- KDD学习用图神经网络进行无小区大规模 MIMO 的最优线性预编码
我们开发了一种名为 OLP-GNN 的图神经网络，通过在 1 到 2 毫秒的时间预算内计算最优线性前编码器以实现最小下行用户数据速率的最大化，该方法在不同 AP 和 UE 数量以及不同的可见光和非可见光射频传播环境下实现了接近最优的频谱效率 - 基于机器学习的 RIS 辅助 MIMO 系统中的信道预测与信道老化
提出了一种结合卷积神经网络和自回归预测器的扩展通道估计框架，用于识别老化模式和预测关联快衰落环境中的无线信道的增强估计，实现了高精度的估计准确性，并且相比传统方法，该方法在频谱效率和导频开销方面取得了较高的性能。
- 物联网在大规模 MIMO 系统中的智能飞行员分配：可扩展物联网基础设施的一种路径
通过用户聚类的试验分配方案，本文提出了一种为物联网设备设计的用户调度方案和导频分配策略，以减轻导频污染对 M-MIMO 网络中的频谱效率和系统可扩展性的影响，并通过将导频分配视为图着色问题来优化干扰，从而最大限度地提高频谱效率。仿真结果显示 - 基于深度学习的无人驾驶空间复用
研究了在多输入多输出（MIMO）通信系统中，基于机器学习的无驾驶空间复用的可行性。结果表明，通过联合训练发射机和接收机，发射机可以学习到适用于空间流的星座图形，从而实现完全盲分离和检测。在调制阶数和信噪比方面，与传统的基于导频信号系统相比， - 一种基于深度强化学习的方法，用于增强辅助反射面无线系统的频谱效率
本文从提高下行多用户多输入单输出系统谱效率的角度研究了一种利用智能反射面技术增强网络的方法，并通过两种深度强化学习框架解决了主基站主动发射波束形成矩阵与智能反射面被动相移矩阵的非凸联合优化问题。仿真结果表明，后者方案中的神经网络在不同情况下 - MM一种用于快于奈奎斯特（FTN）信号检测的低复杂度分类方法
本文旨在探索利用机器学习降低 FTN 信号检测复杂度的可能性，提出了一个基于 ISI 结构的低复杂度分类器 (LCC)，能够在大大降低计算复杂性的情况下有效地实现 FTN 信号的检测。
- 基于贝叶斯优化的毫米波 MIMO 通信系统波束对准
本论文提出使用机器学习策略 Bayesian optimization 来有效解决毫米波通信中非常狭窄的波束对准问题，提高信道的谱效率并减小了通信的开销。
- MM基于局部零强制的小区无线巨型多输入多输出组合技术
本文研究了基于信道统计学的 scalable fullpilot zero-forcing (FZF), partial FZF (PFZF), protective weak PFZF (PWPFZF) 和 local regulariz - 多用户多天线传输的全连接可重构智能面辅助分裂速率多址
本文基于 Rate-splitting multiple access (RSMA) 的理念，将 RSMA 应用于 Reconfigurable Intelligent Surface (RIS) 辅助的 MISO 广播信道中，在优化全连接 - MM分速率多用户接入：基础、调查和未来研究趋势
本文对速率分裂多用户接入（RSMA）进行了全面的综述，包括架构、分类、应用及性能比较等各个方面，并提出了未来 RSMA 研究所面临的挑战以及如何应对这些挑战，以期为 5G 之后的无线通信系统的研究提供启示。
- MMMIMO-NOMA 中的安全预编码：一种深度学习方法
提出了一种新的信令设计，利用深度神经网络在多用户多输入多输出非正交多址信道上实现安全传输，并通过模拟结果表明该模型的信道极限接近于 98% 的机密容量率。
- 巨型 MIMO 系统中伴随空间相关性的上下行联合频谱效率提升的试点分配
本文提出一种灵活的载波分配方法，能够联合优化具有相关瑞利衰落信道的多小区大规模多输入多输出系统中的上行和下行数据传输，在最小化加权上下行谱效率之和的约束下，通过利用最大比处理获得的符号误差率的闭式表达式进行优化问题的建模，并使用两种连续的算 - MM毫米波波束跟踪和训练的学习和适应性：双时间尺度变分框架
本文提出了一个学习和适应框架，使用长期和短期两种时间尺度学习和优化自适应波束跟踪和训练，利用深度递归变分自编码器和部分可观察马尔可夫决策过程生成一种概率预测的最强波束对，从而在毫米波车载网络中实现低开销，近乎最优的频谱效益。
- 深度延伸反馈码
本文提出了一种基于深度神经网络的误差校正编码器架构，名为 Deep Extended Feedback（DEF），旨在提高带反馈信道传输的编码效率和纠错能力，并且比其他深度神经网络编码方法更优秀。
- 基于 NOMA 的下一代大规模物联网：性能潜力和技术方向
本文探讨了 IoT 在 6G 系统中的更广泛的应用，详述了非正交多址接入 (NOMA) 技术在系统光谱效率和性能提升方面的优势，提出了多项应用于实际非协调传输的方向性建议和技术方案
- 混合继电反射智能面辅助无线通信
提出了一种新颖的混合式中继 - 反射智能表面（HR-RIS）的概念，旨在解决智能表面 劣于普通中继系统的问题。采用交替优化和功率分配策略获得了它们的系数矩阵，其中动态 HR-RIS 能够在频谱效率 (SE) 和能量效率 (EE) 方面显着提 - MM多跳太赫兹通信中优化波束搜索的强化学习
本文提出了一种新的分层波束训练方案，采用动态训练层数的方式来优化多跳太赫兹链路的性能，该方案在存在未知通道状态信息、噪声和路径损耗的情况下，通过基于多臂赌博机 (MAB) 的强化学习解决方案进行求解，模拟结果表明，相较于传统的层次式波束训练 - 被动式反射阵列和混合式反射阵列：信道估计比较研究
本研究比较了纯被动和混合型可重构智能表面结构在使用原子规范最小化进行通道估计的性能和实现谱效率方面的差异，结果表明在相同的训练开销下，纯被动的可重构智能表面的通道估计和谱效率性能更佳。
- MM用于海量 MIMO 混合波束成形的无监督深度学习
本研究提出了一种基于 RSSI 的无监督深度学习方法来设计大规模 MIMO 系统中的混合波束成形，并通过适当的 CSI 反馈显著提高了频分双工 FDD 通信中的谱效率，并且提出了一种用于初始接入 IA 的同步信号 SS 以及用于模拟前置器的 - 被动波束成形的无监督学习
本文提出一种基于深度学习技术的反射式无源波束成形方案，以提升无线通信系统的能量和频谱效率，并通过仿真证明其在维持性能的同时相较于半正定松弛方法大大减少了计算复杂度。