Machine Learning for Wireless Metaverse: Fundamentals, Use Case, and Future Directions
本文探讨机器学习在基于元宇宙的无线系统中的作用，涵盖基础概念、深度强化学习用于元宇宙感知的案例研究及未来方向与潜在解决方案。
2025-03-10 cs.NI
Metaverse for Wireless Systems: Vision, Enablers, Architecture, and Future Directions
本文提出元宇宙助力6G无线系统发展的愿景，阐述其依托数字孪生等技术实现虚拟运营的作用，介绍通用架构、驱动应用与使能技术，并指出待解决挑战与潜在方向。
2023-06-12 cs.NI
Diffusion-based Reinforcement Learning for Dynamic UAV-assisted Vehicle Twins Migration in Vehicular Metaverses
Guangdong University of Technology（广东工业大学）；Nanyang Technological University（南洋理工大学）；Shanghai Jiaotong University（上海交通大学）；Beijing Jiaotong University（北京交通大学）；ZTE Corporation（中兴通讯股份有限公司）
本文针对车辆元宇宙中车辆孪生迁移导致的RSU负载不均问题，提出无人机辅助的动态迁移框架，并设计基于扩散的强化学习算法和启发式路径规划方法，以降低时延并提升迁移质量。
2024-06-08 cs.AI cs.RO
Edge-enabled Metaverse: The Convergence of Metaverse and Mobile Edge Computing
University College Dublin（都柏林大学学院）；Ulster University（阿尔斯特大学）；University of Cagliari（卡利亚里大学）；University of Science and Technology Beijing（北京科技大学）
Metaverse是一个虚拟环境，用户由化身代表来导航虚拟世界，与物理世界有很强的联系。最先进的Metaverse架构依赖于基于云的方法来进行化身物理仿真和图形渲染计算。这种集中式设计是不利的，因为它遭受由云访问所需的长延迟引起的若干缺点，例如低质量的可视化。为了解决这个问题，在本文中，我们提出了一个雾边缘混合计算架构的Metaverse应用程序，利用边缘使能的分布式计算范例，它利用边缘设备的计算能力，以满足所需的计算成本繁重的任务，如碰撞检测在虚拟宇宙和虚拟仿真中的3D物理计算。与Metaverse中的实体相关的计算成本，例如碰撞检测或物理仿真，在相关物理实体的终端设备上执行。为了证明所提出的架构的有效性，我们模拟了一个分布式的社会metaverse应用程序。仿真结果表明，与传统的基于云的Metaverse应用相比，该架构可以将延迟降低50%。
2022-04-13 cs.AI cs.DC cs.NI
Enabling the Wireless Metaverse via Semantic Multiverse Communication
Deakin University（迪肯大学）；Yonsei University（延世大学）；University of Oulu（奥卢大学）
无线网络上的Metaverse是第六代（6 G）无线系统的新兴用例，在具有严格延迟和可靠性要求的多模式数据传输方面提出了前所未有的挑战。为了使这种无线元宇宙，在这篇文章中，我们提出了一种新的语义通信（SC）框架分解成人/机器代理特定的语义多元宇宙（SM）的元宇宙。存储在每个代理处的SM包括语义编码器和生成器，利用生成式人工智能（AI）的最新进展。为了提高通信效率，编码器学习多模态数据的语义表示（SR），而生成器学习如何操纵它们以在元宇宙中本地渲染场景和交互。由于这些学习的SM偏向于本地环境，它们的成功取决于在后台同步异构SM，同时在前台通信SR，将无线元宇宙问题转化为语义多元宇宙通信（SMC）的问题。基于这种SMC架构，我们提出了几个有前途的算法和分析工具建模和设计SMC，从分布式学习和多智能体强化学习（MARL）信号游戏和符号AI。
2022-12-13 cs.AI cs.IT cs.LG
A Full Dive into Realizing the Edge-enabled Metaverse: Visions, Enabling Technologies,and Challenges
被称为“移动互联网的继承者”，虚拟世界的概念越来越受欢迎。虽然今天存在精简版的Metaverse，但它们仍然远远没有实现沉浸式，具体化和可互操作的Metaverse的完整愿景。如果不从通信和网络以及计算的角度解决实现问题，Metaverse很难成功，特别是在当今数十亿用户的可访问性方面。在本次调查中，我们关注边缘启用的Metaverse，以实现其最终愿景。我们首先为读者提供了一个简洁的Metaverse教程，介绍了架构，以及当前的发展。为了使无处不在，无缝，和具体的访问Metaverse，我们讨论了通信和网络的挑战和调查尖端的解决方案和概念，利用下一代通信系统，让用户沉浸在Metaverse中的化身和互动。此外，考虑到所需的高计算成本，为了渲染3D虚拟世界和运行数据饥渴的人工智能驱动的化身，我们讨论了在资源受限的边缘设备上实现Metaverse的计算挑战和云边缘端计算框架驱动的解决方案。接下来，我们将探讨区块链技术如何帮助Metaverse的互操作开发，不仅是在授权虚拟用户生成内容的经济流通方面，而且还以分散，透明和不可变的方式管理物理边缘资源。最后，我们讨论了未来的研究方向，以实现真正的愿景边缘使能的Metaverse。
2022-08-20 cs.CY cs.NI
Metaverse Framework for Wireless Systems Management
本文提出一个集成XR、数字孪生、AI、IoT、区块链及6G的元宇宙框架，用于无线系统的仿真、交互与管理，以优化系统性能并洞察未来网络。
2025-08-06 cs.NI
Optimal Mobility Aware Wireless Edge Cloud Support for the Metaverse
移动增强现实（MAR）应用程序扩展到虚拟世界，可以通过融合虚拟和物理世界提供混合和沉浸式体验。然而，MAR和metaverse之间的联合考虑寻求这些应用程序对前台交互和后台内容的可靠和高质量的支持，这加剧了它们在能量、缓存和计算资源上的消耗。为了应对这些挑战，通过将分解后的虚拟实境增强服务锚定在不同的边缘节点，并主动缓存嵌入目标增强现实对象（ARO）的背景虚拟实境区域模型，提出了一种更灵活的请求分配和处理效率更高的资源分配方法.先进的终端也被认为是进一步减少服务延迟在一个可接受的代价的能源消耗。然后，我们提出并解决了一个联合优化该问题明确考虑了移动事件中用户感知质量约束下的服务延迟和能量消耗之间的平衡，同时明确考虑了用户终端的能力，并将所提出的优化方案与其终端不经意版本进行了比较.根据一组广泛的数值调查，该方案具有优势，在服务延迟和能源效率比其他名义基线计划，忽视终端的能力，用户的物理移动性，服务分解和固有的多模态的虚拟实境MAR服务。
2023-01-16 cs.NI
Joint wireless and computing resource management with optimal slice selection in in-network-edge metaverse system
本文提出一种在支持切片的元宇宙网络中联合优化无线与计算资源分配的方法，通过将问题建模为混合整数非线性规划并求解最优解，显著提升系统性能，优于现有基准。
2024-11-07 cs.DC cs.NI
Human-Centric Resource Allocation in the Metaverse over Wireless Communications
针对元宇宙无线通信的以人为中心优化需求，本文联合优化通信、计算资源与VR分辨率，提出新型分式规划技术求解非凸的系统效用成本比优化问题，算法高效且性能更优。
2023-12-19 cs.NI cs.SI
Diffusion-based Auction Mechanism for Efficient Resource Management in 6G-enabled Vehicular Metaverses
School of Automation, Guangdong University of Technology（广东工业大学自动化学院）；School of Computer Science and Engineering, Nanyang Technological University（南洋理工大学计算机科学与工程学院）；Department of Electrical and Computer Engineering, Auburn University（奥本大学电气与计算机工程系）
针对6G车辆元宇宙中VT任务卸载的资源分配问题，提出基于学习的改进第二价格拍卖机制与扩散强化学习算法，优化无人机与地面基站间的资源分配，降低延迟并提升服务质量。
2024-11-01 cs.AI cs.NI
Toward BCI-enabled Metaverse: A Joint Learning and Resource Allocation Approach
针对6G元宇宙中智能化身创建需求，提出BCI框架，通过混合训练算法联合解决资源分配与脑信号分类，仿真验证高精度。
2023-08-31 cs.NI eess.SP
Play to Earn in the Metaverse with Mobile Edge Computing over Wireless Networks: A Deep Reinforcement Learning Approach
针对元宇宙AR边玩边赚游戏的边缘卸载场景，提出多智能体损失共享强化学习模型MALS，联合优化UE-MBS分配与上行功率，降低传输时延和耗电并提升收益。
2024-02-28 cs.NI
Resource Allocation for Mobile Metaverse with the Internet of Vehicles over 6G Wireless Communications: A Deep Reinforcement Learning Approach
Nanyang Technological University（南洋理工大学）
提高人与人之间的交互性和互联性是Metaverse的亮点之一。Metaverse依赖于一种核心方法，即数字孪生，这是一种将物理世界的对象，人，动作和场景复制到虚拟世界的方法。能够在Metaverse中实时和移动地访问与物理世界相关的场景和信息，对于为所有用户开发高度可访问，交互和互连的体验至关重要。这种发展允许来自其他位置的用户访问关于在另一个位置发生的事件的高质量的真实世界和最新信息，并与其他人超交互地进行社交。然而，由于虚拟世界图形的数据量很大，并且需要低延迟传输，因此从Metaverse接收其他人生成的连续、平滑的更新是一项具有挑战性的任务。随着移动增强现实（MAR）技术的发展，即使在移动环境下，用户也可以通过Metaverse以高度交互的方式进行交互。因此，在我们的工作中，我们考虑了一个用户移动车联网（IoV）的环境，通过无线通信从Metaverse服务提供商小区站（MSPCS）下载实时虚拟世界更新。我们设计了一个环境，多个小区站，其中将有一个切换用户的虚拟世界图形下载任务之间的小区站。由于传输延迟是移动性下接收虚拟世界更新的主要问题，我们的工作旨在分配系统资源，以最大限度地减少车辆中的用户从蜂窝基站下载虚拟世界场景所需的总时间。我们利用深度强化学习，并评估算法在不同环境配置下的性能。我们的工作提供了Metaverse在支持AI的6G通信上的用例。
2022-09-27 cs.LG cs.NI eess.SP
Optimization in Mobile Augmented Reality Systems for the Metaverse over Wireless Communications
本文针对元宇宙中移动增强现实系统的能耗与延迟问题，设计基于边缘的MAR系统并建立权衡模型，提出LEAO算法进行优化，仿真验证其性能优于相关算法。
2023-11-29 cs.NI eess.SP
Data Processing Efficiency Aware User Association and Resource Allocation in Blockchain Enabled Metaverse over Wireless Communications
本文提出数据处理效率（DPE）概念及DAUR算法，通过将非凸问题转化为凸优化并交替优化用户关联、卸载、计算、带宽和功率等资源变量，提升区块链使能元宇宙无线通信中的单位资源数据处理量。
2024-11-25 cs.DC cs.ET cs.NI
User Connection and Resource Allocation Optimization in Blockchain Empowered Metaverse over 6G Wireless Communications
针对区块链赋能的元宇宙，提出DASHF算法联合优化用户连接与通信计算资源分配，引入信任成本比平衡信任与成本，仿真验证其有效性。
2024-07-18 cs.ET cs.NI eess.SP
Cross-reality location privacy protection in 6G-enabled vehicular metaverses: an LLM-enhanced hybrid generative diffusion model-based approach
School of Automation, Guangdong University of Technology（自动化学院，广东技术大学）；School of Computer Science and Engineering, Nanyang Technological University（计算机科学与工程学院，南洋理工大学）；Department of Electrical and Computer Engineering, University of Manitoba（电气与计算机工程系，曼尼托巴大学）；Department of Electrical and Computer Engineering, Sungkyunkwan University（电气与计算机工程系，成均馆大学）
本文提出了一种基于LLM增强混合生成扩散模型的方法，用于6G赋能车联网元宇宙中的跨现实位置隐私保护，通过混合动作优化平衡隐私保护、延迟降低和服务质量维护。
2026-07-27 cs.CR cs.HC cs.LG
AI Enabled 6G for Semantic Metaverse: Prospects, Challenges and Solutions for Future Wireless VR
针对多用户无线VR的低秩信道挑战，本文提出非线性收发机与近最优DRL资源分配框架，显著提升和速率并降低功耗。
2025-07-25 cs.NI
Towards a Decentralized Metaverse: Synchronized Orchestration of Digital Twins and Sub-Metaverses
在虚拟实境中实现数字孪生（DT）对于实现数字现实至关重要。这种将DT集成到Metaverse中，同时在网络边缘操作它们的需求增加了对去中心化边缘启用Metaverse的需求。因此，为了巩固真实实体和数字实体之间的融合，有必要协调DT和边缘虚拟实境之间的互操作性。在本文中，提出了一种新的分散的metaverse框架，在无线边缘采用DT操作。特别地，在移动边缘计算（MEC）服务器处将在连续感测区域中操作的自主物理双胞胎（PT）系统复制为网络双胞胎（CT）。为了呈现CT的数字环境，该区域被划分并作为分布式子元虚拟空间传送到MEC服务器。为了保证无缝同步的子虚拟世界和他们的相关CT与现实世界的动态和PT，分别，这个联合同步问题被提出作为一个优化问题，其目标是最小化的平均子同步时间之间的现实和数字世界，同时满足DT同步强度的要求。为了解决这个问题，提出了一种新的迭代算法在MEC服务器的联合子元世界和DT关联。该算法利用最优传输理论的严格框架，有效地分配子元域和DT，同时考虑计算和通信资源分配。仿真结果表明，所提出的解决方案可以协调DT和子元节点之间的相互作用，以实现减少25.75%的子同步时间相比，基于信噪比的关联方案。
2022-11-26 cs.IT cs.NI math.IT
The Role of Game Networking in the Fusion of Physical and Digital Worlds through 6G Wireless Networks
本文阐述游戏网络原理及其向6G时代元宇宙、数字孪生和扩展现实应用的演进，并结合实验案例分析开放研究挑战与可行方案。
2024-12-03 cs.NI eess.SP
Mobile Edge Computing for the Metaverse
Metaverse已经成为下一代互联网。它旨在提供一个沉浸式的，持久的虚拟空间，人们可以在这里生活，学习，工作和相互交流。然而，现有技术不足以保证Metaverse播放器的高视觉质量和超低延迟服务。移动边缘计算（MEC）是一种范例，其中利用邻近边缘服务器来执行计算密集型和延迟敏感型任务，如图像处理和视频分析。在MEC中，大量数据由最接近捕获位置的边缘服务器处理，从而显著降低延迟并提供几乎实时的性能。在本文中，我们将基本元素（5G和6G无线通信，区块链，数字孪生和人工智能）集成到MEC框架中，以促进Metaverse。最后，对MEC支持的元宇宙的研究问题和应用进行了阐述。最后，我们提供了一个案例研究，以建立一个在现实世界中的用户效用最大化问题的透彻的知识，并获得一些关于潜在的研究方向的趋势的见解。
2022-12-19 cs.CY cs.DC cs.NI
Optimizing 6G Dense Network Deployment for the Metaverse Using Deep Reinforcement Learning
本文提出带动作消除并集成DQN、DDQN与竞争DQN的深度强化学习方法，用于优化6G元宇宙场景下的IAB节点部署，仿真显示竞争DQN较启发式方法平均减少12.3%节点数。
2025-03-14 cs.NI
AI and 6G into the Metaverse: Fundamentals, Challenges and Future Research Trends
Walton Institute for Information and Communication Systems Science（沃尔顿信息与通信系统科学研究所）；South East Technological University（东南理工大学）；CNIC, University of Chinese Academy of Sciences（中国科学院大学计算机网络信息中心）；University of Chinese Academy of Sciences（中国科学院大学）；Faculty of Engineering and Technology, University of Sindh（信德大学工程与技术学院）；Munster Technological University（芒斯特理工大学）；Institute of Intelligent Systems, University of Johannesburg（约翰内斯堡大学智能系统研究所）；University of Johannesburg（约翰内斯堡大学）；Sungkyunkwan University（成均馆大学）；University of Bologna（博洛尼亚大学）
本综述围绕元宇宙沉浸式体验实现需求，梳理AR/VR/MR、空间计算、AI与6G的技术进展，分析二者的协同作用与可持续性要求，总结相关应用、挑战及研究方向。
2022-09-24 cs.AI cs.HC cs.NI
Radiance Field Delta Video Compression in Edge-Enabled Vehicular Metaverse
Technical University of Košice（科希策工业大学）；National Institute of Technology Silchar（锡尔哈尔国立技术学院）；University of California, Irvine（加州大学尔湾分校）
本研究提出RFDVC方法，通过光场编码器和解码器实现车联网元宇宙中物理到虚拟同步，有效压缩视频数据并提升传输可靠性。
2025-10-20 cs.IT cs.NI eess.SP
Vision-based Semantic Communications for Metaverse Services: A Contest Theoretic Approach
Nanyang Technological University（南洋理工大学）；Guangdong University of Technology（广东工业大学）；Singapore University of Technology and Design（新加坡科技设计大学）
针对元宇宙化身实时渲染的资源分配难题，提出结合博弈论、语义通信与Deep Q-Network的框架，大幅压缩传输数据并降低下采样损失。
2023-08-15 cs.AI cs.GT cs.NI
Contract-Inspired Contest Theory for Controllable Image Generation in Mobile Edge Metaverse
针对移动边缘元环境下生成扩散模型图像生成的资源受限难题，提出融合契约启发式竞赛理论、深度强化学习与GDMs的框架，有效提升图像质量及收敛速度与稳定性。
2025-01-16 cs.NI
Cache-enabled Wireless Networks with Opportunistic Interference Alignment
缓存和干扰对齐（IA）是未来无线网络的有前途的技术。然而，大多数现有的高速缓存使能IA无线网络的工作假设的信道是不变的，这是不现实的，考虑到实际的无线环境的时变性质。在本文中，我们考虑现实的时变信道。具体而言，该信道被配制为有限状态马尔可夫信道（FSMC）。当我们考虑现实的FSMC模型时，系统的复杂性非常高。因此，本文提出了一种新的大数据强化学习方法。深度强化学习是一种高级强化学习算法，它使用深度$Q$网络来近似$Q$值-动作函数。本文使用深度强化学习来获得最优的IA用户选择策略在缓存使能的机会IA无线网络。仿真结果表明了该方案的有效性。
2017-06-27 cs.NI
Diffusion-based Reinforcement Learning for Edge-enabled AI-Generated Content Services
针对元宇宙中AIGC模型资源密集导致的服务挑战，提出AaaS架构，并开发基于扩散模型与深度强化学习的D2SAC算法优化ASP选择，实验证明其优于七种主流DRL算法。
2023-11-21 cs.NI
On Throughput Optimization and Bound Analysis in Cache-Enabled Fiber-Wireless Networks
随着毫米波（mmWave）前端的密集部署和带宽密集型应用的普及，光纤无线（FiWi）网络中的共享回程仍然面临带宽紧缩。为了减轻回程压力，本文在FiWi网络的边缘启用缓存能力，即，光网络单元接入点（ONU-AP）。另一方面，由于FiWi网络中的功率预算和回程带宽都受到约束，因此适当地利用用于缓存的功率和用于无线传输的功率来实现优异的系统性能是具有挑战性的。由于缓存对资源分配有着重要的影响，我们重新考虑了缓存启用FiWi网络的性能优化和分析。首先，在高速缓存启用FiWi网络与毫米波，我们制定了联合功率分配和缓存问题，以最大化的下行链路吞吐量的目标。一个两阶段的算法，然后提出了解决这个问题。其次，为了研究具有mmWave的高速缓存使能FiWi网络的理论容量，我们通过分析无线链路的平均速率的性质来推导下行链路吞吐量的上界。特别是，我们表明，适当的功率分配无线传输和缓存在ONU-AP是必不可少的，以实现更高的吞吐量。数值和仿真结果验证了我们的理论分析，并表明所提出的算法可以接近解析上界。
2020-06-10 cs.NI
AI-enabled Future Wireless Networks: Challenges, Opportunities and Open Issues
大量苛刻的服务和用例要求对未来无线网络资源的管理进行革命性的转变。实际上，当应用的严格服务质量需求与网络的增加的复杂性相结合时，传统的网络管理例程在6G中将变得不可行。人工智能（AI）正在成为从下到上协调网络资源的基本推动力。支持AI的无线接入和支持AI的核心将为6G的自动化配置开辟新的机会。另一方面，AI支持的网络中有许多挑战需要解决。在不确定性以及网络的高度动态的信道、流量和移动性条件下，机器学习算法的长收敛时间、存储器复杂性和复杂行为促成了这些挑战。本文综述了利用机器学习技术提高无线网络性能的最新研究进展。此外，我们还确定了挑战和开放的问题，为研究人员提供了一个路线图。
2021-03-08 cs.NI
Packet Duplication in Dual Connectivity Enabled 5G Wireless Networks: Overview and Challenges
在5G无线网络上实现超可靠的低延迟通信（uRLLC）带来了具有挑战性的设计要求，特别是在空中接口上。严格的延迟和可靠性目标要求在协议栈的不同层进行增强。另一方面，并行冗余协议（PRP）（其中每个数据分组被复制并在两个独立的网络上同时传输）提供了用于提高可靠性和减少无线网络中的延迟的简单解决方案。PRP可以通过双连接（DC）解决方案在蜂窝网络中实现。最近，3GPP已经在5G无线网络中引入了分组复制功能。为此，本文根据3GPP的最新发展，概述了5G中的数据包复制功能，并强调了相关的技术挑战。
2019-05-29 cs.NI
Demo: Slicing-Enabled Private 4G/5G Network for Industrial Wireless Applications
工业环境中4G和5G网络的私有部署从各个方面来看都是有益的。私有4G/5G网络通常面临支持异构工业应用的挑战。该技术演示突出了网络切片在私有4G/5G网络中的重要性。它表明，网络切片是至关重要的多服务共存的情况下的性能保证。通过网络切片，我们的私有4G/5G网络成功支持闭环控制、事件驱动控制和视频流应用。
2020-08-11 cs.NI
Towards Blockchain-enabled Wireless Mesh Networks
最近，网状网络和区块链是电信行业最热门的两项技术。两者结合可以重新定义互联网接入，使连接到互联网不仅容易，而且负担得起。Hyperledger Fabric（HLF）是一个区块链框架实现，也是Linux基金会托管的Hyperledger项目之一。我们评估HLF在一个真正的生产网状网络和实验室，量化其性能，瓶颈和限制，目前的实施。我们确定的改进机会，以满足无线网状接入网络的需求。据我们所知，这是在生产无线网状网络中进行的第一次HLF部署。
2018-04-02 cs.NI
Traffic Flow Modeling for UAV-Enabled Wireless Networks
本文研究了面向多业务的无人机无线网络中的业务流建模问题，这对于支持此类网络未来的各种应用至关重要。我们提出了一个通用的交通流模型，面向多业务的无人机使能无线网络。在此模型下，我们首先将网络服务分为三个子集：遥测，物联网（IoT）和流数据。基于帕累托分布，我们然后划分所有的无人机分为三个不同的网络使用的子组。我们进一步确定不同的网络服务的数据包的数量和总的数据大小，根据数据包到达率的9个段，其中每个段代表一个映射关系的一个子集的服务和一个子组的无人机。仿真结果表明，我们的流量模型预测的数据包的数量和数据大小可以很好地匹配这些在一个真实的场景。
2022-01-05 cs.NI
UAV-Enabled Wireless Networks for Integrated Sensing and Learning-Oriented Communication
本文研究无人机使能的全双工无线网络，通过收敛性有保证的迭代算法联合优化上行时间分配、轨迹和功率，在保证感知质量的同时最大化边缘学习性能，并揭示感知与学习之间的关键权衡。
2024-08-31 cs.NI
Large Language Model (LLM)-enabled Reinforcement Learning for Wireless Network Optimization
State-Province Joint Engineering and Research Center of Advanced Networking and Intelligent Information Services, College of Computer Science, Northwest University（高级网络与智能信息服务省-市联合工程与研究中心，计算机科学学院，西北大学）；College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学）；Institute of Artificial Intelligence, University of Science and Technology Beijing（人工智能研究院，北京科技大学）；Department of Electrical and Electronic Engineering, the University of Hong Kong（电子与电气工程系，香港大学）；Automation of School, Guangdong University of Technology（自动化学院，广东工业大学）；Queen’s University Belfast（贝尔法斯特女王大学）
本文提出利用大语言模型增强强化学习，以优化6G无线网络，通过多智能体强化学习框架提升网络性能。
2026-01-15 cs.AI cs.LG cs.NI
Software Defined Networking Enabled Wireless Network Virtualization: Challenges and Solutions
下一代（5G）无线网络预计将支持海量数据，并以具有成本效益、灵活和敏捷的方式适应具有不同要求的各种服务/用例。作为一种有前途的解决方案，无线网络虚拟化（WNV）或网络切片使多个虚拟网络能够按需共享公共基础设施，并针对不同的服务/用例进行定制。本文重点讨论实现WNV的网络范围的资源分配。具体而言，动机，使平台，和西尼罗河的好处，首先审查。然后，资源分配西尼罗河随着技术挑战进行了讨论。然后，提出了一个支持软件定义网络（SDN）的资源分配框架，以促进WNV，包括关键过程和相应的建模方法。最后，以西尼罗河流域资源分配为例进行了案例研究。最后，一些开放的研究课题，西尼罗河病毒的必要性进行了讨论。
2017-04-05 cs.NI
Movable Antennas Enabled Wireless Powered Networks: Principles and Technologies
School of Information and Communication Engineering, Xi’an Jiaotong University（西安交通大学信息与通信工程学院）；School of Cyber Science and Engineering, Xi’an Jiaotong University（西安交通大学网络空间安全学院）；Department of Electronic Engineering, Shanghai Jiao Tong University（上海交通大学电子工程系）；State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications（北京邮电大学固定网络与交换技术国家重点实验室）
本文综述可移动天线赋能的无线供能网络，分类MA实现、阐述原理与优势，探讨应用场景、关键技术及案例，并展望挑战与未来方向。
2026-09-09 cs.NI
Generative AI-driven Semantic Communication Framework for NextG Wireless Network
针对下一代无线网络高带宽、高延迟问题，提出生成式AI驱动的语义通信框架，利用MSAM提取语义信息与GAN重建去噪，在6G ITS场景中实现93.45%数据减少。
2023-10-13 cs.NI
Deep Generative Model and Its Applications in Efficient Wireless Network Management: A Tutorial and Case Study
Nanyang Technological University（南洋理工大学）；Guangdong University of Technology（广东工业大学）；Singapore University of Technology and Design（新加坡科技设计大学）；Sungkyunkwan University（成均馆大学）；University of Sydney（悉尼大学）
随着扩散模型和ChatGPT的巨大成功，从2022年起，深世代模型（DGM）将经历爆炸式增长。不仅限于内容生成，DGM还广泛应用于物联网，Metaverse和数字孪生，因为它们具有出色的表示复杂模式和生成合理样本的能力。在这篇文章中，我们探讨了DGMs在一个关键任务中的应用，即，提高了无线网络管理的效率。具体而言，我们首先概述了生成式人工智能，以及三个代表性的DGMs。然后，DGMs授权的无线网络管理框架，提出了一个详细说明的问题，传统的网络管理方法，为什么DGMs可以有效地解决这些问题，以及一步一步的工作流程，应用DGMs在管理无线网络。此外，我们进行了一个案例研究网络经济，使用最先进的DGM模型，即，扩散模型，以生成有效的合同来激励移动AI生成内容（AIGC）服务。最后，我们讨论了进一步研究的重要开放方向。
2023-03-30 cs.AI cs.LG cs.NI
Dynamic Video Streaming in Caching-enabled Wireless Mobile Networks
软件定义移动网络（SDMN）、网内缓存和移动边缘计算（MEC）的最新进展可能会对下一代移动网络中的视频服务产生重大影响。在本文中，我们共同考虑SDMN，在网络缓存，MEC，以提高下一代移动网络中的视频服务。以最大化视频质量的平均度量为目标，提出了一个优化问题。由于视频数据率、计算资源和流量工程（带宽提供和路径选择）的耦合，该问题在实际中变得棘手。因此，我们利用对偶分解方法将这三组变量解耦。大量的仿真进行了不同的系统配置，以显示所提出的方案的有效性。
2017-06-29 cs.NI
Survey on Internet of Things enabled by 6G Wireless Networks
6 G无线技术被可视化为通过物联网（IoT）彻底改变多种客户服务，从而为包括自主系统的无处不在的智能社会做出贡献。在本章中，我们对具有6 G无线网络的物联网网络进行了详细的调查，并调查了6 G技术在物联网网络中提供的趋势可能性及其相关利用;首先，我们详细介绍了突破性的物联网技术以及预计将在未来加强物联网网络的技术驱动因素。接下来，我们将介绍相关的用例，详细讨论6 G技术在广泛的物联网潜在应用中的作用。最后，我们强调了几个研究范围和挑战，并列出了潜在的研究需求，并鼓励在6 G网络支持的物联网重点领域内进行进一步研究。
2022-03-16 cs.NI eess.SP
Overview of RIS-Enabled Secure Transmission in 6G Wireless Networks
本文综述了可重构智能表面（RIS）在6G无线网络中增强物理层安全的作用，涵盖波束成形、资源分配、人工噪声与协作通信等设计，并通过数值结果验证其抗窃听能力。
2023-12-05 cs.NI
Context-Aware Semantic Communication for the Wireless Networks
提出CaSemCom框架，利用LLM门控机制与MoE架构自适应选择多模态高影响力语义特征，显著提升图像保真度并降低带宽，优于单智能体DRL与传统基线。
2025-05-29 cs.NI eess.SP
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
Content Caching and Distribution in Smart Grid Enabled Wireless Networks
为了方便多媒体内容的无线传输到移动用户，我们提出了一个内容缓存和分发框架，智能电网使能OFDM网络，每个流行的多媒体文件被编码和分布式存储在多个能量收集使能服务节点（SN），和绿色能源分布式收集SN可以通过智能电网彼此共享。分布式缓存、绿色能源共享和在线能源备份提高了无线多媒体下载过程的可靠性和性能。为了使全网总的上网功耗最小，在保证每个用户都能检索到全部内容的前提下，联合考虑子信道分配、功率分配和节点间功率流等资源分配，设计用户关联方案，由用户关联方案决定哪个SN为哪个用户服务。首先，解析地推导出分配给每个子信道的最优功率和节点间的功率流。然后，用户关联问题从子信道分配问题中解耦，并且所提出的用户关联方案利用了内容下载过程的多播性质。为了决定将哪个子信道分配给哪个节点，首先根据绿色能量产生速率和相关联的业务卸载来确定分配给每个节点的子信道的数量，然后从总的分配的系统频谱中选择对应的子信道。仿真结果表明，使内容、绿色能源和服务节点更接近终端用户可以显著降低上网能耗。
2016-03-17 cs.NI
MAxLM: Multi-Agent Language Model-Based Scheduling and Resource Allocation in MU-MIMO-OFDMA-Enabled Wireless Networks
University of Louisville（路易斯维尔大学）
本文提出MAxLM框架，利用预训练语言模型优化无线网络的上行调度接入，通过WiSER平台实现自主调度与资源分配，实验表明其在不同STA数量和天线设置下均优于基准方法。
2026-05-15 cs.MA cs.NI eess.SP
Multi-antenna Enabled Cluster-based Cooperation in Wireless Powered Communication Networks
在本文中，我们考虑了一个无线供电的通信网络（WPCN）组成的多天线混合接入点（HAP），无线能量传输和接收传感数据从一个集群的低功耗无线设备（WD）。为了提高一些遥远的WD的吞吐量性能，我们允许WD之一充当簇头（CH），帮助转发其他集群成员（CM）的消息。然而，所提出的基于集群的协作的性能从根本上受到CH的高能耗的限制，CH需要发送包括其自身的所有WD的消息。为了解决这个问题，我们利用HAP处的多天线能量波束成形（EB）的能力，其可以将更多的传输功率集中到CH以平衡其在辅助其他WD时的能量消耗。具体来说，我们首先推导出每个单独的WD下的吞吐量性能的建议计划。然后，我们联合优化EB设计，HAP和WD之间的传输时间分配，以及CH的传输功率分配，以最大化所有WD之间可实现的最小数据率（最大-最小吞吐量），以提高WD之间的吞吐量公平性。提出了一种有效的联合优化算法。此外，我们在实际网络设置下进行了仿真，结果表明，所提出的多天线使能的基于簇的合作可以有效地提高WPCN的吞吐量公平性。
2017-07-11 cs.NI
Smart Wireless Environments Enabled by RISs: Deployment Scenarios and Two Key Challenges
可重构智能表面（RISs）构成了电磁信号的可编程传播的使能器，并且最近被认为是用于下一代无线通信网络的苛刻的连接性、可靠性、本地化和可持续性要求的候选物理层技术。在本文中，我们提出了各种部署方案的RIS启用的智能无线环境，最近已经设计的正在进行的欧盟H2020 RISE-6 G项目。这些方案根据性能目标进行分类，特别是连接性和可靠性，定位和传感，以及可持续性和保密性。我们确定了各种部署策略，并根据RIS硬件架构及其各自的功能，概述了RIS控制和信令方面的核心架构要求。此外，我们介绍和讨论，通过初步的模拟结果和反射阵列测量，两个关键的新挑战与RIS使能的智能无线环境，即影响的区域和带宽的影响的RIS，这证实了需要仔细部署和规划这项新技术。
2022-03-25 cs.IT cs.NI math.IT
Energy-efficient User Clustering for UAV-enabled Wireless Networks Using EM Algorithm
本文提出一种基于高斯混合模型和改进期望最大化算法的无人机无线网络节能用户聚类机制，实现初始聚类与部署，能效提升25%，链路可靠性提升18.3%。
2025-10-10 cs.NI eess.SP
Symbiotic Blockchain Consensus: Cognitive Backscatter Communications-enabled Wireless Blockchain Consensus
针对无线区块链网络中通信链路不稳、节点能耗高导致共识性能下降的问题，提出基于认知反向散射通信的共生区块链共识机制，经仿真验证可有效提升共识成功率并降低能耗。
2023-12-14 cs.NI
A Distributed Ledger-Enabled Interworking Model for the Wireless Air Interface
虽然频谱的直接分配和演进的介质访问协议为无处不在的无线连接提供了基础，但是现有的TCP/IP和OSI模型是为有线网络设计的，并且不解决空中接口的开放互连。在没有用于空中接口的互连模型的情况下，现有网络设计继续将无线介质接入与回程提供商的无线介质接入绑定以获得接入的所有权和身份信任，从而导致对功能和覆盖的限制。在本文中，我们提出了一种新的解决方案，通过扩展TCP网络标准，我们提出了一个新的模型，名为TCP-Air，它直接在空中接口集成了分布式账本技术。此外，我们提出了TCP-空气模型的两个用例，展示了在现有许可接入网络设计下不可行的应用。
2020-04-26 cs.NI cs.SY eess.SY
Wireless Networks with Cache-Enabled and Backhaul-Limited Aerial Base Stations
使用空中基站（ABS）是一种很有前途的方法，以提高未来的无线网络的敏捷性和灵活性。ABS可以通过将供应转向需求来改善网络的覆盖和/或容量。在网络中部署ABS提出了若干挑战，例如找到将网络目标考虑在内的ABS的有效3D放置。另一个挑战是ABS的有限的无线回程容量，并且因此可能导致更高的延迟。内容缓存被提出来缓解回程拥塞和减少延迟。我们认为，由于不同的位置相关的路径损耗值和定义两组用户（延迟容忍和延迟敏感）不同的数据率的要求，ABS的回程容量有限。我们研究的问题，联合确定回程感知的3D布局ABS，用户BS协会和相应的带宽分配，同时最大限度地减少总下行链路发射功率。提出的迭代算法应用了一种分解方法。首先，使用半定松弛和坐标下降方法找到ABS的3D位置，然后优化用户-BS关联和带宽分配。仿真结果表明了该算法的有效性，并提供洞察业务分布和内容缓存的ABS的发射功率和回程使用的影响。
2020-07-31 cs.NI
