首页期刊导航|电子与信息学报
期刊信息/Journal information
电子与信息学报
电子与信息学报

吴一戎

月刊

1009-5896

jeit@mail.ie.ac.cn

010-58887066

100190

北京市北四环西路19号

电子与信息学报/Journal Journal of Electronics & Information TechnologyCSCD北大核心CSTPCDEI
查看更多>>本刊是电子科学高级综合性学术刊物。主要刊登有关电子与信息科学方面的具有创新性的、高水平的文章。
正式出版
收录年代

    面向6G工业物联网的联邦学习:从需求、愿景到挑战、机遇

    刘淼夏雨虹赵海涛郭亮...
    4335-4353页
    查看更多>>摘要：随着6G技术的蓬勃发展和工业物联网的不断演进,联邦学习在工业领域的应用备受关注.因此,该文专注于探讨6G推动下工业物联网中联邦学习的发展与应用潜力,分析6G在工业物联网的应用前景,探索如何结合6G特性利用联邦学习技术满足数据隐私保护、资源优化和智能决策需求.首先,调研总结了现有相关工作,提出了联邦学习技术面向6G工业物联网应用场景的发展需求与愿景.在此基础上,构建了一种基于分层跨域架构的工业联邦学习新范式,旨在融合6G与数字孪生技术赋能实现泛在、灵活、层次化的联邦学习,以支撑典型工业物联网场景中按需、可靠的分布式智能业务,实现运营信息通信技术(OCIT)的融合.其次,分析归纳了面向6G工业物联网的联邦学习(6G IIoT-FL)可能面临的研究挑战,并提出了潜在的解决方案或建议.最后,指出了该技术未来值得关注的相关方向,旨在一定程度上为后续研究开拓思路.

    工业物联网联邦学习6G数字孪生OICT融合

      原文链接:
    • 维普
    • 万方数据

    不完美信道状态信息下的多输入单输出共生无线电系统资源分配算法

    徐勇军王名扬田秦语张海波...
    4354-4362页
    查看更多>>摘要：针对信道估计误差会导致传统最优资源分配算法失效的问题,该文提出一种基于不完美信道状态信息(CSI)的多输入单输出(MISO)共生无线电系统鲁棒资源分配算法.考虑每个用户最小吞吐量约束、传输时间约束、基站最大发射功率约束和用户反射系数约束,基于有界信道不确定性模型,建立了一个传输时间、波束成形向量和反射系数联合优化的鲁棒吞吐量最大化资源分配问题.利用拉格朗日对偶、变量替换和交替优化方法将原问题转换成凸优化问题求解.仿真结果表明,与传统非共生资源分配算法相比,所提算法的吞吐量提升11.7％,中断概率减小5.31％.

    共生无线电鲁棒资源分配吞吐量最大化

      原文链接:
    • 维普
    • 万方数据

    有向无环图区块链辅助深度强化学习的智能驾驶策略优化算法

    黄晓舸李春磊黎文静梁承超...
    4363-4372页
    查看更多>>摘要：深度强化学习(DRL)在智能驾驶决策中的应用日益广泛,通过与环境的持续交互,能够有效提高智能驾驶系统的决策能力.然而,DRL在实际应用中面临学习效率低和数据共享安全性差的问题.为了解决这些问题,该文提出一种基于有向无环图(DAG)区块链辅助深度强化学习的智能驾驶策略优化(D-IDSO)算法.首先,构建了基于DAG区块链的双层安全数据共享架构,以确保模型数据共享的效率和安全性.其次,设计了一个基于DRL的智能驾驶决策模型,综合考虑安全性、舒适性和高效性设定多目标奖励函数,优化智能驾驶决策.此外,提出了一种改进型优先经验回放的双延时确定策略梯度(IPER-TD3)方法,以提升训练效率.最后,在CARLA仿真平台中选取制动和变道场景对智能网联汽车(CAV)进行训练.实验结果表明,所提算法显著提高了智能驾驶场景中模型训练效率,在确保模型数据安全共享的基础上,有效提升了智能驾驶的安全性、舒适性和高效性.

    智能驾驶数据共享深度强化学习有向无环图

      原文链接:
    • 维普
    • 万方数据

    应急场景无人机自组网部分重叠信道动态分配方法

    王博文郑建孙彦景胡文信...
    4373-4382页
    查看更多>>摘要：飞行自组网(FANETs)因具有高机动、自组织等特点,被广泛应用于应急救援场景.在应急场景中,大量用户寻呼请求造成局部流量激增与有限频谱资源之间产生难以协调的矛盾,FANET中面临严重的信道干扰问题,亟需将频谱利用率高的部分重叠信道(POCs)扩展到应急场景中.然而,POCs的邻信道特性,导致干扰复杂难以刻画.因此,该文研究了FANET部分重叠信道分配方法,通过几何预测重构时变干扰图和无干扰最小信道间隔矩阵刻画POCs干扰模型,在此基础上提出一种基于上界置信区间的POCs动态分配算法(UCB-DAL),通过分布式决策求解近似最优信道分配方案.仿真结果表明,该算法实现了网络干扰和信道切换次数之间性能折中,具有较好的收敛性能.

    应急通信网络无人机自组网资源分配部分重叠信道

      原文链接:
    • 维普
    • 万方数据

    面向6G可重构智能超表面使能的近场海洋通信信道建模与信号传播机理研究

    江浩石旺旗朱秋明束锋...
    4383-4390页
    查看更多>>摘要：可重构智能超表面(RIS)作为6G移动通信中的潜在关键技术之一,具有低成本、低能耗和易干部署等特点.该文提出将RIS技术引入至海洋无线通信场景中,可使无线传输环境从不可控变为可控.然而,现有的信道模型难以充分揭示RIS使能基站-海面无人船近场通信信号独特的传输机理,信道特性分析方法与建模理论难以在计算准确性与复杂度之间实现平衡.因此,该文通过对RIS使能近场海洋通信中各子信道进行建模,提出空时频多域信号传播机理分析方法,建立RIS使能基站-无人船近场海洋通信参数化统计信道模型,解决现有RIS信道建模方法难以兼顾精度与效率的技术瓶颈问题,提高RIS使能近场海洋通信系统设计过程中的信道模型匹配效率,为我国6G移动通信产业的快速发展提供技术支撑.

    可重构智能超表面近场通信信道模型海洋通信

      原文链接:
    • 维普
    • 万方数据

    边缘计算中面向缓存的迁移决策和资源分配

    杨守义韩昊锦郝万明陈怡航...
    4391-4398页
    查看更多>>摘要：边缘计算通过在网络边缘侧为用户提供计算资源和缓存服务,可以有效降低执行时延和能耗.由于用户的移动性和网络的随机性,缓存服务和用户任务会频繁地在边缘服务器之间迁移,增加了系统成本.该文构建了一种基于预缓存的迁移计算模型,研究了资源分配、服务缓存和迁移决策的联合优化问题.针对这一混合整数非线性规划问题,通过分解原问题,分别采用库恩塔克条件和二分搜索法对资源分配进行优化,并提出一种基于贪婪策略的迁移决策和服务缓存联合优化算法(JMSGS)获得最优迁移决策和缓存决策.仿真结果验证了所提算法的有效性,实现系统能耗和时延加权和最小.

    边缘计算迁移策略服务缓存资源分配

      原文链接:
    • 维普
    • 万方数据

    无人机辅助边缘计算网络的任务卸载与资源分配联合优化

    周晓天杨潇辉张海霞邓伊琴...
    4399-4408页
    查看更多>>摘要：利用无人机(UAV)作为空中中继节点,构建空地一体化的边缘计算网络,可以有效克服地面环境局限,拓展网络覆盖范围,为用户提供便利计算服务.该文面向无人机中继辅助的多用户、多服务器边缘计算网络场景,以最大化任务完成量为目标,研究了无人机部署位置、用户-服务器关联策略、无人机带宽分配的联合优化问题.由于该问题包含连续与离散变量,故该文综合运用差分进化、粒子群优化等工具,提出了一种基于块坐标下降(BCD)的次优算法进行求解.所提算法将原问题解耦为3个子问题独立求解,并通过迭代逼近原始问题最优解.仿真实验表明,所提算法可在满足用户任务时延需求的前提下,最大化系统总任务完成量,优于其他对比算法.

    无人机通信多接入边缘计算任务卸载资源分配

      原文链接:
    • 维普
    • 万方数据

    面向任务驱动的动态可伸缩空间信息网络架构设计与优化

    何立军贾子晔李世银汪彦婷...
    4409-4421页
    查看更多>>摘要：现阶段空间信息网络中各卫星子系统各成体系且相互割裂,使得网络呈现封闭、分裂态势,形成严峻资源壁垒,造成空间资源协同应用能力弱以及网络扩展能力低等难题.传统架构设计采用对现阶段空间网络架构的"完全颠覆"的思路,大大增加了实际部署的难度.为此,该文立足于卫星网络现状,采取"按步骤分阶段升级"的思路,促进现有网络架构的演进,从任务驱动角度开展动态可伸缩空间信息网络架构模型研究,实现空间资源在各卫星子系统间高效动态共享,促进空间资源根据任务需求变化而动态高效汇聚.首先,提出分阶段实现的网络架构模型,旨在兼容和升级现有网络架构.随后,介绍核心部件网络资源协调器的详细设计,包括网络结构与工作协议、超帧结构以及高效的网络资源动态分配策略,实现空间数据的高效传输.仿真结果表明,所提网络架构实现了网络资源高效共享,大大提升空间信息网络的网络性能.

    空间信息网络网络架构资源分配数据传输

      原文链接:
    • 维普
    • 万方数据

    利用深度强化学习的多阶段博弈网络拓扑欺骗防御方法

    何威振谭晶磊张帅程国振...
    4422-4431页
    查看更多>>摘要：针对当前网络拓扑欺骗防御方法仅从空间维度进行决策,没有考虑云原生网络环境下如何进行时空多维度拓扑欺骗防御的问题,该文提出基于深度强化学习的多阶段Flipit博弈网络拓扑欺骗防御方法来混淆云原生网络中的侦察攻击.首先分析了云原生网络环境下的拓扑欺骗攻防模型,接着在引入折扣因子和转移概率的基础上,构建了基于Flipit的多阶段博弈网络拓扑欺骗防御模型.在分析博弈攻防策略的前提下,构建了基于深度强化学习的拓扑欺骗生成方法求解多阶段博弈模型的拓扑欺骗防御策略.最后,通过搭建实验环境,验证了所提方法能够有效建模分析云原生网络的拓扑欺骗攻防场景,且所提算法相比于其他算法具有明显的优势.

    云原生网络拓扑欺骗多阶段Flipit博弈深度强化学习深度确定性策略梯度算法

      原文链接:
    • 维普
    • 万方数据

    结合贝叶斯Autoformer的多维自适应短期电力负荷概率预测方法

    周师琦王俊帆赖俊升袁毓杰...
    4432-4440页
    查看更多>>摘要：建立准确的电力负荷短期预测模型对于电力系统的稳定运行和智能化进程至关重要.目前的主流预测方法无法很好地突破数据波动性和模型不确定性两个问题.基于此,该文提出一种基于贝叶斯Autoformer的多维自适应短期电力负荷概率预测方法.具体地,提出自适应特征提取方法获取多维度特征,通过捕捉多尺度特征和时频局部信息,增强模型对负荷数据中高波动性和非线性特征的处理能力.其次,提出基于贝叶斯Autoformer的预测模型,它可以捕获负荷数据中重要子序列特征以及不确定性,并通过贝叶斯优化方法实现概率预测分布和参数分布的动态更新.所提模型在3个量级(GW,MW,KW)的实际负荷数据集上进行一系列实验分析(对比分析、自适应分析、鲁棒性分析).结果表明,所提预测模型在自适应和准确性方面具有优越的性能,均方根误差(RMSE)、弹球损失(Pinball Loss)、连续概率评分(CRPS),相较对比方法分别提升1.9％,24.2％,4.5％.

    负荷预测概率预测贝叶斯神经网络Autoformer

      原文链接:
    • 维普
    • 万方数据