用同调不变量分析无线通信网络的脆弱性
Analyzing wireless communication network vulnerability with homological invariants
把无线网络建成「单纯复形」，用层论与同调不变量给每个节点、每条链路算「抗干扰风险分」——找出网络被一个干扰源就能打瘫的薄弱位置。
arXiv:1311.1532 · 2013年11月6日（v1） · 机构未标注
SWIPT 供能无线通信网络下的 LQG 控制
LQG Control Over SWIPT-enabled Wireless Communication Network
传感器一边收控制信号、一边从射频信号里「充电」——把 SWIPT 引入 LQG 控制回路，找出功率分配比 α 的「两个临界值」与最优点，让无线控制网络活得更久。
arXiv:2303.15131 · 2023年3月27日（v1） · 机构未标注
众包无线社区网络的经济学分析
Economic Analysis of Crowdsourced Wireless Community Networks
用户共享自家 Wi-Fi、运营商制定价格——用两层 Stackelberg 博弈建模双方互动，证明「只设两个价格」的部分定价方案，就能让运营商收益比统一定价最多提高 124.44%。
arXiv:1608.08744 · 2016年8月31日（v1） · 香港中文大学、哈尔滨工业大学
面向工业无线通信网络的可信连接
Dependable Connectivity for Industrial Wireless Communication Networks
把「可靠性、可用性、安全性、保密性」整合成「可信性（dependability）」，为 6G 时代的工业无线网络搭起一座从理论到实践的框架。
arXiv:2601.20580 · 2026年1月28日（v1） · 奥卢大学
水下光无线通信、组网与定位：一篇综述
Underwater Optical Wireless Communications, Networking, and Localization: A Survey
声波传得远但慢而窄、射频在水里衰减惊人，光又快又宽却传不远——本文按「物理层→链路层→网络层→传输层→应用层→定位」逐层梳理水下光无线网络的挑战、进展与未来。
arXiv:1803.02442 · 2018年2月28日（v1） · 阿卜杜拉国王科技大学
基于直方图的闪存信道估计
Histogram-Based Flash Channel Estimation
闪存用多了会「记性变差」，信道一直在变——本文用一张十桶直方图（九次读）+ 五个参数的物理信道模型，配合 LM 最小二乘算法，把这条「活着」的信道实时估计出来。
arXiv:1410.8158 · 2014年10月29日（v1） · 机构未标注
过采样信号检测：低代价接收机前端损伤下的鲁棒宽带频谱感知
On Oversampling-Based Signal Detection
把廉价接收机的前端损伤（噪声不确定度 + 有色噪声）建模清楚，在过采样场景下用频域检测器稳健地发现信号——表现最好的竟是「对噪声不确定度免疫的能量检测器」。
arXiv:1907.13505 · 2019年7月31日（v1） · 机构未标注
奇异值分解中的信号检测：迭代奇异值分解（ISVD）与多数据集联合分析
Signal Detection in Singular Value Decomposition
反复对重新归一化的数据做奇异值分解，像「剥洋葱」一样一层层挖出多个数据集之间共享或独有的信号——弱信号也能被看见。
arXiv:1611.10257 · 2016年11月29日（v1） · 机构未标注
基于循环特征的超宽带（UWB）信号检测
UWB Signal Detection by Cyclic Features
利用 UWB 信号特有的循环特征（多个循环频率 × 多个时间延迟），构造低复杂度的恒虚警率检测器，在异构无线环境中识别出 UWB 信号。
arXiv:1406.7124 · 2014年6月27日（v1） · 上海交通大学、佐治亚理工学院
面向毫米波 JSDM 的高效干扰感知约束大规模 MIMO 波束成形
An Efficient Interference-Aware Constrained Massive MIMO Beamforming for mm-Wave JSDM
先设计「不约束」的最优统计波束成形器，再用恒模约束逼近它，最后用 LMMSE 数字段吃掉残余干扰——让大规模 MIMO 既省硬件又不损失性能。
arXiv:2103.12151 · 2021年3月22日（v1） · 机构未标注
为大规模 MIMO 波束成形学习节能硬件配置
Learning Energy-Efficient Hardware Configurations for Massive MIMO Beamforming
先建一个把硬件功耗算清楚的能量模型，再用无监督深度学习直接「学」出发射机配置——选哪根天线、怎么连、怎么预编码，让能效最大化，而且只用不完美的信道信息也能训练。
arXiv:2308.06376 · 2023年8月11日（v1） · 机构未标注
协同性能增强细胞的信号检测:受体小簇的动力学视角
Cooperativity Can Enhance Cellular Signal Detection
建模配体存在下受体小簇的动力学:受体独立或协同作用,证明协同性可以提高信噪比——但能否提升取决于信号受体簇的底层动力学。
arXiv:1401.3262 · 2014年1月14日发布 · 机构未标注
用 OFDM 信道估计做 BOTDA:免扫频的布里渊光时域分析系统
BOTDA using OFDM channel estimation
提出免扫频的 IM-DD-OOFDM BOTDA 系统:OFDM 探测信号 + 直接检测,用信道估计算法重建布里渊增益谱,在 2 km 标准单模光纤上实现 25m 空间分辨率。
arXiv:1702.02291 · 2017年2月8日发布 · 机构未标注
用邻近信道的估计结果提升盲信道估计性能
Improved Blind Channel Estimation Performance by Nearby Channel Estimation
把邻近用户导频估计的信道信息作为子空间盲估计自相关矩阵的初始状态:邻近信道相关性高时增大遗忘因子,即可降低信道估计误差。
arXiv:1910.14236 · 2019年10月31日发布 · 机构未标注
突破 FDD 大规模 MIMO 波束成形的 Type I 码本极限：一种信道协方差重建方法
Pushing The Limit of Type I Codebook For FDD Massive MIMO Beamforming: A Channel Covariance Reconstruction Approach
4G 时代的 Type I 码本反馈开销小但精度差——本文用「信道协方差重建 + 割平面法」把它优化到接近 Type II 码本的水平，不用推倒重来。
arXiv:2010.11840 · 2020年10月22日（v1） · 机构未标注
稀疏信道估计:栅格间距如何决定量化误差与计算复杂度
On Sparse Channel Estimation
用栅格间距把时移与尺度移限制到有限取值集合,推导栅格间距与均方量化误差的关系式,并考察宽带模型何时可以被窄带模型近似。
arXiv:0906.0964 · 2009年6月4日发布 · 机构未标注
多天线辅助的非正交多址接入（MIMO-NOMA）
Multiple Antenna Assisted Non-Orthogonal Multiple Access
给 NOMA 网络装上「多天线」：用波束成形与预编码为用户造专属信道，再把速率域、资源分配、实现问题一次讲清。
arXiv:1801.08170 · 2018年1月24日（v1） · 伦敦玛丽女王大学、南安普顿大学
面向高铁通信的低复杂度、位置感知多用户大规模 MIMO 波束成形
Low-complexity Location-aware Multi-user Massive MIMO Beamforming for High Speed Train Communications
高铁位置「可预测」，就别费劲测信道——直接用列车位置设计波束，又省算力、又消干扰。
arXiv:1703.04870 · 2017年3月15日（v1） · 清华大学
结构健康监测的基础模型:Transformer 掩码自编码器一次搞定异常检测与车流估计
Foundation Models for Structural Health Monitoring
首次把 Transformer 掩码自编码器作为 SHM 基础模型:多数据集自监督预训练 + 任务微调,异常检测 99.9% 精度(仅 15 窗口),TLE 上 R²=0.97/0.90,并验证知识蒸馏与边缘部署。
arXiv:2404.02944 · 2024年4月3日发布 · 博洛尼亚大学、苏黎世联邦理工学院
噪声域非正交多址接入（ND-NOMA）——利用人工噪声的均值与方差传递信息
Noise-Domain Non-Orthogonal Multiple Access
两个用户一个用「噪声的均值」传比特、一个用「噪声的方差」传比特——把噪声从干扰变成信息，还省电、省复杂度。
arXiv:2410.04976 · 2024年10月7日（v1） · 科奇大学