2025年 03期
协同干扰下无人机辅助MEC网络节能安全任务卸载算法
胡晗;陈钻;郝书亭;周福辉;针对无人机辅助移动边缘计算(Mobile Edge Computing, MEC)网络中数据卸载的窃听问题，提出一种协同干扰下无人机辅助MEC网络节能安全任务卸载算法，即两层交替迭代算法(Two Layers Iteration Algorithm, TLIA)。引入了干扰辅助无人机以降低窃听信道的质量，并以系统总能耗最小化为优化目标，在满足用户服务质量与飞行速率的约束条件下，联合优化本地计算量、卸载计算量、用户发射功率和无人机轨迹。将非凸性优化问题解耦为任务卸载子问题与轨迹调度子问题，并采用所提TLIA算法进行求解。仿真结果表明，与固定轨迹算法、固定发射功率算法及无本地计算算法这3种传统基准算法相比，所提算法可以分别降低约25.9%、20.8%及10.1%的系统安全能耗，能够有效地增强MEC网络对物联网设备的支持能力。
一种适用于低空多径环境的MIMO-OFDM信道估计新方法
纪金伟;高雷涛;周云;王佳璐;任光亮;齐佩汉;针对低空经济通信中导频受限的多输入多输出正交频分复用(Multiple Input and Multiple Output Orthogonal Frequency Division Multiplexing, MIMO-OFDM)存在的信道估计精度低的问题，提出一种适用于低空多径环境的MIMO-OFDM信道估计新方法。在时频资源平面上，该方法利用信道平滑特征和导频信道系数在子载波和符号维度的关联，根据导频点生成初始的Voronoi图，然后基于插值数据点更新Voronoi图，并将两个Voronoi图叠加。更新Voronoi图中插值数据点所属的Voronoi小区域被初始Voronoi图划分为多块，根据每块面积计算权重，再将多个相邻导频处的信道估计值加权求和，从而得到对应插值数据点的信道估计值。仿真结果表明，与线性插值方法相比，所提方法使得信道估计归一化均方误差降低了50%,误比特率性能提升了1.6 dB。
一种低空物联网GFRA用户活跃性检测与信道估计算法
甄立;钟升;苏景瑞;何雨轩;郭玉蓉;为满足低空物联网中大规模机器类设备的高效接入需求，采用免授权随机接入(Grant-Free Random Access, GFRA)机制，提出一种基于高斯混合模型的混合广义近似消息传递(Gaussian Mixture Model-Based Hybrid Generalized Approximate Message Passing, GMM-HyGAMP)算法，以实现联合用户活跃性检测与信道估计(Joint User Activity Detection and Channel Estimation, JUADCE)。首先，联合物联网设备的零星活跃模式和活跃设备在连续帧上进行数据传输的可能性，将JUADCE问题转化为动态压缩感知中的稀疏信号恢复问题，并建立稳态马尔可夫过程以表示设备活跃性和信道系数在连续帧上的时间相关性。其次，设计了高斯混合模型下的新型去噪器，并基于此提出GMM-HyGAMP算法以实现复杂环境下高可靠的JUADCE。仿真结果表明，与现有压缩感知重构算法相比，所提算法的检测准确率提高约2%,信道估计性能提升约2.5 dB,有效地降低了设备活跃性误检率和改善信道估计精度。
RIS和无人机辅助系统中隐蔽传输速率最大化方案
任远;闫钰卓;张雪薇;韩刚;杨随虎;戈艺萌;针对隐蔽通信系统容易被监控者监测的问题，提出一种可重构智能表面(Reconfigurable Intelligent Surface, RIS)和无人机(Unmanned Aerial Vehicle, UAV)辅助系统中隐蔽传输速率最大化方案。在该方案中，将UAV作为干扰者，采用概率干扰策略发送人工噪声，以干扰监控者的监测性能，同时减小干扰对合法用户的影响。采用交替优化算法，通过优化RIS的相移系数矩阵、基站发送功率、UAV的干扰发送概率及UAV的水平位置，使得系统的隐蔽传输速率最大化。仿真结果表明，在隐蔽容限阈值为0.05时，与现有的UAV辅助隐蔽通信的基准方案相比，所提方案的隐蔽传输速率为0.6 bps·Hz-1,相较于基准方案提高了约1.6倍，能够有效提高系统的隐蔽传输速率。
基于5G-A的准入控制和资源分配联合算法
朱国晖;王晓敏;春瑞锋;梁贞;针对不同应用场景的用户利用底层网络资源不充分的问题，提出一种利用网络切片技术对切片进行准入控制和资源分配联合算法(Joint Access Control and Resource Allocation Algorithm for Slicing, JACRAAS)。在第五代移动通信技术(5th Generation Mobile Communication Technology, 5G)的演进(5G-Advanced, 5G-A)标准下，通过最大化网络切片提供商(Network Slicing Provider, NSP)的收益，使用双深度Q网络算法对网络切片请求进行智能高效的准入控制和资源分配，并对重要经验优先回放，拒绝不满足条件的切片请求。同时，考虑网络拓扑对节点的影响，对重要节点优先排序，并进行节点映射和链路映射。仿真结果表明，所提算法与深度Q网络算法和Q学习算法相比，NSP收益成本比分别提高了9%和15%,资源利用率分别提升了10%和14%,所提算法可以显著提高底层资源的利用率。
基于单环型腔的太赫兹双波长光源产生方法
赵峰;段诗雨;龙雨;在光子辅助太赫兹信号产生方案中，为了解决两个独立激光器外差拍频时造成的相位和频率漂移问题，设计一种基于单环型腔的太赫兹双波长相干光源的产生结构。将级联电光调制器产生光频梳的技术与光纤环形谐振腔相结合，实现了1 550.10 nm和1 552.44 nm双波长单纵模相干光源输出。对产生的双光源性能进行进一步分析，并搭建了太赫兹信号传输系统对双光源的信号传输性能进行验证。仿真实验证明，室温条件下该结构可实现双波长光源输出功率波动小于0.15 dB,线宽小于50 kHz,光信噪比(Optical Signal to Noise Ratio, OSNR)均大于60 dB,相对强度噪声小于-115 dBc/Hz。并且在16 QAM以及64 QAM信号的10 km单模光纤加10 m无线信道的传输仿真实验中，可以实现误码率低于前向纠错编码硬判决阈值3.8×10-3。
高性能可重构网络协议解析器的设计与实现
张丽果;吴凯;王文哲;张毅;王睿;曹亚莉;肖杉;针对当前网络中数据平面在处理新型协议时面临资源占用过多和性能较低的问题，设计并实现了一种可重构解析器。根据解析图生成解析指令实现解析器的重构，通过采用全等比较器组替代传统的三态内容寻址存储器(Ternary Content Addressable Memory, TCAM),降低资源占用。增加预处理解析器对常规协议帧进行预处理，采用多个解析器并行处理链路上的连续多层协议帧，提升数据包头解析速率。以100 Gbps智能网卡中网络协议处理为例，配置可重构解析器，在VCU118开发板上进行实现。实验结果表明，所提设计仅使用63 844个查找表(Look-Up Table, LUT)和36 346个触发器(Flip-Flop, FF),在解析结果完全正确的前提下，整个系统带宽最高可达58.3 Gbps。对比同类解决方案，提出的设计方法在提高性能的同时具有更低的资源占用。
基于无衬偏效应二极管的高速环形放大器设计
辛昕;何海亮;李雨晨;为了提高传统环形放大器的速率以及工艺、电压和温度(Process, Voltage, and Temperature, PVT)稳定性，提出一种基于无衬偏效应二极管的高速环形放大器结构。该结构使用二极管接法的PMOS代替无源电阻，并将PMOS的衬底与源极短接，从而有效消除衬偏效应，提升初始斜坡阶段的速度。由于采用全MOS器件设计，显著增强了放大时间的PVT变化下的稳定性。该环形放大器基于0.18μm互补金属-氧化物-半导体(Complementary Metal Oxide Semiconductor, CMOS)工艺进行设计。在电源电压为1.8 V、TT工艺角、温度27℃的条件下，仿真结果表明，与并联串联二极管偏置环形放大器在相同的设计尺寸下，改进后的环形放大器的放大时间减小了20%,输出信号的压摆率提高了55%,开环增益为58.8 dB,增益带宽积(GBW)为4.71 GHz,等效输入噪声为1.214×10e-8 V2/Hz。基于500次蒙特卡洛仿真分析，改进后的环形放大器放大时间的平均值为3.2 ns,方差为0.5 ns,该电路的版图面积仅为0.002 91 mm2。与现有结构相比，所提出的设计在性能上表现出更显著的优势。
基于正交变换对齐的跨架构代码相似性检测方法
田振洲;常辰昊;宫雨晨;为改善现有深度学习驱动的二进制代码相似性检测模型的跨架构检测能力，提出一种基于正交变换对齐的跨架构代码相似性检测方法。该方法针对不同架构的指令嵌入实施正交变换以消除其差异性，通过将对齐后的指令嵌入送入孪生对比学习模型，降低模型的训练难度并增强跨架构的语义相似性检测能力。实验结果表明，所提方法在受试者工作特征曲线下面积、F1分数和准确率上相比采用未经指令嵌入对齐的检测模型分别提高10.3%、9.2%和9.6%,跨架构检测能力和对抗编译优化干扰的能力更强。
基于Transformer的城市场景车辆轨迹预测模型
徐江;沈超;针对现有车辆轨迹预测模型在处理车间交互和道路拓扑约束方面存在的局限性，提出一种基于Transformer的城市场景车辆轨迹预测模型。该模型利用Transformer编码器分别挖掘车辆轨迹和高清地图数据的时序依赖关系，构建自注意力机制以提取车间交互信息，并通过交叉注意力机制提取道路约束表征。最后，将融合车间交互与道路约束的时序编码输入长短时记忆网络解码器，以预测车辆的未来轨迹。实验结果表明，所提模型在平均位移误差、最终位移误差以及丢失率等评价指标上均优于现有的主流算法，实现了5.43%～18.80%的性能提升，展现出了在城市复杂交通场景中的应用潜力。