面向工业互联网的语义编码传输方法及应用

通过将语义通信技术引入工业网络,构建了一个面向工业互联网的语义编码传输系统。系统中设计了语义编解码器以提取信源中的语义信息,相对于传统通信系统,基于语义信息的通信有更高的信息压缩效率与更高的符号差错容忍能力。同时引入信源信道联合编解码器,以信源信道联合编码的方式将语义信息转化为信道符号传输,进一步提升系统对工业网络通信资源的利用效率。所有编解码器均构建在深度神经网络架构Transformer上,确保了编解码器对语义信息的理解能力及系统的泛化能力。在工业药品生产场景中,对该系统进行测试,结果显示:相较于传统通信方案,该语义编码传输系统在图像重建质量和传输处理速度方面均有显著提升。且系统对下游任务的性能影响极小,保证了工业生产中如缺陷检测等关键任务的准确性。

水下舰艇扩频通信体制研究

水下舰艇通信采用的水声通信方式在长距离传输中信号衰减严重,且因为隐蔽性需求信号功率受限,叠加受到多径干扰和海洋背景噪声干扰,通信误码率较高。为此,提出水下舰艇扩频通信体制研究。设计扩频通信体制,利用扩频通信体制拓宽传输带宽,提升远距离衰减下的通信信噪比;采用类白噪声的伪随机码m序列和OPS序列作为扩频码组建编码序列集,解决白噪声干扰、多径干扰和码分多址的问题。测试结果表明:同等条件下,采用m序列的扩频通信结果更优,可以实现-25 dB下误码率低于1%的可靠通信。经过该方法调制后,剔除了噪声干扰和多径干扰,增强了衰减的高频信号,解决了水下通信远距离衰减、多径干扰、背景噪声干扰等问题。

深度学习赋能波束管理:现状、挑战与机遇

随着载波频率的不断提高和大规模天线阵列的广泛部署,基于模拟移相器的波束赋形成为下一代无线通信的标志性技术之一。此时,波束管理被用于获取和维护基站和用户端具有最大接收功率的最优波束对,以保障可靠的无线通信服务。传统波束管理方法往往依赖于海量搜索。同时,传统数学模型无法全面的、准确刻画非线性的波束的内在关联和高维无线环境特征,因而难以取得令人满意的波束增益性能。近年来,得益于深度学习强大的自适应拟合能力,深度学习赋能波束管理得到了国内外广泛关注。本文总结了深度学习赋能波束管理的研究进展,并展望了未来的研究方向。首先,阐述了深度学习应用于波束管理的典型场景和潜在优势;随后,从空/时/频域切入,讨论当前深度学习赋能波束管理的主要研究路线和代表性工作;最后,面向更大规模的无线网络、更多元的波束管理功能和更鲁棒的深度学习模型,阐述未来的研究挑战与机遇。

基于空中计算CoMAC架构的不同计算场景叠加符号判决算法

本文研究不同场景下基于空中计算的多址信道计算(CoMAC)架构的覆盖符号决策算法。首先,从理论上分析了XOR、ADD、MOD三种场景中加性高斯白噪声(AWGN)多址接入信道下叠加符号的概率密度分布,提出了一种基于先验概率的最优门限判决策略。其次,推导了系统最优门限及对应误码率的理论表达式。最后,通过仿真验证了不同信噪比、传感器节点个数及先验概率对于该门限判决方案的鲁棒性和可靠性的影响。与通信计算相分离的传统方案相比,空中计算判决方案具有更好的检测性能,为多址接入信道下的信号识别提供了新的参考方案。

面向工业场景的无人机时空众包资源分配

无人机时空众包资源分配是工业物联网能源管理中的重要任务之一.尽管现有方法考虑了联合反映时间敏感性和公平性的信息新鲜度指标,但忽略了无人机禁飞区和窃听者对数据新鲜度的影响.本文提出了一种基于深度强化学习的无人机时空众包资源分配方法,在考虑无人机禁飞区约束和对窃听者发送干扰信号以保障数据安全的情况下,最小化平均信息新鲜度和物联网设备能耗,从而得到最优无人机轨迹、发射干扰信号功率和物联网发射功率.然而,无人机时空众包中的资源分配复杂且存在挑战,主要表现为决策变量类型多且与考虑服务质量要求的系统性能指标关系复杂.本文将该问题建模为马尔可夫决策过程并使用先进的深度强化学习算法求解该问题,即软演员–评论家(SAC)算法.在多无人机场景下验证了所提出算法在解决无人机时空众包资源分配任务中的有效性和正确性.另外,SAC算法相较于其他两种先进的深度强化学习算法,即深度确定性策略梯度算法和双延迟深度确定性策略梯度算法,具有更快的收敛速度和更优的解.最后,分析了最优无人机数目的选择方案.

智能超表面辅助的通感一体化性能优化

为了解决因障碍物等遮挡导致的覆盖空洞和探测精度下降问题,提出了一种基于栅格化的智能超表面辅助的通感一体化优化方法。首先,建模了最小化均方位置误差问题,将弱通感区域和RIS可能部署区域栅格化以降低计算难度,并采用粒子群优化算法和交替优化算法联合优化智能超表面期望反射角角度和部署位置。最后,引入探测需求因子,建模通感性能联合优化问题,并分析了探测需求因子对系统通感性能的影响。仿真结果显示:(1)相较于仅优化期望反射角,联合优化智能超表面的期望反射角和部署位置的方案,在平均信噪比仅有略微下降的情况下,可显著降低平均均方位置误差,平均均方位置误差降低10倍左右;(2)不同尺寸大小的智能超表面会对其最佳部署位置有影响;(3)联合优化智能超表面的期望反射角和部署位置提高了探测精度,最大化了通感整体性能。

面向抽水蓄能电站的巡检机器人关键技术研究

针对抽水蓄能电站中混凝土墙体现场检测难度大且传统巡检方式效率低的问题,提出了一种基于深度学习的裂缝检测系统。通过FCN网络和CNN网络的相似性匹配,可以有效地判断混凝土裂缝的位置、尺寸及深度等信息,实现对裂缝的自动检测。同时,设计了巡检机器人硬件构架与软件系统,实现巡检路线自主规划、自主导航和检测区域的自主识别等功能。基于CrackForest数据集对所提检测模型的性能进行了验证测试,结果表明所提模型的识别精度可达87.74%,平均误差仅为0.45,综合性能良好。

面向多源异构的电力工程数据融合处理技术研究

随着电力工程中自动化、信息化设备的日益增多,对电力工程数据的分析与处理能力有了更高的要求。针对这一问题,文中开展了面向多源异构的电力工程数据融合处理技术研究。通过预先设计好的数据框架进行关联操作,实现数据监测与处理分析。为了提高整体数据与局部数据之间的协调性,对融合数据进行边缘自适应增强处理,结合电力工程定值数据处理方法将样本数据分解为多个子数据集,利用神经网络模型分类融合,采用Reduce机制对融合后的数据进行合并处理,输出结果,从而提高数据融合的效率。以某地区电力工程数据集为样本进行的分析结果表明,所提方法在处理数据时具有更高的效率,产生的绝对误差仅为1.675%,且更适用于大容量数据的场景。

基于三维正交频分复用的可见光通信系统研究

为解决调制带宽受限和频率选择性衰落问题,提出了一种基于三维正交频分复用(3D-OFDM)的可见光通信系统,通过三维星座映射,该系统增加了相邻星座点间的最小欧式距离(MED),从而降低了系统的误码率。针对接收机的硬判决易受到可见光信道非线性效应和采样频偏干扰的问题,提出了一种基于K均值聚类解调的三维星座解映射方法。结果表明,在误码率为3.8e-3时,与采用16QAM和8QAM调制的2D-OFDM系统相比,所提出的16ary与8ary的3D-OFDM,分别能够实现3 dB和5 dB的信噪比增益;此外,所提出的3D-OFDM系统在峰均功率比(PAPR)方面也有优势,分别降低了0.3 dB和0.4 dB。所提出的3D-OFDM可见光通信系统具有更优的误码性能。

声呐图像水下目标识别综述与展望

随着海洋资源开发和水下作业的增加,声呐图像水下目标识别已成为热门研究领域。该文全面回顾了该领域的现状和未来趋势。首先,强调了声呐图像水下目标识别的背景和重要性,指出水下环境复杂和样本稀缺增加了任务难度。其次,深入探讨了典型的成像声呐技术,包括前视声呐、侧扫声呐、合成孔径声呐、多波束测深仪、干涉合成孔径声呐和前视三维声呐等。接下来,系统地审视了二维和三维声呐图像水下目标识别方法,比较了不同算法的优劣,还讨论了声呐图像序列的关联识别方法。最后,总结了当前领域的主要挑战,展望了未来研究方向,旨在促进水下声呐目标识别领域的发展。

面向未来移动通信的移动边缘计算研究综述

移动边缘计算(MEC)通过将移动终端的计算和存储任务从集中式数据中心卸载到边缘网格,满足复杂通信场景下的多样化设备服务需求,已经成为面向未来通信的关键性技术之一。通过阐述从云计算、雾计算到移动边缘计算的发展历程,介绍了MEC技术的基本概念和基本框架;在此基础上,从计算卸载、资源分配、缓存管理和安全防护4个方面讨论了MEC的研究进展,对相关研究成果进行了详尽综述。其次,以物联网、MEC结合区块链、AI辅助MEC系统、通感一体化和云边协同等边缘计算的几个典型应用场景为例,归纳了移动边缘计算在6G中的潜在应用场景,展示了其在构成智能、高效、安全的通信网络方面的潜在益处。最后,从互操作性、安全风险、移动性管理和可扩展性等方面指出了MEC研究在融合创新方面所面临的挑战,并对其在超可靠低时延通信、通感算一体化和星地融合移动通信等方向的优势和发展趋势进行了总结和展望。

国际空间站宇航光纤通信器件发展综述

光纤通信技术在国际空间站(ISS)上首次大规模应用,是光通信技术从地面进入太空应用的一个重要里程碑。回顾了ISS舱内光纤通信所用宇航光缆和光纤连接器的技术发展历程,阐述了ISS对光纤通信技术的特殊需求;介绍了美国航空航天局(NASA)开展的光纤器件空间适应性试验研究情况,NASA和欧洲太空总署(ESA)负责建造舱段的光纤通信系统,以及NASA针对ISS光纤通信器件缺陷问题的质量调查情况和整改过程;结合ISS光纤通信器件质量问题的案例分析,总结了宇航光缆和光纤连接器在制造、工艺、材料、环境、检测和管理方面存在的问题和经验教训。最后,对宇航光纤通信器件的研发方向进行了展望。

一种面向多任务的无人机辅助的通信网络资源分配与轨迹优化研究

装载各种有效荷载的无人机(UAV)能够实现传感、通信和计算等多任务,因而常被部署到数据采集(DA)和辅助计算等领域。但是到目前为止,绝大多数研究仅专注于单一功能的无人机辅助的通信网络资源分配与轨迹优化,对于面向多任务的资源分配和轨迹优化问题还未解决。为此,该文提出一种综合考虑无人机数据采集、数据广播以及计算任务卸载的无人机辅助的通信网络资源优化的分配策略,旨在通过联合优化传输占空比、用户发射功率与无人机轨迹,在满足目标位置采集数据实时广播的前提下,最大化用户卸载量。为了解决多变量耦合优化问题,提出了基于块坐标下降(BCD)和连续凸逼近(SCA)的高效迭代优化算法,将耦合优化问题分解为3个子问题进行迭代优化。最后,大量仿真结果表明,该算法在公平性和总卸载计算量方面都优于其他测试方案。

基于边缘计算的高速光纤通信链路时延估计研究

由于未对接收信号进行去噪处理,导致光纤通信链路时延估计存在估计误差大、准确率低的问题,为了解决方法中存在的问题,提出基于边缘计算的高速光纤通信链路时延估计方法。通过边缘计算设计了高速光纤通信网络架构,基于网络架构中的边缘计算层,通过直射链路的方式构建高速光纤通信链路模型,接收光信号,并使用广义相关算法对接收到的信号进行去噪处理,根据去噪处理结果,结合卡尔曼滤波方法与Round-trip算法估计信号时延。实验结果表明,所提方法的高速光纤通信链路时延估计准确率高、效果好,具有较高的实际应用价值。

基于DBR增强的850 nm GaAs/AlGaAs单行载流子光电探测器

高速850 nm GaAs/AlGaAs面入射型单行载流子光电探测器(PD)是短距离光链路中的重要器件,面临着带宽和响应度之间的相互矛盾。报道了一种基于分布布拉格反射器(DBR)增强的GaAs/AlGaAs单行载流子光电探测器(UTC-PD)。DBR由20个周期的高/低Al组分的Al_(x)Ga_(1-x)As三元合金组成,可以在830~870 nm范围内形成大于0.9的反射。在AlGaAs DBR的增强下,将GaAs吸收层所需的厚度降低到1 040 nm,兼顾PD对光的吸收率和光生载流子的渡越时间。采用双台面、聚合物平面化、共面波导电极结构制作了UTC-PD器件。该器件在850 nm波长、-2 V偏压下具有19.26 GHz的-3 dB带宽和0.492 6 A/W的响应度。

6G与太赫兹通信技术导读

内容导读太赫兹波是0.1~10 THz频段的电磁波,对应波长3~0.03 mm,介于毫米波和红外光之间。太赫兹频段具有丰富的频谱资源,可用于地面短距离高速无线通信和空间卫星通信,被认为是6G候选频段之一。目前,太赫兹通信作为6G潜在关键技术之一,已成为移动通信领域学术界和工业界的研究热点。其中,涉及太赫兹通信硬件系统设计、太赫兹器件研制、宽频信号的高效调制与处理、信道测量和建模技术、信道编码技术、通信感知一体化技术、智能反射面辅助技术、超大规模天线技术等大量关键科学技术与工程设计问题。

结合深度强化学习的边缘计算网络服务功能链时延优化部署方法

该文针对边缘网络资源受限且对业务流端到端时延容忍度低的问题,结合深度强化学习与基于时延的Dijkstra寻路算法提出一种面向时延优化的服务功能链(SFC)部署方法。首先,设计一种基于注意力机制的序列到序列(Seq2Seq)代理网络和基于时延的Dijkstra寻路算法,用于产生虚拟网络功能(VNF)的部署以及服务SFC的链路映射,同时考虑了时延优化模型的约束问题,采用拉格朗日松弛技术将其纳入强化学习目标函数中;其次,为了辅助网络代理快速收敛,采用基线评估器网络评估部署策略的预期奖励值;最后,在测试阶段,通过贪婪搜索及抽样技术降低网络收敛到局部最优的概率,从而改进模型的部署。对比实验表明,该方法在网络资源受限的情况下,比First-Fit算法与TabuSearch算法的时延分别降低了约10%和86.3%,且较这两种算法稳定约74.2%与84.4%。该方法能较稳定地提供更低时延的端到端服务,使时延敏感类业务获得更好体验。

基于流量感知的无线接入网智能切片资源分配方法研究

为保障业务服务等级协议(Service Level Agreements, SLA)需求,使不同应用间差异化的服务质量需求同时得到良好满足,无线接入网(Radio Access Network, RAN)的动态网络资源配置十分关键。本文针对网络流量波动、网络状态快速变化的场景,提出一种结合时间序列预测和深度强化学习的智能化带宽分配策略,通过合理利用长短期记忆(Long Short-Term Memory, LSTM)网络和Dueling深度Q网络(Dueling Deep Q Network, Dueling DQN)以最大限度提高无线接入网切片的频谱效率和SLA满意度。通过使用LSTM网络对切片中数据流量进行预测,可以将深度强化学习算法的计算周期与实际切片配置周期有效解耦。同时为了在保障LSTM性能的同时降低其计算复杂度,以适应RAN中有限的计算资源,本文采用控制神经元连接比例的随机连接长短期记忆(Randomly Connected LSTM, RCLSTM)网络。此外,Dueling DQN与传统DQN相比,能够提高切片策略学习过程的Q值估计精度,以提升收敛速度。仿真结果表明:与原始DQN、优势Actor-Critic(Advantage Actor Critic, A2C)和硬切片方法相比,所提RCLSTM-Dueling DQN方案可以通过提前感知网络性能变化,有效降低网络环境波动对密集流量场景下无线切片资源管理的影响,在具有三种不同流量波动模式及服务质量需求的RAN切片场景中,可以获得收敛速度、频谱效率和切片SLA满意率的明显提升。同时,10%连接比例的RCLSTM网络能在保持极低性能损失的前提下,将原始LSTM的计算时间降低约11%。

一种低复杂度的正交时频空系统接收机设计

正交时频空(OTFS)调制可以将时间和频率选择性信道转换为时延-多普勒(DD)域的非选择性信道,这为高速移动场景建立可靠的无线通信提供了解决方案。然而,在车联网等复杂的多散射场景下,信道存在严重的多普勒间干扰(IDI),这给OTFS接收机信号的准确解调带来了极大的挑战。针对上述问题,该文提出一种联合稀疏贝叶斯学习(SBL)和阻尼最小二乘最小残差(d-LSMR)的OTFS接收机设计。首先,根据OTFS时域和DD域的关系,采用基扩展模型(BEM)将信道估计问题转换为基系数恢复问题,精准估计包括多普勒采样点在内的DD域信道。然后,提出一种高效的转换算法将基系数转换为信道等效矩阵。其次,将信道估计中估计得到的噪声,用于d-LSMR均衡器中进行信道均衡,并利用DD域信道矩阵的稀疏性实现快速收敛。系统仿真结果表明,与目前代表性的OTFS接收机相比,该文所提方案实现了更好的误码率性能,同时降低了计算复杂度。

一种基于模型概率单调性变化的自适应IMM-UKF改进算法

针对现有交互式多模型(IMM)算法模型间切换迟滞和转换速率慢的缺点,提出一种基于模型概率单调性变化的自适应交互式多模型无迹卡尔曼滤波改进算法(mIMM-UKF)。该算法利用后验信息模型概率的单调性,对马尔可夫转移概率矩阵及模型估计概率进行二次修正,加快了匹配模型的切换速度及转换速率。仿真结果表明,与现有算法相比,该算法通过快速切换匹配模型,有效提高了水下目标跟踪精度。