基于SDR与TinyML-MEC框架的边缘原生环境感知博士项目

【项目简介】

成功候选人将通过将环境感知与TinyML和MEC融合到新型感知-通信框架中，重新定义SDR（软件定义无线电）的再利用，实现对射频（RF）脆弱性和不确定性的自主适应性。除学费覆盖外，还将提供每周20小时的兼职助理职位。

项目详情

在6G范式下，通感一体化（ISAC）代表了无线演进的变革性飞跃。随着通信网络扩展到更高频段（如毫米波和亚太赫兹），信号变得容易受到动态环境变化的影响。因此，环境感知变得至关重要，因为它将网络从被动数据管道转变为能够感知物理环境的认知基础设施，支持城市数字孪生和自动驾驶车辆导航等高级应用。本研究的主要挑战在于通过轻量级/分布式AI提取环境监测信息，以及设计混合AI架构以智能地将复杂计算任务划分和卸载到硬件约束平台。具体而言，目标是将用于环境感知的重型深度学习过程压缩为可直接部署在SDR上的超轻量级TinyML模块。与移动边缘计算（MEC）无缝集成，这种混合架构将实现快速、低延迟的环境感知，以促进下一代无线通信范式。

【技术挑战】

为成功完成本项目，您需要解决以下技术瓶颈：

• 高效地从SDR前端和补充传感器网络获取和处理复杂、高维的环境感知数据和用户物理参数；

• 在严格的边缘资源限制内，构建混合模块以执行高粒度感知任务，例如用户跟踪和识别、动态障碍物识别和预测性信道估计；

• 在严重的多径衰落和环境噪声中，从纠缠的无线指标（包括信道状态信息CSI）中稳健地解耦任务特定的物理特征。

【申请资格】

候选人应已获得或预期获得以下任一资格：

a）本科学位一等或二等一级荣誉学位，相关学科；

或

b）本科学位一等或二等一级荣誉学位，以及硕士学位优秀或杰出成绩，两者均为相关学科。

海外机构的资格将被考虑，但成绩必须与上述描述相当，大学保留根据自身标准确定此等效性的权利。优先资格和实践经验包括SDR、嵌入式系统、FPGA开发和可部署AI等相关领域的卓越技术专长。具有丰富工业经验的候选人特别欢迎申请。

【申请材料】

我们只能考虑完整并提供所有支持文件的申请。未提供所有相关文件的申请将被自动拒绝。您的申请必须包括：

1. 所有高等教育学位的成绩单和证书的英文副本，包括任何学士学位；

2. 一份研究陈述，详细说明您对研究领域的理解、您将如何开展项目以及相关文献的简要回顾。务必使用您申请的研究项目的标题。没有固定格式或字数要求；

3. 一份个人陈述，概述您认为与申请相关的任何进一步信息，例如您的个人研究适应性、职业抱负、可能的未来研究兴趣以及相关工作经验的进一步描述；

4. 一份简历，详细说明您的教育和工作经历；

5. 两位可以讨论您独立研究适应性的学术推荐人。推荐信必须使用抬头纸，签名并注明日期，不超过2年。至少一封推荐信应来自您最近的大学。如有必要，您可以稍后提交推荐信；

6. 证明您符合英语语言要求的证据。如果您目前不符合语言要求，可以在稍后阶段提交；

7. 您的护照副本。如适用，包括定居或预定居身份的证据。

【联系方式】

有关本项目的咨询，请联系Dr. Zhengjia Xu（x.zhengjia@aston.ac.uk）或Dr. Jose Maria Alcaraz Calero（j.alcarazcalero@aston.ac.uk）。如需了解申请流程的更多信息，请联系研究生招生团队（pgr_admissions@aston.ac.uk）。

【其他重要信息】

工作地点：该职位位于英国伯明翰的Aston Campus。成功的候选人需要居住在校园合理距离内，并预计定期亲自访问。

面试方式：面试将通过Microsoft Teams在线进行。如果您入围，我们将直接联系您并提供面试详情。

资助信息：本项目覆盖所有学费。请注意，成功的候选人将负责与搬到伯明翰和/或访问Aston校园相关的任何费用。国际学生必须满足签证、航班和NHS附加费的财务要求。申请人在申请前应确信他们能够承担这些费用。

关键词：RF环境感知、SDR、TinyML、MEC