SCIS精选了通信分学科2022年至今发表的综述文章，内容涵盖6G通信与网络、光通信、车联网、大数据安全、信号处理，以及遥感图像处理等领域，希望对您的研究工作有所帮助，欢迎您下载、阅读和分享。
From Single- to Multi-modal Remote Sensing Imagery Interpretation: A Survey and Taxonomy
模态是指一种信息来源或形态，人类可以通过各种模态信息，从多个角度感知世界。随着对地观测技术蓬勃发展，已实现通过全色、多光谱、合成孔径雷达等多体制传感器开展对地观测。多模态遥感图像解译已日渐成为一个研究热点，并逐步应用于城市规划、灾害监测、国土资源普查等多个领域。中国科学院空天信息创新研究院付琨、孙显研究员团队提出了从单模态到多模态的遥感图像解译综述，在充分调研前期成果基础上，阐述了遥感图像解译从单模态发展到多模态面临的问题挑战，系统介绍了多模态遥感图像解译的技术路线、主流方法、优势特点和典型应用，并探讨了该领域未来的研究方向。
A survey on hyperspectral image restoration: from the view of low-rank tensor approximation
Pushing AI to wireless network edge: an overview on integrated sensing, communication, and computation towards 6G
将人工智能推向无线网络边缘: 面向6G的通信、感知、计算一体化设计
Zhu G X, Lyu Z H, Jiao X, et al. Pushing AI to wireless network edge: an overview on integrated sensing, communication, and computation towards 6G. Sci China Inf Sci, 2023, 66(3): 130301
随着6G研究的不断深入，6G愿景日益清晰，6G无线网络将支持全频谱、全覆盖和全场景应用，并有望以Tbps级的传输速率实现极致的连接性能。为此，6G无线网络将需要几百兆至几百亿赫兹的频谱资源，频谱赤字严重。同时，当前静态分配、独占使用的频谱粗放管理模式进一步加剧了频谱资源的供需矛盾。因此，迫切需要一种安全、高效、精细化的频谱资源管控架构，实现用频设备可信接入、频谱资源按需分配和用频过程全流程监管。区块链技术的出现为构建分布式多方协同的管控架构提供了新的解决方案。基于区块链技术构建的分布式多层级频谱区块链，为实现6G精细化频谱管理和安全监管提供了全新的解决方案，对推动6G频谱资源管理和6G技术的应用具有重要意义。本文首次提出了基于区块链的分布式多层级动态频谱管控架构，即频谱(区块)链，详细阐述了区块链用于动态频谱管理的独特技术优势、频谱区块链体系架构和相关使能关键技术。
Wu Q H, Wang W, Li Z G, et al. SpectrumChain: a disruptive dynamic spectrum-sharing framework for 6G. Sci China Inf Sci, 2023, 66(3): 130302
6G星地一体化网络的覆盖增强：性能指标、星座构型以及资源分配
由于卫星通信系统本身信道的开放性，通信信号易被恶意侦听者接收，这极大地威胁了对于国家和个人的隐私安全。卫星隐蔽通信技术能有效提高卫星通信行为的隐蔽性，大大降低恶意侦听者发现通信行为的概率，受到越来越广泛的研究。此外，随着人工智能的发展，人们使用人工智能在卫星隐蔽通信的很多技术上完成了突破，实现了更高的可靠性和更强的隐蔽性。本文给出了卫星隐蔽通信的应用场景及遇到的挑战，阐明了卫星隐蔽通信系统中低检测概率通信技术、发射功率控制技术、相控阵天线技术、抗干扰技术、频谱预测技术以及自适应调制解调技术等6项关键技术的重要性；详细介绍了这6项卫星隐蔽通信系统关键技术的研究现状及人工智能(AI)技术在其中的应用；最后指出了这些关键技术存在的问题以及未来发展方向，并对卫星隐蔽通信系统的未来进行了展望。
随着越来越多的车辆安装了无线接口，车联网成为了无线泛在互联的重要部分。这也导致无线网络的网络规模、覆盖范围和密度持续增长，同时网络拓扑、信道状态和业务需求等在快速变化。在大数据驱动下，业界普遍认为机器学习或深度学习技术将能解决传统最优化理论无法解决的通信和组网难题。由于车联网是动态变化、空时域具有强耦合性的大规模无线网络，机器学习或深度学习技术如何应用于车联网中是个复杂的问题。本文对现有的车载移动性模型和它们对无线网络设计的影响给出了全面的详尽描述，并根据不同应用场景的特征讨论了模型的实用性和潜在性能。最后，列举了几个值得持续研究的重要方向。
光网络作为信息基础设施宽带化的基石，正朝着动态、可靠、智能的方向演进。光网络规模、容量和光层设备十分庞大，一旦发生故障影响面极大，海量数据丢失、大型计算中断，核心信息传递受阻，无论政企、金融、科教、交通、制造业等，还是个人用户，都将遭受巨大损失。因此，保障大规模光网络的安全可靠运行意义重大。近年来，以各类机器学习算法为代表的人工智能技术被应用于光网络故障管理中，得到了学术界和工业界的广泛关注，而基于机器学习的光网络故障管理技术可以有效防范故障发生，加快故障定位和网络恢复，从而保证网络健康稳定运行，目前已成为智能光网络研究领域中的前沿热点。本文围绕光网络故障管理技术开展综述研究，详细讲解了光网络故障管理的研究背景，包括光网络中的典型故障类别、核心监管对象、常见监测数据以及各种机器学习算法，全面总结了机器学习在故障管理中的各类应用，包括告警分析、故障预测、故障检测、故障定位和故障原因识别等。此外，还给出了一些未来的研究方向与开放性的研究主题。
Wang D S, Zhang C Y, Chen W B, et al. A review of machine learning-based failure management in optical networks. Sci China Inf Sci, 2022, 65(11): 211302
大数据推动了行业之间的多维融合和深刻创新，并提供了探索世界的新方式。本文从大数据存储和安全、细粒度数据安全共享和基于密文的数据计算等实际需求出发，全面回顾了密码学技术；提出了大数据安全密码体系结构（Z-CABDS）；从整个大数据生命周期的角度，阐述了与大数据安全密码学相关的某些挑战、开放性问题以及对未来研究的思考，旨在为后续研究提供良好的参考和启发。
由于MIMO技术的广泛应用，实现MIMO设备的性能测试也变得尤为重要。MIMO OTA (over-the-air) 技术克服了传统的传导测试方法的局限，被广泛应用于MIMO性能评估。MIMO OTA测试方法主要有三类，分别为基于混响室的方法、辐射两步法和基于多探头微波暗室(MPAC)的方法。基于MPAC的方法能够精确重现任意的无线传播信道，因此成为了MIMO OTA测试最有潜力的方法。本文主要针对基于多探头微波暗室(multi-probe anechoic chamber, MPAC)测试装置，总结了2D UE MIMO OTA测试算法和3D BS MIMO OTA测试算法，并对相关算法进行分析比较。另外，还讨论了设计测试系统的一些关键需求以及针对5G无线设备的新颖的测试方法。
信号检测是雷达、声呐、通信等领域的基本问题之一。以雷达为例，随着信号处理理论的发展和制造工艺的不断进步，相控阵体制已成为现役雷达的主流。近年来，也涌现出了多种新体制雷达这些新体制雷达的一个共同特点是雷达天线以阵列形式存在，接收数据以多通道形式呈现。此外，由于脉冲多普勒技术的普及与应用，即使仅有单个空域通道(例如抛物面天线)，雷达数据也可以多通道形式存在。多通道处理具有更多的灵活性和自由度，为提升目标检测性能提供了保证。本文综述了多通道自适应检测技术，给出了多通道自适应检测器的主要设计准则，即，广义似然比(GLRT)准则、Rao准则和Wald准则；分析了自适应检测与分步检测的联系，指出只有在特定场景下采用特定处理方式时，最优滤波才等价于最优检测；给出了自适应检测器与自适应滤波器的关系，阐述了二者的异同点；在详细综述自适应检测当前研究现状的基础上，探讨了自适应检测下一步可能的发展趋势。
Liu W J, Liu J, Hao C P, et al. Multichannel adaptive signal detection: basic theory and literature review. Sci China Inf Sci, 2022, 65(2): 121301
