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2025年第03期

• 一种面向卫星物联网的ZC‑Gold组合前导序列

  王文鼐,刘雨露,陈睿,吴炜

  低轨（Low Earth Orbit， LEO）卫星物联网的覆盖范围广，并发终端数众多，如果沿用非地面网络（Non?terrestrial Network， NTN）现有规范下的Zadoff?Chu（ZC）前导序列，共享信道高移动性产生的争用与接入时延问题较为突出。文中给出ZC和Gold两种序列逐元相乘的序列组合方案，得到一种新型前导码，称作ZGC。分析发现ZGC的扩容比达到ZC序列长度的平方，对周期139的前导码，扩容比的理论值超过一万倍。进一步就周期相关性、峰均比、立方度量和载波频偏（Carrier Fre?quency Offset， CFO） 相关性等前导序列的检验参数，对比计算了ZGC相较于ZC、Gold和部分改进方案的性能。使用多信道时隙Aloha模型分析了多并发争用的接入时延。结果表明，ZGC在实现更高前导容量的同时，可显著降低接入时延，并具更强的CFO免疫能力。

• 基于局部线性和系数分片常数的全变差图像去雾算法

  金正猛,方婷

  为了在去雾过程中有效保护图像的边缘结构等细节信息，避免颜色失真，引入局部邻域窗口系数全变差和原始图像全变差，提出基于局部线性和系数分片常数的全变差图像去雾模型。进一步地结合交替方向乘子法，设计该模型的快速数值求解算法。最后，通过数值实验结果验证所提方法的可行性与有效性。

• 基于天通卫星的数字集群跨区域互联协议设计

  陈啸川,缪霏阳,丁良辉,李大鹏,杨峰

  为了解决局域 PDT网络跨区域互通问题，提出了一种基于天通一号卫星系统跨区域互联方案。将PDT和天通集群信令转换为SIP信令，通过融合网关进行交换，不需对用户PDT终端进行改造即可实现 PDT跨地区互通，减少了终端设备的改造需求，便于快速部署应用。提出了两种集群跨区域互联方法：（1）信令直接映射法。通过网关直接转换信令字段跨网转发实现跨区域互联；（2）网关快速反馈法。通过融合网关提前反馈接入请求、缓存接入数据降低跨区域互联延迟。理论分析和计算机仿真表明，与信令直接映射法相比，网关快速反馈法能够获得更优的接通性能和通话体验。

• 智能反射面辅助的无人机认知网络资源优化算法

  俞荣康,胡晗,杨龙祥

  将无人机与频谱共享技术相结合，可建立高质量通信链路，提高频谱资源利用效率。然而，由于主、次用户间交叉链路干扰的存在，实现次用户的高可达速率变得十分困难。为了解决该问题，设计了一种智能反射面（Intelligent Reflective Surface， IRS）辅助的无人机认知中继通信网络。通过联合优化无人机的位置部署、次基站的波束成形和IRS的相移矩阵，最大化频谱共享网络中次用户的加权和速率（Weighted Sum Rate， WSR）。为了解决所建立的非凸问题，将其解耦为3个子问题，然后提出了一种交替优化算法来迭代优化变量。利用连续凸逼近（Successive Convex Approxi?mation， SCA）法对无人机的位置进行优化；利用直接分式规划（Dire ct Fractional Programming，DFP）法对次基站的波束成形进行优化；利用 DFP 结合交替方向乘子法（Alternating Direction Method of Multipliers， ADMM）对IRS的相移矩阵进行优化。仿真结果表明，与基准算法相比，所提算法能实现更高的次用户WSR。

• IRS增强的UAV机会接入宽带CR系统资源分配与安全优化

  赵国兴,刘富辉,晏子祥,吴伟,田峰

  提出了一种智能反射面（Intelligent Reflecting Surface，IRS）增强的无人机（Unmanned Aerial Vehicle，UAV）机会接入宽带认知无线电（Cognitive Radio，CR）系统，以提升系统频谱效率并确保物理层安全（Physical Layer Security，PLS）。通过联合优化UAV的波束赋形和飞行轨迹、IRS的反射系数、用户和IRS的关联选择、子载波选择及感知时间，在满足主用户可容忍最大干扰和次级用户最小安全速率需求的前提下，最大化次级网络的和安全速率。由于包含整数规划约束、非线性约束以及优化变量之间的相互耦合，因此导致问题高度非凸。为此，采用了深度强化学习（Deep Rein?forcement Learning，DRL）算法，包括决斗双重深度Q网络（Dueling Double Deep Q Network，D3QN）算法和软性演员-评论家（Soft Actor?Critic，SAC）算法。该方法能够高效处理复杂的混合变量优化问题，以提高算法的稳定性和收敛速度，确保在动态环境中获得更优的资源分配和通信安全性能。仿真结果表明，所提方法在通信安全和频谱效率方面显著优于基准方案。IRS、UAV和 CR技术的引入显著提升了系统的频谱利用率和用户的安全速率。此外，所提方法在动态环境中展现了较高的稳定性和快速的收敛速度。

• IRS辅助OFDMA系统中的宽带相移模型和系统优化

  余宁,雷维嘉

  针对IRS反射相移与信号频率的相关性，提出一种较为简单但能较准确地描述不同子载波相移量与中心频率相移量关系的数学模型。在此基础上，提出最大化系统和速率的IRS中心频率相移矩阵、OFDMA子载波与功率分配的联合优化问题。首先将该优化问题分解为IRS相移优化和子载波与功率分配优化两个子问题，然后采用交替迭代优化的方式获得原问题的解。其中，IRS相移优化子问题利用逐次凸逼近方法转换为凸问题后再求解，而子载波与功率分配优化子问题则采用贪婪算法和注水算法求解。仿真结果表明，采用IRS并对相移矩阵进行优化方案的和速率显著高于无IRS的方案和有IRS但相移随机取值的方案；相较于假设所有子载波相移相同的方案，所提方案在实际IRS相移条件下可获得更高的和速率

• 基于双向门控循环单元网络的心音分段

  卢官明,许梦悦,卢峻禾,戚继荣,赵宇航,王洋

  为了提高心音分段的定位精度和准确率，提出一种基于双向门控循环单元（Bi?directional Gated Recurrent Unit，Bi?GRU）网络的心音分段算法。首先，采用短时傅里叶变换（Short?Time Fou?rier Transform，STFT）和同步挤压变换（Synchrosqueezing Transform，SST）技术提取各个时间步短时窗口内心音信号的瞬时频率特征；然后，将各个时间步提取的瞬时频率特征构成序列并输入到Bi?GRU 网络，利用 Bi?GRU 网络挖掘特征序列的上下文依赖关系，提取心音信号的上下文时频特征；最后，使用 Softmax 分类器将心音信号分成第一心音（S1）、第二心音（S2）、S1?S2间期、S2?S1间期 4种状态类别。在 PhysioNet/CinC Challenge 2016数据集上的实验结果表明，提出的心音分段算法总体准确率为93.30%，S1状态的平均F1得分为0.953 8，S2状态的平均F1得分为0.945 0，优于基线心音分段算法LR?HSMM的性能指标，验证了该算法能有效地对心音信号进行分段，为心音信号的特征提取与分析提供了基础。

• 面向电子投票的SM2门限环签名方案

  张应辉,封舒钰,曹进,郑晓坤

  电子投票因其高效、便捷的特性被广泛应用，如何保证投票结果的真实性，保护投票者的身份隐私以及提高投票系统的实用性成为设计电子投票系统的关键。对此，提出了一个面向电子投票的SM2门限环签名方案，利用门限环签名技术，通过让一组用户中部分成员共同生成签名，保证投票结果真实有效，并且实现对签名者身份的隐私保护。采用 SM2数字签名算法，在确保核心密码算法自主可控的同时提升了方案的整体效率。安全性分析表明，该方案满足匿名性和不可伪造性。效率分析表明，与现有方案相比，该方案效率优势明显。利用该方案设计的电子投票协议在保证安全性的同时具有高效性和实用性。

• 基于不对称非局部高效信道注意时空网络面部表情识别

  闫静杰,孙雯静,顾晓娜,周晓阳,魏金生

  为了从信道域、时间域、空间域多维度进行表情特征提取和学习，提出了一种新的不对称非局部高效信道注意时空网络（Asymmetric Non?local Efficient Channel Attention Spatial?temporal Net?work，ANECASN）并应用于面部表情识别。ANECASN 主要包含 3个模块：第一个模块为轻量型的不对称非局部模块，用于捕获长序列依赖关系，并在该模块中使用金字塔汇集优化特征选择机制以获得较好的局部情感特征，改善深度卷积运算在长序列上计算效率低且情感识别率低的问题；第二个模块为高效信道注意模块，给有利于情感识别的通道以高权重，可在不降维的同时实现局部跨信道交互，降低模型复杂度并增强情感的非线性表达能力以实现性能提优；第三个模块为时空LSTM模块，可通过学习情感特征的空间相关性以及情感特征序列的时间相关性，促进时空之间的信息交互。选择Multimodal和RAMAS数据库进行实验，结果表明，ANECASN在Multimodal Data?base上达到了61.54%的识别率，在RAMAS上达到了42.49%的识别率，相较于基线ResNet?50提高了至少5%。

• 基于云边协同的智能电网多无人机辅助计算迁移

  刘尚东,邱华杰,黄昕,沙宇晨,季一木

  智能电网中边缘计算迁移技术的应用一定程度上满足了电力业务的实时性要求，然而，随着电网规模的扩大，电力终端设备接入密度越发增高，分布情况越发复杂，传统的静态边缘计算节点难以完全覆盖分散的电力终端设备，进而导致计算迁移性能和效率过低。提出了一种基于双重延迟深度确定性策略梯度的多无人机辅助计算迁移算法（Collaborative Cloud?Edge Computing Offload?ing Based on TD3， CeCO?TD3），该算法构建了一个联合无人机飞行角度、距离、迁移服务选择和任务迁移比的多目标优化函数，以最小化系统的计算时延与能耗，利用深度强化学习算法对问题求解。并且引入云边协作框架和带有优先级的云端策略经验池，进一步保障了多无人机的计算迁移服务质量。实验结果表明，所提算法在缩减任务传输时延和降低计算能耗方面优于传统优化算法。

• 面向开放世界的联邦学习综述：挑战、技术与应用

  陆浩天,董育宁,卢官明

  随着数据隐私保护意识的日益提升和实际应用环境的动态变迁，联邦学习作为一种隐私保护型的机器学习技术备受瞩目。然而，现实世界的应用场景往往是开放且动态的，使得开放世界下的联邦学习成为当前研究的热点之一。全面梳理了当前开放环境下联邦学习所面临的问题，对现有方法进行了系统的分类综述，并探讨了其在网络流分类领域的潜在应用。首先，针对非独立同分布数据问题，不仅回顾了传统场景下的解决方案，还引入了动态联邦学习场景；其次，鉴于数据标签稀缺的问题，归纳了联邦半监督学习的相关算法；最后，探讨了联邦环境下的未知类处理方法，并展望了未来的研究方向和网络流分类中的应用前景。