上行通感算融合的性能分析与速率区域刻画

对车联网场景下通信、感知和计算融合的性能进行分析。对于通感一体化(ISAC)上行链路,通过分析分集阶数和高信噪比(SNR)斜率来评估通信和速率(CMR)和感知速率(SR),同时推导了通信和速率(CMR)、感知速率(SR)和计算和速率(CPR)的一般形式。此外,对可实现的上行CMR-SR-CPR区域进行表征。仿真结果表明,通信、感知和计算融合可以为CMR、SR和CPR提供比传统的频分通信感知和计算系统更高的增益。

6G知识体系构建:面向全域全场景的学术知识挖掘及其按需应用

当前6G相关概念并未统一,亟待一致性的认知和定义,学术和产业界对6G的发展全貌和相关领域研究进展缺少清晰认识。为此,构建了6G知识库及知识体系。首先,对现有6G学术文献进行自动化筛选和结构化存储;其次,在对文本数据进行标注和规范化的基础上构建了6G知识库;再次,利用6G知识库实现了对6G全领域的统计分析;利用自然语言处理、深度神经网络和潜在树模型等技术实现对6G知识的抽取和生成。最后,在大模型训练的基础上,面向多样化的服务需求实现按需的知识应用。

6G车联网中的通感算融合:现状与挑战

车联网通信-计算融合对满足高可靠低时延的应用需求具有重要意义。面对无人驾驶等新兴智能服务对多极致性能的需求,探究6G车联网中的感知-通信-计算融合体系,打破感知、通信、计算三大资源的独立分治局面,实现资源灵活互通与统筹管理,对智能交通的发展具有重大意义。首先,回顾了车联网中通信、计算技术的发展;然后,针对系统架构和关键技术两个方向对现有车联网通信-计算融合的相关工作进行了回顾和整理;最后,分析了6G车联网中通感算融合的未来应用及挑战,为车联网感知-通信-计算融合方向的研究提供参考。

关于车联网联邦学习中可信信誉管理方法的研究

联邦学习由于其分布式、隐私保护等特点有望应用到车联网中,然而由于缺少相应的本地模型质量验证机制,全局模型容易受到恶意用户的攻击从而导致模型训练的准确率降低。提出一种车联网中分层区块链使能的联邦学习信誉管理架构。首先介绍整个架构的组成以及具体的工作流程,然后设计智能合约为系统提供更加灵活可信的信誉意见共享环境,并开发一种轻量级的区块链共识算法,以提升区块链的运行效率。仿真结果表明所提方法能够筛选出恶意用户,同时保证数据隐私和安全,从而提高FL的准确性。

面向隐私安全的车联网群智感知系统架构

车联网群智感知可以充分利用参与车辆的移动性来定向地为有需要的个人或组织提供精准的数据服务,然而这也使得车辆在V2X通信时将面临更严峻的隐私安全威胁。因此,首先分析了车联网群智感知系统架构的设计需要考虑的关键因素,其次讨论了群智感知系统面临的隐私安全威胁及相应的安全需求,最后提出了一种保护隐私安全的区块链赋能的条件分布式车联网群智感知系统架构,为未来车联网群智感知系统的发展和完善、部署和应用提供参考。