从论文浪潮中，
辨认真正的研究信号。

本文建立了高斯信令和将干扰视为噪声（TIN）解码下的多用户多目标多输入多输出（MIMO）集成传感和通信系统的信息论框架。该分析通过加权和互信息 (MI) 表征通信性能，并通过加权和 Kullback-Leibler 散度 (KLD) 表征传感性能。为了解决这些指标的维度异质性，引入了基于单功能基线的标准化方法。这种方法将性能效用映射到无量纲单位正方形上，并将归一化可实现区域定义为紧凑且凸的确定性内界。固定策略低信噪比 (SNR) 轨迹通过固定基线惯例下的渐近分析来表征。在低 SNR 状态下，MI 的线性标度和 KLD 的二次标度驱动固定策略权衡轨迹与原点附近的通信轴相切。在高信噪比范围内，忽略跨功能干扰的独立预编码在干扰饱和下的归一化域中表现出渐近效率崩溃，这意味着在指定的持续重叠固定方向范围内抑制预计泄漏阶数是必要的。对于算法构建，开发了一种基于最小化-最大化原理的交替优化算法，通过具有客观保障的实施的一阶多输入单输出块近似来计算标量化操作点。该实现将传感定价加权最小均方误差更新与封闭形式传感协方差细化相结合，并使用客观保障措施来保持接受的目标序列的单调性。数值结果证实了理论缩放定律，并说明了在模拟干扰限制设置中相对于独立预编码基线改进的归一化性能。

流体天线系统 (FAS) 通过从密集的候选网格中激活一些辐射端口来获得空间自由度，但决定激活哪些端口需要了解从未测量过的端口的信道知识。先前的端口选择工作假设完整或接近完整的信道状态信息（CSI），并将导频开销视为固定成本。相反，我们将端口选择和飞行员分配共同制定为主动推理。时空生成模型——子波长空间相关性和 p 阶自回归时间先验——对所有 N 个端口通道保持高斯信念，发射机通过最小化预期自由能来选择其服务的端口及其引导的端口子集，该自由能以可实现的速率与信息增益和端口切换成本进行交换。选择是贪婪的和子模的，每个槽的时间复杂度为 O(NM)。在 n_RF = 2K 的混合前端的 441 端口网格上，代理获得了全 CSI 精灵总速率的 91%，同时仅测量了 2.3% 的候选端口；然后，可以从仍在服务的港口撤回引航员，其中五分之一的飞行员收取总费用的 2%，五分之二的飞行员收取 8%。无需培训。

上行链路多收发器 (TRX) 集成传感和通信 (ISAC) 系统的试点设计提出了调度容量和传感性能之间的基本权衡。传统的交织或基于块的导频会损害最大明确范围或范围分辨率，而相移 ISAC (PS-ISAC) 仍然受到固定循环前缀 (CP) 比率的调度容量限制。本文提出了自适应相移ISAC（APS-ISAC），这是一种重叠的块导频结构，它根据每个TRX的最大信道额外延迟为每个TRX分配唯一的相移，允许多个TRX共享整个时频资源块，同时保持它们的信道脉冲响应（CIR）在时域中连续打包和可分离。我们的分析表明，APS-ISAC：(i) 调度的 TRX 数量大约是基准方法的两倍，同时降低了每个 TRX 接收器的复杂性； (ii) 在每子载波功率约束 (PC) 下实现比交织导频严格更高的可实现速率和略低的误码率 (BER)，并由不完美信道状态信息 (CSI) 下的封闭形式可实现速率下限支持，并且两个指标在总 PC 下均衡； (iii) 在正交时分复用（TDM）数据分配下的导频辅助（P-A）和联合导频数据（J-PD）感测中，在每子载波PC下获得较低的范围均方根误差（RMSE），这是一种能量介导的增益，一旦总辐射能量均衡，该增益就会消失； (iv)同时提供最大的明确范围和最高可能的范围分辨率。这些结果将 APS-ISAC 确立为下一代上行链路 ISAC 系统的可扩展且抗模糊性的试点设计范例。

以最终用户为中心的协作式 MIMO (UE-CoMIMO) 可让附近的设备形成虚拟多天线终端，以克服单个用户设备的天线限制。将这种合作扩展到通信、传感、计算和任务相关信息交换需要一个控制层，该控制层可以解释用户意图、选择合作机制并根据条件变化进行重新规划。本文介绍 Agentic UE-CoMIMO，其中设备微代理、智能手机或 CPE 集线器代理以及边缘/网络代理协调设备参与、中继模式、流量分割和复制、计算布局、语义令牌交换和拓扑重新配置。关于以创作者为中心的直播和可穿戴协作盲点传感的两个系统级场景研究将所提出的控制器与功能匹配的自适应基线进行了比较。结果表明，通过预测变化并提前准备合作和后备行动，代理控制可以更长时间地维持高质量的流媒体，并通过设备中断保持盲点警告。我们还讨论了相关的标准化、互操作性、信任和验证挑战。

第六代 (6G) 无线网络的发展正在推动更大的天线阵列和高度定向的多波束传输，从而使准确了解波束相关的空间覆盖对于波束管理和环境感知网络操作非常重要。无线电地图（RM）提供了这样的表示，但传统的 RM 预测假设全向或发射机级辐射。在波束成形多输入多输出 (MIMO) 系统中，一种传播场景反而会产生许多依赖于配置的波束无线电图 (BeamRM)，从而给波束表示和泛化带来挑战。现有方法要么对波束描述符进行条件预测，要么使用波束图作为通用架构的辅助输入。我们提出了 BeamRMX，据我们所知，它是第一个将空间辐射模式视为主要 BeamRM 查询并学习场景几何如何将其转换为接收功率场的专用框架。 XBase 学习辐射查询和场景几何之间的多尺度交互，而可选的证据适配器使用来自同一场景的一些交叉配置 BeamRM。匹配域和零样本实验显示出相对于确定性和扩散基线的一致增益，包括在未见过的场景上平均绝对误差减少了 26.1%，在未见过的配置上平均绝对误差减少了 47.8%。交叉配置证据进一步改善了重建和扇区内波束细化。

正交时频空间 (OTFS) 调制利用延迟多普勒 (DD) 域将时变通道转换为准静态表示。基于矩形波形的 OTFS (RW-OTFS) 作为一种实际实现，被广泛认为继承了这一优势。然而，在本文中，我们证明在 RW-OTFS 中，分数多普勒频移破坏了这种时间不变性，导致时变信道响应失真，这对传统的信道估计和检测方法提出了挑战。为了在时变 DD 域通道下实现可靠​​检测，本文引入了一种针对 RW-OTFS 的决策反馈辅助动态相位补偿 (DFDPC) 方案。所提出的DFDPC方案实现了时变DD域信道的分数多普勒频移的高精度估计，并通过检测到的数据符号的决策反馈消除了残余估计误差的累积效应。此外，DFDPC 中的动态相位补偿还解决了由分数延迟引起的估计误差。仿真结果验证了DFDPC在时变DD域信道下保持优异的性能，同时能够实现扩展帧长度的可靠传输。

集成传感、通信和计算（ISCC）为室内以人为中心的应用提供了一个有前途的框架。在这些应用中，短期人体姿势预测有助于连续的人体姿势跟踪和主动资源分配。本文提出了一种 Cramer-Rao 界（CRB）引导的传感框架，并研究了资源受限的 ISCC 系统中最小化预测误差的问题。具体来说，首先开发了姿势预测模型（ET-Mamba）来预测人体关节位置以进行连续跟踪。为了解决计算资源的限制，轻量级预测头被附加到不同的推理层，从而实现自适应深度姿态预测。然后引入 CRB 引导的扰动策略，将不同传感 SNR 水平下的传感不确定性转化为点云扰动。在此基础上，建立了位姿预测误差、传感信噪比和模型推理深度之间的经验关系。此外，为了提高有限资源下的预测精度，本文提出了资源分配优化问题，通过联合优化波束形成矩阵、模型推理深度和计算频率来最小化位姿预测误差。为了解决这个混合整数非凸优化问题，我们提出了一种基于交替优化（AO）的算法，其中闭式更新和半定规划（SDP）被集成到迭代求解过程中。仿真结果表明，该方法在资源限制下有效地将位姿预测性能提高了35%，验证了ISCC系统中进行联合感知、通信和计算设计的有效性。

我们研究了一个预言子空间扰动模型，其中 3D 定位过程被赋予一个 \(s\) 维子空间 \(\widetilde{\mathcal U}\) 和一个确定性误差界限 $\eps_{\rm sub}$ 来测量 $\widetilde{\mathcal U}$ 和具有波数的远场模式 $\cU$ 之间的正弦 -theta 距离$\kappa$。在明确的任意云分离和条件假设下，我们证明了扰动球形 MUSIC 目标 \[ \widetilde q(\bz) = 1-\|P_{\widetilde{\mathcal U}}\varphi_\bz\|_2^2 \] 在每个球 \(B_{\gamma/\kappa}(x_j)\) 中具有唯一的强凸井，并且目标在并集之外具有统一的值间隙经认证的井。具有 \(h\asymp\kappa^{-2}\) 的固定步长梯度图使每个经过验证的井保持不变，并线性收敛到其独特的最小化器。因此，对 \(O(\kappa^{-1})\) 网格进行阈值处理，然后从所有接受的网格点进行梯度下降并删除重复项，即可恢复所有相关最小值。任意云框架分析通过绝对相干行和和格什戈林定理给出了充分条件\[ \kappa\delta_X\gtrsim s^{2/3} \]。我们还构造了低于 \(s^{1/6}\) 尺度的下框反例、低于 \(s^{1/3}\) 尺度的上框反例，以及显示指数 \(2/3\) 对于绝对行和参数来说是最佳的示例。后者是证明方法的清晰度结果，而不是光谱必要性声明。最后，对于包含一致允许的单点位移路径的参数类，我们证明确定性预言定位模为 \[ \mathfrak R(\eps) \asymp \frac{\eps}{\kappa}。 \]

流体天线系统 (FAS) 已成为无线通信的一种有前景的范例，可实现通道可重新配置，从而提供新颖的空间自由度。然而，在 FAS 中有效获取准确且高分辨率的通道状态信息 (CSI) 仍然具有挑战性，这主要是由于其动态空间结构和有限的相干时间。本文提出了一种新颖的扩散框架，该框架将部分观察到的 CSI 矩阵作为马尔可夫链的终端状态，并专门在未观察到的端口上运行。在此框架的基础上，我们设计了一个基于 UNet 的架构，称为通道外推 UNet (CEUNet)，它集成了修改后的 MaxViT (mMaxViT) 块和残差块 (ResBlocks)，以联合捕获局部和全局通道依赖性，以实现准确的 CSI 外推。对 Jakes 通道模型进行了大量实验来评估 CEUNet。数值结果表明，即使只有两个采样步骤，CEUNet 在所有信噪比和观察比的估计精度方面始终优于最先进的深度学习模型。此外，还进行了全面的复杂性分析，以比较 CEUNet 与基线模型的计算效率，同时进行消融研究，以定量评估集成到所提出的 CEUNet 中的每个组件的贡献。

在本文中，我们研究了无小区大规模 MIMO-OFDM 系统高动态环境中基于指纹的定位，并提出了 CLALoc，一种长期自适应指纹定位方案。我们首先构建基于角度延迟域信道功率矩阵的指纹，该矩阵封装了基于关键定位的信道特征。随后，通过半监督转移学习利用众包指纹来自动推断可靠的位置标签，从而允许指纹数据库增长而无需昂贵的手动收集。随着时间的推移，环境变化不断出现，基于元学习的适应机制只需少量新收集的指纹即可实现快速模型调整。为了确保持续更新期间的稳定性，采用梯度情景记忆来保存代表性历史知识并减少灾难性遗忘。基于 DeepMIMO 和 Wireless InSite 生成的动态信道数据集的仿真结果表明，与现有指纹定位方法相比，CLALoc 显着提高了定位精度和鲁棒性，特别是在长期动态环境中。

由于计算复杂性和复杂的近场传播效应，超大规模多输入多输出 (XL-MIMO) 系统的波束成形设计具有挑战性。为了解决这个问题，我们首先制定信息级全息 XL-MIMO 限制，并推导波束成形范式，该范式形成连续孔径波前，而不是优化离散天线变量，从而减轻设计复杂性随阵列尺寸的增长。然后，我们将此范例应用于双近场 (DNF) 场景，其中收发器耦合会降低传统迭代算法的性能。对于此应用，我们提出了一种虚拟点源（VPS）方法，该方法通过一个可分析处理的球面波来近似目标连续波前。提供了几何光学分析，以便在所考虑的单 VPS 结构下以非迭代方式获得闭合形式的 VPS 位置，从而解耦耦合的 DNF 问题。所提出的方法在智能反射面（IRS）辅助系统中进行了演示，仿真结果表明，我们的非迭代方法实现了与收敛交替优化（AO）算法相当的性能，同时显着降低了复杂性并避免了收敛不确定性。这里，全息是指在实际阵列上实现之前设计一个保留信息的连续波前； VPS是其针对所考虑的DNF场景的应用程序级实现。

提出了一种衰落通信信道下基于连续孔径阵列（CAPA）的集成传感与通信（ISAC）框架。开发了基于连续算子的信号模型，并通过朗道特征值定理表征通信信道增益的统计数据。在此基础上，通过考虑三种连续波束形成设计来分析基于CAPA的ISAC系统的性能：i）优化传感性能的以传感为中心（S-C）的设计，ii）优化通信性能的以通信为中心（C-C）的设计，以及iii）平衡传感与通信权衡的帕累托最优设计。对于S-C和C-C设计，导出了感知速率（SR）、遍历通信速率（CR）和中断概率的封闭式表达式，并进行高信噪比渐近分析以获得复用和分集增益。对于帕累托最优设计，推导了实现帕累托边界的帕累托最优波束形成器，并表征了可实现的 SR-CR 区域。数值结果表明，所提出的 CAPA-ISAC 方案优于传统的基于空间离散阵列的 ISAC 和基于 CAPA 的频分传感和通信。

本文研究了毫米波 (mmWave) 车辆到基础设施 (V2I) 无线系统的环境传感辅助主动基站 (BS) 选择和波束预测。我们利用车载全景街景图像和预加载的卫星地图来预测车辆周围与通信相关的环境信息，包括附近建筑物的占地面积和高度。预测的高度图提供了紧凑的环境先验，并与历史移动性信息相结合，共同预测下一个时隙视线 (LoS) 状态、传输速率以及发射和接收波束选择。在覆盖澳大利亚新南威尔士州不同现实世界区域的数据集上，所提出的框架实现了 91.4% 的视距分类准确率、0.638 bps/Hz 的数据速率预测平均绝对误差，以及在地理上不可见的区域中比传统反应基线高 40% 以上的传输速率，优于所有评估的可部署的基于学习的基线。数据集和代码将发布在https://github.com/Huzijiao/Cross-view_V2I

传统的近场码本统一覆盖规定的角度距离区域，这可能会在特定场景环境中产生冗余码字和过多的导频开销。这封信提出了一种分布式感知变分码本学习 (DAVCL) 框架，该框架联合学习上行链路 (UL) 传感、有限码本构造以及从未标记的信道样本中的直接波束选择。学习的仅相位感测矩阵将 T UL 导频映射到高斯混合潜在空间，其解码分量均值形成 K 个恒模（CM）码字，并且其后验直接选择码字而无需波束扫描。仅解码器的速率细化阶段进一步改进了原型到波束的映射，同时保留了学习到的后验选择规则。仿真表明，与基于几何和基于学习的基线相比，DAVCL 提高了有效率并减少了冗余码字。

近场区域中距离相关的自由度（DoF）和球面波前现象为集成​​传感与通信（ISAC）的发展开辟了新的途径。然而，大多数采用混合波束成形架构的现有工作缺乏适应空间变化的自由度的灵活性，因此没有充分利用近场特性。在本文中，我们考虑采用混合模拟/数字架构的近场 ISAC 系统，其中动态调整有源射频 (RF) 链的数量以平衡通信速率、传感精度和功耗。具体来说，我们在发射功率和传感波束图约束下制定了能量效率最大化问题。我们开发了一个基于模型的优化框架，联合优化混合波束成形矩阵和射频链选择。为了降低计算复杂性并增强可扩展性，我们开发了一种具有约束保留重参数化的图神经网络（GNN-CPR），它利用知识引导的学习机制通过图结构特征聚合来学习波束成形矩阵，同时满足约束。仿真结果表明，所提出的基于模型的优化和 GNN-CPR 算法比基线方案实现了更高的能源效率。虽然所提出的基于模型的优化算法提供了更好的性能，但所提出的 GNN-CPR 算法在计算效率方面提供了显着的优势。

超大规模阵列（XL 阵列）被设想为未来太赫兹（THz）通信网络的关键技术。然而，近场光束分裂效应严重降低了宽带太赫兹 XL 阵列系统中的光束训练性能。在这封信中，我们揭示了近场阵列增益对角度失配比对距离失配更敏感，这激发了角度优先两阶段波束训练方案。具体来说，首先利用可控光束分裂效应生成的角度光束在分区的角度区域内进行角度搜索，然后通过可控距离光束进行距离细化。此外，引入了中心子阵列设计，以提高附近用户角度估计的鲁棒性。数值结果表明，所提出的方案实现了接近最优的速率性能，同时显着降低了训练开销。

在具有硬件损伤 (HWI) 的可扩展无小区大规模 MIMO (CF-mMIMO) 系统中，高效的预编码设计对于在功率和服务质量 (QoS) 约束下最大化能源效率 (EE) 至关重要。然而，传统的基于优化的方法面临可扩展性和复杂性方面的挑战，而现有的基于学习的方法则难以平衡性能和泛化性。为了应对这些挑战，我们开发了硬件感知 (HA) 预编码，以及定制的 EE 优化和学习策略。首先，利用上下行二元性，我们设计了 HA 预编码器并分析了它们对 HWI 因素的依赖性。考虑到公式化的预编码优化问题不能直接转化为实值形式，我们提出了一种复杂的投影梯度方法，其投影步骤具有封闭形式的解决方案。此外，我们引入了一种基于低秩（LR）Transformer 的神经网络，该网络集成了监督和无监督学习，用于虚拟上行链路功率和下行链路预编码向量的隐式联合优化。仿真结果验证了所提出的方法实现了显着的 EE 增益、降低了计算复杂性和强大的可扩展性。

集成传感和通信 (ISAC) 要求传输波形能够同时保持通信质量、提供可靠的传感并与实际射频前端保持兼容。本文考虑了离散时间 ISAC 波形设计问题，该问题从称为模糊域感测信号与干扰加噪声比 (AF-SINR) 的新指标的角度最小化发射功率。所提出的 AF-SINR 量化了所需的模糊函数主瓣功率与本地延迟多普勒感兴趣区域内的加权聚合旁瓣泄漏和噪声之间的比率，从而提供了本地化和噪声感知的传感 QoS 测量。为了实现 ISAC 操作，还要求波形满足每个用户的有效通信 SINR 约束，同时施加峰均功率比 (PAPR) 约束以促进实际实现。由于分数 QoS 表达式、四次模糊度项和波形相关的 PAPR 约束，所产生的能量最小化问题是非凸的。为了应对这一挑战，我们提出了一种分数规划逐次凸逼近（FP-SCA）算法。仿真结果验证了所提出的方法满足所有要求，同时保留了局部延迟多普勒区域的局部模糊度抑制。

基于学习的调度器已被提出来在分布式无小区集成传感和通信系统中提供实时用户、目标和接入点（AP）关联。在一种典型的方法中，图神经网络 (GNN) 在混合整数线性程序的标签上进行训练，在一次前向传递中将轻量级的每 AP 统计数据映射到 AP 聚类、用户和目标调度以及模式选择的决策。这些解决方案假设硬约束（仅作为软训练惩罚强制执行）保持推理，并且自我报告的统计数据是真实的。以我们的 ASSENT 算法为例，我们发现尽管 $F_1$ 得分很高，但许多解决方案至少违反了一个硬约束，这表明高预测精度并不能确保联合可行性。将 GNN 输出投影到可行的解决方案上，即使使用简单的贪婪修复程序，也能以较低的效用损失恢复约束满足。我们进一步表明，仅可行性并不能保证对虚假数据注入攻击的鲁棒性。单个恶意AP上报虚假信息并不能大幅增加其用户关联性，但会大大增加不可行解决方案的比率。此类攻击的效果取决于被伪造信息的类型。影响目标的误报信息可以在很大程度上通过可行性预测得到缓解，而影响约束的伪造信息则不能。然而，后者可以使用低复杂度的跨 AP 一致性检查来检测。这些结果表明，除了传统的准确性测量之外，还应该使用约束感知的可行性指标来评估学习的 ISAC 调度程序。

联合通信和雷达传感，也称为集成传感和通信（ISAC），正在将当前网络演变成具有巨大潜力的多功能系统。这项工作研究了有限块长度（FBL）机制中的 ISAC 多路访问问题，该问题在现有研究中很大程度上被忽视了。考虑双功能ISAC接收器，其同时解码来自多个用户的信息并在上行链路传输中执行信道状态感测。总体而言，对双功能 ISAC 多址系统的能源效率和通信传感权衡的基本限制进行了分析。具体来说，在固定块长度和能量约束下表征能量效率的可实现性界限以及解码误差和感测精度的相应性能底线。在不同用户密度下比较了代表性 ISAC 多址接入方案（包括 TDMA、ALOHA 以及功率域和码域非正交多址接入 (PD/CD-NOMA)）的 FBL 能效，表明 CD-NOMA 针对接入密度表现出最稳健的能效，而其他方案仅在低密度下表现良好。通过与导出的精确成对误差概率相关，进一步检查和证明了导出边界的紧密性。此外，还揭示了 FBL 体制中双功能 ISAC 多路访问的通信传感权衡。此外，我们推导了通用传感参数的通用 Cramér–Rao 界 (CRB)，以证明将信道估计视为高级传感目标的有效性，并通过基于 3GPP 的信道建模的说明性示例进一步验证了该方法。数值结果证实了能源效率分析、边界紧密性和通信传感权衡，为双功能 ISAC 多址系统提供了见解。

利用环境数据进行波束预测可减少无线波束训练开销。然而，现有框架假设持续访问新的传感数据，这种假设在传感预算限制或传感器故障的情况下会崩溃。为了使其更加实用，本文提出了一种在平均传感速率约束下运行的传感辅助光束预测框架。我们将信息年龄（AoI）作为合成输入模态直接纳入波束预测管道中：最近捕获的数据的年龄被编码并通过门控机制与视觉特征融合。这为预测器提供了有关输入传感数据可靠性的明确上下文信息。我们在平均传感预算下正式确定并检查了三种固定采样策略：累积采样、统一采样和随机采样。我们进一步开发了一个知识蒸馏（KD）框架，该框架作为鲁棒性正则化器而不是纯粹的模型压缩方法运行。特别是，高容量教师在完全采样的数据上不受限制地进行训练，并且其代表性知识被转移到在传感预算下部署的紧凑学生。我们在 DeepSense 6G 数据集上进行数值实验。结果表明，AoI 融合在严格的传感预算下几乎将 top-1 精度提高了一倍，而年龄感知模型仅用 20% 的数据就实现了近乎最佳的 top-3 精度。此外，我们发现教师培训制度是比蒸馏损失函数更重要的设计选择。

人工智能原生通信越来越致力于支持预测，而不是重现源的每个细节。这种转变提出了传统源编码隐含的一个基本问题：当最终目标是预测时应该保留什么？我们将源引起的预测状态作为保真度对象。它是以源观察和共享上下文为条件的指定未来的分布。我们证明这种状态对于精确的预测保存来说是足够的并且是最小的。然后，终端预测损失将通信失真定义为预测性能损失而不是源重建误差。在对数损失下，这种失真等于通信中损失的条件互信息。使用接收器端预测状态作为贝叶斯参考，我们将人工智能接收器误差分为通信中丢失的预测值、模型系列无法使用的接收器可用值以及部署模型未实现的系列功能。相同的预测状态也足以满足匹配压缩。对于有限字母表无记忆源，与直接对状态进行编码相比，访问原始源没有速率失真优势。将相同的目标条件构造应用于顺序预测揭示了动态边界。由固定水平线引起的状态对于该水平线来说是最小的，但随着目标窗口移动可能不支持递归更新。以整个未来为目标会产生一个最小的完整未来状态，该状态递归更新并接受马尔可夫表示。总之，这些结果将人工智能通信从源重建转变为预测状态保存。

超大规模多输入多输出 (XL-MIMO) 可实现第六代 (6G) 通信的近场特定位置波束聚焦。均匀圆形阵列 (UCA) 具有旋转对称性和均匀方位角覆盖，已成为近场 XL-MIMO 系统的关键支持架构。在本文中，我们提出了一种用于近场 UCA 系统的分辨率感知分层码本，以及有效的两阶段波束训练方案，以显着减少训练开销。具体来说，我们基于几何球面波传播模型描述了UCA系统在近场区域的最小可分辨距离，揭示了它们在联合角度-距离域的空间分辨率能力。在此结果的指导下，我们设计了一个UCA特定的分层码本，其中高能效的距离鲁棒波束成形（DRBF）码本提供粗方位角定位，而根据最小可解析距离采样的全精度（FP）码本可实现精细的角度距离波束搜索。正则化模态补偿抑制弱模放大，并在单位范数传输下的绝对幅度增益和距离鲁棒性之间提供可控的权衡。基于此密码本，我们开发了一种分层解耦架构贝叶斯回归（HDA-BAR）方案，用于快速准确的近场波束训练。对于所考虑的阵列配置，最终的 HDA-BAR 训练过程需要 384 美元的探测槽，相对于传统的近场穷举搜索基准，相当于大约\(99.66\%\)的开销减少。

这封信介绍了一种基于 OFDM 的混合波束成形 (HBF) 设计，适用于混合近场/远场（混合场）环境中的宽带超大规模 MIMO (XL-MIMO) 系统。随着亚太赫兹和毫米波系统孔径的增大，瑞利距离大幅增加，近场 (NF) 和远场 (FF) 组件在单个链路中共存，而传统的仅 FF 波束形成会遭受严重的场间干扰。我们在倾斜投影框架内制定场分离，该框架仅使用两个子空间的基矩阵将信号子空间与干扰子空间隔离，而不需要正交性。第 1 阶段从 NLoS 分量构建 FF 子空间，并提取 NF 子空间作为其正交补残差；这种顺序构造使两个子空间完全正交，因此倾斜投影仪可以简化为正交投影仪，不需要反转或正则化。然后，由分离的分量形成单个虚拟模拟矩阵（由于模拟波束形成器在子载波之间共享，因此从频率平均通道计算一次），并通过其 SVD 提取 FRF。第 2 阶段通过 FRF 看到的有效信道的 SVD 设计每个子载波基带矩阵 FBB[k]。仿真结果表明，在整个 SNR 范围内，频谱效率优于仅 FF 和仅 NF HBF。

集成传感和通信 (ISAC) 可实现无人机 (UAV) 网络中的同步通信和环境传感，但其性能受到全双工 (FD) 传感中的物理天线孔径和残余自干扰 (SI) 的限制。为了解决这些问题，我们提出了一种共享孔径 ISAC 架构，其中稀疏互质阵列（CPA）嵌入到均匀线性阵列（ULA）网格中以进行 FD 传感，而其余天线位置支持时分双工（TDD）通信。我们通过顺序 Cramer-Rao 界 (CRB) 分析来表征传感性能，表明 CPA 在单目标和非简并多目标场景中都比分区 ULA 基准实现了更强的渐近传感增益。我们进一步揭示了相同物理孔径下的时空采样权衡。基于所提出的架构，我们提出了一个非凸联合资源分配问题，通过在感知精度、BS发射功率、通信QoS和剩余SI约束下联合设计感知发射协方差、下行链路预编码器和上行链路接收波束形成器来最大化加权下行链路-上行链路总和速率。开发了一种基于交替优化的算法。仿真证明了与所考虑的基线相比一致的性能增益，并确认了 CPA 虚拟孔径和传感协方差优化的互补优势。

联合波束成形优化是实现无小区大规模多输入多输出（MIMO）系统高效集成传感与通信（ISAC）的基本挑战。在波束成形矢量域中，设计问题是非凸的，因为发射侧感测目标和用户信号与干扰加噪声比 (SINR) 约束均与发射波束成形矢量呈二次方关系。一种常见的方法是半定松弛 (SDR)，其中删除传输协方差矩阵的秩一约束以获得凸半定规划 (SDP) 问题。然而，宽松的SDP解决方案的秩可能大于1，因此不能直接映射到可行的发射波束成形向量。因此，需要高斯随机化来恢复一级波束形成候选。与 SDR 方法相比，本文提出了一种基于凸差算法（DCA）的优化框架，在优化过程中直接强制执行秩一结构。具体来说，秩一要求由每个发射协方差矩阵上的 DC 惩罚项表示，其将迭代正则化为秩一波束成形协方差矩阵。基于这个框架，我们开发了一个针对协调无细胞架构的 DCA 实现，结合了高效的次梯度计算和自适应惩罚调度机制。仿真结果表明，该机制实现了与基于半定规划的联合感知和通信优化（JSC-SDP）机制相似的感知信噪比和最小通信信噪比。此外，所提出的 DCA 将 1 级违规率降低了高达 81%，并将归一化通信传感光束重叠减少了约 33.3%。

收缩天线系统（PASS）可以通过辐射点放置来重塑集成传感和通信（ISAC）信道，但一种载波状态通常无法同时调节多用户信道并相干地组合目标回波。这封信研究了这种不匹配的可移动信号多路访问 (MSMA)。数据流共享一个块冻结通信状态，并通过联合馈送预编码进行分离，而编码传感参考在相同的 PASS 几何结构上占据第二个块冻结状态。开发了一种衰减感知引导加球形通道模型，该模型具有明确的点目标系数和两个状态分量之间的有限接收滤波器重叠。对于所得的与目标相关的扰动协方差，导出精确的条件 Fisher 信息矩阵和 Cramér-Rao 下界，然后导出将状态分辨率与 PASS 引起的延迟方差相关联的局部曲率定律。三块方法筛选有限状态对，联合选择结构化预编码方向并分配流功率，并更新有序收缩位置。每个报告的迭代对于原始 SINR 和功率约束都是可行的，并且仅当精确的感测目标不降低时才被接受。数值结果显示了相对于固定载流子、单态和固定几何设计的增益。

基于无线电的同步定位和地图构建 (radio-SLAM) 为用户设备 (UE) 定位和无线电特征地图构建提供了一种有前途的解决方案，无需外部定位基础设施，其可行性已通过集成传感和通信 (ISAC) 原型得到了证明。然而，无线SLAM的性能受到无线设备的传感能力和不规则UE运动的限制，需要融合多模态传感器以发挥多模态SLAM的互补优势。重要的是，现有的多模态 SLAM 方法尚未开发，并且没有利用 SLAM 输出来增强通信，也没有在原型中进行演示。为了应对这些挑战，我们提出了一种多模态 SLAM 框架，集成了 SLAM 辅助光束管理、融合无线电测量、惯性测量单元 (IMU) 数据和立体相机图像，以增强不同照明条件下视距 (LoS) 和非视距 (NLoS) 场景中的定位鲁棒性和映射精度。由此产生的定位和映射信息有利于波束跟踪和阻塞预测。我们进一步开发了一个 ISAC 原型系统，能够在动态场景中收集同步多模态数据。实验表明，所提出的 SLAM 在明亮和弱光条件下均实现了分米级的 UE 定位和无线电地图构建。光束管理模块可实现精确的光束对准，平均光束方向角度误差为 0.0403 rad，并可实现视距和非视距路径上平均检测率为 84.33% 的阻塞预测。收集的数据集和实现被公开发布，以支持多模式 ISAC 的可重复研究。

收缩天线 (PA) 通过调整介质波导上的辐射元件的位置来重新配置无线信道。在本文中，我们提出了一种用于 6G 上行链路通信的 PA 辅助索引调制多址（PA-IMMA）方案，其中每个用户通过调制符号和时隙索引来传达信息。我们进一步开发了PA位置优化算法，通过最大化最小等效信道增益来使PA部署适应用户分布，从而提高最弱用户的BER性能并增强用户公平性。仿真结果表明PA-IMMA优于传统的基于PA的时分多址，验证了所提优化算法的有效性。

无小区 MIMO 集成传感和通信 (CF-ISAC) 系统可以利用分布式接入点 (AP) 来提高通信和传感能力。然而，不完善的信道状态信息（CSI）削弱了波束成形设计的努力，导致CF-ISAC系统的性能下降。为了解决这个问题，这封信提出了一种用于 CF-ISAC 系统的鲁棒波束成形设计算法。具体来说，我们首先制定一个优化问题，最大化用户设备（UE）的加权和速率（WSR），并利用阈值分别微调UE的通信性能和目标的感测性能。为了解决问题的非凸性，利用拉格朗日对偶变换和二次变换将目标函数转化为凸形式。此外，还采用 S 过程、Schur 补集和泰勒展开将约束转换为凸形式。最后，将原始优化问题转化为一组易于处理的半定规划（SDP）子问题。仿真结果表明，所提出的鲁棒算法在不完善的 CSI 下表现出更高的概率满足每个 UE 的通信速率约束。

在本文中，我们提出了一种用于无小区多输入多输出（MIMO）系统的时分近场集成传感和通信（ISAC）框架，其中传感和下行链路通信在时间上是分开的。在感测阶段，估计用户位置并用于构建位置感知通道，然后在后续通信阶段中利用这些通道。通过对传感引起的定位误差和信道估计误差之间的耦合进行显式建模，我们捕获了传感精度和通信频谱效率（SE）之间的权衡。基于该模型，我们联合优化了不完美信道状态信息（CSI）下的时间分配比、感知协方差矩阵和鲁棒下行链路波束成形。由此产生的非凸问题通过交替优化框架内基于半定规划 (SDP) 的重构来解决。为了进一步降低计算复杂度，我们还提出了两种低复杂度次优设计：功率分配方案和错误忽略方案。仿真结果表明，所提出的方案显着提高了远场和单基地设置的定位精度，从而减少了信道估计误差并最终增强了 SE。此外，基于功率分配的方案通过调整时间分配比，在广泛的传感要求下保持鲁棒性，尽管存在一些波束成形损失，而误差忽略方案在严格的传感要求下表现良好。

室外到室内亚太赫兹 ISAC 链路在波束和速率自适应之前需要服务角度穿透损耗裕度。这封信研究了用于链路裕度预测的校准纯功率传感；在已知几何形状、偏移和 ITU-R P.2040-4 材料损失先验条件下，壁厚和相对介电常数是紧凑的干扰状态。我们表明，非相干 P.2040-4 模型的局部对数参数 Fisher 信息矩阵在单个入射角处接近退化，因为带宽改变了吸收尺度而不是梯度方向。方差感知的两角度设计将 30° 服务角度损耗预测标准偏差从 1.1 dB 降低至 0.07 dB，释放约 1.7 dB 的单侧链路裕度。连贯的 TMM/CST 压力测试和不匹配的 MLE 检查量化了模型范围。

通信瓶颈仍然是大规模部署联邦学习（FL）的主要障碍。本文提出了一个构建高效沟通的 FL 的综合框架，该框架建立在三个基本支柱之上：模型压缩、客户选择和资源分配。我们首先调查每个支柱的最先进技术，特别阐明量化、修剪和低秩近似如何减少有效负载；智能客户端调度程序如何利用异构性；以及集成传感与通信 (ISAC) 和无线计算 (AirComp) 等新兴通信范例如何重新定义带宽和能源利用率。随后，这些见解通过面向任务的设计理念得到统一，该设计理念将策略选择与跨层、多目标优化相结合。为了验证所提出的框架，我们提出了一个自动驾驶案例研究，其中有两个互补的实验：面向任务的客户端调度策略，在相同的通信时间预算下提高对象检测精度，以及联合量化带宽优化，进一步减少动态网络下的总训练时间。这些实验共同证明了面向任务的整体设计在实际 FL 部署中的优势。

在本文中，我们研究了通用多输入多输出集成传感和通信（MIMO-ISAC）系统的发射波束成形设计，其中双功能基站（BS）同时与多个多天线通信用户（CU）通信，并在存在多个信号相关杂波的情况下检测多个目标。在多目标传感场景中，确保所有目标的基线传感性能至关重要，因为即使是单个目标的漏检也可能会降低整个系统的可靠性。为此，我们采用最大最小公平（MMF）准则，并在通信服务质量（QoS）要求和总发射功率约束下制定最小感知互信息（SMI）最大化问题。与传统的基于 CVX 的方法不同，我们开发了一种新颖的低复杂度算法，该算法集成了铭文重构、矩阵分数规划（FP）和投影外梯度（PEG）方法，以有效处理公式化的非凸和非光滑优化问题。此外，还引入了两种基准算法来验证所提出的面向MMF设计的有效性。此外，所提出的算法被扩展到BS对于通信和感测信道都具有不完善的信道状态信息（CSI）的场景。最后，数值模拟结果证明了所提出的设计在完美和不完美 CSI 条件下的优越性。特别是，所提出的方案实现了与传统的基于 CVX 的方法相当的性能，同时减少了大约 70% 的计算时间。

人工智能计算的快速增长推动了对灵活、大容量数据中心互连的需求不断增长。太赫兹（THz）通信凭借其超宽带宽和高空间复用能力，已成为未来无线数据中心有前景的解决方案，而数字孪生（DT）则可以实现高效的无线规划和实时优化。在这项工作中，为太赫兹无线数据中心提出了一种测量驱动的多层DT框架，其中物理层、通道层、评估层和操作层从下到上逐步构建。首先，在 140、220 和 300 GHz 下进行广泛的信道测量，以表征频率相关的传播行为。基于三频测量，通过联合优化几何、材料、天线和混合传播模型，建立了测量校准的物理孪生。在物理孪生之上，开发了视线 (LoS) 感知隐式神经场来构建 AI 通道孪生，以实现高效的通道重建。所提出的人工智能双胞胎从校准双胞胎中学习位置相关的信道统计数据，从而能够实时预测接收功率和视距概率。基于重建的信道场，导出系统级评估层来分析 AP 到机架和机架到机架通信的覆盖和干扰。实验结果表明，所提出的人工智能孪生在保持实时推理能力的同时，实现了比现有神经场基线更低的功率重建误差。此外，吸顶式 AP 部署在 10 dB 信号干扰加噪声比 (SINR) 阈值下实现了超过 90% 的覆盖范围，证明了所提出的 DT 框架对于太赫兹无线数据中心规划和优化的有效性。

灵活的宽带多波束阵列系统对于服务密集网络至关重要，但传统的相控阵面临带宽、可扩展性和灵活性的挑战。我们提出了一种灵活的宽带多波束相控阵，通过等间隔的光学频率梳和周期性光学滤波器组利用光学并行性。它减少了调谐单元，实现了快速阵列级转向，并且几乎消除了波束斜视。实验证明了 4-18 GHz 范围内的 16 元阵列、-76.2 至 72.1 度的角度覆盖、传输 9 个定向空间波束的 9 个独立频道、低于 0.029 rad 标准偏差的稳定性以及高达 1 GHz 的阵列级切换。

太赫兹 Pancharatnam-Berry 相超表面提供紧凑的波前操纵，但通常缺乏简单的幅度控制和制造后可调谐性。我们通过实验证明了使用垂直堆叠的 Al-CSRR/PI/GST-CSRR 超原子的可调谐非易失性太赫兹超表面。上层对几何相位进行编码，而 GST 结晶则通过层间耦合激活旋转相关的幅度调制，而不会显着干扰相位分布。可切换全息术、二进制信息显示和双焦超透镜可验证同步相位和幅度控制。

提高基带处理器的能效已成为移动通信领域的一项关键挑战，特别是对于能源受限的边缘设备。传统基带信号处理器中的应用通常采用独立优化的算法架构，并且主要依赖于数字系统，其能效从根本上受到频繁数据移动和计算密集型动态操作的限制。为了克服现代信号处理中基本的能量缩放瓶颈，我们在这里提出了一种基于忆阻器的概率图形计算范式，它不仅统一了基于贝叶斯推理的基带信号处理算法的框架，而且通过基于忆阻器的内存计算实现了能量效率的大幅提高。结果表明，所提出的方法实现了每比特 10 pJ 以下的能耗，与传统实现相比，能源效率提高了 11.4 倍，同时在代表性应用中将错误率保持在 1×10−4 以下。这些结果为边缘设备中的超低功耗信号处理提供了灵活、抗噪声的途径。

雷达通过在恶劣的照明和天气条件下运行并透视植被等遮挡物来提高无人机的传感鲁棒性。然而，它们的角分辨率较差，可以使用合成孔径雷达（SAR）算法来解决这个问题。最先进的无人机 SAR 方法在俯角下运行，不适用于从无人机正下方区域（即无人机最低点）收集数据的传感器融合应用。在本文中，我们提出了一种干涉 SAR (InSAR) 框架，用于使用低成本多输入多输出 (MIMO) 毫米波雷达从无人机天底重建 3D 图像。此外，提出了一种基于相位梯度自动聚焦（PGA）的有效方法来补偿虚拟接收天线上的相位误差。我们在模拟和实验场景中展示了 3D 成像算法的有效性。

在本文中，我们考虑具有部分连接混合波束成形（PC-HBF）结构的大规模多输入多输出（MIMO）系统的上行链路信道估计。现有的波束设计和信道估计方案通常基于理想假设，并且需要跨多个时隙发射导频，这使得它们不适合实际的PC-HBF系统。为了克服这些缺点，我们提出了一种新颖的波束设计和相应的信道估计算法，以实现准确、实时的上行链路信道估计。首先，我们在垂直维度上引入分组窄波束设计，以抑制不需要的角度分量的干扰并提高垂直角估计精度，该设计将均匀平面阵列（UPA）的列分为组，并将垂直角区间划分为子区间。这样，为每一组分配一个窄波束来覆盖一个垂直角度子区间，并且该组窄波束是基于滤波器设计理论设计的。其次，我们利用分布估计算法（EDA）优化天线分组模式，在水平维度上平衡干扰抑制和分辨能力，从而提高水平角估计性能。最后，我们设计了一种低复杂度的分组子空间约束变分贝叶斯推理（GW-SC-VBI）算法，以充分利用所提出的波束设计来实现低复杂度和高精度的信道估计。仿真结果表明，所提出的方案比基线方法取得了显着的性能提升。

在严格的导频和训练能量预算下准确获取信道状态信息 (CSI) 对于下一代无线网络至关重要。我们通过在训练期间仅激活发射天线的子集来减少导频开销和训练能量。这会产生信道系数的稀疏且嘈杂的观测结果，将 CSI 采集视为高度欠定的贝叶斯逆问题。为了解决这个问题，我们将无线信道建模为联合发射-接收天线索引晶格上的适当的复杂高斯过程（GP），并开发了一个 GPR 框架，该框架通过将观察到的对外推到未观察到的对来重建完整的 CSI。 GP 先验是通过一种新颖的基于阵列几何的光谱混合协方差函数 (GB-SMCF) 指定的，该函数是埃尔米特正半定函数。与标准的基于距离的内核不同，所提出的 GB-SMCF 捕获平滑的空间衰减和多径传播引起的振荡相关性。 GB-SMCF 的超参数是通过最大化稀疏导频观测的边际似然在每个相干块内在线学习的，既不需要离线训练，也不需要信道协方差的先验知识。数值结果表明，所提出的估计器可将导频开销降低高达 75%，将总训练能量降低高达 93.75%，同时实现比所考虑的基线更低的归一化均方误差。它还在中低信噪比范围内产生更高的频谱效率。

最小方差无失真响应 (MVDR) 处理中自适应波束成形权重的计算是一项对延迟至关重要的操作，给实时硬件实现带来了重大挑战。本文介绍了使用单精度浮点算法在模拟 32 元件超声换能器阵列上实现 MVDR 波束形成的脉动吉文斯旋转 QR 分解管道的 FPGA 实现。该设计部署在 100 MHz 的 Zynq UltraScale+ FPGA 上，具有三个并行运行的内核实例，相对于测得的单实例速率，测得的吞吐量为 31,123 个权重向量/秒，并行效率为 90.9%。估计可编程逻辑功率为 2.451 W，包括处理系统为 5.286 W，这分别对应于 12,698 和 5,888 个权重向量/s/W。在匹配的三路调度下，2.20 GHz 的 24 核英特尔至强金牌 5220R 在测得的 83.08 W 封装功率下实现了 465,699 个权重向量/秒，相当于 5,606 个权重向量/秒/瓦。因此，FPGA 在可编程逻辑基础上实现了处理器功率归一化吞吐量的 2.3 倍，在总片上基础上实现了 1.05 倍。相比之下，处理器在此工作点上保留了大约 15 倍的原始吞吐量优势。数值精度根据 Field II 囊肿模型模拟的 MATLAB float32 参考输出进行验证，实现 100% 通过率，均方根误差为 5.10x10^-7，确认接近理论的有限精度行为，没有系统偏差。

动态环境对集成传感与通信 (ISAC) 提出了根本性挑战，特别是由于严重的多普勒效应、快速时变信道以及延迟和多普勒频移之间的复杂耦合。仿射频分复用 (AFDM) 凭借其表征和分离延迟和多普勒效应的固有能力，已成为动态 ISAC 的一种有前景的波形。本文全面概述了动态环境下基于AFDM的ISAC，包括其基本原理、独特优势、代表性应用场景和关键使能技术。我们首先描述动态环境中 ISAC 的关键特性，并介绍 AFDM 的基本原理，然后分析 AFDM 可以提供显着性能优势的场景。然后，详细阐述了动态环境中基于 AFDM 的 ISAC 的几项关键支持技术，并对其关键方面进行了案例研究。最后，讨论了开放的挑战和有前途的未来研究方向，旨在为研究人员和实践者提供全面的参考，同时激发这一新兴领域的进一步创新。

本文记录了 Techtile (ARFT) 数据集中的声学无线电融合，这是 Techtile 测试台中分布式无线传感和定位的同步测量活动。超声波和射频 (RF) 信号在 Techtile 测试台内的 2D 空间网格中的多个位置同时传输和捕获。每个采集周期对应于一个流动站、一个位置样本、一个声学记录和一个射频快照。 RF 模态被记录为每个主机的导频测量结果，并作为安装在房间天花板上的 42 个天线的信道状态信息 (CSI) 张量发布。声学鸣叫由 91 个同步麦克风记录，并由同步准全向扬声器传输。该活动涵盖 5.57 m x 2.89 m 区域的 5011 个空间位置样本，并具有完整的射频和声学数据。我们详细介绍了如何记录测量结果，量化每个实验的覆盖范围，描述射频和声学数据内容，并解释对齐的模式如何支持纯射频、纯声学和联合定位工作流程。此外，还详细阐述了执行锚选择、脉冲压缩测距和最小二乘（LS）定位的静态声学定位管道。

大规模多输入多输出 (MIMO) 系统中的粗量化可降低功耗，但会导致削波失真。贝叶斯期望最大化（BEM）算法可以恢复削波信号，但其矩阵求逆和动态步长评估是硬件瓶颈。我们提出了一种硬件友好的一步校正，该校正使用具有固定松弛参数的初始雅可比预处理共轭梯度（PCG）方向。由此产生的符号级更新具有超轻量级 $\mathcal{O}(U)$ 前馈数据路径，并接近评估的大规模 MIMO 设置中的高分辨率参考检测器。我们的有限维分析建立了精确的单步下降定律，证明雅可比归一化取消了原始乘法近远缩放，同时将负载系统依赖性限制为有界衰减因子，并在归一化通道相干性方面为固定步长下降提供了可验证的充分条件。系统级结果表明节能大规模 MIMO 上行链路预计可节省电量。

轨道角动量 (OAM) 复用可以提高自由空间光学 (FSO) 通信的容量，而大气湍流会导致模态串扰和辐照度波动，从而降低解复用性能。因此，分析建模对于表征湍流引起的传播效应和 OAM 通道的解复用端口功率统计非常重要。在本文中，我们首先研究了涡旋光束通过湍流通道传播后的接收平面辐照度统计。利用频域卷积导出平均辐照度，并基于扩展Rytov理论获得闭式频域衍射核，以评估中度和强湍流的闪烁指数。然而，仅接收器平面辐照度统计不足以描述 OAM 复用 FSO 通信的性能。因此，我们得出解复用的端口功率统计数据。具体来说，我们基于一般 LG 涡流场的复高斯展开和扩展的惠更斯-菲涅尔框架推导了平均端口功率、模态串扰、端口功率方差和跨端口协方差。然后，解复用的端口功率统计数据用于评估 OAM 复用 FSO 通信的符号错误率 (SER)。数值结果表明，所有导出的统计数据与在不同湍流强度和光束参数下通过相屏模拟获得的统计数据一致。由此产生的 SER 性能进一步表明，与大孔径相比，小接收器孔径的 OAM 复用性能对模式间隔更敏感。

太空栖息地可能会经历破坏性事件，例如微陨石撞击，这可能会导致内部环境的结构损坏和热异常，需要有弹性的环境控制和生命支持系统（ECLSS）。数字孪生为支持弹性、船上决策和不确定性感知自治提供了一个有前途的范例。然而，针对 ECLSS 热方面开发数字孪生的工作有限。这项工作为经历撞击引起的热异常的栖息地网络物理测试台开发了贝叶斯热数字孪生。我们构建了一个代表物理和网络热子系统的耦合热阻-电容网络模型，并嵌入基于物理的激活函数来自动选择模型、实现适应并促进健康状态估计。使用实验温度数据对物理子系统进行离线贝叶斯校准。对于网络子系统，结构保护层厚度的减少被确定为影响敏感参数。固定物理参数和不敏感参数后，持续执行贝叶斯推理来估计与影响相关的网络参数，从而能够检测影响位置、时间和严重程度。综合研究检查超参数选择、可观测性和噪声影响，并使用实验测试台数据验证最终框架。结果表明，所提出的数字孪生可以检测撞击引起的热异常，推断具有量化不确定性的撞击相关参数，生成信息丰富的温度预测，并支持自主栖息地运行的临界时间估计。

正交频分复用 (OFDM) 链路上的高精度速度估计具有挑战性，因为多普勒频移和本地振荡器 (LO) 漂移以相同的方式影响观测到的载波频率偏移 (CFO)。我们提出了一种用于路边 gNB/TRP 和车辆用户设备 (UE) 之间的频率范围 1 (FR1) 时分双工 (TDD) Uu 链路的双向 CFO 分离方法。下行链路 (DL) 和上行链路 (UL) CFO 估计分别从物理下行链路和上行链路共享信道相位跟踪参考信号 (PT-RS) 获得，它们的和隔离径向多普勒并允许提取径向速度，而它们的差值恢复相对 LO 偏移。估计以封闭形式获得，无需任何迭代处理，仅使用 UL 反馈的紧凑标量 CFO 报告，该方法可以与新的无线电 (NR) 往返时间 (RTT) 定位事件共同调度，以实现沿速度估计的同时测距测量。我们推导了理想化的 Cram\'er-Rao 下界 (CRLB)，表明线性相位斜率估计器可以在高信噪比下实现该下界，评估对到达角不确定性和多径的敏感性，并讨论射频链失配。由此产生的链路级实现与 NR PDSCH/PUSCH PT-RS 程序保持一致，适用于网络辅助车联网 (V2X) 集成传感和通信 (ISAC)。

正交时频空间 (OTFS) 调制对多普勒效应具有很强的恢复能力，但系统延迟较高，限制了其在低延迟通信中的使用。本文提出了一种针对具有大延迟扩展和分数多普勒效应的低延迟 OTFS 系统的信道估计算法。在延迟时间（DT）域中，脉冲导频沿着DT网格的第一行等距放置，以消除混叠延迟的干扰，并且阈值检测方法估计延迟。然后使用离散傅立叶变换 (DFT) 来估计多普勒频移和路径增益。仿真结果表明，该算法在稀疏时延扩展下实现了接近最优的误码率（BER）。

第六代 (6G) 无线网络被设想为人工智能原生系统，其中语义通信（传输与任务相关的含义而不是原始比特）超越了香农的经典比特管道模型。大型语言模型 (LLM) 在语义编码中占主导地位，但由于内存、能源和延迟成本过高，因此不适合 6G 用户设备和物联网设备。微小语言模型 (TinyLM)——通过 TinyML 技术压缩为千字节到兆字节的内存和毫瓦功率预算——是 LLM 级语义编码和 6G 边缘硬件之间缺失的桥梁，但之前没有工作为此目的系统地将 TinyML 技术映射到语义通信架构。这项调查通过将六个压缩系列（量化、剪枝、知识蒸馏、低阶适应、神经架构搜索、混合管道）与五种语义通信架构（端到端联合源通道编码、分割学习、联邦学习、知识图辅助和多任务/跨模式通信）连接起来的两轴分类法缩小了这一差距，并通过对模型大小与语义保真度帕累托前沿的定量元分析进行综合。代表性成果包括 CNN-Transformer 编码器在语义表示大小减少 33.33% 的情况下实现 22 dB PSNR；符号协议机将神经 MAC 协议从 4.55 MB 减少到 1 KB（小了 99.98%），性能损失为零；联合双向知识蒸馏在联合模型和数据异质性下收敛，其中 FedAvg 式平均表现不佳；知识图辅助概率图将传输能量减少 65%。该调查确定了 TinyLM 支持的 6G 语义通信的九个开放研究挑战，其中包括两个先前在文献中未阐明的挑战。

载波频率偏移 (CFO) 会严重降低基于正交频分复用 (OFDM) 的集成传感和通信 (ISAC) 系统中的参数估计，因为它与目标多普勒频移相结合。在这封信中，我们提出了一种杂波辅助（CA）空间交替广义期望最大化（SAGE）算法，该算法利用主要散射分量将公共频率偏移与目标多普勒频移解耦，并联合估计目标范围和速度。 CFO 是从多个散射簇支持的频率组中推断出来的，并通过最大似然优化进行细化。导出封闭式 Cramér-Rao 下界 (CRLB) 以表征性能限制。仿真表明，所提出的方法解决了 CFO-多普勒耦合，实现了接近 CRLB 的性能，并且优于基线方案。

共形反事实推理使网络运营商能够使用记录的遥测技术可靠地回答有关网络运营的“假设”问题。这些答案通常采用预测集的形式，其中包含以用户定义的概率在替代控制操作下观察到的关键绩效指标 (KPI)。一个关键的挑战是，记录的遥测可能会忽略控制器使用的变量，从而导致隐藏的混淆并使反事实分析的统计保证无效。原则上，这个问题可以使用随机遥测来解决，随机遥测是通过独立于网络状态分配控制操作来收集的。然而，由于这种随机化可能会破坏正常操作，因此随机遥测通常很少见，导致仅基于它的反事实分析产生无信息的预测集。为了应对这些挑战，我们提出了混杂有效反事实共形推理（CV-CCI），它通过通用综合推理（GESPI）原理将丰富的、可能混淆的观测遥测与有限的随机数据结合起来。 CV-CCI 利用观察数据来提高效率，同时使用随机数据在任意隐藏混杂下保留有限样本覆盖保证。对两个代表性无线接入网络 (RAN) 控制任务的实验表明，CV-CCI 在隐藏混杂下仍然有效，同时产生比最先进的混杂有效基线更有效的预测集。

本文研究了下行链路多卫星综合感知和通信（ISAC）网络，其中多颗卫星同时传输ISAC信号，为地面用户设备提供通信服务，并通过多个网关实现空中目标的协作感知。为了支持这种双重功能，我们引入了基于均匀平面阵列和优化功率分配的通信和传感波束成形设计。基于这些设计，我们提出了两种协作传感框架，即集中式和分布式。在集中式框架中，每个网关将其传感观测结果转发到中央单元（CU），其中多个目标的位置根据聚合数据联合估计。为了减轻集中处理中固有的信令开销，进一步提出了分布式框架，其中每个网关独立地估计目标位置并仅将本地估计发送到CU。为了关联来自不同网关的估计，使用匈牙利算法制定并有效解决了基于平方欧几里得距离的数据关联问题。然后通过最小化距离误差来获得最终的目标位置。仿真结果表明，所提出的集中式和分布式框架在满足通信性能要求的同时显着优于现有的传感方案。结果进一步表明，对于无网格算法，通过充分利用聚合观测值，集中式框架比分布式框架实现了更高的传感精度。相反，对于基于网格的算法，分布式框架在足够的传感资源下优于集中式框架，因为它能够通过数据融合解决离网目标。最后，我们从所提出的框架下的传感精度和通信功耗的角度评估传感与通信的权衡。

在未来智能网络中，多任务语义通信 (SemCom) 优先考虑多个任务的同时执行，而不是位精确重建。在我们之前的工作[1]中，我们引入了协作多任务SemCom（CMT-SemCom）框架，其中语义编码器被分为一个公共单元（CU）和多个特定单元（SU）以促进协作多任务处理。然而，CMT-SemCom 已在简单数据集上的同质分类任务上进行了评估，限制了其在现实世界感知系统中的适用性。在本文中，我们扩展了 CMT-SemCom，以联合处理复杂 Cityscapes 数据集上的异构分类和回归任务。我们采用信息最大化（InfoMax）原则，使其能够容纳混合的离散和连续语义变量。特别是，我们将所提出的框架与独立的单任务训练、传统的任务无关数字传输和单编码器多解码器 SemCom 进行基准测试。此外，我们还研究了 CU 容量对联合任务性能的影响，提供设计见解。广泛的评估表明 CMT-SemCom 的性能显着优于基准。

在以通信为中心的集成传感和通信 (ISAC) 中，延迟多普勒传感重复使用承载数据的正交频分复用 (OFDM) 信号，而不是专用的雷达探测波形。因此，所得到的距离多普勒图（RDM）不仅由目标参数决定，而且还由通信符号随机性决定，在多天线传输中，还由空间波束成形决定。虽然现有的分析主要集中在单天线 OFDM-ISAC，但对多天线 OFDM-ISAC 的延迟多普勒传感行为的了解仍然不够。本文分析了多输入多输出 (MIMO)-OFDM-ISAC 系统，其中多个数据流共同照射传感目标。我们推导了匹配滤波（MF）和互易滤波（RF）下 RDM 的二阶矩表达式，并用它们来表征动态范围（DR）。分析揭示了两个关键的多流效应。首先，在 MF 下，多个波束成形流的随机叠加在调制相关项和接收器噪声项之外创建了额外的 RDM 底限；因此，恒模信令不再像单天线 OFDM-ISAC 那样消除数据引起的基座。其次，在射频下，匹配角度数据引起的本底被消除，但根据波束形成的目标照明的倒数功率统计放大本底噪声。这些结果表明，用户目标角度几何形状直接控制 MF/RF 权衡：MF 在弱照明下更稳健，而 RF 在互易噪声放大轻微时可以实现更高的 DR。数值结果验证了分析并证明了 MF 和 RF 不同的几何相关行为。

准确的到达时间差 (TDOA) 定位取决于可靠的测量。在杂乱的室内和城市环境中，非视距 (NLOS) 传播很常见。它引入了正的过度延迟并使 TDOA 观测结果产生偏差。本文研究了非视距条件下TDOA定位的接收机子集选择。传统的最小成本拟合可能会选择残差低但定位误差大的子集。为了提高鲁棒性，我们提出了子集扩展检测框架。每个原始的四个接收器子集都增加了额外的接收器，以形成多个扩展配置。这允许重复检查相同的原始子集。我们进一步开发了一种将平衡参数测试与位置一致性测试相结合的验证方案。前者利用了 NLOS 延迟的单向性质。后者检查位置估计在不同的扩展子集中是否保持一致。仿真结果表明，在一系列非视距条件下，所提出的方法比几种基线实现了更低的均方根误差。

室内定位已成为各种智能应用的关键支持技术，但其性能受到多路径传播、信号阻塞和环境动态的限制。虽然最近基于深度学习 (DL) 的方法已经证明比传统技术有希望的改进，但其有效性往往受到高架构复杂性、对电磁环境变化的鲁棒性有限以及可解释性弱的限制。为了解决这些限制，本文提出了一种新颖的室内定位框架，该框架通过解耦表示学习利用双极化通道状态信息（CSI）的结构特征。通过解耦嵌入在两个偏振通道中的共享和专有潜在特征，所提出的框架能够将位置相关属性与设备特定和电磁失真隔离开来。此外，还开发了三阶段联合优化策略，以确保有效的特征解缠和稳健的定位性能。与各种代表性的定位模型相比，所提出的框架实现了超过19%的定位精度提高，在不完善的CSI、时钟同步损伤、不同障碍物密度、动态场景、不同天线配置和减少的训练数据条件下表现出更好的适应性，具有更好的模型可解释性和较低的推理复杂度。消融研究和特征可视化进一步证实了所提出的网络结构设计的可行性，突出了信息论解缠在提取位置相关特征方面的有效性。

为了解决大规模多输入多输出（MIMO）系统中的高能耗问题，本文提出了一种两级量化框架，联合优化模数转换器（ADC）比特分配（BA）和基带比特宽度分配。通过利用 ADC 分辨率可以动态重新配置而基带位宽通常在设计时固定的事实，可以解耦联合问题。 ADC BA 通过理论能效 (EE) 和误码率 (BER) 分析确定，从而实现实时自适应，同时基带位宽通过基于模拟退火 (SA) 的搜索进行优化。仿真结果表明，在信噪比下降小于0.5 dB的情况下，该方法与统一量化相比平均基带位宽降低了47.77%，EE比统一BA提高了13.4%。

在本文中，我们提出了一种节能且可靠的通信系统，用于部署在动态 GPS 拒绝无线环境中的非地面网络，该系统由视觉惯性跟踪辅助无人机通信（VIT-UAVCom）系统支持。据我们所知，这是第一个利用机载无人机摄像机和 IMU 传感器进行无人机辅助通信的工作。我们考虑一个完整的 VIT-UAVCom 系统，该系统包含关键设计参数，同时明确考虑系统噪声和残余跟踪误差。在此框架的基础上，我们制定了联合设计无人机轨迹和通信性能的优化问题，以提高推进能源效率、降低中断概率并增强物理层安全性。然后，我们开发了一个专用的解决方案框架，以有效计算动态场景中接近最佳的轨迹和通信控制操作。此外，为了实现实时实现，我们提出并评估了三种优化器，即线性搜索（LS）、二分搜索（BS）和遗传搜索。我们的数值结果表明，我们提出的 VIT-UAVCom 框架在能耗方面显着优于 K-means 基准，同时保持强大的保密性能和可靠的用户覆盖范围。具体来说，与基准相比，我们提出的框架将能源效率提高了 144%。有趣的是，我们的结果还表明，与 LS 相比，BS 减少了大约 50% 的计算时间。

在高移动性双色散链路中，基扩展模型（BEM）降低了信道维数，但未知的有效负载符号通常会污染传统的匹配导频信道估计。本文建立了此类估计与有效载荷无关的确切条件，并推导出保证这些条件的导频、防护和数据放置规则。我们证明了一个充分必要的零导频数据干扰（ZPDI）条件，在该条件下，匹配导频最小二乘（LS）解与减少导频统计量的最大似然（ML）估计器一致。当 ZPDI 成立时，估计需要单个预先计算的投影。如果不是，则估计包含确定性的、通道缩放的有效负载偏差，该偏差在高信噪比下持续存在。不相交支持规则与所选基础无关，通过导频、防护和数据放置来实现 ZPDI。然后，我们将该框架专门用于正交时频空间（OTFS），并检查其结构和性能后果。使用广义复指数 BEM (GCE-BEM)，ZPDI 估计器在误码率方面与完美信道状态信息基准保持在大约 $2$~dB 范围内，速度高达 500~km/h。

频率多样化阵列 (FDA) 提供独特的范围相关波束成形，显示出集成传感和通信 (ISAC) 的巨大潜力。凭借这一特性，我们提出了一种基于 FDA 的新型 ISAC 波形设计，该设计利用距离域自由度 (DoF) 同时支持通信和传感。该设计实现了范围-角度空间的灵活资源分配，并支持三种操作模式。模式1采用范围域多址接入，向满足特定角度范围约束的位置的用户传送独立的数据流。模式 2 在整个传感区域广播相同的信息。模式3通过放宽空间限制来补充模式1，使得能够向受到非重叠可行性限制的不规则位置的用户进行独立的数据传输，但减少了用户容量。此外，我们开发了一种基于统一的两级离散傅立叶变换（DFT）的解调算法，该算法通过匹配局部频域子脉冲签名来检测符号，并推导半封闭式符号错误率（SER）表达式。通过构造，该算法独立于操作模式运行，无需先验模式知识即可实现无缝多模式解调。对于传感，我们提出了一种联合角度范围最大似然估计器，并推导了相应的 Cramér-Rao 界（CRB）及其解释符号随机性的遍历 CRB（ECRB）。仿真结果验证了所提方案的有效性并证实了其理论一致性。

我们根据噪声和不完整的导频观测研究快速时变毫米波 (mmWave) 多输入多输出 (MIMO) 系统的信道估计和重建。具体来说，利用毫米波信道矩阵的低秩和稀疏特性，提出了一种两阶段秩感知压缩感知框架，用于有效的信道估计和重建。在第一阶段，使用鲁棒的秩一矩阵补全（R1MC）算法通过低秩矩阵补全（LRMC）来重建部分观测到的信道矩阵。为了捕获有效低秩结构中的时间变化，使用时间相关秩预测器来初始化观测矩阵完成阶段，从而提高动态条件下的估计精度。在第二阶段，开发了一种用于稀疏信道恢复的秩感知块正交匹配追踪（RA-BOMP）算法，具有秩感知停止规则，降低了稀疏恢复的复杂性。此外，引入了排序感知测量矩阵设计以提高角度估计精度。仿真结果表明，与现有基准算法相比，该方法实现了优越的信道估计性能，同时显着降低了计算复杂度和训练开销。

对于发射机处具有完整信道状态信息的规范独立同分布 (IID) 单用户多输入多输出 (MIMO) 信道 (CSIT)，每个接收天线的渐近容量是 Mar\v{c}enko-Pastur 定律的注水积分，其形状仅取决于发射天线与接收天线的比率。除平方以外的所有比率都已知闭合形式，并且仅在有限的信噪比 (SNR) 之上。由于 Mar\v{c}enko-Pastur 支撑到达原点，平方比的表现有所不同。然后，在每个有限的 SNR 下，注水截止点严格保持在支架内部，并且水位仅在数字上可用。这封信通过平方律的经典三角参数化来缩小这一差距，消除了边缘奇点并用单个角度代替了移动截止。 SNR 和容量都成为该角度的显式函数，因此通过扫描角度而不是通过求解每个工作点处的标量约束来追踪容量曲线。相同的参数化以封闭形式提供低 SNR 行为，其中 SNR 容量的斜率等于限制谱的上边缘。

在这封信中，我们提出了一种用于多用户下行链路语义通信的分组语义分割多路访问框架，该框架明确地利用了用户间语义相似性。所提出的框架采用相似性感知的平衡分组策略来对语义同质的用户进行聚类，从而能够提取组级公共和用户特定的私有特征，这些特征分别通过多播和单播传输。进一步设计了复合损失函数以增强语义可分离性和重建保真度。仿真结果表明，所提出的方法在各种信道条件下比传统方案实现了高达 5.0 dB 的性能改进，验证了其对下一代无线网络的鲁棒性和语义效率。

以下论文讨论了当无线信道的数字孪生 (DT) 可用于帮助无线通信系统完成信道估计任务时需要多少导频训练。人们普遍期望无线信道的 DT 能够减少信道估计的导频开销，遵循以下非正式规则：\emph{“孪生越精确，需要的导频就越少。”但是，这种权衡仅凭经验得到证明，从未量化。我们通过将 DT 视为接收器与其在物理世界中的导频观测融合的信道的补充测量来缩小这一差距。因此，通过最佳线性无偏估计器融合物理世界和数字世界，我们得出了 DT 辅助的 Cram\'er-Rao 界，并从中导出了 \emph{导频等价律}，将 DT 保真度转换为等效数量的训练符号。对于估计器未知的有偏差孪生，我们获得了精确的不匹配阈值，超过该阈值，信任 DT 比忽略它更糟糕。我们量化了 DT 需要多少训练才能获得所需的信道估计均方误差。通过讨论特定案例来判断何时可以完全绕过物理世界中的训练。我们最终将这些结果转化为可实现的块衰落速率，其最佳训练长度是单个方程的唯一根，并确定 DT 保真度，高于该保真度可以完全省去飞行员训练。大量的数值结果证实了封闭式表达式，并揭示了 DT 的值在有限信噪比下最大，并且在低信噪比和高信噪比限制下消失。

本文通过选择预线性调频参数 c2 来解决仿射频分复用 (AFDM) 系统中峰均功率比 (PAPR) 和带外发射 (OOBE) 的联合降低问题。虽然现有方法通常独立优化 PAPR 或 OOBE，但所提出的方法联合考虑这两个指标。为此，引入了结合 PAPR 和 OOBE 的加权成本函数来评估两个目标之间的权衡。然后，受选择映射 (SLM) 技术启发，采用预线性调频选择方案从有限的候选集中识别最佳 c2 值，从而在离散集中产生帕累托最优工作点。仿真结果表明，与传统的 AFDM 相比，所提出的方法同时降低了 PAPR 和 OOBE。此外，其性能仍然接近于专门针对单一目标优化的方法，PAPR 降低仅下降约 1 dB，OOBE 抑制仅下降 2-3 dB。

高效的波束跟踪对于高移动性大规模 MIMO 系统至关重要。传统的基于模型的算法难以应对非线性动态，而 LSTM 等深度学习方法会产生较高的计算和离线训练开销。这项工作介绍了一种使用储层计算（RC）的低复杂度跟踪算法。通过采用通过递归最小二乘 (RLS) 训练的回声状态网络 (ESN)，该方法使用符合标准的 CSI-RS 在线学习时间相关性，从而消除了离线预训练。符合第三代合作伙伴计划 (3GPP) 的模拟表明，基于 ESN 的方法优于采样保持基线，接近精灵辅助性能。它提供快速收敛，并通过不频繁的细化保持高频谱效率，从而在网络边缘实现实用、实时的人工智能驱动的跟踪。

随着无人驾驶飞行器（UAV）群的快速发展，无人机空中目标监测已成为一种有前景的范例。然而，由于目标机动性、每架无人机局部观测有限以及机载资源有限，通过无人机群进行实时空中目标监测仍然具有挑战性。这些实际限制导致高维多智能体决策问题，涉及耦合 3D 轨迹控制、目标分配、服务关联、功率分配和计算卸载。为了解决这种混合整数非凸优化问题，我们在多智能体深度强化学习（MADRL）框架内提出了一种混合循环多智能体软演员评论家（HR-MASAC）算法。具体来说，HR-MASAC 采用混合动作结构，将计算卸载与 MADRL 动作空间解耦，并导出封闭式卸载解决方案。这种设计减少了连续行动的维度并减轻了学习负担。此外，基于门控循环单元（GRU）的循环编码器被嵌入到策略架构中，以捕获隐式时空依赖性并增强部分可观察性下的决策鲁棒性。大量的模拟验证了所提出的 HR-MASAC 实现了最低的加权延迟能量成本。与基线方案相比，它的总时延和能耗降低了24.3%~55.3%和53.1%~84.4%，展示了其优越的时延-能量权衡、收敛效率和约束满足能力。

本文通过解决Ghorpade和Singh在2018年提出的猜想，针对所有$q$和所有$\alpha$的值，给出了舒伯特码$C_\alpha(\ell, m)$的最小权码字的分类。我们使用这种分类来证明，格拉斯曼码 $C(\ell, m)$ 的码字具有第二最小权重，当且仅当它由 $\bigwedge^{m-\ell}V$ 的元素索引时，该元素可以写为可分解的 $(m-\ell-2)$-向量和秩为 $4$ 的交替 $2$-向量的乘积。最后，我们列举了格拉斯曼码的第二最小权码字。

本文提出了一种计算通信资源交换方法，以增强低空异构网络（LA-HetNets）中的网络可用性（NA）。在这些网络中，极端的异构性（移动性多样化、混合时延、混合传输）和跨区域流量导致通信资源冲突和不平衡，降低了可靠性并导致不可用。恢复NA需要额外的通信资源，而动态跨区域调度受到限制，使得本地冗余计算资源成为减少通信资源开销的替代方案。虽然计算资源解决了介质访问控制 (MAC) 层的不可靠性问题，但物理 (PHY) 层功能仍然依赖于通信资源。因此，目前尚不清楚仅增加计算资源是否可以实现目标 NA，特别是在更大的异构性下。我们详细阐述了异构性对 NA 的影响，并表明仅靠扩展计算资源无法满足高异构性下的目标 NA，因为通信能力需求的增加导致 NA 急剧下降。为了克服这个问题，我们提出了一种跨层优化方法，支持计算通信资源交换，以解决 MAC 层和 PHY 层的不可靠性问题。通过在确保MAC层可靠性的同时减少计算资源的处理延迟，我们的方法延长了PHY层的传输延迟并扩展了通信资源。仿真证明了我们的方法在更大的异构性下实现目标 NA 的优越性，表明计算-通信资源交换比传统的资源开销减少更有效地满足了不断扩大的通信能力需求。

基于信道状态信息 (CSI) 的神经网络用户设备 (UE) 定位（称为神经定位）是一种很有前途的准确的设备外 UE 定位方法。大多数现有方法使用从外部参考定位系统获得的地面真实位置标签来训练神经网络，即专门用于获取位置标签进行训练的辅助高精度定位系统，这需要昂贵的硬件并且使得大面积的标签获取变得困难。在这项工作中，我们提出了一种新颖的神经定位管道，无需任何外部参考定位系统。我们的方法仅使用 CSI 获取的设备外命令和在商用现成 (COTS) 机器人平台（例如机器人吸尘器）上执行的相对位移命令来训练定位网络，这种方法可以在大范围内以廉价的方式训练精确的神经定位功能。我们使用在 IEEE 802.11 Wi-Fi 和 5G 新无线电 (NR) 系统中获取的 CSI 测量结果，在从小视距 (LoS) 区域到较大的非视距 (NLoS) 环境等三种现实场景中评估我们的方法。我们的实验表明，所提出的神经定位管道实现的 UE 定位精度接近需要外部获取高精度地面实况位置标签进行训练的最先进方法。

正交时频空间 (OTFS) 调制由于其对移动性引起的信道变化的弹性，在低地球轨道 (LEO) 卫星系统中很有前景。然而，现有的估计器无法对 LEO 卫星 OTFS 系统的有效延迟多普勒 (DD) 域信道中的分数多普勒频移引起的非均匀块稀疏结构进行明确建模。在本文中，我们首先推导了一个元素级的输入输出关系，它准确地表征了这种结构。然后，我们引入了一种新颖的用于稀疏贝叶斯学习的噪声自适应模式耦合变分贝叶斯推理算法（称为 NNCP-VSBL），该算法有效地利用了非均匀块稀疏性，同时保持了对噪声的鲁棒性。仿真结果表明，该方法能够有效捕获信道特征，提高LEO卫星OTFS信道的估计精度。

未来无线通信系统的关键挑战之一是确保高速移动场景下的可靠性，其中信道状态信息（CSI）的准确恢复至关重要。最近的许多研究得出的结论是，正交时频空间（OTFS）调制是解决这一挑战的一项有前途的技术。此外，基于机器学习 (ML) 的方法有可能通过比传统估计技术更有效地利用环境信息来提高信道估计性能。本文特别通过采用基于压缩感知（CS）的稀疏贝叶斯生成模型（SBGM），即最近引入的压缩感知高斯混合模型（CSGMM）来解决 OTFS 的信道估计问题。我们表明，我们提出的方法在归一化均方误差（NMSE）方面比次最佳性能基线有了显着改善。我们还提供了对该模型理论潜力的见解，以在多普勒延迟（DD）域内以任意精度最佳地近似复杂的信道分布。总而言之，这项工作将 OTFS-CSGMM 框架建立为高移动性无线信道估计的有前途的解决方案。

特定地点的训练可以在不增加计算复杂性的情况下提高无线接收器的性能。然而，迄今为止，现实世界的结果主要集中在完全可训练的神经接收器和单层传输上。我们研究了三种接收器架构的特定位置微调：完全可训练的神经网络、模型驱动的神经网络和基于模型的神经网络。我们使用来自苏黎世联邦理工学院符合标准的 5G NR 测试台的新测量数据来训练和评估这些接收器，该测试台具有双层上行链路传输，包括间隔六个月以上进行的测量活动。我们的结果表明，特定位点的微调（i）极大地改善了完全可训练和模型驱动的神经接收器，而对于可调节性较差的基于模型的接收器仅产生边际收益； (ii) 使针对单层和双层传输联合微调的单个神经接收器能够紧密匹配针对每种配置单独微调的接收器； (iii) 在相隔六个月以上的测量活动中仍然有效。我们还使用从合成通道或特定位置测量估计的协方差矩阵来研究特定位置的线性最小均方误差通道估计。当与迭代检测和解码相结合时，特定站点的信道估计实现了我们数据集中观察到的最低错误率。我们的微调代码和测量数据集可在 https://github.com/IIP-Group/site_specific_training 上公开获取

集成传感与通信（ISAC）是未来第六代（6G）移动通信网络的关键技术。射频（RF）-ISAC近年来一直是人们关注的焦点，但光无线（OW）-ISAC也因其潜在的好处而引起了广泛的关注，包括提高通信速率、提高传感精度和减少干扰。在本文中，我们提出了一种结合任意波形调频连续波（AW-FMCW）传感和通信技术以及多输入多输出（MIMO）技术的OW-ISAC框架。利用AW-FMCW技术的任意波形能力，通过调频波形编码实现联合传感和通信设计。 RF-ISAC广泛采用的MIMO技术首次应用于OW-ISAC，以实现高精度波达方向（DOA）估计。在发射器端，利用光学相控阵（OPA）的多波束特性来执行多目标通信和传感任务。在接收端，采用精心设计的均匀线性光电二极管（PD）阵列来提取来自特定方向的回波信号，同时消除其他信号的干扰。此外，解码矩阵和 PD 方向经过优化，以实现自适应方向感测。最后，进行扩展数值模拟来验证多通道集成传感和通信能力的性能。

语义通信因其传输数据含义而不是原始位的能力而受到关注。然而，现有的语义通信框架以同等的重要性对待和传输所有图像区域，这对于可能优先考虑图像中不同内容的现实世界应用来说是不实际的。为了解决这个问题，我们提出了一种新颖的语义通信框架，使发送器能够使用有限的通道和内容反馈来优先传输重要图像区域。特别是，在所提出的框架中，基站（BS）将每个图像划分为子图像，提取它们的语义信息，并根据用户的偏好将它们传输给用户。用户将基于接收到的子图像重建图像，并在动态信道和有限资源下协作决定何时发送信道状态信息（CSI）或内容偏好反馈。我们制定了一个优化问题，通过优化子通道分配、用户功率分配和反馈选择来最小化原始图像和再生图像之间的语义加权均方误差。为了解决这个问题，提出了一种具有动态邻域构建的价值分解演员评论家（AC）（VDAC-DNC）方案。该方法将AC与值分解网络相结合，允许BS通过连续动作分布来近似离散动作，从而减少输出维度并提高训练效率。引入的DNC方法通过构造一个小的离散相邻动作空间来搜索具有最大Q值的动作，从而避免遍历大的离散动作空间，进一步提高了训练效率。仿真结果表明，与标准多智能体QAC方法和无反馈传输的方法相比，所提出的VDAC-DNC方案可以将性能提高高达5.04%和18.55%。

为支持收缩天线系统（PASS）的安全集成传感和通信（ISAC）提出了一种新颖的两时间尺度优化框架。具体来说，配备收缩天线（PA）的基站（BS）在窃听者（Eve）存在的情况下向合法用户发送信号，同时采用漏泄同轴电缆（LCX）接收回波信号来跟踪Eve的移动状态，即位置和速度。考虑到实际 PA 激活开销，收缩波束成形和基带处理分别在大时间尺度和小时间尺度上进行优化。首先考虑多波导场景，其中基站可以将人工噪声与通信信号一起传输以用于干扰和传感目的。制定了联合基带和收缩波束成形设计问题，以最大化平均保密率。为了解决这个问题，首先调用交替优化算法，根据预测的 Eve 移动状态联合优化收缩和基带波束形成。确定 PA 位置后，基带波束成形将根据实时回波信号处理获得的精细 Eve 状态进行更新。然后考虑单波导场景。由于单个波导最多承载一个独立的数据流，因此提出了一种具有独立通信和传感阶段的 ISAC 框架。针对多波导场景提出的逐元素算法被扩展以解决由此产生的收缩波束形成问题。数值结果表明：1）在多波导和单波导场景下，所提出的双时间尺度框架都可以准确跟踪Eve的速度和位置； 2) 与传统的多天线基准相比，PASS 实现了卓越的保密率。

本文研究了一种具有可旋转天线 (RA) 的双极化可重构智能表面 (DP-RIS) 共生无线电 (SR) 系统。通过重新配置天线方向，RA 可以将其辐射方向图转向所需方向，从而有效减轻 RIS 辅助级联链路中的双衰落效应。然而，天线旋转不仅会改变辐射方向，还会改变局部极化基准，这可能导致极化失配并降低可实现的增益。这激发了联合空间偏振设计，同时利用定向辐射增益和偏振匹配。具体来说，我们制定了一个发射功率最小化问题，根据主要和次要速率要求以及非 SR 用户的干扰温度限制，联合优化数字波束成形、RA 旋转、收发器偏振状态和 DP-RIS 相移。为了解决这个非凸问题，我们开发了一种交替优化算法，该算法集成了半定规划、凸差分规划和黎曼共轭梯度法。此外，为了降低实际部署的硬件和计算复杂度，我们提出了两种低复杂度的RA设计，即子阵列共享旋转设计和离散旋转码本设计。仿真结果表明，与固定方向和偏振非感知基准方案相比，所提出的偏振感知 RA 设计显着降低了所需的发射功率。此外，所提出的两种低复杂度 RA 设计都在降低旋转复杂度的情况下实现了可比的性能。

低空经济（LAE）的快速增长给监控未经授权的目标带来了巨大的安全挑战。将集成传感和通信（ISAC）引入蜂窝网络为实现无缝低空传感覆盖提供了一种有前景的解决方案。此外，可重构智能表面（RIS）可以智能地重新配置无线传播环境，进一步增强传感性能。因此，本文研究了一种RIS辅助的蜂窝ISAC网络，该网络采用协调多点联合传输（CoMP-JT）来同时提供无缝低空传感覆盖和多用户下行链路通信。我们考虑两类用户：有能力消除传感干扰的用户和没有能力的用户。对于这两类用户，我们联合优化波束成形和 RIS 相移，以实现两个不同的目标：最大限度降低总发射功率的节能设计，以及最大限度提高感兴趣区域内最坏情况传感信噪比 (SNR) 的以传感为中心的设计。为了解决非凸优化问题，通过使用交替优化和半定松弛技术，提出了一种有效的算法。数值结果证明了我们提出的方案在能源效率方面优于基准方案。

我们提出了实时神经形态频谱智能模拟器（RT-NuSIS），这是一个模块化框架，用于研究尖峰神经网络（SNN）和忆阻器启发的代理，以在有限的能量预算和对抗条件下实现动态频谱访问。 RT-NuSIS 结合了泄漏集成和激发神经元动力学、忆阻突触模型、物理信息能量收集模型（摩擦电和射频）以及包括干扰和拜占庭行为在内的对手模型。我们以数学方式形式化模拟器，证明有界性，提出平均场对手阈值，分析每一步的复杂性，并为每次推理的能量、延迟和鲁棒性指标提供可重复的基准测试工具。该代码库是模块化的，由种子确定，专为大规模事件驱动的模拟而设计。

在带宽和计算受限的通信场景中，在动态SNR条件下实现3D点云数据的可靠和高保真传输仍然是一个重大挑战。本文提出了 SMART-ISTC，这是一种集成传感-传输-计算 (ISTC) 范式内的空间调制自适应 RobusT 模型。该模型采用基于 PointMamba 的双路径编码器来有效提取几何表示，并引入几何和通道感知调制 (GeoCM) 模块，该模块可根据几何结构和瞬时通道状态自适应调整编码特征。几何感知解码模块 (GADM) 通过残差坐标预测和曲率引导细化恢复密集的空间细节。对 ModelNet40、ModelNet10、Shapenetv2 和 Mountainous Area 数据集的评估表明，SMART-ISTC 在 SNR 从 5 到 35 dB 波动的情况下保持稳定的性能，实现 3.5–4.6 dB PSNR 改进，显着减少 Chamfer Distance，与基线相比，参数和 FLOP 降低约 9%。此外，SMART-ISTC 实现了高效推理，每个样本的平均测试时间为 0.646 秒。消融研究验证了模型内关键组件的有效性。

这项工作研究了用于直接到小区 (D2C) 应用的 2D 分布式卫星群配置。与之前的研究主要将集群视为整体阵列的部署替代方案不同，本文重点关注利用大分布式孔径带来的更高的空间分辨率。仿真结果表明，对于所考虑的场景，增加卫星平台上的天线分布水平可以扩大有效孔径，并提高理想运行条件下的系统总速率。虽然对于均匀分布的用户来说增益是适度的，但在包括高用户密度的热点等场景中，增益变得特别明显。结果进一步表明，用户调度策略不会使高度分布式配置的优越性失效，因为这些架构在覆盖区域（包括热点区域）提供了更平衡的速率分布。此外，本文还分析了与大型分布式群相关的几个关键实施挑战，包括卫星间相对定位误差、同步损伤以及有限的波束成形和用户位置更新率。尽管在本工作中考虑的集群配置和场景范围内，性能增益随着孔径大小而继续增加，但这些实际约束可能会在中期限制集群大小。尽管如此，观察到的性能提升强烈激发了对未来大规模卫星群的可扩展同步、定位和数据分发技术的进一步研究。

$M$ 通道离散傅里叶变换 (DFT) 通道器将并网正弦波路由至单个输出。当每一帧仅报告一个与能量成比例的通道索引时，带符号的子仓频率估计变得不规则：暗通道概率在偏移中是二次方的，而方向是三次方的。我们在已知的均匀替换概率 $\epsilon_N$ 和所有频率和帧共享的单一确定性酉下研究 $N$ 独立标记报告，受限于路由缺陷 $\tau/N$。如果 $\sqrt{N}\epsilon_N \to \lambda < \infty$，我们在临界尺度 $N^{-1/4}$ 处建立一个达到的全局频率极小极大极限，频率偏移为 $N^{-1/4}$，酉扰动和替换为 $N^{-1/2}$，路由缺陷为 $N^{-1}$。有效酉正切是对称完整图边缘场模一居中干扰，其第一个变化是依赖于半径的加权散度。对于 $\lambda>0$，在 $k$ 不同的归一化偏移幅度处进行评估会产生精确的傅里叶-柯西无效谱：对于不同幅度的每个选择，$\lfloor(M-1)/2\rfloor$ 评估是必要且充分的，以证明所有幅度的中性。终端零空间具有最大公约数维数公式和正定聚合曲率。因此，精确的 DFT 布线在 $M=3$ 的完整临界切线类中是唯一的极小极大，而每个正的关键缺陷预算严格改进了 $M\geq4$ 的极小极大常量。该分析还得出最小质数曲率可见性定律，并且对于 $M\geq5$，不连续的兼容性几何，但在零临界替换底 $\lambda=0$ 处有连续的极小极大值。

太赫兹 (THz) 无线互连提供高容量、低延迟和节能的机架到机架链路，能够按需重新配置连接，有望成为通信密集型分布式人工智能训练数据中心光学结构的补充。然而，由于动态光拥塞、太赫兹信道波动和异构计算落后者，协同优化光学和太赫兹资源以最大限度地减少集体完成时间和传输能量仍然具有挑战性。现有的可重构数据中心设计主要优化网络拓扑和流量路由，而对混合结构上的分布式人工智能工作负载中的集体通信语义的考虑有限。为了应对这些挑战，我们提出了 THz-SynC，这是一种新颖的框架，它将集体合成与上下文强盗辅助的混合结构协调相结合，以优化集体完成时间和传输能量之间的权衡。通过利用集体特定的语义，THz-SynC 为 All-to-All 和 AllReduce 模式合成定制的通信拓扑，同时动态分配 THz 资源。此外，上下文强盗协调器自适应地在光学和太赫兹链路上路由通信块，并利用对网络状态和集体语义的实时观察来选择机架功率预算。轨迹驱动的评估表明，THz-SynC 的性能优于纯有线、纯无线和混合基线，在动态网络条件下实现了卓越的延迟能量帕累托前沿。

车辆和路边基础设施越来越多地配备能够感知周围环境的传感器。通过车联网 (V2X) 通信共享这些信息是 Day-2 应用程序的关键推动因素，并得到 ETSI 集体感知服务 (CPS) 的支持。虽然CPS有望在未来智能交通系统中发挥基础性作用，但其运行可能会显着增加信道负载，对无线资源利用率、通信可靠性和信息管理等方面带来挑战。本文回顾了 CPS 标准化的现状，并研究了其在互联车辆通过第五代 (5G) 新无线电 V2X (NR-V2X) 侧链路 (SL) 通信进行通信的密集部署场景中的影响。主要贡献是在集体感知消息的不同对象选择策略下对通信可靠性、延迟、信道占用和信息有用性进行现实评估。该分析是通过网络级模拟框架进行的，该框架集成了来自现实世界数据集的经验对象轨迹，从而避免了合成流量模型的局限性。结果表明，感知消息生成和无线电接入机制紧密耦合，应共同设计，以最大限度地发挥集体感知服务的优势。

对于带宽有限的衰落信道上资源受限的无线边缘设备，使用传统单独编码的无线图像传输会遭受悬崖效应崩溃。基于卷积神经网络的流行深度联合源通道编码（JSCC）可以缓解这个问题，但通常无法保留补丁级结构，从而阻止自适应每个令牌功率分配并限制超分辨率（SR）的令牌域补偿。为了应对这些挑战，我们提出了带有 SR 的代币通信框架（TokenComSR）。具体来说，我们设想了一个任务敏感的功率分配（TSPA）模块和一个信噪比（SNR）条件的令牌细化模块（TRM）。 TSPA 将任务敏感性的训练估计提炼为推理令牌功率权重，而 TRM 估计 SNR 条件残差，以在解码之前纠正令牌域中通道引起的失真。所提出的 TokenComSR 以 TSPA 和 TRM 为基础，将基于 Swin Transformer 的令牌收发器与接收器侧 SR 模块配对，用于资源受限的无线图像传输。仿真结果证实了所提出的 TSPA 和 TRM 的有效性，证明了在重建保真度和感知质量方面相对于单独编码和 JSCC-SR 基线的改进。

通信系统可以重复使用其传输的信号进行传感，而无需专用的雷达传输。对于已建立的 DFT 预处理正交线性调频分复用 (DFT-P-OCDM) 波形，当双选择信道中的多个物理路径落入同一共同延迟多普勒箱时，此任务变得困难。在这种情况下，从导频推断出的可解析延迟类别的数量可以小于同仓内的物理路径的数量。这种不匹配增加了路径数确定、分数多普勒偏移估计和信道重建的难度。我们在 DFT 预处理菲涅耳 (DPF) 域中推导出输入和输出之间的逐点关系，用于在共同延迟多普勒箱内具有多个路径的双选择性通道。基于这种输入和输出关系，我们提出了两级超高分辨率（TSUR）框架。第一阶段使用相位级数的导频来估计延迟，而第二阶段使用泄漏样本来估计多普勒和每个延迟类别内的路径数量。此外，我们推导了 CRLB 并分析了试点配置如何权衡传感分辨率和通信恢复。仿真结果表明，TSUR 解决了共同延迟多普勒箱内的相同延迟路径，对现有延迟偏移保持鲁棒性，并实现了比顺序提取和离网基线更低的分数多普勒估计误差。

在窃听者 Eve 存在的情况下，根据 Alice 和 Bob 的相关观察生成密钥，巩固了物理层安全性。经典管道手动量化，事后放大隐私，并优化与关键速率无关的目标。我们提出变分概率量化（VPQ）：神经编码器将相关源直接映射到离散密钥字母表中，由变分对抗目标训练，其熵、失配和泄漏项与单向密钥率的三项相匹配。然后，线性代码偏移安全草图将编码器输出协调为相同的密钥，而无需单独的隐私放大步骤。我们证明了 VPQ 损失限制了诱导源的单向密钥容量，并以封闭形式导出了给定字母大小和失配概率的源类上的最佳最坏情况密钥率，这是通过有限域线性草图获得的。在高斯衰落信道上，与一种经典的和两种最近的基于学习的基线相比，VPQ 对相关窃听者的泄漏要少，并且 Reed-Solomon 协调在预测的有限块长度间隙内运行。

最小均方误差 (MMSE) 检测器广泛应用于大规模 MIMO 系统，但其对矩阵求逆的依赖导致计算复杂度过高。为了解决这个问题，线性迭代检测器，例如加权诺伊曼级数近似（wNSA），可以规避矩阵求逆并大大降低复杂性。然而，它们在高维高阶 MIMO 场景中的性能下降仍然不可接受。在本文中，我们提出了 WeFTNet，一种用于大规模 MIMO 系统的基于深度神经网络 (DNN) 辅助的加权傅立叶变换 (FT) 的近似 MMSE 检测器。具体来说，所提出的 WeFTNet 集成了两个未探索的功能：基于加权 FT 的 MMSE 近似和 DNN 驱动的权重因子优化。此外，从理论上推导并引入了几何递减的权重因子模型，以增强训练稳定性和性能鲁棒性。数值结果表明，WeFTNet 在各种 MIMO 场景中始终实现接近 MMSE 的误码率 (BER) 性能。与其他线性迭代检测器相比，所提出的 WeFTNet 成功地提供了高达 3.5 dB 的性能增益，同时在 256 × 128 256-QAM MIMO 系统中实现了 57% 的复杂性降低。

阻塞是近场通信面临的一个严峻挑战，其中可靠的传输在很大程度上取决于视距 (LoS) 路径，并且当该路径被阻塞时，可能会遭受严重的功率下降。近场艾里光束通过形成引导能量绕过障碍物的弯曲轨迹，为缓解阻塞提供了一种有前景的解决方案，并且实际上可以通过施加立方源相位来使用相控阵生成。然而，基于轨迹的解释解释了艾里光束如何传播，但没有解释为什么立方相位艾里波束形成足以进行阻塞恢复或立方项本身贡献了多少接收功率增益。为了回答这些问题，我们识别了相对于传统近场聚焦的阻塞引起的相位失配，并量化了连续相位顺序如何补偿它。结果分析表明，最初用于补偿自由空间几何相位的线性和二次自由度可以在阻塞情况下重新优化，以分别提供重新转向和重新聚焦。二次项可以补偿额外失配的主要二次分量，而艾里三次项提供对剩余非二次失配的第一个独立校正。仿真表明，线性和二次补偿可恢复大部分可用增益。艾里立方平均仅增加 $0.1433$ dB，但使立方相系列能够达到仅相位上限的 $99.77\%$。剩余相位分析进一步确定剩余的高阶分量何时在规定的接收功率容差内可以忽略不计。这些结果解释了为什么立方相位艾里波束形成是足够的：低阶相位项提供了大部分恢复，而立方项几乎封闭了所有剩余间隙。

无线基础模型（WFM）已成为一种有前景的方法，用于从大规模无线数据中学习可重用的表示形式，并使它们适应下游任务。然而，快速增长的文献在模式、预训练目标、架构、适应策略和评估协议方面仍然分散，使得评估广泛可转移模型的进展变得困难。这项调查对物理层应用的 WFM 进行了系统分析。我们首先介绍主要的 WFM 设计组件，包括预训练、骨干架构和下游适配。然后，我们将文献分为五个物理层任务系列：信号识别和解调、信道表示学习、射频传感和定位、波束管理以及频谱传感和监控，同时分别检查多任务 PHY 模型。在这些类别中，我们分析了如何对现有模型进行预训练、调整和评估，特别关注下游任务的多样性以及分布内、部分转移和分布外转移之间的区别。我们的分析表明，当前的 WFM 提供了越来越多的可重用无线表示的证据，但这些证据在不同的任务系列和评估设置之间存在很大差异。数据集、模式、架构、预训练目标、适应协议和分布变化的差异使得很难确定哪些设计选择驱动迁移和泛化。最后，我们确定了提高数据可用性、评估严谨性、泛化性、高效适应和实际部署的开放方向，提供了一个统一的框架来理解当前的 WFM 格局以及为未来物理层无线系统开发更多可重用基础模型的要求。

本文研究了一种安全的大规模多输入多输出（mMIMO）集成传感与通信（ISAC）系统，并提出了一种能够精确定位主动窃听者（Eve）同时确保合法用户设备（UE）安全通信的框架。与主要关注下行链路阶段感知的现有 ISAC 研究相比，所提出的设计通过明确利用上行链路训练信息来协助下行链路定位，从而利用基于时分双工（TDD）的 ISAC 系统的上行链路和下行链路结构。在上行链路中，在存在导频欺骗攻击 (PSA) 的情况下执行基于导频的信道估计，从​​而能够可靠地检测 Eve 的到达角 (AoA)。然后，在下行链路中使用这种粗略的迎角估计来形成专用传感区域，从而实现 Eve 的精确、多路径弹性直接定位。推导了合法 UE 和 Eve 的信号与干扰加噪声比 (SINR) 的封闭式表达式，有助于对系统保密频谱效率 (SSE) 进行理论评估。还导出了位置误差界限 (PEB) 的易于处理的封闭式表达式。为了共同优化传感和通信性能，我们提出了一个功率分配问题，该问题最大化 SSE，同时满足给定的主瓣与平均旁瓣比（MASR）阈值和功率约束。数值结果表明，与传统的安全 ISAC 系统相比，所提出的联合上行链路和下行链路 ISAC 框架在多路径场景中显着提高了定位精度，并显着增强了保密性能。

多输入多输出 (MIMO) 技术是现代无线通信的基础。物理层安全旨在通过利用噪声通信信道的特性来保护传输的信息。 Dean 和 Goldsmith 通过采用 Regev 的错误学习缩减 (LWE) 提出了从格问题到 MIMO 解码的多项式时间缩减。如果有效，这种减少将为物理层安全提供基于已建立的晶格问题的难度的强大计算基础。随后的工作对由此产生的构造提出了攻击和反例，对其安全性提出了质疑，但并未完全理解底层还原的精确有效性和局限性。我们对修订后的归约进行了理论检验，并确定了 LWE 归约的结构特征无法延续到非模块化 MIMO 设置，因此表明其已发布的证明并未建立所声称的 MIMO 解码难度。我们的结果将硬度证明中的缺陷与对特定参数选择的直接攻击区分开来，并阐明了任何尝试修复所需的内容。我们一般不排除 MIMO 系统的物理层安全性，但表明所声称的晶格硬度保证并不来自于现有的降低。

本文研究了模拟攻击下近场机制中的物理层身份验证 (PLA)。与远场情况不同，在远场情况下，转向矢量仅取决于到达角 (AoA)，而在近场情况下，它取决于角度和距离。我们通过最小化从合法发射器 Alice 接收的信号与主动攻击者 Eve 生成​​的信号之间的均方误差 (MSE) 来分析攻击。对于单天线 Eve，我们推导了最佳标量预编码器，并表明，在标准二阶菲涅尔近似下，只有当 Eve 与 Bob 具有相同的角度和与 Alice 相同的距离时，完美的模仿才有可能。然后我们将分析扩展到多天线 Eve 并推导最佳预编码向量。在这种情况下，只有当 Alice 引导向量属于 Eve 引导向量所跨越的子空间时，完美的模拟才有可能。仿真结果表明，在近场中，即使Alice和Eve具有相同的AoA，距离差异也足以防止成功的冒充攻击，并证实了分析结果。

这封信研究了宽带毫米波 (mmWave) 系统的两级近场隐蔽通信。在传感阶段，我们提出了一种新颖的传感方案，利用可控近场波束斜视，通过移相器（PS）和实时延迟（TTD）来获取被动典狱长威利的通道状态信息（CSI）。传感精度通过 Cramér-Rao 界限 (CRB) 进行分析表征，为 Willie 通道建立了 CRB 驱动的不确定性模型。在通信阶段，依靠这种不完善的CSI，我们通过联合优化感知持续时间和宽带模拟波束成形，在基于Kullback-Leibler散度的隐蔽性约束下，最大化可实现的隐蔽容量。为了解决这个棘手的问题，我们开发了一种鲁棒的全数字逼近方案，结合一维搜索，然后采用交替优化算法来提取实用的 TTD 和 PS 配置。最后，模拟结果验证了所提出的框架，揭示了相对于无 TTD 基线的显着隐蔽容量增益，并强调了基本的传感通信权衡。

第六代 (6G) 无线网络中大规模天线阵列和智能表面的出现开辟了一个令人兴奋的前沿领域，其中近场 (NF) 区域的通信技术将发挥关键作用。鉴于 NF 通道与设备和物体位置的内在空间相关性，集成传感和通信 (ISAC) 成为实现更加上下文感知和高效的 NF 通信系统的关键推动者。然而，ISAC 的发展也带来了一个新的安全挑战，即通过对抗性感知暴露发射机位置信息。在此背景下，本文开发了一种双重NF安全传输框架，以共同保护通信机密性和发射机位置隐私。具体而言，制定了三个核心优化框架，以最大限度地提高通信安全性，同时确保遵守传感电阻（SR）约束，并针对不同级别的信道状态信息（CSI）可用性进行定制。为了解决由此产生的非凸问题，利用广义瑞利商和广义奇异值分解来揭示易于处理的问题结构并解耦通信信号与人工噪声之间的相互作用。仿真结果验证了所提出的框架，并证明了保密性增强和本地化弹性之间的明确权衡。

本文为主动导频欺骗攻击下的无小区大规模多输入多输出（CF-mMIMO）系统开发了一种鲁棒的安全弹性传输框架。作为基线，在无攻击条件下表征系统性能，以确定目标用户的攻击前服务水平。检测到攻击后，系统进入吸收阶段，在此期间，使用受污染的信道状态信息 (CSI) 在有限的接入点 (AP) 子集上自适应调整功率分配。此阶段可以快速补偿性能下降，同时保持较低的运营开销。一旦保密频谱效率（SSE）恢复到规定的损失水平，由此产生的功率分配就会初始化恢复阶段。这里，所有AP的发射功率被联合优化，并且保护性部分迫零(PPZF)策略进一步提高了保密性。同时，在最坏情况的窃听场景下考虑了大规模衰落的不确定性，引入了人工噪声（AN）。由此产生的与阶段相关的非凸问题在统一的框架内制定，并使用逐次凸逼近（SCA）来解决。数值结果表明，所提出的方案实现了有效的时间质量权衡，同时保持了最高的恢复保密性；在代表性设置中，它比各自的基准方案实现了高达 3.6%、15.7% 和 56% 的增益，并且在窃听者信道不确定性下也有类似的改进。