Fluid Antennas: Reshaping Intrinsic Properties for Flexible Radiation Characteristics in Intelligent Wireless Networks
本文基于本征模理论建立流体天线的统一数学模型,揭示其多维连续自适应能力是根本固有特性,为6G等未来无线系统的智能天线设计开辟新方向。
2025-01-06 eess.SP
Hybrid Pinching-Fluid Antenna Assisted Wireless Communications: Modeling and Performance Analysis
University of Electronic Science and Technology of China(电子科技大学);Imperial College London(帝国理工学院);Nanjing University(南京大学)
本文提出混合捏压-流体天线系统,结合捏压天线和流体天线以提升Los性能和空间多样性,建立可 tractable 频道模型并推导出 outage 概率表达式,验证了其在多种传播条件下的优越性。
2026-08-04 eess.SP
Design and Implementation of mmWave Surface Wave Enabled Fluid Antennas and Experimental Results for Fluid Antenna Multiple Access
University College London(伦敦大学学院);City University of Hong Kong(香港城市大学);KuangChi Science Limited(光启科学有限公司)
本文提出了一种基于动态可重构流体辐射器的FAS硬件设计,并通过实验验证了流体天线多址接入(FAMA)在毫米波频段中的性能提升。
2024-05-15 eess.SP
Supervised Learning Based Super-Resolution DoA Estimation Utilizing Antenna Array Extrapolation
针对多输入多输出(MIMO)雷达,提出了一种新的DOA估计算法,该算法可以显著减少精确估计波达方向所需的天线阵元数。新提出的算法预测的接收信号的一个大的天线设置使用减少的天线数量,通过使用耦合字典学习。因此,这使得MIMO雷达能够解析更多的路径,而这些路径无法通过更少的天线来解析。具体来说,我们克服了由于一个小的虚拟阵列设置的DOA估计不准确的问题。例如,我们可以使用字典学习来预测100个虚拟数组元素,只使用25个。为了评估我们的算法,我们使用多信号分类(MUSIC)的DOA估计技术来估计非相干多个目标的DOA。结果表明,该算法利用预测的接收信号可以分辨出场景中的所有目标,而仅利用简化天线阵的接收信号是无法分辨出场景中所有目标的。
2020-09-15 cs.IT eess.SP math.IT
A Pixel-based Reconfigurable Antenna Design for Fluid Antenna Systems
针对传统FAS天线重构速度受限的问题,提出由E形槽贴片和含6个RF开关像素层构成的PRA,在半波长内提供12个端口,并经2.5 GHz原型验证满足FAS要求。
2024-06-14 eess.SP
Fluid-Antenna Enhanced Integrated Sensing and Communication: Joint Antenna Positioning and Beamforming Design
本文研究流体天线增强的集成感知与通信系统,通过联合优化天线位置和波束赋形矩阵最大化雷达信噪比,并提出基于交替优化、逐次凸逼近和半定松弛的高效算法。
2024-07-07 eess.SP
Channel Estimation and Analog Precoding for Pixel-based Fluid-Antenna-Assisted Multiuser MIMO-OFDM Systems
针对像素化流体天线辅助多用户MIMO-OFDM系统,提出基于稀疏信道恢复和两种低复杂度估计算法,实现状态预测与最优模拟预编码,显著提升高信噪比下性能。
2025-09-11 eess.SP
Fair Resource Allocation in UAV-based Semantic Communication System with Fluid Antenna
本文针对配备流体天线的多用户无人机语义通信系统,通过联合优化无人机轨迹、波束成形、语义压缩率及流体天线激活端口选择,提出交替算法以最大化用户最小等效速率,并通过仿真验证其有效性。
2025-04-08 eess.SP
Federated Learning Meets Fluid Antenna: Towards Robust and Scalable Edge Intelligence
本文将 fluid antenna systems (FAS) 集成到基于 AirComp 的 federated learning 中,通过自适应天线选择规则缓解信道随机性,提升学习鲁棒性,并经算法与仿真验证了其作为无线 AI 关键使能技术的潜力。
2025-03-04 eess.SP
RSSI Positioning with Fluid Antenna Systems
提出一种基于流体天线系统(FAS)的RSSI定位方法,利用端口间信道相关性结合路径损耗模型减轻快衰落影响,推导多点定位模型并给出最大似然估计闭式解,精度优于传统方法且媲美多天线系统。
2025-03-02 eess.SP
Performance Analysis of Channel Extrapolation in FDD Massive MIMO Systems
众所周知,用于频分双工(FDD)大规模多输入多输出系统的下行链路的信道估计产生大的开销,因为训练量通常与MIMO系统中的发射天线的数量成比例。在本文中,我们考虑从上行链路导频估计到下行链路频段的信道频率响应外推的解决方案,这完全消除了训练开销。我们首先表明,传统的估计无法达到合理的精度。我们建议改为使用高分辨率信道估计。我们推导出理论下界(LB)的均方误差(MSE)的外推通道。假设路径被很好地分离,LB被简化为给出相当大的物理洞察力的表达式。然后表明,MSE与接收天线的数量成正比,而外推性能损失与频率偏移和训练带宽之比的平方成正比。信道外推性能通过数值仿真和实验室测试进行了验证。我们的主要结论是,信道外推是一个可行的解决方案,FDD大规模多输入多输出系统,如果精确的系统校准执行和有利的传播条件。
2020-01-22 eess.SP
Fluid-Antenna-Enabled Integrated Bistatic Sensing and Backscatter Communication Systems
University of Sharjah(沙迦大学);Menoufia University(曼努菲亚大学);Queen’s University(女王大学)
本文提出了一种基于流体天线的集成双程传感与回波通信系统,通过优化波束成形和位置,实现低功耗的多跳信道传输和环境感知。
2026-02-11 eess.SP
Shifting the ISAC Trade-Off with Fluid Antenna Systems
针对ISAC中感知与通信的性能权衡,本文提出FAS使能的ISAC模型,联合优化发射波束赋形与端口选择以最小化发射功率,实验证明可在保证性能下降低33%功率。
2024-05-09 eess.SP
Robust Resource Allocation for Over-the-Air Computation Networks with Fluid Antenna Array
本文研究流体天线阵列在空中计算网络中的应用,针对信道不确定性提出鲁棒资源分配方法,通过块坐标下降法分解非凸问题,以最小化传输均方误差,数值验证了其有效性。
2025-04-22 eess.SP
Rate Maximization for Fluid Antenna System Assisted Semantic Communication
本文研究FAS辅助语义通信的速率最大化问题,通过联合优化基站发射波束成形、语义压缩率和FAS激活端口选择,设计交替算法以最大化等效传输比。
2025-06-28 eess.SP
A New Spatial Block-Correlation Model for Fluid Antenna Systems
针对流体天线系统(FAS)中极高空间相关性导致分析困难的问题,提出基于块对角矩阵的空间块相关模型,紧密近似Jakes等现实模型,并成功用于分析一维和二维流体天线多址接入(FAMA)系统性能。
2024-07-23 eess.SP
Fair Rate Maximization for Fluid Antenna Relay (FAR)-assisted Multi-user MISO Communications
针对流体天线中继辅助的多用户MISO系统,提出基于逐次凸逼近的交替算法联合优化天线位置,以最大化最小速率保障用户公平性,显著提升系统性能。
2025-07-01 eess.SP
Fluid Antenna Enabled Compact Ultra Massive Antenna Array for Satellite Communications
University of Warwick(华威大学);National Communications Research Laboratory, Southeast University(东南大学国家通信研究实验室);European Space Agency Research and Technology Centre (ESA/ESTEC)(欧洲空间局研究与技术中心)
本文提出一种基于流体天线系统的紧凑超大规模天线阵列,通过动态信号适应提升卫星通信性能,减少干扰并降低成本,分析了其在干扰统计和波束成形增益方面的优势。
2026-04-26 eess.SP
Artificial Intelligence for Spatially Reconfigurable Antennas: Movable, Fluid, and Pinching Antenna Systems
Phenikaa University(菲尼亚卡大学);University of Essex(埃塞克斯大学);VSB-Technical University of Ostrava(俄斯特拉发科技大学);Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳));Zhejiang Gongshang University(浙江工商大学)
本综述针对可移动、流体、捏合三类空间可重构天线系统,梳理了深度学习等各类AI技术的应用,探讨了相关开放挑战与未来方向。
2026-08-04 eess.SP
An Fluid Antenna Array-Enabled DOA Estimation Method: End-Fire Effect Suppression
Ningbo University(宁波大学);Hong Kong Metropolitan University(香港都会大学);City University of Hong Kong(香港城市大学);Hong Kong Polytechnic University(香港理工大学);University College London(伦敦大学学院)
本文提出一种基于流体天线阵列的DOA估计方法,通过空间可重构性调制阵列指向向量并结合MUSIC算法,有效抑制端火效应,提升估计精度。
2025-12-22 eess.SP
Deep Learning Based Antenna-time Domain Channel Extrapolation for Hybrid mmWave Massive MIMO
Xidian University(西安电子科技大学);Science and Technology on Electronic Information Control Laboratory(电子信息控制重点实验室);Memorial University(纪念大学)
在时变大规模多输入多输出(MIMO)系统中,由于下行链路训练和上行链路反馈的开销过高,在基站获取下行链路信道状态信息是一项非常具有挑战性的任务。在本文中,我们考虑在BS的混合预编码结构,并检查天线时域信道外推。我们设计了一个潜在的常微分方程(ODE)为基础的网络变分自动编码器(VAE)的框架下学习的映射函数,从部分上行链路的信道到完整的下行链路的BS侧。具体地说,编码器采用门控递归单元,解码器采用全连接神经网络。利用端到端的学习来优化网络参数。仿真结果表明,该网络可以有效地从部分上行链路信道中推断出完整的下行链路信道,从而显著降低了信道训练开销。
2021-08-09 cs.AI cs.IT eess.SP
Dimensional Scaling Laws for Continuous Fluid Antenna Systems
Victoria University of Wellington(惠灵顿维多利亚大学);Queen’s University Belfast(贝尔法斯特女王大学);University of Melbourne(墨尔本大学)
本文研究了连续流体天线系统在多维空间中的性能,推导了高SNR概率的缩放定律,并确定了最优维度配置。
2026-03-12 eess.SP
Implementing Fluid Antennas in the Beamspace: Performance Evaluation and Codebook Design
Telecommunications Research Institute (TELMA), University of Málaga(马拉加大学);Department of Signal Theory, Networking and Communications, University of Granada(格拉纳达大学)
本文评估了基于元表面的流体天线系统在多用户通信中的性能,提出了一种考虑实际因素的码本设计方法,并展示了其在干扰主导情况下显著优于概念性设计。
2026-05-13 eess.SP
Antenna Elements' Trajectory Optimization for Throughput Maximization in Continuous-Trajectory Fluid Antenna-Aided Wireless Communications
National Key Laboratory of Wireless Communications, University of Electronic Science and Technology of China(电子科技大学无线通信国家重点实验室);School of Electrical and Electronic Engineering, Nanyang Technological University(南洋理工大学电气与电子工程学院);Department of Electronic and Electrical Engineering, University College London(伦敦大学学院电子与电气工程系);Department of Electronic Engineering, Kyung Hee University(庆熙大学电子工程系);Department of Electronics and Information Convergence Engineering, Kyung Hee University(庆熙大学电子与信息融合工程系)
本文提出连续轨迹流天线系统,考虑天线元素连续运动轨迹及运动约束,通过迭代算法优化轨迹与发射协方差矩阵,提升系统吞吐量。
2026-03-27 eess.SP
Uplink Transmission Design for Fluid Antenna-Enabled Multiuser MIMO Systems with Imperfect CSI
本文研究不完美CSI下MIMO-FAS的双时间尺度上行传输框架,提出基于LMMSE信道估计与MRC检测推导可达速率,并利用遗传算法和加速梯度上升算法优化流体天线位置,显著提升了最小用户速率并优于传统FPA系统。
2025-03-03 eess.SP
The Future is Fluid: Revolutionizing DOA Estimation with Sparse Fluid Antennas
本文提出一种稀疏流体天线系统(FAS)设计框架,利用天线元件移动性扩展空间自由度,并设计两种阵列结构与基于视距的闭式 DOA 估计器,在毫米波环境中实现了高精度且鲁棒的信号源定位。
2025-08-14 eess.SP
A Secure Beamforming Design: When Fluid Antenna Meets NOMA
本文针对配备流体天线的下行NOMA系统,提出一种通过交替优化算法联合优化安全波束成形向量与天线位置以最大化安全速率的设计方案,显著提升了系统安全速率。
2024-11-13 eess.SP
On-Off Digital Noise Modulation with Fluid Antenna Systems over $κ$-$μ$ Fading Channels
本文将开关型数字噪声调制与流体天线系统融合,推导了κ-μ衰落信道下的平均误比特率表达式,验证其可提升OODN传输可靠性,为高能效IoT通信提供新方向。
2026-08-14 eess.SP
Analysis of Fluid Antenna Systems with Continuous Positioning and Spatial Correlation
University of Melbourne(墨尔本大学);Victoria University of Wellington(惠灵顿维多利亚大学);University of Peradeniya(佩拉德尼亚大学)
本文研究了具有连续定位和空间相关性的多用户流体天线系统,通过发展级交叉率(LCR)框架,提供了累积分布函数(CDF)的渐近精确近似和紧界,针对优化指标S* = sup_{0 <= l <= L}进行了分析,涵盖了单个流体天线的信噪比(SNR)、信干比(SIR)和信干噪比(SINR)的CDF特性,并扩展到Rician信道,还分析了两种多天线接收布局,得出了新的LCR结果,展示了高阈值尾概率与L线性关系,以及通过蒙特卡罗实验验证了准确性。
2026-05-16 eess.SP
Fluid Antenna Systems Enabling 6G:Principles, Applications, and Research Directions
本文综述流体天线系统(FAS)的基本原理、6G应用、表征方法、挑战及五个未来研究方向,以说明其赋能6G的性能潜力。
2024-12-05 eess.SP
Joint Channel and Symbol Estimation for RIS-Assisted Fluid Antenna Systems
Federal University of Ceará(塞阿拉联邦大学);Federal Institute of Ceará(塞阿拉联邦学院)
针对基站配备流体天线的RIS辅助多用户上行系统,提出NTFAS协议和两阶段半盲双线性交替最小二乘接收机,实现级联信道与符号的联合估计,并利用PARAFAC结构分离用户-RIS和RIS-BS信道,仿真表明该方法在级联信道NMSE和频谱效率上优于对比方案。
2026-05-29 eess.SP
Proactive Monitoring via Jamming in Fluid Antenna Systems
本文研究在流体天线系统中利用合法监测器通过切换天线位置最小化中断概率,以最大化平均监测速率,提出基于上界和二分搜索的优化方法,并验证其性能优于传统方案。
2023-10-11 eess.SP
Graph Neural Network Enabled Fluid Antenna Systems: A Two-Stage Approach
本文针对MU-MISO流体天线系统,提出两阶段图神经网络分别推断天线位置和波束赋形向量,并通过无监督损失函数联合训练,实现和速率与能量效率的实时可扩展优化。
2025-02-06 eess.SP
Hardware-Impaired Over-the-Air Computation with Fluid Antenna Array
Zhejiang University(浙江大学);University College London(伦敦大学学院);Yonsei University(延世大学);China Mobile (Hangzhou) Information Technology Company Ltd.(中国移动(杭州)信息技术有限公司)
本文提出了一种结合可重新配置天线定位的流体天线阵列增强的空中计算系统,通过联合优化发射功率、接收波束成形和天线位置向量,有效降低MSE并提高对硬件缺陷的鲁棒性。
2025-12-05 eess.SP
Enhanced Over-the-Air Federated Learning Using AI-based Fluid Antenna System
本文研究采用流体天线的空中联邦学习系统,通过将其建模为马尔可夫决策过程并使用循环确定性策略梯度算法联合优化天线位置、波束成形和功率分配,有效缩小最优性差距并提升了学习性能。
2025-02-03 eess.SP
Cell-free Fluid Antenna Multiple Access Networks
本文研究无小区流体天线多址接入网络架构,推导了在大小尺度衰落及不同端口切换下用户的中断概率,发现慢速端口切换在基站大阵列时更优,且FAS能降低基站成本与开销以提升网络可扩展性。
2025-04-29 eess.SP
Spatial Limits of Fluid Antenna Systems
Queen’s University Belfast(贝尔法斯特女王大学);Victoria University of Wellington(惠灵顿维多利亚大学);University of Melbourne(墨尔本大学)
研究流体天线系统空间限制,推导单用户单天线CFAS的HSP维度缩放定律,应用于双天线双用户CFAS,发现性能增益与维度和区域大小一致增加,缩放定律准确,双用户系统每用户高SINR概率超单用户HSP。
2026-07-09 eess.SP
Fluid Antenna-Assisted Near-Field System
本文研究流体天线辅助的近场集成感知与通信系统,通过联合优化波束成形、协方差矩阵、XL-STARS相移和天线位置,并基于PDD与BCD提出双环迭代算法,在保证通信性能的同时最小化感知克拉美罗界。
2024-09-30 eess.SP
Rate Maximization for UAV-assisted ISAC System with Fluid Antennas
College of Information Science and Electronic Engineering, Zhejiang University(浙江大学信息与电子工程学院);Polytechnic Institute, Zhejiang University(浙江大学理工学院);Department of Engineering, King's College London(伦敦国王学院工程系);College of Computer Science and Technology, Zhejiang University(浙江大学计算机科学与技术学院);Chu Kochen Honors College, Zhejiang University(浙江大学竺可桢学院)
本文针对流体天线无人机辅助ISAC系统,提出基于凸优化和交替优化的迭代算法,在保证联合感知能力下最大化通信速率,仿真验证了其有效性。
2025-10-09 eess.SP
High SNR Probabilities of Continuous Fluid Antenna Systems in Ricean Environments
研究莱斯衰落下单用户连续流体天线系统的高信噪比概率,利用期望欧拉示性数推导1至3维精确近似并首次给出非中心卡方随机场欧拉示性数密度的闭式表达式,揭示莱斯K因子与信道变化对性能的关键影响。
2025-08-14 eess.SP
Fluid Antenna System Empowering 5G NR
针对现有流体天线系统(FAS)研究仅局限于窄带信道的问题,本文提出含新型端口选择矩阵的宽带FAS OFDM系统框架,推导可达速率并设计自适应调制编码方案,仿真验证其在宽带信道中性能提升显著,为5G及未来无线通信提供新方向。
2025-03-07 eess.SP
Towards Joint Optimization for UAV-Integrated RIS-Assisted Fluid Antenna Systems
University of the Thessaly(色萨利大学);Yonsei University(延世大学);University College London(伦敦大学学院)
本文提出了一种联合优化UAV集成RIS辅助流天线系统的方案,通过优化FAS端口位置和RIS相移提升信号质量与通信速率。
2026-01-29 eess.SP
3D Spherical Fluid Antennas for Spatially Reconfigurable Communications
State Key Laboratory of Integrated Services Networks, Xidian University(西安电子科技大学集成服务网络国家重点实验室)
本文提出一种3D球形流体天线系统架构,通过区域切换和单元重构实现灵活的空间可重构通信,提升无线通信性能。
2026-06-04 eess.SP
Fluid Antenna Relay (FAR)-assisted Communication with Hybrid Relaying Scheme Selection
Zhejiang University(浙江大学);University of Miami(迈阿密大学);University College London(伦敦大学学院)
本文提出一种基于流体天线中继的混合中继方案,通过优化功率控制提升通信系统的总速率。
2026-01-19 eess.SP
Physics-Aware Tensor Reconstruction for Radio Maps in Pixel-Based Fluid Antenna Systems
The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));City University of Hong Kong(香港城市大学)
本文提出了一种基于物理的低秩张量补全框架,用于在低采样率下高保真重建射频地图,通过整合环境低秩性与确定性天线物理,有效保留阴影细节。
2026-02-05 eess.SP
Fluid Antennas Meet Rate-Splitting Multiple Access: A New Path Forward for 6G Networks
Nanyang Technological University(南洋理工大学);Shandong University(山东大学);Khalifa University(哈利法大学);Kyung Hee University(庆熙大学);Imperial College London(帝国理工学院)
本文探讨了流体天线与速率分裂多址接入的结合,分析其在6G网络中提升频谱效率和可靠性的作用,揭示两者协同增强机制及关键挑战。
2026-04-14 eess.SP
Dual-end Fluid Antennas For Robust Anti-jamming in Low-altitude Air-ground Communications
针对低空空地通信的同信道干扰与蓄意干扰问题,提出双端FAS辅助的异构双层传输架构,通过分式规划-块坐标下降算法联合优化收发配置,实现比FPA最高高56%的速率与强鲁棒性。
2025-09-02 eess.SP
Symbol Error Analysis for Fluid Antenna Systems with One- and Two-Dimensional Modulation Schemes
Indian Institute of Technology Bhubaneswar(印度布巴内斯瓦尔理工学院);National and Kapodistrian University of Athens(雅典国立卡波蒂斯特里安大学)
本文研究了流体天线系统中不同调制方案的符号误差性能,推导了精确闭式表达式和高信噪比下的近似表达式,并通过仿真验证了系统参数对误差性能的影响。
2026-04-08 eess.SP
Liquid Intelligent Metasurface for Fluid Antennas-Assisted Networks
提出FAS-LIM下行多用户MISO架构,联合优化波束成形、相移及流体天线与液态单元位置,并基于交替优化等技术求解,显著提升和速率。
2025-09-29 eess.SP
Toward Practical Fluid Antenna Systems: Co-Optimizing Hardware and Software for Port Selection and Beamforming
本文面向流体天线系统提出GNN与随机端口选择结合的软硬件协同设计方法,并开发FPGA加速器与调度算法,在保证通信性能的同时实现低时延波束成形与端口选择优化。
2025-07-18 eess.SP
On Performance of Fluid Antenna System using Maximum Ratio Combining
本文研究流体天线系统在激活多个端口并采用最大比合并时的性能,通过Gauss-Chebyshev积分等方法分析Rayleigh衰落下的中断概率,证明FAS能充分利用空间分集提升接收性能。
2023-09-14 eess.SP
Meta Fluid Antenna: Architecture Design, Performance Analysis, Experimental Examination
Shenzhen Technology University(深圳职业技术大学);City University of Hong Kong(香港城市大学);Hong Kong Metropolitan University(香港都会大学)
本文提出利用单射频链Meta流体天线的快速切换能力实现多激活FAMA,在不依赖CSI的情况下提升多用户复用性能,并通过仿真与实验验证其高SIR和快速优化能力。
2025-09-24 eess.SP
Downlink Extrapolation for FDD Multiple Antenna Systems Through Neural Network Using Extracted Uplink Path Gains
当基站(BS)部署有多个天线时,它们需要具有下行链路(DL)信道状态信息(CSI)以通过波束成形来优化下行链路传输。DL CSI通常通过DL训练在移动站(MS)处被测量,并且在频分复用(FDD)中被反馈给BS。当信道由于MS的高速而快速改变时,DL训练和上行链路(UL)反馈可能由于不充分的相干时间间隔而变得不可行。在没有来自MS的反馈的情况下,即使在FDD中,BS也可以使用UL和DL信道的固有关系直接获得DL CSI,这被称为DL外推。尽管确切的关系将是高度非线性的,但是先前的研究已经表明,神经网络(NN)可以用于在BS处根据UL CSI来估计DL CSI。在这条研究线上的大多数先前的工作使用全维UL和DL信道训练NN;然而,NN训练复杂度随着BS处的天线数量的增加而变得严重。为了降低训练复杂度,提高下行信道状态信息估计质量,提出了一种简化神经网络输入输出的下行外推方法。通过许多测量活动表明,UL和DL信道仍然共享共同的分量,如FDD中的路径延迟和角度。所提出的技术首先从UL和DL信道中提取这些公共系数,并且仅使用路径增益来训练NN,路径增益取决于频带,与完整的UL和DL信道相比具有减少的维度。大量的仿真结果表明,所提出的技术优于传统的方法,它依赖于完整的UL和DL信道训练神经网络,而不管MS的速度。
2020-04-03 cs.IT eess.SP math.IT
Fluid Antenna Port Prediction based on Large Language Models
本文首次将大语言模型应用于流体天线端口预测,提出基于GPT-2的Port-LLM模型,通过专门的数据预处理与嵌入模块提升预测性能,并在不同基站天线数和移动速度下取得优于传统方法的频谱效率。
2025-09-01 eess.SP