嵌入式網(wǎng)絡(luò)技術(shù)現(xiàn)狀與發(fā)展趨勢(shì)
掃描二維碼
隨時(shí)隨地手機(jī)看文章
在智能化浪潮加速推進(jìn)的背景下,嵌入式網(wǎng)絡(luò)正處于從“萬(wàn)物互聯(lián)”向“萬(wàn)物智聯(lián)”轉(zhuǎn)型的關(guān)鍵階段,其演進(jìn)路徑如圖1所示。作為人–機(jī)–物深度融合的基礎(chǔ)設(shè)施,嵌入式網(wǎng)絡(luò)不僅需要在通信層面滿(mǎn)足低時(shí)延、高可靠、高并發(fā)、高帶寬等多場(chǎng)景差異化需求,更要滿(mǎn)足嵌入式網(wǎng)絡(luò)通信異構(gòu)互聯(lián)需求。從技術(shù)演進(jìn)角度看,嵌入式網(wǎng)絡(luò)通信技術(shù)經(jīng)歷了從早期的串口(UART)、CAN總線(xiàn)、Wi-Fi、藍(lán)牙、ZigBee、RFID 等,到近年來(lái)發(fā)展出了5G-Advanced (5G-A,5G演進(jìn))、第六代移動(dòng)通信(6G)、時(shí)間敏感網(wǎng)絡(luò)(TSN)、星閃(SparkLink)以及低功耗廣域網(wǎng)(如LoRaWAN)等。這些技術(shù)推動(dòng)通信、感知與計(jì)算的一體化融合,加速嵌入式網(wǎng)絡(luò)從“連接為主”向“感傳智一體化”的范式躍遷。面對(duì)新一代工業(yè)互聯(lián)網(wǎng)、車(chē)載協(xié)同系統(tǒng)、智能終端及智慧城市等復(fù)雜場(chǎng)景需求,嵌入式網(wǎng)絡(luò)正日益成為承載智能服務(wù)與實(shí)時(shí)交互的關(guān)鍵支撐平臺(tái)。本章將圍繞上述演進(jìn)趨勢(shì),系統(tǒng)梳理國(guó)內(nèi)外在嵌入式網(wǎng)絡(luò)領(lǐng)域的主要研究成果與技術(shù)路徑,重點(diǎn)對(duì)比不同通信技術(shù)的適用性,并進(jìn)一步探討未來(lái)嵌入式網(wǎng)絡(luò)在架構(gòu)、協(xié)議與智能能力等方面的發(fā)展方向與關(guān)鍵挑戰(zhàn)。
Figure 1. From isolated systems to the intelligent interconnection of all things
圖1. 從孤立系統(tǒng)到萬(wàn)物智能互聯(lián)
2. 國(guó)外研究現(xiàn)狀
隨著移動(dòng)通信技術(shù)代際更替,通信系統(tǒng)不僅在數(shù)據(jù)速率、連接密度和時(shí)延控制等物理層性能指標(biāo)上持續(xù)提升,其服務(wù)形態(tài)亦從基礎(chǔ)語(yǔ)音與短信逐步演化為支持高清視頻、增強(qiáng)現(xiàn)實(shí)(AR)、沉浸式虛擬現(xiàn)實(shí)等多樣化形式,如圖2所示。
Figure 2. From voice to virtual reality: the mobile communication revolution from 1G to 6G
圖2. 從語(yǔ)音到虛擬現(xiàn)實(shí):1G至6G的移動(dòng)通信革命
5G-A是基于5G網(wǎng)絡(luò)在功能上和覆蓋上的演進(jìn)和增強(qiáng),是支撐互聯(lián)網(wǎng)產(chǎn)業(yè)3D化、云化、萬(wàn)物互聯(lián)智能化、通信感知一體化和智能制造柔性化等產(chǎn)業(yè)數(shù)字化升級(jí)的關(guān)鍵信息化技術(shù)。在5G與6G的相關(guān)研究中,國(guó)際研究聚焦于網(wǎng)絡(luò)架構(gòu)的重構(gòu)與跨域融合能力的構(gòu)建,深入探索面向未來(lái)網(wǎng)絡(luò)的基本能力體系。例如,Siddiky等人提出了一套結(jié)合非IP協(xié)議與信息中心網(wǎng)絡(luò)的新型架構(gòu),旨在系統(tǒng)性地提升5G網(wǎng)絡(luò)效率與靈活性[1]。為實(shí)現(xiàn)6G所構(gòu)想的太比特級(jí)(Tbps)傳輸速率,El Mattar等人將研究焦點(diǎn)集中于太赫茲(THz)與光無(wú)線(xiàn)通信等超高頻段,并將其視為突破傳統(tǒng)頻譜瓶頸的關(guān)鍵路徑[2]。相較于5G,6G不僅在峰值速率、端到端時(shí)延、可靠性及連接數(shù)密度等關(guān)鍵性能指標(biāo)上實(shí)現(xiàn)量級(jí)提升(如表1所示),還將與人工智能技術(shù)深度融合,構(gòu)建能夠連接物理世界與虛擬世界的智能化網(wǎng)絡(luò),最終實(shí)現(xiàn)人、機(jī)、物與虛擬空間的全面互聯(lián)互通。
Table 1. Performance comparison of 5G and 6G
時(shí)間敏感網(wǎng)絡(luò)是IEEE 802.1工作小組中的TSN工作小組發(fā)展的系列標(biāo)準(zhǔn),用于定義以太網(wǎng)上時(shí)間敏感傳輸?shù)臋C(jī)制。其核心方向包括時(shí)鐘同步、調(diào)度機(jī)制、隊(duì)列管理與可靠性增強(qiáng)。近年來(lái),圍繞IEEE 802.1Q系列展開(kāi)多個(gè)標(biāo)準(zhǔn)修正案(如ASds [3]、ASeb [4]、Qdq [5])的修訂,涵蓋對(duì)同步精度、整形器配置與帶寬分配等方面。TSN標(biāo)準(zhǔn)架構(gòu)[6]如圖3所示。
Figure 3. TSN standard architecture
此外,針對(duì)TSN的研究,為提升協(xié)議層面的系統(tǒng)性理解與工程適用性,Xue等對(duì)IEEE 802.1Qbv (時(shí)間感知整形器)調(diào)度機(jī)制進(jìn)行了全面綜述與實(shí)驗(yàn)評(píng)估,分析了其在多類(lèi)工業(yè)場(chǎng)景中的可行性與性能差異,為調(diào)度算法的實(shí)際部署提供了實(shí)證基礎(chǔ)[7]。在調(diào)度機(jī)制優(yōu)化方面,Mu?oz等提出了一種聯(lián)合調(diào)度模型,能夠協(xié)同調(diào)度時(shí)間同步協(xié)議報(bào)文與關(guān)鍵工業(yè)流,提升了鏈路資源利用效率與端到端傳輸?shù)木o湊性[8]。Lopes等則從系統(tǒng)架構(gòu)層面探討了TSN在智慧城市通信骨干網(wǎng)中的部署可行性,面向自動(dòng)駕駛、智能電網(wǎng)等應(yīng)用場(chǎng)景提出了低時(shí)延、高可靠性的確定性通信保障機(jī)制[9] [10]。
低功耗廣域網(wǎng)絡(luò)(Low Power Wide Area Network, LPWAN)是針對(duì)物聯(lián)網(wǎng)中遠(yuǎn)距離、低功耗通信需求設(shè)計(jì)的網(wǎng)絡(luò)層技術(shù)體系,通過(guò)超長(zhǎng)電池壽命(可達(dá)10年)和廣域覆蓋(城市超2公里)特性解決傳統(tǒng)無(wú)線(xiàn)通信在物聯(lián)網(wǎng)部署中的局限。該技術(shù)分為授權(quán)頻譜(NB-IoT, LTE-M)與非授權(quán)頻譜(LoRa, SigFox)兩方面。其研究方面,Maurya 等系統(tǒng)性地梳理了機(jī)器學(xué)習(xí)與深度學(xué)習(xí)方法在資源分配、信道選擇、擁塞控制與能效優(yōu)化中的應(yīng)用,為L(zhǎng)PWAN架構(gòu)優(yōu)化提供了思路[11]。Chinchilla等通過(guò)構(gòu)建混合整數(shù)規(guī)劃(Mixed Integer Programming, MIP)模型,對(duì)LoRaWAN網(wǎng)絡(luò)的參數(shù)配置進(jìn)行優(yōu)化,在保持服務(wù)公平性的前提下顯著提升系統(tǒng)吞吐能力[12]。Al-Sammak 等則針對(duì)智能電表等終端設(shè)備的能耗問(wèn)題,提出了一種基于網(wǎng)絡(luò)狀態(tài)感知的自適應(yīng)傳輸策略,實(shí)現(xiàn)了動(dòng)態(tài)發(fā)射控制與電池壽命延長(zhǎng)的雙重目標(biāo)[13]。
在WiFi方面,近期研究主要圍繞如何提升基于WiFi的感知能力展開(kāi)。Hoang等通過(guò)引入去噪自動(dòng)編碼器(Denoising Autoencoder)提升了WiFi信號(hào)下的姿態(tài)識(shí)別魯棒性,顯著增強(qiáng)了系統(tǒng)在復(fù)雜環(huán)境中的感知能力[14]。為解決WiFi感知應(yīng)用中高質(zhì)量訓(xùn)練樣本稀缺的問(wèn)題,Wang等引入生成式人工智能(AIGC)方法,構(gòu)建合成樣本以擴(kuò)展數(shù)據(jù)集,有效支撐模型泛化能力提升[15]。
在RFID與反向散射通信領(lǐng)域,相關(guān)研究正不斷拓展其面向智能化應(yīng)用的能力。Nolan等設(shè)計(jì)了“KeyStub”無(wú)源交互設(shè)備,借助反向散射技術(shù)實(shí)現(xiàn)了低功耗人機(jī)交互,為新型感知界面提供了可行路徑[16]。Mattar等進(jìn)一步探索了以WiFi和5G信號(hào)替代專(zhuān)用激勵(lì)源的技術(shù)路徑,提升了反向散射通信系統(tǒng)的可部署性與擴(kuò)展性,為廣域智能感知提供新支撐[2]。
3. 國(guó)內(nèi)研究現(xiàn)狀
在5G-A與6G系統(tǒng)研究方面,北京郵電大學(xué)的高偉東團(tuán)隊(duì)提出一種優(yōu)化的下行鏈路尋呼機(jī)制,在兼顧時(shí)延控制的同時(shí)實(shí)現(xiàn)了最高達(dá)38.89%的節(jié)能效果[17]。北京郵電大學(xué)馮志勇團(tuán)隊(duì)專(zhuān)注于通信感知一體化設(shè)計(jì),在多參考點(diǎn)場(chǎng)景下顯著提升了系統(tǒng)的感知精度[18]。此外,中國(guó)諾基亞貝爾實(shí)驗(yàn)室的Chao等系統(tǒng)梳理了5G-A支持的環(huán)境物聯(lián)網(wǎng)(Ambient IoT)相關(guān)國(guó)際標(biāo)準(zhǔn)制定進(jìn)程[19]。
國(guó)內(nèi)關(guān)于TSN的研究以應(yīng)用為導(dǎo)向,湖南大學(xué)謝國(guó)琪團(tuán)隊(duì)提出一種兩階段網(wǎng)關(guān)調(diào)度機(jī)制,有效提升了CAN報(bào)文在TSN骨干網(wǎng)上的接收率(提升幅度為4.3%~8.2%),解決了異構(gòu)總線(xiàn)融合的核心問(wèn)題[20]。重慶郵電大學(xué)張磊團(tuán)隊(duì)設(shè)計(jì)并實(shí)現(xiàn)了支持國(guó)產(chǎn)AUTBUS協(xié)議的TSN轉(zhuǎn)換網(wǎng)關(guān),具備1.455毫秒的低延遲轉(zhuǎn)換能力,為國(guó)產(chǎn)工業(yè)總線(xiàn)標(biāo)準(zhǔn)融入TSN生態(tài)提供關(guān)鍵支撐[21]。東北大學(xué)馮智偉等通過(guò)流選擇、路由選擇和隊(duì)列分配等步驟實(shí)現(xiàn)高效的TSN循環(huán)隊(duì)列轉(zhuǎn)發(fā)整形器調(diào)度[22]。
在新一代國(guó)產(chǎn)短距通信協(xié)議方面,南京理工大學(xué)馮李航團(tuán)隊(duì)將星閃協(xié)議部署于智能汽車(chē)避障測(cè)試平臺(tái),實(shí)驗(yàn)證明其低延遲特性能夠滿(mǎn)足動(dòng)態(tài)路徑規(guī)劃要求[23]。
在LPWAN領(lǐng)域,北京大學(xué)劉云淮團(tuán)隊(duì)提出了LoBee跨協(xié)議通信機(jī)制,打通了LoRa與ZigBee之間的物理層通信障礙,實(shí)現(xiàn)遠(yuǎn)距離通信與高自組網(wǎng)能力的結(jié)合,為多協(xié)議物聯(lián)網(wǎng)協(xié)同提供了新范式[24]。
在提升WiFi智能感知方向,國(guó)內(nèi)研究在系統(tǒng)級(jí)方案與基礎(chǔ)模型層面均取得了顯著進(jìn)展。北京大學(xué)張大慶團(tuán)隊(duì)引入物理層衍射模型,提升了復(fù)雜多徑環(huán)境下的識(shí)別精度[25]。此外,張大慶團(tuán)隊(duì)還提出了利用波束成形反饋矩陣進(jìn)行WiFi感知,該方法通過(guò)充分利用WiFi芯片中現(xiàn)有的波束成形反饋信息,實(shí)現(xiàn)了高精度的感知功能[26]。在人工智能與感知系統(tǒng)結(jié)合的研究中,蘇州大學(xué)的鄧滔團(tuán)隊(duì)提出了面向WiFi的ConSense持續(xù)學(xué)習(xí)框架,有效解決了WiFi感知模型在動(dòng)態(tài)變化場(chǎng)景下面臨的災(zāi)難性遺忘問(wèn)題[27]。而在WiFi感知系統(tǒng)的隱私保護(hù)方面,浙江大學(xué)盧立團(tuán)隊(duì)則揭示了基于WiFi感知系統(tǒng)的新型竊聽(tīng)漏洞,為系統(tǒng)部署提供了隱私風(fēng)險(xiǎn)評(píng)估依據(jù)[28]。
在RFID智能感知應(yīng)用方面,天津大學(xué)劉秀龍團(tuán)隊(duì)提出了移動(dòng) RFID 機(jī)器人定位方法,結(jié)合信號(hào)解纏繞與多天線(xiàn)優(yōu)化算法,提升了移動(dòng)機(jī)器人定位精度并降低了因速度變化引起的測(cè)量誤差[29]。
4. 國(guó)內(nèi)外研究對(duì)比
在新一代信息通信技術(shù)發(fā)展進(jìn)程中,國(guó)內(nèi)外研究在重點(diǎn)方向與技術(shù)路徑上呈現(xiàn)出一定的差異性與互補(bǔ)性。
在5G/6G網(wǎng)絡(luò)研究方向,國(guó)際研究普遍聚焦于底層體系結(jié)構(gòu)的變革與技術(shù)范式的重塑,重點(diǎn)探索非IP通信協(xié)議、太赫茲通信與信息中心網(wǎng)絡(luò)等前沿關(guān)鍵技術(shù),力圖推動(dòng)網(wǎng)絡(luò)架構(gòu)的深度重構(gòu)。以支撐未來(lái)高性能、泛在智能網(wǎng)絡(luò)的構(gòu)建。相比之下,國(guó)內(nèi)研究則更加強(qiáng)調(diào)技術(shù)的工程化落地與系統(tǒng)集成能力提升,聚焦于網(wǎng)絡(luò)能效優(yōu)化、通信與感知一體化設(shè)計(jì)等方向,注重應(yīng)用可行性與部署實(shí)效。
在時(shí)間敏感網(wǎng)絡(luò)研究方向,國(guó)際研究以協(xié)議機(jī)制優(yōu)化與系統(tǒng)性能評(píng)估為主要突破點(diǎn),圍繞時(shí)間同步流量調(diào)度、TSN在5G/6G無(wú)線(xiàn)通信與智慧城市中的適配性開(kāi)展研究,具有較強(qiáng)的前瞻性與技術(shù)引領(lǐng)性。國(guó)內(nèi)研究則聚焦工業(yè)場(chǎng)景中的異構(gòu)網(wǎng)絡(luò)融合與TSN部署可行性問(wèn)題,重點(diǎn)推進(jìn)協(xié)議轉(zhuǎn)換、調(diào)度策略設(shè)計(jì)及系統(tǒng)集成等技術(shù),強(qiáng)調(diào)落地部署與本地化適配。
在低功耗廣域網(wǎng)研究方向,國(guó)際研究側(cè)重于引入人工智能方法對(duì)資源調(diào)度、能效管理與帶寬利用進(jìn)行深度優(yōu)化;而國(guó)內(nèi)研究則在跨協(xié)議互通機(jī)制方面提出解決方案,例如通過(guò)物理層跨技術(shù)通信手段實(shí)現(xiàn)LoRa與ZigBee間的雙向直接通信,提升了系統(tǒng)互操作能力與部署靈活性。
在短距離通信技術(shù)方向,國(guó)際研究多基于對(duì)現(xiàn)有協(xié)議棧的優(yōu)化擴(kuò)展,而國(guó)內(nèi)則圍繞“星閃”協(xié)議構(gòu)建自主可控的短距通信體系,形成與國(guó)際標(biāo)準(zhǔn)演進(jìn)路徑不同的發(fā)展路線(xiàn),重點(diǎn)服務(wù)于高可靠、低延遲需求下的工業(yè)制造與智能交通等應(yīng)用場(chǎng)景。
在WiFi與RFID方面,國(guó)內(nèi)外研究?jī)?nèi)容都擴(kuò)展至智能感知應(yīng)用方面,但國(guó)際研究更側(cè)重于A(yíng)I與新型應(yīng)用范式結(jié)合的探索,涵蓋如基于A(yíng)IGC的合成訓(xùn)練數(shù)據(jù)生成、無(wú)源交互式設(shè)備構(gòu)建等方向;國(guó)內(nèi)研究則更加注重系統(tǒng)級(jí)功能完備性與實(shí)用性提升,在WiFi感知建模優(yōu)化、RFID定位精度提升與隱私保護(hù)機(jī)制方面進(jìn)行深入研究,形成了較為系統(tǒng)的研究體系。
綜上所述,國(guó)際研究在架構(gòu)重塑與未來(lái)網(wǎng)絡(luò)范式創(chuàng)新方面具備引領(lǐng)優(yōu)勢(shì),國(guó)內(nèi)研究則以工程實(shí)踐為導(dǎo)向,在融合應(yīng)用與自主體系構(gòu)建方面形成獨(dú)特路徑,二者互為補(bǔ)充,共同推動(dòng)通信與感知系統(tǒng)的協(xié)同演進(jìn)。
5. 發(fā)展趨勢(shì)和展望
未來(lái),嵌入式網(wǎng)絡(luò)將朝著低時(shí)延、高可靠、高帶寬、高并發(fā)與異構(gòu)融合等方向持續(xù)演進(jìn)。
在低時(shí)延與高可靠方面,未來(lái)嵌入式網(wǎng)絡(luò)架構(gòu)將深度嵌入輕量化AI模型,以提升邊緣節(jié)點(diǎn)的自適應(yīng)處理能力與協(xié)同決策效率,實(shí)現(xiàn)毫秒級(jí)響應(yīng)與穩(wěn)定性保障。與此同時(shí),為滿(mǎn)足大規(guī)模部署下的能耗控制與資源調(diào)度需求,嵌入式網(wǎng)絡(luò)需在有限算力條件下實(shí)現(xiàn)動(dòng)態(tài)優(yōu)化,確保端到端通信鏈路的穩(wěn)定與敏捷。
面向高帶寬與高并發(fā)場(chǎng)景,6G將以“通信–感知–計(jì)算”深度融合為核心,突破太赫茲通信頻段、非正交波形等物理層瓶頸,顯著提升系統(tǒng)容量與連接密度。未來(lái)6G不僅是帶寬提升的技術(shù)飛躍,更將構(gòu)建支撐智能服務(wù)的綜合平臺(tái),實(shí)現(xiàn)從數(shù)據(jù)傳輸向智能處理的演進(jìn)。
在異構(gòu)通信方面,TSN技術(shù)將向無(wú)線(xiàn)接入、城市級(jí)泛在覆蓋等方向拓展,支撐多制式、多協(xié)議設(shè)備之間的確定性通信需求。其應(yīng)用正由工業(yè)控制與車(chē)載系統(tǒng)擴(kuò)展至智慧交通、電網(wǎng)調(diào)度、航空航天等復(fù)雜場(chǎng)景,構(gòu)建具有端到端時(shí)延與抖動(dòng)保障的網(wǎng)絡(luò)服務(wù)能力。LPWAN將強(qiáng)化與ZigBee、5G、6G等網(wǎng)絡(luò)系統(tǒng)的互聯(lián)互通,構(gòu)建統(tǒng)一的異構(gòu)通信架構(gòu),提升系統(tǒng)整體互操作性與擴(kuò)展性。
在面對(duì)海量接入設(shè)備時(shí),LPWAN進(jìn)一步引入機(jī)器學(xué)習(xí)與強(qiáng)化學(xué)習(xí)算法,實(shí)現(xiàn)鏈路選擇與能效控制的優(yōu)化,以支撐大規(guī)模無(wú)源節(jié)點(diǎn)的接入。針對(duì)高并發(fā)場(chǎng)景與低時(shí)延場(chǎng)景,星閃作為新一代國(guó)產(chǎn)短距通信協(xié)議,具備統(tǒng)一物理層架構(gòu)與原生并發(fā)調(diào)度機(jī)制,能夠有效滿(mǎn)足智能制造、自動(dòng)駕駛、人機(jī)協(xié)作等對(duì)通信確定性與安全性要求極高的關(guān)鍵業(yè)務(wù)需求。其標(biāo)準(zhǔn)化進(jìn)程與生態(tài)建設(shè)正穩(wěn)步推進(jìn),成為支撐本地高密集部署的重要基礎(chǔ)。
WiFi與RFID在A(yíng)I能力加持下,其智能化應(yīng)用正實(shí)現(xiàn)由傳統(tǒng)識(shí)別向高精度、智能化方向的躍升。除基本身份識(shí)別功能外,其應(yīng)用已拓展至厘米級(jí)定位、行為分析、主動(dòng)交互與安全防護(hù),在構(gòu)建智能空間與智慧城市中發(fā)揮著關(guān)鍵作用,助力實(shí)現(xiàn)通信–感知–計(jì)算的一體化融合。
基金項(xiàng)目
本研究得到了國(guó)家自然基金項(xiàng)目(No. 62202086),遼寧省聯(lián)合基金項(xiàng)目面上資助計(jì)劃項(xiàng)目(No. 2023-MSBA-072)與中央高?;究蒲袠I(yè)務(wù)費(fèi)項(xiàng)目(N2416010)的支持。
| [1] | Siddiky, M.N.A., Rahman, M.E. and Uzzal, M.S. (2024) Beyond 5G: A Comprehensive Exploration of 6G Wireless Communication Technologies. |
| [2] | El Mattar, S. and Baghdad, A. (2025) Beyond Traditional Rfid: Unveiling the Potential of Wifi, 5G, Bluetooth, and Zigbee for Backscatter Systems. Transactions on Emerging Telecommunications Technologies, 36, e70062. [Google Scholar] [CrossRef] |
| [3] |
P802.1ASds—Support for the IEEE Std 802.3 Clause 4 Media Access Control (MAC) Operating in Half-Duplex. https://1.ieee802.org/tsn/802-1asds/ |
| [4] |
P802.1ASeb—Optional Use of Announce. http://1.ieee802.org/tsn/802-1aseb/ |
| [5] |
P802.1Qdq—Shaper Parameter Settings for Bursty Traffic Requiring Bounded Latency. https://1.ieee802.org/tsn/802-1qdq/ |
| [6] |
Time-Sensitive Networking (TSN) Profiles. https://www.ieee802.org/1/files/public/docs2025/admin-tsn-summary-0325-v01.pdf |
| [7] | Xue, C., Zhang, T., Zhou, Y., Nixon, M., Loveless, A. and Han, S. (2025) A Survey and Experimental Study of Real-Time Scheduling Methods for 802.1qbv TSN Networks. ACM Computing Surveys, 58, Article ID: 3736715. [Google Scholar] [CrossRef] |
| [8] | Mu?oz, P., Rodríguez-Martín, P., Caleya-Sánchez, J., Prados-Garzón, J., Adamuz-Hinojosa, ó. and Pablo Ameigeiras, a. (2025) Joint Scheduling of IEEE 802.1AS gPTP and Industrial Data Traffic in TSN-6G Networks. IEEE Access, 13, 99842-99862. [Google Scholar] [CrossRef] |
| [9] | Lopes, R.E., Raposo, D., Martins, R. and Sargento, S. (2025) Time-Sensitive Smart Cities: Addressing Smart City Challenges with TSN. IEEE Access, 13, 10459-10480. [Google Scholar] [CrossRef] |
| [10] | Egger, S., Dürr, F., Varga, B., De Andrade, M., Sharma, G.P., Sachs, J., et al. (2025) Wireless-Aware TSN Engineering: Implications for 5G and Upcoming 6G Networks. IEEE Network, 39, 99-107. [Google Scholar] [CrossRef] |
| [11] | Maurya, P., Hazra, A., Kumari, P., S?rensen, T.B. and Das, S.K. (2025) A Comprehensive Survey of Data-Driven Solutions for LoRaWAN: Challenges and Future Directions. ACM Transactions on Internet of Things, 6, 1-36. [Google Scholar] [CrossRef] |
| [12] | Chinchilla-Romero, N., Prados-Garzon, J., Delgado-Ferro, F. and Navarro-Ortiz, J. (2025) An Optimization Model for Resource Allocation in Multitenant LoRaWAN Scenarios. IEEE Internet of Things Journal, 12, 29713-29728. [Google Scholar] [CrossRef] |
| [13] | Al-Sammak, K.A., Al-Gburi, S.H., Marghescu, I., Dr?gulinescu, A.C., Marghescu, C., Martian, A., et al. (2025) Optimizing IoT Energy Efficiency: Real-Time Adaptive Algorithms for Smart Meters with LoRaWAN and NB-IoT. Energies, 18, Article No. 987. [Google Scholar] [CrossRef] |
| [14] | Hoang Nguyen, X., Nguyen, V., Luu, Q., Dinh Gian, T. and Shin, O. (2025) Robust Wifi Sensing-Based Human Pose Estimation Using Denoising Autoencoder and CNN with Dynamic Subcarrier Attention. IEEE Internet of Things Journal, 12, 17066-17079. [Google Scholar] [CrossRef] |
| [15] | Wang, Z. and Mao, S. (2025) AIGC for Wireless Sensing: Diffusion-Empowered Human Activity Sensing. IEEE Transactions on Cognitive Communications and Networking, 11, 657-671. [Google Scholar] [CrossRef] |
| [16] | Nolan, J., Qian, K. and Zhang, X. (2023) KeyStub: A Passive RFID-Based Keypad Interface Using Resonant Stubs. Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies, 7, 1-23. [Google Scholar] [CrossRef] |
| [17] | Ma, W., Gao, W., Liu, J., Zhang, K., Zhao, X., Cui, B., et al. (2025) Research on Paging Enhancements for 5G-A Downlink Transmission Energy Saving. Digital Communications and Networks, 11, 818-828. [Google Scholar] [CrossRef] |
| [18] | Wei, Z., Li, F., Liu, H., Chen, X., Wu, H., Han, K., et al. (2024) Multiple Reference Signals Collaborative Sensing for Integrated Sensing and Communication System towards 5G-A and 6g. IEEE Transactions on Vehicular Technology, 73, 15185-15199. [Google Scholar] [CrossRef] |
| [19] | Chao, H., Tao, T., Wang, Y., Liu, J., Meng, Y., Liu, Y., et al. (2025) Architecture Evolution for Ambient Power-Enabled IoT in 5G-A and Future Cellular Networks. IEEE Internet of Things Magazine, 8, 48-54. [Google Scholar] [CrossRef] |
| [20] | Yan, W., Fu, B., Huang, J., Lu, R., Li, R. and Xie, G. (2024) A Conflict-Free CAN-to-TSN Scheduler for CAN-TSN Gateway. Journal of Systems Architecture, 153, Article ID: 103188. [Google Scholar] [CrossRef] |
| [21] | Rong, Z., Wei, M., Dan, J. and Zhang, L. (2025) Design and Implementation of Industrial Gateway for AUTBUS and TSN Protocol Conversion. 2025 International Conference on Information Networking (ICOIN), Chiang Mai, 15-17 January 2025, 517-522. [Google Scholar] [CrossRef] |
| [22] | Feng, Z., Dong, W., Gao, S., Lin, Y., Jin, X. and Deng, Q. (2025) An Efficient Heuristic CQF Scheduling in Time-Sensitive Networking. IEEE Transactions on Industrial Informatics, 21, 5213-5223. [Google Scholar] [CrossRef] |
| [23] | Yi, H., Lin, R., Wang, H., Wang, Y., Ying, C., Wang, D., et al. (2025) Dynamic Obstacle Avoidance with Enhanced Social Force Model and DWA Algorithm Using Sparklink. Sensors, 25, Article No. 992. [Google Scholar] [CrossRef] [PubMed] |
| [24] | Gao, D., Wang, H., Chen, Y., Ye, Q., Wang, W., Guo, X., et al. (2025) Lobee: Bidirectional Communication between LoRa and ZigBee Based on Physical-Layer CTC. IEEE Transactions on Wireless Communications, 24, 6857-6868. [Google Scholar] [CrossRef] |
| [25] | Wang, X., Yu, A., Niu, K., Shi, W., Wang, J., Yao, Z., et al. (2024) Understanding the Diffraction Model in Static Multipath-Rich Environments for Wifi Sensing System Design. IEEE Transactions on Mobile Computing, 23, 10393-10410. [Google Scholar] [CrossRef] |
| [26] | Yi, E., Wu, D., Xiong, J., et al. (2024) BFMSense: WiFi Sensing Using Beamforming Feedback Matrix. 21st USENIX Symposium on Networked Systems Design and Implementation (NSDI 24), Santa Clara, 16-18 April 2024, 1697-1712. |
| [27] | Li, R., Deng, T., Feng, S., Sun, M. and Jia, J. (2025) Consense: Continually Sensing Human Activity with Wifi via Growing and Picking. Proceedings of the AAAI Conference on Artificial Intelligence, 39, 14292-14300. [Google Scholar] [CrossRef] |
| [28] | Lu, L., Chen, M., Yu, J., Ba, Z., Lin, F., Han, J., et al. (2024) An Imperceptible Eavesdropping Attack on Wifi Sensing Systems. IEEE/ACM Transactions on Networking, 32, 4009-4024. [Google Scholar] [CrossRef] |
| [29] | Zhang, J., Liu, X., Chen, S., Tong, X., Deng, Z., Gu, T., et al. (2024) Toward Robust RFID Localization via Mobile Robot. IEEE/ACM Transactions on Networking, 32, 2904-2919. [Google Scholar] [CrossRef] |





