最新刊期
2026年第10卷第2期
- 摘要：随着6G时代临近，物联网终端设备数量急剧增长，其电池消耗和维护成本也大幅上升，因此实现净零能耗成为推动物联网终端设备普及的关键技术需求之一。可见光通信作为近年来兴起的一种绿色通信技术，能够有效利用现有的照明光源承载下行链路信息，终端设备则可以利用太阳能电池板同时获取信息与能量。然而，传统可见光通信的上行链路通常采用红外通信技术，对终端设备的能耗需求较大，使其难以达成净零能耗目标。为此，结合基于太阳能电池板的可见光通信和基于角反射的被动式可见光通信，提出了一种新颖的净零能耗物联网技术方案，并搭建了原型机。该方案从增强能量采集效率和降低无线传输能耗两方面，实现物联网终端设备的净零能耗目标。实验结果表明，该原型机在室内自然光照环境下可实现50 cm以上的传输距离，下行和上行传输速率分别达到4 300 bit/s和50 bit/s，适用于包括智能门锁在内的短距离、低速率传输物联网应用场景。此外，由于采用了被动式上行链路传输方式，终端设备达到净零能耗所需的太阳能电池板面积从615 mm2降至125 mm2，大幅提升了终端设备的部署灵活性。关键词：物联网;净零能耗;可见光通信;可见光后向散射通信;太阳能量采集78|25|0更新时间：2026-10-10
- 摘要：无人机（UAV, unmanned aerial vehicle）是低空经济网络的核心组成部分，实现无人机航拍图像高效传输在空地通信中至关重要。在无人机执行任务的过程中，由于飞行区域的变化，信道状态快速波动，如信噪比（SNR, signal-to-noise ratio）和传输速率。为适应这些变化，提出了一种面向无人机航拍图像传输的信道弹性编解码方法。该方法包含轻量化特征提取模块、特征增强模块、传输速率自适应模块和相应的解码模块。轻量化特征提取模块利用残差块的局部细节提取能力与轻量Mamba的全局上下文建模能力，可有效地获取航拍图像丰富的语义特征。特征增强模块根据信道状态SNR，增强关键语义特征。传输速率自适应模块根据信道传输速率，自适应地调整传输特征的数量。在航拍图像数据集（AID, aerial image dataset）上的实验结果表明，该方法比现有方法具有更高的传输精度。关键词：无人机航拍图像传输;信噪比自适应;速率自适应;语义通信129|60|0更新时间：2026-10-10
-
无线射频反向散射的现状、问题及发展趋势 AI导读
摘要：无线射频反向散射具有共享频谱、低功耗、低成本等特点，在通信和感知领域的终端设备、中继器市场具有重要应用价值。移动通信技术一直是发展的热点，5G到6G的演进不仅是带宽的拓展，更是从万物互联发展到万物智联。然而，移动通信技术和物联网技术都面临频谱稀缺问题，同时存在低功耗节能需求，因此，它们与无线射频反向散射产生交集。首先，通过对移动通信技术、物联网技术等研究热点进行分析，引出全面的无线射频反向散射。然后，通过回顾环境反向散射各种信号的首篇论文、近几年论文，阐述基本原理，梳理清晰的发展脉络，并按不同维度对现状进行分类。随后，通过对发展脉络和现状分类进行梳理，归纳出现存问题及部分问题的解决方法。最后，综合全文内容，预测下一阶段的发展趋势。关键词：反向散射;无线射频;综述;移动通信技术;物联网157|102|0更新时间：2026-10-10 - 摘要：无蜂窝大规模多输入多输出（CF-mMIMO, cell-free massive multiple-input multiple-output）系统因其可消除小区间干扰并提升频谱效率，被视为6G移动通信中一种极具前景的关键技术。同时，可重构智能表面（RIS, reconfigurable intelligent surface）因低功耗、可编程、易部署的特点，在增强信道质量、扩展覆盖范围等方面展现出广泛的应用前景。研究了RIS辅助下的CF-mMIMO系统，并在此基础上构建了一个联合功率控制、预编码与RIS相位调整的优化问题，旨在最大化系统能量效率（EE, energy efficiency）。针对该3变量非凸优化问题，提出了一种交替优化框架：通过拉格朗日对偶变换与分数规划方法对预编码与RIS相位子问题进行解耦与求解；对于功率控制子问题，采用牛顿法进行优化。仿真结果表明，相较于传统的平均功率控制方案，所提的RIS辅助系统功率优化算法展现出了更优异的收敛特性，并显著地提升了性能。特别值得注意的是，该优化算法在提升系统能量效率的同时，同步改善了通信速率，从而有效地实现了频谱效率（SE, spectrum efficiency）与EE的协同优化。关键词：无蜂窝大规模多输入多输出;可重构智能表面;功率控制优化;能量效率190|291|0更新时间：2026-10-10
专题：6G跨域通感智算融合物联网
-
基于大语言模型的超宽带雷达多任务学习方法 AI导读
摘要：超宽带（UWB, ultra-wideband）雷达通过无线感知实现人数检测和生命体征监测，现有方法依赖统计特征或轻量级神经网络，在多种任务间的迁移与泛化能力有限。鉴于大语言模型（LLM, large language model）的优异跨模态学习能力，提出了基于大语言模型的超宽带雷达多任务微调框架，结合混合专家（MoE, mixture of experts）与低秩适应（LoRA, low-rank adaptation）方法，将雷达信号的时序特征映射至大语言模型嵌入空间，并通过参数高效微调（PEFT, parameter-efficient fine-tuning）。在自采集数据集和公开数据集上，分别对人数检测任务及呼吸、心电图（ECG, electrocardiogram）与连续血压3种生命体征信号估计任务进行训练和评估。实验结果表明，所提框架在人数检测准确率和3种生命体征信号估计任务的相关系数较现有算法平均提升了37.62%、7.47%、18.16%和14.70%。关键词：大语言模型;超宽带雷达;人数检测;生命体征监测;多任务学习;混合专家232|107|0更新时间：2026-10-10 - 摘要：随着物联网与机器人技术的深度融合，构建高效可靠的通信网络成为支持机器人协同作业的关键基础。针对机器人系统在动态复杂环境中对通信网络提出的低时延、高可靠性与轻量化需求，提出一种基于邻居信息推测的广播优化（SRB, speculative reception-based broadcasting）算法。该算法通过引入邻居管理与推测接收机制，有效解决了传统泛洪算法中“广播风暴”、冗余转发和能耗过高等问题。SRB利用节点间周期交换的邻居信息，推测其邻居是否已接收到当前数据包，从而决策是否转发，避免不必要的重复传输。通过仿真和机器人原型系统对所提算法进行了性能评估，实验结果表明，SRB在数据包可达率、端到端时延、转发率等关键指标上均优于传统泛洪算法。关键词：物联网;机器人;Mesh网络;泛洪算法39|12|0更新时间：2026-10-10
- 摘要：具身智能与机器人物联网（IoT, Internet of things）的发展呈现自主化、协同化和多模态融合的趋势，大量异构具身智能体接入物联网系统，对网络架构的互操作性和安全性提出了更高的要求。面对传统协议在语义表达与动态上下文适应性上的局限，引入并系统地阐述了模型上下文协议（MCP, model context protocol）作为统一“语义控制平面”的核心作用。提出并详细地构建了“Context→QoS/Sec编译器”这一创新框架，旨在将高层任务意图与环境上下文（包括优先级、时延抖动容忍度、安全敏感等级等）精确、可验证地映射至底层数据平面（如ROS2/DDS、OPC UA/TSN、5G/6G）的实时服务质量（QoS, quality of service）参数与安全侧写。进一步聚焦当前研究面临的深层挑战，包括代价模型的可识别性、异构约束的同构化、系统可验证性与可解释性以及工程演化中的稳定性与最优性权衡，并针对性地提出了未来可行的研究路线。关键词：具身智能;机器人物联网;模型上下文协议;语义控制平面;Context→QoS/Sec编译器16|15|0更新时间：2026-10-10
-
基于PID控制的复杂地形自适应助农机器人 AI导读
摘要：研发了一款基于比例-积分-微分控制（PID）控制的复杂地形自适应助农机器人，以提高农业生产效率，减轻农民劳动强度，实现多复杂地形下的精准助农。该机器人以STM32F103C8T6单片机为核心控制器，通过HC-15蓝牙模块接收用户的远程指令，控制步进电机实现精准移动，并驱动水泵模块完成农药喷洒作业。其核心运行原理是“无线指令接收→核心处理→电机与执行器驱动”的过程。该机器人相较于现有农业机器人最大的一个创新点在于，能够根据不同的地形进行自适应调整，不论是在山坡、沙地，还是其他崎岖地形，都能稳定运作。该机器人还能对作物进行健康检测，包括叶片的生长情况、作物的成熟度等；同时支持土壤成分检测、农药喷洒及灌溉等。关键词：STM32F103C8T6单片机;PID算法;蓝牙通信;复杂地形自适应96|47|0更新时间：2026-10-10
专题：具身智能与机器人物联网
- 摘要：在低轨卫星（LEO, low earth orbit）通信系统中，针对星地链路高速运动引发的时延动态变化以及低信噪比（SNR, signal-to-noise ratio）的信道环境，传统的信道估计算法性能表现较差等问题，在正交频分复用（OFDM, orthogonal frequency division multiplexing）的框架下，提出一种基于深度神经网络（DNN, deep neural network）与信道响应分块合并结合的低轨卫星通信系统的信道估计算法，可有效提升低轨卫星非地面网络（NTN, non-terrestrial network）通信环境中数据传输的可靠性与稳定性。该算法将频域导频信道响应矩阵进行分块取平均，并结合深度神经网络，在不同时延与噪声的信道场景中，自适应得到导频信道响应分块合并数的最优映射。将该算法与现有的信道估计算法在动态随机时延情况下的误码率（BER, bit error rate）性能曲线进行仿真对比。仿真结果表明，该算法相对于传统信道估计算法，在添加动态随机时延的情况下，同一信噪比下误码率更低，具有较强的鲁棒性，同时相比于现有的神经网络信道估计算法，能适应较大时延与时延变化情况，具有更强的泛化性。关键词：低轨卫星;非地面网络;信道估计;深度神经网络;正交频分复用144|92|0更新时间：2026-10-10
- 摘要：针对现有卫星网络关键节点分析方法主要面向静态网络、评价指标单一、未针对网络特殊性考虑节点功能等问题，提出了一种融合功能特征和拓扑结构的卫星物联网关键节点分析方法。首先，将动态卫星网络进行离散时间划分，得到拓扑快照序列图；其次，考虑卫星星下点的地理位置和覆盖时间，构建时空业务流量模型，获得卫星的物联网业务流量；再次，定义了基于权流量熵的卫星节点功能重要度指标以及基于网络节点的度和介数的卫星节点拓扑重要度指标，进一步提出采用灰色综合评价法对这两个方面的指标进行融合，得到综合的关键节点分析方法；最后，仿真结果表明，与现有方法相比，所提方法能够有效提升卫星网络中关键节点识别的准确度，可为动态卫星网络关键节点分析提供一种技术手段。关键词：卫星物联网;关键节点;权流量熵;灰色综合评价13|8|0更新时间：2026-10-10
- 摘要：新兴的低轨（LEO, low earth orbit）巨型星座在全球通信领域展示出巨大的潜力。然而，庞大的网络规模和频繁的网络故障导致现有基于深度强化学习（DRL, deep reinforcement learning）的路由方案的扩展性和鲁棒性较差。为此，提出一种基于图强化学习的鲁棒和可扩展的路由框架GraphSR。首先，GraphSR采用一种称为虚拟流量拓扑模型来屏蔽星座动态拓扑，虚拟流量拓扑将网络故障引起的物理拓扑变化转换为流量需求的多样性，从而实现鲁棒路由的计算；其次，为了实现路由可扩展性，GraphSR将星座划分为多个软件定义网络（SDN, software-defined networking）控制域，并设计了基于图神经网络（GNN, graph neural network）的DRL算法以摆脱对固定拓扑的输入依赖；最后，通过蒙特卡洛模拟快速评估关键故障场景并选择对网络性能影响较大的部分关键链路，GraphSR专注于控制关键链路权重来降低DRL的动作空间维度。在Starlink巨型星座拓扑上的仿真表明，与其他基线路由方案相比，GraphSR在不同规模的链路失效场景下路径可靠性提升超过7.04%，同时端到端时延始终保持在可接受范围内。关键词：低轨巨型星座;韧性路由;软件定义网络;图神经网络;深度强化学习97|71|0更新时间：2026-10-10
- 摘要：在空间通信中，发射端和接收端之间的信号传输通常面临两类难题：远距离路径损耗和高动态相对运动。远距离路径损耗降低了接收端的信噪比，而高动态相对运动导致载波频率发生高动态多普勒频偏，即低信噪比和高动态。为解决低信噪比和高动态引起的能量扩散问题，提出一种极大-极小捕获算法，其中极大元素和极小元素分别用来提供可能的搜索范围和不可能的搜索范围。该算法首先选择若干个较大元素（称之为极大元素）和若干个较小元素（称之为极小元素），然后利用极大和极小元素来构造一个很窄的极大-极小搜索范围，最后从极大-极小搜索范围内搜索最大元素作为捕获结果。理论分析和仿真结果表明，该算法能够有效地提高多普勒频偏的捕获概率。关键词：空间通信;多普勒频偏捕获;低信噪比;高动态;能量扩散12|8|0更新时间：2026-10-10
- 摘要：针对海上移动边缘网络中用户移动性强、任务依赖关系复杂及空中辅助节点（AAN, aerial auxiliary node）轨迹规划受限等问题，提出一种基于用户移动感知的空海协同任务卸载方法。通过构建由用户层、AAN层和边缘层组成的空海协同计算架构，建立以最小化系统平均成本（时延与能耗）为目标的优化模型，综合考虑任务间依赖关系、资源分配约束及AAN三维空间位移安全限制。创新性地提出基于K-means的动态用户集群划分机制，周期性地根据移动设备位置更新集群归属关系，确保AAN高效跟踪动态用户；设计异构多智能体深度强化学习框架（TD3-HAO, twin delayed deep deterministic policy gradient based heterogeneous agent offloading）算法，实现依赖性子任务卸载决策、计算资源分配与AAN三维飞行轨迹的联合优化。仿真结果表明，相较于本地算法、深度确定性策略梯度（DDPG, deep deterministic policy gradient）算法等基准算法，所提方案在移动设备数量增至25时仍能维持平均系统成本较最优解偏差小于3%，时延降低16.94%~38.34%，有效解决传统方法中忽略任务依赖性和节点同质性导致的资源利用率低下问题，为空海协同边缘计算提供理论支撑。关键词：海上移动边缘网络;空中辅助节点;依赖性任务卸载;三维轨迹优化;异构多智能体强化学习87|72|0更新时间：2026-10-10
- 摘要：基于接收信号强度指示（RSSI, received signal strength indication）的无线定位方法因其低成本、低功耗等优点，在物联网中被广泛应用。然而，传统方法难以兼顾信道衰落、多径效应及环境动态变化，导致定位精度下降。因此，提出一种结合κ-µ分布的动态信道衰落建模与极大似然估计（MLE, maximum likelihood estimation）的定位方法，通过分析近期接收的RSSI数据，对信道衰落特性进行动态建模，实现对信道衰落特性的自适应刻画，从而提升定位的精度和稳定性。在LoRa节点网络中开展实验，实验结果表明，κ-µ分布可以有效拟合复杂信道特性，显著减少环境变化带来的误差波动，实现复杂环境中的高精度定位。与经典定位方法相比，新方法在精度上具有明显优势，平均定位误差降至34.82 m，较现有使用静态κ、µ参数进行信道建模的定位方法，精度提升约10%，且定位耗时控制在毫秒级。关键词：RSSI定位;κ-µ分布;动态信道建模;极大似然估计39|133|0更新时间：2026-10-10
- 摘要：为解决物联网（IoT, Internet of things）设备产生的异构计算任务需要高效调度的问题，提出基于扩散强化学习（DiffRL, diffusion reinforcement learning）的无人机（UAV, unmanned aerial vehicle）通信网络与任务卸载系统。主要创新点包括：（1）扩散强化学习卸载决策框架，通过去噪扩散隐式模型（DDIM, denoising diffusion implicit model）采样技术将采样步数从50步减少到15步，加速70%的采样过程，同时保持98%的决策质量；（2）能量导向无人机轨迹规划算法，降低系统总能耗15.3%；（3）实现DiffRL决策与轨迹规划的紧耦合，解决动态环境下多目标优化问题。实验表明，新系统在能耗和任务时延方面较传统方法均有下降，在任务卸载决策中比传统深度Q网络（DQN, deep Q-network）和深度确定性策略梯度（DDPG, deep deterministic policy gradient）算法任务时延分别降低30.2%和9.2%。关键词：UAV通信网络;扩散强化学习;移动边缘计算;任务卸载决策93|65|0更新时间：2026-10-10
- 摘要：为解决地面边缘服务器灵活性差以及高密度交通要道服务器计算能力不足以提供可靠卸载服务的问题，提出了一种无人机辅助的车联网边缘计算系统。该系统将多架无人机作为移动基站，以辅助地面边缘服务器为车辆提供卸载服务。系统将计算卸载和资源分配的联合优化问题建模为一个混合整数非线性规划问题，目的是优化车辆的卸载决策和边缘设备的资源分配，使系统总成本最小。为求解该问题，提出了融合遗传算法和深度确定性策略梯度（GADDPG，genetic algorithm and deep de terministic policy gradient）算法进行求解，该算法通过引入遗传算法预训练演员模块和评论家模块的学习率，使其在车联网场景中具有更好的寻优能力。将GADDPG算法应用于求解计算卸载和资源分配问题，仿真结果表明，在综合考虑卸载时延和能耗的情况下，与4种计算卸载和资源分配问题算法进行相比，可使系统成本分别降低18.2%、18.8%、30.7%和78.3%，因此该算法对降低系统成本具有更优的效果。关键词：车联网;移动边缘计算;深度强化学习;遗传算法17|12|0更新时间：2026-10-10
-
基于轻量级模型的森林火灾协同识别方法 AI导读
摘要：基于物联网的环境监测体系是森林火灾早期预警的重要基础设施，对遏制灾害蔓延具有决定性作用。然而，部署于野外的监测终端存在通信带宽受限、计算能力弱、能源供给有限的问题，使其既难以将大量高清图像实时回传，又无法在设备端部署并运行复杂的神经网络模型。为此，设计了一种基于“端-云”协同的森林火灾识别方法。通过在监测终端上部署轻量级识别模型和卸载模型，终端采集到的大部分图像可以在边缘侧完成本地识别；只有轻量级模型难以准确识别的少量图像，才通过物联网网络卸载到森林防火指挥中心进行云端识别，从而在满足物联网应用对低延迟、低带宽和低能耗核心需求的同时，兼顾识别准确性。所设计的轻量级森林火灾识别模型结合了Ghost Module和ShuffleNetv2，并引入ECA（efficient channel attention）模块，显著降低了对计算和存储资源的需求。为了提高卸载决策在动态物联网环境下的有效性，提出了一种融合噪声网络的双缓冲区近端策略优化（NDPPO, noisy double proximal policy optimization）算法来训练卸载模型。通过对比实验验证了所提出的面向物联网的轻量级森林火灾协同识别方法的有效性。关键词：森林火灾识别;轻量级模型;协同识别;策略优化算法;物联网监测终端130|159|0更新时间：2026-10-10 - 摘要：建筑工地的复杂环境给工人安全帽佩戴检测带来了极大的挑战。为精准辨识复杂施工环境中作业人员安全帽佩戴情况，有效降低安全事故发生率，提出了一种基于可变形卷积的工人安全帽佩戴检测算法。该算法在YOLOv8骨干网络部分融合可变形卷积模块，缓解了传统标准卷积层使用固定几何结构提取特征时限制模型建模能力的问题，提升了对复杂施工环境的分析识别能力；通过图像几何变换和像素级处理方法，丰富训练样本数量以提升检测模型在不同工地场景中的泛化能力。将该算法部署到Jetson TX2，编写目标检测软件，实现了建筑工地场景的现场检测。实验表明：该模型能在复杂施工环境下完成工人的安全帽佩戴检测，在标准数据集上识别准确率为95.2%，且具有一定鲁棒性，可向各类施工现场进行推广。关键词：YOLOv8;工地现场;不安全行为检测;可变形卷积;目标识别124|182|0更新时间：2026-10-10
-
面向CT肺结节分割的动态区域优化方法 AI导读
摘要：肺结节的精准分割是肺癌早期筛查与临床诊断的关键前提，然而CT影像中结节存在形态不规则、边界模糊、尺寸差异大（从几毫米到数十毫米）等问题，且易受血管、胸膜等周围组织的干扰，导致传统深度学习分割方法（如U-Net、基线V-Net）存在边界定位误差大、小病灶漏诊率高、分割一致性差等局限；此外，固定感兴趣区域（ROI）的设置易造成目标信息冗余或关键细节丢失，进一步制约分割精度。针对上述挑战，提出一种结合自适应ROI算法与多视角三维分割策略的两阶段肺结节分割方法。第1阶段采用V-Net架构沿轴向进行初始分割，通过创新的自适应感兴趣区域（A-ROI）算法动态调整ROI位置和尺寸，保持结节与ROI面积比低于阈值（RT），减少无关组织干扰；第2阶段沿冠状轴和矢状轴进行补丁式分析，最终通过共识模块整合多平面预测结果，提升分割稳定性。在LUNA16和LNDb公开数据集上的实验表明，该方法Dice系数分别达到92.6%和92.3%，较基线V-Net提升6.2%和6.1%，Hausdorff距离降低至2.92±1.89 mm；相较于传统U-Net，分割精度亦有显著提升。多平面协同分析使形状相似度提升29.8%，能有效应对CT影像中结节分割的核心挑战，为临床肺癌早期精准诊断与疗效评估提供可靠技术支持。关键词：肺结节;自适应ROI算法;多视角分割;V-Net架构;分割稳定性83|76|0更新时间：2026-10-10
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：128864 今日访问量：109 在线人数：11
0