邮件订阅
优先发表
优先发表栏目展示本刊经同行评议确定正式录用的文章，这些文章目前处在编校过程，尚未确定卷期及页码，但可以根据DOI进行引用。本栏目内容尚未正式出版，未经编辑部许可，不得转载。
显示方式:
, 最新更新时间 , doi: 10.11999/JEIT240717
摘要:
针对超可靠低时延通信(URLLC)场景，该文研究了融合透射与反射功能的智能超表面(STAR-RIS)辅助的非正交多址接入(NOMA)系统的传输设计。具体而言，该文联合设计了基站端的波束成形向量、RIS端的透射相移矩阵和反射相移矩阵，以在满足基站总功率约束的条件下实现能耗最小化。为解决所提出的非凸问题，该文首先分析了有限块长传输下的用户速率函数特性，并据此将优化问题进行等价转换。随后，采用交替优化和半正定松弛(SDR)方法来解决联合波束设计问题。实验结果表明，与正交多址接入和传统RIS方案相比，所提出的方法在能耗性能上有显著提升。
针对超可靠低时延通信(URLLC)场景，该文研究了融合透射与反射功能的智能超表面(STAR-RIS)辅助的非正交多址接入(NOMA)系统的传输设计。具体而言，该文联合设计了基站端的波束成形向量、RIS端的透射相移矩阵和反射相移矩阵，以在满足基站总功率约束的条件下实现能耗最小化。为解决所提出的非凸问题，该文首先分析了有限块长传输下的用户速率函数特性，并据此将优化问题进行等价转换。随后，采用交替优化和半正定松弛(SDR)方法来解决联合波束设计问题。实验结果表明，与正交多址接入和传统RIS方案相比，所提出的方法在能耗性能上有显著提升。
, 最新更新时间 , doi: 10.11999/JEIT240720
摘要:
虽然目前可以获取海量的多时相遥感数据，但是由于建筑物变化时间周期过长，难以获取充足的建筑物变化数据对儿来支撑数据驱动的深度学习变化检测模型构建，呈现多时相遥感建筑物变化检测处理精度差的问题。因此，为提升变化检测算法模型处理性能，该文从建筑物变化检测训练数据对生成开展研究，基于一致性对抗生成机理提出了多时相建筑物变化检测数据对生成网络(BAG-GAN)。其主要在多时相图像生成过程中采用对抗一致性损失函数约束，在保证生成图像和输入图像关联性的同时，保证了生成模型的多模态输出能力。此外，还通过重组原数据集中的变化标签和多时相遥感图像来进一步提升建筑物变化信息生成的多样性，解决了训练数据中有效建筑物变化信息占比少的问题，为变化监测算法模型的充分训练奠定了基础。最后，在LEVIR-CD和WHU-CD建筑变化检测数据集上进行了数据生成实验，并使用生成扩充后的数据集训练了多种较为经典的遥感图像变化检测模型，实验结果表明该文提出的BAG-GAN多时相建筑物变化检测数据对生成网络及相应的生成策略可以有效提升变化检测模型的处理精度。
虽然目前可以获取海量的多时相遥感数据，但是由于建筑物变化时间周期过长，难以获取充足的建筑物变化数据对儿来支撑数据驱动的深度学习变化检测模型构建，呈现多时相遥感建筑物变化检测处理精度差的问题。因此，为提升变化检测算法模型处理性能，该文从建筑物变化检测训练数据对生成开展研究，基于一致性对抗生成机理提出了多时相建筑物变化检测数据对生成网络(BAG-GAN)。其主要在多时相图像生成过程中采用对抗一致性损失函数约束，在保证生成图像和输入图像关联性的同时，保证了生成模型的多模态输出能力。此外，还通过重组原数据集中的变化标签和多时相遥感图像来进一步提升建筑物变化信息生成的多样性，解决了训练数据中有效建筑物变化信息占比少的问题，为变化监测算法模型的充分训练奠定了基础。最后，在LEVIR-CD和WHU-CD建筑变化检测数据集上进行了数据生成实验，并使用生成扩充后的数据集训练了多种较为经典的遥感图像变化检测模型，实验结果表明该文提出的BAG-GAN多时相建筑物变化检测数据对生成网络及相应的生成策略可以有效提升变化检测模型的处理精度。
, 最新更新时间 , doi: 10.11999/JEIT240606
摘要:
随着无人机(UAV)通信技术在军民领域的广泛应用，保障UAV网络中的信息传输安全越来越受到关注。隐蔽通信提供了一种隐藏信息行为的良好手段，但目前数字波束成形等技术在带来更好隐蔽通信性能的同时，增加了体积和功耗。该文提出了一种基于时间调制平面阵列(TMPA)感知辅助的UAV短包隐蔽通信方法。首先，该文提出了基于TMPA-UAV隐蔽通信系统架构，并以此为基础提出了一种2维波达方向角(DOA)估计方法。其次，针对该场景建立了隐蔽通信模型，基于KL散度推导了隐蔽约束的闭式表达式。进一步地，该文根据估计的Willie角度对TMPA的开关序列进行优化，以最大化目标方向信号增益的同时最小化非目标方向信号增益。最后，该文以隐蔽吞吐量作为优化目标，使用一维搜索求解关于包长和发射功率优化问题的最优解。仿真表明，存在一个最优的数据包长使隐蔽吞吐量最大，所提TMPA辅助感知方案能够有效保证隐蔽传输，此外，选择合适的无人机高度可提高隐蔽通信性能。
随着无人机(UAV)通信技术在军民领域的广泛应用，保障UAV网络中的信息传输安全越来越受到关注。隐蔽通信提供了一种隐藏信息行为的良好手段，但目前数字波束成形等技术在带来更好隐蔽通信性能的同时，增加了体积和功耗。该文提出了一种基于时间调制平面阵列(TMPA)感知辅助的UAV短包隐蔽通信方法。首先，该文提出了基于TMPA-UAV隐蔽通信系统架构，并以此为基础提出了一种2维波达方向角(DOA)估计方法。其次，针对该场景建立了隐蔽通信模型，基于KL散度推导了隐蔽约束的闭式表达式。进一步地，该文根据估计的Willie角度对TMPA的开关序列进行优化，以最大化目标方向信号增益的同时最小化非目标方向信号增益。最后，该文以隐蔽吞吐量作为优化目标，使用一维搜索求解关于包长和发射功率优化问题的最优解。仿真表明，存在一个最优的数据包长使隐蔽吞吐量最大，所提TMPA辅助感知方案能够有效保证隐蔽传输，此外，选择合适的无人机高度可提高隐蔽通信性能。
, 最新更新时间 , doi: 10.11999/JEIT240823
摘要:
随着视频编码标准的不断更新迭代，开放媒体联盟(AOM)发布最新视频编码标准开放媒体视频编码标准(AV1)。其中，帧内编码技术采用更加丰富的预测模式来提高预测效率，预测种类从VP9中的10种扩展至61种。为了应对预测种类增加的变化并提高硬件的处理吞吐能力，该文提出基于全流水线结构的AV1粗模式决策硬件架构设计。在算法层面，以4×4块为最小处理单元，按照Z顺序对64×64编码树单元(CTU)中不同尺寸的预测单元(PUs)进行粗模式决策，同时采用基于1:1 PU的代价累加近似方法来完成1:2, 1:4, 2:1和4:1 PU的代价计算，以减少计算复杂度；在硬件层面，设计兼容4×4至32×32等多尺寸PU的粗模式决策电路，取代为不同尺寸PU单独设计电路的方法，有效减少逻辑资源的闲置。实验结果表明，在全帧内(AI)配置下，提出的改进算法相较于AV1标准算法平均节省了45.78%的时间，提高了1.94% BD-Rate。同时，提出的硬件架构设计能够在1057 个时钟周期内完成64×64 CTU的粗模式决策，使用Synopsys公司的Design Compiler 2016工具及UMC 28 nm工艺库对硬件设计综合得到，该设计能够在432.7 MHz工作频率下实时处理8k@50.6fps的视频。
随着视频编码标准的不断更新迭代，开放媒体联盟(AOM)发布最新视频编码标准开放媒体视频编码标准(AV1)。其中，帧内编码技术采用更加丰富的预测模式来提高预测效率，预测种类从VP9中的10种扩展至61种。为了应对预测种类增加的变化并提高硬件的处理吞吐能力，该文提出基于全流水线结构的AV1粗模式决策硬件架构设计。在算法层面，以4×4块为最小处理单元，按照Z顺序对64×64编码树单元(CTU)中不同尺寸的预测单元(PUs)进行粗模式决策，同时采用基于1:1 PU的代价累加近似方法来完成1:2, 1:4, 2:1和4:1 PU的代价计算，以减少计算复杂度；在硬件层面，设计兼容4×4至32×32等多尺寸PU的粗模式决策电路，取代为不同尺寸PU单独设计电路的方法，有效减少逻辑资源的闲置。实验结果表明，在全帧内(AI)配置下，提出的改进算法相较于AV1标准算法平均节省了45.78%的时间，提高了1.94% BD-Rate。同时，提出的硬件架构设计能够在
, 最新更新时间 , doi: 10.11999/JEIT240488
摘要:
当基站(BS)和用户的位置固定，基站到智能反射面(IRS)与IRS到用户的距离和一定时，该文在视距信道和瑞利信道下基于最大化系统可达速率准则对无源和有源IRS的最优放置位置进行分析。首先，运用相位对齐和大数定律推导了无源和有源IRS辅助无线网络可达速率的闭合表达式；然后，分析了基站到IRS的路径损耗指数\begin{document}${\beta _1}$\end{document} \begin{document}${\beta _2}$\end{document} \begin{document}${\beta _{\text{1}}} \gt {\beta _{\text{2}}}$\end{document} \begin{document}${\beta _1}$\end{document} \begin{document}${\beta _2}$\end{document} \begin{document}${\beta _1} \lt {\beta _2}$\end{document} \begin{document}${\beta _1} = {\beta _2}$\end{document}
当基站(BS)和用户的位置固定，基站到智能反射面(IRS)与IRS到用户的距离和一定时，该文在视距信道和瑞利信道下基于最大化系统可达速率准则对无源和有源IRS的最优放置位置进行分析。首先，运用相位对齐和大数定律推导了无源和有源IRS辅助无线网络可达速率的闭合表达式；然后，分析了基站到IRS的路径损耗指数
, 最新更新时间 , doi: 10.11999/JEIT240561
摘要:
针对传统联合波束成形方法在智能超表面(RIS)辅助无人机(UAV)通信系统优化中存在的局限性，包括针对RIS仅考虑相移矩阵优化、优化方法缺乏应用普适性等问题，该文面向RIS辅助无人机通信服务多用户场景，创新性提出一种基于合作协同进化(CCEA)的联合波束优化方法。该方法利用两个子种群的独立进化将联合波束成形问题分解成RIS反射波波束设计和发射端波束设计两个子问题进行求解，通过进化过程中的信息交互与协作来实现联合波束成形设计。数值仿真结果表明，相较于仅考虑RIS相移矩阵设计的联合波束优化，CCEA通过设计RIS反射波波束形状改变了反射波在3维空间中的能量分布，进而提升了接收端信干噪比(SINR)和频谱效率；此外，基于种群的CCEA算法能够产生更加多样的解，因此在UAV和用户的不同位置设置下均能实现反射波对用户方向的有效覆盖，相对于传统方法能够避免局部最优、具有更强的应用普适性。
针对传统联合波束成形方法在智能超表面(RIS)辅助无人机(UAV)通信系统优化中存在的局限性，包括针对RIS仅考虑相移矩阵优化、优化方法缺乏应用普适性等问题，该文面向RIS辅助无人机通信服务多用户场景，创新性提出一种基于合作协同进化(CCEA)的联合波束优化方法。该方法利用两个子种群的独立进化将联合波束成形问题分解成RIS反射波波束设计和发射端波束设计两个子问题进行求解，通过进化过程中的信息交互与协作来实现联合波束成形设计。数值仿真结果表明，相较于仅考虑RIS相移矩阵设计的联合波束优化，CCEA通过设计RIS反射波波束形状改变了反射波在3维空间中的能量分布，进而提升了接收端信干噪比(SINR)和频谱效率；此外，基于种群的CCEA算法能够产生更加多样的解，因此在UAV和用户的不同位置设置下均能实现反射波对用户方向的有效覆盖，相对于传统方法能够避免局部最优、具有更强的应用普适性。
, 最新更新时间 , doi: 10.11999/JEIT240666
摘要:
在监控物联网中，一些感知设备需要在能耗受限条件下及时地将采集信息回传给接入节点(AP)，信息年龄(AoI)和能量效率(EE)对系统都很重要。该文研究了多设备监控物联网中时效与能效之间的折衷问题，其中感知设备在智能反射面(IRS)辅助下通过短包传输监控信息给AP。为了避免多个感知设备占用同一资源块导致包的碰撞，该文提出了一个接入控制协议，并推导了平均AoI和EE的闭式表达式。在此基础上，引入了平均AoI和EE之比这个指标，通过优化传输功率来最小化平均AoI和EE之比，以折衷时效性能与能效性能。仿真结果验证了该文理论分析的正确性，并且表明所提协议能够实现更好的时效和能效性能。此外，所提算法能够有效找出最优的时效-能效折衷点。
在监控物联网中，一些感知设备需要在能耗受限条件下及时地将采集信息回传给接入节点(AP)，信息年龄(AoI)和能量效率(EE)对系统都很重要。该文研究了多设备监控物联网中时效与能效之间的折衷问题，其中感知设备在智能反射面(IRS)辅助下通过短包传输监控信息给AP。为了避免多个感知设备占用同一资源块导致包的碰撞，该文提出了一个接入控制协议，并推导了平均AoI和EE的闭式表达式。在此基础上，引入了平均AoI和EE之比这个指标，通过优化传输功率来最小化平均AoI和EE之比，以折衷时效性能与能效性能。仿真结果验证了该文理论分析的正确性，并且表明所提协议能够实现更好的时效和能效性能。此外，所提算法能够有效找出最优的时效-能效折衷点。
, 最新更新时间 , doi: 10.11999/JEIT240663
摘要:
隐蔽通信可以在被监控的情况下安全传输数据，是网络安全领域重要分支。然而，实际通信系统具有通信环境复杂、覆盖范围广等特点，这使得隐蔽通信很难部署。为此，该文提出一种基于智能反射面(IRS)与无人机(UAV)辅助的无线隐蔽通信系统。引入智能反射表面作为中继节点转发发送者的信号，使用无人机作为发送者的友元节点，该友元节点通过发送人工噪声来干扰恶意用户对隐蔽通信的检测。在监听者接收噪声不确定的情况下，推导了最小错误检测概率，并与中断概率作为约束，以最大化隐蔽通信速率为目标 ，建立了系统的优化问题，采用Dinkelbach算法求解。仿真结果表明，当智能反射阵元的相位、干扰无人机的发射能量取得最优时，所提系统的隐蔽通信速率比单独配置智能反射表面的无线通信系统平均提高了37.9%，比单独配置无人机的系统评价速率提高了1.17倍。
隐蔽通信可以在被监控的情况下安全传输数据，是网络安全领域重要分支。然而，实际通信系统具有通信环境复杂、覆盖范围广等特点，这使得隐蔽通信很难部署。为此，该文提出一种基于智能反射面(IRS)与无人机(UAV)辅助的无线隐蔽通信系统。引入智能反射表面作为中继节点转发发送者的信号，使用无人机作为发送者的友元节点，该友元节点通过发送人工噪声来干扰恶意用户对隐蔽通信的检测。在监听者接收噪声不确定的情况下，推导了最小错误检测概率，并与中断概率作为约束，以最大化隐蔽通信速率为目标 ，建立了系统的优化问题，采用Dinkelbach算法求解。仿真结果表明，当智能反射阵元的相位、干扰无人机的发射能量取得最优时，所提系统的隐蔽通信速率比单独配置智能反射表面的无线通信系统平均提高了37.9%，比单独配置无人机的系统评价速率提高了1.17倍。
, 最新更新时间 , doi: 10.11999/JEIT240659
摘要:
为满足远郊和灾区物联网(IoT)设备的时延与能耗需求，该文构建了由IoT终端、低地球轨道(LEO)卫星和云计算中心组成的新型动态卫星物联网模型。在时延、能耗等实际约束条件下，将系统时延与能耗加权和视为系统开销，构造了最小化系统开销的任务卸载、功率和计算资源联合分配问题。针对动态任务到达场景，提出一种模型辅助的自适应深度强化学习(MADRL)算法，实现任务卸载决策、通信资源和计算资源的联合配置。该算法将问题分为两部分解决，第1部分通过模型辅助、二分搜索算法和梯度下降法优化了通信资源与计算资源；第2部分通过自适应深度强化学习算法训练出Q网络以适应随机任务的到达，进行卸载决策优化。该算法实现了有效的资源分配和可靠及时的任务卸载决策，且在降低系统开销方面表现出优异的效果。仿真结果表明，引入卫星的移动性，使得系统开销降低了41%。引入星间协作技术，使系统开销降低了22.1%。此外，该文所提算法收敛性能好。与基准算法相比，该算法的系统开销降低了3%，在不同环境下的性能表现都是最优。
为满足远郊和灾区物联网(IoT)设备的时延与能耗需求，该文构建了由IoT终端、低地球轨道(LEO)卫星和云计算中心组成的新型动态卫星物联网模型。在时延、能耗等实际约束条件下，将系统时延与能耗加权和视为系统开销，构造了最小化系统开销的任务卸载、功率和计算资源联合分配问题。针对动态任务到达场景，提出一种模型辅助的自适应深度强化学习(MADRL)算法，实现任务卸载决策、通信资源和计算资源的联合配置。该算法将问题分为两部分解决，第1部分通过模型辅助、二分搜索算法和梯度下降法优化了通信资源与计算资源；第2部分通过自适应深度强化学习算法训练出Q网络以适应随机任务的到达，进行卸载决策优化。该算法实现了有效的资源分配和可靠及时的任务卸载决策，且在降低系统开销方面表现出优异的效果。仿真结果表明，引入卫星的移动性，使得系统开销降低了41%。引入星间协作技术，使系统开销降低了22.1%。此外，该文所提算法收敛性能好。与基准算法相比，该算法的系统开销降低了3%，在不同环境下的性能表现都是最优。
, 最新更新时间 , doi: 10.11999/JEIT240733
摘要:
为弥补可重构智能表面(RIS)半空间覆盖和“乘性衰落”等不足，该文提出一种有源同时透射和反射可重构智能表面(aSTAR-RIS)技术用于提升移动边缘计算(MEC)卸载性能增益。首先，考虑MEC服务器计算资源、aSTAR-RIS能耗以及相移耦合约束，联合设计任务卸载比例、计算资源配置、多用户检测矩阵(MUD)、aSTAR-RIS相移以及用户上传功率，建立一个多变量耦合的加权总时延最小化问题。然后，借助块坐标下降法(BCD)将原问题分解为两个子问题，使用拉格朗日乘子法和罚项对偶分解法(PDD)交替优化子问题。仿真结果表明，相较于无源STAR-RIS方案，所提aSTAR-RIS辅助MEC方案加权总时延降低了12.66%。
为弥补可重构智能表面(RIS)半空间覆盖和“乘性衰落”等不足，该文提出一种有源同时透射和反射可重构智能表面(aSTAR-RIS)技术用于提升移动边缘计算(MEC)卸载性能增益。首先，考虑MEC服务器计算资源、aSTAR-RIS能耗以及相移耦合约束，联合设计任务卸载比例、计算资源配置、多用户检测矩阵(MUD)、aSTAR-RIS相移以及用户上传功率，建立一个多变量耦合的加权总时延最小化问题。然后，借助块坐标下降法(BCD)将原问题分解为两个子问题，使用拉格朗日乘子法和罚项对偶分解法(PDD)交替优化子问题。仿真结果表明，相较于无源STAR-RIS方案，所提aSTAR-RIS辅助MEC方案加权总时延降低了12.66%。
, 最新更新时间 , doi: 10.11999/JEIT240698
摘要:
在差异化服务共存的车联网场景中，针对基于平均信息年龄(AoI)优化无法降低极端事件发生概率的问题，该文提出一种信息新鲜度保障的用户功率控制和资源分配策略。首先，根据系统模型刻画出车辆到车辆(V2V)用户状态更新信息新鲜度约束下最大化车辆到基站(V2I)用户体验质量(QoE)的问题。然后，结合与AoI中断约束等价的队列积压约束，并引入极值理论以优化AoI尾部分布。接着，基于李雅普诺夫优化方法将原问题转化最小化李雅普诺夫漂移加惩罚函数的问题，在此基础上求解最优的用户发射功率。最后，在构建超图的基础上，提出了一种基于遗传算法改进粒子群算法(GA-PSO)的资源分配策略确定最优的用户信道复用方式。仿真结果表明，相比于基准方案，所提方案能够在降低V2V链路AoI中断的极端事件发生概率的同时，提高约7.03%的V2I链路信道容量，实现V2I用户平均QoE提升。
在差异化服务共存的车联网场景中，针对基于平均信息年龄(AoI)优化无法降低极端事件发生概率的问题，该文提出一种信息新鲜度保障的用户功率控制和资源分配策略。首先，根据系统模型刻画出车辆到车辆(V2V)用户状态更新信息新鲜度约束下最大化车辆到基站(V2I)用户体验质量(QoE)的问题。然后，结合与AoI中断约束等价的队列积压约束，并引入极值理论以优化AoI尾部分布。接着，基于李雅普诺夫优化方法将原问题转化最小化李雅普诺夫漂移加惩罚函数的问题，在此基础上求解最优的用户发射功率。最后，在构建超图的基础上，提出了一种基于遗传算法改进粒子群算法(GA-PSO)的资源分配策略确定最优的用户信道复用方式。仿真结果表明，相比于基准方案，所提方案能够在降低V2V链路AoI中断的极端事件发生概率的同时，提高约7.03%的V2I链路信道容量，实现V2I用户平均QoE提升。
, 最新更新时间 , doi: 10.11999/JEIT240414
摘要:
联邦学习是一种分布式机器学习方法，它使多个设备或节点能够协作训练模型，同时保持数据的本地性。但由于联邦学习是由不同方拥有的数据集进行模型训练，敏感数据可能会被泄露。为了改善上述问题，已有相关工作在联邦学习中应用差分隐私对梯度数据添加噪声。然而在采用了相应的隐私技术来降低敏感数据泄露风险的同时，模型精度和效果因为噪声大小的不同也受到了部分影响。为解决此问题，该文提出一种自适应聚类中心个数选择机制(DP-Fed-Adap)，根据训练轮次和梯度的变化动态地改变聚类中心个数，使模型可以在保持相同性能水平的同时确保对敏感数据的保护。实验表明，在使用相同的隐私预算前提下DP-Fed-Adap与添加了差分隐私的联邦相似算法(FedSim)和联邦平均算法(FedAvg)相比，具有更好的模型性能和隐私保护效果。
联邦学习是一种分布式机器学习方法，它使多个设备或节点能够协作训练模型，同时保持数据的本地性。但由于联邦学习是由不同方拥有的数据集进行模型训练，敏感数据可能会被泄露。为了改善上述问题，已有相关工作在联邦学习中应用差分隐私对梯度数据添加噪声。然而在采用了相应的隐私技术来降低敏感数据泄露风险的同时，模型精度和效果因为噪声大小的不同也受到了部分影响。为解决此问题，该文提出一种自适应聚类中心个数选择机制(DP-Fed-Adap)，根据训练轮次和梯度的变化动态地改变聚类中心个数，使模型可以在保持相同性能水平的同时确保对敏感数据的保护。实验表明，在使用相同的隐私预算前提下DP-Fed-Adap与添加了差分隐私的联邦相似算法(FedSim)和联邦平均算法(FedAvg)相比，具有更好的模型性能和隐私保护效果。
, 最新更新时间 , doi: 10.11999/JEIT240685
摘要:
移动边缘计算(MEC)通过将密集型任务从传感器卸载到附近边缘服务器，来增强本地的计算能力，延长其电池寿命。然而，在面向无线传感器网等时变环境中，任务之间的异构性可能会导致通信低效率、高时延等问题。为此，该文提出一种异步移动边缘计算网络中的联合任务调度与计算资源分配优化策略，该策略实时感知任务信息年龄和能耗，将异步边缘卸载问题数学建模为NP难(NP-hard problem)的混合整数规划问题，并提出基于混合动作优势演员-评论家(HA2C)强化学习算法的任务调度和计算资源分配方案解决该问题。仿真结果表明，该文方法能显著降低异步卸载网络的平均信息年龄和能耗，满足无线传感器网络对任务时效性的要求。
移动边缘计算(MEC)通过将密集型任务从传感器卸载到附近边缘服务器，来增强本地的计算能力，延长其电池寿命。然而，在面向无线传感器网等时变环境中，任务之间的异构性可能会导致通信低效率、高时延等问题。为此，该文提出一种异步移动边缘计算网络中的联合任务调度与计算资源分配优化策略，该策略实时感知任务信息年龄和能耗，将异步边缘卸载问题数学建模为NP难(NP-hard problem)的混合整数规划问题，并提出基于混合动作优势演员-评论家(HA2C)强化学习算法的任务调度和计算资源分配方案解决该问题。仿真结果表明，该文方法能显著降低异步卸载网络的平均信息年龄和能耗，满足无线传感器网络对任务时效性的要求。
, 最新更新时间 , doi: 10.11999/JEIT240874
摘要:
可重构智能表面(RIS)能够调控入射电磁波以优化通信系统性能，是第6代(6G)无线通信技术的关键创新。将可重构智能表面部署于无人机(UAV)上，借助无人机的灵活运动轨迹和按需部署特性，可以有效解决因树木和建筑等障碍物遮挡所引起的信息传输效率下降的问题。针对空中可重构智能表面辅助的车对车(V2V)通信场景，该文提出了一种基于几何的3维信道模型，该模型综合考虑了无人机在3个自由度下的旋转和任意轨迹移动，以及无人姿态变化对于信道模型的影响，引入了时变空间相位。此外，还考虑了发射端、接收端和无人机的实时运动速度和方向，给出了复信道脉冲响应(CIRs)的表达式，并对空域互相关函数(CCFs)、时域自相关函数(ACFs)和信道容量等关键信道统计特性进行了详细分析。仿真结果表明，所提信道模型能够准确捕获信道特性，为未来可重构智能面辅助无线通信的系统设计和优化提供了有价值的理论参考。
可重构智能表面(RIS)能够调控入射电磁波以优化通信系统性能，是第6代(6G)无线通信技术的关键创新。将可重构智能表面部署于无人机(UAV)上，借助无人机的灵活运动轨迹和按需部署特性，可以有效解决因树木和建筑等障碍物遮挡所引起的信息传输效率下降的问题。针对空中可重构智能表面辅助的车对车(V2V)通信场景，该文提出了一种基于几何的3维信道模型，该模型综合考虑了无人机在3个自由度下的旋转和任意轨迹移动，以及无人姿态变化对于信道模型的影响，引入了时变空间相位。此外，还考虑了发射端、接收端和无人机的实时运动速度和方向，给出了复信道脉冲响应(CIRs)的表达式，并对空域互相关函数(CCFs)、时域自相关函数(ACFs)和信道容量等关键信道统计特性进行了详细分析。仿真结果表明，所提信道模型能够准确捕获信道特性，为未来可重构智能面辅助无线通信的系统设计和优化提供了有价值的理论参考。
, 最新更新时间 , doi: 10.11999/JEIT240847
摘要:
无人机(UAV)辅助联邦边缘学习的通信能够有效解决终端设备数据孤岛问题和数据泄露风险。然而，窃听者可能利用联邦边缘学习中的模型更新来恢复终端设备的原始隐私数据，从而对系统的隐私安全构成极大威胁。为了克服这一挑战，该文在无人机辅助联邦边缘学习通信系统提出一种有效的安全聚合和资源优化方案。具体来说，终端设备利用其本地数据进行局部模型训练来更新参数，并将其发送给全局无人机，无人机据此聚合出新的全局模型参数。窃听者试图通过窃听终端设备发送的模型参数信号来恢复终端设备的原始数据。该文通过联合优化终端设备的传输带宽、CPU频率、发送功率以及无人机的CPU频率，最大化安全隐私能效。为了解决该优化问题，该文提出一种演进深度确定性策略梯度(DDPG)算法，通过和系统智能交互，在保证基本时延和能耗需求的情况下获得安全聚合和资源优化方案。最后，通过和基准方案对比，验证了所提方案的有效性。
无人机(UAV)辅助联邦边缘学习的通信能够有效解决终端设备数据孤岛问题和数据泄露风险。然而，窃听者可能利用联邦边缘学习中的模型更新来恢复终端设备的原始隐私数据，从而对系统的隐私安全构成极大威胁。为了克服这一挑战，该文在无人机辅助联邦边缘学习通信系统提出一种有效的安全聚合和资源优化方案。具体来说，终端设备利用其本地数据进行局部模型训练来更新参数，并将其发送给全局无人机，无人机据此聚合出新的全局模型参数。窃听者试图通过窃听终端设备发送的模型参数信号来恢复终端设备的原始数据。该文通过联合优化终端设备的传输带宽、CPU频率、发送功率以及无人机的CPU频率，最大化安全隐私能效。为了解决该优化问题，该文提出一种演进深度确定性策略梯度(DDPG)算法，通过和系统智能交互，在保证基本时延和能耗需求的情况下获得安全聚合和资源优化方案。最后，通过和基准方案对比，验证了所提方案的有效性。
, 最新更新时间 , doi: 10.11999/JEIT240719
摘要:
当前车联网(V2X)环境普遍存在频谱资源紧缺和数据传输效率低的问题。该文通过集成感知、通信和计算车联网系统(ISCC-V2X)以提升车辆用户的数据传输能力。ISCC-V2X中采用雷达感知技术帮助次用户接入主用户频谱空洞进行车联网通信，在车辆用户中加入计算单元提升数据传输卸载能力，为了更好地提升车联网通信和计算性能并同时降低系统功耗，在ISCC-V2X中引入混合智能反射面(H-RIS)。该研究从时间和功率资源分配的角度出发，对H-RIS辅助的ISCC-V2X技术进行了深入探讨。该文采用了一种两阶段的优化方法，对功率分配、时间分配和反射元件进行交替优化求解，以找到最佳的优化方案，并通过定义联合吞吐量(JTC)的性能指标来表征次用户的数据传输能力和计算性能。通过仿真实验分析表明，在H-RIS辅助ISCC-V2X场景中存在一种时间功率联合分配的最优策略，能够显著提升次用户的联合吞吐量。
当前车联网(V2X)环境普遍存在频谱资源紧缺和数据传输效率低的问题。该文通过集成感知、通信和计算车联网系统(ISCC-V2X)以提升车辆用户的数据传输能力。ISCC-V2X中采用雷达感知技术帮助次用户接入主用户频谱空洞进行车联网通信，在车辆用户中加入计算单元提升数据传输卸载能力，为了更好地提升车联网通信和计算性能并同时降低系统功耗，在ISCC-V2X中引入混合智能反射面(H-RIS)。该研究从时间和功率资源分配的角度出发，对H-RIS辅助的ISCC-V2X技术进行了深入探讨。该文采用了一种两阶段的优化方法，对功率分配、时间分配和反射元件进行交替优化求解，以找到最佳的优化方案，并通过定义联合吞吐量(JTC)的性能指标来表征次用户的数据传输能力和计算性能。通过仿真实验分析表明，在H-RIS辅助ISCC-V2X场景中存在一种时间功率联合分配的最优策略，能够显著提升次用户的联合吞吐量。
, 最新更新时间 , doi: 10.11999/JEIT240796
摘要:
在车载网络(VANETs)中，联邦学习(FL)通过协同训练机器学习模型，实现了车辆间的数据隐私保护，并提高了整体模型的性能。然而，FL在VANETs中的应用仍面临诸多挑战，如模型泄露风险、训练结果验证困难以及高计算和通信成本等问题。针对这些问题，该文提出一种面向联邦学习的可验证隐私保护批量聚合方案。首先，该方案基于Boneh-Lynn-Shacham (BLS)动态短群聚合签名技术，保护了客户端与路边单元(RSU)交互过程中的数据完整性，确保全局梯度模型更新与共享过程的不可篡改性。当出现异常结果时，方案利用群签名的特性实现车辆的可追溯性。其次，结合改进的Cheon-Kim-Kim-Song (CKKS)线性同态哈希算法，对梯度聚合结果进行验证，确保在联邦学习的聚合过程中保持客户端梯度的机密性，并验证聚合结果的准确性，防止服务器篡改数据导致模型训练无效的问题。此外，该方案还支持车辆在部分掉线的情况下继续更新模型，保障系统的稳定性。实验结果表明，与现有方案相比，该方案在提升数据隐私安全性和结果的可验证性的同时，保证了较高效率。
在车载网络(VANETs)中，联邦学习(FL)通过协同训练机器学习模型，实现了车辆间的数据隐私保护，并提高了整体模型的性能。然而，FL在VANETs中的应用仍面临诸多挑战，如模型泄露风险、训练结果验证困难以及高计算和通信成本等问题。针对这些问题，该文提出一种面向联邦学习的可验证隐私保护批量聚合方案。首先，该方案基于Boneh-Lynn-Shacham (BLS)动态短群聚合签名技术，保护了客户端与路边单元(RSU)交互过程中的数据完整性，确保全局梯度模型更新与共享过程的不可篡改性。当出现异常结果时，方案利用群签名的特性实现车辆的可追溯性。其次，结合改进的Cheon-Kim-Kim-Song (CKKS)线性同态哈希算法，对梯度聚合结果进行验证，确保在联邦学习的聚合过程中保持客户端梯度的机密性，并验证聚合结果的准确性，防止服务器篡改数据导致模型训练无效的问题。此外，该方案还支持车辆在部分掉线的情况下继续更新模型，保障系统的稳定性。实验结果表明，与现有方案相比，该方案在提升数据隐私安全性和结果的可验证性的同时，保证了较高效率。
, 最新更新时间 , doi: 10.11999/JEIT240631
摘要:
无线通信设备数量的骤增造成频谱资源日益稀缺，通信用频逐渐向更高频段扩展，从而导致通信与雷达频段出现越来越多的重叠，雷达通信一体化被视为解决频谱拥挤实现高效共生的潜在技术。该文考虑一个多输入多输出(MIMO)雷达通信一体化系统，在实现目标探测的同时进行多用户通信。首先，在满足多用户信干噪比和总功率约束的条件下，最大化目标方向的波束图增益。然后，针对一体化发射波束成形设计问题，提出基于半正定松弛(SDR)和优化最小化(MM)的两种波束成形设计方案，求解得到发射波束成形矢量。最后，仿真结果表明基于MM的方案复杂度更低，并且能够实现与基于SDR的方案几乎相同的波束图增益。此外，随着发射天线数量的增加，基于MM的方案相比于基于SDR的方案复杂度的降低程度变得更为显著。
无线通信设备数量的骤增造成频谱资源日益稀缺，通信用频逐渐向更高频段扩展，从而导致通信与雷达频段出现越来越多的重叠，雷达通信一体化被视为解决频谱拥挤实现高效共生的潜在技术。该文考虑一个多输入多输出(MIMO)雷达通信一体化系统，在实现目标探测的同时进行多用户通信。首先，在满足多用户信干噪比和总功率约束的条件下，最大化目标方向的波束图增益。然后，针对一体化发射波束成形设计问题，提出基于半正定松弛(SDR)和优化最小化(MM)的两种波束成形设计方案，求解得到发射波束成形矢量。最后，仿真结果表明基于MM的方案复杂度更低，并且能够实现与基于SDR的方案几乎相同的波束图增益。此外，随着发射天线数量的增加，基于MM的方案相比于基于SDR的方案复杂度的降低程度变得更为显著。
, 最新更新时间 , doi: 10.11999/JEIT240517
摘要:
针对车联网(IoV)中传统信任管理方案对恶意车辆的识别假阳率高、无法满足多样化服务且传统共识算法不适用于当前车联网环境的问题，该文提出了基于区块链的协作式车联网信任管理方案。构建了基于狄利克雷分布的信任管理模型，将车辆信任和协作服务划分为多个等级，针对不同服务调整信任等级阈值。设计了具有反馈机制的信任等级评价算法，考虑协作车辆当前状态、邻居推荐、历史信任信息、服务质量四方面因素，从协作前、后两阶段对协作车辆信任等级进行评价。改进了传统的工作量证明(PoW)共识算法，动态调整矿工节点出块难度。仿真结果表明，相比同类方案，所提方案在保证能够高效识别恶意节点的前提下，还能够进一步降低识别假阳率，提高协作成功率和共识效率。
针对车联网(IoV)中传统信任管理方案对恶意车辆的识别假阳率高、无法满足多样化服务且传统共识算法不适用于当前车联网环境的问题，该文提出了基于区块链的协作式车联网信任管理方案。构建了基于狄利克雷分布的信任管理模型，将车辆信任和协作服务划分为多个等级，针对不同服务调整信任等级阈值。设计了具有反馈机制的信任等级评价算法，考虑协作车辆当前状态、邻居推荐、历史信任信息、服务质量四方面因素，从协作前、后两阶段对协作车辆信任等级进行评价。改进了传统的工作量证明(PoW)共识算法，动态调整矿工节点出块难度。仿真结果表明，相比同类方案，所提方案在保证能够高效识别恶意节点的前提下，还能够进一步降低识别假阳率，提高协作成功率和共识效率。
, 最新更新时间 , doi: 10.11999/JEIT241053
摘要:
配备存储部件的机会无人机打开了数据传输的机会时间窗口，在低空数据收集系统中呈现巨大的潜力。为了提高数据收集效率，移动用户可以主动组网，将数据预先集聚到具备位置优势的簇头节点，由簇头节点负责上传，实现时空维度的流量塑形。该文研究了机会无人机辅助数据收集的组网和资源分配方法。具体而言，如何根据机会无人机的既定航迹，通过联合优化用户的子网数据传输策略、子网资源分配策略和子网形成策略，最大化全网数据上传总量。上述问题高度耦合且具有海量的状态空间，较难求解。该文通过推导闭式表达式求解子网数据传输和资源分配子问题，通过联盟博弈求解子网形成子问题。最终提出了一种迭代优化算法来获得具有高效、可靠、自组织和低复杂度的解决方案。仿真结果表明所提方法能够有效提升数据收集效率。同独立上传策略以及基于距离聚类和传统联盟博弈组网策略相比，所提方案的数据上传总量分别提升了56.3%，51.6%和17.8%。
配备存储部件的机会无人机打开了数据传输的机会时间窗口，在低空数据收集系统中呈现巨大的潜力。为了提高数据收集效率，移动用户可以主动组网，将数据预先集聚到具备位置优势的簇头节点，由簇头节点负责上传，实现时空维度的流量塑形。该文研究了机会无人机辅助数据收集的组网和资源分配方法。具体而言，如何根据机会无人机的既定航迹，通过联合优化用户的子网数据传输策略、子网资源分配策略和子网形成策略，最大化全网数据上传总量。上述问题高度耦合且具有海量的状态空间，较难求解。该文通过推导闭式表达式求解子网数据传输和资源分配子问题，通过联盟博弈求解子网形成子问题。最终提出了一种迭代优化算法来获得具有高效、可靠、自组织和低复杂度的解决方案。仿真结果表明所提方法能够有效提升数据收集效率。同独立上传策略以及基于距离聚类和传统联盟博弈组网策略相比，所提方案的数据上传总量分别提升了56.3%，51.6%和17.8%。
, 最新更新时间 , doi: 10.11999/JEIT240619
摘要:
针对视频和触觉业务共存的跨模态业务场景，该文构建了可重构智能表面(RIS)辅助的共存网络切片系统，用以提高视频业务和触觉业务的传输速率和可靠性。同时，为了有效降低触觉业务通过穿孔带给视频业务的资源损耗，提出了动态被动波束赋形方案，允许RIS在不同时隙进行动态调整。基于上述方案，该文在确保触觉业务传输的时延和可靠性满足约束的同时，构建最大化视频业务传输速率的优化问题，以满足跨模态业务共存需求，实现资源的合理分配。为求解此优化问题，该文将其建模为一个马尔可夫决策过程(MDP)，通过深度确定性策略梯度(DDPG)算法来进行视频数据和触觉数据传输资源的联合优化。仿真结果显示，与现有方案相比，所提方案具有一定的优越性，在保证传输触觉业务可靠性的前提下，提高了约66.67%的视频业务和速率。
针对视频和触觉业务共存的跨模态业务场景，该文构建了可重构智能表面(RIS)辅助的共存网络切片系统，用以提高视频业务和触觉业务的传输速率和可靠性。同时，为了有效降低触觉业务通过穿孔带给视频业务的资源损耗，提出了动态被动波束赋形方案，允许RIS在不同时隙进行动态调整。基于上述方案，该文在确保触觉业务传输的时延和可靠性满足约束的同时，构建最大化视频业务传输速率的优化问题，以满足跨模态业务共存需求，实现资源的合理分配。为求解此优化问题，该文将其建模为一个马尔可夫决策过程(MDP)，通过深度确定性策略梯度(DDPG)算法来进行视频数据和触觉数据传输资源的联合优化。仿真结果显示，与现有方案相比，所提方案具有一定的优越性，在保证传输触觉业务可靠性的前提下，提高了约66.67%的视频业务和速率。
, 最新更新时间 , doi: 10.11999/JEIT240953
摘要:
网络安全实体识别作为威胁信息抽取、构建知识图谱的基础，对于发现和应对网络威胁具有至关重要的作用。该文针对当前主流的命名实体识别方法在网络安全领域泛化能力欠佳、难以清晰判断网络安全实体边界的问题，提出一种基于字符表示学习与时序边界扩散的网络安全实体识别方法。该方法首先将命名实体识别任务分解为实体边界检测与实体分类两个子任务，分别进行处理；其次，对于实体边界检测任务，使用基于问答的方法将预定义的问题与数据进行编码，采用膨胀卷积残差字符网络进行数据的字符级特征提取，并使用时序边界扩散网络判断实体边界；然后，对于实体分类任务，同样使用问答方法，并独立训练分类器进行实体类型判断；最后将实体边界检测任务的结果输入实体分类任务判断实体的类型。为验证方法有效性，在网络威胁情报数据集DNRTI上进行测试。实验结果表明，边界检测效率的提升能够有效增强命名实体识别的性能。该方法在网络安全实体识别任务中不仅资源开销较小，且对比近年提出的基线方法性能有所提升，其中较最近两年的方法在F1分数上提升了0.36%～1.46%。
网络安全实体识别作为威胁信息抽取、构建知识图谱的基础，对于发现和应对网络威胁具有至关重要的作用。该文针对当前主流的命名实体识别方法在网络安全领域泛化能力欠佳、难以清晰判断网络安全实体边界的问题，提出一种基于字符表示学习与时序边界扩散的网络安全实体识别方法。该方法首先将命名实体识别任务分解为实体边界检测与实体分类两个子任务，分别进行处理；其次，对于实体边界检测任务，使用基于问答的方法将预定义的问题与数据进行编码，采用膨胀卷积残差字符网络进行数据的字符级特征提取，并使用时序边界扩散网络判断实体边界；然后，对于实体分类任务，同样使用问答方法，并独立训练分类器进行实体类型判断；最后将实体边界检测任务的结果输入实体分类任务判断实体的类型。为验证方法有效性，在网络威胁情报数据集DNRTI上进行测试。实验结果表明，边界检测效率的提升能够有效增强命名实体识别的性能。该方法在网络安全实体识别任务中不仅资源开销较小，且对比近年提出的基线方法性能有所提升，其中较最近两年的方法在F1分数上提升了0.36%～1.46%。
, 最新更新时间 , doi: 10.11999/JEIT240344
摘要:
针对移动边缘计算(MEC)场景中任务卸载、计算和结果反馈全过程时延优化问题，该文提出了一种数字孪生(DT)辅助的联合MEC任务卸载、设备关联与资源分配的端到端时延优化方法。首先，在数字孪生边缘网络(DITEN)框架下，为包含传感器、边缘服务器以及执行器构成的边缘计算网络建立了物理模型与数字孪生模型，以及全过程边缘网络任务模型并推导了任务端到端时延，进而建立了时延、能耗等约束下的端到端时延优化问题。其次，为解决所提出的混合整数非凸优化问题，将原问题分解为4个子问题，并提出了一种基于内部凸近似方法和匈牙利算法的交替优化算法。在DT辅助下联合优化了设备关联、卸载比例、发射功率、传输带宽以及DT估计处理速率。最后，仿真结果表明，与其他基准方案相比，所提联合优化方案显著降低了端到端时延。
针对移动边缘计算(MEC)场景中任务卸载、计算和结果反馈全过程时延优化问题，该文提出了一种数字孪生(DT)辅助的联合MEC任务卸载、设备关联与资源分配的端到端时延优化方法。首先，在数字孪生边缘网络(DITEN)框架下，为包含传感器、边缘服务器以及执行器构成的边缘计算网络建立了物理模型与数字孪生模型，以及全过程边缘网络任务模型并推导了任务端到端时延，进而建立了时延、能耗等约束下的端到端时延优化问题。其次，为解决所提出的混合整数非凸优化问题，将原问题分解为4个子问题，并提出了一种基于内部凸近似方法和匈牙利算法的交替优化算法。在DT辅助下联合优化了设备关联、卸载比例、发射功率、传输带宽以及DT估计处理速率。最后，仿真结果表明，与其他基准方案相比，所提联合优化方案显著降低了端到端时延。
, 最新更新时间 , doi: 10.11999/JEIT240710
摘要:
该文研究了一种基于新型光学可调制智能超表面(IRS)辅助的无蜂窝可见光通信(VLC)网络接入方案，其中IRS可以为收发端提供额外的反射信道，也可以利用反射系数可调制的特性，直接为网络用户提供无线接入。该文建立了可调制IRS辅助的无蜂窝VLC接入网络的系统模型，推导了网络吞吐量与发光二极管(LED)照明通信设备的工作模式、IRS的工作模式和用户接入关联之间的关系，并提出以最大化网络吞吐量为目标的接入优化问题。该优化问题分两步求解：(1) 当调制模式的LED数和调制模式的IRS数给定时，基于深度确定性策略梯度(DDPG)的深度强化学习(DRL)算法可以得到最优的接入点工作模式和用户接入关联策略；(2) 遍历可能的调制LED数和调制IRS元件数即可得到优化问题的解。仿真结果表明，联合优化接入点的工作模式和用户接入关联矩阵可以提高IRS辅助无蜂窝VLC网络吞吐量。
该文研究了一种基于新型光学可调制智能超表面(IRS)辅助的无蜂窝可见光通信(VLC)网络接入方案，其中IRS可以为收发端提供额外的反射信道，也可以利用反射系数可调制的特性，直接为网络用户提供无线接入。该文建立了可调制IRS辅助的无蜂窝VLC接入网络的系统模型，推导了网络吞吐量与发光二极管(LED)照明通信设备的工作模式、IRS的工作模式和用户接入关联之间的关系，并提出以最大化网络吞吐量为目标的接入优化问题。该优化问题分两步求解：(1) 当调制模式的LED数和调制模式的IRS数给定时，基于深度确定性策略梯度(DDPG)的深度强化学习(DRL)算法可以得到最优的接入点工作模式和用户接入关联策略；(2) 遍历可能的调制LED数和调制IRS元件数即可得到优化问题的解。仿真结果表明，联合优化接入点的工作模式和用户接入关联矩阵可以提高IRS辅助无蜂窝VLC网络吞吐量。
, 最新更新时间 , doi: 10.11999/JEIT240612
摘要:
近年来，有源可重构智能表面(ARIS)技术获得了学术界的广泛关注。然而，ARIS在多RIS辅助无线通信系统中的应用还缺乏相关研究。针对此问题，该文提出基于双RIS辅助的无线通信系统模型。模型假设基站(BS)和用户之间的直连链路受阻，仅通过RIS形成的反射链路进行通信。在此基础上，根据ARIS与被动RIS(PRIS)的不同组合情况，提出4种RIS组合模型。模型的目标是优化基站波束赋形、RIS的相移矩阵和功率分配因子，以最大化系统通信容量。由于该优化问题为非凸问题，该文采用了交替优化算法(AO)与连续凸逼近(SCA)对问题进行处理。仿真结果表明，无论基站发射功率高或低，TAAR组合模型的性能均显著优于传统单ARIS配置。
近年来，有源可重构智能表面(ARIS)技术获得了学术界的广泛关注。然而，ARIS在多RIS辅助无线通信系统中的应用还缺乏相关研究。针对此问题，该文提出基于双RIS辅助的无线通信系统模型。模型假设基站(BS)和用户之间的直连链路受阻，仅通过RIS形成的反射链路进行通信。在此基础上，根据ARIS与被动RIS(PRIS)的不同组合情况，提出4种RIS组合模型。模型的目标是优化基站波束赋形、RIS的相移矩阵和功率分配因子，以最大化系统通信容量。由于该优化问题为非凸问题，该文采用了交替优化算法(AO)与连续凸逼近(SCA)对问题进行处理。仿真结果表明，无论基站发射功率高或低，TAAR组合模型的性能均显著优于传统单ARIS配置。
, 最新更新时间 , doi: 10.11999/JEIT240324
摘要:
非局部稀疏表示模型，如联合稀疏(JS)模型、低秩(LR)模型和组稀疏表示(GSR)模型，通过有效利用图像的非局部自相似(NSS)属性，在图像去噪研究中展现出巨大的潜力。流行的基于字典的JS算法在其目标函数中利用松驰的凸惩罚，避免了NP-hard稀疏编码，但只能得到近似的稀疏表示。这种近似的JS模型未能对潜在的图像数据施加低秩性，从而导致图像去噪质量降低。该文提出一种新颖的低秩正则联合稀疏(LRJS)模型，用于求解图像去噪问题。提出的LRJS模型同时利用非局部相似块的LR和JS先验信息，可以增强非局部相似块之间的相关性(即低秩性)，从而可以更好地抑制噪声，提升去噪图像的质量。为了提高优化过程的可处理性和鲁棒性，该文设计了一种具有自适应参数调整策略的交替最小化算法来求解目标函数。在两个图像去噪问题(包括高斯噪声去除和泊松去噪)上的实验结果表明，提出的LRJS方法在客观度量和视觉感知上均优于许多现有的流行或先进的图像去噪算法，特别是在处理具有高度自相似性的图像数据时表现更为出色。提出的LRJS图像去噪算法的源代码通过以下链接下载：https://pan.baidu.com/s/14bt6u94NBTZXxhWjBHxn6A?pwd=1234 ，提取码：1234。
非局部稀疏表示模型，如联合稀疏(JS)模型、低秩(LR)模型和组稀疏表示(GSR)模型，通过有效利用图像的非局部自相似(NSS)属性，在图像去噪研究中展现出巨大的潜力。流行的基于字典的JS算法在其目标函数中利用松驰的凸惩罚，避免了NP-hard稀疏编码，但只能得到近似的稀疏表示。这种近似的JS模型未能对潜在的图像数据施加低秩性，从而导致图像去噪质量降低。该文提出一种新颖的低秩正则联合稀疏(LRJS)模型，用于求解图像去噪问题。提出的LRJS模型同时利用非局部相似块的LR和JS先验信息，可以增强非局部相似块之间的相关性(即低秩性)，从而可以更好地抑制噪声，提升去噪图像的质量。为了提高优化过程的可处理性和鲁棒性，该文设计了一种具有自适应参数调整策略的交替最小化算法来求解目标函数。在两个图像去噪问题(包括高斯噪声去除和泊松去噪)上的实验结果表明，提出的LRJS方法在客观度量和视觉感知上均优于许多现有的流行或先进的图像去噪算法，特别是在处理具有高度自相似性的图像数据时表现更为出色。提出的LRJS图像去噪算法的源代码通过以下链接下载：
, 最新更新时间 , doi: 10.11999/JEIT240404
摘要:
信息年龄(AoI)是信息新鲜度的衡量指标，针对时间敏感的物联网，最小化AoI显得尤为重要。该文基于LoRa网络的智能交通环境，分析Slot-Aloha协议下的AoI优化策略。该文建立了Slot-Aloha协议下数据包之间传输碰撞和等待时间的系统模型，并通过分析指出，在LoRa上行传输过程中，随着数据包数量增多，AoI主要受到数据包碰撞影响。为克服优化问题中动作空间过大导致难以实现有效求解的问题，该文采用连续动作空间映射离散动作空间的方式，使用柔性动作-评价 (SAC)算法对LoRa网络下的AoI进行优化。仿真结果显示，SAC算法优于传统算法与传统深度强化学习算法，可有效降低网络的平均AoI。
信息年龄(AoI)是信息新鲜度的衡量指标，针对时间敏感的物联网，最小化AoI显得尤为重要。该文基于LoRa网络的智能交通环境，分析Slot-Aloha协议下的AoI优化策略。该文建立了Slot-Aloha协议下数据包之间传输碰撞和等待时间的系统模型，并通过分析指出，在LoRa上行传输过程中，随着数据包数量增多，AoI主要受到数据包碰撞影响。为克服优化问题中动作空间过大导致难以实现有效求解的问题，该文采用连续动作空间映射离散动作空间的方式，使用柔性动作-评价 (SAC)算法对LoRa网络下的AoI进行优化。仿真结果显示，SAC算法优于传统算法与传统深度强化学习算法，可有效降低网络的平均AoI。
, 最新更新时间 , doi: 10.11999/JEIT240643
摘要:
为了解决感知与通信一体化(ISAC)系统中的信息安全传输问题，该文研究智能反射面(IRS)辅助的感知与隐蔽通信一体化(ISACC)系统中的资源分配算法。首先，分析监测者Willie的最优检测性能，并推导了其最小检测错误概率的下界表达式。随后，推导目标估计的平均克拉美罗下界(CRLB)的解析表达式。在此基础上，构建以最小化平均CRLB为目标函数，以隐蔽需求、通信速率需求、IRS相移等为约束的优化问题。提出基于交替优化(AO)的惩罚连续凸近似(PSCA)的算法联合设计了感知信号协方差矩阵、通信信号波束成形以及IRS相移。仿真结果表明，所提IRS辅助的ISACC系统方案可以较好地均衡目标感知性能和隐蔽无线通信性能。
为了解决感知与通信一体化(ISAC)系统中的信息安全传输问题，该文研究智能反射面(IRS)辅助的感知与隐蔽通信一体化(ISACC)系统中的资源分配算法。首先，分析监测者Willie的最优检测性能，并推导了其最小检测错误概率的下界表达式。随后，推导目标估计的平均克拉美罗下界(CRLB)的解析表达式。在此基础上，构建以最小化平均CRLB为目标函数，以隐蔽需求、通信速率需求、IRS相移等为约束的优化问题。提出基于交替优化(AO)的惩罚连续凸近似(PSCA)的算法联合设计了感知信号协方差矩阵、通信信号波束成形以及IRS相移。仿真结果表明，所提IRS辅助的ISACC系统方案可以较好地均衡目标感知性能和隐蔽无线通信性能。
, 最新更新时间 , doi: 10.11999/JEIT240349
摘要:
正交时频空(Orthogonal Time Frequency Space, OTFS)系统由于在面对高速移动通信场景下的时频双色散信道时的优异性能受到了广泛关注。为了准确获取信道状态信息，采用基于压缩感知的信道估计方法，并辅以特殊的导频序列完成信道估计。该文针对导频优化问题，提出了一种基于改进遗传算法的OTFS导频序列优化方法，该方法以互相关最小化为优化目标，采用遗传算法进行寻优，并能够自适应调整交叉和变异概率，在较少的迭代次数下即可实现比传统伪随机序列更优的互相关性，能够有效提高信道估计的准确性。此外，考虑到目标函数的计算量较大，该文分析了互相关的计算过程，并对其中的冗余计算进行了化简，与直接计算字典集的互相关值相比大大提高了算法的优化效率。
正交时频空(Orthogonal Time Frequency Space, OTFS)系统由于在面对高速移动通信场景下的时频双色散信道时的优异性能受到了广泛关注。为了准确获取信道状态信息，采用基于压缩感知的信道估计方法，并辅以特殊的导频序列完成信道估计。该文针对导频优化问题，提出了一种基于改进遗传算法的OTFS导频序列优化方法，该方法以互相关最小化为优化目标，采用遗传算法进行寻优，并能够自适应调整交叉和变异概率，在较少的迭代次数下即可实现比传统伪随机序列更优的互相关性，能够有效提高信道估计的准确性。此外，考虑到目标函数的计算量较大，该文分析了互相关的计算过程，并对其中的冗余计算进行了化简，与直接计算字典集的互相关值相比大大提高了算法的优化效率。
, 最新更新时间 , doi: 10.11999/JEIT240655
摘要:
大尺度战场环境中电磁频谱作战装备测试和演训需要依靠大规模数字化电磁环境进行仿真，然而大尺度电磁信道计算复杂度较高，难以提升计算速度。针对这一问题，该文提出一种迭代时域辐射度算法。该算法通过递推方法建模信道，利用空间相干性复用前一时刻的信道数据，并经过修正后用于当前时刻的信道计算。同时，采用面元信道搜索方法对面元中的信道进行低复杂度近似，有效降低了计算复杂度。仿真结果表明，与传统时域辐射度算法相比，所提算法在保证计算精度的基础上计算速度提升了1个数量级。与频域辐射度算法相比，所提算法的时延分辨率更高，更适用于大规模战场环境。
大尺度战场环境中电磁频谱作战装备测试和演训需要依靠大规模数字化电磁环境进行仿真，然而大尺度电磁信道计算复杂度较高，难以提升计算速度。针对这一问题，该文提出一种迭代时域辐射度算法。该算法通过递推方法建模信道，利用空间相干性复用前一时刻的信道数据，并经过修正后用于当前时刻的信道计算。同时，采用面元信道搜索方法对面元中的信道进行低复杂度近似，有效降低了计算复杂度。仿真结果表明，与传统时域辐射度算法相比，所提算法在保证计算精度的基础上计算速度提升了1个数量级。与频域辐射度算法相比，所提算法的时延分辨率更高，更适用于大规模战场环境。
, 最新更新时间 , doi: 10.11999/JEIT240481
摘要:
现有光场图像角度重建方法通过探索光场图像内在的空间-角度信息以进行角度重建，但无法同时处理不同视点层的子孔径图像重建任务，难以满足光场图像可伸缩编码的需求。为此，将视点层视为稀疏模板，该文提出一种能够单模型处理不同角度稀疏模板的光场图像角度重建方法。将不同的角度稀疏模板视为微透镜阵列图像的不同表示，通过模板对齐将输入的不同视点层整合为微透镜阵列图像，采用多阶段特征学习方式，以微透镜阵列级-子孔径级的特征学习策略来处理不同输入的稀疏模板，并辅以独特的训练模式，以稳定地参考不同角度稀疏模板，重建任意角度位置的子孔径图像。实验结果表明，所提方法能有效地参考不同稀疏模板，灵活地重建任意角度位置的子孔径图像，且所提模板对齐与训练方法能有效地应用于其它光场图像超分辨率重建方法以提升其处理不同角度稀疏模板的能力。
现有光场图像角度重建方法通过探索光场图像内在的空间-角度信息以进行角度重建，但无法同时处理不同视点层的子孔径图像重建任务，难以满足光场图像可伸缩编码的需求。为此，将视点层视为稀疏模板，该文提出一种能够单模型处理不同角度稀疏模板的光场图像角度重建方法。将不同的角度稀疏模板视为微透镜阵列图像的不同表示，通过模板对齐将输入的不同视点层整合为微透镜阵列图像，采用多阶段特征学习方式，以微透镜阵列级-子孔径级的特征学习策略来处理不同输入的稀疏模板，并辅以独特的训练模式，以稳定地参考不同角度稀疏模板，重建任意角度位置的子孔径图像。实验结果表明，所提方法能有效地参考不同稀疏模板，灵活地重建任意角度位置的子孔径图像，且所提模板对齐与训练方法能有效地应用于其它光场图像超分辨率重建方法以提升其处理不同角度稀疏模板的能力。
, 最新更新时间 , doi: 10.11999/JEIT240732
摘要:
面向密集低轨道卫星网络辅助的星地无线通信系统，该文提出一种基于非完美信道状态信息的多低轨卫星鲁棒波束赋形方法来改善频谱效率。具体地，在多低轨卫星全频复用场景下，提出了一个多卫星下行通信系统和速率最大化问题，并联合考虑卫星发射功率、卫星与用户关联关系，以及馈线链路容量约束。为了求解该优化问题，原优化问题被分解成卫星-用户关联和卫星传输波束赋形两个子问题，然后使用加权最小均方误差方法和连续凸近似方法对问题进行求解。仿真结果验证了即使在非理想信道条件下，该文所提出的多星频率复用和鲁棒波束赋形设计方法能有效提高系统吞吐量。
面向密集低轨道卫星网络辅助的星地无线通信系统，该文提出一种基于非完美信道状态信息的多低轨卫星鲁棒波束赋形方法来改善频谱效率。具体地，在多低轨卫星全频复用场景下，提出了一个多卫星下行通信系统和速率最大化问题，并联合考虑卫星发射功率、卫星与用户关联关系，以及馈线链路容量约束。为了求解该优化问题，原优化问题被分解成卫星-用户关联和卫星传输波束赋形两个子问题，然后使用加权最小均方误差方法和连续凸近似方法对问题进行求解。仿真结果验证了即使在非理想信道条件下，该文所提出的多星频率复用和鲁棒波束赋形设计方法能有效提高系统吞吐量。
, 最新更新时间 , doi: 10.11999/JEIT240486
摘要:
在低信噪比环境下，阵列天线获取空域信号的来波方向极其困难，导致一般的波束形成方法无法准确形成正对入射信号的波束。针对上述问题，该文提出了一种基于双卷积自编码器的盲接收自适应波束形成(Dual Convolutional AutoEncoder-Adaptive Beamforming, DCAE-ABF)方法，该方法在基于大量空域统计信息的情况下，以时域-频域联合条件作为约束，利用两个独立的卷积自编码器(CAE)分别对阵列接收信号与辐射源信号进行特征提取，并使用深度神经网络(DNN)将两个CAE的特征编码进行连接，构建DCAE网络，实现在低信噪比环境下，面对未知频率和来波方向的入射信号时，也能够自适应形成正对入射信号的波束，达到盲接收的效果。仿真实验结果表明，在低信噪比环境下，单信号与双信号入射时所带来的信噪比增益均高于常规波束形成(CBF)方法与基于最小均方误差的自适应波束形成(Minimum Mean Square Error-Adaptive BeamForming, MMSE-ABF)方法，以及基于卷积神经网络的自适应波束形成方法(Convolutional Neural Networks- Adaptive BeamForming, CNN-ABF)，且该增益在入射信号频率、角度变化时仍具有良好的稳定性。
在低信噪比环境下，阵列天线获取空域信号的来波方向极其困难，导致一般的波束形成方法无法准确形成正对入射信号的波束。针对上述问题，该文提出了一种基于双卷积自编码器的盲接收自适应波束形成(Dual Convolutional AutoEncoder-Adaptive Beamforming, DCAE-ABF)方法，该方法在基于大量空域统计信息的情况下，以时域-频域联合条件作为约束，利用两个独立的卷积自编码器(CAE)分别对阵列接收信号与辐射源信号进行特征提取，并使用深度神经网络(DNN)将两个CAE的特征编码进行连接，构建DCAE网络，实现在低信噪比环境下，面对未知频率和来波方向的入射信号时，也能够自适应形成正对入射信号的波束，达到盲接收的效果。仿真实验结果表明，在低信噪比环境下，单信号与双信号入射时所带来的信噪比增益均高于常规波束形成(CBF)方法与基于最小均方误差的自适应波束形成(Minimum Mean Square Error-Adaptive BeamForming, MMSE-ABF)方法，以及基于卷积神经网络的自适应波束形成方法(Convolutional Neural Networks- Adaptive BeamForming, CNN-ABF)，且该增益在入射信号频率、角度变化时仍具有良好的稳定性。
, 最新更新时间 , doi: 10.11999/JEIT240644
摘要:
无论在军事领域的战术通信和目标探测，还是在无人驾驶技术中实现高效的通信和高精度的环境感知，通信感知一体化都可以显著提升系统性能并大幅提高频谱资源利用率。然而，通信和感知资源分配不均衡问题成为该项技术应用的巨大挑战。针对多目标探测和多用户通信场景，该文提出一种基于Pareto优化框架的发射波束形成设计方法。该方法首先将通感资源优化问题建模为一个非凸优化问题，采用通信性能与雷达性能的加权和作为优化目标，以提高系统的灵活性。为了求解该问题，该文提出改进的加权最小均方误差算法将其转化成一个易于求解的凸问题，通过调整Pareto权重因子权衡通信信干噪比与雷达发射波束图误差，实现在功率约束条件下通感性能的最优化设计，同时通过采用MIMO雷达的方式提高了雷达的自由度。仿真结果验证了所提出波束形成方法的有效性和优越性。
无论在军事领域的战术通信和目标探测，还是在无人驾驶技术中实现高效的通信和高精度的环境感知，通信感知一体化都可以显著提升系统性能并大幅提高频谱资源利用率。然而，通信和感知资源分配不均衡问题成为该项技术应用的巨大挑战。针对多目标探测和多用户通信场景，该文提出一种基于Pareto优化框架的发射波束形成设计方法。该方法首先将通感资源优化问题建模为一个非凸优化问题，采用通信性能与雷达性能的加权和作为优化目标，以提高系统的灵活性。为了求解该问题，该文提出改进的加权最小均方误差算法将其转化成一个易于求解的凸问题，通过调整Pareto权重因子权衡通信信干噪比与雷达发射波束图误差，实现在功率约束条件下通感性能的最优化设计，同时通过采用MIMO雷达的方式提高了雷达的自由度。仿真结果验证了所提出波束形成方法的有效性和优越性。
, 最新更新时间 , doi: 10.11999/JEIT240866
摘要:
为了应对智能反射面(RIS)辅助的无人机(UAV)在物联网数据收集过程中能量高效利用与信息收集时效性之间的均衡问题，该文提出一种基于深度强化学习的数据收集优化策略。针对无人机在数据采集过程中的飞行能耗、通信复杂性及采集信息时效性(AoI)约束，设计了一种基于双深度Q网络(DDQN)的联合优化方案，涵盖无人机轨迹规划、物联网设备调度以及智能反射面相位调整。该方案有效缓解了传统Q学习方法中Q值过估计的问题，使无人机能够根据实时环境动态调整飞行轨迹和通信策略，从而在提升数据传输效率的同时降低能量消耗。仿真结果表明，与传统方法相比，所提方案能够显著提高数据收集效率。此外，通过合理分配能量与通信资源，所提方案能够动态适应不同通信环境参数变化，确保系统在能耗与AoI之间达到最佳均衡。
为了应对智能反射面(RIS)辅助的无人机(UAV)在物联网数据收集过程中能量高效利用与信息收集时效性之间的均衡问题，该文提出一种基于深度强化学习的数据收集优化策略。针对无人机在数据采集过程中的飞行能耗、通信复杂性及采集信息时效性(AoI)约束，设计了一种基于双深度Q网络(DDQN)的联合优化方案，涵盖无人机轨迹规划、物联网设备调度以及智能反射面相位调整。该方案有效缓解了传统Q学习方法中Q值过估计的问题，使无人机能够根据实时环境动态调整飞行轨迹和通信策略，从而在提升数据传输效率的同时降低能量消耗。仿真结果表明，与传统方法相比，所提方案能够显著提高数据收集效率。此外，通过合理分配能量与通信资源，所提方案能够动态适应不同通信环境参数变化，确保系统在能耗与AoI之间达到最佳均衡。
, 最新更新时间 , doi: 10.11999/JEIT240716
摘要:
通感算融合是6G的热点研究方向。为了解决复杂场景下通信-感知-计算模式的用户能耗大、计算不确定等问题，该文设计一种稳健的通感算融合网络资源分配与决策优化方案。首先，由于任务复杂度的不可预测，构建一个稳健的计算资源分配问题以优化卸载决策的不确定性。其次，在满足用户功耗、处理时间、雷达估计信息率等条件下，联合优化任务卸载比例、波束赋形和资源分配，建立用户总能耗最小化问题。由于该优化问题是多变量耦合且非凸的，将其建模为一个马尔可夫决策过程，提出一种基于柔性演员-评论家(SAC)优化算法。仿真结果表明，该算法在网络训练时更加稳定，能有效增强计算稳健性，与近端策略优化算法和优势动作评论算法相比，所提SAC算法在用户能耗方面分别减少了9.57%和40.72%。此外，用户数越多，能耗减少越显著。
通感算融合是6G的热点研究方向。为了解决复杂场景下通信-感知-计算模式的用户能耗大、计算不确定等问题，该文设计一种稳健的通感算融合网络资源分配与决策优化方案。首先，由于任务复杂度的不可预测，构建一个稳健的计算资源分配问题以优化卸载决策的不确定性。其次，在满足用户功耗、处理时间、雷达估计信息率等条件下，联合优化任务卸载比例、波束赋形和资源分配，建立用户总能耗最小化问题。由于该优化问题是多变量耦合且非凸的，将其建模为一个马尔可夫决策过程，提出一种基于柔性演员-评论家(SAC)优化算法。仿真结果表明，该算法在网络训练时更加稳定，能有效增强计算稳健性，与近端策略优化算法和优势动作评论算法相比，所提SAC算法在用户能耗方面分别减少了9.57%和40.72%。此外，用户数越多，能耗减少越显著。
, 最新更新时间 , doi: 10.11999/JEIT240741
摘要:
联邦学习中，高模型贡献率的无线网络设备通常由于算力不足、能量有限成为掉队者，进而增加模型聚合时延并影响全局模型精度。针对此问题，该文设计了联合边缘服务器辅助训练和模型自适应稀疏联邦学习架构，并提出了基于边缘辅助训练的自适应稀疏联邦学习优化算法。首先，引入边缘服务器为算力不足或能量受限的设备提供辅助训练。构建了辅助训练和通信、计算资源分配的优化模型，并采用多种深度强化学习方法求解优化的辅助训练决策。其次，基于辅助训练决策，在每个通信轮次自适应地对全局模型进行非结构化剪枝，进一步降低设备的时延和能耗开销。实验结果表明，所提算法极大地减少了掉队设备，其模型测试精度优于经典联邦学习的测试精度；利用深度确定性策略梯度(DDPG)优化辅助资源分配的算法有效地减少了系统训练时延，提升了模型训练效率。
联邦学习中，高模型贡献率的无线网络设备通常由于算力不足、能量有限成为掉队者，进而增加模型聚合时延并影响全局模型精度。针对此问题，该文设计了联合边缘服务器辅助训练和模型自适应稀疏联邦学习架构，并提出了基于边缘辅助训练的自适应稀疏联邦学习优化算法。首先，引入边缘服务器为算力不足或能量受限的设备提供辅助训练。构建了辅助训练和通信、计算资源分配的优化模型，并采用多种深度强化学习方法求解优化的辅助训练决策。其次，基于辅助训练决策，在每个通信轮次自适应地对全局模型进行非结构化剪枝，进一步降低设备的时延和能耗开销。实验结果表明，所提算法极大地减少了掉队设备，其模型测试精度优于经典联邦学习的测试精度；利用深度确定性策略梯度(DDPG)优化辅助资源分配的算法有效地减少了系统训练时延，提升了模型训练效率。
, 最新更新时间 , doi: 10.11999/JEIT240782
摘要:
2017年，PFP作为一种超轻量级分组密码被提出，而因其卓越的实现性能备受业界广泛关注。该算法不仅硬件开销需求低(仅需约1355 GE(等效门))、功耗小，而且加解密速度快(其速度甚至比国际著名算法 PRESENT的实现速度快1.5倍)，非常适合在物联网环境中使用。在PFP算法的设计文档中，作者声称该算法具有足够的能力抵御差分攻击、线性攻击及不可能差分攻击等多种密码攻击方法。然而该算法是否存在未知的安全漏洞是目前研究的难点。该文基于可满足性模理论(SMT)，结合PFP算法轮函数特点，构建两种区分器自动化搜索模型。实验测试结果表明：该算法在32轮加密中存在概率为2–62的相关密钥差分特征。由此，该文提出一种针对全轮PFP算法的相关密钥恢复攻击，即只需263个选择明文和248次全轮加密便可破译出80 bit的主密钥。这说明该算法无法抵抗相关密钥差分攻击。
2017年，PFP作为一种超轻量级分组密码被提出，而因其卓越的实现性能备受业界广泛关注。该算法不仅硬件开销需求低(仅需约
, 最新更新时间 , doi: 10.11999/JEIT240677
摘要:
作为全球化通信网络的重要组成部分，卫星通信因其能够实现全球无缝覆盖和构建天地一体化信息网络而备受关注。跳时(TH)作为一种常用的卫星通信方式，具备强大的抗干扰能力、灵活的频谱利用和高安全性。该文提出一种适用于卫星通信的TH图案随机变化系统，以进一步增强数据传输过程的安全性。针对发射功率受限的问题，该文提出多跳信号相干合并策略，并进一步在该策略指导下，面对接收信号信噪比(SNR)低的约束，提出了交叉熵(CE)迭代辅助的跳时图案与多跳载波相位联合估计算法，以合并信噪比损失为目标函数，自适应调整待估参数的概率分布，从而快速收敛至最优解附近。仿真实验证明了该算法在迭代收敛速度、参数估计误差以及合并解调误码率等方面的优异性能。与传统算法相比，所提算法在保持较低复杂度的同时，误码率(BER)性能接近理论最优，有效提高了卫星TH通信系统在复杂环境下的稳定性和可靠性。
作为全球化通信网络的重要组成部分，卫星通信因其能够实现全球无缝覆盖和构建天地一体化信息网络而备受关注。跳时(TH)作为一种常用的卫星通信方式，具备强大的抗干扰能力、灵活的频谱利用和高安全性。该文提出一种适用于卫星通信的TH图案随机变化系统，以进一步增强数据传输过程的安全性。针对发射功率受限的问题，该文提出多跳信号相干合并策略，并进一步在该策略指导下，面对接收信号信噪比(SNR)低的约束，提出了交叉熵(CE)迭代辅助的跳时图案与多跳载波相位联合估计算法，以合并信噪比损失为目标函数，自适应调整待估参数的概率分布，从而快速收敛至最优解附近。仿真实验证明了该算法在迭代收敛速度、参数估计误差以及合并解调误码率等方面的优异性能。与传统算法相比，所提算法在保持较低复杂度的同时，误码率(BER)性能接近理论最优，有效提高了卫星TH通信系统在复杂环境下的稳定性和可靠性。
, 最新更新时间 , doi: 10.11999/JEIT240640
摘要:
通感一体化(ISAC)作为一种6G关键技术，将通信和感知功能集成到Wi-Fi设备，为室内人体呼吸频率感知提供一种有效的方法。针对当前基于ISAC的呼吸频率感知存在鲁棒性低和“盲点”的问题，该文提出一种基于信号变分模态分解(VMD)- 希尔伯特-黄变换(HHT)呼吸频率感知算法。首先，选择对环境感知敏感度较强的Wi-Fi链路构建信道状态信息(CSI)比值模型。其次，将滤波后的CSI比值时间序列的各子载波进行投影，结合幅相信息生成不同呼吸模式信号的候选集。再次，对于每一个子载波，根据周期性在候选集中选择一个短期呼吸噪声比最大的候选序列作为最终的呼吸模式，然后设置阈值选择子载波，并对其进行VMD和HHT时频分析，去除人体呼吸频率成分以外的模态分量，并重构剩余模态分量。在此基础上，利用主成分分析(PCA)对所有重构的子载波降维，选择方差贡献率达到99%以上的主成分分量，并使用ReliefF算法重新构建呼吸信号，得到融合信号。最后，对融合信号利用峰值检测算法计算呼吸频率。实验结果表明，该感知方法在会议办公室和走廊两种场景下的平均估计精度超过97%，显著提高了鲁棒性并克服了“盲点”问题，优于其他现有的感知方案。
通感一体化(ISAC)作为一种6G关键技术，将通信和感知功能集成到Wi-Fi设备，为室内人体呼吸频率感知提供一种有效的方法。针对当前基于ISAC的呼吸频率感知存在鲁棒性低和“盲点”的问题，该文提出一种基于信号变分模态分解(VMD)- 希尔伯特-黄变换(HHT)呼吸频率感知算法。首先，选择对环境感知敏感度较强的Wi-Fi链路构建信道状态信息(CSI)比值模型。其次，将滤波后的CSI比值时间序列的各子载波进行投影，结合幅相信息生成不同呼吸模式信号的候选集。再次，对于每一个子载波，根据周期性在候选集中选择一个短期呼吸噪声比最大的候选序列作为最终的呼吸模式，然后设置阈值选择子载波，并对其进行VMD和HHT时频分析，去除人体呼吸频率成分以外的模态分量，并重构剩余模态分量。在此基础上，利用主成分分析(PCA)对所有重构的子载波降维，选择方差贡献率达到99%以上的主成分分量，并使用ReliefF算法重新构建呼吸信号，得到融合信号。最后，对融合信号利用峰值检测算法计算呼吸频率。实验结果表明，该感知方法在会议办公室和走廊两种场景下的平均估计精度超过97%，显著提高了鲁棒性并克服了“盲点”问题，优于其他现有的感知方案。
, 最新更新时间 , doi: 10.11999/JEIT240735
摘要:
为在不增加网络参数规模的情况下提升目标分割性能，该文提出一种基于Transformer特征金字塔的自蒸馏目标分割方法，提升了Transformer分割模型的实用性。首先，以Swin Transformer为主干网构建了像素级的目标分割模型；然后，设计了适合Transformer的蒸馏辅助分支，该分支由密集连接空间空洞金字塔(DenseASPP)、相邻特征融合模块(AFFM)和得分模块构建而成，通过自蒸馏方式指导主干网络学习蒸馏知识；最后，利用自上而下的学习策略指导模型学习，以保证自蒸馏学习的一致性。实验表明，在4个公开数据集上所提方法均能有效提升目标分割精度，在伪装目标检测(COD)数据集上比次优的Transformer知识蒸馏(TKD)方法的Fβ值提高了约1.6%。
为在不增加网络参数规模的情况下提升目标分割性能，该文提出一种基于Transformer特征金字塔的自蒸馏目标分割方法，提升了Transformer分割模型的实用性。首先，以Swin Transformer为主干网构建了像素级的目标分割模型；然后，设计了适合Transformer的蒸馏辅助分支，该分支由密集连接空间空洞金字塔(DenseASPP)、相邻特征融合模块(AFFM)和得分模块构建而成，通过自蒸馏方式指导主干网络学习蒸馏知识；最后，利用自上而下的学习策略指导模型学习，以保证自蒸馏学习的一致性。实验表明，在4个公开数据集上所提方法均能有效提升目标分割精度，在伪装目标检测(COD)数据集上比次优的Transformer知识蒸馏(TKD)方法的Fβ值提高了约1.6%。
, 最新更新时间 , doi: 10.11999/JEIT240503
摘要:
针对无人机探测与避让(DAA)系统中无人机飞行碰撞避免的决策问题，该文提出一种将无人机系统检测和避免警报逻辑(DAIDALUS)和马尔可夫决策过程(MDP)相结合的方法。DAIDALUS算法的引导逻辑可以根据当前状态空间计算无人机避撞策略，将这些策略作为MDP的动作空间，并设置合适的奖励函数和状态转移概率，建立MDP模型，探究不同折扣因子对无人机飞行避撞过程的影响。仿真结果表明：相比于DAIDALUS，本方法的效率提升27.2%；当折扣因子设置为0.99时，可以平衡长期与短期收益；净空入侵率为5.8%，威胁机与本机最近距离为343 m，该方法可以满足无人机飞行过程中避撞的要求。
针对无人机探测与避让(DAA)系统中无人机飞行碰撞避免的决策问题，该文提出一种将无人机系统检测和避免警报逻辑(DAIDALUS)和马尔可夫决策过程(MDP)相结合的方法。DAIDALUS算法的引导逻辑可以根据当前状态空间计算无人机避撞策略，将这些策略作为MDP的动作空间，并设置合适的奖励函数和状态转移概率，建立MDP模型，探究不同折扣因子对无人机飞行避撞过程的影响。仿真结果表明：相比于DAIDALUS，本方法的效率提升27.2%；当折扣因子设置为0.99时，可以平衡长期与短期收益；净空入侵率为5.8%，威胁机与本机最近距离为343 m，该方法可以满足无人机飞行过程中避撞的要求。
, 最新更新时间 , doi: 10.11999/JEIT240446
摘要:
未来6G将实现万物智能互联、虚拟和现实结合的全新时代，这离不开通信与感知技术的发展。但由于频率资源的稀缺，二者在频率资源上的共享是一个亟待解决的问题。通信感知一体化(ISAC)技术为解决这一问题提供了新的思路，它允许通信与感知共用一套设备、共享频率资源，可以同时完成目标探测和信息通信，被认为是6G的关键技术之一。同时我国是一个海洋大国，海洋资源丰富，海洋通信与海上目标感知需求急剧增加。该文对海洋环境下的ISAC技术进行了研究，提出一种海洋环境下的加权波形优化设计方法。通过仿真实验发现通信与感知的功率比值在[0.2, 0.5]区间内时，一体化波形不仅具有良好的通信性能，也具有不错的感知性能。最后对未来的工作内容进行了展望。
未来6G将实现万物智能互联、虚拟和现实结合的全新时代，这离不开通信与感知技术的发展。但由于频率资源的稀缺，二者在频率资源上的共享是一个亟待解决的问题。通信感知一体化(ISAC)技术为解决这一问题提供了新的思路，它允许通信与感知共用一套设备、共享频率资源，可以同时完成目标探测和信息通信，被认为是6G的关键技术之一。同时我国是一个海洋大国，海洋资源丰富，海洋通信与海上目标感知需求急剧增加。该文对海洋环境下的ISAC技术进行了研究，提出一种海洋环境下的加权波形优化设计方法。通过仿真实验发现通信与感知的功率比值在[0.2, 0.5]区间内时，一体化波形不仅具有良好的通信性能，也具有不错的感知性能。最后对未来的工作内容进行了展望。
, 最新更新时间 , doi: 10.11999/JEIT240601
摘要:
由于通信与目标感知波形的耦合共用，通感一体(ISAC)系统更容易面临信息泄露的风险。该文从隐蔽通信角度，研究了具有可移动阵元的同时透射和反射智能超表面(ME-STAR-RIS)辅助的ISAC系统。首先引入了ME-STAR-RIS，其阵元可在一定范围内移动，以获取更有利的信道条件。根据离散阵元部署位置模型，构建了ME-STAR-RIS辅助ISAC系统的波束优化模型，旨在联合设计ISAC基站(BS)处的主动波束成形以及ME-STAR-RIS处的柔性被动波束成形(包括阵元位置、相移和振幅系数)，在隐蔽通信质量约束下，最大化感知目标的探测波束增益。进而提出一种双层迭代优化算法有效求解主动和柔性被动波束成形。仿真结果验证了所提算法的有效性，并表明阵元移动能够有利于提升ISAC系统性能。
由于通信与目标感知波形的耦合共用，通感一体(ISAC)系统更容易面临信息泄露的风险。该文从隐蔽通信角度，研究了具有可移动阵元的同时透射和反射智能超表面(ME-STAR-RIS)辅助的ISAC系统。首先引入了ME-STAR-RIS，其阵元可在一定范围内移动，以获取更有利的信道条件。根据离散阵元部署位置模型，构建了ME-STAR-RIS辅助ISAC系统的波束优化模型，旨在联合设计ISAC基站(BS)处的主动波束成形以及ME-STAR-RIS处的柔性被动波束成形(包括阵元位置、相移和振幅系数)，在隐蔽通信质量约束下，最大化感知目标的探测波束增益。进而提出一种双层迭代优化算法有效求解主动和柔性被动波束成形。仿真结果验证了所提算法的有效性，并表明阵元移动能够有利于提升ISAC系统性能。
, 最新更新时间 , doi: 10.11999/JEIT240059
摘要:
近年来，因对电磁波具备灵活的调控能力，超表面天线技术受到来自通信、雷达以及天线领域学者的广泛关注。其中，超表面天线单元中所使用的有源调控器件，是决定整个系统性能的最关键部件之一。基于0.13 μm SiGe BiCMOS工艺设计了一个95～105 GHz的五位宽带数控衰减器芯片。该衰减器采用了反射式和简化T型两种拓扑结构，其中4 dB与8 dB反射式衰减单元采用交叉耦合宽带耦合器代替传统的3 dB耦合器或定向耦合器，同时获得了高衰减精度和低插入损耗；而0.5 dB, 1 dB, 2 dB三个衰减单元均采用简化T型结构。此外，利用RC正斜率和负斜率校正网络分别应用于不同的衰减单元进行相位补偿，极大地改善了衰减器的附加相移。经过仿真验证，在95～105 GHz的感兴趣工作频率内，衰减器芯片在0.12 mm2的紧凑的尺寸下实现了0～15.5 dB的衰减范围，步进为0.5 dB，基态插入损耗小于2.5 dB，幅度均方根误差小于0.31 dB，附加相移均方根误差小于2.2º。所提出的W波段衰减器可作为一个关键部件赋能集成T/R的辐散一体化超表面天线系统的硬件实现。
近年来，因对电磁波具备灵活的调控能力，超表面天线技术受到来自通信、雷达以及天线领域学者的广泛关注。其中，超表面天线单元中所使用的有源调控器件，是决定整个系统性能的最关键部件之一。基于0.13 μm SiGe BiCMOS工艺设计了一个95～105 GHz的五位宽带数控衰减器芯片。该衰减器采用了反射式和简化T型两种拓扑结构，其中4 dB与8 dB反射式衰减单元采用交叉耦合宽带耦合器代替传统的3 dB耦合器或定向耦合器，同时获得了高衰减精度和低插入损耗；而0.5 dB, 1 dB, 2 dB三个衰减单元均采用简化T型结构。此外，利用RC正斜率和负斜率校正网络分别应用于不同的衰减单元进行相位补偿，极大地改善了衰减器的附加相移。经过仿真验证，在95～105 GHz的感兴趣工作频率内，衰减器芯片在0.12 mm2的紧凑的尺寸下实现了0～15.5 dB的衰减范围，步进为0.5 dB，基态插入损耗小于2.5 dB，幅度均方根误差小于0.31 dB，附加相移均方根误差小于2.2º。所提出的W波段衰减器可作为一个关键部件赋能集成T/R的辐散一体化超表面天线系统的硬件实现。
, 最新更新时间 , doi: 10.11999/JEIT221203
摘要:
为克服联邦学习(FL)客户端数据和模型均需同构的局限性并且提高训练精度，该文提出一种基于合作博弈和知识蒸馏的个性化联邦学习(pFedCK)算法。在该算法中，每个客户端将在公共数据集上训练得到的局部软预测上传到中心服务器并根据余弦相似度从服务器下载最相近的k个软预测形成一个联盟，然后利用合作博弈中的夏普利值来衡量客户端之间多重协作的影响，量化所下载软预测对本地个性化学习效果的累计贡献值，以此确定联盟中每个客户端的最佳聚合系数，从而得到更优的聚合模型。最后采用知识蒸馏将聚合模型的知识迁移到本地模型，并在隐私数据集上进行本地训练。仿真结果表明，与其他算法相比，pFedCK算法可以将个性化精度提升约10%。
为克服联邦学习(FL)客户端数据和模型均需同构的局限性并且提高训练精度，该文提出一种基于合作博弈和知识蒸馏的个性化联邦学习(pFedCK)算法。在该算法中，每个客户端将在公共数据集上训练得到的局部软预测上传到中心服务器并根据余弦相似度从服务器下载最相近的k个软预测形成一个联盟，然后利用合作博弈中的夏普利值来衡量客户端之间多重协作的影响，量化所下载软预测对本地个性化学习效果的累计贡献值，以此确定联盟中每个客户端的最佳聚合系数，从而得到更优的聚合模型。最后采用知识蒸馏将聚合模型的知识迁移到本地模型，并在隐私数据集上进行本地训练。仿真结果表明，与其他算法相比，pFedCK算法可以将个性化精度提升约10%。
, 最新更新时间 , doi: 10.11999/JEIT210265
摘要:
应用频控阵式多输入多输出(FDA-MIMO)雷达实现目标距离-角度联合估计越来越受到人们的重视，利用FDA同时获得发射波束图在角度和距离的自由度。但其性能因波束图的周期性和时变性而降低。因此，该文基于时间调制和距离补偿FDA-MIMO(TMRC-FDA-MIMO)雷达的新波形合成模型，提出了一种改进的基于旋转不变技术的信号参数估计(ESPRIT)算法。最后，通过距离和角度估计的克拉美罗下界和均方根误差，与固定频偏FDA-MIMO、对数频偏FDA-MIMO雷达系统和多信号分类(MUSIC)算法进行了对比，验证了所提方法的优异性能。
应用频控阵式多输入多输出(FDA-MIMO)雷达实现目标距离-角度联合估计越来越受到人们的重视，利用FDA同时获得发射波束图在角度和距离的自由度。但其性能因波束图的周期性和时变性而降低。因此，该文基于时间调制和距离补偿FDA-MIMO(TMRC-FDA-MIMO)雷达的新波形合成模型，提出了一种改进的基于旋转不变技术的信号参数估计(ESPRIT)算法。最后，通过距离和角度估计的克拉美罗下界和均方根误差，与固定频偏FDA-MIMO、对数频偏FDA-MIMO雷达系统和多信号分类(MUSIC)算法进行了对比，验证了所提方法的优异性能。
, 最新更新时间 , doi: 10.11999/JEIT201066
摘要:
针对增强型罗兰(eLORAN)系统增补发射台站建设中的组重复周期(GRI)选择问题，该文主要从数学的角度出发，提出一种基于交叉干扰率的筛选算法。该算法首先考虑了最小可用组重复周期以及秒信息量的要求，并在此基础上通过比较与临近的罗兰C台站间的相对交叉干扰率进行1次筛选；之后通过排列组合进行两两比较并2次筛选；最后，综合考虑数据率要求、系统规范、无交叉干扰等条件，得到最优组重复周期组合。随后，鉴于新型eLORAN系统的高精度授时要求，在GRI最优组合中进行了优选。分析结果表明，该方法得出的优选组合的平均交叉干扰率与现有导航台链相当，同时可兼顾授时需求，可以为高精度地基授时系统建设提供参考性建议和理论依据。
针对增强型罗兰(eLORAN)系统增补发射台站建设中的组重复周期(GRI)选择问题，该文主要从数学的角度出发，提出一种基于交叉干扰率的筛选算法。该算法首先考虑了最小可用组重复周期以及秒信息量的要求，并在此基础上通过比较与临近的罗兰C台站间的相对交叉干扰率进行1次筛选；之后通过排列组合进行两两比较并2次筛选；最后，综合考虑数据率要求、系统规范、无交叉干扰等条件，得到最优组重复周期组合。随后，鉴于新型eLORAN系统的高精度授时要求，在GRI最优组合中进行了优选。分析结果表明，该方法得出的优选组合的平均交叉干扰率与现有导航台链相当，同时可兼顾授时需求，可以为高精度地基授时系统建设提供参考性建议和理论依据。
