我院“大数据与人工智能”团队在中国计算机学会(CCF) 推荐的A类国际学术期刊IEEE Transactions on Mobile Computing (TMC) 发表题为“Physical Layer Cross-Technology Communication Via Explainable Neural Networks”（DIO: 10.1109/TMC.2024.3480109）的研究论文。我院硕士研究生王浩宇为该论文的第一作者，计算机科学与工程系高德民副教授为通讯作者。 

图 NNCTC设计概述

       物联网设备的激增使得不同技术间的频谱干扰愈加严重，特别是在2.4GHz频段。跨技术通信（CTC）旨在直接连接不同无线技术，但传统CTC方法通常需要复杂的算法和特定的技术设计，导致实现难度较大。为此，作者提出基于神经网络实现的CTC，即NNCTC。NNCTC通过神经网络的强大学习能力，自动学习跨技术通信仿真流程关键参数，不需要手工实现CTC。这一框架让设备可以自主学习最佳的CTC通信载荷，从而大大简化开发过程。尤其是在Wi-Fi到ZigBee的通信中，NNCTC展示出优异的性能，相较于传统的WEBee和WIDE设计，NNCTC的包接收率（PRR）达到92.3%，符号误码率（SER）低至1.3%。

       这研究在基础的NNCTC框架（OFDM到ZigBee）之上，继续补充了基于CCK到ZigBee和BLE的CTC通信，进一步完善了NNCTC的设计。通过大量实验验证，作者所提出的设计在符号误码率（SER）、数据包接收率（PRR）等关键性能指标上要显著优于传统CTC方法。该研究的推出标志着跨技术通信进入了智能化、自动化的新阶段。借助神经网络技术，这一解决方案不仅简化了跨技术通信的设计，还极大提升了性能，为物联网领域的设备互联带来了更多可能性。

高德民/文  业巧林/审核