2026-07-20论文雷达 TEST

太赫兹 (THz) 频段为未来无线通信系统提供了超高数据速率传输的潜力。为了延长传输距离并提高频谱效率，部署大规模天线阵列成为太赫兹频段的一种有前景的解决方案。本文针对此类配置中跨场（混合近场/远场）信道参数估计和信道表征的关键挑战。我们首先在室内场景中建立了 260-380 GHz 虚拟均匀线性阵列 (ULA) 测量框架，捕获高分辨率通道传递函数 (CTF)，揭示空间非平稳性和跨场波前特性。基于这些经验观察，我们提出了一种跨场空间交替广义期望最大化（SAGE）算法，该算法通过贝叶斯相位曲率分类有区别地估计近场和远场多径分量（MPC），同时通过可见区域估计明确跟踪空间生灭现象。测量数据分析验证了该算法解决跨场MPC的有效性，并量化了在2 m传输距离（380 GHz）下近场MPC占总MPC的90%以上。我们观察到，随着载波频率的增加和传输距离的减小，空间非平稳性加剧。这些发现为无线太赫兹通信系统中的信道建模和系统设计提供了定量指南。

准确而强大的无线定位是新兴 5G/6G 应用（包括自动驾驶、扩展现实和智能制造）的关键推动因素。尽管其重要性，但由于无线信号的复杂性及其对环境变化的敏感性，在不同环境中实现精确定位仍然具有挑战性。现有的数据驱动方法通常泛化能力有限，需要大量标记数据并且难以适应新场景。为了解决这些限制，我们提出了 SigMap，一种多模态基础模型，它引入了两个关键创新：（1）循环自适应掩蔽策略，根据信道周期性特征动态调整掩蔽模式以学习鲁棒的无线表示； (2) 一种新颖的“地图即提示”框架，通过轻量级软提示集成 3D 地理信息，以实现有效的跨场景适应。大量的实验表明，我们的模型在多个定位任务中实现了最先进的性能，同时在未见过的环境中表现出强大的零样本泛化能力，显着优于监督和自监督基线。

本文提出了一个严格的框架，用于使用无线通信频率下普遍存在的衍射机制来感测环境物体。具体来说，我们开发了一种物理一致的参数化衍射通道模型，推导出用于估计阻塞形状、范围和源到达方向 (DoA) 的最大似然 (ML) 方法，并通过 Crammer-Rao 界 (CRB) 量化基本性能限制。在基于物理的建模中，我们集成了波传播的各种近似（远场、近轴菲涅耳和精确的近场区域），从而实现了广泛的适用性。底层模型与频率无关，我们推导出菲涅耳数缩放定律，该定律映射了衍射图案，从而解决了跨载波频率、物体尺寸和范围的估计问题。我们量化了最大似然估计性能及其与 CRB 的关系，并研究了本工作中开发的建模近似的影响。数值结果表明，ML 估计器以中等到高信噪比 (SNR) 非常接近 CRB，并突出了基于衍射的建模在高保真阻塞表征中的实用性。

随着人工智能（AI）技术的发展，应用人工智能改进无线接收器的神经接收器已经被开发出来。然而，大多数现有的神经接收器仅将深度学习应用于外部接收器，同时保留内部接收器的传统通道解码，这阻碍了联合优化，并且难以构建高效且统一的 AI 原生接收器。为了解决这个问题，我们提出了一种支持基础模型（FM）的统一神经接收器 FM-Receiver，它利用 FM 强大的表示能力，将外部和内部接收器集成到单个 AI 原生框架中。具体来说，我们引入了一个分组纠错码 Transformer，它执行符号级通道解码，从而实现内部和外部接收器的无缝集成。在此基础上，我们说明了所提出的 FM 接收器，它直接将接收到的信号作为 FM 的输入并输出恢复的传输比特。此外，还设计了三阶段配置自适应预训练策略，以提高对不同系统配置和场景的泛化能力。广泛的仿真表明，所提出的 FM 接收器在不同系统配置中实现了比基准更好的性能。它还展示了对未见过的频段和场景的强大的零样本泛化能力。

集成传感与通信（ISAC）因其同时支持无线通信和环境传感的能力而备受关注。然而，在动态 ISAC 系统中，环境移动性对严重多普勒效应下的动态信道估计和跨多个时隙的连续传感参数跟踪提出了严峻的挑战。为了通过统一的框架应对这些挑战，我们提出了一种新颖的基站-用户协作感知方法，用于联合动态信道估计和感知参数跟踪，包括目标/散射体位置和实际速度，该方法被表述为最大后验（MAP）问题。在某些移动雷达目标也充当通信散射体的情况下，空间重叠会导致位置域传感和通信信道之间潜在的部分公共稀疏性。基于此，我们开发了一种基于动态位置网格的二维马尔可夫模型（2D-MM），以捕获时空相关性和部分公共稀疏性，从而提高传感和通信性能。为了缓解稀疏贝叶斯推理 E 步中的高复杂度矩阵逆问题，我们借助从二维离散傅里叶变换 (2D-DFT) 定位和状态演化模型获得的先验信息，提出了一种动态子空间约束变分贝叶斯推理 (D-SCVBI) 算法。最后，仿真表明，所提出的 D-SCVBI 算法在各种基线上获得了显着的性能提升。

工业物联网 (IIoT) 是 6G 的关键用例之一，它需要大规模天线阵列支持的高吞吐量无线连接。最近，可重构全息表面（RHS）已成为实现大规模收发器阵列并满足此类要求的节能解决方案。在 RHS 中，电磁 (EM) 波沿着表面传播并依次激发元件，从而通过幅度控制实现定向全息波束形成。然而，RHS串行传输模式引起的元件间耦合给宽带全息波束形成带来了挑战。对于大规模 RHS 部署，这些困难变得更加明显，尤其是在高频下，由于室内工业场景中的近场分束效应。在本文中，我们提出了一种用于室内环境中部署的宽带近场多用户通信系统的 RHS 辅助全息波束形成方案。首先引入 RHS 模型的理论近似来处理元件间耦合并捕获 RHS 的串行传输特征。然后提出了一种联合数字和全息波束形成算法，以最大化系统频谱效率（SE）。通过利用 RHS 中参考波的频率相关相位变化，可以通过幅度控制减轻分束效应，而无需额外的时间延迟组件。我们证明，对于大规模 RHS 启用的全息波束形成，1 位幅度控制可以在多用户通信中实现接近最佳的 SE 性能。还提出了一种基于子阵列的全息波束形成算法，利用近场空间非平稳性来降低计算复杂度。仿真结果验证了所提出的方案有效地减轻了分束效应，并且在SE方面优于现有方案。

太赫兹 (THz) 频段的近场传感通过利用球面波前和高载波频率实现超高分辨率。然而，高太赫兹载波频率本质上限制了明确的速度范围，导致速度估计中的模糊性问题，而近场信道耦合使估计进一步复杂化。在本文中，我们利用张量分解（TD）来解耦近场通道。我们针对太赫兹系统量身定制，提出了一种新颖的基于 TD 的宽带近场速度估计框架，该框架明确解决了固有的太赫兹模糊度问题。通过重新构建近场信道，我们将与载波频率相关的模糊度分量与与带宽相关的分量隔离开来，从而促进了从粗到细的估计策略。具体来说，粗略阶段利用太赫兹宽带宽来解决相位缠绕引起的模糊性，而细化阶段利用高太赫兹频率进行高精度估计。我们进一步推导了速度估计方差的封闭式表达式，有助于阵列稀疏性、孔径、信号持续时间和带宽的联合优化，以共同满足传感精度和通信速率要求。仿真结果验证了所提出的方案在显着拓宽的明确速度范围内实现了接近 CRB 的估计精度。我们进一步发现，稀疏大孔径阵列与信号持续时间和带宽的自适应调整相结合，提供了比增加天线密度更有效的提高估计精度的策略，从而在有限的计算和时频资源下实现高精度 ISAC。

当前公开元数据未提供可核验的原文摘要。上方“核心贡献”为编辑概述，不等同于原文 Abstract。

太赫兹 (THz) 频率的集成传感和通信 (ISAC) 可实现超高分辨率感知，但面临一个关键限制：高度定向的太赫兹光束无法照亮单光束内的扩展目标。传统解决方案依赖于顺序光束扫描，这降低了传感精度并增加了能耗。此外，在传统的稀疏阵列中，栅瓣通常被视为不良伪影，应予以抑制以避免模糊和干扰。相比之下，本文采用逆向设计理念，有意将稀疏引起的栅瓣设计为用于扩展目标传感的可控辅助照明光束。本文利用栅瓣并提出了一种稀疏连接的混合波束成形架构，该架构有意设计和利用栅瓣以实现扩展目标的单次全孔径照明，同时支持多用户下行链路通信。开关控制的稀疏射频网络保留了阵列孔径，并生成具有覆盖整个目标范围的结构化次瓣的主导主瓣。协方差驱动的交替最小化框架联合优化了数字预编码器、量化移相器和天线射频切换。 140 GHz 下的仿真展示了近乎全数字的 Cramer-Rao 传感精度、低阶 THz 通道中具有竞争力的通信性能、快速收敛以及显着的硬件和能源节省，将结构化稀疏连接建立为扩展目标 THz ISAC 的可扩展且节能的解决方案。

收缩天线系统 (PASS) 能够通过沿着波导灵活地重新定位收缩天线 (PA) 来动态重新配置无线信道，以建立短距离视距链路。本文提出了 PASS 的用户侧导航框架，其中移动用户仅使用下行链路广播信号来确定自己的位置，而无需事先了解 PA 位置。首先，开发了基于 Lambert W 函数的 PA 定位和伪距估计 (LWF-PAP) 算法，其中导出了沿波导的 PA 位置和 PA 用户伪距的闭式表达式。其次，提出了基于加权最小二乘的PASS导航（WLS-PAN）算法，将基于PASS的非线性导航方程转化为闭式线性系统，并导出最优权重矩阵，实现最小方差无偏估计。第三，进一步定义了 PA 导出的位置精度稀释 (PA-PDOP) 度量来表征理论精度范围。仿真结果表明，PA和用户在断点距离内均达到厘米级定位精度。研究还表明，统一PA部署和适度增加PA数量可以有效提高导航精度，从而验证了所提出的分布式实时用户侧自导航框架的有效性和鲁棒性。

在近场和远场混合系统中，当基于低复杂度全阵列最大比传输（MRT）设计模拟波束成形时，近场和远场信道之间的非正交性可能会导致严重的用户间干扰，从而降低速率性能。为了解决这个问题，我们在本文中提出了一种基于天线选择的传输框架，可以有效抑制混合场干扰，而无需机械地改变天线结构。为此，通过在基于 MRT 的模拟波束成形下联合设计天线选择和功率分配，制定了优化问题，以最大化混合场系统的总速率。由于问题是非凸的并且通常难以最佳解决，因此我们首先考虑典型的两个用户场景以获得有用的见解。有趣的是，我们的分析表明，通过仅停用一小部分天线即可显着减轻强混合场干扰，但又不会过多影响阵列增益。此外，在干扰抑制和阵列增益增强之间的天线选择中揭示了固有的权衡，基于此，获得了用于实现最大总速率的次优去激活天线数量。接下来，对于一般的多用户情况，我们开发了一种基于高效惩罚对偶分解（PDD）的两层框架，通过使用块坐标下降（BCD）和逐次凸逼近（SCA）技术来获得其高质量的解决方案。为了进一步降低计算复杂度，利用干扰抑制准则提出了一种低复杂度的天线去激活策略。最后，数值结果表明，所提出的方案在干扰抑制和阵列增益损失之间实现了有利的权衡，从而比各种基准方案实现了显着的性能增益。

当前公开元数据未提供可核验的原文摘要。上方“核心贡献”为编辑概述，不等同于原文 Abstract。

这封信提出了一种在硬件损伤（HWI）下基于深度 Q 网络（DQN）的近场（NF）波束跟踪方法。在超大孔径阵列部署中，传统的 NF 跟踪会受到硬件引起的失真和模型不匹配的影响。所提出的方法直接根据接收信号测量顺序更新位置估计，无需显式参数化 HWI 补偿。 DQN 代理在离散的到达角-距离动作空间上学习一种在子阵列内互耦合和残余本地振荡器引起的相位失真下最大化接收信号功率的策略。针对基于模型和基于学习的基线的仿真结果证实了 HWI 下的可靠跟踪和低在线推理延迟。

当前公开元数据未提供可核验的原文摘要。上方“核心贡献”为编辑概述，不等同于原文 Abstract。

采用介质波导的收缩天线系统（PASS）最近已成为一种有前景的用于高频无线通信的灵活天线架构。虽然之前的工作主要集中在毫米波范围，但将 PASS 扩展到太赫兹 (THz) 频段会引入独特的电磁现象，从而使传统的建模假设失效。本文开发了 THz-PASS 的第一个分析框架，该框架集成了波导内传播衰减、通过耦合模式理论的倏逝耦合以及太赫兹特定的自由空间效应（包括分子吸收及其再辐射噪声）。使用该模型，我们在相同的传播场景下将 THz-PASS 与传统相控阵进行基准测试。我们的比较评估表明，THz-PASS 通过邻近利用有效提高了频谱效率，使其特别适合受限和线性部署拓扑。

可编程超表面通过动态调整亚波长尺度的波与物质相互作用，为现代声学和电磁技术带来了新的机遇。由于声波和电磁波的物理特性和调谐机制的差异，当前的可编程超表面通常仅操纵一种类型的波，而对两种波的并发和可编程控制仍然难以捉摸。在这里，我们提出了一种双物理可编程超表面，能够同时、独立和动态地操纵声波和电磁波。所提出的超表面由 324 个微电机驱动元件组成，这些元件可单独寻址和无线控制。每个元件可以通过动态几何旋转实现声波和电磁波的1位反射相位调制，从而使超表面能够实现声波和电磁功能的按需和解耦重构。通过同时实现本地音频增强和射频中继通信以及声电磁双通道信息伪装，展示了超表面的有趣特征。这项工作为未来基于超表面的多物理无线通信和信息安全提供了重大前景。

<jats:title>摘要</jats:title> <jats:p>主动的像素级可寻址性是实现具有可编程波前控制的元设备的核心。然而，可见光波长下的二维操作仍然具有挑战性，因为减小超表面像素尺寸对电气互连设计和局部可调谐性施加了越来越多的限制。在这里，我们展示了交互式可寻址有机元器件，其中超薄聚苯胺与等离子体纳米天线共形集成，以产生具有局部电化学调制的单独可切换超表面像素。使用平面扇出架构，我们实现了二维超表面阵列，其中每个像素都是电子隔离的，并以亚伏电压驱动，从而实现毫秒级的开关动态。该平台嵌入在用户驱动的电子控制环路中，将用户输入转换为像素级电压模式，以生成可重新配置的全息投影，支持从字母数字字符渲染到交互式游戏等功能。像素分辨测量揭示了均匀的电化学行为、可忽略的电串扰以及在动态变化的全息场景中的稳定运行。我们的研究结果表明，有机超表面是实现用户可编程和交互式可寻址光子系统的一条有前途的途径。</jats:p>

低空无人机（UAV）正在成为无线智能任务的关键平台。然而，实际的低空无线系统通常在复杂的城市环境中运行，其中视觉遮挡、稀疏几何观测、多路径传播和传感器故障可能会降低单模态模型的可靠性。为了应对这些挑战，本文提出了 M3F-UAV，一种用于低空无线传感的缺失模态多模态基础模型。所提出的框架从视觉、几何和无线观察中学习统一的多模态表示。具体来说，分别针对 RGB/深度图像、LiDAR 点云和 CSI 矩阵采用特定于模态的预训练特征提取器。通过跨模态融合和缺失模态感知预训练以及特征级掩模重建和无人机定位目标，M3F-UAV可以从不同模态组合中提取固定大小的特征，并使其适应具有轻量级任务头的下游低空无线任务。 LAMBDA 数据集上的实验表明，M3F-UAV 优于单模态基线，并在缺失模态设置下保持稳健的性能。

<jats:title>摘要</jats:title> <jats:p>计算机的时钟频率最终决定顺序操作或指令之间的最短时间。尽管由于摩尔定律和日益并行的系统架构，电子计算机性能呈指数级增长，但传统处理器的时钟速率近二十年来一直停滞在约 5 GHz 左右。这给需要实时处理或控制超快信息系统的应用带来了重大挑战。在这里，我们通过提出并实验演示基于全光循环神经网络的计算来打破这一障碍，利用线性和非线性光学操作的超快特性，同时规避电子瓶颈。全光计算机完全在光域中实现线性运算、非线性函数和存储，其精度超过纯线性模型，时钟速率高达 80 GHz，具体取决于任务。我们通过实验演示了噪声波形分类的原型任务，并对集成光学微谐振器的孤子态进行超快原位分析。我们进一步说明了基于量子涨落的生成人工智能架构的应用，即使在没有输入光信号的情况下也可以生成图像。我们的研究结果凸显了全光计算的潜力，超越了利用超快线性、非线性和记忆功能以及量子涨落的数字电子技术所能实现的潜力。</jats:p>

集成传感和通信 (ISAC) 的一个基本挑战是表征传感和通信性能之间的权衡，并确定实现性能界限的输入分布。大多数现有研究都集中在具有无界输入模型的 ISAC 系统，而实际系统中的信号由于硬件限制而本质上是幅度受限的。受此问题的启发，本文研究了幅度受限的 ISAC 系统，其中基站传输统一波形以同时服务通信用户并估计目标参数。开发了一个分析框架来量化感知克拉默-饶界限（CRB）和幅度限制下的通信速率之间的基本权衡。通过这个框架，我们证明了达到 CRB 率 Pareto 边界的最优输入分布是离散的，由有限数量的具有圆形对称相位和离散幅度的同心环组成。为了进一步表征这些振幅质点，我们使用变分分析和蒂德曼引理得出了它们数量的封闭式上限和下界。利用上限，搜索边界实现输入的函数优化问题被简化为具有 $L_{0}$ -范数稀疏性约束的有限维问题。这个非凸问题用罚函数和辅助变量重新表述，并通过提出的基于交替方向乘子法（ADMM）的算法有效地解决。数值结果根据具有幅度约束的基准方案验证了所提出的框架，并说明了幅度阈值、功率预算和 CRB 约束等系统参数如何影响 CRB 速率权衡和最优输入的结构。结果进一步表明，随着振幅和 CRB 约束变得更加严格，振幅质点的数量减少，最优输入最终收敛到确定性的单质点分布。

接收器同相/正交不平衡 (IQI) 将每个 OFDM 子载波与其镜像对应物耦合，从而在正交频分复用 (OFDM) 集成传感和通信 (ISAC) 中产生幽灵目标并降低距离多普勒恢复。这封信没有首先补偿 IQI，然后应用传统处理，而是直接利用 IQI 受损观测的结构。我们表明，每个物理目标都会产生通过目标系数及其共轭连接的耦合直接分量和镜像分量，这激发了每个候选延迟多普勒单元的椭圆原子组表示。基于该模型，我们提出了一种椭圆群正交匹配追踪检测器，可直接在接收到的 OFDM 网格上执行稀疏恢复。通过两个加权二维快速傅立叶变换 (FFT) 和随后的局部组投影，可以有效地计算所需的相关性。数值结果表明，与相应的基准相比，该方法提高了精确的支持恢复和弱目标检测，特别是在中等和强的接收器IQI下。

本文研究了配备六维可移动天线（6DMA）的多用户无线网络的能量效率（EE）最大化问题，其中天线的三维（3D）位置和方向被联合优化，以充分利用动态信道重新配置提供的额外空间自由度。然而，6DMA的实际运行会产生不可忽略的机械能消耗。此外，与方向相关的相位变化，以及天线位置、旋转角度、发射波束成形和时间分配之间的强耦合，使得所产生的问题高度非凸且分析上具有挑战性。为了解决这个问题，我们开发了一个块坐标下降（BCD）优化框架，它将丁克尔巴赫变换与主化最小化（MM）方法相结合，以有效地获得具有保证收敛性的高质量次优解。仿真结果表明，所提出的设计比传统基准实现了显着的 EE 改进，从而凸显了在支持 6DMA 的系统中考虑实际机械能量成本的至关重要性。此外，我们的结果揭示了吞吐量增强和机械开销之间的基本权衡：尽管较大的天线重新配置可以改善信道条件，但由于机械能耗的增加，其 EE 增益逐渐减少。

实际环境中收缩天线系统 (PASS) 的性能从根本上受到视距 (LoS) 遮挡的影响。在本文中，通过联合考虑视距和非视距（NLoS）分量，而不是依赖于视距信道或概率堵塞模型，在现实的、障碍物引起的堵塞下研究了 PASS。采用几何感知阻塞模型，根据障碍物的实际位置和几何特征定义波导上的阻塞区域，使得位于阻塞区域内的收缩天线（PA）无法与用户设备（UE）建立LoS链路。 PASS 的信道模型是通过共同考虑波导内衰减和空间传播损耗而开发的。为了量化信道因素对 PASS 性能的影响，在瑞利和莱斯衰落信道下研究了单 PA 单 UE 场景。针对这两种情况导出了停电概率的封闭式表达式。对于遍历率，在瑞利情况下得到封闭式表达式，而在莱斯情况下则推导出完全解析表达式和近似封闭式表达式。推导了阻塞区域端点的解析表达式，并给出了最优PA的部署准则。仿真结果验证了分析并揭示： i) NLoS 散射对 PASS 性能有双重影响，可能会降低断电性能，同时提高莱斯衰落下的速率性能； ii) 足够强的非视距散射在视距阻塞的情况下仍能维持通信； iii) 最佳 PA 位置由环境几何形状以及空间传播损耗和波导内衰减之间的相互作用共同确定。

传统的收缩天线 (PA) 辅助集成传感和通信 (ISAC) 架构通常采用静态接收器位置或预定接收波导，从而未充分利用固有的空间自由度。本文提出了一种新型模式可选 PA 辅助 ISAC 框架，通过联合优化波导模式选择、发射波束成形和发射/接收 PA 位置，最大化组合后传感信噪比，同时满足多用户服务质量约束。为了解决由此产生的混合整数非凸优化问题，我们开发了一种低复杂度的块坐标下降算法，该算法利用基于惩罚的多数化最小化方法来实现高质量的次优解决方案。数值结果表明，通过协同利用空间适应性和模态可重构性，所提出的设计显着优于传统 PA 和固定天线基准。特别是，模式可选择的设计能够协调优化发送/接收操作和传感通信资源分配，从而在严格的通信要求下保持传感的鲁棒性。

尽管有稳定的通信要求，但考虑到与持续传感相关的高传感功耗，能源效率将对第六代 (6G) 集成传感和通信 (ISAC) 系统构成重要限制。本文提出了一种节能的多输入多输出（MIMO）双功能雷达通信（DFRC）波束成形框架，该框架可最大限度地降低发射功率，同时保证每个用户的信号与干扰加噪声比（SINR）和可靠的多目标跟踪。关键的创新是一种跟踪感知、可跳过的传感策略，它不同于传统的始终在线探测模式。不是在每个时期强制进行感知，而是根据扩展卡尔曼滤波器 (EKF) 派生的两个互补统计数据选择性地触发感知：后验置信度度量和归一化创新平方 (NIS)。前者确保准确的估计，后者保证可靠的测量，因此只有在需要附加信息时才能激活传感。为了确保间歇传感下的鲁棒性，基于扇区的波束方向图约束与非零安全照明底板相结合，以保证发生跳跃时可靠的目标跟踪。数值结果表明，与其他基线相比，所提出的框架实现了发射功率的显着降低，而通信系统的性能没有任何恶化，也没有对传感过程产生过度影响。

这封信研究了射频 (RF) 缺陷下 OFDM 上行链路 (UL) 集成传感和通信 (ISAC) 系统的实际导频分配。导频模式使用两个直观参数（即导频密度和边缘集中度）进行表征，并导出封闭式传感性能预测，以量化边缘加权导频如何在存在功率放大器（PA）非线性的情况下提高传感精度。分析见解通过模拟和基于 USRP 的原型设计得到验证。为了在非均匀导频模式下保持通信可靠性，我们使用压缩感知（CS）和基于神经网络（NN）的插值器作为代表性的高级接收器来评估基站侧稀疏导频恢复。结果表明，所提出的封闭式 RF 感知导频设计与接收器侧恢复相结合，无需 UE 侧处理、校准或辅助信息即可实现高效的传感与通信权衡。

本文探讨了采用非正交多址接入 (NOMA) 的下行链路收缩天线系统 (PASS) 中发射功率分配和辐射系数的联合优化。利用PASS支持的灵活信道调整和NOMA的功率分配适应性，提出了总速率最大化问题，其目标是同时优化基站（BS）的发射功率系数和收缩天线（PA）的辐射功率。由于其非凸性和复杂性，公式化的优化问题很难直接解决。因此，我们将主要问题分解为两个子问题，即发射功率分配子问题和PA辐射功率分配子问题。在第一个子问题中，导出了 NOMA 用户之间 BS 功率分配的封闭式解。同时，在第二个子问题中，我们利用逐次凸逼近（SCA）优化PA的辐射功率。使用交替优化（AO）交替解决这两个子问题直到收敛。需要注意的是，解码顺序在 NOMA 辅助 PASS 中起着重要作用。因此，考虑解码顺序的两种变体，即：i)高复杂性穷举搜索方法，以及ii)利用预定信道信息的低复杂性替代方案。数值结果表明，与广泛采用的等功率分配 PASS 方案相比，我们提出的方法大大提高了系统的总速率。

在大规模多输入多输出正交频分复用 (MIMO-OFDM) 系统中准确获取下行链路信道状态信息 (CSI) 具有挑战性，因为训练开销随着天线数量的增加而变化，并且信道稀疏性在角度域和延迟域上高度耦合。现有方法要么依赖于上行链路和下行链路信道之间不可靠的稀疏互易性，要么将耦合稀疏恢复问题分解为遭受误差累积的两阶段过程。为了克服这些限制，本文提出了一种用于下行链路 MIMO-OFDM 信道估计的新颖稀疏恢复算法，该算法在不假设互易性的情况下联合利用角延迟域稀疏性。该方法具有两个主要创新点：1）通用且高效的二维（2D）稀疏信道恢复公式，可以直接捕获两个域中下行链路信道的联合稀疏性，并且可以轻松扩展到各种调制类型； 2）重组稀疏学习框架，将期望传播近似（EPA）与消息重组机制集成在一起，实现跨角度域和延迟域的灵活贝叶斯推理，同时避免矢量化。仿真结果证明了该方法的有效性和优越性。

无蜂窝大规模多输入多输出 (CF-mMIMO) 系统为下一代无线网络提供增强的覆盖范围和容量。然而，由于不完善的信道状态信息（CSI）、严重的多用户干扰（MUI）和高计算复杂度，CF-mMIMO系统在下行链路功率分配（PA）方面面临重大挑战。为了解决这些问题，采用速率分割多址（RSMA）作为强大的干扰管理策略。因此，本文提出了一种用于速率分割 CF-mMIMO (RS-CF-mMIMO) 系统中 PA 的无监督且可扩展的图神经网络 (GNN) 框架，仅依赖大规模衰落 (LSF) 系数，无需瞬时 CSI。为了解决动态网络中的维度不匹配问题，我们引入了基于切片的自适应层，它将可变维度特征投影到固定的潜在空间中。这种机制使统一的模型能够跨不同的拓扑进行泛化，而无需重新训练。在此架构中，假设公共流采用最大比率预编码，专用流采用正则化迫零预编码，则总频谱效率 (SE) 在每个 AP 功率约束下最大化。我们还推导了加权最小均方误差乘法器交替方向法 (WMMSE-ADMM) 算法作为性能上限。广泛的模拟验证了所提出的 GNN 框架实现了接近最优的 SE，并且在不同的系统规模和飞行员分配方案中优于无监督深度神经网络 (DNN)。此外，可扩展变体保持了稳健的性能，同时相对于 DNN 将可训练参数数量减少了 57% 以上，并且与 WMMSE-ADMM 相比将推理延迟减少了三个数量级。

本文研究了用于流体天线的多用户多输入多输出系统（MIMO-FAS）的两时间尺度上行链路传输框架。天线位置根据统计信道状态信息 (CSI) 进行优化，而基站 (BS) 处的波束成形矢量则适应瞬时 CSI。在具有不完美 CSI 的莱斯衰落信道下，我们建立了一种基于线性最小均方误差 (LMMSE) 的信道估计方法，并使用低复杂度最大比组合 (MRC) 检测器推导出可实现的上行链路速率的封闭式表达式。通过优化流体天线位置，在可行区域和最小间隔距离约束下，将优化问题表述为最小用户速率最大化问题。为了解决这个非凸问题，提出了一种遗传算法（GA）方法，将天线配置编码为群体个体。此外，提出了加速梯度上升算法以提高计算效率。数值结果验证了数学推导，并证明所提出的双时间尺度传输策略显着优于传统的 FPA 系统，两种算法都实现了增强的增益。

收缩天线系统 (PASS) 可沿介质波导动态激活和重新定位收缩天线 (PA)，为集成定位和通信提供了前所未有的潜力。本文首次提出了室内环境下基于多波导的上行定位方法，并分析了下行通信性能。在视距信道和单个固定用户的假设下，考虑了两种可能的场景，即多波导单 PA (MWSP) 和多波导多 PA (MWMP)。针对MWSP场景，开发了基于接收信号强度指示（RSSI）的测距方法和基于MWSP的最小二乘（LS）定位算法。为了获得更深入的见解，对 LS 定位算法进行了全面的误差分析。随后，对于MWMP场景，推导了叠加信号的闭合形式表达式。根据信号功率，提出了基于MWMP的网格搜索算法，并分析了算法的估计误差。然后，根据用户的定位结果，重新定位PA以提供下行通信服务，并分析MWSP和MWMP场景下可达到的数据速率。数值结果验证了我们分析的正确性，表明：i）对于MWSP场景，较小的几何精度因子（GDoP）会导致较低的平均定位误差。此外，即使 GDoP 很大，到 PA 距离几乎相等的区域也能达到最佳精度。 ii) 对于MWMP场景，非并行波导部署提高了定位精度，尽管误差随着PA数量的增加而增加。 iii) 噪声对数据速率有严重的双重影响。定位精度和通信性能之间需要权衡。

当前公开元数据未提供可核验的原文摘要。上方“核心贡献”为编辑概述，不等同于原文 Abstract。

当前公开元数据未提供可核验的原文摘要。上方“核心贡献”为编辑概述，不等同于原文 Abstract。

通过协调多个分布式接入点（AP），无蜂窝（CF）网络架构被认为有望在未来 6G 网络中支持毫米波（mmWave）多输入多输出（MIMO）。在 CF 毫米波大规模 MIMO 系统中，同步信号块 (SSB) 码本是快速、可靠的初始波束扫描的关键推动因素。然而，现有针对单AP场景设计的SSB码本优化方法无法匹配多AP协作信道环境，从而导致波束成形增益损失。为了解决这个问题，我们在这封信中提出了一种视觉变换器特征线性调制（ViT-FiLM）条件 SSB 码本优化方法。在所提出的方法中，首先建立集成原始多AP码本的结构化波束空间表示作为主要输入，并且通过聚合多个AP的SSB测量形成低维条件向量。然后，设计的 FiLM 条件 ViT 块通过使用由低维条件向量调制的层，实现多 AP 码本的单通道和统一合成。仿真表明，所提出的方法在聚合 RSRP 性能方面始终优于 DFT 码本、基于 NBL 学习的码本优化基线和面向 CF 的 FastBT 基线，增益约为 6-9 dB。此外，它还可将浮点运算 (FLOP) 减少约 47%，为 CF 毫米波大规模 MIMO 系统提供计算高效的波束管理解决方案。

我们研究了采用正交频分复用运行的集成传感和通信系统的容量，其中采用发射信号的集成旁瓣电平作为输入成本。该问题被简化为在功率和峰度约束下复杂的加性高斯白噪声信道的容量。传感最优和通信最优工作点的特征分别是圆对称恒模和复高斯输入，而其间的容量实现输入具有同心多环几何形状的离散幅度支持。我们提出两个极值输入的叠加作为一种简单且可调的信号策略，其速率通过连续解码允许精确表达。数值结果表明，所提出的策略在最坏情况下与容量的差距约为 0.043 位。

本文联合优化基站（BS）连续孔径阵列（CAPA）尺寸和波束成形功能，以最大限度地提高下行链路多用户多CAPA系统的能源效率（EE），其中BS和用户都配备了CAPA。由于波束形成函数是 BS CAPA 上的连续电流分布，因此产生的 EE 最大化问题是一个重要的功能优化问题，它耦合了孔径大小和波束形成设计。为了应对这一挑战，我们提出了一种级联网络架构，由图神经网络（GNN）和基于函数梯度的隐式神经表示（FGB-INR）组成，分别用于学习 BS CAPA 维度和波束成形函数。两个网络都利用了最优优化策略的排列等方差，并且FGB-INR的更新方程是根据EE目标的函数梯度结构设计的。仿真结果表明，所提出的方法接近数值方法的EE，同时大大减少了推理延迟。他们还证明，FGB-INR 中的函数梯度结构提高了 EE，同时降低了样本复杂性和训练时间。

正交延迟-多普勒分复用 (ODDM) 由于其在高移动场景中的鲁棒性而被认为是集成传感和通信 (ISAC) 系统的候选波形。然而，现有的基于 ODDM 的传感方案要么需要高计算复杂性，要​​么受到有限的明确传感区域 (USR) 的影响。这项工作首先分析了 ODDM 在距离和速度估计方面的模糊度限制，并表明可以通过利用 i.i.d 来实现扩展的 USR。随机信息符号。接下来，为了实现灵活的 USR 以满足不同的传感需求，我们提出了一种低复杂度的传感框架，其中 ODDM 帧被分为多个单载波（SC）块以进行雷达通道提取。为了减少每个块内的块间干扰（IBI）和载波间干扰（ICI），我们调整了块持续时间和应用于参考信号的预期延迟-普勒偏移，并导出发现和跟踪模式的最佳调整参数。此外，我们还开发了一种高精度延迟OPPLER估计器，可以连续抑制IBI和ICI以消除估计误差基底。最后，仿真结果证明了所提出的传感框架与最先进的基线相比具有卓越的性能。

仿射频分复用 (AFDM) 已成为高移动通信的强大多载波调制候选者。本文研究了基于 AFDM 的集成传感和通信 (ISAC) 框架，用于空间-空地综合网络 (SAGIN) 内的无人驾驶飞行器 (UAV) 链路。这项工作的一个关键贡献是针对 AFDM 的循环前缀和后缀 (CPP) 的新颖设计，它是专门为满足无线功率传输 (WPT) 要求而定制的，从而支持同时信息和能量传输。具体来说，基站利用 AFDM 信号的反射回波来估计传感参数，包括移动用户的位置、速度和角度。为了优化通信链路，我们提出了一种智能自适应调制和编码（AMC）决策过程。建立了一个专门的数据集，将物理上可解释的指标（例如距离、速度和角度）与以其独特的线性调频域表示形式表征的历史 AFDM 通道状态信息相集成。随后，开发了一种混合深度学习架构，称为CNN-LSTM，以建立统一的评估框架。该框架利用卷积神经网络 (CNN) 的特征提取功能来处理 AFDM 通道的时空相关性，同时利用长短期记忆 (LSTM) 网络来捕获无人机轨迹的长期时间依赖性。仿真结果表明，所提出的建模方法实现了卓越的可分离性和鲁棒性，与理想的自适应包络紧密结合，同时与传统方法相比表现出增强的跨轨迹泛化能力。

本文提出了一种用于协作蜂窝和无蜂窝大规模 MIMO 系统的叠加传输策略。通过将用户分为近处和远处，基站为每个近处用户传输附加数据符号，叠加在来自分布式接入点的信号上。在近用户接收机处采用连续干扰消除来解码这两个符号。所提出的策略实现了最高的峰值频谱效率，同时保持了小区边缘的公平性，从而在系统容量方面优于所有现有的网络配置。