最新刊期
2026年第42卷第3期
- 摘要：数字调制类型智能识别技术能在合作发送方、合作接收方、干扰方、非合作接收方之间发挥重要作用，可以在合作通信模式中增强传输稳健性，还能在非合作通信模式中提升信息对抗能力。对数字调制类型智能识别的最新研究成果开展详细的综述：阐述调制类型智能识别技术的研究背景和研究意义；说明基于似然比检测的统计学习方法和基于特征量提取的模式识别方法；梳理并对比数字调制类型智能识别的技术路线；最后，提出数字调制类型智能识别的当前挑战和未来展望。该研究能为掌握数字调制类型智能识别的研究现状和发展趋势提供参考。关键词：数字信号;调制识别;综述;统计学习;模式识别10|12|0更新时间：2026-04-08
综述
- 摘要：Benes网络能够实现高交换基数下较低的构建成本和理论高吞吐量，但现有Benes网络对应的路由求解算法不保证网络内部开关单元失效时的可重排无阻塞特性。提出一种非平衡Benes网络，其在特定条件下拥有和Benes网络相同的可重排无阻塞特性。提出一种由Benes网络裁剪获得非平衡Benes网络的方法，可以此法屏蔽Benes网络中发生故障的开关单元，实现网络的容错交换。当用于处理开关阵列生产良率问题时，该方案可重排无阻塞交换规模比传统容错方案平均提升56.05%，最高提升93.75%；当用于处理开关阵列的高可靠容错交换时，在容许最多3个开关单元出现故障前提下，比传统容错方案交换规模提升12.5%至21.9%。提出针对非平衡Benes网络的快速路由求解算法，并使用FPGA验证，验证结果表明，该求解算法不会成为交换系统的性能瓶颈。基于裁剪法，研究同样实现了Benes网络的可控局部重构，使其支持像Crossbar网络那样以局部重构为主的使用方式。关键词：Benes网络;无阻塞网络;容错;路由求解;硬件加速器6|8|0更新时间：2026-04-08
- 摘要：为满足列车实时数据协议（train real-time data protocol，TRDP）承载的时间关键型业务对通信确定性的严苛要求，提出一种时间敏感网络（time-sensitive networking，TSN）与TRDP融合的时间敏感列车通信网络方案。该方案通过构建分层的时间敏感列车通信网络架构，将多样化列车车载应用系统服务需求经过TRDP映射到TSN，并利用TSN的时间同步和流量调度能力保障时间敏感列车业务流量的端到端确定性。基于此架构，设计了基于最早截止时间优先策略的门控列表生成算法，以保障关键流量的可调度性。仿真实验结果表明，该方案显著提升了TRDP周期性数据的发送时间准确性与周期稳定性，并在混合背景流量下大幅降低了端到端时延抖动，为构建下一代高可靠、高效率的列车通信网络提供了理论支撑。关键词：时间敏感网络;列车实时数据协议;流量调度;下一代列车通信网络3|0|0更新时间：2026-04-08
- 摘要：针对工业数据的高度敏感性、强关联性与实时性要求，提出自适应差分隐私（adaptive differential privacy，ADP）作为一种面向动态环境的隐私保护新范式。系统阐述ADP的理论演进与工业适配性，凝练出动态隐私预算调度、关联敏感度估计、隐私-效用均衡优化3条核心技术路径，并且结合工业控制系统、供应链协同、预测性维护三大典型场景验证其有效性。研究结果表明，ADP能够突破静态差分隐私的“效用-隐私”权衡困境，在复杂工业环境中实现隐私保护与数据价值的协同优化。未来，紧致隐私分析、高维异构数据处理、鲁棒性设计及标准化生态构建是工业数据安全的主要研究与应用方向。关键词：工业数据安全;自适应差分隐私;隐私-效用均衡;动态预算调度;关联敏感度;工业互联网12|5|0更新时间：2026-04-08
- 摘要：无人机（unmanned aerial vehicle，UAV）在灾害预警与战场侦察等任务中发挥着重要作用，但单机模式受限于侦测覆盖与计算能力，难以应对复杂环境。为此，提出一种基于群智能灰狼优化（grey wolf optimization，GWO）的侦测计算联合（joint detection and computation，JDC）优化算法，该算法通过多维度协同优化实现无人机集群侦测与计算能力的双重提升。构建了融合目标存在概率与环境不确定度的动态栅格化侦测模型，以实现自适应侦测部署；设计了基于块坐标下降（block coordinate descent，BCD）算子的空基协同计算框架，以优化任务卸载与资源分配策略。仿真实验结果表明，JDC优化算法可使系统任务时延降低33.35%，收敛速度提升76.47%，在侦算力（effectiveness of detection and computation，EDC）指标上较基准算法提升10.01%～28.74%。实验结果验证了JDC优化算法在无地面基站支持场景下的优越性，为无人机集群自主协同侦察提供了理论支撑与工程指导。关键词：无人机集群;协同计算;资源调度;部署优化;群智能算法64|217|0更新时间：2026-04-08
- 摘要：在现实应用场景中，攻击者在伪造语音中加入加性噪声或者混响等干扰，会导致经纯净语音训练得到的检测系统性能急剧下降，为此，通过设计一种激活函数代替残差网络中的跳跃连接，实现了具有噪声鲁棒性的合成语音检测系统。通过分析不同激活函数对残差块跳跃连接的影响，将输入特征划分为非显著特征、显著特征和无法判断特征，提出了一个新的激活函数，并通过方差增长的算法来寻找激活函数的最优参数。实验结果表明，与现有方法相比，不仅显著降低了系统的等错误率，而且对噪声干扰具有很好的鲁棒性。关键词：伪造语音检测;合成语音检测;激活函数;噪声鲁棒性14|28|0更新时间：2026-04-08
- 摘要：多视图子空间聚类（multi-view subspace clustering, MVSC）因其能够有效融合多源异构数据而被广泛应用，但其仍面临两大挑战：噪声对亲和矩阵鲁棒性的影响以及捕获视图间一致性信息能力不足。为此，提出了一种融合双重去噪与成对相似性思想的MVSC算法。首先，该算法在数据处理初期采用双重去噪策略，通过低通滤波器实现平滑去噪，继而构建多步矩阵分解框架以实现低秩化去噪；其次，引入成对相似性思想，通过构建视图间一致性约束来有效挖掘视图间的一致性信息；最后，采用基于增广拉格朗日乘子法（augmented lagrange method，ALM）求解目标函数。该算法在7个不同领域数据集上均表现出显著优势，与其他算法相比，该算法在准确度、归一化互信息和F-score指标上分别平均提升了17.79%、20.72%和16.37%。其中CESC数据集的准确度达到了0.862 9，较高效、有效的一步式多视图聚类（efficient and effective one-step multiview clustering，EEOMVC）方法提升了16.13%，充分体现了该算法在多视图数据融合方面的优越性能。关键词：多视图学习;子空间聚类;矩阵分解;低秩表示40|102|0更新时间：2026-04-08
- 摘要：为了应对数据隐私保护引发的“数据孤岛”问题，联邦学习提供了一种允许多方在不共享原始数据的情况下联合训练模型的技术框架。然而，为了吸引高质量数据拥有者参与并维持系统的长期稳定运行，公平合理的价值评估和收益分配机制至关重要。尽管Shapley值被广泛用于联邦学习中的贡献评估，但其单一性限制了对价值的多维考量。为此，引入最小核心（Least core）方法，通过最小化最大不满度，为价值分配提供新视角。然而，Least core方法的计算复杂性与Shapley值相似，均存在一定的计算限制，需进一步结合多种抽样方式，近似计算分配结果，在显著降低大规模场景下计算成本的同时，确保分配的准确性。实验结果表明，该机制在确保公平性和系统稳定性的同时，有效提升了计算效率，为多样化的联邦学习场景提供了可行的解决方案。关键词：联邦学习;博弈论;最小核心;贡献评估;激励机制6|0|0更新时间：2026-04-08
- 摘要：机载网络入侵检测可能面临异常样本稀缺和数据分布不平衡的双重挑战，传统方法难以同时保证检测精度和泛化能力。为此，结合多视图对比稀疏自编码器（multi-view contrastive sparse autoencoder，MCSAE）的数据增强方法，提出一种改进分层抽样集成学习的联合优化方法。首先，针对异常样本缺失问题，设计MCSAE，通过多视图数据增强和对比学习策略，在稀疏自编码器框架下学习更具判别性的潜在表示，并利用重输入对比机制优化异常样本生成质量，有效缓解数据稀疏性带来的模型偏差。其次，针对类别不平衡问题，提出改进分层抽样策略，在传统分层抽样基础上引入全局特征保留机制，避免局部采样导致多数类分布失真，确保分类器能够学习数据的完整统计特性。最后，结合F1分数自适应加权集成学习，融合随机森林、长短期记忆（long short-term memory，LSTM）网络等多样化基分类器，动态调整模型权重，进一步提升对少数类攻击的检测能力。实验结果表明，相较于现有方法，所提方法在机载网络数据集上的召回率提升5.2%，F1分数提升3.7%，为复杂网络环境下的入侵检测提供了可靠解决方案。关键词：分布不平衡;多视图对比稀疏自编码器;分层抽样;集成学习42|115|0更新时间：2026-04-08
- 摘要：近年来，基于毫米波雷达的脚踢动作识别作为一种免手操作的人机交互技术，在智能家居和车载应用等领域展现出重要应用价值。然而，复杂环境下的静态干扰（如墙壁、石柱及天线耦合干扰）和动态干扰（如行人运动、肢体微动）仍对识别精度构成挑战。为实现高精度、稳健识别，提出一种融合干扰抑制与深度学习的识别方法。该方法通过向量均值相消与动目标显示（moving target indication，MTI）抑制静态干扰，并结合多普勒加权、恒虚警率（constant false alarm rate，CFAR）检测、密度聚类（density-based spatial clustering of applications with noise，DBSCAN）以及连通域约束消除动态干扰。随后，提取多帧距离-多普勒图（range-Doppler map，RDM）和距离-角度图（range-angle map，RAM）作为模型输入，构建基于卷积神经网络（convolutional neural network，CNN）、多头自注意力（multi-head self-attention，MHSA）以及简化时序卷积网络（simplified temporal convolutional network，STCN）的双流CNN-MHSA-STCN模型，用于完成动作识别。实验表明，该方法在自采数据集上的识别精度超过98%，在复杂环境中具备较高的精度与鲁棒性。关键词：毫米波雷达;脚踢动作识别;干扰抑制;双流CNN-MHSA-STCN31|48|0更新时间：2026-04-08
- 摘要：随着智能电网发展，电力线通信（power line communication，PLC）面临业务数据量激增与传输速率提升的挑战，高精度信道估计成为提升通信性能的关键。传统压缩感知方法依赖离散化字典，存在基不匹配问题，限制多径时延分辨率。针对电力线信道多径效应显著的特征，提出一种连续域稀疏恢复信道估计框架。该框架利用正交频分复用（orthogonal frequency division multiplexing，OFDM）系统子载波频率的等差特性，将多径时延映射为范德蒙德矩阵结构的频域响应，实现稀疏表示；采用原子范数最小化（atomic norm minimization，ANM）算法在连续参数空间求解，避免离散网格误差，显著提高时延分辨率；结合电力线信道指数衰减规律，通过频域衰减因子解析推导多径权重，完成信道响应闭式重构。仿真表明，该方法时延分辨率达到超分辨性能，较正交匹配追踪（orthogonal matching pursuit，OMP）等算法优势显著。关键词：电力线通信;信道估计;原子范数最小化;范德蒙德结构;超分辨率估计37|16|0更新时间：2026-04-08
- 摘要：Wi-Fi信道状态信息（channel state information，CSI）的人体活动识别（human activity recognition，HAR）方法在动作监测等领域被广泛应用，但仍面临部署成本高和感知范围有限等挑战。为解决这些问题，提出了一种移动通信网长期演进的注意力卷积神经网络（long term evolution attention-guided ConvNeXt ，LTE-ACN），利用移动信号进行活动识别。首先，基于小区参考信号提取信道状态信息有效特征；其次，进行噪声滤波、Savitzky-Golay平滑、峰谷增强和格拉姆角场变换等信号处理来构建动作数据集；最后，将增强后的图像数据输入LTE-ACN模型，通过改进的ConvNeXt架构有效地降低了特征信息损失，同时引入卷积块注意力模块（convolutional block attention module，CBAM）提升关键特征的表达能力，强化了空间域内的特征关联性。实验结果表明，所提方法的6类动作识别平均准确率达到了96.44%，验证了基于LTE信号进行人体动作识别的可行性。关键词：移动通信网信号;信道状态信息;人体活动识别;注意力机制;卷积神经网络22|124|0更新时间：2026-04-08
- 摘要：在卫星物联网通信中，导频资源和存储资源均受到一定限制，传统同步方案及其硬件实现面临着很大的挑战。针对这一问题，提出了一种基于双相关算子的极简同步方案，包括频相解耦合估计和分块相关数据补偿两部分。其中，频相解耦合估计部分提供了一个对莱斯衰落鲁棒的自相关频偏估计器和一个抗频偏能力强的低复杂度相偏估计器；分块相关数据补偿部分只需使用基于互相关算子的少量数据补偿值便可以显著降低残留频偏的影响。仿真结果表明，在最大仅5%的导频开销下，所提极简同步方案能够实现频偏对相偏的解耦合，同时比传统同步方案减少98%的存储空间占用并在低信噪比下获得接近的误码性能，对未来卫星物联网通信系统的工程实现有着一定现实意义。关键词：导频资源;存储资源;双相关算子;分块补偿;卫星物联网通信47|35|0更新时间：2026-04-08
- 摘要：在数字化转型背景下，精准建模电力行业业务流程对实现智能运营与标准化管理具有重要意义。为此，提出了一种面向电力工作流程标准化的领域自适应语言模型ElecBPM-LoRA。该模型通过引入低秩微调（low-rank adaptation，LoRA）技术与结构化提示词机制，能够将自然语言准确转化为结构化语句，并自动生成符合BPMN 2.0规范的业务流程图。实验表明，ElecBPM-LoRA在电力行业流程要素的识别任务中的表现均优于目前主流大语言模型，且在流程结构建模的完整性与语义一致性方面表现出显著优势，为关键基础设施领域的流程自动化与标准化建模提供了可靠支撑。关键词：大语言模型;业务流程建模;中文文本处理;自动化建模;低秩微调;提示词工程22|33|0更新时间：2026-04-08
研究与开发
- 摘要：在数字化时代，精准把握用户需求是网站实现精准营销与个性化服务的关键。针对该场景，提出了一种改进的奇异谱分析K均值（singular spectrum analysis K-means，SSA-Kmeans）算法，有效地解决了传统SSA中窗口长度及特征分量须手动选取的低效问题。该算法先利用SSA提取用户访问数据的核心特征分量，再结合K-means进行聚类分析。实验结果表明，该算法显著地提升了聚类效果，戴维斯堡丁指数较直接聚类和小波变换去噪后聚类分别降低了0.407 1和0.067 2，簇划分更精准。基于优化后的聚类结果，进一步制定了差异化运营策略，针对不同用户群体提供定制化服务。这一方法为网站精准营销和用户留存提供了高效的解决方案，具有重要的实践应用价值。关键词：用户分群;奇异谱分析;K均值聚类算法;戴维斯堡丁指数14|9|0更新时间：2026-04-08
- 摘要：当前电力新能源工程数据呈现出多源异构、时空耦合、空间非平稳性的复杂特性，使全尺度数据挖掘区域边界模糊，导致电力新能源工程全尺度数据挖掘精度下降。为此，提出了基于空间信息多级网格的电力新能源工程全尺度数据增强挖掘方法。通过余弦相似性和皮尔逊相关系数量化数据间的关联性，在此基础上，采用相似度驱动的网格密度峰值计算方法，并结合距离阈值化处理，最终通过空间信息多级网格，实现了对复杂电力新能源数据的精细化空间划分。将划分结果标定行列索引作为特征摘要，并为网格单元特征值添加索引标记，在添加索引标记后利用反距离加权法计算挖掘索引阈值，以实现电力新能源工程的全尺度数据增强挖掘。实验结果表明，所提方法在工程全尺度数据增强挖掘中具有较高的精准度，挖掘结果与目标结果之间的一致性较强，具有较强的实用价值。关键词：空间信息多级网格;电力新能源工程;全尺度数据;数据增强挖掘;余弦相似性23|65|0更新时间：2026-04-08
- 摘要：客户升级投诉作为衡量服务质量的关键指标，其精准预测对服务质量改善与客户问题解决具有重要意义。基于此提出了一种基于大语言模型（LLM）、递归特征消除（RFE）以及XGBoost的混合学习方法对潜在升级投诉客户进行预警，首先利用大语言模型从客户通话文本中提取语义特征，再融合结构化数据后利用RFE进行最优特征选择，最后基于有效特征采用XGBoost进行预警。为了检验该模型的有效性，以某省运营商生产数据为研究对象进行了预测，实证结果表明提出的LLM-RFE-XGBoost混合方法具有最优的预测性能。实际上线应用后，升级投诉量下降了6.7%，成效显著，对提高服务质量及客户满意度具有重要意义。关键词：升级投诉;XGBoost;递归特征消除;大语言模型18|23|0更新时间：2026-04-08
- 摘要：持续推进高铁5G专网建设对于高铁用户出行体验提升十分重要，目前已成为运营商5G网络规划建设所关注的重点场景。首先综合分析了高铁5G专网建设面临的场景特异性问题，然后进一步针对现阶段高铁5G专网存在的公网用户频繁入侵、网络缺乏对用户属性的全面感知能力等问题，首次打通无线网与核心网，围绕网络数据分析网元，提出了一种基于移动用户画像的高铁5G专网优化方案。试点验证结果表明，该方案对用户身份属性的识别准确率可超过90%，有望减少超过70%的专网入侵用户，大幅提升专网资源利用率。所提出的方案为网络智能化技术的应用落地提供了重要参考，有助于推动未来智慧内生网络建设，实现更加精准的网络用户感知和智能调度，支撑更加丰富的业务场景。关键词：5G;高速铁路;专网;用户画像;智能调度44|149|0更新时间：2026-04-08
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：952130 今日访问量：1298
0