2025年, 第37卷, 第02期　
刊出日期：2025-06-30

  

• 全选
  |

• Select
  融合区块链技术的隐私保护车联网数据共享方案

  尚凤军, 邓鑫鑫

  重庆邮电大学学报（自然科学版）. 2025, 37(02): 155-164.

  摘要 ( )   可视化   收藏

  车联网(internet ofvehicles, IoV)不断产生车辆行驶性能数据、信息传递数据等，车辆间通过共享这些数据可以改善驾驶安全性和实现优质的智慧交通系统服务质量。但车联网数据共享面临许多挑战，如数据篡改、中心故障和隐私保护等。针对车联网数据共享安全性问题，提出了一种基于区块链的车联网隐私保护数据共享方案。引入了加权阈值秘密共享方法，为车辆成员的属性赋值。基于非交互式零知识证明技术，设计了一种使用属性值的轻量级身份证明协议，该协议可以预先验证数据访问者的身份，防止未经授权的访问，保护车辆成员的隐私。利用分布式的星际文件系统(inter planetary file system, IPFS)来存储加密的共享资源，提出只在区块链上的记录存储地址，从而减轻区块链的存储负担。实验结果表明，该方案有效解决了现有方案在身份认证、隐私保护、权限灵活组合等方面的不足，表现出良好的性能和较强的可行性。
• Select
  CVIS中联合队列年龄和信道感知的时延优化调度策略

  邵凯, 郑思宇, 王光宇

  重庆邮电大学学报（自然科学版）. 2025, 37(02): 165-173.

  摘要 ( )   可视化   收藏

  针对车路协同系统(cooperative vehicle infrastructure system, CVIS)中排队时延和功率间的平衡问题，提出一种联合队列年龄和信道感知的概率调度(joint age of queue and channel aware probabilistic scheduling, JAQCA-PS)策略，在给定功率约束下实现平均排队时延最小化。提出的策略设计了队列年龄(age of queue, AoQ)信息作为调度参数之一，并联合包到达信息、块衰落信道的状态信息建立跨层调度模型，将最小化平均排队时延问题表述为约束马尔可夫决策过程(constrained Markov decision process, CMDP);通过将非线性问题转化为等效的线性规划(linear programming, LP)问题求解，得到了JAQCA-PS策略下最优传输参数和最优排队时延-功率平衡的数值结果；经蒙特卡洛模拟验证了结果的准确性。
• Select
  基于云控的卡车编队分布式协同换道控制

  王江锋, 满忠运, 梁欢欢, 唐风敏, 冷卫杰

  重庆邮电大学学报（自然科学版）. 2025, 37(02): 174-184.

  摘要 ( )   可视化   收藏

  针对混合交通流和云控环境下的卡车编队换道问题，提出编队整体式和先解编后组编的分布式协同换道策略，设计了基于滑模变结构的编队车间距稳定控制算法。使用NS-3和SUMO搭建云控仿真平台，通过模拟前车异常静止这一典型风险场景进行实验验证。针对低、中、高3种流量，采取分布式换道策略使得风险区范围内整体交通流的平均速度比整体式换道策略分别提高5.1、6.9、9.3百分点，加速度波动幅度分别减小42.8、46.7、45.3百分点。敏感性分析显示，换道决策区长度的增加有助于提升整体交通流的通行效率和平顺性。
• Select
  面向交通目标的多尺度轻量化检测模型

  刘伯红, 郝文瑞

  重庆邮电大学学报（自然科学版）. 2025, 37(02): 185-195.

  摘要 ( )   可视化   收藏

  针对交通目标检测时物体尺度变化大，检测目标较为密集的问题，基于YOLO(you only look once)v8s提出一种高效多尺度YOLO(fast multiscale powerful-YOLO,FMP-YOLO)模型。在主干网络中，引入基于部分卷积(partial convolution, PConv)与快速傅里叶卷积(fast Fourier convolution, FFC)设计的Faster Block模块，减少了冗余计算和内存访问，提高了推理速度，改善了感受野受限的问题；在聚合网络中，使用改进后的组混洗卷积(group shuffle convolution, GSConv)替换普通卷积，更好地捕获不同尺度的特征，进一步降低了模型的参数量和计算量；将Powerful-IoU与软非极大值抑制(soft non maximum suppression, SoftNMS)结合替换原有的非极大值抑制算法(non maximum suppression, NMS),改善了由参数量降低导致特征学习能力下降的问题，并且提高了模型的精度。在SODA10M和MS COCO数据集上进行实验，实验结果表明，改进后的模型性能超越原始模型，参数量和计算量下降40%左右，mAP分别提高了1.7%和1.4%,FMP-YOLO在体积与精度上优于其他经典模型，具有较强的实用性。
• Select
  车联网预感知服务请求及服务迁移机制

  陈冰旖, 左琳立, 李云

  重庆邮电大学学报（自然科学版）. 2025, 37(02): 196-203.

  摘要 ( )   可视化   收藏

  随着实时车辆应用的快速发展，车联网中的数据流量和内容请求急剧增长。为了保证车辆用户获得实时、稳定的服务并优化系统成本，设计了一种车联网场景下的预感知服务请求机制，根据环境信息做出预感知决策，降低迁移过程产生的成本；提出了一种基于车速的服务迁移优化算法，根据车辆的实时速度动态调整迁移决策，以确保迁移过程的高效性和稳定性；考虑到车辆用户与路边单元、基站之间的交互存在不确定性，提出预感知多智能体确定性策略梯度算法，优化迁移策略，通过智能体与环境的交互，逐步调整策略，以最大化长期累积奖励。实验结果表明，提出的算法有效降低了系统成本，并明显提升了系统性能。
• Select
  VMD与时间-空间分数阶扩散模型联合分段TEM滤波

  谭超, 谭继伟, 沈艳军, 袁永榜, 欧星作, 闵薪宇, 孙其浩

  重庆邮电大学学报（自然科学版）. 2025, 37(02): 204-214.

  摘要 ( )   可视化   收藏

  为滤除瞬变电磁(transient electromagnetic method, TEM)信号中的噪声，提出一种变分模态分解(variational mode decomposition, VMD)与时间-空间分数阶非线性扩散模型(time-space fractional-order diffusion model, TSFDM)的分段滤波方法。针对TEM信号的特点，将采样信号进行动态阈值分段处理；采用VMD对每一段信号自适应分解，保留第一个内涵模态(intrinsic mode function, IMF)分量作为初次滤波数据；分别使用差分离散和使用带位移的Grunwald-Letnikov逼近法来近似求解时间-空间分数阶扩散方程的时间Caputo分数阶导数和空间Riemann-Liouville分数阶导数，建立迭代收敛差分方程，设置平滑算子得到TSFDM滤波器；利用叠加平均法对TSFDM迭代计算得到的二次滤波信号进行拼接得到完整TEM信号。仿真结果表明，使用所提方法后，整体信号质量提高约22 dB,后期信号信噪比提高约38 dB,与原始信号接近；与传统方法相比，所提方法各项评价指标更优；实测TEM信号中衰减特征被保留，有效还原了频域曲线变化趋势。
• Select
  基于NOMA的环境反向散射通信系统性能分析

  张万权, 李锦屏

  重庆邮电大学学报（自然科学版）. 2025, 37(02): 215-221.

  摘要 ( )   可视化   收藏

  研究了基于非正交多址的环境反向散射通信系统的中断性能。在考虑反射设备能量因果约束问题的基础上，引入了一种实际的非线性能量收集模型，采用最优动态反射系数以最小化反射链路的中断概率，并推导反射设备和2个用户中断概率的精确和渐近表达式以及分集阶数。分析了不同系统参数对系统中断概率的影响，通过蒙特卡洛仿真验证了理论分析的正确性。仿真结果表明，反射设备能量因果约束对系统的性能有重要的影响，基于非正交多址的环境反向散射通信系统的中断性能优于基于正交多址的环境反向散射通信系统。
• Select
  数字孪生辅助MEC任务卸载和资源分配联合优化

  李云, 江源, 王碧, 梁吉申, 夏士超

  重庆邮电大学学报（自然科学版）. 2025, 37(02): 222-231.

  摘要 ( )   可视化   收藏

  在移动边缘计算(mobile edge computing, MEC)密集部署场景中，边缘服务器的资源异质性和环境状态的复杂多变性给设计有效的任务卸载和资源分配策略带来了显著挑战。针对该问题，建立了数字孪生边缘网络(digital twin edge networks, DTEN)模型。以最小化任务的长期处理时延为优化目标，在带宽、计算和存储等多维资源约束下，提出了一种数字孪生(digital twin, DT)辅助的MEC用户关联、任务卸载、服务缓存和资源分配联合优化问题；考虑到高度动态化的网络特征，将优化问题抽象成部分可观测的马尔科夫决策过程(partially observable Markov decision process, POMDP),设计了一种基于深度强化学习(deep reinforcement learning, DRL)的任务卸载方案，利用DT中物理实体的映射数据对神经网络进行训练；考虑到DT的估计值与实际值之间存在时延偏差，讨论了时延偏差对任务处理时延的影响。大量仿真实验表明，提出的方案有效地降低了任务处理时延，提高了缓存命中率。
• Select
  非完美反馈链路下可变压缩率CSI反馈方法

  黄凤翔, 段红光, 毛翔宇

  重庆邮电大学学报（自然科学版）. 2025, 37(02): 232-240.

  摘要 ( )   可视化   收藏

  在频分双工(frequency division duplex, FDD)大规模多输入多输出(multiple input multiple output, MIMO)系统中，针对目前基于深度学习的信道状态信息(channel state information, CSI)反馈方法，其压缩率固定及FDD反馈链路存在不对称问题，提出一种基于可变压缩率与去噪神经网络的CSI反馈方法。该方法采用自编码器结构，在用户端使用固定压缩率的编码器对CSI进行压缩，随后通过反馈约束来限制反馈码字长度，当基站端接收到反馈码字后通过反馈约束对码字进行零填充，使用去噪单元对其去噪，再使用解码器将去噪后的码字重建为CSI矩阵。在簇延时线(clustered delay line, CDL)信道环境中仿真。实验结果表明，所提方法较CsiNet可减少约48%的存储开销，且能有效抑制反馈误差对信道状态信息重建造成的影响。
• Select
  面向5G-A卫星物联网场景的前导复用随机接入策略

  赵露, 彭大芹, 何俊龙, 徐浩

  重庆邮电大学学报（自然科学版）. 2025, 37(02): 241-249.

  摘要 ( )   可视化   收藏

  为了提高网络的接入成功率和有限前导资源利用率，提出了一种基于机器类型设备(machine type devices, MTD)分组和功率控制的前导复用随机接入策略。利用地面MTD与卫星基站之间的实时仰角关系，动态规划同一波束内不同位置的MTD,建立不同分组索引与前导序列和发射功率的映射关系；通过不同分组的MTD使用不同发射功率产生的干扰消除效应来降低接入过程中前导序列碰撞率。仿真结果表明，提出的策略在大规模卫星物联网设备接入时具有良好的接入成功率和前导序列利用率，适应性和高效性优于其他资源再分配接入技术。
• Select
  面向语音伪造检测的集成学习方法研究

  阎红灿, 李闰淼, 樊秋红

  重庆邮电大学学报（自然科学版）. 2025, 37(02): 250-260.

  摘要 ( )   可视化   收藏

  现有主流语音伪造检测模型大多基于深度学习技术构建，关于集成学习方法在该领域的应用研究相对较少。鉴于集成学习在提高检测系统泛化能力和鲁棒性方面的优势，为进一步拓展语音伪造检测方法可优化的方向，深入研究了常见的集成学习方法，分别构建基于不同集成算法的语音伪造检测模型与深度学习模型进行对比实验。结果表明，通过集成可以更全面地理解和捕捉伪造攻击的多样性，提高了模型融合的灵活性，并且结合深度学习和适当融合策略的集成学习模型能够取得更好的语音伪造检测效果，其中LightGBM和结合投票法的并行训练模型表现更优。
• Select
  联邦学习网络中基于分层博弈的边缘关联和资源分配

  范露露, 倪郑威, 李职杜

  重庆邮电大学学报（自然科学版）. 2025, 37(02): 261-272.

  摘要 ( )   可视化   收藏

  在分层联邦学习网络中，引入边缘服务器需要面对边缘服务器与终端设备间交互时延和边缘聚合模型质量两大挑战。针对上述问题，利用分层博弈模型对带宽资源分配和边缘关联机制进行分析。在下层，利用演化博弈思想，提出低时延的边缘关联算法，建立终端设备自适应选择边缘服务器的机制；在上层，利用非合作博弈思想，提出平衡模型质量与带宽消耗的资源分配算法，建立边缘服务器自适应调节带宽的机制。仿真结果表明，提出的方法能够智能调节联邦学习网络中的节点，使终端设备达到低延时的边缘关联状态，边缘服务器权衡模型质量与资源消耗达到最佳带宽分配状态，可以为联邦学习网络解决边缘关联和资源分配问题提供一种新的方法。
• Select
  基于熵的差分位置隐私保护方案

  邓阳, 左祥建, 刘媛妮, 周由胜

  重庆邮电大学学报（自然科学版）. 2025, 37(02): 273-281.

  摘要 ( )   可视化   收藏

  针对现有假位置与差分隐私位置隐私保护方案存在隐匿区域小，时间开销大，隐私保护不足等问题，提出一种基于熵的差分位置隐私保护方案，方案通过利用k-匿名与差分隐私技术进行位置隐私保护。在对位置进行匿名时，充分考虑匿名集的熵与位置间的距离，生成满足查询概率与位置距离的匿名集，并使用差分隐私对用户真实位置加入Laplace噪声。考虑到加噪后导致匿名集构造失败的问题，综合考虑位置熵与位置间的距离，提出噪声位置偏移算法。实验结果表明，所提方案在提供较高隐私保护水平的同时，降低了时间开销。
• Select
  基于蜂群学习的医疗数据协作方法研究

  康海燕, 王嘉康, 苏静茹

  重庆邮电大学学报（自然科学版）. 2025, 37(02): 282-294.

  摘要 ( )   可视化   收藏

  智慧医疗的发展推动了医疗数据的大规模应用，现有的医疗数据协作方法面临着数据隐私保护、模型性能优化和跨医疗机构间协作积极性差等问题，迫切需要革新与优化。提出基于蜂群学习的医疗数据协作方法(medical data collaboration based on swarm learning, MDC-SL),促进智慧医疗的发展；提出基于医疗数据定价的激励机制算法，根据参与方贡献度和本地模型质量进行定价，设置奖励币奖惩机制，以鼓励协作训练，可以使系统达到最优效用；提出蜂群学习动态模型聚合算法，通过控制聚合权重，使高质量模型在聚合中的贡献占比提高，可以提升训练模型的性能以及抵御投毒攻击的能力。此外，设计了基于本地化差分隐私的蜂群学习来防止模型参数传递过程中的数据泄露，增强医疗数据隐私保护。通过在医学数据集上进行实验，结果表明，该方法的模型性能比原蜂群学习更优，加入噪声导致的模型损失在预期范围之内，系统的平均奖励高于基线4.3百分点，从而验证了上述方法的有效性。
• Select
  自适应多通道激活的轻量化心音分类方法

  舒禹程, 牟沁怡, 乔丽红, 肖斌, 李伟生

  重庆邮电大学学报（自然科学版）. 2025, 37(02): 295-304.

  摘要 ( )   可视化   收藏

  针对现有心音分类方法对各类噪声敏感、诊断时延长以及鲁棒性欠佳等问题，提出自适应多通道激活的心音分类方法。采用残差模块和注意力机制的自适应多通道激活模块来提取时频特征，提高鲁棒性和分类性能；采用轻量化的网络架构模型，在保证分类性能良好的同时，显著降低网络参数量，非常适合在便携式设备上进行实时诊断。实验表明，提出的方法在成人和婴幼儿心音数据集上的准确率可达到92.62%和98.11%,验证了提出的方法良好的泛化能力。