2026-09-14论文雷达 TEST

无线蜂窝网络为通信、交通和工业提供了关键的基础设施，使可靠的连接对现代社会至关重要。提供这种连接需要由网络基础设施及其周围环境共同塑造的无线电环境的准确模型。此类模型支持基站部署、网络运营和参数优化，但城市规模的无线电环境仍然难以捕获。基于物理的工具需要详细的站点描述和计算，而特定于任务的模型需要专门的测量，并且跨部署的传输很差。在这里，我们介绍 ChaRT，这是一种基础模型，可以从运营蜂窝网络定期生成的测量报告中学习可传输的无线电表示。这些报告提供了跨多个小区和波束的丰富联合观测结果，无需额外的测量活动。 ChaRT 将波束级角度结构、网络层次结构和传播机制多样性纳入其架构中，并通过上下文感知屏蔽波束建模和自蒸馏进行预训练。我们根据超过 10 亿份报告来训练 ChaRT，其中包括来自一个城市 3,503 个小区的 182 亿个波束级观测结果。通过一组权重，ChaRT 可以重建未见过的城市中的无线电环境，并转移到新站点预测、无线电地图构建和网络参数调整。只需 1% 的标记数据，即可支持用户定位、波束预测、传播场景分类以及信号与干扰加噪声比的估计。学习到的表示进一步支持波束空间聚类，以实现可重复使用的无线电网格构建。这些结果将操作测量报告建立为可传输蜂窝网络情报的可扩展数据基础。

本文提出了一种宽带多用户多输入多输出正交频分复用（MU-MIMO OFDM）发射机的先进实现原理，其中传统的发射机侧基带链在波域中进行物理合成。出于设计和优化的目的，这种由级联 SIM 结构实现的全波域宽带 MU-MIMO OFDM 发射机在功能上分为两个级联 SIM 块。第一个块表示为 SIM_1，集成了符号加载和在信道相干时间尺度上更新的信道自适应 MU-MIMO 预编码，将用户流映射到虚拟端口子载波表示。第二个块表示为 SIM_2，充当离线配置的采样率调制器，直接在波域中实现离散傅里叶逆变换 (IDFT) 和循环前缀 (CP) 插入。这种无基带架构建立了从信息位到辐射 CP 扩展 OFDM 波形的虚拟到物理转换。为了考虑实际的非理想情况，SIM_2 进行了优化，以适应理想的多端口 CP-OFDM 算子，并将其残余响应映射到有效的耦合矩阵中。然后，通过联合调整离散相移和流子载波功率加载，以面向通信的方式优化SIM_1，以最大化总频谱效率。结果证明了所提出的无基带发射机的收敛性、架构权衡、波域 OFDM 实现精度和竞争性能。

传感与通信一体化的发展需要统一的传感理论基础。本文将目标存在模式和连续物理参数建模为分支参考测量上的混合离散连续状态$\Xi$，并将后验熵体积和联合互信息视为同一极限的两个互补表示。熵体积携带物理单位，可以与分辨率单元等工程尺度进行比较，并且在活动目标数量变化时仍然有意义；互信息是无量纲的，对坐标和单位不变，并且通过链式法则相加。我们分别定义离散状态、连续状态和混合状态的熵数、熵体积和混合熵体积。支持固定测度的均匀分布的最大熵原理解释了指数熵尺度的测度理论意义，而主要极限则来自混合渐近均分性质和通过条件典型集的后验概率体积不等式。对于渐进可靠的高概率感知区域，可实现的最小一阶后验混合熵体积等于先验混合熵体积乘以$2^{-I(\Xi;Y)}$，其中$I(\Xi;Y)=I(V;Y)+I(X_V;Y\mid V)$。因此，检测和估计贡献在体积域中相乘并在位域中相加，并且一个感测位将后验有效测量减半。我们进一步证明后验保留级联达到了直接推理极限，而任意中间压缩会导致精确的信息损失$I(\Xi;Y\mid Z)$。单目标存在范围模型的数值结果说明了信息组成、后验熵体积收缩和级联界面损失。

主动用户设备 (UE) 定位和被动目标感测的位置信息构成了众多 B5G/6G 无线应用的基础。以大带宽和高频为特征的单阵列系统中改进的多路径分量 (MPC) 分辨率可实现集成定位和传感 (ILAS)。 6G超大天线阵列（ELAA）和增加的频率催化了从传统远场（FF）到近场（NF）的转变。由于高维阵列 MPC 信号处理和扩展的 NF ILAS 参数估计，给出计算高效的 NF/FF 表征 ILAS 解决方案非常重要。在本文中，我们介绍了一种表征 NF/FF 及其边界的封闭形式单阵列 ILAS 解决方案。以超宽带（UWB）系统作为研究案例。我们针对混合到达时间（TOA）/到达相位差（PDOA）估计制定了对数似然函数的优化。建立了球面波（SPW）和平面波（PLW）几何映射方程。 Chan 算法扩展和坐标加权方法应用于解的推导。定义对数似然比来导出 NF/FF 边界。我们还使用 Cramer-Rao 下界 (CRLB) 作为基准和坐标权重，得出了 ILAS 解决方案的基本限制。模拟显示了 NF/FF ILAS 边界与瑞利距离的区别。实验验证证明足以实现厘米级 UWB ILAS 网络精度。

信道知识图 (CKM) 是一种很有前途的技术，适用于 6G 网络中的环境感知无线通信、传感和定位。准确的 CKM 生成需要对环境进行精确重建，包括 3D 几何形状和散射体材料，通常来自多模态感官观测，例如 LiDAR 点云和稀疏通道测量。虽然前者相对容易获得，但由于缺乏链接它们的显式通道模型，材料仍然很难直接从稀疏通道测量中获得。为了填补这一空白，本文提出了一种材料感知信道模型，该模型明确地表征了散射体材料对无线信道的影响。基于该模型，提出了一种基于迭代梯度下降的材料重建算法。全波仿真结果验证了开发的模型和提出的算法，展示了它们通过环境重建有效生成 CKM 的潜力。

集成传感和通信 (ISAC) 被设想为 6G 无线网络的关键技术，能够联合使用频谱和硬件进行传感和通信。在多静态无小区架构中，协调分布式接入点 (AP) 之间的波束成形和功率资源对于减轻严重的通信感知干扰至关重要。大多数现有的 ISAC 资源分配解决方案依赖于具有完整网络知识的集中式架构，这限制了它们在信道状态信息 (CSI) 不完善的分布式无单元部署中的可扩展性和实用性。在本文中，我们介绍了分布式 ISAC 系统（CORDIS）的协调资源分配框架，该框架优化网络感知，同时抑制混乱并保持每用户通信性能限制。开发了两种算法：CORDIS-Split（一种将固定本地波束形成器与集中功率分配配对的低开销方案）和 CORDIS-ADMM（通过一致的交替方向乘法器 (ADMM) 联合优化波束形成和功率）。通过本地化高维矩阵运算，两种算法都确保前传开销和每个 AP 计算保持独立于天线和 AP 数量。仿真表明，CORDIS-ADMM 接近集中式性能界限，并在 CSI 估计误差下优雅地降级，即使在局部秩不足的信道中也保持有效，而 CORDIS-Split 提供了一种最小开销的替代方案。这些结果证实，CORDIS 是分散式无线网络中稳健 ISAC 的可扩展且通信高效的基础。

使用收缩天线来增强用户与其自己的基站 (BS) 的连接是直观的，并且已在文献中得到充分研究。这封信重点讨论了从干扰抑制角度来看挤压天线的一个不太直观的优点。特别是，使用收缩天线可确保所有基站以低发射功率为其用户提供服务，即基站可以对其用户“耳语”，而不是“喊叫”。因此，通过减少干扰，用户的数据速率仍然可以通过收紧天线来提高，即使其到自己基站的链路质量保持不变。信中进行了随机几何研究，其中 BS 采用分数功率控制。分析和数值结果揭示了收缩天线提供的干扰抑制能力的显着影响。

使用混合近场 (NF) 和远场 (FF) 设备进行无授权活动检测是一个重要问题，可以通过基于协方差的检测器来解决。困难在于 NF 用户会引发特定于设备的结构化空间协方差，而 FF 用户则可以通过各向同性协方差很好地近似。在统一的莱斯模型下，我们首先将活动检测公式化为全 LM 维矢量化观察空间中的松弛最大似然问题。然后，我们开发了一个协方差感知的主化最小化投影梯度下降（MM-PGD）检测器。它联合更新完整的活动向量，并避免 NF 机制中出现的每坐标高阶子问题。 SNR、天线计数和 NF 比扫描的数值结果表明，MM-PGD 的漏检概率比最强的坐标基线低 20 倍。该优势在高 NF 比率时最为明显，而在全 FF 情况下，MM-PGD 的性能与最强的坐标基线相当。

频分双工 (FDD) 大规模多输入多输出 (MIMO) 系统中的信道状态信息 (CSI) 反馈面临着反馈开销、在线复杂性和性能之间的根本矛盾。大型人工智能模型（LAM）提供强大的表示能力，但由于用户设备（UE）的延迟和能量预算，将它们直接部署在在线反馈过程中是不切实际的。为了在不违反这些预算的情况下利用 LAM，采用了基于码本的范例，其中 LAM 增强型码本离线生成，并且仅在线传输码本索引。在此范例的基础上，开发了两个互补框架：SSLCF 针对具有单侧和双边码本变体的特定于站点的部署，而 MSLCF 则维护一小部分按环境类别索引的码本，以实现可扩展的跨场景泛化。这两个框架共享一个名为 LVM4CF 的定制网络，该网络采用大型视觉模型 (LVM)，即视觉预训练的 LAM，通过利用 CSI 和图像之间的结构相似性来细化 CSI 码字。仿真结果表明，所提出的框架比传统的和基于学习的基线提高了余弦相似度和下行链路和率，同时不产生额外的在线模型推理。

近场多用户混合波束成形（HBF）需要联合角度距离码本，其大小以及报告开销随着阵列孔径的增加而增加。对于这里考虑的非常大的阵列，报告每个码字一个质量度量已经比完整的信道状态信息（CSI）反馈产生更多的开销。这封信开发了一个反馈有效的波束-用户设备（UE）关联框架。聚焦码本在有效波束聚焦瑞利距离 (EBRD) 感知聚焦区域内的波束深度间距处进行采样，超出该区域的每个角度方向有一个远场码字，因此其径向定律和尺寸遵循阵列几何形状。每个UE探测该码本，但仅报告其M个最强候选者，并且基站将UE和波束与比例公平度量相关联，该度量消耗该报告携带的泄漏项以及它所知道的码字相关性，从而允许同角UE通过焦距进行复用。仿真表明，M=3 就足够了：所提出的方案在使用 0.8% 的反馈时，保持在乐观全度量报告参考的 0.6% 以内，相对于全 CSI 反馈减少了 99.11%，并且干扰感知度量比其干扰盲对应方案贡献了高达 18.7% 的总频谱效率。

源到观测算子为多查询电磁 (EM) 预测和通信模式分析提供可重用的环境级描述。然而，在实际的多重散射模型中，这些算子用有限多个角模式表示，并且所选激励或连续截断阶数之间的一致性并不能建立全图的统一精度或其奇异通道的可靠性。为了弥补这一差距，我们将环境引起的响应公式化为固定连续源和观测空间上的散射格林算子，并导出精确的迹空间分解来重建麦克斯韦散射场。对于固定的、成对不相交的封闭轨迹球和适定的集体问题，嵌套矢量球面波函数 (VSWF) 实现在算子范数中收敛。结构界限将外部模态尾部与集体解析敏感性分开，算子范数收敛保证了奇异值的一致收敛。我们进一步构造了一个有限度量核心，它保留每个有限阶算子的非零奇异值，并重建匹配的正交源场通道，而无需在谱问题中引入外部支持离散化自由度（DoF）。全波基准验证了有限阶实现。受控的近共振两球体研究表明，相邻阶一致可以先于主导高阶集体方向的解析。它还表明，只有部分内部放大出现在外部可访问的增益中，并且共振促进了在其他方式保留的低阶系列之上的独特的高阶通道对。由此产生的框架提供了多重散射源到观测算子及其可访问通道的收敛的、度量一致的有限模态表示。

提出了一种新颖的生成站点特定波束形成（GenSSBF）框架，它将站点信息最大化（SIM）码本与基于条件流匹配（CFM）的波束生成器集成在一起。通过该框架，基站 (BS) 可以了解特定站点的无线电传播环境，从而能够根据用户设备 (UE) 提供的粗略参考信号接收功率 (RSRP) 反馈生成高保真通信波束。在所提出的设计中，首先通过最大化 RSRP 反馈和站点特定信道之间的互信息来构造低维 SIM 探测码本。这种设计不仅减少了波束探测开销，而且还增强了通过UE反馈传达的信道状态信息量。通过将 RSRP 反馈视为条件先验，进一步开发了基于 CFM 的生成模型，以明确捕获波束生成中的不确定性。具体来说，通过推断学习的生成模型并从相应的后验分布中采样来生成一小组特定于UE的候选波束，之后由UE选择最终的数据传输波束。大量的仿真结果证明了所提出的 SIM 码本和基于 CFM 的波束发生器的有效性。所提出的 GenSSBF 框架实现了与最大比率传输几乎相同的波束成形性能，同时仅需要八个探测波束和八个候选波束。所提出的 GenSSBF 框架的源代码可在 https://github.com/ChengjieZhao1/Gen-SSBF-CFM-release 上获取。

我们研究以用户为中心的无蜂窝 (CF) 网络的随机接入 (RACH) 方案，以处理具有零星流量和间歇性活动的许多地理上分布的用户。 RACH 必须允许系统： 1) 检测 RACH 时隙中（尚未知的）随机接入用户发送的前导码； 2) 对它们进行本地化，以便快速分配以用户为中心的无线电单元 (RU) 集群。大多数先前的工作使用简化模型，忽略帧同步但芯片异步传输、某些用户-RU 对可能的视距 (LoS) 传播以及产生频率选择性信道的多径非视距 (NLoS) 传播。基于我们之前的工作，我们考虑位置相关的分区随机访问码本，其中地理区域（位置）中的用户使用随机访问前导码的相应子集。我们提出了一个统一的框架，用于在空间一致的全网络通道模型上进行联合检测和定位，并结合了这些被忽视的方面。我们评估两种方案：1) 使用 Zadoff-Chu (ZC) 序列的“传统”方案，将 3GPP 2 步 RACH 扩展到 CF 情况； 2）我们的多源近似消息传递（AMP）方法扩展到多径频率选择性衰落。对于这两种方案，我们开发了新颖的近似 GLRT 前导码检测和具有超分辨率细化的最大似然位置估计器，隐式利用嵌入到 LoS 组件中的接收信号强度、到达角度和到达时间差信息。数值结果表明，基于 AMP 的方案实现了优异的前导码检测，同时两种方案都具有相似且出色的定位能力。

对于超大规模多输入多输出 (XL-MIMO) 系统中的近场角度范围定位，许多现有的 M 天线阵列估计器都受到网格搜索或 M × M 协方差/投影操作过于复杂的困扰。这封信提出了可扩展渐进角度范围估计器（SPARE），用于通过均匀平面天线阵列（UPA）定位 K 个用户。 SPARE 首先使用 UPA 的中心对称相关性估计角度，然后使用先前估计的角度通过局部相位差估计范围，最后执行精确的球面波细化。 SPARE 的主阶复杂度与 M 呈线性关系。仿真证明了近 Cramér-Rao 界 (CRB) 的精度和低复杂度。

分布式多输入多输出 (MIMO) 架构通过空间分集提供高空间分辨率和鲁棒性，从而实现大规模集成传感和通信 (ISAC)。然而，实际的相位相干传感面临着相位同步误差和网格离散化引起的建模失配的挑战。现有的无线（OTA）同步方法通常单独处理同步和传感任务，这可能会导致在使用多径分量进行成像时相位对准不准确。在本文中，我们提出了一种用于分布式 MIMO ISAC 系统的非视距 (NLOS) 辅助联合 OTA 同步和离网成像框架。首先，执行视距 (LOS) 辅助粗同步以在分布式链路上建立初始相位相干性。随后，迭代细化阶段利用从成像结果获得的重建的 NLOS 组件。通过一阶泰勒展开式对离网效应进行建模，我们将具有非线性离网偏移的测量结果转换为具有联合稀疏反射率和偏移变量的增强线性模型。成像问题被重新表述为结构化稀疏恢复任务，并使用定制的离网近似消息传递（OG-AMP）算法来解决。成像和同步模块耦合在闭环替代优化框架内，其中改进的成像可以实现更准确的相位细化，反之亦然。数值结果表明，所提出的框架在相位误差下实现了精确的同步和成像。与传统方法相比，它表现出卓越的鲁棒性和准确性。

近场定位是未来无线系统中高分辨率多用户定位的一种有前景的技术，但其性能往往会因散射引起的相干传播而降低。现有的近场定位方法需要单独的参数估计和路径/源关联，计算开销高且误差累积，并且通常不提供任何可靠性保证。在本文中，我们提出了 \emph{MUSIC-Net}，这是一种端到端近场定位深度学习（DL）框架，由混合视距（LoS）和非视距（NLoS）多路径场景中的两级多重信号分类（MUSIC）提供信息，它将两级 MUSIC 对象嵌入到训练中以隔离与视距相关的信号子空间并识别代理距离。所提出的框架直接恢复多用户位置，而不需要涉及 NLoS 参数估计或路径/源关联。此外，我们引入了分割共形预测（SCP），以超越基于点估计的定位，转向所有用户的统计保证（置信度）集估计。数值结果表明，所提出的 MUSIC-Net 实现了比现有基准更低的平均定位误差 (MPER)，并产生更严格的 SCP 校准预测区域，证明了相干多路径环境中的准确 LoS 定位和高效的不确定性量化 (UQ)。

本文研究了一种多输入多输出（MIMO）雷达跟踪系统，其中多天线基站（BS）旨在根据观测到的回波信号、目标状态的初始先验概率密度函数（PDF）和状态演化模型在多个时隙上跟踪移动目标的位置。通过利用过去时隙中实现的观测历史，BS在收集当前回波观测之前顺序更新预测状态信息并设计发射协方差矩阵。考虑到目标位置的高斯随机游走模型和复杂雷达截面（RCS）系数的高斯-马尔可夫模型，我们提出了一种有效的方法来通过高斯近似来表征基于已实现的观测历史的预测概率密度函数。在此基础上，我们推导了目标状态的条件后验Fisher信息矩阵（PFIM），并进一步将估计目标位置状态的均方误差（MSE）的条件后验Cram\'er-Rao界限（PCRB）表征为发射协方差矩阵的显式表达式。接下来，我们制定顺序传输协方差矩阵优化问题，以最小化每个时隙的条件 PCRB。尽管问题是非凸的，我们还是通过 Schur 补技术获得了最优解。数值结果表明，所提出的设计有效地利用了已实现的观测历史，实现了比基准方案更低的条件PCRB，并随着时间的推移提高了跟踪精度。

由超大规模 MIMO (XL-MIMO) 和仿射频分复用 (AFDM) 实现的集成传感和通信对于车辆网络来说是一种非常有前途的范例。然而，近场球面波前畸变会引起严重的非线性参数耦合，而高动态散射环境会加剧失配误差。为了解决这些关键挑战，本文提出了一种用于 XL-MIMO AFDM 系统的新型基于张量的传感方案。首先，将接收到的信号重新表述为张量，然后采用有效的分解方法，利用因子矩阵的固有 Vandermonde 结构。这允许从分解矩阵直接估计参数，有效避免参数间耦合。随后，提出了一种对称解耦和实域流形优化算法来估计到达角，避免了通常由近场效应引起的高维搜索。此外，还开发了基带重建和基于分析梯度的算法，以在连续参数域中执行延迟多普勒估计，从根本上消除高移动场景中固有的网格失配误差。通过这些解耦因素，可以轻松提取剩余的未知偏离角。大量的仿真结果表明，所提出的方案在延迟多普勒精度方面实现了数量级的改进，并消除了角度估计中严重阻碍最先进基线的误差平台。

低空经济的快速增长对能够在低空无线网络（LAWN）动态环境中可靠运行的通信解决方案产生了强烈需求。集成传感和通信 (ISAC) 技术通过提供实时环境信息以在快速变化的条件下建立可靠的通信链路来满足这一需求。在本文中，我们提出了一种 ISAC 辅助的预测波束形成方法，以支持无人机 (UAV) 的高动态三维运动，并结合针对 LAWN 应用的自适应需求量身定制的不确定性感知设计。具体来说，我们提出了一种基于高斯过程机器学习和粒子滤波（GPML-PF）的数据驱动的预测波束形成方案，以从接收到的回波推断无人机状态并预测无人机运动状态以进行波束对准。其次，推导高斯过程状态空间模型的后 Cramér-Rao 界 (PCRB) 以量化状态预测不确定性。最后，为了最大化下行链路通信总速率，功率分配被表述为预测感知优化问题，其中PCRB作为显式约束，并且使用结构化双区间搜索（SDIS）算法有效地解决该问题，确保低计算复杂度的全局最优性。仿真结果表明，该方法显着提高了波束预测精度和下行速率，凸显了其在动态LAWN场景中的优越性能。

在本文中，我们研究了无蜂窝大规模 MIMO (CF-mMIMO) 系统，其中接入点 (AP) 配备了流体天线 (FA)，并开发了用于信道估计、FA 端口选择和上行链路频谱效率 (SE) 优化的综合框架。我们提出了一种基于 LMMSE 的通用上行链路信道估计方案，该方案在导频传输期间动态激活 FA 端口，在实际训练约束下有效地利用天线可重构性。在此基础上，我们设计了一种分布式端口选择策略，通过利用 FA 端口之间的空间相关性来最小化每个 AP 的信道估计误差。我们使用 Jakes 信道模型系统地分析了天线几何形状和空间相关性对不同 AP 阵列配置（包括均匀线性和平面阵列）的影响。然后，我们导出用于集中式和分布式上行链路处理的 SINR 表达式，并使用使用后忘记界限获得用于集中式最大比率组合的封闭形式上行链路 SE 表达式。最后，我们提出了一个交替优化框架来选择最大化上行链路总和 SE 的 FA 端口配置。数值结果表明，所提出的 FA 感知信道估计和端口优化策略极大地减少了信道估计误差，并显着改善了固定天线和非优化 FA 基线的 sum-SE，证实 FA 是可扩展、自适应 CF-mMIMO 网络的关键推动者。

空中计算（AirComp）通过无线多址信道聚合分布式数据，但相干实现需要信道状态信息（CSI）、相位对齐和功率控制，而非相干能量方法仍然受到衰落的影响。接收天线处的信号叠加是线性的，但需要相干性，并且能量叠加仅在衰落的期望中是线性的。我们引入占用域计算（ODC），其可观测值既不是接收到的幅度也不是能量：总和由共享资源的静默承载。通过指数伯努利激活，个体沉默概率成倍增加，并且服务器仅使用二元活动决策从空闲分数中恢复总和，因此一旦检测到激活，产生它的幅度就不会进入估计。我们描述了未知动态范围内非自适应操作的最大似然估计、最优负载和尺度积分费舍尔信息界限。然后，我们引入平衡占用计算（BOC），其中每个设备形成随机突发放置的数据相关配额。这消除了伯努利激活的随机放置计数波动；在理想检测下，BOC的前阶渐近均方根误差在任何负载下都不大于伯努利ODC的前阶渐近均方根误差，并且接近$1/\sqrt{2M}$，其中$M$是资源元素的数量，随着设备数量相对于$M$变小。我们进一步分析未知规模的操作、有限帧偏差和异构检测遗漏。仿真验证了该理论，并将 ODC/BOC 与仿射非相干能量聚集和 REED 进行比较。

解决毫米波 (mmWave) 雷达的新型视图合成 (NVS) 问题需要物理忠实、复值且多视点易于处理的渲染器。现有方法没有同时实现这三个特性。可微蒙特卡罗 (MC) 射线追踪器通过显式材料建模和复杂输出直接实现雷达前向模型，但无法扩展到多视图优化 NVS 需求。 NeRF、哈希网格和 3D 高斯的光学 NVS 端口训练速度快，但丢弃相位，并用不透明的学习特征替换显式材料模型，将它们限制为仅功率范围方位角 (RA) 幅度。我们提出了 3D Point Splatting (3DPS)，这是第一个用于雷达的可微分点渲染器，直接从雷达方程的标准立体角形式导出。每个定向 3D 点都带有一个 ITU-R P.2040 材料模型，以封闭形式进行评估，最终的复杂相量通过预先计算的点扩展函数 (PSF) 分散到范围箱中。复值输出使得渲染器与产品无关。相同的优化场景通过标准快速傅里叶变换 (FFT) 管道生成模数转换器 (ADC)、复数范围分布 (CRP) 和 RA 输出，而无需针对每种格式进行重新训练。在六个室外 ColoRadar 场景中，3DPS 在保留的 RA 图像上达到 0.587 平均皮尔逊相关性。这是三个光学 NVS 基线（RadarSplat、Radar Fields、DART）的 1.7 倍到 5.2 倍。在单个 RTX 4090 上每个场景的训练大约需要 3 分钟。

为了满足在N77/N78频段运行的5G V2X带内全双工（IBFD）系统对高隔离度MIMO天线阵列的要求，本通信提出了一种算法辅助的传播域混合解耦方案。为了解决天线罩覆盖的基站阵列中的自干扰问题，系统地研究了 Tx 和 Rx 端口之间的主要传播域耦合机制。考虑天线罩引入的附加反射耦合，提出了一种多结构协同解耦方法。此外，通过考虑个体路径贡献和多路径相互作用效应，开发了算法辅助联合优化方法。通过建立代理模型并优化关键解耦参数，全波电磁仿真所需的数量从$15^{3}$减少到$3\times 15+20+X$，其中每个参数在传统全因子扫描方法中采样15个值。所提出的方法将所需的全波仿真次数减少了95%以上，从而显着降低了复杂IBFD阵列的设计成本。实验结果表明，在 3.6-3.8 GHz 目标频段上，Tx-Rx 隔离度保持优于 49.4 dB，验证了所提出的天线罩覆盖多端口 MIMO IBFD 系统传播域混合去耦方案的有效性和实用潜力。

集成传感和通信（ISAC）预计将在未来第六代（6G）网络中发挥关键作用，其中随机数据承载信号被重用以支持通信和传感，从而提高时频利用率。实际上，传统多载波信号的高峰均功率比 (PAPR) 会导致严重的功率放大器 (PA) 回退，并限制通信吞吐量和传感范围。由于其 0 dB PAPR，恒定包络正交频分复用 (CE-OFDM) 是一种很有前景的补救措施。然而，其随机非线性相位映射会产生高自相关旁瓣，从而显着降低测距性能。在本文中，我们为脉冲形状随机 CE-OFDM 信号开发了一种面向期望的自相关函数 (ACF) 设计框架。我们推导了平均平方 ACF 的易于处理的分析近似，它分解为由整形滤波器确定的脉冲感应基座和由时域相位旋转控制的相位相关泄漏项。基于这一特征，我们提出了预期的集成旁瓣电平（EISL）最小化问题，并提出了相位旋转和奈奎斯特脉冲整形的联合设计。我们进一步表明，跨独立传输时隙的相干积分可以与积分长度成比例地抑制残余泄漏。数值结果表明，所提出的设计在规定的延迟间隔内实现了显着的旁瓣抑制，同时保持了 CE-OFDM 的超低 PAPR、良好的 BER 性能和频谱效率。

低地球轨道 (LEO) 卫星提供高空和空间多样化的视角，以增强卫星地面综合网络 (ISTN) 中的三维 (3-D) 传感。本文研究了用于 3D 目标定位的 LEO 辅助地面多基地集成传感和通信 (ISAC) 网络，其中多颗 LEO 卫星充当协作传感照明器，并向分布式地面雷达接收器提供额外的双基地观测。我们首先将合作卫星建模为齐次泊松点过程 (PPP)，并推导出平均混合 Cram\'er-Rao 下界 (CRLB) 的易于处理的近似值。由此产生的缩放定律表明，根 CRLB 随着固定合作区域的合作卫星平均数量的倒数平方根而减小，而在固定卫星密度下增加合作半径会产生对数收益递减。然后，我们开发了一个地球曲率感知的 Walker 模型，该模型结合了轨道结构、卫星运动、可见度和时变传感几何形状，并推导出相应混合 CRLB 的易于处理的近似值。获得了边际增益的分析界限和订购候选卫星的充分条件。基于这些结果，提出了一种面向 CRLB 的贪婪卫星选择策略，以考虑 SCNR 相关的可靠性以及与地面传感配置的几何互补性。所提出的策略始终优于基准，并以显着降低的复杂性实现详尽的搜索性能。蒙特卡洛模拟验证了两个模型的分析近似值。

6G 无线技术准备采用更高、更宽的频段，利用高度定向波束成形。然而，巨大的带宽放大了光束斜视的影响。传统解决方案（例如向每个天线添加实时延迟滤波器）由于所需的硬件规模而成本高昂。本文提出了一种使用图神经网络 (GNN) 来优化多载波宽带系统中的混合波束成形的信号处理替代方案。使用二分图来表示多个子载波之间共享的模拟波束形成器，我们开发了三种具有不同数字波束形成器表示的 GNN 结构（i）在子载波节点，（ii）在边缘，或（iii）集成传统的奇异值分解解决方案。通过设计高效的消息传递机制，这些结构可以深入了解不同的 GNN 设计对通信系统性能和计算复杂性的影响。广泛的分析和消融研究表明，我们提出的 GNN 结构优于传统的优化方法和现有的基于 ML 的解决方案。此外，与全数字波束成形和所有现有的混合设计相比，所提出的 GNN 对波束斜视表现出很强的弹性，并且对不完美的 CSI 具有更好的鲁棒性。这些 GNN 还可以扩展到多用户场景，并表现出出色的泛化能力，使经过训练的模型能够适应不同的多载波和多用户设置，而无需重新训练。

6G 无线技术准备采用更高、更宽的频段，利用高度定向波束成形。然而，巨大的带宽放大了光束斜视的影响。传统解决方案（例如向每个天线添加实时延迟滤波器）由于所需的硬件规模而成本高昂。本文提出了一种使用图神经网络 (GNN) 来优化多载波宽带系统中的混合波束成形的信号处理替代方案。使用二分图来表示多个子载波之间共享的模拟波束形成器，我们开发了三种具有不同数字波束形成器表示的 GNN 结构（i）在子载波节点，（ii）在边缘，或（iii）集成传统的奇异值分解解决方案。通过设计高效的消息传递机制，这些结构可以深入了解不同的 GNN 设计对通信系统性能和计算复杂性的影响。广泛的分析和消融研究表明，我们提出的 GNN 结构优于传统的优化方法和现有的基于 ML 的解决方案。此外，与全数字波束成形和所有现有的混合设计相比，所提出的 GNN 对波束斜视表现出很强的弹性，并且对不完美的 CSI 具有更好的鲁棒性。这些 GNN 还可以扩展到多用户场景，并表现出出色的泛化能力，使经过训练的模型能够适应不同的多载波和多用户设置，而无需重新训练。

本文提出了一种基于多用户多输入多输出正交频分复用（MU-MIMO-OFDM）的新型集成传感与通信（ISAC）框架。通过将时频资源网格划分为子块，该架构可实现 4D 传感（距离、速度、方位角、仰角），并促进雷达数据立方体的形成，以实现高速标准雷达处理。一项关键的创新是雷达补充信号，其具有与通信信道和信号的双正交性。与仅通过信道的零空间传输雷达信号的传统零空间投影（NSP）方法不同，我们的方法通过利用通信信号的零空间来明确消除传感信号和通信信号之间的互相关性。这可以最大限度地减少雷达估计误差，同时严格保持通信性能。此外，我们得出最佳功率分配策略并结合稳定技术（例如块选择），以确保实际环境中的稳健传感。仿真结果表明，所提出的框架实现了平均精度（AP）为0.90的卓越雷达检测性能，显着优于为通信和雷达分配不同资源的单独资源分配（SRA）方法以及忽略通信信号正交性的方案。在实现这些增益的同时，保持与纯通信基线相当的频谱效率，有效验证了稳定 ISAC 架构的功效。

模折叠 ADC 通过在量化之前限制采样信号的动态范围来降低功耗，但代价是在任何进一步处理之前恢复真实样本所需的展开步骤。我们证明，即使在现实的过采样设置中，加性噪声出现在模运算符之前并在通过接收器的前端滤波器时变得相关，并且由于 ADC 进一步引入了单独的量化噪声，在符号检测中也可以完全跳过此展开步骤。我们证明，由折叠、量化的观测值和候选符号假设形成的特定残差精确地消除了折叠引入的未知整数环绕，因此假设的可能性是在该残差处评估的折叠噪声的密度。从所有整数包裹向量上难以处理的格子和的精确似然开始，我们表明，每当折叠阈值超过噪声标准差时，包裹向量就以高概率为三元且稀疏，因此在阈值噪声比为三或更高时，总和可以通过单个高斯项很好地近似。由此产生的马哈拉诺比斯最大似然检测器直接作用于折叠的量化样本，并且块结构搜索使长符号序列的检测易于处理。模拟证实，在这种情况下，我们的检测器在各种 SNR 范围内密切跟踪传统非折叠 ADC 的精度，而基于展开的基线需要更高的过采样才能达到相当的精度。

在本文中，我们研究了具有多个天线的基站（BS）的能源效率（EE）。我们使用最先进的功耗 (PC) 模型来捕获收发器电路的无源和有源部分，包括辐射功率、信号处理和无源消耗的影响。论文将发射功率、带宽和天线数量作为优化变量。我们为单位带宽功率和每个发射天线功率的最佳比率提供了新颖的封闭式解决方案，并发现了一种新的关系，其中辐射功率等于 EE 最佳工作点的总收发器功率。一个核心发现是，EE 最佳信噪比 (SNR) 崩溃至大约 5.93 dB 的通用数值常数，与通道和硬件参数无关。我们提出了一种算法，可以联合优化三个设计变量，以在实际约束下实现最大 EE，并提供关于最大功率或最大带宽是否最佳以及 BS 应使用多少天线的分析见解。我们进一步扩展了优化框架，以纳入服务质量 (QoS) 要求和三种不同深度的高级睡眠模式：绝对睡眠、深度睡眠和空闲模式。我们描述了每种模式的最佳硬件配置，并确定紧急睡眠策略何时是最佳的，该策略以 EE 最佳活动配置短暂传输并在其余时间休眠。结合唤醒转换延迟，我们揭示了延迟约束和特定于睡眠模式的转换时间如何共同决定具有绝对期限的数据包的最佳睡眠模式。总之，这些结果表明，节能运行需要将传输和睡眠视为单个耦合优化。

准确而强大的主动室内定位是许多物联网应用的基础，例如智能仓储和资产跟踪。使用信道状态信息 (CSI) 的基于 Wi-Fi 的定位提供了一种低成本解决方案，但其实际性能通常会因硬件引起的相位失真和小型天线阵列导致的有限角分辨率而降低。为了应对这些挑战，本文提出了一种由两个互补模块组成的集成高精度主动定位框架。首先，引入统一相位损伤抑制（UPIS）模块来抑制原始CSI中的主要结构化相位失真，同时保留几何相关的相位信息，从而提高后续参数估计的可靠性。其次，基于校准的 CSI，开发了基于联合角度延迟稀疏迭代协方差估计（JAD-SPICE）算法，以联合利用空间和频域信息进行高分辨率角度估计，而无需手动稀疏正则化调整。然后，估计的角度参数用于几何定位。对商用 WiFi 设备的大量实验表明，UPIS 将中位相位拟合残差降低了 38.6%，并将天线间相位稳定性提高了 21.7%。完整的框架实现了 6.32 度的中位到达角 (AoA) 估计误差和 0.81 m 的中位定位误差，始终优于代表性基线方法。

我们解决动态时分双工 (TDD) 系统中交叉链路干扰的挑战。具体来说，我们重点关注减轻下行链路中运行的接入点 (AP) 对上行链路中运行的 AP 造成的干扰。为此，我们利用 AP 之间的信道随时间变化的速度通常比用户和 AP 之间的信道慢得多。这一观察结果使我们能够在多个相干间隔上使用最小二乘公式来联合估计上行链路用户数据和 AP-AP 信道，在此期间 AP-AP 信道保持恒定。我们通过分析回归矩阵的秩得出该最小二乘问题的唯一可解性的条件。对于不存在唯一解决方案的情况，我们建议通过牺牲上行链路数据样本的子集将问题转化为唯一可解决的问题。数值结果表明，我们提出的方法比基线算法取得了显着的进步。此外，我们观察到，当 AP-AP 信道随时间变化非常缓慢时，我们提出的算法之一实现了几乎完美的 AP-AP 干扰抑制。

我们解决动态时分双工 (TDD) 系统中交叉链路干扰的挑战。具体来说，我们重点关注减轻下行链路中运行的接入点 (AP) 对上行链路中运行的 AP 造成的干扰。为此，我们利用 AP 之间的信道随时间变化的速度通常比用户和 AP 之间的信道慢得多。这一观察结果使我们能够在多个相干间隔上使用最小二乘公式来联合估计上行链路用户数据和 AP-AP 信道，在此期间 AP-AP 信道保持恒定。我们通过分析回归矩阵的秩得出该最小二乘问题的唯一可解性的条件。对于不存在唯一解决方案的情况，我们建议通过牺牲上行链路数据样本的子集将问题转化为唯一可解决的问题。数值结果表明，我们提出的方法比基线算法取得了显着的进步。此外，我们观察到，当 AP-AP 信道随时间变化非常缓慢时，我们提出的算法之一实现了几乎完美的 AP-AP 干扰抑制。

未来的 5G-Advanced 和 6G 系统将利用定向宽带信道进行基于路径的定位，但无地图室内定位仍然具有挑战性，因为提取的多路径分量 (MPC) 的定位可靠性差异很大。本文使用纽约布鲁克林 NYU WIRELESS 收集的 16.95~GHz 室内定向信道测量数据，提出了一种不确定性感知的无地图单锚定位框架。 Per-MPC 角度协方差是根据相邻模式去嵌入功率延迟分布 (PDP) 观测值的局部一致性进行估计的，并通过点型和线型约束的加权融合传播到几何定位中。对 20 个 TX-RX 间隔从 11~m 到 97~m 的链路进行测量表明，所提出的协方差加权方法使用 5 个保留的 MPC 实现了平均定位误差 3.86~m，中位数为 2.66~m，并且 70% 的链路在 5~m 内。在相同的点/线约束以及文献基线下，它优于功率加权和未加权的变体。这些结果表明，局部方向一致性提供的可靠性信息超出了仅接收功率的范围，并为未来的室内定向系统展示了一种实用的无地图方法。

本文开发了一种用于定位和相关估计问题中的锚点放置的通用最优实验设计框架，其费舍尔信息矩阵（FIM）可以表示为一阶矩阵的加权和。在此框架内，选择锚点位置来优化基于 Cramér–Rao 下界 (CRLB) 的性能测量，同时共同考虑测量几何和信息强度。作为一项具有挑战性的激励应用，我们考虑在衍射主导的非视距 (NLOS) 室外到室内 (O2I) 环境中进行定位，其中直接路径严重衰减或阻塞。尽管基于衍射的到达时间 (TOA) 测量可以提供有用的定位信息，但最佳锚点放置不如传统视线 (LOS) 设置直观​​，因为测量方向及其信息强度都取决于传播环境。所提出的基于 Sn、rn 的 FIM 表示紧凑地捕获了几何形状和信号强度之间的相互作用。对于单个目标，它产生多边形闭合解释并表征 A、D 和 E 最佳锚定几何形状重合的条件。然后，我们通过构建预先计算的锚点目标字典并将最小最大 E 和 D 最优锚点选择问题制定为混合整数二阶锥体程序，将框架扩展到区域范围的锚点放置。数值结果展示了混合视距/非视距 O2I 环境中的锚点布局、定位边界和计算权衡。虽然该分析是针对基于衍射的 O2I 定位进行实例化和评估的，但其基本结果广泛适用于加权秩一和 FIM 的估计和锚点放置问题。

鲁棒椭圆定位 (EL) 在非视距 (NLOS) 场景中面临根本挑战，现有研究通常孤立地处理双基地距离 (BR) 测量，而忽略其固有的几何结构，从而限制了对异常值的恢复能力。在这项工作中，我们从几何角度重新审视原始的 EL 模型，并揭示了激发我们框架的隐藏结构规律，称为 RELOAD，它代表通过观察和伴随距离矩阵的低秩结构进行鲁棒椭圆定位。 RELOAD 将 BR 测量值重新加载到伴随距离矩阵中，利用其低秩几何来施加额外的约束。它将两种特殊结构（即（i）BR 矩阵的低秩双向量分解和（ii）伴随距离矩阵的低秩属性）集成到连贯的几何表示中。在此框架内，共同解决了两个相关的挑战：（i）消除了向量分解引入的移位模糊性，以及（ii）有效地将可靠的范围分量与异常值区分开来。在此结构基础上，我们进一步引入了一种新颖的隐式稀疏诱导正则化器来增强异常值分离，并提出了一种基于块坐标下降的迭代算法来解决由此产生的问题。数值结果验证了 RELOAD 的有效性，证明了对异常值的鲁棒性以及 NLOS 环境中准确性的提高。

无线电地图支持环境感知无线和物联网应用，并且可以根据移动设备收集的带有位置标记的接收信号强度 (RSS) 测量结果构建。在城市环境中，时间相关的 GNSS 误差可能会改变整个传感轨迹，导致系统性空间重合失调，而这种情况无法通过收集更多测量值来缓解。本文提出了一种无线电地图构建框架，该框架使用无线电测量本身来在数据收集后校准错误的位置标签。主要定位误差被建模为传感器特定的准静态偏移，通过利用距离相关路径损耗和空间相关阴影的补充空间信息，与高斯过程回归 (GPR) 框架中的无线电传播参数联合估计。我们建立了条件贝叶斯风险的下限和上限，并表明，在平移不变轨迹模型下，轨迹信息本身无法识别准静态偏移，从而激发了使用 RSS 导出的空间信息进行校准。跨传播条件的数值评估表明，所提出的方法将均方误差 (MSE) 差距从理想 GPR 减少到约 $3.26\mathrm{dB}^2$，而位置误差无关和噪声输入 GPR 基线的约 $10\mathrm{dB}^2$。使用从智能手机 GNSS 测量得出的定位误差模型进行的评估表明，尽管存在未建模的时变定位误差，所提出的方法仍优于 KF-RTS 轨迹平滑基线，在中值 MSE 下仍保持在理想 GPR 的约 $5\mathrm{dB}^2$ 范围内。这些结果表明，RSS 测​​量不仅可以作为无线电地图重建的观测，还可以作为不完美地理标记传感数据的事后校准的空间线索。

正交频分复用 (OFDM) 是集成传感与通信 (ISAC) 的关键波形。然而，现有的 OFDM 模糊度分析通常假设完全占用的纯数据波形，而实际帧包含直流和边缘保护零点、固定导频和随机有效负载符号。这种混合资源结构重塑了自模糊函数，并在感兴趣的传感区域 (ROI) 中引起显着的旁瓣。因此，我们提出了面向 ROI 的深度块统一预编码 OFDM (DBU-OFDM)，它将特定于资源的可训练统一变换与专用传感子载波相结合，以抑制 ROI 旁瓣，同时保留规定的资源支持。我们开发了一种能够表示任意酉矩阵的约束保留参数化和 ROI 感知传感支持初始化。我们证明了仅相位优化下的周期性自相关函数（P-ACF）不变性和任意酉变换下的零延迟多普勒切割不变性。数值结果证实了循环前缀 OFDM (CP-OFDM) 的 P-ACF 最优性，并为传统 OFDM 在所考虑的非周期自相关函数 (A-ACF) 设置中全局最优的猜想提供了数值支持。单一导频优化将 ROI 峰旁瓣比提高了 2 dB 以上，同时将其与专用感测子载波相结合可产生数至数十 dB 的增益。在所考虑的配置下，A-ACF 模式还提供比 P-ACF 模式大得多的 ROI 模糊整形能力。

对频谱的需求不断增长，为不同无线电系统的频谱共存铺平了道路，特别是雷达和通信（即 5G 移动系统及其他系统）。在共存场景中，通信信号同时影响被测小区（初级数据）和雷达用于估计杂波协方差矩阵的训练（次级）数据，由于干扰的非平稳性，很难获得足够数量的样本。为了防止随之而来的检测概率下降，早期的工作提出了一种基于广义似然比测试（GLRT）的检测器，该检测器不需要辅助数据，通过根据自回归滤波器对干扰进行建模。然而，由于检测统计的复杂性，仅通过蒙特卡罗模拟进行分析，因此缺乏对起作用的基本参数的关系的理解，以及设置阈值（并预测相应性能）的可能性，特别是对于低虚警概率值。在本文中，我们提供了渐近统计特征，并评估它在多大程度上可以成为性能预测的有效工具。借助Wilks定理，推导出GLRT统计量的渐近分布，这需要计算与Cramér-Rao界相关的Fisher信息矩阵，以估计数据模型参数。所得的封闭形式表达式简单而优雅，并且可以轻松计算以获得所需的误报概率的近似阈值设置并根据检测概率分析所得性能。理论预测与数值结果相当吻合，并揭示了对系统参数的相关依赖性，特别是雷达和通信信号的样本数量、信噪比以及通信和目标转向矢量的归一化频率。

支持星间链路的低地球轨道（LEO）卫星星座正在向支持星座级协作的网络化架构演进，使多颗卫星能够通过协作波束成形共同为用户终端提供服务。虽然这种合作可以大幅提高链路预算和可实现的速率，但其实际实现受到集中式波束成形设计的可扩展性限制以及大型 LEO 星座严格的计算和信令限制的挑战。本文为联网低地球轨道卫星下行链路开发了一个完全分散的协作波束形成框架。使用基于遍历率的公式，我们首先推导出集中加权最小均方误差（WMMSE）解决方案作为性能基准。在此基础上，我们提出了一种与拓扑无关的分散波束形成算法，通过本地化基准并交换一组全局耦合变量（其维度与天线数量无关）并对任意连接的卫星间网络强制达成共识。由此产生的算法允许跨卫星完全并行执行。为了进一步增强可扩展性，我们消除了封闭形式中与共识相关的辅助变量，并导出了一种低复杂度的每卫星更新规则，该规则对于局部迭代来说是最优的，并通过标量线搜索允许准封闭形式的解决方案。仿真结果表明，所提出的分散式方案在实际星间拓扑下非常接近集中式性能，同时显着降低了计算复杂性和信令开销，从而实现了大型 LEO 星座的可扩展协作波束成形。

多跳无线网络中的集成传感和通信 (ISAC) 代表了一种变革性的解决方案，可实现下一代物联网 (IoT) 应用，解决频谱稀缺和覆盖范围有限等关键挑战。通过利用共享资源和多天线技术，该架构同时支持高质量的端到端通信和准确的环境传感，因此需要系统地探索这两种功能之间的权衡。为了实现这一目标，本文重点关注在多输入多输出（MIMO）ISAC多跳无线网络中最大化端到端通信速率，同时确保整体传感性能。特别是，制定了路由策略和传输协方差矩阵设计的联合优化问题，然而，该问题是高度非凸的并且难以直接解决。为了解决带有隐式路由变量的问题，我们首先通过一系列等效变换将其转换为等效但更容易处理的混合整数非线性规划（MINLP）问题。然后，我们提出了一种基于广义 Benders 分解（GBD）的高效（集中）算法，而不是依赖于计算成本昂贵的穷举搜索方法，与穷举搜索方法相比，该算法可以以低得多的复杂度获得 MINLP 问题的最优解。此外，为了进一步减轻集中解决MINLP问题的通信开销和计算复杂度，我们还开发了一种低复杂度的分布式算法，该算法集成了乘子交替方向法（ADMM）、惩罚法和逐次凸逼近（SCA）法。最后，数值结果表明：1）集中式算法能够达到穷举搜索方法所获得的最优性能，而低复杂度的分布式算法则获得接近最优的性能； 2) 随着 sum-CRB 阈值从 0.041 放宽到 0.055，两种提议算法的平均端到端可实现速率从大约 14 bps/Hz 增加到 24.5 bps/Hz。此外，与贪婪和随机路由基线相比，分布式算法分别实现了约 43%–69% 和 32%–40% 的速率改进。

为了缓解联邦边缘学习 (FEEL) 中无线接入网络 (RAN) 的可扩展性瓶颈，空中联邦学习 (AirFL) 利用多路访问通道 (MAC) 上的波形叠加来进行模拟模型聚合。然而，相干 AirFL 通常依赖于严格的 PHY 层条件，例如准确的信道状态信息 (CSI)、严格的时间/频率同步以及用于信号对齐的频繁收发器校准。然而，这些要求即使不是不可能满足，也会产生大量的通信和计算开销。在本文中，我们提出了一种基于宽带单天线 MAC 的非相干 AirFL (NCAirFL) 协议，利用二进制抖动、无偏非相干检测和长期错误反馈来免除对瞬时 CSI 的需要。对于具有一般平滑非凸目标和恒定学习率的 NCAirFL，我们建立了一个收敛界限，其收敛速度与理想通信 FedAvg 的 $\mathcal{O}(1/\sqrt{T})$ 相同，其中 $T$ 是通信轮次总数。为了进一步提高数据和无线资源异构下的通信效率，我们还推导了以设备调度为条件的全局损耗的预期单轮目标减少的下界，在此基础上获得了用于联合优化设备选择和功率控制的代理目标函数。 MNIST 和 CIFAR-10 上的实验结果证实，NCAirFL 在实际设置中实现了接近 FedAvg 的学习性能，并且所提出的设备调度策略大大加速了收敛。

第六代 (6G) 移动网络的出现预示着边缘人工智能 (AI) 的广泛部署，其中 AI 推理任务将从资源受限的边缘设备卸载到边缘服务器。这种范例承诺低延迟和高效率的处理，但在满足自动驾驶和实时机器人等新兴应用的严格延迟要求方面面临着严峻的挑战。传统的超可靠和低延迟通信（URLLC）范例在边缘推理的背景下存在不足，其中提取特征的高维性质引入了可靠性和延迟之间的基本权衡。在本文中，我们利用人工智能模型对通道失真的固有鲁棒性来设计一个超低延迟边缘推理框架，共同优化计算和通信资源。我们关注多快照（顺序传感）和多视图（分布式传感）场景。对于每一个，我们根据快照/视图的数量及其平均误码率 (BER) 得出推理精度的上限。这些界限指导优化问题的制定，最大限度地减少总系统延迟，同时满足精度约束。联合优化被分解为涉及快照/视图选择、发射功率控制以及计算和通信时间分配的子问题。为了有效地解决这个问题，我们开发了一种低复杂度迭代算法。合成数据集和真实数据集的实验结果验证了我们的方法，证明了在保持推理性能的同时显着降低了延迟。我们的研究结果为未来 6G 网络中稳健、高效的边缘 AI 设计奠定了基础。

低地球轨道 (LEO) 卫星和车联网 (V2X) 网络正在推动综合通信与导航 (ICAN) 迈向下一代智能交通。仿射频分复用 (AFDM) 因其多普勒鲁棒性、简单调制和低导频开销而成为高移动性 LEO 场景的一种有前途的波形。然而，将现有的高精度 AFDM 分数延迟多普勒估计器应用于 LEO-ICAN 需要大量的搜索或推理复杂性，而视距 (LOS) 主导信道中频谱包裹引起的包络结构仍未得到充分利用。本文分析并利用了分数 AFDM 响应的频谱包裹引起的包络结构，并提出了一种将最小熵分数多普勒估计与闭合形式分数延迟估计相结合的低复杂度联合估计器。仿真结果表明，所提出的估计器接近根 Cram´er Rao 下界 (RCRLB)，并实现与匹配滤波 (MF)、广义斐波那契搜索匹配滤波 (MF GFS) 和离网稀疏贝叶斯学习 (OG-SBL) 相当的均方根误差 (RMSE) 性能，同时需要显着降低的计算复杂度和运行时间。这种有利的精度-复杂度曲线凸显了所提出的估计器在高移动性 LEO 辅助车辆网络中实时 ICAN 处理的潜力。

我们研究异步多基站 (multi-BS) 网络中的下行链路定位，其中到达时间差 (TDOA) 测量受到未知的 BS 间定时偏移和稀疏正过量延迟的影响，而绝对位置辅助仅间歇性可用。为了解决这个问题，我们将异步 TDOA 定位制定为复合最大后验 (MAP) 估计问题，联合恢复用户轨迹、相对 BS 定时偏移和稀疏非负 TDOA 偏差变量。然后开发了一种近端高斯-牛顿（PGN）方法，其中轨迹和时间偏移变量通过结构化高斯-牛顿步骤进行更新，而偏差变量允许封闭形式的单侧近端更新。数值结果表明，与基于 TDOA 的基线和受文献启发的基线相比，准确度得到了一致的提高，特别是当辅助信息是间歇性的并且 TDOA 损坏稀疏且为正值时。

在亚太赫兹 (sub-THz) 通信中，超宽带宽和严重的相位噪声 (PN) 损伤的耦合使得传统的联合信道和 PN 估计变得高度复杂且计算量巨大。为了解决这个问题，我们提出了 CRFCAN，一种复值残差 FFT 卷积注意力网络，专为联合通道和 PN 估计而设计。与依赖级联网络或将神经网络与传统迭代估计器相结合的混合框架的现有深度学习方案不同，CRFCAN 通过物理启发的跨域结构以真正的端到端方式执行联合恢复。具体来说，快速傅立叶变换 (FFT) 和逆 FFT 模块嵌入残差组中，以实现跨时域和频域的迭代特征交互，从而捕获频率选择性衰落和时变相位失真。此外，还引入了两个专用残差块，分别用于复杂特征提取和乘法相位失真建模。进一步采用具有软归一化功能的物理感知 PN 输出尾部来提高估计稳定性，同时保留有效 PN 过程的物理特性。仿真结果表明，CRFCAN 在归一化均方误差 (NMSE) 和误码率 (BER) 方面显着优于传统算法和最先进的深度学习模型。值得注意的是，CRFCAN 通过单次、固定复杂度推理实现了卓越的性能，并且无需微调即可很好地推广到未见过的 PN 模型，突出了其对于亚太赫兹接收器的鲁棒性和实用性。

堆叠式智能超表面（SIM）已成为下一代无线网络中波域信号处理的有前途的范例。在本文中，我们研究了 SIM 辅助多用户多输入单输出 (MU-MISO) 系统中天线选择、SIM 相移设计和功率分配的联合优化，以最大化可实现的下行链路总速率。为了处理由此产生的混合离散连续约束，我们引入了可微重参数化，并在级联多层传播模型下导出三个耦合变量块的解析梯度。基于这些物理感知的梯度方向，我们提出了一种模型驱动的展开全梯度优化（UFGO）网络，它将分析联合梯度更新过程展开为具有固定数量展开层的可训练架构。每个展开层在物理感知分析梯度的指导下执行可学习的特定于块的更新，并采用可微的重新参数化来保留变量的可行性，从而实现高效的在线推理，同时保留基于模型的优化的可解释性。仿真结果表明，UFGO 实现了与高迭代 FGJO 基准相当的总速率性能，同时需要比高迭代 AO 和 FGJO 方法低得多的运行时间。与没有选择天线的相应变体的比较进一步证明了自适应天线选择的性能优势。在电磁传播模型失配、不完美的信道状态信息和频率选择性衰落下的额外评估证明了 UFGO 在实际模型和信道不确定性下的性能弹性，支持其对延迟敏感的 SIM 配置的适用性。

在空中计算 (AirComp) 系统中，传输标量的分布需要融合中心 (FC) 和传感器之间采用复杂的无线通信协议。为了应对这一挑战，我们提出了一种基于流体天线系统 (FAS) 和正交空时分组码 (OSTBC) 的 AirComp 系统，其中传感器将数据直接传输到 FC，无需传输标量乘法。使用 FAS 和 OSTBC，可以抵消无线信道造成的失真，而无需传输标量。为了最小化计算均方误差，我们提出了一种低复杂度算法。仿真结果表明，随着流体天线数量的增加，我们提出的方案与具有发射标量的下界方案之间的性能差距缩小。

本文提出了一种共享半径互质圆形阵列，用于 3D 空间中的高分辨率、连续 2D 到达方向 (DoA) 估计，联合估计方位角和仰角。所提出的架构由两个均匀圆形子阵列组成，其同质天线数共享共同半径 RR，与密集均匀阵列相比，这种设计本质上抑制了互耦泄漏。与依赖复杂相模变换将圆形结构映射到虚拟线性阵列的现有工作不同，我们引入了直接在物理空间域中运行的混合连续恢复框架。通过将快速离散粗网格搜索与群体智能连续细化阶段相结合，所提出的方法完全绕过了离散网格失配限制和计算成本高昂的特征值分解。使用尼文斯定理进行严格的理论分析，确定了真实源方向的空间唯一性，有效解决了相位模糊问题。仿真结果表明，与均匀配置相比，该混合方案在低信噪比 (SNR) 下实现了更高的分辨率和更低的均方根误差 (RMSE)，同时在高 SNR 下渐近收敛于理论 Cramer-Rao 界 (CRB)。

基于信道状态信息 (CSI) 的指纹识别可以实现准确的室内定位，但会受到域偏移、标记数据有限以及多路径丰富环境中性能下降的影响。为了应对这些挑战，我们提出了一个基于联合嵌入预测架构（JEPA）的自我监督本地化框架。每个 CSI 时间快照都被视为一个令牌，并且通过从可见快照中预测屏蔽快照的潜在嵌入来对编码器进行预训练，学习没有任何标签的鲁棒通道表示。然后编码器被冻结，并且仅在一小部分标记位置上训练轻量级回归头来估计用户位置。我们在测量的 DICHASUS-005x 数据集上评估该框架，该数据集是在多径丰富的室内环境中由 32 天线阵列接收的单天线发射机。在掩蔽比为 50% 的情况下，相对于在原始 CSI 上训练的监督卷积神经网络 (CNN) 基线，所提出的方法将平均定位误差从 0.90 m 降低到 0.42 m（降低了 53%，即 0.48 m）。由于其标签高效、冻结编码器设计，该框架符合集成传感和通信 (ISAC) 目标，能够以最小的标签和计算开销实现可靠的传感。

可靠的地对空 (G2A) 通信对于将超音速空中平台集成到 6G 非地面网络至关重要。然而，复杂环境中的 G2A 信道表现出明显的非平稳性，其特点是严重的多普勒频移和受局部地形控制的复杂多径动态。虽然将环境信息纳入通道建模已成为平衡精度和效率的一种有前途的方法，但现有的混合方法通常粗略地处理微地形，无法捕捉其对传播的独特影响。为了弥补这一差距，我们提出了一种基于微地形语义的混合通道建模（MTS-HCM）方法，该方法将物理保真度与计算效率相结合。具体来说，我们开发了一个可扩展的聚类框架，将微地形特征直接映射到多路径参数，使模型能够区分不同地形的散射机制。为了确保高动态下的鲁棒性，我们采用了确定性链路状态确定方法，该方法使用数字高程模型和菲涅尔区理论来促进平滑的状态转换，以及轨迹驱动的多普勒演化架构，以高时间分辨率重建相历史。我们在山区场景中使用高保真光线追踪 (RT) 模拟来验证 MTS-HCM。仿真结果证明了链路状态确定的高可靠性。此外，结果表明，与传统的混合基线方法和 RT 基准相比，所提出的 MTS-HCM 紧密地再现了时空统计数据，估计运行时间加速约为 369 倍，为系统级仿真提供了可扩展的解决方案。

本文研究了卫星到飞机 (S2A) 通信的太赫兹 (THz) 信道建模，这是在 6G 网络中实现高速、蜂窝等效的飞行中连接的关键框架。为了捕捉 S2A 链路的非平稳性质，我们将飞机轨迹参数（包括速度、航向和飞行路径角度）建模为一阶高斯-马尔可夫 (GM) 过程。这种方法解释了以下三个不同阶段的标称飞行剖面周围的随机扰动：爬升、巡航和下降。我们将飞机引起的多普勒频移描述为 GM 加权和 (WSGM) 过程。为了增强时间动力学的表征，我们提出了一种改进的 WSGM (MWSGM) 模型，该模型可以提高估计相干时间的准确性。使用该框架，我们推导了通道自相关函数（ACF）的封闭式表达式，从而能够精确分析确定相干时间。我们的模拟结果证明了我们分析得出的 ACF 的有效性，与 WSGM 和正弦曲线总和 (SoS) 模型相比，它可以对各种飞行模式的相干时间和多普勒扩展进行更好的估计。

将标准化城市微蜂窝 (UMi) 路径损耗 (PL) 模型从中频上 (FR3) 扩展到亚太赫兹 (sub-THz) 频率需要在统一框架内跨宽光谱范围进行基于测量的比较。在本文中，我们基于 NYU WIRELESS 在 6.75、16.95、28、73 和 142 GHz 视距 (LOS) 和非视距 (NLOS) 条件下的广泛测量，推导出适用于 UMi 环境的单频和多频全向 PL 模型。每个频段的单频近距 (CI) 和浮动截距 (FI) 模型表明，CI 产生更稳定且物理上可解释的参数，所有五个频率的 FI 阴影衰落标准偏差均在 0.98 dB 以内。然后，我们使用 CI、近距离频率加权 (CIF) 和 alpha-beta-gamma (ABG) 模型将多频 PL 分析扩展到 7-24 GHz、0.5-100 GHz 和 0.5-150 GHz 频率范围。在逐渐变宽的频率范围内，CI 和 CIF 保持稳定的距离指数，与第三代合作伙伴计划 (3GPP) UMi 解释保持密切一致，而 ABG 仅以极大的参数灵敏度为代价，仅提供非常适度的拟合误差减少。这些结果支持物理锚定的 CI/CIF 公式，具有 1 m 处的近距离自由空间路径损耗锚定点，以便将面向 3GPP 的 UMi PL 模型扩展到整个 0.5 至 150 GHz 频率范围。

无线电地图盲预测无需现场测量即可根据传播环境和基站 (BS) 配置的可观察表示推断无线电地图。这些表示本质上是不完整的并且不能唯一地确定目标无线电地图。在平方损失下，我们将条件均值放射图确定为群体最优确定性目标，并将域风险分解为目标逼近误差和不可约不确定性。训练-测试风险差距激励传播先验作为跨域指导，尽管它们的部分或简化形式可能会偏差可达到的预测器。因此，我们提出RadioDecomp，它将先验引导的预测器视为可校正的基础，并使用确定性残差细化来学习其剩余的可预测差异。我们将 RadioDecomp 实例化为 RadioLSR (LoS-Shadow-Residual)。跨配置和跨环境设置下的实验表明，RadioLSR 对于跨配置泛化特别有效，并且在跨环境泛化下提供了优于受控单片对应物的总体增益。

近年来，集成传感与通信（ISAC）引起了未来蜂窝网络的极大关注。目前，各种工作已经证明了现有无线通信系统中的传感性能。由于无线电监管，大多数演示都是基于无源类型。然而，由于商业蜂窝系统中通信协议栈的访问困难，半协作无源ISAC的蜂窝通信信号评估受到限制。本文利用开源5G框架和软件定义无线电设备开发了半协作无源ISAC系统。并利用所开发系统的实际 5G 信号的物理层信息对性能进行了实验评估。在该系统中，通过5G信号建立通信，并获取和提取物理层信息进行分析。通过同步、ping、数据传输等多种通信场景下的实验验证了系统的性能。收集不同的物理层信息，并通过多路径配置分析传播特性。实验结果表明，可变带宽用于不同的通信场景，并且使用两种不同的方法成功地检测到多路径。这些结果表明，所开发的系统有望在更广泛的应用领域中实现半协作无源ISAC

到达时间 (TOA)、到达时间差 (TDOA)、接收信号强度 (RSS)、接收信号强度差 (RSSD) 和到达角度 (AOA) 是常用的源定位技术。这些系统的定位精度在很大程度上取决于传感器的几何配置，而这通常受到实际条件的限制。本文提出了一个统一的框架，用于优化所有五个定位系统的传感器几何形状，明确地结合了传感器位置的距离和角度约束。首先，对这些系统的 Cram\'er-Rao 下界（CRLB）进行变换以获得统一的表达式。基于该表达式，制定了统一约束几何配置优化问题。然后通过用方向矩阵替换传感器-目标角度，将问题简化为紧凑形式。随后，提出了基于黎曼流形的约束几何配置优化算法（RM-CGCOA）来优化传感器-目标距离和方向矩阵。该算法将方向矩阵投射到单位圆的乘积流形上。进一步提出了自适应回调来严格执行与角度相关的不等式约束，确保在通过黎曼梯度更新方向矩阵时所有迭代保持可行。在 RM-CGCOA 中，导出 TOA、TDOA、RSS 和 AOA 的分析最佳距离，而对于 RSSD，则使用投影梯度下降 (PGD) 和方向矩阵来更新距离。实验结果表明，与现有策略相比，所提出的 RM-CGCOA 始终实现了显着较低的位置误差界限（PEB），并产生与接近最优搜索算法类似的 PEB，但运行时间更快。

全双工无细胞集成传感和通信（ISAC）是一种有前途的协作跟踪和无处不在的覆盖范围的架构。其实际部署受到前传限制传输和残余自干扰（SI）抑制的耦合设计的挑战。现有的半定松弛（SDR）方法在分布式网络中通常会产生较高的复杂性，而基于惩罚的方法对参数调整敏感，并且可能无法严格满足硬约束。在这封信中，我们提出了一种混合投影黎曼交替方向乘法器方法（H PRAM），用于全双工无单元 ISAC 系统中的联合发送-接收波束形成。关键思想是通过基于投影的更新来处理 SI 约束，同时根据发射和接收波束形成器的不同结构对其进行优化。发射侧在功率和前传约束下进行更新，接收侧在元素恒模流形上进行细化。仿真结果表明，与基于 SDR 和基于惩罚的基准相比，所提出的方法实现了更快的收敛和更好的通信感知权衡。

流体天线系统 (FAS) 提供卓越的空间灵活性，但在获取高分辨率信道状态信息 (CSI) 方面面临重大挑战，从而导致相当大的开销。为了解决这个问题，我们利用电磁场固有的空间连续性，提出了 CANet，这是一种用于 FAS 中通道外推的稳健深度学习模型。 CANet 将上下文自适应建模与跨尺度注意机制相结合，并建立在 ConvNeXt v2 主干上，以提高未观察到的天线端口的外推精度。为了进一步增强鲁棒性，我们引入了针对 FAS 通道外推的空间幅度扰动策略。基于这种扰动，结合了傅里叶域损失以保留傅里叶域中的谱结构并提高扰动下的学习稳定性。我们的仿真结果表明，在各种信噪比 (SNR) 水平和载波频率的估计精度方面，CANet 始终优于没有噪声方差辅助信息的基准方法，同时还以适度的计算复杂性显着降低了中断概率。

全球导航卫星系统日益脆弱，激发了人们对使用近地轨道卫星进行基于多普勒的导航的新兴趣，该卫星可以根据载波多普勒测量确定位置、速度、时钟偏差和时钟漂移。然而，这个八状态问题中的几何精度稀释 (GDOP) 的表现与基于伪距的导航中的 GDOP 有着根本的不同。特别是，基于体积的卫星选择对于基于伪距的 GDOP 最小化是有效的，但根据经验发现，对于多普勒 GDOP 来说表现不佳。本文为多普勒 GDOP 表征建立了几何基础。导出了多普勒测量雅可比行列式在仰角、方位角、倾角和高度比方面的封闭式几何参数化。结果表明，时钟偏差灵敏度取决于仰角、高度以及卫星速度矢量与视线之间的角度。这种敏感性与时钟漂移产生了相关性，而这种相关性是任何几何排列都无法消除的。对八状态信息矩阵进行 Schur 补分解，产生精确的 GDOP 膨胀公式，该公式由测量时钟偏差列和七状态子空间之间对齐的共线性系数控制。事实证明，使时钟偏差可观测的几何耦合与增大估计协方差的耦合相同，并且卫星高度分集通过将相同高度的卫星分离到不同的敏感带上来降低共线性。采用两壳卫星配置的示例说明了分析。

基于光学相控阵 (OPA) 的 LiDAR 技术为自动驾驶车辆、机器人和航空系统提供高速固态传感。然而，当前基于 OPA 的 LiDAR 平台缺乏准确识别和分类材料的能力，限制了其在机器人和机器感知中高级场景理解的有效性。在这里，我们提出了一种基于 OPA 的 LiDAR 方法，该方法将硅光子 OPA 芯片与偏振分辨光学神经网络 (PolarONN) 芯片集成，以直接分析反向散射信号的偏振。这种集成架构通过共同提供 3D 几何形状、返回强度和偏振衍生属性来实现偏振解析点云输出，并附加由片上 PolarONN 推断的逐点材料标签。与用于基于偏振的材料识别的代表性电子分类后端相比，我们的片上光子推理核心提供纳秒级响应，并且推理模块的电力预算较低。我们通过实验证明了三种代表性材料（木材、石材和钢材）的稳健、实时分类，分类精度超过 85%，距离可达 10 米。我们的研究为实时偏振分辨激光雷达感知建立了一条实用途径，显着增强了下一代自主传感技术的能力。

DoA估计在信号处理中起着至关重要的作用。受波束成形的启发，最近的工作采用神经网络来估计滤波器，以过滤接收到的信号以实现 DoA 估计。这些方法通常通过隐式聚焦信号和抑制噪声来生成滤波器。然而，这将两个目标耦合在一起，使得训练难以平衡并导致鲁棒性差，特别是在低信噪比和有限快照的情况下。为了解决这个问题，我们提出了 BeamFocusNet 方法，该方法通过显式信号聚焦生成滤波器，引入了基于神经网络的滤波器生成的新范例。在各种具有挑战性的条件下进行的大量实验证明了所提出的方法在 DoA 估计中的优越性和鲁棒性。代码可在 https://github.com/colaudiolab/BeamFocusNet 获取。

现代波形设计面临着信道估计 (CE) 的计算简单性和分集增益最大化之间的基本权衡。虽然正交频分复用 (OFDM) 可实现低复杂度的一抽头均衡，但它通过将可解析的延迟分量压缩为单个频域系数，本质上抑制了多径分集。相反，尽管仿射域处理捕获了完整的信道分集，但其性能常常受到估计误差的瓶颈。本文提出了一种混合域处理框架，该框架聚合路径多样性，以在不改变现有帧结构的情况下增强有效信噪比（SNR）。首先，我们强调了仿射域中传统迭代搜索 CE 的局限性，证明分数延迟扩展会导致严重的估计误差层。为了解决这个问题，我们提出了一个跨域框架，将估计与数据复用分离。我们的设计利用频域解调参考信号 (DMRS) 实现稳健、低复杂度的 CE，然后导出全秩映射到仿射域数据块以实现相干路径聚合。此外，我们还分析了多普勒引起的信道老化和子载波间隔约束的影响，以减轻载波间干扰（ICI）。标准化 3GPP 信道模型下的仿真结果表明，所提出的方案消除了本机仿射 CE 的错误层，并实现了接近多天线 MIMO 基线的误码率 (BER) 性能，同时保持了单天线收发器的硬件简单性。

由于频谱复用、硬件共享和联合波形设计，集成传感和通信 (ISAC) 是未来无线系统的一个有前途的范例。在动态场景中，多普勒频移会降低传感和通信性能，这对于光束敏感的轨道角动量 (OAM) 波前尤其重要。为了解决这个问题，我们提出了一个多普勒鲁棒 ISAC 框架，它首先感知，然后通信。具体来说，在传感阶段，通过码分模式复用（CDMM）同时传输多个涡旋模式。为了解决多普勒引起的模间干扰，我们提出了一种速度一致性匹配（VCM）-期望最大化（EM）算法，该算法联合解码传感矩阵并估计多个移动目标的距离、方位角、仰角和速度。在通信阶段，联合发射机（Tx）波束成形和接收机（Rx）波束控制是根据估计的信道状态信息（CSI）配置的。我们通过评估导频长度如何影响估计精度、波束对准和频谱效率（SE），进一步量化传感通信分配权衡。仿真结果表明，所提出的 VCM-EM 和 ISAC 设计在动态场景中比基线方案实现了更高的传感精度和通信SE。

仅从频谱角度考虑共享或共存无法认识到任何支持频谱的服务还需要（i）无线电和处理基础设施以及（ii）协议栈，包括波形和信号处理管道。因此，诸如公民宽带无线电服务（CBRS）之类的频谱共存框架的效率仅限于优化单个维度的资源分配。然而，如何解决这一限制仍然是一个悬而未决的挑战，特别是考虑到跨频谱服务（例如传感、通信、导航或定位）的需求和操作模式的多样性。本文介绍开放频谱，这是一种为异构频谱服务带来软件化、可编程性和开放接口的架构，将开放无线电接入网络 (RAN) 原则扩展到无线网络之外。我们建议将频谱、服务和基础设施整合到一个公共池中。其资源由频谱智能控制器 (SIC) 共享和编排，并具有即插即用的频谱应用程序，即频谱应用程序 (sApps) 以及使用数字孪生 (DT) 的数据驱动的射频干扰 (RFI) 建模。我们描述了开放频谱架构、共享基础设施池以及租户加入和激励、冲突解决以及跨传感、无线电导航、无线电定位和蜂窝系统的服务共享的操作工作流程。使用 BostonTwin 城市 DT 和 Sionna 射线追踪进行的系统级模拟表明，在共享基础设施和跨多种服务共享方面存在性能驱动的激励措施，从而可以增加频谱访问并将中值信号干扰加噪声比 (SINR) 提高高达 12 dB。

第六代 (6G) 网络的雄心勃勃的要求正在推动通信系统从可靠的比特传输转向意义感知和面向任务的连接。具有强大的多模态理解和生成能力的大型模型（LM）加速了这种转变，并使语义通信（SemCom）变得越来越实用。然而，当前 LM 驱动的 SemCom 仍然是支离破碎的：语义表示通常与特定的模式、模型或任务相关联。虽然比特为数字传输提供了通用单元，但仍然没有用于表示和处理语义的类似单元，这限制了互操作性、理论统一和可扩展的系统设计。我们认为，代币为这种缺失的抽象提供了天然的候选者。有两种趋势支持这一点：统一的多模态 LM 现在在一个令牌空间中对文本、图像、音频、视频和机器人动作进行编码，而分布式 LM 推理已经通过专家路由、缓存传输和推测解码生成了大量令牌级流量。令牌通信 (TokenCom) 通过统一这些趋势而出现，使用 LM 的本机处理单元作为位级别之上的通信抽象，并直接在令牌粒度上实现重要性分配、错误处理和资源分配。本调查追溯了从 LM 驱动的 SemCom 到 TokenCom 的演变。我们回顾了 LM 驱动的 SemCom 的三个主要方向：以源为中心的语义编码、物理层任务的通道语义以及协作边缘设备智能。然后，我们研究令牌抽象、它所需的传输技术以及两个新兴范例，即用于 LM 服务和用于体现和代理智能的 TokenCom。最后，我们确定了统一、可扩展和人工智能原生 6G 通信系统面临的开放挑战。

本文提出了一种基于深度学习（DL）的集成传感与通信（ISAC）编码波形设计，能够在短块传输中实现通信可靠性和测距精度之间的灵活权衡。所提出的方案建立在实用的多输入多输出正交频分复用（MIMO-OFDM）架构之上，其中假设通信信道状态信息和静态目标的角度在发射机处可用。基于变压器的发射机将输入信息位直接编码为 ISAC 发射波形，以联合优化误码率 (BER) 性能和延迟修正 Cramer-Rao 界限 (MCRB)。通信侧采用相应的基于变压器的接收器来恢复传输的信息比特。我们进一步检查了面向通信和面向传感的设计的学习码字，揭示了平衡的 ISAC 波形自然地表现出这两个极端之间的中间结构。数值结果说明了这些码字结构，并证明所提出的设计与基于标准信道编码和调制的传统方案相比提供了显着的权衡增益。

基于类型的多址 (TBMA) 是一种数字空中计算 (OAC) 方案，它利用无线多址信道上的符号冲突来构建接收器处传输数据的直方图。本文解决了加性高斯白噪声 (AWGN) 通道上 TBMA 传输直方图的最佳检测问题。由于可能接收的直方图的数量随着发射机的数量和数据字母表的大小而组合增长，因此最大似然（ML）检测在计算上变得不可行。我们证明了机器学习检测问题可以通过基于连续干扰消除（SIC）的贪心算法来解决。我们推导了 ML 检测器的分析均方误差 (MSE)，并表明它随 SNR 呈指数下降。数值结果验证了理论分析，并证明 TBMA 与传统模拟 OAC 相比具有优越的性能，特别是对于非线性函数。

时空信道编码 (STCC) 通过利用空间自由度来扩展码字长度，可以比传统时间信道编码 (TCC) 提高可实现的速率。尽管 STCC 的一些信息论基础已经建立，但从通信理论角度对传输方案的研究仍处于早期阶段。本文提出了在全信道状态信息假设下的多流多子信道STCC（STCC-MSC），并在有限块长度范围内优化了其可实现的速率。我们首先制定了点对点MIMO系统中STCC-MSC的传输架构，引入了流子信道匹配机制。然后，我们通过联合优化子信道分配和功率分配策略来最大化 STCC-MSC 的可实现速率，这被表述为混合整数非线性规划问题。接下来，提出了一种惩罚交替凸近似（PACA）算法来解决这个问题。随后，我们将点对点 STCC-MSC 设计扩展到更通用的多用户 MIMO 系统，包括上行链路和下行链路场景。最后，仿真结果表明，PACA算法比STCC-MSC方案中的基准算法实现了9.85%的速率提升。此外，联合STCC-MSC-PACA方案比TCC方案将可达率提高了28.68%。

仿射频分复用 (AFDM) 最近因其对时频双选择性信道衰落的鲁棒性而受到广泛关注。然而，接收器的高计算复杂度给实际部署带来了严峻的挑战。为了克服这个问题，我们提出了一种基于概率符号级预编码（SLP）的AFDM传输框架，其中下行链路传输中的处理负担从用户转移到基站（BS），从而能够直接进行符号检测，而无需在接收器处进行信道估计或均衡。在所提出的框架中，BS利用上行链路信道状态信息(CSI)来基于上行链路-下行链路信道互易性来设计下行链路发射波形。特别是，我们通过明确表征噪声扰动下符号检测错误的可能性，创新性地引入了概率 SLP 技术。具体来说，传输的符号被优化以最小化接收的符号落入错误决策区域的可能性，其中所产生的错误概率最小化问题随后通过利用目标函数的单调性被近似为二阶锥规划（SOCP）问题。仿真结果表明，所提出的基于概率 SLP 的方案实现了与传统 AFDM 接收器相当的性能，同时显着降低了接收器端的计算复杂度。这些结果证明了所提出方法的有效性和实际潜力。

由不完美的本地振荡器产生的相位噪声 (PN) 会引入乘性失真，从而降低通信系统的性能。在上行链路多用户多输入多输出 (MIMO) 系统中，由于每个发射和接收天线处存在独立振荡器，每个天线都会产生不相关的噪声分量，从而进一步加剧了这种损害。接收器上现有的 PN 补偿算法要么依赖于线性化近似，在严重的 PN 条件下会失去精度，要么会导致计算复杂性随着天线数量的增加而大幅增加。为了解决这些限制，我们提出了一种用于上行链路 MIMO 系统中联合 PN 估计和数据检测的变分贝叶斯 (VB) 框架。我们开发了基于 VB 的检测器，将噪声统计数据视为潜在变量，并通过将发射机 PN 吸收到传输信号中来重新表述推理问题，将生成的复合变量视为推理目标。在冯·米塞斯先验下，这种重新表述产生了精确的闭合形式共轭后验更新，从中我们得出了一种改进的检测器，以低复杂度实现了卓越的性能。仿真结果表明，与自干扰白化 (SIW) 算法和传统的无相位噪声检测器相比，所提出的 VB 算法在各种信道条件、调制阶数和 PN 严重性范围内实现了更低的符号错误率，同时保持计算可扩展性以适应大型 MIMO 部署。

在本文中，我们提出了一种用于正交频分复用（OFDM）系统的新型信道估计（CE）算法，该算法利用了延迟多普勒（DD）域信道的独特特性。具体来说，通过仅关注 TF 域信道矩阵的非零元素，以紧凑的形式导出时频 (TF) 域输入输出关系 (IOR)。基于此紧凑 IOR，首先使用线性最小均方误差估计器执行粗 TF 域 CE。然后，通过酉变换将所得的 TF 域估计变换到 DD 域以进行进一步细化。我们揭示了有效 DD 域信道矩阵可以被视为具有不同相移的多个 DD 域信道响应的聚合。这使我们能够设计一种基于阈值的高精度 DD 域信道参数估计。然后应用估计的DD域信道参数来形成TF域信道的精确估计。我们的数值结果表明，在相同的导频部署下，所提出的方法可以比传统的 OFDM 信道估计技术实现显着的性能增益。

导频开销是提高多输入多输出正交频分复用（MIMO-OFDM）系统频谱效率的瓶颈。为了缓解这个问题，叠加导频（SIP）辅助传输已被广泛研究。然而，由于多流数据的强烈干扰，SIP 下的信道估计仍然具有挑战性。在本文中，我们提出了一种基于深度学习 (DL) 的信道估计器，即 DeepCE，用于 SIP 辅助的 MIMO-OFDM 系统。所提出的 DeepCE 采用标准变压器编码器作为非迭代信道估计的骨干。为了捕获 OFDM 信道固有的时频相关性，我们提出了一种新颖的二维 (2D) 位置编码 (PE) 方案，可保证 2D 移位不变性。仿真结果表明，所提出的 DeepCE 优于最小二乘法、线性最小均方误差和基于 DL 的信道估计器。此外，与一维PE方案相比，所提出的2D-PE方案进一步提高了信道估计精度，同时保持了优异的泛化能力。

提出了一种部分叠加导频辅助稀疏矢量传输（PSP-SVT）方案，用于高移动场景下的短包超可靠和低延迟通信。与传统的完全叠加导频辅助 SVT 方案不同，所提出的 PSP-SVT 方案仅在子载波子集上部署几个导频。这种稀疏导频结构足以用于基于基础扩展模型的信道跟踪，同时有效地减少导频数据干扰。基于PSP模式，开发了迭代接收机来联合执行信道估计和数据解码。 PSP-SVT 中减少的导频干扰提供了更准确的初始信道估计和数据检测，从而改进了后续的迭代细化并减轻了错误传播。此外，还研究了 PSP 数量和功率分配比对误块率 (BLER) 性能的影响，以揭示接近最优的导频配置。仿真结果表明，所提出的PSP-SVT方案在BLER方面优于现有的全叠加导频辅助SVT方案，且收敛速度快。

可移动天线（MA）系统最近在无线通信领域引起了极大的关注，因为它们具有通过灵活的天线移动主动重新配置无线信道的卓越能力。在本文中，我们研究了MA阵列增强型下行链路非正交多址（NOMA）系统的资源分配设计，其中基站部署多个MA来服务多个单天线用户。我们的目标是在最大发射功率、有限MA移动区域、最小MA间距离和每个用户最小速率要求的约束下，通过联合优化发射波束成形、MA位置、连续干扰消除（SIC）解码顺序以及用户对应的解码指示矩阵，最大化所有用户的总速率。所提出的问题本质上是高度非凸的，这使得获得全局最优解具有挑战性。作为折衷方案，我们提出了一种低复杂度的两阶段优化算法来获得有效的次优解。具体地，在第一阶段，首先通过解决信道增益最大化问题来确定SIC解码顺序。然后，在第二阶段，根据给定的 SIC 解码顺序，利用交替优化、逐次凸逼近 (SCA) 和遗传算法 (GA) 迭代优化波束形成向量、MA 位置和用户解码指示矩阵。最后，广泛的仿真表明，所提出的 MA 增强型 NOMA 系统的总速率性能明显优于传统的固定位置天线 (FPA) 系统。此外，结果还表明，我们提出的算法中的天线位置优化可以进一步增强 NOMA 相对于空分多址 (SDMA) 的优势。

为机器人配备物理的、受大脑启发的计算单元是实现智能机器真正自主的关键一步；然而，这种神经形态硬件的实际实现仍然是一个重大挑战。由于基于软件和硬件的尖峰神经网络方法都需要大量的训练和能源消耗，因此需要一个架构简单的神经形态平台来实现可扩展且节能的机器人技术。在这里，我们通过实验演示了由基于物理波相互作用的神经形态硬件驱动的机器人控制。使用可直接视觉访问波网络动力学的水基实验系统，我们建立了一个基于波的储层计算框架，该框架在机器人车辆障碍物识别方面实现了近乎完美的准确性，然后是完全由该基于波的硬件控制的实时自主运动和避障。通过微磁模拟，我们将这一概念扩展到以千兆赫频率运行的磁性纳米器件中的电激发自旋波，概述了一种基于波计算的固态机器人芯片的方法。这些结果将基于波的计算定位为下一代智能机器传统数字神经形态架构的可扩展且节能的替代方案。

声子极化子具有强大的场限制，可实现光子器件的极度小型化。虽然光学损耗通常被认为是需要补偿的基本限制，但在这里，我们通过利用泄漏引起的损耗作为模式操纵的自由度来展示一种新颖的方案。通过将 2D 双曲极化子（例如 α-MoO 3 ）与 3D 体漏通道（例如 β-Ga 2 O 3 ）耦合，我们在较宽的频率范围内实现了准一维（准一维）极化子的拓扑重建。在频域中，基板中的面外声子驱动泄漏有效地控制准一维极化子的传播方向，从而实现连续的频率相关旋转，并最终导致声子谐振处的突然转变。在真实空间中，准一维等频轮廓由于其极端的动量空间准直，可实现宽角度（>170°）的片上无反射传播。该方法进一步推广到其他 2D/3D 异质结构（例如 α-MoO 3 /CdWO 4 ），证明了跨各种离散红外光谱窗口（总 Δλ ~ 7 μm）的可操作性。我们的研究结果不仅引入了用于精确极化子控制的损耗工程框架，而且还为零反射片上光学路由和先进光学信息处理开辟了新的可能性。

卫星数字音频无线电服务 (SDARS) 信号因其连续的对地静止覆盖范围和相对较高的有效辐射功率而成为无源雷达的有吸引力的机会照明器。然而，这些波形采用的确定性时分复用 (TDM) 帧引入了固有的自模糊性，可能会限制相干积分和检测性能。本文分析了 XM/SiriusXM (SXM) 波形的自模糊函数 (SAF)，并将观察到的多普勒周期性与 TDM 主帧中嵌入的快速同步前导码 (FSP) 的重复明确联系起来。帧精确的 XM TDM 信号模拟用于建立预期的模糊度行为，然后使用从 SXM-8 卫星收集的真实直接路径数据进行实验验证。结果表明，在 XM FSP 重复频率的整数倍处存在明显且持久的多普勒复制品，形成确定性多普勒“梳”（栅瓣结构），跨越与具有多秒相干处理间隔的基于 GEO 的无源雷达操作相关的多普勒范围。

Rajam$\unicode{228}$ki 和 Koivunen 询问具有连续和协数组的最小冗余对称 Kl$\unicode{248}$ve-Mossige 数组是否始终是 Kl$\unicode{248}$ve 数组。我们给出了计算机辅助证明，在每个固定传感器数量下，每个最大化传感器集都属于 Kl$\unicode{248}$ve 类。该参数对生成器及其移位反射之间的重叠进行分类，然后将假设的优化器的孔径限制在 Kl$\unicode{248}$ve 类之外。将这些边界与经典的 Kl$\unicode{248}$ve 结构进行比较，所有传感器计数至少为 330。精确的整数证书涵盖从 2 到 329 的剩余计数，并将每个相等情况与 Kl$\unicode{248}$ve 数组作为一个完整的集合进行匹配。因此，完全对称 Kl$\unicode{248}$ve-Mossige 类内的优化简化为先前已知的对 Kl$\unicode{248}$ve 参数的搜索。该定理涉及这个指定的类，而不是不受限制的稀疏数组或所有受限制的加法基。

外部瓷砖后面隐藏的脱粘是瓷砖掉落的危险，而毫米波雷达提供了一种非接触式的方法来发现它。传统的解释首先重建范围概况，因此其可靠性受到可用带宽的限制，但带宽决定了已部署系统的成本、采集时间和监管足迹。这项工作询问是否可以用带宽来换取计算。 4-40 GHz 步进频率系统扫描 12 个在不同深度和界面处包含 0.5-1.0 mm 气孔的外墙样本，并分析 A 扫描、B 扫描和 C 扫描解释的带宽依赖性，以确定分辨率范围。然后提出了 RF-VoID，它直接决定窄带复响应：子带保持其测量的频率顺序，并与同相和正交通道一起使用幅度和相位，双分支编码器使用相对位置编码和距离相关的局部性偏差沿物理频率轴读取它，面向检查的目标处理类别不平衡和立面筛选的不对称错误成本。在混合样本协议下，该方法在 0.5 GHz 带宽下实现了 98.61% 的准确度和 95.84% 的 F1 分数，相对于全扫描减少了 72 倍，无需距离剖面重建、反卷积或深度切片选择；在完全经过训练的样本上，它仍然是比较模型中最强的，平均宏观 F1 分数在 0.5 GHz 时为 62.12%，在 1 GHz 时升至 68.57%。

包括无线广播在内的许多工程应用都需要在不同目标中断级别提供性能证书的设计。本文研究了在真实系统状态存在不确定性的情况下最大化此类证书的加权平均值的问题。该问题被证明等同于嵌套预测集的优化，连接到共形预测的文献并扩展了单级风险规避决策的现有技术。此外，我们得出了一个双重公式，可以解耦跨输入值的优化。基于多样性的无线传输系统的数值实验说明了使用单一共享策略强制执行多级证书的成本，并跟踪了多个可靠性级别之间的帕累托权衡。

本文提出了一种传感辅助闭环保护带自适应框架，用于分数多普勒双选择信道上的仿射频分复用（AFDM）。与具有固定保护带和大小适合标称延迟多普勒扩展的循环前缀的传统 AFDM 不同，接收器利用 AFDM 域延迟多普勒处理来估计多径参数和分数多普勒，形成帧级扩展/干扰度量，并选择每帧的目标保护宽度。量化的保护更新命令作为低功率带内控制层嵌入在重用的外保护音调上，并通过低复杂性组合和解码进行恢复，从而实现闭环中的发射机侧跟踪。对多径分数多普勒通道的仿真表明，与具有相当错误率性能的固定保护 AFDM 基​​线相比，有效频谱效率明显更高。

集成传感与通信 (ISAC) 是 6G 的一项重要技术，使无线系统能够感知其物理环境。无线电断层成像 (RTI) 是 ISAC 中无设备传感的一项潜在技术，可根据接收信号强度 (RSS) 测量结果重建物体位置和形状。它可以通过提供具有波长分辨率的窄带模式来补充雷达和激光雷达等其他技术。最近，开发了 RTI 的扩展版本，称为扩展无相 Rytov 近似 (x3DPRA)，以增强 RTI 重建质量、估计材料参数并将 RTI 从二维扩展到三维 (3D)。然而，3D 公式比 2D 形式更不适定，因为测量数量远远少于未知体素的数量。在这项工作中，我们系统地评估和比较了 x3DPRA 框架内的三种不同的正则化方法（Ridge、Total Variation 和 Tensor Nuclear）。我们通过评估三种方法的重建质量和计算运行时间来提供详细的性能分析。我们的研究结果表明，总变分正则化提供了最佳的重建质量，但不是最快的运行时间，为未来 ISAC 应用开发高分辨率 3D RTI 系统提供了指导。

双频段集成传感和通信 (ISAC) 为多目标传感提供互补的高频和低频回波信息。然而，现有的双频段 ISAC 传感方法在利用异构频段的深度互补信息方面的能力有限，并且通常会产生高昂的计算成本。为了解决这些限制，我们提出了一种双频带多目标感知神经网络（DMSNet），用于联合目标数量和参数估计。在代表性模拟条件下，DMSNet 在目标数量估计方面优于最佳基线，计数精度从 89.01% 提高到 91.74%，Macro-F1 从 90.80% 提高到 93.07%。对于参数估计，与最佳基线相比，DMSNet 将距离、速度和角度的中值绝对误差分别降低了 82.2%、56.9% 和 73.2%。此外，相对于现有最快的双频 ISAC 传感方法，DMSNet 将运行时间缩短了 68.7%。

未来的多卫星网络可以通过地理上分布的地面节点（GN）的协作接收来增强下行链路可靠性。然而，部分连接、容量有限的前传限制了集中式信号收集和瞬时信道状态信息 (CSI) 交换。我们开发了分布式波束成形，其中 GN 将多个阶段的本地和量化软符号估计结合起来。对于最大比组合（MRC）和迫零（ZF），我们使用有效的大规模信道参数推导了逐级信号与干扰加噪声比（SINR）表达式，并考虑了量化噪声累积、导频污染和残余相位误差。我们制定了转发、量化速率和组合权重的前传感知最大最小设计，并提出了阶段解耦多阶段设计（SDMD）和基于阈值的弱用户转发（TWF）。数值结果表明，SDMD 在分布式方案中提供了最高的最差用户频谱效率 (SE)，而复杂性较低的 TWF 则产生了明显的增益。较大的前传预算和连接可提高性能，而过多的转发级会因累积的量化噪声而导致收益递减。

在第五代（5G）新无线电（NR）车辆到基础设施（V2I）网络中，半持久调度（SPS）减少了信令，但在本地负载变化后可能保留不合适的资源预留间隔（RRI）。我们研究年龄公平保持/重新选择控制，并将奖励对齐年龄公平效用 (RAAFU) 代理与直接信息年龄 (AoI)、Jain 新鲜度和 SPS 无线电资源冲突端点区分开来。完整代理将确定性规则/模型预测控制 (MPC) 评估和安全门与事件触发的大语言模型 (LLM) 提案路径相结合。在 128 个独立场景族中，Full 实现了最高的 Jain 新鲜度显示，为 0.9386，碰撞率为 1.009%；相对于同堆栈对照，它还略微降低了平均/q95 AoI。在一项独立的 256 例冲击研究中，相对于预算匹配的非 LLM 选择者，LLM 路径减少了 q95 AoI 和冲突，显示出可测量的成分贡献，尽管更强的规则仍然具有竞争力。主要的权衡是比某些外部比较器具有更高的绝对 AoI，并且测量的提供程序延迟约为秒而不是时隙。这些发现仅支持法学硕士基于模拟的慢路径角色；他们没有建立实时部署。

稀疏矢量传输 (SVT) 已成为一种有前景的超可靠低延迟短数据包通信技术。然而，现有的 SVT 方案通常假设相位噪声 (PN) 可以忽略不计，这一假设在实际无线系统中很少成立。本文针对受PN影响的短包通信提出了一种双映射稀疏向量编码（DM-​​SVC）方案。在DM-SVC中，导频符号被映射到多个非零块，数据符号被映射到单个稀疏向量内的隔离非零元素，从而通过不同的稀疏模式而不是显式资源划分来实现导频数据分离。此外，导频块的索引传达附加信息比特，进一步提高频谱效率。采用基扩展模型来表示PN过程，大大减少了需要估计的参数数量。此外，还开发了迭代联合PN估计和数据解码算法，其中首先利用块稀疏先验检测导频块索引，之后迭代地进行PN估计和数据解码。仿真结果表明，与最先进的 SVT 方案相比，DM-SVC 可以实现接近完美 PN 补偿的块误码率性能，同时提高频谱效率并减少码本存储开销。

在基于线性调频脉冲的多载波通信系统中，多径信道中的分数延迟通常会引起显着的 Sinc 能量色散，这限制了信道估计精度和解调性能。在这封信中，我们提出了一种基于时域滑动窗口互相关的信道脉冲响应求和方法（SCIRTSWCC）。该方法通过接收信号与本地参考信号之间进行滑动互相关来提取多径特征，并通过窗口内的求和过程对信道效应进行平均。这聚集了由分数延迟引起的分散能量，并减少了延迟扩展对信道估计和接收过程的影响。仿真结果验证了该方法在非地面网络（NTN）信道下的有效性。

将生成对抗网络（GAN）集成到联合语义通信（SemCom）中是一个自然的进展，因为生成先验可以在通道失真下恢复语义保真度，而判别式解码器则无法做到这一点。然而，朴素的 GAN 联邦引入了三种故障模式，据我们所知，先前的工作既没有识别也没有解决这些故障模式：非独立同分布（非 IID）数据下的判别器聚合不稳定、局部嵌入空间不同引起的语义漂移以及无法适应异构链路条件的通道无关生成。我们提出联合生成语义通信（FedGenSC），它通过使用具有仅限本地鉴别器的全局生成器、通过语义原型库提供跨客户端语义信息以及根据瞬时信噪比（SNR）调节生成来缓解这三个问题。在瑞利衰落通道 (K=10 个客户端，Dirichlet {\alpha}=0.5) 上的 Europarl 数据集上进行的实验表明，非 IID 数据下的 FedGenSC 在测试的 SNR 范围内优于 FedDeepSC 基线，在 18 dB 的双语评估备用 (BLEU)-1 中实现了高达 58.2% 的相对改进。消融研究证实了每个组成部分的独立贡献。

低空辅助无蜂窝网络通过集中控制为协作式天地覆盖提供了一种有前景的架构。然而，低空网络拓扑和空中信道的动态需要自适应和生成资源管理，而接入和前传链路的不同频段和有限容量使其联合分配具有挑战性。现有的基于判别模型的方法仅提供具有有限生成能力的确定性预测，并且难以适应这种动态。为了应对这些挑战，本文研究了联合无线功率和前传带宽分配，以实现低空辅助无蜂窝网络中的频谱效率最大化。我们首先设计一个基于逐次凸逼近（SCA）的算法来获得接近最优的解决方案作为训练样本。然后，我们将网络表示为异构图，并提出基于图 U-Net 的扩散 (GUN-Diff) 模型，该模型学习样本分布，通过高斯噪声的前向扩散和通过定制的图 U-Net 的反向扩散来生成高质量的解决方案。我们进一步证明 GUN-Diff 具有排列等变性，这在理论上支持其跨不同网络配置的可扩展性和生成能力。仿真结果表明，GUN-Diff 以多项式计算复杂度接近基于 SCA 的方法的频谱效率，并且在不同的低空网络环境中具有良好的泛化能力。

近年来，基于多输入多输出（MIMO）-正交频分复用（OFDM）的ISAC系统得到了深入研究。然而，MIMO-OFDM ISAC 系统可能会遇到高峰值平均功率比 (PAPR) 的问题。针对这一问题，本文从波形优化和线性预编码两个方面研究了多用户MIMO-OFDM ISAC系统的低PAPR预编码设计。具体来说，本文利用雷达模糊函数构造目标函数，首先制定低PAPR多用户MIMO-OFDM ISAC波形设计问题，然后提出基于逐次凸逼近（SCA）的迭代求解方法。随后，使用基于SCA的方法再次制定并解决了MIMO-OFDM ISAC系统的低PAPR线性数字预编码设计问题。最后，基于所提出的数字预编码，研究了低PAPR混合预编码设计，并利用流形优化的块坐标下降导出了相应的设计方法。提供了我们的设计方法的复杂性和收敛性分析。仿真结果表明，我们的方法可以提供有效的低 PAPR 预编码设计，其性能显着优于参考方案。

第六代 (6G) 无线网络预计将为大规模体现智能提供关键基础设施，其中异构机器人通过低延迟连接、边缘智能和分布式传感进行协作。视觉-语言-动作 (VLA) 模型通过将视觉感知、语言理解和动作生成集成到统一的闭环策略中，提供了基础。然而，训练和调整 VLA 模型以适应分布式机器人代理会带来隐私保护、通信效率和模型异构性方面的挑战。现有的联邦学习（FL）方法忽视了视觉、语言和动作路径在参数规模、隐私暴露、更新动态以及对压缩或扰动的容忍度方面的内在差异。为了解决这个问题，本文提出了 FedMVLA，一种模态解耦的 FL 框架，用于在 6G 网络中保护隐私的体现智能。 FedMVLA 融合了三种机制：模态感知联合聚合 (MAFA)、模态感知隐私分配 (MAPA) 和模态感知通信压缩 (MACO)，以及模态切片传输设计，通过受保护的超可靠低延迟切片路由精确关键操作流。基于第三代合作伙伴计划 (3GPP) 的无线基质上的联合机器人操作案例研究（涵盖衰落、同道干扰和恶意干扰）表明，FedMVLA 实现了 84.8% 的任务成功率，超出 FedAvg 22.2 个百分点，在扩展到 8 个小区的 128 个客户端时保持不断扩大的裕度，并将每个客户端的计划平均上行链路模型更新负载减少 95.6% （约 96%），同时将回合关键上行链路完成时间的第 95 个百分位数（p95）保持在 1.5 秒左右。

卫星通信网络与下一代（NG）技术的集成是实现全球连接的一种有前途的方法。然而，服务质量高度依赖于准确的信道状态信息（CSI）的可用性。由于地面用户和卫星之间的传播延迟较高，导致卫星侧的 CSI 观测结果过时，卫星通信中的信道估计具有挑战性。在本文中，我们研究了作为分布式基站（BS）的多颗卫星向移动地面用户的下行链路传输。我们提出了一种多智能体强化学习（MARL）算法，旨在最大化用户的总速率，同时应对过时的 CSI。我们设计了一种新颖的双层优化，程序主题为双阶段近端策略优化（DS-PPO），用于解决 MARL 中大型连续动作空间以及独立和非相同分布（非 IID）环境的问题。具体而言，DS-PPO的第一阶段最大化单个卫星的总速率，第二阶段最大化当所有卫星协作形成分布式多天线BS时的总速率。我们的数值结果证明了 DS-PPO 对 CSI 缺陷的鲁棒性以及使用 DS-PPO 带来的总速率改进。此外，我们还提供了 DS-PPO 的收敛性分析以及计算复杂度。

由多模态大语言模型 (MLLM) 支持的面向任务的语义通信 (SemCom) 最近成为有效传输多模态信息的有前途的范例，但由于硬件缺陷，通过 OFDM 信道传输令牌嵌入面临着严峻的挑战，特别是高峰值平均功率比 (PAPR)，它严重降低了非线性功率放大器下的能效。在本文中，我们提出了一种新颖的 PAPR 感知、面向任务的多模式令牌传输框架。具体来说，我们提出了用于节能多用户无线通信的 MAPS（多模式人工智能驱动的 PAPR 感知令牌传输）方案。关键挑战是共同确保模式间一致性、任务相关令牌传输和 PAPR 降低。为了解决这个问题，我们采用了两阶段训练策略，将联合跨模式对齐和 PAPR 降低相结合，然后进行面向任务的微调。 MAPS 在真实的 Modified Rapp 功率放大器下通过 OFDM 通道传输多模态令牌嵌入。具体来说，我们在文本分支中加入可训练的线性投影以实现有效的梯度传播，设计平衡的多模态 PAPR 损失，并在用户之间进行基于方差的均衡，并将重建损失锚定到固定的语义目标以保持跨模态对齐。仿真结果表明，MAPS 实现了所有模式的均衡 PAPR 降低，同时保持了强大的模式间一致性。在功率放大器非线性下，MAPS 在输入回退 (IBO) 为 3 dB 时，在视听问答 (AVQA) 精度（64.5% 增益）和面向任务的能效（64.4% 增益）方面均优于基准方案，突显了其在节能多模态语义通信方面的有效性。

作为未来6G系统的关键方向，低空无线网络为集成传感与通信（ISAC）技术提供了有前景的应用基础。在基站对无人机 (UAV) 进行感测的典型用例中，系统会遇到新的挑战，包括高度动态的目标、快速随时间变化的信道、多径效应和复杂的干扰。这些需要共同支持高精度传感和高可靠通信的集成解决方案。为了应对这些挑战，本文采用克拉梅尔-饶界（CRB）作为估计性能指标，引入面向估计性能的鲁棒波束形成方法，制定优化问题，同时保证基于CRB的估计性能和中断约束的通信可靠性。对于单用户场景，优化问题被重新表述为半定规划（SDP）。在多用户情况下，通过 Bernstein 型不等式放宽概率 SINR 约束，确保计算的易处理性，同时保证多个用户的中断性能。仿真结果表明，该方法有效地平衡了传感与通信的权衡，显示出显着的性能增益，特别是在提高低 SINR 条件下的目标估计精度方面。

我们考虑预编码设计来克服多用户多输入单输出（MISO）网络中的信道老化。通过考虑信道矢量的时间相关性，我们首先用过时的信道状态信息（CSI）场景定义频谱效率。然后，我们提出了广义功率迭代（GPI）预编码算法，该算法在保证上行链路频谱效率的同时最大化下行链路和频谱效率。仿真结果表明，该算法通过优化上行参考信号传输周期，性能优于基线方法。

集成传感和通信 (ISAC) 正在彻底改变低空无线网络 (LAWN)，使其对于下一代通信系统至关重要。然而，在多用户多输入多输出 (MU-MIMO) 正交频分复用 (OFDM) 架构中有效抑制干扰，同时平衡关键传感任务仍然是一项艰巨的挑战。通过利用多天线系统中的空间自由度 (DoF)，本研究提出了一种适用于 MU-MIMO OFDM ISAC 系统的创新收发器波束成形设计，可有效抑制干扰并优化波束方向图旁瓣，从而显着提高系统效率。具体来说，我们制定了一个联合优化问题，以在发射功率、传感信号与杂波加噪声比（SCNR）、发射波束图的峰值旁瓣电平（PSL）和空间调零要求的约束下最大化通信加权和速率。为了解决由此产生的 NP 难非凸问题，我们首先将其转化为等效的凸加权最小均方误差 (WMMSE) 问题，并开发一种基于逐次凸逼近 (SCA) 的高效交替优化算法。大量的仿真结果证明了该方案在有效抑制干扰和优化波束方向图方面的有效性，从而证实了该算法的有效性，为更可靠、更高效的LAWN铺平了道路。

本文介绍了一种具有双极化多输入多输出 (DP-MIMO) 的无连续干扰消除 (SIC) 上行链路速率分割多址 (RSMA) 框架，以克服解码复杂性和错误传播。与传统的上行链路RSMA不同，BS通过利用DP天线架构来管理用户间和用户内干扰，从而消除了SIC的要求。为了验证所提出框架的有效性，我们在相关莱斯信道上比较了无 SIC 的 DP-MIMO (DP-noSIC)、无 SIC 的单极化 MIMO (SP-noSIC) 和具有本地 SIC 策略的 SP-MIMO (SP-localSIC) 的有限块长度 (FBL) 可实现的总频谱效率 (SE)。具体来说，我们首先开发相关莱斯 DP-MIMO 信道的最小均方误差 (MMSE) 信道估计器，并获得信道估计和误差协方差矩阵。然后，利用瞬时信号与干扰加噪声比（SINR），在FBL约束下建立了三种方案的和SE最大化问题。为了解决公式化的问题，开发了一个统一的算法框架，用于高效的组合器设计和功率控制。仿真结果表明，所提出的 DP-noSIC 方案具有性能优势，在不同的系统设置下，与 SP-noSIC 和 SP-localSIC 方案相比，该方案获得了最高的总和 SE。观察到的结果证明了 DP-noSIC 在提高吞吐量和降低复杂性方面的有效性和稳健性。

深度学习模型，尤其是长短期记忆 (LSTM)，在高移动性车辆环境的信道估计方面表现出了良好的性能。然而，它们的黑盒性质和架构开销限制了可信度和效率。经典的可解释人工智能（XAI）方法依赖于成本高昂的迭代过程，仅提供输入级过滤，而不解决架构微调问题。为了克服这些限制，本文提出了 XAI 辅助的循环神经网络归因通道估计（X-RACE）框架。 X-RACE采用低复杂度、一次性双优化策略来同时评估和修剪不相关的输入子载波和内部隐藏单元。此外，我们提出了新颖的时间 XAI 指标：饱和时间、重要性漂移和相关性对比度来表征 LSTM 的学习动态和记忆收敛。广泛的模拟表明，X-RACE 将推理复杂度降低了至少 44.1%，同时提高或保持了误码率 (BER) 性能，优于经典的 XAI 方案。

为了减轻集成传感与通信（ISAC）系统中的中断采样转发器干扰（ISRJ），本文提出了一种星座整形方法，以增强干扰环境下雷达波形重建的可靠性。通过分析基于最大后验（MAP）的重建过程，我们从理论上推导出表征重建可靠性的指数 Bhattacharyya 上限。制定了联合几何概率星座整形（GPCS）优化问题，以最大化可实现的信息率（AIR），同时确保最小成对 Bhattacharyya 距离，以增强抗干扰鲁棒性。由此产生的非凸优化问题可通过结合半定松弛 (SDR) 和拟牛顿方法的交替优化 (AO) 框架有效解决。仿真结果表明，所提出的GPCS方案显着提高了ISRJ下波形重建的可靠性，抑制了虚假目标，增强了雷达探测性能。

在工业设施中进行三维 (3D) 定位很困难，因为固定节点放置受到硬件、电源、网络、安装和维护成本的限制。本文提出了 3D Protraction Technique (3D-PT)，这是一种无锚、无范围的方法，可将有序发射功率级别的相互数据包检测转换为可靠性加权序数距离关系。它可以估计相对 3D 配置，而无需接收信号强度指示器 (RSSI) 幅度、估计范围、测量的锚点或先前坐标。在模拟的多高度仓库中，在中小型网络体系中，四个发射功率水平相对于 MDS-MAP(P) 使平均网络直径归一化 RMSE 降低了 16.0\%，相对于 CATL 复制分别降低了 23.9\% 和 34.0\%。超过四个功率级别时，精度基本上饱和。结果表明，多级二进制可达性提供了超出单个最大功率连接图的有用几何信息。

无电池低地球轨道 (LEO) 卫星下行链路改善了覆盖范围和宏观多样性，但间歇性的太阳能收集和有限的机载电池可能会使仅用于通信的资源分配变得过于激进。我们为固定集群太阳能供电的无电池 LEO 下行链路开发了电池感知的单层速率分割多址接入 (BA-RSMA)。受扰动的物理电池李亚普诺夫队列将公共/专用功率分配与存储的能量耦合起来，而强大的能量因果关系可以防止有限的收集不确定性，并允许在电池饱和时减少收集。在固定预编码器标量有效信道模型下，对偶和二次变换产生凸固定辅助资源分配子问题和单调交替更新。针对直接非线性编程参考的数值交叉验证给出了 12 个代表性槽状态实例的最大相对目标差距低于 $2.8\times10^{-7}$。在 20 颗电池的实验中，BA-RSMA 达到了 1.631~Mbit/J，并将平均近损耗从 Myopic-RSMA 下的 24.84\% 降低到 6.82\%，而 EE 损失仅为 1.7\%。

基于接收信号强度（RSS）的室内定位由于其低成本且与现有无线基础设施兼容而引起了越来越多的关注。然而，RSS 测​​量对环境变化高度敏感，这使得基于深度学习的定位模型很难在不同的物理配置中进行推广。在这些挑战的推动下，本文提出了一种基于主干复用和高效适配的场景自适应RSS本地化框架。所提出的架构由轻量级提取器和共享主干组成，其中提取器将异构 RSS 输入投影到统一的特征空间中，主干捕获可转移的本地化知识。在适应过程中，从源数据集训练的主干被重用，同时提取器被优化以适应新的数据集配置。进一步引入一个短的优化阶段，以较低的学习率稍微细化主干。四个数据集的实验结果表明，与从头开始的训练相比，所提出的训练策略能够实现更快的收敛和更好的适应性。此外，所提出的框架减少了不同数据集配置下的训练时间，验证了其基于 RSS 的自适应室内定位的有效性和效率。

前向散射雷达 (FSR) 代表一种极端的双基地配置，其中发射器-目标-接收器几何形状接近共线性，产生接近 180^\circ$ 的双基地角度。在这种情况下，衍射主导的散射可以产生大大超过单基地雷达横截面（RCS）的特性，这是支撑FS和无源双基地雷达概念的特性。本文使用精确的洛伦兹-米氏理论对完美导电 (PEC) 球体的双基地 RCS 进行了严格的电磁研究。该分析解决了两个实际目标：(i) 量化 FS 增强对理想 $180^\circ$ 双基地角偏差的敏感性，作为电尺寸的函数，以及 (ii) 将 FS 响应分解为规范的 Lorenz-Mie 偏振通道 $S_1$ 和 $S_2$，从而建立偏振分辨基准。然而，结果受无量纲尺寸参数 $ka$ 控制，因此可以直接推广到其他频率和双基地配置。通过将全波仿真结果与高频极限下基于 Babinet 的 FS 缩放和光学定理解释明确相关，本文为 FS 和无源双基地雷达分析提供了物理上透明的基准。

Wi-Fi 的接收信号强度指示器 (RSSI) 因其覆盖范围广、易于访问而在室内定位中得到广泛应用。然而，RSSI 信号存在空间一致性差和环境波动的问题，需要多个接入点 (AP) 才能实现更准确的定位。随着6G通信的到来，高频信号有限的穿透能力进一步制约了传统多AP方法的有效性，增加了高精度单AP定位的需求。在本文中，我们提出了一种 RIS 辅助的双分支注意力融合定位（DBAFLoc）方法。具体来说，我们首先收集六个RIS阶段下的RSSI指纹，然后应用DBSCAN引导的迭代中值滤波（DBSCAN-IMF）算法滤除噪声，获得鲁棒的指纹信息。然后，采用双分支注意力融合网络提取指纹特征，并通过多通道信息融合融合这些特征来实现定位。特别是，设计了双视图注意融合网络，融合了参考点（RP）之间的空间信息，有效减少了高相似性异常值对定位的影响。仿真结果表明，该方法在精度和鲁棒性方面优于现有算法，定位精度提高了52.9%，为未来6G室内定位提供了可扩展的解决方案。

使用分布式雷达传感器网络进行连续人体活动识别 (HAR) 具有挑战性，因为多普勒特征强烈依赖于方位角，各个雷达视图的信息量随运动方向而变化，并且不间断序列中的活动转换通常是不明确的。本文提出了一种 ConvNeXt-MHSA-BiGRU 框架，用于根据五个空间分布的雷达节点获取的多普勒时间频谱图进行逐帧连续 HAR。受 ConvNeXt 启发的共享编码器从每个雷达流中提取时频表示，而雷达多头自注意力 (MHSA) 则对节点间依赖性进行建模并自适应地融合互补视图。 RadarDropout 和 SpecAugment 式时频掩蔽使网络针对不可靠的雷达视图和局部频谱图扰动进行正则化，而堆叠双向门控循环单元 (BiGRU) 利用时间上下文在活动转换中进行逐帧分类。该框架通过 14 名参与者使用留人法 (L1PO) 独立于主题的测试和五重交叉验证进行的 9 项活动进行了评估。它在 14 名测试对象中实现了 87.56% 的平均 L1PO 测试准确度，并比已发布的 CNN-RNN 基线提高了识别性能。结果表明，将现代频谱图编码、自适应雷达视图融合和双向时间建模相结合，为基于连续和分布式雷达的 HAR 提供了有效的框架。

针对宽带多输入多输出(MIMO)雷达系统的角度不确定性问题，本文研究了雷达收发信机空频联合设计的鲁棒设计。首先建立考虑角度扰动的系统模型，引入统计意义上的平均信干噪比（SINR）作为性能指标，增强目标检测的鲁棒性。随后，提出了两类联合优化策略：一是以SINR和综合主旁瓣比（IMSR）为加权目标的联合优化方法；另一个是 $\varepsilon$ 约束框架内的 SINR 最大化问题。在此基础上，结合最大化-最小化（MM）框架、Dinkelbach框架和自适应交替方向罚分法（ADPM），提出相应的多目标迭代优化程序，综合优化主瓣能量集中和旁瓣泄漏抑制性能，从而提高算法的鲁棒性和参数调整的灵活性。仿真结果验证了该方法在多目标、强干扰和角度不确定场景下收敛速度和检测性能的优越性。

这封信介绍了 SCALE-X，这是一种系统性、复杂性感知、低精度、基于模型的数字预失真 (DPD) 技术，适用于具有增强功能的功率放大器。所提出的方法采用了一种新颖的复杂性感知系数修剪方法，该方法与优化的定点建模相结合，可以更准确地捕获量化效果并支持更明智的实施决策。模型阶数、内存深度和系数位宽的有针对性的配置可大幅削减计算开销，而不会过多牺牲准确性。现场可编程门阵列的实施展示了与提高整体效率的实际权衡。

使用机会性 WiFi 信号的穿墙检测 (TWD) 可实现安全和救援应用的非侵入式传感；然而，许多现有方法依赖于受控接入点或专用硬件。本文提出了一种 TWD 系统，该系统使用定制的软件定义无线电 (SDR) Bluebottle 从环境 WiFi 数据包中提取信道状态信息 (CSI)，无需发射机控制。关键贡献是谱域评分机制，用于从 CSI 的主成分分析 (PCA) 分解中自适应地选择与运动相关的主成分，使用 Welch 功率谱密度估计来量化与人体运动相关的频带内每个成分的信噪比和频谱浓度。然后使用连续小波变换对所选组件进行分析，以稳健地识别时间局部运动事件。实验结果表明，与传统的固定分量 PCA 相比，所提出的自适应分量选择方法始终能够减少错误检测并产生更尖锐的时频能量脊。

在以无人机作为空中平台的应急通信场景中，时间、电量等有限资源极其宝贵，且服务目标往往呈现出异构优先级。为了解决具有差异化服务需求的节能无人机集成传感与通信（ISAC）系统的资源分配问题，本文提出了一种结合服务目标优先级以及通信、传感和能源之间协作的联合优化算法。引入联合考虑空间位置、任务紧迫性和目标状态的优先级模型来量化每个目标的服务利润。制定了涉及目标调度、发射功率分配和无人机轨迹设计的联合优化问题，以最大化无人机能量效率。由于所提出的问题是非凸的且难以直接求解，因此将其分解为三个易于处理的凸子问题，并在块坐标下降（BCD）框架内结合逐次凸逼近（SCA）交替优化以获得平稳解。仿真结果表明，所提出的算法在能源效率方面显着优于基准方案。此外，该方案还可以根据目标的重要性进行差异化服务，为高优先级目标分配更多资源，同时满足低优先级目标的基本要求，从而最大限度地提高系统能效。

共生无线电 (SR) 是下一代无线网络的一项很有前途的技术，但其广播性质使其面临严重的安全风险，特别是来自被动窃听者的风险。为了克服传统物理层安全（PLS）方案对窃听者位置不切实际的先验信息的依赖，本文提出了一种集成传感与通信（ISAC）增强的安全SR框架。通过利用辅助发射机的后向散射特性，我们赋予 SR 系统无源传感功能，以定位无源窃听者。具体来说，我们为多反向散射设备（BD）场景设计了混合时分多址（TDMA）和码域叠加策略。该协议协调辅助 BD 来被动调制正交可变扩频因子 (OVSF) 序列，该序列充当结构化人工噪声 (AN) 来干扰窃听者，同时建立用于定位的可分离观察路径。此外，我们制定了联合发射和接收波束成形优化问题，以最大化辅助保密吞吐量，但受到主系统吞吐量和感知 Cramér-Rao 下界（CRLB）的限制。为了解决由此产生的非凸问题，我们开发了一种基于黎曼流形优化和交替方法的算法。仿真结果表明，所提出的框架有效地将传感增益转化为 PLS 优势，显着优于现有基准。

这封信研究了一种安全的无人机集成传感和通信 (ISAC) 系统，其中利用流体天线 (FA) 来重新配置空中发射器的空间响应。制定联合优化问题，通过联合优化 UAV 轨迹、FA 位置、发射波束形成和目标选择来最大化平均加权传感增益 (AWSG)。为了解决由此产生的混合整数非凸问题，使用半定松弛 (SDR)、逐次凸逼近 (SCA) 和泰勒展开开发了交替优化 (AO) 算法。仿真结果说明了所提出设计的数值收敛和性能增益。