基于GAN的导频配置和信道估计联合优化算法

随着通信设备的爆炸式增长,信道环境变得愈加复杂,传统信道估计方法需要进一步增加导频开销以维持现有信道估计精度。然而,这会导致系统吞吐量的下降。首先,提出了一种基于GAN的信道估计方法以在OFDM通信系统中解决这一问题。然后,采用GAN模型去学习从低维的潜向量到真实信道样本的映射关系。最后,在此基础上进行联合的导频配置优化。     

6G联邦边缘学习新范式：基于任务导向的资源管理策略

综述了面向6G的联邦边缘学习技术,能够充分利用分布在网络边缘的丰富数据使之服务于人工智能模型训练,以联邦边缘学习为代表的边缘智能技术应运而生,其中无线资源管理策略将以最优化任务学习性能为导向,例如优化模型训练时间、学习收敛性等,从而实现从通信导向到任务导向的设计范式变革。首先,概述了联邦边缘学习基本概念、典型应用场景及其在无线资源管理中的关键问题。然后,以联邦边缘学习中带宽资源分配和用户调度策略为典型的资源管理案例,深入阐述了基于任务导向的设计范式思想。最后,对联邦边缘学习的未来潜在研究方向进行了展望,包括与无线空中计算、通信感知一体化等全新技术的融合赋能。     

无线通信分布式天线系统的高能效组网方案

针对未来绿色通信需求,分析了无线通信系统中分布式天线的数量和位置对系统能量效率的影响.通过对系统能耗和容量的理论分析,建立了系统能量效率的理论表达式,给出在满足移动台服务质量时总能耗最小和总能耗一定时系统能量效率最大的高能效组网方案.仿真结果表明,采用高能效组网方案的分布式天线系统可以显著减小系统的总能耗,增加系统的能量效率.     

TD-HSUPA系统双极化智能天线性能仿真研究

时分双工高速上行分组接入（TD-HSUPA）系统引入双极化智能天线后能够明显减小天线设备体积,所以适合将极化天线设备配置在城市场景。通过搭建OPNET系统级仿真平台,评估了TD-HSUPA系统双极化智能天线性能,并与原有线阵智能天线进行对比,给出了组网建议。     

TD-HSUPA MU-MIMO室内调度及用户配对

为了解决在室内多用户多输入多输出(MU-MIMO)场景下,时分双工上行高速分组接入(TD-HSUPA)系统的多用户调度问题,提出了一种新的调度和用户配对算法.该算法综合考虑了接收天线间的流间干扰和同一接收天线内的码间干扰.通过将用户动态接入不同基站天线服务列表,所提算法能在保持用户公平性的前提下明显提升基站平均吞吐量.该算法运算复杂度低,无需增加信令开销,适用于实际室内系统中.     

6G通信感知一体化系统的性能指标

面向6G通信感知一体化（ISAC）系统,从业务共存、能力互助、网络共惠3个阶段研究了技术演进趋势,明确给出各阶段的系统设计目标和性能指标需求。从通信性能、感知性能、资源分配和应用场景等维度,提出影响6G ISAC系统性能的四维边界因素。基于提出的通感效率和通感效用两个新的性能指标,仿真评估了典型场景下的通信感知一体化系统性能,为后续进一步开展6G ISAC的系统设计和评估验证工作提供了重要参考。     

5G低功耗通感融合半实物验证系统的设计与开发

随着5G的快速商用，世界范围内也已经逐步开展了面向5G-Advanced/6G的关键技术和潜在应用研究。在以往无线通信系统研究中，软件仿真对评估关键技术和系统性能具有重要作用，但软件仿真无法体现真实无线环境对系统的影响。相比软件仿真，基于软件定义无线电技术的半实物平台可以工作在实际无线环境，评估真实信道条件下无线通信系统性能。主要研究了基于5G半实物平台的低功耗通感融合系统的设计与开发。5G半实物平台包含基于第三代合作伙伴计划（3GPP）标准开发的5G半实物基站和5G半实物终端，基站和终端之间通过空口实现数据传输。通过结合5G信号和反向散射通信设计低功耗感知系统，实现人员检测功能，为后续5G-Advanced/6G的实际应用提供了初步验证。     

室内场景中140 GHz无线信道测量与传播特性研究

太赫兹技术具有超大带宽的传输能力和超高精度的感知能力，因此成为了6G潜在关键技术方向之一。探明太赫兹信道空间传播特性是太赫兹基础理论创新和关键技术研发的基础。为此，开展了140 GHz室内场景中信道测量与传播特性研究。具体地，搭建了基于矢量网络分析仪的频域信道测量平台，并在数据中心、办公室、走廊等典型室内场景中进行了大量的信道数据采集。基于测量数据，完成了太赫兹信道的多径分量提取和分簇，分析了太赫兹信道传播特性。