Wireless-Enabled Asynchronous Federated Fourier Neural Network for Turbulence Prediction in Urban Air Mobility (UAM)
Virginia Tech(弗吉尼亚理工大学);University of Colorado(科罗拉多大学);University of Oulu(奥卢大学)
为了满足城市内部交通日益增长的流动性需求,已经提出了城市空中流动性(UAM)的概念,其中垂直起降(VTOL)飞机用于提供乘车服务。在UAM中,飞机可以在被称为走廊的指定空域中运行,该走廊连接航空器。GBS和飞机之间的可靠通信网络使UAM能够充分利用空域,并创建快速,高效和安全的运输系统。在本文中,无线连接性能的UAM的特点,提出了一个空间模型。对于这种设置,一个任意选择的GBS和其相关的飞机之间的距离的分布和拉普拉斯变换的GBS所经历的干扰推导。使用这些结果,确定基于信号干扰比(SIR)的连通性概率以捕获UAM飞机到地面通信网络的连通性性能。然后,利用这些连接结果,提出了一个使用傅立叶神经网络的无线异步联邦学习(AFL)框架,以解决UAM操作期间湍流预测的挑战性问题。对于这种AFL方案,引入了一种具有过时意识的全局聚合方案,以加快收敛到UAM飞机使用的最佳湍流预测模型。仿真结果验证了UAM无线连接的理论推导。结果还表明,所提出的AFL框架收敛到最优湍流预测模型的速度比同步联邦学习基线和无陈旧AFL方法更快。此外,结果表征了不同参数设置下飞机湍流模型的无线连接和收敛性能,为UAM设计提供了有用的指导。
2021-12-26 cs.AI eess.SP
Scheduling and Aggregation Design for Asynchronous Federated Learning over Wireless Networks
Department of Electrical Engineering (ISY), Linköping University(电气工程系(ISY),林奈大学)
本文提出了一种基于无线网络的异步联邦学习调度与聚合设计,通过信道感知数据重要性调度策略和年龄感知聚合设计,提升模型收敛性能和学习效果。
2025-12-03 cs.DC cs.IT cs.LG
An Experimental Prototype for Multistatic Asynchronous ISAC
本研究基于IEEE802.11ay构建多基地毫米波ISAC实验原型,仅用视距信号实现收发时钟异步补偿,可多视角同步完成目标跟踪与微多普勒估计,结合人体运动感知实验验证了空间分集带来的感知能力提升。
2023-10-01 eess.SP
A Simultaneous Clustering and Tracking Algorithm for Capturing Cluster-Level Spatial Consistency in 6G Wireless Channels
Beijing University of Posts and Telecommunications(北京邮电大学);Seoul National University(首尔大学)
研究6G无线信道簇级空间一致性问题,提出基于马氏距离的同时聚类与跟踪算法,能在聚类时跟踪,应用于亚太赫兹频段,提升簇演化平滑度及信道可靠性。
2026-07-07 eess.SP
Learning Decentralized Wireless Resource Allocations with Graph Neural Networks
我们考虑了无线网络中广泛的分散式最优资源分配问题,它可以被表述为一个局部信息结构的约束统计学习问题。我们开发了聚合图神经网络(Agg-GNNs)的使用,它处理一系列延迟和潜在的异步图聚合状态信息,这些信息是从多跳邻居的每个发送器本地获得的。我们进一步利用无模型的原始-对偶学习方法来优化分散网络固有的延迟和延迟约束下的性能。我们证明了所产生的资源分配策略的置换等方差属性,可以证明该属性有助于转移到动态网络配置。通过数值模拟验证了所提出的框架,该框架表现出比基线策略更优越的性能。
2022-03-29 eess.SP
A General 3D Non-Stationary 5G Wireless Channel Model
本文提出一种通用的三维非平稳5G信道模型,统一刻画大规模MIMO、高铁、车联网和毫米波等场景的小尺度衰落特性,并验证其与实测数据高度吻合。
2023-11-28 eess.SP
Asynchronous Distributed Coordinated Hybrid Precoding in Multi-cell mmWave Wireless Networks
针对多小区毫米波网络,提出异步分布式混合波束成形框架及鲁棒算法,在仅需有限信息交换的条件下降低总发射功率与信令开销,有效抑制小区间干扰并提升收敛性能。
2024-02-13 cs.IT eess.SP math.IT
An Energy Efficient Distributed Gossip Algorithm for Wireless Sensor Networks based on a Randomized Markovian Duty-Cycling
本文提出了一种新的异步一致性算法,它是基于一个连续的更新规则和能量有效的事件触发的工作周期(唤醒-睡眠)的基础上的离散马尔可夫链模型。该算法的系统模型制定和分析。给出了算法的收敛性和稳定性条件,并证明了算法收敛于平均一致性。对随机图、圆形图、链式图和星形图的数值模拟表明,网络的一致性和收敛性是稳定的。
2019-11-30 cs.SY eess.SP eess.SY
PINN and GNN-based RF Map Construction for Wireless Communication Systems
University of Science and Technology of China(中国科学技术大学);Huawei(华为)
本文提出一种结合物理信息神经网络和图神经网络的射频地图构建方法,通过引入物理约束和空间相关性,实现高精度的多径参数预测,适用于稀疏采样和复杂环境。
2026-03-29 eess.SP
Prompting Wireless Networks: Reinforced In-Context Learning for Power Control
本文提出 ProWin 框架,利用 LLM 与强化上下文学习自动构造无线网络优化提示,并在基站功率控制中优于基于 RL 的方法。
2025-06-06 eess.SP
Cooperation Based Joint Active and Passive Sensing with Asynchronous Transceivers for Perceptive Mobile Networks
本文针对感知移动网络中异步收发机在非视距场景下的感知难题,提出基于互相关协作感知的联合有源与无源感知方案及低复杂度到达角估计算法,并通过仿真验证其性能优势。
2023-10-12 cs.IT cs.PF eess.SP
Energy-Aware Resource Allocation for Energy Harvesting Powered Wireless Sensor Nodes
针对能量收集供电无线传感器网络因射频供电间歇性、功率低难维持持续通信的问题,提出异步积累-然后-传输协议下的能量感知资源分配方案,联合优化功率与EH时间占比,用迭代算法保障局部最优,提升了长期吞吐量与队列表现。
2025-01-11 cs.IT eess.SP math.IT
Privacy-Preserving Federated Learning for UAV-Enabled Networks: Learning-Based Joint Scheduling and Resource Management
Nanyang Technological University(南洋理工大学);Xiamen University(厦门大学)
无人飞行器(UAV)能够用作飞行基站(BS),用于支持数据收集、人工智能(AI)模型训练和无线通信。然而,由于设备的隐私问题和UAV的有限计算或通信资源,将设备的原始数据发送到UAV服务器用于模型训练是不切实际的。此外,由于无人机网络中的动态信道条件和设备的异构计算能力,数据共享的可靠性和效率需要进一步提高。在本文中,我们开发了一个异步联邦学习(AFL)框架多无人机启用的网络,它可以提供异步分布式计算,使模型训练本地,而无需将原始敏感数据传输到无人机服务器。AFL框架中还引入了设备选择策略,以避免低质量设备影响学习效率和准确性。此外,我们提出了一个异步的优势行动者-评论家(A3 C)为基础的联合设备选择,无人机的布局和资源管理算法,以提高联邦收敛速度和精度。仿真结果表明,我们提出的框架和算法实现了更高的学习精度和更快的联邦执行时间相比,其他现有的解决方案。
2020-11-28 cs.AI eess.SP
Mapping Wireless Networks into Digital Reality through Joint Vertical and Horizontal Learning
North Carolina State University(北卡罗来纳州立大学);University of Miami(迈阿密大学);Zhejiang University(浙江大学)
针对无线网络缺乏详细数字孪生映射方法的问题,提出基于时间序列数据的VH-Twin框架,通过垂直与水平联合学习及周期性聚类机制实现网络数字孪生的构建、部署与维护,并验证了其在效率与准确性间的平衡能力。
2024-04-22 cs.LG cs.NI eess.SP
Symbiotic Radio: Cognitive Backscattering Communications for Future Wireless Networks
异构的无线业务和呈指数级增长的业务量要求新的频谱和能量高效的无线通信技术。在本文中,提出了一种新的技术,称为共生无线电(SR),利用认知无线电(CR)和环境后向散射通信(AmBC)的优点和解决的缺点,导致互惠频谱共享和高度可靠的后向散射通信。特别地,SR中的次发射机(STx)基于认知反向散射通信通过源自主发射机(PTx)的RF信号向次接收机(SRx)发送消息,因此次系统不仅与主系统共享无线电频谱,而且共享功率和基础设施。作为回报,辅传输向主系统提供有益的多径分集,因此两个系统形成互惠频谱共享。更重要的是,在SRx处利用联合解码来实现高度可靠的反向散射通信。为了充分利用SR的潜力,在本文中,我们解决了SR中的三个基本任务:(1)通过有源负载增强反向散射链路;(2)通过联合解码实现高度可靠的通信;(3)使用可重构智能表面捕获PTx的RF信号。新兴的应用,设计挑战和开放的研究问题也将被讨论。
2020-07-03 cs.SY eess.SP eess.SY
Generating High Dimensional User-Specific Wireless Channels using Diffusion Models
University of Texas at Austin(德克萨斯大学)
本文提出基于条件去噪扩散隐式模型(cDDIM)的无线信道生成方法,利用用户位置生成高保真信道数据,增强数据集,在信道压缩和波束对齐任务中分别获得1-2dB NMSE增益和11dB SNR提升。
2025-10-15 cs.IT cs.LG eess.SP