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

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

该文介绍了一种新的二维调制技术，称为正交时频空调制。该技术在时延 - 多普勒域中设计，能够利用时间和频率的全部通道多样性，并将 OFDM 等调制信号经历的衰落、时变无线信道转换为具有基本恒定复杂信道增益的时间独立信道，从而消除了发射机适应性的需求，并大大简化了系统运行。模拟结果表明，在高多普勒、短数据包和 / 或大阵列系统中，OTFS 相对于 OFDM 可以至少提供几个分贝的误码率性能改进。

Aug, 2018

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

提出了一种新颖的算法，用于有效地处理不规则扫描几何的近场合成孔径雷达 (SAR) 成像，并利用非协作 SAR 扫描模式，小型 MIMO 雷达和高效单靶平面图像重建算法实现了高分辨率和高效率的近场 MIMO-SAR 成像。

May, 2023

本文研究了边缘计算技术、时间敏感网络、确定性调度技术与带宽利用等关键技术，提出了一种基于非碰撞理论的确定性调度方法（NDS）以及动态队列调度（DQS）机制，实现了超低延迟通信和带宽利用率的优化。

Jul, 2022

通过对无线网络处理技术进行深入的研究与探索，本篇论文探究了相关过程的不同表现形式。同时，结合压缩感知技术，本研究提出了许多有关大规模天线阵列、非正交多路访问（NOMA）和超密集网络（UDN）等领域的有前景的研究思路。

Sep, 2017

通过使用分数傅里叶变换（FrFT）进行时间频率信号处理，采用基于 Transformer 的神经网络（NN）突破了网络性能限制，精确估计了广泛范围内的线性和非线性失真，代表了光学性能监测领域的重要进展。

Aug, 2023

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