最新刊期
- 摘要：自动调制识别（automatic modulation recognition，AMR）是一种在无先验信息或非合作场景下，自动判断接收信号调制方式的技术，能广泛应用于频谱感知、干扰管理等通信领域。传统的AMR依赖人工特征设计，存在计算复杂度高和部署灵活性差等问题。近年来，深度学习（deep learning，DL）技术通过端到端学习可从原始信号中自动提取信号特征，能有效提升信号调制方式的识别精度，引起了业界广泛关注。顺应这一发展态势，从信号表示、模型结构、数据集评测和挑战展望四个方面综述了深度学习型AMR技术的研究进展，分析了卷积神经网络（convolutional neural network，CNN）、循环神经网络（recurrent neural network，RNN）、Transformer及其混合模型的适用场景、性能优势与应用瓶颈，并探讨了如何适配低信噪比（signal-to-noise ratio，SNR）情形与满足高鲁棒性、跨场景泛化、降低标注数据依赖性和轻量化边缘部署等实际应用需求。关键词：无线通信系统;深度学习;自动调制识别;神经网络4|0|0更新时间：2026-06-17
- 摘要：针对政务智能化转型中敏捷治理与行政稳健之间的张力问题，基于复杂适应系统理论，以工信部电信用户申诉受理中心的探索实践为案例，探讨低代码AI平台如何赋能业务主导的原型验证，敏捷性与稳健性如何调适，分散试点如何演进为集成化治理模式。研究发现，平台以关键扰动因子介入行政系统，降低技术门槛，使业务人员成为“平民开发者”，形成业务主导、快速迭代的探索范式。在此基础上，提出“探索-建设”双轮驱动治理模式：以功能分离、创新漏斗与双向反馈实现探索与建设子系统的动态协同。进一步从工具赋能、合法性构建与组织架构三个维度提炼中层解释框架，归纳出整体涌现、动态调适与适应演化三个系统理论命题，并据此提出系统性政策建议。关键词：复杂适应系统;低代码AI平台;双轮驱动治理模式;政务智能化;平民开发者;敏捷治理4|0|0更新时间：2026-06-17
- 摘要：针对智慧教育中高精度图像的版权保护需求，本文提出一种融合自适应注意力机制与SimSiam自监督对比学习的鲁棒盲水印算法。该方法利用自适应注意力在高频纹理区域动态分配嵌入权重，在提升JPEG压缩、随机裁剪等攻击鲁棒性的同时保持较高图像质量。SimSiam模块利用对比学习强化特征一致性，有效抑制攻击带来的差异，突出水印的语义稳定性。实验结果表明，本文方法在JPEG压缩（质量因子50）与50%随机裁剪下均实现100%比特恢复率（BRR），PSNR较传统DCT方法提升15.4%。本研究为智慧教育场景下的教学图像提供了一种兼顾鲁棒性与视觉保真度的版权保护技术路径。关键词：图像水印;智慧教育;自适应注意力;SimSiam;鲁棒特征嵌入18|0|0更新时间：2026-06-16
- 摘要：随着5G向6G演进，空天地一体化网络对兼具高通量通信与高精度感知能力的波形技术提出了迫切需求。仿射频分复用（Affine Frequency Division Multiplexing, AFDM）作为一种新兴的时延-多普勒域（Delay-Doppler，DD）调制技术，在高速移动场景下展现出优异的鲁棒性，但其分数时延估计精度仍有待提升。当前基于导频和稀疏贝叶斯学习（Sparse Bayesian Learning, SBL）的主流估计算法虽能处理分数时延，但计算复杂度较高，难以满足实时性要求。针对AFDM的分数时延估计困难与算法复杂度高的问题，本文提出了一种低复杂度的两阶段联合估计算法。首先，利用主对角线导频间的相位差信息快速获取分数时延的粗略估计，有效缩小后续搜索范围；其次，在该局部区间内设计一种基于相位对齐的最大似然（Maximum Likelihood, ML）精细网格搜索方法，实现高精度时延估计。为增强算法鲁棒性，进一步将多帧观测数据分别融入两个阶段：在粗估计阶段通过平均抑制相位噪声方差，在精估计阶段通过相干累加代价函数提升信噪比增益。仿真结果表明，在典型卫星通信参数配置下，所提方案能有效实现亚采样精度的时延估计，其归一化均方误差（Normalized Mean Squared Error，NMSE）在中高信噪比条件下显著低于现有SBL算法，且最大似然联合估计法的性能全面优于相位差法。此外，在多径环境下，所提算法的NMSE会随次路径相对主路径的幅度比下降而性能提高，验证了所提方法的有效性与优越性。关键词：仿射频分复用;通感一体化;分数时延估计6|3|0更新时间：2026-06-01
- 摘要：针对低轨卫星网络中拓扑动态、链路时变及星上算力异构等挑战，本文提出了一种基于传算协同优化的双重深度Q网络（Computing–Transmission Double Deep Q-Network, CTDDQN）算力路由方法。该方法在软件定义网络架构下由控制器获取全局拓扑与资源信息，并在控制器侧进行集中式传算联合决策，构建以端到端时延最小化为目标的传输–计算联合优化框架，并结合K-hop前瞻机制实现路由与计算决策的协同。仿真结果表明，在不同星座规模、链路带宽与算力配置下，与多种基线算法相比，所提方法可使平均端到端时延降低18.9%以上，验证了该方法在高动态低轨卫星网络中的有效性与可扩展性。关键词：低轨卫星网络;深度强化学习;算力路由;时延优化15|5|0更新时间：2026-05-19
- 摘要：针对云边协同环境下LLM推理面临的实时性与动态不确定性挑战，本文提出一种LLM与主动推理协同的决策框架AIF-LLM。该框架利用Sentence Transformer将宏观语义指导量化为策略偏好向量，并将其融入预期自由能计算中，实现高层指导下的精确决策；设计元学习模块，根据环境不确定性动态调整语义偏好权重
，以平衡宏观指导与主动推理精确成本模型；同时利用LLM的语义理解能力生成初始信念先验，显著优化冷启动性能和样本效率。实验表明，AIF-LLM的QoS满意度达92.57%，相较于主流SAC、PPO、DQN和A2C算法分别实现2.90、4.90、8.00和10.00个百分点的绝对提升。在系统极限负载区间，其将QoS违约风险和长尾失败率分别削减了28.07%和47.67%，验证了框架在复杂环境下卓越的鲁棒性与自适应性。 关键词：LLM推理卸载;资源分配;云边计算;主动推理;多模态感知10|1|0更新时间：2026-05-19 - 摘要：针对电力物联网边缘节点面临的复杂对抗攻击识别难、实时性要求高及资源约束严等问题，提出一种基于GAN数字孪生框架的边缘智能对抗性测试方法。首先构建融合物理约束与时序一致性的GAN模型，生成符合边缘设备运行规律的对抗样本，结合数字孪生技术搭建边缘节点虚拟镜像，实现攻击场景的精准复现；其次设计常规工况、单一对抗、混合对抗三类测试场景，建立包含检测准确率、响应时延、虚假阳性率及算力占用率的四维评价体系；最后，案例分析结果表明，该方法在混合攻击场景下检测准确率达89.5%，响应时延控制在3.3-5.2ms，虚假阳性率低至0.5%，算力占用维持在22%-23%区间，较传统规则匹配法与单一机器学习模型，在复杂攻击识别能力、实时性及资源适配性上均有显著提升，为电力物联网边缘智能安全测试提供了高效可行的解决方案。关键词：智能传感终端;生成对抗网络;数字孪生;对抗性测试;边缘智能2|1|0更新时间：2026-05-19
- 摘要：本文提出一种基于深度强化学习的电力物联网自动化测试策略优化方法，核心采用双深度 Q 网络（Double Deep Q-Network，DDQN）架构，通过目标网络与经验回放机制提升策略学习的稳定性与收敛效率。该方法依托双深度 Q 网络的决策能力，使智能体在与电力物联网环境的实时交互中，基于奖励反馈动态调整测试动作（如测试用例选择、参数配置优化），实现对电力物联网设备和系统的高效覆盖测试。实验结果表明，相较于传统随机策略与顺控策略，基于双深度 Q 网络的优化方法在智能电表、继电保护装置等典型设备测试中，缺陷检测率平均超 90%，测试覆盖率稳定在 93% 以上，且平均测试时间缩短 3-7 秒；在高负载、故障注入等动态场景下仍保持优异性能，有效应对电力物联网环境的不确定性，为电力物联网的稳定运行提供有力技术保障。关键词：电力物联网;智能边缘检测;动态自适应测试;深度强化学习;测试优化8|1|0更新时间：2026-05-19
- 摘要：本文剖析了边缘智能计算技术在边缘计算网络中的实现逻辑，并围绕边缘协同推理任务的推理时延与推理质量需求，分别从判别式与生成式人工智能模型的特性出发，系统分析了边缘协同推理关键技术的实现方法。在此基础上，提出了一种面向生成式人工智能模型的边端协同推理系统设计实例，验证了其在推理时延与推理质量方面的优势，为边缘智能计算在边缘计算网络中高效部署与应用实现提供了可行的技术方案。关键词：人工智能;智能计算;边缘计算网络;协同推理8|1|0更新时间：2026-05-19
- 摘要：随着低空经济快速发展，构建面向飞行器协同出行的低空智联网已成为支撑低空活动安全运行的关键所在。然而现有地面基站的部署方案主要针对地面用户，并未考虑到对结构化空域中的飞行器进行有效信号覆盖。此外，低空飞行器的移动性远高于地面用户，对基站的波束赋形以及发射功率调配提出了高实时性要求。本文聚焦于结构化空中航道场景，提出了一种面向分层航道飞行器接入的地面基站部署与协同功率分配优化策略，以最大化网络整体空-地通信效率。本文将优化设计为两个阶段：首先采用启发式搜索算法对基站部署位置进行全局优化，提升基站对结构化空域中分层定向航道的有效覆盖；然后构建基于DeepSets架构的深度强化学习框架，解决高动态场景下的基站功率分配问题，实现具有预测能力的动态波束追踪。仿真结果表明，采用该基站部署方案，信道质量与基准方案相比带来了约9.78%的空地传输速率提升，所采用的强化框架能够稳定快速完成波束追踪收敛，为构建高效空-地通信与低空智联网提供了理论支撑。关键词：空中航道;基站部署;功率分配;强化学习;协同传输21|2|0更新时间：2026-05-19
- 摘要：太赫兹非正交多址接入（non-orthogonal multiple access，NOMA）技术有望成为6G通信系统的关键突破性方案。其核心机制是通过利用超宽带资源与功率域复用，实现海量用户共享多个子频段，显著提升系统连接容量。为充分释放太赫兹NOMA系统的性能潜力，关键在于实现满足服务质量（quality of service，QoS）约束下的快速功率分配优化。提出了一种基于Transformer架构的双Q网络模型，通过Transformer学习不同用户分配策略的关联性，并采用双Q网络实现更稳定的决策优化过程。经训练后本算法可生成适应多种用户分布的即时功率分配策略。实验结果表明，训练完成的模型仅需毫秒级计算时间，即可实现接近穷举法的高吞吐量性能。该算法展现出较强的实时性与鲁棒性，具有较大工程应用潜力。关键词：太赫兹通信;非正交多址网络;资源分配16|3|0更新时间：2026-05-18
- 摘要：针对跨区域云-边多数据中心系统（multi-data center system, MDCS）中节点异构、流量突发及网络时延不确定导致的协同难题，提出了一种基于资源激励型Stackelberg博弈（resource incentive Stackelberg game, RISG）的异步任务调度方法。首先，利用M/M/1排队理论刻画异构节点在高并发下的非线性拥塞效应，构建融合能耗、时延、传输开销及可靠性风险的综合成本模型，并推导出数据中心最优响应的闭式解。其次，设计了基于梯度的异步坐标下降（asynchronous coordinate descent, ACD）算法，支持全局调度器利用陈旧信息进行非阻塞式策略更新，克服了同步等待的低效性，并证明了算法的收敛性与均衡的存在唯一性。仿真结果表明，ACD算法收敛速度较传统异步梯度投影算法提升约26.9%；在系统重载场景下，平均响应时延较贪婪策略降低约45.17%；在强网络抖动环境下，社会总成本波动误差控制在8%以内，验证了该方法的高吞吐量与强鲁棒性。关键词：多数据中心系统;异步任务调度;主从博弈31|15|0更新时间：2026-05-11
- 摘要：随着人工智能物联网（AIoT）技术的发展和硬件性能的提升，云边端协同场景下引入卷积神经网络（CNN）模型进行推理已成为趋势，以满足智能AI应用对实时性的需求。针对异构计算资源（如CPU、GPU、NPU、FPGA）的高效利用问题，提出了一种创新的任务调度系统，以支持高并发CNN模型推理。该系统采用DeepSets模型进行任务和环境特征提取，并提升近端策略优化算法的泛化能力实现任务调度决策，确保在复杂多变的环境中实现精准高效的任务分配。系统已在Kubernetes和Kosmos平台上部署，并通过高性能服务器、NVIDIA Jetson Xavier NX和NVIDIA Jetson Nano等异构处理单元进行了验证。实验结果显示，相较于现有调度算法，该系统的性能提升了275.93%，资源利用率提高38.86%，显著提高了云边端计算的效率和可靠性，为智能AI应用提供了坚实的支持。关键词：云边端协同;高并发;CNN;DeepSets;PPO泛化;异构资源;任务调度22|13|0更新时间：2026-05-11
- 摘要：随着数字经济全球化深入发展，跨境数据流通需求激增，传统模式面临信任缺失、安全风险及合规壁垒等关键挑战。针对跨境数据可信高效安全流转的需求，提出基于通证化的跨境可信数据空间。该空间通过融合通证化核心技术与数据空间技术，实现跨境数据的可信共享、安全可控及合规流转，构建一体化跨境数据治理生态，其技术体系与系统构建方案可为跨境数据治理生态建设提供重要参考。关键词：通证化;跨境可信数据空间;数据流通;跨境数据合规21|7|0更新时间：2026-05-11
- 摘要：针对资源受限边缘设备上神经元级容错方法阈值存储开销过大的问题，报告提出了一种基于正交可变扩频因子（Orthogonal Variable Spreading Factor，OVSF）基码的神经元级阈值压缩方法。该方法将激活阈值表示为少量OVSF正交基码的线性组合，仅需存储稀疏系数及其索引，并在推理阶段通过在线重构机制恢复完整阈值，从而在不引入显著计算开销的前提下显著降低存储与传输需求。实验结果表明，在AlexNet与VGG16等典型模型上，该方法在阈值保真度保持在94%以上且容错性能与未压缩FitAct方案基本一致的前提下，将阈值存储开销降低50%–90%。进一步的FPGA(Field Programmable Gate Array)边缘平台实验验证了该方法在带宽受限场景下的可实现性与效率优势。该工作为在边缘设备上部署高效、低开销的容错神经网络提供了一种可行方案。关键词：深度神经网络;容错;正交可变扩频因子;模型压缩;硬件瞬态故障19|8|0更新时间：2026-05-11
- 摘要：在通信行业，保证高水平的客户满意度是保持竞争优势的关键，客户满意度预测因受样本稀缺或数据不完整情况，导致预测准确率低，同时，模型预测结果的可解释性差，无法为不满客户进行差异性关怀提供有效的数据支撑。提出一种结合零样本学习的客户满意度预测方法，通过ETS和t-SNE提取的辅助特征为零样本学习提供了必要的支持，使得模型能够在没有大量标注数据的情况下，依然保持较高的预测准确度，同时，采用SHAP清晰地展示每个特征对预测结果的贡献，帮助企业识别并定位客户不满意的关键因素。采集东南某省电调客户满意度数据对模型进行验证，结果表明，该方法准确率提升近9%左右，基于不满客户的解释性分析结果进行客户关怀的成功率达81%以上。关键词：客户满意度预测;可解释性分析;ETS分解;t-SNE降维17|7|0更新时间：2026-05-11
- 摘要：随着大模型架构向稀疏化混合专家模型（MoE）演进，训练及推理场景下的通信开销在端到端时延中的占比显著上升，通信性能逐渐成为制约系统性能的关键因素。针对大规模 MoE 训练与推理场景中 All-to-All 通信压力大、带宽及时延敏感以及运维复杂度激增等挑战，本文提出了一套软硬件协同的高性能网络基础设施解决方案。首先，在架构层面，本文利用光 Shuffle 技术构建扁平化的二级单轨网络，设计了星脉 3.0 网络架构，适配MoE All-to-All流量特征，显著提升了通信性能并降低了组网成本。其次，在通信软件层面，本文根据训练和推理中各个阶段的不同流量特点，分别进行针对性的 All-to-All 通信内核优化，利用以GPU为中心的下发技术及专家粒度的负载均衡技术，实现了适配训练与 Prefill 阶段的高带宽内核及适配 Decode 阶段的低时延内核，大幅降低了端到端时延。最后，在运维层面，本文利用AI Agent全面优化网络系统运维流程，实现了故障的主动预警与智能化交互诊断，保障了长周期训练的连续性与在线服务的高可用性。实验结果表明，该方案有效打破了 MoE 模型的通信墙，为万亿参数模型的大规模训练与在线服务提供了统一的高性能、高可靠系统底座。关键词：混合专家模型;星脉3.0网络架构;All-to-All 通信;智能运维;训推一体16|11|0更新时间：2026-05-11
- 摘要：随着视频应用加速迈向智能化与无线化，开放且变化的无线网络环境给高质量视频传输带来了严峻挑战，难以满足数字安防、工业监控等关键业务对低时延、高可靠性的严苛需求。为此，本文提出一种基于网络与业务联合感知的无线视频跨层传输与码率自适应技术方案。首先，设计了一种融合无线网络拥塞状态感知与视频编码控制的跨层传输优化机制，实现视频传输与网络资源的协同调度，显著提升带宽利用效率；其次，提出了一种端到端的码流自适应方法，通过全链路无线状态感知与编解码参数联合调控，实现播放端与设备端协同的码率调整，保障视频流畅播放。实验结果表明，该方案在动态无线环境下有效增强了视频传输的实时性与稳定性，能很好地适用于当前视频从有线传输向5G、Wi-Fi 6等新兴无线传输转变趋势下的高要求智能服务场景。关键词：视频无线传输;跨层传输优化;码流自适应12|14|0更新时间：2026-05-11
- 摘要：随着数据中心能耗与减排压力攀升，保障高可靠性下的经济性绿电直连成为关键。为进行广域视角下绿电占比（GEP）从低到高演进过程中的边际成本规律量化，构建集风光资源、分时电价与需量机制于一体的源网荷储协同优化模型，采用多场景敏感性分析方法，系统评估国内31个省级行政区在0%-100% GEP下的度电成本。研究发现：1）成本演化受“资源-电价”双重锚定，低GEP区间电价结构影响更显著；2）高GEP下存在“储能成本墙”效应，平抑长周期波动所需的储能刚性投资呈指数级攀升；3）绿电潜力呈空间错位，内蒙古等资源区具绝对成本优势，而江苏等负荷中心相对效益更高。研究揭示了电网灵活性调节的不可或缺性，为“东数西算”及差异化政策制定提供量化依据。关键词：数据中心;绿电直连;储能成本墙;源网荷储协同22|13|0更新时间：2026-05-11
- 摘要：针对5G网络多小区同频干扰与复杂信道环境快速变化的挑战，提出一种物理下行共享信道（physical downlink shared channel，PDSCH）资源块组（resource block group，RBG）随机化分配方法，并通过理论分析确立其性能边界。该方法通过随机化不同小区的频域资源位置，有效规避资源重叠，显著抑制小区间干扰；同时通过对用户设备（user equipment，UE）进行均匀频域调度，保障各位置用户获得稳定的服务质量，缓解资源分配不均导致的体验差异。系统级仿真结果表明，在中低负载场景下，所提方法能够提升小区平均吞吐量4%以上，小区边缘用户的吞吐量16%以上。关键词：物理下行共享信道（PDSCH）;资源块组（RBG）;随机化分配;吞吐量15|18|0更新时间：2026-05-11
- 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