在 Gist.Science 的"Eess — Sp"分类中,我们聚焦于信号处理这一充满活力的领域。这里探讨的是如何从复杂的数据中提取有价值的信息,无论是增强清晰的图像、优化无线通信,还是让机器听懂人类语言,都离不开这项核心技术的支撑。

本栏目中的所有论文均源自 arXiv 预印本服务器。Gist.Science 团队会第一时间处理该领域发布的每一份新预印本,不仅提供详尽的技术摘要,还特别撰写通俗易懂的通俗解读,帮助不同背景的读者跨越专业术语的障碍。

以下为您列出的,正是该领域最新发布的几项重要研究成果。

⚡ electrical engineering

Energy Efficient Multi-User Beamforming and 3D Position Optimization for SIM-Assisted UAVs

本文提出了一种面向 SIM 辅助无人机的硬件感知、能效型联合优化框架,该框架通过一种基于变换的交替优化算法,同时设计数字预编码器、级联超表面相移以及三维无人机定位,从而显著优于传统的基准方案。

Chandan Kumar Sheemar, Giovanni Iacovelli, Sourabh Solanki, Wali Ullah Khan, George C. Alexandropoulos, Symeon Chatzinot (…)2026-08-17
⚡ electrical engineering

Standard-Compliant Neuromorphic Integrated Sensing and Communications Aided by an Intelligent Reflecting Surface

本文提出了一种符合标准的神经形态集成感知与通信(N-ISAC)系统,该系统利用脉冲神经网络接收器,从 IEEE 802.15.4z 超宽带(UWB)波形中同时进行数据解调与目标检测,并分析了在真实的射线追踪信道中,由频率选择性可重构智能表面(RIS)所引入的性能与能量之间的权衡。

Jiho Park, Jiechen Chen, Joonhyuk Kang, Osvaldo Simeone2026-08-17
⚡ electrical engineering

Budget-Aware Federated Dual-Side Channel Estimation for Hybrid mmWave Massive MIMO

本文提出了 BARRNet,一种具有预算感知能力的神经网络架构,该架构通过将紧凑的残差主干网络与轻量级通道重校准相结合,在标准 FedAvg 框架下,针对混合毫米波大规模 MIMO 系统中的联邦双侧信道估计,实现了卓越的归一化均方误差与通信效率权衡。

Jiawei Chen, Ruining Fan, Mouli Chakraborty, Avishek Nag, Anshu Mukherjee2026-08-17