首页期刊导航|移动通信
期刊信息/Journal information
移动通信
移动通信

李进良

半月刊

1006-1010

editor@mc21st.com

020-84119959;84203943

510310

广州市新港中路381号（广州市1003信箱9分箱）

移动通信/Journal Mobile Communications北大核心CSTPCD
查看更多>>本刊创刊1977年，是信息产业部主管、中国电子科技集团公司第七研究所主办的移动通信领域的专业技术刊物。《移动通信》紧跟行业热点、推介前沿技术、交流行业市场的动态，内容新颖、信息量大、实用性强。多次被评为信息产业部优秀电子期刊，入选“中国期刊方阵”双效期刊。办刊宗旨：促进移动通信产业的发展，普及和提高移动通信技术。
正式出版
收录年代

    基于联邦强化学习的数据中心网络拥塞控制算法

    何升涛李莹玉张鹏高雅玙...
    75-80,108页
    查看更多>>摘要：拥塞控制算法对于确保数据中心网络实现高效且可靠的数据传输至关重要.然而,传统算法由于采用固定的参数设置,难以在动态变化的网络环境下实现高效的数据传输.现有的基于强化学习的拥塞控制方案虽然有效,但大都采用集中式学习训练的方式,存在数据孤岛问题以及原始数据共享引发的隐私泄露风险.为此,提出了一种基于联邦强化学习的拥塞控制框架.该框架充分利用分布式网络架构的优势,将每个网络设备视作独立的智能体,并通过联邦学习技术实现多智能体间的协同训练.这种方法不仅有效保护了各参与方的数据隐私,而且通过整合各个智能体的成果和策略,提升了模型适应性和泛化能力.在此基础上,以基于联邦强化学习的显示拥塞通知阈值调优为案例进行研究,在多种实验场景下验证了所提架构的性能.

    数据中心网络拥塞控制强化学习联邦学习

      原文链接:
    • 维普
    • 万方数据

    面向6G核心网的AI-Native NWDAF网元开发架构

    何世文戴诗棋董浩磊彭石林...
    81-90页
    查看更多>>摘要：内生智能的通信网络被认为是第六代移动通信网络发展的关键技术之一.在深入分析开发内生智能网络数据分析功能网元所面临的数据采集、隐私保护、模型管理以及灵活可扩展等挑战的基础上,提出一种具备并行化数据采集与处理能力、高效化模型训练与管理机制以及强容错性和可扩展性的内生智能网络数据分析功能网元开发架构.该架构旨在实现数据采集、数据分析、数据存储、模型决策一体化的目标,从而能有效应对第六代移动通信网络环境中的复杂需求.结合Kubernetes、流式化处理、微服务化等前沿技术,开发了实验室环境中的验证系统平台,进而验证了所提出架构的有效性并分析了系统性能.

    内生智能流式处理网络数据分析功能网元

      原文链接:
    • 维普
    • 万方数据

    面向OTFS-ISAC系统的智能信道估计现状、挑战与展望

    廖勇常星宇苏畅
    91-100页
    查看更多>>摘要：OTFS和ISAC技术均是6G移动通信的关键候选技术,OTFS和ISAC的融合系统OTFS-ISAC是当前移动通信研究的前沿.信道估计是接收机的关键处理,对系统性能起着重要的作用.同时,人工智能技术日益成为重要的通信系统信号处理手段.为此,对OTFS-ISAC系统的智能信道估计进行了综述.首先描述OTFS-ISAC的系统模型,包括调制、解调以及雷达和通信模型;其次,详细阐述了三种智能信道估计方法:基于贝叶斯学习的稀疏估计、基于具有自适应阈值的深度卷积残差网络的信道估计和基于迭代深度学习网络的信道估计,这些方法利用了人工智能技术为信道估计问题提供了新的解决途径;然后,探讨了OTFS-ISAC系统中信道估计面临的技术挑战,包括信道特性的复杂性、参数估计的不一致性与复杂性、资源分配和开销问题以及技术融合与兼容性问题;最后,展望了技术创新与突破、标准化与规范化、应用场景的拓展以及跨领域合作与融合的未来发展方向.

    OTFSISAC信道估计人工智能深度学习贝叶斯学习6G

      原文链接:
    • 维普
    • 万方数据

    基于Lyapunov优化的MEC分布式资源管理算法

    刘蓓胡慧粟欣许希斌...
    101-108页
    查看更多>>摘要：MEC网络将计算和存储资源下沉到网络边缘,以满足未来6G业务的低时延要求,MEC网络中多维资源的管理和调度决策是提升用户体验的关键.针对MEC网络中的资源管理决策问题,提出了基于Lyapunov优化的分布式资源管理算法.具体来讲,引入任务数据队列及虚拟能量队列,以确保任务执行的公平性,且避免了系统负载过大时造成的过度拥塞问题,并且通过Lyapunov优化理论构建目标函数,基于DDPG算法进行求解.另外,考虑MEC服务器对基于DDPG的决策模型具有不同需求,将异构网络部署在不同的边缘服务器中,构建分布式多连续变量决策模型.仿真结果表明,所使用的分布式决策算法的收敛性和稳定性更优.

    MEC网络Lyapunov优化资源管理决策

      原文链接:
    • 维普
    • 万方数据

    视频语义编码:现状、挑战与展望

    令潇越鲁国张文军
    109-113,129页
    查看更多>>摘要：语义通信作为一种新兴的通信范式,通过直接传递信息的语义内涵提升通信效率,满足多样化的应用需求,也被称为面向任务的通信.视频语义编码作为其重要组成部分,逐渐成为研究热点.基于此,回顾了视频语义编码领域的研究进展,将现有方法分为两类:深度学习驱动的编码框架和传统与智能协同编码框架.首先,介绍了深度学习驱动的编码框架,包括特征流编码、视频流编码和人机协同编码三种技术路线.这些方法依赖于全神经网络,通过端到端优化提升性能,但其高计算资源需求限制了实际部署.接着,探讨了传统与智能协同编码框架.该框架结合传统编码与人工智能技术的优势,提升了系统的性能与灵活性.最后,总结了视频语义编码面临的挑战,并展望了未来的发展方向.

    语义通信视频编码机器视觉任务

      原文链接:
    • 维普
    • 万方数据

    基于内生智能的6G网络形态自演进机制研究

    李有卉王铁儒张春红胡铮...
    114-121页
    查看更多>>摘要：随着对超高速率、超低时延、超可靠连接需求的增长,6G网络需通过形态自演进机制满足动态环境需求.借鉴了生物种群进化思想,提出了一种基于内生智能的6G网络形态自演进机制,考虑"形态演进"范式,通过模拟生物演进中自然选择与遗传变异过程,使网络能对不同网络需求和应用场景快速、精准地作出响应.通过仿真实验,验证了6G网络形态自演进在动态环境下的有效性.结果表明,该机制能够提高网络适应性,为6G网络形态设计提供了理论支持.

    6G网络内生智能形态演进强化学习

      原文链接:
    • 维普
    • 万方数据

    协作多小区大规模MIMO系统中基于协方差的活跃设备检测

    王子岳刘亚锋王兆瑞
    122-129页
    查看更多>>摘要：聚焦于多小区大规模多输入多输出(MIMO,Multiple-Input Multiple-Output)系统中基于协方差的活跃设备检测问题.在该系统中,活跃设备向多个基站传输其导频序列,基站根据接收到的信号协作地检测活跃设备.在单小区场景下,基于协方差的活跃设备检测模型的尺度定律(Scaling Law)已在文献中得到广泛分析,旨在分析基于协方差的活跃设备检测模型在多小区大规模MIMO系统中的尺度定律.具体来说,在衰落信道的路径损耗指数γ>2的情况下,建立了多小区系统中的二次尺度定律.这一结果表明,在多小区大规模MIMO系统中,当天线数趋于无穷大时,每个小区能够正确检测出的活跃设备数量的最大值随导频序列的长度呈二次方增长,且随着小区数量呈对数减少.此外,除了分析由球面上均匀分布生成的导频序列的尺度定律,还建立了由有限字母表生成的导频序列的尺度定律,这类序列更易于生成和存储.最后,提出了两种高效的加速坐标下降(CD,Coordinate Descent)算法来求解活跃设备检测问题,它们都具有收敛性保证.第一种算法通过非精确坐标更新策略来降低CD算法的复杂度;第二种算法利用积极集选择策略避免了CD算法中不必要的计算.仿真结果表明,所提出的算法在计算效率和检测错误概率方面表现出色.

    加速坐标下降算法协作活跃设备检测大规模随机接入多小区大规模多输入多输出尺度定律分析导频序列

      原文链接:
    • 维普
    • 万方数据

    eMBB和mMTC非正交切片有效容量分析与优化

    雷鹏
    130-137页
    查看更多>>摘要：针对多样化QoS的高效定量保障问题,基于有效容量理论研究上行链路通信系统中eMBB和mMTC非正交切片的QoS性能分析与优化问题.首先,利用有效容量衡量统计时延QoS限制下的最大可达传输速率,分析eMBB终端的有效容量;然后,研究eMBB和mMTC的非正交切片的优化设计方案,通过优化eMBB终端的目标接收信噪比,使eMBB有效容量最大、并同时满足eMBB和mMTC的中断概率约束.仿真结果表明,随着基站接收天线数目的增加,非正交切片的性能优势越明显.通过求解eMBB终端功率控制的最优目标接收信噪比,既保障了eMBB终端的有效容量,又兼顾了mMTC终端的连接数量.

    网络通信网络切片非正交多址接入有效容量eMBBmMTC

      原文链接:
    • 维普
    • 万方数据

    一种增强迁移学习能力的多领域适配器融合算法

    闫鹏博李剑李劼
    138-144页
    查看更多>>摘要：为了增强迁移学习中的域适应能力,提出了一种基于适配器融合多领域知识的方法.首先在多个领域上分别训练基座适配器来学习域对齐和任务表示信息,然后融合除了目标领域外的其他源领域的基座适配器学习多领域知识用于目标领域的各种任务.实验结果表明,该方法在多领域文本情感分类AMAZON数据集和多流派自然语言推理MNLI数据集上最高分别取得了85.79和76.68的F1分数,而在更难的域泛化问题上,取得了85.96和76.74的F1分数.提出的方法可以有效提高迁移学习中的域适应和域泛化能力.

    迁移学习域适应域泛化适配器

      原文链接:
    • 维普
    • 万方数据

    征稿简则

    《移动通信》编辑部
    封2页
      原文链接:
    • 万方数据