最新刊期
2026年第42卷第5期
- 摘要：系统梳理了通信网络几十年的发展变化，提出了通信网络大约每十年发生一次具有里程碑意义的重大变革的规律，即从最初的电路交换开始，发生了IP化变革、IT化变革和正在进行的AI化变革这三次变革。系统总结分析了这三次变革并重点剖析了AI化变革：网络IP化通过从电路交换到分组交换和从交换IP化到端到端全IP化的演进，实现了数据业务的高效承载；网络IT化基于软件定义网络（software defined network，SDN）/网络功能虚拟化（network functions virtualization，NFV）等技术，推动了通信网络架构由封闭、刚性向开放、弹性的转变；网络AI化的核心在于“网络使能AI”与“AI赋能网络”的双向赋能，前者旨在构建支撑超大规模智算的高性能互联底座，后者将AI深度融入网络系统，推动网络运行、网络运维以及应用与服务向目标驱动、全域自主的“智能原生”范式演进。最后，对未来通信网络发展进行了展望，提出未来“AI+”时代将推动通信网络从单纯的连接基础设施向智能化、服务化的新型信息基础设施转型和升级。关键词：通信网络;IP化变革;IT化变革;AI化变革75|42|0更新时间：2026-06-17
专家视点
- 摘要：在超大规模多输入多输出（extremely large-scale multiple-input multiple-output，XL-MIMO）系统中，实现对混合场信道状态信息（channel state information，CSI）的高精度估计仍是未来6G网络高速传输的核心挑战之一。针对传统混合场信道估计算法固定网格划分导致的精度限制问题，提出了一种两阶段离网格混合场信道估计算法。该算法在第一阶段对远场角域和近场极域进行联合稀疏表示，通过遍历远近场路径比例参数并分配路径配额，利用稀疏梯度追踪在联合字典上交替搜索远近场原子，结合逐行最小均方（least mean square,LMS）算法的增量残差更新路径支撑，获得混合场信道的粗估计。在初始支撑的基础上，算法在第二阶段利用数值梯度与线搜索相结合的牛顿迭代，对路径角度和距离等参数进行精细估计，从而重构完整混合场信道。仿真结果表明，在不同信噪比、用户天线数量等场景下，所提算法的归一化均方误差（normalized mean squared error，NMSE）始终优于传统混合场信道估计算法，相比现有的离网格随机梯度追踪（stochastic gradient pursuit，SGP）算法其性能提升1.5~3 dB。关键词：超大规模多输入多输出;混合场信道;信道估计;离网格算法;增量残差6|0|0更新时间：2026-06-17
- 摘要：动态异构冗余（dynamic heterogeneous redundancy，DHR）架构虽能增强系统弹性与容错，但基于多数表决的决策机制难以处理异构信息源的质量差异与潜在冲突，在关键安全场景中易导致性能下降或误判。为此，提出一种自适应与鲁棒决策冗余（adaptive & robust decision redundancy，ARDR）架构，通过自适应服务选择与基于证据的鲁棒裁决，实现对异构执行体输出的系统化评估与融合。ARDR构建综合评估模型，结合执行体异构性、历史性能、置信度及效率，利用鲸鱼优化算法选取最优组合；随后基于Dempster-Shafer理论设计高冲突感知裁决框架处理不确定性。拟态Web应用防火墙原型及多场景仿真实验结果表明，ARDR在准确率、F2值及平均执行时间上均优于传统动态异构冗余及防御增强型动态异构冗余（improved dynamic heterogeneous redundancy，IDHR）架构，尤其在高冗余与高冲突条件下性能稳定。消融实验进一步证明其自适应选择与鲁棒裁决的协同效应，为异构高不确定性环境下冗余系统设计提供可解释的高效方案。关键词：动态异构冗余;拟态防御;自适应服务选择;证据融合;不确定性推理;移动目标防御3|0|0更新时间：2026-06-17
- 摘要：为了解决卫星网络中多业务服务质量保障与负载均衡的协同优化难题，提出了一种融合长短期记忆网络和深度Q网络的智能多业务路由算法。该算法把长短期记忆深度Q网络作为智能体部署在当前卫星节点，将当前节点与周围节点的链路时延、带宽、丢包率、流量、网络拓扑、业务类型作为网络状态输入智能体进行训练，输出动作是下一跳节点，使用带宽、时延、丢包率的加权和与最大链路带宽利用率的加权和作为奖励函数调整动作。智能体训练收敛后，卫星进行多业务传输。通过仿真实验和性能评估，研究结果表明所提出的算法在不同性能指标上均取得了显著成效，并且在平衡网络负载方面表现优异。关键词：卫星网络;深度强化学习;负载均衡;多业务路由4|0|0更新时间：2026-06-17
- 摘要：在复杂电磁对抗场景中，无线信道的时变噪声干扰和多域耦合效应使测试数据集的噪声分布特性与训练集的先验假设条件发生偏离，导致深度神经网络模型出现特征失配，进而引发基于静态信道假设的调制识别系统在跨域场景中的性能劣化。为应对这一挑战，提出了一种基于对比学习与实复域融合的动态噪声自动调制识别方法。在预训练阶段，借助BYOL（bootstrap your own latent）对比学习框架，构建实复域融合网络，强制模型通过自监督学习来深刻理解数据的内在结构，从而降低特征提取对噪声分布变化的敏感性，增强模型在不同信噪比条件下的泛化能力；在微调阶段，将短时傅里叶生成的复数时频谱输入实复域融合网络，提取信号的多维特征，使网络学习到与信道噪声无关的本质特征。综合以上两种策略，使模型能够有效地应对不同信噪比条件下的动态噪声干扰。实验结果表明，在待识别信号信噪比下降6 dB的情况下，所提方法相较于现有视觉变换器（vision transformer，ViT）等方法，识别准确率至少提升了23.98%。关键词：对比学习;特征融合;动态噪声;自动调制识别4|0|0更新时间：2026-06-17
- 摘要：随着6G网络架构向分布式自治范式演进，传统集中式安全机制面临边界消失、身份易伪造和数据泄露等关键挑战。对此，提出分布式安全可信网格（distributed secure and trustworthy mesh，DSTM）系统。该系统通过构建逻辑安全边界，并实施动态安全策略，实现了分布式子网间的多层次身份认证、端到端安全连接、安全隔离与安全策略的动态执行。DSTM系统可与6G分布式网络架构深度融合，为未来6G网络安全体系设计提供重要参考。关键词：6G;分布式自治网络;DSTM;网络边界;安全锚点49|28|0更新时间：2026-06-17
- 摘要：时间序列预测在金融、电力、网络等关键领域具有重要应用价值。深度学习模型在该任务中展现出强大的拟合能力，但其性能高度依赖结构设计与超参数选择。传统的调参方法（如网格搜索和人工经验）存在效率低、易陷入局部最优等问题。为此，构建了基于双向时间卷积网络和双向门控循环单元的注意力机制模型（bidirectional temporal convolutional network-bidirectional gated recurrent unit-attention，BiTCN-BiGRU-Attention）的深度时间序列预测模型，并引入新型元启发式优化算法——霜冰优化算法（RIME）对其进行优化。RIME算法模拟霜冰自然生长机制，结合软霜搜索策略、硬霜刺破机制与正贪婪选择策略，实现了全局探索与局部开发的有效平衡。实验在标准基准函数和多个真实数据集上对算法性能进行了全面评估。结果表明，RIME算法优化后的预测模型在精度、收敛速度与稳定性方面均优于未优化模型，为深度时序预测模型的高效自动化优化提供了新的思路与实践路径。关键词：霜冰优化算法;深度学习;超参数优化;时间序列预测4|0|0更新时间：2026-06-17
- 摘要：针对海上作业区域通信资源匮乏的问题，提出了一种基于非正交多址接入（non-orthogonal multiple access，NOMA）的双无人船海上辅助通信物联网系统模型。该模型通过联合优化用户通信调度与传输功率，最大化系统吞吐量。仿真结果表明，与正交多址接入（OMA）技术相比，基于NOMA的双无人船物联网系统具有更高的吞吐量，并通过部署具备低成本、按需配置特点的无人船，为海上风电机组维修人员提供必要的通信保障。同时，引入NOMA技术可提升频谱资源利用率，有望突破海上频谱稀缺的瓶颈。关键词：物联网;无人船;非正交多址接入;资源分配;吞吐量最大化50|32|0更新时间：2026-06-17
- 摘要：智能反射面（intelligent reflecting surface，IRS）可通过优化反射矩阵的相位，有效地改善信道质量并提升系统容量，因此，设计高性能且低复杂度的相位优化算法成为关键问题。针对IRS辅助多入多出（multiple-input multiple-output，MIMO）系统的信道容量最大化问题，不同于以信道增益为导向的传统方法，直接以系统信道容量为优化目标，推导了IRS单元相位的实数闭式更新公式。在此基础上，进一步提出了固定步长和自适应步长两种低复杂度相位优化算法，其中，自适应步长算法在保持固定步长容量性能的前提下，通过动态调节相位更新幅度，进一步加快了算法收敛速度。仿真结果表明，当发射功率为10 dBm、IRS单元数为100时，所提算法相较于维度正弦最大化（dimensional sine maximization，DSM）算法容量提升了5 bit/s，迭代次数与平均运行时间分别降低了81.4%、78.3%；与固定步长算法相比，自适应步长算法在不损失容量性能的情况下，迭代次数与平均运行时间分别降低了49.2%、42.1%，且在大规模IRS配置下低复杂度优势更突出。关键词：智能反射面;多输入多输出;相位优化;低复杂度4|0|0更新时间：2026-06-17
- 摘要：实测了5G专网和V2X直连通信两个相邻频段系统设备的射频参数，对系统场景参数和信道模型进行了相关标准和理论模型研究，通过仿真对不同应用场景下车联万物（vehicle to everything，V2X）系统与5G专网系统之间的兼容共存条件和干扰协调给出了分析结论和相关建议，对工业互联网与智能网联汽车的协同发展有一定的参考价值。关键词：V2X直连通信;5G专网;兼容共存;干扰协调4|0|0更新时间：2026-06-17
- 摘要：针对软件定义网络（SDN）环境中DDoS攻击流量特征复杂、包级语义信息利用不足以及检测模型精度与效率难以兼顾的问题，设计了一种融合有效载荷信息与流级统计特征的混合检测模型。该模型首先基于改进的Mamba网络对有效载荷序列进行深度建模，以挖掘包级特征中的时序依赖与上下文信息；其次，采用Ghost卷积替代常规卷积结构，在保持特征表达能力的同时有效减少模型参数量并提升计算效率；最后，通过自注意力机制对多维融合特征进行加权，以强化关键攻击特征并抑制无关信息。实验结果表明，所设计模型在CICDDoS2019数据集上实现了99.56%的检测准确率，平均检测延迟仅为0.21 ms，优于现有主流方法。此外，在多个公开数据集上的验证结果进一步证明，该模型具有良好的泛化能力。关键词：软件定义网络;DDoS攻击检测;深度学习;自注意力机制;网络安全4|0|0更新时间：2026-06-17
- 摘要：提出一种基于自适应权重与情境感知机制的电力交易风险评估方法，通过多模型融合策略显著提升预测精度与风险管理能力。该方法结合历史表现与时间衰减因子，动态优化线性回归、随机森林及长短期记忆（long short-term memory，LSTM）网络权重的自适应权重调整机制，并根据市场波动、极端天气或政策事件触发规则，动态调整模型权重，以应对突发场景，构建情境感知切换逻辑；采用梯度提升决策树（gradient boosting decision tree，GBDT）整合基础模型预测与市场特征，提升复杂场景鲁棒性的元学习器优化策略。实验表明，混合模型在均方误差（mean square error，MSE）为21.3、平均绝对误差（mean absolute error，MAE）为3.1和决定系数（coefficient of determination，R²）为0.89时优于单一模型，其中自适应权重贡献性能提升10%，情境感知的误差降低5%。在电价单日波动率大于20%、连续高温或政策突变等极端场景下，模型通过动态权重调整显著降低了误差，在提升收益的同时降低了风险。该方法为电力市场提供了科学的风险管理工具，增强了市场稳定性与经济效益，未来可将其应用拓展至金融风险评估领域，并在联邦学习、实时优化与规则自动化等方向进一步探索。关键词：电力交易风险评估;机器学习;线性回归;随机森林;长短期记忆网络41|34|0更新时间：2026-06-17
- 摘要：在飞行自组网（flying Ad Hoc network，FANET）环境中，节点具有高速移动性，容易导致网络拓扑结构变化频繁。针对高速移动状态下的飞行自组网路由协议最优路径选择问题，提出一种将中华穿山甲优化（CPO）算法应用于FANET实现路由优化方案。该方案通过模拟穿山甲的觅食行为，构建适用于FANET场景的路由智能决策机制。仿真结果表明，与传统路由协议相比较，CPO算法在节点高速移动和高密度部署场景下，仍能保持较高的分组投递率和较低的端到端时延，表现出对高动态FANET环境的良好适应性。关键词：FANET;元启发算法;中华穿山甲优化算法;NS-36|0|0更新时间：2026-06-17
- 摘要：针对多模态序列推荐中用户兴趣演化建模、跨模态语义对齐及时频特征提取的不足，提出小波增强的动态图注意力推荐（wavelet-enhanced dynamic graph attention recommendation，Wave-DGARec）模型。该模型从时频变换、图建模与对比学习这3个维度进行创新设计：引入多尺度小波变换模块，对行为序列进行时频重构，捕捉非平稳偏好波动；构建用户-商品-图像三元动态图，利用图注意力机制实现结构化语义在不同模态间的高效传播；设计跨模态对比学习机制，引入可学习温度参数，提升语义对齐质量与样本判别能力。在Amazon 4个领域数据集的实验验证了Wave-DGARec的优越性。消融实验证实了小波模块与动态图建模的有效性，为多模态推荐系统提供了一种融合时频分析与结构建模的新范式。关键词：多模态序列推荐;小波变换;动态图注意力;跨模态对比学习5|0|0更新时间：2026-06-17
- 摘要：保留格式加密（format-preserving encryption，FPE）具有加密后数据格式和数据长度不变的特点，不会破坏数据格式约束，非常适用于数据脱敏领域。当前保留格式加密方案存在多次调用Cycle-Walking结构的不确定性问题或依赖模运算，导致原始消息空间与对称密文消息空间不对等的问题。基于动态有限域提出了基于动态有限域上的保留格式加密（dynamic galois field-format-preserving encryption，DGF-FPE）算法，对多字段的格式构建可以覆盖原始消息空间的有限域集合，在动态有限域中进行数据映射得到符合格式的FPE密文。解决了传统方法依赖Cycle-Walking或模运算方法的问题，并进行了相关实验。实验结果表明，经过DGF-FPE算法加密后的数据集的信息熵接近理想情况下的信息熵，证明了该算法具备充分的安全性。关键词：保留格式加密;数据脱敏;动态有限域;对称密码算法;信息熵62|79|0更新时间：2026-06-17
研究与开发
- 摘要：在数字时代信息科技不断发展的进程中，以算力网络及边缘计算为核心的计算范式，已于诸多领域得到了应用与认可。通过整合异构异地的计算资源，算网大脑可实现高效的资源调度及任务分配。对算网大脑与边缘计算之间的协同方式展开了探索，剖析当前及新兴的技术手段，提出了独创性的算法体系，其具备主客观多要素指标、动态阈值及赋权、双尺度决策与三级资源调度五大特征。通过该算法的落地执行，可有效减少业务总时延，提升资源利用率，加强对业务可靠性的保障。关键词：算力网络;算网大脑;边缘计算4|0|0更新时间：2026-06-17
- 摘要：基于云网关的边缘智能体是融合了边缘计算与人工智能（AI）技术，部署在边缘设备与边缘云网关的智能程序或系统。该边缘智能体具有基于云网关的应用识别能力，具备边端策略自适应、可扩展性强等优势，具有很广泛的应用前景，同时其对架构也提出了一定的要求。主要分析了基于云网关的边缘智能体架构方案如何在运营商级城域网上部署，以实现边缘智能体自适应、可扩展的优势，该架构可为后续在新型城域网部署智能体服务提供参考。关键词：云网关;边缘智能体;虚拟化深度包检测;融合边缘4|0|0更新时间：2026-06-17
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：1118221 今日访问量：965
0