从论文浪潮中，
辨认真正的研究信号。

在远场，共角用户无法被空间分辨，因此通常不考虑将其同时调度。然而，近场球面波能够在物理上分辨共角用户，这使研究者期待显著的距离域复用增益。本文揭示了一项关键限制：传统近场距离分辨率判据对应的信道相关性仍接近 1，因此，即使两个用户在物理上可分辨，在信号空间中也可能几乎无法区分，因而不能同时调度。我们推导共角用户之间的精确信道相关性，并提出一个兼顾用户密度和干扰的面向通信的相关性目标。理论与数值结果表明，该目标为近场多用户调度提供了更严格的依据，使设计重点从物理可分辨性转向面向通信的可调度性。

稀疏近场阵列对 M 个相距较远、各含 N 个阵元的子阵进行相干控制，是分布式 MIMO、卫星编队和通感一体化的重要基础。我们证明，阵列在保护区域内的干扰抑制能力取决于单个子阵内部的相干性，而非整个编队的跨度：区域协方差的有效秩可能从 MN 降至 M。两种相互独立的论证支持这一结论。对于典型线形和圆盘区域，每个对角协方差块恰好对应经典能量集中算子，由此得到清晰的逐块秩阈值，并导出“每个子阵的区域空间自由度少于 1”这一保守设计规则；结合特征值交错关系的正交分解，则给出不对平台间耦合作任何假设的非渐近充分条件。这些结论由协方差决定，与具体波束形成器无关：未作对角加载的 Capon 泛函给出最坏情形信干比的上界，其正则化版本对角度分离目标和锥内目标呈现明显不同的尺度规律。八星 LEO 案例验证了理论，包括实际实现的最坏情形 SIR。

电磁信息理论 (EIT) 将电磁物理学引入无线信道分析，并提供传统模型隐藏的信道结构的物理视图。本文研究了电磁奇异态附近的通道不稳定性，其中小的环境扰动可能会导致端到端通道的巨大变化。使用基于解析的频谱分析，我们开发了一种电磁多输入多输出（MIMO）信道模型，该模型将端到端信道分解为平滑的规则分量和奇点相关分量。分析表明，与奇点相关的成分对奇点附近的环境扰动变得更加敏感。所提出的模型还揭示了传统注水（WF）的局限性：仅基于瞬时信道增益的功率分配不能解释这种不稳定性。因此，我们从宽带 MIMO 信道状态信息 (CSI) 中估计奇点信息，并开发了一种奇点感知传输协方差优化方法。仿真证明了估计的极点频率的数值稳定性，并说明了与极点相关的信道组件的环境敏感性。拟议的分配将加权单一渠道风险敞口减少了 90.32%，同时保留了 95% 的名义 WF 利率。

可重构智能表面（RIS）赋予无线信道可编程性，可用于优化信息传输。相比大量配置优化算法，可实际计算的性能上界仍较少，尤其缺少同时满足电磁一致性与真实硬件约束的非平凡界：例如保留互耦、不依赖单向作用近似，并允许少比特可编程、有损负载。本文采用由一比特可编程 RIS 参数化的严格 SISO 多端口网络模型，通过半定松弛（SDR）推导与具体算法无关的可达信道增益上界，再由 Shannon 定理得到给定噪声水平下的信息速率上界。我们在多个数值及实验无线环境中应用该界。相比电磁一致的基准方法——范数不等式界，以及适用时将负载放宽为仅受无损约束、可全局求解的理想非对角网络——SDR 界始终明显更紧。标准离散优化至少达到该界的 64%，且常常达到 100%。该界可用于具体实验系统，从而帮助评价 RIS 硬件选择和配置算法，并把现实可编程信道的可检验性能界与物理一致通信模型的电磁信息理论联系起来。

概率星座整形（PCS）最初用于弥合有限均匀星座与连续容量达成输入分布之间的差距，近期也成为调节通感一体化（ISAC）期望积分旁瓣电平（EISL）的重要工具。本文表明，PCS 的作用不限于 EISL：一大类称为 type-based PCS、即基于符号经验分布的整形方法，可以精确控制 OFDM 系统逐码字的积分旁瓣电平比（ISLR），从而提供强于仅控制 EISL 的感知性能保证。我们进一步证明，在酉调制基中，OFDM 几乎是唯一能让 type-based PCS 精确控制逐码字 ISLR 的选择。基于这些解析结果，我们设计与概率幅度整形（PAS）框架兼容的实用方法；在相同 ISLR 约束下，其通信速率高于已有面向 ISAC 的 PCS 方法。

模糊函数（AF）刻画时延—多普勒旁瓣结构，影响雷达感知中的目标分辨与弱目标遮蔽。在 ISAC 中，随机通信符号使 AF 依赖具体数据，给性能分析和发射设计带来困难。本文研究：在实际多用户、多目标 MIMO-OFDM 系统中，哪些 AF 特征能够由波束形成有效控制？我们对离散周期 AF 作统计分析，推导精确闭式期望旁瓣电平（ESL）。结果显示，非零多普勒处的 ESL 截面沿时延方向平坦，完整二维积分旁瓣电平比（ISLR）不随波束形成变化，而零多普勒处的峰值旁瓣比（PSLR）仍可控制。因此，我们建立带逐目标 PSLR 和照射约束的联合波束形成、子载波分配问题。针对难以直接处理的 PSLR 约束，我们刻画其全局最优结构，并证明：当符号峰度大于 1 时，PSLR 达到最大值，当且仅当每个目标方向的功率在各子载波上均匀分布。随后用变异系数（CV）度量偏离平坦频谱的程度，得到依赖 CV 的紧致 PSLR 界；其下界给出满足目标 PSLR 的凸充分约束。仿真中，平坦频谱设计相对仅通信波束形成将最差目标 PSLR 提高 9.4–11.0 dB，同时付出 2.4%–5.9% 的和速率损失。CV 松弛设计达到原 PSLR 约束问题平均和速率的 99.7%，并在所考察场景中将运行时间缩短 10.35–12.15 倍。

由于多径衰落、非视距传播以及经验路径损耗模型固有的不准确性，复杂城市环境中准确的非合作发射源定位面临着严重的瓶颈。当接收器部署稀疏时，这些挑战尤其明显。为了克服这些限制，本文提出了一种由地理空间电磁特征图（GEC-Map）驱动的物理信息定位框架。通过射线追踪技术将城市几何形状与不同介质的电磁特性无缝集成，GEC-Map 为差分接收信号强度观测建立了确定性传播先验。为了稳健地解决这个高度非线性的定位问题，我们开发了受控扩散蒙特卡罗定位算法。从理论角度来看，我们严格证明了 GEC-Map 支持的观测结果的强可辨识性，并通过 Fokker-Planck 方程建立了我们提出的算法的全局指数收敛性。广泛的模拟和现实世界的现场实验验证了我们方法的有效性。结果表明，所提出的框架在低于 10 个节点/km2 的极其稀疏的接收器密度下实现了高精度定位，总体 MAE 为 14.88 米。与最先进的深度学习基线相比，我们的方法将定位误差减少了约 58.8%，为复杂电磁环境中的无线电频谱管理提供了基于数学的解决方案。

本文研究了具有异构有源和无源基站的网络化综合传感和通信系统中低空多架无人机的连续跟踪。现有的融合方法通常需要共同的标签，假设高斯分量之间一对一匹配，或者直接结合局部概率假设密度（PHD），这可能会丢弃仅在一个站点可用的信息或在局部后验不同时保留重复的目标描述。关键思想是高斯分量仅代表局部目标密度的一部分，因此其权重可以在多个有效匹配之间划分，同时保留任何未分配的部分。受这个想法的启发，我们开发了一个分布式随机有限集框架，其中每个站保留一个标记的多伯努利后验并发送一个减少的未标记的一阶矩，而部分传输、广义协方差交集（GCI）和多重关联假设用于后验融合和全局身份维护。在有 10 架无人机和严重杂波的场景中，该方法相对于一对一 GCI 融合和算术平均 PHD 融合，平均最佳子模式分配误差分别降低了 30.2% 和 67.9%，并将身份 F1 分数从 91.8% 和 77.6% 提高到 95.2%。这些结果表明，所提出的方法改进了异构感知条件下的多目标估计和全局身份维护。

同时传输和反射可重构智能表面 (STAR-RIS) 可实现表面两侧的可编程波控制，从而将无线覆盖范围扩展到单面操作之外。然而，文献中的实际 STAR-RIS 演示的带宽很窄，因为从同一孔径同时实现宽带反射和传输具有挑战性。为了克服这一限制，提出了一种基于共享孔径偏振转换和对角线开关拓扑的宽带STAR-RIS架构。在这里，多个谐振能够实现宽带幅度响应，并且镜像对称电流反转在反射和传输模式下都保持 $180^{\circ}$ 相位差。因此，开发了对角四分支单位单元配置，其中定制的顶部贴片将接收到的波引导通过一对盲孔，该盲孔通过埋带连接到共享顶部孔径以进行反射，或者使用通孔引导到底部环贴片以进行传输。根据所提出的设计，制造了 10 x 10 STAR-RIS 原型并进行了实验表征。测得的 3dB 带宽在反射模式下达到 19.8%，在传输模式下达到 21.9%。近场测量显示，在 6.8-8.4 GHz 的宽频率范围内，反射和传输的平均信号分别增强了 19.8 和 22.6 dB。远场测量进一步证明反射平均接收功率提高了 11.2 dB，传输平均接收功率提高了 11.9 dB。据作者所知，这项工作提出了第一个经过实验证明的宽带 STAR-RIS，覆盖新兴 6G FR3 频谱内的 7.125-8.4 GHz 频段。

无线基础模型 (WFM) 寻求统一不同的无线任务和场景，但现有方法仍然依赖于特定于任务或场景的组件或部署时间微调。本文提出了一种一体化无线模型（AWM），这是一种统一了多用户信道采集和定位的 WFM，尽管它们具有不同的数据模式和功能目标。我们揭示了不同频率下的用户位置和信道状态信息（CSI）可以被视为同一无线链路的特定属性测量。通过引入场景内相同属性参考对作为提示，AWM 将异构属性转换为可对齐的相对论表示，将带内信道插值、带间信道预测和无线定位制定为统一的无线状态变换。此外，还开发了多任务 MateFormer，以在统一架构内执行源属性相对性提取、跨属性相对性对齐和目标属性合成，从而避免特定于任务的输出头或下游微调。全面的实验证明了模型统一的有效性，包括跨任务知识共享的巨大收益、对未见过场景的无缝泛化以及为移动用户提供高效的闭环服务。

在高频段部署大规模阵列可扩展近场区域，并实现波束聚焦以增强接收功率。然而，高频信号对近场环境中普遍存在的障碍物很敏感，会在天线孔径上引起未知的非均匀信道增益变化，并对信道估计 (CE) 提出严峻挑战。为了应对这一挑战，这封信研究了阻塞情况下的近场 CE。为了在混合组合下从压缩测量中实现障碍物情况CE，每条路径的复增益被表示为跨天线孔径的空间变化矢量，捕获衍射引起的非均匀幅度，同时保持与无障碍情况的兼容性。然后提出了一种两阶段估计算法，通过极域字典顺序识别每条路径的角度距离参数，并通过离散余弦变换（DCT）基础恢复空间变化的复增益分布。此外，提出了基于 F 检验的标准来自适应地确定路径数。仿真结果表明，在相当的复杂性下，估计误差比传统近场方案要低得多。

许多资源受限的边缘设备需要人工智能 (AI) 服务，但功能不足以存储或执行神经网络 (NN)。模拟射频 (RF) 计算通过让基站 (BS) 将波形编码 NN 权重多播到不同的客户端来解决此限制。然后，每个客户端通过其射频前端中的无源混频器将接收到的权重编码波形与其本地生成的输入编码波形相乘，从而以极低的功耗和内存要求实现人工智能推理所需的矩阵向量乘法（MVM）。这可以使电信运营商能够向连接到其网络的边缘设备提供人工智能推理服务。然而，在实践中，这种多播 AI 流必须与其他数据流共享频谱、功率和空间资源。本文考虑多用户多输入多输出 (MU-MIMO) 下行链路场景，并研究通过将组播 AI 流与单播数据流集成而导致的相对聚合数据速率降低。我们为数据和人工智能流制定了联合波束成形问题，以在计算精度、客户端能量、总功率和硬件相关限制的情况下最大化聚合数据速率。我们开发了一种基于加权最小均方误差（WMMSE）的算法来解决该问题。基于第三代合作伙伴项目 (3GPP) 通道的数值结果表明，在代表性环境中，将人工智能流与数据流集成所带来的相对总数据速率降低低于 5%。这表明电信运营商可以利用模拟射频计算提供边缘人工智能服务，同时提供数据通信服务。

无小区大规模多输入多输出（CF-mMIMO）系统可以提供高频谱效率和统一服务。然而，下行链路波束成形可能会产生大量的双向前传开销，用于中央处理器 (CP) 处的全网络信道状态信息 (CSI) 收集以及波束成形器向接入点 (AP) 的传送。完全分布式方法减轻了这种负担。然而，它们的瞬时全网渠道感知能力有限，而集中式或迭代方法则保留了昂贵的信息交换。我们提出了一种基于近似分解表示的非迭代分布式波束形成框架。每个 AP 根据本地 CSI 和通用的 Gram 相关重建因子构建其本地波束形成器。共享 Gram 矩阵提供推断每个用户设备 (UE) 的三个重建参数所需的信息，并通过一轮非正交聚合多播进行交换，其信令维度独立于 AP 和每 AP 天线群。我们使用可扩展的分层注意力架构来实现最终的 Gram 到参数的映射，该架构对于 UE 排序而言是排列等变的，并且支持跨系统规模的固定模型重用。数值结果显示，与迭代协调基准相比，有效总速率和最小速率分别提高了 18% 和 26%。

为了构建无线基础模型，我们提出了 CARP，这是一种一致性感知的鲁棒预训练模型，可以学习通用且可转移的信道状态信息表示。通过将无监督对比学习与目标方差正则化相结合，CARP 同时促进语义聚合和结构细节，从而适应广泛的下游任务。该设计在两个关键方面提高了性能。首先，CARP 在预训练期间引入了互补的归纳偏差，以适应下游任务的异构表示要求。其次，CARP主动过滤非结构化噪声，增强物理鲁棒性，确保实际环境中性能稳定。此外，我们提供了一种信息论解释，即这种整合不是经验性的，而是从信息瓶颈的角度优化结构不变性和信息冗余之间的权衡。实验上，数值结果表明，CARP 显着提高了分类和回归下游性能，同时增强了噪声条件下的恢复能力，证明了利用通道状态一致性来实现下一代通感一体化任务的巨大潜力。

A channel can be almost perfectly coherent and still teach a transmitter the wrong direction. In physical ("over-the-air") backpropagation, the receiver sends its loss gradient back through the reciprocal channel; when the terminal moves in between, mobility does not merely add noise to the returned gradient, it rotates it.在标量条件均值模型下，旋转是由时间相关性的相位设置的，因此仅测量其大小的相干性是错误的标尺：在模拟中，rho 绝对值大于 0.9 的通道将未校正的训练精度提高到 51.7%，而相位校正则恢复 92.5%。数组增添了一些变化。迹线相关性接近零时，即使准确知道 rho，标量校正也会失败，但大多数信息仍然存在：噪声已将其移动到相邻天线上。通过零数字反馈的位移重新索引端口，可以恢复模拟中损失的性能，并且使用条件均值算子的酉极因子旋转返回的种子也是如此，而不是反转它； aligning each antenna's phase with its own past makes things worse.精确的数组标识解释了这一切。 The lesson fits in one line: correct the rotation, not the stretch.

功率放大器 (PA) 非线性是中频上频段（7 GHz 至 24 GHz）的一个关键发射机损伤，在新兴 6G 标准化中被指定为频率范围 3 (FR3)。 3GPP PA 模型基线 TR 38.803 附件 A 来自 2.1 GHz 和 28 GHz 测量，尚未在 FR3 标准工作中重新审视。本文通过对多个被测 PA 设备 (DUT) 进行表征测量来解决这一差距，并在 7 GHz 和 15 GHz 频段以及 100 MHz 和 200 MHz 带宽下进行增益压缩。通过最小二乘回归提取无记忆多项式和广义记忆多项式 (GMP) 行为模型，并与涵盖 FR1 和 FR2 的 3GPP 模型进行比较。 GaN PA DUT 在更高的非线性阶数下进行了最佳建模，并且显示出比宽带 PA 明显更强的相位失真。 GMP 模型的内存项显着改善了所有操作点的归一化均方误差 (NMSE)。使用提取的模型，根据通感一体化 (ISAC) 文献进行正交频分复用 (OFDM) 模糊度函数分析，说明 PA 压缩如何提高传感响应的旁瓣下限。这些结果为FR3中的PA损伤建模提供了参考，可直接应用于ISAC系统设计。所有模型系数和测量数据都是公开的[1]。

随着未来无线通信系统向大型天线阵列和高频频段演进，近场效应日益突出。由于二次相位项和能量扩散，这些效应导致传统的基于离散傅立叶变换 (DFT) 的技术性能严重下降。现有的极域码本面临非正交性和高训练开销的问题。针对这些挑战，本文提出了一种基于离散分数傅里叶变换（DFRFT）的混合场信道估计策略，该策略既适用于采样型DFRFT，也适用于特征向量分解型DFRFT。具体来说，我们首先验证近场通道在DFRFT域中表现出显着的稀疏性，推导最佳DFRFT阶数并分析采样型DFRFT和特征向量分解型DFRFT各自的优点。然后，设计了一种基于DFRFT的自适应字典正交匹配追踪（D-ADOMP）算法，其中DFRFT阶用于自适应字典构造而不是显式的角度距离参数重建。该算法通过两阶段搜索迭代确定合适的DFRFT阶数，并直接对相应的DFRFT域感知字典进行稀疏恢复，从而实现多径分量的顺序分离以实现高精度信道重建。值得注意的是，当 DFT 阶数等于 1 时，DFT 本质上是 DFRFT 的特殊情况，这使得所提出的方案在 DFT 域稀疏性得到充分恢复时自然地简化为 DFT 表示。此外，我们从 DFT 域稀疏性的角度推导了有效的近场边界，它表征了近场二次相位项何时引起明显的 DFT 域能量扩散，并确定了 DFRFT 可以提供比 DFT 可见的稀疏性增益的区域。仿真结果验证了该算法的有效性，该算法表现出优于现有方法的性能。此外，结果表明，所提出的方案以可接受的计算复杂度实现了良好的估计精度，为6G超大规模多输入多输出（XL-MIMO）通信提供了可行的解决方案。

车联网（V2X）技术已成为智能交通系统的关键推动者，而太赫兹（THz）频段提供丰富的频谱资源来支持超高速和低延迟的V2X通信。本文研究了 300 GHz 频段的车载无线信道。首先，基于矢量网络分析仪（VNA）的信道测量是在典型的 V2X 场景下进行的，包括有人/无人以及车窗开/关情况。然后，根据高分辨率点云数据和基于测量的材料属性数据库构建车辆的数字孪生（DT）。 DT 集成到开源光线追踪 (RT) 模拟器 Sionna 中，以模拟多路径传播。最后，结合RT结果和测量数据，建立了混合射线追踪统计通道模型。通过路径级多径一致性、材料级反射损耗验证和簇级统计表征，混合通道模型与测量结果进行了全面验证，证明了仿真与测量之间的高度一致性。利用经过验证的模型，进行进一步的无线规划，包括信号干扰加噪声比 (SINR) 分析、覆盖概率评估和最佳发射机 (Tx) 放置。这些发现为未来太赫兹车载通信系统的设计和部署提供了宝贵的见解。

数字孪生 (DT) 可以生成密集的合成指纹，用于通过光线追踪进行定位，但模拟与真实的域差距限制了它们的直接使用，特别是在无细胞毫米波 (mmWave) 部署中，其中分布式几何形状和阻塞引起的稀疏性扩大了不匹配。我们提出了 DT 条件（DTCond），这是一个框架，通过每个域编码器、可学习的每个接入点（AP）注意力和校准的不确定性，融合真实和 DT 波束域指纹作为互补输入。我们导出了用于 DT 辅助指纹定位的预言机和管道 Cram\'er-Rao 边界 (CRB)，证明只要保留空间结构，DT 信息就会严格收紧定位边界，并通过异方差细化将边界进一步收紧 9.1%。在真实的 28 GHz 无细胞测试台上，可部署的两级管道以粗略的 k 最近邻 (k-NN) 估计读取 DT 指纹，实现了 0.284 m 的平均误差，而纯实 k-NN 的平均误差为 0.313 m。通过在真实位置（oracle 输入）读取 DT 指纹，DT 条件实现了 0.186 m 的平均误差，通过针对域适应 (DA) 和迁移学习基线的十种方法消融进行了验证，并且对未见区域提高了 48%。多用户自注意力为模拟的同时用户提供 31-41% 的每用户增益，渐进式校准可将测量预算减少 50%。作为一个用例，本地化驱动闭环网络配置。在波束扫描之间，DT 根据测量的 RSS 更新并读取跟踪位置估计值，选择每个 AP 训练的 81 个波束对中的 3 个。通过更新中的 49 个校准锚点，平均波束选择损耗在 2 m 的运动范围内保持在 1 dB 以下，而重复使用最后一次扫描在 1 m 后会损失 2.7 dB。

对于已知参数或全参数高斯均值漂移传感模型，这封信推导了有限块 Ziv。对于已知参数或全参数高斯均值漂移传感模型，这封信推导了多输入多输出通感一体化的有限块 Ziv–Zakai (ZZB) 和 Weiss–Weinstein (WWB) 界限。对观察到的随机高斯波形进行平均会产生确定性行列式内核和完整的 WWB。在固定块长度和增加信噪比 (SNR) 的情况下，标量局部 ZZB 接近波形平均逆 Fisher 信息。其与逆均值信息的高信噪比相对差距随着块长度而消失。仿真将两个边界与估计器进行比较，包括两个有序目标，并将有限块传感边界与渐近率配对。

流体天线接收器可以从部分端口观测中选择服务位置，但有限的历史数据使得用于该决策的协方差具有不确定性。我们为冻结的部分观察规则开发了使用前部署可靠性认证。适当的预测密度定义基于历史的参数区域。高斯协方差包络、共享条件概率界限和选择器外壳提供了连续参数和不连续端口决策的同时风险界限。在规定的固定模型和数值假设下，单独的历史覆盖范围和集成预算将单个资格认证程序的错误肯定认证限制为 0.05。置信集包含允许新的独立历史记录在规则不变的情况下重用风险计算。在具有 32 个候选位置、五个噪声探针和目标中断 0.001 的结构化高斯示例中，所有 282 个风险组均合格；最大上限为 0.000999748。单独的耦合比较给出了 $[7.6820,9.1266]\times10^{-4}$ 的当前规则中断间隔，并且比使用相同历史拟合的两个观察端口控制解决了更低的中断。一份独立重新校准的历史记录可重复使用该证书，无需额外的风险抽样。未解决的和不利成员的控制限制了这种重用。

现有的基于深度学习的信道状态信息（CSI）反馈方法通过将高维CSI压缩为低维表示和/或利用历史CSI来预测未来CSI来减少反馈开销。然而，当用户设备（UE）突然改变其运动时，这些方法可能变得不可靠。为了解决这个问题，我们提出了一种用于生成 CSI 反馈的预测辅助编码（PAC）框架，该框架根据预测的信道/CSI 分布和实时观察到的 CSI 自适应地编码 CSI。每个 CSI 帧由在不使用历史 CSI 的情况下获得的多个 CSI 令牌表示，从而使令牌生成对于突然的 UE 运动具有鲁棒性。在第一阶段，基于历史令牌来预测下一帧CSI令牌的条件分布，而不是确定性值。在第二阶段，一旦下一帧到达，预测的分布将用于其 CSI 令牌的可变长度熵编码。为了进一步减少反馈开销和推理延迟，我们提出了两个阶段的高效设计。对于第一阶段，具有新位置嵌入策略的定制因果 Transformer 可以准确预测下一帧标记概率。对于第二阶段，并行因果解码策略减少了顺序令牌解码引起的推理延迟。大量实验表明，与现有的历史感知基线相比，PAC 减少了大约 72% 至 84% 的反馈开销，同时实现了更高的重建精度。此外，PAC 在随机游走轨迹下保持 CSI 重建精度，而现有的历史感知基线的重建精度急剧下降。

流体天线系统 (FAS) 通过联合端口选择和预编码为通感一体化 (ISAC) 提供额外的空间分集。然而，现有设计通常假设容易获得的信道状态信息，忽略残余自干扰，并将通信和感测结合到单个加权目标中。由此产生的信道采集开销、未建模的残余自干扰以及帕累托权衡的有限特征是在流体天线辅助空地网络中实施 ISAC 的关键障碍。为了解决这些问题，我们首先将联合设计表述为灰盒多目标优化问题。该公式保留了可用的分析系统映射，同时将依赖于配置的信道和干扰成分视为未知，并且直接表示通信感知帕累托权衡，而无需预定义标量化。然后，我们提出了一种定制的灰盒多目标贝叶斯优化（G-MOBO）方法来解决由此产生的高维问题。具体来说，G-MOBO 从性能反馈中学习未知成分，通过已知映射传播其预测分布，采用预期超体积改进 (EHI) 来探索帕累托前沿，并使用自适应信任区域 (TR) 来本地化搜索。进一步结合时间适应策略来跟踪时变环境中漂移的帕累托前沿。理论分析通过累积超体积后悔来表征灰盒建模和局部 TR 设计的样本效率。仿真表明，与所考虑的基线相比，收敛速度更快、帕累托前沿质量更高、动态跟踪更稳健。

本文研究基于有限导频电磁信道模型的近场大规模 MIMO 信道估计。从麦克斯韦方程组出发，我们推导了空间域和波数域中的均匀背景响应和散射响应。研究发现，紧凑的散射簇在有限孔径上产生局域化的接收-发射横向波数块，从而在波数域中产生块稀疏的非视距信道系数矩阵。考虑到大规模天线阵列的空间非平稳性，我们在信道模型的发射端和接收端引入了可见性因子。为了解决波数域中的非平稳稀疏信道估计问题，我们提出了一种可见性感知的块稀疏贝叶斯信道估计算法。仿真结果表明，所提出的方法实现了比基准方案更低的信道估计 NMSE。

作为超大规模阵列的一种有前景的解决方案，可重构全息表面 (RHS) 可以与通感一体化 (ISAC) 集成，形成全息 ISAC 范式，其中 RHS 提供的显着波束形成增益可以提高通信和传感性能。然而，大多数现有的全息 ISAC 工作都假设 RHS 元件可以连续地控制辐射 ISAC 信号的幅度，但这在实践中很难实现。在本文中，我们研究了 RHS 的有限辐射幅度如何影响 ISAC 系统性能。具体来说，我们首先推导出通信速率和感测 SINR 的封闭式下界，以建立最小辐射幅度量化位的严格上限。在此基础上，我们进一步探讨通信传感性能权衡如何影响量化位。数值结果验证了我们的理论分析。

基于深度学习的联合源通道编码（DJSCC）已成为语义通信的一种有前途的范例。用于多输入多输出 (MIMO) 正交频分复用 (OFDM) 系统的现有 DJSCC 方案主要关注源重建性能，而与信道状态信息 (CSI) 获取相关的资源开销仍然在很大程度上被忽视。事实上，此类系统中的可靠传输需要分配有限的资源来处理两种不同形式的不确定性：信道不确定性和源不确定性。传统设计通常会解耦此任务，即分配显式冗余（即导频符号）来处理信道不确定性，并引入 DJSCC 冗余来处理源不确定性。这种分离通常会导致资源利用率不佳。为了弥补这一差距，我们提出了一种深度统一（DU）编码器，它将源信息嵌入码字中，该码字包含足够的冗余来处理信道和源不确定性，而无需强制执行显式的导频数据分离。在接收器处，我们设计了一个并行流匹配（PFM）解码器，它利用基于流的生成先验来联合估计通道和源，比现有的基于扩散的方法产生更有效的推理。为了对性能限制进行基准测试，我们推导了联合信道估计和源恢复问题的贝叶斯 Cram´er-Rao 界，其中先验 Fisher 信息矩阵通过使用学习流模型进行近似。对块衰落 MIMO-OFDM 信道的广泛仿真表明，所提出的 DU-PFM 方法在信道估计精度和源重建质量方面都远远优于最先进的方法。

超对角线可重构智能表面 (BD-RIS) 通过引入可调谐元件间连接来推广传统的对角线 RIS (D-RIS)，从而提供增强的波操纵能力。然而，实现BD-RIS的优势需要准确的信道状态信息（CSI），由于信道系数数量的增加，其获取变得更加困难，导致BD-RIS辅助的多用户多输入多输出（MU-MIMO）系统中导频训练开销过大。现有研究通过利用 BD-RIS 辅助信道的克罗内克积或多线性结构引起的信道相关性来减少导频开销，而忽略了天线之间的空间相关性和 RIS 用户信道之间的统计相关性。在本文中，我们提出了一种基于学习的信道估计框架，即联合训练散射矩阵学习和信道估计框架（JTSML-CEF），该框架联合优化BD-RIS训练散射矩阵并以端到端的方式估计级联信道，以实现准确的信道估计并减少导频开销。所提出的 JTSMLCEF 遵循两阶段信道估计协议，通过训练散射矩阵优化器 (TSMO) 实现自适应训练散射矩阵优化，并通过双注意信道估计器 (DACE) 实现级联信道估计。具体来说，DACE 设计有用户内和用户间注意力模块，以捕获多用户级联通道中的多维相关性。仿真结果证明了JTSMLCEF的优越性。与当前最先进的方法相比，它在室内和城市微蜂窝（UMi）场景中将导频开销减少了80%，同时归一化均方误差（NMSE）分别减少了82.6%和92.5%。

当移动终端参加空中训练时，它自身的运动会旋转通过它传回的梯度；与终端保持同步的可移动天线将其旋转回来——无需任何信道估计。我们给出了速度定律：在物理返回的标量条件平均模型下，将残余位移降落在空间相关性的第一个正瓣内，使条件平均梯度保持下降方向，在给定足够的行程的情况下，固定了临界执行器与终端的速度比。我们进一步证明了偏差-抖动定律：在相同的标量条件均值模型和零有效偏差的情况下，任何有限幅度的独立零均值高斯抖动都会缩放条件平均梯度而不反转其方向，而亚波长系统偏差可以反转它。这一结果促使优先考虑偏差校准以保持梯度方向。 3GPP CDL-A 信道仿真表明，与终端同步的天线无需数字信道校正即可实现接近 CSI 的精度，达到 98.58%，而理想 CSI 参考的精度为 98.59%。模拟还表明，当残余位移落入稍后的正相关波瓣内时，部分补偿可以支持学习，因此更快的执行器不一定会产生更高的精度。单独的定位模拟显示，在系统偏差下，精度会急剧下降，但在可比空间尺度的零均值高斯抖动下，精度几乎没有下降。

接收到的 OFDM 网格保留导频和有效载荷观测值，但无线基础模型很少对其进行预训练。我们引入了 LWM-TF，这是一种 9.58M 参数分解掩码自动编码器，在 FFT 之后和信道估计之前在复杂的 5G NR 上行链路网格上进行了预训练。每个块首先参与 OFDM 符号，然后参与资源块和接收天线，并且掩码遵循相同的两个轴。由于有效负载阶段是不可预测的，因此该模型重建每个屏蔽令牌的归一化对数功率并分别预测其规模；消融表明这两项是互补的，并且该目标优于复杂信号重建。该编码器在来自 10^6 时隙数据集的 850,496 个物理上行链路共享信道 (PUSCH) 时隙上进行预训练，该数据集是在各种信道条件下使用 NR 传输链进行模拟的。在编码器冻结的情况下，线性探针对调制进行分类、预测 CRC 成功并检测 UE 移动性。在单独生成的测试集上，每类 16 个标记槽的调制精度为 0.85，ROC 曲线下的 CRC 面积 (AUROC) 为 0.82，移动性 AUROC 为 0.73，在每次配对抽签中均领先于受监督 CNN。通过 10,000 个标签，探针达到 0.94、0.96 和 0.92，远高于工程接收器统计数据，并检测 CNN 处于偶然状态的移动性。在没有任何损伤标签的情况下，冻结特征空间中的距离以 0.78 宏 AUROC 标记看不见的波形损伤，而接收器统计数据为 0.68。因此，单个预训练编码器提供了跨任务传输的接收器功能，当标签稀缺时，这种功能最为强大。

无源超大规模可重构智能表面（XL-RIS）提供用于近场传感的位置敏感孔径，但其逐元素信号无法直接观察到。从较少的基站测量中恢复虚拟 RIS 观测 (VOR) 需要先验信息。本文研究了校准传播几何或配对训练数据何时提供更有效的重建先验。对于常见的传感算子和目标信号，我们开发了离网近场稀疏参数重建（OG-NF-SPR），并将其与紧凑型和基于 DenseNet 的深度重建器进行比较。 OG-NF-SPR 使用反射路径投影进行位置初始化，然后对所有路径增益进行贝叶斯估计并进行连续位置细化。因果扩展包含没有轨迹标签的时间相关性。受控模拟以近场无人机跟踪为例，分别检查噪声、位置分布偏移、校准误差和传播失配。在 20 dB 的匹配传播下，OG-NF-SPR 的重建 NMSE 比两个标称深度网络低约 67%。在低信噪比下，统计平均比选择单一几何解释更有效。在足够强的可重复失配下，在失配族上训练的相同大小的网络优于名义物理估计器，而名义训练并不能提供这种好处。时间正则化还将共享轨迹上的位置 RMSE 从 0.653 m 降低到 0.225 m。结果将重建性能与测量质量、校准精度和训练覆盖范围联系起来，为何时几何可以取代监督标签以及何时附加数据有用提供指导。

最大最小公平 (MMF) 标准保证每个用户都有最低速率，但对于三个或更多用户来说，它是 NP 困难的，并且现有的全局证书依赖于线性波束成形和天线数量的缩放。我们提出了一个通用的：对于大规模 MIMO，它通过精确的凸重构（Sion 的极小极大定理加上 MAC-BC 对偶性），通过深切椭球求解，为任何凸紧凑速率区域返回确定性的、与松弛无关的 MMF 最优性证书。在迫零的情况下，公平性的成本与自由度成反比衰减，天线阈值通过仿真确认并扩展到相关信道。

移动无线系统越来越需要通感一体化 (ISAC) 前端，使其辐射行为适应不断变化的信道和任务。仅当其状态在电磁上不同、可硬件实现并且有利于通信和传感性能时，大型状态库才有用。仅相位和单域可重构阵列仅访问该资源的一部分，因为它们改变激励或嵌入元件模式，而其他大部分保持固定。因此，我们提出了一种基于阵列通道的元流体天线相控阵，每个通道将一个可编程元流体天线与一个可重新配置的幅度移相器耦合。元流体状态重塑嵌入的辐射方向图，而移位器路径状态选择可实现的宽带复合响应以进行阵列因子幅度相位控制。这些控件共同形成了更大的可执行辐射状态空间。为了使用移位器硬件实现所需的宽带阵列通道响应，我们开发了一个正向-逆向实现循环，其中反向模型将每个所需的响应映射到可行的路径状态，并且正向模型验证所得的宽带响应。在 CST 特征的 $104{,}282$ 状态响应库上，逆模型实现了 0.8721 路径恢复 PIoU，并且整个循环在 $f_{0}$ 处保留了约 99.5% 的归一化幅度精度和 99.8% 的归一化相位精度。状态空间诊断表明，联合库具有最高的有效排名和最低的保留匹配错误。干扰限制上行链路和全扇区 AoA 指纹传感基准进一步表明，扩大的可执行状态空间可以提高通信可靠性和传感精度。

通感一体化（ISAC）为低空无人机（UAV）监控提供了有前景的基础。然而，大多数现有研究主要关注位置和总体速度，因此提供的有关无人机旋翼动力学和方向的信息有限。为了解决这一限制，本文开发了一种正交频分复用（OFDM）-ISAC框架，该框架利用无人机微多普勒特征来估计操作状态，包括旋翼速率和旋翼轴方向，从而提供比传统ISAC定位和速度传感更丰富的无人机状态信息。该框架从单站微多普勒传感发展到多站转子轴估计。在每个基站，首先提取微多普勒特征并用于估计转子速率。然后将该框架扩展到分布式 ISAC 网络，其中融合来自多个传感方向的视图相关微多普勒特征来估计共同的转子轴方向。由于融合依赖于多普勒带宽特征而不是复杂的信道相位，因此不需要站间载波相位同步。我们表明，三个几何不同的视图可以局部识别转子轴方向和未知的转子尖端速度尺度。此外，特征感知雷达方程将叶片雷达截面 (RCS)、传感范围、发射功率和观测持续时间与微多普勒检测和转子速率估计精度联系起来。还分析了残余运动和距离偏移对相干处理间隔（CPI）的影响。仿真和实验测量验证了所提出的框架，并证明了转子速率估计和多站转子轴传感的可行性。

开源光线追踪 (RT) 框架由于其可重复性和可扩展性，越来越多地用于特定站点的通道建模。在非平稳移动场景中，重复的 RT 评估可以生成不同的扩散传播路径，而不保留它们的对应关系，从而限制了其时间演化的一致表示。为了解决这一限制，我们使用持久的表面相关散射点扩展了 Sionna RT 中的漫散射建模。它们的位置保持固定，而它们的贡献则根据传播几何形状和可见性的变化而变化。使用城市车辆场景中 5.9 GHz 的经验无线电信道脉冲响应测量来验证所提出的方法。与标准 Sionna RT 基线相比，所提出的模型在延迟和多普勒域中显示出与测量结果的更好的一致性。

研究了基于模块化连续孔径阵列（CAPA）的多用户通信系统，其中仅激活孔径的一部分，即子CAPA来为用户服务。首先介绍了所提出的模块化 CAPA 的信号模型。基于该模型，提出了频谱效率（SE）最大化问题，以联合优化子CAPA激活和波束成形，但受到活动子CAPA有限数量和总发射功率的约束。为了解决由此产生的混合整数优化问题，首先提出了一种基于分支定界 (B&B) 的算法，用于最佳子 CAPA 激活和波束成形设计。之后，分析了部分激活下模块化CAPA的空间带宽。分析表明，激活部分子 CAPA 的模块化 CAPA 可以实现与传统 CAPA 相当的最大空间带宽。受此启发，进一步提出了一种低复杂度的空间带宽感知子 CAPA 激活方案。最后，数值结果表明 i) 具有部分激活的模块化 CAPA 架构能够始终比相邻的 CAPA 激活获得更大的性能增益； ii) 拟议的 B&B 方案在 SE 方面优于所有基准方案； iii) 与所提出的基于 B&B 的算法相比，所提出的空间带宽感知方案提供了有吸引力的性能-复杂性权衡。

可移动天线（MA）最近成为一种有前途的技术，可通过利用额外的空间自由度来增强无线传感性能。在这项工作中，我们考虑基于设备的传感架构下启用 MA 的近场目标定位问题，其中传感目标主动发送信号，传感接收器根据接收到的信号估计其位置。我们采用平方位置误差界限（SPEB）作为传感性能指标，旨在通过优化传感接收器处的天线放置来最小化目标的 SPEB。由于最小天线间距限制以及 SPEB 对天线位置的复杂依赖性以及 SPEB 的棘手形式，由此产生的优化问题是高度非凸的。为了解决这个问题，我们首先放宽间距约束，并相应地用 4 度截断矩制定天线位置分布问题。重新表述的基于矩的问题承认等效的半定规划公式，并且可以使用标准凸优化求解器进行最优求解。然后，使用截断矩理论，我们恢复有限数量位置支持的最佳天线位置分布，并构建有效的集群放置策略。数值结果表明，构建的最优分布呈现出具有源相关权重的三簇结构。所提出的天线放置方法优于传统的阵列几何形状，并且非常接近穷举搜索基准方案。

本文研究了多卫星多流（MSMS）波束空间传输，其中多个卫星协作形成分布式多输入多输出（MIMO）系统，联合向多天线用户终端（UT）传送多个数据流，波束空间传输将地球移动波束成形与波束域预编码相结合。我们制定了 MSMS 波束空间 MIMO 信号模型，用于捕获残余同步误差统计、异步干扰、多天线 UT、多流传输和波束域处理。基于该模型，我们开发了一个基于统计信道状态信息（sCSI）的框架，用于卫星聚类、波束选择和传输预编码，并具有易于处理的统计总和速率近似值。我们进一步为统计速率近似提供差距分析，构建基于协方差分解的加权最小均方误差（CDWMMSE）公式，并推导迭代和闭式的低复杂度 MSMS 预编码器。对于波束空间架构，我们还采用以用户为中心的卫星聚类并设计了两阶段波束选择方法。实际配置下的仿真在数据流、接收天线、服务卫星和有源波束的数量上验证了所提出的方法。特别是，波束空间传输架构本身可以以低得多的处理成本接近所有 MIMO 端口的非波束空间预编码的性能。例如，在代表性设置中，它实现了 91.95% 的非波束空间全端口预编码性能，同时仅需要 1.32% 的乘法计数。

现有的仿射频分复用（AFDM）辅助的通感一体化（ISAC）方案主要针对远场设计，不适用于近场场景，降低了传感精度和符号检测可靠性。我们通过推导 AFDM 波形的近场自动模糊函数 (AAF) 来量化这种失真，显示它分解为波形相关项和范围敏感阵列响应。利用这种因式分解，我们设计了一种用于多目标延迟多普勒提取的匹配滤波估计方法和离散仿射傅里叶变换（DAFT）域迭代均衡器。仿真验证了该方案在估计精度、峰旁瓣比和误码率方面的有效性。

作为下一代无线系统的候选波形，仿射频分复用 (AFDM) 经常在不同配置下与正交频分复用 (OFDM) 进行比较，但仍然缺乏对它们基于导频的感测性能的系统比较。本文与相同带宽、帧持续时间、导频能量和预留资源开销进行了比较。使用不带循环前缀/线性调频脉冲周期前缀 (CP/CPP) 的非周期性模糊度函数和带 CP/CPP 的循环模糊度函数，将 OFDM 随机、OFDM 固定梳和 OFDM 移位梳导频与被保护资源包围的 AFDM 导频进行比较，然后进行目标检测实验。结果表明，OFDM固定梳表现出较低的距离旁瓣，但出现周期性距离模糊度峰值，而AFDM和OFDM移位梳可有效抑制零多普勒距离模糊度。在共同的明确区域内，两种波形的所有导频配置在强目标检测中表现出相似的检测阈值，而结构化 OFDM 和 AFDM 导频布局在弱目标检测中优于 OFDM 随机导频布局。在高移动性下，使用离散仿射傅立叶变换 (DAFT) 的 AFDM 接收机可以解析超出传统慢时最大无模糊速度的整数多普勒，在增加的搜索复杂性下优于测试的传统 OFDM 和 AFDM 接收机。这些结果将波形、导频布局和接收器处理的影响分开，为基于 AFDM 和 OFDM 导频的传感设计提供了基础。

混合模拟数字阵列降低了通感一体化 (ISAC) 的硬件成本，但空间压缩和波束相关扫描响应使使用少量射频 (RF) 链的多目标估计变得复杂。为了应对这些挑战，本文提出了一种突发波束扫描多输入多输出正交频分复用（MIMO-OFDM）框架，该框架重用下行链路参考信号进行联合距离、径向速度、仰角和方位角估计。具体来说，结构化的全局局部双张量估计器通过使用扫描观测来分离目标，并从选定的波束射频链响应中细化其参数，并通过延迟多普勒特征来维持跨级目标对应。恢复的子阵响应通过精确的和差关系产生闭合形式的仰角和方位角估计，避免了小角度近似和精细角度网格搜索。为了进一步提高多普勒精度，空间掩模辅助加权最小二乘法利用更长的突发间时间孔径，同时使用突发内估计解决相位模糊度。还导出了联合多目标 Cram\'{e}r--Rao 下界 (CRLB) 和相应的三维 (3D) 定位界限来表征估计性能。仿真结果表明，该方案仅用四个射频链即可在高发射功率和厘米至毫米级3D定位下实现接近CRLB的估计精度，同时保持较低的计算成本。

感知移动网络 (PMN) 中的上行链路感测（用户设备在其中进行传输，基站进行接收）代表了一种有吸引力且重要的集成感测和通信 (ISAC) 类型。然而，其双基地配置引入了时钟异步，导致时变定时偏移（TO）和复合相位偏移（CPO），从而破坏了相位相干性，从而使依赖同步假设的传统传感算法失效。此外，即使恢复了相位相干性，在没有事先相对位置信息的情况下，也无法完全解决由全局TO引起的延迟模糊，从而阻碍了精确感测。为了解决这些基本挑战，本文提出了一种新颖的三步无先验传感框架。首先，我们开发了两个相对于参考系的基于闭式子空间的高分辨率相对 TO (RTO) 估计器，这使得能够在视距 (LoS) 主导和视距缺失场景下进行 TO 对齐。然后，我们提出了一种基于子空间的相对 CPO (RCPO) 估计方法，该方法建立了 RCPO 和信号子空间之间的解析关系，并使用黎曼梯度下降 (RGD) 有效地解决了由此产生的恒模约束优化问题。最后，利用估计的延迟、AoA 和 AoD，我们开发了一种基于几何一致性的关联方法，可以解决延迟模糊性并建立参数关联，而无需先验信息。我们的模拟表明，即使在低信噪比 (SNR) 条件下，所提出的方法也能稳健地提供卓越的精度。

无线传播建模是现代通信系统评估和设计的基础。为了实现准确的无线传播预测，最近基于学习的方法利用场景几何形状和材料，展示了跨收发器位置和看不见的场景的有希望的泛化能力。然而，这些方法仍然很大程度上局限于阵列尺寸、接收器方向和发射波束的固定配置。在这项工作中，我们介绍了 RFWeave，这是一种学习型无线传播模型，旨在泛化场景、收发器位置和收发器配置。为了适应不同的阵列结构，RFWeave 结合了可变长度的收发器令牌，分别代表天线元件。此外，为了捕获发射和接收天线元件之间的几何形状，RFWeave 将它们的成对空间关系聚合为传播令牌。配置条件解码器预测空间频谱和接收功率。 RFWeave 在大规模模拟数据集上进行训练，该数据集涵盖不同收发器配置下的 10,000 个室内场景和超过 500 万条通道记录。广泛的评估表明，RFWeave 在所有评估的泛化设置中均实现了最先进的性能，与未见过场景的最强基线相比，空间频谱结构相似性 (SSIM) 提高了高达 15.7%，接收功率平均绝对误差 (MAE) 降低了高达 35.4%。对测得的 DIHASUS 数据和波束管理进行的其他实验进一步证明了 RFWeave 对现实世界信道和下游无线任务的更广泛适用性。

感知辅助波束预测可能降低毫米波车联网的训练开销，其中两种设计值得检验：采用包含多普勒分辨信息的输入，以及在训练阶段从摄像头教师模型中蒸馏知识。我们以接收功率而非 top-1 准确率衡量实际价值，因为后者相差几个百分点时，功率差异可能仅为零点几分贝。实验使用真实 DeepSense 6G 测量，主要来自一个路侧站点，并对同一卷积循环预测器家族进行最长提前 0.67 s 的开环评估。将距离—多普勒图加入距离—角度图，使平均选束损失降低 0.28 dB，95% bootstrap 区间为 [0.14, 0.41]。收益来自多普勒内容而非单纯增加输入量，并在预先指定的第二个基站得到重复验证；不过，该站保持上一次实测波束的效果优于两种预测器。相比之下，运动掩模视觉—雷达教师的跨模态蒸馏使接收功率变化 −0.01 dB，区间为 [−0.07, +0.06]，未显示可分辨收益。所测试的教师、学生、融合及蒸馏变体，在各自评价指标上均得到相同的无显著增益结果。在少训练轮次的探索性实验中，蒸馏偶有帮助，但采用全部训练轮次的纯雷达教师可复现其中大部分收益。对该预测器家族与完整训练集而言，链路上可测量的改善来自雷达多普勒信息，所测试的任何训练期视觉知识迁移方法均未增加可分辨收益。

近场光束聚焦将辐射功率限制在局部三维焦点中，使得径向和角分辨率的分析表征对于第六代 (6G) 多用户系统至关重要，但现有模型将焦点分辨率视为固定的几何结果，而不是可调的设计变量。基于角度表示（ASR）方法，本文提出了一个分辨率框架，用于为引导多用户系统设计跨径向和角度域的连续焦点区域。通过扩展可调谐光束间重叠 $\rho$ 的定义，我们推导出径向和角度焦点边界和范围的封闭式表达式，以及与转向相关的最小焦距 $d_{0,\text{min}}$ 和最大转向角 $\theta_{\text{max}}$。利用这些边界，开发迭代合成算法来构建均匀和非均匀的径向和角度光束布置。最后，通过分析孤立和联合径向角配置，我们量化了 $\rho$、可实现的用户容量、用户间干扰以及不同转向角度下的系统总速率之间的基本权衡。

依赖于基于位置的统计信道状态信息 (CSI) 的宽带大规模多用户多输入单输出 (MU-MISO) 下行链路可能会因波束斜视、角度聚类和定位不确定性而遭受严重的可靠性下降。为了解决这个问题，我们提出了位置辅助位置分割多址（LA-LDMA），这是一种分离式宽带预编码框架，包括1）错误界限感知收缩白化，2）与子载波相关的流形投影，以及3）用于抑制相干干扰耦合的酉正交化。在简化的用户间相关性模型下，我们推导了中断概率的封闭式表达式，并描述了与用户位置估计误差成比例的传感限制信号干扰比（SIR）上限。基于精确宽带几何多径模型的仿真验证了宽带对准效果并证实了预测的传感通信缩放行为。所提出的 LA-LDMA 方案在 10^{-2}$ 的中断概率下，在基于宽带位置的迫零基线上实现了 10 dB 信噪比 (SNR) 增益，突出了其对传感不准确的鲁棒性。

感知选束通常只与穷举训练比较，因此尚不清楚：相较已部署跟踪器已有的链路反馈，感知何时提供额外信息，又何时应停止调用。我们对四个 DeepSense 6G 车载场景中记录的 64 波束扫描进行动作受限的因果回放，分离整体系统收益与感知的边际价值。回放仅暴露服务波束及显式探测候选的功率，并分别统计探测与模型调用。控制器结合建链后的计划重扫、探测核验后的感知准入，以及黑名单退避。在三个仅反馈跟踪损失距离记录扫描 oracle 不超过 0.25 dB 的场景中，控制器很少调用感知模型，平均损失接近仅反馈方案，而始终调用感知反而更差。在唯一状态创新量较高的场景中，控制器相对普通仅反馈跟踪器的系统增益为 0.82 dB，95% 置信区间 [0.30, 1.40]；相对探测预算受限的重扫基线改善 0.15 dB，且探测次数少于二者。感知与重扫都能修正建链后的波束锁定偏差。在数据原生决策间隔下，同一控制器开启感知未带来统计上可分辨的损失下降，但将探测次数减少 21%。加入模拟链路噪声、反馈陈旧或延长决策间隔后，准确感知相对关闭感知的控制器可降低损失；弱或迟到的感知即使经过探测核验，也可能增大损失。这些探索性结果说明，感知可以是 RF 探测的有条件替代，也可能降低链路损失，具体取决于链路反馈的局限以及感知的准确性、及时性。

本文研究稀疏流体天线系统（FAS）中用于 DoA 估计的连续位置设计。首先证明，无论阵元被限制在网格还是可连续放置，含 N 个位置的阵列最多只有 N(N−1)+1 个不同的有符号位置差。因此，连续位置不能突破精确连续差分 coarray 自由度的普适 O(N²) 上限；2 floor(D/d₀)+1（d₀=λ/2）则是部署区间 [0,D] 给出的几何上限。FAS 的优势在于给定孔径和硬件约束内的运行时几何重配置。该分析在数学上并非 FAS 专属，也适用于满足相同相干观测模型的已标定 MA 和合成孔径。相对某一固定标准布局，连续优化可能改善不同空间间隔的利用率、Fisher 信息或估计精度，但这种改善取决于构造、目标与信号源，并非新的普适自由度上限。本文推导 coarray 上限，建立基于 Fisher 信息的位置设计，给出单源闭式解和多源 Frank–Wolfe 方法。在一致可辨识条件下，多源条件模型的归一化几何分解表明 det(F)=Θ(D^(2L))、det(F⁻¹)=Θ(D^(−2L))，而每个 DoA 方差按 Θ(D⁻²) 缩放。随后将 MUSIC 初始化的经典局部最大似然方法用于歧义感知的粗细两级可重配置几何。数值评估包含六组不等孔径实验、非理想获取敏感性实验，以及固定相同 N、实际孔径 D、最小间距、粗初始化和局部 ML 细化的同资源比较。在该同资源设置下，优化连续布局与半波网格布局对所测源对的性能几乎相同，且二者都优于匹配的标准几何。结果将较小的离网几何收益，与不等孔径比较中较大的孔径及估计器效应区分开来。

通感一体化（ISAC）通过共享频谱、波形和无线电硬件，为蜂窝网络提供数据传输和环境传感的双重能力。虽然通过传输接收点 (TRP) 进行的网络侧感知已得到广泛研究，但使用用户设备 (UE) 作为感知接收器引入了额外的双基地视点，并且可以提高目标可观测性。然而，UE辅助操作受到小UE孔径和波形处理的限制，特别是当数据承载通信信号被重新用于感测时。本文研究了 UE 辅助无源目标定位的理论限制和操作条件，重点是融合 TRP-TRP 和 TRP-UE 测量的混合操作。开发了基于 OFDM 的统一信号和噪声模型，涵盖定位参考信号 (PRS) 和具有调制相关噪声增强功能的通信波形重用。基于该模型，导出延迟和角度参数的封闭式 Fisher 信息表达式和 Cramer-Rao 下界，并将其映射到两个估计器类别的定位误差界限 (PEB)：基于 TDOA + DoA 的时间角度定位和基于过度延迟/TDOA 测量的仅延迟 3D 椭球定位。跨参考 SNR、子载波间隔和占用带宽、调制阶数、雷达截面 (RCS)、传感模式和定位算法的蒙特卡罗模拟可识别 UE 参与和混合传感提供显着增益的机制，并量化相关的估计器与边界权衡。

卫星集成无蜂窝（CF）大规模多输入多输出（mMIMO），缩写为CF-mMIMO，结合了地面接入点（TAP）和低地球轨道（LEO）卫星接入点（SAP）以提高广域服务连续性，但其端到端吞吐量受到LEO特定的多普勒老化、传播延迟和仰角相关的Ka频段前传的限制。本文开发了一种卫星感知 CF 模型，具有以用户为中心的 SAP/TAP 关联、集中式和分布式处理、基于国际电信联盟无线电通信部门 (ITU-R) 的 Ka 频段前传以及可选的光学卫星间链路 (ISL) 共享。蒙特卡罗结果表明，SAP 显着改善了稀疏的广域覆盖范围，而集中式透明模式处理在低海拔或下雨时会受到前传限制。多普勒感知估计表明，准静态 SAP 假设在低海拔情况下可能高估每用户频谱效率 (SE) 高达 89%。然后，我们制定联合模式-关联带宽优化，并使用搜索和梯度（S＆G）方法加上软演员批评家（SAC）和近端策略优化（PPO）加速器来解决它。优化结果显示配置相关的增益而不是统一的优势：在重新生成的代表性累积分布函数（CDF）情况下，S&G 比平均分配提高了 14.5% 的上行链路（UL）加下行（DL）总吞吐量，比随机分配提高了 3.0%，而 PPO 通常是更广泛的固定规模评估中最强的学习加速器，而 SAC 在无需重新训练的情况下对拓扑更加敏感。这些结果产生了实用的设计规则：集中式处理仅适用于前传丰富的快照，而分布式/再生处理和ISL共享在前传退化或高SAP负载下更可取。

本文研究了何时以及为何将可编程超表面堆叠到堆叠智能超表面 (SIM) 中以固定相位控制预算改善线性变换合成。分析表明，仅代数雅可比行列不足以表征实际综合，这还取决于可用控件生成的灵敏度方向的强度和平衡。级联模型的层解析分析解释了层间传播如何生成互补的敏感方向。然后使用包括电磁耦合和多重散射的 S 参数多端口模型评估该机制的相关性。近场和远场传感场景的数值结果表明，在多个层上分配相同的控制资源可以加强弱变换方向，改善雅可比条件，并大幅提高合成精度。这些发现解释了为什么增加深度可以提供简单地扩大单个可编程表面所无法获得的好处，并将层互补性和雅可比条件确定为 SIM 架构设计的有用标准。

在本文中，我们提出了一种三域可重构多用户多输入多输出（MIMO）通信系统，该系统将电磁（EM）可重构天线（EMRA）与空间可移动天线（SMA）集成，称为空间EM可重构天线（SEMRA）。所提出的系统为联合信道重配置提供了电磁、空间和数字域自由度 (DoF)，但在信道估计 (CE) 和预编码优化方面引入了新的挑战。具体而言，对于多用户正交频分复用（OFDM）下行链路，预编码设计被表述为关于天线位置、EM域辐射方向图权重和数字预编码器的三域优化问题。我们首先开发了基于迫零（ZF）的基线算法来解耦空间重构的设计，然后提出基于加权最小均方误差（WMMSE）的三域联合优化算法以进一步提高频谱效率（SE）。此外，我们提出了一种低开销移动辅助信道估计方案，其中跨导频时隙的协调天线重新定位合成了更密集的虚拟阵列，从而在与 EMRA 基线相同的每用户导频开销下实现更准确的出发角 (AoD) 估计和 EM 域信道状态信息 (eCSI) 重建。由此产生的参数表示使得 eCSI 能够在所需的天线位置进行组装，而无需额外的导频。仿真结果表明，所提出的CE方案提高了eCSI估计精度，并且在相同导频开销下，所提出的SEMRA比EMRA基线实现了更高的SE。

可旋转天线 (RA) 可以通过调整其视轴方向来提高无线链路性能。然而，现有的RA研究通常假设天线瞬时重新配置，而机械旋转在实际部署中会产生不可忽略的延迟。为了解决这个问题，我们开发了一种针对有限通信时隙的旋转延迟感知通信模型，其中机械旋转直接减少了可用于数据传输的时间。该模型揭示了通过 RA 重定向实现的通信增益与相关传输时间损失之间的基本权衡。因此，我们制定了 RA 方向和传输波束成形的旋转延迟感知联合设计，以最大化最小有效传输速率。对于单用户系统，在严格凹性的充分条件下，全局最优落入三种状态之一：不旋转、部分旋转和完全旋转。使用二阶展开导出闭合形式近似。对于多用户系统，我们将旋转预算选择与固定预算最大最小信号干扰加噪声比（SINR）优化分开。然后开发了一种解析梯度迫零 (AG-ZF) 算法，用于低复杂性联合 RA 定向和旋转预算优化。结果表明，明确考虑机械旋转延迟对于有限时隙 RA 无人机通信至关重要，并且所提出的设计有效地平衡了重新配置增益和传输时间损失，同时以较低的计算复杂性实现了良好的有效速率性能。

矿井事故可能会损坏支持地下无线网络的有线骨干网，迫使救援队部署临时网状节点以维持与地面的通信。尽管较高的载波频率可以支持实时视频等带宽密集型应用，但矿井隧道内的多模传播会产生严重的空间局部衰落。可移动天线可以通过调整天线位置来减轻这些衰落；然而，同时移动多链路中继节点上的所有天线可能会以牺牲另一链路为代价来改善一条链路。本文介绍了 QuadBeam，这是一种紧凑型网状节点天线系统，由安装在中心集线器侧面的四个可独立定位的 2.4~GHz 贴片天线以及用于备用语音通信的 900~MHz 单极天线组成。初步原型包括一个电机驱动的贴片安装座和三个手动调节安装座。台架测量显示相邻面上的贴片之间的元件间耦合低于 -46$~dB。在埃德加实验矿井中，在从 2.40~GHz 到 2.48~GHz 的五个载波频率上进行的测量表明，发射器和接收器间隔为 8.3~m 到 18.3~m 时，接收功率变化为 19~dB 到 26~dB。将接收器高度调整约 20~cm 可使接收功率提高高达 22~dB。重新定位相邻的贴片以及移除或重新安装单极子不会对活动链路产生明显的变化。这些结果证明了独立定位天线在减轻地下网状通信空间衰落方面的潜力。

Kramers-Kronig (KK) 接收器是一种很有前途的高速太赫兹 (THz) 直接检测 (DD) 系统架构，可实现高阶正交幅度调制 (QAM)。然而，传统的 KK 算法在太赫兹链路中存在严重的线性和非线性损伤。这封信提出了一种神经网络（NN）辅助的多层级联算法，以实现鲁棒的最小相位信号恢复。所提出的架构策略性地级联一个长记忆线性均衡器 (LE) 以捕获大观察窗口、一个用于高维非线性映射和 KK 相位检索的 NN 层以及一个用于残余误差校正的后续 LE 层。这种混合设计利用了神经网络强大的非线性处理能力，同时利用侧翼 LE 层来缓解处理长记忆效应时通常与神经网络相关的指数复杂性激增。利用基于谐波混频的全电子太赫兹发射机和DD接收机，实验演示了线速为142.5 Gbps（净速率为121.125 Gbps）的30 GBaud概率整形（PS）-32QAM信号的无线传输。此外，在同等 BER 性能下，与传统方法相比，所提出的算法的计算复杂度降低了 26.13%。

在本文中，报道了一种具有可切换波束宽度的电控360°圆周波束扫描天线。该天线包括径向波导(RW)天线结构、可重构反射器(RR)、可重构馈源(RFS)和锥形圆周喇叭。开发了一种频率选择单元（FSU）结构，其频率响应可以通过PIN二极管切换以呈现电磁波的通带或阻带状态。此外，RR和RFS均由FSU组成。为了实现波束宽度可切换和全向波束覆盖的360°周向波束扫描，设计了一种利用RR和RFS之间电控旋转配合的方法。对利用塑料电镀工艺进行轻量化设计的制作原型进行测量以验证其工作原理。测量结果表明，所开发的天线实现了360°周向波束扫描，峰值增益为12.7dBi，并支持四种不同波束宽度的切换。此外，它还提供统一的全向波束覆盖，可应用于动态节点网络接入和全方位通信实施。这些特性使得所开发的天线成为自组网无人平台协作应用的有希望的候选者。

多个自主水下航行器 (AUV) 的可靠链路调度具有挑战性，因为较长的声学传播延迟和航行器移动性会导致水面网关上可用的信道状态信息在数据包传输之前变得过时。本文开发了一种适用于多 AUV 水声上行链路的年龄条件共形包错误风险调度 (ACCP-RS) 框架。年龄条件预测器首先利用历史链路观测、AUV 移动上下文以及调制和编码方案信息来估计每个候选 AUV-MCS 对的下一个时隙条件数据包失败概率。然后引入上下文分层单侧共形校准方案，将点预测转换为异构通道老化条件下统计上可解释的 PER 上限。此外，计划级风险分配机制考虑了多个候选者之间的数据依赖选择，从而能够明确控制 PER 目标违规概率。根据校准的边界，调度程序选择具有最大保守有效吞吐量的可靠性可行的 AUV-MCS 对，并在不存在受支持的候选者时放弃。从理论上建立了有限样本覆盖、调度级可靠性和单时隙最优性。仿真结果表明，在 CSI 老化和 AUV 移动性不断增加的情况下，未来数据包错误预测得到了改进，风险校准可靠，并且具有良好的可靠性与良好吞吐量之间的权衡。

在无线网络中使用强化学习 (RL) 方法面临着关键挑战，例如数据效率低下、缺乏长期决策以及无法推广到未见过的场景。为了解决这些限制，本文提出了一种新颖的基于双心世界模型的学习框架，用于优化移动、毫米波（mmWave）车辆到一切（V2X）场景中的完整性加权信息时代（CAoI）。受认知心理学的启发，所提出的双心世界模型包含模式驱动的系统 1 组件和逻辑驱动的系统 2 组件，以学习无线网络的动态和逻辑，并提供长期链路调度。所提出的方法不是使用来自环境交互的数据，而是通过端到端可微的想象轨迹来学习链路调度解决方案，并且在扩展的范围内具有逻辑一致性。此外，所提出的世界模型利用想象力推出来共同推理时变网络状态并规划链路调度。因此，在没有实际、实时观察的时间间隔内，双心世界模型仍然能够做出有效的决策。在基于 Sionna 的真实模拟器上进行了大量实验，该模拟器具有端到端物理通道、光线追踪和具有材质属性的场景对象。仿真结果表明，与关键基准相比，所提出的世界模型在数据效率和 CAoI 方面取得了显着提高。结果还表明，所提出的框架具有很强的泛化性和对未见过的环境的适应能力。源代码可在 https://github.com/news-vt/V2X-WM 获取。

这项工作提出了一种用于毫米波 (mmWave) 或频率范围 2 (FR2) 通信的双极化速率分割多址 (RSMA) 设计。着眼于实际实现，我们考虑单个发射机在相同时间、频率和代码资源块内为两个接收机（用户）提供服务的特定场景。发射器和每个接收器均配备一对双极化天线。我们首先提出系统公式并计算离散星座可实现的速率表达式。基于这些表达式，我们提出并评估了两种接收器架构：一种基于连续干扰消除 (SIC) 和一种非 SIC 解码器。两种设计都表现出相当的性能，并且偏振分集和 RSMA 的组合为系统提供了显着的灵活性，可以在为两个用户提供服务时适应不同的信道条件，而非 SIC 解码器则可以实现更简单的硬件实现。然后，我们提出了所提议设计的原型实现，在 25 GHz 载波频率下运行，并通过测量不同信噪比 (SNR) 和极化分集条件下不同数据流的符号错误率 (SER) 来对其进行评估。获得的测量结果与软件模拟吻合良好，从而验证了系统的实现。据我们所知，这是文献中报道的第一个毫米波 RSMA 原型，也是第一个利用偏振分集的原型。此外，给定选定的载波频率，所提出的设计也可能适用于设想的 FR3 频段（7-24 GHz）的上部部分。

我们研究函数的无线计算，例如经验方差，是通过组合两个单独后处理的局部变换观测值之和而形成的。我们认为连续编码器在复杂多址信道的单次使用上受到逐点峰值功率的约束。通过四个或更多发射器，我们确定了精确的无噪声恢复迫使每个连续编码器集合进入一个保留两个总和的公共仿射结构的条件，从而将无限维编码器设计减少为选择一组有限的系数。为了量化针对信道噪声的弹性，我们引入了鲁棒性得分，用于测量无噪声接收聚合相对于所需函数值变化的分离度。在这个特征编码器系列中，我们将鲁棒性最大化制定为精确的凸半无限程序，消除了没有松弛间隙的等级约束，并构造了一个获得最小均匀噪声放大常数的解码器。对于几个函数类别，包括经验方差，我们推导出封闭式鲁棒性最佳编码器和分数。在温和的规律性条件下，我们还在高信噪比下对高斯均方误差建立了严格的限制，并展示了如何使用输入分布以牺牲均匀鲁棒性为代价来减少平均误差。

我们考虑具有无噪声反馈的离散无记忆状态相关信道，其中发射器使用随机编码来联合执行消息传输、识别和状态感知。在此设置中，发射机发送传统传输消息和识别消息，同时在平均失真约束下估计未知信道状态序列。我们建立了随机识别-传输-传感能力-失真区域的单字母表征。结果揭示了单字母分离结构：通信速率由平均信道决定，受到传感引起的对可接受输入分布的约束。具体来说，传输速率用互信息来表征，而识别率则用相同失真约束下的输出熵来表征。可实现性证明结合了恒定组成传输编码、输出划分和组合识别编码，而逆过程则由平均信道减少、失真下界和反馈识别逆论证得出。

空中计算 (OAC) 利用无线多址信道 (MAC) 的物理叠加特性在通信时计算功能，从而在分布式网络中实现可扩展和低延迟的处理。虽然模拟 OAC 方法受到噪声敏感性和硬件限制的影响，但现有的数字方法通常在设计复杂性方面受到限制，这可能会阻碍可扩展性并无法充分利用频谱效率。这篇由两部分组成的论文重新审视并扩展了 ChannelComp 框架，这是一种使用数字调制计算任意有限值函数的通用方法。在第一部分中，我们开发了一种新颖的星座设计方法，该方法了解噪声分布，并使用噪声定制的准距离将编码器设计公式化为最小-最大优化问题。我们的设计支持噪声模型，包括高斯分布、拉普拉斯分布和重尾分布，这些模型与热噪声限制链路、中等脉冲干扰和干扰主导的无线环境（例如密集物联网和非授权频段网络）相关。我们展示了原始 ChannelComp 中使用的平方距离准则如何从重尾噪声模型的简化误差界推导出来。数值结果表明，使星座适应所需的函数和噪声条件可以通过减少均方误差（MSE）来提高计算精度。在第二部分中，我们考虑采用基于量化的采样方案的星座设计，以增强大规模数字 OAC 的调制可扩展性和计算精度。

自适应调制和编码 (AMC) 提高了水声 (UWA) 链路的频谱效率，但其反馈不可避免地会过时：声音传播缓慢，当信道状态信息 (CSI) 到达时，快速时变多径信道已继续移动。因此，预测链接适应需要的不仅仅是点预测：它需要对每个候选操作的后果进行分布。我们提出了 PRB-WM，这是一种物理正则化 Beta 世界模型，用于在实时变化的 UWA 信道上预测每子载波链路自适应。持久锚定的随机潜在空间动力学模型可以学习通道如何演化；反事实结果头针对每个候选调制和编码方案（MCS）评估共同想象的未来上比特错误的 Beta 二项式分布；机会约束的后退视野模型预测控制器在违反误码率 (BER) 目标的有限概率的情况下最大化预期频谱效率。据我们所知，PRB-WM 是西澳大学通信的第一个世界模型。在对公共 UWA 通道库中的 6 个测得的海上试验链路与涵盖整个方法谱的 24 种方法池进行闭环重放时，PRB-WM 的平均吞吐量比最强基线高出 87%，在最长前瞻的所有 6 个时变链路中排名第一，并且是唯一一种其实现的帧风险随着前瞻系统性降低的方法，满足没有基线的情况下的 BER 违规契约。消融证实，推出采样分散对于机会约束至关重要，并且物理锚对于可训练性是必需的。

大语言模型 (LLM) 和多模态模型已成为强大的通用推理系统，但支撑无线系统的射频 (RF) 信号仍然不受本机支持。现有的基于法学硕士的电信方法主要关注文本和结构化数据，而传统的射频深度学习模型是针对特定信号处理任务单独构建的，凸显了射频感知和高级推理之间的明显差距。为了弥补这一差距，我们引入了 RF-GPT，这是一种射频语言模型 (RFLM)，它利用多模态 LLM 的视觉编码器来处理和理解 RF 频谱图。在此框架中，复杂的同相/正交 (IQ) 波形被映射到时频频谱图，然后传递到预训练的视觉编码器。生成的表示作为 RF 令牌注入仅解码器的 LLM，生成基于 RF 的答案、解释和结构化输出。 RF-GPT 通过在完全合成的 RF 语料库上进行监督指令微调进行训练，其中符合标准的波形生成器为六种无线技术生成宽带场景，我们从中得出频谱图、精确的配置元数据和密集的说明。然后，纯文本法学硕士将这些转换为基于 RF 的指令-答案对，产生大约 120,000 个 RF 场景和 62.5 万个指令示例，无需手动标记。在宽带调制分类、重叠分析、无线技术识别、WLAN 用户计数和 5G NR 信息提取的基准测试中，RF-GPT 实现了强大的多任务 RF 理解，而没有 RF 接地的通用 LLM 基本上失败了。

无人机通信凭借灵活的覆盖范围和视距传播，已成为天地一体化网络的重要组成部分。但高速数据传输的目标依赖于无人机和基站（BS）之间窄高增益波束的有效对准，这通常极具挑战性，特别是考虑到无人机移动性和毫米波场景。为了解决这一具有挑战性的问题，最近提出了控制辅助通信的想法，其中利用无人机控制信令进行有效的波束预测和跟踪。迄今为止开发的方法都是启发式的，因为不存在分析框架来表征无人机波束方向变化对控制系统参数的依赖性。在本文中，我们首先以控制信号作为模型输入推导光束方向动力学模型来填补这一空白。然后，我们通过研究控制器的上升时间和最大超调指标，从理论上揭示了控制系统的比例增益等参数如何影响光束跟踪的性能。我们还分析并揭示了通信和控制性能指标之间的重要权衡。有了可用的波束方向动力学，我们进一步建议通过主动控制来优化通信系统。其核心是设计或优化控制信号来调整无人机飞行从而改变通信信道，从而达到更好的通信性能或通信与控制之间的理想折衷。最后，我们设计了一个简单但有效的输入控制信号。仿真结果表明，在我们的主动控制方法的帮助下，即使是简单的光束跟踪算法也可以实现更好的性能。

本文介绍了有意的符号级异步作为无小区网络上行链路的干扰管理机制。不是将定时偏移视为损害，而是故意分配用户特定的延迟来减少多用户干扰并提高频谱效率。设计了一种可扩展的接收器架构，具有同步信道估计导频、异步数据传输、有界匹配滤波器采样和加窗组合。延迟分配是通过衡量多用户干扰严重程度的冲突度量来制定的，并通过低复杂度的贪婪算法来解决。作为基准，还使用混合整数线性规划针对小型和中等网络规模制定了精确方法。矩形和根升余弦脉冲的数值结果证实，即使在小延迟码本和短观察窗口的情况下，相对于同步传输，显着的性能改进也是可行的。

提出了一种生成式位点特定光束预测（Beam-STeP）方法。来自特定站点传播和移动性信息的空间先验与来自历史波束观测的时间先验联合利用以进行波束预测。为了解决多模态时空先验的波束预测模糊性，采用生成模型，其中提出历史条件扩散模型来学习未来波束形成向量的多模态条件分布。使用去噪扩散隐式模型 (DDIM) 从分布中对多个候选光束进行采样。然后选择具有最高接收功率的候选者进行传输。三种城市场景的仿真结果表明： i) 在相同探测预算下，Beam-STeP 通常比基线获得更高的归一化波束成形增益，特别是随着波束预测的进展； ii) 特定地点的传播和移动性先验提高了递归波束预测性能； iii) DDIM 采样可实现灵活的增益-延迟权衡。

跳频MIMO通感一体化（FH-MIMO-ISAC）支持灵活的多维信令，但在相位连续传输、无信道相位信息的解调以及多频回波的相干处理方面面临挑战。我们提出了一种具有匹配通信和雷达处理功能的连续相位跳频 (CP-FH) MIMO ISAC 波形。信息由频率组合和连续相位调制符号联合传送。 CPM 相位累积和跳频线性调频相位补偿可保持相位连续性并减少频谱泄漏。我们推导出精确的元件间正交条件、残余互相关界限以及平均发射波束方向图纹波的界限。对于通信，投影能量解调不需要信道相位信息，并且在弱分支间相关性下近似最小二乘检测。它将频率组合搜索与 CPM 符号决策分开，降低了复杂性，同时保留了直接联合搜索决策。对于雷达来说，结构匹配相干处理结合了空时频率匹配滤波、速度一致多普勒聚焦和频率孔径聚焦，形成三维粗程-速度-细程响应。它减少了传统脉冲多普勒处理中的多普勒失配损耗和周期性距离栅瓣的额外检测。我们进一步推导出联合距离响应、输出信号和噪声功率以及接收波束方向图。该分析表征了周期性模糊下的目标辨别限制，并表明所提出的处理器保留了频率孔径范围分辨率和全孔径角分辨率，并且在规定条件下具有相等的输出噪声功率。

在本文中，宽带无蜂窝多流多用户多输入多输出（MIMO）正交频分复用（OFDM）系统被认为在由多个超对角可重构智能表面（BDRIS）支持的智能无线环境中运行。提出了一种新颖的分散式主动和被动波束形成框架，该框架对不完美的信道状态可用性具有鲁棒性，并且系统的多个基站（BS）之间的合作最少，用于决定共享BDRIS的最终配置，其目的是大幅减少集中式解决方案中固有的开销，需要高计算能力的中央处理单元。通过考虑每单位超材料元素具有频率选择性响应的动态群连接（DGC）BDRIS架构，我们针对BDRIS的可调电容和排列矩阵以及BS的预编码矩阵制定了系统的总速率最大化问题，该问题通过连续凹近似和交替投影以及BDRIS设计的基于共识的更新来解决。通过广泛的模拟结果，表明所提出的具有不同 BDRIS 架构的鲁棒去中心化合作方法优于非合作基准。它还证明，所考虑的 DGC BDRIS 架构能够提供足够接近更复杂的全连接 BDRIS 结构的总速率性能增益。最后，与最先进的集中式方法的数值比较表明了所提出的低计算成本、分散的基于共识的合作框架的优势。

关键任务无线系统需要超可靠的低延迟通信 (URLLC)，第六代 (6G) 毫米波 (mmWave) 波束管理网络旨在提供这种通信。然而，报告的 URLLC 截止时间错过率通常掩盖了数据包失败的具体原因。本文介绍了一种框架，该框架将丢失的 URLLC 数据包分为三种原因：队列限制 (Q)、传输限制 (T) 和波束跟踪限制 (B)。我们对天线数量从 $\mathbf{64}$ 到 $\mathbf{4096}$ 的十个场景进行的分析揭示了三个关键发现。首先，当天线数量大约超过 $\mathbf{1825}$ 时，丢失数据包的主要原因从 Q 转移到 B。因此，超质量阵列的操作人员应重点关注提高波束跟踪精度，以降低失误率。其次，波束扫描周期 ($T_{\mathrm{sw}}$) 显着影响 B 未命中，而 Q 和 T 保持相对不变。将 $T_{\mathrm{sw}}$ 从 $\mathbf{20}$ms 减少到 $\mathbf{10}$ms 可以将 B 未命中减少一半以上，而无需重新设计调度程序。第三，Q 未命中的累积分布函数 (CDF) 约为 $\mathbf{0.98}$，乘以 $\mathbf{0.8}\,$ms，因此适度的延迟预算放松可以适应大多数超支。相比之下，B 未命中在 $\mathbf{12}\,$ms 处仍然不饱和，这使得它们难以适应实际应用层延迟限制。总体而言，该框架将模糊的总体错误率指标转变为清晰的三向诊断工具，可直接通知网络运营商采取补救措施。

本文将基于上行链路信道状态信息 (CSI) 的感知视为一种在蜂窝网络中实现感知的机会方法，只需对基础设施进行最少的修改。提出了一种实用的传感信号处理流程，将 5G 定位功能与多天线阵列处理相结合，实现无源目标定位。该方法利用开源软件框架和商用硬件组件，通过基于软件定义无线电的设置的模拟和实际实验进行了验证。结果证明了基于 CSI 的上行感知用于检测、定位和跟踪局部区域移动目标的可行性。

用于大规模 MIMO 检测的共轭梯度 (CG) 方法的实现在计算上具有挑战性，特别是对于大量用户和相关信道。在本文中，我们从有限精度的角度提出了一种低计算复杂度的 CG 检测。首先，我们开发了一种有限精度 CG (FP-CG) 检测，以减轻每次 CG 迭代的计算瓶颈，并提供可达到的精度、收敛性和计算复杂性分析，以揭示有限精度算术的影响。提出了一种实用的启发式方法来选择合适的精度。然后，为了进一步减少迭代次数，我们提出了联合有限精度和块雅可比预处理 CG (FP-BJ-CG) 检测。还提供了相应的性能分析。最后，仿真结果验证了理论见解并证明了所提出的检测的优越性。

第三代合作伙伴项目 (3GPP) 第 18 版中引入的网络控制中继器 (NCR) 已成为一种经济高效的解决方案，可在密集的城市环境中扩展覆盖范围。然而，NCR 的有效波束管理从根本上受到严格硬件限制的挑战，例如使用有限分辨率移相器的模拟波束形成，以及缺乏明确的信道状态信息 (CSI)。为了应对这些挑战，本文提出了一种基于强化学习（RL）的自适应波束管理框架，其中 NCR 仅使用标准化波束级反馈自主地完善其码本，而无需在主动通信码本之外进行额外的全格探测。一项关键创新是与量化感知波束晶格对齐的上下文（CTX）表示，它可以直接在硬件可行的波束空间内进行高效学习。为了缓解在线强化学习的漫长探索阶段，我们采用了权重转移策略，该策略将合成环境上的联合离线预训练与现实传播通道上的在线微调结合起来。使用 Sionna 射线追踪进行的广泛模拟表明，与现实 NCR 场景中传统的基于量化离散傅立叶变换 (DFT) 的波束形成相比，所提出的方法显着加速了收敛并实现了卓越的可实现速率。

在混合单基地-双基地正交频分复用 (OFDM) 传感中，每个传感节点接收单基地和双基地目标回波的叠加，由于振荡器共享，其相位噪声 (PN) 特性根本不同。虽然单基地感测通过公共发射-接收振荡器受益于部分 PN 消除，但双基地感测涉及独立振荡器，因此受 PN 的影响更大。在本文中，我们描述了集中式两节点传感系统中这些叠加组件的联合残差差分PN统计，并通过理论下界量化了它们对目标定位的影响，考虑了三种不同的接收器：（i）无PN的理想接收器，（ii）利用联合PN统计的PN感知接收器，以及（iii）忽略PN的PN无知接收器。

通感一体化 (ISAC) 正在从主要的物理层研究发展为涵盖信道建模、无线电程序、网络架构和传感服务交付的标准化蜂窝网络功能。我们回顾了第三代合作伙伴项目 (3GPP) 中的这一进展，从第 19 版服务要求和目标感知信道建模到第 20 版新无线电 (NR) 传感评估框架、无线电接入网络程序和系统架构，并讨论了 6G 的未来方向。然后，我们提出两个符合 3GPP 的模拟案例研究来演示相应的评估方法。第一个案例研究比较了使用多个传输和接收点 (TRP) 的无人机 (UAV) 传感的硬决策、软决策和混合融合。使用接收器导出的角度估计值和单独校准的方法特定阈值来评估检测、误报以及条件位置和速度精度。第二个案例研究将理想和实用的传感辅助预测切换与传统切换进行比较，同时考虑了传感误差和信息时代。我们进一步提出了基于测试台的测量研究，该研究描述了跨频率、平台和观察角度的单基地和双基地无人机雷达横截面的特征，并为相关目标响应模型提供了经验支持。最后，我们讨论了多节点融合、资源和干扰管理、网络演进、安全、隐私和可重复评估方面的开放挑战和未来研究方向。这些组件通过分阶段评估路线图将校准的通道模型、链路和系统级仿真、实时原型、受控测量和现场试验连接起来。

第六代 (6G) 无线通信系统中无线服务的日益多样化需要可重用的信道表示，以支持跨不同传播环境的多个任务。然而，在频分双工系统中的用户设备和基站之间部署这种表示面临上行链路反馈限制。本文提出了一种基于角度延迟域大型无线模型（LWMa）的多任务分布式框架。 LWMa 利用角度延迟结构和延迟截断来改进特征提取并降低计算成本。受 Perceiver IO（输入输出）启发的特定场景网络压缩通道重建任务的嵌入，而其他任务则使用低维紧凑全局嵌入。嵌入重建训练，然后进行通道质量引导的微调，可以保留对下游处理有用的信息。仿真表明，所提出的方法支持有效的信道重建和有限反馈下的多个任务，并降低了部署复杂性。进一步的评估表明，恢复的嵌入可以推广到额外的任务并支持分裂推理。

满足许多同时卸载用户的艰巨任务完成期限是移动边缘计算 (MEC) 中的一项具有约束力的挑战。随着用户数量的增加，满足每个用户预算内的每个最后期限所需的发射功率也会增加，直到不存在可行的分配为止。我们在由收缩天线系统 (PASS) 提供服务的上行链路非正交多址 (NOMA) MEC 系统中以 \emph{可行性优先} 的视角来看待这个 $K$ 用户问题，该系统的辐射点建立了强大的视距 (LoS) 链路，从而降低了接收功率要求。我们制定了传输功率、CPU 频率和天线配置的延迟约束联合优化。然后，我们得出一个 \emph{封闭式最小功率可行性测试}：满足每个截止日期的组件最小分配。它以最大可达到的功率预算余量来证明可行性，并定义了实用的\emph{服务质量（QoS）可行性中断}指标，即没有分配满足预算内所有最后期限的概率。我们使用三块交替优化算法来解决该问题，该算法可证明单调收敛且具有多项式复杂度。数值结果表明，所提出的方案在等功率、正交多址（OMA）和单天线基线失败或急剧退化的用户负载下维持了最后期限的可行性，每种情况都是通过系统模型直接预测的机制实现的，而所提出的设计则优雅地退化。压力测试进一步表明，在预算削减数量级的情况下，可行性得以维持，并且收缩天线阵列本身可以在预算受限的情况下运行。其结果是一个可扩展的、闭式初始化的设计，用于在截止日期前可行的卸载。

混合波束成形（HBF）降低了大规模 MIMO 基站的硬件成本，但其信道获取需要从高度压缩的波束域观测中恢复完整的空间域信道。本文提出了一种基于学习分数的 Turbo 消息传递（L-STMP）框架，用于极端空间压缩下的上行链路 HBF 信道恢复。通过深入展开 Turbo 消息传递循环并在每一层中引入可训练的校准参数和可学习的分数先验，L-STMP 将 STMP 从右旋转不变性的理想化压缩矩阵要求中解放出来，并将推理复杂度降低到仅几个展开层。此外，为了保留随机离散傅里叶变换（DFT）选择可能错过的主信道分量，我们引入预编码矩阵指示符（PMI）辅助波束选择作为低开销的定向先验。仿真结果表明，L-STMP 始终优于现有基线，并在通道重建中的 PMI 辅助压缩下获得了可观的重建增益。

在本文中，我们提出了一种利用波束斜视效应（宽带系统中的波束斜向不期望的方向）的低地球轨道（LEO）通信系统覆盖范围增加方法。我们的核心见解是，光束斜视效应是一种应该灵活控制的现象，以充分发挥其潜力，而不是简单地减轻其影响的现有工作。通过利用由数字预编码器、移相器（PS）层和 TTD 层组成的基于实时延迟（TTD）的预编码器，我们制定并解决了功耗最小化问题来验证我们的概念。使用交替优化，我们首先利用加权最小均方误差（WMMSE）方法来更新数字预编码器来解决非凸问题。对于PS层和TTD层，我们采用黎曼共轭梯度（RCG）方法来获得驻点解。为了使用 RCG 方法，我们重新制定了模拟预编码器表示并利用几种近似来获得易于处理的问题。然后通过 RCG 方法通过仔细计算目标函数导数来解决该问题。此外，提出了一种用于模拟预编码器的低复杂度初始化算法，在此过程中，我们揭示了基于 TTD 的预编码架构可以创建独特的光束斜视效果。通过模拟，我们证实了我们提出的算法的优越性，其中优化和低复杂度算法在服务大覆盖区域时与现有基准相比都实现了极高的性能。此外，我们提出的算法针对各种用户分布实现了最高性能，显示了我们提出的算法的灵活性。

可重构智能表面（RIS）辅助通感一体化（ISAC）系统有望成为下一代无线网络，实现高频谱效率和无缝覆盖。然而，大规模部署受到高精度硬件组件的复杂性和成本的限制。尽管低分辨率架构提供了一种经济高效的替代方案，但现有研究缺乏针对低分辨率 RIS 辅助 ISAC 量身定制的全面系统级设计。本文提出了一种全链低分辨率框架，在低分辨率 DAC/ADC 约束和离散移相器限制下联合优化发射波形、接收波束成形和 RIS 反射系数。推导了信号与量化杂波加噪声比（SQCNR）的封闭式表达式，并分析了采用 PSK/QAM 调制的符号级预编码（SLP）的符号错误率（SER）。然后，传感和通信指标被统一到一个联合优化框架中，该框架明确平衡传感和数据传输性能。采用交替投影 (AP) 策略来解耦发射波形和 RIS 相移设计，并通过使用凸代理松弛的主化-最小化来解决所产生的子问题。仿真结果验证了与现有基准方案相比，所提出的框架实现了卓越的联合感知通信性能。

在近场超大规模多输入多输出 (XL-MIMO) 系统中，球面波前传播将波束搜索扩展到联合角距离域，从而导致大量的训练开销，尤其是在动态 3D 低空环境中。此外，近场波束演化受到无人机机动性和周围传播几何形状的共同影响，需要有效的多模态环境感知。为了应对这些挑战，我们提出了一个大型语言模型（LLM）驱动的多模态框架，该框架集成了历史 GPS 轨迹、RGB 图像、LiDAR 点云和用于近场光束预测的特定于任务的文本提示。异构模态被排列成统一的表示形式，并由预先训练的 LLM 主干进行处理，以捕获无人机运动、环境结构和波束演化之间的耦合。为了克服近场码本的可扩展性问题，我们设计了一种结构感知波束预测头，它将波束索引解耦为方位角、仰角和距离分量。此外，辅助轨迹预测头提供空间引导，而置信感知自适应细化机制选择性地触发局部波束搜索以进行不确定的预测。大量实验表明，所提出的框架在视距和非视距场景中均优于最先进的基于深度学习的预测方法和高效的近场波束训练方案，并且消融研究验证了每个组件的有效性。

CSI 反馈对于 Wi-Fi 传感的拟议用途（例如人类活动识别 (HAR)）至关重要；但它也构成了巨大的开销，因为资源必须从数据通信中分配出去。 Wi-Fi CSI 提取可以沿着 IEEE 802.11bf 中的两个维度进行探索：报告强度（即时间分辨率）和报告的子载波数量（即频谱分辨率）。我们探索匹配速率下的定期报告和基于 IEEE 802.11bf 阈值的报告，以及匹配报告大小下的统一抽取和块均值分组。我们进一步建议报告自上次报告以来累积的平均 CSI。使用 802.11bf 报告大小作为指标，我们使用我们提出的模型（结合门控循环单元和时间金字塔池的卷积神经网络）评估三个公共数据集的准确性与成本权衡。所提出的采用平均有效负载和块均值分组的定期报告在相同的 CSI 开销成本下将准确性提高了 53 个百分点。时间分辨率通常比光谱分辨率更具成本效益。该方案仅需最多 7.7% 的全 CSI 反馈成本，即可实现 96-98% 的全 CSI 准确率。

动态超表面天线（DMA）有望减轻大规模多输入多输出架构的高能耗和硬件成本。本文提出了一种通过 DMA 进行下行链路多用户传输的双时间尺度设计，其中长期 DMA 配置的不频繁全信道捕获与短期数字预编码的低维有效信道估计相结合。在每一帧开始时，DMA 系数仅根据统计通道状态信息 (CSI) 进行配置，本文引入了一个优化框架，该框架的性能优于广泛使用的随机逐次凸逼近方法。然后，在每一帧内，基于优化的 DMA 系数和有效的低维瞬时 CSI，在每个时隙更新数字预编码器。加权最小均方误差方法应用于这种短期优化，并且对于单用户传输的特殊情况，提供了数字预编码器的闭式解决方案。性能评估表明，所提出的两个时间尺度设计可以成为未来无线网络的一个有吸引力的组成部分。

信道状态信息 (CSI) 捕获 Wi-Fi 信道传播中的细粒度变化，并为无设备传感应用（例如活动识别、定位和占用检测）提供基础。此类应用程序的开发取决于采集系统，该系统可以处理高速 CSI 流，同时保持可扩展性以满足各个实验的要求。 VesperCSI 是 FeitCSI 的开源、GPL-3.0 许可的重新设计，用于通过 Intel AX200 和 AX210 Wi-Fi 接口获取 CSI。它的目标是使用固定容量的预分配对象池以及单独的捕获和消费者线程在 amd64 和 aarch64 Linux 主机上进行高速采集。可加载的插件接口支持特定于实验的监控、存储和处理。我们在突发流量软件交叉中评估 Raspberry Pi CM4 接收器上的 VesperCSI 和 FeitCSI。在 600 MHz 全核频率上限和 2500 帧/秒的目标速率下，VesperCSI 在 10,000 帧突发中实现了 99.017-99.087% 的平均序列保留率，而 FeitCSI 的平均序列保留率为 43.972-46.553%。在两个接收器之间交换用户空间程序并保留其各自的驱动程序后，此顺序仍然存在。因此，该比较描述了测试的软件和驱动程序包的特征，而不是隔离用户空间的影响。这些结果支持 VesperCSI 作为可重复使用的采集组件，用于在评估的工作负载和平台条件下进行边缘托管 Wi-Fi 传感。

本文开发了一种三轴里德堡原子接收器模型，用于射频 (RF) 信号源的到达方向 (DoA) 估计。三个名义上正交的射频本地振荡器 (LO)，每个都分配有不同的频率偏移，将微弱的入射射频场投射到光学读数中可解析的复差拍系数中。通过采用将系数映射到笛卡尔坐标系的三个轴上的响应校准机制来获得拍矢量观测值。对于已知的圆偏振射频信号，该观察结果会产生方向相关的里德伯转向矢量，从而实现最大似然 DoA 估计。所提出的程序将 Rydberg 拍矢量前端转换为高灵敏度 RF 场 DoA 传感器。仿真结果表明，轨迹级节拍提取支持所提出的 DoA 传感工作流程，并为与传统矢量天线 (VA) 基准进行比较提供了基础。

在无人机 (UAV) 网络中，集成通信和传感 (ISAC) 正在成为支持集群运行的无人机第六代 (6G) 服务的扩展和连续通信和传感功能的关键推动者。本文提出了一个综合框架来研究无人机网络中参考无人机基站（BS）的 ISAC 覆盖概率。固定数量的无人机用户设备（UAVUE）和无人机基站部署在建模为有限圆柱体的空中走廊中。三维 (3D) 二项式点过程 (BPP) 用于对 UAV-UE 和 UAV-BS 的 3D 空间位置进行建模。通过为 UAV-UE 和 UAV-BS 采用真实的 3D 第三代合作伙伴计划 (3GPP) 天线方向图，将 UAV 最大天线增益的视轴方向建模为随机单位向量。所有 UAV-BS 都具有传感功能，因此任意但固定的参考 UAV-BS 充当单基地雷达，在目标 UAVUE 与参考 UAV-BS 通信时，在给定时间快照获取与目标 UAV-UE 相关的传感测量结果。因此，考虑到杂波和通信干扰，得出了 ISAC 覆盖概率的精确解析表达式。通过忽略杂波干扰和 UAV-UE 的方向特性，还可以导出低复杂度的基线解析表达式。最后，在智能无人机网络愿景的推动下，开发并训练了一个基于 DeepSets 的模型，以估计参考 UAV-BS 的最佳位置，从而在给定 UAV 空间部署的情况下最大化 ISAC 性能。据我们所知，这是第一个严格研究无人机网络中 ISAC 性能同时结合无人机天线方向性特征的工作。

AirComp 可实现高效的无线数据聚合，但其计算精度容易受到信道损伤的影响。作为一种很有前途的解决方案，AirComp 冗余的作用在很大程度上尚未被探索，这在可靠的 AirComp 设计方面留下了关键的空白。为了解决这个问题，我们提出了一种专为 AirComp 定制的信道编码方案，该方案保留聚合结构，同时通过带宽扩展减轻信道损伤。我们表明，计算误差随着编码率的增加而减小，并且可以消失。理论和仿真结果表明，所提出的方案显着提高了计算性能。

在本文中，我们研究了无人机（UAV）传感和跟踪问题，其中配备天线阵列的基站连续照射飞行中的无人机，并利用反射回波在其潜在飞行区域内进行逐缝点云成像。为了完成此任务，每个槽的成像区域是根据历史无人机位置的先验确定的。然后，无人机在该区域由包含其空间信息和电磁属性（EP）的电磁点云表示，从而能够从重建的点云中统一提取无人机的位置、姿态和形状。基于回波信号的无人机EP点云成像是一个复杂的反问题。为此，我们提出了一种基于阵列的统一生成无人机感知和跟踪（AUGUST）方法，该方法集成了条件通道编码模块和生成解码模块。编码模块结合了位置和信噪比嵌入，以在快速无人机位置和通道变化下稳定无人机固有特征提取，并将编码特征映射到由可学习的基于流的先验规则化的潜在空间。解码模块采用具有加权训练目标的扩散模型来重建由提取的特征引导的无人机点云。仿真结果表明，与基准方案相比，通过所提出的 AUGUST 方法重建的点云具有更高的保真度，从而能够更准确地捕获无人机姿态和形状信息。与传统的基于模型的基线相比，AUGUST 方法在定位性能方面也取得了显着的进步。

正交时频空间 (OTFS) 调制是一种新兴的多载波调制技术，显示出作为正交频分复用 (OFDM) 替代方案的潜力，特别是在高移动性场景中。这项工作研究了基于 OTFS 波形的通感一体化 (ISAC) 方案。由于帧长度和带宽有限，目标的物理参数可能无法对应延迟和多普勒分辨率的整数倍，这对通信和传感精度都提出了挑战。为了解决这个问题，提出了一种离散傅里叶变换（DFT）本征相位辅助重心校准（DE-BC）算法，该算法能够对距离和速度进行渐近无偏估计。此外，我们证明DE-BC算法显着降低了样本选择偏差的概率，并在不增加帧长度或带宽的情况下提高了传感精度和通信性能。与现有估计器的比较进一步验证了其性能和实施效率。

在无源抑制和模拟消除之后，数字域自干扰消除对于带内全双工无线电至关重要。当所需信号相对于残余自干扰较强时，这尤其具有挑战性。在这种情况下，传统的迭代数字消除器根据受期望信号污染的接收样本更新其系数，并且可能遭受显着的性能下降。本文将数字域自干扰消除重新表述为操作员学习问题。所提出的框架从历史观测中学习残余自干扰信道的时间演化，并使用学习到的算子与已知的本地发射信号一起重建当前的残余自干扰。 Transformer 神经算子用于实现该框架。所得方法在无所需信号的设置中进行训练，然后在存在所需信号的情况下应用。基于连续性的分析表征了学习算子对所产生的输入扰动的敏感性。静态和时变信道（包括时变 SIR 条件）中的数值实验证明了在宽范围的干扰电平下稳定的消除性能。在 30 dB SIR 下，所提出的方法比所考虑的传统方法将消除性能提高了 5--15 dB。

与无人驾驶飞行器（UAV）的协作传感是低空无线网络（LAWN）的关键推动者，其中传感精度主要取决于无人机编队的空间配置。在本文中，我们研究了 Cramér-Rao 下限 (CRLB) 最优协作目标感知的编队设计和控制。我们首先建立基于距离测量的传感性能模型，并推导目标位置的费舍尔信息矩阵（FIM）。通过采用 A 最优准则，我们分析地描述了使估计误差的 CRLB 最小化的地层几何形状。最佳编队在水平面上表现出各向同性费舍尔信息，其中正多边形构成对称的 CRLB 最佳几何形状，仰角由路径损耗和几何多样性之间的权衡确定。在此结果的基础上，我们进一步开发了一种分布式编队控制策略，可将无人机从任意初始部署转向传感最佳配置，同时保持编队运动和避障。数值结果表明，所提出的方案在 CRLB 方面始终优于基准结构，并在实际约束下实现了可靠的收敛。

轨道角动量 (OAM) 光束为无线通信提供了空间复用维度，但多径散射拓宽了其模式频谱，因此能量会以模式间干扰 (IMI) 的形式跨模式泄漏，而传统的 OAM 解复用会丢弃这种干扰。本文不将泄漏的模态能量视为干扰，而是将其视为结构化的、可收获的资源：它在独立分支衰落下获得高达 $LK$ 倍的渐近多样性，并在工作信道的等级限制的每抽头衰落下产生收获的能量。每个活动 OAM 模式都用不同的时域正交扩频码进行着色，跨越 OAM 模式的二维 (2D) 接收器网格和可解析的多径延迟共同组合了解扩输出。该设计建立在倾斜 OAM 光束的贝塞尔阶差耦合定律的基础上，该定律由高斯模式扩散模型和模式相干度量（可量化幸存正交性）以及有效的分集度量（将有限信噪比 (SNR) 下可用的组合增益与渐进分集阶数分开）来概括。在 28GHz 下，采用四模八元均匀圆形阵列 (UCA) 和四个可解析多径抽头，所提出的 2D 模态时间 Rake 将误码率 (BER) 降低了一到三个数量级，并且比模式检测、模域迫零 (ZF) 和最小均方误差 (MMSE) 检测节省了大约 10--15~dB 所需的 SNR，并且它的性能也优于无色模态时间 MMSE 均衡器；该优势克服了扩频的频谱效率成本以及信道估计和定时缺陷。

高频宽带视距多输入多输出（LoS-MIMO）是海量空对地数据下行链路的关键解决方案。然而，在低地球轨道（LEO）场景中，它面临着时频耦合相关性和分布式振荡器时钟偏差带来的空间等级不足。本文建立了一个结合前向纠错瀑布特性的动态有效信道吞吐量（ECT）框架。提出了一种硬件友好的基于 OFDM 的收发器架构，具有子带自适应截断和动态定时恢复功能，以实现鲁棒的空间解耦。通过严格的闭式推导，量化了联合误差下的等效信号与干扰加噪声比（SINR），并提出了截断与可变编码和调制相结合的最优调度算法，以最大化ECT。仿真结果表明，该设计以较低的复杂度避免了空间陷波造成的中断，稳定地将单双偏振波束的潜在平均吞吐量提升到100 Gbps以上，为下一代高通量卫星提供了可靠的理论基础和基带解决方案。

太赫兹 (THz) 通信因其支持极高数据速率的潜力而成为未来无线系统的一项有前途的技术。然而，严重的路径损耗、阻塞效应和对光束失准的敏感性对可靠的室内太赫兹通信构成了重大挑战。在本文中，我们研究了结构化接入点（AP）部署下三维（3D）室内太赫兹通信系统中下行链路传输的覆盖概率，重点关注方形和六边形网格拓扑。开发了一个易于处理的分析框架，以共同考虑人类障碍、跨接入点的相关墙壁障碍、波束训练和残余指向误差。数值结果表明，墙壁堵塞相关性显着降低了关联概率和覆盖概率，其影响在系统性能分析中不可忽视。与方形网格 AP 部署相比，六边形网格通过减轻相关墙壁阻塞效应并缩短用户设备 (UE) 与其关联 AP 之间的距离，始终实现更高的覆盖范围。此外，覆盖性能强烈依赖于 UE 位置，当 UE 远离最近的 AP 时，覆盖性能会明显下降。我们发现残余指向误差会导致严重的覆盖损失，特别是对于较长的链路。此外，波束训练分析揭示了天线阵列尺寸和训练开销之间的非单调关系，突出了天线配置、波束宽度选择和波束训练效率之间的固有权衡。这些发现为实际室内太赫兹通信系统的设计和部署提供了有用的见解。

空中计算 (OAC) 利用无线信号的自然叠加来计算传输过程中的聚合函数，从而将通信和计算压缩为一个步骤，并显着减少延迟和资源使用。在第一部分中，数字 OAC 被表述为噪声感知星座设计问题，将编码器设计视为最大最小优化，将叠加星座点之间的最小欧几里德距离与其相应函数输出的平方差对齐。在本文第二部分中，我们解决了大规模边缘网络的数字 OAC 星座设计中固有的令人望而却步的复杂性和量化挑战。更准确地说，我们引入了一种金字塔采样策略，该策略选择叠加星座点的子集，通过将最坏情况的成对约束数量从 $\mathcal{O}(q^{2K})$ 减少到 $\mathcal{O}(q^{2K/p})$ 来降低星座设计复杂性，其中 $p \in \{1, \ldots, K\}$ 表示采样阶数，q 表示调制级别数， K表示网络中的节点数。在对称聚合的假设下，该方法实现了计算复杂性和函数计算精度之间的受控权衡。作为一种特殊情况，我们提出基于多数的采样（p = K），它保留 q 个采样直方图，其接收到的星座点对于不同的传输符号是不同的。这种采样方案允许我们对采样星座使用标准数字调制，例如 QAM、PSK 和 ASK。我们还通过多次模拟，在各种聚合函数、调制级别和​​噪声级别上证明，适度的采样顺序可以获得可接受的性能，并且比详尽的设计要少几个数量级的约束。

一颗低地球轨道 (LEO) 卫星几乎不提供空间自由度，但它的两个极化可以将第二层传输到手机上。下行链路频谱效率是在慕尼黑上空 330 公里高度处的卫星覆盖范围上绘制的。该通道是琼斯因子的级联，包括相控阵有效载荷、法拉第旋转、双极化陆地移动卫星通道和三种姿态下的标准化手机天线元件。对于具有视轴至天顶和 6 dB SNR 的手机，理想的预编码选择等级 2，在最低点 340 公里范围内的概率至少为 0.95。通过闭环预编码，最低轨道上的此类手机在 99% 的通过时间内处于排名~2。直立式手机无论面向卫星还是选择等级 2，等级选择可将覆盖范围内的平均频谱效率提高高达 49%。

人工智能（AI）的快速扩散和增长带动了联邦学习（FL）的发展。 FL 允许无线设备 (WD) 通过仅共享本地模型参数来协作学习，而无需共享整个数据集。然而，由于需要大量的通信开销，大型人工智能模型的出现使得现有的 FL 方法效率低下。在本文中，我们提出了一种新颖的空中联邦蒸馏（FD）框架，通过协同 FL 和知识蒸馏的优势来避免繁重的本地模型传输。不是共享模型参数，而是通过利用多路访问信道的叠加特性，仅共享和聚合 WD 的模型输出（称为知识）。我们将研究空中FD中的收发器设计，旨在在满足收发器功率限制的同时最大化学习收敛率。主要挑战在于学习性能分析的棘手性、非凸性以及跨越整个 FD 训练周期的优化。为了解决这个问题，我们首先推导出空中 FD 收敛速度的解析表达式。然后，在给定接收器组合策略的情况下，获得 WD 发射功率和空中聚合估计器的闭式最优解。因此，我们提出了一种通过半定松弛找到最佳接收器波束形成向量的有效方法。我们进一步证明，接收器波束成形设计的原始问题和松弛问题之间不存在最优性差距。数值结果表明，与传统的 FL 基准相比，所提出的无线 FD 方法可显着降低通信开销，而测试精度仅略有下降。

高脉冲重复频率 (PRF) 操作可改善多普勒明确感测，但会降低太赫兹 (THz) 脉冲雷达的最大明确范围。来自超出此范围的目标的回波可能会错误地与后续传输的脉冲相关联，导致目标出现在较短的范围内。本文提出了一种接收器端框架，利用太赫兹特定的时间展宽效应作为距离相关的签名来解决距离模糊问题。对于每个检测到的回波，接收器应用与候选目标范围相对应的参考的加宽匹配滤波。滤波器输出通过多普勒补偿在脉冲之间进行组合，最大的归一化组合响应确定恢复真实目标范围所需的模糊度阶。然后重新使用所选择的参考来减少后续距离和速度估计中的失配损失。在已知大气条件下进行的模拟，目标占据不同的视延迟箱，证明了超出传统明确间隔的可靠距离恢复。以正确的模糊度阶识别为条件的距离估计误差以及报告的速度估计误差接近其相应的导出的 Cram\'er-Rao 边界。该方法保留了固定的发射脉冲形状、PRF 和采样率，但相对于所评估的基于分集的技术，模糊度识别需要更高的信号杂波加噪声比要求。

准确的发射器定位对于民用和工业应用至关重要，但传统的两步方法在具有挑战性的信号条件下会出现次优问题。虽然直接位置确定 (DPD) 通过联合处理原始传感器信号提供了卓越的性能，但现有方法假设可靠的融合中心 (FC) 测量具有完美的传感器到 FC 传输，这在资源受限或竞争环境中是不切实际的假设，因为 FC 中收集的测量结果容易出现误码。本文专注于以 LOS 为主的窄带定位场景，其中强多径分量不存在或不可解析，本文首创了专为污染信号场景设计的稳健 DPD 方法。我们首先建立了一种新颖的统计框架，通过多元学生 t 分布对复合误差（传感器噪声 + 传输伪影）进行建模，捕获高斯假设忽略的重尾特征。在此基础上，我们开发了两种计算效率高的算法：对于已知波形，三级估计器将自适应测量截断与闭式参数解决方案集成在一起；对于未知波形，迭代子空间投影技术可以保持对信号模糊性的鲁棒性。两种算法都可以动态抑制异常值，而无需事先进行错误表征。广泛的数值验证表明，在不同的 SNR 范围内，其精度比经典和现代基准有所提高，在低 SNR 场景中尤其有效。此外，所提出的解决方案在 5-20% 的截断范围内保持一致的性能，适应实际部署中未知的误码率。

线性计算广播（LCBC）问题包括 K 个用户（接收器）和一个发射器。用户希望计算公共数据集的各种（向量）线性函数，并预先拥有与各种其他线性计算相对应的异构辅助信息。广播发射机知道数据集以及所有所需的和辅助信息函数，其目标是尽可能有效地满足所有需求。先前的工作已经探索了 LCBC 在理想（无噪声）广播信道 (BC) 上进行零误差有限场计算的信息论能力。本文针对高斯 MIMO BC 开发了一种无线 LCBC (WLCBC) 框架，在发射功率约束和任意天线配置下具有噪声接收端信息。在WLCBC设置中，高斯源被线性预编码以用于广播；每个用户请求源的线性函数，并通过将其信道观察与其噪声辅助信息线性组合来形成估计。假设完美的信道状态信息，我们将集中式联合线性收发器设计转化为加权和MSE最小化问题，并提出了一种有效的交替优化算法。对于固定预编码器，最佳解码器是线性最小均方误差（LMMSE）估计器。对于固定解码器，预编码器更新简化为凸二次约束二次规划，这导致由单个对偶变量参数化的半闭式解。所得算法保证了加权和 MSE (WSMSE) 目标序列的目标单调递减和收敛。模拟表明，与从先前的工作中获得的自然基线相比，鲁棒性有了显着的提高。

超大规模均匀平面阵列 (UPA) 的信道估计需要利用近场信道结构来减少导频开销。通过专门设计的通道表示矩阵，近场通道呈现出 2D 稀疏结构，传统的 1D 块分区可能会将其分为多个组。这项工作开发了一种 2D 块正交匹配追踪 (2D-BOMP) 估计器，它通过矩形系数分组来利用这种结构。我们为无噪声和噪声测量建立了足够的恢复条件，并比较了一维和二维分区的足够导频长度要求。数值模拟表明，与传统的 1D-BOMP 以及基于极域的 OMP 方法相比，2D-BOMP 在估计大规模 UPA 的近场信道方面具有估计优势。

我们提出了一种六维可移动天线（6DMA）辅助的通感一体化（ISAC）框架，专为车联网（V2X）网络量身定制。通过利用天线表面的三维位置和三维旋转的离散调整，系统获得了对无线传播环境的前所未有的控制，显着提高了通信性能，同时保持了高分辨率传感。我们推导了可实现的通信速率和车辆角度估计的 Cramér-Rao 界（CRB）的封闭式表达式，明确捕获了天线表面部署的影响。制定了联合表面位置和旋转优化问题，以在严格的传感 CRB、空间和机械约束下最大化通信速率。为了解决固有的非凸性，我们开发了一种高效的交替优化（AO）算法，该算法将问题分解为易于处理的子问题并收敛为高质量的解决方案。广泛的仿真表明，所提出的 6DMA-ISAC 方案始终显着优于传统的固定位置天线系统和一维可移动天线基线，在不同的车辆移动性和信道条件下实现了频谱效率的显着增益。这项工作揭示了一种新的设计范式，充分利用天线阵列的空间自由度，为下一代 V2X 网络中可靠、可扩展和智能的 ISAC 铺平道路。

通感一体化（ISAC）已被认为是第六代（6G）无线网络的关键技术。在单基地传感模式下，通过最优波束形成实现通信和传感性能之间的平衡是一个关键的研究问题。在多输入多输出（MIMO）系统中，由于天线数量众多，此类波束成形问题具有相当大的计算复杂性。现有方法利用较低维度的精确子空间来加速波束成形过程，其中复杂性与通信用户和感测目标而不是天线的数量成正比。本文证明了波束形成问题可以在更低维的子空间中得到解决，而传感性能损失很小。数值结果比较了精确子空间和较小子空间中ISAC波束成形问题的传感性能和计算复杂度。

本文描述了可旋转天线 (RA) 辅助的多输入单输出 (MISO) 干扰信道的可实现速率区域。我们利用 RA 的动态方向提供的额外空间自由度 (DoF) 来同时增强所需信号并抑制干扰，从而显着扩大干扰网络的可实现速率区域。为此，我们调用速率分布技术来制定总速率最大化问题，以在 RA 的实际机械约束下联合优化发射波束成形和阵列旋转。对于两个接收器场景的特殊情况，我们引入子空间相关系数的概念来导出最佳 RA 旋转角度和发射波束成形矢量的封闭式解。受到两个接收器特殊情况中获得的见解的启发，我们提出了一种有效的两步优化框架，以获得一般多接收器情况的高质量解决方案。特别地，每个发射器的阵列旋转角度被优化以最小化对非关联接收器的泄漏干扰。通过优化的阵列旋转角度，通过调用基于二阶锥规划的方法获得最佳发射波束形成。数值结果表明，所提出的解决方案实现了接近最佳的性能，并且集成 RA 通过实现简单的最大比传输 (MRT) 波束成形而有效简化了收发器设计，而性能损失可以忽略不计。

本文提出了 CAT-MoEformer，一种上下文感知变压器，具有场景条件专家混合 (MoE) 前馈网络，用于根据压缩的上行链路导频观测进行主动毫米波波束预测。具有挤压和激励重新校准功能的三层非对称卷积编码器无需显式通道重建即可提取频率波束特征，而截断的预训练 GPT-2 主干则对时间演化进行建模。上面三个变压器层中的前馈网络被四个场景调节专家取代。轻量级门将外部提供的 LOS/NLOS 指示器和标准化用户速度映射到可审核的样本级路由权重。三阶段训练过程首先通过硬分配建立场景特定的专家，然后通过软路由对齐门，最后在固定top-1路由下细化专家输出层和分类器。在具有 64,000 个序列的 3GPP TR 38.901 UMa 数据集上，CAT-MoEformer 实现了 94.92% Top-1 精度和 80.62% 波束切换精度 (BSA)。这些结果比 CNN+LSTM 的 Top-1 准确度超出了每个指标的最强报告基线 2.26 个百分点，比 CNN+GPT-2 的 BSA 准确度超出了 9.55 个百分点，平均推理延迟为 0.52 毫秒。该模型存储了 110.61 M 个参数，而 CNN+GPT-2 的参数为 68.08 M，四个单独部署的场景特定预测器的参数为 272.32 M。其他测试量化了对上下文标签错误、速度分区和类保留阈值、GPT-2 初始化、独立训练的场景特定预测器、低 SNR 输入、突发阻塞和 UMa 到 UMi 传输的敏感性。结果支持强大的域内性能以及对中等上下文错误和输入噪声的容忍度，而严重的低信噪比、随机多帧衰减和零样本跨场景传输仍然受到限制。

视觉辅助光束跟踪通过根据相机观察预测光束指数来减少毫米波光束训练开销。然而，固定的 top-$K$ 选择为所有预测分配相同的候选波束预算，忽略样本和范围之间的不确定性变化。这封信提出了置信引导的自适应候选选择：预测器逻辑是温度校准的，并且累积概率达到目标阈值的最小顶级波束集被保留在最大预算下。在 DeepSense~6G 场景~8 上，超过 5 个随机种子和匹配的开销，该策略将候选集准确性提高了 3.80 个百分点，将归一化接收功率提高了 0.32 个百分点，并将中断概率降低了 2.06 个百分点，而无需重新训练预测器。

协调多点 (CoMP) 波束成形增强了通感一体化 (ISAC)，通过增加空间自由度为通信终端和目标提供独特的波束方向图。然而，这种增强通常局限于传感和通信在空间上分离的场景，无法实现 ISAC 的完整愿景。事实上，通信终端与目标角色的交织正在成为不可忽视的趋势，每个用户在通信和感知方面都表现出多样化的需求。为了适应这些不同的组合服务，本文将按需波束成形引入到协调 ISAC 中。具体而言，在CoMP范式下导出了可实现的通信速率和位置速度估计精度的封闭式表达式，并量化性能限制作为分析基础。然后，引入服务满意度指标来规范这些异构表达，从而实现统一的优化和评估。在此基础上，开发了 CoMP 波束成形的优化框架，以提高整体满意度。该框架通过梯度分解解耦多服务竞争，同时通过流形投影处理多基站功率约束。这些进步增强了 ISAC CoMP 波束成形的按需适应性，并提供了仿真结果来验证其有效性。

本文研究了如何利用最初分配给现有近场用户的预配置聚焦波束来同时支持多个额外的远场用户并提高其在传统无线网络中的能源效率 (EE)。在此框架内，我们开发了一种基于空间域多址（SDMA）的混合非正交多址（NOMA）策略，其中近场用户的预配置波束被重新用作远场传输的宝贵通信资源。多个远场用户的 EE 最大化问题是在两种不同的解码方法下制定的。为了解决所得到的多比率 EE 公式固有的非凸性，采用二次变换将其转换为等效的线性优化问题，从而实现高效的求解过程。随后开发了迭代算法来解决变换后的优化问题，并分析了其计算复杂度。仿真结果证实了系统的关键特性，并证明了所提出的基于 SDMA 的混合 NOMA 方案在提高远场用户联合 EE 方面的优越性。此外，还分析了特殊和一般波束选择场景，以揭示影响远场用户波束选择行为的因素，并说明最佳选择模式的多样性。

信道预测是优化多输入多输出 (MIMO) 无线网络的基石。尽管已经开发了各种深度学习范式，但它们的功效往往会因在嘈杂和高移动性环境中的性能下降以及对分布外场景的适应性差而受到影响。现有的基于 LLM 的预测器缓解了其中一些限制，但它们的适配器通常缺乏天线域空间可靠性和多普勒引起的时间动态的显式建模。为了解决这个问题，本文提出了UniSF-LLM，一种“适配器+LLM”框架，利用预训练大语言模型（LLM）的强大序列表示能力进行信道预测。其核心创新是双路径适配器，包括门控空间注意（GSA）和门控频率注意（GFA）模块，通过自适应融合机制集成。具体来说，GSA利用天线域相关性来强调空间可靠的信道状态信息（CSI）分量并抑制空间不相关的热噪声，而 GFA 应用时间快速傅立叶变换来捕获与高移动性下的时间选择性衰落相关的多普勒频率模式，通过根据输入 CSI 统计动态加权这些分支，所提出的框架适应噪声水平和用户速度的变化，同时减轻静态特征融合的限制，具体而言，它在不同的传播条件下实现了最先进的性能。与现有基准相比，在低移动性场景中，高速状态下保持了约 3 dB 的稳健领先。这些结果证明了所提出的统一空间频率架构的有效性和鲁棒性。

本文研究了由流体天线系统 (FAS) 支持的集成双基地传感和反向散射通信 (ISABC) 架构，其中连接、电力传输和环境意识由相同的基础设施共同支持。配备发射流体天线 (FA) 的多天线基站 (BS) 为下行链路用户提供服务，为无源标签供电并照亮雷达目标，而空间上分离的多天线读取器解码标签反向散射并处理雷达回波，以避免强自干扰，否则会掩盖 BS 的微弱回波。然而，标签和目标的共存会引起严重的远近差异和多信号干扰，这可以通过流体天线通过重塑多跳通道的额外空间自由度来缓解。我们提出了一个发射功率最小化问题，在通信、反向散射和传感的异构服务质量约束下，以及能量收集和 FA 几何要求下，联合优化 BS 信息波束形成器、传感协方差矩阵、阅读器接收波束形成器、标签反射系数和流体天线 (FA) 位置。为了解决由此产生的非凸问题，我们开发了一个交替优化块坐标框架，该框架使用半定松弛、主化-最小化和逐次凸逼近来解决四个易于处理的子问题。数值结果证实，与固定位置天线和迫零基准方案相比，所提出的设计持续降低了所需的发射功率，并且相对于迫零基线观察到了更大的性能增益。

可移动天线 (MA) 和可重构智能表面 (RIS) 为通感一体化 (ISAC) 提供强大的空间控制，但针对每个通道实现反复调整 MA 位置和 RIS 相位可能不切实际。这封信开发了一个 GPU 加速的鲁棒预优化框架，该框架联合选择慢时间尺度的 MA 几何结构和 RIS 相位，并返回一个可重用的 Pareto 集，平衡预期的最差用户速率和传输侧最差目标照明。照明物镜测量定向发射功率，而不是完整的回声检测或参数估计性能。所提出的政权感知多目标预优化（RAMP）保留了政权特定的帕累托群体，使用帕累托生存反馈调节跨政权交配，并构建了最差政权的稳健档案。数值结果证明了相对于所考虑的进化基线具有竞争力的鲁棒帕累托质量，同时避免了在线物理重新优化。

在本文中，我们研究了采用大规模天线阵列的基础设施到车辆（I2V）多输入多输出（MIMO）通感一体化（ISAC）系统。具体来说，我们考虑时变 (TV) 近场 (NF) 通道模型，以有效解决高移动性并减轻波束失准，这通常发生在 NF 区域的车辆中。为了实现高能效并满足超可靠和低延迟通信 (HRLLC) 要求，我们在有限块长度 (FBL) 传输下的时分双工路边单元 (RSU) 上开发混合波束成形 (HB) 框架。我们的目标是在 RSU 上为下行链路 (DL) 和上行链路 (UL) 设计混合波束形成器，以在最低传感要求下最大限度地提高 DL 和 UL 的频谱效率 (SE)。由于FBL传输，传统SE表达式中引入了惩罚项，导致非凸优化问题。为了应对这一挑战，我们首先推导 DL 和 UL SE 的易于处理的下界，并提出交替优化框架来设计 RSU 的混合波束形成器。数值结果验证了所提出的具有几个射频链的 HB 实现了接近全数字预编码器的性能，并证明了在 HRLLC 要求下 SE 与 I2V ISAC 系统感测性能之间的基本权衡。

本文提出了分段波导收缩天线阵列（SWAN）系统的通感一体化（ISAC）设计，通过利用分段波导的低波导内传播损耗来提高系统性能。实施混合段选择和复用 (HSSM) 协议，以较低的硬件成本提供良好的性能。为了实现这一目标，制定了联合发射波束成形优化、分段选择和收缩天线定位问题，以在传感性能的约束下最大化总通信速率。为了解决最大化问题，我们提出了一种基于段滞后的强化学习（SHRL）算法来学习不同进度中的段选择和收缩天线位置，以探索更好的策略。仿真结果表明：1）所提出的 SWAN-ISAC 方案优于其他基线天线方案，2）所提出的 SHRL 算法在各种移动性和可扩展性设置下保持优越性。

这封信分析了多用户上行链路分段波导收缩天线系统 (SWAN) 可实现的总速率。为了揭示系统设计见解，导出了可实现的总速率的上限，并在此基础上从理论上建立了最佳分段激活水平的存在。受此结果的启发，提出了混合分段选择和聚合（HSS/A）方案来联合优化分段激活和收缩天线（PA）放置。相应地，针对所考虑的优化问题开发了低复杂度的贪婪算法。数值结果验证了理论分析，并证明所提出的 HSS/A 方案优于传统的全段聚合。

对于传感辅助通信，单端点传感仅提供传播的部分视图，从而促进跨两个端点的以链路为中心的传感。我们提出了跨图像路由注意（CIRA），用于稀疏关联和来自双端点 RGB 图像的传播相关特征的相互增强。 CiFormer 以 CIRA 为基础，预测用于车辆到基础设施 (V2I) 通信的毫米波 (mmWave) 波束对功率矩阵。实验表明，CiFormer 降低了平均绝对误差，并将 top-1 波束对选择精度比最强基线提高了 3.15 个百分点。可视化和消融研究支持双端点传感和选择性跨视图交互来捕获传播相关的依赖性，这表明在波束预测之外的无线任务中有着更广泛的应用。

本文研究了一种上行链路大规模多输入多输出正交时频空间（MIMO-OTFS）接收机，其中多个用户将延迟多普勒（DD）域数据传输到基站。最小均方误差 (MMSE) 检测所需的复杂度为 O(U3M3N3)，其中 U 是用户数量，M 是延迟箱数，N 是多普勒箱数。这促使这项工作提出一种低复杂度的块连续过松弛（BSOR）检测器，消除了直接矩阵求逆的需要。由于BSOR方法需要对角子块的反转，因此我们对循环子块采用基于快速傅里叶变换（FFT）的反转，对非循环子块采用基于诺伊曼级数展开（NSE）的近似。为了增强并行性，提出了红黑 BSOR (RB-BSOR) 变体，它将系统划分为独立的块集并使其能够同时更新。进一步开发了基于张量的公式，以便能够在图形处理单元（GPU）上批量执行所提出的算法。此外，高效的 Gram 矩阵计算和基于 FFT 的匹配滤波进一步降低了复杂性。对于 NSE 和 FFT 变体，所提出的方法将 MMSE 检测复杂度分别降低至 O(αU2KMN2) 和 O(αU2KMN log2 N)，其中 α 是最大通道延迟长度，K 是迭代次数。数值结果表明，所提出的检测器以显着降低的复杂性和执行时间实现了接近 MMSE 的性能。

先前对宽带通信的研究主要集中在纯近场或纯远场系统。在本文中，我们考虑一种更实际的场景，即混合近场和远场宽带通信，其中配备超大规模阵列的基站（BS）通过基于正交频分复用（OFDM）的宽带系统为近场和远场用户提供服务。具体来说，我们提出了干扰感知资源分配问题，以最大化近场用户的平均可实现速率，同时保证远场用户的通信速率要求，其中联合设计子载波调度和发射功率来管理与子载波相关的混合场干扰。通过首先消除二进制调度变量，然后对变换后的连续功率分配问题应用连续凸逼近，来解决由此产生的混合整数非凸优化问题。数值结果表明，与各种基准方案相比，所提出的联合设计有效地提高了混合场宽带多用户传输性能。

现有基于 PA 的基准方案。本文研究了支持收缩天线 (PA) 的无线通信的多域索引调制。与主要依赖于单一资源维度的现有基于 PA 的索引调制方案不同，我们提出了一种 PA 辅助多域索引调制（PA-MDIM）框架，其中信息比特被联合映射到波导频率偏移选择、波导内 PA 激活模式和传统星座符号。通过联合利用这些异构传输维度，所提出的PA-MDIM方案更充分地利用了PA系统固有的结构灵活性，显着扩大了多域信令空间，并提供了比简单增加调制阶数更有效的提高传输速率的方法。由此产生的发射信号具有结构化的块稀疏形式，这促进了低复杂度有序块波束搜索（OBBS）检测器的开发，以实现有效的信号恢复。与详尽的最大似然 (ML) 检测相比，所提出的检测器在保持接近 ML 错误性能的同时，实现了复杂性的大幅降​​低。此外，通过推导无条件成对错误概率和平均误码概率上限，分析了所提出的 PA-MDIM 方案在莱斯衰落信道上的错误性能。仿真结果验证了所开发的分析，并表明与现有的基于 PA 的基准方案相比，所提出的 PA-MDIM 方案在频谱效率、检测复杂性和可靠性之间实现了出色的权衡。

可重构智能表面 (RIS) 辅助毫米波 (mmWave) 系统为室内定位提供接收功率的定向测量，但设备方向会改变指纹。这项工作提出了一种方向感知双流门控 (O-DSG) 深度学习框架，用于基于接收信号强度指示器 (RSSI) 的室内定位。方向分类器根据 RSSI 估计设备方向，因此推理仅需要接收功率。预测角度和后验熵的嵌入控制特征调制和软专家门控。并行卷积和统计流通过双向长短期记忆 (BiLSTM) 处理和时间注意力融合。在室内实验室中，在 28 GHz 非视距 (NLoS) 条件下进行的单用户测量产生的中位定位误差为 0.141 m，比最接近的评估基线（提供测量的方向）提高了 25.8%，四个离散类别的方向分类精度为 92.3%。在不进行训练的空间区域中，O-DSG 的平均中值误差为 0.247 m，而验证选择的序列模型的平均中值误差为 0.392 m。单独的离线评估根据单用户测量构建非正交多址 (NOMA) 式功率混合，并在指定的混合模型下测量最多八个功率贡献重叠的模拟用户的定位精度和计算扩展。

精确的波束对准对于减轻毫米波车载网络的大量传播损耗特性至关重要，但传统的波束训练方法会带来大量的开销和延迟，使其不适用于高移动性场景。现有的光束跟踪方法面临两大挑战：它们需要上行链路反馈信息，增加系统开销，并且难以跟踪具有不同运动模式的目标，特别是在复杂的道路环境中。为了解决这些限制，本文针对车辆到基础设施场景提出了一种基于交互多模型和​​无迹卡尔曼滤波的预测光束跟踪方法。我们设计了一个包含三种典型运动模式的多模型框架，可以自适应地处理车辆运动变化。我们的方法将 IMM 管理多种运动模式的能力与 UKF 在处理非线性测量方面的优势相结合，克服了扩展卡尔曼滤波器的线性逼近限制。此外，我们的两步预测机制通过将状态预测提前一步来减轻高速场景中的波束指向滞后。该算法利用通感一体化功能，通过下行信号回波获取目标信息，无需上行反馈。仿真结果证明了在各种车辆运动场景中的高精度跟踪和准确的光束指向。

准确定位是下一代无线系统的一项关键功能，特别是在中频上频段（FR3，7-24 GHz）频谱内，该频谱将毫米波频段的宽带宽与 6 GHz 以下的可靠覆盖范围相结合。在这封信中，我们提出了一个用于 FR3 部署中多频段射频定位的人工智能辅助框架。所提出的方法处理来自在多个 FR3 频率下运行的不同天线阵列的信号，使用深度神经网络提取特定频段的空间特征并将其融合为代理协方差表示。这种表示随后被用于经典的基于子空间的定位算法，将基于模型的可解释性与数据驱动学习的灵活性相结合。基于光线追踪通道的仿真结果表明，所提出的多波段融合方法显着提高了定位精度。

在通感一体化（ISAC）系统中，通信和传感共享时频资源，从而在通信服务质量（QoS）和传感质量（QoSe）之间建立基本权衡。重复使用 5G 新无线电 (NR) 参考信号 (RS) 可实现符合标准的传感，但其固有的稀疏性会导致通道采样不足和强旁瓣，从而降低弱目标检测的性能。压缩感知（CS）可以减轻这些影响，但现有方法要么忽视通信服务质量约束，要么依赖步长敏感的重建算法或采用全局阈值，导致多目标场景中的弱目标屏蔽。因此，多目标检测问题需要资源调度和基于CS的重建的联合设计。在这项工作中，我们研究了两种调度方案（即 QoS 保证调度和基于比例公平 (PF) 的调度）对传感通信权衡的影响。为了进一步增强传感性能，我们采用了 2D 最大中值复杂近似消息传递 (2D-mmCAMP) 算法，该算法执行自适应行和列阈值处理以抑制旁瓣，同时在多目标场景中保留弱目标响应。仿真表明，在满足下行链路 (DL) QoS 约束的同时，弱目标检测比基线重建算法提高了 >= 16%，验证了所提出的符合 NR 的 ISAC 方案的有效性。

在本文中，我们研究了支持可移动天线（MA）的多输入单输出（MISO）系统，其中配备多个MA的基站（BS）为多个单天线用户提供服务。考虑对延迟敏感的场景，其中用户避免定期向基站发送训练信号以进行信道估计，以避免额外的延迟。结果，BS仅依靠统计信道状态信息(CSI)来以固定速率传输数据。在此设置下，我们的目标是通过联合优化天线位置和基站的发射波束成形，最大化所有用户的中断感知总率，同时满足每个用户给定的目标中断概率要求。该问题是高度非凸的，主要是因为很难导出每个用户的接收信号与干扰加噪声比 (SINR) 的精确累积分布函数 (CDF)。为了使中断分析在此统计 CSI 设置下易于处理，我们采用基于 LoS/统计信道组件的迫零 (ZF) 波束成形结构，并阐明其适用机制和限制。然后我们引入一个重要的引理来推导 SINR 的紧均值和方差。利用这些结果，我们进一步利用拉盖尔级数近似成功地推导了 SINR 的闭式和紧 CDF。随后，提出了断电感知总速率表达式，但仍然包括关于天线位置的复杂结构。面对这一挑战，开发了投影梯度上升（PGA）方法来迭代更新天线位置直到收敛。数值结果证明了我们提出的方案与传统固定位置天线（FPA）和其他竞争基准相比的有效性。

在通感一体化（ISAC）系统中，带宽有限的多目标场景中的高精度传感具有挑战性，因为间隔很近的目标会产生强烈的叠加和相互干扰。本文提出了一种两级连续干扰消除（SIC）框架，用于估计目标角度、范围和径向速度。在第一阶段，多信号分类 (MUSIC) 生成候选到达方向 (DoA)。在第二阶段，匹配滤波器（MF）波束形成为每个候选DoA形成距离多普勒特征，并且卷积神经网络（CNN）回归器估计相应的距离-速度对。然后重建目标分量并从残余通道频率响应 (CFR) 中移除，以实现后续检测。仿真表明，与二维快速傅立叶变换 (2D-FFT) 和代表性深度学习基线相比，所提出的方法减少了估计误差，同时保持了毫秒级的每个候选推理延迟。

这封信解决了双可重构智能表面（RIS）辅助多输入多输出（MIMO）无线通信系统中的信道估计（CE）问题。由于 RIS 相位和幅度的频繁更新，现有解决方案通常会引入额外的控制开销。为了解决这个问题，我们采用相移转换策略，通过设计两种正交相移模式来提取双反射通道，从而消除了这种切换的需要。然后，我们开发了一种用于通道预估计的一阶快速迭代收缩阈值算法（FISTA），并通过残差卷积混合注意网络（RE-CHAN）进一步细化它，该网络利用具有不同大小的卷积核和多头注意的并行残差块来增强特征学习能力。仿真表明，FISTA 比现有方法实现了更高的预测精度，而 RE-CHAN 模型在归一化均方误差 (NMSE) 指标方面优于最先进的模型。

Ghostline 是一款无需设备的运动跟踪系统，基于 6 个 ESP32-S3 Wi-Fi 板和一个消费级路由器而构建。该板的 Wi-Fi 驱动程序会报告每个接收到的帧的通道状态信息 (CSI) 以及发送者的地址，并且修改后的开源固件会转发这两种信息，因此每个板都为路由器和每个其他板携带一个 CSI 流：七个无线电在 21 个跨度上提供最多 36 个定向链接，而不是六个星形链接。每个链接都与一个自我形成的安静基线进行比较，受干扰的链接在楼层网格上投票，网格变成匿名轨道。该系统是在一个普通房间举行的为期三天的黑客马拉松期间构建和运行的。我们对其进行了完整描述，并报告了对一名步行者的试点评估：七个标记位置的口头提示、两分钟的自由步行和五分钟的空房间，在 0.18 秒（中值）内与视频同步。在标记之间行走时，赛道距离直线路径的中位数为 0.85 m，距离基于提示的参考轨迹（提示之间的恒定速度，非测量位置）为 1.56 m（95% CI 1.29 至 2.83），其中 46% 的步行更新在其 2 m 范围内； 94% 的更新都记录了自由行走。限制：站立的人在几秒钟内就迷失了方向，在两个空房间期间分别有 15.9% 和 2.9% 的更新出现了错误轨迹，当天下午的非正式跑步并没有将两个步行者分开。通过同一管道的两次离线重播显示了其来源：在删除节点到节点链接且设置不变的情况下，步行更新的跟踪份额从 90% 下降到 19%，自由步行从 96% 下降到 60%；在相同的每跨度证据上的普通无线电断层扫描图像，在相同的错误率下，在 2 m 处与网格和跟踪器匹配（48% 对 47%），并且在 1 m 处领先（36% 对 21%）。在此记录中，轨道取决于链接集，并且成像阶段没有增加可测量的准确性。我们会说明试点项目建立了什么以及没有建立什么。

我们解决了具有多端口流体天线 (FA) 接收器的流体天线多址 (FAMA) 系统中的端口选择问题。现有方法要么以高昂的计算成本实现接近最佳的频谱效率（SE），要么牺牲显着的性能来降低复杂性。我们提出了两种互补策略：（i）GFwd+S，一种具有交换细化的贪婪前向选择方法，在 SE 方面始终优于最先进的参考方案，以及（ii）基于 Transformer 的神经网络，通过模仿学习进行训练，然后是强化策略梯度阶段，以较低的计算成本接近 GFwd+S 性能。

本文提出了一种新颖的通感一体化（ISAC）框架，将非正交多址（NOMA）与增量冗余混合自动重复请求（HARQ-IR）相结合，共同增强通信和传感的可靠性。为了分析表征通信可靠性性能，我们开发了一种递归显性项近似方法，并推导出 NOMA 通信用户 (CU) 的封闭式渐近中断概率。揭示的一个重要见解是，两个 CU 的分集顺序从根本上由远端 CU 的传输速率决定。为了评估增强的传感可靠性性能，我们进一步设计了一种基于重传的传感信号组合机制，并基于这些渐近结果，推导了雷达目标的平均检测概率（PoD）。随后，我们根据通信和传感的平均功率预算和可靠性约束，制定了一个可靠性感知的吞吐量最大化问题。利用渐近表达式，我们通过约束紧缩将原本难以处理的传感可靠性约束转化为易于处理的形式，并提出了一种具有连续 GP 近似的高效的基于几何规划（GP）的方法。为了进一步提升系统性能，我们开发了深度强化学习（DRL）算法，创新性地将模拟退火（SA）集成到训练过程中，从而加速稳定收敛。最后，数值结果表明重传机制可以共同增强通信和传感的可靠性。此外，由于较低的计算复杂度和确定性解决方案，基于GP的方法比基于DRL的算法更适合解决复杂HARQ-IR辅助NOMA-ISAC系统中的LTAT最大化。

随着低空经济（LAE）的快速发展，低空信息网络（LAIN）必须提供可靠的通信、环境感知和目标识别，以支持高效、安全的空域运行。尽管通感一体化（ISAC）为通信和传感的联合设计提供了基础，但还必须纳入识别功能，以满足空域安全和监管要求。本文回顾了 LAE 的集成传感、通信和识别 (ISCAI)。我们首先回顾低空通信、传感和识别方法，并解释代表性应用如何促进它们的集成。然后，我们总结了低空 ISAC 基础知识，包括系统架构、信道建模、统一信号模型和性能指标，然后是以通信为中心和以传感为中心的设计、资源分配和飞机轨迹优化。在此基础上，我们引入了ISCAI，重点关注基于反向散射通信（BackCom）的识别机制，其中反向散射设备充当飞机的电子牌照。我们提出了集成传感与识别 (ISAI) 和 ISCAI 的系统和信号模型，以及多功能接收器设计和相互集成增益。最后，我们讨论了开放问题和未来方向，包括信息理论框架、人工智能赋能的系统设计和可重构智能表面增强ISCAI。本综述提供了关于 LAIN 向集成通信、传感和识别发展的结构化视角。

多载波水下综合传感与通信（ISAC）实现了并发声学通信和定位，但声学通道的频率选择性造成了各个子载波的定位能力不均匀。本文提出了一种面向定位的多锚水下ISAC系统的子载波和功率分配方案。我们构建了一个统一的正交子载波复用框架，并在具有有色噪声的频率选择性信道下推导了闭式的 Cramer-Rao 界（CRB）。我们从到达时间费舍尔信息中得出子载波级本地化信息贡献，从而实现面向本地化的资源分配。我们推导了关于定位信息度量的距离和频率依赖性的几个理论属性，并建立了距离-频率匹配原则。这些结果为面向定位的资源分配提供了理论基础，并指导了提高定位精度的低复杂度贪心算法的设计。具体来说，该算法迭代地分配子载波以最小化残留定位误差目标，从而提高定位精度，同时满足通信服务质量（QoS）约束。仿真验证了我们的方法比对称或非对称拓扑中的均匀、随机和高频优先子载波分配产生更低的定位误差界限，同时保证通信服务质量，实现卓越的通信定位权衡。

可移动天线 (MA) 已成为一种很有前景的技术，可通过天线移动灵活地重新配置无线信道，从而增强无线通信性能。在本文中，我们提出了一种采用半双工解码转发（DF）中继方案的MA中继增强型多用户通信系统。中继节点配备MA阵列，并采用缓冲器来增强端到端的传输性能。具体来说，我们制定了一个优化问题，通过动态优化 MA 的位置、发射功率和波束成形矩阵，在给定传输周期内最大化多个用户之间的最小平均可实现速率，但受到天线移动、天线间间距以及天线移动和传输的总能量预算的约束。为了解决这种高度耦合变量的非凸问题，我们提出了一种基于强化学习（RL）的算法，其中利用双延迟深度确定性策略梯度（TD3）算法来优化天线位置和功率分配，同时通过每个时隙的闭合形式表达式获得发射和接收波束成形解决方案。数值结果验证了所提出的基于 RL 的算法的有效性，并证明了所提出的 MA 中继增强型多用户通信系统相对于传统的基于固定位置天线 (FPA) 的中继系统和其他基于 MA 的基准的优越性。

相干非圆形 (NC) 源的到达方向 (DOA) 估计具有挑战性，因为源相干性导致协方差秩不足，而许多现有的去相关方法没有充分利用 NC 信号的附加伪协方差信息。为了解决这个问题，本文提出了一种用于相干 DOA 估计的 NC 张量 Toeplitz 协方差分解 (NC-TTCD) 方法。首先将接收到的数据的协方差和伪协方差矩阵组合起来构建一组NC类协方差矩阵。对于每个矩阵，从选定的行生成一组托普利茨矩阵，并将它们的前向和后向埃尔米特积堆叠成三阶张量。然后采用 Tucker2 高阶正交迭代来估计信号子空间，然后采用无网格最小二乘 DOA 估计器。仿真结果表明，与传统的 TTCD、前向-后向部分托普利茨矩阵重构 (FB-PTMR) 和块对角空间平滑降维多信号分类 (BSS-RD-MUSIC) 方法相比，所提出的 NC-TTCD 方法提供了更高的 DOA 估计精度和分辨率，特别是在低到中等信噪比的情况下。

随着6G的出现，通信网络面临前所未有的挑战，特别是在综合场景表示和知识推理领域。本文基于渠道知识图谱（CKM）的理念，建立了6G全场景点播服务知识库（OSOD 6G）。具体来说，我们首先构建了基于本体的6G空-空-地-海场景框架，阐明了主体、环境、需求和知识之间的内在关系，从而为有效的6G知识表示提供了坚实的基础。其次，我们根据不同的场景，在空中和地面上部署不同的信号源和接收器。同时，利用CKM提取信道知识，从而实现信道特征的推断和OSOD 6G的构建。此外，我们从全场景知识推理的多个维度对OSOD 6G进行可视化和仿真验证，包括不同的信号发射器、城市类型、接收器高度和CKM拟合性能。最后，通过两个具有代表性的用例来展示OSOD 6G的场景感知和按需服务能力。

未来无线网络中任务关键型工业应用的快速增长对通信效率和控制可靠性提出了严格的要求。本文研究了由配备可移动天线 (MA) 的无人机 (UAV) 支持的无线网络控制系统 (WNCS) 的速率分割多址 (RSMA)。我们考虑下行链路多用户控制场景，其中无人机安装的 MA 阵列通过共享频谱为多个控制子系统提供服务。为了同时提高通信效率和保证闭环稳定性，我们在控制感知可靠性约束下联合优化波束成形向量、公共速率分配、天线位置和无人机飞行高度，明确捕获误码率对李亚普诺夫稳定性的影响。由此产生的非凸和率最大化问题通过交替优化框架来解决，其中采用连续凸逼近和分数规划来处理耦合变量。数值结果表明，与固定位置天线和空分多址（SDMA）基线相比，所提出的方案显着提高了可实现速率并降低了平均控制成本。

本文提出了带有索引调制的传感辅助 OFDM（SA-OFDM-IM），用于光无线系统的联合通信和定位。在 SA-OFDM-IM 中，多层频域架构将每层的允许子载波划分为不相交的通信和分布式传感导频子集，并在通信子集中应用分组索引调制 (IM)。受约束的传感到通信能量分配在最小功率域余量下共同最小化平均误码率（BER）和基于延迟的定位均方根误差（RMSE），从而实现传感和通信子载波的低复杂性、有序能量检测，而无需详尽的最大似然搜索。整个帧中的感测音调被聚合以重建信道频率响应，产生用于多点定位的视距 (LoS) 延迟抽头和相位补偿 LoS 增益，并通过所提出的延迟辅助接收信号强度 (RSS) 细化。仿真结果表明，与 DC 偏置光 OFDM 相比，SA-OFDM-IM 的 BER 信噪比要求降低了 5 dB，信道估计误差降低了三个数量级，而 RSS 估计器消除了仅延迟和混合 RSS 基准的与 SNR 无关的误差平台，以实现子延迟箱范围和位置精度，在随机已知和未知接收器方向下保持鲁棒性。

这封信提出了 SpectralX，这是一种用于智能无线电信号分析的统一频谱感知架构，包括自动调制分类、射频指纹识别和无线传感。该网络架构将多尺度时间建模与自适应谱细化相结合，共同捕获多分辨率时间依赖性和实例级频率特征。这些模块级联在统一的串行架构中，利用内在的时频相关性，同时保持轻量级的占用空间。在 RML2018.01a、ORACLE 和 ARIL 数据集上进行的大量实验表明，与现有方法相比，SpectralX 在所有三个任务中都实现了具有竞争力或最先进的性能，且参数显着减少，计算开销显着降低，凸显了其实际部署的潜力。该代码可在 GitHub1 上获取。

为了克服基于二阶统计的传统稀疏阵列的均匀自由度（uDOF）限制，最近将三阶累积量（TOC）引入稀疏阵列设计中以进行到达方向（DOA）估计。为了进一步提高基于 TOC 的稀疏阵列可实现的 uDOF，这封信提出了一种三阶增强嵌套阵列（TO-ANA），通过移动嵌套阵列，引入增强子阵列，最后采用部分传感器镜像翻转策略。在这封信中，导出了传感器位置和可实现的 uDOF 的封闭式表达式，并通过分析确定了最佳阵列参数。数值结果表明，与现有的三阶稀疏阵列相比，所提出的TO-ANA实现了更高的uDOF和更低的互耦（MC）效应，从而提高了DOA估计性能。

随着对绿色和可持续通信的不断需求，能源效率（EE）已成为第六代（6G）网络设计的基石，特别是对于无蜂窝毫米波（mmWave）大规模多输入多输出（MIMO）系统，它可以通过利用大规模天线阵列实现显着的吞吐量增益。自适应射频 (RF) 链激活 (ARFA) 是一项关键技术，可在不严重降低可实现速率的情况下降低功耗，从而提高 6G MIMO 系统的总 EE。在本文中，我们提出了一种基于最小成本最大流（MCMF）的 ARFA 方案，以减少不必要的功耗并最大化上行链路毫米波无小区大规模 MIMO 系统的总 EE。仿真结果表明，所提出的方法可以显着提高总EE，同时保持相对较高的可实现率和可接受的计算复杂度。

金属被磁化、乳液发生相分离或星系聚集时，会形成畴壁或空间图样，并随时间持续粗化。这种粗化通常由趋向平衡的扩散弛豫驱动。本文在主动弹性介质中发现其振动对应现象——波粗化：振动出现后，波长、周期与幅度自发增大，最终形成称为时间晶体的全局同步状态。我们在一维、二维机电超材料中观察该现象并刻画其动力学标度。通过破坏动量守恒，我们还能阻止粗化，并发现远离平衡的非线性手性拓扑边缘模对应现象。这些结果提出了非势相互作用系统瞬态物理的新问题，也为声学、光力学、活体物质和软体机器人中的非线性波提供了一种可能的组织原则。

本文提出了低地球轨道（LEO）非地面网络（NTN）中闭环时间和频率同步的分析建模框架。我们开发了高阶比例积分积分（PII）跟踪环路的离散时间状态空间模型，以捕获时变传播延迟和多普勒动态。基于这个公式，我们推导了循环状态演化的解析表达式，从而能够对同步跟踪行为进行数学表征。此外，我们提出了一种使用 GNSS 中断之前可用的粗同步参考的积分器初始化方法。仿真结果显示理论预测与时域跟踪性能之间非常一致，并证明所提出的初始化将定时和频率均方根误差（RMSE）分别降低了五个和四个数量级。与主要依赖于基于仿真的评估的现有研究不同，这项工作为 GNSS 限制条件下 NTN 系统的鲁棒同步提供了数学见解和实用设计指南。

Zak-OTFS 载波波形是延迟多普勒 (DD) 域中的脉冲，并且给定帧中一个 DD 点的输入输出 (I/O) 关系，我们可以预测所有其他点的 I/O 关系。虽然利用Zak-OTFS获取有效无线信道很简单，但接受载波间干扰的代价是均衡复杂度。线性最小均方误差 (LMMSE) 均衡的成本随着帧大小呈三次方增长。我们描述了如何使用信道知识来降低均衡复杂度。对于任何脉冲整形滤波器以及分数延迟和多普勒，我们通过离散 Zak 变换证明 DD 信道矩阵与时域 (TD) 矩阵是酉相似的，时域 (TD) 矩阵是循环延迟和多普勒算子的加权和，其中权重是有效信道的抽头。我们还通过额外的傅立叶变换获得双频域（FD）形式。 TD矩阵以与多普勒扩展无关的延迟扩展设置的宽度为带状，而FD矩阵以仅由多普勒扩展设置的宽度为带状。我们设计了一个接收器，它从信道估计中读取两个宽度，选择更便宜的域，并使用有边界乔列斯基分解来精确求解带状系统，该分解在不牺牲自由度的情况下处理准周期环绕。缓慢衰减的滤波器需要一些预处理共轭梯度步骤。我们证明均衡的复杂度与帧大小成线性关系。仿真结果与直接 DD-LMMSE 错误率相匹配，但乘法次数减少了三到四个数量级。单个接收器可处理具有截然不同的延迟和多普勒特性的信道。

低地球轨道 (LEO) 卫星星座提供广域宽带接入，其传播延迟远低于对地静止系统，从而实现实时全息内容流等沉浸式服务。然而，全息流在严格的远程内容传输延迟预算下需要高且高度可变的数据速率，而 LEO 链路则表现出快速的信道变化和频繁的卫星切换。此外，全息体验质量 (QoE) 是暂时耦合的：它不仅会因低瞬时质量而降低，还会因质量抖动、切换瞬态和几何细节层次振荡而降低。本文通过联合优化用户波束关联、发射功率分配、可扩展几何/纹理层选择和压缩，研究多波束 LEO 下行链路上多用户全息内容流的在线跨层控制。我们将问题表述为一个受约束的马尔可夫决策过程，具有混合的离散连续动作空间和严格的每时隙远程内容交付截止日期。为了在所述假设下实现具有条件可行性保证的实时推理，我们提出了直接策略约束协同设计（DPCC），这是一种参与者-批评家框架，可通过结构化约束处理共同设计策略生成。 DPCC 结合了波束预算执行、二分用户波束匹配、有序层构造、功率约束的可微二次规划投影、有界延迟修复和可行性恢复回退，并保证受到速率线性化误差和数值求解器容差的影响。仿真表明，DPCC 实现了比所考虑的基于优化和学习的基线更高的长期 QoE，保持了较低的服务卫星更换频率和良好的用户级 QoE 一致性，满足操作最终确定后建模的内容交付期限，并满足默认本地调度设置下的在线时序预算。

同步信号块（SSB）被设计用于在最近的蜂窝网络中将有能力的用户设备（UE）与基站（BS）同步。然而，窄带、低复杂性和低功耗物联网 (IoT) 设备无法利用相同的 SSB 进行同步。为了解决这一限制，本文提出了一种双用途 SSB (DP-SSB)，以使用现有的 SSB 实现低复杂度的物联网同步，同时确保不间断的传统 UE 操作。具体地，选择的解调参考信号(DMRS)符号被连续地映射到DP-SSB的第二和第四符号中的一些物理资源块(PRB)。这些 DMRS 符号使用接收器感知的最小二乘 (LS) 方法进一步优化，在物联网前端的输出上施加独特的时域结构。在物联网接收器处，经过窄带滤波和抽取后获得 DP-SSB 的降速观测值，用于能量检测和顺序时频 (TF) 同步。对于UE，保留基于主同步信号(PSS)和辅同步信号(SSS)的同步，同时评估重新定位的DMRS对信道估计和物理广播信道(PBCH)接收的影响。所提出的 DP-SSB 的性能从检测概率、TF 同步精度、物联网接收器计算复杂度和 UE 侧 PBCH 解码方面进行评估。仿真结果验证了分析检测特性，并与基准同步方案相比展示了可靠的低功耗物联网同步性能，同时保持了传统的 UE 操作。

当感兴趣的信号与同信道干扰源在时间和频率上重叠时，单信道射频 (RF) 信号分离对于减轻干扰非常重要。经典匹配滤波和LMMSE接收器在结构化非高斯干扰下受到限制，而扩散和基于分数的方法通常需要迭代采样或优化。我们提出了 FlowSep-RF，这是一种修正的流匹配框架，可以学习从接收到的混合物到感兴趣信号的干净端点传输。该模型将时域 IQ 样本与频域特征相结合，并使用一个端点速度评估来恢复分离的波形。我们针对经典、判别和生成基线，评估了 QPSK 混合上的 FlowSep-RF 与 OFDM-BPSK、OFDM-QPSK 和 RFChallenge CommSignal2 干扰。 FlowSep-RF 通过一步推理在所有三种设置的评估基线中实现了最低的平均 BER 和 MSE。

我们研究了每个天线、每个符号峰值幅度约束下离散时间高斯多输入多输出（MIMO）信道的识别能力。我们建立了识别能力的上限和下限，该上限和下限与通道等级 $r 成线性比例。$ 可可靠识别的消息数量可以随着块长度 $n,$ 超指数增长，遵循 $M_n(R)=2^{(n\log n)R},$ 其中 $R$ 是可实现的速率。信道等级提供了空间复用优势，可实现更高的速率，从而实现更强的超指数码本增长。这些结果表征了可实现的识别性能中与等级相关的增益。

可见光定位 (VLP) 使用现有 LED 基础设施提供高精度室内定位。然而，在使用光电二极管 (PD) 作为接收器的 VLP 系统中，PD 的快速移动会导致测量不准确，因为离散傅里叶变换 (DFT) 处理产生的是平均值而不是瞬时接收信号强度 (RSS) 值。为了应对这一挑战，我们提出了一种 RSS 校正算法，该算法将惯性测量单元 (IMU) 数据与 VLP 观测结果集成起来，以补偿运动引起的失真。我们的方法利用 IMU 导出的运动参数对 DFT 窗口期间光信号的时间变化进行建模，从而实现瞬时 RSS 估计。该算法嵌入在紧密耦合和简单耦合的 VLP/INS 集成框架中，用于估计移动接收器的位姿。这项工作的目标是高动态室内导航。模拟验证了校正模型，全站仪跟踪实验证实了与模型参考的 RSS 差异减少。在峰值平移速度和角速度分别为 2.25 m/s 和 284 deg/s 的 8 项高动态手持式试验中，相对于具有共享 IMU 的 LiDAR/IMU 参考，校正分别将合并的 3D 位置和 PD 法向倾角均方根误差减少了 56.0% 和 71.9%。数据集和源代码都是公开的。

大语言模型 (LLM) 的边缘部署可以减少交互式服务的延迟，但当用户设备 (UE) 在基站 (BS) 之间切换时，移动性会导致服务中断。为了迅速恢复解码，目标侧边缘服务器必须恢复 UE 上下文状态，这可以通过令牌转发和预填充计算来提供，也可以通过回程上的直接键值 (KV) 缓存传输来提供。本文提出了一种统一的切换 (HO) 设计，该设计联合选择预填充长度并调度回程 KV 缓存交付，以最大限度地减少多个 UE 的最差用户 LLM HO 延迟。由此产生的方案采用了一个易于处理的逐步解决方案，具有明确的可行性条件和建设性的速率调度策略。仿真表明，所提出的方法在各种回程容量、预填充速度和上下文大小方面始终优于基线，为移动感知边缘 LLM 令牌流提供了分析设计见解。

最先进的光学无线定位 (OWP) 通常依靠密集的多发光二极管 (LED) 基础设施、光电二极管 (PD) 阵列或图像传感器接收器来达到厘米级精度，从而导致硬件复杂性和部署成本。本文介绍了一种单光束控制 LED、单 PD OWP 架构，无需相机或 PD 阵列即可实现三维 (3D) 定位。其核心思想是引导发射器通过 K 个已知方向，并利用 PD 处接收到的信号强度变化来首先估计 LED 到 PD 的方向，然后从单个协作光束对准测量中恢复距离，其中 PD 一旦朝向 LED 就会重新定向。我们推导了测向阶段的方向误差界限 (DEB) 和完整 3D 定位系统的位置误差界限，并将转向模式设计作为遗传算法，在 3D 测试台上最小化 DEB。我们开发了三个方向估计器：统计上有效的封闭式广义最小二乘（GLS）、轻量级加权最小二乘（WLS）近似和迭代非线性最小二乘（NLS）估计器。我们证明，所有三个估计器在数学上都独立于接收器方向，无需接收器姿态知识或控制即可实现测向。通过 1,000 次蒙特卡罗试验对 1,792 个测试台位置进行的模拟表明，对于 K = 5 个方向，亚度平均测向误差（GLS：0.54°，WLS：0.61°，NLS：0.52°）和厘米级平均 3D 定位误差（GLS：2.00 cm，WLS：2.25 cm，NLS：1.90 cm），对随机接收器倾斜的测向鲁棒性（降级低于 3%）。

面向任务的通信通过传输下游任务所需的语义信息来提高通信效率，但可能会与先前传输的信息产生冗余。为了解决这个问题，我们提出了一种变分定向信息瓶颈联合源通道编码（VDIB-JSCC）框架，该框架仅传输先前未获取的信息。具体来说，我们使用有向信息来表征与任务相关的增量信息的因果流，并从理论上证明了其相对于互信息和条件互信息的优势。基于这个指标，我们制定了一个定向信息瓶颈（DIB）目标，该目标可以平衡任务相关信息保存和冗余信息压缩。我们进一步推导出一个变分公式，称为 VDIB，其易于处理的上限作为训练损失。编码器集成了用于逐帧语义提取的 Vision Transformer 和用于捕获时间依赖性并提取增量信息的基于 Mamba 的因果状态空间模型，而解码器则使用基于 Mamba 的状态空间模型进行任务推理。在 CIFAR-10 和 CIFAR-100 视频流上的实验表明，与最先进的语义通信方法相比，VDIB-JSCC 能够以更少的传输信息实现更高的分类精度。这些结果表明，利用历史知识可以用更少的信息完成任务，从而提高沟通效率。

这封信研究了有限块长度（FBL）传输和发送器不完美信道状态信息（CSIT）下具有可变长度增量冗余混合自动重传请求（IR-HARQ）的功率受限速率分割多址（RSMA）的吞吐量和可靠性。虽然随着信噪比 (SNR) 的增长，完美的 CSIT 反馈延迟容差接近自然上限，但我们表明，不完美的 CSIT 施加了一个完全由 CSIT 质量设置的严格较低的有限上限，而发射功率无法克服这一上限。我们推导出公共和专用流解码失败概率的解析表达式和严格近似，通过统一的 CSIT 降级因子捕获 FBL 和 CSIT 不确定性。此外，我们还表明，残余干扰会在高信噪比下使有效流功率饱和，从而限​​制可靠性并产生延迟容忍上限。仿真验证了分析并量化了上限，为不完美 CSIT 下的延迟鲁棒 RSMA 提供了设计见解。

在这封信中，我们研究了振荡器相位噪声 (PN) 对 Zak-OTFS 接收器性能的影响，并提出了一种使用学习框架的新型 PN 补偿方案。为此，我们首先推导了存在 PN 的情况下 Zak-OTFS 输入输出 (I/O) 关系的封闭式表达式，这在之前尚未报道过。接下来，利用 I/O 关系中 PN 诱导项的结构，我们开发了一种具有学习辅助细化功能的 PN 补偿接收器。在所提出的接收器中，轻量级卷积神经网络（CNN）估计有效通道，轻量级深度神经网络（DNN）使用其输出来估计 PN 导数。然后使用该估计来构造用于最小均方误差 (MMSE) 检测的 PN 感知有效通道。具有分数延迟和多普勒的 Veh-A 信道模型的仿真结果表明，所提出的接收器能够有效地补偿 PN 并在各种 PN 条件下实现稳健的性能。

大规模的近地轨道 (LEO) 星座为网络内智能提供了有前景的基础，但它们的快速轨道运动使得难以在固定的感兴趣区域 (ROI) 上维持具有地理意义的协作学习。最初与目标区域对齐的卫星群将随着卫星的移动而不断漂移，这使得参与者维护和卫星间模型传播变得复杂。为了应对这一挑战，我们提出了 SkyAnchor，这是一种基于 ROI 的去中心化学习框架，适用于支持 ISL 的 LEO 星座。 SkyAnchor 结合了两个关键组件：1) ROI 锚定块维护机制，通过形状保持、定时器门控和延迟感知锚点移位，使固定基数卫星块在地理上与目标区域保持一致；2) 基于块的去中心化联合学习方案，通过 ISL 模型传播和具有共识动量的全连接逻辑聚合在维护的块上执行协作训练。我们进一步提供了在全连接聚合规则下所得到的学习动态的收敛特征。所提出的框架提供了一种实用的方法来共同支持动态 LEO 卫星网络中的地理服务持久性和协作智能。

直接链路干扰 (DLI) 仍然是基于正交频分复用 (OFDM) 的环境反向散射通信 (AmBC) 系统的主要瓶颈。这封信提出了 Shuf-Scatter，这是一种对反射的 OFDM 波形应用确定性排列以创建独特的相关域签名的方案。通过利用重新洗牌的反向散射信号和直接链路分量之间的准正交性，所提出的接收器有效地减轻了 DLI 并实现了可靠的检测，而无需专用频谱资源或瞬时反向散射链路 (BL) 信道状态信息 (CSI)。分析和仿真结果表明，Shuf-Scatter 在强 DLI 下实现了卓越的误码率 (BER) 性能，同时保留了传统 OFDM 传输的完整性。

本文提出了一种全双工 (FD) 框架，用于保护通感一体化 (ISAC) 免受无源多天线窃听者 (Eve) 的侵害。对手被建模为通信和感知威胁，试图解码上行数据流并估计周围场景。 Eve 的威胁通过位置不确定区域的两个最坏情况要求来量化：数据机密性的最低保密率和感知隐私的最小窃听 Cramer-Rao Bound (CRB)。我们推导了控制数据拦截和场景推理的窃听信息度量，表明传输人工噪声（AN）可以通过逆干扰加噪声协方差降低 Eve 的能力。利用问题的底层结构，我们描述了目标秘密-隐私对的有限功率局部和稳健的可行性条件。分析表明，AN 从根本上来说是受子空间限制的：增加功率仅对 Eve 的通信通道和有效 AN 子空间所照亮的传感导数方向有利。最后，我们提出了一个通过单调分支定界解决的 AN 功率分配问题，并且数值评估量化了保证联合保密和感知隐私所需的 AN 功率。

三维 (3D) 蜂窝网络中的移动性导致空中用户频繁切换和随机停留时间。分析这些事件具有挑战性，因为它们共同依赖于用户轨迹和随机服务边界几何。本文开发了一个统一的几何运动学框架，其中服务区域形成固定随机镶嵌，其边界构成随机封闭集，用户运动遵循巡航转弯移动模型。在规定的平稳性、各向同性和独立性条件下，切换速率满足精确定律 H = (SV =2)v，其中 SV 是比表面积，v 是长期平均速度。前向边界距离分布为平均剩余停留时间的有效遍历近似提供局部几何输入。这些结果将全局和局部几何描述符与互补的移动性度量联系起来。将切换法则与链路覆盖相结合，可以产生切换感知的有效频谱效率，用于基站 (BS) 密度选择和服务架构比较。然后，我们将框架专门用于 Poisson-Voronoi 单基站服务和 Poisson-Delaunay 四基站协调多点服务；在这两种模型下，切换速率均为 λ1/3v。数值结果证实了确切的切换表达式，评估了停留时间近似值，并显示了用户速度和中断持续时间如何影响首选密度和架构。

有时，纠正老化梯度的最佳方法是等待。在物理反向传播中，接收器通过互易信道返回其损耗梯度。对于单个移动天线，天线处返回的平均梯度是通过时间相关性的相位反向旋转的真实梯度。在模拟中，未经校正的训练在负相关波瓣中失败，并在正相关波瓣中恢复。在相关为零时，返回与前向通道无关，因此线性校正无法恢复；在它们附近，更多的校准几乎没有帮助，但保持回报直到下一个相关极值出现。

一种流行的观点认为，尽管神经科学在历史上启发了人工智能，但它在基础模型扩展驱动的人工智能近期演变中的作用很小。我们通过在简化的树突神经元模型和人工智能基础模型的核心注意力机制之间建立生物学类比来挑战这一观点。我们表明，人工智能注意力机制直接映射到树突组织产生的内部神经元复杂性，而不是简单的点神经元的单纯神经元间连接。这种重新概念化不仅提供了一种基于神经科学的视角来理解核心人工智能方法，超越了抽象数学运算的表述，而且还为神经启发的基础模型铺平了道路，这些模型利用神经科学的见解，可持续地推进现代人工智能超越尺度法则。作为该范式的一个例子，我们引入了树突启发的复杂性框架，并设计了具有树突启发的稀疏计算的混合注意基础模型，这增强了内存容量，同时降低了计算需求。我们的模型支持 50M 上下文窗口，相当于大约 40 卷莎士比亚作品，展示了卓越的长期记忆能力。这项工作开创了一种利用神经元内动力学来推动现代人工智能持续进步的范例，同时也提供了理解树突计算机制​​的潜在途径。

设计能够执行计算的超材料面临巨大几何设计空间以及复杂的结构—功能关系。由弱相互作用单元构成的微扰超材料，可通过组合简单几何构件实现高效设计；但传统理论基于线性波物理，难以处理需要非线性的信息加工任务。本文提出微扰超材料的非线性描述，以识别能够执行目标计算的材料几何。其核心是一个非线性局域映射，将超材料形变与编码目标计算的离散紧束缚模型联系起来。我们通过三类计算范式下的信息处理超材料展示该方法的通用性：利用能量最小化求解组合优化的 Ising 机、用于存内计算的机械赛道器件，以及基于模拟神经形态计算的语音分类超材料。

语义通信彻底改变了无线视频传输，但大多数现有方案都针对简单的信道模型进行了优化，而忽略了实际的多输入多输出（MIMO）环境。为了解决这一差距，我们提出了用于 MIMO 通道的上下文视频语义传输 (CVST) 框架。 CVST 建立在上下文视频传输主干上，学习上下文通道相关图来对视频特征组和 MIMO 子通道之间的关系进行建模。利用信道感知特征，我们设计了一种用于信道状态感知可变长度编码的多参考熵编码机制，并集成了基于棋盘的特征调制策略，以通过单个训练模型支持多个速率点。这些形成了我们的多参考可变长度和速率编码（MR-VLRC）方案。通过将上下文传输与 MR-VLRC 相结合，CVST 比标准化分离编码方法和最先进的无线视频语义通信方法实现了显着的性能提升。该代码可在 https://github.com/xie233333/CVST 获取。

由于无线传输可能会导致信息被非预期接收者拦截，物理层安全 (PLS) 提供了一种有前途的方法来保护无线通信的安全。波束成形可以利用无线传播的空间特性将功率集中到目标接收器，同时抑制潜在的窃听者，从而缓解这一漏洞。然而，当无线系统进入大孔径天线阵列的辐射近场时，产生的波前曲率为空间波前工程增强 PLS 提供了额外的机会。在这项工作中，我们研究了不同光束类型在 PLS 中的使用，包括使用均匀线性和平面阵列 (ULA/UPA) 生成的聚焦光束、弯曲光束、突然自动聚焦光束和余弦光束。为了量化其性能，我们引入了基于功率的指标，该指标描述了合法用户和潜在窃听者接收到的功率。对于所有波束类型，我们引入沿垂直 UPA 方向的聚焦，以独立控制沿两个 UPA 维度的相位分布，并增强合法接收器和窃听者之间的功率区分。我们还提出了空心聚焦光束，其中在发射孔径中引入非活动带，以在发射器和合法接收器之间创建受保护的低功率区域。结果表明，垂直聚焦显着增强了 PLS 性能，并且空心聚焦光束在视线 (LoS) 和用户附近 (VoU) 场景中均实现了卓越的 PLS 性能。

通感一体化 (ISAC) 使无线系统能够支持共享资源上的数据传输和目标传感。然而，路径损耗和视线阻塞可能会严重降低传感和通信的性能。这封信研究了功能分离的双可重构智能表面（RIS）辅助ISAC系统，并制定了联合有源和无源波束形成问题，以最大化最小雷达输出信号与干扰加噪声比（SINR），受到每个用户的通信速率约束、基站发射功率约束和每个RIS的相移约束。开发了交替优化框架，其中通过逐次凸逼近来求解发射波束形成子问题，并且将相移子问题转化为提升的半定形式。此外，还分析了半定松弛引起的秩一恢复问题。仿真结果表明，所提出的双RIS方案比传统方案实现了更高的最小雷达输出SINR。

本文提出了一种收缩天线系统，以增强空中无线网络的连接性和效率。通过优化上行链路和下行链路波导中收缩天线元件的放置，可以最大化网络图的代数连通性。在保持最低网络连接指标的同时，最大限度地减少部署的无人机 (UAV) 数量。启发式收缩天线放置算法旨在最大限度地提高网络连接性。还设计了迭代无人机部署算法来找到无人机的最小数量、它们的放置位置以及收缩天线的放置。仿真结果表明，所考虑的收缩天线系统提高了网络连接性和效率。

任何 AIS 发射机都可以声明任何船舶的身份 (MMSI)，因为协议中没有任何内容对其进行身份验证；只有发射机的模拟硬件才能揭示谁是真正的发送者。我们将 AIS 流量视为由声称的 MMSI 键入的突发流，并通过顺序测试积累物理层证据。每个突发均根据其与分类器特征空间中登记指纹的 k 最近邻距离进行评分，分类器的权重在训练后固定，校准为尾部概率，并通过几何熵最小化累积和 (GEM-CUSUM) 统计量进行累积。当针对所有登记的船只进行评分时，相同的测试会拒绝未知的发射器，并且当针对所声称的船只进行评分时，会暴露内部欺骗。当指纹漂移时，仅根据真实流量刷新的阈值就可以使其保持在规定的误报率。根据 13 天在伊斯坦布尔海峡（博斯普鲁斯海峡）捕获的 AIS 同相/正交 (I/Q) 记录，检测器在注册后至少 10 天拒绝看不见的船只。通过对每艘船均等加权的 50 次突发试验进行评估，其 ROC 曲线下面积 (AUROC) 达到 0.956（95% 置信区间 0.913-0.989），其中每次一次突发计算的最佳分数达到 0.899。从登记船舶流量第一季度刷新的阈值显示，误报率为 5.3%（五个独立训练的编码器为 3.0-9.2%），检测率为 88.8%。根据声称的 MMSI 进行评分，欺骗另一艘船只的注册发射机被拒绝为 0.991，这是开放集测试无法发现的威胁（AUROC 0.500，机会级别）。轻量级 Transformer GLFormer 从其论文中重新实现（没有代码公开）并在相同的数据上进行了重新训练，在具有已发布的同相输入的同一检测器中达到 0.652，当给定与我们的编码器相同的 I/Q 输入时，达到 0.849。

水声通信是一种成熟的传输技术，可实现多种应用，包括海岸监视、岸上和近海基础设施的监测和维护、潜水员间通信、水质评估和海啸预测等。尽管该技术允许长距离通信链路（长达几公里），但声学通道带来的挑战（以低比特率和长传播延迟为特征）使其难以支持数据要求高的应用，例如用于驾驶工作级远程操作车辆（ROV）的实时视频传输。相反，光学、电磁射频 (RF) 和磁感应 (MI) 通信等替代技术可在较短距离内提供显着更高的速率。其中，光纤被认为是水下视频传输最有前途的技术，因为它在传输距离方面明显优于射频，在比特率方面明显优于射频。显然，没有一种水下无线通信技术是普遍优越的。因此，在多模式水下网络中集成多种通信技术提供了优化性能的最有效方法。在这些网络中，了解如何最佳地组合传输技术并根据信道条件和预期应用所需的服务质量 (QoS) 选择使用哪一种技术尤为重要。传统的解决方案通过定期观察接收功率或探测通道来选择最佳模式，而最新的解决方案则侧重于资源需求型机器学习算法来进行通道选择。这项工作的主要贡献是提出了多模态水下学习框架 (MULF)，这是一种基于 QoS 的轻量级强化学习 (RL) 算法，可在多模态水下网络中最优地选择最佳传输介质，作为开源 DESERT 水下框架的 C++ 模块进行实现和评估。结果凸显了 MULF 如何优于传统方法，同时仍然适合在许多电池供电的水下底部节点和无人水下航行器 (UUV) 中使用的轻型单板计算机上进行机载部署，无需额外内存，即使在资源高度受限的 Raspberry Pi Zero 上，CPU 使用率也仅增加 6%。

本研究研究了宽带频谱感知中功率、带宽和载波频率未知的正交频分复用 (OFDM) 信号盲检测的高效检测器设计。我们首先描述接收信号模型并进行渐近协方差分析以获得易于处理的离散时间表示。基于该模型，针对单天线接收器设置中的已知和未知噪声功率情况导出了广义似然比测试（GLRT）检测器。所提出的框架随后扩展到多天线接收器，并且针对已知和未知噪声功率情况开发了相应的多天线 GLRT 检测器。重要的是，使用累积和 (CUSUM) 运算，所得检测器可在单天线和多天线设置中简化为高效的一维 (1D) 搜索。我们还提供了传统能量探测器（Conv-ED）和假设一致最强（UMP）测试的理论分析，以揭示系统参数对探测性能的影响。此外，还对所提出的检测器和传统检测器进行了计算复杂性分析。最后，提供综合仿真结果来评估检测概率。结果表明，所提出的检测器的性能接近精灵辅助检测器的性能，同时显着优于传统的检测方法。

这封信考虑了频谱共享卫星地面综合网络（STIN），其中同信道重用可能会导致严重的相互干扰，而集中式资源分配会产生过多的信令开销。联合物理资源块（PRB）调度和功率分配问题被表述为卫星和地面网络之间的分层Stackelberg博弈。为了解决由此产生的混合整数非线性规划问题，开发了分支参数化深度 Q 网络（BPDQN）来处理高维混合动作空间，以及用于稳定领导者-跟随者策略学习的两个时间尺度的不对称训练方案。仿真结果表明，该方法有效地实现了协调频谱共享，并得到了近似的Stackelberg解。

在这封信中，我们解决了天地一体化网络（SGIN）中容量受限的星地无线瓶颈链路的跨层自适应队列控制问题，其中异构突发流量和时变无线服务容量可能会导致持久队列堆积。该问题被表述为马尔可夫决策过程（MDP），并且提出了一种基于通道感知强化学习的自适应队列控制方案（称为 CARL-AQC），以优化连续控制时期的瓶颈链路缓冲区控制。 CARL-AQC 联合利用队列动态、流量负载和无线信道状态，并采用基于近端策略优化（PPO）的框架，具有尺度不变动作表示和 Beta 分布式策略，以生成有界且可行的队列控制动作。进一步引入 LSTM 层来捕获延迟队列动态和通道状态变化。仿真结果表明，与基准队列控制方案相比，CARL-AQC 减少了数据包延迟和数据包丢失，同时保持了有竞争力的吞吐量。

模拟预编码（AP）已在低地球轨道卫星通信中广泛采用，但其同信道干扰抑制的设计仍未得到充分探索。在这封信中，我们提出了一种下行链路系统的迭代信号泄漏加噪声比最大化 AP 算法，以提高频谱效率 (SE)。所提出的算法在每次迭代中都承认封闭式最优解，确保单调收敛到驻点。仿真结果表明，它的 SE 接近于数字预编码基准，并且在低分辨率移相器（3、4 位）的情况下表现出有限的性能下降。

无线资源管理 (RRM) 是 6G 无线网络中的一项基本挑战，特别是在动态用户需求、小区间干扰和异构 QoS 限制的情况下。由于缺乏系统范围的状态信息、动态条件和信号延迟，集中式优化解决方案在实践中通常不可行，这使得基于分布式学习的方法颇具吸引力。然而，传统的多智能体强化学习（MARL）在这种高度动态的环境中难以满足可扩展性和约束满足。我们引入了一个可扩展的两阶段混合学习框架来解决 RRM 挑战，其中正交频分复用 (OFDM) 领域知识被明确纳入 MARL 管道中。在我们提出的两阶段学习框架中，第一阶段根据信道统计分配最小资源以满足用户的QoS要求，避免硬QoS约束下训练策略的低效。随后，在第二阶段采用多代理系统来优化分配剩余资源，以实现系统吞吐量最大化。通过利用结构干扰信息，我们提出了一种可扩展的 MARL 算法，它将原始学习问题分解为可以独立处理的更小的子问题，从而避免动作空间的指数增长而不影响性能。在具有 50MHz 带宽和不同参数的实际场景中进行的广泛模拟表明，我们的方法显着优于现有的优化和学习基线，以最少的资源使用提供高达 40% 的吞吐量改进和 100% 的约束满足。这项工作弥合了无线领域见解和有原则的 MARL 技术之间的差距，表明 MARL 是一个强大的工具（但不是您所需的全部），可以解决 6G 网络中受限的大规模分布式 RRM 的复杂性。

无线技术识别 (WTR) 能够从接收到的无线电信号中识别无线技术，对于频谱监控和管理系统非常重要。现有方法要么依赖于稳健性有限的手工信号特征，要么依赖于在高维同相和正交 (IQ) 样本或频谱图上运行的计算密集型深度学习 (DL) 模型。在本文中，我们研究了一个不同的假设：无线技术可以通过其本地时频复杂性的时间演化来区分。为了捕获这种行为，我们提出了一种基于二维色散熵的轻量级 WTR 框架。从连续的频谱图区域中提取熵值，以表征整个传输过程中局部频谱图复杂性的演变，并总结为紧凑的特征表示，以便使用多层感知器 (MLP) 进行分类。该框架基于七种无线技术进行评估，即 IEEE 802.11ah、IEEE 802.15.4 SUN-FSK、IEEE 802.15.4 SUN-OFDM、LoRa、IEEE 802.11n、LTE 和 5G NR，信噪比 (SNR) 范围为 -20 dB 至 40 dB。实验结果表明，所提出的方法始终优于基于 IQ 和基于短时傅里叶变换 (STFT) 的卷积神经网络 (CNN) 基线，特别是在低和中等 SNR 下。在所有评估的 SNR 水平上平均，其准确率达到 82.73%，比基于 IQ 和基于 STFT 的 CNN 方法分别提高了 23.8% 和 14.6%。此外，该方法通过数据增强训练保持了其识别优势，同时需要显着缩短的训练时间。结果表明，局部频谱图复杂性的时间演化为 WTR 提供了稳健的技术特定指纹和有效、计算高效的表示。

在无线联邦学习场景中，传输条件的异构性和有限的通信资源给参数的高效交换带来了挑战。为了解决这个问题，我们提出了一种用于模型参数更新的量化比特、带宽和客户端调度的联合分配方案。考虑量化和无线传输的影响，我们首先推导全局聚合模型的误差上限作为优化目标，然后在总带宽和信道容量的约束下制定量化比特、带宽分配和客户端调度的优化问题。由于该问题是耦合变量的非凸问题，因此我们通过交替优化方法将其分解为两个子问题。在第一个子问题中，我们基于 KKT 条件推导了最优量化比特的闭式解。第二个子问题涉及带宽分配和客户端调度变量，是一个可行性问题。实验结果表明，在 IID 和非 IID 分区中，所提出的算法比基线方法产生了更好的模型精度。此外，在非独立同分布划分中，准确度的提高是显着的。

基于深度学习的无线信号语义分割往往存在过度参数化、计算成本高、射频物理特性利用不足等问题。为了应对这些挑战，本文提出了一种具有编码器-解码器架构的轻量级频率自适应分割网络（LFA-Net）。编码器通过多尺度特征提取丰富的语义，并通过基于信号和噪声一阶和二阶统计的双加权方案执行轻量级融合。该解码器集成了用于边界重建和通道重新校准的渐进特征细化，以进一步减轻语义边缘模糊。大量的实验结果表明，LFA-Net 仅用 0.287M 个参数和 6.75 ms 的推理时间即可实现 97.31% 的平均准确率，同时在 -10dB 至 60dB 的宽信噪比范围内表现出强大的语义识别性能。源代码可在 https://github.com/husaiyu985/spectrogram-segmentation 获取。

本文研究了多用户移动边缘网络中大型语言模型 (LLM) 的延迟高效分割推理。卸载用户在本地执行其拆分层之前的 LLM 层，在拆分层执行令牌缩减，并将保留的隐藏状态传输到边缘服务器，而完全本地用户则在设备上执行所有层。我们制定了一个混合整数非线性程序，通过在任务性能约束下联合优化分割层、令牌保留率、带宽分配和边缘计算分配，最小化预填充延迟的加权和。然后，我们开发了一种启发式交替优化算法，其中保留率设置为其最小可行值，以闭式获得边缘计算分配，并通过二分确定带宽分配。使用在 Qwen2.5-0.5B-Instruct 上校准的令牌减少和任务性能模型进行的模拟表明，所提出的方法减少了评估资源设置下的延迟，与固定拆分相比，平均配对相对减少量高达 67.5%。

在本文中，我们研究了天线波束方向图模型对低地球轨道（LEO）卫星网络中波束放置问题的影响。与通常依赖于固定天线方向图或预定义半功率波束宽度的传统波束放置研究不同，这项工作比较了四种代表性增益模型，即 Bessel $J_1$ 模型、组合 Bessel $J_1+J_3$ 模型、高斯模型和 3GPP-TR 37.842 模型。对于每个天线方向图，获得相应的半功率角并用于构建用户兼容性图。然后，梁放置问题转化为最小团覆盖问题，并使用基于图着色的算法进行求解。数值结果在有源波束数量、负载平衡、统计信道增益噪声比 (SCGNR) 和信号干扰加噪声比 (SINR) 方面对所考虑的天线模型进行了比较。我们分析了增加有源波束数量对基于 SINR 的频谱效率的影响，以解释仔细控制有源波束数量的重要性。结果表明，天线波束方向图模型会影响波束资源使用和链路质量，凸显了低地球轨道卫星网络中天线方向图感知波束布局的必要性。

长距离广域网 (LoRaWAN) 具有长通信范围和低功耗的特点，使其成为直接卫星 (DtS) 物联网 (IoT) 连接的潜在技术。然而，卫星运动带来的数据包冲突和多普勒损伤会大大增加大规模 DtS-IoT 网络中的数据包丢失率 (PLR)。在本文中，我们通过首先开发一个分析 PLR 模型来研究 DtSIoT LoRaWAN 中的资源分配，该模型同时考虑时域和频域中的多普勒损伤和数据包冲突。为了最大化资源分配，生成的 PLR 被用作两种强化学习（RL）方案的奖励函数：深度 Q 网络（DQN）和近端策略优化（PPO）。仿真结果对照蒙特卡罗仿真验证了分析 PLR 模型，并证明了相对于随机资源分配的显着改进。在目标 PLR 为 3*10^-2 时，虽然随机分配仅支持 100 个终端设备 (ED)，但 PPO 和 DQN 分别支持大约 650 个和 690 个 ED，增加了近七倍。此外，对于 800 个 ED，与随机分配相比，PPO 和 DQN 的传输数据包总数分别增加了 106.7% 和 88.0%。

自动调制识别（AMR）是频谱监控的关键技术，支持射频安全和高效的频谱管理。随着高速空中和地面平台的出现，非协作场景中的 AMR 面临着越来越多的挑战，包括稀缺的标记样本和传播相关的信道损伤，包括多普勒频移、多径衰落和噪声。为了解决这些挑战，本文提出了一种基于多视图度量学习的稳健的少样本 AMR 方法。多个互补信号视图由相同的原始 I/Q 序列确定性地构建，并由特定于视图的编码器进行编码，以保留依赖于视图的判别线索。然后引入类内方差感知自适应度量来降低从支持集估计的不稳定特征维度的权重，从而提高基于原型的匹配在通道引起的扰动下的可靠性。此外，查询感知的多视图融合策略根据查询原型匹配模式自适应地集成视图度量输出，从而能够对不同视图的有效贡献进行查询相关的调整。在各种信道条件和少样本设置下的大量实验表明，所提出的方法优于代表性的最先进方法，并在复杂信道环境中实现了更高的鲁棒性和泛化性。

射频指纹识别（RFFI）是一种很有前途的物联网安全物理层身份验证技术。然而，在不可预测的传播条件下，其性能会严重下降，因为通道效应压倒了微妙的硬件损伤。为了解决这个问题，我们提出了一种新颖的分段残差分量提取框架。核心思想是通道表现为平滑趋势，可以用低阶多项式很好地逼近，而 RFF 形成的锯齿状残差则不能。具体来说，对数信道状态信息（Log-CSI）首先通过线性驱动的分段自适应地划分为准线性区间。然后，在所得片段上拟合并减去连续分段二阶多项式趋势，以提取与通道无关的残差特征。在商用 WiFi 测试平台上对 7 台设备、8 个场景进行的广泛评估表明，我们的方法实现了超过 97% 的跨场景识别准确率。

可重构智能表面 (RIS) 已成为下一代无线网络的关键推动者，通过近乎无源的反射元件提供对传播环境的控制。当与空间调制 (SM) 结合时，RIS 在接收器处形成一组有限的无噪声信号点，并且最大似然 (ML) 检测下的误码率性能由这些点之间的最小成对欧几里得距离控制。在本文中，我们提出了一种低复杂度的RIS相移设计算法，用于实际离散相移控制下的RIS辅助SM。所提出的方法通过对离散的 RIS 相移集进行减少的贪婪搜索直接以最小欧几里德距离为目标，与对齐 RIS 相移以最大化有效通道增益的现有方法相反，因此不直接解决主要错误事件。搜索工作由一小组整数参数控制，提供误码率 (BER) 性能和计算成本之间的可调权衡。我们根据连续和量化的相位对齐基线评估所提出的方法，包括与最直接可比较的基准进行复杂性匹配的比较。数值结果表明，该方法在相同的离散硬件模型下比量化相位对齐获得了显着的SNR增益，并且在不完善的信道状态信息下这种优势仍然存在。

估计潜在窃听者 (Eve) 位置时的定位错误对可重构智能表面 (RIS) 辅助的通感一体化 (ISAC) 系统中的安全传输提出了严峻的挑战。为了解决这个问题，本文提出了一种传感辅助的鲁棒安全传输框架，该框架利用 ISAC 传感来表征由这些错误引起的定位不确定性。 RIS分为反射区和传感接收区，通过空间分离支持传感和通信。通过联合利用在基站 (BS) 和 RIS 传感接收区域收集的观测结果，采用最大似然估计 (MLE) 来估计到达角，并通过交叉定位获得 Eve 的三维 (3D) 位置。然后使用所得的定位 Cramer-Rao 下界 (CRLB) 在​​估计位置周围构造一个椭圆体不确定性区域。制定了两阶段优化策略。在第一阶段，传感波束形成器和RIS反射系数联合优化，以提高定位精度。在第二阶段，由此产生的定位不确定性被纳入稳健的安全传输设计中，其中通信波束形成器和 RIS 反射系数联合优化，以最大限度地提高最坏情况的保密率。仿真结果表明，在保密性能方面，所提出的方法优于没有 RIS 辅助和随机 RIS 配置的基准方案。所提出的框架有效地减轻了 Eve 位置定位错误导致的保密性能下降。

潜在窃听者 (Eves) 的移动性对通感一体化 (ISAC) 系统中的物理层安全 (PLS) 提出了严峻的挑战，因为快速变化的 Eve 位置会导致随时间变化的窃听通道和过时的安全决策。为了应对这一挑战，本文研究了具有机动 Eve 的可重构智能表面 (RIS) 辅助 ISAC 系统的传感驱动安全传输。为此，通过利用ISAC波形的双重功能，基于MUSIC和最大似然估计（MLE）开发了一种联合利用基站（BS）和RIS的多视角估计方法，实现三维（3D）Eve定位，其精度由Cramer-Rao下界（CRLB）表征。随后，采用具有乱序测量（OOSM）补偿的交互多模型扩展卡尔曼滤波器（IMM-EKF）来跟踪和预测机动Eve。基于预测轨迹，更新时变窃听通道，并在感知 CRLB 约束下联合优化发射波束成形和 RIS 相移。此外，开发了一种集成分数规划、半定松弛（SDR）和黎曼流形优化的交替优化（AO）算法来解决由此产生的非凸问题。最后，数值结果证明了所提出的方法在准确跟踪机动 Eve 和增强动态 ISAC 环境中的安全传输方面的有效性。