电磁频谱在现代社会中扮演着至关重要的角色,是国家战略资源,为通信、导航、科学研究和国防等领域提供关键支持。为应对电磁频谱高效管理与利用中的诸多挑战,人工智能(Artificial Intelligence,AI)技术在物理层中被广泛应用。然而,研究发现AI 模型对于数据的依赖导致其在训练和测试阶段容易受到恶意攻击。为推动针对电磁频谱AI 模型的攻击与防御相关研究的发展,保障AI 模型的安全应用,提升电磁安全能力,对电磁频谱物理层AI 模型的对抗攻击方法进行了回顾,包括在训练阶段和测试阶段的攻击原理与方法。从数据、模型以及电磁信号特性的角度回顾了对抗攻击的评测工作。展望了攻击、评测和系统研发三个具有潜力的研究方向,并做出了总结。
未来军事力量竞争逐步向空天领域转移,外层空间已经成为战场信息的重要媒介。随着信息化水平不断提高,电磁空间作为空天战场信息的主要载体愈加复杂,对电磁频谱认知能力提出了更高要求。针对现代战场电磁频谱环境快速时变、信号多样的挑战,提出了空天战场电磁频谱智能认知系统架构,以及基于该架构的全并行瞬时大带宽信号处理、高精度多信号参数估计、复合特征调制识别和多域融合干扰识别技术,有效解决了空天平台复杂电磁环境高动态大带宽信号的认知难题。
随着我国海洋经济事业的蓬勃发展,以及现代化战争中航空救援保障体系的急切需求,航空搜救定位技术越来越受到关注。基于无线电的航空搜救定位技术主要包含了测距、测向以及相应的多源融合技术。然而,搜救飞机上的起落架、轮胎等机载设备会对接收天线造成严重的遮挡、多径,给无线电测向带来较大误差。对此,基于贝叶斯滤波和群体智能理论,提出了一种基于稳健人工鱼群粒子滤波的无线电航空搜救数据融合定位方法。将粒子滤波中的粒子看作鱼群个体,通过模仿鱼群算法的觅食、群聚、追尾、随机游走行为来实现重采样步骤的优化,并且对行为中的搜索范围、寻优速度等方面做了改进,形成测距-测向融合定位算法。实际数据建模和仿真结果表明,所提的融合定位方法能够在较短的时间内达到较为准确的位置精度和角度精度,收敛性较强,具有良好的实时性和鲁棒性。
特邀策划人 刘光毅 博士,教授级高级工程师,中国通信学会会士,享受国务院特殊津贴专家,2017年团队入选央企楷模,2018年入选科技部中青年科技创新领军人才,2020 年入选全国劳模,现任中国移动通信集团公司首席专家和6G总监、中关村泛联移动通信技术创新应用研究院首席科学家、毫米波与太赫兹产业联盟副理事长、北京通信学会理事、工信部IMT-2030 推进组无线技术组副组长、6GANA TSC 成
太赫兹通信以其可提供更高速、更大容量和更安全的数据传输的独特优势,在未来6G 中成为重要的关键技术之一。基于固态电子的太赫兹通信系统存在带宽受限、频谱响应不平坦等问题,需要先进的信号形式结合灵活高效的处理方法来提升系统性能。搭建了基于固态电子的G 波段太赫兹无线通信系统,通过采用比特-功率加载的离散多音(Bit and Power Loading-Discrete Multitone,BPL-DM)调制技术,实现了对系统频谱资源的有效利用;通过对通信速率的灵活调整、自适应削波和基于三阶多项式的后均衡技术,解决了峰值功率约束带来的挑战,提升了整体传输性能,实现了在195 GHz 中心频率下,单通道130 Gbit / s 的通信线路速率。基于以上技术,为进一步提升系统容量,搭建了4×4的多输入多输出(Multiple-Input Multiple-Output,MIMO)太赫兹通信系统,总线路速率超过399 Gbit/s。
太赫兹固态通信系统被认为是下一代通信的重要技术备选方案,其高速、实时、大容量传输特性为“万物智联”提供了可能。当前,太赫兹固态通信系统面临诸多技术挑战。为进一步推动太赫兹固态通信系统研制,梳理了太赫兹波段信号调制、固态器件、天线以及收发系统的研究进展与关键技术,并剖析了太赫兹通信系统未来的发展方向。太赫兹固态通信系统将进一步加快通信系统小型化研究,促进信号、器件、芯片、系统等多项技术深度优化融合,为商业化应用提供技术基础。
共振隧穿二极管(Resonant Tunneling Diode,RTD)是一种基于量子隧穿效应的半导体器件,同时具有非线性特性和负阻特性,通过改变偏置电压可以作为太赫兹源和太赫兹探测器,在未来6G 技术中通信感知一体化方面具有优势。简要总结了基于RTD 实现的器件的工作原理,对基于RTD 实现的太赫兹源和太赫兹探测器、太赫兹通信系统以及太赫兹雷达系统等太赫兹技术的研究进展进行介绍,并对当前存在的技术挑战和未来的发展方向进行探讨。基于RTD 的太赫兹技术凭借其突出的优势,将成为未来电子器件领域重要的发展方向。
太赫兹通信是未来6G 中业界关注的重要场景之一。太赫兹频段可以支持超大带宽和超高速率的无线通信,目前3GPP 协议中的正交频分复用(Orthogonal Frequency Division Multiplex,OFDM)技术使用支持的最大子载波间隔和最大快速傅里叶逆变换(Inverse Fast Fourier Transform,IFFT)点数不足以满足太赫兹场景超大带宽的需求。提出了一种新的波形方案:广义滤波器组-正交频分复用(Generalized Filter Bank Orthogonal Frequency Division Multiplexing,GFB-OFDM)波形,可以将原有的大点数IFFT 分解成两级小点数的IFFT,以支持更大的传输带宽。GFB-OFDM 还可以灵活地支持不同子载波间隔、不同数据类型的联合处理,以实现不同业务类型的传输。GFBOFDM 在接收端仍然可以采用传统的循环前缀正交频分复用(Cyclic Prefix Orthogonal Frequency Division Multiplexing,CP-OFDM)接收方法,仿真结果表明GFB-OFDM 的综合性能优于CP-OFDM。
单一的雷达指标和通信指标难以评价通信感知一体化(Integrated Sensing and Communication,ISAC)系统的整体性能,不同的ISAC 应用场景对通信和雷达的性能需求不同。提出了ISAC 联合优化方案,能够将通信指标和雷达指标联合,并使一体化波形根据不同场景做适应性改变,提高了ISAC 系统整体性能。推导了雷达条件互信息(MutualInformation,MI)和通信数据信息速率(Data Information Rate,DIR),在总功率的约束下,设计并实现了雷达MI 和通信DIR 的联合优化方案,通过求解凸函数优化问题得到了优化的发射功率,从而优化一体化波形。通过仿真和实验验证了联合优化方案的有效性,对比了基于正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)信号和正交啁啾分复用(Orthogonal Chirp Division Multiplexing,OCDM)信号调制的光子太赫兹一体化系统的优化效果,得出OFDM 一体化系统具有更好的优化效果,性能提升较大。
太赫兹通信技术是下一代无线通信的关键技术之一。相较于5G 的毫米波频段,太赫兹频段的电磁波波长更短、波束更窄、抗捕获能力和抗干扰能力更强。但另一方面,更高的频率意味着更大的衰减。在太赫兹频段,传播距离相较于毫米波进一步缩短,需要对太赫兹频段的无线传播环境进行测量与建模,作为评估太赫兹通信技术的基础。罗德与施瓦茨公司在信道测量方面有着丰富的研究经验,为推动太赫兹频段信道测量的研究工作,介绍了太赫兹频段时域信道测量和频域信道测量的两种方法,并基于罗德与施瓦茨公司的信号源和频谱仪,分别在158、300 GHz 频段对常见通信场景如城市街道峡谷、室内购物中心等进行了信道测量,并分析了信道冲激响应(Channel Impulse Response,CIR)。太赫兹技术已经在业内具有了一定研究基础,但仍有许多技术挑战亟待解决。通过对信道测量方法的介绍和对实测结果的分析,对太赫兹频段下的信道特征进行了研究与总结,为后续太赫兹相关领域的研究工作打下了基础。
作为6G网络关键候选技术之一的太赫兹通信,其严重的路径损耗和阻塞敏感性对太赫兹信号覆盖范围造成了极大限制。一系列的太赫兹通信覆盖增强技术被提出。为了更好地在实际环境中对覆盖增强技术进行个性化的设计与部署,针对相应太赫兹无线信道展开建模分析。介绍了太赫兹通信的确定性信道建模方法,针对射线追踪(Ray Tracing,RT)方法进行了探讨,阐述了辅助太赫兹通信覆盖增强的相关技术。基于RT 方法构建了面向太赫兹通信覆盖增强的确定性信道模型实例,验证了相关技术对太赫兹通信覆盖具有增强的效果,并对建模的相应挑战展开了讨论。对RT 方法在未来太赫兹通信技术的应用进行了展望。
太赫兹(Terahertz,THz)频段(0. 1 ~ 10 THz)可以提供数十GHz 的连续带宽,以实现6G 通信系统中的天地一体化网络(Space-Air-Ground Integrated Network,SAGIN)。然而,太赫兹波与SAGIN 中信道介质的相互作用仍然是一个谜。太赫兹波在太空-大气-地表-海面(空-天-地-海)信道中所遭受到的吸收和散射效应可被建模为太赫兹光子与介质粒子的碰撞过程,在此基础上结合电磁理论和热力学方法提出了通用的太赫兹波空-天-地-海衰减模型。相比已有模型,该模型考虑了各类粒子(包括凝聚态粒子、单个分子和自由电子)所导致的衰减效应,涵盖了太赫兹波在传播过程中所能遇到的衰减效应。基于该模型对太赫兹波在大气和外层空间的传播损耗进行数值计算,计算结果表明,除自由空间损耗(Free-Space Path Loss,FSPL)外,其他衰减效应在50 km 以上的大气都可以忽略不计,而在50 km以下的大气中则需要考虑这些衰减效应。
掌握太赫兹频段室内信道特性及模型,是太赫兹室内通信系统设计和技术评估的前提。为了解太赫兹频段室内空-时域的信道特性,选取典型室内办公室场景,分别完成视距(Line of Sight,LoS)和非视距(Non Line of Sight,NLoS)场景下100 GHz 频段、带宽为1.2 GHz 的信道测量。通过分析结果,发现两场景的均方根时延扩展值和均方根角度扩展值都服从正态分布,且NLoS 场景的两种参数值都比LoS场景大。此外,由于太赫兹频段多径信号分量较少,且测量场景尺寸较小,使得实测的均方根时延扩展值的测量结果比3GPP 标准值约小12 ns。通过建立对数距离模型探讨测量距离对两种参数的影响,发现均方根角度扩展值在NLoS 场景中随距离的增加有上升趋势,而均方根时延扩展值在两场景中变化趋势相反。
太赫兹(Terahertz,THz)通信是6G 的关键技术之一。由于太赫兹技术具有大带宽和超高速率的特点,越来越受到关注。为支持太赫兹无线通信设备的性能评估,建立能够表征信道特性的无线信道模型至关重要。提出了一种基于散射特性的太赫兹信道模型,在室内场景中使用该信道模型生成信道系数和功率时延谱。分析结果表明,提出的信道模型能较好地表征太赫兹散射特性,能够支持太赫兹通信系统的设计与评估。
毫米波/太赫兹通信支持超大工作带宽和超高通信速率,是具备高应用潜力和影响因子的6G关键候选技术。提出了一种高频通信系统混合赋形架构下的信道矩阵估计方法,可有效估计信道信息,对上下行信道互易性无要求,且通过构造特殊权矢量矩阵,在估计信道矩阵时通过矩阵相乘运算来完成信道矩阵估计,避免了统计协方差矩阵求逆或特征分解运算,大幅度降低信道估计算法的计算复杂度和运算量。
太赫兹涡旋波产生与调控被认为是6G 通信、雷达探测、新型传感器的关键技术之一。利用人工超表面产生涡旋波,相较于传统方法具有平面化、集成化、低成本的特点,但是面临复杂的参数设计和分析,需要耗费大量的时间和算力。为此,提出一种机器学习辅助太赫兹涡旋波超表面快速设计方法,通过长短期记忆(Long Short=-TermMemory,LSTM)神经网络法快速得到满足相位需求的超单元并进行一体化组阵。利用该方法,设计构筑了三块模数l分别为1、2、3 的太赫兹涡旋波超表面,仿真结果表明,设计的太赫兹涡旋波束模式纯度达到80% 以上。机器学习辅助太赫兹涡旋波超表面设计方法具备精度高、快速、一体化设计等优点,有望运用于太赫兹幅度、相位、极化、轨道角动量等复杂波束调控领域。
随着安全通信要求的提高,卫星通信信号的隐蔽性备受关注。提出了一种基于Arnold 变换的抗截获波形设计方法,采用图像领域中的Arnold 变换,将扩频信号在频域进行置乱后发送,使得置乱后的信号在时域上不具备扩频信号的周期特性,在频域上更具有随机特性,提高信号传输的安全性。经Arnold 变换后的信号采用时延相关法进行检测,不能检测出明显的相关峰。根据时延相关的结果,采用峰均比(Peak-to-Average Power Ratio,PAPR)检测,分析置乱信号的检测概率。与传统扩频信号相比,设计的信号波形在相同信噪比和检测门限条件下,具有更低的检测概率,抗截获性能更好。经过仿真验证可知,接收端根据Arnold 反变换,恢复出包含有重要信息的原始信号,并且经过Arnold 变化后的信号几乎不会造成误码率的波动和提升。
为解决宽带太赫兹通信中传统混合预编码架构中的波束色散问题,将时延器引入到该架构中,并研究基于时延器的混合预编码架构性能。讨论了混合远近场太赫兹通信中的波束色散问题,分析了引入时延器后的混合预编码架构及其性能,提出了一种基于远近场的混合预编码算法,对所提算法和传统的混合预编码算法进行了仿真。仿真结果表明,所提算法在性能上优于传统算法,可以有效缓解混合远近场中的波束色散。
目前,室内场景下诸如定位及追踪、人体活动检测等许多应用对感知的需求越来越大,为支撑高精度感知,高效快速的波达方向(Direction of Arrival,DoA)估计是关键能力之一。然而在具有多径和障碍的室内环境下,传统DoA 估计方法存在局限。鉴于机器学习在解决复杂信号处理问题方面呈现的效能优势,对基于深度学习(DeepLearning,DL)的室内目标DoA 估计方法展开研究。设计了专门的卷积神经网络应对未知多径信号带来的不利影响,同时训练了模型从多径分量中分辨提取视距径信号DoA 特征的能力。基于此,利用公开的DeepMIMO 数据集生成了室内目标DoA 估计专用构造数据集来训练模型,提出了基于小样本学习(Few-Shot Learning,FSL)的在线快速学习机制,对提高模型泛化性和鲁棒性展开设计。对室内环境下的DoA 估计进行了多种方法仿真对比,验证了所提方法的有效性。
随着通信系统和人工智能的飞速发展,以智慧城市、智慧工厂和智能制造等为代表的多种新型应用场景不断涌现,使得通信、感知和计算等系统的一体化成为技术发展的新趋势。人工智能新型应用场景对大规模高效敏捷计算提出了新的要求,基于敏捷集群计算系统,提出了一种并行广义最小残差(Generalized Minimal Residual,GMRES)方法,主要通过并行矩阵向量乘法和并行高瘦矩阵QR(Tall and Skinny QR,TSQR)分解实现Krylov 子空间的高效并行构造,充分利用集群计算系统的计算和通信性能,实现大规模线性方程组Ax = b 的快速求解,其中A 为一个n×n 的矩阵,在工程实践中,n 可达数十万甚至百万规模。通过求解二维泊松方程的有限元离散得到的刚度方程,验证了算法的有效性。
相比于2×2 核极化码,3×3 核极化码的码长更加丰富以及有着更高的极化速率。同时,极化码的置信传播(Belief Propagation,BP)算法相比于传统串行消去(Successive Cancellation,SC)译码算法具有更低的延时。将2×2 核极化码的BP 译码算法推广至3×3 核。获得了3×3核内部最小计算单元的信息更新公式;基于信息更新公式,给出了3×3 核的BP 译码算法。仿真结果表明,对于3×3 核极化码,BP译码算法相比于SC 译码算法,在中低信噪比下性能要优于SC 译码算法。在译码性能相当的条件下,BP译码算法有着更低的译码延时。
针对高速移动环境下频率色散现象以及信道容量低和系统可靠性差的问题,提出采用多输入多输出(Multiple-Input Multiple-Output,MIMO)技术与单载波频分多址(Single Carrier Frequency Division Multiple Acess,SC-FDMA)技术相结合的方法,设计了一种适用于四天线MIMO-SC-FDMA 通信系统的高精度信道估计算法。该算法采用空时编码(Spatial Time Block Code,STBC)与时间切换传输分集(Time Switched Transimit Diversity,TSTD)结合的STBC-TSTD 分集编码技术,选择自然插值方案,在离散傅里叶变换(Discrete Fourier Transform,DFT)信道估计方法的基础上设计了一种利用频域加权来提高信道估计精度的高精度信道估计算法,减小了频率色散现象影响,提升了信道容量和系统可靠性,通过仿真分析验证了所提算法的有效性。
大核矩阵极化码的传统连续消去(Successive Cancellation,SC)译码算法有较高的计算复杂度,采用网格来降低大核矩阵极化码SC 译码算法的复杂度。发现了SC 译码算法核内部运算和网格的联系,建立了相应的网格替代核内部运算,基于BCJR(Bahl,Cocke,Jelinek,Raviv construction)网格构造出SC 核内部运算的最小网格。有效降低了算法计算量。仿真结果表明,3×3 核的长度为243、码率为1/2的极化码,相比于直接计算式,运行时间减少了79.14% ,节省了14.2% 的计算成本。
在随机有限集多目标跟踪过程中,由于跟踪问题的复杂性,会耗费大量的计算成本,特别是在目标和杂波密集的复杂情况中,计算成本呈指数增长。随机有限集中通常采用的分配算法——例如Murty 算法的时间复杂度为滤波器生成的代价矩阵规模的三次方。为了减少跟踪耗时,结合组合优化的思想,将代价矩阵重定义为二分图,采用了一种基于深度强化学习的二分图匹配算法,取代传统随机有限集中的分配算法,并通过仿真实验验证了所提方法的可行性。实验表明,所提方法在保证跟踪性能的前提下减少了跟踪耗时,提升了跟踪实时性。
在现实工业环境中需要对设备故障做出快速准确的诊断,低时延和高准确度的要求使得传统卷积神经网络(Convolutional Neural Network,CNN)在故障诊断过程中受到严重制约。针对此问题,提出了一种基于深度可分离卷积神经网络(Separable Convolutional Neural Network,SCNN)的轴承故障诊断模型,构建能够处理连续振动信号的主干CNN,通过对主干CNN 中的卷积层进行可分离处理来构建SCNN,实现卷积过程的通道和区域的分离,减少卷积计算过程中所需的参数,从而降低计算时延;为SCNN 引入残差层,通过残差连接来保证卷积迭代计算的准确率,避免网络层数过多而造成过拟合。为了对比所构建模型的有效性,将传统的VGG16 和ResNet50 网络进行一维重构来进行验证,并对分类处理后的CWRU 故障轴承数据进行分析。结果显示该模型在保证识别准确率的同时有效地提高了故障诊断的效率。
联邦学习框架正逐渐被广泛应用于车联网领域,针对车辆的移动性特点以及大量车辆联邦学习时同时接入参数服务器交互参数易产生的通信拥塞的问题,提出了一种基于模糊逻辑的车辆选择和基于演化博弈的参数服务器选择算法。通过设计模糊逻辑算法,考虑车辆的移动性、设备条件以及数据量因素来选择通信连接较稳定、计算能力较强和数据量多的车辆参与联邦学习。采用演化博弈进一步刻画选出的车辆自主决策选择参数服务器的过程,平衡联邦学习模型准确度以及产生的通信和计算成本,从而避免通信拥塞并最大化车辆个体利益和整体利益。仿真验证了大量车辆场景下所提出算法的性能,实现模型训练的低成本、高精度。
在遥感地面站天线设备中,跟踪精度是伺服控制系统的关键技术指标。重点分析影响跟踪精度的机械结构谐振频率、摩擦两个结构因素,给出了影响因素与天线跟踪误差之间的理论关系:天线机械结构谐振频率主要影响伺服动态滞后误差和高仰角跟踪性能;摩擦力矩主要影响跟踪随机误差和伺服低速跟踪平稳性能。给出了改善低速平稳性能的解决措施;提出了一种数字复合控制融合新型结构滤波器(数字凹口滤波器+一阶惯性环节)的动态跟踪控制方法,解决了窄波束天线机械结构谐振频率较低影响伺服跟踪性能的问题。测试结果表明,天线最低平稳运行速度达0.005(°)/s,速度误差优于10% ;天线加速度在0.393(°)/s2 时,方位动态跟踪均方根误差优于0.0062°。遥感地面站天线设计方法实用有效,为今后同类天线伺服控制系统设计提供了理论依据。