低密度奇偶校验(Low-Density Parity-Check, LDPC)通过迭代译码，在码长趋于无穷时具有近香农极限的优异性能。现有基于二进制LDPC码扩展的编码方案表明，通过引入更复杂的代数校验替换LDPC码中的单奇偶校验(Single Parity Check, SPC),能有效构造具有增强编码增益的信道编码方案。多进制LDPC码相比二进制LDPC码具备更强的纠错能力，但其较大的计算复杂度，严重遏制了多进制信道编码技术的研究与发展。对多进制LDPC码及其代数校验扩展结构进行研究，提出了基于多进制LDPC码扩展的代数校验节点的外信息转移(Extrinsic Information Transfer, EXIT)曲线计算方法，通过仿真得到了不同代数校验节点的EXIT曲线，并对仿真结果进行分析，为多进制LDPC码及其扩展码的构造提供了具体方法。
<正>内容导读可靠安全通信是专用通信技术领域的一个重要热点问题,其核心是要在复杂多样的电磁和地理环境下构建满足特定指标要求的可靠、安全、高速传输链路和网络,以适应无人集群、战术分队等多样化任务平台的区域增强通信需求,支撑平台效能的发挥。近年来,随着用频设备急剧增加,电磁环境日益复杂,同时,使用场景更加立体多样,无人集群、地下空间、封闭楼宇等环境给通信链路的可靠性带来了新的挑战,因此,传统单一制式通信波形难以满足需求。
针对Ku与Ka工作频带距离较近的问题，给出了一种宽带Ku/Ka频段馈源网络的设计方法。设计了一种Ku/Ka双频段分波器，采用曲线过渡形式，既满足了低频段的耦合性能又实现了对高次模的抑制，对Ku频段网络进行了级联仿真和一体化优化，有效提升了馈源网络的整体性能。设计了一种紧凑型Ka频段四端口圆极化网络，其由隔板极化器和两个频率双工器组成，频率双工器由E面T形节连接两个滤波器。加工了样机并进行了测试，测试结果表明馈源网络性能指标优良，且测试与仿真结果吻合良好。
<正>随着科技的迅猛发展,深度学习、信号处理、纠错码、6G通信技术在通信系统、存储系统和现代信息处理中发挥着关键作用。本专题将聚焦这些前沿技术,探讨其理论突破、技术创新和实际应用,旨在推动相关领域的学术研究和技术进步。鉴于此,《无线电通信技术》拟组织“智能通信、存储与信息处理技术前沿”专题,旨在汇集国内顶尖研究成果,展示在深度学习、信号处理、纠错码、6G领域的最新进展和创新应用,欢迎相关领域的专家、学者和科研人员踊跃投稿。
无人机在各种领域应用广泛。然而，无人系统组织运用面临传输资源受限等突出问题，需针对任务环境、场景、阶段的不同保障需求，基于多源图像目标智能检测识别手段，自适应调整无人系统信息传输内容。提出了一种新型的多源图像目标检测识别方法，在YOLO经典架构上进行优化，包括空间金字塔架构、路径聚合网络(Path Aggregation Network, PAN)结构、标签平滑和损失函数，经实验验证，取得了良好的多源图像目标检测识别效果。
针对车载自组织网络(Vehicular Ad Hoc Network, VANET)由于车辆距离过远或被障碍物阻挡而导致车对车(Vehicle to Vehicle, V2V)通信可靠性下降的问题，提出了一种基于检测放大转发(Detected Amplify and Forward, DAF)的高可靠通感一体化(Integrated Sensing and Communication, ISAC)空间调制(Spatial Modulation, SM)算法。该算法利用ISAC的雷达探测功能，选取信噪比(Signal to Noise Ratio, SNR)最大的车辆作为中继车辅助源车将信号转发至目的车。在中继车处通过DAF消除噪声累积，提高V2V通信可靠性。在此基础上引入SM算法，利用发送信号的稀疏特性降低邻道干扰以进一步提高V2V通信可靠性。通过理论推导得出中断概率(Outage Probability, OP),仿真验证了不同跳数下发射功率对OP的影响。分析了算法的复杂度和时延。结果表明在不同场景下，该算法在一定复杂度下有效提高了V2V通信的可靠性。该研究为车载自组织网络V2V通信长距离传输提供了低时延且高可靠性的理论支撑。
正交时频空(Orthogonal Time Frequency Space, OTFS)调制技术在时延-多普勒域调制信息，为高移动场景下的通信提供了一种稳健的解决方案。然而，与其他多载波技术类似，OTFS也面临高峰均功率比(Peak-to-Average Power Ratio, PAPR)问题，可能导致信号失真和性能下降。为此，提出一种矩阵维度可调的扩展预编码方案，将预编码矩阵统一表示为周期展开变换矩阵和能量守恒矩阵的乘积，通过调整矩阵维度，在略微增加复杂度的情况下，灵活降低信号PAPR。此外，讨论了扩展预编码OTFS的感知性能，推导了其在连续时延-多普勒域的输入输出关系，并基于时延-多普勒域处理的两阶段搜索感知算法，进行了距离和速度估计。仿真结果表明，所提出的扩展预编码方案在一定的多普勒索引和时延索引下，至少能够降低3 dB的PAPR,并能实现比传统OTFS更优的误码率性能，同时能得到毫米级的距离估计精度和分米每秒级的速度估计精度。
随着无线通信技术的快速发展，星地链路作为连接地面与卫星的关键通信纽带，其安全性问题日益受到关注。针对星地链路面临的安全挑战，如信号干扰、截获和窃听等，可重构智能表面(Reconfigurable Intelligent Surface, RIS)技术提供了一种新的安全增强手段。RIS技术通过动态调整电磁波传播特性，显著增强通信安全性和抗干扰能力。深入探讨RIS技术在星地链路安全中的应用，并分析其面临的技术挑战，为未来通信安全领域的发展提供理论支持和实践指导。
人工智能的快速发展正深刻改变着网络基础设施的技术需求和服务模式。针对传统网络架构在支撑新兴人工智能应用方面存在的问题，围绕新型互联网的发展进行了深入研究与探索。阐述了智算融合网络，该网络以算网融合为典型特征，通过引入横向划域、纵向分层的思想，建立从应用需求到资源调度的端到端映射体系，实现多网深度融合及智能协同计算。进一步介绍了算网资源动态适配、智能组网与路由优化、跨域可靠传输调度等关键技术，克服算网多维资源管控、传算一体时延保障等难题，为推动新型互联网架构智能化演进提供了新思路与方法。
传统直接序列扩频(Direct Sequence Spread Spectrum, DSSS)技术在无线通信抗干扰中应用广泛，能够通过扩展频谱带宽改善接收端的输入信噪比，提升通信过程的安全性。随着干扰样式日趋智能化，此类技术在应对未知且动态变化的干扰时，产生了一定的使用缺陷。基于干扰对抗思想，提出一种基于强化学习的动态扩频抗干扰策略，在确保收发端可靠通信的前提下，最大化信息传输速率。区别于大部分以规避干扰方式来抗干扰的策略，所提策略将抵抗干扰问题建模为马尔可夫决策过程(Markov Decision Process, MDP),优化目标为在保证固定信道可靠通信的前提下，同时最大化系统吞吐量。提出一种基于退火Q学习的动态扩频通信抗干扰策略，平衡环境探索与经验学习，提高收敛速度和决策成功率。仿真结果表明，在可变强度的随机窄带干扰模式下，所提算法的吞吐量性能优于基于LT码的DSSS通信系统、基于频谱感知的随机扩频因子选择策略和固定扩频因子策略。