Zone-Based Interference Management for Underlay Spectrum Sharing in Cell-Free Networks
Federal University of Ceará(塞阿拉联邦大学);Ericsson Research(爱立信研究)
针对底层频谱共享中网络间干扰问题,提出基于分区的干扰管理框架,利用大规模信道统计划分干扰区域并分类次接入点,实现选择性功率降低,保护主网络并保持次网络频谱效率。
2026-09-29 eess.SP
Interference Management for Integrated Sensing and Communications: A Multiple Access Perspective
本文首次从多址接入视角全面综述集成感知与通信(ISAC)的干扰管理,梳理ISAC干扰类型,对比各类多址技术辅助的ISAC设计的优劣,并展望其应用与研究方向。
2025-09-02 eess.SP
Analysis of Maximal Topologies Achieving Optimal DoF and DoF $\frac{1}{n}$ in Topological Interference Management
拓扑干扰管理(TIM)可以在发送端(CSIT)不需要信道状态信息,只需要干扰信道中网络的拓扑信息就可以获得自由度(DoF)增益。结果表明,TIM实现了最佳的对称自由度时,内部冲突不存在的消息。然而,很难保证一个特定的拓扑结构是否可以达到最佳的自由度,而不仔细检查内部冲突,这需要大量的工作。此外,它是很难设计一个特定的最佳拓扑结构直接从传统的最佳自由度的条件。考虑到这些问题,我们提出了一种方法,直接推导出最大拓扑TIM,命名为联盟建设在K-用户干扰信道。也就是说,证明了一个拓扑是极大的当且仅当它是由联盟结构导出的。将消息图中通过联盟构建的拓扑设计转化为拓扑矩阵,给出了最大拓扑矩阵(MTM)的条件。此外,我们提出了一个广义的联盟建设,得出一个拓扑结构,实现自由度1/n n n>=3,通过推广子联盟。拓扑矩阵也可以用来分析具有DoF 1/n的拓扑的极大性。
2018-10-10 eess.SP
Interference Management in UAV-assisted Integrated Access and Backhaul Cellular Networks
集成接入和回程(IAB)网络架构可以实现下一代蜂窝网络的灵活和快速部署。然而,接入和回程链路之间的相互干扰、站点间距离小以及用户分布的空间动态性对IAB网络的实际部署提出了重大挑战。为了解决这些问题,我们利用无人机(UAV)作为悬停IAB节点的飞行能力,并提出了一种干扰管理算法,以最大限度地提高IAB网络的总速率。特别是,我们共同优化用户和基站的关联,接入和回程传输的下行链路功率分配,以及无人机的空间配置。我们考虑两种无人机的空间配置模式:分布式无人机和无人机天线阵列(DAA),并显示它们是如何交织在一起的地面用户的空间分布。我们的数值结果表明,所提出的算法实现了$2.9\times$和$6.7\times$增益的平均接收下行链路信号干扰加噪声比(SINR)和整体网络的总和速率,分别。最后,数值结果表明,无人机不仅可以用于覆盖范围的改善,但也用于容量提升IAB蜂窝网络。
2019-07-25 eess.SP
A Generative AI-Enhanced Digital Twin Framework for Proactive Interference Management in Hybrid Near/Far-Field Wireless Systems
King Fahd University of Petroleum and Minerals(国王法赫德国王石油矿物大学)
本文提出一种生成式AI增强的数字孪生框架,用于动态室内场景中的主动干扰管理,通过高分辨率虚拟模型和生成式AI预测并抑制干扰,提升SINR和减少 outage 概率。
2026-11-20 eess.SP
Downlink Interference Management in Dense Interference-Aware Drone Small Cells Networks Using Mean-Field Game Theory
无人机小小区(DSC)的使用最近作为在各种情况下提供空对地通信服务的一个关键使能器引起了极大的关注。本文研究了同信道部署密集的DSC,这是安装在捕获的无人机(UAV)。由于DSC的高度对下行链路的性能有很大的影响,本文将下行链路干扰控制问题映射为高度控制问题。所有DSC都调整其高度以提高可用的信号干扰噪声比(SINR)。控制问题被建模为一个平均场博弈(MFG),其中的代价函数被设计为结合可用的SINR和高度控制的成本。通过平均场近似方法推导了大量DSC引入的干扰。在所提出的MFG框架内,推导了相关的Hamilton-Jacobi-Bellman方程和Fokker-Planck-Kolmogorov方程来描述和解释控制策略。采用基于迎风格式的有限差分算法求解偏微分方程组,得到最优高度控制策略。仿真结果说明了最佳的功率控制和相应的平均场分布的DSC。数值结果也验证了所提出的控制策略相比于统一控制方案,实现了更好的信干噪比性能的DSC。
2018-06-07 eess.SP
Interference Prediction Using Gaussian Process Regression and Management Framework for Critical Services in Local 6G Networks
University of Oulu(奥卢大学)
针对6G任务关键型应用的干扰预测与资源分配挑战,提出基于高斯过程回归的预测管理框架,可预测干扰及不确定性并主动调整资源,性能优于移动平均法,接近理想基准。
2025-01-23 eess.SP
VAFER: Signal Decomposition based Mutual Interference Suppression in FMCW Radars
随着调频连续波(FMCW)雷达在自动驾驶汽车中的应用越来越广泛,FMCW雷达之间的相互干扰构成了严重的威胁。通过本文,我们提出了一种新的方法来有效地和优雅地抑制FMCW雷达的相互干扰。我们首先使用变分模式分解(VMD)将接收到的信号分解成模式,并使用傅立叶同步压缩变换(FSST)进行时频分析。然后通过对VMD模式的时频谱应用建议的基于能量熵的阈值操作来重建干扰抑制信号。所提出的方法的有效性进行测量的信号与干扰加噪声比(SINR)和相关系数的模拟和实验的汽车雷达数据中存在的FMCW干扰。与其他现有文献相比,我们所提出的方法表明,在输出SINR的显着改善至少14.07 dB的模拟数据和9.87 dB的实验数据。
2022-12-29 eess.SP
Characteristics of Interference in Licensed and Unlicensed Bands for Intelligent Spectrum Management
物联网设备的指数增长和智能设备对更高数据速率的需求,提高了在授权频段中运行的蜂窝5G/6 G和在非授权频段中运行的Wi-Fi技术中共享和管理频谱资源的需求。智能频谱管理已经成为动态频谱分配中的一个关键概念。为了了解频谱中存在的干扰,研究人员通常在固定位置监测干扰,并专注于蜂窝频段或Wi-Fi频段。在这项研究中,我们进行实验,收集实时频谱数据在室内和室外环境中的移动接收器,频谱分析仪。对于室外,我们将频谱分析仪安装在汽车座椅上,并在市区的选定路线上行驶。我们把分析仪放在一个推车上,在实验室里移动它。本研究中感兴趣的频率为1.9 - 2.5 GHz,包括授权和未授权频段。在许可和未许可频带之间比较时域和频域行为。我们首先使用阈值对数据进行归一化和二值化。然后,我们通过计算有多少个连续的频谱占用来计算频谱占用。根据我们的观察,室外环境的频谱占用比室内环境更显著。许可频带中的干扰在频域中比未许可频带中的干扰示出更多的变化。本研究提供了对不同环境和频段的干扰行为的更好理解。
2022-06-17 eess.SP
GenAI-Enhanced Digital Twins for Predictive Interference Management in Ultra-Dense Networks
King Fahd University of Petroleum and Minerals(阿卜杜勒阿齐兹国王石油大学)
针对超密集室内下一代网络的干扰问题,提出用生成式人工智能增强数字孪生框架,借助条件生成对抗网络等实现主动罕见事件信道合成,经模拟验证该方法能提升信干噪比、减少丢包并缩小与完美信道状态信息的差距。
2026-08-14 eess.SP
Interference Management in Reverse TDD HAPS-Ground Networks: A Large System Analysis
针对HAPS与地面网络共存时的跨层干扰问题,提出基于反向TDD的传输框架,利用大规模系统分析推导SINR近似,有效抑制干扰,实现接近无干扰性能。
2026-10-06 eess.SP
Interference Mitigation for FMCW Radar With Sparse and Low-Rank Hankel Matrix Decomposition
本文研究了具有去调频接收机的调频连续波(FMCW)雷达系统的干扰抑制问题。在去线性调频操作之后,来自目标的散射信号导致拍频信号,即,当干扰导致啁啾状短脉冲时,复指数的和。利用有用信号和干扰之间的这些不同的时间和频率特征,干扰抑制被配制成一个优化问题:通过提升测量值构造的Hankel矩阵的稀疏和低秩分解。然后,提出了一种迭代优化算法来解决这个问题,利用交替方向的乘法器(ADMM)计划。与现有方法相比,该方法不需要检测干扰,也提高了分离出的有用信号的估计精度。点目标的数值模拟和分布式目标的实验结果(即,雨滴)来演示和验证其性能。仿真结果表明,该方法对静止和运动目标干扰抑制具有较好的适用性。
2022-01-28 eess.SP
Deep Learning For Experimental Hybrid Terrestrial and Satellite Interference Management
Centre Tecnològic de Telecomunicacions de Catalunya (CTTC/CERCA)(加泰罗尼亚电信技术中心(CTTC/CERCA));Universitat Politècnica de Catalunya(加泰罗尼亚理工大学)
干扰管理是许多学科中存在的一个广泛主题。大多数无线标准都存在干扰入侵和网络效率下降的缺点。传统上,通过提出局部地最小化干扰影响的信号处理技术来解决干扰管理。然而,未来通信的快速发展使其难以适应新的时代。在本文中,我们提出使用深度学习技术来提供一个紧凑的干扰管理系统。特别是,我们描述了两个子系统能够检测干扰的存在,即使在高信号干扰比(SIR),和干扰分类在几个无线电标准。最后,我们根据从地面和卫星网络捕获的真实信号给出了结果,结论揭示了人工智能和无线通信的勇敢未来。
2019-06-07 cs.IT cs.LG eess.SP
Inter-numerology Interference Management with Adaptive Guards: A Cross-layer Approach
下一代通信技术在各个方面都朝着增加灵活性的方向发展。虽然正交频分复用(OFDM)仍然是即将到来的第五代(5G)标准的波形,但新的无线电在波形参数化(也称为波形参数化)方面提供了灵活性。numerology)以满足不同的需求。然而,由于参数集间干扰(INI),管理混合参数集的和平共存具有挑战性。本文提出了在时域和频域中利用自适应保护作为解决方案,以及在物理(PHY)层中的多窗口操作。自适应加窗操作需要保护持续时间来减少不想要的发射,并且需要保护频带来处理相邻频带上的INI电平。两个域中的保护相对于子载波间隔、使用情况(即,服务要求)以及参数集之间的功率偏移。此外,多窗口方法提供了在非对称干扰场景的情况下独立地管理频谱的每一侧。由于所允许的干扰水平取决于在相邻频带中操作的参数集,因此自适应保护的潜力进一步增加并且利用媒体访问控制(MAC)层调度技术。建议的基于INI的调度算法减少了警卫的需要,通过分配的参数集的可用频带,考虑他们的子载波间隔,功率电平,和SIR的要求。因此,在本研究中,使用跨层(PHY和MAC)方法执行INI管理。结果表明,精确的设计,容纳这种灵活性,减少了警卫显着提高频谱效率的混合数字学系统。
2020-02-19 eess.SP
Selective Experience Sharing in Reinforcement Learning Enhances Interference Management
Villanova University(维拉诺瓦大学)
提出一种选择性经验共享的多智能体强化学习方法用于小区间干扰缓解,实现去中心化训练与执行,在大幅减少通信开销与经验共享量的同时,性能优于现有去中心化算法。
2025-01-27 cs.LG eess.SP
Prompt-Assisted Semantic Interference Cancellation on Moderate Interference Channels
Huazhong University of Science and Technology(华中科技大学);NXP Semiconductors(恩智浦半导体)
本文针对中等干扰信道提出DeepPASIC框架,将信号分为公共与私有部分,利用私有部分作为提示在语义层面辅助消除公共部分干扰,仿真显示其性能优于传统干扰管理策略。
2024-08-08 cs.LG eess.SP
Interference Management in MIMO-ISAC Systems: A Transceiver Design Approach
针对MIMO-ISAC系统中感知与通信共存带来的严重干扰问题,本文提出发射波束成形与接收滤波器联合优化框架,通过二次变换和协方差矩阵锥化算法最大化信杂噪比,提升收发机设计鲁棒性。
2024-07-07 eess.SP
Predictive Resource Allocation for URLLC using Empirical Mode Decomposition
本文提出一种基于经验模态分解(EMD)的混合预测方法,通过结合LSTM和ARIMA预测干扰分量并重构,实现了近最优的下行链路资源分配,显著降低了预测误差和中断率。
2023-04-04 eess.SP
Interference Management in 5G and Beyond Networks
本文全面综述了5G及超5G网络中的干扰管理技术,系统分类了干扰类型与管理方法,并探讨了6G网络面临的干扰挑战及基于人工智能的解决方案。
2024-01-03 cs.NI eess.SP math.OC
Coordinated Intra- and Inter-system Interference Management in Integrated Satellite Terrestrial Networks
针对星地融合网络中卫星密集部署与频繁切换加剧多维干扰、降低下行总速率的问题,提出联合星间切换与资源分配的协同干扰管理算法,可缩小总速率与上界的差距并显著降低切换频率。
2023-12-13 cs.NI eess.SP
Taming and Leveraging Interference in Mobile Radar Networks
移动雷达网络,如自动驾驶系统,面临着相互干扰的严峻挑战。尽管调频连续波(FMCW)雷达具有与生俱来的抗干扰能力,但对于密集雷达网,干扰管理是必要的。对抗雷达干扰的方法包括波形参数的定时分集、数据驱动的检测干扰和基于信号处理的干扰解耦。此外,还研究了雷达干扰对推断干扰源信息的影响。在车载网络中存在雷达干扰的情况下进行了仿真,验证了所提算法的性能。
2020-11-17 eess.SP
Self Interference Management in In-Band Full-Duplex Systems
无线系统的演进导致了对无线电频谱的需求的持续增长。为了解决这个问题,一项受到广泛关注的技术是带内全双工(IBFD)。对IBFD系统的兴趣源于其以相同频率同时发送和接收数据的能力。消除发射机对共址接收机的自干扰对系统的性能起着至关重要的作用。有两种类型的SI消除(SIC)方法:被动和主动。在这项研究中,重点是主动消除,特别是在数字域中的SIC。在直接SI和后向散射SI中,对直接SI的研究由来已久,因此,本文考虑了后向散射SI,并对两种SIC方法进行了分析。第一种通过波束形成实现SIC。这需要知道接收到的SI的角度以将波束零空间置于该方向上。第二种方法通过采用人工神经网络(ANN)来去除SI。使用ANN,不需要知道SI的方向。用导频训练神经网络,这导致网络能够在接收器处将期望信号与SI分离。贝叶斯神经网络显示了权重的重要性,并分配了一个参数,以便于忽略不太重要的权重。通过比较仿真,我们证明了基于人工神经网络的SIC实现等效的误比特率性能的两种波束形成方法。
2022-02-01 eess.SP
RSMA-Assited and Transceiver-Coordinated ICI Management for MIMO-OFDM System
College of Information Science and Electronic Engineering, Zhejiang University(浙江大学信息与电子工程学院)
本文提出了一种基于RSMA和收发机协调的MIMO-OFDM系统ICI管理方案,通过混合SIC架构和匹配混合预编码技术,有效抑制ICI并提升系统容量。
2025-12-19 eess.SP
Radio Resource Management for V2V Multihop Communication Considering Adjacent Channel Interference
本文研究了支持多跳通信的V2 V多播联合调度和功率控制问题。同时考虑了同频干扰和邻频干扰的影响。首先,我们以最大化网络中车辆的吞吐量和连通性为目标来解决问题。然后扩展相同的问题公式,以包括最小化延迟和信息的平均年龄(AoI)的目标,这是最新收到的消息的年龄。为了考虑公平性,我们还展示了最大化最坏情况下的吞吐量和连接性的问题公式。所有的问题都制定为混合布尔线性规划问题,它允许计算的最优解。此外,我们认为在所有的问题配方的链路故障的错误概率,并容纳满足一定的吞吐量/连接/延迟/AoI的概率要求。为了支持大规模的V2 V网络,提出了一种计算复杂度随网络规模而变化的分簇算法。针对调度器端信道信息为零的情况,提出了一种多跳分布式调度方案。
2019-08-12 cs.NI eess.SP
5G-NR PRACH Detection Performance Optimization in Context of Intra/Inter-Cell Interference
本文研究5G-NR网络中小区内/间干扰对PRACH检测的影响,通过优化UE和小区配置参数及干扰管理策略,利用CDR等指标评估,提升网络性能与通信质量。
2024-08-26 eess.SP
Dynamic Interference Management for UAV-Assisted Wireless Networks
无人驾驶飞行器的部署正在激增,因为它们是有效、灵活和具有成本效益的设备,适用于从自然灾害恢复到货物运送的各种应用。我们研究的传输机制,旨在提高基站(BS)和用户设备之间的数据速率,通过部署多个中继无人机。我们考虑干扰的影响,这是由另一个已建立的通信网络的节点所引起的。我们的主要目标是为无人机设计3D轨迹和功率分配,以最大限度地提高数据流,同时满足干扰约束。无人机可以重新配置它们的位置,以避免鲁莽/智能干扰者造成的非预期/有意干扰。我们还考虑了智能干扰机追逐无人机以降低通信质量的情况。在这种情况下,我们从无人机网络和智能干扰机的角度来研究这个问题。提出了一种交替最大化方法来解决联合三维轨迹设计和功率分配问题。我们处理的3D轨迹设计诉诸谱图理论,随后通过凸优化技术解决的功率分配。最后,我们通过仿真证明了我们所提出的方法的有效性。
2019-09-26 cs.MA eess.SP
To Supervise or Not: How to Effectively Learn Wireless Interference Management Models?
University of Minnesota(明尼苏达大学);Shenzhen Research Institute of Big Data(深圳市大数据研究院);Michigan State University(密歇根州立大学)
机器学习已经成功地解决了无线干扰管理问题。不同类型的深度神经网络(DNN)已经被训练来完成关键任务,如功率控制,波束成形和准入控制。对于这种基于DNN的干扰管理模型,存在两种流行的训练范例:监督学习(即,拟合由优化算法生成的标签)和无监督学习(即,直接优化某些系统性能测量)。虽然这两种范式在实践中得到了广泛的应用,但由于缺乏对这两种方法的理论理解,如何系统地理解和比较它们的性能还不清楚。在这项工作中,我们进行了理论研究,以提供一些深入了解这两个培训范式。首先,我们展示了一个有点令人惊讶的结果,对于一些特殊的功率控制问题,无监督学习的表现可能比有监督学习差得多,因为它更有可能停留在一些低质量的局部解上。然后,我们提供了一系列的理论结果,以进一步了解这两种方法的属性。一般来说,我们表明,当高质量的标签可用时,监督学习比无监督学习更不可能停留在解决方案上。此外,我们开发了一种半监督学习方法,该方法适当地整合了这两种训练范式,并且可以有效地利用有限数量的标签来找到高质量的解决方案。据我们所知,这些是第一组理论成果,试图了解不同的培训方法,在基于学习的无线通信系统设计。
2021-12-28 cs.LG eess.SP
Interference Management by Harnessing Multi-Domain Resources in Spectrum-Sharing Aided Satellite-Ground Integrated Networks
针对频谱共享星地融合网络中的同频干扰问题,提出联合波束域与功率域的多域干扰管理方案,通过定制波束调度与功率调度实现干扰管控,推导并验证了其在吞吐量提升和中断概率降低上的优势。
2024-01-30 cs.IT eess.SP math.IT
Dynamic Scheduling for Enhanced Performance in RIS-assisted Cooperative Network with Interference
针对多用户网络外部干扰且干扰 CSI 不完整的问题,论文提出 RIS 辅助 FlexD 的用户对动态选择方案,并通过中断概率与渐近分析证明其在吞吐量、能效和数据管理上优于传统 FD/HD。
2025-06-15 eess.SP
Digital Twin Aided RIS Communication: Robust Beamforming and Interference Management
针对RIS辅助无线网络信道估计开销高、传统波束扫描多用户干扰管理效果差的问题,提出利用数字孪生结合电磁3D模型与射线追踪近似信道的方法,并配套DT鲁棒传输设计,速率保障率远超波束扫描。
2024-06-19 cs.IT eess.SP math.IT
Online Learning for Intelligent Thermal Management of Interference-coupled and Passively Cooled Base Stations
针对被动冷却基站(PCBSs)在室外散热不确定及多小区干扰耦合下的热管理难题,提出基于软执行器-评论器(SAC)的强化学习在线决策方法,结合拒绝与奖励机制防止过热,在无未来散热先验知识下实现总下行吞吐量最大化,达到全局最优的88.6%。
2024-10-11 cs.NI eess.SP
Networked Sensing with AI-Empowered Interference Management: Exploiting Macro-Diversity and Array Gain in Perceptive Mobile Networks
本文针对感知移动网络中感知与通信干扰及分布式感知节点联合处理问题,提出两阶段干扰管理协议、网络化感知检测器和SN选择算法,并设计分布式模型驱动深度学习算法提升杂波估计效率,仿真验证了网络化感知增益和算法高效性。
2023-04-19 cs.IT eess.SP math.IT
Interference Management for Over-the-Air Federated Learning in Multi-Cell Wireless Networks
ShanghaiTech University(上海科技大学);Shanghai Institute of Microsystem and Information Technology, Chinese Academy of Sciences(中国科学院上海微系统与信息技术研究所);University of Chinese Academy of Sciences(中国科学院大学);University of Waterloo(滑铁卢大学)
资源受限的无线网络中的联邦学习(FL)最近引起了广泛的关注。然而,大多数现有的研究考虑一个FL任务在单小区无线网络中,忽略了下行链路/上行链路小区间干扰对学习性能的影响。在本文中,我们调查FL在多小区无线网络,其中每个小区执行不同的FL任务和空中计算(AirComp),使快速上行链路梯度聚合。我们进行了AirComp-assisted FL系统的收敛分析,考虑到下行链路和上行链路模型/梯度传输中的小区间干扰,这表明失真的模型/梯度交换会导致间隙,从而阻碍FL的收敛。我们描述了错误诱导间隙区域的Pareto边界,以量化不同FL任务之间的学习性能权衡,基于此,我们用公式表示优化问题,以最小化所有小区中的误差引起的间隙的总和。为了解决下行链路和上行链路传输之间的耦合以及多个小区之间的耦合,我们提出了一个合作的多小区FL优化框架,以实现有效的干扰管理的下行链路和上行链路传输设计。结果表明,我们所提出的算法在多个细胞比非合作基线计划取得更好的平均学习性能。
2022-06-06 cs.IT cs.LG eess.SP
Robust, Nonparametric, Efficient Decomposition of Spectral Peaks under Distortion and Interference
提出了一种利用快速傅里叶变换对观测到的频谱进行谱峰分解的方法。与传统的频谱波形拟合方法相比,我们从更稳健的角度优化了问题。我们将频谱中的峰值建模为伪对称函数,其中唯一的约束是当距离增加时,中心频率周围的非增加行为。我们的方法是更强大的任意失真,干扰和噪声的频谱上可能会引起的观察系统。我们的方法的时间复杂度是线性的,即,每个提取的光谱峰的$O(N)$。此外,分解的谱峰显示伪正交行为,其中它们符合功率保持等式。
2022-04-18 cs.LG eess.AS eess.SP
Multi-Cell 6DMA: Cooperative Interference Management and Antenna Rotation Optimization
The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));University of Waterloo(滑铁卢大学);National University of Singapore(新加坡国立大学)
本文研究了一种多小区六维可移动天线(6DMA)网络,旨在通过协作干扰管理提升下行链路通信性能。通过联合优化短时下行预编码和长时6DMA旋转,提出了一种平均加权总速率最大化问题,以解决多小区系统中的天线旋转设计和传输预编码固有的耦合问题。
2026-05-21 cs.IT eess.SP math.IT
Co-channel Interference Management for the Next-Generation Heterogeneous Networks using Deep Leaning
公共安全移动用户(MU)在公共安全网络(PSN)、无人机(UAV)和基于LTE的铁路网络(LRN)共存的情况下的连接性需要进行彻底的调查。UAV被部署为用于MU的小区边缘覆盖增强的移动基站(BS)。异构网络的共存由于使用相同的频段而引起同信道干扰的问题。通过考虑无线接入信道(RAC)的共享和非共享,分析了PSN、UAV和LRN下行链路系统中的同频干扰。由于LRN控制信号要求高可靠性和低延迟,因此在与MU共享的LRN RAC中为LRN用户分配资源时提供更高的优先级,并在小区边缘部署无人机以提高小区边缘用户的性能。因此,干扰控制技术使得LRN、PSN和UAV能够在共享RAC的场景中共存。通过将更多PSN UE卸载到LRN或UAV,增强了LRN和UAV BS的资源利用。在本文中,我们的目标是采用基于增强的小区间干扰协调(eICIC)和进一步增强的ICIC(FeICIC)策略的深度学习(DL)来处理PSN对LRN和UAV的干扰。在LRN、PSN BS和UAV之间,利用基于DL的协作多点(CoMP)链路技术来增强PSN MU的性能。因此,如果无线电接入信道被共享,则利用基于DL的FeICIC和CoMP进行协作调度给出最佳性能。
2023-01-06 cs.IT cs.SY eess.SP
Value-Decomposition Networks based Distributed Interference Control in Multi-platoon Groupcast
排队被认为是最具代表性的5G用例之一。由于排内间距较小,因此排内需要更可靠的传动,以保证行驶安全,同时提高燃油和行驶效率。但是,排之间的高效资源分配一直是一个挑战,特别是考虑到每个排选择的信道和功率会影响其他排。因此,各排之间需要相互协调,以保证各排的组播质量。为了解决这些问题,本文将多队列资源选择问题建模为马尔可夫博弈,提出了一种基于价值分解网络的分布式资源分配算法。我们的方案利用每个排的历史数据进行集中训练。在分布式执行中,代理只需要他们的本地观察来做出决策。同时,通过共享神经网络参数,减少了训练负担。仿真结果表明,该算法具有良好的收敛性。与另一种多智能体算法(MARL)和随机算法相比,我们提出的解决方案可以显着降低队列组播失败的概率,提高队列组播的质量。
2020-03-25 cs.NI eess.SP
Multi-Resolution Codebook Design and Multiuser Interference Management for Discrete XL-RIS-Aided Near-Field MIMO Systems
针对实际XL-RIS离散相移导致的性能下降问题,提出分层波束训练、JOCC/SOCC码本构建及自适应增益矩阵近似的IM方法,提升近场MIMO系统波束训练性能与用户公平性。
2025-08-26 cs.IT eess.SP math.IT
Congruence Decomposition with Neural Block Solvers for Large-Scale PCI Assignment
The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));Shenzhen Research Institute of Big Data(深圳大数据研究院);Columbia University(哥伦比亚大学);Sun Yat-sen University(中山大学);Tongji University(同济大学);University of Chinese Academy of Sciences(中国科学院大学);Huawei Technologies(华为技术有限公司)
本研究针对大规模5G网络PCI分配难题,提出带神经块求解器的同余分解框架,将问题解耦为子问题并结合图神经网络优化,实验显示其性能优于现有基线方法。
2026-08-25 cs.LG eess.SP
Network-Level Integrated Sensing and Communication: Interference Management and BS Coordination Using Stochastic Geometry
本研究利用随机几何工具分析网络级ISAC性能,通过联合优化协同基站簇大小与用户/目标数量,实现了感知与通信的灵活折中,并验证了协同ISAC方案能显著提升网络整体性能。
2024-10-15 cs.IT eess.SP math.IT
Distributed Rate-Splitting Multiple Access for Multilayer Satellite Communications
本文提出分布式速率分割多址接入(D-RSMA)方案,通过在GEO和LEO卫星上分布式实施RSMA并联合优化预编码与消息分割,以提升多层异构卫星网络的干扰管理和用户公平性。
2024-05-02 cs.IT eess.SP math.IT
Resource Management optimally in Non-Orthogonal Multiple Access Networks for fifth-generation by using game-theoretic
本文运用博弈论的方法对资源配置管理进行优化。本文通过增加多址接入用户数和NOMA(可接入63个用户),利用非正交多址接入的用户-子信道-SOAP匹配算法(USMA)优化资源分配管理中的用户数。该方法减少了用户之间的干扰,包括成本和其他用户访问的资源。
2019-06-08 cs.IT eess.SP math.IT
Disentangling Modes and Interference in the Spectrogram of Multicomponent Signals
Univ. Grenoble Alpes(格勒诺布尔大学);CNRS(法国国家科学研究中心);Ens de Lyon(里昂高等师范学校);Université Caen Normandie(卡昂-诺曼底大学);ENSICAEN(卡昂高等工程师学院);Normandie Univ(诺曼底大学);GREYC(格雷西研究所)
针对多分量信号频谱图的模态与干扰分解问题,提出变分法和U-Net监督学习法,可自适应调整窗长改进脊线检测,实验验证了其增强强干扰下时频分析的潜力。
2025-03-19 cs.CV eess.SP
Geometric Sequence Decomposition with $k$-simplexes Transform
本文提出了一种计算效率高的分解非正交叠加$k$几何序列的技术。该方法将一个观测序列变换为$k$维空间中的多个$k$-单形,并将变换后的单形的体积进行关联,称为几何序列分解与$k$ -单形变换(GSD-ST)。因此,GSD-ST将分解$k$几何序列的问题转化为求解$k$阶多项式方程的问题。我们的技术对于无线通信具有重要意义,因为无线电波的采样点包括几何序列。这意味着GSD-ST能够解调随机组合的无线电波,从而消除干扰的影响。为了充分发挥GSD-ST的潜力,我们提出了一种新的无线接入方案,即非正交无干扰无线接入(No-INFRA)。这里,GSD-ST使得能够无冲突地接收非协调接入请求。仿真结果表明,当干扰占主导地位时,No-INFRA能有效地解决冲突接入请求。
2020-08-06 cs.IT eess.SP math.IT
Graph Representation Learning for Contention and Interference Management in Wireless Networks
the University of Sydney(悉尼大学);Morse Micro(莫尔斯微公司)
针对Wi-Fi 802.11ah RAW用户分组问题,本文将其建模为图最大割并提出AC-GRL算法及在线微调架构,显著提升最坏情况用户吞吐量。
2024-01-15 cs.LG cs.NI eess.SP
Interference Mitigation for Network-Level ISAC: An Optimization Perspective
本文从优化视角研究网络级ISAC系统的干扰抑制问题,识别了自干扰、互干扰等多类干扰并提出针对性优化方法,通过蜂窝与分布式天线系统实验验证了协同抑制干扰的有效性。
2024-02-15 cs.IT eess.SP math.IT