研究人员一直在寻求更可靠，更高效的通信，涉及从电视和手机到卫星和医疗设备的所有内容。

一种因其高信号质量而产生嗡嗡声的技术是将多输入多输出技术与正交频分复用技术相结合。

弗吉尼亚理工大学的研究人员刘凌佳和杨扬(Cindy)Yi使用受大脑启发的机器学习技术来提高无线接收器的能效。

他们发表的研究成果“通过储层计算实现绿色符号检测：能源效率的观点”获得了IEEE传输，访问和光学系统技术委员会的最佳论文奖。

布拉德利电气与计算机工程系的副教授兼助理教授刘和仪，以及刘博士的博士学位。学生Rubayet Shafin与美国空军研究实验室信息局的研究人员合作-乔纳森·阿什当，约翰·马蒂亚斯，迈克尔·麦德利和科比·怀索克。

这种技术组合允许信号同时使用多条路径从发射机传输到接收机。该技术可提供最小的干扰，并具有避免简单路径的固有优势，可避免多路径衰落，例如，在暴风雨的天气中观看空中电视时，这种现象会明显失真。

Liu表示：“技术和频率的结合带来了很多好处，并且是4G和5G网络的主要无线电接入技术。”“但是，正确检测接收器上的信号并将其转换为设备可以理解的信号可能需要大量的计算工作，因此也需要大量的精力。”

Liu和Yi正在使用人工神经网络(受大脑内部运作启发的计算系统)来最大程度地降低效率。“传统上，接收机将在检测到发射信号之前进行信道估计，” Yi说。“使用人工神经网络，我们可以通过直接在接收器处检测传输的信号来创建一个全新的框架。”

AFRL计算与通信部门技术顾问Matyjas表示，这种方法“在难以建模通道或无法在输入与输出之间建立直接关系时，可以显着提高系统性能。”空军研究实验室研究员。