无线传播环境具有天然的随机性和复杂性，环境的不确定性使得我们在设计无线通信系统、信号处理系统时尚无法给出确定性的最优解。回顾无线通信领域的发展史，一方面研究者致力于使用数学统计的方法描述传播环境的统计特征，并完美的构建了环境的物理属性与统计模型的关联；另一方面，随着数据科学和硬件算力的飞跃发展，研究者使用深度学习等方法令机器去寻找在物理属性之外的传播环境与系统表现之间的确定性关联，进而不断探索系统性能的优化上限。

  近5年，课题组基于“探测-优化”的技术路线，综合使用统计建模和深度学习等方法，解决在给定边界条件下的无线通信网络优化、多模态信号识别等问题，并致力于研究成果的实践应用。

     1）  智能协同局域网络

以面向消费者的智能WiFi网络为目标，研究基于无线环境感知的WiFi网络空、时、频联合部署与实时优化技术。在智能家庭、智慧办公室、智能驾驶、移动办公等场景下，通过无线通信终端的分布式协同感知，构建高吞吐、低时延、高可靠的WiFi通信通道，提升跨终端的全场景智慧化用户通信体验质量。

• 研究了多终端协同的WiFi网络信号与干扰测量感知方法，建立了局域网络的频域干扰模型，提出了网络拓扑与频域资源的优化规划算法，提高密集WiFi网络干扰条件下的P2P通信性能。算法成果应用于某消费级手机操作系统商用版本。

• 针对家居室内环境，基于有限信号采样测量，提出了WiFi网络信号场强空间分布估计算法，实现了基于WiFi信号的空间定位优化算法，提出了空间最优覆盖的WiFi网络部署算法。

• 基于手机内置的加速度传感器、磁场强度传感器、方向传感器、陀螺仪传感器采集的实时数据，基于深度学习的分类推理，提出了一种通信场景识别算法，实现了对静止、步行、跑步、骑行、汽车、巴士、地铁、火车等8类用户通信场景的高精度识别，以提升手机终端在移动办公、娱乐应用中的通信质量。

    2）  三维无线电磁地图

研究全域全天候动态无线电磁地图测量与表征技术，主要开发了无线电磁地图的软件平台。平台用于支持展示城市尺度的地理空间地图、展示电磁地图测量数据与计算数据；可集成电磁环境仿真计算的数值结果，支持城市级别的采集数据量，实现城市范围内的电磁地图的建模及动态监控展示。

• 研制移动蜂窝网络和WiFi网络的便携式信号采集终端。可用于测量5G、4G、3G、2G蜂窝网络和WiFi网络的信号参数，可实时记录网络信号测量数据、测量点GPS位置信息、测量时间信息；

• 建立清华校园的地理地图数据，对清华校园内的网络信号进行了信息采集；开展基于射线跟踪法的电磁环境仿真，在仿真软件中建立校园环境模型，基于测量获得的蜂窝网络信号信息，进行电磁环境仿真参数的校准，实现仿真数据与测量数据的交叉校验，建立电磁仿真与宏观无线信号测量的关联；

• 采集城市区域的低空无人机航线及地面的蜂窝网络信号，在有限采样约束下构建低空无线电磁地图，优化无人机航线上的通信策略，支撑低空无人机航线与通信网络的联合规划。

    3）  射频与视觉信号的协同处理

  针对低空无人机目标的有效探测问题，提取射频信号和视觉信号的特征，协同分辨目标及解算方位。

•   设计了多频段阵列天线，研究射频信号的精确测向算法；

•   基于CNN分类推理模型，进行射频信号的分类解析、有限分辨率约束下的视觉信号解算，形成对移动目标的有效发现与轨迹跟踪。