南京邮电大学学报(自然科学版)杂志

南京邮电大学学报(自然科学版)杂志2024年第05期

• 基于均匀面阵的频控阵MIMO雷达无网格参数估计方法

  吴晓欢,柳亚鑫

  现有的面阵场景下的频控阵(Frequency Diverse Array, FDA) MIMO雷达参数估计方法大多需要进行谱峰搜索，因此面临计算复杂度高、估计精度不够准确等困难。针对这一问题，提出了一种基于均匀面阵FDA MIMO雷达的无网格参数估计方法。首先推导了角度和距离解耦的均匀面阵FDA MIMO雷达模型，其次提出了适用于该模型的基于低秩矩阵重构的优化问题，并推导了基于交替投影的算法实现，以加快计算速度。最后通过仿真实验验证了所提算法在计算复杂度较低的同时具有较高的估计精度。

• 多维资源约束下数字孪生边缘部署方法

  李松,宋伟强,陈瑞瑞

  数字孪生技术通过物理设备与虚拟设备间实时信息交互,可实现对物理设备的故障诊断、远程运维和远程优化。数字孪生的云端部署场景下的虚实信息交互时延制约着数字孪生实时类业务性能。将数字孪生体部署在边缘网络中,为降低虚实信息交互时延提供了可行途径。然而边缘服务器有限的存储、计算等资源制约了数字孪生最优边缘部署策略的求解。文中考虑了物理设备与其数字孪生体之间的交互时延、不同物理设备之间的交互时延以及边缘服务器资源约束,建立了数字孪生边缘部署问题模型,并将问题描述为整数规划问题,进而提出了基于分支定界算法和匹配理论的数字孪生边缘部署算法。仿真结果表明,所提出的算法可以在快速的时间内获得有效的边缘部署方案。

• 基于NOMA的卫星通信半免授权传输性能分析

  郭焱,林敏,谈苗苗,孔槐聪,程铭

  卫星通信能够为地面用户提供广域范围、随遇接入的通信服务,近年来备受国内外学者的关注。文中研究了采用半免授权(SGF)传输方案的卫星通信系统的性能。根据卫星通信的特点,利用用户的统计信道状态信息,提出了一种基于上行非正交多址(NOMA)的 SGF 传输方案,从而提高系统的频谱效率和接入能力。假设卫星链路服从阴影莱斯分布,分别考虑移动终端采用随机接入和分布式争用两种方式的情况,推导出地球站和移动终端的中断概率以及整个系统吞吐量的闭合表达式。仿真结果验证了理论分析的正确性和所提方案的优越性,并定量分析了用户数、目标数据速率等典型参数对系统性能的影响。

• 基于交叉耦合新型三角形谐振器滤波器

  严茂林,张思沫,程勇,李泳,张业荣

  采用高介电常数陶瓷作为介质,设计出一种基于交叉耦合的新型等腰直角三角形谐振器介质波导滤波器,在新型三角形谐振器结构上设计出正耦合与负耦合结构,基于交叉耦合理论,通过引入谐振器之间的正负耦合进行交叉耦合,实现了具有两个传输零点(TZs)的八阶介质波导滤波器。解决了一般介质波导滤波器带外抑制性能差、插损高等缺点,并进一步减小了滤波器的体积。测量结果显示:该滤波器中心频率为3. 5 GHz,相对带宽为5. 41%,带外3. 34GHz 和3. 78GHz 处有两个零点,带外抑制在-70 dB 以下。

• 面向电力系统差异化业务的数据处理架构与低时延传输方法研究

  夏元轶,滕昌志,徐波,徐邦宁,赵海涛

  面向差异化业务需求,电力物联网(Electric Internet of Things,EIoT)需要设计与之适配的数据处 理架构,该架构将引入数据缓存、边缘处理等功能,并且涵盖 EIoT中数据的清洗、过滤和融合等关键步骤。此外,在该架构基础上,需要同时满足大规模数据传输需求,尤其是将电力终端的能源效率 (Energy Efficiency,EE)作为保障测量、监控、控制等多个电力运行环节超可靠低延迟通信(UltraReliable and Low-Latency Communication,URLLC)的重要依据。在URLLC 中,功率分配被认为是提高能效与数据处理效率的有效方法。然而,由于 URLLC 的特殊要求,传统香农公式在其中并不适用。因此,需要使用有限块长度编码理论来确保超可靠和低延迟的通信。文中解决了EIoT中 URLLC 的能效优化问题,并引入自适应深度神经网络,该技术可以根据不同电力设备接入数量,动态优化深度神经网络参数。深度神经网络将要优化的功率分配函数参数化,以无监督的方式离线训练,并可以在线部署以实现实时的功率分配结果。最后,仿真结果表明了所提方法在数据处理效率方面的有效性。

• 视觉识别深度学习模型的黑盒迁移攻击方法综述

  邵文泽,滕臻,朱富坤,孙玉宝

  随着深度学习的快速发展,视觉领域的众多任务得到了有效解决。在性能不断提升的同时, 对抗样本的发现引发了关于深度学习可靠性、安全性的反思。相较于早期的白盒攻击,黑盒迁移攻击无需获取被攻击模型的网络架构、参数等敏感信息,因而不易察觉,威胁相对较大。目前的综述文献主要围绕对抗攻击或对抗攻击和防御做全面总结,对视觉识别深度模型的黑盒迁移攻击方法往往未做专题性回顾与展望,为此文中特别围绕黑盒迁移攻击的最新进展进行了全面的梳理和总结。首先,从优化和学习两种视角介绍了黑盒迁移攻击的基本模型。对于优化视角下的迁移攻击, 具体从梯度扰动更新、样本邻域增广以及模型决策代理等三方面对现有文献做了梳理和分析。对于学习视角下的迁移攻击,具体从通用扰动和生成扰动两方面对现有文献做了进一步梳理和分析。最后,总结出了当前黑盒迁移攻击方法的两个核心:最优解平滑性和特征语义引导,同时指出未来工作的重点和难点在于黑盒迁移攻击的可解释性与泛化性。

• 基于能耗公平性的混合启发式计算迁移算法

  袁可,陈思光

  当前边缘计算场景下的计算迁移方案往往存在着诸多问题,如资源分配不均匀、任务分配不合理、低效等。为此,提出了一种基于能耗公平性的混合启发式计算迁移机制。基于边缘服务器的能耗公平性、通信资源、计算资源的综合考量,构建了一个最小化完成所有任务总能耗的优化问题。首先,将能耗公平性指标纳入目标边缘服务器的选择依据中,求解出最优的目标服务器;其次,为解决所提出的混合整数非线性规划问题,设计了一种混合启发式计算迁移决策算法。该算法融合了遗传算法(Genetic Algorithm, GA)和模拟退火算法(Simulated Annealing Algorithm, SA),改善了收敛速度和搜索质量,避免算法陷入局部最优解,同时减少算法对初始参数的依赖性,提高算法的稳定性。仿真结果验证了该机制在能量消耗方面相较于其他基准方法具有显著优势,边缘服务器的能耗公平性也最高,且证实了该机制的收敛速度优势。

• 基于区块链的软件定义网络数据安全共享研究进展

  刘晨磊,孙语蔚,王梓炫,徐玉华,孙知信

  软件定义网络(Software Defined Network,SDN)是一种革命性的通信网络架构,极大地提高了网络的灵活性和可管理性。然而,SDN面临着众多的数据共享安全威胁和机制缺陷。为了解决这些问题,区块链作为一种去中心化、不可篡改、数据多方维护的分布式数据账本,提供了潜在的解决方案。首先简要介绍了 SDN 的基本概念以及在数据共享方面的需求,接着分析了区块链在提升数据安全共享方面的优势。根据安全信任框架、共享数据校验、跨域信息共识和节点安全防护等四个安全应用分类,系统地调研基于区块链的SDN网络数据安全共享的最新研究进展,并突出对比了各种解决方案的主要特性。然后从系统性能角度,分析基于区块链的解决方案可靠性。最后,从隐私保护、认证机制、共识安全和性能效率方面展望了未来的研究工作方向。

• 基于两阶段网络和提示学习的少样本中文命名实体识别

  李准,宋媚,祝义

  基于提示学习的方法在处理少样本句子级分类任务时效果较好,然而在处理字符级的命名实体识别任务时,现有采用枚举手动构建提示模板的方法效率低下且性能不稳定。针对此问题,提出基于两阶段网络和提示学习的少样本中文命名实体识别方法。第一阶段网络,创新性地引入文本生成模型 T5,利用提示学习的思想,将文本生成任务改造为完形填空的形式以自动生成提示模板; 第二阶段网络,使用当前主流的BERT-BiLSTM-CRF网络架构进行训练。通过消融实验,探讨了提示模板更合理的嵌入方式,在 Weibo、Resume和MSRA语料库上的实验结果F1值分别达到了73. 58%、96. 63%和95. 67%,在多组对比实验中效果均为最优,表明了该方法可有效提升少样本中文命名实体识别的效果。

• 融合影响力和标签传播的社团划分算法

  李谢君,李玲娟

  针对传统标签传播算法因在节点更新序列初始化和标签更新过程中采用随机策略而导致的社团划分结果不稳定和准确度较低的问题,设计了一种融合影响力和标签传播的社团划分算法(ILPCD)。首先,基于 k-shell 算法对网络进行层次划分,并利用节点及其一阶邻居节点的 k-shell值计算节点在网络中的全局影响力,并按照全局影响力的降序来初始化节点更新序列,消除更新顺序的随机性;然后,引入平滑系数对Jaccard相似系数的计算方法进行改进,更客观地衡量节点之间的关联性,得到节点的局部影响力;最后,依据局部影响力来更新标签,消除标签传播过程中的随机性。在4种真实网络数据集上的实验结果表明,ILPCD 算法能够有效地对社团进行划分,并且具有更高的稳定性和准确性。

• 融合原型对比与特征筛选的图协同过滤模型

  王奇,宋玉蓉,李汝琦,曲鸿博

  图卷积在协同过滤推荐系统上取得了巨大的成功,但在真实的推荐场景中基于协同过滤的推荐方法往往会受到稀疏数据的影响,同时现有的图协同过滤方法又普遍存在对用户-项目交互信息的分析和利用不彻底的问题,如未对交互特征中的噪声进行处理,这些问题使得现有方法的推荐效果不理想。针对上述问题,提出了一种融合原型对比与特征筛选的图协同过滤模型,在对交互信息进行噪声特征过滤的同时,利用提出的原型对比学习任务捕捉节点间的潜在联系,以此增强用户和项目的表示。在3个真实的数据集上的实验结果表明,该方法在缓解数据稀疏问题的同时,提高了推荐的效率和性能。