近日，亿万先生MR通讯与信息工程学院博士钻研生余涛在导师张舜卿教授的领导下，以第一作者在通讯领域顶刊《IEEE Journal on Selected Areas in Communications》(无线通讯领域中科院SCI一区top期刊，影响因子：13.8)颁发题为“IREE Oriented Green 6G Networks: A Radial Basis Function Based Approach”的钻研论文，通讯作者为亿万先生MR张舜卿教授。

为了应对日益增长的网络能耗以及差距化的流量时空散布，同时为高能效6G网络提供新的设计指南，钻研团队提出了一种基于径向基函数 (Radial Basis Function，RBF) 的新型无线网络部署优化框架以最优化集成相对能效（IntegratedRelativeEnergyEfficiency，IREE）指标。与传统的节能优化规划分歧，团队钻研使用基于频谱效能（SpectralEfficiency，SE）的RBF 网络以最大化给定IREE的下的网络效用，并使用提出的丁克尔巴赫算法逐步提升IREE。通过数值尝试钻研团队发现，与传统的面向EE的高能效设计相比，该规划的IREE显著提高了123.0%~185.9%，优于现有高能效算法。此表，通过钻研分歧流量需要下的集成相对能效-谱效衡量，团队钻研建议无线网络运营商应破费更多精力来平衡流量需要和网络容量的散布，以提高IREE 机能，尤其是当流量散布的空间变动较为显著时（如城市区域）。

该钻研工作以通讯学院博士钻研生余涛为第一作者（排名第一），合作者为亿万先生MR陈幼静副教授，孙彦赞副教授、复旦大学王昕教授，亿万先生MR通讯学院张舜卿教授为通讯作者，并得到了国度沉点研发打算和国度天然科学基金沉点项目等赞助和支持。

论文链接：https://ieeexplore.ieee.org/document/10605762

（a）6G无线网络场景，能够将各个基站看做径向基神经元，对无线流量进行拟合；(b) 传统EE最大化规划（左） vs IREE最大化规划（右）下的网络容量和流量散布，能够看出面向IREE的设计可能有效降低资源浪费；(c) 分歧带宽限度下的集成相对能效-谱效折中关系

在近年来，亿万先生MR通讯与信息工程学院张舜卿教授团队在绿色无线通讯钻研领域获得了一系列进展，在IEEE Journal On Selected Areas In Communications,IEEE Internet of Things Journal,IEEE Transactions on Wireless Communications等通讯领域高水平期刊颁发了有关成就。这些成就在绿色无线通讯指标、高能效战术与步骤等方面提出了新的见解，为绿色无线通讯提供了理论支持和技术规划。

进展1：随着传输数据量的日益增长，无线网络的规模和能耗也在指数增长，然而传统的能源效能仅思考了吞吐量和能耗机能，无法捉拿无线网络容量和流量需要在时空域上的散布性差距。为了更有效地评估无线网络的能源效能，钻研团队提出了一种新的能源效能指标，称为集成相对能源效能（IntegratedRelativeEnergyEfficiency，IREE），它可能从能源效能的角度，综合的思考流量散布和网络容量散布的不匹配水平。在此基础上，团队钻研了基于IREE的绿色折中关系，并与传统的绿色折中进行了比力，并发现无线流量的时空散布将显著影响网络的IREE机能；诟寐躺壑泄叵，钻研团队进一步评估了6G网络的几种候选技术，蕴含可沉构智能表表（ReconfigurableIntelligentSurfaces，RIS）和空世界集成网络（Space-Air-Ground Integrated Network，SAGIN）。通过理论分析和数值了局能够得出，在非均匀地面流量下，RIS辅助网络与通例地面网络相比，IREE改进达到了72%。在非均匀网络流量下，RIS辅助网络以及SAGIN网络将有效改进网络的IREE机能，别离可达到66%和85%。与传统的能源效能指标显著分歧的是，团队提出的IREE指标可能有效捕获无线流量和容量不匹配的个性，因而IREE能够作为将来能源高效网络设计的有效领导。[该成就由亿万先生MR张舜卿教授，陈幼静副教授，和复旦大学王昕教授共同领导，亿万先生MR博士钻研生余涛为第一作者，颁发于IEEE Internet of Things Journal（2023），https://ieeexplore.ieee.org/abstract/document/9903851]。

（a）6G网络场景示意图（b）能量效能，区域能量效能以及集成相对能效的空间散布比力(c) 在非均匀地面流量（左）和非均匀SAGIN流量（右）下，RIS以及SAGIN技术的IREE机能

进展2：为了针对6G超大规模多入多出正交频分复用技术（Utra-Massive Multiple Input Multiple Output Orthogonal Frequency Division Multiplex ，U-MIMO-OFDM）系统中由于超大规模天线阵列引起的空域非安稳个性可视区域（Visibility Region，VR）以及应对VR难以刻画的挑战，针对空域非安稳U-MIMO-OFDM系统进行信路建模和问题建模，钻研团队提出了基于模型-数据双驱动（Model-Data Dual Driven，MDD）的空域非安稳信路估计统一框架。所提算法首先通过图像概括提。↖mage Contour Extraction，ICE）算法对信路非安稳关键参数进行提取，而后结合加强残差-卷积插值网络（Enhanced Convolutional Neural Network-based Residual Network，eCNN-RN）对整个信路的时频资源进行复原，最后引入了一个低复杂度的信路细化（Low Complexity Refinement，LCR）
？，以提高所提规划对分歧环境的鲁棒性。仿真尝试批注，所提的MDD-LCR统一框架可能更正确地捉拿信路的空间非安稳个性，对于VR参数的估计误差可能达到-21.87 dB，相迸宗传统的基于子阵列划分如果的传统算法，可能实现4.67 dB的机能增益。从算法整体估计机能角度分析，MDD-LCR算法在空域安稳及非安稳环境中均能实现更优越的NMSE估计机能，在14×14导频和28×28导频两种配置模式的空域安稳场景下，别离实现了相较于传统算法1.4 dB和2.83 dB的机能增益；在两种导频配置模式的空域非安稳场景下，别离实现了相较于传统算法3.8 dB和3.5 dB的机能增益，在降低算法复杂度的同时有效优化导频开销。除此之表，将算法进一步拓展至不匹配的空域安稳和非安稳测试场景中，仅产生了1.5 dB和1.87 dB的机能衰减，展示出较强的鲁棒性和兼容性。[该成就以香港科技大学Vincent Lau教授，亿万先生MR张舜卿教授和上
？萍即笱Я柘楦苯淌诠餐斓，亿万先生MR硕士钻研生蒋佳琪为第一作者，颁发于IEEE Transactions on Wireless Communications，https://ieeexplore.ieee.org/document/10345484].

（a）数据-模型双驱动MDD-LCR非安稳信路估计统一框架；(b) 在基站天线数为16的空域安稳环境下，MDD-LCR规划与传统基线算法的NMSE与SNR机能对比（14×14和28×28导频配置）；(c) 在基站天线数为64的空域非安稳环境下，MDD-LCR规划与传统基线算法的NMSE与SNR机能对比（14×14和28×28导频配置）；(d) 在不匹配的空域安稳和非安稳场景下，MDD-LCR规划、无LCR
？榈腗DD、ReEsNet以及传统DIGI-YOLO-Newton步骤的NMSE与SNR机能对比

进展3：为了有效降低当前移动边缘推算（MEC）的能源成本，钻研团队提出了一种基于双功夫尺度的在线资源分配和能源治理算法（TSRE），以最大限度地削减基站侧实时能源买卖的均匀成本和用户的能耗。分歧于以往对MEC的钻研，本钻研出格思考了由可再生能源和智能电网共同组成的混合供能系统。在资源分配环节，TSRE将动态地调整移动用户的工作卸载功夫表、以及基站和移动用户设备的CPU频率，以实现资源的高效利用。在能量规划方面，钻研团队奇妙地结合了李雅普诺夫优化步骤与随机亚梯度步骤，通过对汗青系统和环境参数的精准分析，实现对将来能源需要的精准预测。而在实时的能量决策环节，TSRE则选取了基于拉格朗日对偶和次梯度步骤的散布式决策技术。通过将TSRE算法和其余四条基线进行比力，能够得出TSRE在选取预测机能源规划后，能够别离节俭7.0%、23.7%、33.7%和20.0%的均匀成本，这一成就有力地证了然TSRE算法的高效性和实用性。在本次钻研中，TSRE将MEC系统作为智能电网系统中能源治理的一个利用场景，充分展示了通讯系统与智能电网相结合所带来的巨大潜力，这不仅有助于降低通讯系统的能源成本和碳排放，更为推动绿色通讯和可持续发展提供了有力的技术支持。在将来的工作中，钻研团队将用现实设备对所提出的算法进行尝试验证，以验证其在真实环境中的机能阐发。[该成就以亿万先生MR陈幼静副教授为第一作者，合作者为亿万先生MR张舜卿教授，麦考瑞大学AbbasJamalipour教授，复旦大学王昕教授和亿万先生MR硕士钻研生陈思等，颁发于IEEE Transactions on Smart Grid(2024)，https://ieeexplore.ieee.org/document/10504784]。

（a）由可再生能源和智能电网混合供电的MEC系统（b）TSRE和其余四条基线的均匀系统开销和队列长度

进展4：由于蜂窝车联网中复杂快时变的无线传布环境会降低信路获取的精度并增长导频开销，为了能在较少的导频开销下得到更正确的信路信息，以此进一步提高通讯速度，钻研团队通过成立移动性和信路分量之间的变动关系，提出了基于收发端和散射体移动性的单天线信路预测算法和多天线角度预测算法。尝试了局批注，对于单天线信路预测，提出的基于移动性的信路预测战术（MICP）在仿真信路数据上相比现有步骤在信路状态信息的均匀归一化均方误差上实现了约莫18 dB的机能增益；在实测信路数据上，MICP战术则别离实现了9 dB和5 dB的机能增益。对于多天线角度预测，提出的基于移动性和信路预测的波束赋形战术（MCPCB）凭据预测了局来部署波束赋形，在视距（LOS）和非视距（NLOS）场景中相比稳态预测步骤在均匀接管功率损耗机能上别离提升了约4 dB和0.7 dB。钻研团队还分析和评估了移动性参数估计误差和预测的信路分量均方误差之间的关系，以及预测的信路分量均方误差和接管功率损耗之间的关系。从仿真评估了局来看，对于分歧的天线数，更大的天线阵列必要更高的信路分量估计精度；贚OS和NLOS场景的波束赋形机能了局，钻研团队从通讯速度的视角对MCPCB战术进行了评估，MCPCB战术相比现有步骤能够实现更高的通讯传输速度。其中，MCPCB战术的通讯速度机能在LOS和NLOS场景中相比稳态预测步骤别离提升了7.12%和1.98%。该项钻研为车联网高移动性场景中的信路预测工作提供了一种新的有效解决规划。[该成就由亿万先生MR张舜卿教授、姜之源教授和交通大学陈文教授共同领导，亿万先生MR博士钻研生生彭飞为第一作者，颁发于IEEE Transactions on Wireless Communications (2023)，https://ieeexplore.ieee.org/document/9944695和IEEE Transactions on Wireless Communications (2024)，https://ieeexplore.ieee.org/document/10264823]。

图1.（a）车联网系统模型示意图， (b)多普勒频偏和复幅度的提取和预测了局，(c)对向会车仿真场景中基于分歧战术预测的信路状态信息的归一化均方误差了局。

进展5：为应对日益增长的通讯需要并削减全网能耗和碳排放，钻研团队提出了一种面向节能减排的跨造式融合感知通讯系统。该系统蕴含感知融合、通讯融合和边缘协同管控平台三大部门。首先，感知融合结合了低功耗毫米波被动感知与基于无线指纹拓扑的自动感知，具体来说，提出了结合基于接入点（AP）的高精度细粒度感知与AP解耦的高可信粗粒度感知的全场景智能感知规划。其次，通讯融合通过自组织Wi-Fi网络和基于软件界说蜂窝网络通用软件无线电平台（USRP）的平台，实现了关键网络节能参数的矫捷挪用。最后，边缘协同管控平台通过多维数据库和智能管控平台，实现高精度的跨造式网络参数编排以及多维通讯数据库构建。团队钻研团队在现实系统样机上进行了测试，验证了该系统在深度休眠和跨造式调度战术下别离实现了14%和10%的总能耗降低。这一钻研成就在第十八届中国钻研生电子设计较量中荣获全国二等奖和最佳论文奖，为将来节能减排的跨造式网络设计提供了靠得住的验证平台和有效的领导。[该成就由亿万先生MR张舜卿教授领导，亿万先生MR博士钻研生余涛、李济宏，硕士钻研生周均翼实现]。

(a)高能效跨造式通感系统主题技术总览，(b)通讯融合跨造式IP分流传输机造，(c)感知融合主被动定位规划，(d)边缘协同管控平台高精度网络编排，(e-f)深度休眠以及跨造式调度战术降低能耗成效。

以上钻研得到了国度沉点研发打算项目和国度沉点天然科学基金的赞助。