面向全息通信的6G智简网络架构

全息通信作为一种全新的未来通信范式,通过再现真实物体细粒度画面,向用户提供三维沉浸式的交互体验,克服了传统媒体交互方式单一和场景临场感不足的问题。然而,相对于传统实时通信业务,全方位沉浸的真实全息通信对网络,特别在带宽、时延、安全性等多方面都提出了更为苛刻的要求。如何更好地扩展6G概念与特征,实现高质量、高沉浸的全息新通信成为当前学术界面临的一大挑战。为解决上述问题,率先提出面向全息通信的6G智简网络架构,旨在通过两层网络架构和三维动作模型合理调配6G泛网资源,解决全息通信所面对的超高带宽、超低时延、超大计算等挑战,推动经济社会高质量发展。

机器学习辅助太赫兹涡旋波超表面快速设计方法

太赫兹涡旋波产生与调控被认为是6G通信、雷达探测、新型传感器的关键技术之一。利用人工超表面产生涡旋波,相较于传统方法具有平面化、集成化、低成本的特点,但是面临复杂的参数设计和分析,需要耗费大量的时间和算力。为此,提出一种机器学习辅助太赫兹涡旋波超表面快速设计方法,通过长短期记忆(Long Short-Term Memory, LSTM)神经网络法快速得到满足相位需求的超单元并进行一体化组阵。利用该方法,设计构筑了三块模数l分别为1、2、3的太赫兹涡旋波超表面,仿真结果表明,设计的太赫兹涡旋波束模式纯度达到80%以上。机器学习辅助太赫兹涡旋波超表面设计方法具备精度高、快速、一体化设计等优点,有望运用于太赫兹幅度、相位、极化、轨道角动量等复杂波束调控领域。

用户为中心的网络:体系架构与关键技术

随着全球通信技术的飞速进展,5G向6G的转变已成为通信领域的关键焦点。以用户为中心的网络(User-Centric Network,UCN)架构代表了通信技术的革命性创新,通过将用户需求和体验置于设计的核心,为6G环境下的多样化应用提供了全方位服务。深入探讨了6G时代UCN的发展轨迹、架构特性及核心技术,涵盖分布式与去中心化网络架构、集中化控制与资源优化网络架构,以及诸如资源分配、无缝漫游和隐私保护等关键技术。介绍了一种创新的F5G下服务于UCN架构的无感漫游方案,仿真结果表明了该方案的优越性。通过系统综述与技术梳理,旨在阐明UCN在塑造未来移动通信领域中的重要作用,为6G网络技术的进一步发展提供理论支撑和实践方向。

近场信道建模与分析

超大规模天线阵列在近期取得了快速发展并有望在未来无线通信,尤其是在中频和毫米波频段取得广泛应用。随着天线孔径的提升,近场效应变得更为明显和突出,因此传统远场平面波假设不再适用。为更准确地对近场通信进行性能评估,建立准确反映近场信道特性的信道模型尤为关键,基于电磁理论和物理光学,建立了一般散射体的散射模型。通过对近场散射体散射特性的研究,分析了非视距(Non-Line of Sight,NLoS)径信道状态的变化特点以及近场场景中的空间非平稳(Spatial Non-Stationary,SNS)特征。基于大规模收发天线阵元间空间一致性特性,结合散射体散射特性,设计了基于空间一致性的近场信道参数生成方法,并提出一种衰减因子计算方法,用以表征空间非平稳特性。在3GPP标准信道建模流程基础上,设计了一种适用于近场电磁波传播的信道模型。提出的信道模型同时建模了球面波和空间非平稳特性对近场通信的影响,可准确评估近场通信性能,为近场码本设计、波束成型等技术的发展打下基础。

面向应急场景最小化数据收集时间的无人机路径优化方法

针对应急场景中无人机(Unmanned Aerial Vehicle,UAV)辅助物联网节点(Internet of Things Node,IoTN)收集数据过程数据时效性差的问题,提出了一种基于费马点最小化数据收集时间的UAV路径优化方法。费马点的选取能够有效地优化UAV飞行路径,从而使数据收集时间最小,确保收集数据的及时性。该方法通过路径离散化将UAV飞行路径分段,利用连续凸优化(Successive Convex Approximation,SCA)转化复杂混合整数问题的非凸约束,围绕节点的联通性,优化UAV飞行速度与悬停点,求解出最小化数据收集时间的飞行路径。仿真结果表明,所提方法在收集数据时间方面相较于传统方法有6%的提升。

面向6G的高速太赫兹无线通信系统与关键技术验证

太赫兹通信以其可提供更高速、更大容量和更安全的数据传输的独特优势,在未来6G中成为重要的关键技术之一。基于固态电子的太赫兹通信系统存在带宽受限、频谱响应不平坦等问题,需要先进的信号形式结合灵活高效的处理方法来提升系统性能。搭建了基于固态电子的G波段太赫兹无线通信系统,通过采用比特-功率加载的离散多音(Bit and Power Loading-Discrete Multitone, BPL-DM)调制技术,实现了对系统频谱资源的有效利用;通过对通信速率的灵活调整、自适应削波和基于三阶多项式的后均衡技术,解决了峰值功率约束带来的挑战,提升了整体传输性能,实现了在195 GHz中心频率下,单通道130 Gbit/s的通信线路速率。基于以上技术,为进一步提升系统容量,搭建了4×4的多输入多输出(Multiple-Input Multiple-Output, MIMO)太赫兹通信系统,总线路速率超过399 Gbit/s。

电力物联网中基于SCMA-MEC的最优功率分配与卸载决策

在电力物联网(Power Internet of Things, PIoT)中,移动终端设备接入会产生大量的异构数据,给通信信道及中央存储计算系统带来巨大压力,对系统的稳定性和能源消耗带来了挑战。为应对这一挑战,提出了基于稀疏码多址接入(Sparse Code Multiple Access, SCMA)技术的移动边缘计算(Mobile Edge Computing, MEC)的异构网络优化方案。为了最小化系统总开销,考虑了在资源受限的情况下设备的能源消耗和计算资源分配,提出了基于最优功率分配的联合随机码本分配的算法,实现移动终端设备能耗最小化。通过构建约束多目标优化问题的数学模型,设计了一种基于帕累托前沿的多目标鲸鱼优化算法(Pareto Frontier-Multi Objective Whale Optimization Algorithm, PF-MOWOA)用于任务卸载。仿真结果表明,在满足能耗和时延的约束条件下,所提算法相较于其他算法具有更低的系统总能耗,且联合任务卸载优化算法可以进一步降低系统的总开销。

基于用户聚类的无人机集群任务规划策略

为解决自然灾害引发的“断电、断网、断路”所导致的通信指挥难题,提出了一种无人机辅助网络系统,通过机载边缘服务器装载地面用户热门访问内容并发布应急通知消息。无人机基于地面服务需求,引入了Q-Learning强化学习算法进行轨迹规划并将整个系统分为无人机探索子系统和无人机服务子系统。无人机探索子系统针对单个无人机信号覆盖面积有限无法采集到区域内所有移动设备位置的问题,创建边界探索方式来确定无人机群的最优数量。无人机服务子系统通过分别对移动设备进行K-means、K-medoids、AGNES聚类选取最优聚类方式确定聚类中心,以聚类中心为导向进行轨迹规划从而尽最大可能为移动设备服务。仿真结果表明,所提无人机辅助系统具有设计可行性,确定了无人机群信号全覆盖的最小配置数量,同时得出不同聚类算法的无人机群适用场景。研究结果可用于评估地面用户的保障服务体验,为无人机辅助通信网络的架构设计与控制优化提供依据。

面向太赫兹通信覆盖增强的确定性信道建模分析

作为6G网络关键候选技术之一的太赫兹通信,其严重的路径损耗和阻塞敏感性对太赫兹信号覆盖范围造成了极大限制。一系列的太赫兹通信覆盖增强技术被提出。为了更好地在实际环境中对覆盖增强技术进行个性化的设计与部署,针对相应太赫兹无线信道展开建模分析。介绍了太赫兹通信的确定性信道建模方法,针对射线追踪(Ray Tracing, RT)方法进行了探讨,阐述了辅助太赫兹通信覆盖增强的相关技术。基于RT方法构建了面向太赫兹通信覆盖增强的确定性信道模型实例,验证了相关技术对太赫兹通信覆盖具有增强的效果,并对建模的相应挑战展开了讨论。对RT方法在未来太赫兹通信技术的应用进行了展望。

基于共振隧穿二极管的太赫兹技术研究进展

共振隧穿二极管(Resonant Tunneling Diode, RTD)是一种基于量子隧穿效应的半导体器件,同时具有非线性特性和负阻特性,通过改变偏置电压可以作为太赫兹源和太赫兹探测器,在未来6G技术中通信感知一体化方面具有优势。简要总结了基于RTD实现的器件的工作原理,对基于RTD实现的太赫兹源和太赫兹探测器、太赫兹通信系统以及太赫兹雷达系统等太赫兹技术的研究进展进行介绍,并对当前存在的技术挑战和未来的发展方向进行探讨。基于RTD的太赫兹技术凭借其突出的优势,将成为未来电子器件领域重要的发展方向。

基于BCJR网格的3×3核极化码简化连续消去译码算法

大核矩阵极化码的传统连续消去(Successive Cancellation, SC)译码算法有较高的计算复杂度,采用网格来降低大核矩阵极化码SC译码算法的复杂度。发现了SC译码算法核内部运算和网格的联系,建立了相应的网格替代核内部运算,基于BCJR(Bahl, Cocke, Jelinek, Raviv construction)网格构造出SC核内部运算的最小网格。有效降低了算法计算量。仿真结果表明,3×3核的长度为243、码率为1/2的极化码,相比于直接计算式,运行时间减少了79.14%,节省了14.2%的计算成本。

6G网络智慧内生愿景、架构与关键技术

面向2030年及未来,6G网络将与人工智能(Artificial Intelligence,AI)技术进行深度融合,智慧内生作为6G网络的重要特征已经成为业界共识,6G网络智慧内生已成为当前6G网络探索与研究的焦点之一。结合当前5G网络智能化中的痛点问题,阐述了6G网络智慧内生的驱动力和愿景目标,梳理总结了目前产业界和学术界在智慧内生网络架构和无线网络智慧内生实现方式的研究进展,进一步从架构、组网、网络性能提升和网络服务能力拓展四个方向对实现智慧内生的潜在关键技术进行了分析,对6G智慧内生网络架构和关键技术主要待研究问题点进行总结。

基于深度流形学习的人脸年龄识别

现有的人脸年龄识别方法大多利用深度学习框架提取人脸特征来识别年龄,但深度学习方法提取的高维人脸特征往往包含大量的冗余信息,不利于人脸年龄的识别。为了提高人脸年龄识别算法的精度和鲁棒性,提出了一种基于深度流形学习(Deep Manifold Learning, DML)的算法,采用深度学习提取人脸特征,通过流形学习选择具有判别性的人脸特征,将深度学习提取的高维人脸特征嵌入到低维的判别子空间上识别年龄。在公开的人脸数据库MORPH和FG-NET上对DML算法进行了实验,结果表明DML方案平均绝对误差(Mean Absolute Error, MAE)大幅度降低,不同误差值下识别累积评分(Cumulative Score, CS)明显提高,显著优于当前流行的人脸年龄识别方法。

基于Chirp波形的物联信号在低轨卫星信道上的适应性分析

以远距离无线电(Long Range Radio, LoRa)体制为代表的啁啾(Chirp)波形在低功耗广覆盖的物联网(Internet of Things, IoT)技术中具有广泛的应用。针对低地球轨道(Low Earth Orbit, LEO)卫星IoT(Satellite-based IoT,SIoT)场景下,Chirp波形在LEO高动态信道上的适应性问题,在传统LoRa体制的基础上提出了一种参数可配置和可扩展的物联波形设计方法,基于ZYNQ+AD9361的软件无线电(Software Defined Radio, SDR)平台,终端侧实现了带宽(Band Width, BW)、扩频因子(Spread Factor, SF)等参数可配置、可扩展的LoRa信号调制功能,网关侧实现了接收信号时频同步以及快速傅里叶变换(Fast Fourier Transform, FFT)解调算法。研究分析了LoRa调制的各项参数配置,在LEO卫星信道中的适应性;通过误比特率(Bit Error Ratio, BER)测试验证了LoRa调制的通信性能,并证明了参数可配置、可扩展的LoRa调制比传统LoRa调制,在LEO卫星信道下有更好的适应性。说明以LoRa体制为代表且基于Chirp波形的这一类物联信号在LEO SIoT场景下具有应用前景。

高密度场景下基于改进A^(*)算法的无人机路径规划

针对无人机在高密度障碍物的城市环境飞行中路径规划实时性难以满足的问题,在A^(*)算法基础上结合跳点搜索(Jump Point Search, JPS)策略,提出一种Jump A^(*)(JA^(*))算法。将A^(*)算法进行三维扩展,并提出了一种三维对角距离精确表示了实际路径代价,缩短了搜索时间。在二维JPS策略的基础上拓展得到了三维JPS策略,代替了A^(*)算法中的几何邻居扩展,大大减少了扩展结点数。对障碍物密度0.1~0.4的复杂三维栅格地图进行了路径规划仿真。仿真结果表明,JA^(*)算法相较于A^(*)算法,在高密度多障碍物的近地城市环境下,路径长度几乎不变,评估节点数大幅度减小,搜索速度具有显著提升。

面向动态信道的传播图论建模方法优化

动态信道建模方法是6G研发的重要内容。传播图论作为一种基于有向图拓扑结构的信道建模方法,具有计算高效和信道多径的功率指数衰减描述准确的特点,也能较好地满足6G中球面波波面模型研究和信道建模需求。针对6G通感一体化技术研发中动态信道建模的实际需求,梳理了传播图论基本理论,总结和提出了基于传播图论的面向动态信道建模框架和具体帧结构,基于反射波功率机制对传播图论的算法进行了优化,有效提升了传播图论对动态环境信道仿真的准确度。通过对该建模方法的仿真分析和实测验证,证明了其可行性和带来的性能提升。

面向6G网络融合的以用户为中心关键技术

6G将带来“全域覆盖、场景智联”的新时代网络发展愿景,面对新的趋势和挑战,移动通信系统的代际演进需要重新思考网络范式的转变。在继续提升性能指标的基础上,如何以简化的方式,解决5G发展中遗留的问题,实现多维度的跨域融合是未来网络设计的关键问题。在新场景、新业务和新技术的驱动下,以用户为中心成为业界关注的、能够助力未来网络建设、提升用户体验的研究方向。为此,提出了一种以用户为中心的系统框架设计方案,重点从统一接入和跨域协同两个关键特征展开,介绍包括状态管理、灵活空间等在内的关键使能技术,阐述以用户为中心如何更好的支持6G网络深度融合。最后,对以用户为中心技术在6G的发展进行了展望,其可以支撑未来6G高效网络赋能新场景、新业务下的完美用户体验,同时需要应对一体化空口设计、跨域功能管理和协同等方面的挑战。

一种基于敏捷集群计算系统的并行GMRES方法

随着通信系统和人工智能的飞速发展,以智慧城市、智慧工厂和智能制造等为代表的多种新型应用场景不断涌现,使得通信、感知和计算等系统的一体化成为技术发展的新趋势。人工智能新型应用场景对大规模高效敏捷计算提出了新的要求,基于敏捷集群计算系统,提出了一种并行广义最小残差(Generalized Minimal Residual, GMRES)方法,主要通过并行矩阵向量乘法和并行高瘦矩阵QR(Tall and Skinny QR,TSQR)分解实现Krylov子空间的高效并行构造,充分利用集群计算系统的计算和通信性能,实现大规模线性方程组Ax=b的快速求解,其中A为一个n×n的矩阵,在工程实践中,n可达数十万甚至百万规模。通过求解二维泊松方程的有限元离散得到的刚度方程,验证了算法的有效性。

基于深度可分离卷积神经网络的轴承故障诊断模型

在现实工业环境中需要对设备故障做出快速准确的诊断,低时延和高准确度的要求使得传统卷积神经网络(Convolutional Neural Network, CNN)在故障诊断过程中受到严重制约。针对此问题,提出了一种基于深度可分离卷积神经网络(Separable Convolutional Neural Network, SCNN)的轴承故障诊断模型,构建能够处理连续振动信号的主干CNN,通过对主干CNN中的卷积层进行可分离处理来构建SCNN,实现卷积过程的通道和区域的分离,减少卷积计算过程中所需的参数,从而降低计算时延;为SCNN引入残差层,通过残差连接来保证卷积迭代计算的准确率,避免网络层数过多而造成过拟合。为了对比所构建模型的有效性,将传统的VGG16和ResNet50网络进行一维重构来进行验证,并对分类处理后的CWRU故障轴承数据进行分析。结果显示该模型在保证识别准确率的同时有效地提高了故障诊断的效率。

双线极化宽带1-bit可编程智能超表面设计

智能超表面(Reconfigurable Intelligent Surface, RIS)因其对电磁波的灵活调控特点,广泛应用于新型无线通信网络系统中,满足了6G移动通信对低成本、低剖面、易布局、低能耗、多功能器件的要求。然而,现有超表面器件往往局限于单极化的调控,且工作带宽较窄,极大限制了其在新一代无线通信系统中的应用。提出了一种新型的双线极化宽带1-bit可编程RIS,通过接收贴片、可重构缝隙和辐射贴片的形式,在完成双线极化电磁波极化转换的同时,实现3.5 GHz附近的1-bit相位调控,设计的超表面单元-3 dB带宽为2.98~4.6 GHz,相对带宽达到42.7%,所设计单元也可以实现圆极化的波束调控;通过平面波角谱理论,对该单元所建超表面进行分析综合;建立的16×16阵列可以实现多功能电磁波调控,包括波束扫描、聚焦以及涡旋波束生成等,可以在二维平面±60°内实现高增益波束扫描,-3 dB相对带宽达到36.7%。