Cross-Link Interference Suppression By Orthogonal Projector For 5G Dynamic TDD URLLC Systems
动态时分复用（TDD）由于其互易传播特性而被设想为5G新无线电的重要传输技术。然而，潜在的交叉链路干扰（CLI）对动态TDD系统中的超可靠和低延迟通信（URLLC）的可行性施加了根本限制。在这项工作中，我们提出了一个接近最佳的和复杂高效的CLI抑制方案，使用正交空间投影，而信令开销仅限于B比特，在回程链路。与最先进的动态TDD研究相比，所提出的解决方案提供了URLLC中断延迟的显著改善，例如，- 减少199%，同时将每个URLLC数据包的可实现容量提高+156%。
2020-01-16 eess.SP
A Nonlinear Autoregressive Neural Network for Interference Prediction and Resource Allocation in URLLC Scenarios
超可靠低延迟通信（URLLC）是5G中引入的新服务类别，其特征在于严格的可靠性$(1-10^{-5})$和低延迟要求（1 ms）。为了满足这些需求，已经开发了几种策略，如过度配置资源和信道预测算法。本文介绍了应用非线性自回归神经网络（NARNN）作为一种新的方法来预测在无线系统中的干扰水平，有效的资源分配的目的。准确的干扰预测还授予满足URLLC场景中特定中断概率要求的可能性。NARNN预测精度和系统资源利用率的基础上，该建议的性能进行评估。我们提出的方法实现了一个有前途的平均绝对百分比误差为7.8%的干扰预测，也减少了高达15%的资源使用时，最近提出的干扰预测算法相比。
2021-11-28 eess.SP
Ground-to-UAV Integrated Network: Low Latency Communication over Interference Channel
该研究提出首个地对无人机通信的信息论框架，通过推导信道容量紧上界、误差指数及优化无人机位置，揭示干扰下功率提升未必最优、存在最小时延高度，为低时延通信设计提供参数选择准则与基准。
2023-05-03 cs.IT eess.SP math.IT
Latency Minimization for Hybrid-Frequency UHD Upload in Double-IRS-Aided HSR Networks
Huawei（华为）
本文提出了一种双IRS辅助的6G基础设施到车辆架构，通过严格零强迫空间干扰隔离约束，优化下行能量波束成形和上行信息传输，以减少UHD视频上传延迟并满足URLLC要求。
2026-04-30 eess.SP
Real-Time Blind Photonic Interference Cancellation for mmWave MIMO
提出一种光子毫米波 MIMO 接收机架构，通过集成 FPGA-光子系统执行零校准微环谐振器控制算法，在低空间和功率需求下实现实时盲干扰消除，权重确定延迟低于 30 ms。
2023-05-06 eess.SP physics.optics
Deep Learning Interference Cancellation in Wireless Networks
随着无线网络中电磁频谱的拥挤和小区尺寸的缩小，基站和用户之间的串扰成为一个主要问题。虽然手工制作的功能块和编码方案被证明可以有效地保证可靠的数据传输，但目前基于深度学习的方法在通信系统建模中引起了越来越多的关注。在本文中，我们提出了一种基于神经网络（NN）的信号处理技术，与传统的DSP算法，以克服干扰问题的实时。这种技术在接收器和发射器之间不需要任何反馈协议，这使得它非常适合低延迟和高数据速率的应用，例如自主和增强现实。虽然最近已经有在控制层中使用强化学习（RL）来管理和控制干扰的工作，但我们的方法在某种意义上是新颖的，因为它在基带数据速率和物理层中引入了用于信号处理的神经网络。我们使用卷积LSTM自动编码器演示了这种“深度干扰消除”技术。当应用于QAM-OFDM调制数据时，该网络产生了显着的改善的符号错误率（SER）。我们进一步讨论了硬件实现，包括延迟，功耗，内存要求，和芯片面积。
2020-09-11 eess.SP
On the Performance of Co-existence between Public eMBB and Non-public URLLC Networks
为了确保当今工业应用所需的高度自动化，下一代无线网络必须能够实现动态过程的实时控制和自动化，同时满足极低延迟和超可靠通信的要求。在本文中，我们提供了一个公共增强型移动宽带（eMBB）和本地非公共工厂（URLLC）网络的共存的性能评估和评估的网络条件下，严格的延迟和可靠性要求的工厂自动化应用程序得到满足。评估考虑了网络之间的非同步和同步时分双工（TDD）部署，以及在工厂内具有和不具有任何宏eMBB业务的情况。结果表明，一个不同步的部署是可能的，如果网络之间的隔离是足够高的，无论是作为一个分离的距离，墙壁损失或使用单独的频率的网络。同步部署将避免交叉链路干扰，但它不会解决与封闭接入和远近干扰相关的问题。如果工厂包含由覆盖的宏小区服务的eMBB业务，则两个网络的性能将由于高水平的交叉链路和远近干扰而受损。与交叉链路干扰相关的问题可以通过同步网络来解决，而远近干扰的水平可以通过允许eMBB用户连接到位于工厂内部的基站来降低。最后，如果需要非同步部署，则应在隔离频率上部署工厂。
2022-03-30 cs.NI eess.SP
Design of a Highly Reliable Wireless Module for Ultra-Low-Latency Short Range Applications
当前的无线电系统针对容量和范围进行了优化。然而，无线系统的某些应用需要短距离上的快速和可靠的通信。这些系统面临的挑战是以最小的时间延迟（延迟）进行通信，同时非常可靠并对干扰具有弹性。本文描述了无线技术的概念和所提出的抽象体系结构，该无线技术允许在几米范围内的移动单元之间进行高可靠性和超低延迟的数据传输，其应用可以在诸如训练通信网络（TCN）、卡车/拖拉机-拖车通信、排队以及以协调机器的形式在智能工业中的众多领域中找到。本文还介绍了一套新奇的计划，实现的一部分，最终的演示硬件
2018-11-29 eess.SP
Quasi-Dynamic Frame Coordination For Ultra- Reliability and Low-Latency in 5G TDD Systems
第五代（5G）移动技术将超可靠和低延迟通信（URLLC）作为主要服务类别。URLLC应用要求具有极高链路可靠性的严格无线电延迟。在5G动态时分双工（TDD）系统中，由于严重且快速变化的交叉链路干扰（CLI）和无线电帧配置（RFC）的切换时间，URLLC要求变得更加难以实现。在这项工作中，我们提出了一个准动态的小区间帧协调算法，使用混合帧设计和基于循环偏移的RFC码本。提出的解决方案及时自适应地更新RFC，以便最大限度地减少平均CLI和以用户为中心的无线电延迟。与最先进的动态TDD研究相比，所提出的方案在URLLC中断延迟方面显示出显著的改善，即，92%的减少增益，同时将小区边缘容量提高189%，并且大大减少了协调开销空间，仅限于B比特。
2019-03-22 eess.SP
On the Ultra-Reliable and Low-Latency Communications in Flexible TDD/FDD 5G Networks
超可靠和低延迟通信（URLLC）是当前5G新无线电标准化的关键驱动力。URLLC包括零星的和小的有效载荷传输，其应该在非常严格的无线电延迟和可靠性界限内被递送，即，无线电延迟为1 ms，成功概率为99.999%。然而，由于上行链路和下行链路传输机会之间的切换以及附加的小区间交叉链路干扰（CLI），这样的URLLC目标在5G动态时分双工（TDD）系统中进一步具有挑战性。本文提出了5G新无线电灵活TDD系统中URLLC中断性能的系统级分析。具体来说，我们研究了URLLC中断目标的可行性，与5G频分复用（FDD）和众多5G设计变体的情况相比。因此，所提出的结果提供了有价值的观察URLLC中断性能在这样的部署，因此，介绍了最先进的灵活FDD技术。
2019-09-25 eess.SP
Reduced-latency DL-based Fractional Channel Estimation in OTFS Receivers
University of Pavia（帕维亚大学）；HCL Software（HCL软件公司）；Chalmers University of Technology（查尔姆斯理工大学）；CNIT Consorzio Nazionale Interuniversitario per le Telecomunicazioni（意大利国家电信大学联盟）
本文提出一种基于深度学习的低延迟分数信道估计方法，用于OTFS接收机，通过时频学习框架提升估计精度并减少延迟，但存在高信噪比下的性能损失。
2025-03-11 eess.SP
Decomposition Based Interference Management Framework for Local 6G Networks
本研究针对本地6G网络的小区间干扰管理难题，提出结合经验模态分解与sequence-to-one transformer的智能干扰管理框架，通过干扰预测分配资源并探索干扰消除方案，较基线方案均方根误差最高降低55%，可保障URLLC的高可靠性要求。
2023-10-09 eess.SP
Semi-Static Radio Frame Configuration for URLLC Deployments in 5G Macro TDD Networks
动态时分双工（TDD）是5G新无线电标准的主要创新之一。它显著提高了网络资源利用率与零星的方向性分组到达。然而，这种部署中的超可靠和低延迟通信（URLLC）的可行性受到严重挑战，主要是由于交叉链路干扰（CLI）。在这项工作中，我们提出了一种用于5G宏部署的半静态和计算高效的TDD无线电帧自适应算法。特别是，我们首先确定的准静态方差的跨小区流量缓冲性能，与各种CLI共存条件。因此，基于经滤波的多小区业务统计来动态地估计公共无线电帧模式。我们的系统级仿真结果表明，所提出的解决方案实现了高度改善的URLLC中断性能，即，与完美的静态TDD相比，提供了可实现的URLLC中断延迟的40%的减少增益，并且接近最佳无干扰灵活TDD情况;但是，具有显著更低的控制开销大小。
2020-01-16 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
Real-Time AIoT for AAV Antenna Interference Detection via Edge-Cloud Collaboration
School of Data Science and Engineering, and Xingzhi College, South China Normal University（数据科学与工程学院及南中国师范大学xingzhi学院）；School of Physics, South China Normal University（物理学院）；Department of Electronic and Computer Engineering, Hong Kong University of Science and Technology（电子与计算机工程系）；Key Laboratory of Advanced Control for Light Industry Processes, Ministry of Education, Jiangnan University（轻工业过程先进控制重点实验室）；School of Electronics and Information Engineering, and Xingzhi College, South China Normal University（电子与信息工程学院及南中国师范大学xingzhi学院）
本文提出一种基于边云协同（ECC+）的AIoT系统，通过EdgeAnt检测器与AntSort跟踪器实现无人机天线干扰源实时定位，显著降低端到端延迟并提升准确率。
2025-07-02 cs.CV eess.SP
Low Latency Scheduling Algorithms for Full-Duplex V2X Networks
车载通信系统多年来一直是一个活跃的研究课题，是5G和后5G时代的重要技术。一个重要的用例是排队，这似乎是迈向完全自动驾驶系统的第一步。此外，所有车辆通信系统中的关键性能参数是端到端分组延迟。为了实现这一目标，全双工（FD）收发器可能是一个有效和实用的解决方案，以减少排队网络的延迟。在本文中，我们研究了动态和基于TDMA的调度算法的延迟性能，并评估了具有不完美自干扰消除（SIC）的FD使能车辆的效果。通过仿真，我们证明了这些算法的性能复杂度的权衡，并表明，TDMA集中式方案具有低复杂度和开销，可以实现与全动态，集中式算法相当的性能。
2021-01-13 cs.IT eess.SP math.IT
Interference-Robust Broadband Rapidly-Varying MIMO Communications: A Knowledge-Data Dual Driven Framework
针对快变信道下MIMO系统的未知干扰问题，提出知识-数据双驱动框架，设计IST模块实现零导频低延迟干扰预测，并设计IR-HBF模块以可解释网络简化波束成形映射，在降低计算复杂度的同时显著提升了预测精度与系统鲁棒性。
2025-03-02 eess.SP
Persistent Weak Interferer Detection in WiFi Networks: A Deep Learning Based Approach
在本文中，我们探索使用多种深度学习技术来检测WiFi网络中的弱干扰。考虑到所涉及的低干扰信号电平，这种情况往往难以检测。然而，即使信号干扰比超过20 dB也会导致显著的吞吐量下降和延迟。此外，所得到的分组错误率可能不足以迫使WiFi网络回退到更鲁棒的物理层配置。直接应用于采样射频数据的深度学习有可能比连续干扰消除更便宜地执行检测，这对于实时持续网络监控非常重要。在这项工作中探索的技术包括最大softmax概率，距离度量学习，变分自编码器和自回归对数似然。我们还介绍了这些技术的广义离群暴露的概念，并显示其在检测弱干扰的重要性。我们的研究结果表明，与离群暴露，最大softmax概率，距离度量学习和自回归对数似然能够可靠地检测干扰超过20 dB低于802.11规定的最低灵敏度水平。我们相信，这是一个独特的软件解决方案，实时，持久的网络监控。
2022-05-23 eess.SP
Interference Prediction Using Gaussian Process Regression and Management Framework for Critical Services in Local 6G Networks
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
A Hybrid Frame Structure Design of OTFS for Multi-tasks Communications
针对OTFS在高移动场景中处理时延较高的问题，提出OTFS与OFDM时域正交复用的混合帧结构，以同时适应偏好分集与偏好时延的任务，并提供算法减轻信道耦合引起的ISI，数值结果验证了其有效性。
2023-11-21 eess.SP
System-Level Analysis of Full-Duplex Self-Backhauled Millimeter Wave Networks
集成接入和回程（IAB）通过多跳自回程促进了毫米波（mmWave）蜂窝网络的经济高效的部署。全双工（FD）技术，特别是用于毫米波系统的全双工（FD）技术，是克服IAB网络所面临的延迟和吞吐量挑战的潜在手段。我们推导出实用和易于处理的吞吐量和延迟的限制，使用嵌入式理论和制定网络效用最大化问题，以评估FD-IAB和半双工（HD）-IAB网络。我们使用这一点来表征从传统HD IAB节点升级到FD节点时所看到的网络级改进，方法是推导出（i）FD-IAB相对于HD-IAB的延迟增益以及（ii）HD和FD-IAB网络在满足延迟和吞吐量目标的同时可以支持的最大跳数的封闭表达式。大量的仿真结果表明，FD-IAB可以降低延迟，提高吞吐量，加深网络和更公平的服务。与HD-IAB相比，FD-IAB可以将吞吐量提高8倍，并将第四跳用户的延迟降低4倍。事实上，升级具有FD功能的IAB节点可以使网络支持HD对应节点根本无法满足的延迟和吞吐量目标。对于距离捐助者较远的用户来说，这些收益更加深远，即使残余自干扰显着高于噪底，也可以实现。
2021-12-10 cs.IT eess.SP math.IT
CQI-Based Interference Prediction for Link Adaptation in Industrial Sub-networks
University of Bremen（不来梅大学）；Nokia Standards（诺基亚标准）；Nokia Bell Labs Stuttgart（诺基亚贝尔实验室斯图加特）
本文提出基于CQI的干扰预测方法，通过vDSSM和SPTPR模型提升工业子网络中链路自适应的性能和可靠性。
2025-07-10 cs.IT eess.SP math.IT
Extreme Value Theory-based Distributed Interference Prediction for 6G Industrial Sub-networks
本文提出基于极值理论的校准干扰尾部预测框架，融合iQPTransformer与EVT，并设计分布式split-iQPTransformer用于资源受限的6G工业子网络，实现超可靠低时延通信下的预测性风险感知资源分配。
2025-07-04 cs.IT eess.SP math.IT
Control Aware Radio Resource Allocation in Low Latency Wireless Control Systems
University of Pennsylvania（宾夕法尼亚大学）；Intel Corporation（英特尔公司）
本文提出了一种新的控制-通信协同设计方法，用于低延迟无线电资源分配问题，通过结合控制和信道状态信息，动态调整频率、带宽和数据速率，以提高无线控制系统的稳定性和可靠性。
2018-11-01 cs.SY eess.SP eess.SY
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
