2025年 05期
一种基于RSMA-OFDM可见光通信系统的资源分配方案
孙衍哲;杨婷;曹天;郭威;白勃;王平;针对现有速率分裂多址接入(Rate Splitting Multiple Access, RSMA)在可见光通信(Visible Light Communication, VLC)系统中与光正交频分复用(Optical-Orthogonal Frequency Division Multiplexing, O-OFDM)结合不足，以及多用户场景下私有流共用子载波引发的干扰问题，提出一种基于RSMA-OFDM可见光通信系统的资源分配方案。该方案将不同用户的私有流分配至正交的OFDM子载波上，而公共流则通过功率域叠加进行传输，以减少用户间干扰并降低串行干扰消除(Successive Interference Cancellation, SIC)的复杂度。仿真结果表明，与未采用所提方案的RSMA-OFDM VLC系统相比，采用该方案的系统，在不同功率分配方案下，达到误码率(Bit Error Rate, BER)阈值所需的信噪比(Signal-to-Noise Ratio, SNR)最少降低了约6 dB,有效地降低了系统所需发射功率，并提高系统的能效。
智能反射面辅助 CR-SR的安全边缘计算网络优化方案
刘超文;蔡雨卓;曾安玲;李玉泽;刘伯阳;针对物联网设备算力不足和频谱资源短缺的问题，提出一种智能反射面辅助的认知无线电(Cognitive Radio, CR)和共生无线电(Symbiotic Radio, SR)的安全移动边缘计算(Mobile Edge Computing, MEC)网络优化方案。该方案先根据构建的MEC网络模型建立次用户总平均计算任务量最大化问题，然后采用变量替换和分块迭代算法将所建立的非凸问题转换为凸问题，并利用拉格朗日对偶算法进行求解。通过优化次用户发射波束成形矢量、次用户设备的计算资源以及智能反射面的相移矩阵，在保证次用户信息传输安全的前提下最大限度提高次用户总平均计算任务量。仿真结果表明，与随机智能反射面相位方案和随机发射波束成形矢量方案相比，所提方案分别将计算任务量提高了38.5%和32.2%,能够为算力不足和频谱资源受限的用户设备提供更好的服务。
基于改进的Sage-Husa自适应滤波GNSS/INS组合导航算法
何在民;程昊威;肖恭伟;广伟;何香漪;张傲;针对全球卫星导航系统(Global Navigation Satellite System, GNSS)与惯性导航系统(Inertial Navigation System, INS)组成的GNSS/INS组合导航系统由于环境干扰、模型误差等因素导致定位与测速精度下降的问题，提出一种基于改进Sage-Husa自适应卡尔曼滤波的GNSS/INS组合导航算法。该算法通过协方差匹配技术对滤波过程中的异常量测新息进行判决，并根据判决结果对量测噪声协方差矩阵自适应调整。分别通过仿真实验和城市环境下的实测实验对所提算法的性能进行验证，实验结果表明，相较于传统卡尔曼滤波算法和Sage-Husa自适应卡尔曼滤波算法，所提算法对于量测噪声具有较好的自适应性，且滤波精度及收敛速度得到提升，能够有效地改善GNSS/INS组合导航系统的定位及测速精度。
一种移动源偏差消除的时频域联合定位算法
万鹏武;段晨晨;张泽;李浩;单洁;针对基于到达时间差(Time Difference of Arrival, TDOA)和到达频率差(Frequency Difference of Arrival, FDOA)无源定位中存在的偏差问题，提出一种移动源偏差消除的时频域联合定位算法，即偏差减小的约束加权最小二乘(Bias Reduced-Constrained Weighted Least Squares, BR-CWLS)算法。根据TDOA和FDOA联合测量模型，构建约束加权最小二乘(Constrained Weighted Least Squares, CWLS)问题，再引入二次约束条件，将其转化为具有偏差减小能力的BR-CWLS问题并完成求解。该二次约束条件综合考虑CWLS问题中涉及矩阵的二阶噪声和误差，以有效减小由于测量噪声及加权矩阵的近似估计产生的偏差。仿真结果表明，在噪声功率高达-30 dB时，所提算法的估计精度可以达到克拉美罗下界(Cramér-Rao Lower Bound, CRLB),且位置定位偏差相较于半正定松弛(Semidefinite Relaxation, SDR)算法、CWLS算法及两步加权最小二乘(Two-Step Weighted Least Squares, TSWLS)算法，分别降低了5.3 dB、5.4 dB及14.7 dB。
基于星座图聚类的点阵模板匹配调制格式识别方法
梁猛;田瑜琪;针对现有光通信系统中调制格式识别的准确率问题，提出一种结合网格密度峰值聚类(Grid-Based Density Peaks Clustering Algorithm, GDPC)与点阵拟合模板匹配的识别方法。该方法充分考虑了多进制正交振幅调制(Multiple Quadrature Amplitude Modulation, MQAM)与多进制数字相位调制(Multiple Phase Shift Keying, MPSK)星座图的空间分布特征，并通过改进的聚类与匹配策略提升识别性能。相较于传统密度峰值聚类(Density Peaks Clustering Algorithm, DPC),GDPC采用网格划分策略对数据空间进行离散化，从而优化密度估计过程，提高聚类中心的提取精度。此外，引入最小二乘法进行点阵拟合，通过最小残差准则实现星座图模式的精准匹配，进一步增强识别的鲁棒性。仿真结果表明，该方法能够有效提取MQAM和MPSK信号的特征，并在各调制格式的最佳信噪比范围内实现93%以上的识别准确率，成功区分8PSK、16PSK、16QAM、32QAM、64QAM、128QAM和256QAM等7种调制格式。
融合蝙蝠优化与XGBoost的信用卡欺诈检测方法
户媛姣;牛梦园;张留美;针对信用卡欺诈检测中样本不均衡、复杂行为模式和高误报率等问题，提出一种融合蝙蝠优化与极端梯度提升(Extreme Gradient Boosting, XGBoost)的信用卡欺诈检测方法。采用合成少数类过采样技术(Synthetic Minority Over-sampling Technique, SMOTE)与自适应合成采样(Adaptive Synthetic Sampling Approach, ADASYN)方法相结合的方式，对训练数据进行再平衡处理，改善样本类别分布不均衡的问题。分别引入蝙蝠优化算法(Bat Optimization Algorithm, BOA)与灰狼优化(Grey Wolf Optimizer, GWO)算法进行联合搜索，优化XGBoost模型超参数，从而获取模型性能的最优解。实验结果表明，经过SMOTE+ADASYN+BOA优化后的XGBoost模型加权平均准确率达到96.31%,召回率为96.55%,F1值为96.00%,相较于原始XGBoost模型和SMOTE+ADASYN+GWO优化的XGBoost模型准确率均提升了2.81%,召回率分别提升了3.05%和0.89%,F1值分别提高了2.50%和1.45%,所提方法有效改善了类别不平衡场景下信用卡欺诈的精准检测问题。
基于快速扩展随机树的机械臂路径规划算法
屈军锁;刘凌峰;唐晨雪;针对快速扩展随机树(Rapidly-exploring Random Tree, RRT)算法及其衍生算法路径规划时间长且规划效率低的问题，提出RRT算法与人工势场法结合的PAAPF-RRT机械臂路径规划算法，旨在最短的时间、最小的迭代次数内，在静态环境中找到连接起始点与终点的最优路径。首先，引入基于地图障碍物分布评估策略和采样区域优化策略，根据地图的障碍物分布、数量调整算法的步长以及偏向概率。然后，伴随随机树的生长，更新随机点的采样区域，保证随机树向目标点生长。其次，将RRT算法与人工势场法结合，当随机树与障碍物发生碰撞时，使用人工势场法引导随机树节点生长避开障碍物，解决了RRT算法随机树生长到障碍物附近且朝目标点生长的方向被障碍物遮挡时随机树无法生长的问题。最后，利用节点修剪策略，把算法生成的初始路径中的冗余节点进行修剪，得到拐点更少、路径更简洁的优化路径。实验结果表明，PAAPF-RRT算法在路径规划时间上对于RRT算法、GB-RRT算法以及RRT*算法分别减少了93.64%、73.58%、93.28%,在迭代次数方面分别下降了91.40%、79.64%、90.58%,在路径长度方面只占其他3种算法的79.34%、86.21%、95.58%。
基于ExtFUSE的网络文件系统
舒新峰;廉洋洋;梁琛;针对目前网络数据量急剧增加所带来的传输性能压力、文件系统开发因内核紧密耦合而导致的困难，以及传统网络文件系统难以适配新型存储介质的问题，提出一种基于扩展用户态文件系统(Extended Filesystem in Userspace, ExtFUSE)的网络文件系统(Network File System, NFS)。该系统通过扩展伯克利数据包过滤器实现整体的网络元数据提取、缓存以及预处理功能，以减少数据进出内核空间时因用户-内核模式切换、上下文切换及内存拷贝所致的时间开销，并提升数据访问时的缓存命中率。将该系统部署于MinIO服务器，并将其与用户空间文件系统(Filesystem in Userspace, FUSE)、基于FUSE的Gluster存储架构(Gluster Storage Architecture with Filesystem in Userspace, Gluster-FUSE)之间的性能数据进行对比分析，以此评估所提系统的性能。实验结果表明，所提系统在元数据操作时间上较FUSE平均降低17.3%,较Gluster-FUSE降低12.1%;扩展数据获取操作耗时显著降低，缓存命中率达到92.19%,较FUSE提升4.5%,较Gluster-FUSE提升1.4%,验证了系统在提升网络数据传输效率和稳定性方面的有效性。
基于多模型融合深度学习算法的文本情感分析模型
夏凡;马骏文;薛虎虎;符维成;针对复杂场景下文本情感分析过程中语义理解不足、上下文利用不充分以及长距离依赖弱化等问题，提出一种基于多模型融合深度学习算法的文本情感分析模型。该模型融合RoBERTa生成词向量、双向长短期记忆网络(Bidirectional Long Short-Term Memory, BiLSTM)捕获长距离依赖及Bahdanau注意力聚焦关键信息。将RoBERTa上下文建模优势与BiLSTM序列建模能力相结合，增强对深层语义信息的捕捉，通过Bahdanau注意力机制强化模型，提高对情感关键词的感知与判别能力，以实现文本语义信息的深度理解、充分挖掘上下文关系以及准确捕捉影响情感分类的关键信息。实验结果表明，所提模型相较于BiLSTM模型在不同类型数据集上的稳定性和泛化能力有所提高。
LLM辅助智能合约模糊测试用例生成方法
孙家泽;李丹霞;刘文杰;殷志强;为改善传统的模糊测试用例生成方法存在指令覆盖率低和效率不足的问题，提出一种大语言模型(Large Language Model, LLM)辅助智能合约模糊测试用例生成方法IntelliFuzz。该方法通过静态分析提取目标智能合约的潜在漏洞信息，并构建初始状态交易对语料库和婴态语料库，从状态交易对语料库中选取状态交易对进行变异并执行，同时监测路径点覆盖率变化，将有效提升覆盖率的样本补充至状态交易对语料库。当覆盖率达到瓶颈时，调用思维链提示工程模块生成当前状态下新的交易序列，若评估结果能提高指令覆盖率，则将新生成的交易序列保存到状态和交易对语料库中。实验结果表明，与基准方法ItyFuzz相比，IntelliFuzz在小型合约10 s内的指令覆盖率提升11%,在大型合约20 s内的指令覆盖率提升40.9%,且IntelliFuzz在B2数据集误报率降低9.4%,漏报率降低3.98%,模糊测试用例生成的指令覆盖率和效率有所提升。