《IEEE Transactions on Cognitive Communications and Networking》（TCCN）站在认知通信与网络研究的前沿，跃居TOP期刊，中科院1区、JCR Q1区双重认证。
2024年IF稳在7分，自引率仅5.7%，国人三年发文255篇独占鳌头。期刊五年内从92篇涨到170篇，录用率持续放大。机器学习、大模型赋能网络、频谱共享等热点都在射程，5-8个月即可拿到accept，OA可选，非OA零费用。对于从事认知通信、人工智能与网络交叉领域研究的学者来说，TCCN无疑是值得优先考虑的投稿选择。
一、期刊简介
-
期刊名字：《IEEE Transactions on Cognitive Communications and Networking》
-
期刊ISSN：2332-7731
-
Gold OA文章占比：4.46%
-
研究类文章占比：100%
官网地址：https://xplorestaging.ieee.org/xpl/RecentIssue.jsp?punumber=6687307
二、投稿范围
-
机器学习
-
人工智能
-
网络安全与隐私
-
端到端智能
-
大模型赋能通信
-
软件定义无线电与频谱共享
-
认知通信网络架构
三、期刊指标
1.期刊分区
2025年3月升级版：计算机科学大类1区，小类“电信学”1区。由非TOP转为TOP期刊，且为JCR Q1区。
2.影响因子
2024年影响因子7，总体呈上升趋势，增长显著，近几年IF稳定在6以上。
3.自引率
2024年自引率5.7%，整体控制在较低水平，位于安全区间内。
按引用次数引用该期刊的前20名期刊
4.发文情况
2024年发文170篇，从2019年的92篇逐年增长，发文量持续增加，五年内几乎翻一倍，录用机会增加。国人以255篇发文量位居榜单第一，国内机构贡献突出，显示出该期刊对国人高度友好。
近三年发文量最多的组织和国家
四、刊费与周期
-
出版费用：混合开放期刊，OA模式下APC为2645刀，非OA模式无需支付任何费用。
-
审稿周期：初审平均需要6-10周，从投稿到录用大约需要5-8个月，在Trans里面算是审稿较快的。
五、最后
《IEEE Transactions on Cognitive Communications and Networking》作为认知通信与网络领域的顶级期刊，影响因子不断上升，审稿周期合理，对国内学者高度友好态度。该刊覆盖的研究领域广泛，特别是近年来热门的人工智能、机器学习和大模型在通信中的应用等方向，是通信与网络领域研究人员的优秀选择。
文章推荐
这里推荐几篇IEEE TCCN最新的一些优秀文章给大家~
1.Deep Learning-Based DOA Estimation
基于深度学习的DOA估计
文章亮点：
突破传统协方差矩阵输入，首次直接利用原始I/Q数据做DOA深度学习；单/多源场景统一建模为单标签与多标签分类，并辅以回归网络精修离格角；纯卷积架构自适应快拍数，实测在AGGN、低信噪比及十源以上极端工况下均显著优于现有CM-Net，实现端到端高分辨测向。
文章概括：
针对现有深度DOA方案依赖协方差矩阵、对离格角及快拍数敏感的问题，本文提出基于原始I/Q分量的端到端网络。算法将DOA任务转化为可扩展的单/多标签分类＋回归联合框架，卷积结构直接学习空-时特征，无需预估计协方差。仿真与实测表明，该方法在广义高斯噪声、低信噪比及超多源场景下估计精度与分辨率均优于主流CM-Net，为实时阵列测向提供新思路。
2.Generative AI for Physical Layer Communications: A Survey
用于物理层通信的生成式人工智能：一项调查
文章亮点：
系统首梳生成式AI在物理层通信的全景应用：扩散模型精准学习信号分布提升信道估计，VAE实现盲均衡潜变量推断；覆盖信号分类、智能反射面及联合信源-信道编码等新兴场景，并对比传统AI凸显GAI的分布生成与泛化优势，为6G物理层打开数据驱动新范式。
文章概括：
本文综述生成式AI在无线物理层的最新突破，梳理扩散模型、VAE等如何重塑信号分类、信道估计、均衡及智能反射面设计，并剖析其相较传统AI的分布学习与生成能力优势；最后指出可解释性、实时性和标准化等开放挑战，展望GAI驱动的自生成物理层与零样本通信未来方向。
3.Generative AI-Driven Semantic Communication Networks: Architecture, Technologies and Applications
生成式人工智能驱动的语义通信网络：架构、技术和应用
文章亮点：
首次提出“生成式AI驱动语义通信”端到端架构，打通数据、物理、控制三平面；揭示GAI预训练、知识库与资源分配协同机制，实现语义收发联合优化；创新生成级与知识管理策略，支撑自动驾驶、智慧城市、元宇宙等超低时延AIGC业务，为6G谱效提升提供范式转移。
文章概括：
面向AIGC对高容量、低时延的迫切需求，本文系统综述生成式AI与语义通信融合网络。提出三平面统一架构，剖析GAI在语义编解码、知识构建与无线资源分配中的作用；给出语义效益度量、收发机设计及知识更新共享机制；并展望自动驾驶、智慧城市、元宇宙用例，指出标准化、安全与可持续计算的未来研究方向。
