基于模式聚类的多域联合调制技术研究

Space-time-frequency based multi-domain joint modulation (STF-MDM) is a new class of multi-dimensional modulation transmission techniques. Compared with single-domain modulation, it is capable of obtaining joint gain from multi-domain resources, and hence it constitutes a promising transmission candidate for future wireless applications.. In this project, we will study pattern clustering aided STF-MDM theory and techniques. Firstly, we will investigate the characteristics of different pattern clustering algorithms in multi-domain signal detection, and develop the intelligent detector with self-learning ability. Then, we will focus our attention on the novel analysis frameworks for the proposed detector, for achieving the performance metrics. Finally, we will consider various link adaptation algorithms for transmit signals based on pattern clustering and investigate the joint optimizations of the transmitter and receiver, in order to form a better system design and architecture for transmission. Through these research works, the benefits of machine learning algorithm in multi-domain resource mining can be revealed and they provide support for intelligent multi-domain joint transmission. The related research results are capable of applying to the next generation of intelligent wireless communication, hence have both theoretical and economical importance.

空-时-频多域联合调制是一种新型的多维调制传输手段，其相比单域调制能获得多域资源的联合增益，是一类富有前景的技术。.本项目旨在探索基于模式聚类的空-时-频多域联合调制理论和技术。首先，研究不同模式聚类算法在多域信号检测上的特性，发展具有自我学习能力的智能检测器；其次，研究所提新型检测算法的理论性能分析框架；最后探索基于模式聚类的发射信号智能优化算法，研究收发两端的联合智能优化，以形成传输性能更优的系统设计和架构。通过这些研究，可以揭示机器学习算法在多域资源挖掘利用上的潜力，为智能型多域联合传输提供支撑。.本项目的研究成果有望应用于下一代智能无线通信中，具有重要的理论和经济价值。

在本项目的研究中，主要开展多域联合无线通信系统信号智能处理与优化，聚焦空域、时域、频域、极化域和功率域等多域资源的智能挖掘与联合利用，首先提出了新型多域联合调制模型，发展了一系列灵活高效的多域资源配置方案，突破了传统方案实现成本和普适性局限，显著提高了资源使用效率。项目中面向高频无线传输场景，提出了面向太赫兹和可见光索引多域调制、面向毫米波的波束序号调制以及面向6G复杂场景的广义多天线索引调制等多类新型方案，可有效提升系统传输性能。其次，针对军事通信中安全性要求，创新地发展了多域联合隐蔽无线传输理论，提出了序号调制和相关域传输的新范式，大幅度提高了军事通信的保密容量等指标；再次，针对上述考虑的不同场景，分别设计了智能型多域信号检测和信号优化方案，解决了多域信号混叠和快速联合优化难题，形成了传输性能更优的系统设计和架构，揭示了多域联合传输与人工智能算法结合的巨大潜力。通过本项目的研究，初步探明了小样本、极简的极端学习算法、分布式联邦学习算法、自进化深度神经网络等先进机器学习算法在多域联合调制优化设计中潜能，并从机器学习设计出发，尝试突破现有的经典机器学习算法框架，在算法的自主性、低成本等方面进行了探索。.相关研究成果揭示了机器学习算法在无线多域资源利用上的优势，为智能无线万物互联突破提供支撑。本项目的研究成果有望应用于下一代智能无线通信中，具有重要的理论和经济价值.