近日，上海大学通信与信息工程学院博士研究生余涛在导师张舜卿教授的指导下，以第一作者在通信领域顶刊《IEEE Journal on Selected Areas in Communications》(无线通信领域中科院SCI一区top期刊，影响因子：13.8)发表题为“IREE Oriented Green 6G Networks: A Radial Basis Function Based Approach”的研究论文，通讯作者为上海大学张舜卿教授。
为了应对日益增长的网络能耗以及差异化的流量时空分布，同时为高能效6G网络提供新的设计指南，研究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（Integrated Relative Energy Efficiency，IREE）指标。与传统的节能优化方案不同，团队研究使用基于频谱效率（Spectral Efficiency，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。通过数值实验研究团队发现，与传统的面向EE的高能效设计相比，该方案的IREE显著提高了123.0%~185.9%，优于现有高能效算法。此外，通过研究不同流量需求下的集成相对能效-谱效权衡，团队研究建议无线网络运营商应花费更多精力来平衡流量需求和网络容量的分布，以提高IREE 性能，尤其是当流量分布的空间变化较为显著时（如城市区域）。
该研究工作以通信学院博士研究生余涛为第一作者（排名第一），合作者为上海大学陈小静副教授，孙彦赞副教授、复旦大学王昕教授，上海大学通信学院张舜卿教授为通讯作者，并得到了国家重点研发计划和国家自然科学基金重点项目等资助和支持。
论文链接：https://ieeexplore.ieee.org/document/10605762
（a）6G无线网络场景，可以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最大化方案（左） vs IREE最大化方案（右）下的网络容量和流量分布，可以看出面向IREE的设计能够有效降低资源浪费；(c) 不同带宽限制下的集成相对能效-谱效折中关系
在近年来，上海大学通信与信息工程学院张舜卿教授团队在绿色无线通信研究领域取得了一系列进展，在IEEE Journal On Selected Areas In Communications, IEEE Internet of Things Journal, IEEE Transactions on Wireless Communications等通信领域高水平期刊发表了相关成果。这些成果在绿色无线通信指标、高能效策略与方法等方面提出了新的见解，为绿色无线通信提供了理论支持和技术方案。
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，然而传统的能源效率仅考虑了吞吐量和能耗性能，无法捕捉无线网络容量和流量需求在时空域上的分布性差异。为了更有效地评估无线网络的能源效率，研究团队提出了一种新的能源效率指标，称为集成相对能源效率（Integrated Relative Energy Efficiency，IREE），它能够从能源效率的角度，综合的考虑流量分布和网络容量分布的不匹配程度。在此基础上，团队研究了基于IREE的绿色折中关系，并与传统的绿色折中进行了比较，并发现无线流量的时空分布将显著影响网络的IREE性能。基于该绿色折中关系，研究团队进一步评估了6G网络的几种候选技术，包括可重构智能表面（Reconfigurable Intelligent Surfaces，RIS）和空天地集成网络（Space-Air-Ground Integrated Network，SAGIN）。通过理论分析和数值结果可以得出，在非均匀地面流量下，RIS辅助网络与常规地面网络相比，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性能，分别可达到66%和85%。与传统的能源效率指标显著不同的是，团队提出的IREE指标能够有效捕获无线流量和容量不匹配的特性，因此IREE可以作为未来能源高效网络设计的有用指导。[该成果由上海大学张舜卿教授，陈小静副教授，和复旦大学王昕教授共同指导，上海大学博士研究生余涛为第一作者，发表于IEEE Internet of Things Journal（2023），https://ieeexplore.ieee.org/abstract/document/9903851]。
（a）6G网络场景示意图（b）能量效率，区域能量效率以及集成相对能效的空间分布比较 (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性能
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平稳特性可视区域（Visibility Region，VR）以及应对VR难以刻画的挑战，针对空域非平稳U-MIMO-OFDM系统进行信道建模和问题建模，研究团队提出了基于模型-数据双驱动（Model-Data Dual Driven，MDD）的空域非平稳信道估计统一框架。所提算法首先通过图像轮廓提取（Image Contour Extraction，ICE）算法对信道非平稳关键参数进行提取，然后结合增强残差-卷积插值网络（Enhanced Convolutional Neural Network-based Residual Network，eCNN-RN）对整个信道的时频资源进行恢复，最后引入了一个低复杂度的信道细化（Low Complexity Refinement，LCR）模块，以提高所提方案对不同环境的鲁棒性。仿真实验表明，所提的MDD-LCR统一框架能够更准确地捕捉信道的空间非平稳特性，对于VR参数的估计误差能够达到-21.87 dB，相比于传统的基于子阵列划分假设的传统算法，能够实现4.67 dB的性能增益。从算法整体估计性能角度分析，MDD-LCR算法在空域平稳及非平稳环境中均能实现更优越的NMSE估计性能，在14×14导频和28×28导频两种配置模式的空域平稳场景下，分别实现了相较于传统算法1.4 dB和2.83 dB的性能增益；在两种导频配置模式的空域非平稳场景下，分别实现了相较于传统算法3.8 dB和3.5 dB的性能增益，在降低算法复杂度的同时有效优化导频开销。除此之外，将算法进一步拓展至不匹配的空域平稳和非平稳测试场景中，仅产生了1.5 dB和1.87 dB的性能衰减，展现出较强的鲁棒性和兼容性。[该成果以香港科技大学Vincent Lau教授，上海大学张舜卿教授和上海科技大学廉黎祥副教授共同指导，上海大学硕士研究生蒋佳琪为第一作者，发表于IEEE Transactions on Wireless Communications，https://ieeexplore.ieee.org/document/10345484].
（a）数据-模型双驱动MDD-LCR非平稳信道估计统一框架；(b) 在基站天线数为16的空域平稳环境下，MDD-LCR方案与传统基线算法的NMSE与SNR性能对比（14×14和28×28导频配置）；(c) 在基站天线数为64的空域非平稳环境下，MDD-LCR方案与传统基线算法的NMSE与SNR性能对比（14×14和28×28导频配置）；(d) 在不匹配的空域平稳和非平稳场景下，MDD-LCR方案、无LCR模块的MDD、ReEsNet以及传统DIGI-YOLO-Newton方法的NMSE与SNR性能对比
进展3：为了有效降低当前移动边缘计算（MEC）的能源成本，研究团队提出了一种基于双时间尺度的在线资源分配和能源管理算法（TSRE），以最大限度地减少基站侧实时能源交易的平均成本和用户的能耗。不同于以往对MEC的研究，本研究特别考虑了由可再生能源和智能电网共同构成的混合供能系统。在资源分配环节，TSRE将动态地调整移动用户的任务卸载时间表、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，研究团队巧妙地结合了李雅普诺夫优化方法与随机亚梯度方法，通过对历史系统和环境参数的精准分析，实现对未来能源需求的精准预测。而在实时的能量决策环节，TSRE则采用了基于拉格朗日对偶和次梯度方法的分布式决策技术。通过将TSRE算法和其余四条基线进行比较，可以得出TSRE在采用预测性能源规划后，可以分别节省7.0%、23.7%、33.7%和20.0%的平均成本，这一成果有力地证明了TSRE算法的高效性和实用性。在本次研究中，TSRE将MEC系统作为智能电网系统中能源管理的一个应用场景，充分展示了通信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信系统的能源成本和碳排放，更为推动绿色通信和可持续发展提供了有力的技术支撑。在未来的工作中，研究团队将用实际设备对所提出的算法进行实验验证，以验证其在真实环境中的性能表现。[该成果以上海大学陈小静副教授为第一作者，合作者为上海大学张舜卿教授，麦考瑞大学Abbas Jamalipour教授，复旦大学王昕教授和上海大学硕士研究生陈思等，发表于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和其余四条基线的平均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播环境会降低信道获取的精度并增加导频开销，为了能在较少的导频开销下得到更准确的信道信息，以此进一步提高通信速率，研究团队通过建立移动性和信道分量之间的变化关系，提出了基于收发端和散射体移动性的单天线信道预测算法和多天线角度预测算法。实验结果表明，对于单天线信道预测，提出的基于移动性的信道预测策略（MICP）在仿真信道数据上相比现有方法在信道状态信息的平均归一化均方误差上实现了大约18 dB的性能增益；在实测信道数据上，MICP策略则分别实现了9 dB和5 dB的性能增益。对于多天线角度预测，提出的基于移动性和信道预测的波束赋形策略（MCPCB）根据预测结果来部署波束赋形，在视距（LOS）和非视距（NLOS）场景中相比稳态预测方法在平均接收功率损耗性能上分别提升了约4 dB和0.7 dB。研究团队还分析和评估了移动性参数估计误差和预测的信道分量均方误差之间的关系，以及预测的信道分量均方误差和接收功率损耗之间的关系。从仿真评估结果来看，对于不同的天线数，更大的天线阵列需要更高的信道分量估计精度。基于LOS和NLOS场景的波束赋形性能结果，研究团队从通信速率的视角对MCPCB策略进行了评估，MCPCB策略相比现有方法可以实现更高的通信传输速率。其中，MCPCB策略的通信速率性能在LOS和NLOS场景中相比稳态预测方法分别提升了7.12%和1.98%。该项研究为车联网高移动性场景中的信道预测任务提供了一种新的有效解决方案。[该成果由上海大学张舜卿教授、姜之源教授和交通大学陈文教授共同指导，上海大学博士研究生生彭飞为第一作者，发表于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结果，(c)对向会车仿真场景中基于不同策略预测的信道状态信息的归一化均方误差结果。
进展5：为应对日益增长的通信需求并减少全网能耗和碳排放，研究团队提出了一种面向节能减排的跨制式融合感知通信系统。该系统包括感知融合、通信融合和边缘协同管控平台三大部分。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主动感知，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方案。其次，通信融合通过自组织Wi-Fi网络和基于软件定义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灵活调用。最后，边缘协同管控平台通过多维数据库和智能管控平台，实现高精度的跨制式网络参数编排以及多维通信数据库构建。团队研究团队在实际系统样机上进行了测试，验证了该系统在深度休眠和跨制式调度策略下分别实现了14%和10%的总能耗降低。这一研究成果在第十八届中国研究生电子设计竞赛中荣获全国二等奖和最佳论文奖，为未来节能减排的跨制式网络设计提供了可靠的验证平台和有效的指导。[该成果由上海大学张舜卿教授指导，上海大学博士研究生余涛、李济宏，硕士研究生周均翼完成]。
(a)高能效跨制式通感系统核心技术总览，(b)通信融合跨制式IP分流传输机制，(c)感知融合主被动定位方案，(d)边缘协同管控平台高精度网络编排，(e-f)深度休眠以及跨制式调度策略降低能耗效果。
以上研究得到了国家重点研发计划项目和国家重点自然科学基金的资助。
