在本研究中，我们使用模拟结果验证了 Orthogonal-Time-Frequency-Space（OTFS）和 Orthogonal-Frequency-Division-Multiplexing（OFDM）之间的性能差异，并提出了基于深度神经网络（DNN）的自适应方案来优化均方误差（MSE）性能。通过观察信道条件、接收信噪比和调制格式，训练 DNN 分类器在发送器和接收器之间切换使用 OTFS 或 OFDM 信号处理链，仿真结果表明使用该方案可以显著提高通信的 MSE 性能。

Sep, 2023

该研究介绍了一种新颖的二维时频空域 (Orthogonal Time Frequency Space, OTFS) 中的在线符号检测方法，该方法基于储备计算 (Reservoir Computing, RC) 技术，具有二维滤波结构以弥补 OTFS 系统中的两个维度循环信道影响，实验证明了该方法在不同调制阶数下相较于以往的 RC 方法和模型基方法的优势。

Mar, 2024

本文提出了一种利用集成 (radar) 感知和通信技术 (ISAC) 辅助正交时间频率空间 (OTFS) 传输的方法，以便于在汽车通信系统中支持可靠的信息传输，并证明了其能够有效的降低训练开销和传输误差。

May, 2021

一个基于二维嵌入具体知识来设计的二维嵌入系统网络 (2D-RC) 方法，可用于在线子帧基础上的符号检测。通过在时延 - 多普勒（DD）域中具有 2D 结构来平衡信道，并且只需要一个神经网络进行检测。实验结果表明，2D-RC 方法在不同 OTFS 系统变体和调制序列中的效果显著。

Nov, 2023

本文提出了关于 OTA 计算的理论分析，探讨了在当前数字通信收发器中遇到的实际问题，如时间采样误差和符号间干扰（ISI），同时研究了减小 OTA 传输中的均方误差的方法。此外，我们还提出了一种基于深度神经网络的波形设计方法，以提升在时间采样误差和 ISI 条件下的 OTA 传输性能。通过仿真结果验证了理论分析并证明了设计脉冲相对于 RC 和 BTRC 波形的性能提升。为了便于测试结果而无需重新创建 DNN 结构，我们还提供了一些基于 DNN 的波形的曲线拟合参数。

May, 2024

使用多个调制频率测量分离干涉成分的稀疏正则化解决方案，将 ToF 成像映射到频谱估计理论的一般框架中，并应用于改善深度剖面和利用多重散射。

Apr, 2014

提出了一种基于联合稀疏模式学习（JSPL）的信道估计方案，适用于大规模多输入多输出（MIMO）正交时频空（OTFS）调制辅助系统。通过利用延迟 - 多普勒 - 角（DDA）领域信道的潜在联合稀疏性，将信道估计问题转化为稀疏恢复问题，并采用脉冲和板条先验模型迭代估计信道矩阵的支撑集，同时引入了一个依赖于已识别支撑集的更高精度参数更新规则。然后，通过正交匹配追踪（OMP）方法估计支撑集对应的信道元素的具体值。无论减少的导频开销，我们的模拟结果和分析均表明，所提出的 JSPL 信道估计方案在性能上优于代表性的现有基准方案。

Mar, 2024

本研究提出了一种通用的同步方法，允许一组软件定义无线电通过在接收和发送方向探测同步波形并联合控制处理系统中的 DMA 块，而在维持相应辅助计算机中的基带处理的同时传输或接收任何正交数据，并运用此同步方法在一组低成本的 SDRs 上实现了基于 FSK 的多数投票计算方案，并引入了相应的过程。通过我们的实验，我们展示了在不使用边缘设备上的信道状态信息的条件下，对于同质和异质数据分布，测试准确性可以达到 95% 以上。

Sep, 2022

本文介绍了一种使用 DopplerFi 通信框架来实现不同传输方式的通信，在频域中注入人工多普勒移位来实现 BLE 和 Wi-Fi 之间通信的方法，并最大限度减少其对历史网络的中断。

Nov, 2018

本文研究了采用低复杂度基于真实时间延迟的束变形消除方案和新颖的变体 OMP 算法来解决 THz 通信中基站天线阵列传播延迟超过符号周期时空响应变化和通道估计问题的宽带 massive MIMO 中混合组合问题，并与标准窄带组合和基于 OMP 的通道估计进行了实验比较。

Feb, 2021