HD-WCMC-SI-未来无线网络中联合感知和定位的人工智能技术

可以预见，未来的无线通信将更多地由数据驱动。鉴于在移动边缘云、波束成形和人工智能技术的帮助下具有大带宽的新频段为联合传感和定位带来了许多机会。可以为机动车辆、无人机、机器人、健康监测等创建固定和移动短程自组织点对点通信。通过将传感和定位相结合，可以通过由以下人员收集的复杂高维数据创建此类新应用。观察。

在无线网络中，在高精度厘米级用户定位方面存在挑战。以前，用于本地化的机器学习方法主要集中在使用回归和数据分类的某种形式的监督学习策略上。当获取的数据是嘈杂的、具有非线性特征的多模态时，机器学习技术不适用。由于端到端学习、预测和决策的能力，人工智能技术已经大受欢迎。人工智能方法可以同时对复杂的无线电信号特征进行建模并融合许多传感器输入。然而，挑战主要是缺乏标记数据。

本期特刊旨在汇集原创研究和评论文章，讨论未来无线网络中用于联合感知和定位的人工智能技术。邀请工业界和学术界的专家和研究人员通过原创研究文章提交他们的创新想法和实践。其目的是提出挑战和研究方向的综合集合，以促进将传感和定位组合到更可靠的六代 (6G) 移动无线网络。

主题包括但不限于以下内容：

• 一致的传播模型
• 被动和主动传感方法
• 用于定位的源和检测器
• 波形设计和信道估计
• 芯片技术提高了输出功率和效率
• 用于精确传感和定位的节能技术
• 在线学习和自适应模型
• 优化算法
• 计算资源优化
• 用于增强映射和定位的智能反射表面
• 光束空间处理以提高精度
• 认知无线电技术
• 用于传感和定位的安全和隐私算法
• 到达和离开角估计的传感模型
• 本地化指标