6G与未来智能无线网络

通过人工智能及深度学习技术实现网络智慧内生，AI能力的全网渗透，快速、自动、智能地对网络各方面进行高效管控，包括规划、管理、优化以及康复等，有效满足不断出现的新需求，使能资源管理的智慧决策，降低成本并提高效率。

研究内容包括：基于图神经网络的快速网络部署，知识驱动的网络资源调配，知识图谱赋能的网络管控，动态神经模型与按需服务技术，大模型与预训练模型在网络中的应用，可解释人工智能的网络应用，多智能体强化学习无人机集群对抗，数字孪生驱动的强化学习，智能测试方法等

空天地一体化网络

空天地一体化网络可为陆海空天用户提供无缝信息服务，满足未来网络对于全时全域全空通信和网络互联互通的需求，是6G网络的重要组成部分。

主要研究空天地一体化网络协议架构设计、网络切片方法、网络虚拟化与虚拟资源调度，网络仿真方法等。可参考论文：《空天地一体化网络技术：探索与展望》

车联网与自动驾驶技术

车联网是指通过应用传感技术、通信技术、网络技术、智能技术、感知与控制技术等，有机地融合在车辆和交通道路管理体系中而建成的一种实时、智能、高效的综合交通管理系统，是能够实现智能化交通管理、智能动态信息服务和自动驾驶的一体化网络。

研究方向包括：车联网低时延高可靠技术，基于信息年龄和信息价值的调度技术，网络切片技术，模型和数据双驱动网络优化技术，车路协同技术

新闻

祝贺贾宏刚、张岳、龚臣同学荣获第四届华为杯通信算法比赛西北赛区一等奖

祝贺UNIC实验室贾宏刚、张岳、龚臣同学在2025年第四届华为杯通信算法比赛西北赛区荣获一等奖

实验室尹志胜副教授担任 ICICN 2025 分会主席并获得“青年科学家奖”

UNIC 实验室尹志胜副教授担任 ICICN 2025 分会主席并获得“青年科学家奖”。

实验室硕士同学郑佩林在英国伦敦召开的学术会议IEEE INFOCOM上做报告

实验室硕士同学郑佩林在英国伦敦召开的学术会议IEEE INFOCOM上做学术报告

祝贺实验室6G智能无线网络知识驱动方法综述论文被IEEE COMST接收

实验室6G智能无线网络知识驱动方法综述论文被IEEE Communications Surveys & Tutorials接收

实验室新成果提出针对无线网络优化问题的深度学习通用增强方法

祝贺UNIC实验室马龙飞同学论文被IEEE Internet of Things期刊收录

祝贺实验室尹志胜副教授、刘永红获得EAI WiSATS 2024最佳论文奖

祝贺UNIC实验室尹志胜副教授、刘永红荣获EAI WiSATS 2024最佳论文奖

承楠教授作为教师代表在通信工程学院2024届本科毕业典礼上发言

2024年3月5日新加坡南洋理工大学Dusit Niyato教授等开展学术交流

新加坡南洋理工大学Dusit Niyato教授、Jiacheng Wang、Hongyang Du、Ruichen Zhang学术报告

科研成果

RingSFL：面向异质网络的分割联邦学习

Federated Learning (FL)是一种能够在保护客户数据隐私的同时进行协同训练的技术，它已经引起了越来越多的关注。然而，传统FL无法适应客户异质性，会存在拖延者而导致培训效率下降，而且仍然容易泄露隐私。为了解决这些问题，本文提出了一个名为RingSFL的新型分布式学习方案，该方案将FL与模型分割机制相结合，以适应客户异质性并保持数据隐私性。

基于DyNN的通信资源调度方法

在6G网络中，任务的多样性大大增加，对于那些对延迟敏感的小型任务，基于神经网络的资源管理算法的推理延迟是不可忽视的。神经网络的架构作为一个超参数，通常难以调整。动态神经网络(Dynamic neural network, DyNN)能够根据样本特征按需调整网络结构，从而提高效率。基于此，本文提出了一种基于DyNN的资源管理方法，根据任务的特点动态调整神经网络的深度和宽度，实现推理延迟与计算和通信资源管理性能之间的平衡。

面向按需服务的空天地一体化网络服务管理架构

随着网络的快速发展以及用户需求日趋多样化与差异化，未来网络服务需求将不仅限于传输速率、空口时延、移动性、连接密度、频谱效率等传统业务指标，更需要从网络覆盖、定位精度、网络智能水平、成本效率等维度综合考虑，以实现“服务定制化，网络智能化”的关键目标。为此，本课题中提出了一个面向按需服务的空天地一体化网络服务管理架构。该架构由按需服务层、服务分析层和空天地一体化物理网络层组成。目前，本团队主要关注按需服务层及其相关技术细节，并针对其中两大关键技术——异构资源编排技术与云边端协同技术已经做了较为全面的理论分析。