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04期

• 光伏天线研究综述

  徐含静,张万平,李波,吕文俊

  大量物联网节点通过富集环境能量，实现能源自给、按需联接而形成智联网络。光伏天线集光能采集和无线通信功能于一体，是实现节点低成本能源自供、以高能效绿色无线通信方式实现万物智联的多功能关键部件。目前，适用于卫星通信的光伏阵列天线凭借其优良辐射特性成为主流集成方案，该类设计光电转换效率可达原有商用电池初始效率90%以上。文中系统阐述了传统天线与光伏电池的集成手段及应用场景，进而探讨集成光伏薄膜加载条件下的多模谐振频率选择表面和天线潜在设计方案，并对三维频率选择表面与光伏电池的集成手段展开详细阐述。最后指出亟待解决的挑战性难题并展望未来发展方向，为光伏天线的未来研发提供参考。

• 车间流水线场景下基于随机森林的多元输入信道路径损耗模型研究

  余雨,丁文慧,严伟,徐晨,许恒飞,杨洁,张云萱

  针对车间流水线复杂环境中的信道建模需求，结合多维特征数据与随机森林方法，提出了一种多元输入路径损耗模型。首先，通过射线追踪技术获取多维度特征数据，利用决策树集成方法实现路径损耗的精准预测。然后，分析了随机森林超参数对模型性能的影响，并给出了模型参数提取方法。此外，与三维模型、人工神经网络模型、深度神经网络模型、对数距离模型及3GPPTR 38.901模型的对比表明，该模型在路径损耗预测精度、计算效率及可扩展性方面具有一定优势。最后，为验证所提出模型的泛化性能，将该模型应用于其他结构工厂和不同频段，结果表明模型的准确度仍较高，适用于类似场景。所提出方法能够有效应对工业车间复杂环境下的无线信道特性建模需求，为复杂工业环境下无线通信链路的设计与性能优化提供了可靠支持，并具有广泛的实际应用前景。

• 工业物联网场景通用几何随机信道模型

  杨雨润,刘洋

  工业物联网（Industrial Internet of Things， IIoT）是第六代移动通信系统（6th Generation Mobile ?Communication System，6G）的典型应用。提出了一种新的基于几何的工业物联网环境非平稳随机模型（Geometry?based Stochastic Model， GBSM）。该模型通过速度分解细化IIoT下信道模型中散射体组成的簇的生灭过程，对不同运动方向间信道非平稳特性的区别进行了建模。仿真结果表明，该模型能较好地表征不同运动方向对信道特性的影响，能够有效地反映信道传播环境中簇的数量。与参考模型以及射线追踪仿真的时延均方扩展和角度均方扩展拟合结果验证了该模型具有 较高的精度。

• 独立操控频率和辐射特性的环加载扇形单极子天线

  吴泽宇,喻金,陈致允,吕文俊

  提出了一种具有频率和方向图可重构特性的环加载扇形单极子天线，该天线由一个扇形单极子单元和边缘加载扇环构成，并采用同轴线进行馈电。研究表明，扇环加载和馈电位置的变化会激发出不同模式组合，从而呈现出可独立操控的频率和辐射特性：改变环路加载位置，可使得在天线保持水平面和俯仰面辐射特性不变的情况下，分别实现窄频、宽频和多频段特性之间切换；改变馈电位置，可使得天线在1.9~5.6GHz的阻抗带宽保持不变的情况下，在2.8~5.0GHz频段内实现天线背射/端射（水平面）、有/无零向频扫（俯仰面）特性的切换。

• 基于CEEMDAN与自适应双阈值小波分析的心音去噪

  卢官明,唐瑭,戚继荣,王洋,赵宇航

  针对现有基于经验模态分解的心音去噪算法在进行模态分解后存在心脏杂音与噪声模态混叠的问题，提出了一种基于自适应噪声完全集合经验模态分解（Complete Ensemble Empirical Mode ?Decomposition with Adaptive Noise，CEEMDAN）与自适应双阈值小波分析的心音去噪算法。首先，通过 CEEMDAN 方法，将含噪心音信号分解为不同时间尺度上的固有模态函数（Intrinsic Mode ?Function，IMF）分量；然后，采用去趋势波动分析（Detrended Fluctuation Analysis，DFA）方法将不同的IMF分量判定为含噪的心脏杂音IMF分量或心音IMF分量；接着，利用小波分析技术，滤除含噪心脏杂音IMF分量中的噪声，保留含有病理特征的心脏杂音；最后，将保留下来的心脏杂音与心音 IMF分量进行重构，得到去噪后的心音信号。在Khan数据集上的实验结果表明，在不同噪声强度下，所提出的心音去噪算法均能明显提高心音信号的信噪比，降低均方根误差，优于其他现有方法。对临床采集的新生儿心音信号进行去噪的实验结果表明，所提算法具有良好的抑制噪声能力，并保留了含有病理特征的心脏杂音。

• 物联网中面向用户体验质量的触觉编码与网络资源分配联合方案

  张旭光,陈鸣锴,康彬,王磊

  融合听觉、视觉和触觉交互的多模态应用有望为用户提供高度沉浸式的体验和丰富的交互功能，即将成为下一代物联网（Internet of Things，IoT）的关键服务。然而，IoT中网络资源的碎片化和分布式特性给触觉通信的高时效性和可靠性提出了巨大挑战。针对这一问题，提出了一种触觉编码和网络资源分配的联合方案。首先，设计了一种灵活可伸缩的触觉编码方法，结合人类触觉感知机制，能够自适应IoT复杂多变网络环境下的传输需求；其次，构建了一种基于用户体验质量（Quality of Experience，QoE）的网络资源按需分配机制，在提升用户体验的同时优化网络资源的利用效率。仿真结果表明，该方案在提升触觉通信服务的QoE和网络资源效能方面效果显著。该研究成果为未来IoT场景下的高效多模态应用提供了技术支撑，具有重要的实践价值和理论意义。

• 深度联合编解码器融合知识图谱的语义通信性能优化

  赖雪冰,李旋,王辩铮,申滨

  语义通信模型通常采用传统信源信道编解码方案，在低信噪比环境下，文本传输易受噪声影响而导致失真。因此，设计了一种深度联合语义信道编解码器融合知识图谱的语义模型KG?DeepSC，实现文本传输性能优化。该模型在发送端引入冗余三元组过滤模块对知识图谱进行预处理，然后经过基于Transformer的联合编解码器，将三元组作为基本符号传输至接收端，并恢复为自然文本。所设计的编解码器通过学习推理三元组之间的关联，基于其所具有的自注意力机制捕捉并传输三元组语义特征，增强了对抗物理信道噪声的能力，并节约了传输开销。另外，引入基于Flan?T5模型的微调实现自然文本恢复任务，并结合数据增强方法进一步提升模型泛化能力。计算机仿真实验证明，在低信噪比条件下，与传统的Huffman?RS语义编码方法和联合编解码器独立架构DeepSC相比，所提出的KG?DeepSC语义相似度性能分别实现了至少30%和10%的提升，能够更为有效地传输语义知识。

• 融合LightGlue的机器人单目视觉里程计

  陆音,蒋珍浈,孙进,沈玲

  针对移动机器人在视角变换和光照变化环境下位姿估计误差较大以及运行时间较长的问题，提出一种融合LightGlue匹配方法的单目视觉里程计。首先，采用SuperPoint网络模型提取特征点。其次，利用 LightGlue特征匹配器对相邻帧的特征点进行精确匹配，并采用随机抽样一致性算法优化匹配结果。最后，通过对极几何约束恢复相机位姿，采用最小化投影误差的方法优化相机位姿。实验结果表明，在图像发生光照和视角变化时，相较于其他视觉里程计算法，所提算法不仅显著减少了绝对轨迹误差和相对位姿误差，而且大幅缩短了运行时间，表现出良好的稳健性和高效性。

• 安卓应用程序反动态分析技术研究进展

  孙国梓,索得文,何韩森

  安卓平台因其开放性成为开发者和用户的首选移动操作系统，但其应用程序面临的恶意分析和逆向工程威胁日益严峻，严重影响用户数据安全和隐私保护。现有研究虽然涉及反静态分析和部分反动态分析技术，但对反动态分析技术缺乏系统性总结。文中聚焦反动态分析技术中的反调试、虚拟环境检测和Root检测三大方向，通过对300个实际APK样本的深入分析，总结了各类技术的实现机制、适用场景及其优劣，并从部署复杂度、有效性和抗攻击能力等维度进行了全面对比。提供了一个综合的反动态分析技术视图，旨在为安卓应用程序反分析技术研究提供全面的参考。

• 基于条件扩散概率模型的多模拟态裁决优化算法

  张涛,马媛媛,陈璐,何川

  随着未知攻击的频率增加，拟态防御已逐渐成为主流的防御手段。然而，传统的表决策略在拟态防御中缺乏有效的错误感知能力。因此，基于异常检测的表决算法成为当前研究领域的热点。目前，现有的异常检测方法主要挑战在于低召回率以及对噪声数据的抗干扰能力较弱。为了解决这些问题，提出了一种基于条件扩散概率模型的多模拟态裁决优化算法。该算法将数据输入到多个异构执行体中，通过统计异常值的频次，并利用条件扩散概率模型进行异常检测，采用均方误差（MSE）作为损失函数优化输出结果。最终，通过综合考虑均方误差和异常频次确定执行体的动态可信度，从而确保分类判决的准确性和有效性。该研究有望进一步增强工业控制系统的安全性和鲁棒性。

• 基于时间序列预测的冷数据压缩方法

  张永潘,张正,徐良红,钱超,丁诚,潘甦

  提出了一种基于时间序列预测的时序数据库的冷数据压缩方法。该方法采用一种双自回归预测模型对时序数据进行预测，只储存预测值和真实值的残差以及预测模型系数。在解码端通过预测模型系数构建预测模型，输出预测值，然后加上残差恢复原始值。由于残差远远小于原始值，因此可以用很少的比特量化，同时预测模型系数在存储一次后在长时间内不必重复存储，因此达到压缩时序数据的目的。在8个不同大小类型的真实数据集上的实验结果证明了该压缩方法良好的压缩表现，适合处理数据量大但对算法时延没有要求的历史数据。

• 基于切片的人工智能模型数据质量处理方法研究

  陈彬,杨秋勇,徐欢,唐力,李辉

  随着人工智能（Artificial Intelligence， AI）技术应用的不断扩展，对建立AI模型所需数据提出了更高的质量要求。针对目前数据质量处理方法错误率高、速度慢的问题，提出了一种新的处理方法，以确定表现不佳的数据子集。首先，将AI模型数据集的划分定义为数据切片问题，如果AI模型在特定切片上性能较差则该切片为问题切片。其次，提出了决策树和点阵搜索两种数据切片方法。然后，通过假设检验进行问题切片识别和错误发现控制。最后，将基于聚类的数据切片方法作为对比基准，使用真实数据集和合成数据集评估所提方法，在数据切片大小、统计显著性和错误发现控制等多个方面的测试结果验证了所提方法的有效性。

• MulFSL：基于自适应多模态小样本学习的轻量级蜜网入侵检测系统

  汪溢镭,韩嘉佳,孙歆,汪自翔,戴桦,刘恒旺

  为了提高蜜罐的使用效率，动态蜜网采用重定向技术将高风险的流量引导至合适的蜜罐，而入侵检测系统（Intrusion Detection System，IDS）则是重定向技术的关键前提条件。然而，由于电力物联网中攻击事件稀缺、训练样本不足，导致基于人工智能的IDS在样本有限的情况下分类效果不佳。更重要的是，传统蜜网消耗大量计算资源，不适合部署在电力物联网中的弱计算环境。针对这些挑战，文中提出了一种名为 MulFSL 的自适应多模态小样本学习技术用于轻量级蜜网入侵检测系统。该系统将加密的流量载荷生成文本模态，提取流的统计特征生成结构化数据模态，形成小样本学习数据集，并将数据集切分为支撑集和查询集。MulFSL通过训练嵌入函数，将查询集中的数据投影到同类样本距离较近的空间，作为不同攻击类型的原型，然后通过计算样本与原型之间的距离进行分类。此外，系统根据可用资源自适应调整卷积编码器的大小，减少边缘设备的资源消耗。该入侵检测系统在自建数据集上得到验证，并与XGBoost、随机森林、决策树和高斯朴素贝叶斯等模型进行了比较，结果显示MulFSL的性能最为出色。

• 基于大语言模型的电信领域知识问答技术研究

  魏思言,许文嘉

  为提升电信领域知识问答与通信协议解析的精度，解决传统方法依赖人工经验导致的泛化性差等问题，提出一种基于大语言模型的电信领域知识问答技术框架（Telecom?LLM）。使用Qwen2.5?7B模型作为基础架构，采用两阶段优化方法：引入基于LoRA的监督微调方法和基于GRPO的强化学习方法。此外，构建大规模3GPP标准文档开放式问答数据集3GPPQnA（涵盖3 000份技术文档，总规模超100万字）。结果表明，提出的Telecom?LLM在电信领域知识问答任务中，在 TeleQnA数据集上达到77.55%的准确率，在3GPPQnA数据集上取得59.01%的综合评分，相较基线模型提升显著。