第6代移动通信（6G）及未来通信系统面临通信智能深度融合的发展需求，本研究聚焦于解决通信智能深度融合面临的三大核心问题：1）通信带宽增加与资源消耗剧增的本质矛盾；2）信源压缩能力提升以实现信息熵减；3）信息系统适应性增强以优化通信系统增益。立足智慧内生的思想，在全球率先提出了现代语义通信与6G智简网络理论技术体系。该体系突破经典信息论局限，提出了语义信息论，拓展了经典通信理论边界；革新通信范式，提出了“先算后通”现代语义通信新路径；构建了“智慧内生、原生简约”的6G智简网络理论技术体系，为突破未来通信瓶颈提供了核心理论支撑与关键技术路径。基于此体系，团队成功搭建了国际首个面向6G智能通信融合的外场试验网，在大视频传输、无人车通信、工业互联网和星地通信等典型场景中完成了外场试验验证。在标准化领域，主导成立中国通信标准化协会技术委员会630（CCSA TC630）语义通信推进委员会和国际移动通信2030（IMT-2030）6G推进组语义通信任务组两大核心标准组织，推动具有自主知识产权的“中国方案”纳入国际标准体系。相关成果已在全球产业界与学术界开辟了“智简”演进新路径，实现了从基础理论创新、核心技术突破、试验环境验证到国际标准推动的全链条贯通，为我国掌握6G技术发展主导权、抢占未来通信技术战略制高点、构建安全可控的产业生态提供了系统性科技支撑与坚实保障。

随着物联网驱动的自主导航等领域对复杂三维环境理解需求的增长，从点云数据自动重建结构化、可编辑的计算机辅助设计（CAD）模型已成为关键任务。然而，当前研究主要从CAD命令序列、草图与拉伸操作等角度进行重建，普遍面临重建步骤多、平台依赖性强等问题。为此，提出一种高精度几何与拓扑关系的CAD重建方法，即面向物联网三维感知的点云到CAD模型重建方法。首先，将CAD的边界表示解析为几何基元的参数化信息与其拓扑结构，并设计基元变分自编码器（PVAE）与拓扑变分自编码器（TVAE）分别建模其几何特征与拓扑关系；在此基础上，利用PointNet++提取点云数据的多尺度局部特征并融合为全局特征，进而通过拓扑解码器与基元解码器分别预测拓扑树序列和基元参数，实现高精度与更清晰的边界细节的CAD模型重建。为验证方法的有效性，采用倒角距离、边缘倒角距离和结构一致性作为评价指标，在2个数据集上对方法性能进行评估。实验结果表明，所提方法在拓扑结构完整性和几何重建精度方面均优于现有方法，能够实现更高精度的CAD模型重建。

随着电信业务规模的指数级增长，客户投诉判责成为通信运营商合规管理的关键环节。传统方法在处理复杂型投诉和非结构化历史案例时面临语义解耦困难、知识复用效率低等挑战。该研究面向现有业务流程基于大语言模型技术，提出一种链接式检索增强生成框架，通过层次化语义解耦与历史知识动态检索机制，实现投诉判责的精准化和高效化。该框架提出2级投诉点拆分机制：1级采用混合式语义解析剥离复合诉求，2级通过大模型提示技术从1级投诉列表中提取核心投诉点，同时动态处理历史文档适配2级投诉匹配，完成数据库的结构化改造。最后，基于某省级运营商423份实际投诉数据的实验表明，对比几种传统检索增强生成（RAG）模型，该方法在检索准确率方面提升18.87%，在检索召回率方面提升14.13%。该研究为强监管背景下的智能判责提供了高效的可复用的技术路径，具有重要的实践意义。

针对分布式振动信号在复杂结构健康监测中面临的传感器节点异构采样、特征漂移和模型泛化能力不足等问题，本研究通过构建分布式振动信号文本增强（DVSAG）数据集，利用交叉扩散在保留原始信号时空相关性的基础上进行自适应采样，结合频域来统一输入尺寸，以及使用无故障参考信号计算残差来增强输入。设计故障诊断网络与卷积块注意力机制（CBAM）提取分布式振动信号多尺度特征，将特征转换为词嵌入并结合非结构化文本输入到分布式振动信号大模型（DVSLLM），最后通过特征对齐与语义映射框架实现振动信号到自然语言的细粒度交互。实验表明，该方法有效提升了多工况下的故障诊断准确率和模型泛化能力，为复杂结构健康监测多任务决策提供了可靠支持。

在物联网（IoT）入侵检测领域中，联邦学习已成为实现模型权重集成更新的有效解决方案。这种分布式学习方法允许设备在本地训练模型，并将更新后的参数传输到中央服务器进行聚合。然而，现有基于联邦学习的入侵检测方法仍然存在局限性，在非独立同分布的数据及客户端模型异构的场景下，全局模型的入侵检测性能会受到严重影响。同时，传输模型参数导致的大量通信开销也阻碍了联邦学习方案的实际部署。为了解决上述问题，提出了一种基于半监督联邦学习的高效物联网入侵检测方法。通过利用未标记的公开数据增强模型对数据的理解能力，不断提高客户端分类器的性能，同时加入鉴别器模块提高客户端预测标签的质量，并通过硬标签策略和投票机制的结合有效降低通信开销。实验结果表明，在非独立同分布数据和客户端模型异构场景下，实现了86.97%的准确率，优于典型的联邦学习方法，同时实现了更低的通信开销。

为克服太赫兹通信中的波束色散影响，针对传统基于单层和双层时延器的天线结构方案中大延迟范围时延器数量多、硬件复杂度高、功耗大的问题，提出了一种基于多层时延器的多用户混合模拟/数字预编码方案。该方案在基站处将时延器划分为多层进行排列，并且在多层时延器基础上进行混合预编码设计。具体来说，首先根据每层时延器和天线数目推导出时延器位数及离散时延集合；然后根据中心频率处阵列响应向量设计移相器相移，应用时延器所在子阵列对应天线阵列孔径传播延迟作为时延器延迟，并基于离散时延集合对时延器延迟进行离散化处理，之后基于移相器相移和时延器延迟设计模拟预编码；最后采用低复杂度迫零预编码技术设计数字预编码。仿真和分析结果表明，相较于传统方案，所提方案在牺牲少许和速率情况下，可极大降低大范围时延器数目和硬件复杂度。

智能合约是运行在区块链上的一段计算机程序，具有自动执行、不可篡改、公开等特性。智能合约控制大量高价值数据的流动，攻击者可以利用智能合约存在的漏洞窃取资金或资源。现有的检测方法，如符号执行存在路径爆炸、误报率较高等问题，机器学习方法是黑盒的，有不可解释性。针对上述问题，提出了基于专家模式和可解释的机器学习来进行智能合约代码漏洞的检测，设计漏洞的专家模式，使用可解释性机器学习（SHAP）来解释多种特征的权重，针对4种漏洞（重入漏洞、时间戳漏洞、整数溢出漏洞、权限控制漏洞）的平均检测准确率达到了90.36%，和Oyente、Mythril等经典工具相比取得了更好的检测效果。

高性能的电磁屏蔽材料能够有效防护日益凸显的电磁干扰与损伤，为了克服传统的刚性电磁屏蔽材料在实际应用中存在的灵活性和可控性较差等缺陷，研制了一种灵活可塑、导电性强的银纳米片复合水凝胶屏蔽材料，并通过扫描电子显微镜（SEM）、X射线衍射仪（XRD）和X射线分光计（XPS）确定其三维结构和有效组分构成。进一步采用矢量网络分析仪证实了该水凝胶在8.0～12.4GHz的频段内具备卓越的电磁屏蔽效能（始终稳定在35dB以上）。基于水凝胶含水量可控的特性，设计并提出了脱水诱导银纳米片层空间互联构成宏量导电通路的策略，极大提升了复合水凝胶的电导率，从而获得了高水平的电磁屏蔽效果，在一定程度上为高性能电磁屏蔽材料的可控设计与制备提供了切实有效的解决方案。

为了有效应对无线传感器网络（WSN）中的Sinkhole攻击，提出了一种融合孤立森林（IF）和梯度优化算法（GBO）的Sinkhole攻击识别与安全路径选择策略（IF-GBO）。首先，通过设定检测阈值以触发IF-GBO入侵检测机制，减少网络开销，提高检测效率。其次，结合Sinkhole攻击的特点以及WSN数据的动态实时性，设计了包含节点跳数、能耗、数据包接收/转发率和时延等多维特征的数据集，并采用滑动窗口采样的方式进行模型训练，不仅提高了算法的运行效率，还增强了识别异常节点的精确度。最后，建立多目标路径选择函数，利用GBO算法帮助节点快速寻找新的传输路径以应对Sinkhole攻击，有效保证了数据的可靠传输，延长了网络寿命，并解决了异常检测结果无法及时传输至真实Sink节点的问题。实验结果表明，相较于支持向量机（SVM）、K最近邻（KNN）、局部异常因子（LOF）等经典的异常检测模型，IF-GBO能够准确识别出恶意节点，且具有更低的误判率和更强的泛化能力。与基于跳数的Sinkhole攻击检测算法（HCODESSA）和最小跳数选择的随机路径检测算法（RMHSD）相比，GBO防御策略能有效缓解Sinkhole攻击对网络的破坏，确保了路由的安全性和可靠性。

反向散射通信因其低成本、低能耗的优势在物联网领域得到了广泛的关注。然而，随着数据业务的逐渐扩展，对反向散射通信的传输性能也提出了新的挑战。多输入多输出（MIMO）技术因其在系统可靠性和传输速率方面的优势被引入到反向散射通信中，其中一种称为块级酉查询-空时编码（BUTQ-STBC）的双端联合编码技术更是充分挖掘了反向散射信道的分集潜力，然而其以牺牲传输速率为代价。为此，提出了一种新的信号传输方案，其基于空间匹配的思想选择最优的通信链路来进行数据传输。仿真结果表明，提出的传输方案优于传统的BUTQ-STBC的联合编码方案，所提方案为MIMO反向散射通信的高效、可靠传输提供了解决思路。