简要回顾了从基于传统机器学习的普通感知型分布式光纤声波传感器（DAS）到基于深度学习的全智能化DAS的转变历程，深入分析了基于多维信息提取的DAS监督学习及半监督、无监督和跨场景迁移等深度学习方法的研究现状，概括了不同识别模型的构建思路、特点，及其识别性能、处理时间等评价指标，也论述了DAS从单源检测到多源混叠检测、从单任务到多任务处理等智能感知能力提升面临的新挑战，最后对全智能化DAS的信号处理发展方向及新趋势进行了展望。

为了在高动态、低信噪比的条件下实现对低轨物联网信号的快速捕获, 提出了一种用于快速捕获低轨物联网信号的部分匹配滤波-快速傅里叶变换(PMF-FFT)改进算法。首先, 利用星历信息预估多普勒频偏, 缩小频域搜索范围; 然后, 通过补零、加窗方法克服PMF-FFT算法的扇贝损失; 最后, 采用频域差分非相干累积提高低信噪比下的输出增益。仿真分析表明, 所提改进算法在信噪比为-25~-15 dB时能提高低轨物联网信号的检测概率, 搜索范围由15~35 kHz缩小为24.8~25.2 kHz。

针对电力物联网智能终端有限的存储、计算和通信资源，现有运行管理算法大多偏重于降低节点功耗，导致终端安全抗捕获的性能受限。为在保障电力物联网终端节点运行性能的同时提升抗物理捕获攻击能力，提出一种轻量级密钥管理方案。通过集中器节点部署增加管控中央区域，形成了一种新型的双层网格部署模型。基于新结构提出一种双阶段的密钥信息分配算法。各阶段根据各子区域节点数目设置 Blom矩阵空间的安全阈值，大幅提高了电力信息网络连通性和抗捕获性能。仿真结果证明，当被捕获终端比例为 5.5%时，该方案对应的通信链路失效概率较t-UKP和 SPECC方案最大降低 63%和 68%。

在卫星物联网 (IoT)场景中, 随着终端数量不断增加, 频谱资源日益紧张。传统的随机接入技术频谱利用率较低, 使得传统随机接入协议不适用于未来卫星 IoT的高并发业务需求。同时, 卫星通信链路长, 开放性强, 难以保证特种终端信号的安全性。对此, 本文提出一种适用于卫星 IoT的混合随机接入方案。该方案引入重叠传输的容量提升与安全性优势, 利用扩频码对瞬时功率谱密度的控制能力, 构造功率域非正交接入条件, 并通过接收端的迭代分离实现稳健接收。对本文所提方案的吞吐量性能进行闭式解推导分析与计算机仿真, 结果表明, 与传统的随机接入协议相比, 所提方案可提高系统吞吐量。同时, 相较于常用信号隐藏方法, 所提方法利用常规接入数据包的功率优势, 强化了波形隐藏效果, 提升了特种信息接入的安全性。

针对目前个体识别中特征工程存在信号序列长、特征鲁棒性差等问题, 研究了基于深度神经网络的个体识别技术。借鉴语音识别中的卷积长短时全连接神经网络(CLDNN), 通过卷积神经网络提取信号的局部幅度特征, 通过长短期记忆网络提取信号的全局时域特征, 使用全连接网络实现特征图到设备标签的映射。在视距 (LOS)信道下, 采集 8台 LoRa调制的无线数传电台数据, 加入高斯白噪声进行仿真测试。仿真表明, 本文所提方法在信号序列长度为 2 048点和低信噪比(0 dB)时, 模型准确率达到 95%; 此外相较 VGG16模型, 本模型参数更少, 在物联网设备部署方面具有一定的应用前景。

新一代海底光缆通信网将既具有传统海底光缆通信网的通信功能, 又能为海底用户提供即插即用、稳定可靠的信息传输和电能供给, 可作为海底观测、导航定位和海底通信等应用系统的共用信息基础设施。着眼于构建新一代海底光缆通信网, 为服务未来海底各类预制系统、无人自主系统所需的水下物联网开展预先基础研究, 介绍了最新的海底光缆信息传输网及其相关设备的最新发展情况、该领域的发展趋势, 最后指出了当前海底光缆网络面临的困难。

为了提高农业生产效率, 从智能生产的角度提出一种智慧农业物联网改善农业生产的方法。智慧农业物联网采用了3种关键技术: 传感器技术、电力线载波通信技术和计算机网络通信技术, 其中前2种技术被用于建立网络节点, 实现远程监控, 而计算机网络通信技术则被用于在计算机网络中通过网络通信协议传输实时数据。测试表明: 智慧农业物联网能够实时记录农业生长状态, 远程操作生产设备, 准确传输实时数据, 提高工作效率, 降低生产成本。