最新刊期
2025年第41卷第8期
- 摘要：光载信息指利用光（光子）而非电（电子）进行通信、感知、计算和显示，其具有低功耗、大带宽、高速率、高抗干扰性和高安全性等优势。基于此，探讨了光载信息技术的核心组成，包括材料、器件、子系统及应用。首先，介绍其基本概念、发展历程及行业现状。接着，分析光载信息材料的分类及其在器件中的应用要求。随后，阐述关键器件如发射器、光传感器、显示器件及关键芯片，探讨器件间的融合与协同。最后，总结光载信息子系统的集成与应用，重点介绍无线光通信、光感知、光计算和光场显示等方向，并列举6G通信、智慧城市和智能制造等典型应用。未来，光载信息技术将在更广泛领域发挥重要作用。关键词：光载信息;光通信;光感知;光计算;光显示3952|4231|0更新时间：2025-09-04
综述
- 摘要：随着大模型参数量突破万亿规模，智算互联面临超大规模组网、低时延通信、高带宽同步等技术挑战。研究构建了包含吞吐量、时延、扩展比等指标的多维评价体系，分析了大模型训练、人工智能（artificial intelligence，AI）推理和边缘计算三大应用场景的需求特点。通过对比主流科技企业的解决方案，总结了CLOS架构、Fat-Tree拓扑等创新实践，重点探讨了互联协议、网络拓扑、拥塞控制等关键技术，并展望了开放协议、光电融合等未来发展方向。研究表明，智算互联技术的持续创新将为AI发展提供关键基础设施支撑。关键词：人工智能;智算互联;大模型训练;网络拓扑;光电融合3888|3897|0更新时间：2025-09-04
- 摘要：针对算力网络中算网资源协同不足、任务需求适配性差的问题，将算力路由问题建模为序列决策问题，提出了基于深度强化学习的算网协同动态路由调度算法。该算法借鉴混合专家模型思想，针对时延敏感型、普通型以及计算密集型3类典型场景，设计了基于编码器-解码器结构的差异化专家网络进行专项优化，并通过动作屏蔽机制约束路由选择空间，实现高效的逐跳决策，输出包含最优计算节点的路径。仿真实验结果表明，相较于其他路由调度算法，该算法在服务成功率上提升约17%，降低了端到端时延，优化了节点间的负载均衡度，展现出良好的网络拓扑适应性，能够有效满足多样化计算任务的差异化需求。关键词：算力路由;算网融合;多场景优化;序列决策;深度强化学习3592|471|0更新时间：2025-09-04
- 摘要：算力供给的代际异构性与供应链安全需求，促使异构算力成为AI基础设施的新趋势。然而，在异构混合训练场景中，基于融合以太网的RDMA版本2（RDMA over converged Ethernet version 2，RoCEv2）方案存在负载均衡与拥塞控制缺陷，在模型训练的并行通信中性能欠佳；而现有高性能同构智算网络方案因设备异构与集合通信库（collective communication library，CCL）闭源难以部署。为此，提出了面向异构算力场景的高性能智算网络解决方案——智能控制以太网（intelligent control Ethernet，ICE）。该方案基于RoCEv2协议体系，在避免对设备、CCL进行深度定制的前提下，将异构通信库信息采集、集中控制器与端侧自主控制相结合，实现全局最优路径规划及全局主动拥塞控制，显著提升异构并行通信性能。真实物理环境实验表明，ICE可提升集合通信性能最高达47%。ICE为异构智算网络建设提供了开创性、易部署的解决方案。关键词：异构算力;智算网络;RoCEv2;通信调度;拥塞控制;负载均衡156|1081|0更新时间：2025-09-04
- 摘要：随着智算中心成为支撑数字经济高质量发展的核心基础设施，千亿参数大模型训练对网络性能提出严苛要求，传统监控手段因采样精度不足、缺乏细粒度观测难以应对万卡集群的通信瓶颈。提出了亚毫秒级网络监控系统（sub-millisecond-level network monitoring system，sMon），通过在工作请求处理流水线中集成智能计数器与动态带宽分析模块，实时追踪网卡端口队列深度及流量波动。基于滑动窗口算法实现带宽吞吐的动态计算，在保持亚毫秒级时序精度的同时，采用异步日志采集机制将系统开销中央处理器（central processing unit，CPU）占用率降低至0.8%。在128节点A100集群的测试中，系统成功捕获了网络端口的亚毫秒级流量细节。实验证明该系统较传统监控方案在数据粒度上提升2个数量级。该方案通过高精度网络状态感知能力，为构建“超大规模、超高带宽、超强可靠”的智算中心网络提供了实时监控与性能保障，有效支撑大规模人工智能（artificial intelligence，AI）训练任务的需求。关键词：智算中心网络;网络监控;亚毫秒级158|300|0更新时间：2025-09-04
专题：智算网络
- 摘要：针对单一的反射链路模型无法准确衡量超大规模智能反射面（extremely large-scale reconfigurable intelligent suface，XL-RIS）系统环境的问题，构造了一种XL-RIS近场和基站（base station，BS）远场区域相叠加的通信模型；在此基础上，为了减少训练开销，提出了一种高效波束训练方案。首先，综合考虑近场球面波束和远场平面波束路径增益，引入影响系数
- 摘要：容器技术作为轻量级虚拟化方案，已成为多云网络架构的核心支撑技术，但跨云通信的高昂成本仍是关键挑战。创新点在于将多云网络资源调度问题建模为二次分配问题（QAP），并提出一种改进的离散海洋捕食算法（DMPA）。DMPA通过以下策略显著提升性能：基于均匀分布与伪反向学习的混合种群初始化策略，避免初始解陷入局部最优；引入自适应收敛因子动态调整搜索范围，平衡全局探索与局部开发；采用可变交换间隔的2-exchange突变策略，增强种群多样性；结合禁忌搜索优化精英解，避免重复搜索。实验表明，DMPA在30个QAP实例中22个达到已知最优解，平均偏差率低于3%；在多云网络真实数据集下，优化效果明显，通信成本有所降低。相比MPA、HPSO等算法，DMPA在优化精度与稳定性上均表现突出，为多云网络成本优化提供了高效解决方案。关键词：多云网络;云原生;二次分配;群智能优化算法88|168|0更新时间：2025-09-04
- 摘要：卫星通信作为全球通信网络的关键组成部分，在偏远地区覆盖与应急通信中具有不可替代性。然而，手机直连卫星等新兴应用的发展对系统容量提出了更高要求，亟须解决波束规模化发展、波束内用户数的增长及用户速率的提升等技术挑战。为此，3GPP自Rel-18版本开展覆盖增强与容量增强技术研究。以3GPP在研的基于正交覆盖码（orthogonal covering code，OCC）的上行容量增强方案为基础，系统分析其技术路径并通过仿真评估其性能，同时探讨下行容量增强的标准化方向，为5G非地面网络（non terrestrial network，NTN）后续演进提供技术参考，并进一步提出基于图样分割多址接入（pattern division multiple access，PDMA）的非正交容量增强策略，从多用户接入效率与频谱资源利用维度突破传统正交多址限制，为6G NTN的超大容量需求奠定理论与技术基础。研究结果表明，通过对资源利用的优化，卫星通信系统容量得到显著提升，能够有效支撑未来NTN的规模化部署。关键词：卫星通信;容量增强;正交覆盖码;图样分割多址接入138|781|0更新时间：2025-09-04
- 摘要：针对低信噪比（signal-to-noise ratio，SNR）下跳周期估计和跳频频率估计误差较大的情况，提出了一种基于最大熵二值化时频图以及检测和定位（detection and localization，DL）-YOLOv5s的跳周期估计和跳频频率估计方法。首先，利用最大熵阈值分割方法结合形态学滤波对时频图进行处理，获得清晰的最大熵二值化时频图，再通过提出的DL-YOLOv5s模型对最大熵二值化时频图中的跳频信号进行检测和定位，通过增加ASPP模块和BiFPN模块，提高跳频信号的边缘和角点检测精度，并通过BOT3模块引入多头自注意力机制，提高跳频信号的定位精度，最后得到跳频信号的坐标位置，通过坐标的对照关系完成跳周期估计和跳频频率估计。实验结果表明，相较于YOLOv5s模型，提出的DL-YOLOv5s模型精确率P提高了5%，召回率R提高了2.2%，平均精度mAP 0.5和mAP 0.5:0.9分别提高了5.1%和4.2%，相较于YOLOv7、YOLOv8等其他模型，提出的DL-YOLOv5s模型体积更小，更适用于跳频信号参数估计常用的嵌入式设备这类资源受限的环境，且相较于传统跳频信号参数估计方法，提出的方法可以有效降低低信噪比下跳周期估计和跳频频率估计的误差。关键词：跳频信号;低信噪比;参数估计;YOLOv5s81|182|0更新时间：2025-09-04
- 摘要：复杂网络节点分类大多基于图神经网络学习节点表示而实现，图神经网络通过邻域聚合对复杂网络局部结构信息进行编码。然而，图神经网络的过平滑问题导致复杂网络节点分类性能受限。基于此，提出一种基于增强图神经网络和对比学习的复杂网络节点分类方法。该方法不仅为邻域节点引入注意力来区分各邻居节点的重要性，而且采用局部邻域重叠度和全局邻域重叠度构造边的特征，从而扩大节点表示的信息量。最后，引入对比学习对神经网络进行训练，从而利用网络全局节点分类先验信息对节点表示进行联合优化。在Cora、Citeseer、PubMed和Chameleon公开网络数据集上进行了实验，结果表明，相较于其他先进方法，所提方法的节点分类性能更好，并通过消融实验验证了所提方法的有效性。关键词：网络节点分类;复杂网络;图神经网络;图注意力网络;对比学习88|432|0更新时间：2025-09-04
- 摘要：以支撑构建通用、开放、高可信度的卫星通信网仿真系统为应用目的，研究卫星通信网综合仿真集成技术。针对卫星通信网多层次仿真需求，设计了基于软总线的卫星通信网仿真集成架构，用于支撑实现卫星通信网各层级粒度模型软件的灵活交互集成。面向卫星通信网及其建模仿真工具特点，设计数据+模型+软件的综合集成方式，用于支持松耦合卫星通信网仿真系统的集成构建。针对卫星通信网组成系统设备特点，从物理链路、网络协议、运行控制3个层面设计虚实结合的仿真集成方法，为开展卫星通信网虚实结合仿真验证提供支撑。最后，结合具体项目进行了应用实践。关键词：卫星通信网;多层次仿真;仿真集成;虚实结合69|158|0更新时间：2025-09-04
- 摘要：基于深度强化学习理论框架，提出分层递进式解决方案。首先，构建融合边缘计算节点的异构数据传输架构，建立具有时变特征的多维状态空间马尔可夫决策过程。其次，在传统深度Q网络（deep Q-learning network，DQN）算法中嵌入熵正则化约束项，结合同策略经验回放机制，形成增强型ESERDQN（improved DQN algorithm based on entropy and same-strategy experience replay）优化器。最终，设计五维评估指标体系（收敛速率、累积奖励值、能耗、传输时延、传输成本），开展多算法对比实验。仿真结果表明，ESERDQN在1 500训练周期内达成稳定收敛，较基准贪心算法、随机算法、DDPG算法及PPO分别提升收敛速度49.2%、41.7%、30.1%和13.3%；在综合业务指标方面，其单位能耗成本降低27.8%，关键任务时延控制在12.3 ms以内，验证了所提方法在智慧城市复杂传输场景下的技术优越性。关键词：智慧城市;数据传输;熵;同策略经验回放;深度强化学习90|501|0更新时间：2025-09-04
- 摘要：深度学习模型在调制识别任务中依赖大量训练样本，但实际场景中信号样本有限，尤其在复杂噪声环境下，模型性能受限。为此，提出了一种基于局部特征引导的轻量化调制识别方法。首先，构建轻量化教师网络以提取含噪调制信号的局部特征，并设计局部语义特征优化算法将局部知识蒸馏给学生网络；其次，针对调制信号频谱的复数域特性，设计复数域Transformer作为学生网络进行全局特征提取，并最终完成识别任务。实验结果表明，所提模型在小样本场景下相比其他深度学习模型具有更高的识别效率，在计算复杂度和实时性等方面较现有方法表现出明显优势。关键词：调制识别;知识蒸馏;小样本数据集;Transformer;轻量化网络115|446|0更新时间：2025-09-04
- 摘要：入侵检测系统（intrusion detection system，IDS）作为物联网安全防御的核心组件，其性能直接影响网络的安全性。然而，入侵检测数据集中类样本的不平衡分布降低了入侵检测系统对少数类样本的检测性能。为解决这一问题，提出一种基于动态类权重的卷积神经网络的入侵检测（dynamical class-weighted-based convolutional neural network intrusion detection，DCID）模型。DCID模型采用一维卷积神经网络（1-D CNN）结构，并引入基于动态类权重的损失函数，使得DCID模型不仅能保持对多数类样本的高检测性能，也能显著提升对少数类样本的检测能力。为验证DCID模型的有效性，使用数据集CICIDS 2017进行实验。实验结果表明，与典型的机器学习模型相比，DCID模型在精确率、召回率和F1值方面表现出明显的优势。此外，还对比了不同损失函数下DCID模型的检测性能，结果表明基于动态类权重的损失函数能够有效提升少数类样本的检测性能。关键词：入侵检测系统;类分布不平衡;卷积神经网络;损失函数;类权重79|106|0更新时间：2025-09-04
研究与开发
- 摘要：密码作为国家重要的战略资源，在网络与信息安全领域发挥着核心作用。近年来，量子计算技术的快速发展，有效推动了学术界、产业界等对后量子密码（post-quantum cryptography，PQC）的研究与应用。基于此，研究了量子计算对经典密码算法的安全威胁，调研了PQC的发展现状，分析了电信领域典型场景的量子安全影响，最后开展了PQC签名算法模块化格基数字签名标准（module-lattice-based digital signature standard，ML-DSA）的迁移验证与测试分析。实验结果表明，ML-DSA算法能够满足系统的高并发、高可用要求。关键词：后量子密码;量子安全;网络基础设施;ML-DSA172|1368|0更新时间：2025-09-04
- 摘要：边缘算力融合网络将算力下沉至近用户侧，通过分布式边缘算力节点相互协同以在本地完成计算任务，显著降低云端负担和传输时延。然而，随着用户接入密度提高和场景复杂化，如何动态优化网络资源以协同应对多样化服务需求和大规模数据处理任务成为重大挑战。因此，提出了一种基于双深度Q网络（double deep Q network，DDQN）边缘算力融合网络资源管理方法，结合虚拟网络嵌入（virtual network embedding，VNE）技术，建立了以长期资源收益成本比最大化为目标的多约束优化模型。通过DDQN架构的在线学习能力，利用环境交互反馈实现动态优化决策。仿真实验表明，该方法在虚拟网络请求（virtual network request，VNR）接受成功率、长期嵌入收益和长期嵌入收益成本比3个指标上，较现有方法分别提升了13.3%、25.7%和8.5%。关键词：算力融合网络;算力下沉;双深度Q网络;资源管理96|358|0更新时间：2025-09-04
- 摘要：针对目前我国电网对智能电表到期更换和批次抽检轮换等运行维护中存在的不足，提出一种基于计量自动化系统采集数据的智能电表运行误差估算的轮换策略。首先，以台区为单位，建立智能电表运行误差估算模型；其次，针对估算模型病态性情况，采用正则化方法求解；最后，根据多个时间窗滚动计算和综合评价机制筛选出轮换的智能电表用于现场校验。通过实际电网算例验证了所提策略的有效性。关键词：智能电表;轮换策略;误差估算;正则化107|528|0更新时间：2025-09-04
工程与应用
- 技术支持由北京北大方正电子有限公司提供 京ICP备09064830号-19
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
- 总访问量：1035510 今日访问量：3559
0