摘要：基于深度学习的自动编码器是替代传统通信发射器和接收器的一种新方法。提出了一种基于卷积神经网络（Convolutional Neural Network， CNN）和门递归单元（Gate Recurrent Unit， GRU）的自动编码器，集成了星座映射和信道编码功能。设计了一种并行CNN结构，并将输入比特流进行分段的one-hot编码。这样做有两个优点：（1）与不分段的one-hot编码相比，数据的维度降低了；（2）数据的稀疏性降低，这使网络可以更快更好地收敛。此外，引入GRU以实现信道编码。所提出的模型可以应用于高阶调制如4096QAM信号，在加性高斯白噪声（AWGN）信道和瑞利信道下都有着优于传统方法的性能。

摘要：NTN（Non-Terrestrial Network）是面向卫星通信和低空通信的重要应用场景，标志着5G技术应用从陆地通信走向了空间通信，可以预见卫星网络将是未来6G通信网络中重要组成。为了满足卫星通信质量要求、最大程度地增大系统容量，需要应用自适应编码调制技术根据信道状态信息在不断变化的通信环境下动态调整调制阶数和编码码率。人工智能在解决卫星高动态场景下信道条件快速变化所产生的问题具有明显的潜力。采用基于强化学习的低轨卫星自适应编码调制策略，解决了卫星通信环境的变化造成的门限表与实际信道不匹配的问题，与传统ARIMA （Autoregressive Integrated Moving Average）算法相比提升达到20%以上。

摘要：通信感知一体化作为6G的重要特征和关键使能技术，实现了通信和感知的信息共享和协同增益。首先介绍了通信感知一体化技术的研究现状，从学术研究和标准化进展两方面进行了梳理，进而在网络架构、组网和波形设计三方面对于通信技术和感知技术的一体化设计问题进行了深入探讨和总结分析。最后展望了通信感知一体化技术在6G的中发展趋势并分析了可能面临的挑战。

摘要：面向广域非均匀分布的业务需求，在多低轨卫星移动波束覆盖场景下，联合考虑跳波束图案设计、波束频率分配和传输功率优化，提出基于改进粒子群算法的波束资源管理机制，通过系统级仿真平台进行了性能验证。仿真结果表明，相比基于空间隔离角和基于优先级的波束资源管理机制，在full buffer业务模型下，所提机制可显著提升用户信干噪比和系统容量，且频率复用因子越低系统容量越高。