率是敏感的网络负载，它应该考虑到控制每个基站服务的用户数量时。我们表明，具有无线回程的双层HetNet可以比单层蜂窝网络更节能。然而，这需要根据负载条件最优地设计无线电接入链路和无线回程之间的带宽划分。
2016-03-29 cs.IT math.IT
Optimal Caching and User Association in Cache-enabled Heterogeneous Wireless Networks
异构无线网络（Hetnet）提供了一种强大的方法来满足流量需求的大规模增长，但也对回程提出了重大挑战。在小型基站（BS）处的高速缓存和无线小型小区回程已经被提出作为解决该新挑战的有吸引力的解决方案。在本文中，我们考虑最佳的缓存和用户关联，以最小化的总时间，以满足平均需求的缓存启用Hetnets与无线回程。我们制定这个问题作为一个混合离散连续优化给定的带宽和缓存资源。首先，我们描述了最优解的结构。具体来说，我们表明，最佳的缓存是存储最流行的文件在每个微微基站，和最佳的用户关联有一个阈值的形式。我们还获得了封闭形式的最优解的均匀的情况下的微微小区。然后，我们分析了带宽和缓存资源的最小总时间，以满足平均需求的影响。最后，通过数值模拟，验证了分析结果。
2016-04-20 cs.IT math.IT
Towards Ubiquitous Sensing and Localization With Reconfigurable Intelligent Surfaces
在未来的蜂窝系统中，无线定位和感测功能将内置于特定应用中，例如，导航、交通和医疗保健，并支持灵活和无缝的连接。在这一趋势的推动下，对精细分辨率传感解决方案和厘米级定位精度的需求上升，而当前无线系统的精度受到传播环境质量的限制。近年来，随着新材料的发展，可重构智能表面（RISs）为重塑和控制环境的电磁特性提供了机会，可用于提高无线传感和定位的性能。在本教程中，我们将首先回顾利用无线信号进行传感和定位的背景和动机。接下来，我们将介绍如何将RIS融入传感和定位应用，包括关键挑战和实现技术，然后将给出一些案例研究。最后，对未来的研究方向进行了展望。
2022-01-25 cs.IT math.IT
Echo-Liquid State Deep Learning for $360^\circ$ Content Transmission and Caching in Wireless VR Networks with Cellular-Connected UAVs
在本文中，内容缓存和传输的问题进行了研究的无线虚拟现实（VR）网络中，无人机（UAV）捕捉视频现场比赛或风景，并将它们发送到小型基站（SBS），服务的VR用户。然而，由于其有限的容量，无线网络可能无法满足这种360度内容传输的延迟要求。为了满足VR延迟要求，UAV可以提取特定的可见内容（例如，用户视场），并将该可视内容发送给用户，以便减少回程和无线接入链路上的业务负载。为了进一步减轻UAV-SBS回程流量，SBS还可以缓存用户请求的流行内容。该联合内容缓存和传输问题被公式化为优化问题，其目标是最大化用户的可靠性，该可靠性被定义为每个用户的内容传输延迟满足瞬时VR延迟目标的概率。为了解决这个问题，提出了一种分布式深度学习算法，该算法汇集了来自液态机（LSM）和回声状态网络（ESN）的新神经网络思想。该算法使每个SBS预测用户的可靠性，从而找到最佳的内容缓存和内容传输格式为每个无人机。分析结果得出暴露的各种网络因素，影响内容缓存和内容传输格式的选择。仿真结果表明，与Q学习算法相比，该算法的可靠性提高了25.4%。实验结果还表明，与随机缓存算法相比，该算法可以实现14.7%的可靠性增益，由于减少了回程上的流量负载。
2018-04-10 cs.IT math.IT
When Simultaneous Localization and Mapping Meets Wireless Communications: A Survey
Department of Electrical and Computer Engineering, Aristotle University of Thessaloniki（阿尔蒂斯大学电气与计算机工程系）
本文综述了SLAM与无线通信交汇领域的最新进展，重点探讨了视觉SLAM（V-SLAM）整合中的双向影响，总结了无线信号传播、几何信道建模、基于射频（RF）的定位与感知等关键概念，以及图像处理技术如何检测地标并预测无线信道的最优路径，同时分析了SLAM与无线通信交叉领域的技术、挑战和未来方向。
2026-05-21 cs.CV cs.IT cs.MA
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
A New High Energy Efficiency Scheme Based on Two-Dimension Resource Blocks in Wireless Communication Systems
能量效率是未来无线通信网络的关键，在低信噪比环境下实现高能量效率是很容易的。本文针对MIMO无线通信系统在低信噪比下工作的特点，提出了一种基于二维资源分配的高能效方案。首先，我们定义高EE区域的基础上的发射功率和SNR之间的关系。为了满足高能效地区的限制，需要同时考虑频率和空间维度。除了分别分析它们之外，我们决定将频率和空间维度作为一个单元来考虑，并提出了一个二维方案。此外，考虑到在高EE区域通信可能导致通信质量下降，我们加入了服务质量（QoS）约束的考虑，并推导出相应的EE性能的基础上的有效容量。我们还推导出一个近似表达式，以简化复杂的EE性能。最后，我们的数值结果证明了所提出的计划的有效性。
2022-01-28 cs.IT math.IT
An Overview of Transmission Theory and Techniques of Large-scale Antenna Systems for 5G Wireless Communications
为了满足未来对无线数据服务的巨大业务量的需求，近年来已经进行了对第五代（5G）移动通信系统的研究。预计5G移动通信系统中的频谱和能量效率应该比第四代（4G）移动通信系统中的频谱和能量效率高十倍。因此，重要的是进一步开发多个天线的空间复用的潜力。在过去的二十年中，多输入多输出（MIMO）天线技术被认为是提高无线通信系统容量的关键技术。当在基站中配备大规模天线阵列（也称为大规模MIMO）或部署大量分布式天线（也称为大规模分布式MIMO）时，可以通过使用空间域多址来进一步提高频谱和能量效率。本文综述了大规模MIMO和大规模分布式MIMO系统，包括频谱效率分析、信道状态信息（CSI）获取、无线传输技术和资源分配。
2016-05-11 cs.IT math.IT
Deep Learning based Wireless Resource Allocation with Application to Vehicular Networks
Intel Labs（英特尔实验室）；Georgia Institute of Technology（佐治亚理工学院）；Zhejiang University（浙江大学）
长期以来一直认为，明智的资源分配对于减轻干扰、提高网络效率以及最终优化无线通信性能是至关重要的。传统的智慧是将资源分配明确地表述为优化问题，然后利用数学规划来解决问题，以达到一定的最优水平。尽管如此，随着无线网络变得越来越多样化和复杂，例如，在高移动性车载网络中，当前的设计方法面临着重大挑战，因此需要重新思考传统的设计理念。与此同时，深度学习在各个学科都有许多成功的案例，由于其利用数据解决问题的非凡能力，它代表了一种有前途的替代方案。在本文中，我们讨论了使用深度学习进行无线资源分配的关键动机和障碍，并将其应用于车辆网络。我们回顾了最近在无线资源分配中调动深度学习理念并取得令人印象深刻结果的主要研究。我们首先讨论用于资源分配的深度学习辅助优化。然后，我们强调了深度强化学习方法，以解决传统优化框架中难以处理的资源分配问题。我们还确定了一些值得进一步研究的研究方向。
2019-10-01 cs.IT cs.LG math.IT
Capacity of Remote Classification Over Wireless Channels
无线连接创建了一个融合通信和推理的计算范例。在这个范例中的基本操作是设备将分类任务卸载到边缘服务器的操作。我们将这种远程分类称为智能应用。无线信道有限且可变的数据率对远程分类提出了挑战，这影响了传输高维特征的能力，从而限制了分类分辨率。我们引入了一组指标的分类能力的名称下，被定义为类的最大数量，可以辨别在一个给定的通信信道，同时满足目标分类错误概率。我们的目标是选择一个子集的类从一个图书馆，提供令人满意的性能在给定的通道。我们对待两种情况下的子集选择。首先，设备可以通过修剪类库来选择子集，直到达到满足目标错误概率的子集，同时最大化分类容量。采用子空间数据模型，证明了分类容量最大化与格拉斯曼装箱的等价性。结果表明，分类容量与瞬时通信速率呈指数增长，与每个数据簇的维数呈超指数增长。如果瞬时速率分别用平均速率和固定速率代替，则这也适用于具有衰落的遍历和中断容量。在第二种情况下，一个设备有一个优先级的类子集的每一个通信速率，这是建模为均匀采样库的实例。在没有类选择的情况下，分类容量及其遍历和中断对应物被证明与其相应的通信速率成线性比例，而不是在最后一种情况下的指数增长。
2020-07-30 cs.IT eess.SP 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
Overcoming the Channel Estimation Barrier in Massive MIMO Communication Systems
包括虚拟现实、自动驾驶和物联网在内的新一波无线服务正在推动新一代无线系统的设计，以提供超高数据率、大量连接设备和超低延迟。大规模多输入多输出（MIMO）是允许未来无线网络满足这些服务需求的关键基础技术之一。本文通过整合未来高速蜂窝部署中信道的潜在特性，讨论了深度学习（DL）在无线网络中大规模MIMO信道估计中的应用。我们开发的物理射频（RF）信道特性的重要见解，并提出了一个全面的概述DL的应用准确估计信道状态信息（CSI）与低开销。我们提供了大规模MIMO无线系统中CSI估计的成功DL应用的例子，并强调了未来研究的几个有前途的方向。
2019-12-23 cs.IT eess.SP math.IT
Decoding Delay Guarantees of Space Regulated Multiple Access Random Wireless Networks using Successive Interference Cancellation
Inria, INSA Lyon, CITI（法国国家信息与自动化研究所，里昂国立应用科学学院，信息与通信研究所）；INRIA-ENS（法国国家信息与自动化研究所，巴黎高等师范学院）；Telecom Paris（巴黎电信学院）
本文研究了无线网络中满足信号干扰噪声比阈值η_0的解码延迟保证问题，采用空域网络计算方法量化了蜂窝外网络上行链路的最坏传输解码延迟。
2026-09-21 cs.IT cs.NI math.IT
Media Meets Communication in 6G: Fundamentals, Key Technologies, and Applications
Shanghai Jiao Tong University（上海交通大学）；Singapore University of Technology and Design（新加坡科技设计大学）；Zhejiang University（浙江大学）；Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））
该文针对6G视觉通信的媒体通信技术开展系统性综述，提出含四大维度的统一框架，涵盖AI驱动媒体技术与感知媒体的无线传输等内容，为6G媒体通信研究提供支撑。
2026-08-07 cs.IT cs.MM eess.IV
Trajectory and Power Optimization for Multi-UAV Enabled Emergency Wireless Communications Networks
针对应急通信需求，本文提出多无人机轨迹与功率联合优化方法，通过分解非凸问题并采用连续凸近似和块坐标更新算法，显著提升系统容量。
2024-07-16 cs.IT eess.SP math.IT
Distributed Learning in Wireless Networks: Recent Progress and Future Challenges
Princeton University（普林斯顿大学）；Imperial College London（帝国理工学院）；The University of Hong Kong（香港大学）；Virginia Tech（弗吉尼亚理工大学）；University of Oulu（奥卢大学）；Ericsson Research（爱立信研究院）
下一代无线网络将使许多机器学习（ML）工具和应用程序能够有效地分析边缘设备收集的各种类型的数据，以实现推理、自治和决策目的。然而，由于资源限制、延迟限制和隐私挑战，边缘设备无法将其整个收集的数据集卸载到云服务器，以集中训练其ML模型或进行推理。为了克服这些挑战，分布式学习和推理技术被提出作为一种手段，使边缘设备能够在没有原始数据交换的情况下协作训练ML模型，从而减少通信开销和延迟，并提高数据隐私。然而，在无线网络上部署分布式学习面临若干挑战，包括不确定的无线环境、有限的无线资源（例如，发射功率和无线电频谱）以及硬件资源。本文全面研究了如何在无线边缘网络上高效地部署分布式学习。我们提出了一个详细的概述几个新兴的分布式学习范式，包括联邦学习，联邦蒸馏，分布式推理，和多智能体强化学习。对于每个学习框架，我们首先介绍了在无线网络上部署它的动机。然后，我们提出了一个详细的文献回顾，其有效的部署使用的通信技术。然后，我们介绍了一个说明性的例子来展示如何优化无线网络，以提高其性能。最后，我们介绍了未来的研究机会。简而言之，本文提供了一套关于如何在现实世界的无线通信网络上部署广泛的分布式学习框架的整体指导方针。
2021-04-05 cs.IT cs.LG math.IT
