智能无线接入网（RANs）是一种很有前途的范例，能够更好地满足各种应用需求并支持各种服务场景。本文概述了智能RANs最新进展。首先，总结了标准组织和运营商的工作，介绍了学术界提出的几种智能RAN体系架构，例如意图驱动RAN和具有增强数据分析功能的网络。然后，总结了使能技术，包括人工智能驱动的网络切片、意图感知、智能运维、基于AI的云边协同组网和智能多维资源分配。此外，介绍了近期在开放试验平台方面取得的进展。最后，鉴于研究领域的广泛性，从标准开放数据集、AI使能的算力网络、边缘智能和软件定义的智能地面卫星网络等未来方向进行探讨。

近年来，对智能和简化、为众多小型化设备提供超低功耗的通信物联网（IoT）的需求激增。尽管科研人员已开始为这些网络设计通信协议，但缺乏一个低功耗、高能效软件无线电（SDR）开发平台实现快速实施和实验评估。现有SDR平台只能在有源场景下工作良好，但不适用于硬件条件和能量高度受限的小型化IoT设备。本文率先尝试实现一种超低功耗SDR平台，可满足超低功耗甚至无源物联网节点的通信研发需求。为实现这个目标，将μW级背向散射通信技术有效集成到SDR平台，避免使用高耗能有源射频前端器件。设计了一个包含能量收集和功率管理的新颖电路，并提出消除背向散射造成的谐波和镜像频率干扰方法。评估了不同调制方式下的SDR性能，实现了100 kb/s的高通信速率，该节点在唤醒状态能耗低于200 μW，在睡眠状态下能耗为10 μW。利用该平台进行一个铁路检查案例研究，在真实环境中且距离为50米时，实现1 kb/s的无源数据传输效率。此外，提供智能工厂和物流配送两个案例，探索所提平台的应用。

得益于现在的中央信息处理和资源管理能力，对于智简化的第六代（6G）无线网络，云无线接入网（C-RAN）是一种很有前景的网络结构。然而，为了进一步增强云无线接入网的容量和覆盖范围，需要部署更多的无线射频拉远头（RRH）以及高保真、低延迟的前传链路，这会导致较高的实施成本。为了解决这个问题，本文提出利用智能反射面（IRS）作为增强云无线接入网低成本且节能的替代方法。具体来说，我们考虑多天线用户通过多天线射频拉远头与基带单元（BBU）池上行通信，并且在用户和射频拉远头之间部署多个智能反射面。射频拉远头可进行点对点压缩或Wyner-Ziv编码来压缩接收信号，然后通过前传链路转发到基带单元池。研究了在前传链路容量受约束情况下，对用户的发送波束成形、智能发射面的被动波束成形和前传压缩噪声的协方差矩阵进行联合优化，以在点对点或者Wyner-Ziv编码压缩下最大化上行总速率。通过利用Arimoto-Blahut算法和半正定松弛（SDR），提出一种连续凸近似方法解决上述非凸问题，并提供两种分别对应于点对点压缩和Wyner-Ziv编码的迭代算法。数值仿真结果验证了在云无线接入网中部署智能反射面带来的性能增益以及所提联合设计的优势。

边缘人工智能通过协同利用设备侧和边缘侧有限的网络、计算资源，赋能工业无线网络以支持复杂和动态工业任务。面向资源受限的工业无线网络，我们提出一种基于多智能体深度强化学习的资源分配（MADRL-RA）算法，实现了端边协同资源分配，支持计算密集型、时延敏感型工业应用。首先，建立了端边协同的工业无线网络系统模型，将具有感知能力的工业设备作为自学习的智能代理。然后，采用马尔可夫决策过程对端边资源分配问题进行形式化描述，建立关于时延和能耗联合优化的最小系统开销问题。接着，利用多智能体深度强化学习克服状态空间维灾，同时学习关于计算决策、算力分配和传输功率的有效资源分配策略。为了打破训练数据的时间相关性，同时加速MADRL-RA学习过程，设计了一种带经验权重的经验回放方法，对经验进行分类存储和采样。在此基础上，提出步进的ε-贪婪方法来平衡智能代理对经验的利用与探索。最后，通过大量对比实验，验证了MADRL-RA算法相较于多种基线算法的有效性。实验结果表明，MADRL-RA收敛速度快，能够学习到有效资源分配策略以实现最小系统开销。

为满足第六代移动通信的泛在连接需求，无人机作为未来通信网络主要组成部分发挥着关键作用。频谱共享和视距链路传输造成的干扰是无人机通信的一个主要问题。近年来，为减少无人机—地面异构网络干扰，提出多点协同传输技术。本文提出一个三维多层无人机—地面异构网络，其中无人机作为空中基站部署于不同高度。利用随机几何理论，提出一个易于处理的数学框架评估这个异构网络的干扰统计特性和覆盖概率。数值结果表明多点协同传输机制能有效缓解网络中的干扰，尤其当基站密度较大时。此外，部署在更高的空中基站的系统参数是影响所提三维异构网络覆盖性能的主要因素。

雾无线接入网络（F-RAN）中，雾接入节点上部署了通信、缓存和计算功能，因此，F-RAN被认为是一种可使能移动虚拟现实（VR）应用的无线网络架构。为实现移动VR分发，高效的下行资源分配策略已被广泛研究，但同样重要的VR分发上行资源分配问题至今少有关注。本文研究了基于F-RAN的移动VR分发框架，并同时考虑上行和下行传输的影响。首先，通过刻画系统往返时延，揭示了通信、缓存和计算资源的影响。在此基础上，考虑缓存和计算容量以及上行和下行链路传输容量的约束，提出一种简单高效的往返时延最小化算法。仿真结果表明，与其他基准方法相比，本文所提算法可有效降低往返时延；阐明了通信、缓存和计算资源对往返时延性能的影响。

多变的环境和复杂的作战任务对无人作战智能体任务群组的构建提出了新的要求。本文旨在解决新需求下的任务群组动态构建问题。针对智能体的异构性，在不断探索任务的情况下群体形成方法需满足能动态形成新的群组。提出一种融合了启发式规则和响应阈值模型的群组形成策略，用于动态调整任务群组的成员以适应新的任务需求。将任务需求与群组能力的匹配程度以及群组的组网开销作为评价团队素质的指标。选取响应阈值法和蚁群算法作为仿真实验中的对比算法。结果表明所提方法在解决动态任务组形成问题时具备一定优势。

视觉注意预测能帮助建立适应性虚拟博物馆环境，提供上下文感知和交互式用户体验。目前，利用眼动数据探究视觉注意机制的研究仍限于二维场景。研究者尚未能从时间和空间的角度出发，在三维虚拟场景里研究这一问题。为此，我们构建了第一个用于虚拟博物馆视觉注意建模的三维眼动数据集，命名为EDVAM。我们还建立了一个深度学习模型，通过历史眼动轨迹预测用户未来的视觉注意区域，用于测试EDVAM。这项研究能为虚拟博物馆的视觉注意建模和上下文感知交互提供参考。

提出一种基于脉冲阵列图像传感器（PAIS）的高速高亮目标光流提取方法。PAIS是将光信号转换成一系列脉冲间隔的仿视网膜图像传感器。通过累积连续脉冲直接从脉冲数据流中获得光流，当目标相对于背景亮度较大时，触发点可过滤冗余数据。该方法充分利用PAIS对高亮度目标快速响应特性。将该方法用于不同背景亮度高速转盘的光流提取，在传感器模型和实际拍摄数据中进行实验。在2×104帧/秒的采样条件下拍摄转速为1000转/分的高速转盘，可以滤除90%以上冗余点。实验结果表明，基于脉冲数据的光流提取算法可在无需重构灰度图像基础上有效提取高亮目标光流信息。

从数据中识别对系统输出产生较大影响的关键因子是科学和工程领域最具挑战性的任务之一。本文针对非线性计数系统，提出基于敏感性分析的广义高斯过程回归（SA-GGPR）建模方法，以识别影响系统输出的关键因子。SA-GGPR采用具有泊松似然的GGPR模型描述非线性计数系统。GGPR模型继承了非参数核学习和泊松分布的优点，可处理复杂非线性计数系统。然而，由于GGPR模型的非参数核学习架构，难以理解GGPR模型中输入和输出之间的关系。SA-GGPR方法通过定量评估不同输入对系统输出的影响来辨识影响系统输出的关键因子。在模拟非线性计数系统和实际钢铁轧制过程的应用结果表明，SA-GGPR方法在识别精度方面优于几种先进方法。

RSA和椭圆曲线密码（ECC）算法广泛应用于身份验证、数据安全和访问控制。本文分析了ECC和RSA算法基本操作并对模乘和模逆算法进行优化。提出一个具有混合内存单元和双乘加结构的可重构模运算单元，实现了非对称密码算法在运算单元层次的统一。采用55 nm CMOS标准工艺对模运算单元进行综合，该单元占用硬件资源437 801 μm2，最高时钟频率可达588 MHz。所提模运算单元完成2048位RSA模乘和模逆功耗分别为21.92和23.36 mW，完成512位ECC双域模乘和模逆功耗分别为16.16 和15.88 mW。它比现有单一算法单元更高效、更灵活。与现有多算法单元相比，所提单元表现出更好性能。将所提模运算单元嵌入64位RISC-V处理器，可实现RSA和ECC的密钥生成、加解密以及数字签名功能。实验结果表明，所提设计在G(p)和G(2m)上实现256位ECC点乘分别需要0.224和0.153 ms，实现1024位RSA求幂需要0.96 ms，满足高能效需求。

数学中有两种著名的函数分解方法：泰勒级数和傅里叶级数。傅里叶级数发展成为傅里叶频谱，用于信号分解和分析；而泰勒级数的求解需要已知具体函数表达式，所以其在工程领域很少被应用。本文使用树突网络发展了泰勒级数，构造了关系谱，并将其应用于模型或系统分解和分析。了解肌肉激活与手指运动之间的直观联系对于开发无需用户预训练的商业假肢至关重要。然而，由于人手的复杂性，该直观联系尚未被理解。本文使用关系谱分析了肌肉—手指系统。在手指运动中，一块肌肉同时驱动多个手指，多块肌肉同时驱动一个手指。因此，本研究聚焦于手部的肌肉协同与耦合。本文有两个主要贡献：（1）有关手部的发现有助于假肢手的设计；（2）关系谱使在线模型可读，从而统一了在线性能和离线结果。开源代码见https://github.com/liugang1234567/Gang-neuron。

工业级荧光光纤温度传感器读出电路的I/O引脚需要片上集成高性能静电放电（ESD）保护器件。采用0.18 μm标准BCD工艺制造的基本N型埋层栅控可控硅（NBL-GCSCR）失效等级难以满足需求。因此，基于相同半导体工艺，提出片上集成新型高失效等级深N阱栅控可控硅（DNW-GCSCR）以有效解决上述问题。采用技术计算机辅助设计（TCAD）仿真分析器件特性。可控硅通过传输线脉冲（TLP）进行测试，以获得准确ESD参数。具有纵向双极晶体管（BJT）路径的NBL-GCSCR维持电压（24.03 V）明显高于具有相同尺寸横向可控硅路径的DNW-GCSCR维持电压（5.15 V）。NBL-GCSCR器件的失效电流为1.71 A，DNW-GCSCR器件的失效电流为20.99 A。当DNW-GCSCR栅极尺寸从2 μm增加到6 μm时，维持电压为从3.50 V增加到8.38 V。优化后的DNW-GCSCR（栅极尺寸6 μm）可以稳定应用于目标读出电路的片上静电放电保护。