摘要：针对双站反向散射通信(Backscatter Communication,BackCom)网络易遭受恶意窃听的问题,提出了隐蔽双站BackCom网络。推导了窃听者检测错误概率和BackCom传输中断概率来刻画其信息传输的隐蔽性与可靠性,并提出一种方法在满足隐蔽性约束下来进一步提高系统的传输性能。利用统计信道状态信息,在高信噪比条件下依次推导窃听者检测错误概率BackCom中断概率的闭合表达式。通过联合优化窃听者的检测阈值和BackCom发射机的反射系数,构建一个BackCom传输中断概率最小化的非凸多维资源分配问题。为了解决该非凸问题,采用块坐标下降法(Block Coordinate Descent,BCD)将其分解为两个子问题。在此基础上,深入分析子问题的结构特性并利用目标函数关于反射系数的单调递减特性设计一种基于BCD的迭代算法,以此求解转换问题。仿真结果验证了分析结果的正确性并且所提方案能够提升基准方案的性能,当传输速率为0.1 Mb/s时,系统的中断概率能够降低至10^(-2);对于较大传输速率,系统的中断概率仍保持在10^(-1)以下。

摘要：面向未来网络信息高效、可靠传输的实现要求,提出了一种可重构智能表面(Reconfigurable Intelligent Surface,RIS)赋能的多层增广空域图案索引调制(Augmented Pattern Index Modulation,APIM)方案。该方案利用收发空域图案索引与RIS反射空域图案索引分别承载传输信息,以实现多路数据的高效并行传输。利用面向RIS阵元和子集相位对齐的反射策略,以最大化目的接收天线信号功率,同时满足实现不同复杂度要求。在接收信号检测方面,分别引入了最优联合检测与次优分离检测两种算法,以达成检测性能与复杂度之间均衡的设计要求。构建基于同变量矩生成函数分析的多层RIS-APIM系统误码与容量性能分析统一框架,以评估所提多层RIS-APIM系统的可达性能。仿真结果表明,与单层RIS-APIM系统相比,所提多层RIS-APIM系统成倍地提升了数据传输速率。与经典APIM方案相比,所提方案的系统误码率较低,信息传输的有效性较高。

摘要：针对现有超低频天线发射端单一化缺陷和通信距离受限瓶颈,为实现超低频电磁发信系统的小型化和远距离传输,该文对旋转式永磁体机械天线的超低频电磁发信技术进行了理论创新和工程实践。探究多输入单输出(MISO)场景下超低频多机械天线电磁辐射理论,建立了基于三相感应电机的多机械天线阵列的空间磁场分布模型。仿真结果表明:利用三相感应电机组成的2元机械天线阵列可使磁感应强度在近场提高3 dB。该文还提出了多天线超低频近场最优波束成型技术。仿真结果表明:当天线之间的初始相位相等时径向接收磁场分量场强最大。设计高精度同步技术并搭建原理样机进行测试,实验结果表明:发送端采用2元天线组阵,信号功率提高6 dBm,传输距离可达50 m。

摘要：针对无线供能反向散射通信网络,提出了一种满足传感设备通信需求及能量因果的专用能量站能耗最小化资源分配方法。在考虑非线性能量收集模型及不完美串行干扰消除基础上,通过联合优化专用能量站发射功率、传感设备反向散射通信时间、反向散射系数及其能量收集时间,构建了一个专用能量站能耗最小化的非凸多维资源分配问题。首先,构建辅助变量对反向散射系数与时间进行解耦,再利用目标函数是关于专用能量站发射功率的单调递减函数这一特性来设计一种基于二分法的迭代算法来获取原问题的最优解。仿真验证了所提算法的快速收敛性,同时,与同类算法相比,所提方法可为专用能量站节约更多的能量。

摘要：卫星物联网是未来6G网络重要组成部分,在地面部署可重构智能反射面(Reconfigurable Intelligence Surface,RIS)则能进一步增强天地之间信号的传输能力;然而海量设备的接入和检测,以及RIS的引入带来的较高复杂度,给系统设计与实现带来挑战。针对卫星物联网设备和业务稀疏特性,本文提出了一种基于压缩感知的信号重构算法,旨在提高系统的接入用户数和检测成功率,同时降低检测的复杂度。首先,介绍了RIS辅助的卫星物联网系统架构,构建了天地信道模型和星上接收信号模型。然后考虑到卫星物联网地面终端的稀疏性和业务的稀疏性,结合稀疏码分多址(Sparse Code Multiple Access,SCMA)和压缩感知的信号处理方法,通过合理设计SCMA中的稀疏码字,将多用户检测转化为压缩感知理论中的信号重构。最后提出了一种演进的近似消息传播算法(Evolved Approximate Message-Passing,EAMP)来实现压缩感知中的信号重构。仿真结果表明,RIS辅助的SCMA系统与功率域的非正交多址接入技术相比可以提高系统的吞吐量性能,同时EAMP算法相比传统的SIC算法具有更高的正确检测概率和更低的算法复杂度。

摘要：针对传统BP神经网络易陷入局部极值和连接权值难以确定的问题,提出了一种基于融合PSO(Particle Swarm Optimization)和CS(Cuckoo Search)的混合算法优化设计BP神经网络(PCS-BP)的预测模型.该优化方法主要利用混合算法优秀的全局搜索能力和收敛速度设计优化BP神经网络的连接权值和网络结构,解决了BP神经网络由于参数随机取值引起的网络震荡和过拟合的问题,提高了预测模型的准确性.结合具体实例,分别采用BP神经网络、CS-BP模型和PCS-BP模型对汉中地区的月降水量进行预测,实验结果表明,PCS-BP的平均绝对误差(MAE)为0.3966,均方根误差(RMSE)为2.3793,平均绝对百分比误差(MAPE)为0.46%,均优于其他模型,具有较好的预测能力.

摘要：现有的网络表示学习算法主要是针对同质网络或异质网络设计的,而忽略了在推荐系统、搜索引擎和问答系统等领域出现的二分网络的特殊特征以及这类网络所携带着的非常丰富的属性信息。为了解决上述问题,提出了一种结合属性信息的二分网络表示学习方法(ABNE)。该方法首先将连边分解成邻居节点间的间接关系集,嵌入显式关系,接着通过余弦相似性引入并定义节点的属性相似度矩阵,并将其作为权重矩阵的一部分指导有偏随机游走,从而嵌入隐式关系和属性信息。最后通过一个联合优化框架得到同时携带网络结构信息和属性信息的节点表示向量。在四个真实公开数据集上进行了推荐任务,并与其他现有方法进行比较,实验结果表明该算法的优越性和合理性。

摘要：研究多输入多输出全双工双向通信系统中,合法节点在接收信息的同时向对方发送保密信息,并协同发送人工噪声的物理层安全方案的预编码矩阵设计。针对合法信道、窃听信道的信道状态信息完美的场景,使用DC规划优化信息信号与人工噪声的预编码矩阵以最大化系统保密和速率。对于信道CSI不完美的场景,使用最差准则建模信道,利用加权最小均方误差算法对预编码矩阵进行稳健设计。仿真结果验证了优化算法能有效提高系统的保密和速率。

摘要：针对神经网络算法在当前PM2.5浓度预测领域存在的易过拟合、网络结构复杂、学习效率低等问题,引入RFR(random forest regression,随机森林回归)算法,分析气象条件、大气污染物浓度和季节所包含的22项特征因素,通过调整参数的最优组合,设计出一种新的PM2.5浓度预测模型——RFRP模型。同时,收集了西安市2013—2016年的历史气象数据,进行模型的有效性实验分析。实验结果表明,RFRP模型不仅能有效预测PM2.5浓度,还能在不影响预测精度的同时,较好地提升模型的运行效率,其平均运行时间为0.281 s,约为BP-NN(back propagation neural network,BP神经网络)预测模型的5.88%。

摘要：针对有源电子标签的功耗大和寿命短等问题,提出了一种基于远距离(Long Range,LoRa)标准和帧时隙ALOHA(Frame Slot ALOHA)算法的低功耗有源电子标签设计方案。首先,为实现低功耗的性能要求,在标签中引入预唤醒命令,并通过对预唤醒、唤醒周期中休眠和侦听时间的调整,进一步降低了标签的功耗。其次,采用帧时隙ALOHA算法以缓解标签在选择时隙中的碰撞问题。实际测试结果表明,加入预唤醒命令后,标签的理想侦听时间降低为4 ms,且休眠时长增加,能够满足延长标签工作寿命的实际要求。