基于GAN的导频配置和信道估计联合优化算法

随着通信设备的爆炸式增长,信道环境变得愈加复杂,传统信道估计方法需要进一步增加导频开销以维持现有信道估计精度。然而,这会导致系统吞吐量的下降。首先,提出了一种基于GAN的信道估计方法以在OFDM通信系统中解决这一问题。然后,采用GAN模型去学习从低维的潜向量到真实信道样本的映射关系。最后,在此基础上进行联合的导频配置优化。     

6G联邦边缘学习新范式：基于任务导向的资源管理策略

综述了面向6G的联邦边缘学习技术,能够充分利用分布在网络边缘的丰富数据使之服务于人工智能模型训练,以联邦边缘学习为代表的边缘智能技术应运而生,其中无线资源管理策略将以最优化任务学习性能为导向,例如优化模型训练时间、学习收敛性等,从而实现从通信导向到任务导向的设计范式变革。首先,概述了联邦边缘学习基本概念、典型应用场景及其在无线资源管理中的关键问题。然后,以联邦边缘学习中带宽资源分配和用户调度策略为典型的资源管理案例,深入阐述了基于任务导向的设计范式思想。最后,对联邦边缘学习的未来潜在研究方向进行了展望,包括与无线空中计算、通信感知一体化等全新技术的融合赋能。     

数字经济时代人工智能伦理风险及治理体系研究

随着人工智能学习算法的革新、海量数据的积累、计算能力的提升,全球迎来新一轮人工智能发展浪潮。人工智能在为人类生产生活带来诸多便利的同时,也引发了一系列社会伦理风险,为社会治理带来全新挑战。梳理分析全球重点国家人工智能治理进展及特点,提出从治理模式、治理手段、治理评价三方面构建完备的人工智能治理体系,并针对我国人工智能治理体系的构建提出相关发展建议。     

基于无线信道状态信息的跌倒检测

随着中国正式迈入老龄化社会,老年人跌倒引发的问题日益引起关注。针对这一问题,无线信号(如Wi-Fi)感知被用于对跌倒进行及时检测与警报。无线信号感知技术依赖电磁波的反射特性,发射信号经过室内环境中各物体反射后产生不同的传播路径,叠加在一起到达接收端。由于接收信号携带了物体方位、活动状态等信息,通过将接收信号与实际物体的状态建立联系,可实现对物体进行定位与行动识别。对基于无线信道状态信息的跌倒检测进行研究,并在实验环境中验证其可行性。     

基于反向散射通信的车辆精准定位技术

高精度车辆定位是自动驾驶、车联网中的关键技术环节,其中一个研究热点和难点是如何在高密度城市、隧道、地下车库等无法获取GPS或蜂窝网基站定位信号的区域实现低成本、高可靠的车辆精准定位。对此,创新性地提出了一种基于反向散射通信的车辆精准定位技术(即"BackCom车辆定位技术"),其仅须在车辆顶端安装一个包含2根天线的定位阅读器以及在道路边部署至少一个定位标签,便可实现高精度车辆定位。经仿真验证,BackCom车辆定位技术可以取得极高的定位精度。同时,BackCom车辆定位技术极易扩展,通过增加其定位阅读器中的天线数量,可进一步提升其定位精度。BackCom车辆定位技术具备低成本、低功耗、高精度、高可靠、部署方便等优点,适用于各种行车环境,具备极高的理论研究价值和商用价值。     

6G通信感知一体化系统的性能指标

面向6G通信感知一体化（ISAC）系统,从业务共存、能力互助、网络共惠3个阶段研究了技术演进趋势,明确给出各阶段的系统设计目标和性能指标需求。从通信性能、感知性能、资源分配和应用场景等维度,提出影响6G ISAC系统性能的四维边界因素。基于提出的通感效率和通感效用两个新的性能指标,仿真评估了典型场景下的通信感知一体化系统性能,为后续进一步开展6G ISAC的系统设计和评估验证工作提供了重要参考。