最新刊期
2026年第10卷第1期
- 摘要：随着全球通信技术向6G演进，传统物联网在场景上局限于陆地或低空单域部署，在功能上通信、感知、计算与智能等能力相互独立，已难以满足工业5.0、全域应急响应、智能海洋开发等场景对“空天地海全域覆盖”与“通感智算深度融合”的需求。因此，面向空天地海全域的6G跨域通感智算融合物联网成为突破上述瓶颈的核心方向。系统综述该领域的研究进展与关键技术，以期为6G跨域通感智算融合物联网的理论研究与产业落地提供系统性参考框架。首先，从场景维度梳理天基、空基、海基、地基四域物联网的发展概况，明确各域异构特性与跨域融合需求；其次，从功能维度分析通感一体化、通智融合、通算协同三类功能融合模式的技术特点，指出通信、感知、智能、计算四功能协同的必要性；进而，构建“硬件-物理-链路-网络-应用”五层跨域融合架构，提炼面向全域场景的关键性能指标及指标间的折中关系；随后，详细阐述信道测量与普适建模、跨域传输与普适通信、先进灵活多天线技术、能效优化与携能传输、信道地图与数字孪生、大模型赋能通感一体化、智能计算与云边端协同、内生安全与隐私保护等关键使能技术的研究现状；最后，提出连续立体空间无线电信道测量与建模、电磁信息论、多源数据融合AI基座模型、跨域统一标准制定等未来研究方向。关键词：6G物联网;空天地海覆盖;通感智算融合;关键使能技术;网络架构216|96|0更新时间：2026-04-16
综述
- 摘要：联邦学习因其分布式与隐私保护特性，在车联网数据安全领域中引起广泛关注。异步联邦学习机制能够更好地适应车辆算力网络状态的动态变化，在提升全局模型更新效率的同时，实现对本地隐私数据的有效保护。然而，恶意车辆在联邦学习训练中可能进行中毒攻击，上传恶意模型至全局模型，进而影响正常车辆的本地训练。在模型下发时，增加候选模型数量虽可提升规避恶意模型的概率，却会显著增加通信时延，影响系统性能。为了平衡安全性与时延，提出一种联邦学习模型传输迁移方法，对城市道路中移动车辆与路边单元（RSU, roadside unit）的交互过程以及模型下发安全性进行建模，通过强化学习优化车辆对RSU的传输迁移策略，在保证模型下发安全性的同时有效降低通信时延。仿真结果表明，该方法相较于基线方法平均传输时延降低了约7%，验证了其在安全性与通信时延方面的优势。关键词：车联网;联邦学习;时延优化;强化学习;传输迁移108|49|0更新时间：2026-04-16
- 摘要：路径规划是自主水下航行器在动态海洋环境中实现高效与安全航行的关键。然而，在强剪切流与涡旋场等共存的复杂海洋环境中，自主水下航行器存在能耗过高、路径震荡与威胁规避不充分等问题。为此，首先，构建融合多物理场的海洋环境模型，对剪切流与涡旋场并存的复杂海洋环境进行高精度量化表征。其次，提出一种新颖的MFD-A*（multi-field-driven A*）算法，通过构建综合代价函数，将阻力能耗模型、航向协同模型与涡旋威胁场模型3类关键水动力约束协同嵌入A*搜索框架，实现能耗、航向稳定性与航行安全的全局优化。最后，仿真结果表明，在强剪切流并存的双涡旋和多涡旋海洋环境中，MFD-A*算法相较于A*算法，能耗分别降低了15.04%与22.89%，航向-流向平均夹角分别减少27.48%与34.2%，并且在两种环境中均实现了对涡旋核心区的100%规避。关键词：自主水下航行器;路径规划;阻力能耗;威胁规避;航向稳定性66|39|0更新时间：2026-04-16
- 摘要：随着我国航运网络的智能化转型，以长江干线为代表的大型枢纽通航设施在数字化赋能下变得高度复杂化和异构化，其网络面临严峻的网络安全威胁，对航运乃至国家战略安全构成了挑战。为了应对这一挑战，基于大型枢纽通航关基设施网络不同安全域的安全需求，提出了一个面向跨域协同范式的安全防护框架，旨在整合不同安全域的防护技术与策略，实现紧密协同和高效响应。深入探讨了大型枢纽通航关基设施跨域联动安全防护技术的研究背景、体系架构、关键技术以及未来的研究重点，为提升大型枢纽通航关基设施的安全能力提供了可行的参考。关键词：枢纽通航关基设施;跨域联动防护;物联网安全;工控网络56|94|0更新时间：2026-04-16
- 摘要：针对室内停车场定位精度低及停车难问题，设计了一套基于超宽带（UWB, ultra-wideband）协同定位的物联网自动泊车系统。该系统采用基于机器人操作系统2（ROS2, robot operating system 2）的“场端-车端”分布式架构，实现多车管理与路径下发。为提高UWB在非视距（NLOS, non-line-of-sight）与多径条件下的稳定性，提出由测距预处理、球面定位及改进自适应扩展卡尔曼滤波（IAEKF, improved adaptive extended Kalman filter）构成的融合方法。在规划与控制方面，结合改进A*与平滑曲线生成可行轨迹，并引入基于定位可信度的自适应模型预测控制（MPC, model predictive control），增强定位波动下的跟踪稳定性。实验结果表明，在复杂环境中，与其他5种定位方法相比，所提系统具有较高的定位精度与控制鲁棒性。此外，在国产UWB芯片MK8000硬件支持下，利用本文提出的融合算法，其系统性能接近基于DW1000的硬件支撑系统，验证了低成本自动泊车方案的可行性。关键词：UWB;自动泊车;室内定位;非视距;路径跟踪67|42|0更新时间：2026-04-16
智能交通与智能网联
- 摘要：为应对现有自动化运维模型在6G多场景、实时化智能管理中的能力瓶颈，提出了一种跨域知识驱动的网络元智能算法框架。现有方案多依赖静态规则或单域优化，难以适配6G网络在复杂环境感知、动态策略迁移与多目标调度方面的综合需求。该框架将网络状态建模为环境域、网络域与用户行为域3类知识源，基于轻量化模型与图神经网络实现高层意图解析与跨域知识的在线融合，并通过知识蒸馏机制动态地更新全局知识库。在此基础上构建多层网络元智能体，形成“感知→推理→知识生成→决策下发→验证优化→记忆检索”的闭环控制流程，辅以自监督、强化与元学习，实现策略的快速迁移与持续演进。围绕低空交通管控场景，设计了3类典型任务：跨域组网、意图引导的智能体管理与蜂群路径规划。实验结果表明，所提方法在吞吐量、故障恢复时间、流量预测精度、决策时延、执行成功率、资源公平度、路径效率与任务成功率等关键指标上均取得了显著的提升。关键词：网络知识;知识驱动网络;网络元智能;智能网络76|43|0更新时间：2026-04-16
- 摘要：通信感知一体化（ISAC, integrated sensing and communication）作为未来6G的关键技术之一，旨在赋予网络智能化感知能力，有效地支撑智能交通、数字孪生等创新应用。然而，现有基于参考信号（RS, reference signal）的ISAC方案受限于信号稀疏、信噪比低、以及梳状频谱引发的距离-速度模糊等问题，难以兼顾感知精度、覆盖范围与通信服务质量（QoS, communication quality of service）。聚焦基于B5G/6G参考信号的ISAC机制，针对现有系统中参考信号资源稀疏导致的感知覆盖与分辨率受限的问题，提出多类信号融合与网络化协同的ISAC架构，在保障通信用户服务质量的前提下增强系统感知能力；在此基础上，面向低信噪比（SNR, signal-to-noise ratio）、小样本观测以及梳状频谱引发的距离-速度模糊等挑战，设计高精度、鲁棒的目标参数估计算法，有效地提升通信系统感知性能。验证了基于参考信号实现高效ISAC的可行性，为6G通感融合系统提供了兼具工程实用性与理论价值的技术路径。关键词：通信感知一体化;参考信号;协作感知;低信噪比;目标模糊128|55|0更新时间：2026-04-16
- 摘要：物联网（IoT, Internet of things）技术通过设备、传感器和网络的互联，实现了物与物、物与人之间的智能交互和数据共享，已广泛应用于智能家居、智慧交通和工业自动化等领域。传统的物联网开发流程依赖于人工的软硬协同开发，具有较高的技术门槛。低代码开发技术通过图形化编程界面和高度抽象的编程接口，显著地降低了开发门槛，但仍存在定制化能力不足的问题。随着以大语言模型为代表的人工智能（AI, artificial intelligence）及其相关技术的成熟，一种利用人工智能模型对物联网应用开发流程进行高层语义表征的“智能原生”物联网计算任务生成范式逐渐兴起，成为物联网应用开发的新机遇。为此，在梳理物联网应用开发技术的发展的基础上，提出了智能原生物联网计算任务生成框架，将开发过程划分为物联网应用计算意图解析与计算规划生成两个阶段。在此基础上，系统性地分析了智能原生物联网应用生成的关键技术和挑战，探讨了最新研究进展，最后对未来发展方向进行了展望。关键词：物联网;智能原生计算;低代码开发;大语言模型74|48|0更新时间：2026-04-16
- 摘要：随着数字经济的迅猛发展，网络安全风险日益加剧。据相关报道，勒索病毒已成为网络空间最具破坏性的威胁之一。值得警惕的是，网络黑客正在不断尝试利用先进的人工智能（AI, artificial intelligence）技术培育新型勒索病毒，使得病毒更智能、更具隐蔽性和破坏力。因此，如何全面审视AI对网络安全带来的新影响，深入揭示其工作原理并研究和构建有效的防御方法迫在眉睫。目前，尚未有文献系统全面地总结并分析AI增强勒索病毒危害的原理和影响。为此，首先，对勒索病毒进行了分类；接着，剖析了勒索病毒的攻击流程；然后，结合最新研究进展，深入阐述了AI增强勒索病毒的工作机理；最后，从预防、预测、检测、识别及缓解5个方面，系统归纳了基于AI的勒索病毒应对措施，并分析了AI增强勒索病毒的发展趋势与未来可能研究方向，旨在为网络安全领域的从业者提供有价值的参考与启示。关键词：勒索病毒;网络安全;人工智能;防御体系32|29|0更新时间：2026-04-16
- 摘要：针对现有频谱共享系统面临的感知数据伪造、篡改导致的感知结果不可信、基于感知结果的频谱接入分配不公平等问题，提出了一种基于感知质量的频谱共享模型，旨在通过联合优化感知质量和接入资源分配来提高频谱共享的效率和公平性。在感知阶段，通过主从博弈建模感知用户与需求者之间的交互关系，感知用户优化感知质量以最大化自身收益，需求者根据感知质量决定数据购买量，从而实现高效、可靠的感知数据收集。在接入阶段，基于感知质量动态地分配频谱资源，同时结合VCG（Vickrey-Clarke-Groves）机制确保用户真实上报感知质量，防止数据虚报与欺诈行为，最终实现公平、合理的频谱分配与资源优化，提升系统整体效率。仿真结果表明，所提机制能够有效地激励用户提供真实感知质量，并对诚实用户起到保护作用。关键词：动态频谱共享;感知质量;资源分配;博弈论;VCG机制47|27|0更新时间：2026-04-16
- 摘要：通用人工智能的发展浪潮驱动着海量数据的生成与处理，大规模、异构的图数据网络成为数字世界的重要基础。然而，持续增长的数据规模不仅增加了图数据处理的难度，也催生了降低图规模并最大化图信息量的需求。现有方法难以协同控制图规模并优化图信息量，从而限制了图数据分析处理的效果。为响应图数据规模与信息量的均衡调控需求，提出以规模调控为约束、信息量最大化为目标的图约简问题。具体而言，设计图融合算法与基于深度强化学习的图约简算法对问题进行求解，包括节点融合、复合映射等图约简操作与相似度量方法。实验结果验证了约简算法的均衡调控能力，与4种算法在特征相似度、图相似度、边信息损失3个评估指标上的对比显示，该图约简方法可分别取得最低为20.7%、19.9%及26.3%的性能提升。关键词：图约简;深度强化学习;规模调控;信息量;相似性59|34|0更新时间：2026-04-16
- 摘要：网络数字孪生技术在提升IP承载网仿真测试的运维效率与决策精度方面具有重要作用，然而，当前仍面临仿真精度不高与仿真性能不足等问题。基于PNetLab仿真平台，提出了一种高性能网络数字孪生仿真引擎——ePNetLab（extended PNetLab）。首先，对原有平台进行性能优化与功能扩展，改进接口响应机制，设计跨节点通信方案，提升拓扑构建效率并增强集群化组网能力。其次，设计并实现基于社区划分算法的拓扑动态构建方法，有效地降低了大规模仿真场景的构建时间与资源开销。最后，通过实验评估验证了所提方案的可行性与高效性。实验结果表明，ePNetLab在拓扑构建效率方面相较于原生PNetLab在最优条件下提升了82.9%；同时，所引入的社区划分算法在仿真效率、资源利用率与业务性能等方面较其他算法有较大提升。关键词：IP承载网;数字孪生网络;仿真引擎;社区分割算法66|41|0更新时间：2026-04-16
- 摘要：洪涝灾害频发严重威胁社会经济稳定与居民财产安全，提升洪涝灾害预测的准确性与实时性成为亟须解决的问题。为此，提出了基于云边协同的多模态洪涝灾害预测架构，突破传统云计算在传输时延、计算负载与实时性方面的瓶颈。该架构利用物联网设备采集原始数据，在边缘层构建基于长短期记忆网络（LSTM）的局部实时预测模型生成局部预测结果；在云端构建基于Transformer的全局融合预测模型提取长距离依赖关系，形成全局预测结果，并设计权重自适应调整算法以优化局部与全局结果的协同。实验结果显示，该架构在洪涝灾害预测的准确性、数据传输时延、实际带宽速率及边缘计算资源利用率均优于传统集中式云计算架构。研究表明，云边协同与多模态融合能够有效提升洪涝灾害预测的准确性与实时性，为防灾减灾和科学决策提供了新思路。关键词：洪涝灾害预测;云边协同;LSTM;Transformer61|40|0更新时间：2026-04-16
- 摘要：边缘节点内容缓存收益是车联网边缘缓存系统的核心性能指标。基于车载用户的移动特性，对边缘节点的缓存部署方法进行数学建模，同时引入网络编码技术对比分析随机缓存方法和基于网络编码的随机缓存方法的性能差异，提出了一种基于网络编码的车联网边缘内容缓存算法，给出了算法缓存收益理论界限。实验结果表明，所提方法优于经典算法，对瞬时车速等不确定性因素具有更好的鲁棒性，且路边单元处的缓存内容命中率提升逾20%。关键词：蜂窝车联网;边缘缓存;移动感知;网络编码47|30|0更新时间：2026-04-16
- 摘要：随着智能物联技术与5G/6G通信技术的深度融合，卫星边缘计算（SatEC, satellite edge computing）凭借空天协同计算网络，为地面网络覆盖薄弱区域提供了新型算力服务。然而，SatEC系统面临星地动态资源分配失衡与多维时空约束下任务优先级控制不足的双重挑战。现有方法在分层决策、时空特征提取及任务紧急度量化映射方面存在缺陷，导致时敏任务处理效率受限。为此，提出了一种基于自注意力时间卷积网络的多智能体深度强化学习算法。该算法通过构建多智能体架构实现任务优先级排序与资源分配的联合优化，采用融合时空特征的混合神经网络精准提取星地协同场景的动态关联特性，并建立基于概率模型的动态调度机制，协同优化时延约束与任务完成率。仿真结果表明，相较于基准算法，该算法在任务完成率与时延控制方面均实现了显著的提升，验证了其在复杂卫星边缘计算场景中的有效性与优越性。关键词：卫星边缘计算;资源分配;任务优先级;自注意力时间卷积网络;多智能体深度强化学习42|39|0更新时间：2026-04-16
- 摘要：为应对未来应急通信场景下无线Mesh网络中资源受限、网络拓扑和用户需求动态变化带来的多维资源分配问题，提出了一种面向6G网络的动态Mesh网络切片端到端服务稳定匹配算法。首先，根据不同业务的差异化服务需求，基于Gale-Shapley匹配思想，将多业务端到端服务问题表述为层次化二分图稳定匹配问题；然后，建立服务请求方和提供方的偏好列表，在接入侧和回程侧分别进行终端-切片-基站和业务流-服务路径的稳定匹配，完成区分任务类型的端到端服务。仿真结果表明，所提稳定匹配算法在降低网络成本、提高业务服务成功率以及满足高可靠、低时延、大带宽等差异化业务需求方面，都表现出良好的性能。关键词：立体无线Mesh网络;任务驱动;端到端切片;稳定匹配算法53|35|0更新时间：2026-04-16
- 摘要：随着物联网技术的发展，不同业务场景对服务质量的需求日趋多样化。当前，如何精准解析物联网业务需求、有效保障差异化业务场景的服务质量，仍是行业面临的巨大挑战。针对这一挑战，亟待深入研究意图驱动的物联网资源分配机制。物联网环境具有动态复杂性，且业务需求存在显著差异，传统需求解析方式难以实现用户意图到物联网策略的精准映射。为此，提出一种意图驱动的双时间尺度资源分配方法。首先，根据业务服务质量需求对场景进行分类，并设计基于大规模语言模型与检索增强的意图转译算法，结合设备及业务信息，将用户意图转译为可执行的物联网策略。其次，面向资源分配效率与物联网动态状态变化，构建以最大化系统整体收益为优化目标的双时间尺度资源分配框架。该框架包括：在长时间尺度下，采用竞争双深度Q网络算法对切片间资源进行全局分配；在短时间尺度下，通过混合整数线性规划算法对切片内业务细粒度资源进行调配。实验结果表明，所提方法通过融合意图转译算法实现了上层策略精准生成，并结合资源分配算法实现下层资源的弹性调度。相较于单一时间尺度的算法，该方法能够进行更高效且贴合下游物联网状态的资源分配，进而保障同一物联网中不同业务场景的差异化服务质量。关键词：资源分配;自智网络;意图驱动网络;深度强化学习61|58|0更新时间：2026-04-16
- 摘要：为解决频谱资源紧张条件下卫星通信系统的多用户接入问题，提出了一种基于非正交多址接入（NOMA, non-orthogonal multiple access）技术的半免授权（SGF, semi-grant-free）传输策略。其中，作为免授权（GF, grant-free）用户的移动终端与作为授权（GB, grant-based）用户的地球站共同接入卫星网络。首先，为保障GB用户的服务质量，为其配备高增益定向天线，并在仅已知统计信道状态信息的条件下，GB用户计算可容忍的最大干扰阈值，由卫星广播给所有GF用户；满足该阈值条件的GF用户可基于NOMA技术与GB用户共享频谱资源。其次，GF用户配备平面阵列，针对其利用连续相位和离散相位波束成形的情况，提出了相应的低复杂度波束成形（BF, beamforming）方法。进一步地，在卫星信道服从阴影莱斯分布，并考虑接收端存在非完美连续干扰消除（SIC, successive interference cancellation）的条件下，推导出所提SGF传输策略下系统吞吐量的闭合表达式。最后，通过计算机仿真验证了理论分析的正确性和所提传输策略的优越性，并定量分析了非完美SIC、离散比特数、天线数等典型参数对系统性能的影响。结果表明，当相位离散比特数为3 bit时，系统性能接近采用连续相位BF时的水平。关键词：卫星通信;非正交多址传输;半免授权传输;波束成形;非完美连续干扰消除23|15|0更新时间：2026-04-16
- 摘要：异常检测在工业设备故障监测等能源物联网场景中具有重要的应用价值，能够帮助物联网系统实时识别时间序列中的异常模式，从而提升系统的安全性、稳定性和运维效率。然而，时序数据的稀缺性是制约模型性能的主要瓶颈之一，这主要源于高质量标注的时序数据获取成本高昂，以及工业生产等场景下的时序数据采集条件有限，难以覆盖各种可能的情境。传统的数据增强方法难以有效捕获异常事件的复杂性和多样性，进一步制约了检测模型的性能提升。为此，提出了一种基于时间序列生成的数据增强方法，以提高模型在数据稀缺条件下的异常检测能力。该方法利用变分自编码器生成模型，在稀缺数据条件下合成具有真实性和多样性的时序数据，从而有效缓解数据稀缺性对模型性能的限制，显著提升异常检测的鲁棒性和准确性。实验结果表明，该方法在智能制造等能源物联网场景中具有良好的适应性，为构建高效、智能的异常检测系统提供了有效的技术支持。关键词：异常检测;变分自编码器;时间序列生成;数据增强;能源物联网50|34|0更新时间：2026-04-16
理论与技术
- 技术支持由北京北大方正电子有限公司提供 京ICP备09064830号-19
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
- 总访问量：212817 今日访问量：640
0