面向智算融合网络的自主防御范式研究

随着数字经济时代算力供给模式的变革,以算力为核心的新型网络基础设施已成为实现算力资源共享、支撑数字经济转型的重要动力.在算力网络中,多元异构用户终端通过多种方式高频接入网络以随时随地获取算力服务,网络的开放性和动态性增大,算力网络将面临更严峻的安全挑战.然而,基于传统网络的安全防御模式通常针对具体安全问题静态式增补安全防护组件,无法主动适配用户需求灵活调整防御策略,难以应对算力网络中的安全风险.因此,本文面向新型算力网络安全需求,将安全功能作为网络内部属性,基于智算融合网络提出一种多维协同自主防御范式.结合智算融合网络“三层”“三域”的设计思想,在“三层”中,以广义服务层定义安全固有服务,以映射适配层智慧适配安全功能,以融合组件层执行安全策略;在“三域”中,以实体域先导资源适配,以知识域驱动安全服务流程,以感控域实施具体安全技术,构建“检测”“溯源”“防御”三维一体的完整基础管控流程,其中安全策略与技术可根据场景扩展性与业务安全性进行灵活调整.最终,通过仿真实验对所提范式有效性进行了验证,为未来智算融合安全的进一步研究和应用提供参考.

基于深度确定性策略梯度的星地融合网络可拆分任务卸载算法

为解决低轨卫星网络中星地链路任务卸载时延长的问题,提出了一种基于深度确定性策略梯度(DDPG)的星地融合网络可拆分任务卸载算法。针对不同地区用户建立了星地融合网络的多接入边缘计算结构模型,通过应用多智能体DDPG算法,将系统总服务时延最小化的目标转化为智能体奖励收益最大化。在满足子任务卸载约束、服务时延约束等任务卸载约束条件下,优化用户任务拆分比例。仿真结果表明,所提算法在用户服务时延和受益用户数量等方面优于基线算法。

基于多信息融合网络的行人轨迹预测方法

随着自动驾驶技术的不断发展,准确预测行人的未来轨迹已经成为确保系统安全和可靠的关键要素。然而,现有行人轨迹预测研究多数依赖于固定摄像头视角,进而限制了对行人运动的全面观测,因此难以直接应用于自动驾驶车辆自车视角(ego-vehicle)下的行人轨迹预测。针对该问题,本文提出了一种基于多行人信息融合网络(MPIFN)的自车视角行人轨迹预测方法。该方法通过融合社会信息、局部环境信息和行人时间信息,实现了对行人未来轨迹的准确预测。本文构建了一个局部环境信息提取模块,结合了可形变卷积与传统卷积和池化操作,旨在更有效地提取复杂环境中的局部信息。该模块通过动态调整卷积核的位置,增强了模型对不规则和复杂形状的适应能力。同时,构建了行人时空信息提取模块和多模态特征融合模块,以实现对社会信息与环境信息的充分融合。实验结果表明,该方法在JAAD和PSI两个自车视角下驾驶数据集上均取得了先进的性能。在JAAD数据集上,累积均方误差(CF_MSE)为4 063,累积平均均方误差(C_MSE)为829。在PSI数据集上平均相对偏差(ARB)和最终相对偏差(FRB)也分别在预测时间为0.5、1.0、1.5 s时取得了18.08、29.21、44.98和25.27、54.62、93.09的优异表现。

用于单图像超分辨率的全局特征高效融合网络

现有图像超分辨率网络中普遍存在对层间特征利用水平较低的现象,使得在图像重建过程中有细节特征丢失,最终处理结果纹理模糊、图像质量欠佳。为此提出一种用于图像超分辨率的全局特征高效融合网络模型。主体使用对称卷积神经网络实现浅层特征的逐级提取,并结合Transformer完成浅层与深层特征的融合利用。设计的对称自指导残差模块可以在浅层网络实现不同层间特征更具表达性的融合,同时提升网络的特征提取能力;特征互导融合模块可以增强网络对浅层特征与深层特征的融合能力,促进更多的特征信息参与到细图像重建过程。在Set5、Set14、BSD100和Urban100数据集上同近年来的经典网络(HR、CARN、IMDN、MADNet、LBNet)进行性能对比,实验结果表明:所提网络模型在峰值信噪比上有所提升,并在视觉直观对比中取得了较好的图像超分辨率效果,可改善超分辨率图像质量欠佳的问题。

卷积神经网络与视觉Transformer联合驱动的跨层多尺度融合网络高光谱图像分类方法

高光谱图像(HSI)分类是地球科学和遥感影像处理任务中最受关注的研究热点之一。近年来,卷积神经网络(CNN)和视觉Transformer相结合的方法,通过综合考虑局部-全局信息,在HSI分类任务中取得了成功。然而,HSI中地物具有丰富的纹理信息和复杂多样的结构,且不同地物之间存在尺度差异。现有的二者结合的方法通常对多尺度地物目标的纹理和结构信息的提取能力有限。为了克服上述局限性,该文提出CNN与视觉Transformer联合驱动的跨层多尺度融合网络HSI分类方法。首先,从结合CNN与视觉Transformer的角度出发,设计了跨层多尺度局部-全局特征提取模块分支,其主要由卷积嵌入的视觉Transformer和跨层特征融合模块构成。具体来说,卷积嵌入的视觉Transformer通过深度融合多尺度CNN与视觉Transformer实现了多尺度局部-全局特征信息的有效提取,从而增强网络对不同尺度地物的关注。进一步地,跨层特征融合模块深度聚合了不同层次的多尺度局部-全局特征信息,以综合考虑地物的浅层纹理信息和深层结构信息。其次,构建了分组多尺度卷积模块分支来挖掘HSI中密集光谱波段潜在的多尺度特征。最后,为了增强网络对HSI中局部波段细节和整体光谱信息的挖掘,设计了残差分组卷积模块对局部-全局光谱特征进行提取。Indian Pines, Houston 2013和Salinas Valley 3个HSI数据集上的实验结果证实了所提方法的有效性。

6G星地融合网络资源管理关键技术

卫星网络因具备弥补地面网络覆盖盲区的特性,成为6G网络实现泛在连接应用场景的关键技术之一。为了实现卫星网络和地面网络间高效的资源融合管理,首先简要介绍了星地融合网络的发展现状,总结了星地融合网络资源管理技术的研究现状以及面临的挑战。其次,对6G星地融合网络下的移动性管理、跨域多维资源管理和统一的空口协议设计等关键技术进行分析,并基于对现有研究的探讨给出解决方案。最后,对未来面向6G的星地融合网络资源管理的发展提出了新的展望。

星地融合网络管控架构设计

星地融合网络的运行管控需要面向巨型星座和天地大尺度网络,实现对异构基础设施、分层立体网络、跨域多维资源、定制化业务服务的综合调度管理,管控对象多样,关系错综复杂,管控的协同性和高效性直接影响网络的服务能力。针对以上问题,基于网络为本、星网协同的理念,探索星座、网络、业务的协同管控机制,提出星地融合网络运行管控的总体架构,并详细设计管控中心功能,规划典型运行管理流程,分析其在巨型星座在轨管理和大尺度跨域网络管理等方面的适用性,为星地融合网络运行管控系统建设和系统运行管理提供技术支撑。

低轨卫星与5G-R融合网络架构设计

由于地面网络覆盖不均匀,信号质量不够稳定,无法实现铁路交通网络的全程、快速、实时监测,阻碍了我国铁路交通网络的快速发展。同时,低轨卫星通信与地面5G的融合成为热点,二者的融合能够使卫星网络作为地面网络的有效补充。当前星地融合较少用于5G-R技术场景中。本文梳理了铁路卫星通信以及星地融合网络的研究现状与发展趋势;分析了铁路通信系统中各业务的通信需求。在此基础上,提出低轨卫星与5G-R融合网络架构。在弥补铁路通信网络覆盖盲区的同时,提供大容量的信息回传,有效保障铁路交通的安全运行,实现铁路交通的信息化、智能化管理。

天空地多层异构融合网络性能分析及切换协议优化

针对多层异构融合网络(Multi-layer heterogeneous integrated network, MLHetINet)切换复杂的问题,提出通过凝视波束及干扰消除算法获取切换分析的有效数据,简化波束对准及捕获过程,扩展空基网络覆盖范围,进而降低跨层切换的复杂度。首先,针对地面终端和空中基站间的相对高速运动特性,提出空基凝视多波束形成算法,自适应地调整天线相位和权值,在目标方向生成主瓣并对干扰源进行零陷实现空域隔离,简化切换分析的复杂度。然后针对空地信道的复杂性,提出了基于列范数分组排序的多阶干扰消除算法,进一步提高目标信号的检测精度,提高切换分析的准确性。最后,依靠凝视波束技术和干扰消除算法,针对空天地三维多层异构融合网络中的切换事件设计了独立的切换协议,显著降低了网络资源的消耗。仿真结果表明,相较于传统地面网络和天地融合网络,所提波束赋形辅助的天空地多层异构融合网络中的用户信息速率有显著提升。

管道漏磁信号分类的多特征融合网络研究

【目的】地下管道如预应力钢筒混凝土管(PCCP)等检漏是城市基础设施管理和维护中至关重要的一项工作。提出一种识别地下管道弱磁分布类型的磁异常多特征融合网络(MMF)。【方法】充分利用标准正交基函数(OBF)和最小熵(MED)两种检测特征,以全面而准确地捕捉漏磁信号的复杂特性。首先,在不同物径距离上利用OBF和MED进行磁异常检测,获取实测目标磁场特征;其次,融合磁场特征设计多特征融合网络MMF,并引入多头注意力机制捕捉序列磁场中的复杂关系和特征;最后,采用多特征熵权法MFEW,根据输入特征熵分配网络权重。【结果】实验结果显示,MMF网络异常分类达到了98.86%的精度,AUC评估结果为99.25%,同时模型更加精简,具有更高的计算效率,能够在相对较短的训练时间内取得令人满意的性能。

不同解码方案下的星地融合网络混合多址接入性能分析

该文针对地面中继辅助的星地融合网络(ISTNs),分析了卫星采用不同解码方案时系统性能的差异。首先,提出一种新颖的用户配对方案,通过位置信息将卫星波束覆盖范围内的多个用户分为若干个组。接着,为了提高传输可靠性以及频谱利用率,用户采用混合多址接入技术与卫星进行通信。进一步,在考虑用户-地面中继链路服从Nakagami-m分布,地面中继-卫星链路服从相关阴影莱斯分布的情况下,分别推导出基于连续干扰消除(SIC)和联合解码(JD)两种解码方案的系统中断概率和吞吐量的闭合表达式。最后,计算机仿真验证了理论分析的正确性和所提方案相比正交多址(OMA)方案的优越性,并揭示了JD解码技术在ISTNs中的可行性。

面向6G的星地融合网络频谱共享技术

卫星网络被公认为是下一代移动通信系统的重要组成部分,其与现有的地面蜂窝网络实现优势互补形成星地融合网络,可以为全球范围内的海量用户提供无处不在的宽带接入服务。而两网如何高效共享有限的频谱资源、缓解同频共存干扰成为当前的技术难点与热点问题之一。分析了星地融合网络频谱共享时存在的典型干扰类型,并对星地频谱共享场景中系统间干扰进行了仿真。介绍了星地频谱共享需要进一步研究的关键技术,并总结了星地融合网络频谱共享面临的挑战。

基于双分支边缘卷积融合网络的红外与可见光图像融合方法

提出一种基于双分支边缘卷积融合网络的红外与可见光图像融合方法。首先,提出一种改进的双分支边缘卷积结构,将图像包含的信息分解为公共信息和模态信息,并于每个分支引入边缘卷积块,更好的提取深度特征;然后在融合层引入卷积注意力模块对模态特征进行增强;最后基于所本文编解码网络特点,提出一种重建损失结合融合损失的损失函数。经过大量的消融性实验和对比实验表明,本文方法能够很好的保留原图像中的公共信息和模态信息,并且相比目前最新的融合方法在主观和客观评价上都具有优秀的综合性能。

面向天地融合网络的虚拟网络映射算法

针对复杂的天地融合网络环境下,用户业务高差异、异质资源强受限、时空尺度大跨越、网络拓扑高动态等特性,给虚拟网络映射(Virtual Network Embedding,VNE)算法带来的挑战,国内外学者展开了深入研究。首先根据问题特性概述天地融合网络VNE面临的三大核心挑战;然后从场景建模和求解算法两大维度详细分析相关研究的进展,主要涵盖服务质量感知VNE、多层跨域异构网络VNE、动态VNE以及VNE问题求解算法4个方面,并从理论和实践两个方面深入分析应对天地融合网络VNE的解决策略;最后展望未来研究方向,旨在为后续工作提供参考。

面向星地融合网络的统一编排架构和关键技术

面向6G的星地融合网络将实现地面通信和卫星通信的系统级深度融合。为了应对星地融合网络的高动态、分层分布等特征带来的多维多域异构资源的管理和编排挑战,提出一种面向星地融合网络的统一编排架构,实现星地融合网络中多层多域网络的资源、功能、服务等多要素的统一编排。基于该架构,提出分布式自治技术用于多层多域网络的按需部署和灵活组网,以及提出算网协同技术用于多维资源的云边协作从而提升用户体验质量。最后,通过自研的实验平台完成了对星上新型编排管理系统的可行性验证。

星地融合网络中基于无监督图学习的卫星切换方法研究

随着未来6G移动通信研究的快速发展,星地融合通信将是满足全域覆盖、泛在接入的重要技术。在星地融合网络中切换决策直接影响网络性能与服务持续性,现有切换算法主要通过实时监测候选卫星状态,计算权重进行切换判决,难以适应高动态星地网络中时空周期异步的切换决策。提出一种基于无监督图学习的卫星切换方法,引入卫星覆盖时空图表征网络连接关系,设计前向蚂蚁和后向蚂蚁发现并反馈的信息素感知机制,建立图学习模型,挖掘卫星覆盖时空图中卫星节点、用户节点与连接关系之间的隐式特征信息和拓扑信息,将切换决策问题转化为求解节点和边之间的连接关系概率,同步切换决策周期。仿真结果验证了所提卫星切换方法具有较快的收敛速度,切换时延降低20%。

面向工业时敏业务的5G TSN融合网络切片资源调度

5G与时间敏感网络(time sensitive network,TSN)融合部署是实现工业互联网无线化和柔性制造的重要基础,如何实现多类型工业业务和移动业务的共网高质量传输,是5G TSN融合网络需要解决的关键问题。为此,面向工业互联网场景,依据业务特征差异划分工业业务流的类型,设计了一种适配周期性时敏业务和突发性时敏业务的网络切片资源调度策略,提出了基于均匀分布的资源分区调度算法。所提方法通过控制资源预留和资源抢占,在优化无线资源使用的同时,保障了工业业务流的时延,满足了移动业务的传输速率需求。最后,通过仿真实验验证了所提方法在提升业务需求满足度和资源利用率方面的有效性。

星地融合网络的组网关键技术探讨

面向未来,移动通信网络将具备“连接+”的通信服务能力,以及实现卫星通信和地面通信的系统级融合,因此提出一种集连接、智能、感知、计算、数据等多个要素于一体的星地融合网络架构。基于所提的网络架构,首先,探讨星地融合网络的组网关键技术,包括星地协同的智能管控技术、面向星地融合的高动态网络切片技术,针对用户业务对星地融合网络提出的差异化网络服务需求,对网络切片技术以及分布式自治技术的潜在发展形态展开讨论。然后,分析星载轻量化核心网技术。最后,通过自研的移动通信网络平台验证星地融合组网下的多业务网络切片共存以及轻量化核心网上星的可行性。

一种适用于轴承故障诊断半监督学习分类的多层图卷积注意力融合网络

图卷积网络的平滑运行会导致其无法通过深度网络堆叠捕获深层信息,为了解决这个问题,提出了一种适用于滚动轴承故障诊断半监督学习分类的多层图卷积注意力融合网络(MGCAN)。首先,采用频域构图法将数据转换为图模型,捕获了数据的内在结构信息,将构建好的图数据输入网络,逐层提取特征信息,从浅层到深层逐步加深对数据特征的理解;然后,对每一层图卷积信息进行了有序拼接,同时引入了图注意力机制,使网络能够自动关注对分类任务比较重要的信息,从而提高了网络的性能和鲁棒性;最终,通过迭代学习,网络能够不断优化模型参数,对故障信息进行了准确识别;对不同工作条件下的滚动轴承进行了多次实验,并将该方法与传统的基于深度学习的方法进行了分析比较。研究结果表明:即使在标记数据只有10%的前提下,采用该网络依旧能够达到88%以上的识别准确度,并且适用于匀速和变速等不同的工况。上述结果证明,在选择适当方法保留多层图卷积中的有用信息后,深度图卷积网络可以成为诊断滚动轴承故障的一大利器。

基于注意力融合网络的方面级多模态情感分类

方面级多模态情感分类任务的一个关键是从文本和视觉两种不同模态中准确地提取和融合互补信息,以检测文本中提及的方面词的情感倾向.现有的方法大多数只利用单一的上下文信息结合图片信息来分析,存在对方面和上下文信息、视觉信息的相关性的识别不敏感,对视觉中的方面相关信息的局部提取不够精准等问题,此外,在进行特征融合时,部分模态信息不全会导致融合效果一般.针对上述问题,本文提出一种注意力融合网络AF-Net模型去进行方面级多模态情感分类,利用空间变换网络STN学习图像中目标的位置信息来帮助提取重要的局部特征;利用基于Transformer的交互网络对方面和文本以及图像之间的关系进行建模,实现多模态交互;同时补充了不同模态特征间的相似信息以及使用多头注意力机制融合多特征信息,表征出多模态信息,最后通过Softmax层取得情感分类的结果.在两个基准数据集上进行实验和对比,结果表明AF-Net能获得较好的性能,提升方面级多模态情感分类的效果.