人工智能（AI, artificial intelligence）与通信技术的深度融合是6G网络的典型特征。一方面，AI为6G网络发展注入了新动力，能够有效利用网络运行产生的历史数据，使网络具备自维护、自优化的功能，加速了网络智能化进程。另一方面，6G网络丰富的场景和大规模的物联设备入网应用为AI提供了广阔的应用渠道和海量的训练数据，使AI能够更好地训练和部署，充分发挥AI的内在优势，为用户提供更加优质的智能服务。尽管如此，在一些实际应用中，受复杂环境的影响，存在数据样本收集困难、收集成本高和样本普适性不足等问题，难以充分发挥AI的性能优势。为此，学术界和工业界将生成对抗网络（GAN, generative adversarial network）引入无线网络的设计中，利用GAN强大的特征学习和特征表达能力产生大量模拟实际的生成样本，实现无线数据库的扩充，从而有效提升面向无线网络的AI模型的泛化能力。由于其优秀的性能表现，以GAN为代表的生成式模型在无线网络领域受到越来越多的关注，并迅速发展成为6G网络新的研究热点。首先，综述了GAN的原理及其改进衍生模型，对各种衍生模型的框架及优缺点进行了分析归纳；然后，综述了这些模型在无线网络领域的研究及应用现状；最后，面向6G网络的需求展望了GAN在6G网络中的研究趋势，为未来的研究提供了一些有价值的探索。

智能反射面（IRS, intelligent reflecting surface）被认为是下一代移动通信的核心技术，其在增强网络覆盖、频谱效率、能源效率和部署成本方面具有显著优势。空中智能反射面（AIRS, aerial intelligent reflecting surface）结合了空中平台的高移动性和智能反射面提供的优质链路特性，可以有效解决复杂通信场景中基站与用户之间易受障碍物阻挡的问题，从而增强网络覆盖。针对AIRS辅助的多用户大规模多输入多输出（MIMO, multiple input multiple output）系统，研究了基站波束成形、AIRS部署位置与相移设计的联合优化问题。在已知统计信道状态信息（CSI, channel state information）的条件下，提出了一种基于块坐标下降（BCD, block coordinate descent）的系统遍历和速率优化方案。首先，建立了一个联合优化基站端波束成形、AIRS的部署位置与AIRS相移的复杂优化模型。其次，通过BCD算法，将非凸优化问题解耦成3个易于处理的子问题。最后，分别采用拉格朗日乘子法、松弛变量法和RMSProp梯度下降算法求解子问题。仿真结果表明，所提出的优化方案有效地提高了系统的遍历和速率，并且具有较好的收敛性。

研究了无人机（UAV, unmanned aerial vehicle）与蜂窝网络共存下的无线通信资源分配和优化方案。为了提高网络频谱利用率，无人机用户以全双工（FD, full duplex）或半双工（HD, half duplex）设备对设备（D2D, device-to-device）技术复用蜂窝频谱资源接入网络。此外，构造了一个联合接入控制、模式选择、功率控制和资源分配优化问题最大化网络的整体吞吐量，并保证无人机用户和地面蜂窝用户的服务质量要求。为解决这个问题，首先利用凸优化的第一阶段方法分别对全双工和半双工两种设备对设备模式进行接入控制和可行性判定。然后，对可接入无人机用户对使用凸凹过程（CCCP, convex and concave procedure）迭代算法求解功率控制问题。利用该局部最优值，原优化问题可以简化为加权最大化问题。最后，通过库恩-芒克斯（KM, Kuhn-Munrkes）算法对最优信道资源进行匹配，获得系统的全局最优吞吐量值。数值结果表明，所提方案能显著提高系统性能。

基于智能手机的室内定位在研究和工业领域都引起了相当大的关注。然而在复杂的定位环境中，定位的准确性和鲁棒性仍然是具有挑战性的问题。考虑到行人航位推算（PDR, pedestrian dead reckoning）算法被广泛配备在最近的智能手机上，提出了一种基于双延迟深度确定性策略梯度（TD3, twin delayed deep deterministic policy gradient）的室内定位融合方法，该方法集成了Wi-Fi信息和PDR数据，将PDR的定位过程建模为马尔可夫过程并引入了智能体的连续动作空间。最后，与3个最先进的深度Q网络（DQN, deep Q network）室内定位方法进行实验。实验结果表明，该方法能够显著减少定位误差，提高定位准确性。

在复杂网络中准确识别影响力节点，对网络管理和网络安全至关重要。局部中心性方法简明易用，但忽略了邻居节点间的拓扑关系，不能提供全局最优结果。提出了一种关联节点连边关系和拓扑结构的重要节点评估方法，该方法首先综合应用H指数和信息熵对节点进行评估，在此基础上代入节点的结构洞特征，即在关注节点自身质量和邻居节点信息量的同时，考虑了其“桥接”属性。采用疾病传播模型对算法进行验证，应用肯德尔（Kendall）相关系数、互补累积分布函数以及传播影响力来验证算法的有效性与适用性。在6个真实网络数据集上的仿真结果表明，在识别和排序网络中的关键节点上，所提方法比传统中心性方法更准确。

为提升非正交多址接入（NOMA, non-orthogonal multiple access）网络的鲁棒性并减少其能量消耗，考虑了收发器的硬件损伤（HWI, hardware impairment）和非完美的信道状态信息（CSI, channel state information），提出了智能反射面（IRS, intelligent reflecting surface）辅助的NOMA网络传输功率最小化算法。考虑了用户服务质量（QoS, quality of service）约束、串行干扰消除约束以及IRS的反射相移约束，基于HWI和非完美CSI建立了基站主动波束成形和IRS被动波束成形联合优化问题模型。为求解该非凸优化问题，首先利用线性近似和S-Procedure方法对QoS约束进行转换，然后将优化问题分解为两个子问题，并且利用逐次凸逼近（SCA, successive convex approximation）方法求解主动波束成形子问题，利用惩罚凸凹过程算法求解被动波束成形子问题，最后利用交替优化将子问题交替迭代得到最终解。仿真结果表明，在传输功率方面，所提算法比正交多址鲁棒算法降低了17.05%；在系统鲁棒性方面，所提算法相较于HWI鲁棒算法和CSI鲁棒算法，分别提升了20.69%和31.14%。

针对基于广播通信的车辆状态更新网络，采用最小时间戳优先的D/Geo/1/1排队系统模型传输数据包，利用排队论分析了接收端的信息年龄（AoI, age-of-information）中断概率和发送端的平均发送功率，根据AoI中断概率随数据包采样速率和发送功率变化的单调性，提出了基于迭代的采样速率和发送功率联合优化算法，通过采样与功率控制在功率受限的条件下最小化所有接收端中的最大AoI中断概率，实现了接收端信息新鲜度的公平提升。仿真结果验证了理论分析的准确性和算法的高效性。

车联网环境下，边缘服务器的放置位置与部署数量直接影响到边缘计算的效率。由于在宏基站或基站上部署大型边缘服务器的成本较高，可以在微基站上部署一个小型边缘服务器作为补充，并通过优化大型边缘服务器的放置位置来降低成本。为了最小化边缘服务器的部署代价和服务延迟、最大化运营商的收入和服务器负载均衡度，把边缘服务器放置问题与车联网用户应用服务放置问题联合建模为一个多目标优化问题，并提出了基于改进型NSGA-Ⅱ算法的放置方案。实验结果表明，提出的边缘服务器放置方案能够降低约44%的边缘服务器部署成本，降低约14.2%的时延，提升24.2%的运营商收入，具有较好的应用价值。

近年来，通信技术的持续演进导致通信网络的能耗显著增加。随着人工智能（AI, artificial intelligence）技术与算法在通信网络中的广泛应用和深度部署，未来6G智能通信网络架构和技术演进将对通信网络的节能减排带来更为严峻的挑战。基于边缘计算和分布式联邦学习的联邦边缘智能（FEI, federated edge intelligence）网络已被普遍认为是实现6G网络内生智能的关键路径之一。然而，如何评估和优化联邦边缘智能网络的综合碳排放量仍然是一大难题。为解决该问题，首先，提出了一种联邦边缘智能网络碳排放评估框架和方法。其次，基于该评估框架和方法提出3种联邦边缘智能网络碳排放优化方案，包括动态能量交易（DET, dynamic energy trading）、动态任务分配（DTA, dynamic task allocation）和动态能量交易与任务分配（DETA, dynamic energy trading and task allocation）。最后，通过自行搭建的真实硬件平台，并利用真实世界的碳强度数据集进行联邦边缘智能网络生命周期碳排放仿真。实验结果表明，3种优化方案均能在不同场景和约束条件下显著减少联邦边缘智能网络的碳排放，为下一代智能通信网络的可持续发展和实现绿色低碳6G网络提供了依据。

随着无线感知技术的发展，基于Wi-Fi的身份识别研究在人机交互和家居安防等领域备受关注。尽管基于Wi-Fi信号的身份识别已经取得了初步的成功，但是目前主要适用于用户独立行为场景，并发行为下的多用户身份识别仍然面临着一系列挑战，包括用户之间的相互干扰以及模型鲁棒性差等问题。因此，提出了一种并发行为下多用户身份识别系统Wiblack，其核心思想是训练一个多分支深度神经网络（Wiblack-Net）来提取每个单用户的独特特征。首先，利用主干网络提取多用户之间的共同特征；然后，为每个用户分配一个二分类器以此判断给定群体中是否存在目标用户，在此基础上基于并发行为实现多个用户身份识别。此外，将Wiblack与多个独立的二分类模型和单个多分类模型进行对比实验，对运行效率和系统性能进行分析。实验结果显示，在同时识别3个用户身份时，Wibalck平均准确率达到了92.97%，平均精确度为93.71%，平均召回率为93.24%，平均F1值为92.43%。

为解决海量机器类通信（mMTC, massive machine type communications）场景下，机器类通信设备（MTCD, machine type communication device）采用传统随机接入方案时，往往出现网络严重拥塞，导致大量MTCD无法成功接入网络问题，提出了一种基于前导码重传辅助的动态接入类别限制（PRT-ACB, preamble retransmission access class barring）方案。利用MTCD的前导码重传次数，将每个随机接入机会（RAO, random access opportunity）中尝试发起接入的MTCD划分为高、低优先级，结合每个RAO中负载数估计模型，分别为其设定随每个RAO中的接入负载动态变化的高、低优先级限制因子和可用前导码池，使更多MTCD能在未达到最大前导码传输次数前成功接入网络。仿真结果表明，所提方案能有效提升MTCD的接入成功概率，降低MTCD接入网络所需时延。所提方案可以作为缓解海量通信设备同时接入网络造成拥塞的一种解决方案。

基于可重构智能表面（RIS, reconfigurable intelligent surface）的安全认知无线电（SCR, secure cognitive radio）系统均假设次用户（SU, secondary user）和主用户（PU, primary user）在基站（BS, base station）的同一侧，仅能够实现通信区域的部分覆盖，限制了RIS部署的灵活性和有效性。为了解决上述问题，提出了一种新的基于同时透射和反射表面（STARS, simultaneously transmitting and reflecting surface）的SCR系统。在该系统中， STARS能够实现通信区域的全覆盖，利用透射波束成形向量提高SU的接收信号强度，同时利用反射波束成形向量降低SU对PU的干扰，为SCR系统的设计提供了新的优化自由度（DoF, degree of freedom）。考虑SU保密率约束、PU干扰功率约束（IPC, interference power constraint）和STARS透射/反射参数约束，从降低系统总功耗角度出发，以最小化BS发射功率为目标，构建BS主动波束成形向量和STARS透射/反射波束成形向量联合优化问题。这一最小化问题是变量耦合非凸问题，很难直接求解，提出了基于凸差松弛（DCR, difference-of-convex relaxation）方法和顺序秩一约束松弛（SROCR, sequential rank-one constraint relaxation）方法的交替优化（AO, alternating optimization）算法，联合设计BS主动波束成形向量和STARS透射/反射波束成形向量。仿真结果表明，所提算法具有良好的收敛性能，能够有效降低SU对PU的干扰，且与传统RIS、随机相位、最大比传输（MRT, maximum-ratio transmission）和等能量分裂（Equal ES, equal energy splitting）方案相比，BS发射功率分别降低了8.3%、15.4%、5.9%和5.3%。

设计了一种小型化超高频（UHF, ultra-high frequency）射频识别（RFID, radio frequency identification）标签天线。该天线由内外两个方形螺旋谐振器短接构成，通过改变外圈螺旋谐振器的边长和内外圈螺旋谐振器的间距，可以有效调节标签天线的谐振频率。仿真结果表明，标签天线阻抗匹配良好，频带范围覆盖整个超高频频段（840～960 MHz），总尺寸为7.60 mm×7.60 mm×0.05 mm，比传统螺旋谐振器（SR, spiral resonator）天线小96%。测试结果表明，在4 W有效全向辐射功率条件下，标签天线在910 MHz处读取距离达到最大。所提小型化超高频射频识别标签天线具有尺寸小、频带宽、成本低和易于批量制作的特点，适用于对尺寸要求较小的应用环境。

考虑到实际通信应用中不能实现完美的串行干扰消除（SIC, serial interference cancellation），研究了不完美SIC情况下多个智能反射面（RIS, reconfigurable intelligent surface）辅助的非正交多址接入（NOMA, non-orthogonal multiple access）系统的中断性能和吞吐量。联合考虑直射链路和反射链路，利用Gamma分布近似表征多RIS辅助NOMA系统的信道系数，推导出用户中断概率的近似闭合表达式，并通过Monte-Carlo仿真进行验证，分析系统中断性能与不完美SIC、RIS个数及反射单元数等因素的关系。仿真结果表明，与单RIS辅助的NOMA系统和传统NOMA系统相比，在给定中断概率要求下，多RIS辅助系统所需的信噪比（SNR, signal-to-noise ratio）降低了14.2 dBm，说明了采用多个RIS可以有效地提升用户的中断性能和系统吞吐量，从而补偿不完美SIC带来的性能损失。