摘要 本文面向具备智能在轨服务功能的NTN-IoT网络,设计了一种基于帧结构资源部署优化方案.多颗具备在轨推理功能的卫星服务众多地面用户,这些地面用户主要产生常规通信数据和少量AI推理数据,因此卫星需要合理安排这些数据的帧结构.本文按照NPUSCH(窄带物理层上行链路共享信道)给出的帧结构特征对这一问题进行表述,并进一步将这个问题描述为0-1背包问题.为了资源部署效率,本文设计了一种基于分支定界的方法,该方法先对用户的通信信息进行处理然后再分配AI数据.仿真结果表明,本文的方案能够提升频谱效率,这为海量用户的接入提供了优势,同时本方案还能够对AI数据进行合理放置以降低平均推理时间.

关键词 NPUSCH; IoT; 帧结构; 海量接入; 在轨推理; frame structure; mass access; on-orbit reasoning

摘要 空地协同的高效跨模态目标感知对资源有限的智能无人机系统至关重要,而减少跨模态感知信息中的大量冗余数据是其关键.现有研究多聚焦于简化感知模型复杂度,却忽视了减少感知数据本身的冗余,导致计算过程精度下降且复杂性居高不下,且空地传输过程中面临数据海量与信息丢失.受脑机制中选择性注意力启发,本文提出了一种仿神经形态协同选择性注意框架,利用先验信息和模态间的语义关联,在数据和特征两个层面对冗余信息进行选择与消除,实现了在保障计算所需信息的前提下降低传输量,且在不损失精度的前提下降低计算量.基于此框架,本文面向无人机空地协同雷达–视觉融合目标感知问题,设计了仿神经形态协同选择性注意网络,使空地协同推理过程聚焦于潜在目标区域,避免了冗余信息参与计算和传输.在实际空地协同无人机平台的部署测试表明,所提出仿神经形态协同选择性注意网络相比基线方案减少了超42.4%的通信延迟,相比最优基线方案降低超20%的整体协同延迟,同时提高了7.3%的准确性.

关键词 仿神经形态协同选择性注意; 跨模态目标感知; 边缘计算; 空地协同; 无人机; neuromorphic collaborative selective attention; cross-modal target perception; edge computing; air-ground collaboration; UAV

摘要 面向未来低空领域涌现的各种新型业务形态,低空智联网是实现低空空域高效运行与安全控制的重要保障.由于低空智联网的立体化覆盖、高可靠通信、超精准服务等特征,使得传统的被动式网络管控技术难以满足业务随需服务要求,亟须融合数字孪生、自智网络、分布式人工智能等新型技术突破管控瓶颈.为应对以上挑战,本文分析了低空智联网的特征和需求,提出了数字孪生驱动的低空智联网自智管控架构.依托自智管控闭环,分别分析了低空网络层、数字孪生层、自智管控层的功能,并针对各个层次的关键技术,包括低空组网覆盖和资源分配技术、网络资源孪生建模与状态同步技术、动态网络性能状态的小尺度预测方法、业务需求自适应的资源映射机制和管控智能体部署方案等,进行了介绍.结合关键技术,本文进行了低空智联网自智管控实例设计,验证了网络性能预测机制、资源状态孪生同步机制以及低空网络自主部署机制的有效性.最后总结低空智联网的未来技术挑战,为未来低空智联网的智能化、自主化运维提供了技术参考.

关键词 低空智联网; 数字孪生; 自智网络; 网络管控; low-altitude intelligent networks; digital twin; autonomous networks; network management and control

摘要 低空无人机的广泛应用对传统通信网络提出了更高的要求,空地一体立体覆盖通信网络成为解决这一挑战的关键.然而,低空与地面网络的同频组网模式下,空地干扰、SSB波束排布不理想导致的覆盖碎片化以及由此引发的频繁切换等因素,严重影响了系统容量和服务质量.相比于从零开始部署6G网络,本文依托现有5G基础设施,提出了面向空地一体网络的容量优化方法.这种策略能够最大限度地降低现网改动成本和部署复杂度,实现软硬件资源的有效复用,为低空经济发展提供经济高效的通信保障.本文首先建立了空地一体网络的容量评估模型,并从机理上深入分析了干扰、切换和传播路径损耗等因素对网络性能的影响.为在提高低空上行容量的同时避免对地面网络性能的负面影响,本文创新性地提出了基于垂直分层技术的SSB波束排布优化方案,旨在通过在网络规划和配置层面重构波束布局,有效改善低空覆盖碎片化并提升覆盖质量.同时,创新设计了空地多层互异同频方案,旨在从根本上解决空地同频干扰问题.依托真实商用网络环境进行的大量严谨外场测试结果表明,本文提出的优化方案显著降低了低空网络的切换次数,避免了地面网络性能下降,并显著提升了空地一体网络的整体性能,为未来低空信息基础设施的构建和部署提供了有力支撑.

关键词 空地一体网络; 网络容量; SSB波束排布; 空地多层互异同频; 立体覆盖; integrated low-altitude and ground network; network capacity; SSB beam arrangement; distinct multi-layer co-frequency; three-dimensional coverage

摘要 低空飞行器的通信与定位感知系统是低空经济建设的重要支撑.然而,现阶段依赖于卫星导航和视觉导航等手段的定位感知系统,普遍存在观测受限、抗干扰能力弱等问题,难以满足低空运营在安全性与高效性方面的严苛要求.为应对上述不足,将具备泛在覆盖能力的6G通信网络引入低空飞行器定位感知体系,有望推动构建更为完备的理论模型与可靠性更高的关键技术,从而有效突破现有方案的能力边界,提升系统在复杂开放环境下的整体性能与适应能力.本文首先系统梳理了融合6G通信网络的低空飞行器定位感知理论模型,并围绕“起降、飞行、评估与管理”等关键作业环节,分析了对应的四类代表性科学问题:(1)网络弱覆盖区域空地连续高精度定位感知;(2)高动态密集网络节点离在线联合定位感知;(3)异构信号体质下的低空定位感知可靠评估;(4)多尺度信息物理跨域时空数字孪生与推演.进一步地,本文对这些领域的主要代表性研究工作进行了总结,并探讨了其现阶段的不足之处与未来潜在发展方向,以期为显著提升低空飞行器的定位感知性能提供理论支撑与应用指导.最后,本文简要介绍了团队搭建的低空通信与定位感知测试验证平台,为后续理论与算法在低空经济应用中的实证测试提供了坚实基础.

关键词 低空经济; 第六代移动通信技术; 6G; 低空飞行器; 定位感知; 运行识别; low-altitude economy; 6th generation mobile networks; low-altitude aircraft; localization and sensing; operation identification

摘要 针对“多对多”通信对抗场景中的差异化动态干扰资源分配问题,本文基于深度强化学习(deep reinforcement learning, DRL)提出一种分层协同干扰资源分配(hierarchical collaborative jamming resource allocation, HCJRA)方案.该方案包括波束分配和功率分配两个阶段:首先,通过构建DRL辅助的目标威胁度动态评估模型,实时评估目标威胁度,并动态调整波束资源分配;其次,将多干扰设备协同干扰功率分配任务建模为分布式局部可观测马尔可夫决策过程(decentralized partially observable Markov decision process, Dec-POMDP),各干扰设备基于波束资源配置独立进行功率资源分配,解决了协同干扰中的干扰收益分配问题;为降低功率决策复杂度,设计了“去中心化训练、分布式决策(decentralized training and decentralized execution, DTDE)”框架;最后,提出一种基于离散柔性演员–评论家(discrete soft actor-critic, DSAC)的干扰功率资源分配策略,运用最大熵强化学习理论在策略探索与利用之间进行自适应平衡,并通过优化设计Dec-POMDP模型来增强策略的泛化性.仿真实验结果表明,所提出的干扰资源分配方案相比现有方案在干扰效能和扩展性上具有显著优势.

关键词 通信对抗; 目标威胁度评估; 多智能体深度强化学习; 干扰资源分配; 分布式决策; 离散柔性演员-评论家; communication countermeasures; target threat assessment; multi-agent deep reinforcement learning; jamming resource allocation; decentralized execution; discrete soft actor-critic

摘要 高端装备的研发与制造比较薄弱是我国当前电子信息产业进一步发展的最大痛点与难点.本文分析了问题产生的原因——制造业企业的分类和全球分布情况,介绍了我国缺乏第4类制造类企业(能够在其生产的装备中集成相关最新技术成果)的原因,明确提出要做好高端装备的研发与制造生产,必须依靠3支技术队伍(用装备,造装备,和从事基础技术研究)的长期、稳定和密切合作.

关键词 电子信息技术; 高端装备; 制造企业; 技术队伍; electronic information technology; high-end equipment; manufacturing enterprises; technical teams