2026-08-31论文雷达 TEST

奇异值分解 (SVD) 是多输入多输出 (MIMO) 波束成形中的核心操作，但当阵列维度扩展到极大尺寸时，标准 SVD 例程的立方复杂性可能会导致主要的延迟瓶颈。本文提出了一种完全学习的神经算子，通过直接将通道矩阵映射到预编码器和组合器设计的截断低秩因子来避免显式 SVD 计算。与迭代数值求解器和算法展开网络相比，所提出的结构感知模型（称为 SVDNet）在推理时在一次前向传递中产生这些因素，将每个实例的分解成本转移到离线训练。该模型还包括轻量级约束，以强制波束成形所需的基本代数属性，例如奇异向量和非负奇异值的半单位性，而无需调用矩阵分解内核。在矩阵尺寸高达 512*512 的超大规模 MIMO 信道上进行的实验表明，所提出的方法在单流传输中实现了接近基于 SVD 的波束成形的频谱效率，并且在代表性学习基线上持续提高了多流总速率，表明低延迟无线处理具有良好的可扩展性。

流体天线系统 (FAS) 允许动态重新配置，以实现卓越的分集增益和可靠性。为了量化具有大量天线端口的 FAS 的性能扩展，本文利用极值理论 (EVT) 对中断概率 (OP) 和遍历容量 (EC) 进行渐近分析。分析表明，OP 相对于天线端口数量的次对数函数表现出双指数衰减。此外，我们建立了渐近 EC 的上限和下限，揭示了其双对数标度定律。此外，我们通过利用 Gumbel 分布模式对数缩放这一事实来重新证实这些缩放定律。此外，我们从理论上证明天线端口之间的空间相关性会降低OP和EC。所有分析结果均通过数值结果得到最终验证。

室内集成传感和通信系统在单基地可重构智能表面（RIS）辅助传感设置中遭受严重的链路阻塞和四重路径损耗，而传统设计通常将传感视为通信负担。为了应对这些挑战，本文提出了一种超对角可重构智能表面（BD-RIS）辅助感知通信（P4C）框架，其中通过联合波束成形和 BD-RIS 优化将目标散射信号用作额外的通信多路径组件。开发了一种通信效益感知的自适应传感分配策略，根据不同目标的通信贡献来分配传感资源。基于位置估计的后 Cramér-Rao 界限与有效感知功率之间的单调关系，感知约束转化为易于处理的功率分配要求。然后，使用交替优化、基于加权最小均方误差的逐次凸逼近和黎曼流形优化，开发了一种高效的联合波束形成和 BD-RIS 优化算法。仿真结果表明，所提出的 BD-RIS 辅助 P4C 框架在满足规定的传感约束的同时，实现了比传统对角 RIS 架构更高的通信总速率。

可靠的波束管理是 6G 毫米波 (mmWave) 车辆到基础设施 (V2I) 链路的核心挑战，其中窄波束提供高阵列增益，但容易受到移动引起的错位、阻塞和域变化的影响。 BeamGuard 是一种多模态传感辅助波束管理框架，它将外部感知传感与可选的部分带内毫米波功率观测相结合，以预测未来波束分布并选择自适应虚拟波束宽度操作以实现可靠的 V2I 控制。它将摄像头、雷达、激光雷达、GPS 和毫米波功率观测与时间多模态预测器融合在一起，然后通过风险感知规划器将预测后验转换为波束中心和虚拟码本级波束宽度。这里，虚拟波束宽度表示码本索引空间中的相邻波束覆盖，而不是物理模拟宽波束合成。 BeamGuard 支持仅用于减少波束训练开销的传感器操作、带有屏蔽波束功率条目的有限带内操作，以及带有传感和通信侧测量的完全混合操作。我们在 DeepSense 6G 场景 32 和 33 上评估 BeamGuard，并对场景 31 和 34 进行额外的测试，涵盖昼夜训练、传输、有限适应、消融、预算扫描和轻量级基线。用作完整系统参考的全混合锚点实现了大约 \(0.393/0.778/0.897\) 的 Top-1/Top-3/Top-5 精度，而规划器获得了大约 \(0.0060\) 的基于阈值的中断概率，增益比约为 \(0.895\)。匹配预算基线进一步表明，在可比较的带内观察设置下，BeamGuard 比多层感知器、循环和时间卷积预测器有所改进。这些结果证明了通过多模态预测和风险感知虚拟波束宽度控制实现的稳健的、开销感知的波束管理。

提出了支持中心馈电收缩天线系统（C-PASS）的上行链路环境感知框架。与传统的端部馈电 PASS 相比，通过中心馈电框架实现了双倍的自由度。基于此，我们考虑上行链路传感场景，其中开发线性逆模型来通过环境对象散射的信号重建环境。在所提出的框架中，用于稳定分离接收信号的馈电点之间的距离以闭合形式表征。此外，针对 C-PASS 和端馈 PASS 推导了均方重构误差的 Ziv-Zakai 界 (ZZB) 表达式。基于这些理论结果，可以证明C-PASS在上行链路环境感知方面实现了比传统PASS严格更低的重建误差界限。最后，数值结果验证了导出的 ZZB 表达式的准确性，并 1) 证明 C-PASS 提供了更稳定的接收信号分离，2) 证实了 C-PASS 一致的性能优势。

分布式多输入多输出 (D-MIMO) 被设想为未来无线系统的关键部署架构，通过空间分离以及有利于定位和传感的几何结构提供更好的覆盖范围和鲁棒性。其本地化的最大潜力在于分布式天线面板的联合相干处理。然而，严格的频率同步和相位校准要求以及多模态似然函数阻碍了估计过程。因此，大多数现有算法对面板的处理不连贯，可能会牺牲定位精度。我们提出了一个统一的贝叶斯状态空间滤波器系列，该滤波器基于宽带近场 D-MIMO 系统的集中 I 类和边际 II 类可能性，并直接对噪声信道观测进行操作。 I 型滤波器明确实现 (i) 非相干、(ii) 相干和 (iii) 基于载波相位的处理。对于 II 型过滤，我们表明零均值模型在分布式处理下本质上是不相干的，而观察叠加则恢复了相干性。非零均值模型可以自动适应数据中可用的一致性，我们将这种属性称为“软一致性”。我们推导出所有三个相干性级别的后 Cram\'er-Rao 下界 (PCRLB)，并表明每个级别从根本上与用于定位或被视为干扰参数的相位参数的数量相关。数值结果表明，相干特定滤波器非常接近其各自的 PCRLB，并且相干处理可以显着优于非相干处理。我们推导出基于粒子的置信传播方法，该方法在粒子和分布式面板上并行化，与观察到的数据线性缩放，并在 GPU 加速实现中实现每个时间步长数十毫秒的运行时间。

对于基于正交频分复用 (OFDM) 的集成感知和通信 (ISAC)，最大感知往返时间 (RTT) 延迟受到循环前缀 (CP) 持续时间的限制。通信维度的CP持续时间可能不足以满足长感测范围，因此脉冲重复间隔（PRI）内的符号可以在6G中采用可变的CP持续时间。为了实现更大的 RTT 延迟，我们提出了一种预编码器，可以在任意 CP 持续时间内强制跨符号边界的相位和幅度连续性。我们证明该预编码器构成了 N 连续 OFDM 的特例。除了确保连续性之外，所提出的信号还增强了接收器相关器处的能量积累。此外，我们还推导了预编码连续 OFDM 信号的封闭式周期性模糊函数 (PAF)。评估表明，与传统 OFDM 相比，所提出的信号可显着抑制 PAF 旁瓣并提高综合旁瓣电平比 (ISLR)。

集成传感和通信（ISAC）被认为是第六代无线网络的关键技术，允许传感和通信操作共同利用相同的频谱和硬件基础设施。然而，在实际的上行链路 ISAC 系统中，定时偏移 (TO) 和载波频率偏移 (CFO) 会在子载波和 OFDM 符号之间引入相位失真，这会严重降低数据检测和传感参数估计的性能。在本文中，我们提出了一种用于异步上行链路 OFDM-ISAC 系统的数据辅助变分贝叶斯 (VB) 框架。具体来说，接收信号被建模为稀疏多径叠加，其中传输的数据符号、复杂路径增益、空间频率、延迟多普勒参数和同步参数被联合推断。为了实现易于处理的推理，我们开发了一种平均场 VB 算法，其中 von Mises 分布用于角度和延迟多普勒相位参数的无网格更新，同时采用伽玛高斯先验来促进路径稀疏性。所提出的框架的一个关键特征是其数据辅助传感能力：在初始基于导频的估计之后，检测到的数据符号被用作额外的观察结果来细化信道和传感参数。这显着增加了有效感测资源，而不需要额外的导频开销。仿真结果表明，与 SAGE、SBL、AB2FM 和仅导频 VB 基线相比，该方法在符号错误率、信道重建精度、路径参数估计、TO/CFO 估计和 3D 定位精度方面具有优越的性能。结果还表明，忽略 TO 和 CFO 会导致严重的传感性能下降，凸显了 ISAC 系统的同步感知和数据辅助接收器设计的重要性。

传统的延迟多普勒（DD）通信和传感系统需要在每个信道相干时间间隔发送导频帧，以便以频谱效率为代价来跟踪信道变化。在本文中，我们提出了一种利用数据传输的方法，该数据传输以零均值、单位平均能量符号调制任意波形以进行DD信道估计，而不需要在每个相干时间间隔中进行导频传输。对实际双选信道模型的数值评估表明，与传统的基于导频的方法相比，我们提出的基于数据的方法在各种 6G 调制方案中的未编码频谱效率提高了约 1.8 倍。

在超大规模多输入多输出（XL-MIMO）系统中，近场（NF）波束训练对于获取信道状态信息（CSI）至关重要。然而，NF 波束训练必须考虑角度域和距离域，这会带来大量的训练开销。尽管现有的 NF 分层波束训练方案减轻了这种开销，但它们带来了性能下降和频繁的反馈要求。为了应对这些挑战，我们提出了一种有效的分层（EH）波束训练方案，以提高实现率（AR）性能，同时减少反馈开销。具体来说，所提出的 EH 波束训练方案建立在两个关键观察结果之上，这显着影响了分层波束训练的性能。然后，我们分析了所提出的 EH 波束训练方案的训练和反馈开销，并将其进一步扩展到不同的通信场景。仿真结果表明，所提出的 EH 波束训练方案在 AR 方面优于现有的 NF 分层波束训练方案，同时保持较低的训练和反馈开销。

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) 中产生鬼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，每个物理目标都会诱发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。

三混合多输入多输出架构最近已成为下一代无线系统的有前途的推动者，因为它们有可能提供增强的设计灵活性，而不会成比例增加硬件成本或功耗。然而，由此产生的三域耦合使得波束成形优化具有挑战性且计算要求高。本文为采用动态超表面天线（DMA）的多用户下行链路系统开发了一种快速三混合波束成形框架。基于加权和速率最大化与加权和最小均方误差最小化之间的等价性，首先在每个 DMA 输入功率约束下导出迭代算法，所有更新方程均以封闭形式提供，但收敛本质上仍然很慢。为了实现实时操作，该算法使用图神经网络进一步展开为可训练的有限迭代架构，以确保排列等方差并支持不同数量的用户。经过光线追踪通道数据的训练，展开的方法实现了相当或更高的系统总速率，同时将运行时间减少了一个数量级以上。该方法还展示了跨各种环境的强大可扩展性、鲁棒性和泛化性。

无小区大规模多输入多输出 (CF-mMIMO) 承诺在整个覆盖区域提供统一的服务，而该服务依赖于每个用户设备 (UE) 的准确信道估计。这些估计是从正交导频序列获得的，其数量受信道相干块的限制。结果，随着 UE 密度的增加，序列被重用，并且由此产生的导频污染限制了可扩展性。本文提出了一种基于自适应相移（APS）导频设计的联合用户关联（UA）和导频分配（PA）框架，其中所有UE共享单个全频带导频，并且在频域中应用的每个UE相移将它们的信道脉冲响应（CIR）放置在接入点（AP）的时域的连续、非重叠间隔中。因此，AP 可以分离的 UE 数量由子载波数量而不是正交序列数量决定，UA 被表述为 $\mathbf{0/1}$ 背包问题，其项目权重为抽头数量，容量为子载波数量。分析和仿真表明，所提出的设计使传统交织 (CI) 基准调度的 UE 数量增加了一倍以上。在相同的总导频功率下，它获得了与 CI 基准相同的均方误差 (MSE)，并且在相同的每子载波功率下获得了更低的 MSE。它通过在分配给每个候选链路的值中惩罚UE的现有连接数量，进一步提高了第5个百分点的连接性和Jain公平性指数。

定位和跟踪 (LocTrack) 是各种新兴应用的基本推动者。可重构智能表面 (RIS) 已成为增强 LocTrack 性能的关键组件。本文研究了一种多 RIS 辅助多用户 (MRMU) LocTrack 系统，其中多个 RIS 协同反映位置信号，以在基站进行信息融合，利用用户位置的时空相关性。虽然研究表明这些相关性可以提高定位精度，但它们与系统复杂性之间的权衡仍不清楚。为了解决这一差距，我们使用称为相关效率（EoC）的指标来描述 MRMU Loc-Track 系统中时空相关先验（STP）利用的有效性。为了进一步阐明相关传播和 RIS 交互，我们通过随机游走理论提供了 EoC 的“相关信息路由”解释。 EoC 提供了一个原则性的性能评估指标，使系统设计人员能够平衡定位精度的增强与复杂性的增加。此外，我们还研究了误差传播现象，分析了 MRMU LocTrack 系统中的收敛性和渐近行为。最后，我们通过广泛的数值模拟验证了理论结果。

受多模涡旋波的正交特性的启发，本文提出了一种多用户空分复用（SDM）近场接入方案。巧妙地采用可重构超表面（RM）作为信息传输的网关。该 RM 不仅接收空间重叠的多路复用多模涡旋光束，还将它们转换为近场的聚焦点光束。具体来说，超表面由多模涡旋波发生器驱动。发生器的不同端口作为基带信号的馈送点，允许独立调制的数据灵活地加载到不同的模式上。涡旋波经过RM调节后，转化为能量聚焦点光束，可以定向到RM近场区域的任意3D位置，并被不同的用户接收。由于点波束的空间位置不重叠，这种方法不仅保证了能量集中，而且显着减少了用户间的干扰。微波暗室中的近场扫描结果验证了该方法的有效性，而实时通信演示则证实了系统在实际场景中低干扰信息复用和传输的能力。

本文研究了配备双均匀平面阵列 (UPA) 的近场 (NF) 多输入多输出 (MIMO) 通信系统。我们首先开发一个广义几何模型来计算发射器和接收器面板上任意天线元件之间的 3D 距离。利用距离分析，我们得出双 UPA 配置的封闭式近场到远场 (NF-FF) 边界。通过利用 UPA 的几何结构，我们进一步将近场信道矩阵分解为两个低维矩阵的克罗内克积。这种分解可实现低复杂度的 NF 波束成形设计，以实现速率最大化。数值结果验证了分析结果，并证明传统瑞利距离是广义模型的特例。此外，与最先进的 NF 波束成形方法相比，所提出的波束成形设计实现了接近最优的速率性能，同时显着降低了计算复杂性。

最近设想的面向目标的通信范例需要直接对无线传输的数据执行机器学习推理。本文提出了一种超大型 (XL) 多输入多输出 (MIMO) 系统，该系统作为极限学习机 (ELM) 运行来执行无线 (OTA) 二进制分类。为了降低硬件复杂性，接收器配备了终止于单个射频链的级联超表面。前超表面层对输入信号应用固定的非线性响应，充当 ELM 的激活函数。随后的可调谐线性超表面层直接在波域中物理地近似训练的网络权重。跨不同数据集的数值评估表明，我们的 XL MIMO 架构实现了与理想化数字模型相当的分类精度，从而证明了低复杂性、波域 OTA 学习的可行性。

通道图（CC）是一种自监督定位技术，其主要限制是估计位置位于与真实空间坐标不对齐的任意坐标系中。在这项工作中，我们提出了一种借助数字孪生 (DT) 生成真实空间坐标中的 CC 位置的新颖方法。我们的主要贡献是一个新框架，1）从估计的 CSI 和 DT 中提取大规模通道状态信息（CSI）特征，2）将这些特征与余弦相似度损失函数进行匹配。然后，DT 辅助损失函数与传统的 CC 损失相结合，学习定位函数，该定位函数无需依赖标记数据即可提供真实的空间坐标。我们的模拟室内场景结果表明，与现有技术相比，所提出的框架将相对平均距离误差降低了 29%。我们还表明，所提出的方法对于 DT 建模不匹配和测试数据中的分布变化具有鲁棒性。

在本文中，我们利用辛优化为以用户为中心的网络（UCN）大规模多输入多输出（MIMO）系统设计预编码器，其中基站（BS）的子集为每个用户终端（UT）服务，而不是使用所有BS。在UCN大规模MIMO系统中，与传统网络大规模MIMO相比，预编码器的维数有所减小。它简化了实际系统中预编码器的实现。然而，传统线性预编码器中的矩阵求逆仍然需要较高的计算复杂度。为了减轻这种计算负担，我们采用辛优化框架来开发无反演迭代过程，其中基于耗散哈密顿动力系统来解决优化问题。为了更好地适应辛优化，我们将接收到的模型转换为实数场，并重新表述加权和率（WSR）最大化问题。优化问题的目标函数被视为动力系统的势能。由于动能耗散，连续动力系统总是收敛到势能最小的状态。通过离散化连续系统同时保留辛结构，我们获得了预编码器设计的迭代方法。还提供了所提出的辛方法的复杂性分析，以显示其高计算效率。仿真结果表明，基于辛优化的预编码器设计优于 UCN 大规模 MIMO 系统中的分布式加权最小均方误差 (WMMSE) 预编码器，在严格的免求逆操作和基于初始化策略的最大性能之间提供灵活的权衡。

基于分布式 MIMO (D-MIMO) 的新兴集成传感和通信 (ISAC) 系统通过利用跨多个接入点 (AP) 的空间分集来实现无线电成像。然而，联合传感和通信引入了通信和传感信号之间的相互干扰。在本文中，我们提出了一种下行链路 D-MIMO ISAC 框架，该框架将正交子载波分配给传感和通信，以消除功能间干扰。我们考虑一种相位相干架构，其中单天线 AP 为通信用户设备 (UE) 提供服务，同时构建环境的反射率图像。我们开发了一个两时间尺度的资源分配框架，该框架可以在通信频谱效率（SE）约束下最小化重建图像熵。所提出的设计遵循以通信为中心的策略，其中成像使用满足通信要求后剩余的资源。长时标优化 (LTO) 使用具有随机 UE 和目标分布的合成场景来确定 AP 模式和子载波分配，包括通信和感测之间的划分以及发送 AP 之间感测子载波的分配。短时间尺度优化 (STO) 采用通信感知功率分配因子来保留当前场景中的 SE 约束。数值结果表明，与传感和通信共享相同子载波的传统叠加相比，所提出的正交子载波分配实现了更好的传感-通信权衡。最后，我们评估相干和非相干成像接收器，并确定每种方法提供更好的成像和定位性能的同步机制。

这封信研究了时空缺陷下分布式多输入多输出 (MIMO) 雷达系统的鲁棒目标定位问题，即发射机和接收机的天线位置误差和时钟偏差，使用双基地距离 (BR) 测量。时空误差和 BR 测量噪声的特征是分层高斯分布，其精度参数具有伽玛超先验。我们开发了一种计算高效的近似置信传播算法来解决棘手的循环贝叶斯推理问题。特别是，与 BR 相关和与精度相关的消息是通过局部线性化和高斯矩匹配投影来处理的。这使得完全贝叶斯自适应推理成为可能，而无需时空误差和噪声的精确先验方差。各种条件下的仿真结果证明了所提算法的有效性。

在本文中，我们研究了意义驱动的跨层语义通信设计问题。基于统计决策理论，我们引入了每个样本数据重要性的信息论度量，该度量可以量化每个单独观察的特定于任务的价值。使用这个指标，我们制定了一个跨层优化问题，同时优化（i）物理层语义编码和推理以及（ii）MAC层资源分配，目标是最大化语义频谱效率，定义为每单位时间每单位带宽传递的语义值。在物理层，我们开发了元学习变分信息瓶颈（Meta-VIB），这是一种新的语义收发器，它采用元学习超网络将高维观察结果压缩为语义上重要的潜在变量，从而能够即时适应动态信道条件和变化的符号预算，而无需在线再训练。在MAC层，我们将信道分配建模为多动作不安多臂老虎机（MA-RMAB），并采用Q-Maximization算法，该算法根据传感器的信息语义值动态地将信道资源分配给传感器。真实行人安全数据集上的实验结果表明，我们的联合设计在语义频谱效率方面比基线实现了大幅提升，在平均 SNR 为 0 dB 时增益高达 1000 倍，在平均 SNR 为 5 dB 时增益高达 40 倍。

我们建立了具有方形孔径和物理规定的圆形波数支持的连续全息多输入多输出（HMIMO）通道的有限维谱近似和遍历容量收敛的定量结果。由此产生的空间波数域失配导致不可分离的方盘浓度问题，基于长椭球波函数（PSWF）的经典可分离结构不能直接应用。我们将连续算子投影到一维 (1D) PSWF 的张量积子空间上，同时保留圆形波数支持，产生通常非对角但高度稀疏的有限维矩阵。我们表明，尽管损失了可分离性并引起了非对角线耦合，但考虑到保留特征值扰动和残余谱尾的全谱近似误差仍然由一维 PSWF 特征值尾包络控制。超过明确的一维截断阈值时，该误差会呈超指数衰减。该分析进一步产生了扁平二维特征值排序下特征谱的渐近上包络线。我们进一步建立了连续通道和张量 PSWF 截断通道在各自的传输协方差优化下的实际遍历容量之间的差距的非渐近上限。与谱结果相结合，该容量间隙界限继承了对截断阶数的相同超指数依赖性。最后，开发了具有明确径向和角度节点阈值的求积规则来评估投影矩阵。数值结果表明，基于空间自由度的传统截断可以忽略与性能相关的模式，特别是对于紧凑孔径。

在基于单站仿射频分复用 (AFDM) 的集成传感和通信 (ISAC) 系统中，强自干扰 (SI) 会提高干扰本底并屏蔽目标回波，从而显着降低传感性能。这封信旨在通过提出流体天线系统 (FAS) 辅助的 SI 消除框架来应对这一挑战。具体来说，首先利用接收侧FAS提供的空间自由度，通过切换感知端口选择来执行SI预抑制，其中SI抑制和端口切换开销被联合考虑。随后，应用基于增强型递归最小二乘 (RLS) 的数字消除器来抑制端口激活后的残留 SI (RSI)。在此基础上，执行标准 AFDM 感测以估计目标延迟和多普勒。仿真结果表明，该方案实现了SI抑制和开关稳定性之间的有效权衡，改善了数字抵消的收敛行为，显着提高了强SI下的距离和速度估计精度。

这封信研究了具有多个波导的过载室内下行链路收缩天线系统（PASS），其中用户数量超过了波导的数量。我们共同优化用户选择和收缩天线（PA）位置，以最大化零强制预编码下的系统总速率。我们提出了一种新颖的低复杂度两阶段方法，称为基于几何的用户选择和 PA 优化的通道正交整形 (GBCOS)，将用户选择和 PA 布局解耦。我们推导出一个可计算的室内尺寸阈值，超过该阈值通道 Gram 矩阵变得接近对角线，使得 COS 增益处于边际。仿真结果表明，该方法的性能接近穷举搜索上限，并且优于其他基准测试方案。

纳米光学旨在通过表面极化激元的激发来理解和控制纳米尺度的光传播。在这里，我们将深度神经网络与扭曲极化子多层相结合，以实现声子极化子传播的按需设计。我们展示了扭曲 α-MoO3 同质结构的运河化、双运河化和三运河化，并将该方法从可见光扩展到太赫兹频率。

微波到光学量子换能器将实现远距离超导量子设备之间的相干互连，但与泵浦相关的噪声仍然具有挑战性。在这里，我们将量子存储协议与三级原子系统中的转导集成在一起，并演示了按需记忆辅助转导、相干性和多模能力。按需检索可实现量子位同步，而多模容量可提高纠缠发生率。

数字编码超表面可以实现电磁操纵，但主动调谐通常是不稳定的。这项工作提出了一种基于 Kresling 折纸机械钻头的自锁非易失性编码超表面。机械双稳态提供了受能量势垒保护的强大的二元重构，传输型和反射型原型演示了近场全息成像和远场光束控制，无需连续状态保持功率。

可移动天线（MA）提供了一种有效的手段来利用中继辅助无线系统中传统固定位置阵列之外的空间信道变化。这封信通过联合优化 MA 位置、用户发射功率、中继放大矩阵和接收波束形成器，研究了上行链路多用户放大转发中继网络中的总速率最大化。为了解决由此产生的高度非凸问题，我们开发了一种具有自适应量子行为粒子群优化 (AQPSO) 的分层交替优化 (AO) 框架，称为 AO-AQPSO。具体来说，内环资源分配问题被重新表述为加权最小均方误差形式，并通过块坐标下降来解决，而外环 MA 位置优化则通过具有深度强化学习引导搜索控制的自适应量子行为粒子群优化来处理。仿真结果表明，所提出的方法始终优于固定位置和启发式基准，并且当连续天线重新定位更有效地平衡放大增益和噪声转发时，实现了最大的改进。

在本文中，我们讨论了完全无人驾驶的多接入点 Wi-Fi 接收器的开发。这是基于自注意力 Transformer，它对每个（接入点、子载波）令牌进行操作，并为标准低密度奇偶校验解码器输出按位逻辑。在现实的光线追踪室内通道中，只要有一定的空间分集可用，无导频解码就变得可行。虽然单接入点配置无法达到实际的错误率，但与具有完美信道知识的理想最大比率组合基线相比，具有三个接入点的协作配置可实现大约 10^{-5}$ 的编码误码率。这是通过消除导频来实现更高的频谱效率而实现的。

本文研究了一种利用非正交多址接入 (NOMA) 的下行链路集成传感和通信 (ISAC) 系统，该系统由以能量分裂模式运行的主动同时传输和反射可重构智能表面 (STAR-RIS) 提供支持。我们根据每个用户的服务质量约束、目标传感要求和实际主动 STAR-RIS 硬件约束来最大化通信总速率。所提出的公式进一步推广到涵盖主动/被动 STAR-RIS 架构和 NOMA/空分多址方案的统一框架。为了解决由此产生的高度非凸问题，我们开发了一种计算高效的优化框架，通过引入一组通用的辅助变量来交替优化基站发射波束成形和 STAR-RIS 波束成形，从而加速解决子问题的收敛。我们还在规范有界的通道状态信息（CSI）不确定性下开发了最坏情况的鲁棒设计，其中不确定的速率表达式被替换为易于处理的保守界限。仿真结果表明，所提出的算法比基于分数规划的基准收敛得快得多，并且主动 STAR-RIS 辅助 NOMA 在各种系统约束下实现了最佳性能。结果还证明了所提出的鲁棒设计针对 CSI 错误的弹性，同时揭示了过度的有源放大可能会降低实际非线性放大器失真下可实现的总速率。

令牌通信（TokenCom）最近作为一种新范式出现，其中令牌作为通信和计算的统一单元，实现高效的多模态语义和面向目标的传输。在本文中，我们开发了Ada-TokenCom，一个基于大型自回归模型的速率自适应TokenCom框架，它将下一个令牌预测与算术编码相结合，以实现令牌级别的超低比特率语义通信。我们提出了一种混合重建/生成方案，其中发送器利用预先训练的自回归大型模型在令牌序列的开头编码和传输信息丰富的令牌，而接收器使用相同的模型来预测其余部分。此外，我们设计了一种基于李亚普诺夫的算法来动态优化源压缩率和调制编码方案，以适应时变的网络条件。仿真结果表明，我们提出的 Ada-TokenCom 框架优于数字和基于深度联合源通道编码的语义通信基线。

设计用于无线资源管理的机器学习算法是劳动密集型的：架构、损失函数和训练方法都是手动指定的。我们证明这个设计层可以完全交给自主代理。我们采用自动研究协议，其中人工智能编码代理编辑训练脚本，运行固定预算实验，并根据单个不可变指标保留或丢弃更改。我们授予代理对架构系列、输入表示、输出参数化、损失函数和任务采样法则的权限，并为其设置一个根据其难度而选择的目标：跨多单元网络的总和最小百分率功率控制。该公式以单元边缘吞吐量为目标，并且是非凸、非平滑且远离其最大-最小顶点的强 NP 困难。保障措施使结果值得信赖：哈希固定的评估器、强制推理合约和每个实验的预注册伪造器。在 26 小时内的 81 次无人值守实验中，代理在一次固定成本推理过程中达到了 99.5\%$ 的聚合最小化最大化参考，推理成本降低了大约 600\times$，与第一个工作架构相比缩小了 94\%$ 的差距，其中一个参数集服务于每个网络规模和百分位目标。它恢复了可证明的结构而不是调整的常数：它发现的输出参数化为训练权重的每个值重现了最小百分位数的精确最大最小最优分配。

未来的低地球轨道 (LEO) 星座预计将提供定位、导航和授时 (PNT) 作为与宽带一起的本地服务，从而消除 5G 非地面网络继承的 GNSS 依赖。这在文献中被称为融合 PNT。本文探讨了在通信保持完全优先级的情况下，LEO 星座中的多波束卫星应如何在通信服务（COM）和 PNT 之间共享波束和功率。卫星上的每个波束可以提供通信服务、PNT 服务或两者兼而有之（这在某些限制下）。然后，通过每颗卫星上可用固定最大功率达到 95\%$ 时间可用性的区域份额来评估 PNT 服务。本文将 PNT 可用性问题作为波束功率预算提出，因为由于接收器上的处理增益，PNT 波束不需要以与通信波束相同的功率进行传输。比较了两种卫星波束调度策略：一种是在一个小区上，波束服务 COM 需求是 COM 独有的，因此该小区中的 PNT 服务由视线内的其他卫星提供，它不需要信号修改，并且在同质/人口加权流量配置文件下获得 $70.5\%$ / $88.2\%$ 可用性；第二个策略，COM波束还可以提供PNT信号，这种波束内测距将测距信号嵌入COM波形中，以重新设计波形为代价达到了上限。两种政策之间的可用性差距集中在薄重叠的赤道带上。

语义通信通过传输语义而不是原始数据来提高效率，但在资源严重受限和信道嘈杂的情况下，识别和稳健地传输信息丰富的语义单元仍然具有挑战性。在这封信中，我们提出了一种因果感知通道自适应语义通信框架（CA2-SemCom），该框架联合解决语义选择和编码问题。具体来说，场景图语义被组织成因果图，其中因果 Shapley 值量化了语义单元对于有限比特预算下的通道自适应语义选择的重要性。此外，一种新兴的语义编码机制根据语义相似性和信道条件引入自适应符号重用结构，从而提高信道噪声下的语义对齐鲁棒性。 AWGN 和瑞利衰落信道的仿真结果表明，所提出的方法在低比特预算下优于传统的比特级和基于学习的方案。

虽然集成传感和通信（ISAC）的轨迹规划已被广泛研究，但现有框架经常通过假设固定的任务间隔来忽略时间效率。为了解决这个问题，我们提出了一种基于深度强化学习（DRL）的联合轨迹和功率分配策略，旨在最大限度地减少到达指定端点的旅行时间。我们定义了一种新颖的累积传感指标，称为路径暴露，它是根据与协调基站的多数投票融合规则下的检测概率（PoD）得出的。我们将这个时间最优控制问题表述为马尔可夫决策过程 (MDP)，并采用基于 DRL 的求解器来同时优化移动性和资源分配。模拟表明，我们的方法比传统基线实现了卓越的时间效率，同时确保满足所有 ISAC 要求。

我们研究风险规避决策，其中代理在不确定真实系统状态的情况下选择行动。风险通过优化确定性等价 (OCE) 指标来衡量，该指标概括了均值方差风险和条件风险价值 (CVaR) 等流行标准。我们描述了已知分布下的最优策略，并表明它可以简化为基于预测集的 CVaR 解决方案。这提供了共形预测类型预测集的操作解释。对于未知分布，我们开发了一种数据驱动的校准策略，基于可能性和保留校准数据的合成模型，从而实现 OCE 风险的高概率控制。该方法在两种无线波束形成设置上进行评估。

为体现智能无线通信系统提出了一种新颖的跨带信道预测模型（CBCP）。 CBCP的基本思想是使用给定频段的CSI来生成多个频段的CSI预测。基于共享编码器和独立解码器架构以及不同损失函数的设计，CBCP能够实现时空和跨带生成预测。此外，通过预训练和微调范式，该模型可以捕获多频段通道数据的全局相关性，同时保留单频段数据的关键特征，从而为解决时空和跨频段通道预测中的异质性和动态挑战提供协同支持。实验结果表明，在2.4 GHz到8 GHz的跨频段预测任务中，与所考虑的基线方法相比，CBCP将平均归一化均方误差降低了16.8%~39.2%，但时空预测精度略有下降。

集成传感和通信 (ISAC) 共享雷达传感和无线通信的频谱和硬件，而全双工 (FD) 操作可实现同步传输和接收。在这封信中，我们研究了 FD-ISAC 系统的时间功率资源分配，并开发了两种方案：固定时间功率分配（FTPA）和联合时间功率分配（JTPA），固定时间功率分配（FTPA）通过预定的通信持续时间优化发射功率，联合时间功率分配（JTPA）联合优化定时和功率。由此产生的优化问题最大限度地减少了受雷达信号干扰加噪声比 (SINR) 和通信速率限制影响的总发射功率，并通过交替优化 (AO) 进行处理。仿真结果证明了所提出设计的有效性。

毫米波 (mmWave) 多用户 MIMO 系统极易受到动态阻塞的影响，可重构智能表面 (RIS) 已被引入作为补救措施。然而，RIS 链接本身可能会被阻止，而现有研究通常假设理想的可用性。本文提出了一种端到端移动感知多 RIS 优化框架，该框架将每 RIS 阻塞检测与封闭式黎曼更新相集成。基站传输短索引同步信号，使每个用户能够通过简单的能量测试来识别阻塞的面板。基于检测到的可行集，我们使用随机闭式黎曼相位对齐（SCRPA）算法联合优化 BS 预编码器和 RIS 相位，确保单位模可行性、单调收敛和低复杂度。广泛的模拟验证了可靠的阻塞检测，并展示了与现有基线相比显着的加权总速率和可扩展性增益。

我们开发了大规模信道参数的增强模型，用于城市环境中的地面到非地面（NTN）通信，以支持地面以上的设备，例如无人机。该模型被制定为终端离地高度和仰角的函数，适用于 S 频段和 Ka 频段频率。为了确保模型真实，我们利用开源 3D 场景生成器在欧洲创建了一组多样化的城市场景。 Sionna 光线追踪用于为室外终端生成路径增益样本，覆盖高度范围高达 300 米，仰角范围高达 90{\deg}。我们提出的分析函数与视线 (LOS) 概率、阴影衰落 (SF) 和杂波损耗 (CL) 的光线追踪数据表现出极好的一致性。此外，与现有 3GPP 模型的比较耦合增益分析揭示了显着差异，特别是由所提出模型的较小 CL 和较高 LOS 概率引起的。这些模型专为易于使用而设计，可以无缝集成到仿真工具中，为研究人员和工程师提供实用的解决方案。

带有追踪组合的混合自动重复请求（HARQ-CC）通过多轮组合提高了慢速流体天线多址接入（sFAMA）的可靠性。然而，现有的分析尚未充分利用密集间隔和高度相关的流体天线系统（FAS）端口的结构来导出易于处理的每轮特征，从而维持计算密集型过程。本文重新研究了具有密集间隔和高度相关的 FAS 配置的下行链路 HARQ-CC 辅助 sFAMA。在空间块相关模型下，我们首先为每轮选择端口信号干扰比（SIR）分布及其拉普拉斯-斯蒂尔杰斯变换（LST）制定两个有效性校正的高相关近似：Marcum-Q核路线和较低复杂度的步进阈值路线。还获得了块代表天线选择（BR-AS）和固定位置天线（FPA）的封闭式表达式。然后，通过 SIR 域 Stieltjes 卷积和数值 LST 反演，使用每轮特征来评估多轮累积 SIR 分布，产生中断概率、平均传输次数和有效负载吞吐量。数值结果显示两种评估方法之间非常一致。分析 FAS 结果相对于仿真而言较为保守，但保留了性能趋势和接收器排序。 FAS 接收器的性能始终优于基准测试，而在严重的多用户干扰下，增加 HARQ 传输限制所带来的有效负载吞吐量增益变得微乎其微。

本文研究了多小区流体天线辅助 (FAS) 网络中的联合波束成形和端口选择。在此类网络中，主动波束成形和离散 FA 端口选择通过小区内和小区间干扰进行耦合，并联合优化以最大化加权总速率 (WSR)。我们开发了一个带有位置感知双分支深度神经网络（PA-DNN）的联合表示学习（FedRep）框架。 PA-DNN 使用通道状态信息和端口位置编码作为输入，并通过两个特定于任务的分支联合输出波束成形向量和端口选择。为了支持跨异构小区的分散式训练，FedRep 框架在基站之间共享与波束成形相关的全局参数，同时将端口选择参数保留在本地以进行小区特定的适应。仿真结果表明，该方案比传统的FL和端口选择基准方案实现了更高的加权和速率。

提出了联合通信和控制（JCC）框架，其中基站（BS）同时服务多个通信用户（CU）并控制闭环中的物理设备。在下行链路中，BS生成的控制输入被传输到工厂并在工厂恢复，无线致动失真被纳入工厂状态演化中。在上行链路中，工厂状态被报告给 BS，并由卡尔曼滤波器 (KF) 跟踪，以生成后续控制输入。为了表征通信控制干扰下的长期控制性能，推导了有限和无限水平线性二次高斯（LQG）成本，将波束成形设计与设备状态演化直接联系起来。然后针对矢量和标量值控制输入制定 JCC 波束成形问题，以根据每个用户通信信号干扰加噪声比 (SINR) 要求最小化无限范围 LQG 成本。对于矢量情况，针对所产生的非凸问题，开发了基于二阶锥规划（SOCP）的逐次凸逼近方法。对于标量情况，导出了封闭式无限范围 LQG 成本，并通过基于 SOCP 的二分法对通信控制 Pareto 边界进行了优化表征。其最优性源于标量控制成本相对于控制 SINR 的严格单调性。数值结果表明，推导的成本与蒙特卡罗模拟紧密匹配，KF 准确跟踪地面真实植物状态轨迹，并且所提出的方法始终优于零强迫基准。这证实了平衡通信控制干扰的好处，特别是在空间自由度 (DoF) 有限的情况下。

低空无线网络 (LAWN) 集成了地面和空中平台，为无人机 (UAV) 和电动垂直起降 (eVTOL) 飞机提供无处不在的通信、传感和定位服务。然而，动态的空地、空空通道、突然的堵塞以及异构干扰阻碍了这一目标的实现。尽管如此，流体天线（FA）这种尖端的多输入多输出（MIMO）技术通过重新配置天线位置来解锁额外的空间自由度来克服这些挑战。在本文中，为了将低空 FA 网络变为现实，我们研究了利用多智能体强化学习（MARL）对低空 FA 网络进行快速、高性能的 FA 重构。具体来说，我们提出了电磁数字孪生（EM-DT）辅助的 MARL 框架。为了填补模拟与真实之间的差距，我们引入了一个两阶段的迁移学习框架。我们的案例研究表明，与固定位置基线相比，联合 FA 位置和波束成形优化可以将系统总速率提高 118.5%。这种增益来自 FA 阵列的动态毫秒时间尺度重新配置以及波束向移动性空中用户的自适应转向。

具有分数延迟多普勒泄漏的正交时频空间 (OTFS) 信道估计通常需要大量贝叶斯矩阵求逆。这封信为减少循环前缀 OTFS 开发了一种近似正交性感知块稀疏贝叶斯学习 (AOBSBL) 估计器。飞行员诱发的字典明确地结合了 RCP 边界效应、矩形脉冲耦合和分数延迟/多普勒原子。狄利克雷核分析表明，在中等泄漏情况下，延迟块间的相干性与块分离成反比衰减，从而实现标量后验更新。扩展车辆 A 通道下的仿真显示 NMSE 和 BER 与传统 BSBL 相当，迭代复杂度在字典维度上从三次降低到线性。

网络传感联合利用多个分布式节点的观测结果，对于释放集成传感和通信 (ISAC) 的全部传感潜力至关重要。本文介绍了多 UE 感知，这是一种面向未来感知移动网络的新网络感知范例，它利用分布式用户设备 (UE) 与共同目标交互时自然产生的相关感知观测结果。提出了代表性的上行链路、下行链路和混合传感架构，以及包含同步、相关感知参数估计和传感融合的多视图信号处理框架。还讨论了关键的开放挑战，包括相关建模、目标关联、传感信息压缩和通信传感协同优化。

在这项工作中，我们推导了多载波波形联合延迟多普勒估计的 Cram\'{e}r-Rao 界

我们提出了一种收缩天线（PA）辅助的下行链路共生无线电系统，以减轻反向散射通信中的双衰落效应。通过沿着多个并行波导动态激活预定义的 PA 位置，发射器可以同时选择靠近多个反向散射设备 (BD) 的辐射点，从而实现空间复用，同时保留共生无线电固有的相长多径增益。在主用户服务质量约束下，通过联合优化PA位置、波束成形向量和BD反射系数来制定BD和速率最大化问题。开发了联合匹配和交替优化（JMAO）算法，其中外层通过离散匹配优化PA位置，而内层交替更新波束形成矢量和反射系数。仿真结果表明，所提出的方案比基准方法实现了更高的 BD 总和率，并且可以有效地随 BD 数量进行扩展。

使用商用 WiFi 信号进行无设备人体姿态估计已成为移动计算系统中普遍传感的有前途的范例。然而，由于复杂的多路径传播和无线信号的域转移，现有方法在跨异构环境部署时常常会遭受严重的性能下降。在本文中，我们提出了一种基于物理的 WiFi 传感框架，用于在移动和跨环境设置下进行稳健的 3D 人体姿势估计。我们的方法明确地模拟无线信号传播特性，并结合多路径感知注意力来捕获与环境相关的信号变化。为了进一步提高泛化能力，我们引入了一种解开的表示学习方案，该方案将姿势相关的特征与环境特定的因素分开，从而实现有效的跨域适应，而不需要大量的再训练。我们使用商用 WiFi 设备实施我们的系统，并根据多个公共基准对其进行评估，包括 Person-in-WiFi-3D 和 MM-Fi，以及跨不同室内环境的实际部署。实验结果表明，与最先进的方法相比，我们的框架显着提高了鲁棒性和泛化性能，特别是在跨环境场景下。这些结果凸显了物理信息无线传感在移动计算系统中实现可靠、可扩展且无需基础设施的以人为中心的应用程序的潜力。

本文旨在设计多址（MA）方案，以提高基于收缩天线（PA）的多组多播通信的最大最小公平性（MMF），其中PA放置和资源分配被联合优化。具体而言，考虑三种MA方案来促进多播传输：i)将干扰视为噪声（TIN)，ii)非正交多址接入（NOMA)，以及iii)具有两种PA重配置协议（即收缩切换（PS)和收缩复用（PM)）的时分多址（TDMA）。 i) 对于 TIN，导出了封闭式解决方案以实现最佳功率分配，同时为 PA 布局开发了顺序元素优化 (SEO)。 ii) 对于 NOMA，开发了包含二分搜索的递归功率分配框架，并结合了分层目标评估（HOE）机制来简化 PA 位置更新的 SEO 过程。 iii) 对于TDMA，PS协议允许使用SEO方法单独优化PA位置，之后将时间功率分配作为具有全局最优的凸问题来解决。在 PM 协议下，通过基于 Karush-Kuhn-Tucker (KKT) 的分析解决方案，对 PA 位置与时间功率资源进行联合优化。数值结果表明：i）收缩天线系统（PASS）架构显着优于传统的固定天线系统。 ii) TDMA-PS 通过充分利用灵活的 PA 重新配置并受益于无干扰传输来实现卓越的性能，而 TIN 由于其简单性而成为实用的下限解决方案，尽管其性能有限。iii) NOMA 始终优于 TDMA-PM，并且在具有异构多播组分布的高发射功率机制中，甚至可以超越 TDMA-PS 所实现的性能。

语义通信由于其在源压缩、对信道噪声的鲁棒性和端到端重建性能方面的优势，已越来越多地集成到边缘计算系统中以执行重建任务。然而，基于神经网络（NN）的语义编解码器的封闭性质，加上语义特征的噪声传输，使得分配传输资源和保证多个用户的重建质量变得困难。在本文中，我们为语义驱动的多用户边缘计算系统提出了一种可靠的在线资源分配框架，其中多个用户将源信息编码为语义特征并将重建卸载到边缘服务器。我们提出了一个多用户资源优化问题，其目标在保证每个用户的最低重建质量的约束下共同考虑系统范围的重建性能和传输延迟。为了解决这个问题，我们开发了一种基于贝叶斯优化（BO）的在线算法，可以灵活控制用户侧语义压缩率（CR）和传输速率的分配。边缘服务器利用高斯过程 (GP) 模型来共同确定每个用户的 CR 和传输速率，该模型捕获重建性能、信噪比 (SNR) 和 CR 之间的关系，并使用采集函数来选择满足性能质量约束同时最大化目标的 CR。高分辨率视频帧重建数据集上的仿真结果表明，该方法通过GP代理和采集函数选择接近最优的CR，与固定CR方案相比，实现了98.03%的约束满足率，并将传输延迟降低了45%以上。

分布式雷达传感利用空间多样性来解决遮挡问题并提高估计精度。然而，实现这些收益依赖于将高维雷达数据传输到融合中心（FC）。这对无线网络提出了巨大的要求，特别是在工厂等密集、动态和易受干扰的环境中，弹性和延迟至关重要。本文研究容量受限的两跳云雷达网络中的资源分配问题。我们提出了一种缓冲访问协议，其中传感器在通过中间边缘服务器 (ES) 将测量结果传输到 FC 之前执行本地光谱窗口以降低数据速率。资源分配被表述为混合整数优化问题，旨在最小化受前传和回传容量约束的目标参数的总 Cramer-Rao 下界 (CRLB)。我们开发了一种基于 Big-M 公式和逐次凸逼近 (SCA) 的迭代求解算法。所提出的框架有效地识别信息最丰富的传感器子集并优化时频资源分配，确保在严格的通信预算内实现高保真感测。

本文研究了一种可旋转天线（RA）增强型半双工放大转发中继系统，其中多天线基站（BS）通过多天线中继为多个单天线用户提供服务。 BS和用户采用各向同性天线，而中继采用定向RA，其指向矩阵由两跳共享，以避免跳间重定向延迟和控制开销。我们的目标是通过联合优化 BS 预编码、中继预编码和 RA 指向矩阵，最大化所有用户的最小信号干扰加噪声比 (SINR)。为了解决这个非凸问题，我们首先研究单用户场景，并使用封闭形式可用的最佳中继预编码矩阵将联合设计简化为 RA 指向优化。然后采用流形感知 Frank-Wolfe (MFW) 方法来获得次优指向解。在对称远场视线几何结构下，我们进一步表征了全局最佳指向结构，并推导了将公共指向与天线分裂分开的方向性阈值。在此 MFW 过程的基础上，我们接下来解决一般的多用户场景。具体来说，首先应用二次变换以获得等效的辅助变量公式，随后通过交替优化（AO）对其进行次优求解。特别是，我们采用基于 log-sum-exp 平滑的 MFW 方法的受保护扩展来更新每次 AO 迭代中的 RA 指向矩阵。仿真结果表明，所提出的算法在所有考虑的方案中始终实现最佳的信噪比 (SNR) 和 SINR 性能。进一步表明，优化的 RA 指向适应两跳几何结构，优选的方向性因子取决于用户负载，并且具有相对平衡的两跳传播条件的中继布置通常是优选的。

半盲信道估计在大规模无线系统中提供了导频开销和估计精度之间有吸引力的权衡。然而，在非地面网络（NTN）等高度动态的环境中，可靠的信道采集变得尤其具有挑战性，其中快速变化的信道和高系统维数由于采样噪声而显着降低了传统基于协方差的估计器的性能。在本文中，我们为 NTN 系统中运行的多用户上行链路系统提出了一种鲁棒的半盲信道估计框架。所提出的方法引入了最佳正则化最小二乘公式，可以平衡基于训练的信息和盲子空间结构。通过利用随机矩阵理论 (RMT) 框架内的尖峰协方差模型，我们得出了所得通道均方误差的封闭形式表征，并获得了最佳正则化参数的易于分析处理的设计。由此产生的估计器计算效率高，特别适合高维体系。现实的第三代合作伙伴计划 (3GPP) NTN 信道模型下的仿真结果表明，与传统的半盲和基于训练的估计器相比，性能有了显着提高。

现有的数字图像语义通信通过学习嵌入码本来量化整体潜在，将语义与细节纠缠在一起，同时施加码本同步和不活动码字开销。我们提出了 SpectralVQ-SC，这是一种语义优先的可扩展数字图像通信框架，它通过离散小波变换将表示解耦为语义基础分支和多尺度细节分支。为了避免多分支矢量量化中固有的码本崩溃和同步开销，我们采用逐分支有限标量量化来诱导完全激活的隐式码本。这种协同设计可实现免再训练速率自适应，在渐进式视觉保真度的同时维持语义可靠性，并通过无线通道在 ImageNet-1K 上实现卓越的速率失真语义性能。

太赫兹 (THz) 通信实现的超高数据速率为工业物联网 (IIoT) 应用的苛刻要求铺平了道路，使工业环境中太赫兹通道的研究成为一个关键的研究课题。本文对工业环境中 318GHz 的传播信道进行了全面的统计分析。特别是，针对在测量信道的多径分量（MPC）中观察到的稀疏性，提出了一种新的聚类方案。此外，在丰富的散射环境中，对强反射组（定义为主簇）和其他传播现象（定义为随机簇）分别进行统计分析。结果表明，大尺度参数主要受这些强反射的影响。该研究为后续太赫兹随机信道建模提供了可靠的支持和指导。

由线性调频序列（CS）雷达系统生成的距离多普勒（rD）图在分辨率上从根本上受到带宽、载波频率和相干处理间隔约束的限制。由于监管、成本和实时操作要求，通过硬件提高分辨率通常是不切实际的。在这项工作中，我们使用英飞凌毫米波 CS 雷达收集的真实数据集，研究了基于深度学习的距离和多普勒 rD 地图超分辨率。我们提出了一种基于双路径移位窗口（DPSWIN）注意的内存高效变压器架构，它将轴向/双路径注意与一维移位窗口（SWIN）注意相结合，用于高维雷达数据的可扩展处理。我们的模型以现有的基于注意力的 2D SWIN 超分辨率模型为基准，我们将其适应 rD-map 超分辨率任务。我们优先考虑重建保真度而不是感知质量，并采用基于均方根误差（RMSE）的训练目标。我们避免对抗性或感知损失，这可能会引入视觉上合理但物理上不正确的结构。此外，我们还结合了基于 CFAR 的目标检测损失，以优化超分辨 rD 图中下游目标的可检测性。我们进一步研究信号处理和训练设计选择对超分辨率的影响，包括幅度压缩、空间上采样策略和损失公式。实验结果表明，所提出的框架在以前未见过的现实环境中实现了计算高效的 rD 地图超分辨率。

令牌通信在变压器令牌的粒度上实现了语义通信原理，为资源受限的边缘系统中的客户端-服务器协作推理提供了有希望的方向。然而，直接传输令牌嵌入提出了两个实际挑战：巨大的通信成本和跨模型特定令牌嵌入空间的有限互操作性。为了应对这些挑战，我们提出了一个\emph{面向令牌}的语义通信框架。在此框架中，令牌级任务相关性决定了传输哪些压缩图像潜在变量，从而实现令牌粒度传输，而无需直接传输令牌嵌入。该框架是模块化的，协调三个预训练组件——轻量级客户端视觉变换器（ViT）、学习图像压缩（LIC）模型和大型服务器端 ViT——无需端到端训练。关键推动因素是 ViT 补丁令牌和 LIC 潜在向量之间的一对一空间对齐，这允许令牌级任务相关性直接确定传输哪些潜在向量。在此对齐的基础上，令牌对齐 LIC 选择性地传输与任务相关的潜在变量，层选择性注意力推出在单个前向传递中估计来自选定范围的注意力层的令牌相关性，并且代理令牌替换通过优化单个可学习令牌来适应冻结服务器模型。 ImageNet 上的实验表明，与最近的语义通信方案、手工编解码器和任务无关的 LIC 模型相比，所提出的框架实现了更有利的速率-准确性权衡。

本文提出了一种用于多视图视觉问答（VQA）任务的本体驱动语义通信（ODSC）框架。在所考虑的框架中，多个发射器观察场景，使用视觉语言模型（VLM）提取语义信息（SI），并将场景图传输到接收器。由于 VLM 的完整性、异构性和不可解释性，提取的场景图是冗余的、模糊的和不一致的。为了解决这些问题，发送器和接收器共享基于本体的知识库，该知识库预定义了同义词、推理规则和一致性约束。对于每个发射机，所提出的 ODSC 框架删除了可以根据推理规则推断的部分场景图。对于接收方，所提出的框架根据同义词对齐不同视图的 SI，并根据约束检测视图之间的不一致。定义多视图 VQA 准确度 (MVA) 指标来评估所提出的框架。仿真结果表明，与传输完整场景图相比，该框架将SI的数据量减少了87.1%，同时回答精度提高了4.5%。此外，与 SI 过滤方法相比，所提出的框架在 MVA 方面提高了 16.0%。

我们考虑分布式多输入多输出（D-MIMO）系统中无源多址衰落信道的类型估计问题。与经典的无源多址不同，基于类型的无源多址（TUMA）旨在估计类型，即传输消息的经验分布。我们将之前在加性白高斯信道上的 TUMA 工作扩展到发射器和接收器都没有信道状态信息的衰落场景。为了减轻路径损耗变化的影响，我们采用基于位置的码本划分：具有相似大规模衰落系数的用户使用相同的码本。该解码器建立在 Çakmak 等人提出的多源近似消息传递算法的基础上。 （2025），并支持集中式和分布式实施。作为一个应用，我们演示了 TUMA 如何在多目标定位设置中实现高效通信，其中分布式传感器向 D-MIMO 接收器报告量化的目标位置。我们提出了一种性能成本函数，将定位误差与误检测惩罚相结合，并用它来描述性能如何取决于分配给传感与通信的资源比例，以及用于量化目标位置的位数。

无线多径传播、波束成形和极化是无线电系统的核心概念，但由于射频场对人类来说是不可见的，因此很难直接观察到它们。本文提出了一种增强现实可视化系统，可将 ESPARGOS 天线阵列的相位相干 WiFi 信道测量结果转换为实时摄像机叠加。该系统估计二维光束空间表示，将其与光学相机视图配准，并将所得角谱覆盖到物理场景上。附加的视觉层显示相对路径延迟和极化，后者使用琼斯演算根据从两个单独的天线馈源捕获的信道测量结果计算得出。其结果是一个直观的“WiFi 相机”，用于科学交流、教学和实验调试，而所有显示的量仍然直接来自测量的通道数据。

大规模 MIMO 依赖于准确的 CSI 反馈，但现有的深度学习方法常常忽略频率特征或依赖于计算成本高昂的全局注意力。对大量实验数据集的观察表明，CSI 能量往往集中在密集的低频子带中，而稀疏的高频子带则捕获重要的结构细节。为了解决这个问题，我们提出了 WaveCSI-Net，一种自适应多分辨率网络。它采用高频引导的非对称架构，其中深层分支从高频成分中提取特征，轻量级分支处理低频成分以优化计算。此外，我们引入了坐标交叉扩张（CCD）模块，可以有效捕获交叉形状相关性和远程依赖性，而无需大量自注意力。对 COST 2100 数据集的大量实验表明，WaveCSI-Net 实现了领先的 NMSE 性能，同时保持了轻量级的计算复杂性。

基于人工智能的结构化干扰抑制变得越来越流行，因为深度学习方法可以通过联合考虑感兴趣的信号 (SOI) 和信号混合（SOI 加干扰）来超越传统方法。这项工作建立在之前的人工智能方法的基础上，利用基于自回归变压器的模型，添加有限标量量化 (FSQ) 标记器层，旨在提高干扰抑制性能，同时将总体延迟保持在最低水平。此外，我们还尝试了其他推理优化技术，目的是在不损失太多准确性的情况下加快推理速度。我们通过一个实验来探索这个空间，其中 SOI 是数字调制射频 (RF) 信号，结构化干扰是数字电视信号，这是一种极其常见的正交频分复用 (OFDM) 传输类型。与传统技术和之前使用其他人工智能方法的工作相比，我们的结果实现了低延迟和更高的干扰抑制。我们通过语音质量感知评估 (PESQ) 等音频指标展示了人工智能方法的优势。此外，我们还探索了各种应用，并详细介绍了如何在操作相关场景中使用我们的干扰抑制算法。

本文提出了一种最大似然（ML）框架，用于估计正交频分复用（OFDM）通信系统中的非线性频率选择性信道。使用基于离散余弦变换 (DCT) 的表示对非线性失真进行建模，从而产生具有良好收敛特性的良条件估计问题。所提出的方法将紧凑的参数化与低计算复杂度相结合，从而实现快速适应和高效的实时实现。数值结果表明，所提出的信道估计可用于多种非线性补偿方法，并以非常有限的训练开销实现接近理想的 BER 性能。在存在幅度和相位非线性的情况下，该性能可保持在低至大约 15 dB 的信噪比，而在仅存在幅度失真时，可保持在低至 -10 dB 的信噪比。

使用正交频分复用 (OFDM) 的水下声学 (UWA) 集成传感和通信 (ISAC) 被认为是增强自主水下航行器 (AUV) 操作能力的关键方法。然而，现有的 OFDM 波形需要在峰均功率比 (PAPR) 和频谱效率之间进行权衡。为了解决这个问题，本文设计了一种低 PAPR OFDM 波形，可以保留 UWA ISAC 的频谱效率。具体来说，伪最佳 PAPR 性能是通过从发射机处每个 OFDM 符号的预定义集合中选择最佳导频模式来实现的，无需子载波预留。通过多目标遗传算法对预定义集合进行优化，保证通信性能。在用户端，可以利用不同导频模式之间的近似正交性，通过最大似然（ML）检测器来识别所采用的导频模式，从而避免辅助信息（SI）传输的额外开销。此外，针对动态导频模式，提出了一种基于期望最大化（EM）算法的半盲信道估计器，以提高具有频率选择性衰落的UWA信道的估计精度。最后，系统复杂度和信道估计的 Cram´er–Rao 界 (CRB) 被彻底分析。通过广泛的数值模拟和湖泊试验结果，所提出方法的有效性得到了强有力的验证。

本文开发了一个两阶段安全集成传感和通信（ISAC）框架，其中双功能发射器（Alice）在第一阶段检测潜在窃听者（Eve）作为传感目标的存在。在第二阶段，Alice 根据第一阶段的感知结果调整她的安全传输策略。我们开发的两阶段框架的一个独特方面是推导两个阶段的总体有效保密率。在我们提出的系统设计框架中，我们的目标是根据 Alice 在两个阶段的平均发射功率保持低于预定阈值的情况，最大化总体有效保密率。为了解决由此产生的非凸设计问题，提出了一种基于改进的双延迟深度确定性策略梯度（TD3）的算法。此外，还开发了两种低复杂度解决方案来简化第一阶段发射波束成形的设计。我们的数值结果表明，如果 Eve 出现的概率较低，则与传统的物理层安全 (PLS) 系统相比，所提出的两阶段安全 ISAC 框架显着提高了保密率。这明确地表明了利用传感来增强无线通信安全性的有效性。