首页期刊导航|通信学报
期刊信息/Journal information
通信学报
中国通信学会
通信学报

中国通信学会

杨义先

月刊

1000-436X

xuebao@ptpress.com.cn

010-67110006-869、878、915

100062

北京市东城区广渠门内大街80号通正国际大厦6层

通信学报/Journal Journal on CommunicationsCSCD北大核心CSTPCDEI
查看更多>>本刊是由中国通信学会主办的学术性刊物，主要读者对象是通信及相关技术领域的科研机构的研究人员、大专院校通信及相关专业的教师和研究生。《通信学报》强大的审稿专家和编委会队伍，使学术刊物的质量和审稿通过速度得到了有力的保证，从而搭建了为作者和读者进行更好服务的桥梁。
正式出版
收录年代

    Starlink下行信号的多普勒效应影响分析

    李喆林威洪邓伟羊箭锋...
    131-141页
    查看更多>>摘要：准确描述多普勒效应对星链(Starlink)传输性能的影响是理解其独特物理层结构的重要前提,为解决这一问题,首先,建立了星地相对运动下的多普勒效应模型并给出Starlink的最大多普勒效应参数;然后,基于Starlink下行信号的时频域结构和参数建立多普勒效应下的信号模型;最后,对下行信号中的3种主要组成部分分别建立多普勒效应下的时频域理论特征.通过仿真验证理论结果的正确性,以期为其他现有和将要部署的低轨道地球卫星通信系统的传输可靠性研究提供一定的参考.

    星链低轨道地球卫星多普勒效应下行信号

      原文链接:
    • 维普
    • 万方数据

    信任环境下考虑系统公平性的边缘计算卸载策略和资源分配

    杨守义李富康任瑞敏
    142-154页
    查看更多>>摘要：在不可靠信任环境下考虑边缘计算中的公平性问题,针对多用户多服务器场景研究了边缘计算的卸载决策和资源分配问题.在所提出的实时信任模型基础上,从用户满意度的角度定义了系统公平性,建立了一种考虑信任和公平性的联合优化模型,在此基础上提出了一种基于信任的任务卸载和资源分配(TOA)算法.将原NP-hard问题转换为多个确定性优化子问题,基于回溯算法确定卸载策略,并采用拉格朗日乘子法、凸优化工具箱和二分迭代搜索法完成对资源配置的优化,从而实现系统公平性,提升用户满意度.仿真实验结果表明,所提算法优于其他基准算法.

    边缘计算信任模型公平性资源分配

      原文链接:
    • 维普
    • 万方数据

    基于天基干扰绘图的星地一体化系统频谱共享研究

    王海涛茆习文张晨张更新...
    155-165页
    查看更多>>摘要：针对未来星地一体化系统中新入低轨道地球卫星(LEO)组件的用频需求和现任地面组件聚合干扰影响的问题,面向天基认知系统提出频谱感知和频谱数据库辅助的交织模式频谱共享方案.首先,针对低轨认知系统节点稀疏分布属性对频谱感知和干扰绘图带来的负面影响,提出"认知节点位置"概念.其次,研究低轨认知系统的双门限混合频谱感知和干扰绘图的机制,构建频谱数据库.最后,面向多状态虚拟网络模型,提出卫星组件上行频谱共享方案,实现 LEO 组件和地面组件之间的同频共存工作.仿真结果表明,所提双门限混合感知和干扰绘图能以较低密度的低轨认知节点实现高可靠性的频谱空间态势认知;所提基于频谱数据库和交织模式的LEO组件协作接入方案可以实现与地面组件的频谱共享,且不会显著增加LEO组件的端到端时延.

    星地一体化系统频谱感知频谱数据库干扰绘图频谱共享

      原文链接:
    • 维普
    • 万方数据

    基于加速无约束张量隐因子分解模型的Web服务QoS估计

    林铭炜李文强许秀琴刘健...
    166-181页
    查看更多>>摘要：针对基于张量非负隐因子分解模型的Web服务QoS估计方法过于依赖非负初始随机数据以及特意设计的非负训练方法,导致模型的兼容性和扩展性不高的问题,提出了加速无约束张量隐因子分解模型.其主要思想包括三部分:将非负性约束从决策参数转移到输出的隐因子,并通过单元素映射函数连接它们;运用结合动量方法的随机梯度下降算法,有效提高模型的收敛速度与估计精度;给出加速无约束张量隐因子分解模型的详细算法和结果分析.在实际工业应用中的 2 个动态QoS数据集上的实证研究表明,与最先进的QoS估计模型相比,所提模型具有较高的计算效率和估计精度.

    服务质量隐因子分解分析张量非负隐因子分解模型无约束非负动量方法

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于对比训练的联邦学习后门防御方法

    张佳乐朱诚诚成翔孙小兵...
    182-196页
    查看更多>>摘要：针对现有联邦学习后门防御方法不能实现对模型已嵌入后门特征的有效清除同时会降低主任务准确率的问题,提出了一种基于对比训练的联邦学习后门防御方法ContraFL.利用对比训练来破坏后门样本在特征空间中的聚类过程,使联邦学习全局模型分类结果与后门触发器特征无关.具体而言,服务器通过执行触发器生成算法构造生成器池,以还原全局模型训练样本中可能存在的后门触发器;进而,服务器将触发器生成器池下发给各参与方,各参与方将生成的后门触发器添加至本地样本,以实现后门数据增强,最终通过对比训练有效消除后门攻击的负面影响.实验结果表明,ContraFL能够有效防御联邦学习中的多种后门攻击,且效果优于现有防御方法.

    联邦学习后门攻击对比训练触发器后门防御

      原文链接:
    • 维普
    • 万方数据

    基于相似度加速的自适应聚类联邦学习

    朱素霞顾玢珂孙广路
    197-207页
    查看更多>>摘要：为了解决联邦学习过程中数据异质性导致模型性能下降的问题,考虑对联邦模型个性化,提出了一种新的基于相似度加速的自适应聚类联邦学习(ACFL)算法,基于客户端本地更新的几何特性和客户端联邦时的正向反馈实现自适应加速聚类,将客户端划分到不同任务簇,同簇中数据分布相似的客户端协同实现聚类联邦学习(CFL),从而提升模型性能.该算法不需要先验确定类簇数量和迭代划分客户端,在避免现有基于聚类的联邦算法计算成本过高、收敛速度慢等问题的同时保证了模型性能.在常用数据集上使用深度卷积神经网络验证了ACFL的有效性.结果表明,所提算法性能与聚类联邦学习算法相当,优于传统的迭代联邦聚类算法(IFCA),且具有更快的收敛速度.

    联邦学习个性化聚类几何特性正向反馈

      原文链接:
    • 维普
    • 万方数据

    面向软件定义网络的异常流量检测研究综述

    付钰王坤段雪源刘涛涛...
    208-226页
    查看更多>>摘要：针对软件定义网络(SDN)较传统网络更易遭受网络攻击的现实,从技术原理和架构特点出发,对近年来面向软件定义网络的异常流量检测研究进展进行综述,分析了 SDN 可能遭受网络攻击的组织形式,讨论了当前 SDN 异常流量检测、异常流量溯源、异常流量缓解相关技术的特点、优势及不足;对当前研究中常用的数据集进行了对比分析,并梳理出一些通用的数据预处理方法;总结并展望了未来 SDN 环境下异常流量检测方法的研究方向.调研结果可以指导实际应用需求中适配方法的选取,提出待解决的问题和矛盾可为后续研究提供引导.

    软件定义网络深度学习异常流量检测异常流量溯源异常流量缓解

      原文链接:
    • 维普
    • 万方数据

    基于身份认证的BACnet/IP分析与改进

    谢鹏寿朱家锋康永平冯涛...
    227-243页
    查看更多>>摘要：为了解决BACnet/IP身份认证存在多种可攻击漏洞和密钥泄露带来的安全问题,提出了一种安全增强的BACnet/IP-SA协议认证方案.研究协议身份认证消息流模型,基于着色Petri网理论和CPN Tools对身份认证消息流建模,采用Dolev-Yao攻击者模型和形式化分析方法对BACnet/IP进行安全性分析,发现协议漏洞并提出改进方案.BACnet/IP-SA协议使用设备的伪身份来保护真实身份信息,使用PUF响应进行认证,通过多信息集合的验证值来验证端身份的真实性并生成会话密钥.结合BAN逻辑和非形式化方法,对协议的安全性进行了证明.实验结果表明,所提方案能有效抵抗多类攻击和密钥泄露带来的安全威胁,在减少计算开销的同时增强了协议身份认证的安全性.

    BACnet/IP形式化分析着色Petri网BAN逻辑协议改进

      原文链接:
    • 维普
    • 万方数据

    移动边缘计算中基于图到序列深度强化学习的复杂任务部署策略

    陈卓操民涛周致圆黄欣...
    244-257页
    查看更多>>摘要：借助于移动边缘计算(MEC)和网络虚拟化技术,可使移动端将执行各类复杂应用所需的算力、存储和传输等资源需求就近卸载至边缘服务节点,从而获得更高效的服务体验.面向边缘服务商,研究其在进行复杂任务部署时所面临的能耗优化决策问题.首先将复杂任务部署于多个边缘服务节点的问题建模为混合整数规划(MIP)模型,然后提出了一种融合图到序列的深度强化学习(DRL)求解策略.该策略通过基于图的编码器设计提取并学习子任务间潜在的依赖关系,从而根据边缘服务节点的可用资源状态及使用率自动发现任务部署的通用模式,最终快速获得能耗优化的部署策略.在不同的网络规模中,将所提策略与具代表性的基准策略进行了全面对比.实验结果表明,所提策略在任务部署错误率、MEC 系统总功耗和算法求解效率等方面均显著优于基准策略.

    移动边缘计算任务部署深度强化学习图神经网络

      原文链接:
    • 维普
    • 万方数据

    基于模体结构和度信息的关键节点组识别

    杨云云张辽于海龙王力...
    258-269页
    查看更多>>摘要：为了探究具有更小规模的高阶结构对关键节点组的影响,以优化网络传播为目标,提出了一种基于模体结构和度信息的关键节点组识别算法.基于模体结构对节点影响力进行评估,挖掘模体结构的核心节点,使用多准则妥协解排序(VIKOR)法将其与度信息进行融合,并利用种子排除算法对种子节点的邻居进行排除,有效减小影响力重叠问题.在SIR传播模型的基础上,选取6 个不同的无向网络与4种基准算法进行比较,实验结果表明,所提算法在准确性和稳定性方面表现出更好的性能.

    模体关键节点组影响力最大化

      原文链接:
    • 维普
    • 万方数据