新刊推荐 | npj Wireless Technology 一月论文解读
Nature Portfolio约 6 分钟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。在本期推送中，我们为读者总结了npj Wireless Technology 在2026年1月发布的三篇高质量文章，分别为《典型建筑表面在8、12和28GHz频段的漫散射测量和机理分析》、《利用边缘辅助因果知识聚合增强多智能体系统的智能》，以及《推进低空无线网络的控制：架构、设计原则和未来发展方向》。这些文章分别针对毫米波/FR3频段建筑表面散射特性、多智能体系统中的因果知识共享与边缘计算融合，以及低空无线网络的控制一体化设计，提供了深入的理论分析、实验验证和新颖方法论，为6G无线通信、边缘智能和低空经济应用的发展提供了重要参考和前瞻性指导。
研究性论文
典型建筑表面在8、12和28GHz频段的漫散射测量和机理分析
Diffuse scattering measurements and mechanism analysis at 8, 12, and 28 GHz for typical building surfaces
图1：一般漫散射的几何形状。
欢迎扫码阅读原文
作者单位：School of Information Science and Electronic Engineering, Shanghai Jiao Tong University, Shanghai, China; College of Electronic and Information Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing, China; School of Transportation and Civil Engineering, Nantong University, Nantong, China; Nantong Research Institute for Advanced Communication Technologies, Nantong, China
这项研究针对三种典型建筑墙面，系统探究了其漫散射的基本机理，并在28 GHz以及FR3频段的两个关键频率（8 GHz和12 GHz）下开展了全面测量与模型参数化工作。作者提出了一种创新的三维（3D）测量流程，能够更完整地捕获空间散射特性，并通过28 GHz实测数据验证了该流程在提升参数化精度方面的显著优势。在建模方法上，本文引入了一种新型参数化策略，同时利用高带宽功率延迟分布中的接收功率和时延扩展两个维度，充分挖掘高带宽测量的丰富信息。此外，作者进一步提出了ER-BK混合模型，将Beckmann–Kirchhoff（BK）模型在高精度和跨频率适应性方面的优势，与有效粗糙度（Effective Roughness, ER）模型的简洁性相结合，并成功应用于建筑表面散射建模。研究结果显示，8 GHz与12 GHz下的漫散射特性高度相似，但与28 GHz存在明显差异。对比分析表明，BK模型在FR3频段数据上的拟合效果更优。更重要的是，通过不同于拟合时入射角的独立测量数据，验证了参数化BK模型在角度上的良好泛化能力。最后，通过对参数化大理石表面的仿真，进一步证实了ER-BK混合模型的实用性和有效性。该工作为未来6G信道建模和覆盖预测提供了可靠的散射特性参考。
利用边缘辅助因果知识聚合增强多智能体系统的智能
Enhancing intelligence in multi-agent systems with edge-assisted causal knowledge aggregation
图2：在格拉斯哥大学进行的两项实验中，分别使用无人地面车辆和移动机器人，机器人的初始位置。
欢迎扫码阅读原文
论文作者：Muhammad Waqas Nawaz¹, Muhammad Mahtab Alam², Rafiq Swash³, Qammer H. Abbasi¹, Muhammad Ali Imran¹ & Olaoluwa Popoola¹
作者单位：James Watt School of Engineering, University of Glasgow, Glasgow, Scotland, UK; Thomas Johann Seebeck Department of Electronics, Tallinn University of Technology, Tallinn, Estonia; College of Engineering, Design and Physical Sciences, Brunel University of London, London, England, UK
动态且不确定的环境为多智能体自主系统带来了严峻挑战，尤其是在实现鲁棒的协同定位与建图（SLAM）以及高效的机器人间知识共享方面。传统数据驱动方法往往忽略潜在因果结构，导致伪相关问题并限制泛化能力。为此，作者提出了CASK——一种边缘辅助的因果知识聚合框架，通过将结构化因果推理与数据驱动学习深度融合，提升系统的自适应决策能力。该框架的核心创新在于基于时间的归一化机制，能够在不同运行速度下保持建图一致性，从而实现异构智能体之间与速度无关的空间知识迁移。作者通过仿真实验以及基于自主地面车辆（移动机器人）的真实环境测试，对CASK进行了全面验证。结果显示，与现有最先进方法相比，CASK性能显著提升：在低速条件下成功率最高提升20%，高速条件下提升40%；轨迹偏差降低50%，重规划次数减少45%。这些成果表明，将因果推理与移动边缘计算相结合，能够为多智能体系统带来更可扩展、可靠且泛化能力强的自主性，具有广阔的应用前景。
推进低空无线网络的控制：架构、设计原则和未来发展方向
Advancing the control of low-altitude wireless networks: architecture, design principles, and future directions
图3：LAWN 系统的统一架构，包括远程估计、控制和通信模块。
欢迎扫码阅读原文
论文作者：Haijia Jin¹, Weijie Yuan¹, Jun Wu¹, Jiacheng Wang², Dusit Niyato², Xianbin Wang³, George K. Karagiannidis⁴, Zhiyun Lin¹, Yi Gong⁵, Dong In Kim⁶, Athina Petropulu⁷, Maria Sabrina Greco⁸, Abbas Jamalipour⁹,¹⁰ & Sumei Sun¹¹
作者单位：School of Automation and Intelligent Manufacturing, Southern University of Science and Technology, Shenzhen, China; College of Computing and Data Science, Nanyang Technological University, Singapore; Department of Electrical and Computer Engineering, Western University, London, Canada; Aristotle University of Thessaloniki, Thessaloniki, Greece; Department of Electrical and Electronic Engineering, Southern University of Science and Technology, Shenzhen, China; Department of Electrical and Computer Engineering,Sungkyunkwan University, Suwon, South Korea; Department of Electrical and Computer Engineering, Rutgers, The State University of New Jersey, New Brunswick, NJ, USA; Department of Information Engineering, University of Pisa, Pisa, Italy; School of Electrical and Information Engineering, University of Sydney, Sydney, NSW, Australia; Graduate School of Information Sciences, Tohoku University, Sendai, Japan; Institute for Infocomm Research, Agency for Science, Technology and Research, Singapore, Singapore
本文提出了一种将通信与远程状态估计纳入统一反馈回路的控制框架，旨在满足低空无线网络（LAWNs）对控制导向一体化设计的迫切需求。文章首先阐述了模块化系统架构，并明确了多项与控制驱动型LAWN运行密切相关的关键性能指标。随后，在分布式、存在时延的环境下，作者重新审视经典控制理论在LAWN场景中的适用极限，包括对估计误差的敏感性、数据包丢失的影响，以及异步更新条件下的鲁棒性下降。研究进一步剖析了无线通信约束与控制行为之间的两个基本权衡关系。针对分组丢失和异步采样条件下的远程状态估计问题，本文通过一个典型案例，展示了在可靠性约束下对控制、估计与通信进行协同优化的过程。最后，文章展望了若干未来研究方向，以推动基于LAWNs的可扩展、自适应和高鲁棒性网络化控制系统的实现。该工作为低空经济和无人机集群应用中的无线控制提供了重要理论基础和设计指导。
点击“阅读原文”了解期刊详情，我们诚挚欢迎您的投稿！