相比于传统分布式组阵接收采用的参数差异估计、信号校准合成以及符号检测的逐级处理结构, 直接利用多个观测信号进行符号检测能够抑制信号间校准精度不佳带来的性能损失问题, 但现有方法主要针对收发均静止或收发理想同步的情形。研究了一种最大似然准则下的分布式接收运动目标直接符号检测方法, 首先给出了直接符号检测求解模型, 针对模型中多组未知参数的优化问题, 推导分析了各参数近似闭式解, 采用基于迭代重估的闭环处理结构, 利用多个未知参数和信息符号进行联合寻优。仿真实验结果表明, 所提方法性能明显优于传统合成处理方法, 与现有联合处理结构相比, 在观测站数目较多时具有明显优势。
针对频谱资源短缺和传统的智能反射面无法实现全空间覆盖的问题,研究了同时透射和反射的可重构智能表面(simultaneously transmitting and reflecting reconfigurable intelligent surface, STAR-RIS)辅助通信感知一体化系统。通过分配功率和子载波资源并优化STAR-RIS系数矩阵, 使得在保证感知功能的前提下, 最大化通信和速率。设计了一种交替优化算法, 将多变量之间相互耦合的非凸问题解耦转化为3个凸的子问题。首先, 松弛子载波选择变量后使用惩罚函数和逐次凸逼近算法; 然后, 直接求解功率分配变量的凸子问题; 最后, 使用半正定规划并把秩一约束改写为核范数与谱范数之差, 将其作为惩罚函数, 使用逐次凸逼近以优化STAR-RIS系数矩阵。仿真结果表明, 与传统RIS相比,所提方案的性能取得了显著提升。
RaptorQ喷泉码是喷泉码的最新研究成果, 理论分析和仿真验证表明, RaptorQ喷泉码是性能最好的喷泉码, 同时也是编译码复杂度最高的喷泉码。针对RaptorQ喷泉码编译码复杂度高这一问题, 以国际标准RFC6330所设计的RaptorQ码编译码流程为基础, 提出一种RaptorQ编译码算法的优化版本。新的编译码流程通过固定生成矩阵的方式提前计算好生成矩阵并存储, 方便随时调用; 通过提前列变换的方式规避多次寻找标准行和高斯消去操作, 以及通过去稀疏化的方式, 减少编译码过程中的矩阵乘法和异或运算。仿真比较优化前后的编译码算法, 结果表明, 优化后的RaptorQ码编译码流程能够在保证传输性能不变的同时, 减少RaptorQ喷泉码编译码基本运算次数、缩短RaptorQ喷泉码编译码的时间, 降低了编译码的计算复杂度, 并保持了传输性能。
针对工业无线传感器网络物理层移动干扰攻击节点的攻击问题, 研究sink节点和簇头节点共同抵御攻击的两层协作博弈模型。在簇头节点中选择最佳协作节点, 共同抵御移动干扰攻击节点; 以网络安全速率为优化目标, 将sink节点、最佳协作节点和攻击节点之间的合作竞争关系建模为两层协作Stackelberg博弈模型, 采用逆向归纳法求解博弈均衡解。仿真实验结果表明, 与未采用协作节点的方案相比, 采用的最佳协作节点选择方案对移动攻击节点的抵御效果更佳, 且与其他协作博弈功率控制模型相比, 两层协作Stackelberg博弈模型可有效提高工业无线传感器网络的安全速率。
为解决非协作通信中多输入多输出正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing, MIMO-OFDM)系统的单-混信号调制识别问题, 提出一种基于多特征融合和决策融合的调制识别方法。首先, 利用特征矩阵的联合近似对角化(joint approximate diagonalization of eigenvalue matrix, JADE)算法从接收端恢复发送信号; 然后, 提取恢复后信号的四次方谱、循环谱和高阶累积量作为输入样本, 利用多特征融合网络对输入样本进行训练; 最后, 使用决策融合策略根据每条支路输出得到最终判决结果。仿真实验结果表明, 所提方法可以对MIMO-OFDM系统中的7种信号进行有效识别, 在信噪比为10 dB时识别精度可达99.4%。
自适应混合自动重传请求(hybrid automatic repeat request, HARQ)系统的性能与每次传输中的调制与编码方案(modulation and coding scheme, MCS)、发送功率选择密切相关, 通过优化重传时的MCS及发送功率可以提升HARQ系统的吞吐率并降低能耗。由于不同MCS传输合并后的译码性能没有闭式解, 这导致自适应HARQ优化问题不易解决。首先基于译码的判决域半径给出了一种HARQ合并后译码错误率的近似公式, 进而提出了多种能权衡吞吐率和能耗性能的自适应HARQ优化策略。仿真结果验证了所提错误率估计方法的可靠性以及所提自适应HARQ的性能。与传统HARQ方案相比, 所提方案能同时提高吞吐率、降低能耗, 实现更好的吞吐率与能耗的性能折中。
传统基于硬件的水声传感器网络(underwater acoustic sensor networks, UASNs)架构灵活性及可控性较差, 难以满足水下多样化监测任务的需求。针对此问题, 提出基于边缘计算的水下软件定义监测网络架构, 并提出一种多级协同水下监测机制。该架构通过主从控制器将集中式云处理任务部署至边缘端, 并对网络进行分级控制。该机制首先通过低轨遥感卫星进行大范围海洋监测, 其次进行小范围监测, 数据经原位处理及边缘处理后上传至水面进行分析, 最后进行水下联合监测。仿真结果表明, 所提出的监测架构和监测机制可降低异常数据处理时间成本和网络开销, 在不同场景下的端到端延迟、网络能耗和包投递率方面都有良好的表现, 提高了监测架构的灵活性。
使用基于深度学习的室内波束选择方法可以显著提高波束匹配概率和搜索效率, 但该方法需要大型数据集来调整其大量可训练参数, 导致了额外的系统开销。针对这一不足, 结合一种迁移学习技术, 使得目标场景神经网络以小数据集方式获得与大数据集相近的匹配精度, 从而减小基于深度学习的波束选择方法中数据集大小对匹配结果产生的影响。首先使用大型数据集在一个源场景中对源神经网络进行充分训练, 使得网络参数能够充分包含信道状态信息以及环境信息; 而后利用源神经网络参数对目标场景中的神经网络进行不同程度初始化, 使该神经网络在经过小数据集训练后依然可以获得较好的波束匹配性能。仿真结果表明, 针对室内波束选择场景, 在数据集有限的情况下, 使用迁移学习方法进行波束选择, 同样可以获得较高的匹配精度。
非正交多址接入(non-orthogonal multiple access, NOMA)技术的广泛应用改变了传统物理层安全对用户传输速率的限制, 在降低时延的同时会引起系统能耗增加。针对安全通信与降低能耗问题, 提出一种基于混合协作NOMA的安全边缘计算传输方法。该方法对每个用户数据处理过程设计了多时隙混合协作方案, 根据不同用户的信道条件分别设置卸载决策, 保证用户间公平, 并推导出系统保密中断概率的闭合表达式。然后以最小化系统能耗为目标, 采用基于块坐标下降的三步迭代优化算法求得最优卸载方案。仿真结果显示, 所提出的传输方法能在保证信息安全的条件下有效地减少系统能耗。
为了提高置换索引差分混沌移位键控系统的数据传输速率和能量效率, 提出了高速置换索引差分混沌移位键控通信系统。该系统采用置换矩阵索引多元信息, 并携带一个调制位。发射端将参考信号复制P次作为信息承载信号, 通过希尔伯特变换, 每个信息时隙中多传输N个用户的信息, 将信号级联到正交频分复用系统进行正交载波调制, 大大提高了系统的数据传输速率; 同时推导了该系统在高斯白噪声信道和多径瑞利衰落信道下的误码率表达式。理论分析及仿真结果证明, 该系统相比其他置换索引类系统具有高速率、低误码率的良好特性, 有更好的应用前景。
针对车联网中车辆的动态移动以及信号的随机散射所导致的信道快速变化问题, 研究了智能反射面(intelligent reflecting surface, IRS)辅助的车联网通信并提出了联合相移设计和信道对齐策略, 以削减车联网中多普勒频移的影响并提升通信性能。提出的策略由两个阶段构成。在第一阶段设计IRS的相移以改善级联信道的衰落状态,在策略的第二阶段进行修正函数的设计, 实现了直接信道和级联信道的信道对齐, 从而减少直接信道快衰落状态对通信性能的影响。通过联合相移设计和信道对齐策略中设计的反射相移以及修正函数, 实现了通信性能的提升。仿真结果表明, 所提策略相比于相移优化策略可以提升8.8%的频谱效率。
为提升无人机群辅助边缘计算系统在负载不均衡场景下的性能, 构建了一种新的无人机群边缘计算系统, 利用无人机之间卸载数据来提高计算资源的利用率, 通过联合优化多架无人机的卸载方案、部署和资源分配, 使得系统的时延和能耗加权和最小。该问题高度非凸, 为此提出一种高效的双层优化算法——启发最优评价算法, 上层使用粒子群算法优化无人机位置, 下层在确定位置的情况下使用块坐标下降算法优化无人机的数据卸载和资源分配。仿真结果表明, 所提方案可有效降低系统成本, 与基准策略相比优势明显。
针对民航陆空通话领域语料难以获取、实体分布不均, 以及意图信息提取中实体规范不足且准确率有待提升等问题, 为了更好地提取陆空通话意图信息, 提出一种融合本体的基于双向转换编码器(bidirectional encoder representations from transformers, BERT)与生成对抗网络(generative adversarial network, GAN)的陆空通话意图信息挖掘方法, 并引入航班池信息对提取的部分信息进行校验修正, 形成空中交通管制(air traffic control, ATC)系统可理解的结构化信息。首先, 使用改进的GAN模型进行陆空通话智能文本生成, 可有效进行数据增强, 平衡各类实体信息分布并扩充数据集; 然后, 根据欧洲单一天空空中交通管理项目定义的本体规则进行意图的分类与标注; 之后, 通过BERT预训练模型生成字向量并解决一词多义问题, 利用双向长短时记忆(bidirectional long short-term memory, BiLSTM)网络双向编码提取上下句语义特征, 同时将该语义特征送入条件随机场(conditional random field, CRF)模型进行推理预测, 学习标签的依赖关系并加以约束, 以获取全局最优结果; 最后, 根据编辑距离(edit distance, ED)算法进行意图信息合理性校验与修正。对比实验结果表明, 所提方法的宏平均F1值达到了98.75%, 在民航陆空通话数据集上的意图挖掘性能优于其他主流模型, 为其加入数字化进程奠定了基础。
为在月球建立长期驻留的月面科研基地, 实现局部网络的通信覆盖, 提出了月球通信塔(lunar communication tower, LCT)的模型设计方法和多基站的部署方案。通过对月面探测任务与月表多设施通信网络的需求分析, 设计了LCT的功能模块和模型结构。引入基于地理信息的覆盖场强预测模型, 结合月表地形对通信链路的损耗影响, 评估了多基站通信塔的有效覆盖与传输速率指标。在部署方案上, 首先, 在月球南极光照区范围内采用遍历法得到覆盖平均场强最大的主基站部署位置; 随后, 采用遗传算法最大化主基站半径10 km范围内的覆盖场强, 对月球表面特定区域进行搜索, 获取多个副基站的最佳部署位置; 最后, 针对集中式和分布式通信塔主、副基站的部署方案, 进行了对应于CCSDS Proximity-1协议、长期演进(long term evolution, LTE)、Wi-Fi制式下覆盖性和传输速率的仿真分析, 充分验证了月表多设施通信网络建设的可行性。
实时定位移动设备在电子对抗系统中至关重要, 其性能主要取决于波达角(direction of arrival, DOA)的估计速度。低快拍是快速DOA估计的先决条件。目前基于稀疏重构算法的DOA估计具有适应低快拍的优势, 但估计精度受限于初始观测矩阵, 且估计速度受限于观测矩阵高维度的多次迭代。为此, 提出一种空间差分矩阵和稀疏重构耦合的低快拍下高精度快速估计算法。首先利用空间差分矩阵消除非相干信号和噪声对相干信号估计结果的影响, 提升初始观测矩阵的准确度; 然后对完备字典做前后空间平滑处理, 克服高维度信号处理复杂难题, 实现快速估计; 最后分别估计非相干信号和相干信号。仿真验证结果表明, 相比稀疏重构方法, 所提方案初值敏感度显著降低, 在保障精度相当甚至小幅度提升的前提下, 运行时间复杂度降低50%以上。
巨量网络规模、复杂网络结构和低效人工配置等问题需要网络配置自动化和无人化。意图驱动网络可实现去人工的网络自动配置, 其中意图表征是关键; 然而, 现有意图表征范式未能形成统一的标准语法规则。提出了自然语言处理与知识图谱相结合的意图驱动网络表征系统, 该系统支持语音、文本等形式的意图输入。所提意图表征方法利用文本检错、纠错和相似度检测技术提升了意图表征的效果, 将意图表征结果保存为知识图谱, 实现了标准、统一的语法规则, 并通过实验验证了该系统的有效性。
针对通信中软扩频信号伪码序列盲估计困难的问题, 提出一种奇异值分解(singular value decomposition, SVD)和K-means聚类相结合的方法。该方法先对接收信号按照一倍伪码周期进行不重叠分段构造数据矩阵。其次对数据矩阵和相似性矩阵分别进行SVD完成对伪码序列集合规模数的估计、数据降噪、粗分类以及初始聚类中心的选取。最后通过K-means算法优化分类结果, 得到伪码序列的估计值。该算法在聚类之前事先确定聚类数目, 大大减少了迭代次数。同时实验结果表明, 该算法在信息码元分组小于5 bit, 信噪比大于-10 dB时可以准确估计出软扩频信号的伪码序列, 性能较同类算法有所提升。
针对时变水声信道的多途干扰问题, 提出基于高斯似然(Gaussian likelihood, GL)的精准水声信道估计算法。GL算法将相邻信道短块的高斯概率密度函数相乘, 乘积仍然服从高斯分布, 且方差变小, 从而进一步提高信道估计的准确性; 采用叠加训练(superimposed training, ST)方案, 将训练序列和符号序列线性叠加, 使训练序列持续传输, 实现对信道的实时跟踪。将ST方案、GL算法和Turbo均衡以迭代的方式相结合, 估计出的符号序列作为虚拟训练序列, 进一步提高时变水声信道的估计和跟踪性能。通过多次迭代计算, 实现时变水声信道的精准估计和实时跟踪。最后, 通过计算机仿真以及胶州湾收发节点水平距离500 m和5.5 km的海上运动实装试验, 验证了所提算法的有效性。
针对群系统通信网络带宽受限问题, 提出一种动态自触发通信下有向高阶非线性多智能体输出反馈包容控制方法。首先, 针对群系统通信网络带宽受限问题, 提出一种新型动态自触发通信机制。与传统事件触发通信机制相比, 所提出的动态自触发通信机制具有更大的触发阈值, 且无需连续监测系统状态信息, 进一步节省系统通信资源和传感器资源。其次, 为所有智能个体设计输出反馈控制协议, 驱使所有跟随者收敛到由多个领导者围成的动态凸包中, 从而实现网络的多领导者包容控制。最后, 以高超声速飞行器群系统为例, 验证了控制方法的有效性和理论分析的正确性。
针对目前传统机动通信系统、主流软件定义网络(software defined network, SDN)的拓扑发现方法不适合基于分布式SDN的机动通信系统这一问题, 遵循OpenFlow拓扑发现算法(OpenFlow discovery protocol, OFDP)移植传输控制协议/网际协议(transmission control protocol/Internet protocol, TCP/IP)相关协议到SDN网络的研究思路, 对开放最短路径优先(open shortest path first, OSPF)协议进行优化, 精简协议状态机、优化协议报文、增加协议功能并设计拓扑发现算法, 提出一种适合基于分布式SDN的机动通信系统的拓扑发现方法, 并搭建仿真实验平台进行验证。实验结果表明, 优化后OSPF协议适应于分布式SDN网络, 网络拓扑建链时间降低80%且重新收敛时间显著降低, 建链开销平均每秒接收字节数、发送字节数分别下降了31.7%和21.5%, 维持开销平均每秒收发字节数降低了45%, 增加了收集信道种类等网络信息的新功能。
全球导航卫星系统(global navigation satellite system, GNSS)有诸多优势, 但在一些有物理阻隔或电磁干扰的领域, GNSS的可用性、可靠性、精确性出现明显不足, 由此可以使用一种基于地面设备的伪卫星系统进行导航定位服务。伪卫星信号体制细节公开, 使得接收机易受到多种欺骗干扰的攻击。为了使信号传输更加安全, 提出一种使用导航电文加密方法的信号防伪认证方案, 并从安全性、可靠性和认证效率几方面对该方案进行评估。分析表明, 所提方案能在保证较好的认证实效的同时, 维持较低的通信成本与计算成本, 解决了伪卫星系统缺乏认证机制、存在安全隐患的问题。
针对以直接序列扩频(direct sequence spread spectrum, DSSS)和切普扩频(chirp spread spectrum, CSS)为代表, 现有低检测概率(low probability of detection, LPD)通信波形变换域聚敛特征明显、影响LPD性能的问题, 以满足误码率(bit error rate, BER)需求的信噪比下通信波形变化域聚敛特征最小化为目标, 提出一种新型LPD通信方法——以噪声调频(noise frequency modulation, NFM)为波形基、以二进制正交键控(binary orthogonal keying, BOK)为信息载荷方式的NFM-BOK通信技术。以直接序列——二进制相移键控(direct sequence-binary phase shift keying, DS-BPSK)为对比对象, 在给出NFM-BOK通信技术方案的基础上, 着重研究了所提NFM-BOK的BER性能、功率谱域和循环相关域内的聚敛特征。理论分析和仿真结果表明: 相较于DS-BPSK, NFM-BOK通信系统的抗噪性能相近, 相同BER对应的信噪比下的功率谱域和循环相关域内的聚敛特征显著降低。
针对高级加密标准(advanced encryption standard, AES)用于图像加密安全性不高、密钥空间小等问题, 提出一种基于四维混沌系统的改进AES图像加密算法。密钥由四维混沌系统得到, 通过在Lorenz-Chen-Lu混沌中引入非线性项、反馈控制器等提升了混沌复杂度, 经过动力学特性、稳定性分析, 验证了其混沌特性。加密时, 使用混沌Cubic-S盒和动态交叉变换的方法对传统AES进行了改进。同时, 对密钥扩展函数进行了修改, 使得每一轮密钥与上两轮密钥有关, 并将混沌序列引入其中, 提升了密钥的安全性。该算法的密钥空间达2476, 密文图像信息熵为7.997 7 bits, 像素数变化率和统一平均变化强度分别为99.613%和33.473%, 像素间相关性接近于0, 加密速度为45.85 Mbits/s。仿真结果表明, 密钥具有良好的敏感性, 加密算法具有良好的安全性和鲁棒性, 能实现快速加密和有效抵抗各类攻击。
当前的软件定义网络多控制器部署问题研究, 大多针对控制网络中面向南向接口的控制域内时延、可靠性和负载均衡等指标进行优化, 而对面向东西向接口的控制网络域间时延以及控制器本身的可靠性统筹考虑较少。然而, 东西向接口中控制网络域间时延和控制器可靠性等因素对网络域间信息传输效率和服务质量有着关键影响。针对该问题, 首先分析了控制器域间效能对软件定义网络整体性能及相关因素的影响; 其次, 建立了以域间平均时延、域内平均时延、控制器可靠性度量、控制路径可靠性和负载均衡度为参数, 以控制器域间效能和控制网络综合性能为目标的控制器部署优化评价模型; 最后, 采用反向学习机制对标准麻雀搜索算法进行改进, 提出一种域间效能优先的二阶段控制器部署策略, 在确保控制器域间效能最大的情况下, 增强了解空间的全局搜索能力, 得出了控制器部署的全局非劣最优解集。仿真结果表明, 所提的部署策略既有效降低了软件定义网络的控制时延, 也增强了控制网络的可靠性, 在保证软件定义网络域间效能的情况下, 对网络整体性能表现具有较为明显的提升作用。
快速上行授权接入是大规模机器类通信的关键技术之一, 而缓解上行共享信道资源紧张并针对时延和速率等服务质量(quality of services, QoS)高效地进行调度是对其进行优化的重要方向。针对这一问题, 提出一种应用多臂赌博机(multi-armed bandit, MAB)学习和功率域非正交多址接入(power-domain non-orthogonal multiple access, PD-NOMA)技术的快速上行授权接入算法。所提算法通过多路MAB筛选高接入速率、低接入忍耐时延要求和低接入速率、低接入忍耐时延要求的两类设备, 允许其优先被调度并复用上行资源进行接入。仿真结果表明, 算法降低了系统的上行资源浪费率, 在提高了接入能力的同时减少了因非正交多址接入(non-orthogonal multiple access, NOMA)造成速率损失带来的影响, 并优化了系统QoS。
针对快时变信道的非平稳特性会造成信道估计性能变差的问题, 在基扩展模型下提出了一种基于深度学习的信道估计算法, 并将其应用于正交频分复用(orthogonal frequecy division multiplexing, OFDM)系统中。首先, 根据快时变信道矩阵的局部相关特性, 构建时频特征提取网络, 利用卷积结构提取快时变信道在时域和频域的相关特征, 并嵌入到下一级网络中进行特征的融合。其次, 利用门控循环网络捕捉信道在不同符号处的变化相关性, 在快时变信道环境下实现更准确的信道估计。仿真结果表明, 与其他快时变环境下的信道估计算法相比, 算法的估计性能提升明显; 同时, 网络的轻量化结构使算法的复杂度最低下降20%。
面向大规模物联网系统高动态、运行环境复杂等特征, 构建了基于机会网络的存储-携带-转发信息传输模式, 进而提出了带有传输不确定性的信息传输性能评估模型。在此基础上, 综合考虑信息传输过程的能量消耗与传输性能等目标, 提出了基于庞特李雅金极大值定理的最优传输策略。进一步, 通过理论分析证明了最优传输策略服从阈值形式。仿真实验表明, 模型的误差低于4.08%。同时, 实验也表明所提出的最优传输策略明显优于传统的静态策略, 并随着信息有效期的递增, 性能表现更好。
针对协作频谱感知中, 频谱感知数据篡改(spectrum sensing data falsification, SSDF)攻击导致的感知性能恶化问题, 在次级用户中恶意用户占比小于一半的情况下, 提出一种基于复合熵和证据理论的抗SSDF攻击协作频谱感知方法。首先, 次级用户根据本地感知统计量计算基本概率分配(basic probability assignment, BPA)信息。然后, 融合中心根据BPA计算距离值并进行熵处理得到复合熵, 再以复合熵为权重对BPA信息进行调整, 降低恶意用户的权重。最后, 针对证据理论中Dempster融合公式的弊端, 采用加权求和法代替传统的融合公式。仿真结果表明, 和已有方法相比, 在不同类型的SSDF攻击下, 所提算法具有较好的感知性能。
针对现有网络安全态势预测模型预测精确度低和收敛速度慢的问题, 提出一种基于时域卷积网络(temporal convolution network, TCN)和双向长短期记忆(bi-directional long short-term memory, BiLSTM)网络的预测方法。首先, 将TCN处理时间序列问题的优势应用到态势预测上学习态势值的序列特征; 随后, 引入注意力机制动态调整属性的权值; 然后, 利用BiLSTM模型学习态势值的前后状况, 以提取序列中更多的信息进行预测; 利用粒子群优化(particle swarm optimization, PSO)算法进行超参数寻优, 提升预测能力。实验结果表明, 所提预测方法的拟合度可达0.999 5, 其拟合效果和收敛速度均优于其他模型。
针对现有的异常检测算法无法同时捕捉广播式自动相关监视(automatic dependent surveillance-broadcast, ADS-B)报文序列中的长程依赖关系、随机性以及整体性特征的问题, 提出了基于Transformer变分自动编码器(variational autoencoder, VAE)的ADS-B异常检测算法, 以Transformer编码器和解码器作为VAE的推断网络和生成网络来学习ADS-B报文序列的时序分布。由Transformer编码器的自注意力机制建模序列中的长程依赖关系, 生成反映报文序列整体性特征的随机变量, 并采用一个特殊的融合模块融合该随机变量与Transformer解码器的输出以实现报文的重构, 最终通过重构误差来检测异常。实验表明, 所提出的方法在不同攻击场景下, 均优于相关基线算法。