我室师生参加WCNC国际会议

IEEE Wireless Communications and Networking Conference (IEEE WCNC)是国际通信领域的顶级会议之一，是无线领域中最重要的年度活动之一，是世界一流的无线领域盛会。涵盖了包括信息论、通信信号处理、无线通信、无线网络、光网络、多媒体通信、机器学习、通信标准和信息安全等在内的通信行业的各个领域。在Research.com里列出的有关电子和电气工程领域的773个会议中，WCNC的影响得分排名第7。

2024年4月21日至24日，WCNC 2024国际会议在迪拜顺利举办，本次会议以“无线通信促进不断增长的机遇”为主题。我室贾子晔副教授和学生吴佳婧及雷泰雅参会，并在现场汇报了团队最新的研究进展及成果。

贾子晔副教授做了主题为《UAV trajectory tracking via RNN-enhanced IMM-KF with ADS-B》的报告，该报告提出了一种基于ADS-B数据的无人机航迹追踪方法，引入循环神经网络提高了交互式多模型卡尔曼滤波算法的滤波精度，同时克服了滤波发散问题，从而解决了原始ADS-B数据中噪声影响无人机追踪精度的问题。

同时贾子晔副教授担任“Indoor Localization”和“UAV Trajectory Tracking and Design”两个分会场的会议主持。

吴佳婧同学做了主题为《Efficient Pipeline Collaborative DNN Inference in Resource-Constrained UAV Swarm》的报告，该报告提出了一种基于深度强化学习的管道协同推理任务分配算法，通过动作分解简化动作空间，可以以相对较低的复杂度有效地分配每个深度神经网络推理任务的分布，同时确保整体任务延迟尽可能低。

吴佳婧同学做了主题为《Optimal UAV Swarm Reconstruction Strategy Based on Minimum Cost Maximum Flow Algorithm》的报告，该报告提出了一种基于最小费用最大流算法的无人机集群编队最优重构方法，将无人机集群的剩余能量、路径能量消耗与重构拓扑变化程度的加权值作为优化目标，并提出了一种分阶段的无人机集群重构流程，解决了持有载荷相同、目标任务类型相同的单任务无人机集群编队高效重构问题。

吴佳婧同学做了主题为《Distributed Protocol for Maximizing Sampling Frequency of Spectrum Reconnaissance UAV Clusters》的报告，该报告为了实现在频谱侦察应用中最大化设置无人机的频谱采样率，提出了一种基于二分法的分布式最大化采样率协议，在带宽有限、无人机频谱采样率一致的前提下，在应用层动态调整频谱采样率，使得采样频率达到网络能够承载的最大值，有助于提高频谱侦察无人机集群在复杂环境下的效率和生存能力。

雷泰雅同学做了主题为《A Robust and Efficient Angle Estimation Method via Field-Trained Neural Network for UAV Channels》的报告，该报告针对UAV空地场景，提出了一种基于现场训练神经网络的到达角估计方法，并利用无人机实时信道探测器对该方法进行了验证。该角度估计方法对无人机信道估计和低延迟无人机ISAC的应用具有重要价值。

WCNC 2024是全球首屈一指的无线盛会，汇集了来自政府和其他机构的行业专业人士、学者和个人，就无线进步通信和网络技术交流知识和想法。在本次会议中，通过进行学术报告和听取其他学者汇报，我们积累了学术交流的经验，深化了专业知识，培养了全局观念。