随着5G网络的大规模部署和工业4.0的深入推进，如何实现工厂内机器人的智能化、自主化与高效协同，成为了制约自动化水平提升的关键瓶颈。传统控制方法往往依赖于预设程序，难以应对动态、复杂的仓库环境，且在能耗、实时响应和资源利用效率方面存在不足。与此同时，在无线通信物理层，设备身份认证易受信道环境干扰，多天线系统的频谱效率提升面临硬件成本约束，而新兴的可重构智能表面（RIS）技术则受限于外部供电，难以在偏远或能源受限场景中大规模部署。为了解决这些交织的挑战，推动通信与控制的深度融合，研究人员在多个前沿方向开展了探索。
为了回答上述问题，研究人员进行了多项创新性研究，并得出了具有重要价值的结论。这些成果分别发表在《IEEE Journal on Selected Areas in Communications》和《IEEE Transactions on Wireless Communications》等顶级期刊上。研究表明，通过人工智能（AI）、优化理论和新型调制技术的引入，能够在能效、安全、可靠性和频谱效率等多个维度上取得显著提升，为构建下一代智能、可靠、高效的工业互联网和无线通信系统奠定了理论基础。
研究人员在开展上述研究时，主要运用了以下几个关键技术方法：1. 针对机器人控制，构建了基于深度强化学习（DRL）的数字孪生优化框架，并设计了基于博弈论的云端计算资源分配策略。2. 针对射频指纹识别，提出了Channel2Channel（C2C）算法，并采用一维U-Net网络进行特征提取，结合支持向量机（SVM）进行分类。3. 针对MIMO传输，设计了正交置换矩阵调制（QPMM）方案，并开发了条件最大似然检测（C-MLD）器和基于深度学习的混合检测器以降低复杂度。4. 针对无线供能表面，建立了零能耗可重构智能表面（zeRIS）的系统模型，推导了联合中断概率、联合拦截概率等闭合表达式，并通过仿真分析了不同工作模式的性能。
AI-Powered Digital Twins for Robotic Control in 5G-Enabled Industrial Automation
本研究提出了一个AI赋能的数字孪生框架，用于5G使能的工业自动化中的实时机器人控制。通过将物理机器人与运行在混合边缘-云基础设施上的AI驱动网络孪生紧密集成，并利用5G网络的超高可靠低时延通信（URLLC）能力，数字孪生可与其物理对应体持续同步，以支持预测建模、自适应控制和自主决策。作者构建了一个最小化总能耗的优化问题，并开发了一种基于深度确定性策略梯度（DDPG）算法的深度强化学习（DRL）方法，使机器人能在动态仓库环境中学习高效移动、避碰和任务执行策略。同时，提出了一种博弈论资源分配方案来管理网络孪生AI模型的计算资源。仿真结果表明，该框架在能效、同步性能和资源利用率方面优于现有方法。
Channel2Channel: Toward Robust Radio Frequency Fingerprint Extraction and Identification
本研究提出了Channel2Channel（C2C）框架，旨在缓解物理层设备认证中长期存在的信道干扰挑战。该工作聚焦IEEE 802.11信号，设计了一种基于对数谱的判别性信号表示，并引入了C2C算法，利用对数谱表示的统计特性，仅使用受污染的信号对来训练基于深度学习的特征提取器。采用一维U-Net神经网络作为射频指纹（RFF）提取器，在C2C原则指导下消除信道效应，同时保留可解释的设备特定硬件特征。提取的指纹使用低复杂度线性支持向量机（SVM）进行分类，并结合了跨多接收帧的协同识别机制。真实环境实验表明，该系统使用单信号帧的平均识别准确率达到95.72%，十帧融合后可达99.46%。
Quadrature Permutation Matrix Modulation
本研究介绍了正交置换矩阵调制（QPMM），这是一种索引调制辅助的多输入多输出（MIMO）传输方案，旨在不增加射频（RF）链路数量的情况下提升频谱效率。QPMM扩展了置换矩阵调制（PMM）的概念，通过独立地将复幅度相位调制（APM）符号的同相（I）和正交（Q）分量映射到两个不同的空间置换矩阵上。这种双重空间索引有效地使每个信道使用的空间比特数翻倍。为了解决最优联合最大似然检测（MLD）的过高复杂度，作者提出了条件最大似然检测器（C-MLD），将符号检测与索引检测解耦。分析与仿真表明，所提出的QPMM在频谱效率和误比特率（BER）性能上优于传统PMM。
Secure Wireless-Powered zeRIS Communications
本研究提出并研究了一种安全的无线供能零能耗可重构智能表面（zeRIS）通信系统。与需要外部供电的传统RIS不同，zeRIS采集环境射频能量以支持其运行。作者引入了三种无线供能zeRIS工作模式：模式一，所有反射单元为信息用户优化以最大化可靠性；模式二，所有单元配置为辅助友好干扰用户以增强防窃听安全性；模式三，将zeRIS单元在信息传输和协同干扰间分区以平衡可靠性与安全性。研究定义了联合中断概率（JOP）、联合拦截概率（JIP）和保密能效（SEE）以评估系统性能。结果表明，模式一提供最佳可靠性，模式二提供最强安全性，模式三在整体安全-可靠性权衡上最有利。研究还确定了zeRIS的最佳部署位置。
综上所述，本系列研究针对5G与物联网演进中的关键挑战，从控制系统、身份认证、传输技术和新型器件等多个层面提出了创新解决方案。在工业自动化领域，AI与数字孪生的结合为机器人的实时、能效优化控制提供了新范式。在物理层安全方面，C2C框架为鲁棒的设备指纹识别开辟了新途径，降低了信道干扰的影响。在MIMO传输领域，QPMM方案在不增加硬件成本的前提下提升了频谱效率。在网络架构层面，无线供能的zeRIS概念为实现能量自持续、安全可靠的未来无线网络提供了有前景的解决方案。这些工作不仅通过理论分析和实验验证了所提方案的有效性与优越性，更深入探讨了不同技术路径（如DRL与博弈论、不同zeRIS工作模式）间的性能权衡，为后续研究与实际部署提供了重要的理论依据和设计指导。尤其值得强调的是，这些研究均紧密结合实际应用场景与约束条件（如延迟、能耗、硬件成本），体现了从基础理论创新到解决工程实际问题的鲜明导向。
打赏
