该研究提出了一种新的框架来设计绿色 Cloud-RAN，包括 RRH 选择和功率最小化波束成形问题，通过引入群组稀疏性和加权的 l1/l2 范数最小化来解决这个问题，结果显示，该算法显着降低了网络功耗并减少了传输链接的功耗。

Oct, 2013

采用多播和缓存技术，提出了一种基于内容的传输设计，对云无线访问网络中的基站进行动态聚类和多播波束成形以及优化缓存策略，实现最小化回传成本和发射功率的目标。

Dec, 2015

研究了基于混合波束成形的云无线电接入网络中远程无线电头的模拟和数字部分的优化，考虑了理想和不完美的信道状态信息，使用加权下行总速率和网络能源效率最大化的目标进行联合优化，同时满足前传链路宽带限制、每个无线电头功率限制和射频波束成形矩阵常模约束，提出了块协调 下降算法。并探讨了不完美信道状态信息对性能的影响，应用采样平均近似扩展算法。 数值结果证实了所提出方案的有效性，表明所提出的算法对估计误差具有鲁棒性。

Feb, 2019

本研究旨在解决无线传感器网络中观测稀疏信号在通道衰落条件下的恢复问题，采用稀疏随机矩阵降低信息转发中的通信成本，并通过分析重尾随机矩阵的特性，量化在非同一高斯信道存在的情况下确保可靠信号恢复所需的附加测量次数。研究结果提供了关于如何控制每个节点的传感器传输概率以最小化收集到融合中心的测量次数的见解，并讨论了任意随机投影矩阵中给定的子指数范数下给定稀疏信号的恢复保证。

Apr, 2015

本文提出了一种适用于排队感知多媒体异构云射频接入网络（H-CRAN）的节能优化目标函数，以达到同时考虑智能前传容量和跨层干扰约束的最优网络协作波束形成设计算法。该算法实现了加权平均最小平方误差方法，达到了能效和排队延迟之间的平衡，并进一步演示了智能前传约束对此平衡的严格影响。

Jan, 2016

本文基于凸优化对密集异构云 RAN 设计挑战提出了算法思路，强调考虑无线信道固有特征和设计问题的独特结构，以实现网络能量、信道状态信息的最小化和最大化，提出了一个适用于云数据中心的并行实现的两阶段框架。

Jun, 2015

本文提出一种基于深度学习技术的反射式无源波束成形方案，以提升无线通信系统的能量和频谱效率，并通过仿真证明其在维持性能的同时相较于半正定松弛方法大大减少了计算复杂度。

Jan, 2020

本文发展了使用分布式算法解决低秩矩阵加上压缩矩阵与稀疏矩阵乘积的分离任务，建立了分布式稀疏正则化秩最小化的算法框架，其中采用核范数和 l1 范数用作所需矩阵的秩和非零条目数的替代，使用交替方向乘法的分离算法来最小化经过采样和压缩的数据的秩和 nonzeros，从而解决了一些网络优化问题。

Mar, 2012

本文研究了可重构智能表面（RIS）辅助的大规模多输入多输出系统在三维中为扩展无线蜂窝覆盖的问题，其中多个 RIS 分别装备有一组被动元件，部署以同时服务多个无人机（UAV）的基站（BS）在 5G 无线通信的时频资源中。通过联合优化 BS 的发送波束形成参数和 RIS 的相移参数来最大化 UAV 的最小信干噪比（SINR），并确保 UAV 之间的公平性。我们提出了两种新颖的算法来解决这个问题，并利用深度确定性策略梯度作为最优化方法来求解 BS 的波束形成矩阵和 RIS 的相移参数。通过模拟结果证明了我们提出的解决方案的有效性，并得出了一些有见地的观察结果。

Nov, 2023

本研究提出了一种基于 RSSI 的无监督深度学习方法来设计大规模 MIMO 系统中的混合波束成形，并通过适当的 CSI 反馈显著提高了频分双工 FDD 通信中的谱效率，并且提出了一种用于初始接入 IA 的同步信号 SS 以及用于模拟前置器的代码本的方法。

Jun, 2020