网络首发
基于高分辨率多尺度网络的XL-RIS辅助毫米波系统信道估计
王华华;纪飞虎;针对超大规模智能反射面（Extremely Large-Scale Reconfigurable Intelligent Surface, XL-RIS）辅助毫米波系统中由混合场辐射特性与空间非平稳性引发的信道估计难题，提出一种高分辨率多尺度网络（High-Resolution Multi-Scale Network,HRMSN）。该网络将信道估计建模为端到端的非线性特征映射任务，采用多尺度并行融合架构：在特征提取全程保留高分辨率主干，并逐步引入低分辨率分支以捕获多层级语义信息；通过多尺度特征融合模块（Multi-Scale Feature Fusion, MSFF）实现跨尺度特征的互补增强。针对混合场信道特有的空间非平稳性与长距离依赖，进一步设计独立门控置换模块（Independent Gated Permutator, IG-Permutator），利用可学习的置换与门控机制动态建模全局长程关联。得益于全程高分辨率表征，HRMSN能够从低维含噪导频观测中高精度重建高维信道响应。所提方案在实现更低导频开销同时，与经典U-MLP方案相比，归一化均方误差（Normalized Mean Square Error, NMSE）在不同信噪比（Signal-To-Noise Ratio, SNR）下平均降低了1.32dB，表现出更好的估计性能。
面向5G风筝专网的多源安全数据融合与细粒度关联分析
朱贤伟;李柏杰;刘大蔚;沈敏刚;陈磊;杨重霄;从宇;王鑫月;针对第五代移动通信技术（5th Generation Mobile Communication Technology,5G）风筝专网在电力系统中面临多源异构数据利用率低、关联分析不足及态势感知片面的动态安全挑战，以一种面向电力场景的5G风筝专网架构为研究对象，开展多源安全数据融合与细粒度关联分析研究。构建多源数据融合框架，将系统配置风险、运行日志异常率、网络威胁告警数、工控设备风险评分、防护工具触发频率五类核心安全要素抽取为统一特征向量，并通过Min-Max归一化消除量纲差异，实现“配置-日志-威胁-工控-防护”全链路数据整合；通过对比实验与多维度评估，验证分析方法的有效性；实验表明Spearman方法更能精准挖掘异构数据中的单调关联，K-means聚类可实现风险的可视化分层与定位，验证了所提框架与方法的可行性，该框架可有效抵御5G专网面临的协议异常等典型网络安全威胁，为电力关键基础设施的网络安全防护提供技术保证。
残差网络使能的超大规模MIMO近场波束两阶段训练方法
褚宏云;张甘笑天;研究了超大规模多输入多输出(Extremely Large-scale Multiple-Input Multiple-Output， XL-MIMO)通信中的波束训练问题。提出了一种残差网络（Residual Network， ResNet）辅助的两阶段近场波束训练(ResNet assisted Two-stage Near-field Beam Training， RTNBT)方案。在第一阶段，利用有限的角斜率码本来减少开销，基于第一阶段的ResNet网络进行去噪和粗角度预测。在第二阶段，根据第一阶段的结果选择补充码字，并基于第二阶段的ResNet网络预测精细的角度和距离。仿真结果表明，所提出的RTNBT和提出长短期记忆(Long Short-Term Memory， LSTM)网络辅助的近场波束训练(Long-short-term-memory Network Assisted near-field Beam Training， LNABT)方案在可实现速率和归一化增益方面均优于现有方案，同时显著降低了训练开销。
基于GNURadio和USRP的小卫星遥测信号模拟源的研究与实现
冯战;谢睿;陈磊;张宇飞;随着小卫星在航天领域的应用日益广泛，其推动着地面站系统向快速研制、灵活适配方向发展，而高保真信号复现、动态信道模拟、多场景兼容等遥测测试需求也愈发迫切。GNURadio开源框架具备软件化重构灵活、模块资源丰富、成本可控等优势，实用性与扩展性强。基于此，本文开展了基于开源的软件无线电平台GNURadio和软件定义无线电硬件平台USRP的小卫星遥测信号模拟源研究，研究并实现了一个能够动态模拟卫星过境过程中多普勒频移、自由空间损耗时变特性的BPSK遥测信号模拟源。测试结果表明，本文研究的模拟源能够精准复现遥测信号特性，成功验证了系统研究的有效性、可靠性及工程实用性。该研究为小卫星地面站的研发提供了低成本、高保真的测试验证途径，有效支撑地面站接收与处理性能的优化，也为后续更高性能、多场景适配的模拟源研究奠定了坚实基础。
确定性算力网络的度量与路由规划
段景涛;许方敏;赵成林;刘晓凯;宁丽娜;诸如智能制造、智能驾驶等新业务需要高性能算力资源，还要求网络提供确定性、可靠性的保障，以满足新业务功能和性能需求。然而，当前的网络还不能实现算力节点之间的端到端确定性传输和计算任务高效调度，这严重影响了时间敏感、计算密集型业务的发展。针对这一问题，提出了一种集中式的确定性算力网络（Computing First Network,CFN）架构，该架构分为控制平面和数据平面。根据该架构把算力调度分为算力度量和算力路由两部分。在算力度量的问题中提出了算力中心异构算力度量模型。在算力路由的问题中提出了分段式路由规划模型，将算力路由拆分为用户到算力中心和算力中心到算力节点的两段路由，用户到算力中心的路由使用GAT-PPO算法，算力中心到算力节点的路由使用GRASP-HC算法，以此减小链路的拥塞、计算时间和时延，提高路由的鲁棒性，进而保证任务的确定性传输。通过与其他的算法进行对比，验证了该算法的优秀性能。
基于多点信道绘图的导频污染攻击检测方法
许范海;邓俊荃;张建照;段铸;柳永祥;通信感知一体化（Integrated Sensing and Communication,ISAC）是6G网络提升频谱效率与实现电磁频谱管控的关键技术。仅利用通信导频的信道状态信息（Channel State Information,CSI）及其时空连续性来实现主动导频污染攻击（Pilot Contamination Attack,PCA）检测与攻击源定位的问题。提出了一种基于多点信道绘图（Multi-Point Channel Charting,MPCC）的无监督检测框架，该框架包含以下3个组成部分：(1)通过分布式基站协同采集多径几何特征，构建反映正常电磁环境拓扑结构的基准信道图；(2)基于加权K近邻的样本外映射技术，将实时采集的高维导频信号高效投影至低维流形空间；(3)利用固定攻击者引发的拓扑牵引效应，设计了结合Z-score轨迹跳变检测与多径分量密度聚类的两阶段检测算法。研究结果表明，MPCC能够有效提取多径环境下的空间指纹，攻击者的存在会导致合法用户轨迹在流形空间发生显著的非物理跳变并向特定区域聚类。室外场景仿真证实，此方法在隐蔽攻击场景下的检测性能优于传统的能量与子空间检测算法，同时在无需位置标签的情况下实现了对攻击源的相对定位，为ISAC系统的安全防护提供了低开销的解决方案。
网络切片中面向动态群组设备的安全高效认证机制研究
刘学文;任忠妍;段连密;张恺飒;陈翔宇;金维森;刘阳;李承宸;网络切片（Network Slicing,NS）技术为物联网垂直行业提供了差异化服务保障，但相较于传统单一设备接入机制，大规模动态群组设备的认证面临核心网信令风暴、跨域信任建立困难及隐私泄露风险等多重挑战。现有方案普遍存在动态群组支持不足、与网络切片融合度低、额外开销大或安全保障不全面等局限。为应对上述问题，提出一种面向5G/6G网络切片的动态群组设备高效认证方案。该方案基于组长聚合机制，设计切片—运营商—设备三方协同认证模型，在多租户切片环境下构建端到端信任链，有效兼顾切片隔离性与多方安全需求。针对群组成员频繁变更的动态特性，引入逻辑密钥层次结构（Logical Key Hierarchy, LKH）优化动态密钥管理，在保障前向与后向安全性的同时提升密钥分发效率。采用对称加密与哈希运算相结合的方式构建轻量级协议，适配资源受限的物联网终端。安全性分析与仿真测试表明，该方案具备相互认证、用户匿名及抗重放攻击等全面安全保障能力，认证响应时间可达毫秒级。相较于现有主流方案，其在信令交互、计算复杂度、通信带宽及存储开销方面均实现显著降低，能够充分满足海量物联网设备接入场景的低时延与低功耗需求。
无人机通感一体化系统中波束成形与轨迹优化联合设计
丁玎;陈泳;张余;陈勇;龙伟军;针对无人机(Unmanned Aerial Vehicle, UAV)服务多用户场景的通信与感知性能联合优化问题，提出了一种适用于UAV-通感一体化(Integrated Sensing and Communication, ISAC)系统的波束成形与轨迹联合优化设计方法。UAV在交替的通信和感知时隙中，根据用户业务需求与优先级，为地面用户提供差异化的服务，其通感资源的联合设计问题被建模为以最大化通信速率与感知互信息加权和为目标的优化问题。该问题涉及UAV的发射波束成形向量和连续轨迹变量之间的强耦合关系，包含速率、互信息与轨迹机动约束，形成了一个非线性数学规划问题，呈现高度非凸特性，难以直接求解。为此，采用交替优化(Alternating Optimization, AO)、连续凸逼近(Sequential Convex Approximation, SCA)等方法对波束成形与轨迹进行联合优化设计。采用AO方法分析目标函数，在每次迭代中固定其余变量，将原耦合问题分解成低维优化变量的子优化问题，实现变量层面的解耦，降低问题的复杂度；在此基础上，引入SCA方法对关键非凸约束构建紧致的凸下界近似，使得每次迭代均可转化为一系列可求解的凸优化子问题。通过这一分块优化框架，原非凸问题被划分为感知波束成形、通信波束成形以及UAV轨迹优化三个相互协调的子问题，并通过迭代求解逐步逼近全局最优解，最终得到收敛的次优解。仿真结果表明，与基准算法相比，所提出的联合优化算法相比基准方案在系统平均通信速率上提升15%，在差异化服务场景下，体现出明显的性能分层。仿真结果验证了所提方法在多用户通感协同优化中的有效性，实现对不同优先级用户的服务保障。
基于多模态注意力机制的反舰导弹智能识别算法研究
张龙;阎晓培;冯轩铭;张梦云;雷震;针对现代海战环境中反舰导弹面临的多目标欺骗、电子干扰和特征重叠等挑战，传统识别方法在复杂电磁环境下存在识别率低、鲁棒性差等问题。提出一种基于多模态注意力融合网络（Transformer-Enhanced Fusion Network, TEFNet）的智能识别算法，通过设计通道注意力加权机制实现跨模态自适应融合，以及模态间特征的动态交互和精细对齐，引入残差增强结构强化特征复用，提升模型深层次表征能力。仿真模拟反舰导弹作战中的目标识别场景，该模型通过构建雷达、红外、ESM三模态特征空间，采用对抗训练策略提升模型在电子干扰环境下的鲁棒性，建立聚合识别性能（Macro-F1）、抗干扰性（Robustness）和实时性（Latency）的综合作战效能指数（Combat Effectiveness Index, CEI）评价体系。实验表明，在强干扰条件下，本模型算法对5类目标智能识别综合效能指数（CEI）优于单一Transformer融合网络（Transformer Fusion Network, TFN）和图融合网络（Graph Fusion Network, GFN）基线方法，为复杂电磁环境下反舰导弹智能抗干扰识别提供了高效可靠的算法支撑。
融合时空动态感知与联邦图学习的推荐-缓存协同机制
江帆;刘喜宁;刘磊;张雪薇;王朝炜;针对移动边缘缓存网络中用户偏好动态性强、异质性高的问题，提出了一种融合时空感知与联邦图学习的推荐与缓存优化策略。为有效捕获移动轨迹的时序依赖和上下文关联，利用双向长短期记忆模型（Bidirectional Long Short-Term Memory,Bi-LSTM）对用户未来位置进行预测；基于联邦图学习构建用户–内容时空交互图，在本地融合用户行为与位置信息，并通过差分隐私保护机制实现用户偏好分布的个性化建模与隐私保护共存；引入贝叶斯个性化排序（Bayesian Personalized Ranking,BPR）模型对内容进行隐式反馈建模，生成个性化内容动态推荐列表；为进一步提升推荐-缓存协同效率，以最小化用户内容获取时延为目标，构建联合优化框架，并设计匹配算法与贪婪缓存算法，通过交替迭代实现推荐与缓存决策的协同收敛。仿真结果表明，所提方法可提高推荐准确性与缓存命中率，同时有效降低用户内容获取总时延。