摘要 —可重构智能表面(RIS)是一种新兴的超表面,可通过反射信号提供额外的通信链路,并被认为是 6G 移动通信系统的有力候选者。同时,最近人们承认,将人工智能(AI)应用于 RIS 通信将大大有利于重构能力并增强对复杂传输环境的鲁棒性。除了传统的模型驱动方法外,AI 还可以通过挖掘真实数据的固有特性以数据驱动的方式处理现有的信号处理问题。因此,AI 特别适合在模型不匹配、资源不足、硬件受损以及动态传输等不理想情况下的 RIS 网络上的信号处理问题。作为最早的调查论文之一,我们将介绍 AI 和 RIS 的融合,称为 AIRIS,涉及各种信号处理主题,包括环境感知、信道采集、波束成形设计和资源调度等。我们还将讨论 AIRIS 面临的挑战并提出一些有趣的未来方向。
我要向大家表示衷心的感谢,感谢大家对我的支持和指导,帮助我完成了这篇论文。特别感谢我的论文指导老师,同时也是 SONDRA 的主任 Marc Lesturgie,感谢他在艰难的四年里为这篇论文付出的宝贵时间、指导和监督。还要真诚地感谢南洋理工大学淡马锡实验室的孙洪波。在整个过程中,他都是我技术指导和动力的重要来源。还要感谢冯洪川在进行地面移动无源雷达实验试验中提供的后勤支持。接下来,我要感谢南洋理工大学淡马锡实验室资助我的博士学位,让我有机会在巴黎的 SONDRA 实验室度过大部分的候选时间。我在巴黎度过了充实而难忘的三年,当然,如果没有 SONDRA 实验室和 Supélec 其他优秀员工的帮助,这一切都不可能实现。我要特别感谢 Anne Hélène Picot 在我逗留期间给予我的行政支持。还要衷心感谢 SONDRA 实验室乐于助人的同事,感谢他们不断给予我物质和精神上的支持。在这难忘的岁月里,我要向所有人致以最诚挚的谢意!当然,我也不会忘记南洋理工大学淡马锡实验室乐于助人的同事。非常感谢你们!最后,我还要向我最亲爱的父母和两个姐姐表示最诚挚的谢意,感谢他们在我整个教育生涯中给予我的鼓励。我不可能完成这个博士学位。没有他们持续不断和不可估量的支持,我不可能获得学位。他们的爱和支持帮助我度过了完成这项工作的困难时期和挑战。
IEEE 信号处理杂志 (ISSN 1053-5888) (ISPREG) 由电气和电子工程师协会每两个月出版一次,地址为 3 Park Avenue, 17th Floor, New York, NY 10016-5997 USA (+1 212 419 7900)。内容的责任由作者承担,而不是 IEEE、协会或其成员。会员年费包含在协会费用中。非会员订阅可根据要求提供。个人副本:IEEE 会员 20.00 美元(仅限第一份副本),非会员每份 246 美元。版权和转载许可:允许摘录,但需注明来源。图书馆可以在美国境外复印。供顾客私人使用的版权法:1)1977 年之后的文章,其第一页底部带有代码,但每份费用通过版权许可中心支付,地址为 222 Rosewood Drive, Danvers, MA 01923 USA;2)1978 年之前的文章无需付费。教师可以免费复印单独的文章用于非商业课堂用途。对于所有其他复制、重印或转载许可,请写信至 IEEE 服务中心,地址为 445 Hoes Lane, Piscataway, NJ 08854 USA。版权所有 © 2020 电气和电子工程师协会。保留所有权利。期刊邮资在纽约州纽约市和其他邮寄办公室支付。邮政局长:请将地址变更发送至 IEEE Signal Processing Magazine, IEEE, 445 Hoes Lane, Piscataway, NJ 08854 USA。加拿大 GST #125634188 在美国印刷。
脑电图 (EEG) 信号在临床和研究环境中得到广泛应用。使用头皮安装的 EEG 传感器测量大脑中大量神经元产生的电活动。因此,我们可以获得有关各种认知和情绪状态下大脑活动的信息。由于能够提供此类信息,EEG 信号可用于监测警觉性和心理参与度、调查慢性病以及作为生物反馈或辅助设备的信号等应用。该领域的创新推动了信号处理方法的进步,并开发了从脑机接口 (BCI) 到神经营销等新应用。EEG 信号可以在时间、频率或空间域中进行处理,从而提供多维方法来解释大脑活动。除了提供宝贵的信息外,EEG 信号还具有以高速捕获复杂神经模式的优势。作为一种可靠、便携且无创的测量大脑电活动的方法,EEG 是经济实惠且实用的研究的核心方法,也是有前途的临床医疗保健工具。本期特刊重点介绍生物医学工程应用的 EEG 信号处理,其中收录了原创研究、交流和评论论文,展示了广泛的方法和应用。15 篇论文涉及各种信息丰富的主题。这些主题包括研究 EEG 传感器开发的物理创新,以及针对癫痫、脊髓损伤和肌萎缩侧索硬化症 (ALS) 患者等临床人群的研究。本期特刊探讨了许多新颖的 EEG 信号处理策略和分析技术。
赵晗就职于清华大学北京国家信息科学技术研究中心集成电路学院,北京 100084,中国,同时也就职于哈尔滨工业大学微电子科学与技术系,哈尔滨 150001。电子邮件:1172100403@stu.hit.edu.cn。刘正武就职于清华大学北京国家信息科学技术研究中心集成电路学院,北京 100084,中国。电子邮件:liuzw18@mails.tsinghua.edu.cn。唐建石、高斌、钱赫和吴华强就职于清华大学北京国家信息科学技术研究中心集成电路学院,北京 100084,中国,同时也就职于清华大学北京未来芯片创新中心,北京 100084。电子邮件:f jtang, gaob1, qianh, wuhq g @tsinghua.edu.cn。张玉峰就职于哈尔滨工业大学微电子科学与技术系,哈尔滨 150001,中国。电子邮件:yufeng zhang@hit.edu.cn。Ž 赵涵和刘正武对本文贡献相同。通讯作者。稿件收到日期:2021-02-27;修订日期:2021-06-15;接受日期:2021-06-27。
大规模结构化数据(尤其是与网络和图形等复杂领域相关的数据)的有效表示、处理、分析和可视化是现代机器学习的关键问题之一。图信号处理 (GSP) 是信号处理模型和算法的一个活跃分支,旨在处理图形支持的数据,它为应对这一挑战开辟了新的研究途径。在本文中,我们回顾了 GSP 概念和工具(例如图形过滤器和变换)对新型机器学习算法开发的一些重要贡献。具体来说,我们的讨论集中在以下三个方面:利用数据结构和关系先验、提高数据和计算效率以及增强模型的可解释性。此外,我们为 GSP 技术的未来发展提供了新的视角,这些技术可能成为应用数学和信号处理与机器学习和网络科学之间的桥梁。这些不同学科之间的相互影响可能有助于解决现代复杂数据分析的诸多挑战。
关于IIITDM Kancheepuram,研讨会将由印度信息技术设计与制造学院(IIITDM Kancheepuram)的电子与通信工程部组织。这是印度政府人力资源发展部于2007年成立的技术教育和研究卓越中心。追求设计和制造业的工程教育和研究,并促进印度产品在全球市场中的竞争优势。该研究所目前提供UG,PG和Ph.D.计算机工程,电子和通信工程和机械工程计划
1 色萨利大学,拉米亚,希腊 2 怀卡托大学,汉密尔顿,新西兰 3 双威大学,班达尔双威,马来西亚 4 南乌拉尔国立大学,车里雅宾斯克,俄罗斯 5 考文垂大学,考文垂,英国 6 牛津大学,牛津,英国 7 代尔夫特理工大学,代尔夫特,荷兰 8 马德里卡洛斯三世大学,莱加内斯,西班牙 9 帕维亚大学,帕维亚,意大利 10 米兰理工大学,米兰,意大利 11 比雷埃夫斯大学,比雷埃夫斯,希腊 12 格拉茨理工大学神经工程研究所,格拉茨,奥地利 13 隆德大学,斯科讷大学医院,隆德,瑞典 14 塞萨洛尼基亚里士多德大学,塞萨洛尼基,希腊 15 天津大学,天津,中国 16 萨尔茨堡大学,萨尔茨堡,奥地利 17波兰奥尔什丁的 Warmia and Mazury 公司 18 中国武汉大学 19 美国宾夕法尼亚州立大学 20 德国卡尔斯鲁厄理工学院 (KIT) 21 英国纽卡斯尔 Castolin Eutectic-Monitor Coatings Ltd 22 中国上海交通大学 23 美国俄亥俄州克利夫兰凯斯西储大学 24 新西兰奥克兰梅西大学
1 色萨利大学,拉米亚,希腊 2 怀卡托大学,汉密尔顿,新西兰 3 双威大学,班达尔双威,马来西亚 4 南乌拉尔国立大学,车里雅宾斯克,俄罗斯 5 考文垂大学,考文垂,英国 6 牛津大学,牛津,英国 7 代尔夫特理工大学,代尔夫特,荷兰 8 马德里卡洛斯三世大学,莱加内斯,西班牙 9 帕维亚大学,帕维亚,意大利 10 米兰理工大学,米兰,意大利 11 比雷埃夫斯大学,比雷埃夫斯,希腊 12 格拉茨理工大学神经工程研究所,格拉茨,奥地利 13 隆德大学,斯科讷大学医院,隆德,瑞典 14 塞萨洛尼基亚里士多德大学,塞萨洛尼基,希腊 15 天津大学,天津,中国 16 萨尔茨堡大学,萨尔茨堡,奥地利 17 瓦尔米亚大学和波兰奥尔什丁马祖里公司 18 武汉大学,中国武汉 19 宾夕法尼亚州立大学,美国宾夕法尼亚州立大学帕克分校 20 卡尔斯鲁厄理工学院 (KIT),德国卡尔斯鲁厄 21 Castolin Eutectic-Monitor Coatings Ltd,英国纽卡斯尔 22 上海交通大学,中国上海 23 凯斯西储大学,美国俄亥俄州克利夫兰 24 梅西大学,新西兰奥克兰