本文提供了毫米波联合雷达和通信系统的信号处理视角，重点是波形设计。

May, 2019

本研究提出了具有聯合通信和雷達 / 無線感測（JCAS）能力的感知型移動網絡（PMN）的概念以及該網絡的動機、方法、挑戰和研究機遇，包括系統和技術的綜合調查及其在智能應用方面的潛在應用。

Jun, 2020

本文研究了在基于稀疏码多址接入的多用户通信系统中，利用环境物体和智能反射面迭代地进行多用户通信和环境感知的算法，并分析了关键系统参数之间的权衡关系和算法在模拟环境下的收敛性和有效性。

Sep, 2021

本文提出了一种多输入多输出（MIMO）波束成形设计，以实现联合雷达探测和多用户通信，并证明最佳解决方案始终可通过半定向规划实现，提高了雷达目标估计性能。

Jan, 2021

本研究介绍了一种深度学习方法，利用多模态图像和频谱数据相结合，实现动态频谱访问，并识别潜在的发射器。通过使用边缘设备上的摄像头拍摄潜在对象（例如可能携带发射器的车辆），我们提出了一种协作系统，其中边缘设备与可信接收器之间进行有选择的信息通信并作出决策，以确定潜在的发射器是否存在。通过任务导向的通信，在发射器上使用编码器进行联合源编码、信道编码和调制，从而高效传输用于对象分类的精简维度的重要信息。同时，发送的信号可能会反射到物体并返回到发射器，从而实现目标感知数据的收集。然后，在发射器上对收集到的感知数据进行第二轮编码，通过任务导向的通信将降维后的信息传回融合中心。在接收端，解码器通过联合感知和任务导向的通信，执行识别发射器的任务。发射器的两个编码器以及接收器的解码器进行联合训练，实现了图像分类和无线信号检测的无缝集成。通过 AWGN 和 Rayleigh 信道模型，我们展示了所提出方法的有效性，在各种信道条件下取得了发射器识别的高准确性，并保持低延迟的决策过程。

Dec, 2023

通过联合感知和通信网络，多个基站通过融合中心合作，实现了对感知环境的信息交换，同时与一组用户设备建立通信连接。利用卷积神经网络对目标进行分类，采用自适应聚类算法更有效地分组检测到的目标，并应用多目标跟踪算法估计目标状态，该框架在保持通信服务 10% 至 20% 的通信容量降低的条件下，提供了显著的感知性能。

Oct, 2023

本文提供了对集成感知和通信（ISAC）的背景、关键应用和最新技术的全面概述，分析了 S&C 之间的相互作用，同时探讨了 ISAC 波形设计、接收信号处理等信号处理方面的问题，并提供了 ISAC 与其他新兴通信技术结合的愿景，以及它们对未来无线网络的积极影响。

Aug, 2021

本文提出一种应对网络安全攻击的战术通信系统的通道感知、协作和传输算法，通过节点感知、合作和选择疑似未被攻击的信道来提高网络频谱知识和减少受到攻击的传输频率。

Mar, 2020

信号检测和调制分类是各种无线通信系统中的两个关键任务，本文通过考虑含有不同调制方案的多个信号在不同载波频率下共存的真实和复杂情景，研究了联合信号检测和自动调制分类 (AMC)，并提出了一个联合框架用于在这种多信号共存环境中进行检测和分类，最后通过广泛的模拟实验验证了设计的有效性。

Apr, 2024

本研究探讨了一种新的无人机和地面无线通信系统之间的频谱共享场景，并利用航迹设计优化 UAV 通信性能，控制主要接收器的同频干扰，以及保护其通信所需的干扰温度约束。最后采用交替优化和连续凸逼近（SCA）技术解决非凸问题，数值结果表明，我们的方案比基准方案显著提高了认知 UAV 通信系统的可达速率。

Feb, 2018