智能全息频谱与空天地协同通信技术导读
王树彬;蔚保国;曹雪妍;<正>随着6G演进及“万物智联”愿景的推进,通信网络正向着全域覆盖、感知内生与算网融合的方向深度变革。在复杂的空天地一体化场景中,如何实现有限频谱资源的高效调度、异构资源的智能分配以及环境信息的精准感知,已成为当前学术界与工业界关注的核心挑战。为集中展示智能全息频谱与空天地协同通信技术领域的最新研究进展,《无线电工程》推出“智能全息频谱与空天地协同通信技术”专题,精选5篇论文,聚焦于RIS、通信感知一体化、边缘智能以及服务功能链部署等前沿技术,旨在探讨如何构建更具韧性、更高能效且高度智能的协同通信网络。
RIS辅助空地车联网协同通信与计算
崔俊;曹雪妍;王树彬;车联网的通信与计算受限于窄带宽和大延迟。可重构智能表面(Reconfigurable Intelligent Surface, RIS)辅助的空地车联网协同通信与计算通过部署RIS和无人机(Unmanned Aerial Vehicle, UAV),提供了高速率、低功耗的通信与计算范式。通过引入新的性能指标——有效能效，定义为系统单位能耗下的可达速率，以捕捉协同通信计算增益与成本之间的权衡。提出了一个优化问题，旨在通过合理分配通信和计算资源以最大化能效，其通过子问题解耦和块坐标下降自适应优化算法求解。结果表明，所提的自适应优化方案相比于随机相移配置方案的能效提升达到79%。
RIS辅助的SC-LDPC乘积码中继协作码的构造与交替译码研究
杨晨;张顺外;针对基于可重构智能表面(Reconfigurable Intelligent Surface, RIS)辅助的空间耦合低密度奇偶校验(Spatially-Coupled Low Density Parity Check, SC-LDPC)乘积码中继协作展开研究。信源节点通过SC-LDPC乘积码对信息矩阵行编码，并通过中继节点对信息矩阵列编码；为进一步提升编码增益，采用基于复制与掩码(Replication and Masking, R&M)代数构造方法对SC-LDPC码的校验矩阵消环设计。该方法通过系统性地消除校验矩阵中的短环结构，显著提升了码字的围长，降低了误码平层。目的节点对接收的2路信号进行SC-LDPC乘积码行译码与列译码的交替译码，通过在行与列2个维度之间实时交换软信息，使译码器可以更及时地识别并纠正潜在错误，有效提升了迭代收敛速度与译码可靠性。仿真结果表明，基于R&M代数构造的SC-LDPC乘积码相较于一般SC-LDPC乘积码具有更优性能；列译码和行译码的信息交互也有助于提高译码效率，降低误码率(Bit Error Rate, BER)。
面向无人机集群通信的轻量化自动调制识别
许益韬;赵宇杰;王树彬;无人机(Unmanned Aerial Vehicle, UAV)集群正在成为动态和对抗环境中智能无线通信的关键赋能技术。自动调制识别(Automatic Modulation Recognition, AMR)对于频谱感知至关重要，但基于深度学习(Deep Learning, DL)的解决方案对UAV边缘平台而言通常过于消耗资源。为克服这一挑战，提出了一种专为UAV集群设计基于自适应剪枝的联邦学习网络(Federated Learning Adaptive Pruning Network, FLAP-Net),旨在平衡识别准确率、效率和通信开销，其采用轻量级分类器Feather-MSA,结合多尺度卷积、双向门控循环单元(Bidirectional Gated Recurrent Unit, BiGRU)和加性注意力机制以有效提取同相与正交(In-phase and Quadrature, I/Q)信号特征。为进一步降低传输成本，引入了余弦相似度引导的自适应剪枝机制以及感知信道的加权聚合算法，根据信道条件动态调整UAV节点的贡献度。在RadioML2016.10b数据集上的实验表明，FLAP-Net在信噪比(Signal to Noise Ratio, SNR)为4 dB时达到93%的准确率，单样本推理延迟仅为2.42μs,每架UAV峰值通信带宽低于27 Mb/s。结果凸显了FLAP-Net在UAV集群实时协同通信中的实用性。
面向云雾边协同网络的SFC鲁棒增强部署研究
黄鑫;耿石伟;谢钧;曹浩彤;胡超;田晨景;云雾边协同网络(Cloud-Fog-Edge Collaborative Network, CFECN)是实现6G泛在智能服务的关键基础设施，但其异构资源特性为服务功能链(Service Function Chain, SFC)的部署带来严峻挑战。现有方法多聚焦于单路径映射，在动态网络环境中易成为性能瓶颈。在现有两阶段SFC部署框架的基础上，提出一种增强型多路径链路映射机制。该机制在节点映射阶段采用NSGA-Ⅱ算法优化部署成本与系统吞吐量；进而在链路映射阶段，引入K最短路径(K-Shortest Path, KSP)算法生成满足带宽和时延约束的多条候选路径，并设计一种基于路径质量感知的动态选择与预留策略。该改进旨在提升系统对链路拥塞和突发故障的适应能力，增强切片部署的鲁棒性。仿真结果表明，所提增强机制在保持原有成本与吞吐量优势的同时，显著提高了高负载场景下的请求接受率和系统稳定性，为CFECN中可靠、高效的网络服务定制提供了更优的解决方案。
基于OTFS技术优化的高动态多目标数传系统设计
任默;刘华华;康雅洁;针对高动态场景下多目标移动终端高速数据传输问题，在对高动态传输场景下的真实信道进行测定，并对正交时频空(Orthogonal Time Frequency Space，OTFS)技术原理和现有正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)传输系统进行详细分析的基础上，通过将OTFS的逆辛有限傅里叶变换（Inverse Symplectic Finite Fourier Transform，ISFFT）过程局部化至单个OFDM符号内部，在保留原有OFDM帧结构、同步机制及导频设计的基础上，提出了一种基于OTFS技术优化的OFDM传输系统优化设计。通过仿真对优化前后的OFDM传输系统的抗噪声特性、多普勒频偏适应性、多径信道适应性及功率回退场景适应性进行对比分析可知，提出的优化处理过程可有效改善原有OFDM传输系统对高动态传输场景的适应性，为高动态多目标数传系统提供了一种低复杂度、高兼容性的设计，对工程实践具有一定的指导意义。
基于YOLO的激光雷达雾霾天气下目标探测系统
龚福祥;吴龙;杨旭;针对雾霾天气下能见度降低，轨道交通市域铁路列车运行安全受威胁，且激光雷达易受雾天环境干扰、目标识别与测距精度大幅下降的问题，开展相关技术优化研究。介绍了激光雷达在城市轨道交通领域的应用价值，以及雾气、噪声对激光脉冲信号检测造成的不良影响。在此基础上，提出一种基于改进YOLOv5模型的激光雷达雾天目标检测系统(MobileNet+MPDIoU-V3YOLO-based Multi-Pulse Lidar system，MM-YMPL)。将多次一维脉冲检测数据整合为二维图像，依托改进后的YOLOv5算法完成真实目标回波识别与位置解算。研究对该系统开展仿真与实物实验测试，结果表明，MM-YMPL系统可有效抑制雾气与噪声对激光信号的干扰，不仅提升了目标探测概率、延长有效探测距离，还具备优异的抗目标抖动性能。在后向散射率40%的环境中，系统50 m探测范围内平均绝对误差仅为0.016 m，测距精度显著优于现有方法。综上，该检测系统能够有效改善雾天激光雷达的工作性能，可保障市域铁路在雾霾天气下的列车运营安全，具备较强的实际应用价值。
融合全局与局部注意力的小目标检测
周叶;陈慈发;张上;针对无人机航拍图像中目标尺度小、边界模糊、背景复杂以及易发生漏检等问题，提出一种结合掩码蒸馏与切片辅助推理的全局-局部注意力检测网络。在YOLOv11框架基础上，构建门控三分支空间-通道协同注意力模块（GT-CSSC），通过通道注意力、方向感知空间注意力和目标感知分支的协同作用，增强小目标局部细节特征表达能力，抑制复杂背景干扰；引入低分辨率自注意力机制（LRSA），在较低计算开销下建立全局上下文关联，提高网络对小目标整体感知能力；采用掩码生成蒸馏策略，引导学生模型学习更具判别性的特征表示，提升特征表达能力；在预测阶段使用切片辅助超推理，通过增强图像中小目标区域的特征感知能力，捕获漏检的小目标。在VisDrone-DET2019和ITCVD无人机航拍数据集上进行了实验验证，并与多种主流目标检测算法进行了对比分析。实验结果表明，所提方法在VisDrone-DET2019和ITCVD数据集上的平均精度（mAP）较基准模型分别提升了2.94%和3.80%，在保持较高检测效率的同时显著提升了小目标检测性能。
基于FC-ED网络的无相位近场等效源重构方法
楚书元;黄凯悦;吕聚良;李腾;针对无相位近场天线测量中逆映射方程高度病态、传统迭代算法易陷入局部最优且计算效率低下的问题，提出了一种基于全连接编码-解码器(Fully-Connected Encoder-Decoder， FC-ED)深度学习网络架构的单平面等效源重构方法(Source Reconstruction Method， SRM)。在数据处理阶段，采用随机傅里叶轮廓与标准几何组合策略，生成了具有明确电磁衍射物理指导意义的等效源训练数据；在网络构建方面，设计对称的沙漏型全连接拓扑结构以实现空间电磁特征的降维捕捉与升维重构。对该模型的收敛性能、源平面二维幅度重建精度以及一维远场推演进行了仿真与分析。结果表明，该模型的二维等效源幅度预测均方误差(Mean Squared Error， MSE)稳定保持在10-4量级，由此推演出的切面远场辐射方向图与全幅相理论真值高度吻合。所提方法在无需迭代且仅依赖单平面幅度采样的条件下，有效克服了近场相位缺失引发的非线性逆问题挑战，实现了高精度、高鲁棒性的场源重构与远场外推。
FPGA空时自适应抗干扰系统设计与性能分析
叶静;钟岳;李莉玲;李旦红;吴家稷;为提升卫星导航接收机阵列天线的抗干扰性能，提出了一种基于现场可编程门阵列(Field - Programmable Gate Array， FPGA)的空时自适应抗干扰设计与实现方法。该方法针对传统空时自适应处理中协方差矩阵计算与求逆复杂度高、硬件资源消耗大的问题，通过动态调整块Toeplitz矩阵规模并结合多尺度分解技术，显著简化了协方差矩阵的构建过程，将乘累加运算量从O(M2N)降至O(NM)。在矩阵求逆环节，引入Cholesky分解与低秩近似相结合的优化策略，通过优先计算关键矩阵元素、减少冗余运算，大幅降低了求逆的计算负担。此外，采用资源复用策略解决了矩阵求逆复杂度高和硬件资源有限的矛盾，运算量小且易于实现。对空时自适应处理(Space Time Adaptive Processing， STAP)性能进行仿真得出，相较于空时采样矩阵STAP、ADMM-STAP等方法，本文方法在相同矩阵维度下计算速度提升2～6倍，尤其在低时钟频率(62 MHz)下仍可实现4×4矩阵1.8μs的快速求解。在干扰抑制性能方面，单干扰与多干扰场景下平均抑制深度分别达到-65dB与-66.7dB，较对比方法提高3～8dB，且在不同阵元规模下均保持良好的鲁棒性与适应性。硬件资源消耗方面，LUTs、DSPs等关键资源使用量降低15%～30%，，运算量小且易于实现；功耗控制在2.5W左右，体现了优异的能效比与工程可实现性。实际信号测试表明了该方法具有工程可实现性。该方法结构清晰、运算量小、易于FPGA实现，能够广泛应用于GNSS抗干扰系统中，为提升卫星导航接收机在复杂电磁环境下的抗干扰能力提供了一种高效可靠的硬件解决方案。
最大类间方差法在图像处理中的应用
齐丽娜;张博;王战凯;图像分割在图像处理中占有重要的地位,分割结果的好坏直接影响图像的后续处理。文章首先介绍了最大类间方差法及其改进算法———基于灰度拉伸的最大类间方差法算法原理和实现,并针对高速公路中的图像特点。在背景差分法的基础上利用上述两种方法对图像进行了分割处理,对两种方法处理的结果进行了比较。
人工智能大模型综述及展望
罗锦钊;孙玉龙;钱增志;周鲁;王金桥;大模型是人工智能领域的热门研究方向。以ChatGPT为代表的大模型技术应用掀起了国内外的大模型研究热潮，大模型参数规模和训练数据量级迅速增长，模型性能显著提升。概述了大模型的发展历程以及代表性的算法模型，介绍了大模型的基础架构及其核心原理，分析了大模型的特点，讨论了大模型的局限性以及未来发展方向。
无线传感器网络拓扑结构研究
杨宁;田辉;张平;李立宏;随着处理技术、存储技术以及无线传输技术的不断发展,由体积小、重量轻、价格低的无线传感器节点所组成的传感器网络已经充分具备了感知客观事物及自然现象,随时随地为用户提供精确信息的能力。通过对于星状网、网状网和混合网等几种常用传感器网络拓扑结构的比较,以及针对这些拓扑结构所形成的网络寿命的仿真,说明了对于常用的基站距离远、节点密度大的传感器网络,分层式的拓扑结构能够大大的节省网络能量,延长网络寿命,改善网络性能。
基于S型函数的变步长LMS自适应滤波算法
覃景繁,韦岗本文通过建立步长因子μ与误差信号之间的非线性函数关系,得出一种新的变步长自适应滤波算法(SVSLMS)。理论分析和计算机仿真结果表明该算法的性能优于传统的LMS算法和NLMS算法。
MIMO无线传输技术综述
李忻;黄绣江;聂在平;MIMO无线传输技术是通信领域的一项重要技术突破,它能在不增加带宽与功率的情况下成倍地提高无线通信系统的容量和频谱效率,堪称新一代无线通信系统中的关键技术之一,近年来引起了人们的广泛关注与研究兴趣。回顾无线移动通信的发展历程,概述天线分集技术与智能天线技术,剖析MIMO无线传输技术的原理与国内外研究现状:传统单天线系统向多天线系统演进、智能天线向多天线系统演进、MIMO无线传输技术的原理、MIMO系统中的分集与复用、MIMO无线信道建模、MIMO系统中的多天线设计等,为深入认识与进一步研究MIMO无线传输技术奠定基础。
人工智能大模型综述及展望
罗锦钊;孙玉龙;钱增志;周鲁;王金桥;大模型是人工智能领域的热门研究方向。以ChatGPT为代表的大模型技术应用掀起了国内外的大模型研究热潮，大模型参数规模和训练数据量级迅速增长，模型性能显著提升。概述了大模型的发展历程以及代表性的算法模型，介绍了大模型的基础架构及其核心原理，分析了大模型的特点，讨论了大模型的局限性以及未来发展方向。
基于YOLOv8s改进的小目标检测算法
雷帮军;余翱;余快;针对目标检测任务中小目标尺寸较小、背景复杂、特征提取能力不足、漏检和误检严重等问题，提出了一种基于YOLOv8s改进的小目标检测算法——Improved-v8s。Improved-v8s算法重新设计了特征提取和特征融合网络，优化检测层架构，增强浅层信息和深层信息的融合，提高了小目标的感知和捕获能力；在特征提取网络中使用部分卷积(Partial Convolution, PConv)和高效多尺度注意力(Efficient Multi-scale Attention, EMA)机制构建全新的F＿C_2f＿EMA,在降低网络参数量和计算量的同时，通过通道重塑和维度分组最大化保留小目标的特征信息；为了更好地匹配小目标的尺度，优化调整SPPCSPC池化核的尺寸，同时引入无参注意力机制(Simple-parameter-free Attention Module, SimAM),加强复杂背景下小目标特征提取；在Neck部分使用轻量级上采样模块——CARAFE,通过特征重组和特征扩张保留更多的细节信息；引入了全局注意力机制(Global Attention Mechanism, GAM)通过全局上下文的关联建模，充分获取小目标的上下文信息；使用GSConv和Effective Squeeze-Excitation(EffectiveSE)设计全新的G＿E＿C_2f,进一步降低参数量，降低模型的误检率和漏检率；使用WIoU损失函数解决目标不均衡和尺度差异的问题，加快模型收敛的同时提高了回归的精度。实验结果表明，该算法在VisDrone2019数据集上的精确度(Precision)、召回率(Recall)和平均精度(mean Average Precision, mAP)为58.5%、46.0%和48.7%,相较于原始YOLOv8s网络分别提高了8%、8.5%和9.8%,显著提高了模型对小目标的检测能力。在WiderPerson和SSDD数据集上进行模型泛化性实验验证，效果优于其他经典算法。
无人机集群综述:技术、挑战与未来
张旭东;李少波;李传江;张安思;杨磊;随着无人系统、网络通信技术和群体智能理论的发展，使无人机集群协作从概念走向现实、从理论转向实践。回顾了无人机集群的兴起与发展，概述了无人机集群难点与特点；从无人机集群层次结构技术框架出发，分别从智能感知层、通信网络层、自主决策层、路径规划层、协同控制层和实际应用层6个方面介绍了无人机集群关键技术的研究进展；讨论了无人机集群在未来发展中面临的诸多挑战，并对未来研究方向进行了展望，旨在为无人机集群技术的进一步应用落地提供理论参考。
MIMO无线传输技术综述
李忻;黄绣江;聂在平;MIMO无线传输技术是通信领域的一项重要技术突破,它能在不增加带宽与功率的情况下成倍地提高无线通信系统的容量和频谱效率,堪称新一代无线通信系统中的关键技术之一,近年来引起了人们的广泛关注与研究兴趣。回顾无线移动通信的发展历程,概述天线分集技术与智能天线技术,剖析MIMO无线传输技术的原理与国内外研究现状:传统单天线系统向多天线系统演进、智能天线向多天线系统演进、MIMO无线传输技术的原理、MIMO系统中的分集与复用、MIMO无线信道建模、MIMO系统中的多天线设计等,为深入认识与进一步研究MIMO无线传输技术奠定基础。
基于改进YOLOv8的无人机航拍图像目标检测算法
程换新;乔庆元;骆晓玲;于沙家;针对现存无人机航拍图像目标检测算法检测精度较低、模型较为复杂的问题，提出一种改进YOLOv8的目标检测算法。在骨干网络引入多尺度注意力EMA,捕捉细节信息，以提高模型的特征提取能力；改进C2f模块，减小模型的计算量。提出了轻量级的Bi-YOLOv8特征金字塔网络结构改进YOLOv8的颈部，增强了模型多尺度特征融合能力，改善网络对小目标的检测精度。使用WIoU Loss优化原网络损失函数，引入一种动态非单调聚焦机制，提高模型的泛化能力。在无人机航拍数据集VisDrone2019上的实验表明，提出算法的mAP50为40.7%,较YOLOv8s提升了1.5%,参数量降低了42%,同时相比于其他先进的目标检测算法在精度和速度上均有提升，证明了改进算法的有效性和先进性。
网站访问量
今日访问量: 87
友情链接
