介绍了基于深度学习的物理层处理的新兴研究，包括基于深度学习重新设计传统通信系统的模块（用于调制识别，信道译码和检测）并将通信系统替换为基于自动编码器的全新架构。

Oct, 2017

该文章回顾了最近在物理层通信中使用模型驱动深度学习方法的应用，包括传输方案、接收机设计和信道信息恢复，并在展示全面调查后，提出了若干进一步研究的开放问题。

Sep, 2018

本文介绍了一种采用基于学习的方法对通信系统进行物理层调制和编码方案进行合成的新方法，通过采用对抗性方法，可以在广泛的信道环境下共同学习好的解决方案。

Mar, 2018

本文综述了车联网通信的物理层基础问题，包括车联网信道特性、通信模型、信道估计、调制技术及资源分配等方面，并讨论了车联网通信在毫米波频段下的潜力和挑战。

Apr, 2017

本文概述了基于深度学习的物理层通信的最新进展，将 DL 在通信系统中的应用分为具有块结构和没有块结构的系统，探讨了 DL 在信号压缩和信号检测中的应用，以及最近为开发端到端通信系统而做的努力，并指出了提升具有 DL 的智能物理层通信的潜在研究方向。

Jul, 2018

通过对数据驱动的端到端学习和优化的物理层的深度学习表示学习的利用，端到端系统在复杂的无线环境中显现出增强的适应性和性能，满足 5G 及以后的网络系统和应用需求。本文综述数据驱动的物理层在端到端通信系统中的关键作用以及其在不同模态中实现的语义应用，同时指出了关键挑战和未来研究方向，为深度学习在物理层和语义通信中的未来发展提供重要参考。

Jan, 2024

本文综述了基于深度学习的 5G 通信方案的发展，并提出了高效的深度学习方案，探讨了非正交多址接入（NOMA）、海量多输入多输出（MIMO）和毫米波（mmWave）的通信框架，并展示了它们卓越的表现。本文的创新点在于深度学习技术在无线物理层框架中的优化方法为通信理论开辟了新的方向。

Apr, 2019

对物理层安全设计的一次全面调查研究，包括 typical wiretap channel 模型的典型场景和系统，从资源分配，波束成形 / 预编码，和天线 / 节点选择和协作三个方面总结了物理层安全设计的主题，并从密度速率最大化、安全超时概率最小化、功耗最小化和安全能效最大化四个优化问题分类的最新优化方法进行了回顾，并讨论了信道状态信息对优化和设计的影响，最后总结了未来研究方向和挑战。

Jan, 2019

本文提出并讨论了深度学习在物理层的几个新应用，并将通信系统解释为自编码器，开发了一种基本的新方式来思考通信系统设计，演示了深度学习在通信技术领域的应用和挑战。

Feb, 2017

通过深度学习算法学习输入信号的关键特征和特性，而不需要人为进行先前的识别和建模，深度神经网络能够学习自然制造信号（例如照片和音频）中的复杂特征，并将其用于分类和决策，但在通信系统中，情况有所不同。信息信号是人造的且传播渠道相对易于建模以及在香农容量限制附近操作，那么深度学习在未来通信系统的发展中是否有作用呢？

Jan, 2020