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:算力网络中任务分配面临任务依赖复杂、资源多维异构且分布不均,以及大规模节点难以全局协同的三重挑战。传统的单一智能体算法难以应对广域环境的动态资源协同,且往往依赖全局状态信息,现有的多智能体强化学习算法又缺乏对任务依赖和网络拓扑的针对性建模,导致全局协作效率低下。针对上述问题,提出了算力网络中依赖约束任务的分布式协同分配算法,先通过层索引计算、三角依赖解耦与资源阈值约束合并处理复杂的子任务依赖,再采用关系图注意力网络(RGAT)表征多维资源关系与拓扑特征,结合多智能体软演员-评论家(MASAC)算法实现分布式优化。实验结果表明,在多个场景下,所提算法相较于基线算法,在任务完成时间和能效方面均有显著提升 。关键词:算力网络;任务重构;关系图注意力网络;多智能体强化学习;任务分配445|344|0更新时间:2026-06-20
- 摘要:针对样本稀缺条件下的特定辐射源识别小样本类增量学习任务,现有方法缺乏显式几何约束易导致新旧类混淆,提出了一种基于正交空间约束的特定辐射源识别小样本类增量学习方法。首先,引入一组相互正交的伪目标向量作为结构化先验知识,并从理论上推导其数量的上下界。其次,基于正交伪目标向量设计联合优化策略,对新类潜在表示方向施加显式几何约束,引导特征提取器在嵌入空间中预留可扩展的表示方向。最后,提出了分类器权重校准策略,通过量化新类样本在判别过程中的误分风险,利用高风险样本增强判别边界。在ADS-B和Wi-Fi数据集上的实验结果表明,所提方法优于其他基准方法,尤其在增量训练样本仅为1的极端情况下,展现出更优的识别性能。关键词:特定辐射源识别;小样本类增量学习;正交空间约束;分类器权重校准422|535|0更新时间:2026-06-20
基于深度强化学习的短波自主检测与定位方法 AI导读
摘要:在短波信号实时检测与定位环节,往往存在数据关联与误差传递问题,容易导致检测信号与定位信号不匹配,且难以实时输出结果。针对上述问题,提出一种基于多智能体近端策略优化的短波自主检测与定位方法。通过设计基于短波信号时频图的强化学习环境,有效表征短波信号的频域特征。同时,设计具有混合动作空间的滤波窗智能体以自适应选择信号。另外,通过定位误差椭圆概率、信号匹配度与多智能体协作策略设计奖励函数,利用改进的多智能体近端策略优化算法探索最优策略,实现短波自主检测与定位。仿真测试结果表明,相较于基线算法,信号检测与定位的平均时间缩短了0.12 s,平均检测与定位的准确率提高了22%,为复杂电磁环境下自主协同目标检测与定位提供新思路。关键词:短波信号检测与定位;多智能体近端策略优化;强化学习;混合动作空间;定位误差椭圆概率359|407|0更新时间:2026-06-20- 摘要:高精度的信道估计是正交时频空间(OTFS)系统在6G高速移动场景中可靠应用的关键,为进一步提升OTFS系统的信道估计精度,提出了一种基于融合基扩展模型(BEM)和双向长短期记忆(LSTM)网络的OTFS信道估计算法。首先利用BEM将时延-多普勒(DD)域的信道估计问题转换为基系数估计问题,然后引入双向LSTM网络对基系数进行离线训练与在线预测,并结合自注意力(SA)机制增强对时序特征的全局感知能力,实现基系数的高精度估计与动态跟踪。在此基础上,进一步设计了一种低复杂度两级均衡器,基于估计得到的基系数重构信道信息,通过单抽头均衡器消除多径效应,并在DD域采用基于对数似然比的迭代干扰消除(LLR-IIC)算法抑制多普勒扩展引起的残余干扰。仿真结果表明,所提算法在信道估计精度、泛化能力和复杂度方面均具有明显优势;结合所提均衡器后,可在保持较低复杂度情况下,实现更优的误比特率(BER)性能。关键词:信道估计;正交时频空间;高速移动场景;基扩展模型;双向长短期记忆;两级均衡器388|254|0更新时间:2026-06-20
面向电子投票的匿名可监管聚合环签名算法 AI导读
摘要:针对电子投票场景中计票验证效率不足以及对多种投票模式支持不完善的问题,提出了支持多种投票模式的匿名可监管聚合环签名算法,在保障投票者隐私的同时确保操作合法性。通过环签名技术实现去中心化配置与验证者身份隐藏,防止验证过程被追踪或操控。通过聚合机制,将多份投票封装为紧凑验证对象,提高计票验证效率。为监管同一签名者的投票次数,引入链接机构并设计可链接标签以支持单投与多投。安全分析与实验结果表明,所提算法在保障匿名监管的同时能有效降低计算开销,其中链接阶段相较k-LRS方案平均减少约98.29%的时间开销。关键词:电子投票;环签名;身份隐藏;可链接340|270|0更新时间:2026-06-20- 摘要:针对现有内部用户行为异常检测方法在时空关联表征能力较弱、隐蔽异常行为难以识别以及对正常业务波动鲁棒性较差的问题,提出一种面向内部用户行为异常检测的图掩码对比学习(TGMC)方法。首先,将多源异构日志按时间窗口构建为异构图序列,刻画用户与业务资源实体间的交互关系。然后,设计由图注意力网络与门控循环单元构成的混合编码器,分别提取空间拓扑特征与时序变化特征,实现时空维度的深度耦合。同时,引入掩码重建机制,通过邻域上下文恢复被掩码节点的特征与边结构,挖掘邻域关联模式以提升隐蔽异常行为的检测能力。最后,设计多视图对比学习机制,通过构造增强视图约束同一用户跨视图表示的语义一致性,并增大不同用户间的表示距离,学习稳定的行为表征以提升识别鲁棒性。在CERT r4.2与CERT r5.2数据集上的实验结果表明,与基线方法相比,TGMC方法的真阳性率(TPR)分别提升了3.59%和1.59%,FPR分别降低了5.45%和2.49%。关键词:图表示学习;对比学习;内部用户行为;鲁棒性179|216|0更新时间:2026-06-20
- 摘要:针对彩色图像隐写分析网络设计严重依赖人工经验、耗时且模型日益复杂的问题,提出了一种两阶段可微隐写分析架构搜索框架STARS,以自动设计高效的网络架构。鉴于预处理层的关键作用,第一阶段构建了面向颜色通道的专用搜索空间,利用分组卷积及先验知识引导优化噪声残差提取,并证实其相比现有方法具有更优的高通特性和搜索效率;第二阶段在此基础上,进一步对网络的操作类型与深度进行联合搜索。在ALASKA-v2数据集上的大量实验表明,所提方法搜索到的架构具有更小的模型尺寸,且在空域和JPEG域的检测性能均显著优于现有的手工设计及自动搜索的最先进模型。关键词:信息隐藏;图像隐写分析;隐写;神经架构搜索;卷积神经网络190|144|0更新时间:2026-06-20
- 摘要:针对太赫兹超大规模MIMO系统中近场波束分裂效应给宽带信道估计带来了新的挑战这一问题,提出了一种与子载波相关的宽带蜂窝码本设计方案。该方案针对各子载波设计了不同的码本采样结构,能够在不改变码本维度的前提下细分码字,并对应提出了一种多维累积广义同步正交匹配追踪的宽带信道估计算法,通过累积多维信道相关性提升信道估计精度。仿真结果表明,所提算法在信噪比为5 dB时,信道估计的归一化均方误差与现有算法相比降低7 dB以上。关键词:太赫兹;超大规模MIMO;近场宽带通信;信道估计;码本设计;波束分裂效应262|414|0更新时间:2026-06-20
- 摘要:针对毫米波混合阵列上行感知中观测维度受限及收发时钟异步引入的时频偏移问题,提出了一种基于正则化信号比值和张量稀疏重构的多维参数估计与自动配对方法,并构建了鲁棒异步张量估计架构。该架构通过时分波束扫描构建虚拟全数字观测以恢复空间采样自由度,并从上行数据中提取主导参考路径形成参考信号。进一步引入噪声功率感知的正则化信号比值模型,以抑制异步相位干扰和重尾噪声放大效应。随后构建等效空间-频率-时间三阶张量,并结合解耦子空间估计与张量稀疏重构实现AoA、时延和多普勒参数的低复杂度估计与自动配对。仿真结果表明,所提架构在重尾噪声与严重异步条件下具有稳定的检测与参数估计性能,-5 dB时有效检测率超90%,中高信噪比下超99%的估计样本收敛至毫米级精度(距离误差小于0.02 m,速度误差小于0.01 m/s)。关键词:通信感知一体化;混合阵列;毫米波;上行感知;参数估计;张量代数248|409|0更新时间:2026-06-20
- 摘要:针对非高斯非平稳水声信道下传统最大相关熵准则(MCC)算法性能受限于核宽选择、中心估计易受脉冲污染等问题,提出基于MAD的变中心变核宽最大相关熵准则(VC-VKW-MCC)信道估计算法。利用MAD对脉冲不敏感的性质,结合滑动窗口与软限幅,实现中心估计与核宽自适应更新,有效抑制脉冲噪声,理论分析了其均方收敛条件。仿真结果表明,所提算法稳态精度较固定核宽MCC算法提高70%以上,较Fe-MCC-AKW算法提高60%以上。关键词:水声信道估计;最大相关熵准则;中位数绝对偏差;变中心;变核宽192|153|0更新时间:2026-06-20
- 摘要:在面向多终端的下行语义通信场景中,由于终端算力的差异性,采用统一的语义压缩比提取语义信息,会造成低算力终端难以完成语义解码、高算力终端的算力资源未充分利用和语义数据不够精练的问题。为解决上述问题,针对有限的终端算力资源和链路带宽,提出了一种基于轻量化Swin Transformer的资源自适应语义压缩策略,采用门控网络和稀疏注意力机制改进了语义编码器结构,为终端定制差异化语义压缩比,以最小化系统总能耗为优化目标,构建联合算力和带宽分配模型,并采用近端策略优化(PPO)算法求解优化问题。仿真结果表明,与固定语义压缩比方案相比,所提策略的系统总能耗降低了39%。关键词:语义通信;Swin Transformer;稀疏注意力机制;近端策略优化算法287|198|0更新时间:2026-06-20
- 摘要:针对传统隐蔽通信在低信噪比(SNR)条件下语义信息重构性能受限的问题,提出一种融合可重构智能表面(RIS)和三方生成对抗网络(GAN)的语义隐蔽通信方案。首先,联合物理层与语义层,构建语义隐蔽保真度最大化的优化问题;然后,提出一种分层优化框架。在物理层,基于满足Kullback-Leibler(KL)散度的隐蔽约束,联合优化发射功率与RIS相移,以构造有利于信号传输的信道环境;在此基础上,语义层引入面向语义信息的三方对抗训练机制,通过端到端学习,实现语义恢复性能与隐蔽性的协同优化。实验表明,所提方案相较最优基准方案的BLEU分数提升了29.8%,同时窃听者检测准确率接近50%。关键词:隐蔽通信;语义通信;可重构智能表面;生成对抗网络;KL散度377|532|0更新时间:2026-06-20
- 摘要:在恶意干扰和被动监听者并存的动态复杂电磁环境中,大规模无人机组网系统对抗干扰能力与通信隐蔽性的需求日益凸显。为此,提出了一种基于元强化学习的大规模多无人机组网抗干扰隐蔽通信机制。首先,设计一种面向多无人机频谱感知的时隙模型,以支撑无人机组网在干扰与监听环境下的通信;其次,设计一种平均场Q学习算法,以实现大规模无人机场景下的分布式信道接入策略学习;最后,进一步构建基于元强化学习的平均场Q学习算法,使信道接入策略在不同干扰与监听场景下具备良好泛化性,从而实现抗干扰性与隐蔽性的协同优化。仿真结果表明,在大规模无人机通信场景下,相较于传统算法,所提算法的归一化奖励值平均提升15.41%,收敛速度平均提升44.56%。关键词:大规模无人机;频谱感知;抗干扰通信;元强化学习;隐蔽通信349|493|0更新时间:2026-06-20
- 摘要:针对正交时频空(OTFS)零多普勒导频图案的导频与数据在时频域非正交,且基于时延区分路径的信道估计方法在带宽受限时易引发误码平层问题,提出了压缩零多普勒导频图案中数据符号的时延维度,通过逆辛有限傅里叶变换将其转换为低维度时频域符号,并在频率维度将其映射到无导频索引中。随后,针对维度变化引入的调制解调复杂度,提出将调制解调分解为数据映射与常规维度调制解调。最后,针对已有信道估计方法鲁棒性不足问题,在贝叶斯推断完成后评估后验均值稀疏度以判断是否收敛至全局最优;若未收敛,则在超参数的初值中引入轻微扰动并重新推断,以获得正确的收敛状态。仿真与分析结果表明,所提信道估计方法可有效消除误码平层;使用改进后的导频图案,信道估计归一化均方误差最大降低约3 dB,在误码率为10-4时所需信噪比最大降低约7 dB,所提调制解调方法的计算复杂度约为直接计算的
。基于软件无线电平台与信道模拟器构建的实物平台,验证了所提方法的可实现性与有效性。关键词:正交时频空调制;导频图案;贝叶斯推断;信道估计223|166|0更新时间:2026-06-20 面向时间敏感网络的多目标联合调度优化算法 AI导读
摘要:针对时间敏感网络(TSN)在联合路由与调度中存在的端到端时延、抖动和带宽利用率等性能指标优化不足、扩展性差等问题,提出一种基于改进的非支配排序遗传算法的多目标联合调度优化算法。该算法建立了以TSN性能指标为优化目标的多目标网络架构,全面分析流量的可行路径,找到全局最优的多目标优化方案。实验结果表明,所提算法在大规模复杂场景下显著改善了流量的端到端时延、抖动及带宽利用率综合性能。关键词:时间敏感网络;非支配排序遗传算法;多目标优化;联合路由与调度229|163|0更新时间:2026-06-20基于异构特征协同的轻量化恶意软件分类方法 AI导读
摘要:针对静态恶意软件分类中单一特征覆盖信息不足,以及多特征融合模型计算复杂度高、部署受限的问题,提出一种面向资源受限场景下的轻量化多特征协同建模方法,结合操作码序列与静态应用程序接口(API)调用信息,从指令执行结构与系统交互两个维度刻画恶意软件行为特征。在操作码分支中,采用多尺度残差建模以强化对局部指令模式和长程依赖的表征能力;针对API高维特征稀疏与冗余问题,在API分支提出三元组语义链表示方法,将离散调用细化为结构化功能信息,增强高层功能语义表达和冗余抑制;在分类阶段引入位置感知多头自注意力机制,对两类特征进行动态融合与联合建模,在保证分类精度的同时有效控制模型规模。实验表明,该方法在BIG2015和企业级PE数据集上分别达到99.53%和99.41%的准确率,模型总浮点运算量为30.2 MFLOP,为资源受限场景下的恶意软件分类提供了高精度、低开销的解决方案。关键词:恶意软件分类;深度学习;轻量化;操作码;应用程序接口167|134|0更新时间:2026-06-20
学术论文
- 摘要:可移动天线(MA)技术凭借天线单元位姿可调实现电磁辐射特性操控,近年来备受学术界与工业界关注。然而,现有对MA的理解多将电磁辐射特性的可重构性归因于天线位置的变化,实际上电磁层面的主动重构才是决定MA工作姿态的关键因素。基于此,对MA技术的概念进行重新解读与分析,指出电磁可重构能力是进一步突破通信性能瓶颈的必然发展方向,并提出空间-电磁协同可编程天线(SEPA)技术,以更全面地描述天线在空间与电磁域中的协同可重构特性。最后,从电磁辐射特性智能重构范式、空域立体覆盖空洞补偿、平台设计与关键技术验证等方面,展望SEPA的未来演进方向。关键词:可移动天线;空间-电磁协同可编程天线;电磁辐射特性;空间自由度256|124|0更新时间:2026-06-20
- 摘要:低轨道地球卫星通信网络是解决偏远区域覆盖与应急通信的重要手段。受限于无法全球部署地面网关站的现实约束,我国低轨道地球卫星网络亟需降低对地面节点的依赖。算网融合技术通过星间链路与异构算力实现服务前置,是突破该瓶颈的关键途径。首先梳理低轨道地球卫星算网融合的发展现状,进而分析该技术面临的主要挑战,然后以典型业务为驱动设计了一种“边-端”两级算网融合架构,并对该技术的发展趋势进行探讨,展望了未来可能的研究方向。关键词:卫星通信;低轨道地球卫星;算网融合;边端协同;业务驱动197|101|0更新时间:2026-06-20
综述
基于多角度和RY辅助结构的改进QAOA AI导读
摘要:针对标准量子近似优化算法(QAOA)在浅层电路下表达能力不足,而增加线路深度又易引入噪声的问题,提出一种融合参数多角度化与RY辅助结构的改进量子近似优化算法(MA-RY-QAOA)。该算法在问题层引入边参数多角度化和RY扩展,并在混合层实现量子比特参数多角度化。针对随机图、完全图、2-正则图和4-正则图的最大割问题,在层数 、节点数n=4~12的条件下进行仿真实验,并以平均逼近率作为评价指标。结果表明,MA-RY-QAOA与MA-QAOA的平均逼近率总体优于标准QAOA、RY-QAOA和QAOA+;其中,MA-RY-QAOA在2-正则图和4-正则图上表现更优,在随机图上部分规模节点也取得更高逼近率。研究表明,MA-RY-QAOA能够在保持浅层电路结构的同时提升求解性能,可为含噪中等规模量子(NISQ)设备上的QAOA优化设计提供参考。关键词:量子近似优化算法;参数多角度化;RY辅助结构;最大割问题;含噪中等规模量子设备241|355|0更新时间:2026-06-20- 摘要:针对5G-R/未来铁路移动通信系统(FRMCS)网络切片在业务异构、节点高速移动及激励缺失方面的资源调度挑战,提出一种融合分层联邦学习(HFL)、Stackelberg博弈与多任务近端策略优化(MT-PPO)的协同智能调度框架。首先构建三层HFL架构实现非独立同分布(Non-IID)数据高效处理与资源状态预测,其次通过双层动态博弈提升节点参与度与协同效率,最后MT-PPO算法融合二者输出完成差异化调度。仿真结果表明,所提框架在业务服务质量(QoS)、资源利用率及吞吐量等方面较现有基线方法具有较好的性能。关键词:5G铁路;未来铁路移动通信系统;网络切片;资源分配;多任务近端策略优化213|188|0更新时间:2026-06-20
学术通信








