<正>随着5G-A、6G等前沿技术蓬勃发展,智能无线传输与组网已成为当下信息通信领域的关键驱动力,传统无线通信依赖固定的无线资源调度和网络配置方式,难以适应未来资源受限下物理层高效传输、超高密集的无线网络、高度异构的大规模节点自主组网的需求,特别是未来新技术的引入,例如6G提出的超大规模MIMO系统、天堂地异构网络融合等方面,相比较于现有通信系统,复杂度将会有显著的增加,尽管6G提出了支持Sub-6G、皂朱波、太赫兹、可见光、红外等金频段通信,但是由此带来的无线资源高效调度问题、异构网络深度融合问题也随之增加。人工智能技术的快速发展,为解决这一难题提供了新的解决思路,特别是“通信+Al”“大棋型”“具身智能”等新理念、新方法的提出,为无线传输与组网技术的发展与应用开辟了新空间,构建了智能无线通信的新范式,为6G万物智联的新时代奠定了坚实基础。
<正>内容导读近年来,无线通信覆盖的场景不断丰富,6G通信将有望拓展至太空、临空、中低空、陆地、海洋等立体广域空间,最终实现万物智联、全域覆盖的美好愿景。此外,随着用户需求的不断增加,无线通信在承载原有信息传输功能的同时,所需兼容和外延的功能亦不断拓展,新一代无线通信技术发展面临如下技术挑战:从通信网络自身角度来看,现有天、临、空、地、海异质网络间架构、协议差异性大,跨域互联互通难;从功能拓展角度来看,6G网络中的通信、感知、控制、计算等系统设计需求具有显著差异性,有限多维资源约束下存在无法避免的资源分配竞争性,导致多功能兼容融合极具挑战。
针对车联网(Internet of Vehicles, IoV)中资源分配和任务排队算法的问题，同时考虑到任务对延迟的不同敏感度，提出了基于深度强化学习的联合任务排序和资源分配(Joint Task Sequencing and Resource Allocation, JTSARA)策略对任务进行差异处理。将任务从传输到执行的过程建模为多智能体深度强化学习(Multi-Agent Deep Reinforcement Learning, MADRL)模型，采用多智能体深度确定性策略梯度(Multi-Agent Deep Deterministic Policy Gradient, MADDPG)算法开发JTSARA策略，优化频谱、功率和移动边缘计算(Mobile Edge Computing, MEC)服务器计算资源的分配。设计了一种优化的任务排序方法，根据时延敏感度对任务分级，并在每个时隙重新排列队列，智能体通过环境交互学习，形成集中式训练、分布式执行的策略。通过仿真实验，验证了该方案在低等级任务情况下中断率减少20%～40%,大大提高了系统的整体任务完成率。
在非协作场景中，循环自相关是一种盲估计相移键控(Phase Shift Keying, PSK)信号码速率的有效方法。但在低信噪比、低码速率情况下，存在部分循环自相关切片中表征码速率信息的峰值被噪声淹没的问题。提出一种基于最佳延迟估计的循环自相关码速率盲估计方法，将延迟与循环自相关在零循环频率处幅值的线性关系进行推导，揭示出斜率中包含的最佳延迟信息，更好地指导码速率精确估计的切片选择。仿真实验表明，最佳延迟的有效估计提升了码速率估计方法的准确性和鲁棒性。
自动协商是实现多智能体系统中合作与协作的关键方式。尽管基于强化学习(Reinforcement Learning, RL)的协商智能体在各种场景中取得了显著的成功，但由于实现环境的限制，它们仍面临挑战。特别是这些智能体需要与对手进行大量的在线互动以进行训练，这在现实世界的应用中往往是不可行和不现实的。因此，需要一种新的方法，以便直接从离线数据集中学习有效的协商策略。此外，在随后的在线协商中，对手可能会因为各种原因(如风险态度的变化或市场条件的变化)而改变其策略。这些因素为自动协商带来了重大挑战。提出了一种新的协商智能体，通过离线—在线RL来提高协商智能体的能力。它使协商智能体能够：(1)利用基于RL方法的策略与对手交互，提高动态协商环境的适应能力；(2)从历史离线数据中学习协商策略，无需大量的在线交互；(3)在在线微调优化过程中，使得学习到的策略快速且稳定地提升性能。基于多种协商场景和最近自动化协商智能体竞赛(Automated Negotiating Agents Competitions, ANAC)中的获胜智能体，提供了广泛的实验结果。结果显示，该智能体的表现超过了最先进的智能体，并且即使对手转换到不同策略时仍保持有效。
可重构智能表面(Reconfigurable Intelligent Surface, RIS)在物理空间中智能操控电磁波传播路径，显著提升信号覆盖能力与通信效率，适用于复杂通信场景中障碍物遮挡区域的信号补盲。目前大多RIS融合索引调制(Index Modulation, IM)方案仍然受限于物理天线或RIS反射单元传输模式，如何有效结合RIS与IM技术成为无线通信领域的研究重点。为此，提出一种基于RIS的交替模式选择索引(RIS Alternate Mode Selection Index, RIS-AMSI)方案，通过动态切换RIS单元在2个时隙的激活模式，将模式交替顺序作为额外索引信息嵌入传输过程。同时，该方案设计了新型调制机制，利用RIS的信道增益特性，构建低复杂度的贪婪检测器实现高效的信息解调。通过理论推导和仿真实验，验证了方案理论误码率(Bit Error Rate, BER)分析的准确性。结果表明，与基准方案相比，所提方案在保持相近频谱效率的同时显著降低BER,为RIS与IM技术的融合提供了切实可行的新思路。
5G风筝专网作为新型电力通信基础设施，体现了在6G理念指导下的具体实践，通过“中心-边缘”协同架构实现广域覆盖与局域自治的融合，实现数据不出园区，为智能电厂提供高可靠、低时延的通信服务。电力系统基础设施的网络攻击事件频发，为实现5G风筝专网弹性安全态势的有效感知与一体化防护，从网络安全、系统安全、数据安全、物理安全、管理安全5个维度出发，建立涵盖目标层、准则层、指标层多级分层的5G风筝专网弹性安全态势评估体系。基于5G风筝专网网络拓扑设计安全一体化态势感知系统架构，采用层次分析法(Analytic Hierarchy Process, AHP)-模糊综合评估构建安全态势分析模型，能够实现5G风筝专网弹性安全态势的准确感知与精准监测，提升5G风筝专网安全态势感知能力，有效降低整体安全风险。
针对城市复杂电磁环境下传统经验模型预测精度不足与射线追踪(Ray-Tracing, RT)方法计算效率低下的双重挑战，提出了一种融合卫星影像与三维几何特征的反向传播神经网络(Back Propagation Neural Network, BPNN)路径损耗预测模型。通过整合高分辨率卫星影像的RGB光谱信息与散射体的统计特征，表征电磁传播路径的环境特征，结合经过实测数据校准的RT仿真数据构建数据集。实验结果表明，引入三维环境特征后，预测精度显著提高。相较于不使用三维特征的数据集，均方根误差(Root Mean Square Error, RMSE)下降1.54 dB;与对比的多层感知器(Multi-Layer Perceptron, MLP)和随机森林(Random Forest, RF)模型相比，RMSE分别下降2.21 dB和0.34 dB。同时，BPNN模型的计算时间仅为RT模型的一半左右，且在新场景中与实测数据相比的RMSE为5.27 dB,表现出良好的泛化能力。
广义频分复用(Generalized Frequency Division Multiplexing, GFDM)系统的灵活调制特性使其应用于低轨(Low Earth Orbit, LEO)卫星通信系统中可以带来诸多增益，但多个调制符号的叠加，导致GFDM的高峰均功率比(Peak-to-Average Power Ratio, PAPR)问题。针对此问题，在分析GFDM系统PAPR产生的原因后，对传统选择性映射(Conventional Selective Mapping, C-SLM)算法做出改进，利用Logistic混沌序列代替传统相位因子，解决边带信息冗余问题，采用线性重组的方式，进一步生成更多的备选信号，得到基于Logistic混沌序列的低复杂度选择性映射(Low Complexity SLM Based on Logistic Chaotic Sequences, LC-SLM)算法。在利用LC-SLM算法破坏符号间的相位一致性后，为解决单一算法对GFDM系统PAPR抑制不足的问题，将LC-SLM算法与指数压扩算法结合，提出一种低复杂度选择性映射联合指数压扩(LC-SLM with Exponential Companding, LC-SLM-EC)算法，使系统的PAPR进一步降低。实验结果表明，LC-SLM算法与生成相同数量备选信号的C-SLM算法相比，在大幅降低运算复杂度的前提下具有相近的PAPR性能，提出的LC-SLM-EC算法能够在不提升复杂度的基础上，使PAPR抑制效果更优。
严重的路径损耗、天线对不准以及大气湍流等造成太赫兹通信可靠性下降，利用混合自动重发请求(Hybrid Automatic Repeat Request, HARQ)技术可以有效解决其可靠性问题。为更高效利用太赫兹通信的宽带无线资源，提出一种可变速率HARQ增量冗余(Incremental Redundancy, IR)技术HARQ-IR来辅助太赫兹通信并分析其通信的可靠性。由于中断概率是表征可靠性的关键性能指标，通过梅林变换以及特殊函数理论等推导了可变速率HARQ-IR辅助太赫兹通信的中断概率的闭合表达式。该表达式极其复杂且不利于挖掘其物理内涵，因此研究了高信噪比条件下中断概率的渐近表达式。利用复变函数理论推导了其闭合表达式，基于此理论证明可变速率HARQ-IR辅助太赫兹通信可以获得全分集增益，并且分集阶数与路径衰落以及指向误差相关。此外，调制和编码增益与可变速率的取值次序无关。通过大量数值仿真验证说明了理论分析的正确性。