基于图形表示的异构超密集网络的机器学习技术研究

异构超密集网络(H-UDN)被认为是一种通过网络密集化来维持爆炸性的移动业务需求的解决方案。通过将接入点、处理器和存储单元放置得尽可能靠近移动用户,H-UDN带来了许多优势,包括较高的频谱利用率、较高的能量利用率和低延迟。尽管如此,H-UDNs中网络实体的高密度和多样性给协同信号的处理和资源管理带来了巨大的设计挑战。该文阐述了机器学习技术在解决这些挑战方面的巨大潜力。特别地,展示了如何利用H-UDN的图形表示来设计有效的机器学习算法。

基于大数据的无线通信技术

随着各类丰富的移动应用普及,可以预见,未来的无线通信系统将需要满足更为苛刻的服务要求,为无线通信技术的发展带来挑战.另一方面,大数据在众多领域的应用取得了令人瞩目的成功.大数据如何赋能无线通信成为学术界和工业界关注的焦点.过去5年,我们承担了国家自然科学基金"无线通信大数据基础理论与技术研究"重点项目群,致力于研究基于大数据的无线通信技术,探索使用大数据突破无线通信发展瓶颈的新理论和新方法.我们将这类在无线通信中产生、能够服务于无线通信的大数据定义为无线大数据.本文是对项目群的研究和实践结果的总结.具体地,我们首先分析了无线大数据的来源和特征,然后构建了与之匹配的无线知识学习范式、智能无线网络框架以及跨地域、跨机构、多用途、一体化的无线大数据平台,最后提出并验证了基于大数据的无线传播环境分析、无线传输以及无线接入技术,从而为基于大数据的无线通信技术的进一步发展提供基础理论支撑和应用范式.

面向6G的共生散射通信技术:原理、方法与应用

近年来,共生散射通信因其在频谱与能量域的互惠共享特性而受到广泛关注,为解决6G面临的频谱与能耗问题提供了潜在方案.在该技术中,次系统利用主系统的频谱及射频信号实现被动式反向散射通信,而次系统的传输为主系统提供额外的多径效应,有望提升主系统的性能.本文首先介绍共生散射通信的基本概念及技术原理,然后从信息论基础、接收机设计、资源配置,以及多用户接入4个方面综述该技术的研究现状.在此基础上,讲述可重构智能表面(reconfigurable intelligent surface,RIS)在共生散射通信系统中的应用,分析并总结了引入RIS为共生散射通信带来的性能增益.最后介绍了融合共生散射通信的6G架构及应用前景,并探讨了共生散射通信面临的技术挑战.