面向天地一体化的确定性网络技术研究

卫星通信是未来通信领域的关键技术,低轨互联网星座是6G空天地海一体化网络的战略性基础设施,能够将当前通信网络扩展到全球近地区域。确定性网络技术是天基网络的重要技术之一,相比传统尽力而为的分组网络,确定性网络具有低时延、低抖动、低丢包率、高可靠的优势。概述了确定性网络当前的研究背景及现状,提出面向卫星通信的确定性网络架构,阐述了其关键技术,最后讨论了未来研究方向。

6G智能内生网络架构及关键技术分析

智能内生已成为6G网络的重要特征之一,也是当前业界关注的重点。首先解析了6G智能内生网络(IEN)的概念和特征,并对分层分面设计理念和典型架构进行了分析。之后,总结和展望了6G IEN架构的标准化进展。结合这些研究和进展,总结6G IEN面临的挑战,从知识表征与构建、意图驱动、分布式人工智能(AI)和AI可解释性4个角度分析了6G IEN的关键技术,为6G IEN架构的进一步演进提供了参考依据。

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。

面向广域确定性网络的控制面技术研究

数据要素的高效配置对于实现传统产业数字化转型尤为重要。网络的供给能力不仅要求数据报文的低时延、大带宽特性,更需要数据报文的低抖动和确定性。确定性网络技术是构建无损、确定、可靠的广域传播能力的关键。提出了面向广域确定性网络的控制面关键技术及设计思想,并详细阐述了实现确定性网络感知、业务规划和流量调度的具体方案。通过开展试验验证和应用测试,证明了系统结构的有效性,满足确定性网络的管理和调度需求。

网络5.0创新实验平台研究

网络持续的演进与创新,需要异构适应性、敏捷性以及资源确定性供给的大规模实验验证环境支持。介绍了网络5.0创新实验平台目标与架构,研究了资源确定性供给和异构资源的整体调度等关键技术和系统实现,并介绍了基于网络5.0创新实验平台开展的相关研发和验证实践工作。

网络服务异常事件告警因果图构造方法

网络服务系统中,异常事件的发生经常导致系统中产生大量告警事件,形成告警风暴。运维人员需要花费大量的时间和精力从这些告警数据中寻找关键信息、确定异常事件的根源。为了减少运维人员所需处理的告警数量,智能化、自动化地提取告警风暴中的根源告警,基于网络服务告警的传播模式分析,提出了一种告警因果图构造方法,并将其应用于提取异常事件发生时的告警风暴关键信息。实验使用运营商现网管理系统的真实数据集,通过告警风暴摘要提取实验,验证了告警因果图生成的效果,并进行了相关案例的物理意义分析。结果表明,使用告警因果图生成的方式进行告警风暴摘要提取,达到了96%的召回率,保留了绝大部分关键信息。同时,使用该方法对系统产生的告警进行压缩,对较难压缩的告警码的压缩率能够达到66.5%。

内生智能驱动的6G边缘网络双闭环自愈架构设计

智能技术不断涌现,驱动着通信产业持续升级,向自智的更高阶段演进。内生智能是实现自智网络的关键因素。在未来网络管控体系中,如何编排管理智能能力,实现网络故障管理全流程智能化与自动化成为一个重要问题。为此,设计了一种贯穿故障全生命周期的内生智能驱动的6G边缘网络双闭环自愈架构,提出自愈目标和方案的概念,建立了QoS保障的自愈目标损失最小化模型,以及对应的网络决策机制,从而支持从无线接入网到核心网的跨域管理能力。在可编程边缘网络环境中进行了验证实验,结果显示,自愈闭环控制流程正常运行,所提算法在毫秒级时延内解决了链路拥塞故障,保证了自愈目标的实现并满足QoS指标。

基于随机几何的星地融合无线网络上行覆盖性能分析

星地融合无线网络(STIN)是实现全球无缝立体覆盖的重要途径。为指导星地融合无线网络实际部署,对上行覆盖性能成因规律进行分析。利用随机几何对星地异频部署场景进行了建模,其中,卫星在轨道上服从一维泊松点过程(PPP)分布,地面基站和用户服从二维PPP分布。基于此,推导了星地融合无线网络上行覆盖概率关于基站密度、轨道倾角等参数的表达式。实验仿真验证了理论推导结果的正确性,并分析了网络设计参数对上行覆盖概率的影响。

时间敏感网络业务流动态调度场景中的批量重配置算法

工业自动化领域广泛使用时间敏感网络技术.该领域业务流的调度方式主要包含静态调度和动态调度.静态调度一次计算所有业务流,可以最大程度节省链路和时间资源,但是计算时间长,无法灵活处理新增业务流.动态调度以增量的形式计算新增业务流,计算时间短,但是资源分配不够合理,会产生时隙碎片.全局流重配置机制可以定期对网络中所有业务流进行重新规划,来优化链路和时间资源的分配,但该机制只适用于拥有较少业务流的小型网络,业务流数量的增多会引起计算时间的急剧增长,影响后续到来的业务流.本文在现有动态调度算法的基础上,设计了批量重配置算法.该算法给出了新的评价指标——网络吞吐率,并在满足动态调度秒级响应时间的情况下,定期重配置网络中的部分业务流,优化网络资源配置.此外,算法给出了重配置业务流的选取标准,并优化了流的路径选择标准和传输开始时间计算方式.本文针对原算法和增加了批量重配置机制的改进算法进行了仿真实验,实验结果表明,改进算法可以在拥有数千条业务流的大型网络运行,并在网络吞吐率和调度成功的流数量方面有16.5%和5.5%的提升,同时保证了算法的秒级计算时间.

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%。

算力网络资源协同调度探索与应用

算力网络融合了多区域、多层级的算力资源。针对面向用户差异化需求下全域大范围多层次算力资源的弹性灵活调度问题,设计了一个算力网络资源协同调度平台。针对差异化业务需求,该平台可以形成多公有云与私有云之间的算力资源调度策略以及算网资源协同调度策略,实现资源的自动最优分配。同时,该平台能够自动发现、纳管算力资源,并基于新的资源池情况实现分配策略的自动调整,实现用户无感业务扩缩容,以此弹性调度算力资源。

空天地一体化确定性网络研究

随着互联网从消费型网络向生产型网络升级,新兴行业应用需要差异化的确定性服务质量保障以及全时空范围的通信能力。如何实现泛在多域网络的异构兼容,支持空天地一体化网络(SAGIN)节点间的确定性传输成为当前的重要研究问题。首先分析了面向6G全域新兴应用场景的确定性服务质量保障需求,然后提出了包含全域协同网络管控层、多域动态确定性融合层、泛在异构确定性组网层的分层空天地一体化确定性网络架构,并研究相应场景的“固移卫”融合确定性网络关键技术,最后研判了空天地一体化确定性网络的挑战和发展趋势。

面向联邦算力网络的隐私计算自适激励机制

面对“人-机-物”超融合与万物智能互联远景的现实需求,联邦算力网络充分发挥联邦学习等分布式智能技术的数据聚合优势以及“信息高铁(低熵算力网)”的计算协同优势,高效利用网络中泛在离散部署的海量数据与算力资源,从而最大化满足多种高性能、智能化计算任务需求瓶颈.同时,为建立用户泛在协作计算过程中的全生命周期安全保障和对联邦算力网络的互信任基础,差分隐私等隐私计算技术的引入成为基础性需求之一.因此,在用户自身安全和隐私不受模型逆转、梯度泄露等新兴攻击威胁的前提下,如何对大量的个性化参与用户进行有效激励,促使其积极参与并真实共享本地数据和算力,是实现联邦算力任务实际部署的关键步骤之一.然而,当前联邦算力网络的激励机制大多主要侧重于用户数据评估与公平性等计算性能相关指标研究,缺少对用户隐私需求的关注,无法有效规约隐私噪声注入过程.边缘算力节点出于自身利益考量,往往夸大隐私预算需求,造成严重的冗余精度损失.针对这一问题,本文基于改进的斯塔克伯格主从博弈模型,提出一种面向联邦算力网络的隐私计算自适应激励方法,通过两阶段的动态博弈根据分布式计算过程中隐私注入尺度进行差异化定价激励.基于反向归纳法,参与用户之间首先进行博弈均衡获取最优的本地隐私噪声预算设置策略,随后联邦参数服务器求取最优的隐私支付策略.通过理论分析,本文所提方案能够取得纳什均衡下的最优解.此外,本文还进一步对参与用户的限制条件进行了讨论,得出了用户隐私成本需求的约束上界.在EMNIST、CIFAR等公有标准数据集上的实验结果也表明,该方法相比于基于合约理论、三方博弈等理论的现有隐私激励机制,能够显著提升分布式智能协同计算任务参与各方的平均效用,在满足用户隐私需求的同时提升计算性能,大幅减少冗余损耗.

6G智能业务网络:愿景、架构与关键技术

移动通信业务网络负责基础网络与业务应用之间的适配.5G以前的业务网络是在建好基础网络以后,通过叠加逻辑网络方式构建.6G时代,“场景驱动”将成为移动通信发展的主要演进范式,业务网络的重要性更加突出.6G业务网络应与基础网络同步规划和建设,由6G全场景驱动设计,实现全场景全域按需服务.传统业务网络仅从独立视角设计安全认证、网络控制和能力开放等机制,难以实现细粒度、动态资源管控,无法高效适配6G全场景业务应用.为此,本文基于国家首批6G重点研发计划专项“全场景按需服务关键技术”项目成果与当前学术研究进展,梳理和总结了6G网络按需服务的挑战、6G智能业务网络的愿景和总体架构设计,设计了涵盖资源接入、能力开放与场景解析3个层次以及安全内生、智能内生和协作共享3个关键管控平面的6G智能业务网络,实现对全域资源的细粒度智能管控.最后结合大模型、元宇宙、绿色节能等技术与通信网络深度融合的趋势,展望了6G智能业务网络更加广阔的应用发展空间.

语义通信的数学理论

自从1948年经典信息论诞生以来,在其指导下,现代通信技术已经逼近了理论性能极限,例如信息熵H(U)、信道容量C=max_(p(x))I(X;Y)以及率失真函数R(D)=min_(p(x|x):Ed(x,x)≤D)I(X;X)。长期以来,由于经典信息论只研究语法信息,限制了通信科学的进一步发展。近年来,研究语义信息处理与传输的通信技术获得了学术界的普遍关注,语义通信开辟了未来通信技术发展的新方向,但还缺乏一般性的数学指导理论。为了解决这一难题,构建了语义信息论的理论框架,对语义信息的度量体系与语义通信的理论极限进行了系统性阐述。首先,通过深入分析各类信源的数据特征,以及各种下游任务的需求,总结归纳出语义信息的普遍属性——同义性。由此指出语义信息是语法信息的上级概念,是许多等效或相似语法信息的抽象特征,表征隐藏在数据或消息背后的含义或内容。将语义信息与语法信息之间的关系命名为同义映射,这是一种“一对多”映射,即一个语义符号可以由许多不同的语法符号表示。基于同义映射f这一核心概念,引入语义熵H_(s)(U)作为语义信息的基本度量指标,表示为信源概率分布与同义映射的泛函。在此基础上,引入上/下语义互信息I^(s)(X;Y)(I_(s)(X;Y)),语义信道容量C_(s)=max_(f_(xy))max_(p_((x)))I^(s)(X;Y)以及语义率失真函数R_(s)(D)=min_({f_(x),f_(x)})min_(p(x|x):Ed_(s)(x,x)≤D)I_(s)(X;X),从而构建了完整的语义信息度量体系。这些语义信息度量是经典信息度量的自然延伸,都由同义映射约束,如果采用“一对一”映射,则可以退化为传统的信息度量。由此可见,语义信息度量体系包含语法信息度量,前者与后者具有兼容性。其次,证明了3个重要的语义编码定理,以揭示语义通信的性能优势。基于同义映射,引入新的数学工具——语义渐近均分(AEP),详细探讨了同义典型序列的数学性质,并应用随机编码和同义典型序列译码/编码,证明了语义无失真信源编码定理、语义信道编码定理和语义限失真信源编码定理。类似于经典信息论,这些基本编码定理也都是存在性定理,但它们指出了语义通信系统的性能极限,在语义信息论中起着关键作用。由同义映射和这些基本编码定理可以推断,语义通信系统的性能优于经典通信系统,即语义熵小于信息熵H_(s)(U)≤H(U),语义信道容量大于经典信道容量C_(s)≥C,以及语义率失真函数小于经典率失真函数R_(s)(D)≤R(D)。最后,讨论了连续条件下的语义信息度量。此时,同义映射转换为连续随机变量分布区间的划分方式。相应地,划分后的子区间被命名为同义区间,其平均长度定义为同义长度S。特别是对于限带高斯信道,得到了一个新的信道容量公式C_(s)=B log[S^(4)(1+P/N_(0)B)],其中,平均同义长度S表征了信息的辨识能力。这一容量公式是经典信道容量的重要扩展,当S=1时,该公式退化为著名的香农信道容量公式。综上所述,语义信息论依据同义映射这一语义信息的本质特征,构建了语义信息的度量体系,引入新的数学工具,证明了语义编码的基本定理,论证了语义通信系统的性能极限,揭示了未来语义通信的巨大性能潜力。

面向通信感知一体化的信号波形设计综述

通信感知一体化(Integrated Sensing and Communication,ISAC)作为6G的关键技术之一,广泛应用于智慧交通、智能家居等领域。随着频谱资源的紧缺、技术发展的融合,促使通信和感知功能的一体化,其中ISAC的波形设计是同时实现高效率通信和高精度感知的研究重点。从ISAC技术趋势、波形设计重要性、应用场景和发展现状四方面进行了简要介绍,对以通信为主的波形设计、以感知为主的波形设计和波形复用设计进行了分析总结,阐述了联合波形设计的一体化性能边界以及潜在的一体化波形新型设计方式;并对ISAC波形设计的发展方向进行展望。

基于AI的端到端语义编码传输方案设计

面向6G多样化场景下对高性能和低复杂度的传输需求,通过将AI架构引入无线传输收发方案的联合优化,打破基于模块化物理层设计方法和传统信息论的局限,一种基于AI的端到端语义编码传输方案被提出。首先,为了克服未知衰落信道下无法通过反向传播联合训练发射机的问题,设计了一种基于CGAN的两子网架构及分阶段训练方法,有效消除衰落信道的影响。其次,进一步提出了语义信道联合编码的系统架构,在端到端的联合优化方面具有优势。仿真结果表明,所提方案通过对语义编码和传输的联合优化提升了系统性能,并适用于实际通信中信道未知场景,具备灵活性、智能性和高效性。

基于信息检索的源代码自动命名

源代码自动命名是指为给定代码的方法体命名一个反映代码功能的有意义的名称,可以使代码易读易懂,提高软件开发效率。传统自动命名方法仅使用代码的词法或者语法等单一信息,基于深度学习的自动命名方法通常忽略了语料库中的相似代码,影响命名准确率。针对上述问题,提出一种基于信息检索的源代码自动命名方法。首先,利用预训练模型和BERT-whitening方法提取输入代码和语料库中代码的有效特征,使用欧氏距离计算两者之间的语义相似度。其次,在语料库代码中选择与输入代码语义相似度较高的代码组成候选库,利用Jaccard系数和最长公共子序列分别计算输入代码与候选库代码的词法和语法相似度。最后,使用加权和来匹配候选库中与输入代码最相似的代码片段,复用该代码片段的方法名称作为输入代码的方法名称。实验结果表明,在公开的Java-small数据集上,与基于向量空间模型(VSM)和基于深度学习模型Code2Vec的自动命名方法相比,该方法的F1值分别提升了6.93和1.22个百分点,具有较优的预测性能。

面向机器视觉任务的语义传输方案

随着信息通信、人工智能、物联网等技术不断融合,智慧城市、自动驾驶、工业互联网等垂直行业领域快速发展,由此产生了大量机器视觉任务以及海量的图像视频数据传输需求。语义通信技术作为一种高效的新型通信方式,关注传输数据的内在含义,通过从冗余的业务信源中提取语义信息进行编码传输,可以显著提升传输效率。针对图像信源传输及处理需求,结合语义分割、注意力机制等方式,探究了端到端图像语义传输方案。进而,面向图像重构任务,考虑动态信道条件,设计了基于卷积神经网络的端到端语义自适应传输框架,并利用信源信道联合编码方法,进一步提高传输性能。仿真分析表明,相比传统通信方案,所提方案在低信噪比条件下,实现峰值信噪比不低于30 dB的同时,实现结构相似性指数高于0.9,有效提升了图像重构质量。

面向语义通信的信道知识库构建与信道处理研究综述

语义通信基于共享语义知识库辅助,提取信源语义特征进行编码传输,实现信息的“达意”传递,被认为是应对6G愿景的使能技术之一。为了构建高效、鲁棒的语义通信系统,深入研究语义通信中涉及无线信道建模与处理的相关内容必不可少,如挖掘信道特征以指导语义编/译码、对抗信道衰落与噪声以抑制语义信息误解等。旨在综述面向语义通信涉及无线信道建模与处理的研究进展,在概述语义通信原理基础上,总结了语义通信中涉及无线信道建模与处理的三个方面,包括信道知识库构建、物理信道处理和语义信道处理,综述了相关方面的研究方法与进展。结合已有研究成果,探讨了信道知识库构建和信道处理存在的挑战并展望了其未来发展方向。