好的，收到耿同学灵魂附体的指令。现在，我将用我那“火眼金睛”和“无情逻辑刀”，对这篇关于“超大可动天线ISAC”的论文进行一次全方位、无死角的“体检”。让我们开始吧！

---

🔍 耿同学打假报告

论文信息

• 标题：Extremely Large-Scale Movable Antenna-Enabled ISAC: Joint Transceiver Beamforming and Antenna Positioning Under Perfect and Imperfect CSI
• 作者：Xinru Wang， Xiaobo Liu， Fei Du， Suiyan Geng， Zhenyu Zhou
• 期刊：IEEE INTERNET OF THINGS JOURNAL
• DOI：（文中未提供）
• 发表年份：根据参考文献，最新文献引用至2026年3月，故推测本文处于“Early Access”或2026年发表状态。

综合评定：🟡 存疑

详细发现

发现 1：图片信息缺失，无法进行像素级分析

• 位置：全文（Figure 1-7）
• 描述：本报告收到的文本中包含了所有图题（如Fig. 1, Fig. 2等），但未提供图片文件的原始数据或高清截图。因此，无法对Western Blot、显微镜图、凝胶电泳等常规图片进行第一式（图片复用）和第三式（拼接痕迹）的像素级比对。
• 证据：文本中仅以“Fig. 1. The proposed ELMA-enabled ISAC system”等形式描述了图题，没有实际的图片内容。
• 严重程度：🟡 （这是由输入格式导致的客观限制，而非论文本身的问题。但根据学术诚信规范，期刊发表时应附带清晰图片。）

发现 2：数据呈现过于“工整”，缺乏真实数据的“毛刺感”

• 位置：V. 数值结果部分
• 描述：在描述算法性能增益时，作者给出了非常整齐的百分比数据。例如：“相较于离散天线定位（DAP）、固定位置ELAA和远场MA（FFMA）基准，ELMA方案分别获得了高达9.5%、19.6%和25.6%的显著和速率增益。”
• 证据：在真实的蒙特卡洛仿真中，不同的信道实现、参数设置会带来性能波动。汇报“高达”且呈现等差数列趋势（9.5， 19.6， 25.6）的整数或一位小数增益，固然可能，但更常见的做法是给出一个范围或均值±标准差。这种“教科书式”的完美数据，略有“挑选最好结果汇报”之嫌，但尚无法定性为造假。
• 严重程度：🟡

发现 3：统计学信息极度简化

• 位置：全文，尤其是V. 数值结果部分
• 描述：论文中所有性能对比（如不同算法、不同参数下的和速率）均以折线图或文字描述（如“更高”、“增加至”）的形式呈现。完全没有提供任何具体的均值、标准差、置信区间或p值等统计学指标。
• 证据：例如，“在完美CSI下，和速率从13.7 nats/s/Hz增加到19.8 nats/s/Hz”。没有说明这是单次随机信道的结果，还是多次仿真的平均值，以及波动范围如何。
• 严重程度：🟠 （对于IEEE IoT这样的顶级期刊，对仿真结果的统计显著性缺乏严谨描述，是一个明显的方法学缺陷，降低了结果的可信度和可重复性，虽然不一定是“造假”，但非常可疑。）

发现 4：方法学中的潜在逻辑矛盾

• 位置：第II节，系统模型
• 描述：论文在通信信道模型中考虑了空间非平稳性（VR掩码向量），但在感知信道模型（式13）中明确注释“空间非平稳性不被考虑，因为整个MA阵列对点目标在LoS路径上具有几乎相同的可见性”。
• 证据：然而，在后续的鲁棒优化部分（第IV节），为了处理目标位置不确定性，作者引入了离散化近似（命题5）。一个核心的感知目标其信道建模与通信用户（考虑非平稳性）采用完全不同的简化假设，这种不对称性在数学上虽可处理，但在物理直觉上需要更充分的论证。
• 严重程度：🟡 （这是一个建模上的简化选择，可能是为了降低问题复杂度。但如果目标是近场且非平稳，该假设的合理性存疑。）

发现 5：时间线与产出关联的“甜蜜区”

• 位置：致谢与参考文献
• 描述：论文致谢中引用了“中国博士后科学基金会资助项目 GZC20230792”。这意味着至少一位作者（可能为第一作者Xinru Wang）在2023年处于博士后流动站。同时，论文引用了高达31篇关于“Movable Antenna ISAC”的参考文献，其中约20篇发表于2024-2026年，且作者群高度重合（例如，多篇由相同作者完成）。
• 证据：结合“完美CSI”和“不完美CSI”两篇算法被合并在一篇论文中发表，以及大量自引，呈现出一个课题组在“Movable Antenna”方向进行“模块化”、“快速迭代”和“高产式”研究的模式。
• 严重程度：🟡 （高产本身不是问题，但“量产型”论文有时会伴随“一块数据切多块用”的风险。此为观察，非定论。）

耿同学辣评

这篇论文就像是用高档食材拼装出的“分子料理”：数学推导精细得像手术刀（S-procedure， 拉格朗日对偶变换），问题模型时髦得能上热搜（ELMA， ISAC， 近场非平稳），但最后上桌的“数据呈现”部分，却像忘了放盐——只有“我们更好”的结论，没有“我们好多少、有多确定”的统计底气。漂亮的增益数字背后，是不是藏着一次次的“Ctrl+C， Ctrl+V”和“精挑细选”？耿同学表示，没有原始数据，这碗学术鸡汤，我不敢喝！

建议后续行动

• （首要） 联系作者，要求提供用于生成Fig. 2-7的原始仿真数据（均值、方差、仿真次数）。
• 要求作者提供论文中所有图表的高清版本，以便进行独立的图像分析。
• 在 PubPeer 上公开提出关于统计学描述缺失和性能数据呈现方式的疑问。
• 若作者无法提供合理的原始数据或解释，可向期刊编辑部反映其方法学不严谨的问题。

⚠️ 免责声明

本报告由 AI 辅助生成，仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信，但也尊重每一位研究者的名誉权。
如有异议，请以官方调查结论为准。
本工具不保证检测结果的准确性，误报和漏报均有可能。
本报告受限于输入文本的完整性，未包含对原始图像的检验。