本期电子书封面故事整期封面整期目录
优先出版刊期浏览栏目浏览
面向结构化空域的基站协同传输策略研究 AI导读
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。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,对基站的波束成形以及发射功率调配提出高实时性要求。聚焦于结构化空中航道场景,提出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。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27780|197|0更新时间:2026-09-18低空通感智融合核心网关键技术研究 AI导读
摘要:低空经济的规模化发展对网络的通信、感知、智能调度能力提出一体化、高精度、高可靠性的全新需求,传统技术难以适配低空场景复杂特征,行业面临架构、网联技术、智能融合、资源统筹等共性瓶颈。立足核心网研究视角,梳理低空通感智融合网络技术体系,明确核心网“一网多用,融合赋能”定位,构建“资源-使能-运营-应用”4层整体架构;聚焦网联化、感知化、智能化三大方向,提出“四码合一”可信接入、通感一体核心网架构、多源融合感知、智能业务保障等核心技术方案,分析技术难点并设计解决思路。为低空通感智融合网络的架构设计、技术研发提供理论支撑与实践参考,助力低空经济高质量发展和通感一体技术自主创新。关键词:低空经济;通感智融合;网联;智能;感知102|111|0更新时间:2026-09-18- 摘要:随着低空经济纳入国家战略性新兴产业,无人机规模化应用催生了对低空网络高精度覆盖规划的迫切需求。然而,传统规划依赖飞测数据与专家经验,面临多源异构数据融合不足、环境-天线-信道分离建模导致精度损失以及深度学习可解释性缺失等瓶颈。针对上述挑战,提出一种面向低空网络无线信道的多源融合孪生架构,构建数据感知与采集、数据处理与融合、孪生模型构建与更新、孪生驱动规划及孪生可视化五大模块。该架构通过地物环境、物理站点、天线波束、无线信道4层孪生体的逐层构建,实现从几何场景到电磁传播的高保真映射。关键技术包括:基于地形标签感知的Grid-to-TIN DEM快速转换算法、高贴合度体框拟合的工参自动提取方法、基于权值文件的波束动态孪生模型,以及融合射线追踪与可学习天线方向图的数据-知识双驱动信道建模范式。基于实测25 000个信道样本的验证表明,相较于传统双射线模型与纯射线追踪方法,所提信道孪生模型的参考信号接收功率(RSRP)预测均方根误差(RMSE)分别降低24.3%和42.2%,平均绝对误差(MAE)分别降低30.7%和47.3%,验证了多源融合对覆盖预测精度的显著提升。该研究为低空智联网络的精准站址规划、三维波束优化及动态干扰协调提供了理论依据与技术支撑,推动了信道建模向智能融合范式的演进。关键词:低空智联网络;无线通信信道;多源融合孪生;射线追踪;覆盖预测规划133|115|0更新时间:2026-09-18
- 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、资源利用率较低的问题,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。进一步地,以端到端协同推理时延最小化为目标,联合优化神经网络部署结构、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;NOMA122|107|0更新时间:2026-09-18
- 摘要:针对无人机自组网中自私节点易进入转发路径,导致传输可靠性下降的问题,提出了基于综合信任约束的Q-learning安全路由协议。该协议面向多跳数据汇聚场景,构建包含直接信任、间接信任、能量信任和负载信任的综合信任模型,并采用CRITIC权重法实现动态赋权。在此基础上,节点根据综合信任值生成可信候选邻居集合,并结合Q-learning实现逐跳路由决策。仿真结果表明,该协议能够有效抑制自私节点对路由过程的干扰,提高分组投递率,降低端到端时延,验证了其在高动态无人机自组网中支持安全稳定传输的有效性。关键词:无人机自组网;自私节点;综合信任;Q-learning;安全路由64|103|0更新时间:2026-09-18
- 摘要:随着空中交通管理(air traffic management,ATM)系统数字化转型持续推进,其网络安全风险不断加剧,威胁实体识别已成为构建网络安全知识图谱的核心环节。针对传统序列标注模型难以有效捕捉文本语法结构与语义依赖的不足,提出一种融合图卷积网络(graph convolutional network,GCN)与Transformer的ATM系统网络威胁实体识别方法。该方法依托语法解析与词共现关系构建文本图,利用节点重要性排序与广度优先搜索生成语义子图并完成标准化处理;设计基于层次正则化的深度图卷积网络(hierarchical regularized deep graph convolutional neural network,HR-DGCN),引入父子标签相似性约束,增强模型对层次化威胁实体的识别能力;借助Transformer编码器提取全局上下文语义特征,结合条件随机场(conditional random field,CRF)实现最优实体序列解码。基于自建ATM威胁语料库开展对比实验,结果表明,所提方法的F1分数、精确率、召回率均优于BiLSTM-CRF、BERT-Tagging等基线模型。该方法为ATM系统网络威胁实体识别提供了新的解决方案,具备理论与应用价值。关键词:空中交通管理;网络安全;威胁实体识别;图卷积网络;Transformer;知识图谱149|107|0更新时间:2026-09-18
专题:低空智联网
- 摘要:随着现代雷达系统逐渐向高灵活性和强自适应性的方向演进,现有雷达干扰决策算法在面对复杂动态电磁环境以及具有强自适应性的雷达系统时存在干扰准确率低、泛化能力不足的问题。为此,提出基于目标条件强化序列(goal-conditioned reinforcement sequence,GCRS)编码与DC-DT(dynamic convolution-decision transformer)架构的智能干扰决策算法。目标条件强化序列通过引入累计期望回报(return-to-go,RTG)和目标条件状态化机制,有效提升模型在多变战场条件下的应变能力。新算法引入长短程分支,长程分支利用Decision Transformer的自注意力机制捕捉敌方雷达工作模式的全局演变趋势,短程分支采用动态卷积敏锐感知相邻时刻的雷达状态局部变化,最终经特征融合输出干扰策略。仿真结果表明,在不同环境复杂度下,采用目标条件强化序列有效提升了干扰决策算法的准确率并更好地引导算法选择最优策略,而DC-DT在干扰成功率、最优策略选择占比与决策路径长度等方面均优于以往的深度Q网络(deep Q-network,DQN)、近端策略优化(proximal policy optimization,PPO)等专注于雷达局部变化的算法,展现出更高的决策准确率、效率与战场适应性,且在可控的计算开销下满足实时性要求。关键词:雷达干扰决策;深度强化学习;Transformer;动态卷积21|100|0更新时间:2026-09-18
- 摘要:针对工业物联网(IIoT)环境中新型网络攻击样本稀缺、攻击行为复杂多态及数据分布高度不平衡的问题,提出一种基于交叉注意力融合的小样本入侵检测模型CA-FSL。该模型通过双流特征提取模块分别捕获网络流量的时序动态特征与统计静态特征,并利用交叉注意力机制实现多层次特征的深度交互与语义融合;结合原型网络框架与动态权重调整策略,增强模型对未知攻击的识别能力及对不平衡数据的适应性。在CICAPT-IIoT2024、CIC-IoT2023和CIC-IDS2018数据集上的实验结果表明,所提方法在检测精度与泛化能力方面均优于现有方法,准确率与F1分数最高分别达到99.37%和99.36%。凭借其轻量化架构与对不平衡数据的强适应性,模型为IIoT环境下的小样本入侵检测问题提供了有效解决方案。关键词:工业物联网;小样本学习;入侵检测;异常流量298|325|0更新时间:2026-09-18
- 摘要:随着海洋经济的快速发展,传统海事通信系统在覆盖范围与可靠性方面的局限性日益凸显。针对卫星-海事网络中船舶用户功率受限且空间分布呈现集群特性的问题,将船舶基站建模为齐次泊松点过程,用户则建模为以基站为中心的Matérn簇过程;同时,针对用户-基站链路与基站-卫星链路在信道特性上的差异,分别采用瑞利衰落模型和阴影莱斯衰落模型对卫星-海事网络进行建模。在此基础上,分别推导了用户-基站链路和基站-卫星链路的覆盖概率与元分布的闭式表达式。最后,通过蒙特卡洛仿真,分析了海上基站密度、簇半径以及基站与用户发射功率等参数对覆盖概率和元分布的影响。关键词:卫星-海事网络;Matérn簇过程;覆盖概率;元分布23|100|0更新时间:2026-09-18
- 摘要:边缘计算的兴起推动人脸识别向终端迁移,但在资源受限的嵌入式设备上部署高性能算法仍面临挑战。当前,主流的卷积神经网络(convolutional neural network,CNN)方案虽然精度优越,但需依赖高端现场可编程门阵列(field programmable gate array,FPGA)与外部存储,存在指令译码、总线仲裁的额外开销,难以在低成本边缘节点上部署。深度优化经典机器视觉算法,提出一种基于Ti60F225 FPGA的“零指令集”纯硬件流水线人脸识别架构。通过摒弃软核处理器与外部双倍数据速率同步动态随机存储器(double data rate SDRAM,DDR),构建了集成自适应Gamma校正、瓦片式能量谱运动检测、7区域积分图引擎及时域热力统计模型的混合处理体系。实验结果表明,该架构在仅占用3.1%数字信号处理(digital signal processing,DSP)资源的情况下实现了720 P视频流的60帧/s实时处理,其能效比与实时性显著优于同类CNN加速器,可作为安防监控及工业人机交互等边缘场景的高性价比解决方案。关键词:FPGA;人脸识别;低资源占用;边缘计算;实时处理31|109|0更新时间:2026-09-18
- 摘要:随着大模型架构向稀疏化混合专家(MoE,mixture-of-experts)模型演进,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,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,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,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,利用以图形处理单元(graphics processing unit,GPU)为中心的下发技术及专家粒度的负载均衡技术,实现了适配训练与预填充(Prefill)阶段的高带宽内核及适配解码(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,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,该方案有效突破了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248|349|0更新时间:2026-09-18
- 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,提出一种隐私增强的互操作框架。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数据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(FC-MADDPG)算法,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,新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%。实验结果验证了新框架能够在保障隐私安全的同时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106|103|0更新时间:2026-09-18
- 摘要:针对电力物联网边缘节点面临的复杂对抗攻击识别困难、实时性要求高与资源约束严等问题,提出一种基于生成对抗网络(generative adversarial network,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,并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、假阳性率与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的检测准确率达89.5%,响应时延控制在3.3~5.2 ms,虚假阳性率低至0.5%,算力占用率维持在22%~23%。相比传统规则匹配法与单一机器学习模型,该方法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109|182|0更新时间:2026-09-18
研究与开发
- 摘要:随着人工智能物联网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(convolutional neural network,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(proximal policy optimization,PPO)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%,资源利用率提高了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130|172|0更新时间:2026-09-18
- 摘要:随着基于IPv6的段路由(segment routing over IPv6,SRv6)在新一代网络中的广泛部署,其可编程性和灵活性显著提升了网络性能,但也带来新的安全挑战。传统基于特征规则或阈值的方法在应对复杂多样的攻击流量时往往表现不佳,尤其难以识别针对SRH(segment routing header)的异常行为。因此,如何在SRv6环境下实现高效、准确的异常流量检测,成为亟待解决的问题。为此,提出一种基于深度学习的SRv6网络流量异常检测方法。构建了“异常类型-可观测特征-检测指标”3层映射机制,系统性刻画SRv6协议特有异常行为的可感知特征。提出一种面向SRv6场景的流量图像化表示方法,并结合残差网络实现高维特征的自适应提取。在缺乏公开SRv6异常数据集的条件下,设计了基于协议规范与威胁模型的特征扩展机制,搭建SRv6场景下的验证性实验框架。在SRv6场景下,该方法为面向可编程网络的安全防护提供了一种可拓展的技术路径。实验结果表明,该方法在准确率、召回率和F1值(F1-score)等指标上均优于传统机器学习算法和部分主流深度学习模型,能够有效识别多类攻击流量。关键词:SRv6;深度学习;异常检测;异常流量;ResNet18115|144|0更新时间:2026-09-18
基于线性回归的IP承载网设备能效模型研究 AI导读
摘要:贯彻落实“数字化绿色化”协同发展要求,须对网络设备能效进行量化分析,以制定合理的设备能效优化策略,实现IP承载网绿色低碳演进。以IP承载网设备为研究对象,基于当前某主流路由器的101组样本数据,构建以业务板卡配置比例、端口配置比例、端口带宽利用率为解释变量,设备能效为响应变量的多元线性回归模型。结果表明,模型对数据的拟合优秀,能在1%的平均误差范围内预测不同配置情况下的设备能效,为优化策略制定提供了定量依据,也为下一步研究奠定了理论和实践基础。关键词:IP承载网;绿色低碳;线性回归;设备能效;设备配置;带宽利用率35|101|0更新时间:2026-09-18
工程与应用








