[1]   Zhou S, Cheng Y, Lei X, et al. Resource allocation in UAV-assisted networks: A clustering-aided reinforcement learning approach[J]. IEEE Transactions on Vehicular Technology, 2022, 71(11): 12088-12103. (TOP期刊)

[2]   Zhou S, Niu X, and Pu C. MISO-LDPC Decoding on UAV Communications: A Limited Bit-Width Learning Approach. IEEE International Conference on Computer Communications (INFOCOM) Workshops, London, UK, 2025. (CCF-A会议)

[3]   Zhou S, Cheng Y and Lei X. Multi-agent low-bias reinforcement learning for resource allocation in UAV-assisted networks[C]. IEEE International Conference on Communications (ICC) Workshops, Souel, Korea, 2022: 1011-1016. (通信顶会)

[4]   Zhou S, Niu X, Li C, et al. Mixed-Bit-Width Quantized Neural Network for Coded MISO System in UAV Communications[J]. IEEE Wireless Communications Letters, 2025, 14(8): 2341– 2345.

[5]   Zhou S, Cheng Y, Lei X, et al. Multi-agent few-shot meta reinforcement learning for trajectory design and channel selection in UAV-assisted networks[J]. China Communications, 2022, 19(4): 166-176.

[6]   Zhou S, Cheng Y, Lei X, et al. Deep deterministic policy gradient with prioritized sampling for power control[J]. IEEE Access, 2020, 8: 194240-194250.

[7]   周世阳, 程郁凡, 徐丰, 等.基于深度强化学习的无人机间通信链路智能决策[J].信号处理, 2022, 38(7): 1424-1433. (中文核心)

[8]   周世阳, 王赏, 程郁凡, 等. MSK信号的最大似然非相干检测算法研究[J], 信号处理, 2016, 7(中文核心)

[9]   Zhou S, Cheng Y, Lei X, et al. Deep reinforcement learning with experience sharing for power control[C]. International Conference on Communication Technology, Nanning, China, 2020: 6-11.

[10]Zhou S, Cheng Y and Lei X, et al. Model-based machine learning for energy-efficient UAV placement[C]. International Conference on Computer and Communication Systems, Wuhan, China, 2022, pp: 22-26.

[11]Zhou S, Cheng Y and Lei X, et al.Multi-agent model-based reinforcement learning for trajectory design and power control in UAV-enabled networks[C]. Information Communication Technologies Conference, Nanjing, China, 2022: 33-38.

[12]周世阳, 程郁凡, 刘贝贝, 等. 基于分组检测的脉冲干扰抑制算法研究[C]. 通信抗干扰研讨会, 2015, 10

[13]Bai G, Cheng Y, Tang W, Zhou S, and Wang X. A frequency estimation algorithm for PSK-modulated carrier signal based on iterative weighting[C]. IEEE International Conference on Communication Technology, Chengdu, China, 2017: 888-892.

[14]He Z, Niu X, Zhou J, Zhou S, Duan J and Wu C. Gru-Based Anti-Jamming Dynamic Frequency Hopping Strategy Optimization[C]. International Conference on Cloud Computing and Big Data Analytics, Chengdu, China, 2025, pp. 736-743.

发明专利：

[1]   周世阳; 程郁凡; 孙安琪; 王军; 彭启航 ; 一种无人机通信系统的智能决策方法及架构, 2022-09-25, 中国, CN202211168943.6 (专利)

[2]   周世阳; 程郁凡; 王若宇; 郭红敬; 李曼姝 ; 一种基于相位差分的多级频偏估计方法, 2016-8-29, 中国, CN201610751113.4 (专利)

[3]   周世阳; 程郁凡; 王若宇; 郭红敬; 李曼姝 ; 一种基于FFT的多级频偏估计方法, 2016-8-29, 中国, CN201610739348.1 (专利)

[4]   周世阳; 王心怡; 程郁凡 ; 一种自适应干扰检测方法, 2016-3-14, 中国, CN201610145002.9 (专利)

[5]   周世阳; 王心怡; 程郁凡 ; 一种脉冲干扰的抑制方法, 2016-3-14, 中国, CN201610144685.6 (专利)

[6]   牛宪华;杨斯琦;何枝航;周世阳;蒲超;陈鹏旭;曾柏森;刘睿家 ; 基于深度强化学习的最优跳频序列生成方法, 2025-04-11, 中国, CN202510452123.7 (专利)

[7]   牛宪华;鲁姝君;王耀萱;蒲超;齐超;刘冰;周世阳;陈鹏旭;刘睿家 ; 面向低空智联网的异步非对称信道跳变序列集的构造方法, 2024-12-13, 中国, CN202411836076.8 (专利)

[8]   甘明; 李晓光; 周世阳; 兰天 ; 信道极化译码路径度量值排序方法, 2021-02-26, 中国, CN201810388527.4 (专利)

[9]   柏果; 程郁凡; 周世阳; 唐万斌; 王学哲 ; 一种基于三级迭代的多音干扰参数估计方法, 2020-09-29, 中国, CN201810823000.X (专利)

[10]柏果; 程郁凡; 唐万斌; 周世阳; 王鹏宇 ; 正交频分复用系统中基于联合检测的多音干扰消除方法, 2021-05-14, 中国, CN201911019297.5 (专利)

[11]柏果; 程郁凡; 王鹏宇; 唐万斌; 周世阳 ; 一种正弦调频信号参数估计方法, 2023-03-31, 中国, CN201911018287.X (专利)

[12]郭红敬; 程郁凡; 杜越; 唐万斌; 周世阳; 王若宇 ; 一种干扰类型识别方法, 2016-8-29, 中国, CN201610743463.6 (专利)

参与项目：

[1]   国家自然科学基金联合基金重点项目，项目编号：U19B2014，面向复杂电磁环境的自进化智能抗干扰通信机理与方法，2020-01至2023-12

[2]   国家自然科学基金联合基金重点项目，项目编号：62131005，空时样本受限的电磁频谱态势认知机理与方法研究，2021-07至2024-12

[3]   国家重点研发计划项目课题，项目编号：2018YFC0825401，抗干扰XXX关键技术研究，2019-02至2022-02

[4]   国家预研项目，项目编号：9020302，自适应XXX技术，2017-12至2020-09

[5]   全国重点实验室基金项目，基于频率子集的相干快跳频系统关键技术研究，2015-09至2017-06