首页期刊导航|电信科学
期刊信息/Journal information
电信科学
电信科学

梁海滨

月刊

1000-0801

dxkx@ptpress.com.cn

010-67110006-890/879

100062

北京市崇文区广渠门内大街80号通正国际大厦6层

电信科学/Journal Telecommunications Science北大核心CSTPCD
查看更多>>本刊是1956年创刊的通信工程技术刊物，由中国通信学会和人民邮电出版社主办。其宗旨是报道通信科技成果、介绍工程实用技术、传播最新电信知识、交流先进管理经验、促进中国通信发展。主要读者对象为从事通信工作的科研人员、工程技术人员和通信院校师生。
正式出版
收录年代

    反向散射通信技术的研究与发展

    叶迎晖徐瑞田雨佳卢光跃...
    1-23页
    查看更多>>摘要：反向散射通信作为物联网部署的重要技术手段,其主要思想是利用入射信号进行低功耗被动通信和能量收集,以期实现物联网节点的能源自持.为了加深对该技术的认识并推动相关领域的发展,对现有研究展开综述并对未来发展进行展望.首先,阐述了反向散射通信的基本原理及架构演进.其次,针对不同的通信架构,对已有工作进行了综述.在此基础上,给出了融主被动传输的互惠共生反向散射通信架构,并进行了初步的研究和仿真分析.最后,结合已有研究探讨了所提通信架构的未来研究方向.

    物联网反向散射通信融主被动传输的互惠共生反向散射通信

      原文链接:
    • 维普
    • 万方数据

    面向天地一体化的确定性网络技术研究

    张雨曼朱厦梁国鑫周家恩...
    24-34页
    查看更多>>摘要：卫星通信是未来通信领域的关键技术,低轨互联网星座是6G空天地海一体化网络的战略性基础设施,能够将当前通信网络扩展到全球近地区域.确定性网络技术是天基网络的重要技术之一,相比传统尽力而为的分组网络,确定性网络具有低时延、低抖动、低丢包率、高可靠的优势.概述了确定性网络当前的研究背景及现状,提出面向卫星通信的确定性网络架构,阐述了其关键技术,最后讨论了未来研究方向.

    星地融合确定性网络时间敏感资源管理

      原文链接:
    • 维普
    • 万方数据

    基于深度学习的多层级恰可察觉失真预测

    徐海峰王鸿奎殷海兵陈楚翘...
    35-47页
    查看更多>>摘要：视觉恰可察觉失真(just noticeable distortion,JND)直接反映人眼视觉系统对视觉信号噪声的敏感程度,广泛应用于图像和视频处理领域.针对视频 JND 阈值的多层级预测问题,将其转化为用户满意率(satisfied user ratio,SUR)曲线的预测问题,并提出一种基于特征融合的SUR曲线预测模型.该模型主要分为关键帧选择模块、特征提取和融合模块以及SUR分数回归模块.在关键帧选择模块,根据视觉感知机制,提出空时域感知复杂度并以此作为视频关键帧判决指标.在特征提取和融合模块,基于密集残差块(dense residual block,RDB)提出多尺度密集残差网络实现图像特征提取和多尺度融合.实验结果表明,所提出的SUR曲线预测模型在JND阈值预测精度方面整体优于现有模型,且在运行效率上平均降低 8.1%的时间成本.同时,该模型还可以用于预测其他层级JND阈值,可直接应用于视频多层级感知编码优化.

    恰可察觉失真深度学习质量评价

      原文链接:
    • 维普
    • 万方数据

    基于联合神经网络的投诉预测模型研究

    马晓亮刘英高洁
    48-58页
    查看更多>>摘要：对影响电信运营商重复投诉的关键因素进行深入探讨,旨在提高服务质量并构建风险预测模型.基于运营商客服数据,研究采用了 Logistic 回归、BP 神经网络以及二者联合建模的方法.Logistic 回归模型确定了5个主要影响因素,预测重复投诉发生的概率,精度达到 80.0%.BP 神经网络则选取了 81个影响因素,预测精度为 90.6%.在此基础上,构建了联合模型,其精度高达 92.8%.实际应用于某省会电信运营商后,重复投诉率下降了3.2%,成效显著,为提高电信运营商服务质量、降低重复投诉率提供了有力支持,对我国电信行业发展具有重要意义.

    AI客服联合建模重复投诉Logistic回归深度学习模型

      原文链接:
    • 维普
    • 万方数据

    C-V2X网联环境下应急优先的绿灯补偿模型研究

    张长隆韩发荣魏吉敏戴金钢...
    59-70页
    查看更多>>摘要：针对在路口实施应急车辆优先策略会对非优先相位交通造成影响的问题,在蜂窝车联网(C-V2X)环境下进行了均衡非优先相位通行效益的绿灯补偿模型研究.搭建了相应的算法模型,并对一辆应急车辆的场景进行了模拟.该模型在不影响应急车辆优先通行的前提下,根据非优先相位实时交通需求计算补偿绿灯时间,从而最小化应急优先对非优先相位的车辆通行影响.仿真结果证明,所提模型在不同的饱和度状态下均可有效地降低应急车辆通过后非优先相位车辆的平均延误时间和平均排队长度.所提模型对于应急车辆通过红绿灯路口的策略进行了优化,提高了通行效率.

    应急车辆优先C-V2X非优先相位绿灯补偿排队长度

      原文链接:
    • 维普
    • 万方数据

    基于特征校正的多对抗域适应方法

    张永刘昊双章琪刘文哲...
    71-82页
    查看更多>>摘要：领域自适应可以通过对齐源域和目标域的分布将有标签的源域信息迁移到没有标签但相关的目标域.然而,现有的大多数方法仅对源域和目标域的低层特征分布进行对齐,无法捕获样本中的细粒度信息.基于此,提出了一种基于特征校正的多对抗域适应方法.该方法在引入注意力机制以突出可迁移区域的基础上,通过部署特征校正模块对齐两个域之间的高级特征分布,进一步缩小域差异.此外,为了避免单个分类器过度拟合其自身的噪声伪标签,还提出了双分类器协同训练,并利用图神经网络特征聚合的特性生成更精准的源域标签.在3个迁移学习基准数据集上的大量实验证明所提方法的有效性.

    领域自适应迁移学习对抗网络注意力机制

      原文链接:
    • 维普
    • 万方数据

    一种降低城区网格道路5G重叠覆盖率的新方法

    张叶江陈捷刘毅李行政...
    83-91页
    查看更多>>摘要：目前,城区网格道路场景5G网络进入了精细化运维的新阶段,其主要矛盾也由整体覆盖不足转变为部分路段重叠覆盖严重.5G重叠覆盖会对用户的上网和语音等基本业务造成较大的影响.传统道路重叠覆盖优化存在标准不统一、问题常反复、工作效率低等痛点问题.提出了重叠覆盖贡献度的概念,基于专家经验制定了重叠覆盖根因定位分析流程算法,并开发了重叠覆盖问题优化IT平台.实践证明,该方法能有效降低城区网格道路的5G重叠覆盖率,帮助企业节省网络优化费用,真正实现降本增效.

    城区网格道路5G网络重叠覆盖重叠覆盖度客户感知干扰模型

      原文链接:
    • 维普
    • 万方数据

    基于流量特征重构与映射的物联网DDoS攻击单流检测方法

    谢丽霞袁冰迪杨宏宇胡泽...
    92-105页
    查看更多>>摘要：针对现有检测方法对物联网(IoT)分布式拒绝服务(DDoS)攻击响应速度慢、特征差异性低、检测性能差等不足,提出了一种基于流量特征重构与映射的单流检测方法(SFDTFRM).首先,为扩充特征,使用队列按照先入先出存储定长时间跨度内接收的流量,得到队列特征矩阵.其次,针对物联网设备正常通信流量与 DDoS 攻击流量存在相似性的问题,提出一种与基线模型相比更加轻量化的多维重构神经网络模型与一种函数映射方法,改进模型损失函数按照相应索引重构队列定量特征矩阵,并通过函数映射方法转化为映射特征矩阵,增强包括物联网设备正常通信流量与 DDoS 攻击流量在内的不同类型流量之间的差异和同类型流量的相似性.最后,使用文本卷积网络、信息熵计算分别提取映射特征矩阵和队列定性特征矩阵的频率信息,得到拼接向量,丰富单条流量的特征信息并使用机器学习分类器进行 DDoS 攻击流量检测.在两个基准数据集上的实验结果表明,SFDTFRM 能够有效检测不同类型的 DDoS 攻击,检测性能指标平均值与现有方法相比最多提升12.01%.

    DDoS攻击检测多维重构函数映射机器学习

      原文链接:
    • 维普
    • 万方数据

    注意力感知的边-节点交换图神经网络模型

    王瑞琴黄熠旻纪其顺万超艺...
    106-114页
    查看更多>>摘要：提出了一种注意力感知的边-节点交换图神经网络(attention aware edge-node exchange graph neural network,AENN)模型,在图结构化数据表示框架下,使用边-节点切换卷积的图神经网络算法进行图编码,用于半监督分类和回归分析.AENN 是一种通用的图编码框架,用于将图节点和边嵌入一个统一的潜在特征空间.具体地,基于原始无向图,不断切换边与节点的卷积,并在卷积过程中通过注意力机制分配不同邻居的权重,从而实现特征传播.在 3 个数据集上的实验研究表明,所提方法较已有方法在半监督分类和回归分析中具有明显的性能提升.

    图神经网络消息传递注意力机制超图边图

      原文链接:
    • 万方数据

    基于强化学习的边缘计算智能电网资源调度算法

    余竞航赵一辰宋浒
    115-122页
    查看更多>>摘要：智能电网是一种能够进行智能管理和优化的电力网络.网络虚拟化技术可以有效提高智能电网的资源利用率和可靠性,从而满足不同用户的差异化需求.在资源有限的情况下,传统的虚拟网络嵌入算法无法根据电力系统的资源使用情况和用户需求来动态调整虚拟资源的分配和映射.为解决这一问题,将边缘计算和虚拟化技术相结合,引入了一种基于强化学习的虚拟网络资源调度算法.仿真结果表明,该虚拟网络资源调度算法在提高电网的可靠性和资源利用率方面优于其他3种调度算法.

    智能电网边缘计算虚拟网络嵌入资源调度

      原文链接:
    • 维普
    • 万方数据