专栏：智慧物联网感知、传输与应用（二） 2025(5)
发刊词
融合 AI 技术和 IoT 技术，智慧物联网将不同的物理设备形成智能化的网络， 实现设备之间的数据交互、控制指令传输和自动化控制等功能，实现万物数据化、 万物智联化。智慧物联网未来将广泛应用于智慧城市、智慧家居、智能交通、智能制造等领域，实现设备间互联、数据共享和智能化控制的新模式。然而，智慧物联网的发展及应用仍然面临诸多挑战：如何对复杂环境进行精准感知？如何可靠地传输海量感知节点所产生的数据？如何利用多源数据为应用提供实时、智能、 准确的分析结果？
本次专栏旨在搭建学术平台，吸引更多的专家学者共同致力于智慧物联网感知、传输与应用技术的研究，推动智慧物联网的快速发展，实现学术层面的互通以及研究成果的共享，为建设我国物联网发展提供重要的技术支持与储备。
我们对关心并支持本专栏出版的各位领导、组稿专家以及所有作者表示衷心的感谢！物联网感知、传输与应用具有广阔的创新空间，在推动物联网的建设过程中起着非常重要的作用。这一技术领域的发展需要更多同仁积极参与，相信通过大家共同的努力，必将提升我国物联网技术研发与应用水平！
本期专栏主编：
吴大鹏，重庆邮电大学教授（二级）。长期从事卫星通信的教学与科研工作，主要研究智能物联网、B5G/6G、智能边缘计算等，承担并完成与物联网相关的项目 20 余项，出版教材/专著 4 部，发表论文 260 余篇，申请专利 40 余项，获重庆市科技进步奖、中国通信学会、中国电工技术学会等 10 项科研教学奖。 担任中国通信标准化协会第五届理事、重庆市青年科技领军人才协会常务理事。
文章列表
2025, 23(5):429-433.
DOI: 10.11805/TKYDA2024382
摘要:
近年来，智能终端和无线网络的快速发展使电力物联网终端设备和数据量呈指数级增长。这些数据资源已成为电力企业的重要资产，能够显著提升电网的智能感知、内控能力和客户服务效率。但作为国家关键基础设施的核心要素，电力数据极易成为网络攻击目标，一旦泄露会带来重大安全风险和经济损失。因此，电力企业需加强数据安全防护，解决数据交换共享和数据挖掘中的安全问题。本文提出一种云边协同的智能电网数据安全共享方案，通过结合零知识证明技术与秘密共享方案，实现细粒度访问控制和用户访问需求隐私保护。仿真结果表明，本文进行分布式数据访问验证所需时间不超过48 ms，该算法具有较好的性能。
近年来，智能终端和无线网络的快速发展使电力物联网终端设备和数据量呈指数级增长。这些数据资源已成为电力企业的重要资产，能够显著提升电网的智能感知、内控能力和客户服务效率。但作为国家关键基础设施的核心要素，电力数据极易成为网络攻击目标，一旦泄露会带来重大安全风险和经济损失。因此，电力企业需加强数据安全防护，解决数据交换共享和数据挖掘中的安全问题。本文提出一种云边协同的智能电网数据安全共享方案，通过结合零知识证明技术与秘密共享方案，实现细粒度访问控制和用户访问需求隐私保护。仿真结果表明，本文进行分布式数据访问验证所需时间不超过48 ms，该算法具有较好的性能。
2025, 23(5):434-445.
DOI: 10.11805/TKYDA2024170
摘要:
低轨卫星具有全球覆盖的特性，基于低轨卫星物联网的长距离(LoRa)体制已成为研究热点。为解决LoRa调制方案在低轨卫星信道下的地板效应问题，本文针对差分LoRa调制方案提出两种差分LoRa解调策略。首先在存在动态多普勒频偏的低轨卫星信道下推导了一个封闭形式的符号错误概率(SER)表达式，说明LoRa调制在低轨卫星信道中的地板效应问题；之后利用蒙特卡罗仿真对推导的封闭形式SER表达式进行验证，并对LoRa调制和所提出的差分LoRa调制的误码率(BER)性能进行评估。仿真结果表明，与LoRa调制体制相比，差分LoRa调制及所提出的差分LoRa解调策略能有效提高动态多普勒频偏场景下低轨卫星物联网的误码性能。
低轨卫星具有全球覆盖的特性，基于低轨卫星物联网的长距离(LoRa)体制已成为研究热点。为解决LoRa调制方案在低轨卫星信道下的地板效应问题，本文针对差分LoRa调制方案提出两种差分LoRa解调策略。首先在存在动态多普勒频偏的低轨卫星信道下推导了一个封闭形式的符号错误概率(SER)表达式，说明LoRa调制在低轨卫星信道中的地板效应问题；之后利用蒙特卡罗仿真对推导的封闭形式SER表达式进行验证，并对LoRa调制和所提出的差分LoRa调制的误码率(BER)性能进行评估。仿真结果表明，与LoRa调制体制相比，差分LoRa调制及所提出的差分LoRa解调策略能有效提高动态多普勒频偏场景下低轨卫星物联网的误码性能。
2025, 23(5):446-452.
DOI: 10.11805/TKYDA2024336
摘要:
随着数字化新型电力系统的大力建设，传统的电力通信网正逐步向更加坚强、弹性、多业务承载的全时全域通信网转变。针对全时全域通信网多类型终端业务同时接入以及海量数据传输带来的时间敏感业务确定性时延难以保障的问题，本文提出了一种基于时间敏感网络的全时全域通信网确定性时延保障技术。首先，基于对全时全域电力通信网中各类型业务的特点、重要度、周期性及时延需求的分析，建立了相应的业务模型并进行了优先级划分。然后，提出了基于时间敏感网络感知整形的流量调度机制，以确保门控调度表的计算能够满足时间敏感流在传输周期内的确定性低时延传输。为了实现最小化端到端时延的目标，采用了基于遗传算法和禁忌搜索算法联合输出时间敏感流量的门控列表计算算法，平均端到端时延较单优化算法降低15%，且将时间敏感流量时延抖动控制在2 μs左右，提高调度性能，为全时全域电力通信网的稳定安全运行提供了有力支撑。
随着数字化新型电力系统的大力建设，传统的电力通信网正逐步向更加坚强、弹性、多业务承载的全时全域通信网转变。针对全时全域通信网多类型终端业务同时接入以及海量数据传输带来的时间敏感业务确定性时延难以保障的问题，本文提出了一种基于时间敏感网络的全时全域通信网确定性时延保障技术。首先，基于对全时全域电力通信网中各类型业务的特点、重要度、周期性及时延需求的分析，建立了相应的业务模型并进行了优先级划分。然后，提出了基于时间敏感网络感知整形的流量调度机制，以确保门控调度表的计算能够满足时间敏感流在传输周期内的确定性低时延传输。为了实现最小化端到端时延的目标，采用了基于遗传算法和禁忌搜索算法联合输出时间敏感流量的门控列表计算算法，平均端到端时延较单优化算法降低15%，且将时间敏感流量时延抖动控制在2 μs左右，提高调度性能，为全时全域电力通信网的稳定安全运行提供了有力支撑。
2025, 23(5):453-460.
DOI: 10.11805/TKYDA2024061
摘要:
针对电力物联网的下行协作传输过程中，在保证低时延通信的同时需对系统有效容量进行优化，以便为用户持续提供高质量的服务，提出基于远端射频头(RRH)协作的服务质量(QoS)保障策略(QG-RRHC)。设计了一种基于正交频分多址(OFDMA)的两层电力物联网网络模型，通过引入有效容量理论研究QoS保障的分布式RRH协作传输方案，在不同子载波上协同服务其下行链路数据传输；提出一个基于拉格朗日对偶的启发式优化算法解决联合优化问题。仿真结果证明，与其他基准算法相比，所提策略可显著提高系统的有效容量且接近最优性能。
针对电力物联网的下行协作传输过程中，在保证低时延通信的同时需对系统有效容量进行优化，以便为用户持续提供高质量的服务，提出基于远端射频头(RRH)协作的服务质量(QoS)保障策略(QG-RRHC)。设计了一种基于正交频分多址(OFDMA)的两层电力物联网网络模型，通过引入有效容量理论研究QoS保障的分布式RRH协作传输方案，在不同子载波上协同服务其下行链路数据传输；提出一个基于拉格朗日对偶的启发式优化算法解决联合优化问题。仿真结果证明，与其他基准算法相比，所提策略可显著提高系统的有效容量且接近最优性能。
2025, 23(5):461-467.
DOI: 10.11805/TKYDA2024045
摘要:
由于现代电网规模的不断扩大和复杂化，应对这种大规模、高复杂度的信息处理需求，需要一种能够整合和处理多源信息的技术，以提高电网运行的效率和安全性。为此，设计了一种基于模糊集合的电网运行多源信息融合方法。通过电力传感器、压力传感器、湿度传感器等多种传感器实施电网运行多源信息采集，传感器采集方式不可避免地给采集数据带来噪声，通过小波去噪方法对电网运行数据实施降噪处理和提取有效信息；结合模糊集合论中的模糊相似矩阵与D-S证据理论的多源信息融合方法，实现电网运行多源信息融合。实验测试结果表明，随着数据种类的增多，该方法的最大置信度处于增长阶段，多源信息融合最大置信度为0.94，多源信息融合结果可靠，适用于多种数据的信息融合。在加入5 dB、10 dB、15 dB、20 dB、25 dB噪声后，所设计方法的多源信息融合最大置信度降幅很低，多源信息融合鲁棒性良好，且信息熵值较高，说明其融合后信息丰富度更高。
由于现代电网规模的不断扩大和复杂化，应对这种大规模、高复杂度的信息处理需求，需要一种能够整合和处理多源信息的技术，以提高电网运行的效率和安全性。为此，设计了一种基于模糊集合的电网运行多源信息融合方法。通过电力传感器、压力传感器、湿度传感器等多种传感器实施电网运行多源信息采集，传感器采集方式不可避免地给采集数据带来噪声，通过小波去噪方法对电网运行数据实施降噪处理和提取有效信息；结合模糊集合论中的模糊相似矩阵与D-S证据理论的多源信息融合方法，实现电网运行多源信息融合。实验测试结果表明，随着数据种类的增多，该方法的最大置信度处于增长阶段，多源信息融合最大置信度为0.94，多源信息融合结果可靠，适用于多种数据的信息融合。在加入5 dB、10 dB、15 dB、20 dB、25 dB噪声后，所设计方法的多源信息融合最大置信度降幅很低，多源信息融合鲁棒性良好，且信息熵值较高，说明其融合后信息丰富度更高。
2025, 23(5):476-481.
DOI: 10.11805/TKYDA2024247
摘要:
随着能源互联网的迅速发展，车网互动等新型电力业务对服务质量的要求日益严格，给电力终端接入网带来诸多挑战。针对终端接入网多种通信技术覆盖范围重叠，通信方式可选范围广泛导致的资源浪费和网络性能下降问题，提出一种基于随机森林的通信方式选择算法(RF-CMS)。通过随机森林对海量多样的新型电力业务进行智能分类，为其选择最合适的通信方式；然后，从流量负载和通信质量角度出发，利用多智能体近端策略优化(MAPPO)算法为电力业务动态分配路由，确保各种终端业务数据(如测量信息、控制信息)能够在接入网中及时、准确地传输，从而保证电力网络状态的全景全域可观可控。将所提算法与仅基于MAPPO的路由算法在平均端到端时延、负载均衡度等方面进行对比，证明了所提算法的有效性。
随着能源互联网的迅速发展，车网互动等新型电力业务对服务质量的要求日益严格，给电力终端接入网带来诸多挑战。针对终端接入网多种通信技术覆盖范围重叠，通信方式可选范围广泛导致的资源浪费和网络性能下降问题，提出一种基于随机森林的通信方式选择算法(RF-CMS)。通过随机森林对海量多样的新型电力业务进行智能分类，为其选择最合适的通信方式；然后，从流量负载和通信质量角度出发，利用多智能体近端策略优化(MAPPO)算法为电力业务动态分配路由，确保各种终端业务数据(如测量信息、控制信息)能够在接入网中及时、准确地传输，从而保证电力网络状态的全景全域可观可控。将所提算法与仅基于MAPPO的路由算法在平均端到端时延、负载均衡度等方面进行对比，证明了所提算法的有效性。
2025, 23(5):468-475.
DOI: 10.11805/TKYDA2024063
摘要:
随着可再生能源的大规模开发和海量终端的高比例并网，下一代智能电网中的网络负载将进一步加剧，这给电力传感网络进行实时数据收集和处理、全域信息监测等带来了前所未有的巨大挑战。同时，传感器节点存在着能源补充困难和计算资源有限的问题，传统的网络结构难以满足新一代电网的需求，因此，研究如何提高电力传感网络的能量效率具有现实意义。本文提出一种移动边缘计算(MEC)辅助的电力传感网络计算卸载方案，在计算资源受限的情况下，对节点的任务处理时延和能耗进行优化，通过将优化问题建模为马尔可夫决策过程(MDP)，并使用双重Q网络(DDQN)算法对问题进行求解，以最小化系统总开销。仿真结果表明所提出的方案在时延、能耗和收敛性能等方面均优于基准方案。
随着可再生能源的大规模开发和海量终端的高比例并网，下一代智能电网中的网络负载将进一步加剧，这给电力传感网络进行实时数据收集和处理、全域信息监测等带来了前所未有的巨大挑战。同时，传感器节点存在着能源补充困难和计算资源有限的问题，传统的网络结构难以满足新一代电网的需求，因此，研究如何提高电力传感网络的能量效率具有现实意义。本文提出一种移动边缘计算(MEC)辅助的电力传感网络计算卸载方案，在计算资源受限的情况下，对节点的任务处理时延和能耗进行优化，通过将优化问题建模为马尔可夫决策过程(MDP)，并使用双重Q网络(DDQN)算法对问题进行求解，以最小化系统总开销。仿真结果表明所提出的方案在时延、能耗和收敛性能等方面均优于基准方案。
2025, 23(5):482-488.
DOI: 10.11805/TKYDA2024383
摘要:
随着物联网(IoT)、大数据以及人工智能(AI)技术的快速发展，海量数据正在以前所未有的规模被生成和利用。这些数据中包含大量敏感信息，如何安全存储敏感数据成为亟待解决的现实问题。现有的数据存储方案通常侧重于敏感数据的直接保护，忽视了敏感数据与非敏感数据之间显性和隐性关联所带来的泄露风险。为此，本文从信息熵的角度深入分析了数据间的显性和隐性关系，提出一种快速评估显隐性关系并预测敏感数据泄露风险的方法。通过引入信息提升比(LR)和信息掌握概率(PIC)，能够有效识别非敏感数据对敏感数据泄露风险的影响。仿真实验中，统计特性数据集(SPD)中的单属性LR最大为0.308，联合属性LR可提升至0.891；敏感数据泄露风险的检测概率显著提高，最高达到23.2%。仿真结果表明，该方法能够有效识别并应对因显隐性关系带来的安全风险，显著提升敏感数据存储的整体安全水平。
随着物联网(IoT)、大数据以及人工智能(AI)技术的快速发展，海量数据正在以前所未有的规模被生成和利用。这些数据中包含大量敏感信息，如何安全存储敏感数据成为亟待解决的现实问题。现有的数据存储方案通常侧重于敏感数据的直接保护，忽视了敏感数据与非敏感数据之间显性和隐性关联所带来的泄露风险。为此，本文从信息熵的角度深入分析了数据间的显性和隐性关系，提出一种快速评估显隐性关系并预测敏感数据泄露风险的方法。通过引入信息提升比(LR)和信息掌握概率(PIC)，能够有效识别非敏感数据对敏感数据泄露风险的影响。仿真实验中，统计特性数据集(SPD)中的单属性LR最大为0.308，联合属性LR可提升至0.891；敏感数据泄露风险的检测概率显著提高，最高达到23.2%。仿真结果表明，该方法能够有效识别并应对因显隐性关系带来的安全风险，显著提升敏感数据存储的整体安全水平。
