2026-07-29论文雷达 TEST

超大规模多输入多输出（XL-MIMO）是下一代通信系统的关键技术。在实际部署中，非方形均匀平面阵列（UPA）的长、短轴孔径不同，会从根本上改变波前特性，并使不同轴向呈现各向异性的波束聚焦能力。为揭示这种几何形状对性能的影响并充分发挥非方形 UPA 的潜力，本文研究非方形 UPA XL-MIMO 系统的各向异性近场特性、基本性能极限和信道估计。首先，作者推导阵列长轴与短轴的有效波束聚焦距离，并发现其辐射空间可划分为全近场区、各向异性近场区和远场区；随着阵列纵横比增大，各向异性区域将渐近主导整个近场空间。随后，论文给出非方形 UPA XL-MIMO 系统的渐近有效自由度，表明在大纵横比条件下，距离域复用主要由长轴孔径决定。进一步地，作者推导距离估计的闭式 Cramér–Rao 界和三维位置误差界，揭示阵列几何引起的距离、方位角与俯仰角估计性能权衡，并据此确定使三维位置误差界最小的最优阵列纵横比。最后，论文利用各向异性波前特性设计三维各向异性近场码本，以降低非方形 UPA 信道估计的复杂度。数值结果表明，该码本能够以更低复杂度取得与三维极域码本相当的估计精度。

流体天线阵列 (FAA) 提供了一种通过自适应端口定位来利用空间自由度的有前途的方法。然而，大多数现有的通信模型将天线端口视为独立的通道样本，因此忽略了从根本上控制紧凑孔径的电磁耦合。本文开发了一种用于平面 FAA 的电磁感知电流域框架。所提出的模型将位置相关的多端口阻抗、互耦合、辐射和接受功率、源电压可行性和通道变化集成到统一的基带兼容描述中。该框架与实现无关：本文采用的封闭式半波偶极子模型只是一个实例，可以用全波、测量或代理阻抗和嵌入图案模型代替。在此框架的基础上，我们提出了两个面向优化的设计问题。第一个解决方案是通过在旁瓣、电流、电压和几何约束下联合优化端口电流和位置来解决单波束超定向波束形成问题。第二个方法通过电流域预编码和接受功率、电流、电压和间距约束下的位置优化来最大化多用户加权和速率。在这两种情况下，电磁模型都不会作为设计后校正来应用，而是直接合并到具有凸电流或预编码子问题和梯度减小的几何更新的易处理的交替算法中。仿真结果表明，在正确建模时，可以将互耦用作宝贵的设计资源，从而实现比固定网格和随机流体天线基准更低的旁瓣和持续的总和速率增益。

本文提出了一种基于目标的智能反射面（IRS）辅助的实时无人机（UAV）跟踪集成传感和通信框架，解决低空经济中的链路阻塞和弱雷达截面等挑战。通过将 IRS 集成到无人机上，该系统创建了一个移动协作目标，该目标为自我跟踪提供可控的视距回波，同时充当增强地面通信的移动中继。我们为机动无人机建立了全面的三维状态演化模型。基于该模型，立即实现扩展卡尔曼滤波器，以实现对移动无人机的实时跟踪。为了表征这种递归估计过程的基本理论限制，我们推导了分析后 Cramer Rao 界限和椭圆权衡性能界限的封闭形式表达式，以量化传感精度和通信吞吐量之间的关系。为了确保毫秒级的响应能力，我们开发了一种低复杂度的联合波束成形设计。通过利用跟踪和通信需求之间的解析映射，所提出的方案产生波束成形向量的封闭形式解，有效地绕过了传统方法耗时的数值迭代。数值模拟表明，所提出的框架在复杂的机动轨迹上显着优于传统的固定部署基准，实现了厘米级的精度，同时大幅降低了发射功率和处理延迟。

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。

近场采样旨在使用最少数量的测量点来表示发射区域和接收区域之间的电磁场，同时保留主要的空间模式。本文开发了一种基于空间自由度 (DoF) 的几何感知采样框架。视距公式用于推导简单线源几何形状的传​​播模式 DoF 密度的封闭式表达式，提供总 DoF 及其局部分布。一自由度采样点是从累积自由度密度的相等增量中获得的，从而产生直至奇异值谱拐点的自适应非均匀采样策略。为了改善拐点之外剩余模式的表示，引入了反应模式密度来指导附加边缘样本的放置。基于算子的采样误差函数被公式化并显示为连续通道算子被忽略的奇异值的下界。数值结果表明，所提出的采样策略非常接近从奇异值分解获得的最佳性能，并且显着优于仅基于传播模式自由度密度的采样。

在多频段低空无线系统中，获取密集的高频信道状态信息（CSI）成本高昂，因为导频资源有限，并且信道尺寸随着载波频率、带宽和天线阵列尺寸的变化而变化。我们解决了跨频带 CSI 重建问题，它从密集的源频带 CSI 和稀疏、嘈杂的目标频带导频中恢复密集的目标频带 CSI。我们提出了一个基础模型，该模型表示公共功率角延迟频谱中的每个频带，并使用射频元数据作为编码器解码器的辅助调节。该模型使用导频引导的交叉注意力将源频带结构与目标频带导频融合，从而允许一个模型处理异构频带对。它通过先导致密化预训练进行训练，然后进行监督跨频带微调。在光线追踪、3GPP 和 DeepMIMO 数据集上，该模型将平均归一化均方误差比最先进的特定对基线降低了 6.1 dB。它还可以转移到两个看不见的对，无需配对微调，在完全监督的基线上实现 7.5 和 7.1 dB 增益，并且在目标导频有噪声时仍然有效。

大语言模型（LLM）驱动的进化搜索是一种新兴的算法发现范式，已经在多个科学领域产生了新颖的结果。然而，其在无线通信中的应用在很大程度上仍未得到探索。为了弥补这一差距，我们引入了人工智能电信工程师（AITE），这是一个框架，可以自主设计复杂通信问题的算法，同时实现性能与复杂性的权衡。我们展示了 AITE 解决两个具有挑战性的物理层问题：为正交时频空间 (OTFS) 系统设计均衡器，以及使用自定义星座和无导频操作为正交频分复用 (OFDM) 系统构建接收器算法。对于第一项任务，AITE 开发的算法优于最知名的解决方案，同时与最强基线相比，计算延迟减少了 3.6 倍。对于第二项任务，它发现了第一个明确的、可解释的算法，可以实现与最先进的神经接收器的性能相当。这些结果证明了法学硕士驱动的进化搜索在自主发现下一代无线通信算法方面的强大潜力。

本文提出了一种新型无基带宽带 MU-MIMO OFDM 发射机架构，由两个级联堆叠智能超表面 (SIM) 实现。与传统的无线发射机不同，所提出的设计将符号加载、MU-MIMO 预编码和 OFDM 调制从数字基带转移到波域。具体来说，在第一个 SIM (SIM$_1$) 中，可编程符号加载接口首先将一个堆叠虚拟子载波系数向量加载到公共单色载波上，而其余层则执行从数据流到端口子载波域的信道自适应 MU-MIMO 预编码。然后，第二个SIM（SIM$_2$）通过直接在波域中实施离散傅里叶逆变换（IDFT）和循环前缀（CP）插入算子来实现离线配置的波域OFDM调制。基于该架构，我们开发了一个波域系统模型，该模型明确描述了从块级系数到辐射 OFDM 子载波的虚拟到物理转换。 SIM$_1$和SIM$_2$的设计被表述为两个算子拟合问题，分别针对块对角宽带预编码器和理想的OFDM调制算子。在实际离散阶段约束下，我们为两个 SIM 阶段开发了一个基于量化感知训练的梯度下降 (QAT-GD) 框架。数值结果验证了所提出的优化的有效性、合成波域功能的正确性以及所得架构强大的端到端 MU-MIMO OFDM 性能。

在本文中，我们研究了具有线性阵列的可移动天线（MA）无线传感系统中的多目标检测问题，其中明确考虑了直接视距（LoS）路径和一阶非LoS（NLoS）路径。与传统的固定位置天线阵列不同，MA 通过启用自适应天线定位来重新配置传播几何形状，提供额外的设计自由度，为增强复杂多目标多路径场景中的传感性能提供了巨大潜力。在此设置下，我们首先开发交叉稀疏马尔可夫混合，然后导出目标位置的后验概率，其中有效利用视距和非视距路径之间的结构相关性来提高位置估计精度。基于导出的后验概率，我们通过提出一种新的二维（2D）模糊度函数作为性能指标，进一步分析多目标检测的角域传感性能。接下来，我们优化 MA 位置以抑制旁瓣水平并缩小所提出的模糊度函数的主瓣宽度。尽管产生的问题是高度非凸的，但我们开发了一种低复杂度的基于 Dykstra 的投影梯度下降算法来有效地解决它。最后，仿真结果验证了所提出的模糊函数分析的准确性，证明了所提出的先验模型和 MA 带来的实质性性能增益，并表明所提出的算法实现了与现有方法相当的性能，同时计算复杂度显着降低。

由于 NF 多天线系统中的短波长和距离相关的波前曲率，太赫兹 (THz) 波段近场 (NF) 定位可提供高空间分辨率。然而，减轻太赫兹路径损耗所必需的大型阵列和密集部署会提高接收信号的维数，从而增加定位的计算开销。此外，传统的二维（2D）子空间算法在相干源下存在过于复杂和鲁棒性差的问题。本文提出了一种基于子阵列（SA）处理的分层定位框架。第一步对每个 SA 进行一维估计以估计局部角度。第二步结合 SA 输出来估计距离，将 2D 搜索减少为两个 1D 搜索。为了解决相干源的缺点，基于变压器的网络可以预测协方差校正，从而改进子空间估计。仿真表明，所提出的分层算法将复杂度降低了四个数量级。与多信号分类 (MUSIC) 相比，在相干场景中，基于变压器的协方差校正将角度精度提高了 85%，并将距离误差在 5 dB 信噪比下降低了 6.5 m。

低复杂度的信道状态信息获取对于超大规模多输入多输出（XL-MIMO）系统至关重要。然而，由于有限的到达仰角（AoA）分辨率和恶化的信道稀疏性，非方形均匀平面阵列（UPA）在混合场环境中的实际部署面临着过高的计算复杂性和降低的估计精度。为了应对这些挑战，我们提出了一种低复杂度的信道估计框架。首先，天线域外推方案通过相邻元件之间的空间相关性合成了虚拟放大的垂直孔径，打破了高程分辨率限制。然后，该框架通过将二维联合搜索转换为两个连续的一维搜索来解开参数耦合。具体来说，沿虚拟放大的垂直均匀线性阵列（ULA）通过外推增强离散傅里叶变换-牛顿正交匹配追踪（NOMP）算法提取仰角AoA，而沿水平ULA利用离散分数傅里叶变换-NOMP算法获取方位角AoA、范围和增益。子空间拟合驱动的路径匹配算法对这些解耦的参数进行配对。为了克服天线域方案的精度瓶颈，通过利用空间相关矩阵的结构特性进一步开发了相关域外推方案，以解耦近场二次和方位相位分量，产生噪声抑制的虚拟阵列。数值结果验证了所提出框架的有效性。

流体天线系统 (FAS) 已成为第六代 (6G) 无线网络的一项有前景的技术。通过允许天线元件在紧凑区域内自由移动，FAS 可以利用丰富的空间分集，而无需额外的硬件。然而，获取实时信道状态信息（CSI）、将信道值外推到未测量的天线端口以及确定准确的用户位置仍然是主要障碍。这些挑战主要源于有限孔径内的强空间相关性和可观测数据的稀缺。为了克服这些限制，本文引入了专为 FAS 设计的基于联合嵌入预测架构 (JEPA) 的通道基础模型 (CFM)。该模型采用 JEPA 通过提取屏蔽或未观察到的通道段的高级潜在嵌入来学习通用表示。与尝试逐像素重建原始 CSI 系数的传统方法不同，JEPA-CFM 专注于预测紧凑特征空间中的抽象结构。预训练目标结合了三个互补的损失项：标准掩码自动编码器重建损失、JEPA 潜在预测损失和切片各向同性高斯正则化 (SIGReg) 项。这些组件共同防止表示崩溃，并显着增强在严重空间相关性和高度稀疏观测下的鲁棒性。预训练后，编码器被冻结，并附加轻量级任务特定头：用于通道外推的解码器和全局平均池层，后面是用于无线定位的多层感知器回归头。在现实 DeepMIMO 城市场景中的广泛模拟表明，JEPA-CFM 在信道外推和无线定位方面远远优于传统的屏蔽自动编码器基线。

准确、实时的到达方向 (DOA) 估计对于无人机 (UAV) 通信系统中的波束成形至关重要。然而，现有的高精度 DOA 估计算法在具有机载信号处理限制的无人机上实现时会遇到较高的计算复杂度。为了解决这个问题，开发了一种用于 DOA 估计的电磁神经网络 (EMNN)，它能够仅根据幅度观测生成入射信号的角谱。具体来说，所提出的EMNN由两个组件组成：安装在无人机上的堆叠式智能超表面（SIM），每个元原子都是一个人工神经元，可以以低能耗和超快的计算速度处理电磁域中的信号。此外，级联全连接层来处理接收到的幅度信号，增强了EMNN的非线性提取和表示能力。此外，为了降低高分辨率 DOA 估计所需的计算复杂性和观测快照，我们开发了分层 DOA 估计框架，该框架分别涉及进行粗略和精细 DOA 估计的两个阶段。对于每个阶段，EMNN 都在随机生成的训练样本及其相应的谱上进行训练，以达到期望的估计目标。最后，仿真结果验证了所提出的 EMNN 在双信号场景中比传统波束成形 (CBF) 方法在分类错误减少方面实现了约 13 dB 的增益，尽管其成本较低且与射频 (RF) 相关的功耗也较低。

无线智能不仅需要庞大的基础模型来进行全网规划和决策，还需要一个紧凑的“小脑”来进行快速、精确的物理层推理。与上层使用的计算密集型架构不同，物理层小脑必须在严格的微秒到毫秒延迟限制内运行。本文介绍了 ScoreFM，这是一个专为此角色设计的轻量级基于分数的基础模型。 ScoreFM 学习可重用的评分函数，这些函数表征无线信道、源信号和结构化干扰的先验特征。在推理过程中，这些学习到的先验知识作为即插即用的降噪器嵌入到特定于任务的消息传递算法中，从而允许相同的紧凑评分网络支持不同的下游任务。该设计将基于分数的生成学习的表达能力与基于模型的推理的效率、可解释性和模块化相结合。信道估计、定位和盲语义通信的案例研究证明了 ScoreFM 的灵活性和有效性。最后，我们讨论了实现实用无线小脑的未来方向和挑战。

基于无线电的同步定位和建图 (SLAM) 有潜力通过利用无线电信号提供精确的用户设备 (UE) 定位和环境感知功能。大多数现有方法仅利用视距 (LoS) 和单次反射非视距 (NLoS) 路径，而高阶 NLoS 路径则被视为干扰。在本文中，我们研究了利用双反弹 NLoS 路径解决双基地快照无线电 SLAM 问题的好处。当存在双跳 NLoS 路径时，我们推导了 Cramer-Rao 界限 (CRB)，用于联合估计 UE 状态和地标位置。此外，我们提出了一种算法来识别双跳 NLoS 路径并将其用于联合 UE 和地标估计。通过模拟数据验证导出的边界，并利用波束成形 5G 蜂窝参考信号进行实验性毫米波 (mmWave) 测量来评估所提出的算法。数值和实验结果表明，与单反射NLoS路径共享至少一个入射点（IP）的双反射NLoS路径提高了单反射NLoS路径的UE状态和现有IP的估计精度。重要的是，利用双反射 NLoS 路径可以揭示仅用单反射 NLoS 路径无法观察到的地标，从而增强环境测绘能力。

收缩天线系统（PASS）通过沿一个或多个电介质波导离散地激活一小组收缩点来重新配置孔径。每次激活都会采样并重新辐射引导场，因此所选点自然会在紧凑的硬件光控制接口下产生多个传播延迟。可移动信号 (MS) 通过在标称中心周围的狭窄允许范围内调谐公共 RF 载波来提供互补的“单旋钮”驱动，从而在不改变基带波形的情况下旋转延迟分离组件之间的相对相位。本文开发了一种在具有实际意义的公共载波机制中联合 PASS-MS 操作的中断框架，其中所有激活点共享相同的可调谐载波。我们首先研究两个激活的夹点的最小非平凡情况，并揭示了由调谐跨度和主要延迟间隙之间的相互作用控制的急剧覆盖过渡：超过临界跨度，通过调谐可以确定地达到完美的相干对准；在它之下，可实现的最佳对齐是随机的。我们推导出频率优化视线增益的显式混合分布（点质量加上反正弦连续部分），并通过单调 Marcum Q 变换将其映射到半封闭式莱斯断电表达式。然后，我们使用基于依赖图的边界扩展到许多候选者中的最佳对选择，并通过单个调整变量下的可计算增益和中断边界进行多点激活。因此，分析处理集中于两点激活原语，而 $L\gt 2$ 情况是通过经过认证的扩展而不是通过完全封闭形式的一般中断法则来处理。本文还讨论了一般相位定律、预言替代间隙控制、相位主导扰动分析以及远场与球面波边界。仿真验证了预测的过渡，并量化了相对于固定运营商和仅 PASS 基线的可靠性改进。

环境分割多址 (EDMA) 通过使用分段波导和视距 (LoS) 阻挡来划分服务区域并减少区域间干扰，为收缩天线系统 (PASS) 提供以传播为中心的多址框架。最近的 PASS 可移动信号 (MS) 研究进一步表明，载波域驱动可以重塑延迟相关的通道响应。受这些发展的推动，本文研究了显式 LoS+NLoS 传播下的分段 PASS-MS-EDMA。与早期的 PASS-MS 工作不同，该工作针对公平性、可靠性、波束成形或传感来优化通用用户信道矩阵，而目前的工作重点是由一个段、一个馈电/射频链、一个活动夹点和每个区域一个预定用户引起的 EDMA 特定区域到区域耦合矩阵。我们采用引导延迟加辐射LoS/NLoS延迟叠加信道模型，并表明每个对角线和非对角线耦合条目成为公共载波的有限三角多项式。这产生了 NLoS EDMA 的软分区解释：PASS 形成了对角有利的耦合结构，而 MS 在载波域中搜索减少跨区域泄漏的操作点，而不是干扰所需的区域内链路。我们确定了 MS 无效的延迟可见度边界，描述了对角线/非对角线载流子灵敏度不对称性，并从非对角线延迟差异中推导出泄漏谷和临界载流子。基于这些见解，我们使用自适应软分区认证、关键载波细化和分段近端几何上升，开发了一个具有内部标量链路功率更新和外部 PASS-MS 更新的两时间尺度求解器。数值结果在有利和弱不对称状态下验证了所提出的理论，并显示出与仅 LoS EDMA、固定载波 NLoS EDMA 和基于网格的载波搜索基线相比一致的加权和速率增益。

<jats:title>摘要</jats:title> <jats:p>电磁技术的进步需要制定策略，在日益拥挤和易受干扰的环境中有效利用频谱和空间资源。本文首次展示了一种完全无源滑动超表面，它将锐频率滤波和广角波束控制统一在单一架构内，从而建立了二维频率角度选择窗口。所提出的超表面用两个互补相位轮廓之间的全局几何位移代替局部相位重构。这种滑动策略在倒易空间中产生频谱质心的受控平移，从而实现连续波束控制并建议可扩展到其他频率范围。在演示的实现中，采用了受传输线启发的设计，其中堆叠层被战略性地重复使用，以在元原子内形成准法布里-珀罗腔，从而实现同时相位调制和频率选择滤波。实验结果验证了锐利的光谱选择性、超宽带外抑制以及 ± 57° 扫描范围内的稳定波束控制。所提出的滑动超表面为下一代电磁系统提供了一个紧凑且广泛适用的平台，为协调谱空间波控制提供了一种新的模式。</jats:p>

<jats:title>摘要</jats:title> <jats:p>实时智能系统越来越需要能够不断适应不断变化的输入的硬件，但大多数现有处理器依赖于静态权重推理，这使得它们容易受到动态环境中分布变化和错误累积的影响。尽管自适应权重更新原则上可以解决这一限制，但它们在电子硬件上的实现受到稳定性与可塑性权衡以及在顺序处理中变得特别严重的内存墙和时钟瓶颈的阻碍。在这里，我们提出了一种时间塑性光子处理器（TPPP），它通过将多时间尺度光子内核与递归光学延迟存储器相结合来实现超快的原位适应。该架构集成了一个用于稳定长期处理的缓慢、可重新配置的内核和一个用于瞬态适应的快速、动态内核，使得时变权重能够直接嵌入光子域中，而无需重复的电子存储器访问。我们在线性和非线性顺序任务上通过实验验证了 TPPP。在这两种情况下，数据驱动的时间可塑性使 TPPP 在鲁棒性和准确性方面优于传统的静态光子基线。在与操作匹配的 INT8 比较下，扩展分析预计每次操作的能源效率比先进电子处理器高出 16 倍，内在单通道计算延迟降低 100 倍，从而将 TPPP 确立为实时自适应光子计算的有前途的硬件框架。</jats:p>

大型语言模型 (LLM) 代理在工具使用、代码执行、工件检查和迭代修订方面显示出不断增长的能力，为自动化科学研究创造了新的机会。据我们所知，本文提出了第一个无线领域的端到端自动研究框架，特别关注无线资源分配优化，这是表征无线系统基本性能限制并增强其在动态信道和网络条件下的实际性能的重要领域。具体来说，我们提出了无线自动研究代理（WARA），这是一种闭环多代理系统，可将初始研究主题转化为完整的研究包。 WRA 将研究工作流程分为三个阶段：1）研究差距识别和问题提出，2）优化建模、算法设计和实验，3）研究成果构建。每个阶段都遵循一个以工件为中介的过程，其中使用结构化的上游工件来生成下游输出。控制器管理的门验证这些工件并保持问题表述、算法、实验和研究声明之间的一致性。当验证失败时，WARA 仅修复受影响的工件，而不是重新启动整个工作流程。我们进一步设计了一个基于法学硕士的评分代理来评估稿件级别的研究有效性。比较结果表明，WARA 的性能大大优于一次性 LLM 生成，并且接近最近接受的同行评审论文的质量概况。这些结果证明了闭环工件控制在端到端 LLM 辅助无线优化研究中的潜力。源代码位于https://github.com/guoyuan-dotcom/WARA_CUHKSZ

在本文中，我们研究了 MIMO 集成传感和通信系统的联合估计信息性能限制。

信道知识图 (CKM) 已成为一种很有前景的技术，可提供特定场景和位置相关的传播知识，从而实现环境感知的无线网络设计。本文研究了使用三维高斯分布 (3DGS) 的大规模网络的特定类型 CKM 的构建和动态更新，即基于网格的通道增益图 (CGM)。首先，我们制定了基于网格的信道增益模型，其中每个映射条目被定义为接收器网格上的局部平​​均信道增益，从而抑制相敏小尺度波动。由此产生的通道增益被分解为距离相关的衰减、路径透射率和有效散射贡献。基于这种分解，我们开发了一种基于物理信息的高斯分布信道增益（GS-CG）模型，该模型将传播环境表示为一组高斯基元。所提出的模型将高斯几何、不透明度和方向特征映射到传播相关因素，并通过可微分过程呈现网格级通道增益。为了适应实时环境变化，我们进一步提出了一种增量学习机制，将静态参考 GS-CG 表示更新为动态 CGM。具体来说，参考高斯基元被冻结，同时引入一组紧凑的可调谐高斯来捕获稀疏测量中新引起的局部通道增益变化。数值结果表明，所提出的 GS-CG 方法可以准确地重建基于网格的 CGM，有效地适应动态环境变化，并为快速 CGM 细化实现有利的精度与复杂性权衡。

信道知识图（CKM）被认为是未来第六代（6G）网络的一项有前途的技术，可促进环境感知无线通信、传感和定位。 CKM构建的研究工作可以分为基于模型的方法和基于数据的方法。具体来说，基于数据的CKM构建利用空间相关性的基本原理，在有限的测量数据的基础上完成CKM，从而产生了“在哪里进行信道测量”的问题。在本文中，我们研究了基于数据的高效 CKM 构建的空间测量策略，并考虑了一种特定类型的 CKM，称为通道增益图（CGM）。总体目标是选择用于信道测量的位置子集，以便最小化全局 CGM 构造的平均均方误差 (AMSE)。为了将无限的测量位置减少到有限的集合，我们将底层物理空间离散化为有限数量的立方网格点，并制定组合优化问题以从中选择测量位置。为了解决所提出的问题，我们采用了两种代表性算法，即贪心算法和模拟退火（SA），并讨论了它们各自的优点。为了克服传统均匀离散化的精度与复杂性之间的权衡，我们从高斯随机场理论的角度开发了一种自适应离散化策略，以最大限度地减少从原始连续场到均方意义上的近似离散表示的信息损失。与均匀离散化相比，所提出的自适应离散化策略在AMSE降低方面取得了显着的性能增益，建立了空间测量的理论框架并为实施提供了实际指导。

作为6G的关键技术，集成传感与通信（ISAC）受到了广泛关注，部署可重构智能表面（RIS）可以通过提供额外的自由度来增强ISAC的通信性能和传感能力。在本文中，我们研究了 RIS 辅助 ISAC 系统的波束训练框架，其中对通信用户设备 (UE) 进行波束对准，同时通过其回波信号检测单个目标。使用根据 5G 标准原理构建的码本，我们提出了一种部分搜索过程，该过程实现了低训练开销，并在数学上表明该策略足以识别合适的码字组合来为 UE 提供服务。通过应用辅助波束对方法，获得了基站和RIS角度的目标角度信息。然后，基于角度估计提出了高精度闭合形式定位，并且我们进一步将所提出的技术扩展到多目标定位场景。数值结果突出了所提出的技术在 ISAC 环境中的优势，表明训练过程可以有效地找到码字组合，并且目标定位技术优于基准。

本文研究了大规模多输入多输出 (mMIMO) 正交频分复用 (OFDM) 框架，用于具有逆合成孔径雷达 (ISAR) 成像的集成传感和通信 (ISAC)，支持物联网 (IoT) 等应用。双功能架构结合了通信预编码和专用传感波束成形，可同时实现下行链路通信和 ISAR 成像。由于间歇性导频传输和稀疏感测子载波激活，接收到的回波提供不完整的测量结果，导致稀疏孔径 ISAR 重建问题。为了解决这个问题，开发了一种自适应重加权二维交替方向乘子法（ADMM）算法，用于从稀疏观测中恢复高分辨率图像。还提出了联合资源分配框架，以根据通信服务质量和感知约束来优化通信子载波分配、感知子载波选择和发射功率分配。利用信道强化，导出仅基于统计信道状态信息（CSI）的分析性全频带感知基准，用于最大比率（MR）和迫零（ZF）预编码，同时开发了基于软执行者批评（SAC）的方法用于稀疏感知资源分配。数值结果表明，所提出的自适应 ADMM 算法比传统方法改进了稀疏 ISAR 重建。基于 SAC 的设计在满足通信和传感约束的同时，在总频谱效率方面也比全频段基准获得了大幅提升，从而揭示了 ISAR 重建精度和通信频谱效率之间的权衡。

本文研究了大规模线性天线阵列近场非视距 (NLoS) 传播中单边近似的有效性。该研究利用多端口通信理论，评估从接收器返回到发射器的电磁相互作用是否可以忽略。随着天线数量的增加，该分析检查了具有固定间距的离散阵列和具有固定孔径的连续阵列。结果表明，两种情况的近似值均渐近满足。这为在物理一致的下一代无线系统中使用相关瑞利衰落模型提供了理论基础。

本文研究了毫米波可移动天线 (MA) 多输入多输出 (MIMO) 系统中的动态信道估计算法。为了实现高精度的信道估计，我们提出了一种基于张量分解的信道估计算法。首先，通过利用路径响应模型并利用毫米波信道固有的稀疏性，将基站和移动站的MA对对应的信道转换为稀疏路径信道的叠加。接下来，将接收信号构造为四阶张量，以充分捕获MA MIMO信道的高维结构信息。然后，采用两种张量分解方案来提取因子矩阵，我们的分析表明，我们的模型可以保证分解的唯一性。随后，基于这些因子矩阵获得传播损耗、频率偏移、到达/离开角度和时延，并且可以重建信道矩阵。此外，还导出了 Cramér-Rao 界（CRB）作为性能评估标准，证明所提出的算法具有更高的估计精度并接近该最小界。此外，选择归一化均方误差（NMSE）作为估计精度的评价指标。最后，仿真结果表明，与基线算法相比，该算法的估计误差显着降低，证实了其估计优势。

这封信提出了一种用于离散相可重构智能表面（RIS）的自适应元素分组方法，为高移动性用户设备（UE）提供服务，以最大化平均净频谱效率。针对 RIS 到 UE 链路推导了漂移感知信道状态信息 (CSI) 老化模型，支持导频刷新、CSI 预测和误差协方差表征。考虑到飞行员训练和 RIS 重新配置开销，开发了一种双时间尺度设计：慢时间尺度分组利用空间相关性，而快速时间尺度波束成形和离散相位优化使用预测的 CSI，同时保留残余组间耦合。模拟显示比现有分组方案更高的净频谱效率，特别是在高移动性和大规模 RIS 下。

近年来，大语言模型（LLM）凭借其出色的适应性和推理能力，已成功应用于无线通信、机器人和自动驾驶汽车等各个领域。尽管LLM潜力巨大，但其在移动管理中的应用相对较少，因为它不仅需要分析无线测量结果，还需要预测动态用户轨迹并在密集部署的小型基站（SBS）之间做出实时切换决策。在本文中，我们提出了一种基于大型多模态模型（LMM）的环境感知移动管理方案，该方案扩展了LLM处理多模态传感数据的能力。通过利用 LMM，所提出的方案从 RGB-D 图像中提取周围环境的上下文信息，以捕获用户设备 (UE) 移动模式并识别由静态反射器和动态障碍物引起的信号反射和阻塞。使用提取的环境信息，所提出的方案学习从UE和SBS位置到信道容量的内在映射，称为信道容量图（CCM），从中预测沿UE轨迹的未来信道容量。根据预测的信道容量，我们确定主动切换决策，以最大化累积信道容量。仿真结果表明，与传统的基于深度学习（DL）的方法相比，所提出的方案实现了信道容量的显着提高。

本文介绍了 LiTCom，这是一种轻量级发射器和具有推理能力的接收器框架，旨在在低信噪比 (SNR) 条件下实现稳健的 6G 上行链路通信。它涵盖了边缘设备和网络基础设施之间的资源不对称。 LiTCom 通过对源编码和最小信道编码应用基本低通滤波来简化发射机设计，从而显着降低处理复杂性。接收器采用大规模生成人工智能 (GenAI) 模型，从超出传统解码能力的高度失真和降级信号中推断出高语义保真度内容。此外，通过利用数据重要性来提高系统性能，开发有效的功率分配策略，系统性能是通过引入的体验质量（QoE）指标来衡量的。仿真结果验证了所提出的LiTCom框架和轻量级编码设计的有效性。与类 5G NR 基线（使用 JPEG 源编码和 LDPC 信道编码）和 Deep-JSCC 基线相比，LiTCom 的 SNR 增益分别高达 8 dB 和 2.5 dB，同时减少了 95% 以上的发射端计算量。

正交频分复用 (OFDM) 非常适合集成传感和通信 (ISAC)，但其循环前缀 (CP) 适合通信级多径，通常不足以用于传感。当回声超过 CP 持续时间时，符号间和载波间干扰 (ISI/ICI) 会破坏子载波正交性并降低传感性能。本文提出了一个超越 CP 限制的 OFDM-ISAC 统一分析和算法框架。我们首先开发了一个通用回波模型，该模型明确捕获了由 CP 不足引起的 ISI 和 ICI 的结构化耦合。在此模型的基础上，我们推导出封闭形式的信号干扰加噪声比 (SINR) 和距离多普勒图 (RDM) 二阶矩，以及近似的峰值旁瓣电平比 (PSLR)，两者都显示出随着超出 CP 的归一化额外延迟而近似线性恶化。为了减轻这些影响，我们提出了两种标准兼容的连续干扰消除（SIC）方法：SIC-DFT（一种基于低复杂度 DFT 的方案）和 SIC-ESPRIT（一种超分辨率子空间方法）。模拟证实了分析并证明了与代表性基准相比的一致收益。两种算法在 CP 不足的条件下均可提供超过 $4$~dB 的 SINR 改进，而 SIC-ESPRIT 将距离/速度均方根误差 (RMSE) 降低约一个数量级，接近使用足够长的 CP 可以实现的性能。这些结果为超越 CP 限制的可靠远程 OFDM-ISAC 传感提供了理论见解和实用解决方案。

本文提出了一种用于协作集成感知和通信的子空间融合感知算法。首先，我们将从接入点（AP）接收到的信号叠加到三阶张量中，并通过张量展开构造等效的虚拟天线（EVA）阵列。然后，利用分布式 AP 的 EVA 阵列开发了一种基于子空间的无数据关联融合传感算法。还提出了 Cramer-Rao 下界 (CRLB) 的推导。最后，仿真结果验证了该算法相对于传统技术的有效性。

<jats:title>摘要</jats:title> <jats:p> 光子神经网络承诺以光速进行推理，但大多数架构将线性光学网格与电子非线性相结合，重新引入光电瓶颈。柯尔莫哥洛夫-阿诺德网络将可训练的非线性函数放置在网络边缘，将表达能力集中到几个结构化模块中。这里的每个边缘都是由马赫-曾德干涉仪、半导体光放大器和可变光衰减器构建的单个模块，提供由增益饱和和干涉混合设置的四参数传递函数。四模块网络在非线性分类上达到 94.3% 的准确度（十个种子上±3.9% s.d.），七模块网络在六输入回归上达到 <jats:italic>R</jat:italic> <jats:sup>2</jat:sup> = 0.986 ± 0.015，对 6 位输入和 14 dB 信噪比保持鲁棒性。在这里，我们展示了完全可微的物理模型可以对这些标准电信模块进行端到端优化，从而提供了从模拟到光子柯尔莫哥洛夫-阿诺德网络实验演示的实用途径。 </贾茨：p>

本文研究了无人机 (UAV) 辅助的集成传感与通信 (ISAC) 系统中三维 (3D) 定位的基本性能限制。具体来说，基站（BS）借助充当灵活空中锚节点的无人机来估计感测目标的3D位置。我们推导了 3D Cramer-Rao 下界 (CRLB) 的封闭式表达式，该表达式将可实现的定位精度明确量化为无人机位置和目标位置的函数。 CRLB 可自然分解为三个不同的分量，分别由信号传播延迟、角度测量及其耦合效应产生。为了验证分析结果，我们考虑了一个具有代表性的基于正交频分复用 (OFDM) 的 ISAC 系统，并证明派生的 CRLB 可以密切预测跨不同几何配置和无人机移动模式的最大似然估计的性能。此外，我们引入了 CRLB 约束传感覆盖范围的概念来表征可以保证指定定位精度的空间区域。通过局部边界近似和覆盖范围大小评估，我们揭示了无人机位移、高度和 CRLB 阈值如何共同塑造可靠传感区域的范围和几何形状。

无线电地图 (RM) 估计旨在通过稀疏测量重建无线信号特征的空间分布，例如接收信号强度 (RSS)，这是现代无线网络中频谱管理、干扰抑制和定位的关键任务。包括插值和深度学习在内的传统方法要么难以捕获复杂的传播效应，要么需要对每个新的采样模式进行大规模的再训练，这限制了它们的泛化。最近，基于先验的方法将预先训练的生成模型与测量相结合，以减少部署时模型微调的需要，但它们通常将先验视为简单的正则化器，并且缺乏明确的发射机感知集成。在本文中，我们提出了 RadioTrace，这是一种无需部署时间微调的新颖 RM 估计框架，它将稀疏 RSS 测​​量与冻结的预训练扩散先验紧密集成。 RadioTrace 将发射机 (Tx) 位置估计直接纳入降噪环路，根据重建质量迭代细化 Tx 坐标，以指导生成过程。为了进一步增强鲁棒性，我们引入了传播引导的 K 均值初始化，可以减轻 Tx 更新中较差的局部最小值，并提供几何一致的起点。此外，我们为 Tx 坐标细化组件提供了随机稳定性分析，表明 Tx 更新在扩散采样和 Tx 映射松弛引起的扰动下保持稳定。大量实验表明，RadioTrace在随机采样下与最先进的基于学习的方法取得了有竞争力的性能，并在受限区域采样下保持了较强的重建质量，凸显了其适应性、鲁棒性和实际相关性。

为了解决高速铁路（HSR）通信中信道老化引起的干扰问题，并进一步降低信号处理延迟，以满足加速高铁速度的超低延迟要求，考虑到堆叠智能超表面（SIM）的本机电磁信号处理和速率分割多址（RSMA）的干扰消除能力，我们提出了一种用于高铁车地无线通信的新型RSMA辅助SIM增强型无小区大规模MIMO架构。基于最小均方误差信道估计，针对完全已知和不可用的初始视距 (LoS) 相位条件导出频谱效率 (SE) 的封闭式表达式，以描绘系统的性能范围。此外，为了解决高速移动引起的通信质量下降的挑战，开发了一种启发式算法来联合优化SIM波束成形矩阵和速率分割因子，从而最大化总SE。此外，提出了一种基于归一化信道估计的接入点（AP）选择方案，以提高HSR通信系统的可扩展性。仿真结果证明了所提出的联合优化算法的有效性。研究还表明，RSMA 可以有效减轻信道老化引起的干扰，特别是在完全已知的 LoS 初始相位下，并且当 AP 上的 LoS 路径初始相位可用时，由波束成形算法支持的 SIM 增强型无小区大规模 MIMO 系统的性能优于传统系统。

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。

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。

近年来，由于向更高频率和超大孔径阵列的发展，近场定位引起了人们的广泛关注，这扩大了近场区域并将许多源带入其中。这意味着天线阵列不仅可以用于角度定位，还可以用于范围定位。尽管已经开发了多种定位方法，但每种方法都有其局限性，可能会阻碍实际部署。本文重点讨论一类技术，尽管其在准确、高效的位置估计方面具有强大的潜力，但在先前的文献中相对较少受到关注：群体和进化计算 (SEC)。这些方法非常适合近场定位的复杂优化环境，并且比基于网格的子空间方法和深度学习方法等传统方法具有重要优势。

流体天线系统 (FAS) 最近已成为下一代无线网络的一项有前途的技术，提供实时空间重新配置以提高可靠性、吞吐量和能源效率。然而，现有的研究经常忽视信道衰落的时间动态及其对关键任务操作的影响。在本文中，我们提出了一种可靠性理论框架，用于在有限块长度（FBL）约束下提供 FAS 的统计服务质量（QoS）。具体来说，我们推导出 Nakagami-$m$ 衰落通道上 $N$ 端口 FAS 的电平交叉率 (LCR) 和平均衰落持续时间 (AFD) 的新封闭式表达式。利用这些二阶统计数据，我们引入了两个关键的可靠性指标，例如任务可靠性和平均首次故障时间（MTTFF），以量化在定义的任务持续时间内不间断运行的概率。我们进一步扩展了经典的有效容量（EC）概念，将任务可靠性纳入 FBL 体系中，从而产生了一个新的性能指标：任务 EC（mEC）。为了捕获突发流量和延迟限制下的能源效率，我们还开发了任务有效能源效率（mEEE）指标，并将其最大化表述为非凸分数优化问题。然后通过带有嵌入式线搜索的改进的丁克尔巴赫方法解决了这个问题。广泛的模拟揭示了端口数、QoS 指数、信噪比和任务持续时间之间的关键权衡，为超可靠、低延迟和节能的工业物联网 (IIoT) 系统的设计提供了见解。

超对角可重构智能表面（BD-RIS）正在成为无线通信领域的一项变革性技术，由于其相对较低的成本和先进的信号处理能力，可以在恶劣的城市环境中增强无线系统的性能和服务质量（QoS）。一般来说，BD-RIS 系统用于以直接和间接的方式提高无线系统的鲁棒性、提高可实现的速率并提高能源效率。直接方法是通过优化散射矩阵的设计来产生有利的传播环境，而间接方法是通过进一步利用后者“工程化”介质的多输入多输出（MIMO）波束形成器的设计来获得额外的改进。在本文中，通过 BD-RIS 的和速率最大化问题进行了研究，重点是可行性，即低复杂性物理实现，通过以遵守对称矩阵流形几何形状的方式在 BD-RIS 设计中强制执行互易性。为此，总速率目标通过分数规划（FP）转换为二次函数，并通过正则化项形式的二次互易约束进行增强，而酉约束则通过流形优化框架处理。仿真结果证明了所提出的方法在总速率最大化方面优于当前最先进（SotA）方法的有效性。

在本文中，我们研究了一种支持六维可移动天线（6DMA）的宽带太赫兹（THz）通信系统，该系统在基站（BS）具有子连接混合波束成形架构。特别是，每个 6DMA 表面的三维 (3D) 位置和 3D 旋转可以灵活地重新配置，以减轻光束斜视效应，而不是引入昂贵的实时延迟器件。我们首先根据光束斜视效应分析支持 6DMA 的宽带太赫兹系统中的归一化阵列增益。然后，我们通过联合优化 3D 位置、3D 旋转和混合模拟/数字波束成形来制定总速率最大化问题。为了解决非凸问题，开发了一种交替优化算法，将原始问题分解为三个子问题，并交替求解。具体来说，给定 6DMA 表面的位置和旋转，我们首先重新制定目标函数并设计基于半定松弛的交替最小化方案以获得混合模拟/数字波束形成。然后，通过可行的梯度下降程序进一步优化 6DMA 表面的位置和旋转。重复上述过程直至收敛，得到最终的解。数值结果表明，与传统的固定位置天线架构相比，该方案具有优越的性能。

安装在基础设施上的传感器可以捕获丰富的环境信息，以增强通信并促进毫米波系统中的波束形成。这项工作提出了一种高效的传感辅助长期波束跟踪框架，该框架从码本中为当前和多个未来时隙选择最佳波束。我们首先设计了一个大型注意力增强神经网络（NN），以充分利用过去的视觉观察进行光束跟踪。卷积神经网络提取紧凑的图像特征，而具有注意力的门控循环单元捕获序列内的时间依赖性。然后，大型神经网络充当教师，通过知识蒸馏指导轻量级学生神经网络的训练。学生需要更短的输入序列，但保留长期的光束预测能力。数值结果表明，教师在当前和未来 6 个时间段内实现了超过 93% 的 Top-5 准确率，在模型参数减少 90% 的情况下接近最先进的性能。尽管输入序列缩短了 60%，但学生的表现与教师的表现非常接近，同时模型参数数量减少了 1670% 以上，复杂性降低了 450% 以上。这一改进显着提高了数据效率，减少了延迟，并降低了传感和处理中的功耗。

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。

无人飞行器（UAV）技术的快速发展带来了安全威胁，这促使集成传感与通信（ISAC）系统的发展来解决这些问题。然而，分布式ISAC节点的供电限制以及对抗场景中隐蔽信号传输的需求仍未得到解决。本文重点研究集成能量采集、传感和隐蔽通信 (IEHSCC) 系统的隐蔽传输优化，该系统由具有可切换传感/干扰模式的能量采集 (EH) 节点和 ISAC 基站 (BS) 组成，以避免被敌方典狱长 Willie 检测到。推导了Willie的最小检测错误概率(DEP)，并计算了IEHSCC系统的感知和隐蔽传输性能。针对信道状态信息(CSI)估计误差，提出了EH节点波束成形、BS波束成形、功率分配和EH节点模式选择的联合优化问题，以最大化隐蔽传输速率。将问题分解为子问题，并通过 S 过程和半定松弛 (SDR) 算法求解。提出了一种迭代注水算法来选择 EH 模式。仿真结果表明，该算法收敛速度快，有效提高了IEHSCC系统的隐蔽传输速率。增加EH节点的天线数量可以提高隐蔽率，但过多的节点或BS功率会降低系统性能，实际中需要合理配置。

在卫星综合传感与通信 (ISAC) 网络中，信号回波本来就很弱，因此需要长时间的相干积分。然而，传统通信波形的逐时隙非连续传输限制了集成效率并降低了感测性能。在这封信中，我们提出了一种时频块编码正交频分复用（TFBC-OFDM）波形。在时域上，为了提高波形的感知效率，设计了帧结构，使得感知序列也可以承载在没有通信净荷的时隙中。在频域中，为了在不影响通信同步的情况下扩展感知带宽，活动频带被划分为多个块，每个块承载部分带宽格雷互补序列（GCS）。块聚合保持全带宽范围分辨率，同时每​​个块保持与部分带宽同步信号块（SSB）兼容。此外，每个GCS都通过不同的伪随机序列进行相位编码，以抑制模糊函数伪峰值。数值结果表明，它在不影响通信的情况下提高了传感资源利用率和整体传感性能。

这封信利用近场 (NF) 球面波前来导出几何相关的物理签名，用于超大规模多输入多输出 (XL-MIMO) 反向散射通信系统中的反向散射设备 (BD) 身份验证。我们提出了一种基于多天线 BD 架构的二进制逐元素延迟移位键控 (EW-DSK) 调制方案。所提出的方案引入了一种确定性的、与位相关的延迟，该延迟可以改变功率延迟分布 (PDP)，同时保留由 NF 传播引起的与孔径相关的曲率。使用跨接收天线提取的主要 PDP 组件，我们开发了一个紧凑的延迟曲率签名提取器和相应的身份验证测试，以减轻 BD 冒充攻击。仿真结果从曲率提取精度、认证精度以及不同欺骗距离、信噪比和有效带宽下的欺骗成功概率方面评估了所提出的方案。