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

    面向多层多域巨型星座的卫星网络拓扑控制

    徐晓帆章跃跃曹馨悦缪馨...
    1-9页
    查看更多>>摘要:针对巨型星座单星任务的时变性以及由此产生的负载过重、单节点脆弱性以及网络控制平面的高可靠性需求,研究面向多层多域巨型星座的卫星网络拓扑控制,提出了一种基于北斗网格位置码的多层多域拓扑描述模型.首先给出了域、层、片、元相关概念及其定义,以实现对卫星节点和星间链路的拓扑特征的统一表征,刻画卫星节点的连通状态以及整个星座的网络拓扑结构;然后设计了一套以在轨控制器为核心、以地面网络控制为辅助的拓扑控制架构,用于提供常态化运行服务保障;最后通过仿真平台对巨型星座子域划分和统一表征进行了验证分析.仿真结果表明,所提拓扑描述模型能够提高巨型星座卫星网络拓扑控制过程的实时性与准确率.

    巨型星座多层多域北斗网格位置码网络拓扑控制

    低地球轨道卫星星座地球固定足印模式覆盖域切换方法

    齐晓鑫宋宝军李勋
    10-20页
    查看更多>>摘要:在低地球轨道卫星星座中,当采用地球固定足印模式时,波束在覆盖域之间的切换会影响对地覆盖的仰角,进而影响通信质量.针对地球固定足印模式下的覆盖域切换问题,提出了一种覆盖域切换方法.首先,设计了覆盖域划分机制,使覆盖域拓扑保持规则性;然后,以最大限度地增大波束对地面的最小仰角为目标,设计了切换时刻选择机制和目标覆盖域选择机制.所提方法考虑了极轨星座和倾斜轨星座的差异,同时支持2种星座.以OneWeb和Telesat星座为仿真场景,验证了所提方法.仿真结果表明,所提方法能够有效增大波束对地面覆盖的最小仰角,从而有助于提升链路质量.

    低地球轨道卫星星座地球固定足印覆盖域波束切换

    基于终端流量预测的低地球轨道卫星互联网资源分配策略

    沈斐吕承丞张嘉璇阮小婷...
    21-36页
    查看更多>>摘要:针对地面网络存在覆盖盲区和卫星网络通信资源利用率低等问题,提出了基于终端流量预测的低地球轨道(LEO)卫星互联网资源分配策略.该策略利用真实数据集提出改进LSTM-ARIMA算法,准确预测地面区域未来一定时间内产生的数据流量,通过Stackelberg博弈构建差分化数据传输和任务卸载2种通信模型.综合考虑数据处理时延和能耗,通过求解纳什均衡,得到用户通过LEO卫星互联网传输数据或卸载任务的最优比率,以及卫星提供网络服务的最优定价.仿真结果表明,所提策略在数据传输服务中收益能提高约40%,在任务卸载服务中收益能提高约50%.

    低地球轨道卫星互联网数据流量预测资源分配数据传输任务卸载

    基于决策性能评估的多波束低地球轨道卫星网络资源分配算法

    王朝炜庞明亮王粟赵玲莉...
    37-47页
    查看更多>>摘要:为了解决多波束低地球轨道(LEO)卫星波束间同频干扰、频谱短缺、业务量分布不均等问题,针对单一决策网络缺乏自我修正能力、容易陷入局部最优解、无法充分考虑长期影响等弊端,提出了一种基于决策性能评估的资源分配算法.该算法引入不同用户的业务满足指数来衡量系统的公平性,在考虑公平性的前提下优化系统的吞吐量性能,并将该优化问题建模为多目标优化问题.将具有时间相关性的连续资源分配过程建模为马尔可夫过程,提出基于决策性能评估的网络资源分配算法来解决该问题.所提算法可以根据评估网络的评估结果调整决策网络参数,从而优化资源分配方案,同时更新评估网络自身参数.通过迭代优化的方式,实现决策网络的准确预测.仿真结果表明,所提算法在吞吐量性能和公平性方面优于传统资源分配算法.

    多波束卫星深度强化学习多目标优化资源管理

    低地球轨道卫星边缘计算场景中任务卸载与资源分配联合优化算法

    夏玮玮胡静宋铁成
    48-60页
    查看更多>>摘要:针对低地球轨道(LEO)卫星边缘计算场景中地面用户计算任务的卸载需求,提出联合卸载与资源分配优化(JORAO)算法.考虑到LEO卫星的有限覆盖时间,以最小化所有地面用户的平均服务时延为目标,联合优化卸载策略、LEO卫星的通信和计算资源分配.将任务卸载与资源分配的联合优化问题分解为卸载决策和资源分配子问题,使用交替优化方法,获得原始优化问题的次优解.对于任务卸载决策子问题,将其建模为联盟博弈模型,当博弈达到纳什均衡时,获得最小化平均服务时延的地面用户卸载策略;对于资源分配子问题,使用拉格朗日乘子法获得最优的通信和计算资源分配结果.此外,还证明了所提算法的收敛性和稳定性.仿真结果表明,所提算法具有良好的收敛性,能显著降低地面用户的平均服务时延和提高任务卸载成功率.

    低地球轨道卫星边缘计算卸载资源分配联盟博弈

    LEO星座边缘计算网络中的动态计算卸载策略

    高玉芳姬智赵康僆李文峰...
    61-69页
    查看更多>>摘要:在卫星边缘计算网络中,当过多用户通过同一信道接入卫星时,产生的同信道干扰会导致边缘计算性能下降.为了解决该难题,在动态环境低地球轨道(LEO)星座边缘计算网络的系统模型下,提出了一种基于随机博弈的多用户计算卸载策略.在考虑用户的自私性、星地信道的随机特性和地面用户接入的动态特性的前提下,从博弈论的角度,将动态环境下地面用户的卸载决策过程表述为随机博弈,证明了所制定的随机博弈等价于具有至少一个纳什均衡(NE)的加权势博弈,并且NE最小化系统开销.为了在动态环境下以分布式方式达到NE,基于随机学习设计了一种智能随机学习算法,以高效达到所提随机博弈的NE.仿真结果表明,与基准算法相比,所提算法能够显著降低同信道干扰和系统开销,并达到接近最优的性能.

    空间物联网边缘计算计算卸载动态环境势博弈

    基于信道建模的多层星地融合数据分配策略

    宋宇杰曹越陈诺孙智立...
    70-83页
    查看更多>>摘要:为了解决空天地一体化网络中面临的星地链路切换效率低、数据分配不均、数据传输中断率高等问题,针对多层卫星架构的星地融合数据传输场景,提出了一种基于信道建模的多层星地融合数据分配策略.该策略考虑星地距离、自由空间路径损失、信道增益、剩余服务时间等因素,基于香农信道容量理论,构建信道模型感知的低地球轨道卫星服务能力量化模型,从而生成数据分配策略.考虑数据传输中断风险,依托数据交互历史信息,通过可靠性确认机制动态调整数据分配策略,以提升数据传输效率,实现中断避免的星地链路无缝切换.仿真结果表明,所提策略在投递率、平均投递时延与中断率方面均优于其他基准算法.

    空天地一体化网络数据分配策略信道建模无缝切换

    云环境下协同作业的密码服务优化调度算法

    曹晓刚李凤华耿魁李子孚...
    84-100页
    查看更多>>摘要:针对云环境下密码按需服务中多个计算作业协同服务的需求,提出了多密码作业协同服务的调度算法,能够充分应对密码算法种类多、并发需求高、作业随机交叉和作业负载瞬时激增等云环境下的新挑战.考虑每个密码计算作业之间的依赖关系、密码作业的完成时间需求以及密码计算单元的最大算力,以最小化能耗、迁移成本和瞬时激增负载的适应度为优化目标,将多密码作业协同服务调度问题建模为多目标优化的作业流调度问题,并提出"选择-排序"两阶段调度算法,在选择阶段,采用改进NSGA-Ⅲ算法为密码计算作业选择合适的计算单元,在排序阶段,根据作业紧迫程度决定执行顺序.仿真结果表明,所提调度算法在能耗、迁移成本和对瞬时激增的作业负载的适应度方面优于传统调度算法.

    云计算密码按需服务作业流调度NSGA-Ⅲ

    基于SDN的物联网边缘节点间数据流零信任管理

    肖警续郭渊博常朝稳吴平...
    101-116页
    查看更多>>摘要:针对物联网缺少对数据流传输链路中恶意交换节点检测与定位的有效手段,提出了一种基于软件定义网络(SDN)的物联网边缘节点间数据流零信任管理方法.该方法将SDN架构应用到边缘节点间数据流的传输过程,使用固定长度的报头开销对数据流、节点和路径进行零信任管理,实现轻量级的数据包转发验证和恶意交换节点定位功能.在转发路径中,交换节点对数据包进行安全验证并统计验证信息,保证数据流传输的安全性和路径的一致性.根据异常数据包类型,控制器采用二分法标记执行验证操作的交换节点,逐步缩小恶意交换节点的范围,实现对多类型恶意交换节点的定位.最后,对所提方法进行了仿真与评估.实验结果表明,所提方法引入小于10%的转发时延和低于8%的吞吐量损失.

    物联网软件定义网络零信任管理异常检测异常定位

    基于相似性样本生成的深度强化学习快速抗干扰算法

    周权牛英滔
    117-126页
    查看更多>>摘要:为提高基于深度强化学习的通信抗干扰算法的学习效率,以更快适应未知干扰环境,提出一种基于相似性样本生成的深度强化学习快速抗干扰算法.该算法将基于互模拟关系的状态-动作对相似性度量与基于深度Q网络的抗干扰算法相结合,能在未知动态干扰环境下快速学习有效的多域抗干扰策略.算法在完成每步传输动作时,首先利用深度Q网络抗干扰算法与环境交互,获得实际的状态-动作对.然后,基于互模拟关系生成与之相似的状态-动作集,从而利用相似状态-动作集生成模拟的训练样本.通过上述操作,算法每步迭代能获得大量训练样本,可显著加快抗干扰算法的训练进程和收敛速度.仿真结果表明,在多路扫频干扰和智能阻塞干扰下,所提算法收敛速度快,且收敛后的归一化吞吐量均显著优于常规深度Q网络算法、Q学习算法以及基于知识复用的改进Q学习算法.

    通信抗干扰深度强化学习快速抗干扰可靠通信