分布式光伏系统因其部署灵活、分布范围广阔等特点,顺应了电力系统智能化与可再生能源高效利用的发展趋势。然而,管理该系统不仅需要实时获取光伏组件的运行状态、环境参数等传感数据,还需准确定位数据采集终端以支持故障排查、资源优化和效率提升,这对终端的能耗、大规模接入通信能力以及感知定位能力提出了严苛要求。现有技术难以同时满足低功耗通信、大规模终端接入与高精度定位的协同需求,导致分布式光伏系统在实际应用中面临显著挑战。为满足该需求,提出了一种基于功率控制非正交多址接入的低功耗反向散射通信感知系统。该系统在实现过程中面临以下难点:首先,现有反向散射通信技术在功率调控精度上存在不足,难以适应分布式光伏场景中动态变化的功率分配需求;其次,空间分布差异导致功率调控有效性下降,影响系统整体性能;最后,多标签定位过程中并发信号干扰严重,制约了定位精度。针对这些难点,基于隧道二极管设计反射功率控制方案,实现了信号功率的精细调节;提出了动态功率调控策略,优化了系统整体误码率;结合混叠信号中蕴含的到达角信息与非正交多址接入的功率域特性设计多标签定位方案,实现了多标签通信与位置估计。实验结果表明,系统误码率在信噪比大于15 dB时低于0.01%,定位角度误差在信噪比大于5 dB时低于5°。

传统的DMR网络通过以太网连接,在面对高数量的突发业务时,往往会出现长排队的现象并导致高时延,从而容易导致大量的重传现象并出现较高的丢包率。对IP网络的端系统进行流量控制以降低业务流在交换节点的冲突,进而避免产生较长的排队可能是一种有效的解决方案。文中在此基础上探讨IP互联下的DMR应急通信网络与确定性网络的融合的关键问题,提出了DMR应急通信网络的业务转发和调度方法,并设计确定性转发单元,实现了业务调度表来保证业务流之间能够错峰传输和中转,实现并控制业务流按照调度表的规则发送。最后采用DMR设备进行测试,结果显示该方法将抖动稳定性提升了19.80%。

边防区域作为军事斗争的核心区域,部署多源异构传感器网络(WSNs)可实现全天候态势感知。针对大规模的多源异构传感器部署应用,传感器部署需要综合平衡传感器网络整体效能与传感器部署成本。针对此问题,提出一种基于双层优化的多源异构传感器部署框架,构建上层以制造成本、部署成本及维护成本最小化为目标,下层综合网络覆盖率、可靠性及生命周期的多目标优化模型,并且设计双种群改进NSGA-II算法进行双层优化模型求解,通过种群分治策略与四分位距消解机制优化Pareto前沿分布,从而解决双层优化模型的嵌套结构求解困难问题。最后针对模型的应用问题,采用仿真实验验证了模型的有效性与算法优越性。

面向卫星智能处理、任务协同、高效传输需求,天基遥感数据处理形式从由地面云计算中心提供服务向由天基数据生成源端提供服务转变,并正向天基数据多星分布式边缘智能处理服务发展。天基边缘智能计算采用“地面云-卫星边缘-载荷端”分布式协同架构,地面云采用云原生Kubernetes框架,卫星边缘采用KubeEdge边缘计算框架。通过控制、数据平面网络实现载荷端、边缘算力单元、边缘控制器和网关之间的数据交互,支持云-边协同处理和边-端数据传输。控制平面采用千兆时间触发以太网提供确定性网络通信服务,数据平面采用万兆以太网提供高带宽网络通信服务。采用统一的五层协议栈实现空间网络与星载网络之间的双向数据传输,满足云边协同、边端协同、星上处理、空间网络交互等混合业务统一网络基础设施需求。

无人机作为多模态智能系统的重要载体,在过去十年中展现出跨领域应用的革命性潜力。从精准农业监测、城市三维建模到军事侦察与目标跟踪,其技术演进持续拓展应用边界。然而,单机运行在执行效率、系统鲁棒性等方面存在固有局限,难以满足多样化任务需求。基于分布式协同机制的无人机集群通过实时信息交互与集体决策,在大范围覆盖、故障容错等方面表现出显著优势。针对编队控制与路径规划等核心技术瓶颈,国内外学者数十年来开展了广泛研究,并提出诸多经典算法。近十年间,各种优化方法不断涌现,涵盖避碰、路径规划、任务分配和编队重组等方向,为蜂拥集群系统的高效化和实用化奠定了坚实基础。为清楚地了解国内外无人机集群协同优化算法的研究现状,对常用的优化算法进行分类总结。根据每个算法的原理,首先将协同优化算法分为传统启发式算法、机器学习算法;然后从4个方向分别介绍一些学者对各类算法的应用和改进;最后对无人机协同优化算法的未来发展方向进行展望,为初学者提供可靠的参考。

研究了有向通信网络中分布式随机组合优化问题,其中网络中的每个节点拥有一个私有的组合型目标函数,目标是通过局部计算与有限通信协作最小化所有节点目标函数的加权和。由于通信拓扑为有向图结构,节点间的信息交互具有非对称性,同时随机组合优化带来的内层函数估计噪声也对算法的收敛性与计算效率构成挑战。为此,提出了一种适用于有向网络的基于方差缩减的分布式随机组合优化算法。该算法在梯度跟踪框架下融合了方差缩减策略,一方面有效提升了内层函数估计的准确性,降低了由估计误差引发的稳态偏差;另一方面显著降低了每轮迭代的计算负担。此外,算法设计考虑了有向图结构,利用推和协议以适应非对称网络环境。在理论方面,证明了所提算法可实现线性收敛到全局最优解的性能。数值实验进一步验证了算法在收敛速度、稳态误差及通信效率方面的优越性。

随着5G到6G通信的演进,移动通信系统面临海量用户连接和数据传输。作为未来通信的候选技术之一的非正交多址技术(NOMA),通过功率域复用用户信号来显著提升频谱效率,但存在能量消耗高和功率分配优化等问题。为了缓解以上问题,提出了一种基于双频索引调制辅助的非正交多址系统传输方法(DFIM-NOMA),其结合了非正交多址的高频谱利用率特性和索引调制的灵活性以及高能量效率的优势。在系统发送端使用双频索引调制提高信息传输中隐式信号传输的比例,在接收端使用串行干扰相消(SIC)和最大似然检测(ML)解调两用户混叠发射信号。利用MATLAB搭建测试的系统数字模型进行仿真验证,并在现场可编程门阵列上进行系统基带实现。实验结果表明,在使用相同频谱资源和发送相同信号条件下,与传统索引调制辅助非正交多址相比(IM-NOMA),增加索引调制信号比例可以减少需要发送的实际信号数量;在误码率性能相差不大的情况下,可以使发送信号的平均幅值减少约1/3,能量消耗理论上降低约50%。

随着空间通信在低空智联网、星际互联网等领域的拓展,传统互联网难以应对节点高度动态与拓扑结构时变的挑战。针对此问题,提出一种基于标识的计算-存储-转发融合机制,构建面向空间通信的异构融合网络架构。该机制以标识体系为核心,建立束标识、网络功能标识、组件标识、族群标识与终端标识的多层映射关系,实现异构网络资源的统一调度与智能解析。在此基础上,设计涵盖束群业务层、汇聚适配层与网络组件层的三层融合架构,结合存储转发策略与分布式组网方法,完成了分布式移动网络的原型系统开发。实验结果表明,该机制在移动环境下可有效降低 35% 以上的平均传输时延,显著增强了系统的稳健性与通信资源利用效率。上述工作证实了基于标识的异构融合机制在应对高动态网络拓扑时的有效性,为构建具备标识智能调度能力的空间通信系统提供了可行的技术路径。