TDGCN-Based Mobile Multiuser Physical-Layer Authentication for EI-Enabled IIoT
State Key Laboratory of Networking and Switching Technology, BUPT（网络与交换技术国家重点实验室，北京邮电大学）；Chinese University of Hong Kong（香港中文大学）
本文提出基于TDGCN的PLA方案，通过动态图卷积网络和时间卷积网络实现移动多用户认证，提升EI赋能IIoT中的安全性能。
2026-01-14 eess.SP
Embodied Intelligent Wireless (EIW): Synesthesia of Machines Empowered Wireless Communications
本文提出EIW范式，通过具身智能理念重新定义无线通信节点，实现环境感知、决策与行动的闭环，提升无线通信系统的适应性和智能性。
2025-11-28 eess.SP
Edge Information Hub-Empowered 6G NTN: Latency-Oriented Resource Orchestration and Configuration
针对灾区地面网络损毁下的低时延态势信息上传需求，提出融合通算存能力的边缘信息中心赋能6G NTN架构，设计最优资源编排算法与载荷约束下的配置方案，有效降低上传时延以支撑应急救援。
2024-05-21 cs.NI eess.SP
MEC-Empowered Non-Terrestrial Network for 6G Wide-Area Time-Sensitive Internet of Things
针对6G广域时间敏感物联网需求，提出移动边缘计算赋能的无小区架构非地面网络，以时分框架设计通信与MEC系统，通过大规模CSI处理复杂传播环境并迭代求解时延最小化问题，仿真验证其性能优势及无人机载荷预设计的重要性。
2021-06-21 cs.IT eess.SP math.IT
Core Network Management Procedures for Self-Organized and Sustainable 5G Cellular Networks
未来的移动网络（MN），5G和5G之后，将需要从传统资源分配机制的范式转变，因为基站（BS）将被赋予计算能力（即，卸载和计算更靠近移动用户执行）。这是由于网络边缘的普遍移动和物联网（IoT）设备所产生的预期数据量、种类和速度的爆炸性增长。为了实现有效的资源管理，在多访问边缘计算（MEC）范式中，我们利用长短期记忆（LSTM）神经网络进行时间序列预测，并利用控制理论技术进行前瞻性优化，从而为网络边缘内的网络资源处理带来智能机制。在这里，我们提出了在线算法，用于自动缩放和重新配置虚拟化计算平台内的计算加通信资源，并且还通过考虑预测的流量负载和收获的能量来实现动态打开/关闭BS。其主要目标是在保证服务质量（QoS）的前提下，最大限度地降低整体能耗。我们通过跟踪驱动模拟获得的数值结果表明，所提出的优化策略大大减少了边缘计算和通信设施消耗的能源，通过使用绿色能源促进了MN内的能源自我可持续性。
2019-09-19 eess.SP
AI-Empowered RIS-Assisted Networks: CV-Enabled RIS Selection and DNN-Enabled Transmission
本文提出AI赋能的RIS辅助网络方案，利用CV选择最优RIS，DNN学习信道到波束成形及相移的映射，实现实时传输，性能接近交替优化且推理时间大幅缩短。
2024-04-18 eess.SP
Synesthesia of Machines (SoM)-Empowered Wireless Image Transmission over Complex Dynamic Channel
针对现有无线图像传输研究忽略信道复杂动态特性的问题，提出基于Swin Transformer的机器联觉赋能动态信道自适应传输（DCAT）方案，利用物理层传输特性有效适应时间选择性衰落与信道老化，在各类条件下性能优于JSCC基线，且具备高可扩展性与可解释性。
2025-09-14 eess.SP
AI Empowered Channel Semantic Acquisition for 6G Integrated Sensing and Communication Networks
本文针对6G集成感知与通信网络中C&S性能相互折衷的问题，提出两阶段帧结构和联合信道语义提取与重建网络JCASCasterNet，利用AI挖掘C&S协同增益，以单感知天线和有限信令开销提升整体性能。
2024-01-17 cs.IT eess.SP math.IT
Neuromorphic AI Empowered Root Cause Analysis of Faults in Emerging Networks
University of Oklahoma（俄克拉荷马大学）
移动蜂窝网络运营商将近四分之一的收入用于网络维护和管理。该预算的很大一部分用于解决系统中诊断出的中断或降低蜂窝服务的故障。从历史上看，检测、诊断和解决问题的操作是由人类专家执行的。然而，随着细胞类型的多样化、复杂性的增加和细胞密度的增加，这种方法在技术上和经济上都变得越来越不可行。为了解决这个问题，近年来，对自我修复解决方案的研究取得了显著的发展势头。自我修复范例最理想的特性之一是自动故障诊断。虽然最近已经提出了几种故障检测和诊断机器学习模型，但这些方案都有一个共同的特点，即以某种方式依赖于人类专家的贡献来进行故障诊断和预测。在本文中，我们提出了一种基于人工智能的故障诊断解决方案，该解决方案为实现完全自动化的自我修复系统迈出了关键一步，而无需人类专家的输入。所提出的解决方案利用随机森林分类器、卷积神经网络和基于神经形态的深度学习模型，该模型使用生成的故障的RSRP地图图像。我们比较了所提出的解决方案对国家的最先进的解决方案在文献中，主要使用朴素贝叶斯模型的性能，同时考虑七种不同的故障类型。实验结果表明，类脑计算模型在训练数据较少的情况下，仍能达到较高的分类精度
2020-05-04 cs.LG cs.NI eess.SP
Modeling RIS Empowered Outdoor-to-Indoor Communication in mmWave Cellular Networks
随着毫米波（mmWave）在蜂窝网络上的越来越多的采用，由于建筑物的高穿透损耗，室外到室内（O2I）通信已经成为具有挑战性的研究问题之一。为了解决这个问题，我们调查的实用性，利用可重构智能表面（RISs），以协助这种O2I通信。我们提出了一个新的概念，预制的RIS授权墙组成的大量的无芯片射频识别（RFID）传感器。每个传感器都有自己的延迟线。这些内置在建筑物墙壁内的传感器可以潜在地由主集成电路（IC）控制以调节撞击信号的相位。为了评估我们的想法，我们使用阻塞模型的随机几何工具对毫米波网络中基于RIS的O2 I通信进行了彻底的性能分析。我们的分析有利于两个封闭形式的近似的下行链路信噪比（SNR）覆盖概率为基于RIS的O2I通信。我们进行了广泛的模拟，以评估所得出的表达式的准确性，从而提供新的观察和发现。
2021-01-04 eess.SP
Terahertz Integrated Sensing and Communication-Empowered UAVs in 6G: A Transceiver Design Perspective
本文从收发机设计视角系统研究太赫兹ISAC赋能无人机在6G中的关键技术与挑战，重点探讨混合波束赋形、高能效波形设计和信道状态信息获取，并展望未来研究方向。
2025-02-07 eess.SP
Non-Coherent MIMO-OFDM Uplink empowered by the Spatial Diversity in Reflecting Surfaces
Universidad Carlos III de Madrid（马德里卡洛斯三世大学）；National and Kapodistrian University of Athens（雅典国立卡波蒂斯特里亚大学）
针对传统相干解调在时变信道中需估计CSI导致开销增加的问题，提出一种基于差分相移键控的RS赋能MIMO-OFDM上行通信系统，适用于高噪声与高移动性场景，仿真证明其性能优于相干解调。
2022-02-04 eess.SP
Cramer-Rao Bound Optimization for Active RIS-Empowered ISAC Systems
本文研究有源RIS赋能的ISAC系统，联合设计基站发射预编码与RIS反射波束成形，在满足通信SINR约束下最小化CRB，并提出基于交替优化、SDR和MM的高效算法以提升DoA估计性能。
2024-04-01 eess.SP
Sensing-Then-Beamforming: Robust Transmission Design for RIS-Empowered Integrated Sensing and Covert Communication
School of Science, Edith Cowan University（伊迪丝考文大学理学院）
本文提出了一种基于RIS的鲁棒隐蔽传输设计，通过感知后再波束成形技术提升隐蔽通信效率。
2025-12-08 cs.IT eess.SP math.IT
Securing FC-RIS and UAV Empowered Multiuser Communications Against a Randomly Flying Eavesdropper
针对随机飞行窃听者威胁，本文研究了FC-RIS与UAV赋能的多用户通信网络，提出了FCR-RS与FCR-GCSI-PFS调度方案，推导了ZSRP闭式表达式，并证实优化悬停高度显著提升物理层安全。
2024-08-26 eess.SP
Semantic-Relevance Based Sensor Selection for Edge-AI Empowered Sensing Systems
针对边缘AI感知系统的通信瓶颈，本文提出语义相关性感知的传感器选择框架，通过联合相关性与信道状态的优先级排序及低复杂度算法最大化端到端精度，并在合成与真实数据集上验证其显著优势。
2025-03-17 cs.IT eess.SP math.IT
Cellular-X: An LLM-empowered Cellular Agent for Efficient Base Station Operations
本文提出基于LLM的蜂窝智能体Cellular-X，结合多模态LLM与RAG技术实现基站维护自动化，通过解析意图、检索信息、迭代自校正提升工程师效率，已在USRP X310测试平台实现并提供演示资源。
2025-04-10 cs.NI eess.SP
Mutual Information-Empowered Task-Oriented Communication: Principles, Applications and Challenges
本文综述了互信息赋能的任务导向通信，将其作为统一设计框架，通过案例展示其在特征编码、传输优化和训练中的作用，并讨论局限与开放问题。
2025-03-26 cs.IT eess.SP math.IT
Antenna Coding Optimization for Pixel Antenna Empowered Wireless Communication Using Deep Learning with Heterogeneous Multi-Head Selection
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；University of Macau（澳门大学）
本文提出基于深度学习的像素天线编码优化算法，通过异构多头选择机制实现高效优化，显著降低计算复杂度，提升无线通信系统性能。
2026-02-27 cs.IT eess.SP math.IT
Real-Time and Security-Aware Precoding in RIS-Empowered Multi-User Wireless Networks
本文提出深度展开框架DUNet，用于RIS赋能力多用户网络中最大化保密速率，通过松弛、解耦和KKT闭式解，实现与AO相当的精度且速度快25.6倍。
2023-12-30 cs.IT eess.SP math.IT
Hybrid Beamforming for RIS-Empowered Multi-hop Terahertz Communications: A DRL-based Method
太赫兹频带（0.1- 10 THz）中的无线通信被设想为未来第六代（6 G）无线通信系统的关键使能技术之一。然而，太赫兹频率很高的传播衰减和分子散射往往限制了信号的传输距离和覆盖范围。基于可重构智能表面（RIS）在实现智能无线电传播环境方面的突破，提出了一种新的混合波束形成方案，用于多跳RIS辅助通信网络，以提高太赫兹频段的覆盖范围。我们研究了BS处的数字波束成形矩阵和RIS处的模拟波束成形矩阵的联合设计，通过利用深度强化学习（DRL）的最新进展来对抗传播损耗。仿真结果表明，与基准方案相比，该方案能够将THz通信的覆盖范围提高50%以上.此外，它也表明，我们提出的DRL为基础的方法是一个国家的最先进的方法来解决NP-巴德波束成形问题，特别是当信号在RIS授权太赫兹通信网络经历多跳。
2020-09-20 cs.IT cs.LG eess.SP
A Novel Multi-Task Learning Empowered Codebook Design for Downlink SCMA Networks
稀疏码多址接入（SCMA）是一种很有前途的码域非正交多址接入（NOMA）方案，用于实现大规模机器类型的通信。在SCMA中，良好的稀疏码本设计和高效的多用户译码在过去几年中引起了极大的研究关注。本文的目的是利用深度学习，在自动编码器的辅助下，联合设计下行SCMA编码器和解码器。本文提出了一种基于端到端学习的SCMA（E2 E-SCMA）设计框架，并在此框架下得到了改进的稀疏码本和低复杂度的译码器。与传统的SCMA方案相比，我们的数值结果表明，所提出的E2 E-SCMA导致显着的改善，在出错率和计算复杂性。
2022-03-28 cs.IT eess.SP math.IT
Joint Beamforming Design for RIS-Empowered NOMA-ISAC Systems
本文针对RIS辅助的NOMA-ISAC系统，提出联合优化基站波束赋形、RIS反射系数和雷达接收滤波器的迭代算法，以在感知约束下最大化用户和速率，并通过仿真验证其优于基准算法。
2025-08-19 cs.IT eess.SP math.IT
Blockchain as a Service for Multi-Access Edge Computing: A Deep Reinforcement Learning Approach
最近，区块链由于其去中心化、不变性、透明性和安全性在学术界获得了发展势头。多址边缘计算（MEC）作为一种新兴的计算模式，被广泛用于为网络边缘的移动用户设备（UE）提供计算和存储资源，以提高移动应用的性能。在本文中，我们提出了一种新的基于区块链的MEC架构，其中UE可以将其计算任务卸载到MEC服务器。特别是，区块链网络作为区块链即服务（BaaS）部署和托管在MEC平台上，该平台支持基于智能合约的资源交易和交易挖掘服务，用于移动任务卸载。为了提高区块链授权的MEC系统的性能，我们提出了一个计算卸载和区块链挖掘的联合方案。因此，制定优化问题以最大化边缘服务收入和区块链挖掘奖励，同时最小化关于用户服务需求和散列功率资源的约束的服务计算延迟。然后，我们提出了一种新的深度强化学习（DRL）方法，使用双深度Q网络（DQN）算法来解决所提出的问题。数值结果表明，该方案优于其他基线方法在更好的系统效用与计算效率。实验结果也验证了交易契约设计的有效性和低运营成本，表明了该方案的可行性。
2019-12-15 cs.NI eess.SP
Data Augmentation Empowered Neural Precoding for Multiuser MIMO with MMSE Model
利用深度学习方法的预编码设计已经被广泛研究用于多用户多输入多输出（MU-MIMO）系统。然而，传统的神经预编码设计应用基于黑盒的神经网络，其不太可解释。在本文中，我们提出了一种基于深度学习的预编码方法，该方法基于神经预编码网络的可解释设计，即iPNet。特别地，iPNet模仿经典的最小均方误差（MMSE）预编码，并且在神经网络架构的设计中近似矩阵求逆。具体而言，建议的iPNet由一个模型驱动的组件网络，负责增强输入信道状态信息（CSI），和一个数据驱动的子网络，负责从这个增强的CSI预编码计算。后一个数据驱动模块被明确地解释为MMSE预编码器的无监督学习者。仿真结果表明，通过利用增强的CSI，所提出的iPNet比现有的黑盒设计实现了显着的性能提升，并且还表现出针对CSI不匹配的增强的通用性。
2022-03-04 cs.IT eess.SP math.IT
Machine Learning Empowered Resource Allocation in IRS Aided MISO-NOMA Networks
提出了一种新的智能反射面（IRS）辅助的多输入单输出（MISO）非正交多址接入（NOMA）网络结构，其中一个基站（BS）服务于多个簇，每个簇中的用户数不固定。该算法的目标是根据用户的速率要求，通过联合优化IRS处的无源波束形成向量、解码顺序、功率分配系数向量和簇数，最大化所有用户的速率总和。为了解决制定的问题，提出了一个三步的方法。更具体地，首先采用基于长短期记忆（LSTM）的算法来预测用户的移动性。其次，提出了一种基于K-means的高斯混合模型（K-GMM）用户聚类算法。第三，调用基于深度Q网络（DQN）的算法来联合确定相移矩阵和功率分配策略。仿真结果表明，所提算法的性能优于基准算法，而采用NOMA技术代替正交多址接入（OMA）技术，吞吐量可提高35%.
2021-11-30 cs.IT eess.SP math.IT
On the Performance Analysis of RIS-Empowered Communications Over Nakagami-m Fading
本文针对Nakagami-m衰落信道下RIS赋能通信，分析随机与相干相移两种相位配置，给出中断概率、误比特率的单积分表达式及遍历容量闭式近似，并推导大反射单元数下的紧致解析结果，经蒙特卡洛仿真验证。
2023-09-21 cs.IT eess.SP math.IT
Channel Estimation and Multipath Diversity Reception for RIS-Empowered Broadband Wireless Systems Based on Cyclic-Prefixed Single-Carrier Transmission
针对可重构智能表面（RIS）支持的宽带无线通信系统，提出了一种基于相移键控（PSK）信令的循环前缀单载波（CPSC）传输方案。在所提出的CPSC-RIS中，RIS根据传输的PSK符号进行配置，使得RIS创建入射信号的不同循环延迟版本以实现多径分集。提出了一种实用有效的CPSC-RIS信道估计器，并给出了信道估计均方误差的封闭表达式。分析了CPSC-RIS在频率选择性Nakagami- $m$衰落信道下的出错率性能。通过假设最大似然检测，推导出BER的上界。此外，通过诉诸索引调制（IM）的概念，我们提出了一个扩展的CPSC-RIS，称为CPSC-RIS-IM，提高了频谱效率。除了PSK符号的常规星座信息之外，CPSC-RIS-IM使用由RIS引起的循环延迟的全排列来携带信息。针对CPSC-RIS-IM的低计算复杂性，设计了一种次优接收机。我们的仿真结果在BER方面证实的性能分析和优越性的CPSC-RIS（-IM）比传统的CPSC没有RIS和正交频分复用与RIS。
2022-06-27 cs.IT eess.SP math.IT
AI Empowered Resource Management for Future Wireless Networks
资源管理在无线网络中起着关键的作用，不幸的是，这导致了具有挑战性的NP难题。人工智能（AI），特别是深度学习技术，最近已经成为以实时方式解决此类挑战性问题的颠覆性技术。然而，尽管已经报告了有希望的结果，但基于AI的方法的实用设计指南和性能保证仍然缺失。在本文中，我们努力解决两个基本问题：1）与经典技术相比，基于AI的方法的主要优势是什么？2）对于给定的资源管理任务，我们应该选择哪种神经网络。对于第一个问题，确定并讨论了四个优点。对于第二个问题，\emph{optimality gap}，即，的差距，最佳性能，提出了作为一种措施，选择模型架构，以及，使不同的基于AI的方法之间的理论比较。具体来说，对于$K$ -用户干扰管理问题，我们从理论上证明了图神经网络（GNNs）优于多层感知器（MLP），并且这两种方法之间的性能差距随着$\sqrt{K}$而增长。
2021-06-11 cs.IT eess.SP math.IT
Reconfigurable Intelligent Surface Empowered Device-to-Device Communication Underlaying Cellular Networks
可重构智能表面（RIS）是实现频谱、能量和成本高效的无线网络的一项新的革命性技术。本文研究了蜂窝网络下的RIS授权的设备到设备（D2 D）通信的资源分配，其中RIS用于增强期望信号并抑制配对的D2 D和蜂窝链路之间的干扰。我们最大化整个网络的频谱效率（SE）（即，D2 D用户和蜂窝用户的总速率）和能量效率（EE），通过在信号与干扰加噪声比约束和其他实际约束下联合优化资源重用指示符、发射功率和RIS的被动波束成形。为了解决非凸问题，我们首先提出了一个有效的用户配对计划的基础上相对信道强度来确定资源重用指标。然后，发射功率和RIS的被动波束形成联合优化，以最大化SE提出的迭代算法，交替优化，逐次凸逼近，拉格朗日对偶变换和二次变换的基础上的技术。此外，EE-最大化问题的解决交替算法集成Dinkelbach的方法。同时，对两种算法的收敛性和复杂度进行了分析.数值结果表明，所提出的设计实现了显着的SE和EE的增强相比，传统的底层D2 D网络没有RIS和其他基准。
2020-07-20 cs.IT eess.SP math.IT
Reconfigurable Intelligent Surface Empowered Full Duplex Systems: Opportunities and Challenges
本文提出利用STAR-RIS的透射与反射功能分别增强FD系统传输容量和消除自干扰，通过仿真比较两种类型性能，并验证深度学习优化算法的优越性，为6G无线通信提供新方案。
2024-07-22 cs.IT eess.SP math.IT
LLM-Empowered Resource Allocation in Wireless Communications Systems
Yonsei University（延世大学）
本文提出一种基于 LLM 的无线通信资源分配方法，通过两发射对问题验证其在能效或频效最大化上的可行性，并结合低复杂度技术弥补可靠性不足。
2024-08-06 cs.AI cs.SY eess.SP
Agentic AI Empowered Multi-UAV Trajectory Optimization in Low-Altitude Economy Networks
本文提出ARMAIT框架，结合智能体RAG与MAIT混合架构及T-GRPO优化方法，解决多无人机轨迹优化问题，并通过实验验证其可行性与有效性。
2025-08-22 cs.IT eess.SP math.IT
Optimized Energy and Information Relaying in Self-Sustainable IRS-Empowered WPCN
提出了一种在无线供电通信网络（WPCN）中利用自维持智能反射面（IRS）实现的混合中继方案，以同时提高混合接入点（HAP）到多个用户的下行能量传输（ET）和用户到HAP的上行信息传输（IT）的性能。我们提出了时间切换（TS）和功率分配（PS）计划的IRS，其中IRS可以收获能量从HAP的信号之间切换能量收集和信号反射的TS计划或调整其反射幅度在PS计划。对于TS和PS方案，我们制定的总和速率最大化问题，通过联合优化IRS的相移ET和IT和网络资源分配。为了解决每个问题的非凸性，我们提出了一个两步算法，以获得高精度的近最优解。为了显示资源分配的结构，我们还研究了随机相移方案的最优解。通过数值结果，我们表明，我们提出的计划可以实现显着的系统和速率增益相比，基线计划没有IRS。
2020-09-30 cs.IT eess.SP math.IT
Planar Diffractive Neural Networks Empowered Communications: A Spatial Modulation Scheme
本文提出一种基于平面衍射神经网络的空间调制通信方案，通过优化相移参数提升射频前端性能。
2025-11-30 cs.IT eess.SP math.IT
Coordinated Beamforming for RIS-Empowered ISAC Systems over Secure Low-Altitude Networks
本文提出一种RIS赋能的ISAC协调波束成形框架，通过联合优化DFBS主动预编码与RIS被动波束成形，在满足雷达感知与功率约束下最大化合法UAV总速率，并设计低复杂度算法验证其优于分离优化基准。
2025-05-30 cs.IT eess.SP math.IT
Transmit Power Minimization for STAR-RIS Empowered Symbiotic Radio Communications
针对STAR-RIS赋能的共生无线电系统，研究在广播与单播模型下联合优化有源波束赋形及反射/透射系数以最小化基站发射功率，并提出块坐标下降算法，显著降低功耗。
2023-04-20 cs.IT eess.SP math.IT
Reconfigurable Intelligent Surface-Empowered MIMO Systems
可重构智能表面（RIS）辅助通信由于其在实现成本和端到端系统性能方面的诱人优势而成为未来无线通信系统的一个有希望的候选者。本文提出了两种新的基于RISs的多输入多输出（MIMO）系统设计，以提高现有MIMO通信系统的性能和频谱效率。垂直贝尔实验室分层空时（VBLAST）和Alamandro的计划已被认为是在这项研究中，并提出了基于RIS的简单收发器架构。对于基于VBLAST的新系统，RIS用于增强基于零和消除的次优检测过程的性能，以及通过调整RIS元素的相位来传送额外的比特，从而显著地提高频谱效率。此外，RIS元件已被利用，以便重新设计在发射机侧具有单个射频（RF）信号发生器的Alamanti方案，并增强其误比特率（BER）性能。蒙特卡洛模拟显示我们的系统设计的有效性，它已被证明，他们优于参考方案的BER性能和频谱效率。
2020-08-10 cs.IT eess.SP math.IT
CSP-Net: Common Spatial Pattern Empowered Neural Networks for EEG-Based Motor Imagery Classification
School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院）；Shenzhen Huazhong University of Science and Technology Research Institute（华中科技大学深圳研究院）
本文提出CSP-Net-1和CSP-Net-2两种网络，将知识驱动的CSP滤波器与数据驱动的CNN相结合，在四个公开运动想象数据集上一致提升了被试内和跨被试分类性能，尤其在训练样本极少时优势明显。
2024-11-04 cs.AI cs.HC cs.LG
True-data Testbed for 5G/B5G Intelligent Network
Southeast University（东南大学）；China Information and Communication Technology Group Corporation（中国信息通信科技集团有限公司）；Purple Mountain Laboratories（紫金山实验室）
未来的第五代（B5 G）和第六代（6 G）移动通信将从促进人际通信转向支持万物互联（IoE），其中大数据和人工智能（AI）充分融合的智能通信将在提高网络效率和提供高质量服务方面发挥重要作用。作为一种快速发展的模式，人工智能支持的移动通信需要从真实网络环境中获取大量数据进行系统的测试和验证。为此，我们打造了全球首个5G/B5 G智能网真数据试验床（TTIN），包括5G/B5 G现场实验网、数据采集与数据仓库、AI引擎与网络优化。TTIN具备真实网络数据采集、存储、标准化、分析等功能，实现面向B5 G/6 G关键技术的系统级在线验证，通过闭环控制机制支持数据驱动的网络优化。本文详细阐述了TTIN的系统架构和模块设计。还展示了详细的技术规格和一些已建立的用例。
2021-01-04 cs.AI cs.AR cs.NI
Channel Estimation for RIS-Empowered Multi-User MISO Wireless Communications
Singapore University of Technology and Design（新加坡科技设计大学）；Zhejiang University（浙江大学）；National and Kapodistrian University of Athens（雅典国立卡波迪斯特里安大学）；CentraleSupélec（巴黎中央理工-高等电力学院）；University Paris-Saclay（巴黎萨克雷大学）；Lagrange Mathematics and Computing Research Center（拉格朗日数学与计算研究中心）
可重构智能表面（RISs）最近被认为是未来无线网络的节能解决方案，因为它们的快速和低功耗配置增加了实现大规模连接和低延迟通信的潜力。在基于RIS的系统中，准确且低开销的信道估计是最关键的挑战之一，这是由于RIS单元元件的数量通常很大以及它们独特的硬件约束。本文针对一种基于RIS-empowered的多用户多输入单输出（MISO）上行通信系统的上行链路，提出了一种基于并行因子分解的信道估计框架来展开级联信道模型。我们提出了两种迭代估计算法的基站和RIS之间的信道，以及RIS和用户之间的信道。一种是基于交替最小二乘（ALS），而另一种使用向量近似消息传递迭代重建两个未知的信道从估计的向量。为了从理论上评估基于ALS的算法的性能，我们推导了其估计Cramér-Rao界（CRB）。我们还讨论了下行链路可达和速率计算估计信道和不同的预编码方案的基站。我们广泛的仿真结果表明，我们的算法优于基准计划，ALS技术实现了CRB。仿真结果表明，在不同的信道设置下，估计的信道和速率都能达到理想信道的速率，从而验证了所提出的信道估计算法的有效性和鲁棒性。
2022-06-24 cs.IT cs.LG eess.SP
