信道通用预训练大模型赋能数字孪生信道：原理与实践
张建华;史廉正;于力;黎明月;田磊;王启星;刘光毅;未来第六代移动通信系统(6G)以提供超可靠、智能化的网络连接，实现动态环境下的万物互联。数字孪生信道(Digital Twin Channel, DTC)作为支持6G网络智能化的关键技术，在数字世界中在线构建高保真孪生信道，助力网络主动适应与精准决策。传统的AI小模型通常仅针对特定任务或特定场景，面对6G复杂、高动态的无线信道存在巨大挑战，难以全面满足DTC的需求。大语言模型(Large Language Model, LLM)因在多模态特征融合、高维数据建模等方面具有强大能力，有望克服上述挑战。首次将DTC与LLM框架相结合，构建信道通用预训练大模型ChannelGPT,以应对6G无线信道的巨大挑战。具体来说，ChannelGPT设计为3个核心层，数据处理层构建大规模环境与信道数据集，算法模型层充分挖掘无线环境信息与信道特性之间的匹配映射，功能应用层有望支持多任务的联合优化。仿真结果表明，ChannelGPT在预测精度、多模态融合能力方面相较于小模型方法具有明显优势，为实现DTC提供了有潜力的手段。
智能通信与感知导读
黄崇文;潘存华;刘凡;游昌盛;徐勇军;何继光;<正>内容导读无线AI与通信感知一体化是未来6G最重要的2个应用场景。近些年，围绕智能通信与感知的关键理论与技术问题，学术界展开了深入的讨论与研究，相关使能技术，例如智能超表面(RIS)技术的发展引起了业界的广泛关注。学术界和产业界围绕智能通信与感知以及RIS赋能智能通信感知的理论探讨、关键技术、实现算法及工程试验等领域开展了一系列研究，RIS电磁调控无线环境技术、通信感知一体化、毫米波感知等技术方案能极大提升通信与感知体验，具有巨大的工程实践意义，具备成为5.5G/6G无线通信关键技术的潜力。
智能超表面辅助的通信感知一体化：总结与展望
罗泓昊;李明;随着无线技术的不断发展，通信与感知的深度融合逐渐成为提升网络性能的重要方向。通信感知一体化(Integrated Sensing and Communication, ISAC)作为这一融合的关键技术，旨在协同优化数据传输与环境感知能力，以满足日益多样化的应用需求。与此同时，智能超表面(Reconfigurable Intelligent Surface, RIS)技术凭借其智能调控无线传播环境的能力，在ISAC系统中展现出巨大的潜力。通过调整RIS反射单元的电磁特性，既能提升信号的传输质量，又能增强系统的感知能力。概述了RIS和ISAC的技术背景，深入探讨了RIS在ISAC中的作用及其潜在应用，详细分析了RIS辅助ISAC系统面临的关键技术问题，提出了未来的研究方向。
面向6G的智能物联网通信关键技术综述
张爽;张晨;彭淑敏;郝万明;随着物联网(Internet of Things, IoT)的快速发展，现代工业IoT(Industrial IoT, IIoT)、智慧城市、智慧车联网(Vehicle-to-Everything, V2X)以及智慧健康医疗等新型IoT应用将全面普及，这些应用场景对网络传输速率、传输时延、系统功耗和接入数目有极高的要求。为应对这些挑战，6G网络将引入大带宽、低功耗和大规模天线等先进技术，为未来新型IoT应用提供强有力的支撑。针对这一发展趋势，聚焦于6G新型IoT的典型应用场景及其技术需求，深入探讨了毫米波/太赫兹通信、智能超表面(Reconfigurable Intelligent Surface, RIS)通信、通信感知一体化(Integrated Sensing and Communication, ISAC)以及反向散射通信(Backscatter Communication, BackCom)等关键使能技术，在此基础上对6G智能IoT通信进行了展望。
面向通信感知一体化的仿射频分复用技术综述
李雨昂;丁昱翔;吕璐;杨龙;陈健;6G移动通信系统中，通信和感知的深度融合尤为重要，对网络架构、组网技术以及空口能力等方面的原生通信感知融合设计提出了更高要求。其中，通信感知一体化(Integrated Sensing and Communication, ISAC)波形设计作为关键技术，有望实现高效率通信和高精度感知双重目标。6G系统预计将采用超高频(Extremely High Frequency, EHF)技术，特别是在毫米波和太赫兹频段，以支持低空经济、车联网(Vehicle to Everything, V2X)、高速铁路以及卫星通信等应用。这些场景通常处于异构和高速移动条件下，产生的双色散信道给无线通信系统带来了巨大挑战。最近提出的仿射频分复用(Affine Frequency Division Multiplexing, AFDM)技术通过在离散仿射傅里叶变换(Discrete Affine Fourier Transform, DAFT)域中对信息符号进行多路复用，使得所有的路径相互分离，每个符号都经历所有的路径系数，从而在双色散信道上实现完全分集。介绍了AFDM的基本理论，讨论了AFDM与其他潜在波形在ISAC系统中的性能差异，对AFDM在ISAC场景中的应用和未来研究方向进行了描述和展望。
基于熵权法的GPS卫星钟差组合预报方法
杨朝攀;于烨;贾维敏;金国栋;李义红;金伟;赵建伟;为了提高卫星钟差（satellite clock bias， SCB）预报的精度和稳定度，提出了一种基于熵权法的卫星钟差组合预报方法。该方法采用二次多项式（Quadratic Polynomial， QP）模型和灰色模型（Grey Model， GM）对卫星钟差进行单一预报，生成2组预报结果；通过计算两组预报结果的误差信息熵，来确定各模型的最优权重，基于该权重对两模型的预报结果进行优化融合，以得到卫星钟差的高精度预报结果。此外，采用武汉大学全球卫星导航系统（Global Navigation Satellite System，GNSS）分析中心发布的精密卫星钟差产品，随机选取了6颗不同类型的GPS卫星钟差进行预报试验。试验结果表明，该方法相比于单一预报模型，预报精度和稳定度均得到显著提升，其6小时的平均预报精度和稳定度分别为0.31 ns和0.69 ns，与一次多项式（Linear Polynomial， LP）模型、二次多项式模型、灰色模型和卡尔曼滤波（Kalman filter， KF）模型相比，平均预报精度和稳定度分别提高了46.55%、47.50%、62.70%、66.30%和34.91%、42.50%、54.00%、60.57%。
基于载波相位预测残差的LEO卫星轨道机动探测与处理方法
李佩如;王磊;轨道机动是维持低轨(LEO)卫星正常运营管理的一项关键技术。由于LEO卫星机动定时信息难以完全准确获取，并且轨道机动会对卫星精密定轨(POD)产生影响，为了保证机动期间卫星轨道信息的准确性，需对轨道机动进行有效地探测和处理。针对LEO卫星机动探测主要基于TLE数据，TLE数据质量不稳定且时间跨度长，提出了一种基于载波相位预测残差的机动探测方法。通过分析GRACE卫星星载实测数据证明该机动探测方法可以有效探测出LEO卫星轨道机动，探测时延仅在30 s内。采用方差膨胀法对机动进行处理后，定轨残差表明，机动处理后的轨道与观测值具有较好的一致性，定轨残差精度提升约58.3%；与JPL精密轨道作差，R、T、N方向轨道精度分别提升61.3%、57.8%和67.3%。
面向区块链的ABAC访问策略索引优化方案
董西国;徐自衡;朱岩;属性基访问控制（Attribute-based Access Control，ABAC）模型在现代信息系统中发挥着重要作用，但随着系统复杂度的增加，访问策略匹配的效率成为了性能优化的关键挑战。现有索引表和全量加载2种典型策略匹配方式在区块链等分布式环境中均存在灵活性差、资源占用高、效率低等问题。为此，提出了一种基于决策树算法的访问策略索引优化方案，利用ABAC模型中的策略目标元素作为决策树的输入特征，构建高效的策略分类器。提出了一种增量更新算法，用于处理策略动态变化，降低计算开销的同时维持索引树的正确性。研究结果表明，该方法能够满足大规模访问控制系统的需求，为分布式环境中的访问控制性能优化提供了新的解决方案和技术参考。
基于SVM和特征值差分的RFI信源估计
黄书豪;杜思远;王嘉豪;赵锋;李惠媛;针对综合孔径微波辐射计射频干扰（Radio Frequency Interference，RFI）定位与抑制中缺乏科学简便信源估计方法的问题，提出一种基于支持向量机（Support Vector Machine，SVM）与特征值差分的RFI信源估计方法。通过模拟综合孔径成像中的吉布斯振荡现象，分别构建无干扰及不同干扰源数量的相关矩阵；采用矩阵分解获取特征值序列，计算特征值的二阶差分作为特征向量；基于多分类SVM构建干扰源数量识别模型，分别对T型、Y型和U型阵列进行仿真实验；通过对比传统信源估计方法与新方法在不同干扰数量、阵元配置及场景下的均方根误差（Root Mean Square Error，RMSE），验证方法有效性；最后利用C波段7阵元实测数据（含强干扰及水陆交界弱干扰）进行验证。仿真实验表明：新方法在T/Y/U型阵列中的RMSE较传统方法在不同应用场景下都有提升。实测数据验证显示，训练后的SVM模型对强干扰和弱干扰场景都可以有效识别。所提出的SVM-特征值差分方法能准确识别综合孔径微波辐射计的RFI信源数量，其性能显著优于传统方法，为复杂场景下的射频干扰抑制提供了新的技术途径。
基于状态表的分布式无人机编队避障算法
贾鹏;赵晨曦;闫继垒;近年来，无人机集群在复杂艰苦任务执行上得到了广泛应用。针对现有无人机编队算法实时性差、集群协同能力弱、自主决策能力弱等问题，提出了基于公有状态信息表的分布式无人机编队避障算法。通过提出改进的势能函数，有效解决了传统人工势场法可能产生的运动平衡和抖动问题。同时，通过引入公有状态信息表，结合碰撞块搜索算法，有效提高了编队避障过程中的信息交互效率。仿真结果表明，所提出的基于状态表的避障策略可以使无人机集群在编队过程中有效快速躲避单个或多个障碍。
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。
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。
ZigBee技术在工业控制领域的应用
陈景运;周祥平;ZigBeeTM是一种低速率、低成本、低功耗的短程无线网络协议。在众多无线网络技术中,ZigBee技术以其数据传输安全可靠、组网简易灵活、设备成本低、电池寿命长等独特的优势,在工业控制领域中展现了深厚的发展潜力和广阔的市场前景。在Modbus现场总线控制系统中引入ZigBee无线网络,可以在确保数据传输可靠性和实时性的前提下,大大提高控制系统的可扩展性,降低设备维护的成本,从而使整个控制系统得到优化。
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:226
友情链接
