该研究讨论了利用线性代数和图论概念来推导网络容量的新界内界，证明了该方法在几乎所有网络中的优越性。

Feb, 2013

本文采用基于实际数据的方法，研究 WLAN 中的干扰估计问题。并通过分析各种深度学习体系结构在准确性、泛化性和对异常数据的鲁棒性方面的控制比较，结论是图卷积网络（GCN）表现最佳，但如果不得不给出节点索引，则无法学习特定节点的行为。同时，还验证了 GCN 模型的泛化能力。

Nov, 2022

该研究旨在探讨多基站系统下行链路的多天线基站和单天线用户终端、任意基站合作集群、距离相关传播路径损耗和一般的 “公平性” 要求，并提出了一种新的简化下行调度方案，根据所需的公平性标准预先选择用户，其性能接近有限维机会用户选择的最优方案，同时需要明显较少的信道状态反馈。

Dec, 2010

本文发展了一种概率分布空间上的几何结构，应用于解决信息理论问题，特别是单字母化的问题，并通过构建坐标和内积等工具将信息传输问题转化为线性代数问题。

Jun, 2014

本论文研究在多基站系统中的下行传输，提出一种新的方法来描述多输入单输出干扰信道的可实现速率区域的帕累托边界，该结果为实现多单元联合下行波束成型提供了一种新的分散算法。

Oct, 2009

本文提出了一种名为对齐网络对角化（Aligned Network Diagonalization）的可行性方案，该方案区分了源传输的数据流并使其自由干扰接收者，解决全连接两跳无线网络在时间变化和常数情况下的自由度问题。此外，本文还将方案扩展到了具有全连接跳和 MIMO 节点的多跳网络，并对自由度进行了充分描述。

Oct, 2012

本文提出了一种基于信息论的独立集的概念，称为信息理论独立集，用于定义同时通信和将彼此之间的干扰视为噪声在信息论上的最优性，提出了一种新的频谱共享机制，称为信息理论链路调度 (ITLinQ)，通过遵循信息理论独立集原则，在每个时刻调度那些形成独立集的链路，在此基础上我们提供了 ITLinQ 的性能保证，并展示了 ITLinQ 是如何可以以分布式的方式实现的，并最终评估了其性能。

Nov, 2013

本文介绍了利用信息论框架扩展到多跳网络研究的方法，构建了一种新的确定性模型，通过此模型，对多层网络进行了最大吞吐量的线性优化问题的探讨，并研究了反馈（feedback）在多层网络中的作用。结果表明，适当反馈可以提高传输效率，为协同合作提供基本指导。

May, 2015

研究移动边缘计算系统中分布式模型信息的编码如何优化线性推断操作，证明编码有助于减少计算和通信延迟。

Apr, 2019

使用确定性模型提供关于高斯信道的深入洞察，利用格网码对信号干扰进行校准，找出多个发射机与一个接收机高斯干扰信道的容量区间，并将结果控制在一个常数比特内。

Sep, 2008