Subspace-Based Pilot Decontamination in User-Centric Scalable Cell-Free Wireless Networks
我们考虑一个无小区的无线系统，在时分双工（TDD）模式与用户为中心的集群的远程无线电单元（RU）。由于每个信道相干时隙的上行链路导频维度是有限的，所以副导频用户可能会招致相互导频污染。在当前的文献中，假设所有用户信道的长期统计知识是可用的。这使得最小均方误差信道估计或简化的主导子空间投影成为可能，这在对信道协方差矩阵的某些假设下实现了显著的导频净化。然而，估计信道协方差矩阵或甚至仅估计其在形成用户集群的所有RU处的主导子空间不是一件容易的任务。事实上，如果设计不当，这种长期统计估计的试验计划也会受到污染问题的影响。在本文中，我们提出了一种新的信道子空间估计方案明确设计的无小区无线网络。我们的方案是基于1）一个探测参考信号（SRS）使用拉丁方宽带跳频，和2）一个子空间估计方法的基础上，鲁棒主成分分析（R-PCA）。SRS跳频方案确保对于参与其集群的任何用户和任何RU，只有少数导频测量将包含强的副导频干扰。这几个严重污染的测量（隐式）消除R-PCA，这是为了规范的估计和折扣的“离群”的测量。我们的仿真结果表明，该方案实现了几乎完美的子空间知识，这反过来又产生系统性能非常接近理想的信道状态信息，从而从根本上解决了无小区的用户为中心的TDD无线网络中的导频污染的问题。
2022-11-17 cs.IT eess.SP math.IT
Optimized Cell Planning for Network Slicing in Heterogeneous Wireless Communication Networks
我们提出了一个小区规划方案，以最大限度地提高无线通信网络的资源效率，同时考虑不同的移动服务的服务质量要求。在密集和异构的蜂窝5G网络中，可用的时频资源在由小区服务的不同切片之间正交划分。所提出的方案实现了网络切片之间的资源分配、在不同切片上操作的小区的分配以及用户到小区的分配的联合优化。由于原来的问题制定是计算困难的，我们提出了一个凸内近似。仿真结果表明，所提出的方法优化了资源效率，并实现了以服务为中心的网络设计范式。
2018-05-30 eess.SP
Robust PCA for Subspace Estimation in User-Centric Cell-Free Wireless Networks
我们考虑一个可扩展的以用户为中心的无小区大规模MIMO网络与分布式远程无线电单元（RU），使宏分集和联合处理。由于有限的上行链路（UL）导频维度，UL导频传输阶段中的多用户干扰使得信道估计成为一个不平凡的问题。我们利用两种类型的UL导频信号，探测参考信号（SRS）和解调参考信号（DMRS）导频，信道子空间的估计和它的瞬时实现，分别。根据基于拉丁方的跳频方案，在多个时隙和资源块上发送SRS导频，该跳频方案旨在平均不同SRS副导频用户的干扰。我们提出了一个强大的主成分分析方法，用于从SRS信号样本的信道子空间估计，在RU为每个相关的用户。估计的子空间进一步在RU处用于DMRS导频净化和瞬时信道估计。我们提供了数值模拟，比较系统的性能，使用我们的子空间和信道估计方案的情况下，理想的部分子空间/信道知识和导频匹配信道估计。结果表明，采用适当设计的SRS导频跳频方案的系统可以接近基因辅助系统的性能。
2022-06-08 cs.IT eess.SP math.IT
Joint Optimization of Base Station Clustering and Service Caching in User-Centric MEC
边缘服务缓存可以有效地减少获取和初始化应用程序的延迟或带宽开销。针对传统蜂窝边缘服务缓存网络中存在的单基站传输受限和严重的边缘效应问题，提出了一种以用户为中心的边缘服务缓存框架，每个用户由一个特定的基站集群代替单个基站共同提供边缘缓存和无线传输服务.为了最小化缓存成本约束下的长期平均延迟，一个混合整数非线性规划（MINLP）问题，制定了联合优化BS分簇和服务缓存的决定。为了解决这个问题，我们提出了JO-CDSD，一个有效的联合优化算法的基础上李雅普诺夫优化和广义Benders分解（GBD）。特别地，长期优化问题可以被转换为每个时隙中的原始问题和主问题，这要简单得多。通过交替求解主问题和原始问题，可以得到近似最优的分簇和缓存策略。大量的仿真结果表明，所提出的联合优化算法优于其他算法，可以有效地减少最多$93.75% and caching cost by at most $ 53.12%的长期延迟。
2023-02-21 eess.SP
User-Centric Cell-Free Wireless Networks for 6G: Communication Theoretic Models and Research Challenges
本文为6G以用户为中心的无蜂窝网络建立了可扩展的物理层通信理论模型，提出动态簇形成、导频分配及基于簇的线性收发方案，并给出上行-下行对偶性。
2024-01-12 cs.IT eess.SP math.IT
User-Centric Machine Learning for Resource Allocation in MPTCP-Enabled Hybrid LiFi and WiFi Networks
针对支持MPTCP的混合LiFi与WiFi网络的负载均衡难题，提出一种以用户为中心的机器学习方法，相比以网络为中心的学习方法及基于TCP的博弈论方法，性能更优，吞吐量最高提升40%。
2024-08-14 eess.SP
Performance Analysis of Local Partial MMSE Precoding Based User-Centric Cell-Free Massive MIMO Systems and Deployment Optimization
本文针对非理想信道下以用户为中心的可扩展无蜂窝大规模MIMO系统，推导了LP-MMSE预编码下遍历和速率的确定性等效值及导数，设计了基于Barzilai-Borwein的梯度下降部署优化算法，仿真验证了等效值准确性及算法对系统速率的提升效果。
2024-10-08 eess.SP
Optimal User Load and Energy Efficiency in User-Centric Cell-Free Wireless Networks
无小区大规模MIMO是多用户MIMO和大规模MIMO的变体，其中天线的总数$LM$分布在系统中的$L$远程无线电单元（RU）之间，从而实现宏分集和联合处理。由于导频污染和系统可扩展性，每个RU只能服务有限数量的用户。然而，获得由$L$ RU在一个资源块（RB）上同时服务的关于总频谱效率（SE）的用户的最优数量不是简单的挑战，因为许多系统参数是交织的。例如，正交解调参考信号（DMRS）导频的维度$τ_p$限制了RU可以服务的用户的数量。因此，取决于$τ_p$，产生最大和SE的最优用户负载将变化。另一个关键参数是用户的上行链路发射功率$P^{\rm ue}_{\rm tx}$，其中存在用户中断、干扰和能量低效率之间的折衷。研究了无小区大规模MIMO系统中多个参数对系统总SE和用户中断的影响，以及不同RU天线分布水平的性能。我们提供了广泛的数值研究，以阐明系统SE相对于各种参数的行为，包括系统负载的影响，即，在任何RB上服务的活动用户的数量。结果表明，在一般情况下，具有许多RU和很少RU天线的系统产生最大的总和SE，其中分布式天线的好处减少在非常密集的网络。
2022-06-08 cs.IT eess.SP math.IT
Array Geometry-Centric Axial Sidelobe Interference Analysis for Near-Field Multi-User MIMO
King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学）；University of Southampton（南安普顿大学）
本文提出基于阵列几何优化的近场多用户MIMO系统轴向旁瓣抑制方法，通过理论分析和仿真验证，证明均匀正方形阵列在旁瓣抑制和总速率性能上优于其他常见阵列结构。
2026-03-12 eess.SP
Industry 5.0 is Coming: A Survey on Intelligent NextG Wireless Networks as Technological Enablers
工业5.0愿景是迈向下一次工业革命和工业4.0的一步，设想了在各种新兴应用中采用弹性、可持续和以人为本的方法的新目标，例如，未来的工厂，数字化社会该愿景旨在利用人类的智慧和创造力与智能，高效和可靠的认知协作机器人（cobots）相结合，以实现零浪费，零缺陷和基于大规模定制的制造解决方案。然而，这一愿景需要通过利用工业5.0技术使能器来融合网络物理世界，例如，认知协作机器人、以人为中心的人工智能（AI）、网络物理系统、数字孪生、超融合数据存储和计算、通信基础设施等。在这方面，新兴的计算智能（CI）范式和下一代无线网络（NGWN）的融合可以满足工业5.0愿景中技术推动者的严格通信和计算要求，这是本基于调查的教程的目的。在本文中，我们通过回顾和分析当前新兴的概念和技术来解决这个问题，例如，CI工具和框架、盒中网络架构、开放式无线接入网络、软件化服务架构、潜在的支持服务等，对于设计CINGWN的目标以满足工业5.0愿景要求至关重要。最后，我们提供了一个清单，从我们的详细审查，研究挑战和开放的问题，应该在CI-NGWN解决，以实现工业5.0的经验教训。
2022-05-18 cs.NI eess.SP
Fairness Scheduling in User-Centric Cell-Free Massive MIMO Wireless Networks
针对用户数远超天线数的以用户为中心无蜂窝大规模 MIMO 网络，提出基于信息中断概率、冲突图与自适应瞬时速率调度的动态公平调度方法。
2024-04-09 cs.IT eess.SP math.IT
Terahertz User-Centric Clustering in the Presence of Beam Misalignment
本文针对太赫兹网络中的波束失准问题，提出了一种通过基站协作提供多连接的用户中心基站聚类设计，并基于聚合干扰分布近似推导出覆盖概率，数值结果证明该设计是太赫兹网络的有效使能技术。
2024-02-19 cs.SY eess.SP eess.SY
Queueing Theoretic Models for Multiuser MISO Content-Centric Networks with SDMA, NOMA, OMA and Rate-Splitting Downlink
多用户、多输入、单输出（MU-MISO）系统被证明是5G和6 G等下一代无线网络中不可或缺的。MISO系统的空间分集已经在这些无线系统中的物理层设计中被利用以提高容量。最近的几项研究利用了内容请求中的冗余以及MISO系统的空间多样性来进一步提高容量。结果表明，基于SDMA、NOMA、OMA和速率分割的MISO最大最小公平（MMF）波束形成方案可以用来提高内容传输速率。然而，在大多数这些研究的关键方面，如在下行链路和用户动态的延迟和用户动态一般被忽略。在这项工作中，我们研究了在MU-MISO内容中心网络（CCN）中，同步、波束成形和用户动态之间的相互作用如何影响下行链路的服务质量（用户体验的延迟）。我们提出了一种简单的理论模型，可以直接适用于MU-MISO CCN，以执行最佳的多组多播下行链路传输。我们表明，最近开发的简单组播队列（SISO）系统可以直接用于MU-MISO系统，它提供了优越的性能，由于其始终稳定的性质。此外，我们观察到，MMF波束成形方案加上CDMA可能对具有良好信道的用户相当不公平。因此，我们提出了一个改进的双缓存，解决了这个问题。我们还提供了理论分析的平均延迟所经历的用户在这样的MU-MISO CCN。
2022-05-08 cs.NI eess.SP
Blind Interference Alignment in 6G Optical Wireless Communications
近年来，由于连接到互联网的设备数量巨大，对高速无线网络的需求已经显著增加。在此背景下，光无线通信（OWC）在下一代无线网络的背景下已经受到极大的关注，其中OWC使用光学频带提供巨大的未授权带宽。OWC系统是定向的，并且可以自然地提供多输入和多输出（MIMO）配置，其在室内环境中使用大量发射器来服务多个用户以确保覆盖。因此，必须有效地管理多用户干扰，以提高OWC网络的性能，考虑不同的度量。针对OWC系统提出了一种称为盲干扰对齐（BIA）的传输方案，可以在不需要发射机处的信道状态信息（CSI）的情况下最大化复用增益，而这在MIMO场景中很难实现。然而，标准BIA避免了对CSI的需要，代价是需要足够大的信道相干时间来发送整个传输块。此外，BIA的方法导致随着发射机和用户数量的增加而增加的噪声。因此，各种网络拓扑，如网络中心（NC）和用户中心（UC）的设计被提出来放松BIA的限制，其中这些拓扑将接收区域划分为多个集群。结果表明，与标准BIA相比，拓扑BIA的性能显着增强。
2021-09-25 cs.IT cs.NI eess.SP
Frequency Resource Management in 6G User-Centric CFmMIMO: A Hybrid Reinforcement Learning and Metaheuristic Approach
本文针对6G以用户为中心的无小区大规模MIMO网络中的频率资源分配难题，提出了一种结合强化学习与元启发式优化的混合多用户分配策略，在真实信道模型下验证了其在提升频谱效率、公平性和抑制干扰方面的优越性。
2025-05-28 cs.NI eess.SP
Channel Estimation with Asynchronous Reception for User-Centric Cell-Free MIMO Systems
针对以用户为中心的无蜂窝MIMO系统中分布式接入点导致的异步接收问题，本文提出通过新导频序列和匹配滤波器窗口恢复正交性的信道估计方法，在仅小幅增加训练开销的情况下将归一化均方误差降低7.26 dB、数据速率提升40%。
2025-06-05 cs.IT cs.NI eess.SP
Uplink-Downlink Duality and Precoding Strategies with Partial CSI in Cell-Free Wireless Networks
我们认为一个可扩展的以用户为中心的无线网络与动态集群的形成所定义的Björnsson和Sanguinetti。在已经示出了主导信道子空间信息对于上行链路（UL）导频净化的重要性并且已经在我们先前的工作中检查了不同的UL组合方案之后，在这里，我们研究用于下行链路（DL）的预编码策略。针对不同的天线分布、用户密度和UL导频尺寸，评估分布式可扩展DL预编码和功率分配方法。我们将分布式功率分配方法与基于特定形式的UL-DL二元性的方案进行比较，该方案可由中央处理器基于可用的部分信道状态信息来计算。新的对偶方法实现了UL和DL的几乎对称的“乐观遍历速率”，同时节省了相当大的计算复杂性，因为UL组合向量被重用为DL预编码器。
2022-01-17 cs.IT eess.SP math.IT
Performance of Slotted ALOHA in User-Centric Cell-Free Massive MIMO
本文针对以用户为中心的无蜂窝大规模 MIMO 免授权随机接入，分析具备捕获能力时 slotted ALOHA 的和吞吐量，并通过网络对比与仿真揭示其性能和前传负载折中优势。
2024-05-28 cs.IT cs.NI eess.SP
Energy-Efficient Blockchain-enabled User-Centric Mobile Edge Computing
在传统的移动边缘计算（MEC）系统中，由于严重的信号衰减和小区间干扰，MEC服务对于小区边缘用户的可用性受到很大限制。以用户为中心的MEC（UC-MEC）可以被视为解决这一问题的一个有前途的解决方案。在UC-MEC中，每个用户由具有MEC能力的专用接入点（AP）集群而不是单个MEC服务器来服务，然而，这以更多的能量消耗和更大的隐私风险为代价。为了通过以用户为中心的服务实现高效可靠的资源利用，我们提出了一种节能的区块链UC-MEC系统，其中区块链操作和资源优化联合执行。首先，我们设计了一个资源感知的，可靠的，复制，冗余和容错（R-RAFT）共识机制，以实现安全可靠的资源交易。在此基础上，提出了一种基于交替方向乘法（ADMM）的优化框架，该框架综合考虑了AP分簇、计算资源分配和带宽分配等因素，以最小化无线传输、共识和任务计算所消耗的总能量.仿真结果表明，所提出的UC-MEC系统优于参考方案，最多减少33.96%的总延迟和减少48.77%的总能量消耗。
2023-02-21 cs.DC cs.PF eess.SP
A Survey on User-Centric Cell-Free Massive MIMO Systems
在过去几十年中，移动数据业务已经呈指数增长，这已经通过网络基础设施在增加的小区密度方面的致密化（即，超密集网络（UDN））和/或增加每个接入点（AP）的活动天线的数量（即，大规模多输入多输出（mMIMO））。然而，UDN和mMIMO都不会满足第六代（6 G）无线通信的日益增长的数据率需求，这分别是由于小区间干扰和大的服务质量变化。无小区（CF）mMIMO结合了UDN和mMIMO的优点，被认为是解决这个问题的关键。在这样的系统中，每个用户设备（UE）由周围AP的优选集合协作地服务。在本文中，我们提供了一个调查的国家的最先进的文献CF mMIMO。作为一个出发点，CF mMIMO的意义和基本属性突出。然后，我们提出了规范框架，其中的基本细节（即，传输过程和数学系统模型）。接下来，我们将深入研究与CF mMIMO相关的资源分配和信号处理问题，并调查最新的方案和算法。然后，我们讨论了实现CF mMIMO时的实际问题。然后指出了未来的潜在方向。最后，我们总结了在这一领域的主要经验教训，总结本文。本文旨在为任何想要为未来无线网络进行CF mMIMO研究的人提供一个起点。
2021-10-06 cs.IT eess.SP math.IT
Generalized Pinching-Antenna Systems: A Tutorial on Principles, Design Strategies, and Future Directions
The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Southwest Jiaotong University（西南交通大学）；Southeast University（东南大学）；Nanyang Technological University（南洋理工大学）；Friedrich-Alexander-University Erlangen-Nürnberg (FAU)（埃尔朗根-纽伦堡弗里德里希·阿列克桑德大学）；The University of British Columbia（不列颠哥伦比亚大学）；Memorial University（纪念大学）；Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）
本文介绍了一种新型压紧天线系统，通过动态定位和激活辐射元件实现灵活覆盖，并探讨其设计策略与未来发展方向。
2026-03-07 cs.IT eess.SP math.IT
Generative AI Meets 6G and Beyond: Diffusion Models for Semantic Communications
Beijing University of Posts and Telecommunications（北京邮电大学）；Shanghai Jiao Tong University（上海交通大学）；East China Normal University（华东师范大学）；Tsinghua University（清华大学）；Hong Kong University of Science and Technology（香港科技大学）
本文探讨生成AI与6G通信的结合，介绍扩散模型在语义通信中的应用，分析其在可控生成、高效推理和跨域适应中的核心方法及贡献。
2026-05-07 cs.IT cs.LG cs.MM
Multi-UE Multi-AP Beam Alignment in User-Centric Cell-Free Massive MIMO Systems Operating at mmWave
本文考虑了无小区大规模MIMO部署中多个接入点（AP）和多个用户设备（UE）同时工作在同一毫米波频段的波束对准问题。假设控制信道在低于6GHz频率处的可用性，开发了一种协议，该协议允许为每个UE估计来自周围AP中的每个AP的最强传播路径，并且在UE和AP之间执行以用户为中心的关联。在一个阶段过程中，在UE处实现对来自附近AP的最强路径的估计，在该过程期间，所有AP利用伪随机发射波束成形器在伪随机选择的信道上同时发射。提出了一种AP间正交信道分配算法，其目标是最小化在相同信道上传输的AP之间的相互干扰。所提出的策略的性能进行评估的概率正确检测的方向的到达和离开相关联的最强的波束从附近的AP，并在下行链路和上行链路的信号与干扰加噪声比。仿真结果表明，该方法是有效的，能够在多UE多AP的无线场景中有效地实现波束对准。
2022-04-25 cs.IT eess.SP math.IT
Enabling Cell-Free Massive MIMO Systems with Wireless Millimeter Wave Fronthaul
无小区大规模MIMO系统具有良好的数据率和均匀覆盖增益。然而，这些系统通常依赖于基于光纤的前传用于中央处理单元（CPU）和分布式接入点（AP）之间的通信，这增加了基础设施成本，导致高安装时间，并且限制了部署灵活性和适应性。为了解决这些挑战，本文提出了两种基于无线前传的无小区大规模MIMO系统的架构，与接入链路相比，无线前传在\textit{higher-band}上操作：（i）仅无线前传架构，其中CPU具有到每个AP的无线前传链路，以及（ii）混合前传架构，其中CPU具有到经由光纤连接在一起的每个AP集群的无线链路。这些双频带架构确保了高数据率前传，并提供了同步分布式AP的高能力。此外，无线前传降低了基础设施成本和安装时间，并增强了网络部署的灵活性、适应性和可扩展性。为了研究所提出的架构的可实现的数据率，我们制定了端到端的数据率优化问题占的前传和接入链路的各个实际方面。然后，我们开发了一个低复杂度，但有效的联合波束成形和资源分配的解决方案，建议架构的基础上，以用户为中心的AP分组。有了这个解决方案，我们表明，所提出的架构可以实现可比的数据率与基于光纤的前传的前传带宽，硬件约束和部署方案的现实假设下获得的。这突出了在实践中实现无小区大规模MIMO增益同时减少基础设施和部署开销的有希望的路径。
2022-08-08 cs.IT eess.SP math.IT
Ubiquitous Cell-Free Massive MIMO Communications
自20世纪70年代第一个蜂窝网络试用以来，我们见证了一场令人难以置信的无线革命。从1G到4G，大规模的流量增长是通过更宽的带宽、精细的无线电接口和网络密度的组合来管理的，即增加每个站点的天线数量。由于其成本效益，后者的贡献最大。大规模MIMO（多输入多输出）是一种关键的5G技术，它使用大规模天线阵列来提供非常高的波束成形增益和用户的空间复用，从而提高频谱和能量效率。它构成了一个集中的解决方案，以增加网络的密度，其性能受到其以小区为中心的设计中固有的小区间干扰的限制。相反，无处不在的无小区大规模MIMO指的是实现以用户为中心的相干传输以克服蜂窝网络中的小区间干扰限制并提供附加宏分集的分布式大规模MIMO系统。这些特征与大规模MIMO设计中固有的系统可扩展性相结合，将无处不在的无小区大规模MIMO与先前的协调分布式无线系统区分开来。在本文中，我们研究了这种有前途的技术的巨大潜力，同时解决了实际部署问题，以处理来自信号协处理的增加的后/前传输开销。
2019-09-06 cs.IT eess.SP math.IT
Human-in-the-Loop Wireless Communications: Machine Learning and Brain-Aware Resource Management
以人为中心的应用，如虚拟现实和沉浸式游戏将是未来无线网络的核心。这些服务的共同特征包括：a）它们依赖于人类用户的行为和状态，以及b）与传统蜂窝应用相比，它们需要更多的网络资源。为了在无线和蜂窝系统上成功地部署这样的应用，网络必须不仅认识到应用的服务质量（QoS）需求，而且认识到人类用户对该QoS的感知。在本文中，通过明确建模的局限性，人类用户在无线网络中的延迟感知的具体措施。然后，提出了一种新的学习方法，称为概率分布识别，找到一个概率模型，这种延迟感知的基础上的人类用户的大脑特征。所提出的学习方法使用监督和无监督学习技术来建立一个高斯混合模型的人脑功能。给出了一个人脑延迟感知模型，提出了一种基于李雅普诺夫优化的脑感知资源管理算法，在最小化发射功率的同时，兼顾机器设备和用户的可靠性，为用户分配无线资源.该算法具有较低的复杂度。此外，一个封闭的形式之间的关系的可靠性措施和无线物理层度量的网络。使用来自实际人类用户的真实数据的模拟结果表明，与系统相比，大脑感知方法可以节省高达78%的功率
2019-07-10 cs.IT eess.SP math.IT
Random Access and Localization in Cell-Free User-Centric Networks with Multipath Channels
Communications and Information Theory Chair, Faculty of Electrical Engineering and Computer Science, Technische Universität Berlin（柏林工业大学电气与计算机科学学院通信与信息论讲席）
针对无小区用户中心网络，提出基于位置相关码本的随机接入方案，结合ZC序列与GLRT或AMP检测，并利用近最大似然方法实现用户定位，仿真验证了AMP检测性能更优且定位精度相当。
2026-09-14 cs.IT eess.SP math.IT
Context-Aware Wireless Connectivity and Processing Unit Optimization for IoT Networks
University of Glasgow（格拉斯哥大学）；Ajman University（阿治曼大学）；Queen Mary University of London（伦敦玛丽女王大学）
提出了一种新的方法，用于物联网（IoT）网络的上下文感知连接和处理优化。与现有技术的方法不同，所提出的方法同时选择最佳连接性和处理单元（例如，设备、雾和云）以及通过联合优化能耗、响应时间、安全性和货币成本来卸载的数据百分比。该方案采用了强化学习算法，并设法实现显着的收益相比，确定性的解决方案。特别是，物联网设备在响应时间和安全性方面的要求与设备的剩余电池电量一起作为输入，并且开发的算法返回优化的策略。所获得的结果表明，只有我们的方法是能够满足整体多目标优化标准，虽然，基准方法可能会取得更好的结果在一个特定的度量的成本未能达到其他目标。因此，所提出的方法是一种以设备为中心的上下文感知解决方案，该解决方案考虑了货币和电池的限制。
2020-04-30 cs.LG cs.SY eess.SP
Foundations of User-Centric Cell-Free Massive MIMO
本专著系统阐述了以用户为中心的无小区大规模MIMO的基础，涵盖动机、数学定义、信道估计与收发信号处理算法、频谱效率分析及资源分配方法，揭示了性能、复杂度与前传需求的权衡。
2023-11-27 cs.IT eess.SP math.IT
Multi-User Content Diversity in Wireless Networks
Qualcomm Technologies, Inc.（高通技术有限公司）
本文提出多用户内容多样性概念，通过优化用户体验目标函数，提升无线网络的用户体验容量、公平性和利用率。
2026-01-22 cs.NI cs.SY eess.SP
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
Propagation and Rate-Aware Cell Switching Optimization in HAPS-Assisted Wireless Networks
Ankara Yıldırım Beyazıt University（安卡拉伊尔迪里姆贝亚齐特大学）；University of Brescia（布雷西亚大学）；TÜBİTAK BİLGEM（土耳其科学技术研究委员会信息通信技术研究所）；Istanbul Technical University（伊斯坦布尔理工大学）
本文提出了一种在HAPS辅助无线网络中结合传播和速率感知的小区切换优化方法，通过多目标优化框架减少能耗、未连接用户和数据速率退化，提升6G网络的可持续性。
2026-03-11 cs.SY eess.SP eess.SY
Vehicular Network Slicing for Reliable Access and Deadline-Constrained Data Offloading: A Multi-Agent On-Device Learning Approach
由于无线信道上的数据率从根本上受到限制，因此高效的数据卸载在计算密集型平台中起着关键作用。最重要的是，高移动性增加了车辆边缘网络（VEN）的额外负担，从而增强了对以用户为中心的高效解决方案的需求。因此，与传统的不灵活的以网络为中心的方法不同，本文利用软件定义的灵活，开放和可编程的网络平台，在VEN中实现高效的以用户为中心，快速，可靠和期限受限的卸载解决方案。在所提出的模型中，每个活跃的车辆用户（VU）从多个低功率接入点（AP）通过创建一个高贵的虚拟小区（VC）。联合节点关联，功率分配，和分布式资源分配问题制定。由于集中式学习在许多现实问题中并不实用，因此遵循自治VU的分布式性质，每个VU都被认为是边缘学习代理。为此，考虑到实际的位置感知节点的关联，联合无线电和功率资源分配非合作随机博弈制定。利用强化学习（RL）的有效性，提出了一种多智能体强化学习（MARL）解决方案，其中边缘学习器的目标是学习纳什均衡（NE）策略，以有效地解决游戏。此外，真实世界的地图数据，与一个实用的微观移动模型，用于模拟。结果表明，所提出的以用户为中心的方法可以提供显着的性能在VENs。此外，所提出的MARL解决方案提供了接近最佳的性能，在上行链路中的分布式随机接入的情况下，具有约3%的冲突概率。
2021-10-14 cs.DC cs.MA cs.NI
