Аннотация результатов, полученных в 2024 году
В [1] представлена схема локализации пользователя в условиях прямой видимости с использованием однородной линейной антенной решётки (ULA), применимая как для ближней, так и для дальней зон. Предложенная схема позволяет вывести аналитические выражения для оценки местоположения пользователя, расстояния и угловых параметров. Метод основывается исключительно на фазовых различиях между пилотными сигналами, принимаемыми соседними антеннами ULA. Благодаря этому схема может быть реализована на основе ULA с использованием аналогового оборудования и одночастотного пилотного сигнала. Также предлагается конкретная конструкция ULA на аналоговой основе. Численные результаты подтверждают теоретические выводы и демонстрируют превосходство предложенного подхода по сравнению с существующими методами локализации и нижней границей Крамера–Рао. С появлением чрезвычайно крупномасштабных MIMO-систем (XL-MIMO) в 6G, благодаря увеличению апертуры антенн и несущей частоты, рэлеевское расстояние существенно возрастает. Это приводит к тому, что пользователи могут находиться как в ближней, так и в дальней зоне. Для создания высокоточных пространственных прекодеров базовая станция должна с высокой точностью оценивать параметры канала, что представляет сложную задачу из-за совмещения ближнеполевых и дальнеполевых эффектов, а также ограниченного количества цифровых радиочастотных цепей в гибридных системах формирования лучей. Для решения этой задачи в [2] предложена рекуррентная нейронная сеть трансформер, предназначенная для оценки параметров канала в приемопередатчиках с гибридной архитектурой, применимой как для ближнего, так и для дальнего поля в ТГц-диапазоне. Показано, что один блок трансформера с состоянием памяти может быть обучен и эффективно использоваться для периодической оценки каналов в гибридных системах. Результаты моделирования демонстрируют значительные преимущества предложенного подхода по сравнению с современными методами, описанными в литературе. [1] N. Zlatanov, M. K. Hanawal, A. Frolov and K. Andreev, "Closed-Form Expressions for LoS User Localization at an Uniform Linear Array Applicable to Both Near-Field and Far-Field," in IEEE Access, vol. 12, pp. 176022-176032, 2024, doi: 10.1109/ACCESS.2024.3505194. [2] D. Artemasov, K. Andreev, A. Frolov, M. K. Hanawal and N. Zlatanov, "Recurrent Transformer Neural Network-Based Hybrid Far- and Near-Field THz Channel Estimation," 2024 IEEE International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON), Novosibirsk, Russian Federation, 2024, pp. 74-79, doi: 10.1109/SIBIRCON63777.2024.10758487.

Аннотация результатов, полученных в 2025 году
В работе [1] мы вносим вклад в интеграцию терагерцовой связи и ультра‑массивных MIMO‑систем (ultra‑massive multiple‑input multiple‑output, UM‑MIMO) в сетях 6G, что обусловлено их потенциалом обеспечивать беспрецедентные скорости передачи данных, снижать перегруженность спектра и повышать общую эффективность сети. Увеличенные апертуры антенн и более высокие несущие частоты в таких системах приводят к росту расстояния Релея, поэтому пользователи могут находиться как в ближней, так и в традиционной дальней зоне. Для точного пространственного предкодирования, таким образом, требуется высокая точность оценки канала на базовой станции, что затрудняется совместным существованием эффектов ближнего и дальнего поля, а также ограниченным числом цифровых трактов в гибридных архитектурах формирования лучей. Для решения этой задачи мы предлагаем блочно‑рекуррентную модель трансформера. Мы показываем, что один блок трансформера с памятью состояния можно один раз обучить, а затем итеративно использовать для оценки гибриднополевого канала. Кроме того, мы обучаем модель так, чтобы она обобщала на радиоканалы с различными расстояниями до рассеивателей, разным числом путей распространения и в широкополосном режиме. Результаты моделирования показывают, что предлагаемый метод обеспечивает выигрыш по нормированной среднеквадратической ошибке (NMSE) порядка 5 дБ и 7,5 дБ по сравнению с передовыми решениями в узкополосном и широкополосном сценариях соответственно. В работе [2] мы предлагаем новый метод предкодирования для каналов без прямой видимости (non‑line‑of‑sight, NLoS), который использует их частотные автокорреляционные свойства для нахождения баланса между частотной избирательностью и устойчивостью. Мы делим рабочую полосу предкодирования на две сильно коррелированные подполосы. Такой подход существенно превосходит традиционное широкополосное предкодирование при увеличении вычислительной сложности лишь в два раза. Кроме того, мы показываем, что для каналов с прямой видимостью (line‑of‑sight, LoS) частотная корреляция монотонно убывает с ростом разности частот (или длин волн), тогда как каналы NLoS демонстрируют периодические частотные корреляционные структуры, для которых мы выводим приближённые теоретические выражения. В работе [3] мы рассматриваем задачу выравнивания лучей (beam alignment) между базовой станцией и пользователем. В системах высокоскоростной подвижной связи, например в системах связи с высокоскоростными поездами, луч между базовой станцией и пользователем часто оказывается смещён, что приводит к значительным накладным расходам. Поэтому эффективное выравнивание лучей является сложной задачей. В статье предлагается новый подход к выравниванию лучей в миллиметроволновых системах связи с высокоскоростными поездами. Основная идея состоит в применении байесовской модели многорукого бандита (Bayesian multi‑armed bandit, MAB) для поиска луча, где лучи рассматриваются как «плечи» бандита. Кроме того, средняя мощность принимаемого сигнала (то есть среднее вознаграждение) по доступным лучам имеет унимодальную структуру. Используя это свойство, мы разрабатываем алгоритм Bayesian‑Best Arm with Unimodality (B‑BAU), который с высокой вероятностью идентифицирует лучшее плечо при заданном бюджете. На основе обширного моделирования мы показываем, что алгоритмы F‑BAU и B‑BAU превосходят современные методы. В работе [4] мы рассматриваем систему, в которой беспроводной передатчик ведёт связь с легитимным приёмником и одновременно передаёт скрытое сообщение скрытому приёмнику, при этом гарантируется, что данная скрытая связь остаётся необнаружимой для третьего приёмника, называемого наблюдателем (warden). Рассматриваемая система относится к классу беспроводных систем с неортогональным множественным доступом (non‑orthogonal multiple access, NOMA). Для этой NOMA‑системы мы показываем, что полная скрытность достижима, то есть вероятность ошибки обнаружения у наблюдателя равна единице, при использовании искусственного шума, генерируемого на передатчике. В зависимости от мощности, выделяемой на искусственный шум, возникает компромисс между скоростью передачи данных на легитимный приёмник и скрытой скоростью передачи на скрытый приёмник при сохранении полной скрытности. [1] D. Artemasov, A. Shmatok, K. Andreev, A. Frolov, M. K. Hanawal and N. Zlatanov, "Recurrent Transformer-Based Near-and Far-Field THz Wideband Channel Estimation for UM-MIMO," in IEEE Access, vol. 13, pp. 205396-205411, 2025, doi: 10.1109/ACCESS.2025.3639689 [2] T. Basieva, Y. Zongdi and N. Zlatanov, "LOS/NLOS Diagnostics by Frequency Auto-Correlation Patterns of MIMO/MISO Channel," 2025 27th International Conference on Digital Signal Processing and its Applications (DSPA), Moscow, Russian Federation, 2025, pp. 1-6, doi: 10.1109/DSPA64310.2025.10977928. [3] D. Ghosh, M. K. Hanawal and N. Zlatanov, "Fixed Budget Bayesian Best Arm Identification in Unimodal Bandits," 2025 17th International Conference on COMmunication Systems and NETworks (COMSNETS), Bengaluru, India, 2025, pp. 748-756, doi: 10.1109/COMSNETS63942.2025.10885731. [4] N. Zlatanov, “Complete Covertness In NOMA Using Artificial Noise”, accepted at the 2025 XIX International Symposium on Problems of Redundancy in Information and Control Systems (Redundancy), Nov. 2025.