对于关键性能指标(key performance indicator, KPI)的异常检测是互联网智慧运维流程中的基石, 对于故障报警和保障服务器安全具有重要意义。深度生成模型已经能很好地解决机器学习模型深度特征表征能力差的问题, 但对于KPI数据中时间信息的处理和长时信息的捕获存在不足。为此, 提出一种基于条件变分自编码器(conditional variational autoencoder, CVAE)和长短时记忆(long-short term memory, LSTM)网络相结合的KPI异常检测模型, 利用CVAE网络强大的表征能力, 并将时间信息添加到深度自编码器中, 利用LSTM的长时记忆能力, 提高模型的长时异常学习和处理能力, 使用训练好的CVAE网络来进一步训练LSTM。在3个公开的数据集上与其他深度学习模型进行对比实验, 实验结果表明, 在F1值方面, 所提模型的性能优于单独的LSTM和一些效果较好的深度学习模型。
针对传统扩频通信系统速率低, 难以广泛应用于水下通信组网的问题, 提出一种将M元循环移位键控(M-ary cyclic shift keying, MCSK)扩频与多输入多输出(multiple input multiple output, MIMO)通信系统相结合的高效水声通信方法, 一方面利用MIMO系统的空分复用增益及MCSK编码增加信息调制维度, 进而实现通信速率的显著提升; 另一方面, 接收端相应提出一种频域相位共轭能量检测算法抑制码间干扰和同信道干扰并进行低复杂度译码, 并通过仿真验证其优越性。2发8收MIMO深海试验中, 成功实现了通信距离为10 km和20 km处通信速率为257.8 bps的低误码水声通信, 验证了所提方法的有效性和稳健性。
为了克服传统路由协议基于有限状态机架构的扩展局限性问题, 引入行为树技术重构路由协议控制层。首先, 提出一种路由协议控制层解耦结构, 借助行为树将控制平面分解为两个层面, 实现控制平面的灵活编程。接着, 设计一种基于行为树的路由协议状态模型, 为协议行为提供标准化的描述方法。同时, 提出一种基于动作模板的逻辑处理规则重构机制, 增强路由协议的扩展性和可维护性。最后, 使用一种路由协议进行概念验证, 对比分析显示, 行为树在扩展复杂度和框架执行效率上均优于传统有限状态机, 证明其在网络协议设计中的可行性和有效性。
自组织网络由于其具有组网灵活、不需要固定设施即可完成通信的特点, 在抢险救灾、军事对抗等场景有着广泛的应用, 但其安全性缺乏足够的保障。针对自组织网络在建网阶段可能受到外部攻击者干扰的问题, 设计一种高可靠、低开销的接入认证算法。为了降低算法带来的通信载荷开销, 对传统的消息摘要5(message-digest 5, MD5)加密算法进行改进, 减少加密结果的长度。为了降低算法带来的认证时间开销和抵抗传输差错, 对传统的“三次握手”机制进行改进, 引入重传机制减少传输差错, 并增加报警机制以实现对攻击者的识别。通过仿真与理论分析, 可以证明该算法能够抵抗节点之间的传输差错、识别出潜在的攻击者并维持较低的通信载荷开销与认证时间开销, 可以广泛应用于各类自组织网络系统中。
针对正交多载波扩频(orthogonal multi-carrier spread spectrum, OMCSS)水声通信系统接收信号快速处理需求, 提出一种基于图形处理模块(graphic processing unit, GPU)的M元解扩算法的并行实现方法。首先, 分析M元解扩算法在GPU平台上实现的可行性, 针对算法内部基础运算单元进行并行优化处理。然后, 为了进一步提升GPU并行运行速度, 对算法进行基于并发内核执行的M元并行解扩计算架构设计。在中央处理器(central processing unit, CPU)+GPU异构平台上对算法性能进行测试。测试结果表明, 设计的M元并行解扩算法相比M元串行解扩算法在运行速度上有最大90.47%的提升, 最大加速比为10.5。
针对卫星双向时间频率传递(two-way satellite time and frequency transfer, TWSTFT)存在周日效应、短期稳定度不高的问题, 通过引入基于注意力机制的Transformer权值矩阵, 利用Vondrak-Cepek组合滤波的方法将中国科学院国家授时中心(National Time Service Center, NTSC)、德国物理技术研究院(Physikalisch-Technische Bundesanstalt, PTB)之间的TWSTFT和全球定位系统(Global Positioning System, GPS)P3码共视法的时间比对链路进行融合, 分析融合前后链路的性能指标并与没有周日效应、短期稳定度高的GPS精密单点定位(GPS precise point positioning, GPS PPP)时间比对参考链路进行比较。结果表明, 引入注意力机制权值的Vondrak-Cepek组合滤波融合方法与参考链路GPS PPP的标准差为0.310 9 ns, 具有改善TWSTFT周日效应、提升链路整体稳定性的作用。
针对现有跳频网络信道负载统计方法存在的不足, 通过分析节点设备统计性能影响因素, 采用多类型数据无量纲归一化处理, 基于层次分析法实现权重综合优化。在此基础上, 提出多节点信道负载统计改进算法, 使信道负载统计值能够准确反映信道真实状态, 降低数据发送的碰撞概率, 提高网络吞吐量。
针对长短码直接扩频序列(long and short code direct sequence spread spectrum, LSC-DSSS)信号序列估计难题, 在已知LSC-DSSS信号参数的条件下, 提出一种基于新信息准则(novel information criterion, NIC)神经网络联合梅西算法的长短码信号序列估计方法。将LSC-DSSS信号输入NIC神经网络以估计随机采样起点, 再通过不断输入数据训练NIC神经网络权值向量。当网络收敛时, 权值向量的符号值即为LSC-DSSS信号的复合码序列片段。使用延迟相乘, 消除幅度模糊与短扩频码序列的影响, 再利用梅西算法获得扰码序列的生成多项式。仿真实验结果表明, NIC神经网络较特征值分解法的抗噪声性能提高6 dB, 同时较Hebbian准则神经网络所需学习组数减少50%。
为提高载波索引差分混沌移位键控通信系统的传输速率和频谱效率, 提出一种并行载波索引差分混沌移位键控通信方案。发射端重复使用有限的载波索引资源进行多次索引调制, 生成多路信息信号并借助正交Walsh码实现并行传输; 接收端利用各路信息信号之间的相似性, 在分段降噪和不同路信息信号之间相关值的基础上完成解调。推导所提方案在加性高斯白噪声和多径Rayleigh衰落信道中的理论误码率(bit error rate, BER)并完成仿真验证。结果表明, 所提方案不但可以大幅提升频谱效率, 而且可以明显改善BER性能。
针对单通道条件下同频同调制混合信号分离时存在的计算复杂度高、分离效果差等问题, 提出一种基于时域卷积的多尺度融合递归卷积神经网络(recursive convolutional neural network, RCNN), 采用编码、分离、解码结构实现单通道盲源分离。首先, 编码模块提取出混合通信信号的编码特征; 然后, 分离模块采用不同尺度大小的卷积块以进一步提取信号的特征信息, 再利用1×1卷积块捕获信号的局部和全局信息, 估计出每个源信号的掩码; 最后, 解码模块利用掩码与混合信号的编码特征恢复源信号波形。仿真结果表明, 所提多尺度融合RCNN不仅可以分离出仅有少量参数区别的混合通信信号, 而且相较于U型网络(U-Net)降低了约62%的参数量和41%的计算量, 同时网络也具有较强的泛化能力, 可以高效面对复杂通信环境的挑战。
为了实现超可靠低延时通信(ultra-reliable and low latency communication, URLLC), 研究在Nakagami-m和莱斯衰落信道下硬件损伤(hardware impairment, HI)、信道估计误差(channel estimation error, CEE)以及不完美连续干扰抵消(successive interference cancellation, SIC)对下行两用户非正交多址接入(non-orthogonal multiple access, NOMA)短包通信(short packet communication, SPC)系统性能的影响。首先, 给出两种信道下用户的平均块错误率(block error rate, BLER)表达式。其次, 在用户的平均BLER要求限定下, 提出一种联合优化功率分配和导频序列长度的优化算法。最后, 仿真结果验证了理论推导的准确性, 并表明HI、CEE和不完美SIC对NOMA SPC系统性能具有大的影响; 为了NOMA SPC系统实现URLLC, 存在一个功率分配和导频序列长度的折中优化。
针对相控阵同频中继节点在测控网络系统中自干扰问题, 分析收发天线阵列分离情况下的自干扰信号特性。针对接收阵列天线合成后自干扰的特性, 提出一种阵射频自干扰抑制方法。该方法根据阵面的布局以及不同规模子阵内自干扰信号的时延扩展, 将一定时延扩展范围内的所有阵元等效为一个阵元, 从而降低射频干扰抑制的分析复杂度。理论分析和仿真实验结果表明, 射频干扰抑制技术在阵列天线中仍然能够实现自干扰抑制, 性能与抽头个数强相关, 且每个抽头的时延、相位以及幅度的范围选取与子阵划分相关。针对256阵元发射阵面和256阵元接收阵面的场景, 仿真对比不同抽头数下的自干扰抑制性能。仿真结果表明, 采用16个抽头对载波频率为26.8 GHz, 带宽为200 MHz的自干扰信号抑制能力大于47 dB; 实际测试结果表明, 采用16个抽头进行自干扰射频重建, 自干扰抑制能力大于32 dB。
随着地下轨道交通通信服务需求的增加, 现有的轨道交通通信系统和天线设备承受了巨大压力。为了配合隧道场景下大规模天线的部署及多输入多输出(multiple input multiple output, MIMO)通信系统的设置, 提出利用传播图论来模拟隧道场景下的多径传播。利用基于Lambertian散射模型的传播图论来生成狭长隧道的信道冲激响应(channel impulse response, CIR), 通过隧道不同接收机位置的CIR获得功率时延谱、均方根时延和角度功率谱。为了验证在MIMO隧道信道建模领域传播图论的准确性与适用性, 将仿真数据与实测数据进行比对。实验结果表明, 该建模方法能有效地对6 GHz MIMO隧道信道进行建模。
为了克服在可重构智能反射面(reconfigurable intelligent surface, RIS)辅助的正交频分复用(orthogonal frequency division multiplexing, OFDM)系统中现有基于深度学习的信道估计方法计算复杂度过高的问题, 在RIS下利用基扩展模型(base extension model, BEM)对时变信道进行建模, 并提出基于残差链接超分辨率卷积神经网络的时变信道估计方法。具体来说, 所提方法首先将参数较多的信道系数估计转换为参数较少的基系数估计, 以降低所提方法计算复杂度。在线下训练中, 利用低分辨率的基系数估计对神经网络进行训练, 仅需要少量的输入即可获取高分辨率的信道估计。为了提高所提方法的实用性, 将网络训练的标签设置为具有高精度的信道估计值, 而非理想的信道信息。仿真实验验证, 所提方法在RIS辅助移动通信系统下能够准确获取时变信道信息, 且具有更高的估计精度和更低的计算复杂度。
L波段数字航空通信系统(L-band digital aeronautical communication system, LDACS)作为未来航空数据链的重要技术手段之一, 非常容易受到相邻波道的测距机系统信号的干扰。为此, 提出一种基于稀疏贝叶斯推断的LDACS波束形成方法。首先, 将LDACS地面站的粗略来向信息作为先验, 并根据空域信号来向的稀疏性构建稀疏信号。随后, 通过贝叶斯推断估算干扰和噪声的功率, 估计各个信源的来向。最后, 重构干扰噪声协方差矩阵, 获得波束形成权矢量。该方法无需知晓干扰数量、干扰来向等信息。仿真结果表明, 该方法在低信噪比和少快拍条件下也能稳定输出波束方向图, 表现出较好性能。
多波束卫星作为地球静止轨道卫星移动通信的重要手段，能够实现远距离数据传输与通信交流。为了满足多样化的用户需求，需要考虑不同用户间的通信速率、频谱利用效率以及信道缓存等问题，这给卫星通信的动态资源分配带来巨大的挑战。就多波束卫星缓存限制下的用户满意度和频谱效率优化问题，提出一种基于可行域边界投影的模拟退火-带精英策略的非支配排序遗传算法Ⅱ(simulated annealing-elitist non-dominated sorting genetic algorithm, SA-NSGA Ⅱ)。所提算法采用投影法将可行域外的迭代点投影到可行边界，实现历史优化信息的有效保留，进而提高非支配排序遗传算法(non-dominated sorting genetic algorithm，NSGA Ⅱ)的优化效率。仿真实验结果表明，所提算法不仅能够将用户缓存控制在规定门限内，还能有效提高用户满意度和优化频谱效率。
针对归一化最小和译码算法较置信传播译码算法误差较大的问题, 提出自适应最小和译码算法。通过对当前迭代后验概率的硬判决值与前一次迭代后验概率的硬判决值进行计算, 动态调整归一化因子与偏移因子, 使得到的改进算法更接近于置信传播译码算法。在此基础上, 应用分层式调度策略, 提出分层自适应最小和译码算法, 提升译码算法收敛速度。仿真实验结果表明, 在误码率为10-6时, 所提译码算法的误码性能与分层归一化最小和译码算法相比有0.25 dB的增益, 与分层置信传播译码算法的译码性能十分接近, 迭代次数仅有1次的增加, 具有更好的收敛性能。
针对中小型无人机在复杂低空长距离通信方面的可靠性和有效性亟待提高的问题, 测量、分析了复杂低空场景下均方根时延扩展、莱斯K因子等信道特性, 并建立了相应概率密度函数模型。选取由山体、建筑以及较多树木组成的复杂低空场景, 在2.4 GHz频率下进行了信道实测活动, 并通过大量数据采集与拟合分析得出结论: 信道均方根时延扩展与莱斯K因子的累积分布函数呈正态分布。基于抽头延时线模型和实测数据分析, 构建了适用于复杂低空空地无线信道的模型, 并通过仿真实验证明所提模型可以很好地实现目标信道特性。所得结果为提高中小型无人机在复杂低空长距离中的通信性能提供了有力支持。
将不同类型的情报信息高效回传至指挥中心是侦察型无人机的主要任务之一。针对不同类型的信息，须采用不同的传输体制，因此建立具有客观性、准确性、全面性的数据传输(以下简称数据传输)性能评价方法是保证机载信息高效回传的关键。鉴于现有评价方式更加注重提升指标、缺乏对传输体制的全面评估的问题，提出一种基于加权处理的无人机群数据传输性能评价方法。根据无人机信息的类型与特性，得到信息传输的侧重性指标、兼顾性指标以及次要指标，对不同指标进行权重分配，最终得到各项性能的得分以及综合得分。针对数据传输技术的几种典型方案，采用加权处理的方法进行综合性评价，更加直观地给出不同传输方案的优缺点。作为一种通用的评价方式，所提方法针对单一场景，能够对不同指标进行定量分析，指标的权值可根据实际需求灵活调整，综合得分结果更加直观且具有更高的可评估性，并且其评价方式具有对于多场景的推广性，可以通过改变权值大小的方式适应不同场景和不同信息类型下的评价需求，为无人机群在多场景下数据传输方案的选择和择优提供理论依据。
构建高可靠性的时间同步系统是车载通信应用领域的一项重要挑战。介绍车载时间敏感网络的时间同步机制以及多域冗余特性，并对采用多域时间同步实现链路冗余的方法进行简要分析。在明确指出多域时间选择的关键问题后，建立时间误差分析数学模型，用于深入分析误差来源。基于该模型，提出一种多域时间同步协议栈系统架构，并设计交替同步域选择算法和基于时间窗的最小跳数优先域选择算法。此外, 借助网络仿真平台构建仿真实验环境，对所提设计和算法进行评估。仿真实验结果表明，所提算法不仅确保链路冗余，而且可以有效提高时间同步的性能。
在无线通信的诸多场景，如卫星通信、深空通信和隐蔽通信中，受限于发射功率、传输距离等因素，接收信号非常微弱。现有联合解调译码迭代同步算法，将信道编码增益作用于信号接收全过程，可有效降低接收机的同步门限，但是计算复杂度较高。利用迭代接收目标函数的形态一致特性，提出一种基于深度神经网络(deep neural network, DNN)的同步优化策略。该策略与传统的迭代同步方法相比，可在1e-5误码率下降低24%的计算复杂度。这一研究成果为迭代接收技术在更高数据速率场景下的工程应用提供了新的发展方向，同时展现出深度学习在解决复杂通信环境问题中的潜力。
针对数据中心网络的流调度优化问题, 选用经典的Fat-Tree拓扑结构, 利用软件定义网络集中控制的优势, 提出一种基于带宽匹配的节能路由算法(energy efficient routing algorithm, EERA)。EERA首先对需要传输的数据流按照其截止时间进行排序, 然后对拓扑中的链路权值按照每个排序后的数据流需要传输的数据量进行更新, 删除可用带宽不满足传输数据量的链路, 得到新的拓扑图。在重新定义的拓扑图中, EERA计算源节点和目标节点之间所有可用链路, 从这些可用链路中选取与流传输数据量所需带宽最匹配的链路进行路由。仿真实验表明, 在不增加额外存储开销的前提下, EERA为即将到来的数据流预留了足够的带宽, 减少了网络链路拥塞, 在节省网络能耗的同时实现了网络负载均衡。
针对用于辐射源信号识别的神经网络存在参数冗余、运算量庞大等问题, 提出一种基于二值神经网络的辐射源信号识别方法。该方法指出利用卷积层效用值衡量神经网络卷积层的重要性, 根据卷积层效用值的大小, 将重要的卷积层保留为实值, 其余卷积层进行二值化处理。实验结果表明, 在信噪比大于-9 dB时, 采用该方法得到的二值神经网络的信号识别准确率相比于实值卷积神经网络降低了0.5%, 而网络参数内存大小降低了83.4%, 网络运算次数降低了83.8%, 网络运算复杂度降低了85.8%, 易于部署在各种硬件平台上。
针对具有多径效应、大气噪声等复杂因素的无人机(unmanned aerial vehicle, UAV)集群多输入多输出(multiple-input multiple-output, MIMO)信道的信号调制方式识别问题, 提出基于循环谱特征和高阶累积量特征的调制识别方法。首先, 根据UAV集群复杂通信信道环境, 建立Alpha稳定分布噪声干扰和多径干扰下的UAV集群MIMO信道。其次, 分析MIMO接收信号的高阶累积量特征和循环谱特征, 提取出判别调制识别方式能力强的特征值, 构造集群信号特征样本。最后, 将特征样本输入深度稀疏自编码网络, 实现6种调制方式的识别。仿真结果表明, 该调制识别方法在UAV集群复杂通信环境下是有效的, 当识别准确率为90%时, 深度稀疏自编码网络识别性能优于多层感知机识别性能约1 dB。在存在直射径的MIMO多径信道中, 当混合信噪比为0 dB时, 识别准确率均能达到96%, 在低信噪比下有较高的识别准确率, 对复杂的信道环境下的MIMO信号识别具有鲁棒性。
Turbo码是一种常用的信道编码方式, 正确识别Turbo码首先要正确识别其子递归系统卷积(recursive system convolutional, RSC)码, 由于信道噪声与干扰引发误码, 这就要求识别算法具有良好的抗误码性能以及识别能力。利用解调软判决序列, 通过编码码元约束方程, 构建指数形式的代价函数模型, 将识别RSC码的生成矩阵问题转化为求解代价函数全域极值的最优化问题, 最后在共轭梯度法的基础上, 采用新的PRP步长因子来寻找全域极值点。仿真结果表明, 所提算法与现有算法相比, 收敛速度更快, 在低信噪比下也有良好的识别能力。
针对带残余频偏的软扩频信号伪码序列盲估计难的问题, 提出一种奇异值分解(singular value decomposition, SVD)结合全数字锁相环(digital phase locked loop, DPLL)的方法。所提方法首先对待处理信号通过不重叠分段生成数据矩阵, 每段信号长度为一倍伪码周期; 然后利用其自相关矩阵的右上角元素估计失步点进行同步, 并且在重新计算自相关矩阵后根据较大特征值个数估计进制数; 最后通过多次快速SVD算法结合DPLL最终实现伪码序列的盲估计。仿真结果显示, 所提方法在低信噪比条件下可以有效估计出带残余频偏的软扩频信号的伪码序列, 并且性能优于其他对比方法。
在多小区环境下的准同步码分多址(quasi-synchronous code-division multiple-access, QS-CDMA)系统中，不相关多子集零相关区(zero correlation zone, ZCZ)序列集不仅可以消除一定时延内来自相同小区的信号干扰，而且可以完全消除来自相邻小区的信号干扰。针对如何基于仿酉矩阵构造多子集ZCZ序列集的问题，设计了两种构造方法。具体地，通过构造具有一定特性的多个初始矩阵，再结合仿酉矩阵，进而利用不同的初始矩阵产生不同的ZCZ序列集，且序列集间互不相关。所提方法的核心是多个初始矩阵的设计，方法1通过对离散傅里叶变换(discrete Fourier transform, DFT)矩阵进行分块与叠加实现，方法2利用已有的不相关多子集ZCZ序列集实现。由两种方法得到的构造结果，其参数趋近于最优，为解决多小区环境下的干扰抑制问题提供了新的序列设计方法。
在非合作通信场景下, 针对现有的非等长帧同步字盲识别算法存在的抗误码性能不佳、识别速度慢和识别结果不完整的问题, 提出一种基于两次窗口滑动运算的非等长帧同步字盲识别算法。首先, 将比特流均匀切分为多个窗口, 取前两个窗口做滑动同或运算得到扩展同步字(extended synchronization word, E-SW); 然后, 利用得到的E-SW与剩余窗口分别做滑动相关性运算, 得到每个窗口对应的E-SW并组成E-SW集合; 最后, 对E-SW集合进行统计分析, 筛选出未知同步字的码字内容。仿真结果表明, 所提算法在误码率为10-2时能实现98.7%的识别准确率, 并且可以识别出未知同步字的完整码字内容。在相同准确率的情况下, 所提算法比现有算法至少能多适应0.01的误码。此外, 所提算法的识别速度较现有算法更快, 且同样适用于等长帧协议。
随着用户规模的扩大, 低轨卫星网络中流量的突发性和区域通信负载的不均衡性导致其面临着愈发严重的负载均衡问题。对此, 提出一种分布式基于跳数的背压路由(hops-based back-pressure routing, HBPR)协议。HBPR首先根据链路中间节点距离目的卫星的剩余跳数计算链路权重。然后, 为控制可用转发路径数量, 将可用传播区域限制在由源节点-目的节点构成的矩形拓扑区域, 以降低传播代价。最后, 采用分布式方式设计HBPR, 在无需收集全网拓扑信息的条件下实现低拥塞最短链路的动态选择和流量均衡分配。通过理论分析证明了HBPR吞吐量的最优性。网络仿真结果表明, 与现有路由协议相比, HBPR具有更高的网络吞吐量和更低的时延。
传统互联网为实现端到端安全、可靠、实时的网络业务保障, 需要在网元节点部署多类组网服务。然而, 现有大多数网络设备只提供网络接入和路由等服务功能, 缺乏安全、可靠、实时的服务设计。基于开源网络操作系统(software for open networking in the cloud, SONiC)、容器技术和行为树设计一种组网服务管控架构及调度方法, 实现面向网络业务保障的组网服务部署, 将组网服务部署可编程网络设备进行统一管理和调度, 并进行仿真测试。所述组网服务管控架构及调度方法进一步增强了网络设备能力, 利用行为树高效协调管控调度过程中的状态转化, 保障组网服务的交付质量。
