本期电子书封面故事整期封面整期目录
优先出版刊期浏览栏目浏览
- 摘要：随着6G通信、感知与计算深度融合发展，以及大模型持续向边缘侧渗透落地，群智感知等新兴应用场景对边缘算力的需求呈现爆发式增长。在此背景下，算力供需失衡问题日益突出，算力池化与虚拟化技术成为破解这一难题的核心支撑技术。面向算力设备动态接入、移动性强、接入不确定性高的复杂场景，本文提出一种基于近场感知与语义驱动协同的算力资源发现与池化机制。在算力设备接入阶段，本文利用近场传播的球面波特性赋予接收阵列高精度空间分辨能力，将多设备随机接入场景下的设备检测任务建模为具备距离与方位感知能力的能量感知任务，从而实现对未知移动算力节点的高可靠空间感知。在算力池化管理阶段，本文构建统一的算力资源语义模型以消除异构设备在资源描述上的差异，搭建融合空间信息的资源快速索引架构，并采用空间微池与语义能力层级池的两级池化组织方式，实现了算力资源低时延匹配与灵活编排。实验结果表明，本文所提的近场感知方法在多用户随机接入与复杂传播环境下，检测性能显著优于传统方法；同时，语义驱动的资源管理机制在资源匹配精度、召回率与响应时延三项指标上均展现出优越性能。该方案有效适配动态边缘算力环境，为大模型边缘部署与动态边缘算力池化的规模化发展提供技术支撑。关键词：近场感知;算力资源发现;随机接入检测;语义建模;动态算力池化;边缘算力网络91|70|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：在6G通信系统向中高频段与超大规模天线阵列演进的背景下，通信距离特征发生改变，导致用户落入近场球面波范围。近场波束分裂效应与波束聚焦难题严重制约了通信性能的提升。传统的波束聚焦方案或依赖硬件成本高昂的真时延器（True Time Delay，TTD）配置，或面临信道估计复杂、计算复杂度高、码本规模爆炸等问题，难以适配动态近场通信场景。为突破上述限制，本文首先从硬件架构层面设计了一种二维真时延智能超表面天线结构。该架构将超表面子阵按行列区分，分别配置行TTD与列TTD，通过行列独立调控的真时延器网络与相移单元协同工作，在实现精准相位补偿并抑制波束分裂效应的同时，大幅减少了所需的TTD总量。其次，面对近场信道高维动态特性与显式信道估计带来的巨大开销，本文提出一种由大语言模型驱动的端到端近场波束聚焦算法。该方法彻底摒弃了传统“先估计信道，再优化波束”的两阶段冗长流程，以最大化系统总速率为目标，创新性地将波束聚焦问题转化为从接收导频信号语义特征到系统控制参数的直接映射。为此，本文建立了一个包含预处理、特征融合、语义建模与多任务输出的四模块协同网络架构。其中，特征融合模块利用极化自注意力机制分别提取频率域和时间空间域的语义特征，大语言模型模块则利用预训练的GPT-2骨干网络强大的长序列建模与上下文依赖捕捉能力进行全局特征关联。进一步地，在输出端，网络通过多任务模块联合优化，分别输出符合物理约束的模拟端相位、数字预编码以及真时延器参数。在训练策略上，模型依托大语言模型的迁移学习与少样本学习能力，加载预训练权重并仅对特定层进行微调，实现了网络的高效稳定收敛，完全绕过了复杂的信道估计环节。与传统迭代优化算法相比，所提方案不仅大幅降低了对导频开销的依赖，还将在线计算复杂度从立方次增长降至近线性级别，在动态宽带近场通信系统中展现出极高的工程应用潜力。关键词：近场通信;智能超表面天线;真时延;波束聚焦;大语言模型101|84|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：针对第六代（6th Generation，6G）移动通信系统毫米波频段严重的路径损耗挑战，以及超大规模多输入多输出技术（eXtremely Large-scale Multiple-Input Multiple-Output，XL-MIMO）受限于射频（Radio Frequency，RF）链路开销的瓶颈问题，本文提出一种面向近场通信的流态天线正交索引调制（Fluid Antenna-assisted Quadrature Index Modulation，FA-QIM）传输方案。具体地，该方案通过分组策略，实现了流态天线系统（Fluid Antenna System，FAS）在连续空间域内的位置重构能力与索引调制（Index Modulation，IM）的高频谱利用率特性的深度协同，构建了适配近场传播环境的非均匀球面波（Non-Uniform Spherical Wave，NUSW）信道模型，并设计了相应的最优最大似然（Maximum Likelihood，ML）检测算法。通过深入挖掘近场球面波前引发的空间非平稳特性及空间位置自由度（Degree of Freedom，DoF），FA-QIM实现了信号同相（In-phase，I）与正交（Quadrature，Q）分量在连续空间域内的独立位置映射，在每个子组仅占用单条RF链路的严格约束下显著扩展了空间索引维度并提升了频谱效率（Spectral Efficiency，SE）。蒙特卡罗仿真结果表明，所提方案在深度近场环境下具备优异的误码率（Bit Error Rate，BER）与鲁棒性；以子组数为3的高谱效传输场景为例，FA-QIM相较于采用高阶调制的FAS辅助垂直分层空时码（Fluid Antenna-assisted Vertical Bell Laboratories Layered Space-Time，FA-VBLAST）基准方案，实现了约4 dB的信噪比增益，验证了该架构在毫米波近场通信中的有效性与鲁棒性。关键词：自由度;流态天线系统;索引调制;毫米波通信;近场通信;非均匀球面波91|80|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：随着第六代移动通信系统向太赫兹频段与超大规模天线阵列发展，无线通信的物理范式正经历从远场平面波到近场球面波的根本性转变。本文系统阐述了近场通信的理论基础，揭示了其区别于远场的独特电磁特性，包括三极化特性、空间非平稳性、波束聚焦效应与波束分裂效应。重点探讨了近场信道估计这一核心挑战，综述了基于极域稀疏重建、贝叶斯法以及深度学习辅助的先进信道估计方案，对比分析了各类算法的性能与复杂度，并讨论了实际部署情况下的硬件条件、功耗以及成本。极域稀疏重建方案巧妙利用了近场信道在极域的稀疏特性，但其性能高度依赖于预设字典的设计。贝叶斯法通过将近场角度与距离的稀疏分布建模为先验概率，利用变分推断等手段实现对信道后验概率的精确表征，但往往复杂度较高。深度学习辅助方案凭借强大的非线性拟合能力，可在复杂传播环境中快速逼近最优解，然而其对训练数据的依赖与可解释性不足的问题，仍是实际部署中需要克服的障碍。本文进一步剖析了近场通信在信道模型复杂度、导频开销及混合场区信道估计等方面面临的核心挑战，并展望了静止场景、高速移动场景以及通感融合场景下的信道估计技术未来发展方向。旨在表明，对近场通信的深入研究不仅是通信理论在全新物理条件下的必要拓展，更是实现6G极致性能指标不可或缺的技术基石。关键词：近场通信;太赫兹;超大规模天线阵列;信道估计;稀疏重建;贝叶斯推断;深度学习144|88|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：可移动天线（Movable Antenna，MA）通过灵活重构天线位置以动态优化无线信道条件，为无线通信系统引入了全新的空间自由度，突破了传统固定位置天线（Fixed-Position Antenna，FPA）在信道适应能力上的性能极限。然而，MA位置优化面临高维、非凸以及天线最小间距约束带来的严峻挑战。在近场通信中，球面波信道进一步引入距离相关的相位与幅度耦合，使得优化问题的复杂程度急剧升高，现有方法难以在实现高性能的同时维持较低的计算复杂度。针对这一难题，本文提出一种基于分式规划（Fractional Programming，FP）的稀疏优化框架，为解决MA赋能的近场多用户总和速率最大化问题提供统一解决范式。该框架通过引入近场信道中的天线位置稀疏性，将连续位置空间离散化为过完备字典，使天线位置优化问题转化为从密集候选位置集合中匹配有限的天线位置子集，并利用稀疏波束成形矩阵的行稀疏结构同时表征天线位置与波束成形，实现MA位置与波束成形的联合优化与高效求解。在此基础上，设计了基于梯度匹配追踪的求解算法，并通过引入扰动因子实现天线离散位置优化与连续位置优化的统一。仿真结果表明，所提方法具备稳健的收敛特性，在MA位置优化方面优于粒子群优化（Particle Swarm Optimization，PSO）、快速天线选择（Antenna Selection，AS）与基于回溯线搜索的梯度方法等基线方案，并在可移动区域较大时实现相较FPA系统约137.3%的和速率增益。关键词：可移动天线;近场通信;稀疏优化;多用户通信;分式规划66|62|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：针对欠采样多频带信号在远近场混合场景下的载频、方位角、俯仰角和距离四维联合估计问题，现有方法易受跨轴参数配对模糊、高维搜索复杂度和远近场子空间残余耦合问题的影响，难以兼顾估计精度、分离能力和计算效率。本文提出一种面向混合场多频带信号的低复杂度四维参数联合估计算法。首先，本文构建对称十字阵列与多阶时延调制宽带转换器（Modulated Wideband Converter，MWC）联合接收模型，使X轴和Y轴观测在欠采样条件下保留双轴空时旋转不变信息，并重构双轴高维空时数据矩阵和样本协方差矩阵。其次，本文利用联合角度频率估计（Joint Angle-Frequency Estimation，JAFE）算法提取双轴载频和混合信号子空间，并依据同一个信源在双轴上的载频一致性建立跨轴配对映射，实现双轴参数无模糊自动配对；随后对同频信源进行分组并重排混合子空间，为远近场分离提供频组对象。针对远近场分量耦合问题，本文先利用远场线性相位特性进行一维多重信号分类（MUltiple SIgnal Classification，MUSIC）算法谱峰搜索，获得远场二维角度并重构远场流形，再构造斜投影算子滤除远场分量，提取初始近场子空间。针对近场参数搜索维度高的问题，本文结合对称阵元共轭相乘、空间平滑和降维解耦，消除距离二次相位项对角度估计的影响，先通过旋转不变子空间法（Estimation of Signal Parameters via Rotational Invariance Techniques，ESPRIT）算法估计近场二维角度，再在角度已知条件下采用一维MUSIC算法距离搜索获得径向距离估计，将四维联合估计转化为闭式求解与一维谱峰搜索。最后，为抑制有限快拍和噪声引起的残余耦合，本文利用近场角度和距离估计结果交替更新斜投影算子，并重新提取近场子空间，形成近场参数迭代优化闭环。仿真结果显示，在相同信噪比条件下，所提算法的平均绝对误差（Mean Absolute Error，MAE）整体低于传播算子（Propagator Method，PM）算法，较协方差算法最高降低80%；斜投影迭代更新能够在5次迭代内收敛至稳定的估计结果。这表明：所提算法能够降低高维网格匹配计算负担，并提高四维参数估计的精度和稳健性。关键词：欠采样;混合场;四维参数联合估计;对称十字阵列;调制宽带转换器（MWC）;斜投影算子72|87|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：面向第六代移动通信对超高速率与超大容量的迫切需求，超大规模多输入多输出（eXtremely Large-scale MIMO， XL-MIMO）技术通过部署数百乃至上千根天线成为突破频谱效率瓶颈的关键，然而天线阵列孔径的急剧扩大导致瑞利距离显著增加，使得用户信号传播路径中近场球面波与远场平面波共存的混合场特性日益凸显，传统的单一场假设模型在此场景下严重失配，而现有的基于压缩感知的混合场估计方法虽能利用信道稀疏性降低导频开销，却受限于离散字典的有限分辨率，不可避免地产生“网格失配”效应，导致能量泄漏、相位偏差及估计精度饱和，难以满足精度要求。针对上述挑战，本文提出了一种融合物理驱动与数据驱动的两阶段高精度信道估计补偿算法，该算法创新性地构建了“粗略估计+残差精修”的级联架构：第一阶段严格遵循物理模型，采用混合场正交匹配追踪（Orthogonal Matching Pursuit， OMP）算法，利用角域与极域复合字典，获得具有明确物理可解释性的粗略信道估计值；第二阶段引入基于 Transformer的深度学习补偿模块，旨在解决传统算法无法处理的非线性残差问题，该模块利用多头自注意力（Multi-Head self-Attention， MHA）机制，能够在全局范围内捕捉超大尺度天线阵列间复杂的长距离空间相关性，通过将初始估计的复数向量映射至高维特征空间，Transformer网络能够自适应学习由网格量化误差和环境噪声引起的结构化残差模式，对粗略估计中的幅度衰减与相位畸变进行亚网格尺度的非线性精细校正。本文在大规模仿真环境下验证了所提算法的优越性，结果表明该方案无需增加任何额外导频开销，即可在不同信噪比、导频数量、多径稀疏度及远近场混合比例等多样化场景下，显著优于传统OMP及其加权变体算法，特别是在低信噪比和严重网格失配条件下，该算法展现出极强的鲁棒性，能将归一化均方误差进一步降低3~5 dB，有效缩小了粗略估计值与真实信道之间的差距。此外该模型具备优异的泛化能力，预训练模型可直接迁移至未见过的信道参数场景而无需重新训练。本研究成功实现了传统压缩感知算法物理可解释性与深度学习强大非线性拟合能力的有机平衡，为未来XL-MIMO系统在复杂混合场环境下的高效、高精度信道获取提供了一种即插即用、低复杂度的增强型解决方案。关键词：信道估计;混合场;超大规模多输入多输出;Transformer;正交匹配追踪87|121|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：在第6代（6th Generation，6G）通信网络中，分布式超大规模多输入多输出（eXtremely Large-scale Multiple-Input Multiple-Output，XL-MIMO）系统凭借扩展覆盖范围、提升空间分辨率和增强多用户服务能力等优势，展现出重要的理论研究价值与工程应用潜力。随着阵列孔径和天线规模的持续增大，通信场景由传统远场（Far-field）逐步过渡至近场（Near-field）区域，信道传播呈现显著的球面波特性，阵列响应不仅与角度有关，还与传播距离紧密耦合。此时，传统远场平面波假设以及现有简化近场模型已难以准确描述阵列几何结构和传播距离对信道响应的联合影响，导致信道建模精度和参数表征能力受限。与此同时，在分布式近场XL-MIMO系统中，网络通常由多个接入点（Access Point，AP）协同组成，不同AP与用户之间的传播路径在几何关系上既存在差异，又具有一定关联，使得系统信道参数冗余度高、耦合关系复杂，在有限导频和有限计算资源条件下，实现高精度信道估计面临严重瓶颈。基于此，本文从近场传播机理出发，对近场视距（Line-of-Sight，LoS）与非视距（Non-Line-of-Sight，NLoS）信道分量进行统一而精简的参数化建模，显式引入收发两端角度距离参数耦合项，从而能够更准确地反映不同AP与用户之间的几何关系差异以及近场传播特性。在此基础上，进一步挖掘分布式网络中AP间的拓扑关系与参数关联特征，构建近场信道参数关联模型，使非参考AP的部分信道参数可由参考AP的估计结果与网络已知拓扑信息直接推导获得，从而在保证建模精度的同时有效压缩参数维度，减少重复估计开销。进一步地，面向LoS与NLoS分量解耦结构，本文提出一种分布式AP协作分段信道估计方法。该方法通过对非参考AP待估参数的降维重构，降低参数搜索维度，并结合分层估计与连续域精细化机制，在提升估计精度的同时显著降低导频与计算开销。仿真结果表明，所提统一参数化信道模型在典型近场距离范围内相较于传统近场模型可获得超过40 dB的误差性能提升，表明其能够更准确地刻画分布式近场XL-MIMO信道的结构特征。在信道估计方面，所提分布式协作估计方法在保证估计精度的同时，相较于现有算法可减少约75%的导频开销，并在不同导频长度、信噪比（Signal-to-Noise Ratio，SNR）和传播距离条件下均表现出更优且更稳定的信道估计性能。上述结果验证了所提方法在分布式XL-MIMO近场信道建模与低开销信道估计中的有效性与实用价值。关键词：近场通信;信道建模;信道估计;分布式XL-MIMO;导频开销;超大规模多输入多输出（XL-MIMO）95|89|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：超大规模阵列可显著提升频谱效率、空间分辨率与波束聚焦能力，是面向6G无线通信的重要物理层支撑技术。随着阵列孔径和载频持续增大，近场球面波传播特性日益显著，近远场用户共存的混合场通信场景不可避免。现有研究主要考虑均匀线性阵列，而针对均匀平面阵列下远场波束在二维角域内向近场用户泄漏的物理机理及其对可达速率的影响，仍缺乏系统理论刻画。针对上述问题，本文研究超大规模均匀平面阵列下的混合场下行传输系统。首先，基于二维可分离菲涅耳近似，推导近场与远场导向向量之间混合场相关性函数的闭式表达，揭示远场波束向近场用户泄漏的二维耦合特征。其次，构建远场泄漏干扰下近场用户的速率损失模型，给出速率损失的精确表达式，并分析其关于泄漏强度和理想接收信噪比的结构性质。最后，通过数值仿真验证理论分析的准确性，系统考察天线规模、二维角度失配、用户距离和功率分配对混合场干扰与速率损失的影响。结果表明，平面阵列下混合场泄漏具有显著二维耦合特征，速率损失关于泄漏函数单调递增且呈严格凹性；在高理想接收信噪比条件下，近场用户对远场泄漏更加敏感。本文结论可为超大规模平面阵列混合场通信系统中的波束设计、用户调度与干扰管控提供理论依据。关键词：超大规模阵列;混合场通信;平面阵列;信道相干性;干扰分析131|181|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
近场通信基础理论与关键技术
- 摘要：随着低空经济深入发展，无人机（Unmanned Aerial Vehicle，UAV）在电力巡检、紧急救援及工业作业等领域得到广泛应用，路径规划是保障其安全高效飞行的核心。基于无线电地图的路径规划能精准学习电磁环境、规避通信盲区，是当下无人机导航的主流方案。但在工业强干扰环境中，各种设备产生的异构电磁干扰会严重污染无线电地图数据，导致地图失真、环境认知偏差，直接影响路径规划的可靠性。现有方法缺乏对异构电磁干扰的识别能力，无法修复受损的数据以还原环境的真实电磁传播属性，导致飞行轨迹产生不必要的冗余迂回。为此，本文提出一种基于混合专家（Mixture of Experts，MoE）协同与深度强化学习（Deep Reinforcement Learning，DRL）的智能UAV导航方法。通过构建融合空间邻域一致性与时空轨迹历史等多源特征的随机森林电磁干扰感知模型，实现对各类异构干扰的精准识别。针对感知到的受损数据，依据干扰类型设计自适应修复策略，基于路径损耗物理模型对异常观测值进行逐类校正，还原环境的真实电磁特征数据。另外，设计基于门控MoE网络的无线电地图重构策略，通过三个异构专家网络与门控加权机制，利用修复后数据学习出高精度的无线电地图。基于无线电地图，提出结合优先经验回放（Prioritized Experience Replay，PER）的多步竞争双重深度Q网络（N-Step Dueling Double Deep Q-Network，NSD3QN）的UAV路径学习方法。在强电磁干扰环境下规划出兼顾低通信中断区域规避与低飞行能耗的最优导航路径。在仿真场景中，与同时导航和无线电地图（Simultaneous Navigation And Radio Mapping，SNARM）等多个主流基线方法进行了全面对比评估。实验结果表明，本文方法使无线电地图预测均方误差相较于SNARM方法降低46.78%，UAV平均飞行轨迹缩短15.98%，任务成功到达率提升28.9%，通信速率标准差降低40.3%，路径效率达66.43%。上述结果充分验证了所提方法在电磁环境感知、地图重构与智能路径规划三个层面的综合优越性，为复杂工业电磁干扰环境下UAV可靠自主导航提供了新的技术路径。关键词：电磁干扰;无线电地图;UAV导航;干扰识别;混合专家协同;深度强化学习110|156|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：短波在海洋通信中具有关键作用，其可通过电离层反射实现超视距通信，单跳覆盖可达数千公里，在远洋船舶、应急通信和复杂海域信息传输等场景中具有重要价值。然而，随着海上设备数量和业务需求快速增长，短波频谱资源日益紧张；同时，受授权业务占用、海况变化、电离层反射、多径衰落、多普勒频移和船舶电磁干扰等因素影响，可用频段往往呈现离散化、碎片化和强动态变化特征，单一空闲频段难以满足海洋节点对通信速率和链路稳定性的需求。针对上述问题，本文研究了海洋短波通信环境中多智能体的频谱共享与聚合策略，重点考虑主用户与次级用户共存条件下的动态频谱接入问题，在不影响主用户通信质量并满足干扰约束的前提下，使多个次级用户能够自适应选择并聚合非连续空闲子频段，从而提升有效传输带宽和系统频谱利用效率。具体而言，本文构建了云边端协同的海洋短波通信场景，将海面次级用户建模为分布式智能体，并综合考虑频谱占用状态、节点位置变化和信道增益等信息，建立面向动态频谱聚合的强化学习决策模型。此外，在多用户并发接入时，智能体之间存在频段竞争和相互干扰，若多个次级用户同时选择相同子频段，容易降低系统吞吐性能并破坏主用户通信约束，传统静态优化或常规强化学习方法还可能因探索不足而陷入局部最优或训练不稳定。因此，本文提出了基于最大熵的多智能体深度强化学习算法，在多智能体Actor-Critic框架中引入熵项，使智能体在最大化累积奖励的同时保持策略随机性和持续探索能力，从而形成更加多样化、鲁棒且适应动态海洋短波环境的频谱聚合策略。仿真结果表明，与多智能体行动者-评论家（Multi-Agent Actor-Critic，MAAC）、深度Q网络（Deep Q Network，DQN）和随机策略相比，所提算法能够获得更高奖励、更优传输和速率，并通过避免多个智能体选择相同频段，有效降低次级用户之间的相互干扰，在满足主用户通信约束的基础上提升海洋短波频谱共享效率。关键词：海洋短波;频谱聚合;最大熵;深度强化学习110|111|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：在低空智联网（Low-Altitude Intelligent Network，LAIN）中，无人机（Unmanned Aerial Vehicle，UAV）终端的远距离、广覆盖应用不断增加，但现有蜂窝网络主要面向地面用户进行规划与部署，地面基站覆盖的空间重叠特性、下倾天线旁瓣覆盖效应以及城市建筑物的频繁遮挡共同加剧了空地通信信道的复杂性，给无人机终端的动态接入与切换控制带来严峻挑战。多地面基站同时可视使候选接入节点激增，导致切换决策的动作空间膨胀和计算开销上升，严重制约无人机终端的实时响应能力；同时，天线旁瓣引发的非衰落性波动容易诱发冗余的乒乓切换，建筑物遮挡造成的真实衰落又可能因响应迟滞导致通信中断，使系统在链路稳态保持与敏捷响应切换的双重约束下陷入决策模糊困境。针对上述问题，本文提出一种融合时空可行域重构与相对熵-最大熵协同的无人机切换控制方法，以协同解决密集接入条件下的高维候选搜索、复杂链路状态辨识以及链路稳态保持与敏捷响应切换之间的动态平衡问题。首先，本文面向宏微异构低空场景，联合无人机运动状态、基站拓扑、扇区方位和链路质量信息，建立轨迹-拓扑耦合模型，并通过接收功率相关的局部候选压缩、链路准入约束、方向一致性约束和连通保底修正机制，动态生成局部可行动作支持集，将全网候选空间压缩为具有物理可达性的时变可行域，从而降低无效动作搜索和切换决策复杂度。在此基础上，本文将无人机切换过程建模为序列决策问题，构建兼顾链路吞吐量、连接连续性、链路失败惩罚和切换开销的复合效用函数，并提出融合可行域掩码的相对熵策略优化（Masked Relative Entropy Policy Optimization，M-REPPO）算法，使策略采样与执行过程受限于当前时隙的可行动作支持集，以减少物理不可行动作对策略学习的干扰；同时，M-REPPO利用相对熵约束平滑新旧策略分布差异，降低天线旁瓣波动引起的策略振荡和冗余切换，并利用最大熵正则项增强深衰落与突发遮挡场景下的随机探索能力，从而使切换策略在链路稳态保持与敏捷响应之间形成动态平衡。最后，本文在密集城市宏微异构低空智联网仿真环境中开展性能验证，仿真结果表明，所提M-REPPO在保持99.95%高连通率的同时，相较链路质量驱动算法将切换开销降低13.04%；相较未引入完整协同机制的学习型算法，M-REPPO在低分位链路条件下获得0.92 dB的信干噪比（Signal-to-Interference-plus-Noise Ratio，SINR）提升，说明本方法能够在连接连续性、链路质量和切换稳定性之间实现协同优化，并为低空智联网中无人机终端的智能移动性管理提供有效方案。关键词：低空智联网;无人机;切换控制;时空可行域重构;轨迹-拓扑耦合模型;相对熵策略优化46|52|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：随着6G空地融合网络的快速发展，无人机（Unmanned Aerial Vehicle，UAV）凭借部署灵活、覆盖增强和快速组网等优势，已成为低空通信网络中的重要节点。然而，空地链路具有视距传输和开放广播特性，地面用户在上行链路中传输的隐私数据易被非法监听节点截获，系统面临窃听、干扰及通信行为暴露等安全威胁。作为应对低空通信网络窃听与干扰等安全问题的有效手段，基于频谱叠加的隐蔽通信技术近来受到大量关注。现有研究较少关注协作干扰辅助的空地上行隐蔽通信性能，为此，本文面向UAV非正交多址接入（Non-Orthogonal Multiple Access，NOMA）网络场景，提出一种协作干扰辅助空地上行隐蔽通信性能理论框架。在所构建的系统中，秘密用户Alice与隐蔽用户Bob采用NOMA方式向接收UAV发送上行信号，协作干扰节点向地面监听节点Willie发射干扰信号；地面用户依据空地信道状态采用信道反转功率控制（Channel Inversion Power Control，CIPC）策略动态调整功率分配，以增强Willie对通信状态判断的不确定性。基于该模型，首先推导Willie检测错误概率（Detection Error Probability，DEP）的闭式表达式，并获得其最优检测阈值及理想条件下的最小DEP。其次，结合UAV接收端连续干扰消除过程，分析并分别推导秘密用户Alice和隐蔽用户Bob的中断概率表达式、保密中断概率表达式，以及系统的保密速率与隐蔽速率性能指标。再次，构建加权用户和速率最大化的联合优化问题。针对该问题非凸且多变量耦合的特点，进一步将其转化为多维实数域联合优化问题，并提出一种上行功率与高度联合粒子群优化算法（Uplink Joint Power and Height via Particle Swarm Optimization，UJPH-PSO）实现对用户发射功率、协作干扰功率等关键参数的联合优化配置。最后，通过仿真实验验证了理论推导和所提优化算法的正确性与有效性。结果表明：理论解析结果与数值仿真结果高度一致；合理配置发射功率、人工干扰功率及UAV位置，能够有效降低Willie的检测能力，并在保障用户通信可靠性与安全性的同时，最大化系统隐蔽性能。关键词：低空通信;隐蔽通信;非正交多址接入（NOMA）;协作干扰81|152|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：针对大规模无人机（Unmanned Aerial Vehicle，UAV）集群中任务需求与计算资源高维异构和动态耦合的特性，传统集中式计算调度算法存在计算复杂度高和可扩展性差等问题。随着集群规模扩大，系统调度开销显著增加，导致资源利用率下降和任务响应延迟增加。为解决上述问题，本文提出了一种面向无人机集群的分层跨域协同计算机制。首先，针对无人机节点在空间分布、运动状态以及通信链路质量上存在的显著差异，通过构建融合空间位置、节点移动特性及链路质量等多维要素的特征亲和度模型，准确刻画节点间的关系。在此基础上，引入基于广义距离的增量式K-means算法，实现无人机网络拓扑的弹性划分。其次，针对域间负载失衡与资源利用率低问题，设计自下而上的跨域协同调度架构，将跨域协同与域内资源管理解耦。在该架构中，底层为域内的本地调度，负责域内任务队列维护、计算资源分配与任务执行；上层为域间的跨域协同，在局部域负载过高时触发跨域协同，实现任务迁移与资源共享。基于此架构，建立了以系统时延与能耗联合最小化为目标的优化问题。其中，系统时延包含任务的排队时延、跨域传输时延以及计算执行时延；能耗包括任务计算能耗与数据传输通信能耗。最后，为解决跨域环境下任务调度与资源分配相互耦合的问题，通过跨域双层协作机制实现任务卸载与计算资源分配的联合优化，在保证任务服务质量的同时提升系统整体运行效率。为验证所提架构与算法的性能，构建仿真场景开展实验评估，并与贪婪算法和轮询调度算法等基准方案进行了对比分析。仿真实验结果表明，所提分层跨域协同计算机制可有效降低任务处理时延，相较于对比算法任务平均完成时间分别降低68.8%和58.1%，具备更优异的鲁棒性与可扩展性。研究结果表明，本文所提算法能够有效适配大规模无人机集群的动态协同计算场景。关键词：无人机集群;协同计算;网络拓扑;跨域双层协作机制;任务卸载;资源分配141|115|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：低空智联网通过无人机集群与地面基站的空对地协同通信，为低空物流、巡检监测和多机协同等任务提供网络支撑。然而，受限频谱资源、空地链路快速变化、同频干扰强耦合以及组网重构开销等因素共同作用，使低空场景下的频谱资源管控难以同时满足传输效能和网络稳定性要求。针对上述问题，本文面向多无人机多基站上行通信场景，构建基于候选邻居图与链路冲突图的低空频谱资源协同管控模型。其中，候选邻居图刻画无人机与基站之间的物理可达关系和潜在接入空间，链路冲突图描述候选通信链路之间的同频干扰关系；在此基础上，以最大化全网总传输速率和最小化组网重构代价为联合目标，将连续带宽配给过程形式化为受无人机带宽预算、基站容量、非负分配和相邻时隙重构阈值约束的非凸优化问题。进一步地，本文从全局效用函数的梯度结构出发，证明全网效用对特定链路带宽分配的梯度仅由链路冲突图中的局部拓扑及邻域状态决定，揭示了干扰耦合下的图梯度局部性规律。针对该问题的非凸性、连续动作空间和动态拓扑特征，提出一种互补图驱动的图深度确定性策略梯度（Graph Deep Deterministic Policy Gradient，GDDPG）算法。该算法将频谱调度建模为马尔可夫决策过程，策略网络通过双分支跨图卷积结构分别提取候选邻居图中的空间接入特征和链路冲突图中的干扰耦合特征，经特征融合后生成候选链路的连续带宽分配偏好；同时，通过分组归一化与极小值截断机制，使输出动作满足带宽约束并具备稀疏链路选择能力。价值网络基于链路冲突图进行干扰外部性传播，将信道增益、历史带宽状态和当前动作联合编码为冲突图节点特征，并依据同频干扰的单调负外部性对局部链路效用进行评估，再通过置换不变聚合获得全局动作价值。理论分析表明，所提价值网络满足置换不变性，在线推理复杂度随候选链路规模呈拟线性增长。基于5G NR空地通信参数和3GPP TR 36.777信道模型，本文构建规则网格、随机分布、中心热点及多种变规模场景开展仿真。结果显示，GDDPG算法在全场景下取得70.88 Mbps的平均吞吐量、2.71的平均重构代价和-11.48 dB的平均信噪干比，相较于多智能体强化学习方法MAPPO，平均吞吐量提升约13.64%，且差异通过Wilcoxon符号秩检验。在中心热点场景和变规模场景下，算法仍保持可观测的吞吐量和重构代价表现。消融实验表明，候选邻居图和链路冲突图分别对空间接入建模和干扰关系表征具有作用。上述结果表明，所提方法在低空智联网大规模动态演进场景中能够兼顾频谱效能、组网稳定性和在线推理效率。关键词：低空智联网;深度强化学习;图神经网络;频谱资源管控;时变拓扑99|132|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：随着低空智联网（Low-Altitude Intelligent Network，LAIN）在空天地一体化网络中的广泛应用，服务功能链（Service Function Chain，SFC）技术通过将虚拟化网络功能按需编排与串联，成为实现跨管理域资源协同与业务按需构建的关键支撑。然而，低空智联网具有的高动态拓扑导致认证会话频繁中断，管理域的异构性使得跨域身份映射与信任传递异常复杂，开放无线信道加剧了认证信息被窃取与篡改的风险。这些独特挑战使得基于固定基础设施或集中式管理的传统认证机制难以适应跨域SFC场景对安全性、实时性与可靠性的严苛需求。传统中心化方案存在单点故障与性能瓶颈，而去中心化方案又常面临效率低下、可扩展性不足等难题。针对上述问题，本文提出了一种基于联盟区块链与灵活门限签名（Flexible Threshold Signature Scheme，FlexiTSS）的跨域SFC安全接入与认证机制。该机制首先构建一个由多管理域边缘节点共同维护的联盟链，作为分布式的全局信任锚，实现身份与策略的统一存证与验证。然后，设计了一种支持动态成员管理的FlexiTSS算法，使得多个管理域可联合完成对关键操作的签名授权，显著提升签名效率。此外，本文提出了一种轻量级动态编排器选举算法，依据网络实时拓扑与业务负载自适应选择最优编排节点，有效实现了负载均衡，避免了单点失效。实验结果表明，与典型的中心化认证、基础区块链认证等方案相比，本文提出的方案在跨域认证时延、高动态环境下的任务成功率和控制面通信开销等方面均具有显著优势，能够在大规模节点与长服务链场景下保持稳定的性能，较好地解决了安全、效率与可扩展性之间的权衡问题，为低空智联网的跨域安全协同提供了切实可行的技术途径。关键词：低空智联网;服务功能链;跨域认证;联盟区块链;门限签名59|95|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
低空智联通信组网理论与技术
- 摘要：多模态大语言模型凭借强大的跨模态理解能力，已在图像描述、视频问答及视觉推理等任务中取得显著成效。然而，数千亿级别的参数规模导致模型在实际部署中消耗大量计算资源，使其推理服务面临资源耗尽型攻击的威胁。针对此类威胁开展压力测试，是评估和提升系统可用性的重要手段。现有方法主要通过推迟生成结束词元的出现来延长模型输出，但仍面临测试强度有限与优化效率低下的问题。一方面，随着生成序列增加，输入扰动对远端词元的影响持续衰减，输出往往在达到最大长度前提前终止；另一方面，现有方法通常需联合优化多个损失函数，导致优化过程耗时长且收敛困难。针对上述问题，本文提出一种面向多模态大语言模型的高效压力测试框架CycleTrap。该框架的核心思想是通过显式干预模型的输出结构，诱导其进入自我强化的循环生成状态，持续输出重复内容直至达到最大生成长度，从而显著放大推理能耗和响应时延，模拟极端推理负载场景。具体而言，本文首先设计了上下文感知的种子提取机制，基于模型对原始视觉输入的初始响应，选取其中对数似然累积得分最高的连续子序列作为初始重复种子，以提高循环诱导的成功率。在此基础上，本文进一步提出循环诱导优化机制，通过单一损失函数提升重复种子在输出中被再次生成的概率，并借助自回归生成过程中历史输出对当前预测的累积效应，使模型输出概率分布逐步收敛到少数词元，最终形成稳定的循环生成模式。相比于延迟EOS的方法，CycleTrap 不再以被动延长输出为目标，而是通过主动诱导循环结构实现持续生成，因而能更稳定地触发最大输出长度，同时降低测试样本的优化开销。本文在四个主流多模态模型以及多个图像与视频数据集上进行了大量实验评估，结果表明，CycleTrap在测试强度与优化效率方面均显著优于现有基线方法。在输出长度方面，其诱导生成的平均输出长度最高可达原始输入的20倍，并在部分设置下实现100%的达到最大长度触发率；在优化开销方面，生成单个测试样本的平均时间约为基线方法的七分之一，展现出优异的优化效率。此外，CycleTrap在不同解码策略、扰动强度及重复惩罚机制下均表现出较强效果，表明其对生成策略变化具有良好的鲁棒性。关键词：多模态大语言模型;压力测试;可用性安全;对抗样本;循环诱导;自回归生成;自我强化循环55|242|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：在云环境中，多租户机制已成为实现资源共享和利用的主要方式，该机制通过共享底层物理资源为多个独立租户提供逻辑隔离的服务环境，从而显著提升了资源利用率和成本效益。然而，在多租户云环境下如何平衡资源共享与多样化服务质量（Quality of Service， QoS）需求，仍然是一个具有挑战性的研究问题。现有分层调度方案主要关注流量隔离和资源分配，但对关键业务的低时延保障不足，难以在拥塞场景下控制排队时延。为兼顾分层服务质量（Hierarchical Quality of Service， HQoS）与时延约束，本文提出了一种面向多租户云环境中排队延迟保障的公平队列调度方法——DG-HQoS。该方法根据自定义调度算法为数据包分配一个优先级，并标记数据包所属的租户和流，接着通过分层调度策略递归计算出各流的带宽准入分位数，同时结合目标时延和传输时延动态调整队列的时延准入分位数，最后根据数据包的优先级分位数对其进行双重准入，旨在保障租户间资源隔离与租户内流量共享的同时控制拥塞。实验表明，相较于现有先进方案，DG-HQoS在低负载和小流场景下优势明显，平均流完成时间（Flow Completion Time， FCT）最高降低了23%，且公平性提升约1.4%；DG-HQoS的平均排队时延降低了23.3%，目标时延满足率达到97.14%；DG-HQoS能够根据预设的带宽比例进行调度，在TCP和UDP流下的平均吞吐量偏差分别不超过25%和5%。关键词：多租户云环境;可编程调度;分层服务质量;延迟保障;准入控制47|92|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：编译器自动调优与反馈导向优化（Feedback-Directed Optimization， FDO）是提升应用程序性能的两大关键技术。自动调优技术通过在高维离散编译选项空间中迭代搜索，获得较优配置，但其反馈信号通常仅依赖程序运行时间等指标，缺乏对程序动态运行时信息的利用能力；而反馈导向优化通过插桩或采样方式收集程序运行时剖面信息，并用以指导内联、代码布局与循环优化等关键优化决策。然而FDO高度依赖运行时剖面信息的质量，且受限于静态优化信息，在优化选项变化时使剖面信息失效从而导致负优化。本文在统一搜索预算约束下，将自动调优与FDO深度融合，提出一种基于运行时剖面更新策略的联合优化框架。该框架将编译选项搜索、程序编译执行、运行时剖面采集以及反馈导向优化过程统一建构为一个完整的优化系统，并引入剖面来源配置等中间状态变量，以刻画剖面信息与当前候选编译配置之间的一致性关系。在此基础上，本文设计了三种融合模式：两阶段分离搜索、固定间隔采样搜索以及条件触发采样搜索。其中，两阶段方法将搜索空间分解为非FDO选项与FDO选项分别优化；固定间隔采样通过周期性更新剖面以保持剖面信息的有效性；条件采样则基于编译选项变化程度与风险划分动态决定是否触发剖面更新，从而在开销与信息有效性之间取得平衡。进一步地，本文提出基于结构破坏风险的选项分类方法，将FDO相关优化选项划分为高风险、低风险与无风险三类，并通过Hamming距离刻画候选配置与剖面信息来源配置之间的偏离程度，以实现自适应剖面更新机制。该方法能够有效减少不必要的剖面采集开销，同时避免剖面信息失效导致的优化误导。实验基于GCC 12.2与OpenTuner框架，在PolyBench测试集上进行评估。结果表明，相较于-O3优化基线，条件采样方法可达到1.184
- 摘要：二维（Two-Dimensional，2D）Golay-ZCZ阵列集兼具Golay互补性与零相关区（Zero Correlation Zone，ZCZ）特性，即在任意非零移位处，集合内所有阵列的非周期自相关函数之和为零；在零相关区内，各阵列的周期自相关旁瓣和周期互相关函数均为零。基于这些“理想”的相关特性，二维Golay-ZCZ阵列集在大规模多输入多输出（Multiple-Input Multiple-Output，MIMO）系统的全向传输、二维信道估计等领域具有潜在的应用价值。然而，现有关于二维Golay-ZCZ阵列集的构造在参数灵活性方面存在局限：要么仅适用于单基数情形，要么虽支持双基数但其参数受限于素数幂形式，难以适应多样化应用场景的需要。为突破这一局限性，本文基于二维扩展广义布尔函数（Extended Generalized Boolean Functions，EGBFs），提出两种支持双基数且参数均不局限于素数的幂次形式的直接构造框架。两种构造框架均无需依赖已有特殊阵列，可灵活配置集合大小、阵列维数及零相关区尺寸。第一种构造框架生成集合大小为
- 摘要：网络空间安全及计算机多元化的发展为构建可信计算3.0体系提供了重要机遇，但当前可信计算缺乏硬件可信根基础支撑，已成为制约可信计算体系落地的关键瓶颈。针对现有可信根在物理安全性不足、与计算平面耦合度低以及核心硬件IP受制于人的问题，面向国家标准GB/T 40650-2021的可信平台控制模块（Trusted Platform Control Module，TPCM）要求，提出并设计了一种基于自主指令集与国密算法的安全高效可信处理单元（Trusted Processing Unit，TPU），实现对计算平面全生命周期的静态和动态可信度量底层计算支撑。该研究从可信根“源头可信、过程可控、结果可验证”的设计目标出发，围绕自主指令集环境下TPU的体系结构、安全机制与实现路径展开，重点解决可信根物理安全不足、安全架构合理、动态度量效率受限以及核心技术不可控的问题，为构建面向TPCM的并行自主可信根提供系统化的工程实现方案。具体而言：（1）TPU按照GM/T 0008《安全密码芯片检测准则》二级标准设计，引入多层数据加密、传感器监测与主动屏蔽等机制，增强可信根物理安全性；（2）通过专用硬件加速接口与算法DMA，支持对计算平面的高速主动动态度量，显著提升度量效率；（3）基于国产指令集嵌入式处理核心与硬件国密算法协同设计，构建完全自主可控的硬件计算基础，支撑可信计算3.0体系演进。在RTL级设计基础上，该文完成了国内先进工艺下的芯片流片与系统验证。实验结果表明，所设计的TPU能有效抵御物理探测与固件篡改攻击，对64 KB启动代码可信验证引入的额外时延小于130 ms，动态度量数据读取性能较传统方式提升约17倍。TPU可作为通用计算与算力芯片的独立安全防护IP进行集成，为国产服务器、智能算力及边缘计算平台提供可持续演进的自主可信根基础方案，为自主可信计算的双体系并行安全架构落地提供保障，为网络空间安全基础设施的“根”安全提供有力支撑。关键词：可信处理单元;申威指令集;可信平台控制模块;可信根;双体系结构318|159|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：现有双基地多输入多输出（Multiple-Input Multiple-Output，MIMO）雷达的波离角（Direction Of Departure，DOD）与波达角（Direction Of Arrival，DOA）估计算法大多依赖均匀线性阵列假设或精确互耦先验，当阵列几何非均匀或互耦参数未知时，传统子空间方法往往面临模型失配与性能退化问题，极大限制了阵列配置的灵活性与复杂电磁环境下的测向性能。针对此问题，本文提出一种基于时空互斥采样与协方差矩阵补全的DOD与DOA估计算法，该算法适用于任意非均匀线性阵列（Non-Uniform Linear Array，NULA）且无需已知互耦系数。首先，依据互耦作用半径将接收阵列划分为若干内部无互耦子阵，采用分时复用调度策略确保各采样时刻活跃阵元间距大于互耦作用半径，使互耦通道在采样过程中始终未被激活，从而从物理层面抑制互耦效应；然后，处理分组采样导致的协方差矩阵稀疏性问题，将其建模为低秩矩阵补全问题，在满足半正定与Hermitian约束条件下，利用凸优化方法（最小迹约束）恢复出近似理想的无互耦完整协方差矩阵；最后，应用降维多重信号分类（Reduced-Dimension MUltiple SIgnal Classification，RD-MUSIC）算法，将二维谱搜索转化为一维搜索以降低计算复杂度，实现高精度、自动配对的DOD与DOA联合估计。本文所提出的算法无需精确互耦系数先验与复杂阵列校准，具有对阵列几何强鲁棒的特点。仿真结果表明，该算法在强互耦与非均匀线阵布局场景下仍能准确估计多个目标角度，与现有互耦自校准及子空间扩展方法相比，在未知互耦条件下具有更优的估计精度与阵列几何鲁棒性，验证了所提算法的有效性与优越性。关键词：双基地MIMO雷达;非均匀阵列;互耦抑制;信号角度估计;时空互斥采样;矩阵补全101|123|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：针对星地融合网络中巨址接入场景下面临的前导码数量受限、相关性能不足以及对频偏和多普勒效应敏感的问题，本文提出了一种基于近端策略优化（Proximal Policy Optimization，PPO）的弹性前导码设计方法。传统固定序列由于结构僵化，在高动态、大规模连接的卫星通信环境中容易因多路信号叠加而产生严重的码字互干扰，且多普勒频移引发的相位旋转会进一步破坏序列的对称性。为此，本文引入深度强化学习机制，将前导码设计建模为自相关、互相关和频域特性的联合优化过程，并在训练过程中自适应调整序列结构和码长，通过策略网络的智能探索突破了传统数学边界的束缚。该机制在训练迭代中能够感知复杂的信道动态变化，将多维性能指标转化为奖励函数，使所生成前导码同时具备高自相关主峰、低互相关干扰以及良好的频谱特性。这三种特性在时频域上相互补充，高自相关性能提高了前导码检测与定时估计的可靠性，即便在低信噪比环境下也能精准锁定信号边界；低互相关有效降低了连续干扰消除过程中多用户间的残余干扰，避免了多用户共存时的相互碰撞；而优化的频域特性则增强了系统在存在频偏和多普勒条件下的鲁棒性，削弱了高动态环境对扩频特性的破坏。在此基础上，构建了前导码辅助的连续干扰消除（Successive Interference Cancellation，SIC）检测机制。该机制摒弃了盲目检测的繁琐，利用智能前导码带来的优异时延分辨力，通过前导码相关峰值完成用户检测、功率排序与逐次干扰消除。系统按照接收信号的强弱顺序列队，精准重构并剥离强信号后再处理弱信号，从而大幅提升了解调效率、多信道复用度以及复杂环境下的多用户容错能力。仿真结果表明，所提出的方法在检测概率和系统吞吐量方面均显著优于传统固定码长前导码方案，验证了其在理论上对序列设计目标的统一刻画能力以及在工程上对星地融合网络巨址接入场景的适用性。关键词：星地通信;巨址接入;弹性前导码;随机接入;深度强化学习;近端策略优化算法85|136|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：随着3D显示技术的快速发展，光场裸眼3D显示因无需佩戴辅助设备即可提供自然、真实的立体视觉体验，在虚拟现实、智能制造和数字文旅等领域展现出广阔的应用前景。显示深度作为衡量光场裸眼3D显示设备性能的重要参数，是影响空间真实感与沉浸式体验的重要因素。然而，光场3D显示设备的实际显示深度往往与设计的理论显示深度存在偏差。现有3D显示深度测试方法难以有效建模光场裸眼3D显示中复杂的多视点空间结构与深度关联，导致显示深度测试精度与鲁棒性受限。针对上述问题，本文提出了一种基于视差信息嵌入与深度基础模型辅助的光场裸眼3D显示深度智能测试方法，通过融合视差线索与深度先验信息，实现对光场裸眼3D显示深度的精准建模。具体地，设计了视差信息嵌入的特征学习模块，通过在不同视点下建模图像间的视差关系并聚合多视点特征，引导模型关注与显示深度相关的几何结构信息。此外，构建了深度基础模型辅助的特征增强模块，采用Depth Anything V2生成的深度图作为空间先验，对多视点特征进行增强，以进一步有效建模光场裸眼3D显示数据与感知显示深度之间的映射关系。在光场裸眼3D显示深度测试数据集上进行了实验，实验结果验证了本文所提方法在光场裸眼3D显示深度测试任务中的有效性。关键词：光场裸眼3D;3D显示;深度智能测试;视差信息嵌入;深度基础模型143|164|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：针对低轨道（Low Earth Orbit，LEO）卫星通过中继卫星进行数据传输时的任务调度问题，由于其复杂的约束条件，传统启发式算法容易陷入局部最优，求解时间会随任务规模扩大而增加，而现有的强化学习方法无法在多重约束条件下有效地表征任务与资源之间的映射关系，其状态表征机制往往缺乏足够的特征提取能力和泛化能力。为此，本文提出了一种面向中继卫星任务调度的时间约束驱动图强化学习方法：在任务时间窗口、卫星间可见时间窗口以及资源互斥约束下，将任务与波束资源的可行匹配关系表征为动态二分图，并据此构建马尔可夫决策框架，统一描述任务选择、资源占用、波束状态更新以及状态空间随连续决策演化的过程；其次，针对中继卫星任务调度中密集的时间信息，设计时间编码与边级时间差分网络，将任务时间窗口、卫星间可见时间窗口等时间属性映射到高维特征空间，联合挖掘不同时间约束之间的时序关联，增强策略网络对可行调度动作收益差异和长期调度价值的决策能力；最后，构建由图编码器和条件化解码器组成的策略网络，通过二分图消息传递融合任务节点、波束节点的高维特征，并以当前轮询波束为条件生成候选任务的选择概率，结合强化学习训练形成可迁移、可扩展的任务调度策略。实验结果表明：所提算法在不同任务规模与多场景设置下均取得更高收益，相较于主流算法在总收益指标上提升8.3%~21.0%。关键词：中继卫星;低轨道（LEO）卫星;任务调度;图神经网络;深度强化学习（DRL）112|89|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：跨层认证技术通常采用非对称加密进行终端与网关间的密钥协商，并结合物理层认证作为轻量补充手段快速检测电子欺骗等攻击，降低高层认证的触发频率。然而，部分工业终端算力有限，非对称密钥协商需多轮参数交互及复杂计算，导致会话认证时延长；同时，复杂工业信道条件下终端移动引发信道状态快速变化，造成物理层认证精度劣化，亦降低了跨层认证性能。为此，本文研究物理信息增强的工业物联网轻量跨层认证，采用物理不可克隆函数生成终端特异响应，利用辅助数据对响应进行纠错后，结合网关共享的随机挑战进行轻量哈希操作，以在认证双方生成一致的会话密钥，快速完成安全会话。传输过程中，持续评估到达数据包的无线信道状态相关性及散射特征以构建设备指纹，据此设计假设检验以快速筛查电子欺骗数据包，并针对物理层认证未通过的数据包开展概率抽检，缓解因虚警引发的合法数据包误丢弃。根据终端类型及其传输数据安全重要性评估任务优先级，结合历史认证性能，采用强化学习持续优化会话密钥生成所需的辅助数据及物理层认证所需的检验阈值等参数，克服工业车间等高温生产环境及终端运行热噪声引发的响应比特翻转，减少纠错时延并提高认证精度。此外，设计分层优化机制解耦跨层联合决策以提高策略优化效率，避免高维策略联合优化速度慢导致的认证参数过时，进而引发认证失效的问题。深入讨论工业物联网部署方案，并基于大型汽车装配厂实测信道数据集及真实终端的密钥生成实测数据，针对攻击频次可变的智能电子欺骗攻击，构建工业移动终端跨场景感控数据的安全传输仿真。结果表明，所提方案可降低81.4%的虚警率、78.8%的漏报率和20.7%的认证时延，且性能增益随攻击距离增加而提升，支撑工业状态监测和自动化控制等关键业务可靠运行。关键词：工业物联网;跨层认证;物理不可克隆函数;物理层认证;强化学习173|142|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：在模型互联网场景中，部署于不同边缘节点的异构模型可通过协作推理实现能力互补，从而提升系统在复杂任务上的推理能力。词元级并联协作能够在自回归解码过程中融合多个模型的预测信息，是实现细粒度模型协同推理的重要方式。现有词元级并联协作方法多采用逐词元同步的全程协作策略，即在每个解码步均调用多个模型参与候选词元生成与结果聚合。该策略虽有助于提升词元生成质量，但多模型协作并非在所有解码位置均能产生有效收益。在基模型具有较高预测置信度的词元位置继续执行多模型协作，往往会引入额外的计算开销与同步等待，从而增加单词元生成平均时延。针对上述问题，本文提出一种基于置信度门控的词元级并联协作机制FuseGate，可作为轻量级模块集成至现有词元级并联协作框架中。FuseGate无需额外预训练或模型参数更新，也不改变原有的自回归解码范式。该机制以基模型当前解码步Top-1与Top-2候选词元的logits差值表征预测置信度，并利用滑动窗口记录近期置信度变化，根据历史置信度分布动态调整协作判定阈值。在此基础上，FuseGate判断当前解码位置是否需要触发多模型协作，从而将协作计算优先分配至低置信度位置，减少全程协作产生的冗余计算与同步开销。本文构建多组异构模型组合，并在计算推理、阅读理解、多步数学推理和跨领域知识理解等多类任务上开展实验。实验结果表明，FuseGate能够适配不同类型的词元级并联协作框架，在整体推理准确率与全程协作基本相当的情况下，将单词元生成平均时延降低约46％。进一步分析表明，FuseGate对具有不同能力差距的模型组合均表现出较好的适用性，能够在减少无效协作开销的同时，保留有效协作带来的推理性能增益。研究结果表明，基于置信度的选择性协作能够在推理准确率与生成效率之间取得更优折中，为模型互联网场景下异构模型的高效词元级协同推理提供一种轻量化且具有良好框架兼容性的协作机制。关键词：大语言模型;模型互联网;词元级并联协作;置信度门控;轻量级集成;选择性协作140|161|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：3D目标检测是提升智能系统在复杂室内环境下自主决策与精细化感知能力的关键。传统视觉方法受室内物体长尾分布影响显著，且缺乏文本语义的引导，导致模型难以对室内场景中不断涌现的未见类别进行有效泛化。针对室内复杂场景下目标类别繁杂且分布不均导致的多尺度语义混叠问题，以及跨模态异构空间中由于背景噪声引发的表征分布失配挑战，本文提出一种基于空间重构和文本引导的室内开放域3D目标检测方法。在视觉表征前端，本文设计层级边缘聚焦网络，利用分流注意力机制过滤通道冗余并增强跨尺度语义一致性，构建层级融合模块生成自适应层间注意力，从而有效解决由尺度变化引发的检测歧义。在多模态融合阶段，本文构建基于空间重构的跨模态特征融合模块，依据统计特性将异构特征空间解耦为信息流与冗余流，通过提纯高价值视觉特征缓解室内杂乱环境引起的信噪比差异。在解码阶段，本文建立语义增强的文本查询交互机制，将对比语言-图像预训练（Contrastive Language-Image Pre-training，CLIP）文本嵌入作为先验注入解码器，赋予查询向量目标导向的感知能力，降低细粒度类别的识别误差。在SUN RGB-D数据集上的实验结果表明，该方法在新颖类别上的检测精度达11.33%，全类别平均检测精度达19.30%，较基线方法分别提升了1.32%和1.15%，证明了该方法在室内开放域场景下具有优越的3D目标检测性能。关键词：3D目标检测;室内开放域;跨模态融合;空间重构;层级边缘聚焦;文本嵌入134|125|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：针对目标数目未知、高速机动且存在杂波干扰和量测噪声的复杂密集目标探测与跟踪问题，本文提出了一种基于多尺度变换的多模态机动多目标航迹检测方法。现有基于显式数据关联和预设运动模型的多目标跟踪方法，在目标数目时变、机动模式差异显著以及密集杂波干扰条件下，通常需要同时处理目标数量判断、量测关联、模型选择与状态估计等多个相互耦合的问题，数学上是一个NP-hard难题，面临关联假设空间膨胀、模型失配和计算开销增大等挑战。为此，本文基于连续时间航迹函数（Trajectory Function of Time，T-FoT）框架，将滑动时间窗内目标运动表示为由有限维参数刻画的连续时间函数，并构建多尺度航迹参数空间，其中不同尺度对应匀速、加速和局部转弯等不同复杂度的T-FoT航迹族。通过将时间滑窗内量测数据投影至各种候选尺度参数空间，目标航迹起始与检测问题被转化为参数空间内量测投影一致性的检测问题：同源量测在相应尺度下会形成局部聚集的支持响应，而杂波量测或尺度不匹配量测通常难以形成稳定聚集。进一步，针对硬支持计数难以区分一致性量测贡献强弱的问题，提出加权支持累积机制，根据候选航迹与量测之间的一致性残差分配支持权重，增强参数空间中的一致性表征能力，从而提高真实航迹峰与伪峰之间的可分性。在算法实现上，所提方法结合随机最小子集采样、局部峰值筛选、非极大值抑制和跨尺度候选融合，在不显式枚举量测关联关系和目标数量假设的情况下提取高支持航迹候选，并为后续递推跟踪提供初始化信息。仿真结果表明，所提方法在白噪声和有色量测噪声两种条件下均能够保持较高的航迹起始成功率和较低的虚假航迹率；在航迹估计阶段，该方法能有效平衡估计精度和计算复杂度，可支撑事后航迹复原、运动过程重建及态势分析等复杂任务。关键词：多目标跟踪;机动目标跟踪;航迹检测;航迹起始;多尺度变换;连续时间航迹函数137|161|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：RGB-Thermal（RGB-T）显著性目标检测利用热红外信息辅助可见光感知，为复杂场景下的显著目标定位提供了有效途径。然而，在极端低光照条件下，可见光图像的高强度噪声削弱了现有模型的特征提取与互补融合能力：传统图像修复过程易过度平滑纹理和边缘，导致检测任务所需的判别性细节丢失；低信噪比下模态间的几何偏移问题显著，导致底层梯度配准策略容易失效。为此，本文提出一种联合双域恢复与可靠对齐的任务驱动型检测框架。针对低光图像恢复与检测任务之间的目标失配问题，设计了协同双域恢复机制（Collaborative Dual-Domain Restoration，CDDR），在空间域通过多尺度不一致校正和递归聚合保持宏观结构一致性，在频率域引入双分支注意力建模，并利用从检测后端回传的全局显著性门控筛选任务相关分量，从而获取面向显著性检测任务的判别性特征。针对低信噪比下跨模态几何对齐不可靠的难题，构建了任务引导的可靠对齐模块（Task-Driven Reliable Alignment，TDRA），利用噪声干扰较小的高层语义特征和语义适配器调制几何编码器，指导全局单应性估计，并构建像素级可靠性掩码与逐步相关性建模，将局部可靠匹配扩展至全局语义一致的对齐。在联合优化阶段，除了显著性检测损失，还设计了包含空间与频域双重约束的去噪损失以及特征不变性与门控一致性正则化项，以确保3个任务协同演进。为系统评估极端低光环境下的显著性目标检测性能，本文基于感知亮度统计构建了包含1 016对图像的LL4RT低光基准数据集。在该数据集以及多个公开基准上的实验结果表明，所提方法在多项指标上均达到国际领先水平。尤其在低光数据集中，结构相似性
- 摘要：与传统客运铁路、高速公路及市内交通不同，重载列车因其复杂的运行环境、受限的通信及装备条件，以及超长编组和高载荷工况，定位技术在精度、鲁棒性及实时性等方面面临严峻挑战。针对现有定位方法状态融合时因传感器噪声和外部环境导致的误差累积，以及传统滤波融合算法存在线性化近似误差大、高维计算复杂等问题，本文提出一种多任务融合物理信息神经网络（Multi-Task Fusion Physics Informed Neural Networks，MTFPINN）的重载列车组合定位方法。该方法首先利用惯性测量单元（Inertial Measurement Unit，IMU）与里程计（ODOmeter，ODO）原始观测信息建立紧耦合的联合运动更新数学模型，以微分方程组定义“姿态-速度-位置”随时间动态演化过程，显式定义各状态间的物理依赖关系；其次，提出基于多源融合和多任务依赖约束的MTFPINN重载列车运动状态预测模型，采用并行级联式的网络结构同时预测多维运动状态，并将上述所提运动更新微分方程组转化为多任务联合物理损失函数，实现符合物理一致性的高精度、实时预测；最后，提出基于多任务物理先验的MTFPINN-EKF“预测-校正”联合定位方法，利用MTFPINN提供的全状态先验估计代替EKF预测过程，解决传统EKF因非线性状态转移函数的截断误差与高维雅可比矩阵计算复杂问题，再结合全球导航卫星系统（Global Navigation Satellite System，GNSS）观测数据融合校正。实验结果表明，所提方法能在满足实时定位的同时提升定位精度，在所选择的重载铁路测试路段平均定位精度达0.642 m。关键词：物理信息神经网络;重载列车定位;多任务学习;多传感器融合;扩展卡尔曼滤波;状态预测53|30|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
学术论文
- 摘要：随着电网数字化、智能化转型的持续深化，新一代信息技术不断融入电网的运行与管理过程，提升了自动控制和协调运行能力。然而，其分布广泛的终端设备、跨越多个开发主体的软件供应链、未配备充分安全机制的通信协议，以及分布式能源与虚拟电厂等跨主体协同业务，使智能电网的攻击面由单一网络边界扩展至设备、软件、通信和业务全链条，网络安全逐渐成为制约系统稳定、可靠运行的关键因素。近年来，攻击手段与防御技术在持续博弈中不断升级演化，使智能电网面临复杂且严峻的网络安全风险。针对智能电网的网络攻击已由传统的信息系统攻击，逐渐演化为与电力业务深度耦合的攻击形式，并进一步向软件供应链攻击、人工智能生成式自主攻击以及内生安全领域的差模攻击等新型攻击手段扩展；同时，防御技术也由以事后识别为主的被动防御机制，演化为以动态变化、诱导为主的主动防御机制。然而，现有综述多侧重于对单一攻击类型或防御技术进行归纳，缺少从攻防对抗整体视角出发的系统性分析，对近年来关注较多的人工智能生成式自主攻击、内生安全差模攻击等新兴威胁的讨论也尚不充分。基于此，本文立足攻防对抗视角，围绕智能电网安全攻防技术展开综述。首先，从智能电网体系、脆弱性分析和典型网络安全事件出发，分析智能电网在设备、软件、通信协议和业务协同等方面存在的威胁现状。其次，依据业务依赖性和技术演化特征，将智能电网网络攻击划分为通用网络攻击、电力系统网络攻击和新型网络攻击三类，分析其演化趋势与典型特征。随后，围绕被动防御与主动防御两类机制，探讨其在智能电网中的技术特点及现实局限。进一步，本文从攻防协同演进角度总结智能电网网络安全对抗规律，并在此基础上提出应构建以内生安全架构为核心、以人工智能与跨层协同技术为关键能力、以自主可控供应链为基础支撑的综合防御体系。关键词：智能电网;信息物理系统;网络安全;攻防对抗;自主可控防御161|255|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
- 摘要：近年来，随着互联网技术的迅猛发展，网络流量呈现出爆炸性增长态势，并对流量监管与网络安全提出了严峻挑战。如何高效、准确地分析网络流量已经成为一个重要问题。作为流量分析的两项核心任务，网络流量分类与生成长期受到广泛关注，并随相关技术与工具的发展持续演进。本文以流量表征为基础，系统梳理了网络流量分类与生成方法的研究脉络与方法框架。首先，本文介绍了网络流量研究的相关背景，明确了流量表征在分类与生成中的关键地位，并提出了涵盖输入特征层、表征计算层和应用层的三层统一分类体系。在此基础上，将流量表征划分为流量特征提取和流量表征计算两个阶段。在特征提取阶段，从原始流量中归纳了基于统计信息、流序列特性、协议特性、内容特性、原始包二进制和其他特性的六类基础特征及其判定准则，明确了各类特征的分类边界与适用场景；在表征计算阶段，总结了三条从特征到表征产物的主要技术路径，分别对应流量指纹、流量特征向量和流量编码三种表征形式。基于上述表征，重点分析了流量分类与流量生成两个下游任务。在流量分类方面，从指纹式分类、基于机器学习与深度学习的分类和基于预训练模型的分类三个维度梳理了技术演进脉络；在流量生成方面，从专家规则到预训练模型的不同阶段归纳了方法的迭代历程。针对当前研究中实验设置与评价标准不统一的问题，本文提出了面向数据集构建、流量分类和流量生成的三套涵盖多个维度的最小评测规范。最后，总结了当前研究的主要路径，展望了通用化流量表征与跨域分析、模型架构与规模创新、语义与智能化分析、训练范式创新与多任务联合建模以及统一评测基准构建五个研究方向，并提出了加密混淆对抗、高计算资源需求以及合规性风险等七项值得关注的挑战，以期为网络流量分析领域的后续研究提供系统化的参考框架。关键词：网络流量;特征工程;深度学习;流量分类;流量生成62|201|0<HTML><网络PDF> <Meta-XML>更新时间：2026-09-03
综述评论
