Springer Nature旗下新刊资讯，涵盖各学科研究，定期更新，欢迎阅读关注，不错过最新学术动态！
期刊介绍
Nature Portfolio旗下的新刊npj Wireless Technology已于2025年11月正式上线。本期推送中，我们为读者总结了npj Wireless Technology 在2026年4月中和5月发布的八篇高质量文章，分别为《面向直连设备联合通信与定位服务提供的B5G 非地面网络：第一部分——系统场景与架构》、《面向直连设备联合通信与定位服务提供的B5G 非地面网络：第二部分——系统性能分析》、《面向 MIMO 无线系统的基于多域 CSI 深度注意力网络的室内定位》、《近场阵列模糊函数中的混叠：一种空间频域框架》、《一种利用有限蜂窝信息进行定位的量子算法》、《XP-HARQ 辅助 NOMA 的速率自适应：一种去中心化多智能体深度强化学习视角》、《分布式多传感器 ISAC》，以及《从联邦学习到 X-Learning：通过随机游走突破去中心化的边界》。这些文章围绕非地面网络、室内定位、近场阵列、量子定位、NOMA增强、非正交多址、分布式通感一体化以及新型分布式学习架构等前沿方向展开，为6G系统设计、感知通信融合以及智能网络优化提供了重要的理论框架、性能分析和创新方法。
研究性论文
面向直连设备联合通信与定位服务提供的B5G 非地面网络：第一部分——系统场景与架构
Beyond 5G non terrestrial networks for direct-to-device joint communication and positioning services provision: Part I—system scenarios and architectures
图1：LEO星座对（N）PRS符号网格的影响的可视化表示。
论文作者：Riccardo De Gaudenzi¹, Florin-Catalin Grec², Pietro Giordano² & Roberto Prieto-Cerdeira²
作者单位：¹Freelance Consultant for the European Space Agency, Noordwijk, The Netherlands
²European Space Agency, European Space and Technology Centre (ESTEC), Noordwijk, The Netherlands
全球导航卫星系统（GNSS）易受干扰和欺骗攻击，亟需发展韧性更强的定位、导航与授时（PNT）替代方案。本文作为第一部分，重点探讨了利用低地球轨道（LEO）非地面网络（NTN）实现卫星直连设备（D2D）通信与定位一体化服务的系统场景与架构设计。作者分析了LEO卫星高速移动、极端多普勒效应以及通信-定位需求冲突等挑战，提出了三种基于3GPP NTN和移动卫星业务频谱的候选LEO NTN架构，为后续性能评估奠定了基础。
面向直连设备联合通信与定位服务提供的B5G 非地面网络：第二部分——系统性能分析
Beyond 5G non terrestrial networks for direct-to-device joint communication and positioning services provision: Part 2 - system performance analysis
图2：物理层模拟器框图。
论文作者：Riccardo De Gaudenzi¹, Florin-Catalin Grec², Pietro Giordano² & Roberto Prieto-Cerdeira²
作者单位：¹European Space Agency, Paris, France
²European Space Agency, European Space and Technology Centre (ESTEC), Noordwijk, The Netherlands
本文作为系列第二部分，在第一部分架构基础上，通过链路预算分析、物理层仿真和系统级仿真，量化评估了LEO NTN一体化系统的定位精度、服务可用性和通信吞吐量性能。研究结果为未来欧洲LEO-PNT任务提供了重要参考，验证了LEO卫星直连设备系统在提供稳健PNT服务方面的可行性与潜力。
面向 MIMO 无线系统的基于多域 CSI 深度注意力网络的室内定位
Indoor positioning with multi-domain CSI-based deep attention networks for MIMO wireless systems
图3：提出的一种基于室内CSI定位的多域DAN框架。
论文作者：Praneeth Susarla¹, Anirban Mukherjee², S. S. Krishna Chaitanya Bulusu¹,³, Pravallika Katragunta⁴, Dinesh Babu Jayagopi², Miguel Bordallo López⁵ & Markku Juntti¹
作者单位：¹Centre for Wireless Communications, University of Oulu, Oulu, Finland; ²Multimodal Perception Lab, IIIT Bangalore, India; ³École Centrale School of Engineering, Mahindra University, India; ⁴Department of Computer Science, Carleton University, Canada; ⁵Center for Machine Vision and Signal Analysis, University of Oulu, Finland
精确室内定位对增强现实和自主机器人等应用至关重要。本文提出了一种基于多域CSI（信道冲激响应域、频率域、角度域）的深度注意力网络（DAN），有效融合多域特征以提升mMIMO系统下的用户设备定位精度。实验结果显示，多域DAN在定位精度上优于传统CNN模型，为复杂室内环境的高精度定位提供了新的人工智能解决方案。
近场阵列模糊函数中的混叠：一种空间频域框架
Aliasing in near-field array ambiguity functions: a spatial frequency-domain framework
图4：本文研究的上行链路场景示意图。
论文作者：Gilles Monnoyer, Jérôme Louveaux, Laurence Defraigne, Baptiste Sambon & Luc Vandendorpe
作者单位：ICTEAM, UCLouvain, Louvain-la-Neuve, Belgium
超大规模阵列（XL-arrays）在近场工作时会产生复杂混叠（栅瓣）现象。本文提出了一种空间频域通用框架，系统揭示了近场模糊函数中栅瓣的起源与几何特性，并为典型均匀线阵和圆阵推导了无混叠安全区域的闭式表达式。该框架为6G近场通信与感知系统中超大规模阵列的设计提供了理论指导。
一种利用有限蜂窝信息进行定位的量子算法
A quantum algorithm for localization using limited cellular information
图5：针对单个基站序列匹配提出的量子电路。
论文作者：Ahmed Shokry¹ & Moustafa Youssef²
作者单位：¹The Pennsylvania State University, University Park, PA, USA
本文提出了一种实用的量子算法，用于仅基于有限基站连接序列信息实现高效单基站定位。通过将在线观测序列与离线指纹数据库编码为量子态，该算法实现了空间复杂度的指数级节省和二次加速，同时保持了与经典方法相当的定位精度，为大规模蜂窝定位提供了量子计算新路径。
XP-HARQ 辅助 NOMA 的速率自适应：一种去中心化多智能体深度强化学习视角
Rate adaption of XP-HARQ assisted NOMA: a decentralized multi-agent DRL perspective
图6：XP-HARQ-NOMA辅助通信系统。
论文作者：Jintao Wang¹,², Fuchao He², Zheng Shi¹, Da Wu¹, Xu Wang¹, Yaru Fu³, Guanghua Yang¹ & Shaodan Ma²
作者单位：¹School of Intelligent Systems Science and Engineering, Jinan University, Zhuhai, China; ²State Key Laboratory of Internet of Things for Smart City, University of Macau, Macao, China; ³School of Science and Technology, Hong Kong Metropolitan University, Hong Kong, China
本文针对物联网超可靠低时延通信需求，提出基于去中心化多智能体深度强化学习（MADRL）的XP-HARQ辅助NOMA速率自适应方案。仿真结果表明，所提出的竞争式MADRL策略在保障中断概率的同时有效提升了长期平均吞吐量，为多设备场景下的NOMA优化提供了新思路。
分布式多传感器 ISAC
Distributed multisensor ISAC
图7：由多个收发链路组成的通用分布式 MS-MIMO ISAC 架构。
论文作者：Reiner Thomä¹, Carsten Andrich1, Michael Döbereiner2, Reza Faramarzahangari1, Jonas Gedschold1, Marc Francisco Colaco Miranda1, Saw James Myint1, Steffen Schieler1, Christian Schneider1,2, Sebastian Semper1,2, Carsten Smeenk2, Gerd Sommerkorn1 & Zhixiang Zhao1
作者单位：¹Institute of Information Technology, Technische Universität Ilmenau, Ilmenau, Germany
本文系统阐述了分布式多传感器通信感知一体化（MS-ISAC）的架构原则、关键技术和实现方案，包括多链路接入、协同、预编码、时延多普勒估计以及分布式数据融合等。该工作为构建无处不在的分布式感知网络提供了理论基础和技术路线。
从联邦学习到 X-Learning：通过随机游走突破去中心化的边界
From federated learning to X-Learning: breaking the barriers of decentrality through random walks
图8：FedL 的各种架构及其在 X-Learning 中的扩展。
论文作者：Allan Salihovic¹,², Payam Abdisarabshali¹,², Michael Langberg¹ & Seyyedali Hosseinalipour¹
作者单位：¹University at Buffalo–SUNY, Department of Electrical Engineering, Buffalo, NY, USA
本文提出X-Learning（XL）这一新型分布式学习架构，通过引入随机游走等机制突破传统联邦学习的去中心化限制。文章阐述了XL的核心设计理念、与图论和马尔可夫链的联系，并展望了未来研究方向，为下一代分布式智能系统提供了新范式。
