近日，我院教师在人工智能领域国际权威学术期刊IEEE Transactions on Wireless Communications（IF=10.7）和IEEE Transactions on Cybernetics（IF=10.5）连续发表3篇、题分别为“Distance Maximization Constraints “LoBee: Bidirectional Communication between LoRa and ZigBee based on Physical-Layer CTC（DOI:10.1109/TWC.2025.3556552）”、“Cracking the Code: LoRa Physical-Layer Insights and Signal Recovery under Cross-Technology Interference（DOI:10.1109/TWC.2025.3574576）和“Robust Multiple Flat Projections Clustering with Truncated Distance Maximization Constraints” DOI:10.1109/TCYB.2025.3553033）的研究论文。我院为该成果的第一完成单位，博士生杨杰和高德民副教授分别为该论文的第一作者。

       研究成果《LoBee: Bidirectional Communication between LoRa and ZigBee based on Physical-Layer CTC》提出了LoBee，一种基于物理层跨技术通信（CTC）的创新框架，实现了LoRa与ZigBee之间的双向通信。面对两者在调制方式、数据率、传输距离等物理特性上的巨大差异，LoBee设计了特定信号处理与调制解调机制，使ZigBee设备可通过RSS（接收信号强度）检测识别LoRa的chirp信号，同时通过构造特定ZigBee调制波形，使LoRa设备可解调ZigBee信号。 

       研究成果《Cracking the Code: LoRa Physical-Layer Insights and Signal Recovery under Cross-Technology Interference》主要聚焦于LoRa在2.4 GHz频段下的物理层信号恢复问题，尤其是在存在跨技术干扰（Cross-Technology Interference, CTI）的场景中。作者首先对LoRa物理层的调制与解调机制进行了系统建模和深入解析，并在GNU Radio平台上实现了完整的LoRa物理层系统。论文提出了一种名为LoRaSR的新型信号恢复方法，旨在在ZigBee等异构技术干扰下实现LoRa信号的准确恢复。其核心机制包括频谱合并技术，用于在解调阶段保持叠加信号峰值的相位一致性，从而减小谱泄漏；同时引入波形重建机制，通过恢复被干扰部分的LoRa调制波形，实现数据的可靠还原。

       研究成果《Robust Multiple Flat Projections Clustering with Truncated Distance Maximization Constraints》提出了一种鲁棒多平面投影聚类（RMFPC）方法。该方法提出了一种截断距离最大化约束（TDMC）通用形式，并将其引入特征提取模型，进而有效减少类别边界噪声对聚类可分性的负面影响。最后，设计了一种非贪婪优化策略，对目标问题进行优化，并结合聚类中心优化机制，以准确估计各聚类中心的分布。在林冠叶面积指数估算等实际应用中的实验验证结果表明，所提出的RMFPC在计算复杂度、聚类准确度以及归一化互信息关键性能指标上显著优于现有方法。该研究所提出的TDMC具有通用性，可以应用于分类和特征提取任务，为鲁棒算法设计提供了思路。