DNN-Aided Message Passing Based Block Sparse Bayesian Learning for Joint User Activity Detection and Channel Estimation
面对未来蜂窝通信中大规模连接、零星传输和小数据包的特点，提出了一种免授权的非正交随机接入（NORA）系统，以降低接入时延，支持更多的设备。为了解决免授权NORA系统中的联合用户活动检测（UAD）和信道估计（CE）问题，提出了一种基于深度神经网络辅助消息传递的块稀疏贝叶斯学习（DNN-MP-BSBL）算法。在该算法中，消息传递过程从因子图转移到深度神经网络（DNN）。对DNN中的消息施加权重，并进行训练以最小化估计误差。结果表明，权重可以缓解MP-BSBL算法的收敛问题。仿真结果表明，提出的DNN-MP-BSBL算法能够以较少的迭代次数提高UAD和CE的精度。
2019-10-08 cs.IT eess.SP math.IT
Prior Information-Aided ADMM for Multi-User Detection in Codebook-Based Grant-Free NOMA: Dynamic Scenarios
本文针对码本式免授权NOMA系统中用户活跃性动态波动下的联合活跃性与数据检测问题，提出一种先验信息辅助ADMM算法，通过块稀疏建模和组LASSO压缩感知框架实现高效检测，实验与理论分析验证了其在mMTC网络中的有效性。
2024-10-22 eess.SP
Frequency Domain Equalization for Single and Multiuser Generalized Spatial Modulation Systems in Time Dispersive Channels
在这封信中，提出了一种低复杂度的迭代检测器与频域均衡的广义空间调制（GSM）辅助单载波（SC）传输工作在频率选择性信道。该检测器包括三个主要的独立任务，即，多输入多输出（MIMO）均衡，有源天线检测和符号方式解调。这种方法使检测器适用于广泛的MIMO配置，包括单用户和多用户场景，以及任意信号星座。仿真结果表明，该接收机可以应付严重的时间色散信道引起的符号间干扰，并工作在困难的欠定的情况下，发射天线的总数是远远大于接收天线的数量。
2019-04-26 eess.SP
Single-Carrier Delay-Doppler Domain Equalization
针对OTFS调制PAPR过高的问题，提出单载波时延-多普勒域均衡方案（SC-DDE），在接收端利用DZT转换至DD域进行均衡，在保持低PAPR的同时实现了与OTFS可比的误码率性能。
2024-03-25 cs.IT eess.SP math.IT
Meta-ViterbiNet: Online Meta-Learned Viterbi Equalization for Non-Stationary Channels
基于深度神经网络（DNN）的数字接收器可以潜在地在复杂环境中操作。然而，通信信道的动态性质意味着在某些情况下，基于DNN的接收器应该定期重新训练，以便跟踪信道条件的时间变化。为此，通常需要频繁地发送冗长的导频序列，代价是大量的开销。在这项工作中，我们提出了一个DNN辅助的符号检测器，Meta-ViterbiNet，它通过集成三种互补技术来跟踪信道变化，减少开销：1）我们利用领域知识来实现基于模型/数据驱动的均衡器，ViterbiNet，它使用相对较少的可训练参数; 2）针对符号检测问题，设计了一种元学习算法，优化了学习算法的超参数，使其能够快速在线自适应;以及3）我们采用基于编码通信的决策导向方法以实现具有短长度导频块的在线训练。数值结果表明，元ViterbiNet准确地运行在快速变化的信道，优于以前的最佳方法，基于ViterbiNet或传统的循环神经网络没有元学习，由高达0.6 dB的利润率在比特出错率在各种具有挑战性的情况。
2021-03-24 cs.IT eess.SP math.IT
Joint Activity Detection, Channel Estimation, and Data Decoding for Grant-free Massive Random Access
本文针对免授权大规模随机接入，提出基于BiG-AMP的Turbo接收机及低成本辅助信息辅助接收机，联合利用导频与数据的共同稀疏模式和译码外信息，有效提升活跃性检测、信道估计与数据译码性能。
2023-04-12 cs.IT eess.SP math.IT
Age of Information Aided Intelligent Grant-Free Massive Access for Heterogeneous mMTC Traffic
本文针对异构mMTC业务，提出基于年龄的先验信息辅助自编码器A-PIAAE，联合优化接入参数与学习导频，同时降低监控设备平均AoI并提高报警设备检测率。
2025-09-18 eess.SP
Joint Active User Detection and Channel Estimation for Grant-Free NOMA-OTFS in LEO Constellation Internet-of-Things
蓬勃发展的低轨道（LEO）星座通信网络为物联网（IoT）终端的无缝覆盖服务提供了一种有前途的解决方案。然而，面对大规模的连接和地面卫星链路（TSL）的快速变化，传统的免授权随机接入方案往往无法满足这种情况。在本文中，一个新的非正交多址（NOMA）传输协议，结合正交时频空间（OTFS）调制，提出了解决这些问题。此外，我们提出了一个两阶段的联合活动用户检测和信道估计方案的基础上的训练序列辅助OTFS数据帧结构。具体地说，在第一阶段中，借助于训练序列，我们通过恢复稀疏采样的信道向量来执行活跃用户检测和粗信道估计。然后，我们开发了一种参数化的方法，以促进更准确的结果与先前恢复的采样信道向量的信道估计TSL信道的固有特性。最后通过仿真实验验证了该方法在这种高移动性场景下的优越性。
2021-08-03 cs.IT eess.SP math.IT
Stochastic Beamforming for Reconfigurable Intelligent Surface Aided Over-the-Air Computation
空中计算（AirComp）是一种能够在物联网（IoT）网络中实现快速数据聚合的有前途的技术。AirComp的均方误差（MSE）性能受到不利信道条件的影响。这种限制可以通过部署可重新配置的智能表面（RIS），重新配置的传播环境，以促进接收功率均衡来缓解。RIS的可实现性能依赖于准确的信道状态信息（CSI）的可用性，然而，通常很难获得。在本文中，我们考虑了一个基于RIS的AirComp物联网网络，其中接入点（AP）聚合来自分布式设备的感知数据。在不假设任何先验知识的基础上的信道分布，我们制定了一个随机优化问题，以最大限度地提高概率的MSE低于一定的阈值。制定的问题原来是非凸和高度棘手的。为此，我们提出了一种数据驱动的方法来联合优化接收波束成形矢量在AP和相位偏移矢量在RIS的基础上的历史信道实现。在采用S型函数对目标函数进行平滑处理后，提出了一种收敛速度快的交替随机方差约减梯度（SVRG）算法来求解该问题。仿真结果证明了该算法的有效性和部署RIS在降低MSE中断概率方面的重要性。
2020-09-16 cs.IT eess.SP math.IT
Deep Reinforcement Learning-Aided Random Access
我们考虑由接入点（AP）和K个物联网（IoT）节点组成的系统模型，这些节点偶尔变得活跃以便向AP发送数据。假设AP具有N个时间-频率资源块，其可以分配给希望发送数据的IoT节点，其中N < K。主要问题是如何在每个时隙中将N个时频资源块分配给IoT节点，使得平均分组速率最大化。针对这个问题，我们提出了一种深度强化学习（DRL）辅助随机接入（RA）方案，其中AP处的智能DRL代理学习预测每个时隙中物联网节点的活动，并向预测为活动的物联网节点授予时频资源块。接下来，被DRL代理误分类为非活动的IoT节点以及小区中看不见的或新到达的节点采用标准RA方案，以便获得时频资源块。我们利用专业知识更快地培训DRL代理。我们的数值计算结果表明，在平均数据包速率方面的显着改善时，建议的DRL辅助RA计划相比，在实践中使用的现有解决方案，标准的RA计划。
2020-04-05 cs.IT eess.SP math.IT
Active Terminal Identification, Channel Estimation, and Signal Detection for Grant-Free NOMA-OTFS in LEO Satellite Internet-of-Things
本文研究了基于低地球轨道（LEO）卫星的物联网（IoT）的大规模连接，以实现无缝的全球覆盖。我们建议将免授权非正交多址接入（GF-NOMA）模式与新兴的正交时频空间（OTFS）调制相结合，以适应大规模物联网接入，并减轻地面-卫星链路（TSL）的长往返延迟和严重的多普勒效应。在此基础上，提出了一种两阶段连续的活动终端识别（ATI）和信道估计（CE）方案以及一种低复杂度的多用户信号检测（SD）方法。具体地，在第一阶段，所提出的训练序列辅助OTFS（TS-OTFS）数据帧结构促进联合ATI和粗略CE，由此利用地面IoT终端的业务稀疏性和稀疏信道脉冲响应两者来增强性能。此外，基于每个TSL的单多普勒频移特性和延迟多普勒域信道的稀疏性，我们开发了一种参数化方法来进一步改进CE性能。最后，提出了一种基于最小二乘的并行时域SD方法，以较低的复杂度检测OTFS信号。仿真结果表明，所提出的方法优于国家的最先进的解决方案在ATI，CE，SD性能面临的长往返延迟和严重的多普勒效应。
2022-10-09 cs.IT eess.SP math.IT
Model Aided Deep Learning Based MIMO OFDM Receiver With Nonlinear Power Amplifiers
多输入多输出正交频分复用（MIMO OFDM）是移动通信系统的关键技术。然而，由于高峰均功率比（PAPR）的问题，OFDM符号可能遭受发射机处的功率放大器（PA）的非线性失真，这降低了接收机的信道估计和检测性能。为了减轻接收机端的削波失真，我们利用深度学习（DL）并设计了一种基于DL的接收机，该接收机由传统的最小二乘（LS）信道估计和迫零（ZF）均衡模型辅助。此外，提出了一种无需显式信道估计的数据驱动的基于DL的接收机，并将其与模型辅助的基于DL的接收机相结合，以进一步提高性能。仿真结果表明，所提出的模型辅助的基于DL的接收机具有优越的性能的误比特率，并具有不同程度的限幅失真的鲁棒性。
2021-05-30 eess.SP
Blind Channel Equalization Using Vector-Quantized Variational Autoencoders
现有技术的高频谱效率通信系统采用与高符号率耦合的高阶调制格式，以适应对数据速率高的应用的不断增长的需求。然而，这样的系统更容易受到线性和非线性传输损伤，并且重要的是通过数字信号处理来减轻性能损失。在本文中，我们提出了一种新的机器学习方法的盲信道均衡和估计使用矢量量化（VQ）\ac{VAE}框架。所提出的方法通过引入码本分量和相关的新损失函数，将传统的基于\ac{VAE}的均衡器的适用性推广到采用高阶调制格式的非线性系统。我们评估所提出的方法的性能在线性加性高斯白噪声信道的符号间干扰和两个非线性的情况下。仿真结果表明，该方法与基于\acf{MMSE}准则的数据辅助均衡器性能相当，优于盲\ac{CMA}和基于\ac{VAE}的信道均衡器.此外，我们表明，对于线性信道，所提出的计划表现出更好的收敛性能比\ac{MMSE}为基础的，\ac{CMA}为基础的，和\ac{VAE}为基础的均衡器的收敛速度和鲁棒性的训练批量大小和学习率的变化。
2023-02-22 eess.SP
Expectation Propagation for Distributed Inference in Grant-Free Cell-Free Massive MIMO
本文提出基于期望传播的分布式算法，用于无授权蜂窝式大规模MIMO系统的联合活动检测、信道估计和数据检测，有效缓解导频污染并提升检测精度。
2026-01-07 cs.IT eess.SP math.IT
CNN-aided Channel and Carrier Frequency Offset Estimation for HAPS-LEO Links
低地球轨道（LEO）卫星巨型星座网络的目标是在不到十年的时间内通过预计的50，000颗卫星来满足高连通性需求。为了充分利用这样一个大规模的动态网络，由平流层节点组成的空中网络，特别是高空平台站（HAPS），可以在包括移动性管理在内的许多方面提供显着帮助。HAPS-LEO网络会受到时变条件的影响，本文针对HAPS-LEO网络中特有的信道估计和同步问题，引入了一种基于人工智能的方法。首先，通过使用所提出的基于卷积神经网络的估计器来最小化具有残余多普勒效应的信道均衡和载波频率偏移。然后，通过使用非正交多址接入方法增加频谱效率来复合数据速率。我们观察到，由于敏捷的信号重建过程，所提出的AI授权的HAPS-LEO网络不仅提供了每秒的高数据吞吐量，而且还提供了更高的服务质量。
2022-06-26 eess.SP
Foundations of MIMO Radar Detection Aided by Reconfigurable Intelligent Surfaces
可重构智能表面（RIS）是由廉价元件制成的近无源平坦层，其可以向撞击电磁波添加可调相移，并且由低功率电子电路控制。研究了雷达回波信号增强（RI）辅助下的多输入多输出（MIMO）雷达目标检测的基本问题。首先，介绍了一个通用的信号模型，其中包括使用多达两个RISs（一个靠近雷达发射机，一个靠近雷达接收机）的可能性，并包括一个单基地和一个双基地雷达配置，或没有一个视线的前景目标。在诉诸广义似然比检验（GLRT），设计的相位偏移引入RIS元素制定为最大化的检测概率在一个固定的虚警概率的位置下检查，并提出了合适的优化算法。性能分析显示了RIS的存在所带来的好处，并阐明了关键系统参数之间的相互作用，如雷达RIS距离，RIS大小和预期目标的位置。一个主要发现是，RIS应该更好地部署在发射侧和接收侧雷达阵列的近场。本文的结论是讨论一些开放的问题和预期的应用。
2021-11-26 cs.IT eess.SP math.IT
Grant-Free Access via Bilinear Inference for Cell-Free MIMO with Low-Coherent Pilots
提出了一种新的用于符合第五代（5G）新无线电（NR）正交频分复用（OFDM）信令的无小区多输入多输出（MIMO）系统的联合活动、信道和数据估计（JACDE）方案。贡献的目的是允许显着的开销减少无小区MIMO系统，使免授权接入，同时保持适度的吞吐量每用户。为此，我们扩展了传统的MIMO OFDM协议，以便将活动检测能力，而不诉诸于扩展信息数据符号，与相关的工作，通常依赖于信号扩展。我们的方法利用贝叶斯消息传递方案的基础上高斯近似，联合执行主动用户检测（AUD），信道估计（CE），和多用户检测（MUD），还结合了一个结构良好的低相干导频设计的基础上框架理论，减轻导频污染，并最终补充与检测器授权的双线性消息传递。仿真结果表明，所得到的JACDE为基础的免授权接入方案，而无需扩展数据序列的功效，这被证明是显着优于当前的最先进的和接近的理想化的（天才辅助）计划，其中用户活动和信道系数是完全已知的性能。
2020-09-27 eess.SP
RIS-Assisted Grant-Free NOMA
本文提出RIS辅助的免授权NOMA方案，通过用户聚类与RIS分配调相联合方法实现隐式空口功率控制，网络和速率较基准方案最高提升20%，并分析了多因素对性能的影响。
2023-06-15 eess.SP
RIS Partitioning and User Clustering for Resilient Non-Orthogonal Multiple Access UAV Networks
本文提出RIS-aided NOMA两步迭代方法，通过联合UE聚类、链路选择和虚拟RIS划分最大化无人机网络连接性，相比传统方案提升30%至40%增益。
2025-05-01 cs.IT eess.SP math.IT
Deep Neural Network-aided Soft-Demapping in Optical Coherent Systems: Regression versus Classification
在这里，我们研究什么类型的预测建模，分类，或回归，使用神经网络（NN），更好地适合在相干光通信，其中传输信道是非线性和色散的软解映射的后处理的任务。这是第一次，我们提出了在机器学习环境中使用每种类型的预测任务可能存在的缺点，考虑到非线性相干光信道均衡/软解映射问题。我们研究了两种类型的均衡器的前馈和经常性神经网络的基础上，几种传输情况下，在线性和非线性制度的光信道。我们指出，即使从信息论的角度来看，交叉熵损失（分类）是我们的问题最合适的选择，基于交叉熵损失函数的NN模型可能会严重遭受学习问题。后者转化为这样一个事实，即基于回归的学习在提供更高的Q因子和可实现的信息速率方面通常更优越。总之，我们的经验证据表明，基于交叉熵的损失函数可能不一定是最合适的选择，在实际情况下，训练通信系统时，过拟合和消失的梯度相关的问题发挥作用。
2022-08-22 eess.SP
A Flexible Framework for Grant-Free Random Access in Cell-Free Massive MIMO Systems
提出无小区大规模MIMO系统中支持灵活导频长度的免授权随机接入框架，将其表述为稀疏恢复问题并采用Bayesian学习求解，通过融合AP的后验统计量联合检测UE活动并优化信道估计，显著提升了检测与估计性能。
2024-11-19 eess.SP
CSI RefineNet: A Soft Data-Aided Iterative Receiver for High-Mobility OFDM Systems
AUMOVIO-NTU Corporate Lab, Nanyang Technological University（奥莫维欧-南洋理工大学联合实验室，南洋理工大学）；Wireless Communications Technologies Group, AUMOVIO Germany GmbH（无线通信技术组，奥莫维欧德国有限公司）
针对高移动性 OFDM 系统中 CSI 不准确问题，提出 CSI RefineNet 接收机，通过软符号决策迭代细化 CSI，经导频驱动初始化、构建软数据辅助信道观测等步骤形成迭代结构，还有两阶段训练策略，仿真显示其 BER 性能优且鲁棒性强。
2026-07-28 eess.SP
Joint Superimposed Pilot-aided Channel Estimation and Data Detection for FTN Signaling over Doubly-Selective Channels
本文针对双选择性信道下的FTN信令，提出叠加导频辅助的信道估计与两种检测方法，通过基展开模型刻画信道、叠加导频避免开销损失，联合检测方法在快衰落下性能显著优于参考方案。
2025-03-25 eess.SP
Reinforcenment Learning-Aided NOMA Random Access: An AoI-Based Timeliness Perspective
本文提出AoI-QL-NOMA方案，利用Q-learning在免授权NOMA网络中分布式优化设备传输时隙和功率，以最小化网络平均AoI，在保持吞吐量的同时显著提升信息时效性。
2024-10-07 eess.SP
Design an Advance computer-aided tool for Image Authentication and Classification
多年来，数字图像处理和人工智能领域的进步已被应用于解决许多现实生活中的问题。这可以在安全系统的面部图像识别，身份注册中看到。因此，身份配准的瓶颈是图像处理。这些是以图像预处理、通过裁剪的图像区域提取、使用主成分分析（PCA）的特征提取和使用离散余弦变换（DCT）的图像压缩的形式进行的。其他处理包括使用对比度拉伸进行滤波和直方图均衡化，同时作为分析工具的一部分增强图像。因此，本研究工作提出了一个通用的集成图像伪造检测分析工具与图像人脸识别使用反向传播神经网络（BPNN）处理器。所设计的工具是一个多功能的智能工具，具有可编程的错误目标和光强度的新架构。此外，其先进的双数据库提高了高性能应用程序的效率。事实上，人脸图像识别将总是，给出一个匹配的输出或最接近的可能的输出图像的每一个输入图像的真实性无关，通用的智能GUI工具，提出并设计执行图像伪造检测与2%的错误率的高精度。同时，提出了一种新的结构，提供了有效的自动图像伪造检测的所有输入的测试图像的BPNN识别。因此，输入图像将在被馈送到识别工具之前被认证。
2018-06-16 eess.SP
Delay-Doppler Domain Signal Processing Aided OFDM (DD-a-OFDM) for 6G and Beyond
Beijing Jiaotong University（北京交通大学）；University of New South Wales（新南威尔士大学）；Technical University of Berlin（柏林工业大学）；Queensland University of Technology（昆士兰科技大学）；Southern University of Science and Technology（南方科技大学）；Xi’an Jiaotong University（西安交通大学）；Southeast University（东南大学）
本文提出DD-a-OFDM方案，通过延迟-多普勒域信号处理提升OFDM性能，证明多普勒域干扰可转为高斯干扰，并推导CRLB，开发ML和峰值检测通道估计器，验证在BER和信道估计精度上优于传统OFDM和OTFS。
2026-05-10 eess.SP
LSTM-ACB-Based Random Access for Mixed Traffic IoT Networks
提出一种基于LSTM流量预测和ACB的RA协议，结合资源切片与免授权RA中间步骤，有效缓解混合URLLC-mMTC场景下的拥塞并提升系统吞吐量。
2023-03-02 eess.SP
Uncertainty-Aware and Reliable Neural MIMO Receivers via Modular Bayesian Deep Learning
本文提出模块化贝叶斯深度学习，将贝叶斯深度学习与混合模型驱动MIMO接收机架构结合，通过产生校准良好的均衡与解码模块来提升接收机整体准确性和校准性，尤其在数据稀缺时可靠的不确定性度量能直接改善接收机链性能。
2024-10-19 cs.IT eess.SP math.IT
Reduced-Overhead Channel Estimation and Iterative Detection of FTN Signaling Based on Pilot Superimposition and Spectral Interference Alignment
Institute of Industrial Science, The University of Tokyo（东京大学工业科学研究所）
本文提出了一种低开销、低复杂度的频域均衡辅助的FTN信号通道估计方法，通过试点叠加技术减少50%的开销，并利用频谱干扰对齐消除干扰影响。
2026-03-20 eess.SP
Joint Device Identification, Channel Estimation, and Signal Detection for LEO Satellite-Enabled Random Access
本文针对低轨卫星无授权随机接入，提出一种基于OTFS-MIMO的三模块迭代接收机，联合实现设备识别、信道估计与信号检测，并利用三维块稀疏先验提升性能。
2023-08-07 cs.IT eess.SP math.IT
LSTM-ACB-Based RA for IoT Mixed Traffic
针对URLLC-mMTC混合流量，提出基于LSTM预测与ACB流量感知资源切片的随机接入方案，结合免授权接入与拥塞缓解步骤，相比GF基准显著提升系统性能。
2023-03-02 eess.SP
Next-Generation URLLC with Massive Devices: A Unified Semi-Blind Detection Framework for Sourced and Unsourced Random Access
本文提出了一个统一的半盲检测框架的源和无源随机接入（RA），使下一代超可靠的低延迟通信（URLLC）的大规模设备。具体地，有源设备以免授权方式发送其上行接入信号，以实现超低接入时延。同时，基站的目标是在严重的设备间干扰下实现超可靠的数据检测，而不利用显式信道状态信息（CSI）。我们首先提出了一种高效的发射机设计，其中将少量参考信息（RI）嵌入到接入信号中，以解决未知CSI引起的固有模糊性。在接收端，我们进一步开发了一种基于连续干扰消除的半盲检测方案，其中双线性广义近似消息传递算法用于联合信道和信号估计（JCSE），而嵌入式RI用于消除模糊。特别地，秩选择方法和RI辅助的初始化策略被纳入，以降低算法的计算复杂性和提高JCSE的可靠性，分别。此外，四个使能技术的集成，以满足严格的延迟和可靠性要求的大规模URLLC。数值结果表明，所提出的半盲检测框架提供了一个更好的可扩展性-延迟-可靠性权衡比国家的最先进的检测方案专用于源或无源RA。
2023-03-20 cs.IT eess.SP math.IT
Smart Timing Synchronization for Small Data Transmission
针对移动UE在CG-SDT中TA失效问题，提出UE原生机器学习辅助的TA验证与预测方案，仿真验证其有效性。
2025-07-09 eess.SP
Cyclic-Prefix OFDM Probing for Spatial-ISI-Free Distributed Acoustic Sensing via Frequency-Domain Channel Reconstruction
School of Electronic and Information Engineering, Soochow University（苏州大学电子与信息工程学院）
提出使用循环前缀正交频分复用（CP-OFDM）波形作为传感探头，通过频域信道重构消除匹配滤波脉冲压缩中的空间符号间干扰（ISI），实现无空间ISI的分布式声学传感，并同时恢复通信数据，展示共享波形集成感知与通信（ISAC）。
2026-10-23 eess.SP
