最新刊期
- 摘要：针对Starlink低轨卫星下行通信中因卫星高速运动引起的显著多普勒频偏以及低信噪比环境，导致传统正交频分复用（orthogonal frequency division multiplexing，OFDM）信号检测方法可靠性显著下降的问题，本文提出一种基于分段互相关谱图和Starlink-Detect YOLOv9（SD-YOLOv9）网络相结合的Starlink下行信号检测新算法。所提算法首先利用Starlink信号主同步序列（Primary Synchronization Signal, PSS）的重复结构，通过分段互相关与非相干累加生成具有显著谱线结构的二维特征图，将传统一维信号峰值检测问题转化为二维图像特征识别任务；此外，设计了一种名为SD-YOLOv9的增强型目标检测网络，在Backbone末尾引入STCSPA (Swin Transformer-Enhanced CSP with Attention)模块，将Swin Transformer的局部窗口注意力机制嵌入Cross Stage Partial（CSP）框架，以增强特征建模与上下文表达能力；同时将Backbone和Neck结构中传统的下采样卷积模块替换为SD-ADown (Adaptive Downsampling) 模块，实现自适应多分支特征融合，减少特征损失并提升弱信号检测性能。实验结果表明，在AWGN信道的-13 dB极低信噪比条件下，本文方法的检测准确率高达100%，相较于基准YOLOv9模型、基于互相关和CapNN算法分别提升了7%和48%，且相较于传统单一的差分互相关、直接互相关及分段互相关算法分别提升了99%、63%和41%。同时，消融实验进一步验证了STCSPA与SD-ADown模块的有效性。本研究在解决高动态无线通信检测难题方面的有效性与优越性，为下一代卫星通信系统提供了可靠的技术思路。关键词：信号检测;低轨卫星;Starlink信号;SD-YOLOv9;注意力机制2|0|0更新时间：2026-07-23
- 摘要：为保障大语言模型推理与多智能体协同等新兴智能业务对服务质量（quality of service，QoS）的需求，构建高效的资源调度机制已成为智算网络中的核心问题。面向QoS多目标优化下的资源调度场景，设计了一种融合差异化智能业务建模、异构算网资源感知与高通量远程直接内存访问（remote direct memory access，RDMA）传输优化的调度框架；在该框架下提出基于强化学习（reinforcement learning，RL）的智能调度算法，在考虑业务优先级、算网资源负载与数据传输特性的基础上，自适应生成调度策略以提升QoS；引入网络实测数据与智算中心真实组网参数构建仿真平台，对所提算法进行性能验证。实验结果表明，该方法在任务完成率、平均时延和资源利用率等关键QoS指标上较现有方案具有明显优势。关键词：智算网络;服务质量保障;资源调度;强化学习;远程直接内存访问网络4|1|0更新时间：2026-07-22
- 摘要：为兼顾交通流点预测精度与概率校准表现，提出图耦合残差流匹配（ST-RFM）框架，将连续流匹配引入图结构时序建模。首先，设计多尺度时序条件模块，解耦提取趋势、周期与波动特征；其次，构建图耦合反应-扩散向量场，在生成动力学内部显式分离节点演化与空间校正，增强对路网动态演化的捕捉能力；最后，采用残差流匹配目标，通过锚定最近观测学习变化量，保留连续性先验。在 PEMS03、04 和 08 数据集上的实验结果表明，该算法在维持高精度点预测的同时显著提升了概率校准性能，其中 PEMS08 的 CRPS 和 MIS95 指标分别降低 3.8% 与 43.9%，该研究为生成式时空交通预测中的不确定性量化提供了有效的技术方案。关键词：交通流预测;流匹配;概率预测;图耦合向量场24|6|0更新时间：2026-07-21
- 摘要：正交时频空（Orthogonal Time Frequency Space，OTFS）调制因其在高移动性场景下的可靠传输能力，已成为6G无线通信系统的空口候选波形之一。但是，作为一种多载波调制技术，OTFS也面临着峰均功率比（Peak to Average Power Ratio，PAPR）过高的问题。迭代削峰滤波（Iterative Clipping and Filtering，ICF）峰均比抑制方法能够以较低的复杂度实现PAPR的有效抑制，但滤波操作在消除带外辐射的同时，会滤除削峰产生的高频分量，并对时域波形进行平滑重构，使得部分样点幅度重新超过削峰门限，从而产生峰值再生现象，限制PAPR抑制性能。针对该问题，本文提出了一种基于预编码的ICF峰均比抑制方法。该方法利用Zadoff-Chu（ZC）预编码改善信号幅度分布的统计特性，降低削峰噪声功率，进而抑制滤波导致的峰值再生，从而有效提升ICF的峰均比性能。仿真结果表明，在相同迭代次数下，提出的基于预编码的ICF方法可以有效提升PAPR抑制性能，同时在高动态场景下改善误码率（Bit Error Rate，BER）性能。关键词：正交时频空调制;峰均功率比;迭代削峰滤波;预编码5|0|0更新时间：2026-07-21
- 摘要：随着物联网与人工智能技术的深度融合，由海量智能体协同互联构成的智能体互联网（Internet of Agents）正逐步迈向深度协同。然而，智能体在互操作过程中需频繁交换状态信息与决策知识，面临严峻的隐私泄露风险。现有研究大多将隐私保护视为性能优化的附属目标，缺乏系统性的内生安全机制。为此，本文提出一种隐私增强的互操作框架。该框架首先通过数字孪生技术为每个物理智能体构建虚拟映射，在孪生空间中形成隔离的交互沙盘；进而设计基于本地差分隐私的条件生成式对抗网络（LDP-CGAN），将加噪后的本地观测在孪生空间中复原为富含语义的虚拟数据，从源头切断原始数据流；最后提出联邦多智能体深度确定性策略梯度算法（FC-MADDPG），利用虚拟数据进行协同策略训练，并引入互操作性得分指导联邦聚合，实现通信、计算与隐私资源的联合优化。在MedMNIST医疗推理任务场景中的实验表明，与传统多智能体强化学习算法相比，本框架在引入强隐私保护的同时，任务平均时延与能耗仅分别增加5.1%与6.8%；模型逆向攻击的隐私泄露率从84.5%降至13.2%。实验结果验证了本框架在保障隐私安全的同时能够有效维持系统协同效能。关键词：智能体互联网;隐私增强;数字孪生;生成式对抗网络;多智能体强化学习;联邦学习5|0|0更新时间：2026-07-21
- 摘要：针对空天地融合网络（SAGIN）中计算密集型任务对时延与能耗的严苛要求，本文深入探讨了如何将 SAGIN 复杂的异构物理特性（如高动态拓扑、卫星可视窗口及差异化链路增益）严谨地映射为多智能体马尔可夫决策过程（MDP）的状态空间、动作空间与归一化奖励函数。 在此基础上，设计了一种基于多头注意力机制的多智能体深度确定性策略梯度算法（AM-MADDPG），实现“端-边-云”三层协同计算卸载与多维资源调度。考虑到高动态环境易导致传统优化算法陷入维数灾难的问题，引入了“集中式训练、分布式执行”（CTDE）架构。各边缘智能体通过多头注意力机制在环境特征提取阶段精准识别近端碰撞风险，实现隐式协同，在线执行阶段仅凭局部观测即可输出决策。 仿真结果表明，该机制有效缓解了最大容忍时延约束下的系统压力；相较于主流基准（如 MAPPO）及基于局部邻域特征聚合的分布式图强化学习基准（DGN），本文算法在信令开销对等的前提下，展现出更优的能耗控制与系统开销优化能力，提升了极端高负载场景下的系统韧性。关键词：空天地融合网络;移动边缘计算;计算卸载;多智能体深度强化学习;多头注意力机制29|1|0更新时间：2026-07-13
- 摘要：针对跨厂商网络设备配置转换场景中低语料条件下转换准确性与稳定性不足的问题，提出了一种基于Transformer架构的网络配置转换模型（network configuration translation model，NetConfigTM）。该方法融合网络配置领域特性，构建面向配置语义的训练机制，通过对有限配置语料进行扩展与建模，在低标注条件下实现有效特征学习。进一步引入掩码语言建模、去噪自编码与有监督微调相结合的多阶段训练策略，增强模型对跨厂商配置语法结构与语义映射关系的建模能力。基于脱敏网络配置数据开展实验验证，结果表明，该方法在多类典型配置场景下能够保持稳定、可靠的转换准确性，并可将人工方式下天级的配置转换过程缩短至分钟级，验证了其在跨厂商网络环境中开展自动化配置转换的工程可行性。关键词：网络配置转换;低语料条件;Transformer 架构;数据增强14|0|0更新时间：2026-07-08
- 摘要：针对有源可重构智能表面(Active Reconfigurable Intelligent Surface，Active RIS)辅助毫米波MIMO系统中互耦效应(Mutual Coupling，MC)引发的单元间电磁交互及其导致的反射矩阵非对角化问题，进而造成感知字典高相干、传统贪婪算法估计精度受限以及全维贝叶斯方法计算复杂度较高等挑战。本文首先构建了互耦效应的级联信道模型，并在此基础上提出两阶段稀疏贝叶斯学习算法。该方法首先基于互耦近似模型进行低复杂度候选支撑提取，然后利用字典缩减(Dictionary Reduction，DR)将问题投影至低维子空间，并在期望最大化(Expectation-Maximization，EM)框架下的SBL推断实现精细估计。仿真结果表明，所提方法在复杂度可控的前提下可有效提升互耦场景下的信道估计性能，较传统两阶段正交匹配追踪(Orthogonal Matching Pursuit，OMP)算法的归一化均方误差(Normalized Mean Squared Error，NMSE)平均降低约2dB。关键词：有源可重构智能表面;互耦效应;信道估计;稀疏贝叶斯学习;字典缩减27|2|0更新时间：2026-07-03
- 摘要：IP网络作为关键基础设施，其变更管理与安全防护正面临自动化与智能化转型的迫切需求。本文打造智能体运维平台，针对IP网络变更监控和路由器APT安全防御问题，选取配置变更和网络安全两个自智网络L4高价值场景，聚焦两大智能体，其中变更智能体基于数字孪生构建配置生成、配置核查、配置仿真、业务比对，安全智能体构建安全配置核查、暴露面管理、系统入侵检测等功能。通过现网试点验证，变更审核耗时压缩至30分钟，效率提升90%，弱配置暴露期缩短到天级，效率提升90%，设备入侵威胁事后审计，可达到分钟级感知，有效降低网络运维风险与安全事件发生率，显著提升网络系统的稳定性和安全防护水平。关键词：智能运维;变更智能体;安全智能体20|3|0更新时间：2026-07-03
- 摘要：企业智能化转型中，大模型训练与推理需要大量智能算力资源，自建算力往往成本高、建设周期长，而租赁算力服务则面临数据出域安全风险等问题。本文提出云边协同分布式训推方案，通过模型分层部署，边缘企业侧处理敏感数据，云端智算中心承载大规模计算，中间通过支持RDMA的跨域无损传输网络传递敏感性更低的中间变量，在保障企业数据隐私性的基础上，依靠安全网络架构，实现算力弹性扩展，形成适配不同行业场景的高性能组网解决方案。关键词：云边协同;分布式训推;模型分层部署;跨域无损传输33|19|0更新时间：2026-06-24
- 摘要：针对双选择性信道条件下OFDM/FBMC系统中传统IR方法容易受到错误数据反馈干扰，导致误差传播并在高信噪比区域出现性能平台的问题，本文提出一种基于后验加权的预测基系数域更新方法。该方法利用当前信道估计得到数据符号的后验均值与后验方差，在预测基系数域内构建加权修正模型，实现全矩阵信道估计的重构。在此基础上，进一步给出了SoftMean和SoftVar两种实现形式。仿真结果表明，所提方法在中高信噪比区间均优于原始IR方法，且优势随信噪比升高更加明显。在35 dB信噪比条件下，所提方法相较原始IR在全矩阵信道估计中的NMSE改善约4 dB，在导频位信道估计中的NMSE改善约2 dB。本文进一步分析了所提方法的计算复杂度，结果表明，新增计算主要来源于后验统计量计算和预测基系数域加权求解。关键词：双选择性信道;全矩阵信道估计;MIR相关预测;预测基系数域更新;后验置信加权31|34|0更新时间：2026-06-24
- 摘要：随着生成式人工智能快速发展，智能体作为新一代人机交互与自动化决策的核心，正逐步融入实时通信核心流程。然而智能体灵活多变的控制流与实时通信固定的媒体处理范式之间存在显著矛盾，制约了AI技术在实时通信场景中的深度应用。本文提出一种面向实时通信网络的融合媒体面与智能体协同调度架构，构建统一媒体框架（General Media Framework, GMF)，支持智能体以插件形式高效嵌入媒体处理流水线。针对媒体流高并发处理场景，提出内存零拷贝机制以压缩流处理时延；提出基于通用智能体的二级调度优化模型以消除多智能体并行带来的冗余计算。实验表明各类AI插件可稳定嵌入GMF流水线，所提方案满足实时通信时延要求，为实时通信网络的原生AI演进提供了理论基础和工程参考。关键词：实时通信;智能体;插件化;流水线21|17|0更新时间：2026-06-24
- 摘要：在配电与计量现场作业中，传统依赖人工识别和记录信息的方式效率较低、容易出错，难以满足大规模终端精益化运维的需求。本文提出一种基于近场感知的智能化现场运维方法。研究利用蓝牙、扫码等近距离通信技术实现终端自动识别，同时在移动端集成设备重启、校时、进程检测、连接点切换等运维工具，构建便携化、可视化的现场运维体系。进一步设计近场容器管理机制及SIM卡信息识别方法，以提升现场作业的准确性与闭环能力。实际部署结果显示，该方法可将设备识别与建档时间缩短约60%，现场工单处理效率提升约35%，有效降低运维对人工经验的依赖，促进配用电终端现场运维的智能化提升。该方法在实现层面涵盖终端识别、工单关联、异常处置及分级改造等关键环节，并从工程应用角度分析了其成本收益、应用价值、研究局限与后续研究方向。关键词：近场感知;配用电终端;现场运维;智能化运维;工单管理20|16|0更新时间：2026-06-24
- 摘要：针对变电站设备缺陷目标尺度跨度大及背景干扰严重等问题，提出一种基于多尺度特征融合的变电站设备缺陷检测模型（Substation Equipment Defect Detection Transformer, SED-DETR）。模型在编码阶段设计分组级联自注意力模块（Grouped Cascaded Self-Attention, GCSA），增强对关键区域的聚焦能力；在颈部阶段构建跨阶段多分支特征融合网络（Cross-Scale Multi-Branch Fusion Feed-Forward Network, CSMB-FFN），通过改进单位步长融合卷积（Unit Step Fusion Convolution, US-Conv）实现多尺度特征精准对齐，引入跨阶段多分支建模模块（Cross-Stage Partial Omni-Kernel Block, CSP-OKB）加强全局感知与局部纹理信息融合；训练阶段采用MPDIoU（Minimum Pairwise Distance Intersection over Union）替换边界框回归损失中的GIoU（Generalized Intersection over Union），增强高重叠样本条件下的回归监督敏感性。SED-DETR在自建数据集和IGV Dataset上均取得优于当前主流检测模型的检测结果，mAP@0.5分别为94.1%和95.4%，mAP@0.5:0.95分别达到77.6%和85.2%。端侧部署结果说明，该模型在Jetson Orin Nano 4GB平台上具备良好的实时推理能力，经FP16加速后，推理时间缩短至23.9ms，且mAP@0.5达到92.5%。结果表明，SED-DETR在保证较高检测精度的同时兼顾计算效率，为变电站设备缺陷检测任务提供可行方案。关键词：变电站设备缺陷检测;深度学习;多尺度特征融合;自注意力机制;RT-DETR;跨阶段特征融合;特征对齐22|30|0更新时间：2026-06-24
- 摘要：针对异构异网边缘算力网络中节点硬件形态差异和多网络接入并存所导致的计算与通信资源强耦合、调度复杂度高等问题，提出了一种任务调度机制与算法。构建了面向异构计算资源与多网络域协同管理的层次化边缘算力网络架构，并在此基础上设计了基于近端策略优化的异构感知任务调度算法；通过联合优化计算节点选择与网络路径分配，在满足任务时延约束和可信执行要求的条件下，降低了系统成本与端到端执行时延。仿真结果表明，所提机制在动态边缘环境中能够有效降低任务执行时延和总体成本，综合性能优于传统调度方法。该机制可为异构异网边缘算力网络中的高效任务调度提供有效支撑。关键词：异构异网;算力网络;任务调度;深度强化学习;资源协同35|26|0更新时间：2026-06-24
- 摘要：面向第六代移动通信技术（Sixth Generation Mobile Communication，6G）的开放式无线接入网络（Open Radio Access Network，O-RAN）智能自治演进中，高度依赖的人工智能（Artificial Intelligence，AI）黑盒特性与透明决策需求存在矛盾。可解释人工智能（eXplainable AI，XAI）深度融合是打破黑盒、实现透明决策及构建可信自治网络的核心。本文综述XAI在6G O-RAN中的研究，提出多层级融合部署框架与应用路径：阐述O-RAN架构与XAI部署逻辑；围绕无线资源管理、网络切片运维、网络安全增强、智能协作与零接触运维，分析XAI实现路径与典型应用；探讨解释计算开销与实时性矛盾、评估标准匮乏、接口协同限制及隐私风险等技术挑战；展望轻量化XAI算法、神经符号因果推理模型、闭环自治机制及跨学科方法融合等趋势，为构建智能、透明、安全的6G可信自治网络提供参考。关键词：6G;O-RAN;可解释性;人工智能;网络智能化;透明化决策;可信自治网络21|68|0更新时间：2026-06-24
- 摘要：三维点云模型在数字版权保护、内容认证等领域具有重要应用价值。然而，其可逆信息隐藏研究仍存在嵌入容量与几何保真度难以兼顾的问题。提出了一种融合多尺度球坐标变换与自适应层次聚类的三维点云可逆信息隐藏算法，基于聚类局部点密度与尺度特征对点云进行三层分级处理，在各聚类的局部球坐标系下建立高斯加权径向距离预测器，并基于预测误差扩展（Prediction Error Expansion, PEE）技术实现水印的可逆嵌入与精确提取。实验结果表明，该算法在嵌入容量有效提升的同时，在阈值
时信噪比均保持在65dB以上，且在参数 的条件下误码率为零（恢复率100%），嵌入密度相较现有同类点云方法提升显著；消融实验进一步验证了球坐标变换、自适应分层策略及高斯加权预测器各模块的有效性。 关键词：三维点云模型;可逆信息隐藏;自适应层次聚类;球坐标变换;预测误差扩展17|15|0更新时间：2026-06-24 - 摘要：针对复杂电磁环境下民航通信辐射源个体识别中特征判别性不足、抗噪性能受限及未知个体识别能力下降的问题，提出一种基于内外调制特征融合与 SGE-LATransformer 的辐射源个体识别方法。针对AM-MSK复合调制民航信号中外调制与内调制均由发射链路不同硬件环节共同作用形成、且其物理机制与环境敏感性存在差异的特点，分别构建原始信号时频图以刻画功率放大、幅度控制及包络整形等外调制相关硬件引入的整体调制特征，以及解除外调制后的 MSK 内调制时频图以突出由振荡器、调制器和滤波器非理想性所决定的内在调制特征，并通过拼接融合形成内外调制联合时频特征表示。该融合特征在时频域实现了外调制硬件差异与内调制硬件指纹特征的互补建模，从民航信号调制机理出发，对辐射源个体特征进行了深入挖掘。进一步地，设计引入Spatial Group Enhance（SGE）模块的局部感知Transformer网络（SGE-LATransformer），通过全局—局部特征协同建模及组级空间注意力机制，突出稳定的个体判别区域并抑制噪声引入的无关响应。实验结果表明，所提方法在识别精度、抗噪性能及未知个体识别能力方面均优于传统单一时频特征、双谱及差分双谱方法以及常规深度学习模型，验证了其在民航通信辐射源个体识别任务中的有效性与工程实用价值。关键词：特征融合;SGE-LATransformer;时频特征;组级空间注意力机制17|0|0更新时间：2026-06-23
- 摘要：随着电信网络规模的持续扩大，传统人工运维管理模式已难以满足网络高效运营需求。国内外运营商纷纷加快L4级高阶自智网络建设，网络智能体作为推动网络智能化升级的核心使能技术，已成为产业研究和应用的热点。然而，当前网络智能体在能力边界、功能架构、交互接口及多智能体协同等方面尚未形成产业共识，制约了规模化落地。本文聚焦网络智能体的概念内涵与关键技术，系统梳理了智能体通用功能架构、工作流程、部署模式及交互接口方案，比较分析了不同多智能体协同架构与策略的特征及适用边界，厘清并研判了国内外标准化现状和发展趋势。本文研究成果可为网络智能体技术研发、应用落地及产业生态完善提供理论支撑与实践参考，助力自智网络的规模化部署。关键词：网络智能体;自智网络;AI Agent;AI;网络运维管理39|7|0更新时间：2026-06-23
- 摘要：低轨卫星与无人机协同推理为实时智能感知任务提供了新的解决途径。针对现有协同计算方法中任务卸载或非流水线模型切分易造成通信与计算相互等待、资源利用效率较低的问题，本文提出一种结合模型切分与流水线并行的卫星无人机协同推理方案。该方案对深度神经网络进行切分，其中头部和尾部部署于无人机侧，计算密集的中间子网络部署于卫星侧，并通过中间特征传递实现完整推理功能。在此基础上，所提方案引入微批次流水线并行机制与非正交多址接入（non-orthogonal multiple access，NOMA）技术，使不同微批次的计算和传输阶段并行执行。进一步，以端到端协同推理时延最小化为目标，联合优化了神经网络部署结构、微批次划分粒度及上下行传输功率。仿真结果表明，所提方案能够有效降低协同推理时延，提升系统资源利用率。关键词：模型切分;分布式推理;流水线并行;NOMA17|0|0更新时间：2026-06-23
- 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：1205754 今日访问量：1446
0