本文介绍了一种新型步态识别方法GaitFi,利用WiFi信号和视频实现人体识别,准确率达到94.2%。同时,研究了可重构智能表面(RIS)的应用,提出基于深度学习的无线配置方法,显著提高了信号传输速率和覆盖效果,为未来无线通信提供了新思路。
本文提出了一种结合深度强化学习和可重构智能表面的车辆边缘计算优化方法,旨在提升车联网的通信性能和资源分配效率。通过多智能体深度强化学习算法,优化车辆用户的功率分配和相位调整,实验结果表明该方法在性能上优于传统方案,有效解决了车联网中的连接性和计算任务处理延迟问题。
本文研究了可重构智能表面(RIS)在多用户通信中的应用,提出了优化算法以提高能量效率和降低发射功率。通过深度强化学习和非凸优化,解决了资源分配和相位控制问题,实验结果表明该方法显著提升了网络性能。
该文综述空中计算联邦学习(OTA-FL)技术,从系统设置、安全与隐私等方面进行分类分析,并指出未来在性能、可靠性和可信度方面的挑战与方向。相关研究涵盖可重构智能表面优化、预编码缓解信道噪声、MIMO集成、概率设备调度、免解码信道估计及自适应本地更新与压缩等,以提升学习效率与精度。
该文综述可重构智能表面(RIS)与NOMA、RSMA等技术结合的多用户通信研究,通过联合用户配对、波束赋形与相位控制,并结合深度学习与优化算法,最大化总吞吐量与能量效率,降低发射功率,提升频谱效率和通信成功率。
本文综述了可重构智能表面(RISs)在无线网络中的应用,介绍了RISs的原理和性能评估,调查了现有的RIS增强无线网络的设计。研究成果阐述了应用机器学习解决动态场景中的挑战。同时指出了RISs和其他新兴技术在下一代网络应用中的问题和研究机会。
完成下面两步后,将自动完成登录并继续当前操作。