-
基于低通滤波的BBR拥塞控制算法:应对ACK延迟抖动的创新解决方案
本文针对BBR算法在ACK包延迟抖动下带宽估计过高导致RTT增大的问题,提出基于低通滤波的LPF-BBR算法。研究通过计算机仿真验证,新算法能有效抑制传输速率波动,精准估计瓶颈带宽,使BBR在反向路径拥塞时仍能维持近最优运行点。这是首个聚焦BBR反向路径拥塞影响的研究,对实时应用低延迟通信具有重要意义。
来源:Journal of ICT Standardization
时间:2025-12-08
-
基于强化学习的车联网安全、隐私与信任增强技术综述
本文针对车联网从VANET向IoV演进过程中面临的安全、隐私与信任(SPT)威胁,系统探讨了强化学习(RL)在提升SPT保障中的潜力。研究通过双重新分类法(聚焦领域与RL方法)梳理现有RL方案,总结了RL在抵御DDoS、窃听、干扰等攻击中的优势,并指出未来研究方向(如去中心化架构与轻量化算法)。该综述为智能交通系统(ITS)的可靠演化提供了关键理论支撑。
来源:IEEE Transactions on Intelligent Transportation Systems
时间:2025-12-08
-
基于双视角融合Transformer的相机-雷达三维目标检测方法DPFT
本文推荐一种创新的相机-雷达融合感知方案DPFT,针对自动驾驶在恶劣天气下感知可靠性不足、雷达点云稀疏性限制融合性能等问题,提出将4D雷达原始数据投影至距离-方位角(RA)和方位角-俯仰角(AE)双视角,通过改进的可变形注意力机制实现多模态特征交互。实验表明,该方法在K-Radar数据集上达到56.1%的3D mAP,尤其在雨雪天气下较基线方法提升显著,推理时间仅87ms,为自动驾驶系统提供了高鲁棒性、低延迟的感知解决方案。
来源:IEEE Transactions on Intelligent Vehicles
时间:2025-12-08
-
一种基于时空特征的动态3D多目标跟踪方法
3D多目标跟踪在复杂场景中需融合图像与点云数据,本文提出动态时空特征跟踪方法:1)设计多尺度空间特征融合网络增强关键信息;2)构建时间聚合嵌入模块优化特征对齐;3)结合混合亲和动态关联模块和自适应轨迹管理模块,有效解决遮挡、漏检及误匹配问题,实验表明在KITTI数据集上性能优于SOTA方法。
来源:IEEE Transactions on Intelligent Vehicles
时间:2025-12-08
-
利用大规模数据集和半监督基线方法提升现实世界停车位检测的准确性
基于环境感知的停车位半监督检测方法研究,提出大规模多场景数据集CRPS-D及教师-学生模型驱动的SS-PSD算法,有效提升复杂场景下停车位检测精度。
来源:IEEE Transactions on Intelligent Transportation Systems
时间:2025-12-08
-
采用偏振解复用直接检测技术和三透镜系统的开普勒望远镜的纤维-无线混合系统
光纤-无线混合系统融合极化解复用直接检测技术与开普勒式三透镜望远镜,实现PAM4信号在sub-6GHz、毫米波及太赫兹频段的跨介质传输,总速率达144 Gbps,在25公里光纤和无线链路上保持低误码率与清晰眼图。
来源:Journal of Lightwave Technology
时间:2025-12-08
-
基于OEO的微波光子学频率转换技术,无需本地振荡器(LO)信号泄漏
基于OEO的双极化马赫-曾德尔调制器射频上下变频技术研究提出消除本振泄漏的新方法,通过载波抑制双边带调制和光纤链路实验验证了0.5-14 GHz频段的高效率(-32.34 dB)和低误码(4.66%-10.07% EVM)特性,适用于5G前传的长距离光纤传输系统。
来源:Journal of Lightwave Technology
时间:2025-12-08
-
一种新型的集成传感与通信方案,应用于基于无人机的车辆网络,并采用基于强化学习的自适应控制技术
无人驾驶空车协同网络中,提出融合随机网络蒸馏与动态数据增强的多智能体深度确定性策略梯度算法,通过分布式强化学习优化无人机运动决策、功率选择和信道分配,在保证资源约束条件下实现通信与感知性能提升16.71%和68.26%,并支持不同能耗等级下的灵活配置。
来源:IEEE Transactions on Mobile Computing
时间:2025-12-08
-
一种异步共识方法,适用于分布式多智能体调度,具有低通信流量和高效率的特点
人工智能物联网(AIoT)通过网络化异构智能体群协作增强实现“万物智能互联”。针对多智能体任务调度中通信流量大、实时性差的问题,提出基于时间戳标记的异步共识方法,将通信量降至原协议的n/m倍(m>n),并设计冲突解决机制与抗洪流策略。仿真验证表明该方法显著降低通信负载和调度时间。
来源:IEEE Transactions on Mobile Computing
时间:2025-12-08
-
Neur IT:推动室内机器人物联网中神经惯性跟踪技术的极限
NeurIT采用时间-频率块循环Transformer融合时频特征,结合IMU磁力计数据优化,实现300米内1米误差,显著优于现有基准,并在复杂场景中表现稳健。
来源:IEEE Transactions on Mobile Computing
时间:2025-12-08