全息亚表面系列器件最优相位差学习
使用固定预算多臂赌博框架开发了一种学习算法，通过初始值探索指定波束 forming 的相移参数及最大程度地增强接收器的接收信号强度，该算法在广泛的模拟中表现出优于现有算法的性能。
Dec, 2023
本文提出了一种全息可重构智能表面，并研究其在太赫兹大规模多输入多输出系统中的应用，同时引出了全息可重构智能表面的光束模式，包括封闭环路信道估计方案以及基于压缩感知的信道估计算法。
Sep, 2020
我们提出了一种能够实时全息波束引导的元表面天线。通过元原子状态的具体编码，可生成可重构偶极子阵列通过辐射在需求场模式。我们提出了一种基于深度学习的方法来控制具有变化状态的点偶极天线元表面天线。我们采用了一种深度学习算法，将自动编码器与电磁散射方程相结合，以实时确定目标远场模式所需的状态。散射方程从 Born 近似中用作训练神经网络的解码器，并使用解析格林函数计算来检查 Born 近似的有效性。我们的学习算法仅需计算时间不超过 200 微秒，即可确定元原子状态，从而实现全息天线的实时操作。
Jun, 2024
本文介绍了未来无线网络的一种智能化、可重新配置的模式，及其关键概念 Holographic Multiple Input Multiple Output Surface（HMIMOS）的信息。该模式采用亚波长金属或介电散射粒子製作成的 HMIMOS 面板，可以实现低成本的无线通信，具有优化电磁波传输、低功耗、高吞吐量、低延迟等特点。本文综述了该裝置的特点、机会和挑战。
Nov, 2019
本文提出了一种基于无监督学习的方案，用于同时设计多用户 Mu-MIMO 系统的模拟前置器和合成器，并结合低分辨率 PS。通过将模拟前置器和合成器的设计问题转换为相位分类问题，并提出一种泛化神经网络体系结构 (PCNet)，能够产生各种 PS 分辨率的解，仿真结果表明，该方案相对于对于最常用的低分辨率 PS 配置的最先进的混合波束成形设计具有更优越的总速率和复杂度性能。
Feb, 2022
本论文提出了一个在太赫兹信道估计中实现联邦多任务学习的方法，以提高通信效率。使用波束空间支持对齐技术进行波束分裂校正后，将信道和到达方向信息用作标签训练出 FMTL 模型。相比于传统技术，FMTL 方法提供更高的信道估计精度以及大约 25 倍的模型训练开销降低。
Jul, 2022
介绍了基于 Terahertz 波段的通信研究，特别关注在超大规模多输入多输出系统和可重构智能表面上解决高频距离问题所采用的技术。包括传统的波形设计、调制、波束成形、信道估计、信道编码和数据检测，同时提出适用于 THz 感知和定位的信号处理技术。
May, 2020
本研究提出一种基于计算机生成全息术的框架来优化高速空间光调制器（SLMs）的量化相位模式，实现对各种类型内容的支持，包括 2D 和 2.5D 的 RGBD 图像、3D 焦点堆栈以及 4D 光场。实验结果表明，在模拟和实验中，本研究所提出的框架在所有这些场景下都实现了最先进的效果。
May, 2022
提出了一种实用的相位移位模型，结合联合优化技术来设计 IRS 辅助下的 Beamforming 以最大化可达到的速率，相比传统的理想模型，该模型能够在未来无线通信系统中提高频谱和能量效率。
Jul, 2019