近日，信息与通信工程学院束锋教授团队在《SCIENCE CHINA Information Sciences》（中科院一区TOP期刊，CCF A刊，影响因子为7.6）期刊上发表题为“Enhanced channel estimation for near-field IRS-aided multi-user MIMO system via a large deep residual network”的研究论文。信息与通信工程学院2022级博士生王艳为文章第一作者，束锋教授为通信作者，海南大学为第一单位。

该团队研究认为，未来6G网络将采用大规模/超大规模天线阵列、毫米波及太赫兹超高新频段，使得近场效应变得非常明显。智能反射面增强的多用户近场通信下的信道状态信息高性能感知，对于未来6G速率高达Tbits/s/Hz超高可靠信息传输显得至关重要。

作为控制无线信道的一种革命性范式，大规模智能反射面（Intelligent Reflecting Surface，IRS）凭借其较高的阵列增益、低成本、低功耗、易部署等优势，有望在未来无线通信网络中展现出提升信道容量、增强频谱效率、构建虚拟链路、扩大覆盖范围等巨大潜力。考虑到6G将采用大规模/超大规模IRS阵列，面临两大科学问题：巨高计算复杂度与巨量导频数据。该团队提出一种基于残差大规模深度神经网络的高性能信道感知方法，推导了相应信道参数感知的克拉美罗界。针对直达信道和级联信道相互耦合引起信道感知难的科学挑战，设计了一种灵巧的导频结构，构建了一种低复杂度的最小二乘估计方法。仿真结果表明，该方法明显降低了导频开销及计算复杂度，同时显著提升信道感知性能。

智能反射面辅助的多用户近场通信系统模型

近些年，束锋教授团队面向南海海洋智能无线通信，聚焦6G+AI融合原创性关键技术研究，围绕智能反射面通信、大规模MIMO智能感知、通信安全及通感智一体化等前沿领域，持续开展富有前瞻性的创新探索。注重科研反哺教学，不断探索“科研-教学-育人”深度融合的发展路径。

据悉，该项研究工作得到了国家自然科学基金（U22A2002）、国家重点研发计划（2023YFF0612900）、海南省重点研发（ZDYF2024GXJS292）等项目的资助支持。

【论文相关信息】

论文DOI链接：Yan Wang, Yongqiang Li, Minghao Chen, Yu Yao, Feng Shu, Jiangzhou Wang. Enhanced channel estimation for near-field IRS-aided multi-user MIMO system via a large deep residual network. Sci. China Inf. Sci. 2025, 68(7): 170309. https://doi.org/10.1007/s11432-024-4449-7

供稿：束锋

编辑：郝平平

审核：邓秀成