针对未来万物智联时代网络架构的需求，提出了新型云原生网络架构，即因云而生、为云而存、依云而建。同时提出了采用网络孪生的概念和机制来解决云原生网络中移动性、安全性和可用性等挑战。阐述了云原生网络架构设计的3个基本问题，即编址编号、映射索引和资源调度。最后，探讨了基于网络孪生的云原生网络的6G应用场景及未来研究方向。

云原生计算基于低开销容器化的运行方式非常契合边缘计算，因此，提出将云原生技术应用于边缘计算，发挥云原生的优势，使资源管控对应用开发部署透明化。考虑相较于云计算，边缘计算具有资源广分布、高异构、多碎片特征，亟须算网协同的资源管控。根据云原生相关技术的发展现状，整合软件定义网络与网络功能虚拟化等未来网络技术，提出全栈式云原生边缘计算架构。在此基础上，考虑容器的层次化特性，提出适用于有限边缘计算资源的低开销容器部署方法，分析探讨云原生边缘计算所面临的挑战。

LoRaWAN是一种具有代表性的低功耗广域网（LPWAN, low power wide area network）技术，受到了业界和学术界的高度关注。在物联网（IoT, Internet of things）新时代，LoRaWAN可以极大地提高海量边缘设备的连接能力。简要回顾了LoRaWAN的基础知识，并从通信性能、目标定位、无线网络安全和混合网络4个方面调研了LoRaWAN的最新研究成果。还从商业模式、监管制度、技术创新和新兴应用4个方面讨论了LoRaWAN在中国发展所面临的机遇和挑战。

随着无线通信智能化应用需求的快速提升，未来通信网络将从单纯追求高传输速率的传统架构向面向万物智联的全新架构转变。语义通信是一种可将用户的需求和信息含义融入通信过程中的全新架构，该架构有望成为未来万物智联网络的新型基础范式。介绍了语义通信与万物智联网络的关系及语义通信的基本模型和组成。通过分析点对点语义通信的局限性，提出以知识共享和资源融合为基础的语义通信网络将更适合成为大规模智联网络的基础；通过分析语义通信网络的基本组成，介绍了一种基于联邦边缘智能的语义通信网络范例。仿真结果显示，语义通信网络将有望在保证数据安全的同时，大幅度降低通信的资源需求量并提高通信效率。最后，探讨了语义通信网络未来发展的开放性问题。

随着 5G 的商用和 6G 开始布局，海量物联网设备正在加速接入互联网，为新一代信息物理融合系统提供决策数据。物联网设备的高度异构及分布式特性使得物联网面临复杂威胁，这些威胁可使信息物理融合系统的关键决策失效。传统技术难以在保护节点隐私的前提下进行入侵检测且容易形成单点故障，同时缺乏协同入侵检测激励机制。因此，基于博弈优化边缘学习，研究了面向物联网的入侵检测系统。基于联邦学习在网络边缘构建了分布式隐私保护物联网入侵检测框架。在此基础上，基于多主多从博弈优化边缘学习过程，激励可信的入侵检测服务器及边缘设备参与边缘联邦学习。仿真实验证明了所提出的联网入侵检测系统的安全性和有效性。

雾无线电接入网络适合用于广域范围内的诸如管线管网监测等国家重要行业的物联网应用场景。然而基于地面雾接入节点的网络将受到环境、地形等影响，无法及时有效地提供雾接入服务。利用低空无人机作为雾接入点实现空地的边缘通信和雾计算方面引起了普遍的关注。本文探讨怎样利用深度增强学习来提高无人机雾接入点的能效，延长无人机的任务时间。深度增强学习可以保障无人机雾接入点及时地调整空地通信和计算的配置策略，包括资源优化、动态任务卸载以及缓存，也可以优化无人机在三维空间中的飞行航迹，提高无人机赋能的雾无线电接入网络的总体性能。研究的创新性在于综合论述了深度增强学习用于无人机赋能的雾无线电接入网络要解决的主要优化问题，并且总结了解决相关优化问题的技术细节，最后对深度增强学习应用于无人机赋能的雾无线电接入网络的技术挑战和未来研究方向展开讨论。

随着物联网和边缘计算的发展，物联网设备可以将计算密集型任务卸载到边缘计算服务器上进行处理。由于物联网设备分布以及计算需求的变化，需要对边缘计算资源进行动态管理。利用最优运输理论对物联网中计算资源分配进行优化，提出一种基于物联网设备分布和边缘计算服务器位置的区域优化划分机制，在边缘计算服务器计算能力的约束下对物联网设备的能耗以及时延性能进行优化。仿真结果表明，与传统泰森多边形划分机制相比，该优化机制有更好的均衡性，并且物联网设备的平均能耗最多降低21%，平均时延最多降低45%。

通过在网络边缘布置大量的边缘服务器，边缘计算能够为用户提供低时延、高带宽的服务。然而，大量布置边缘服务器也带来了高能耗等问题。当用户将任务从终端设备分派到不同的边缘服务器时，边缘服务器的异构性，会产生不同的能耗和时延。因此，如何在众多边缘服务器中选择一个最优的服务器进行任务分派，使得能耗和时延都比较低是具有挑战性的。提出了一种基于在线学习的具有服务质量（QoS, quality of service）保证的能耗感知任务分派方法，它可以通过与环境进行交互来获取实时的信息，从而在分派任务时，在保证QoS可接受的基础上，总体能耗最低。实验结果表明，与其他方法相比，提出的方法可以高效地将任务分派到最优的边缘服务器上，显著降低边缘计算网络的整体能耗。

移动边缘计算（MEC, mobile edge computing）作为将计算基础设施从远程云数据中心推向边缘设备的新架构模式，为满足物联网（IoT, Internet of things）应用时延敏感、计算密集等需求提供了新方案。针对可切分任务在多用户多 MEC 服务器系统中的任务卸载与调度问题进行研究，每个用户任务均可切分为多个相互关联的子任务，且子任务均可在本地执行或被卸载到某 MEC 服务器执行，系统通过对子任务的卸载和调度决策来提高网络性能。使用用户体验（QoE, quality of experience）和用户间公平性来表征网络性能，将优化问题建模为一个可切分任务卸载和调度（J-DTOS, joint dependent task offloading and scheduling）优化问题。该问题是一个NP-hard非线性混合整数规划问题，因此，所提方案进一步通过引入中间变量重新构造了原问题，并基于此提出了一个近似最优解。仿真结果表明，所提的卸载和调度策略能显著提高系统的性能。

近年来，无人机的自主导航技术在多个行业中受到了广泛的关注，相比于传统的导航技术，采用图像感知的深度学习方法具有很好的泛化能力并且不受全球定位系统（GPS, global positioning system）信号的影响，被证明是一种具有前景的自主导航方法。然而，深度学习的推断需要较大功耗，这对于能耗资源十分有限的无人机来说是一项挑战。针对该问题，基于边缘智能理论，将强化学习技术引入无人机端侧的推断过程中，根据无人机所处的环境复杂度实时感知信息，动态配置卷积神经网络的结构参数，使得无人机在保持稳定导航的同时，尽可能地减少计算功耗开销，实现无人机高可靠、低时延与高能效的自主导航飞行能力。该算法在仿真环境和现实环境中分别进行了验证，实验结果表明，相比于对比算法，所提的基于强化学习动态配置算法能够让无人机花费更少的计算能耗开销具有更长的飞行距离与更高的成功率。

合理利用节点的能量异构特性延长网络生命周期是异构无线传感器网络（HWSN, heterogeneous wireless sensor network）的主要目标之一。因此，根据节点能量的异构性提出了一种基于模拟退火（SA, simulated annealing）算法和改进灰狼优化器（GWO, grey wolf optimizer）的HWSN路由协议SA-MGWO（SA-modified grey wolf optimizer）。首先，该协议通过为能量异构的节点定义不同的适应度函数进行初始簇的选取；然后计算节点的适应值，并将其视为灰狼优化器中的初始权重；同时，根据狼群与猎物的距离以及系数向量对权重进行动态更新，提高灰狼优化器的寻优能力；最后，利用模拟退火算法保证异构网络中最优簇集的选取。仿真结果表明，相比于SEP（stable election protocol）、分布式能量有效成簇（DEEC, distribute energy efficient clustering）、M-SEP及FIGWO（fitness value based improved grey wolf optimizer）协议，SA-MGWO协议的网络生命周期分别提高了53.1%、31.9%、46.5%和27.0%。

无线信号在传播过程中容易受到干扰，这限制了传统室内定位方法在实际生活中的应用。而基于位置的指纹定位技术具有普适性强的优点，是当前的研究热点。指纹数据的数量是影响指纹定位精度的重要因素，但是采集大量指纹数据的成本较大。因此，如何使用少量指纹数据实现较高定位精度成为指纹定位技术的难点。针对此问题，提出了一种基于生成对抗网络（GAN, generative adversarial network）的高精度室内无线定位方法。首先，在室内等间隔密集地采集指纹数据，构造初始指纹数据集，选取初始指纹数据集中部分指纹数据，使用 GAN 利用部分指纹数据得到大量指纹数据；然后，基于这些生成数据，使用k最近邻（KNN, k-nearest neighbor）分类算法模型和随机森林模型进行定位预测。实验结果表明，该方法能够基于少量指纹数据实现较高的无线定位精度，定位精度达15.4 cm。

随着区块链技术的不断发展，不同的适应场景衍生出不同的链，每种链都各具特色，如比特币、以太坊等公有链、大量的私有链和联盟链。但就目前互联网的发展情况而言，许多应用场景在传统单链结构的区块链上的实现变得尤为不便。提出了一种具有主从区块（MSBC, master-slave blockchain）的区块链架构，主要由主区块、从属主块和从属微块三部分组成，主链由主区块组成，每一个主区块的侧链上都有一个从属主块和多个从属微块。另外，主区块与主区块之间直接通过前块哈希相连，主区块与从属主块之间通过唯一信息的哈希值连接，而从属微块与前一块（无论从属主块或从属微块）之间也通过前块哈希进行连接。这种结构可以将人才链中固定不变的简历信息放在主链上，而将不断更新的简历信息放在侧链上。MSBC架构可扩展性更强，并且可以提高数据的查询效率。实验结果验证了此架构可以提高人才链等类似应用中的可行性以及查询效率。

面对电能替代、清洁能源的接入，绿色机场建设迫切需要高效的能源保障信息系统。提出了一种基于物联网技术的空港区智慧能源管控平台的设计思路。该平台包含感知层、网络层、数据层和应用层，采用物联网技术以及信息与能源的融合技术实现面向多种用户的应用场景。最后，通过梳理某民用枢纽机场的能源信息设计一个能源管控平台框架，为进一步挖掘能源的价值提供基础服务。