郵件訂閱
2025年 第47卷 第2期
顯示方式:
2025, 47(2): 287-295.
doi: 10.11999/JEIT240984
摘要:
智能超表面(RIS)以其卓越的成本效益、低能耗及獨(dú)特的可編程性，在調(diào)控?zé)o線環(huán)境方面展現(xiàn)出顯著優(yōu)勢(shì)，已成為6G通信技術(shù)的關(guān)鍵組成部分。語(yǔ)義通信(SemCom)突破香農(nóng)極限，同時(shí)確保關(guān)鍵信息的精確傳遞，同樣被視為6G的核心技術(shù)之一。該文首先回顧了語(yǔ)義通信的發(fā)展歷程，闡述其從理論走向?qū)嵺`的過(guò)程，并分析了RIS在提高通信性能方面的突出優(yōu)勢(shì)。接著，提出RIS賦能語(yǔ)義通信系統(tǒng)模型，展示了RIS在提升通信質(zhì)量方面的顯著效果。最后，對(duì)RIS賦能語(yǔ)義通信系統(tǒng)的未來(lái)發(fā)展趨勢(shì)進(jìn)行展望，其將邁向智能化、個(gè)性化信息傳遞新階段，為6G通信技術(shù)發(fā)展奠定堅(jiān)實(shí)基礎(chǔ)，并有望成為6G核心關(guān)鍵技術(shù)，引導(dǎo)通信革命。
智能超表面(RIS)以其卓越的成本效益、低能耗及獨(dú)特的可編程性，在調(diào)控?zé)o線環(huán)境方面展現(xiàn)出顯著優(yōu)勢(shì)，已成為6G通信技術(shù)的關(guān)鍵組成部分。語(yǔ)義通信(SemCom)突破香農(nóng)極限，同時(shí)確保關(guān)鍵信息的精確傳遞，同樣被視為6G的核心技術(shù)之一。該文首先回顧了語(yǔ)義通信的發(fā)展歷程，闡述其從理論走向?qū)嵺`的過(guò)程，并分析了RIS在提高通信性能方面的突出優(yōu)勢(shì)。接著，提出RIS賦能語(yǔ)義通信系統(tǒng)模型，展示了RIS在提升通信質(zhì)量方面的顯著效果。最后，對(duì)RIS賦能語(yǔ)義通信系統(tǒng)的未來(lái)發(fā)展趨勢(shì)進(jìn)行展望，其將邁向智能化、個(gè)性化信息傳遞新階段，為6G通信技術(shù)發(fā)展奠定堅(jiān)實(shí)基礎(chǔ)，并有望成為6G核心關(guān)鍵技術(shù)，引導(dǎo)通信革命。
2025, 47(2): 296-304.
doi: 10.11999/JEIT240981
摘要:
由于衛(wèi)星與地面用戶之間的直連受限于覆蓋范圍和鏈路質(zhì)量以及非地面網(wǎng)絡(luò)存在竊聽(tīng)威脅等問(wèn)題，該文考慮一個(gè)無(wú)人機(jī)中繼的非地面網(wǎng)絡(luò)安全傳輸系統(tǒng)，引入可重構(gòu)智能超表面(RIS)，提高合法用戶信號(hào)質(zhì)量。同時(shí)為了兼顧系統(tǒng)高傳輸速率和高安全需求，該文設(shè)計(jì)衛(wèi)星到無(wú)人機(jī)的傳輸速率與地面合法用戶的安全速率的加權(quán)和作為系統(tǒng)效用，并以此作為優(yōu)化目標(biāo)，進(jìn)而提出一種基于雙層雙延遲深度確定性策略梯度(TTD3)的聯(lián)合衛(wèi)星與無(wú)人機(jī)波束成形、RIS相移矩陣以及無(wú)人機(jī)軌跡優(yōu)化方法，通過(guò)采用雙層深度強(qiáng)化學(xué)習(xí)結(jié)構(gòu)解耦波束成形和軌跡優(yōu)化兩個(gè)子問(wèn)題，實(shí)現(xiàn)系統(tǒng)效用最大化。仿真結(jié)果驗(yàn)證了所提方法在動(dòng)態(tài)非地面網(wǎng)絡(luò)環(huán)境下的有效性，同時(shí)在高安全需求下，通過(guò)對(duì)比不同算法、不同配置方案以及不同RIS元件數(shù)量下的仿真結(jié)果，證明了該文所提方法能夠提升系統(tǒng)安全傳輸性能。
由于衛(wèi)星與地面用戶之間的直連受限于覆蓋范圍和鏈路質(zhì)量以及非地面網(wǎng)絡(luò)存在竊聽(tīng)威脅等問(wèn)題，該文考慮一個(gè)無(wú)人機(jī)中繼的非地面網(wǎng)絡(luò)安全傳輸系統(tǒng)，引入可重構(gòu)智能超表面(RIS)，提高合法用戶信號(hào)質(zhì)量。同時(shí)為了兼顧系統(tǒng)高傳輸速率和高安全需求，該文設(shè)計(jì)衛(wèi)星到無(wú)人機(jī)的傳輸速率與地面合法用戶的安全速率的加權(quán)和作為系統(tǒng)效用，并以此作為優(yōu)化目標(biāo)，進(jìn)而提出一種基于雙層雙延遲深度確定性策略梯度(TTD3)的聯(lián)合衛(wèi)星與無(wú)人機(jī)波束成形、RIS相移矩陣以及無(wú)人機(jī)軌跡優(yōu)化方法，通過(guò)采用雙層深度強(qiáng)化學(xué)習(xí)結(jié)構(gòu)解耦波束成形和軌跡優(yōu)化兩個(gè)子問(wèn)題，實(shí)現(xiàn)系統(tǒng)效用最大化。仿真結(jié)果驗(yàn)證了所提方法在動(dòng)態(tài)非地面網(wǎng)絡(luò)環(huán)境下的有效性，同時(shí)在高安全需求下，通過(guò)對(duì)比不同算法、不同配置方案以及不同RIS元件數(shù)量下的仿真結(jié)果，證明了該文所提方法能夠提升系統(tǒng)安全傳輸性能。
2025, 47(2): 305-314.
doi: 10.11999/JEIT240822
摘要:
可重構(gòu)智能超表面(RIS)因能提供額外的無(wú)源波束增益被視為一項(xiàng)頗具前景的技術(shù)?？紤]到未來(lái)大型物聯(lián)網(wǎng)中不同用戶服務(wù)需求的多樣性及信息傳輸?shù)陌踩?，該文面向協(xié)作無(wú)線攜能同傳-非正交多址接入(SWIPT-NOMA)系統(tǒng)，提出一種RIS使能的安全傳輸方案。通過(guò)合理部署RIS的位置，將其同時(shí)作用于直接傳輸階段和協(xié)作傳輸階段。在滿足非正交多址接入(NOMA)弱用戶信息速率需求、NOMA強(qiáng)用戶能量收集需求和基站最小發(fā)射功率的條件下，通過(guò)聯(lián)合優(yōu)化基站的有源波束成形、RIS的相移矩陣、強(qiáng)用戶的功率分割系數(shù)等來(lái)最大化強(qiáng)用戶的保密速率。為解決所提的多變量耦合的非凸優(yōu)化問(wèn)題，該文基于交替迭代優(yōu)化算法，對(duì)基站的有源波束成形、直接傳輸階段的RIS無(wú)源波束相移矩陣、協(xié)作傳輸階段的RIS有源波束相移矩陣以及強(qiáng)用戶的功率分割系數(shù)等進(jìn)行了多次交替迭代優(yōu)化，直至算法收斂。仿真結(jié)果驗(yàn)證了該文算法的收斂性，且與其它基準(zhǔn)方案相比，所提方案可進(jìn)一步提高強(qiáng)用戶的保密速率。
可重構(gòu)智能超表面(RIS)因能提供額外的無(wú)源波束增益被視為一項(xiàng)頗具前景的技術(shù)?？紤]到未來(lái)大型物聯(lián)網(wǎng)中不同用戶服務(wù)需求的多樣性及信息傳輸?shù)陌踩?，該文面向協(xié)作無(wú)線攜能同傳-非正交多址接入(SWIPT-NOMA)系統(tǒng)，提出一種RIS使能的安全傳輸方案。通過(guò)合理部署RIS的位置，將其同時(shí)作用于直接傳輸階段和協(xié)作傳輸階段。在滿足非正交多址接入(NOMA)弱用戶信息速率需求、NOMA強(qiáng)用戶能量收集需求和基站最小發(fā)射功率的條件下，通過(guò)聯(lián)合優(yōu)化基站的有源波束成形、RIS的相移矩陣、強(qiáng)用戶的功率分割系數(shù)等來(lái)最大化強(qiáng)用戶的保密速率。為解決所提的多變量耦合的非凸優(yōu)化問(wèn)題，該文基于交替迭代優(yōu)化算法，對(duì)基站的有源波束成形、直接傳輸階段的RIS無(wú)源波束相移矩陣、協(xié)作傳輸階段的RIS有源波束相移矩陣以及強(qiáng)用戶的功率分割系數(shù)等進(jìn)行了多次交替迭代優(yōu)化，直至算法收斂。仿真結(jié)果驗(yàn)證了該文算法的收斂性，且與其它基準(zhǔn)方案相比，所提方案可進(jìn)一步提高強(qiáng)用戶的保密速率。
2025, 47(2): 315-323.
doi: 10.11999/JEIT240666
摘要:
在監(jiān)控物聯(lián)網(wǎng)中，一些感知設(shè)備需要在能耗受限條件下及時(shí)地將采集信息回傳給接入節(jié)點(diǎn)(AP)，信息年齡(AoI)和能量效率(EE)對(duì)系統(tǒng)都很重要。該文研究了多設(shè)備監(jiān)控物聯(lián)網(wǎng)中時(shí)效與能效之間的折衷問(wèn)題，其中感知設(shè)備在智能反射面(IRS)輔助下通過(guò)短包傳輸監(jiān)控信息給AP。為了避免多個(gè)感知設(shè)備占用同一資源塊導(dǎo)致包的碰撞，該文提出了一個(gè)接入控制協(xié)議，并推導(dǎo)了平均AoI和EE的閉式表達(dá)式。在此基礎(chǔ)上，引入了平均AoI和EE之比這個(gè)指標(biāo)，通過(guò)優(yōu)化傳輸功率來(lái)最小化平均AoI和EE之比，以折衷時(shí)效性能與能效性能。仿真結(jié)果驗(yàn)證了該文理論分析的正確性，并且表明所提協(xié)議能夠?qū)崿F(xiàn)更好的時(shí)效和能效性能。此外，所提算法能夠有效找出最優(yōu)的時(shí)效-能效折衷點(diǎn)。
在監(jiān)控物聯(lián)網(wǎng)中，一些感知設(shè)備需要在能耗受限條件下及時(shí)地將采集信息回傳給接入節(jié)點(diǎn)(AP)，信息年齡(AoI)和能量效率(EE)對(duì)系統(tǒng)都很重要。該文研究了多設(shè)備監(jiān)控物聯(lián)網(wǎng)中時(shí)效與能效之間的折衷問(wèn)題，其中感知設(shè)備在智能反射面(IRS)輔助下通過(guò)短包傳輸監(jiān)控信息給AP。為了避免多個(gè)感知設(shè)備占用同一資源塊導(dǎo)致包的碰撞，該文提出了一個(gè)接入控制協(xié)議，并推導(dǎo)了平均AoI和EE的閉式表達(dá)式。在此基礎(chǔ)上，引入了平均AoI和EE之比這個(gè)指標(biāo)，通過(guò)優(yōu)化傳輸功率來(lái)最小化平均AoI和EE之比，以折衷時(shí)效性能與能效性能。仿真結(jié)果驗(yàn)證了該文理論分析的正確性，并且表明所提協(xié)議能夠?qū)崿F(xiàn)更好的時(shí)效和能效性能。此外，所提算法能夠有效找出最優(yōu)的時(shí)效-能效折衷點(diǎn)。
2025, 47(2): 324-333.
doi: 10.11999/JEIT240488
摘要:
當(dāng)基站(BS)和用戶的位置固定，基站到智能反射面(IRS)與IRS到用戶的距離和一定時(shí)，該文在視距信道和瑞利信道下基于最大化系統(tǒng)可達(dá)速率準(zhǔn)則對(duì)無(wú)源和有源IRS的最優(yōu)放置位置進(jìn)行分析。首先，運(yùn)用相位對(duì)齊和大數(shù)定律推導(dǎo)了無(wú)源和有源IRS輔助無(wú)線網(wǎng)絡(luò)可達(dá)速率的閉合表達(dá)式；然后，分析了基站到IRS的路徑損耗指數(shù)\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}
當(dāng)基站(BS)和用戶的位置固定，基站到智能反射面(IRS)與IRS到用戶的距離和一定時(shí)，該文在視距信道和瑞利信道下基于最大化系統(tǒng)可達(dá)速率準(zhǔn)則對(duì)無(wú)源和有源IRS的最優(yōu)放置位置進(jìn)行分析。首先，運(yùn)用相位對(duì)齊和大數(shù)定律推導(dǎo)了無(wú)源和有源IRS輔助無(wú)線網(wǎng)絡(luò)可達(dá)速率的閉合表達(dá)式；然后，分析了基站到IRS的路徑損耗指數(shù)
2025, 47(2): 334-343.
doi: 10.11999/JEIT240561
摘要:
針對(duì)傳統(tǒng)聯(lián)合波束成形方法在智能超表面(RIS)輔助無(wú)人機(jī)(UAV)通信系統(tǒng)優(yōu)化中存在的局限性，包括針對(duì)RIS僅考慮相移矩陣優(yōu)化、優(yōu)化方法缺乏應(yīng)用普適性等問(wèn)題，該文面向RIS輔助無(wú)人機(jī)通信服務(wù)多用戶場(chǎng)景，創(chuàng)新性提出一種基于合作協(xié)同進(jìn)化(CCEA)的聯(lián)合波束優(yōu)化方法。該方法利用兩個(gè)子種群的獨(dú)立進(jìn)化將聯(lián)合波束成形問(wèn)題分解成RIS反射波波束設(shè)計(jì)和發(fā)射端波束設(shè)計(jì)兩個(gè)子問(wèn)題進(jìn)行求解，通過(guò)進(jìn)化過(guò)程中的信息交互與協(xié)作來(lái)實(shí)現(xiàn)聯(lián)合波束成形設(shè)計(jì)。數(shù)值仿真結(jié)果表明，相較于僅考慮RIS相移矩陣設(shè)計(jì)的聯(lián)合波束優(yōu)化，CCEA通過(guò)設(shè)計(jì)RIS反射波波束形狀改變了反射波在3維空間中的能量分布，進(jìn)而提升了接收端信干噪比(SINR)和頻譜效率；此外，基于種群的CCEA算法能夠產(chǎn)生更加多樣的解，因此在UAV和用戶的不同位置設(shè)置下均能實(shí)現(xiàn)反射波對(duì)用戶方向的有效覆蓋，相對(duì)于傳統(tǒng)方法能夠避免局部最優(yōu)、具有更強(qiáng)的應(yīng)用普適性。
針對(duì)傳統(tǒng)聯(lián)合波束成形方法在智能超表面(RIS)輔助無(wú)人機(jī)(UAV)通信系統(tǒng)優(yōu)化中存在的局限性，包括針對(duì)RIS僅考慮相移矩陣優(yōu)化、優(yōu)化方法缺乏應(yīng)用普適性等問(wèn)題，該文面向RIS輔助無(wú)人機(jī)通信服務(wù)多用戶場(chǎng)景，創(chuàng)新性提出一種基于合作協(xié)同進(jìn)化(CCEA)的聯(lián)合波束優(yōu)化方法。該方法利用兩個(gè)子種群的獨(dú)立進(jìn)化將聯(lián)合波束成形問(wèn)題分解成RIS反射波波束設(shè)計(jì)和發(fā)射端波束設(shè)計(jì)兩個(gè)子問(wèn)題進(jìn)行求解，通過(guò)進(jìn)化過(guò)程中的信息交互與協(xié)作來(lái)實(shí)現(xiàn)聯(lián)合波束成形設(shè)計(jì)。數(shù)值仿真結(jié)果表明，相較于僅考慮RIS相移矩陣設(shè)計(jì)的聯(lián)合波束優(yōu)化，CCEA通過(guò)設(shè)計(jì)RIS反射波波束形狀改變了反射波在3維空間中的能量分布，進(jìn)而提升了接收端信干噪比(SINR)和頻譜效率；此外，基于種群的CCEA算法能夠產(chǎn)生更加多樣的解，因此在UAV和用戶的不同位置設(shè)置下均能實(shí)現(xiàn)反射波對(duì)用戶方向的有效覆蓋，相對(duì)于傳統(tǒng)方法能夠避免局部最優(yōu)、具有更強(qiáng)的應(yīng)用普適性。
2025, 47(2): 344-352.
doi: 10.11999/JEIT240059
摘要:
近年來(lái)，因?qū)﹄姶挪ň邆潇`活的調(diào)控能力，超表面天線技術(shù)受到來(lái)自通信、雷達(dá)以及天線領(lǐng)域?qū)W者的廣泛關(guān)注。其中，超表面天線單元中所使用的有源調(diào)控器件，是決定整個(gè)系統(tǒng)性能的最關(guān)鍵部件之一。該文基于0.13 μm SiGe BiCMOS工藝設(shè)計(jì)了一個(gè)95～105 GHz的五位寬帶數(shù)控衰減器芯片。該衰減器采用了反射式和簡(jiǎn)化T型兩種拓?fù)浣Y(jié)構(gòu)，其中4 dB與8 dB反射式衰減單元采用交叉耦合寬帶耦合器代替?zhèn)鹘y(tǒng)的3 dB耦合器或定向耦合器，同時(shí)獲得了高衰減精度和低插入損耗；而0.5 dB, 1 dB, 2 dB三個(gè)衰減單元均采用簡(jiǎn)化T型結(jié)構(gòu)。此外，利用RC正斜率和負(fù)斜率校正網(wǎng)絡(luò)分別應(yīng)用于不同的衰減單元進(jìn)行相位補(bǔ)償，極大地改善了衰減器的附加相移。經(jīng)過(guò)仿真驗(yàn)證，在95～105 GHz的感興趣工作頻率內(nèi)，衰減器芯片在0.12 mm2的緊湊的尺寸下實(shí)現(xiàn)了0～15.5 dB的衰減范圍，步進(jìn)為0.5 dB，基態(tài)插入損耗小于2.5 dB，幅度均方根誤差小于0.31 dB，附加相移均方根誤差小于2.2o。所提出的W波段衰減器可作為一個(gè)關(guān)鍵部件賦能集成T/R的輻散一體化超表面天線系統(tǒng)的硬件實(shí)現(xiàn)。
近年來(lái)，因?qū)﹄姶挪ň邆潇`活的調(diào)控能力，超表面天線技術(shù)受到來(lái)自通信、雷達(dá)以及天線領(lǐng)域?qū)W者的廣泛關(guān)注。其中，超表面天線單元中所使用的有源調(diào)控器件，是決定整個(gè)系統(tǒng)性能的最關(guān)鍵部件之一。該文基于0.13 μm SiGe BiCMOS工藝設(shè)計(jì)了一個(gè)95～105 GHz的五位寬帶數(shù)控衰減器芯片。該衰減器采用了反射式和簡(jiǎn)化T型兩種拓?fù)浣Y(jié)構(gòu)，其中4 dB與8 dB反射式衰減單元采用交叉耦合寬帶耦合器代替?zhèn)鹘y(tǒng)的3 dB耦合器或定向耦合器，同時(shí)獲得了高衰減精度和低插入損耗；而0.5 dB, 1 dB, 2 dB三個(gè)衰減單元均采用簡(jiǎn)化T型結(jié)構(gòu)。此外，利用RC正斜率和負(fù)斜率校正網(wǎng)絡(luò)分別應(yīng)用于不同的衰減單元進(jìn)行相位補(bǔ)償，極大地改善了衰減器的附加相移。經(jīng)過(guò)仿真驗(yàn)證，在95～105 GHz的感興趣工作頻率內(nèi)，衰減器芯片在0.12 mm2的緊湊的尺寸下實(shí)現(xiàn)了0～15.5 dB的衰減范圍，步進(jìn)為0.5 dB，基態(tài)插入損耗小于2.5 dB，幅度均方根誤差小于0.31 dB，附加相移均方根誤差小于2.2o。所提出的W波段衰減器可作為一個(gè)關(guān)鍵部件賦能集成T/R的輻散一體化超表面天線系統(tǒng)的硬件實(shí)現(xiàn)。
2025, 47(2): 353-362.
doi: 10.11999/JEIT240612
摘要:
近年來(lái)，有源可重構(gòu)智能表面(ARIS)技術(shù)獲得了學(xué)術(shù)界的廣泛關(guān)注。然而，ARIS在多RIS輔助無(wú)線通信系統(tǒng)中的應(yīng)用還缺乏相關(guān)研究。針對(duì)此問(wèn)題，該文提出基于雙RIS輔助的無(wú)線通信系統(tǒng)模型。模型假設(shè)基站(BS)和用戶之間的直連鏈路受阻，僅通過(guò)RIS形成的反射鏈路進(jìn)行通信。在此基礎(chǔ)上，根據(jù)ARIS與被動(dòng)RIS(PRIS)的不同組合情況，提出4種RIS組合模型。模型的目標(biāo)是優(yōu)化基站波束賦形、RIS的相移矩陣和功率分配因子，以最大化系統(tǒng)通信容量。由于該優(yōu)化問(wèn)題為非凸問(wèn)題，該文采用了交替優(yōu)化算法(AO)與連續(xù)凸逼近(SCA)對(duì)問(wèn)題進(jìn)行處理。仿真結(jié)果表明，無(wú)論基站發(fā)射功率高或低，TAAR組合模型的性能均顯著優(yōu)于傳統(tǒng)單ARIS配置。
近年來(lái)，有源可重構(gòu)智能表面(ARIS)技術(shù)獲得了學(xué)術(shù)界的廣泛關(guān)注。然而，ARIS在多RIS輔助無(wú)線通信系統(tǒng)中的應(yīng)用還缺乏相關(guān)研究。針對(duì)此問(wèn)題，該文提出基于雙RIS輔助的無(wú)線通信系統(tǒng)模型。模型假設(shè)基站(BS)和用戶之間的直連鏈路受阻，僅通過(guò)RIS形成的反射鏈路進(jìn)行通信。在此基礎(chǔ)上，根據(jù)ARIS與被動(dòng)RIS(PRIS)的不同組合情況，提出4種RIS組合模型。模型的目標(biāo)是優(yōu)化基站波束賦形、RIS的相移矩陣和功率分配因子，以最大化系統(tǒng)通信容量。由于該優(yōu)化問(wèn)題為非凸問(wèn)題，該文采用了交替優(yōu)化算法(AO)與連續(xù)凸逼近(SCA)對(duì)問(wèn)題進(jìn)行處理。仿真結(jié)果表明，無(wú)論基站發(fā)射功率高或低，TAAR組合模型的性能均顯著優(yōu)于傳統(tǒng)單ARIS配置。
2025, 47(2): 363-374.
doi: 10.11999/JEIT240619
摘要:
針對(duì)視頻和觸覺(jué)業(yè)務(wù)共存的跨模態(tài)業(yè)務(wù)場(chǎng)景，該文構(gòu)建了可重構(gòu)智能表面(RIS)輔助的共存網(wǎng)絡(luò)切片系統(tǒng)，用以提高視頻業(yè)務(wù)和觸覺(jué)業(yè)務(wù)的傳輸速率和可靠性。同時(shí)，為了有效降低觸覺(jué)業(yè)務(wù)通過(guò)穿孔帶給視頻業(yè)務(wù)的資源損耗，提出了動(dòng)態(tài)被動(dòng)波束賦形方案，允許RIS在不同時(shí)隙進(jìn)行動(dòng)態(tài)調(diào)整?；谏鲜龇桨?，該文在確保觸覺(jué)業(yè)務(wù)傳輸?shù)臅r(shí)延和可靠性滿足約束的同時(shí)，構(gòu)建最大化視頻業(yè)務(wù)傳輸速率的優(yōu)化問(wèn)題，以滿足跨模態(tài)業(yè)務(wù)共存需求，實(shí)現(xiàn)資源的合理分配。為求解此優(yōu)化問(wèn)題，該文將其建模為一個(gè)馬爾可夫決策過(guò)程(MDP)，通過(guò)深度確定性策略梯度(DDPG)算法來(lái)進(jìn)行視頻數(shù)據(jù)和觸覺(jué)數(shù)據(jù)傳輸資源的聯(lián)合優(yōu)化。仿真結(jié)果顯示，與現(xiàn)有方案相比，所提方案具有一定的優(yōu)越性，在保證傳輸觸覺(jué)業(yè)務(wù)可靠性的前提下，提高了約66.67%的視頻業(yè)務(wù)和速率。
針對(duì)視頻和觸覺(jué)業(yè)務(wù)共存的跨模態(tài)業(yè)務(wù)場(chǎng)景，該文構(gòu)建了可重構(gòu)智能表面(RIS)輔助的共存網(wǎng)絡(luò)切片系統(tǒng)，用以提高視頻業(yè)務(wù)和觸覺(jué)業(yè)務(wù)的傳輸速率和可靠性。同時(shí)，為了有效降低觸覺(jué)業(yè)務(wù)通過(guò)穿孔帶給視頻業(yè)務(wù)的資源損耗，提出了動(dòng)態(tài)被動(dòng)波束賦形方案，允許RIS在不同時(shí)隙進(jìn)行動(dòng)態(tài)調(diào)整?；谏鲜龇桨?，該文在確保觸覺(jué)業(yè)務(wù)傳輸?shù)臅r(shí)延和可靠性滿足約束的同時(shí)，構(gòu)建最大化視頻業(yè)務(wù)傳輸速率的優(yōu)化問(wèn)題，以滿足跨模態(tài)業(yè)務(wù)共存需求，實(shí)現(xiàn)資源的合理分配。為求解此優(yōu)化問(wèn)題，該文將其建模為一個(gè)馬爾可夫決策過(guò)程(MDP)，通過(guò)深度確定性策略梯度(DDPG)算法來(lái)進(jìn)行視頻數(shù)據(jù)和觸覺(jué)數(shù)據(jù)傳輸資源的聯(lián)合優(yōu)化。仿真結(jié)果顯示，與現(xiàn)有方案相比，所提方案具有一定的優(yōu)越性，在保證傳輸觸覺(jué)業(yè)務(wù)可靠性的前提下，提高了約66.67%的視頻業(yè)務(wù)和速率。
2025, 47(2): 375-385.
doi: 10.11999/JEIT240643
摘要:
為了解決感知與通信一體化(ISAC)系統(tǒng)中的信息安全傳輸問(wèn)題，該文研究智能反射面(IRS)輔助的感知與隱蔽通信一體化(ISACC)系統(tǒng)中的資源分配算法。首先，分析監(jiān)測(cè)者Willie的最優(yōu)檢測(cè)性能，并推導(dǎo)了其最小檢測(cè)錯(cuò)誤概率的下界表達(dá)式。隨后，推導(dǎo)目標(biāo)估計(jì)的平均克拉美羅下界(CRLB)的解析表達(dá)式。在此基礎(chǔ)上，構(gòu)建以最小化平均CRLB為目標(biāo)函數(shù)，以隱蔽需求、通信速率需求、IRS相移等為約束的優(yōu)化問(wèn)題。提出基于交替優(yōu)化(AO)的懲罰連續(xù)凸近似(PSCA)的算法聯(lián)合設(shè)計(jì)了感知信號(hào)協(xié)方差矩陣、通信信號(hào)波束成形以及IRS相移。仿真結(jié)果表明，所提IRS輔助的ISACC系統(tǒng)方案可以較好地均衡目標(biāo)感知性能和隱蔽無(wú)線通信性能。
為了解決感知與通信一體化(ISAC)系統(tǒng)中的信息安全傳輸問(wèn)題，該文研究智能反射面(IRS)輔助的感知與隱蔽通信一體化(ISACC)系統(tǒng)中的資源分配算法。首先，分析監(jiān)測(cè)者Willie的最優(yōu)檢測(cè)性能，并推導(dǎo)了其最小檢測(cè)錯(cuò)誤概率的下界表達(dá)式。隨后，推導(dǎo)目標(biāo)估計(jì)的平均克拉美羅下界(CRLB)的解析表達(dá)式。在此基礎(chǔ)上，構(gòu)建以最小化平均CRLB為目標(biāo)函數(shù)，以隱蔽需求、通信速率需求、IRS相移等為約束的優(yōu)化問(wèn)題。提出基于交替優(yōu)化(AO)的懲罰連續(xù)凸近似(PSCA)的算法聯(lián)合設(shè)計(jì)了感知信號(hào)協(xié)方差矩陣、通信信號(hào)波束成形以及IRS相移。仿真結(jié)果表明，所提IRS輔助的ISACC系統(tǒng)方案可以較好地均衡目標(biāo)感知性能和隱蔽無(wú)線通信性能。
2025, 47(2): 386-396.
doi: 10.11999/JEIT240663
摘要:
隱蔽通信可以在被監(jiān)控的情況下安全傳輸數(shù)據(jù)，是網(wǎng)絡(luò)安全領(lǐng)域重要分支。然而，實(shí)際通信系統(tǒng)具有通信環(huán)境復(fù)雜、覆蓋范圍廣等特點(diǎn)，這使得隱蔽通信很難部署。為此，該文提出一種基于智能反射面(IRS)與無(wú)人機(jī)(UAV)輔助的無(wú)線隱蔽通信系統(tǒng)。引入智能反射面作為中繼節(jié)點(diǎn)轉(zhuǎn)發(fā)發(fā)送者的信號(hào)，使用無(wú)人機(jī)作為發(fā)送者的友元節(jié)點(diǎn)，該友元節(jié)點(diǎn)通過(guò)發(fā)送人工噪聲來(lái)干擾惡意用戶對(duì)隱蔽通信的檢測(cè)。在監(jiān)聽(tīng)者接收噪聲不確定的情況下，推導(dǎo)了最小錯(cuò)誤檢測(cè)概率，并與中斷概率作為約束，以最大化隱蔽通信速率為目標(biāo) ，建立了系統(tǒng)的優(yōu)化問(wèn)題，采用Dinkelbach算法求解。仿真結(jié)果表明，當(dāng)智能反射陣元的相位、干擾無(wú)人機(jī)的發(fā)射能量取得最優(yōu)時(shí)，所提系統(tǒng)的隱蔽通信速率比單獨(dú)配置智能反射面的無(wú)線通信系統(tǒng)平均提高了37.9%，比單獨(dú)配置無(wú)人機(jī)的系統(tǒng)評(píng)價(jià)速率提高了1.17倍。
隱蔽通信可以在被監(jiān)控的情況下安全傳輸數(shù)據(jù)，是網(wǎng)絡(luò)安全領(lǐng)域重要分支。然而，實(shí)際通信系統(tǒng)具有通信環(huán)境復(fù)雜、覆蓋范圍廣等特點(diǎn)，這使得隱蔽通信很難部署。為此，該文提出一種基于智能反射面(IRS)與無(wú)人機(jī)(UAV)輔助的無(wú)線隱蔽通信系統(tǒng)。引入智能反射面作為中繼節(jié)點(diǎn)轉(zhuǎn)發(fā)發(fā)送者的信號(hào)，使用無(wú)人機(jī)作為發(fā)送者的友元節(jié)點(diǎn)，該友元節(jié)點(diǎn)通過(guò)發(fā)送人工噪聲來(lái)干擾惡意用戶對(duì)隱蔽通信的檢測(cè)。在監(jiān)聽(tīng)者接收噪聲不確定的情況下，推導(dǎo)了最小錯(cuò)誤檢測(cè)概率，并與中斷概率作為約束，以最大化隱蔽通信速率為目標(biāo) ，建立了系統(tǒng)的優(yōu)化問(wèn)題，采用Dinkelbach算法求解。仿真結(jié)果表明，當(dāng)智能反射陣元的相位、干擾無(wú)人機(jī)的發(fā)射能量取得最優(yōu)時(shí)，所提系統(tǒng)的隱蔽通信速率比單獨(dú)配置智能反射面的無(wú)線通信系統(tǒng)平均提高了37.9%，比單獨(dú)配置無(wú)人機(jī)的系統(tǒng)評(píng)價(jià)速率提高了1.17倍。
2025, 47(2): 397-408.
doi: 10.11999/JEIT240710
摘要:
該文研究了一種基于新型光學(xué)可調(diào)制智能超表面(IRS)輔助的無(wú)蜂窩可見(jiàn)光通信(VLC)網(wǎng)絡(luò)接入方案，其中IRS可以為收發(fā)端提供額外的反射信道，也可以利用反射系數(shù)可調(diào)制的特性，直接為網(wǎng)絡(luò)用戶提供無(wú)線接入。該文建立了可調(diào)制IRS輔助的無(wú)蜂窩VLC接入網(wǎng)絡(luò)的系統(tǒng)模型，推導(dǎo)了網(wǎng)絡(luò)吞吐量與發(fā)光二極管(LED)照明通信設(shè)備的工作模式、IRS的工作模式和用戶接入關(guān)聯(lián)之間的關(guān)系，并提出以最大化網(wǎng)絡(luò)吞吐量為目標(biāo)的接入優(yōu)化問(wèn)題。該優(yōu)化問(wèn)題分兩步求解：(1) 當(dāng)調(diào)制模式的LED數(shù)和調(diào)制模式的IRS數(shù)給定時(shí)，基于深度確定性策略梯度(DDPG)的深度強(qiáng)化學(xué)習(xí)(DRL)算法可以得到最優(yōu)的接入點(diǎn)工作模式和用戶接入關(guān)聯(lián)策略；(2) 遍歷可能的調(diào)制LED數(shù)和調(diào)制IRS元件數(shù)即可得到優(yōu)化問(wèn)題的解。仿真結(jié)果表明，聯(lián)合優(yōu)化接入點(diǎn)的工作模式和用戶接入關(guān)聯(lián)矩陣可以提高IRS輔助無(wú)蜂窩VLC網(wǎng)絡(luò)的吞吐量。
該文研究了一種基于新型光學(xué)可調(diào)制智能超表面(IRS)輔助的無(wú)蜂窩可見(jiàn)光通信(VLC)網(wǎng)絡(luò)接入方案，其中IRS可以為收發(fā)端提供額外的反射信道，也可以利用反射系數(shù)可調(diào)制的特性，直接為網(wǎng)絡(luò)用戶提供無(wú)線接入。該文建立了可調(diào)制IRS輔助的無(wú)蜂窩VLC接入網(wǎng)絡(luò)的系統(tǒng)模型，推導(dǎo)了網(wǎng)絡(luò)吞吐量與發(fā)光二極管(LED)照明通信設(shè)備的工作模式、IRS的工作模式和用戶接入關(guān)聯(lián)之間的關(guān)系，并提出以最大化網(wǎng)絡(luò)吞吐量為目標(biāo)的接入優(yōu)化問(wèn)題。該優(yōu)化問(wèn)題分兩步求解：(1) 當(dāng)調(diào)制模式的LED數(shù)和調(diào)制模式的IRS數(shù)給定時(shí)，基于深度確定性策略梯度(DDPG)的深度強(qiáng)化學(xué)習(xí)(DRL)算法可以得到最優(yōu)的接入點(diǎn)工作模式和用戶接入關(guān)聯(lián)策略；(2) 遍歷可能的調(diào)制LED數(shù)和調(diào)制IRS元件數(shù)即可得到優(yōu)化問(wèn)題的解。仿真結(jié)果表明，聯(lián)合優(yōu)化接入點(diǎn)的工作模式和用戶接入關(guān)聯(lián)矩陣可以提高IRS輔助無(wú)蜂窩VLC網(wǎng)絡(luò)的吞吐量。
2025, 47(2): 409-417.
doi: 10.11999/JEIT240717
摘要:
針對(duì)超可靠低時(shí)延通信(URLLC)場(chǎng)景，該文研究了融合透射與反射功能的智能超表面(STAR-RIS)輔助的非正交多址接入(NOMA)系統(tǒng)的傳輸設(shè)計(jì)。具體而言，該文聯(lián)合設(shè)計(jì)了基站端的波束成形向量、RIS端的透射相移矩陣和反射相移矩陣，以在滿足基站總功率約束的條件下實(shí)現(xiàn)能耗最小化。為解決所提出的非凸問(wèn)題，該文首先分析了有限塊長(zhǎng)傳輸下的用戶速率函數(shù)特性，并據(jù)此將優(yōu)化問(wèn)題進(jìn)行等價(jià)轉(zhuǎn)換。隨后，采用交替優(yōu)化和半正定松弛(SDR)方法來(lái)解決聯(lián)合波束設(shè)計(jì)問(wèn)題。實(shí)驗(yàn)結(jié)果表明，與正交多址接入和傳統(tǒng)RIS方案相比，所提出的方法在能耗性能上有顯著提升。
針對(duì)超可靠低時(shí)延通信(URLLC)場(chǎng)景，該文研究了融合透射與反射功能的智能超表面(STAR-RIS)輔助的非正交多址接入(NOMA)系統(tǒng)的傳輸設(shè)計(jì)。具體而言，該文聯(lián)合設(shè)計(jì)了基站端的波束成形向量、RIS端的透射相移矩陣和反射相移矩陣，以在滿足基站總功率約束的條件下實(shí)現(xiàn)能耗最小化。為解決所提出的非凸問(wèn)題，該文首先分析了有限塊長(zhǎng)傳輸下的用戶速率函數(shù)特性，并據(jù)此將優(yōu)化問(wèn)題進(jìn)行等價(jià)轉(zhuǎn)換。隨后，采用交替優(yōu)化和半正定松弛(SDR)方法來(lái)解決聯(lián)合波束設(shè)計(jì)問(wèn)題。實(shí)驗(yàn)結(jié)果表明，與正交多址接入和傳統(tǒng)RIS方案相比，所提出的方法在能耗性能上有顯著提升。
2025, 47(2): 418-426.
doi: 10.11999/JEIT240733
摘要:
為彌補(bǔ)可重構(gòu)智能表面(RIS)半空間覆蓋和“乘性衰落”等不足，該文提出一種有源同時(shí)透射和反射可重構(gòu)智能表面(aSTAR-RIS)技術(shù)用于提升移動(dòng)邊緣計(jì)算(MEC)卸載性能增益。首先，考慮MEC服務(wù)器計(jì)算資源、aSTAR-RIS能耗以及相移耦合約束，聯(lián)合設(shè)計(jì)任務(wù)卸載比例、計(jì)算資源配置、多用戶檢測(cè)矩陣(MUD)、aSTAR-RIS相移以及用戶上傳功率，建立一個(gè)多變量耦合的加權(quán)總時(shí)延最小化問(wèn)題。然后，借助塊坐標(biāo)下降法(BCD)將原問(wèn)題分解為兩個(gè)子問(wèn)題，使用拉格朗日乘子法和罰項(xiàng)對(duì)偶分解法(PDD)交替優(yōu)化子問(wèn)題。仿真結(jié)果表明，相較于無(wú)源STAR-RIS方案，所提aSTAR-RIS輔助MEC方案加權(quán)總時(shí)延降低了12.66%。
為彌補(bǔ)可重構(gòu)智能表面(RIS)半空間覆蓋和“乘性衰落”等不足，該文提出一種有源同時(shí)透射和反射可重構(gòu)智能表面(aSTAR-RIS)技術(shù)用于提升移動(dòng)邊緣計(jì)算(MEC)卸載性能增益。首先，考慮MEC服務(wù)器計(jì)算資源、aSTAR-RIS能耗以及相移耦合約束，聯(lián)合設(shè)計(jì)任務(wù)卸載比例、計(jì)算資源配置、多用戶檢測(cè)矩陣(MUD)、aSTAR-RIS相移以及用戶上傳功率，建立一個(gè)多變量耦合的加權(quán)總時(shí)延最小化問(wèn)題。然后，借助塊坐標(biāo)下降法(BCD)將原問(wèn)題分解為兩個(gè)子問(wèn)題，使用拉格朗日乘子法和罰項(xiàng)對(duì)偶分解法(PDD)交替優(yōu)化子問(wèn)題。仿真結(jié)果表明，相較于無(wú)源STAR-RIS方案，所提aSTAR-RIS輔助MEC方案加權(quán)總時(shí)延降低了12.66%。
2025, 47(2): 427-438.
doi: 10.11999/JEIT240866
摘要:
為了應(yīng)對(duì)智能反射面(RIS)輔助的無(wú)人機(jī)(UAV)在物聯(lián)網(wǎng)數(shù)據(jù)收集過(guò)程中能量高效利用與信息收集時(shí)效性之間的均衡問(wèn)題，該文提出一種基于深度強(qiáng)化學(xué)習(xí)的數(shù)據(jù)收集優(yōu)化策略。針對(duì)無(wú)人機(jī)在數(shù)據(jù)采集過(guò)程中的飛行能耗、通信復(fù)雜性及采集信息時(shí)效性(AoI)約束，設(shè)計(jì)了一種基于雙深度Q網(wǎng)絡(luò)(DDQN)的聯(lián)合優(yōu)化方案，涵蓋無(wú)人機(jī)軌跡規(guī)劃、物聯(lián)網(wǎng)設(shè)備調(diào)度以及智能反射面相位調(diào)整。該方案有效緩解了傳統(tǒng)Q學(xué)習(xí)方法中Q值過(guò)估計(jì)的問(wèn)題，使無(wú)人機(jī)能夠根據(jù)實(shí)時(shí)環(huán)境動(dòng)態(tài)調(diào)整飛行軌跡和通信策略，從而在提升數(shù)據(jù)傳輸效率的同時(shí)降低能量消耗。仿真結(jié)果表明，與傳統(tǒng)方法相比，所提方案能夠顯著提高數(shù)據(jù)收集效率。此外，通過(guò)合理分配能量與通信資源，所提方案能夠動(dòng)態(tài)適應(yīng)不同通信環(huán)境參數(shù)變化，確保系統(tǒng)在能耗與AoI之間達(dá)到最佳均衡。
為了應(yīng)對(duì)智能反射面(RIS)輔助的無(wú)人機(jī)(UAV)在物聯(lián)網(wǎng)數(shù)據(jù)收集過(guò)程中能量高效利用與信息收集時(shí)效性之間的均衡問(wèn)題，該文提出一種基于深度強(qiáng)化學(xué)習(xí)的數(shù)據(jù)收集優(yōu)化策略。針對(duì)無(wú)人機(jī)在數(shù)據(jù)采集過(guò)程中的飛行能耗、通信復(fù)雜性及采集信息時(shí)效性(AoI)約束，設(shè)計(jì)了一種基于雙深度Q網(wǎng)絡(luò)(DDQN)的聯(lián)合優(yōu)化方案，涵蓋無(wú)人機(jī)軌跡規(guī)劃、物聯(lián)網(wǎng)設(shè)備調(diào)度以及智能反射面相位調(diào)整。該方案有效緩解了傳統(tǒng)Q學(xué)習(xí)方法中Q值過(guò)估計(jì)的問(wèn)題，使無(wú)人機(jī)能夠根據(jù)實(shí)時(shí)環(huán)境動(dòng)態(tài)調(diào)整飛行軌跡和通信策略，從而在提升數(shù)據(jù)傳輸效率的同時(shí)降低能量消耗。仿真結(jié)果表明，與傳統(tǒng)方法相比，所提方案能夠顯著提高數(shù)據(jù)收集效率。此外，通過(guò)合理分配能量與通信資源，所提方案能夠動(dòng)態(tài)適應(yīng)不同通信環(huán)境參數(shù)變化，確保系統(tǒng)在能耗與AoI之間達(dá)到最佳均衡。
2025, 47(2): 439-448.
doi: 10.11999/JEIT240987
摘要:
傳統(tǒng)的可重構(gòu)智能表面輔助的空間調(diào)制(RIS-SM)通信系統(tǒng)利用接收天線的索引來(lái)傳輸額外的信息比特，因此該系統(tǒng)數(shù)據(jù)傳輸速率的提升是以增加接收機(jī)天線數(shù)為代價(jià)。為了提高RIS-SM系統(tǒng)的數(shù)據(jù)傳輸速率和能量效率，該文提出可重構(gòu)智能表面輔助的聯(lián)合空間和碼索引調(diào)制(RIS-JSCIM)通信系統(tǒng)。該系統(tǒng)利用多元正交幅度調(diào)制(M-QAM)符號(hào)、空域的接收天線索引和碼索引傳輸信息比特。天線索引和碼索引傳輸?shù)男畔⒈忍夭恍枰哪芰?，因此RIS-JSCIM系統(tǒng)能夠獲得良好的能量效率。該文對(duì)比了RIS-JSCIM系統(tǒng)和其他系統(tǒng)的能量效率、系統(tǒng)復(fù)雜度和誤碼率性能。對(duì)比結(jié)果表明，所提RIS-JSCIM系統(tǒng)以增加一定復(fù)雜度為代價(jià)，能夠獲得相比于其他系統(tǒng)更優(yōu)異的能量效率和誤碼率性能。
傳統(tǒng)的可重構(gòu)智能表面輔助的空間調(diào)制(RIS-SM)通信系統(tǒng)利用接收天線的索引來(lái)傳輸額外的信息比特，因此該系統(tǒng)數(shù)據(jù)傳輸速率的提升是以增加接收機(jī)天線數(shù)為代價(jià)。為了提高RIS-SM系統(tǒng)的數(shù)據(jù)傳輸速率和能量效率，該文提出可重構(gòu)智能表面輔助的聯(lián)合空間和碼索引調(diào)制(RIS-JSCIM)通信系統(tǒng)。該系統(tǒng)利用多元正交幅度調(diào)制(M-QAM)符號(hào)、空域的接收天線索引和碼索引傳輸信息比特。天線索引和碼索引傳輸?shù)男畔⒈忍夭恍枰哪芰?，因此RIS-JSCIM系統(tǒng)能夠獲得良好的能量效率。該文對(duì)比了RIS-JSCIM系統(tǒng)和其他系統(tǒng)的能量效率、系統(tǒng)復(fù)雜度和誤碼率性能。對(duì)比結(jié)果表明，所提RIS-JSCIM系統(tǒng)以增加一定復(fù)雜度為代價(jià)，能夠獲得相比于其他系統(tǒng)更優(yōu)異的能量效率和誤碼率性能。
2025, 47(2): 449-457.
doi: 10.11999/JEIT240988
摘要:
在可重構(gòu)智能超表面(RIS)輔助的通信場(chǎng)景中，基站(BS)與RIS的位置通常保持相對(duì)靜止，而終端(UE)則處于移動(dòng)狀態(tài)。兩段時(shí)變性不一致的信道級(jí)聯(lián)會(huì)引起信道信息熵的損失，從而造成物理層密鑰容量的劣化。針對(duì)該問(wèn)題，該文首先從理論上分析了信道級(jí)聯(lián)對(duì)密鑰容量造成的劣化效應(yīng)；為了緩解這一效應(yīng)，該文提出一種基于展開(kāi)信道的密鑰生成方法，通過(guò)展開(kāi)信道估計(jì)和相移矩陣的分離，充分利用了展開(kāi)信道的信息熵；最后對(duì)級(jí)聯(lián)信道劣化效應(yīng)進(jìn)行了仿真驗(yàn)證，并對(duì)所提出的方案進(jìn)行了性能評(píng)估。仿真結(jié)果顯示，與直接采用級(jí)聯(lián)信道作為密鑰源相比，該文所提方案在2 dB信噪比條件下，使密鑰生成率提升了72%。這一結(jié)果表明，該文方案能有效改善信道劣化效應(yīng)，顯著提高密鑰生成效率。
在可重構(gòu)智能超表面(RIS)輔助的通信場(chǎng)景中，基站(BS)與RIS的位置通常保持相對(duì)靜止，而終端(UE)則處于移動(dòng)狀態(tài)。兩段時(shí)變性不一致的信道級(jí)聯(lián)會(huì)引起信道信息熵的損失，從而造成物理層密鑰容量的劣化。針對(duì)該問(wèn)題，該文首先從理論上分析了信道級(jí)聯(lián)對(duì)密鑰容量造成的劣化效應(yīng)；為了緩解這一效應(yīng)，該文提出一種基于展開(kāi)信道的密鑰生成方法，通過(guò)展開(kāi)信道估計(jì)和相移矩陣的分離，充分利用了展開(kāi)信道的信息熵；最后對(duì)級(jí)聯(lián)信道劣化效應(yīng)進(jìn)行了仿真驗(yàn)證，并對(duì)所提出的方案進(jìn)行了性能評(píng)估。仿真結(jié)果顯示，與直接采用級(jí)聯(lián)信道作為密鑰源相比，該文所提方案在2 dB信噪比條件下，使密鑰生成率提升了72%。這一結(jié)果表明，該文方案能有效改善信道劣化效應(yīng)，顯著提高密鑰生成效率。
2025, 47(2): 458-469.
doi: 10.11999/JEIT240659
摘要:
為滿足遠(yuǎn)郊和災(zāi)區(qū)物聯(lián)網(wǎng)(IoT)設(shè)備的時(shí)延與能耗需求，該文構(gòu)建了由IoT終端、低地球軌道(LEO)衛(wèi)星和云計(jì)算中心組成的新型動(dòng)態(tài)衛(wèi)星物聯(lián)網(wǎng)模型。在時(shí)延、能耗等實(shí)際約束條件下，將系統(tǒng)時(shí)延與能耗加權(quán)和視為系統(tǒng)開(kāi)銷，構(gòu)造了最小化系統(tǒng)開(kāi)銷的任務(wù)卸載、功率和計(jì)算資源聯(lián)合分配問(wèn)題。針對(duì)動(dòng)態(tài)任務(wù)到達(dá)場(chǎng)景，提出一種模型輔助的自適應(yīng)深度強(qiáng)化學(xué)習(xí)(MADRL)算法，實(shí)現(xiàn)任務(wù)卸載決策、通信資源和計(jì)算資源的聯(lián)合配置。該算法將問(wèn)題分為兩部分解決，第1部分通過(guò)模型輔助、二分搜索算法和梯度下降法優(yōu)化了通信資源與計(jì)算資源；第2部分通過(guò)自適應(yīng)深度強(qiáng)化學(xué)習(xí)算法訓(xùn)練出Q網(wǎng)絡(luò)以適應(yīng)隨機(jī)任務(wù)的到達(dá)，進(jìn)行卸載決策優(yōu)化。該算法實(shí)現(xiàn)了有效的資源分配和可靠及時(shí)的任務(wù)卸載決策，且在降低系統(tǒng)開(kāi)銷方面表現(xiàn)出優(yōu)異的效果。仿真結(jié)果表明，引入衛(wèi)星的移動(dòng)性，使得系統(tǒng)開(kāi)銷降低了41%。引入星間協(xié)作技術(shù)，使系統(tǒng)開(kāi)銷降低了22.1%。此外，該文所提算法收斂性能好。與基準(zhǔn)算法相比，該算法的系統(tǒng)開(kāi)銷降低了3%，在不同環(huán)境下的性能表現(xiàn)都是最優(yōu)。
為滿足遠(yuǎn)郊和災(zāi)區(qū)物聯(lián)網(wǎng)(IoT)設(shè)備的時(shí)延與能耗需求，該文構(gòu)建了由IoT終端、低地球軌道(LEO)衛(wèi)星和云計(jì)算中心組成的新型動(dòng)態(tài)衛(wèi)星物聯(lián)網(wǎng)模型。在時(shí)延、能耗等實(shí)際約束條件下，將系統(tǒng)時(shí)延與能耗加權(quán)和視為系統(tǒng)開(kāi)銷，構(gòu)造了最小化系統(tǒng)開(kāi)銷的任務(wù)卸載、功率和計(jì)算資源聯(lián)合分配問(wèn)題。針對(duì)動(dòng)態(tài)任務(wù)到達(dá)場(chǎng)景，提出一種模型輔助的自適應(yīng)深度強(qiáng)化學(xué)習(xí)(MADRL)算法，實(shí)現(xiàn)任務(wù)卸載決策、通信資源和計(jì)算資源的聯(lián)合配置。該算法將問(wèn)題分為兩部分解決，第1部分通過(guò)模型輔助、二分搜索算法和梯度下降法優(yōu)化了通信資源與計(jì)算資源；第2部分通過(guò)自適應(yīng)深度強(qiáng)化學(xué)習(xí)算法訓(xùn)練出Q網(wǎng)絡(luò)以適應(yīng)隨機(jī)任務(wù)的到達(dá)，進(jìn)行卸載決策優(yōu)化。該算法實(shí)現(xiàn)了有效的資源分配和可靠及時(shí)的任務(wù)卸載決策，且在降低系統(tǒng)開(kāi)銷方面表現(xiàn)出優(yōu)異的效果。仿真結(jié)果表明，引入衛(wèi)星的移動(dòng)性，使得系統(tǒng)開(kāi)銷降低了41%。引入星間協(xié)作技術(shù)，使系統(tǒng)開(kāi)銷降低了22.1%。此外，該文所提算法收斂性能好。與基準(zhǔn)算法相比，該算法的系統(tǒng)開(kāi)銷降低了3%，在不同環(huán)境下的性能表現(xiàn)都是最優(yōu)。
2025, 47(2): 470-479.
doi: 10.11999/JEIT240685
摘要:
移動(dòng)邊緣計(jì)算(MEC)通過(guò)將密集型任務(wù)從傳感器卸載到附近邊緣服務(wù)器，來(lái)增強(qiáng)本地的計(jì)算能力，延長(zhǎng)其電池壽命。然而，在面向無(wú)線傳感器網(wǎng)等時(shí)變環(huán)境中，任務(wù)之間的異構(gòu)性可能會(huì)導(dǎo)致通信低效率、高時(shí)延等問(wèn)題。為此，該文提出一種異步移動(dòng)邊緣計(jì)算網(wǎng)絡(luò)中的聯(lián)合任務(wù)調(diào)度與計(jì)算資源分配優(yōu)化策略，該策略實(shí)時(shí)感知任務(wù)信息年齡和能耗，將異步邊緣卸載問(wèn)題數(shù)學(xué)建模為NP難(NP-hard problem)的混合整數(shù)規(guī)劃問(wèn)題，并提出基于混合動(dòng)作優(yōu)勢(shì)演員-評(píng)論家(HA2C)強(qiáng)化學(xué)習(xí)算法的任務(wù)調(diào)度和計(jì)算資源分配方案解決該問(wèn)題。仿真結(jié)果表明，該文方法能顯著降低異步卸載網(wǎng)絡(luò)的平均信息年齡和能耗，滿足無(wú)線傳感器網(wǎng)絡(luò)對(duì)任務(wù)時(shí)效性的要求。
移動(dòng)邊緣計(jì)算(MEC)通過(guò)將密集型任務(wù)從傳感器卸載到附近邊緣服務(wù)器，來(lái)增強(qiáng)本地的計(jì)算能力，延長(zhǎng)其電池壽命。然而，在面向無(wú)線傳感器網(wǎng)等時(shí)變環(huán)境中，任務(wù)之間的異構(gòu)性可能會(huì)導(dǎo)致通信低效率、高時(shí)延等問(wèn)題。為此，該文提出一種異步移動(dòng)邊緣計(jì)算網(wǎng)絡(luò)中的聯(lián)合任務(wù)調(diào)度與計(jì)算資源分配優(yōu)化策略，該策略實(shí)時(shí)感知任務(wù)信息年齡和能耗，將異步邊緣卸載問(wèn)題數(shù)學(xué)建模為NP難(NP-hard problem)的混合整數(shù)規(guī)劃問(wèn)題，并提出基于混合動(dòng)作優(yōu)勢(shì)演員-評(píng)論家(HA2C)強(qiáng)化學(xué)習(xí)算法的任務(wù)調(diào)度和計(jì)算資源分配方案解決該問(wèn)題。仿真結(jié)果表明，該文方法能顯著降低異步卸載網(wǎng)絡(luò)的平均信息年齡和能耗，滿足無(wú)線傳感器網(wǎng)絡(luò)對(duì)任務(wù)時(shí)效性的要求。
2025, 47(2): 480-489.
doi: 10.11999/JEIT240677
摘要:
作為全球化通信網(wǎng)絡(luò)的重要組成部分，衛(wèi)星通信因其能夠?qū)崿F(xiàn)全球無(wú)縫覆蓋和構(gòu)建天地一體化信息網(wǎng)絡(luò)而備受關(guān)注。跳時(shí)(TH)作為一種常用的衛(wèi)星通信方式，具備強(qiáng)大的抗干擾能力、靈活的頻譜利用和高安全性。該文提出一種適用于衛(wèi)星通信的TH圖案隨機(jī)變化系統(tǒng)，以進(jìn)一步增強(qiáng)數(shù)據(jù)傳輸過(guò)程的安全性。針對(duì)發(fā)射功率受限的問(wèn)題，該文提出多跳信號(hào)相干合并策略，并進(jìn)一步在該策略指導(dǎo)下，面對(duì)接收信號(hào)信噪比(SNR)低的約束，提出了交叉熵(CE)迭代輔助的跳時(shí)圖案與多跳載波相位聯(lián)合估計(jì)算法，以合并信噪比損失為目標(biāo)函數(shù)，自適應(yīng)調(diào)整待估參數(shù)的概率分布，從而快速收斂至最優(yōu)解附近。仿真實(shí)驗(yàn)證明了該算法在迭代收斂速度、參數(shù)估計(jì)誤差以及合并解調(diào)誤碼率等方面的優(yōu)異性能。與傳統(tǒng)算法相比，所提算法在保持較低復(fù)雜度的同時(shí)，誤碼率(BER)性能接近理論最優(yōu)，有效提高了衛(wèi)星TH通信系統(tǒng)在復(fù)雜環(huán)境下的穩(wěn)定性和可靠性。
作為全球化通信網(wǎng)絡(luò)的重要組成部分，衛(wèi)星通信因其能夠?qū)崿F(xiàn)全球無(wú)縫覆蓋和構(gòu)建天地一體化信息網(wǎng)絡(luò)而備受關(guān)注。跳時(shí)(TH)作為一種常用的衛(wèi)星通信方式，具備強(qiáng)大的抗干擾能力、靈活的頻譜利用和高安全性。該文提出一種適用于衛(wèi)星通信的TH圖案隨機(jī)變化系統(tǒng)，以進(jìn)一步增強(qiáng)數(shù)據(jù)傳輸過(guò)程的安全性。針對(duì)發(fā)射功率受限的問(wèn)題，該文提出多跳信號(hào)相干合并策略，并進(jìn)一步在該策略指導(dǎo)下，面對(duì)接收信號(hào)信噪比(SNR)低的約束，提出了交叉熵(CE)迭代輔助的跳時(shí)圖案與多跳載波相位聯(lián)合估計(jì)算法，以合并信噪比損失為目標(biāo)函數(shù)，自適應(yīng)調(diào)整待估參數(shù)的概率分布，從而快速收斂至最優(yōu)解附近。仿真實(shí)驗(yàn)證明了該算法在迭代收斂速度、參數(shù)估計(jì)誤差以及合并解調(diào)誤碼率等方面的優(yōu)異性能。與傳統(tǒng)算法相比，所提算法在保持較低復(fù)雜度的同時(shí)，誤碼率(BER)性能接近理論最優(yōu)，有效提高了衛(wèi)星TH通信系統(tǒng)在復(fù)雜環(huán)境下的穩(wěn)定性和可靠性。
2025, 47(2): 490-497.
doi: 10.11999/JEIT240349
摘要:
正交時(shí)頻空(Orthogonal Time Frequency Space, OTFS)系統(tǒng)由于在面對(duì)高速移動(dòng)通信場(chǎng)景下的時(shí)頻雙色散信道時(shí)的優(yōu)異性能受到了廣泛關(guān)注。為了準(zhǔn)確獲取信道狀態(tài)信息，采用基于壓縮感知的信道估計(jì)方法，并輔以特殊的導(dǎo)頻序列完成信道估計(jì)。該文針對(duì)導(dǎo)頻優(yōu)化問(wèn)題，提出了一種基于改進(jìn)遺傳算法的OTFS導(dǎo)頻序列優(yōu)化方法，該方法以互相關(guān)最小化為優(yōu)化目標(biāo)，采用遺傳算法進(jìn)行尋優(yōu)，并能夠自適應(yīng)調(diào)整交叉和變異概率，在較少的迭代次數(shù)下即可實(shí)現(xiàn)比傳統(tǒng)偽隨機(jī)序列更優(yōu)的互相關(guān)性，能夠有效提高信道估計(jì)的準(zhǔn)確性。此外，考慮到目標(biāo)函數(shù)的計(jì)算量較大，該文分析了互相關(guān)的計(jì)算過(guò)程，并對(duì)其中的冗余計(jì)算進(jìn)行了化簡(jiǎn)，與直接計(jì)算字典集的互相關(guān)值相比大大提高了算法的優(yōu)化效率。
正交時(shí)頻空(Orthogonal Time Frequency Space, OTFS)系統(tǒng)由于在面對(duì)高速移動(dòng)通信場(chǎng)景下的時(shí)頻雙色散信道時(shí)的優(yōu)異性能受到了廣泛關(guān)注。為了準(zhǔn)確獲取信道狀態(tài)信息，采用基于壓縮感知的信道估計(jì)方法，并輔以特殊的導(dǎo)頻序列完成信道估計(jì)。該文針對(duì)導(dǎo)頻優(yōu)化問(wèn)題，提出了一種基于改進(jìn)遺傳算法的OTFS導(dǎo)頻序列優(yōu)化方法，該方法以互相關(guān)最小化為優(yōu)化目標(biāo)，采用遺傳算法進(jìn)行尋優(yōu)，并能夠自適應(yīng)調(diào)整交叉和變異概率，在較少的迭代次數(shù)下即可實(shí)現(xiàn)比傳統(tǒng)偽隨機(jī)序列更優(yōu)的互相關(guān)性，能夠有效提高信道估計(jì)的準(zhǔn)確性。此外，考慮到目標(biāo)函數(shù)的計(jì)算量較大，該文分析了互相關(guān)的計(jì)算過(guò)程，并對(duì)其中的冗余計(jì)算進(jìn)行了化簡(jiǎn)，與直接計(jì)算字典集的互相關(guān)值相比大大提高了算法的優(yōu)化效率。
2025, 47(2): 498-509.
doi: 10.11999/JEIT240698
摘要:
在差異化服務(wù)共存的車聯(lián)網(wǎng)場(chǎng)景中，針對(duì)基于平均信息年齡(AoI)優(yōu)化無(wú)法降低極端事件發(fā)生概率的問(wèn)題，該文提出一種信息新鮮度保障的用戶功率控制和資源分配策略。首先，根據(jù)系統(tǒng)模型刻畫出車輛到車輛(V2V)用戶狀態(tài)更新信息新鮮度約束下最大化車輛到基站(V2I)用戶體驗(yàn)質(zhì)量(QoE)的問(wèn)題。然后，結(jié)合與AoI中斷約束等價(jià)的隊(duì)列積壓約束，并引入極值理論以優(yōu)化AoI尾部分布。接著，基于李雅普諾夫優(yōu)化方法將原問(wèn)題轉(zhuǎn)化最小化李雅普諾夫漂移加懲罰函數(shù)的問(wèn)題，在此基礎(chǔ)上求解最優(yōu)的用戶發(fā)射功率。最后，在構(gòu)建超圖的基礎(chǔ)上，提出了一種基于遺傳算法改進(jìn)粒子群算法(GA-PSO)的資源分配策略確定最優(yōu)的用戶信道復(fù)用方式。仿真結(jié)果表明，相比于基準(zhǔn)方案，所提方案能夠在降低V2V鏈路AoI中斷的極端事件發(fā)生概率的同時(shí)，提高約7.03%的V2I鏈路信道容量，實(shí)現(xiàn)V2I用戶平均QoE提升。
在差異化服務(wù)共存的車聯(lián)網(wǎng)場(chǎng)景中，針對(duì)基于平均信息年齡(AoI)優(yōu)化無(wú)法降低極端事件發(fā)生概率的問(wèn)題，該文提出一種信息新鮮度保障的用戶功率控制和資源分配策略。首先，根據(jù)系統(tǒng)模型刻畫出車輛到車輛(V2V)用戶狀態(tài)更新信息新鮮度約束下最大化車輛到基站(V2I)用戶體驗(yàn)質(zhì)量(QoE)的問(wèn)題。然后，結(jié)合與AoI中斷約束等價(jià)的隊(duì)列積壓約束，并引入極值理論以優(yōu)化AoI尾部分布。接著，基于李雅普諾夫優(yōu)化方法將原問(wèn)題轉(zhuǎn)化最小化李雅普諾夫漂移加懲罰函數(shù)的問(wèn)題，在此基礎(chǔ)上求解最優(yōu)的用戶發(fā)射功率。最后，在構(gòu)建超圖的基礎(chǔ)上，提出了一種基于遺傳算法改進(jìn)粒子群算法(GA-PSO)的資源分配策略確定最優(yōu)的用戶信道復(fù)用方式。仿真結(jié)果表明，相比于基準(zhǔn)方案，所提方案能夠在降低V2V鏈路AoI中斷的極端事件發(fā)生概率的同時(shí)，提高約7.03%的V2I鏈路信道容量，實(shí)現(xiàn)V2I用戶平均QoE提升。
2025, 47(2): 510-518.
doi: 10.11999/JEIT240486
摘要:
在低信噪比環(huán)境下，陣列天線獲取空域信號(hào)的來(lái)波方向極其困難，導(dǎo)致一般的波束形成方法無(wú)法準(zhǔn)確形成正對(duì)入射信號(hào)的波束。針對(duì)上述問(wèn)題，該文提出了一種基于雙卷積自編碼器的盲接收自適應(yīng)波束形成(Dual Convolutional AutoEncoder-Adaptive Beamforming, DCAE-ABF)方法，該方法在基于大量空域統(tǒng)計(jì)信息的情況下，以時(shí)域-頻域聯(lián)合條件作為約束，利用兩個(gè)獨(dú)立的卷積自編碼器(CAE)分別對(duì)陣列接收信號(hào)與輻射源信號(hào)進(jìn)行特征提取，并使用深度神經(jīng)網(wǎng)絡(luò)(DNN)將兩個(gè)CAE的特征編碼進(jìn)行連接，構(gòu)建DCAE網(wǎng)絡(luò)，實(shí)現(xiàn)在低信噪比環(huán)境下，面對(duì)未知頻率和來(lái)波方向的入射信號(hào)時(shí)，也能夠自適應(yīng)形成正對(duì)入射信號(hào)的波束，達(dá)到盲接收的效果。仿真實(shí)驗(yàn)結(jié)果表明，在低信噪比環(huán)境下，單信號(hào)與雙信號(hào)入射時(shí)所帶來(lái)的信噪比增益均高于常規(guī)波束形成(CBF)方法與基于最小均方誤差的自適應(yīng)波束形成(Minimum Mean Square Error-Adaptive BeamForming, MMSE-ABF)方法，以及基于卷積神經(jīng)網(wǎng)絡(luò)的自適應(yīng)波束形成方法(Convolutional Neural Networks- Adaptive BeamForming, CNN-ABF)，且該增益在入射信號(hào)頻率、角度變化時(shí)仍具有良好的穩(wěn)定性。
在低信噪比環(huán)境下，陣列天線獲取空域信號(hào)的來(lái)波方向極其困難，導(dǎo)致一般的波束形成方法無(wú)法準(zhǔn)確形成正對(duì)入射信號(hào)的波束。針對(duì)上述問(wèn)題，該文提出了一種基于雙卷積自編碼器的盲接收自適應(yīng)波束形成(Dual Convolutional AutoEncoder-Adaptive Beamforming, DCAE-ABF)方法，該方法在基于大量空域統(tǒng)計(jì)信息的情況下，以時(shí)域-頻域聯(lián)合條件作為約束，利用兩個(gè)獨(dú)立的卷積自編碼器(CAE)分別對(duì)陣列接收信號(hào)與輻射源信號(hào)進(jìn)行特征提取，并使用深度神經(jīng)網(wǎng)絡(luò)(DNN)將兩個(gè)CAE的特征編碼進(jìn)行連接，構(gòu)建DCAE網(wǎng)絡(luò)，實(shí)現(xiàn)在低信噪比環(huán)境下，面對(duì)未知頻率和來(lái)波方向的入射信號(hào)時(shí)，也能夠自適應(yīng)形成正對(duì)入射信號(hào)的波束，達(dá)到盲接收的效果。仿真實(shí)驗(yàn)結(jié)果表明，在低信噪比環(huán)境下，單信號(hào)與雙信號(hào)入射時(shí)所帶來(lái)的信噪比增益均高于常規(guī)波束形成(CBF)方法與基于最小均方誤差的自適應(yīng)波束形成(Minimum Mean Square Error-Adaptive BeamForming, MMSE-ABF)方法，以及基于卷積神經(jīng)網(wǎng)絡(luò)的自適應(yīng)波束形成方法(Convolutional Neural Networks- Adaptive BeamForming, CNN-ABF)，且該增益在入射信號(hào)頻率、角度變化時(shí)仍具有良好的穩(wěn)定性。
2025, 47(2): 519-529.
doi: 10.11999/JEIT240414
摘要:
聯(lián)邦學(xué)習(xí)是一種分布式機(jī)器學(xué)習(xí)方法，它使多個(gè)設(shè)備或節(jié)點(diǎn)能夠協(xié)作訓(xùn)練模型，同時(shí)保持?jǐn)?shù)據(jù)的本地性。但由于聯(lián)邦學(xué)習(xí)是由不同方擁有的數(shù)據(jù)集進(jìn)行模型訓(xùn)練，敏感數(shù)據(jù)可能會(huì)被泄露。為了改善上述問(wèn)題，已有相關(guān)工作在聯(lián)邦學(xué)習(xí)中應(yīng)用差分隱私對(duì)梯度數(shù)據(jù)添加噪聲。然而在采用了相應(yīng)的隱私技術(shù)來(lái)降低敏感數(shù)據(jù)泄露風(fēng)險(xiǎn)的同時(shí)，模型精度和效果因?yàn)樵肼暣笮〉牟煌彩艿搅瞬糠钟绊?。為解決此問(wèn)題，該文提出一種自適應(yīng)聚類中心個(gè)數(shù)選擇機(jī)制(DP-Fed-Adap)，根據(jù)訓(xùn)練輪次和梯度的變化動(dòng)態(tài)地改變聚類中心個(gè)數(shù)，使模型可以在保持相同性能水平的同時(shí)確保對(duì)敏感數(shù)據(jù)的保護(hù)。實(shí)驗(yàn)表明，在使用相同的隱私預(yù)算前提下DP-Fed-Adap與添加了差分隱私的聯(lián)邦相似算法(FedSim)和聯(lián)邦平均算法(FedAvg)相比，具有更好的模型性能和隱私保護(hù)效果。
聯(lián)邦學(xué)習(xí)是一種分布式機(jī)器學(xué)習(xí)方法，它使多個(gè)設(shè)備或節(jié)點(diǎn)能夠協(xié)作訓(xùn)練模型，同時(shí)保持?jǐn)?shù)據(jù)的本地性。但由于聯(lián)邦學(xué)習(xí)是由不同方擁有的數(shù)據(jù)集進(jìn)行模型訓(xùn)練，敏感數(shù)據(jù)可能會(huì)被泄露。為了改善上述問(wèn)題，已有相關(guān)工作在聯(lián)邦學(xué)習(xí)中應(yīng)用差分隱私對(duì)梯度數(shù)據(jù)添加噪聲。然而在采用了相應(yīng)的隱私技術(shù)來(lái)降低敏感數(shù)據(jù)泄露風(fēng)險(xiǎn)的同時(shí)，模型精度和效果因?yàn)樵肼暣笮〉牟煌彩艿搅瞬糠钟绊?。為解決此問(wèn)題，該文提出一種自適應(yīng)聚類中心個(gè)數(shù)選擇機(jī)制(DP-Fed-Adap)，根據(jù)訓(xùn)練輪次和梯度的變化動(dòng)態(tài)地改變聚類中心個(gè)數(shù)，使模型可以在保持相同性能水平的同時(shí)確保對(duì)敏感數(shù)據(jù)的保護(hù)。實(shí)驗(yàn)表明，在使用相同的隱私預(yù)算前提下DP-Fed-Adap與添加了差分隱私的聯(lián)邦相似算法(FedSim)和聯(lián)邦平均算法(FedAvg)相比，具有更好的模型性能和隱私保護(hù)效果。
2025, 47(2): 530-540.
doi: 10.11999/JEIT240481
摘要:
現(xiàn)有光場(chǎng)圖像角度重建方法通過(guò)探索光場(chǎng)圖像內(nèi)在的空間-角度信息以進(jìn)行角度重建，但無(wú)法同時(shí)處理不同視點(diǎn)層的子孔徑圖像重建任務(wù)，難以滿足光場(chǎng)圖像可伸縮編碼的需求。為此，將視點(diǎn)層視為稀疏模板，該文提出一種能夠單模型處理不同角度稀疏模板的光場(chǎng)圖像角度重建方法。將不同的角度稀疏模板視為微透鏡陣列圖像的不同表示，通過(guò)模板對(duì)齊將輸入的不同視點(diǎn)層整合為微透鏡陣列圖像，采用多階段特征學(xué)習(xí)方式，以微透鏡陣列級(jí)-子孔徑級(jí)的特征學(xué)習(xí)策略來(lái)處理不同輸入的稀疏模板，并輔以獨(dú)特的訓(xùn)練模式，以穩(wěn)定地參考不同角度稀疏模板，重建任意角度位置的子孔徑圖像。實(shí)驗(yàn)結(jié)果表明，所提方法能有效地參考不同稀疏模板，靈活地重建任意角度位置的子孔徑圖像，且所提模板對(duì)齊與訓(xùn)練方法能有效地應(yīng)用于其它光場(chǎng)圖像超分辨率重建方法以提升其處理不同角度稀疏模板的能力。
現(xiàn)有光場(chǎng)圖像角度重建方法通過(guò)探索光場(chǎng)圖像內(nèi)在的空間-角度信息以進(jìn)行角度重建，但無(wú)法同時(shí)處理不同視點(diǎn)層的子孔徑圖像重建任務(wù)，難以滿足光場(chǎng)圖像可伸縮編碼的需求。為此，將視點(diǎn)層視為稀疏模板，該文提出一種能夠單模型處理不同角度稀疏模板的光場(chǎng)圖像角度重建方法。將不同的角度稀疏模板視為微透鏡陣列圖像的不同表示，通過(guò)模板對(duì)齊將輸入的不同視點(diǎn)層整合為微透鏡陣列圖像，采用多階段特征學(xué)習(xí)方式，以微透鏡陣列級(jí)-子孔徑級(jí)的特征學(xué)習(xí)策略來(lái)處理不同輸入的稀疏模板，并輔以獨(dú)特的訓(xùn)練模式，以穩(wěn)定地參考不同角度稀疏模板，重建任意角度位置的子孔徑圖像。實(shí)驗(yàn)結(jié)果表明，所提方法能有效地參考不同稀疏模板，靈活地重建任意角度位置的子孔徑圖像，且所提模板對(duì)齊與訓(xùn)練方法能有效地應(yīng)用于其它光場(chǎng)圖像超分辨率重建方法以提升其處理不同角度稀疏模板的能力。
2025, 47(2): 541-550.
doi: 10.11999/JEIT240404
摘要:
信息年齡(AoI)是信息新鮮度的衡量指標(biāo)，針對(duì)時(shí)間敏感的物聯(lián)網(wǎng)，最小化AoI顯得尤為重要。該文基于LoRa網(wǎng)絡(luò)的智能交通環(huán)境，分析Slot-Aloha協(xié)議下的AoI優(yōu)化策略，建立了Slot-Aloha協(xié)議下數(shù)據(jù)包之間傳輸碰撞和等待時(shí)間的系統(tǒng)模型。通過(guò)分析指出，在LoRa上行傳輸過(guò)程中，隨著數(shù)據(jù)包數(shù)量增多，AoI主要受到數(shù)據(jù)包碰撞影響。為克服優(yōu)化問(wèn)題中動(dòng)作空間過(guò)大導(dǎo)致難以實(shí)現(xiàn)有效求解的問(wèn)題，該文采用連續(xù)動(dòng)作空間映射離散動(dòng)作空間的方式，使用柔性動(dòng)作-評(píng)價(jià) (SAC)算法對(duì)LoRa網(wǎng)絡(luò)下的AoI進(jìn)行優(yōu)化。仿真結(jié)果顯示，SAC算法優(yōu)于傳統(tǒng)算法與傳統(tǒng)深度強(qiáng)化學(xué)習(xí)算法，可有效降低網(wǎng)絡(luò)的平均AoI。
信息年齡(AoI)是信息新鮮度的衡量指標(biāo)，針對(duì)時(shí)間敏感的物聯(lián)網(wǎng)，最小化AoI顯得尤為重要。該文基于LoRa網(wǎng)絡(luò)的智能交通環(huán)境，分析Slot-Aloha協(xié)議下的AoI優(yōu)化策略，建立了Slot-Aloha協(xié)議下數(shù)據(jù)包之間傳輸碰撞和等待時(shí)間的系統(tǒng)模型。通過(guò)分析指出，在LoRa上行傳輸過(guò)程中，隨著數(shù)據(jù)包數(shù)量增多，AoI主要受到數(shù)據(jù)包碰撞影響。為克服優(yōu)化問(wèn)題中動(dòng)作空間過(guò)大導(dǎo)致難以實(shí)現(xiàn)有效求解的問(wèn)題，該文采用連續(xù)動(dòng)作空間映射離散動(dòng)作空間的方式，使用柔性動(dòng)作-評(píng)價(jià) (SAC)算法對(duì)LoRa網(wǎng)絡(luò)下的AoI進(jìn)行優(yōu)化。仿真結(jié)果顯示，SAC算法優(yōu)于傳統(tǒng)算法與傳統(tǒng)深度強(qiáng)化學(xué)習(xí)算法，可有效降低網(wǎng)絡(luò)的平均AoI。
2025, 47(2): 551-560.
doi: 10.11999/JEIT240735
摘要:
為在不增加網(wǎng)絡(luò)參數(shù)規(guī)模的情況下提升目標(biāo)分割性能，該文提出一種基于Transformer特征金字塔的自蒸餾目標(biāo)分割方法，提升了Transformer分割模型的實(shí)用性。首先，以Swin Transformer為主干網(wǎng)構(gòu)建了像素級(jí)的目標(biāo)分割模型；然后，設(shè)計(jì)了適合Transformer的蒸餾輔助分支，該分支由密集連接空間空洞金字塔(DenseASPP)、相鄰特征融合模塊(AFFM)和得分模塊構(gòu)建而成，通過(guò)自蒸餾方式指導(dǎo)主干網(wǎng)絡(luò)學(xué)習(xí)蒸餾知識(shí)；最后，利用自上而下的學(xué)習(xí)策略指導(dǎo)模型學(xué)習(xí)，以保證自蒸餾學(xué)習(xí)的一致性。實(shí)驗(yàn)表明，在4個(gè)公開(kāi)數(shù)據(jù)集上所提方法均能有效提升目標(biāo)分割精度，在偽裝目標(biāo)檢測(cè)(COD)數(shù)據(jù)集上比次優(yōu)的Transformer知識(shí)蒸餾(TKD)方法的Fβ值提高了約2.29%。
為在不增加網(wǎng)絡(luò)參數(shù)規(guī)模的情況下提升目標(biāo)分割性能，該文提出一種基于Transformer特征金字塔的自蒸餾目標(biāo)分割方法，提升了Transformer分割模型的實(shí)用性。首先，以Swin Transformer為主干網(wǎng)構(gòu)建了像素級(jí)的目標(biāo)分割模型；然后，設(shè)計(jì)了適合Transformer的蒸餾輔助分支，該分支由密集連接空間空洞金字塔(DenseASPP)、相鄰特征融合模塊(AFFM)和得分模塊構(gòu)建而成，通過(guò)自蒸餾方式指導(dǎo)主干網(wǎng)絡(luò)學(xué)習(xí)蒸餾知識(shí)；最后，利用自上而下的學(xué)習(xí)策略指導(dǎo)模型學(xué)習(xí)，以保證自蒸餾學(xué)習(xí)的一致性。實(shí)驗(yàn)表明，在4個(gè)公開(kāi)數(shù)據(jù)集上所提方法均能有效提升目標(biāo)分割精度，在偽裝目標(biāo)檢測(cè)(COD)數(shù)據(jù)集上比次優(yōu)的Transformer知識(shí)蒸餾(TKD)方法的Fβ值提高了約2.29%。
2025, 47(2): 561-572.
doi: 10.11999/JEIT240324
摘要:
非局部稀疏表示模型，如聯(lián)合稀疏(JS)模型、低秩(LR)模型和組稀疏表示(GSR)模型，通過(guò)有效利用圖像的非局部自相似(NSS)屬性，在圖像去噪研究中展現(xiàn)出巨大的潛力。流行的基于字典的JS算法在其目標(biāo)函數(shù)中利用松馳的凸懲罰，避免了NP-hard稀疏編碼，但只能得到近似的稀疏表示。這種近似的JS模型未能對(duì)潛在的圖像數(shù)據(jù)施加低秩性，從而導(dǎo)致圖像去噪質(zhì)量降低。該文提出一種新穎的低秩正則聯(lián)合稀疏(LRJS)模型，用于求解圖像去噪問(wèn)題。提出的LRJS模型同時(shí)利用非局部相似塊的LR和JS先驗(yàn)信息，可以增強(qiáng)非局部相似塊之間的相關(guān)性(即低秩性)，從而可以更好地抑制噪聲，提升去噪圖像的質(zhì)量。為了提高優(yōu)化過(guò)程的可處理性和魯棒性，該文設(shè)計(jì)了一種具有自適應(yīng)參數(shù)調(diào)整策略的交替最小化算法來(lái)求解目標(biāo)函數(shù)。在兩個(gè)圖像去噪問(wèn)題(包括高斯噪聲去除和泊松噪聲去除)上的實(shí)驗(yàn)結(jié)果表明，提出的LRJS方法在客觀度量和視覺(jué)感知上均優(yōu)于許多現(xiàn)有的流行或先進(jìn)的圖像去噪算法，特別是在處理具有高度自相似性的圖像數(shù)據(jù)時(shí)表現(xiàn)更為出色。提出的LRJS圖像去噪算法的源代碼通過(guò)以下鏈接下載：https://pan.baidu.com/s/14bt6u94NBTZXxhWjBHxn6A?pwd=1234 ，提取碼：1234。
非局部稀疏表示模型，如聯(lián)合稀疏(JS)模型、低秩(LR)模型和組稀疏表示(GSR)模型，通過(guò)有效利用圖像的非局部自相似(NSS)屬性，在圖像去噪研究中展現(xiàn)出巨大的潛力。流行的基于字典的JS算法在其目標(biāo)函數(shù)中利用松馳的凸懲罰，避免了NP-hard稀疏編碼，但只能得到近似的稀疏表示。這種近似的JS模型未能對(duì)潛在的圖像數(shù)據(jù)施加低秩性，從而導(dǎo)致圖像去噪質(zhì)量降低。該文提出一種新穎的低秩正則聯(lián)合稀疏(LRJS)模型，用于求解圖像去噪問(wèn)題。提出的LRJS模型同時(shí)利用非局部相似塊的LR和JS先驗(yàn)信息，可以增強(qiáng)非局部相似塊之間的相關(guān)性(即低秩性)，從而可以更好地抑制噪聲，提升去噪圖像的質(zhì)量。為了提高優(yōu)化過(guò)程的可處理性和魯棒性，該文設(shè)計(jì)了一種具有自適應(yīng)參數(shù)調(diào)整策略的交替最小化算法來(lái)求解目標(biāo)函數(shù)。在兩個(gè)圖像去噪問(wèn)題(包括高斯噪聲去除和泊松噪聲去除)上的實(shí)驗(yàn)結(jié)果表明，提出的LRJS方法在客觀度量和視覺(jué)感知上均優(yōu)于許多現(xiàn)有的流行或先進(jìn)的圖像去噪算法，特別是在處理具有高度自相似性的圖像數(shù)據(jù)時(shí)表現(xiàn)更為出色。提出的LRJS圖像去噪算法的源代碼通過(guò)以下鏈接下載：
