北核｜《南京郵電大學學報(自然科學版)》投稿指南分享

刊物名稱

《南京郵電大學學報(自然科學版)》

期刊介紹

《南京郵電大學學報(自然科學版)》(雙月刊)創(chuàng)刊于1960年，是由江蘇省教育廳主管、南京郵電大學主辦的以通信、電子、計算機和自動控制等信息學科為主要特色的專業(yè)性學術期刊。主要欄目:通信與電子、計算機與自動控制等。

刊物級別

高質量科技期刊（T2）, 中文核心（2023年版）, RCCSE(中文核心A)(2023第七版), 科技核心（2025學術卷）, 維普收錄, 萬方收錄, 知網(wǎng)收錄,第一批認定學術期刊。

投稿方式

1、投稿方式：在線投稿

2、出版日期：雙月刊，逢雙月出版。

投稿指南

1.來稿必須具有創(chuàng)新性、學術性、科學性、準確性、規(guī)范性和可讀性。論文篇幅(含圖表)一般限8 000字以內。

2.論文要求主題明確、數(shù)據(jù)可靠、邏輯嚴密、文字精練、圖表清晰。文稿必須包括中英文題名、作者姓名、作者單位及郵編、中英文摘要和關鍵詞(3-8個)、中圖分類號、正文、參考文獻、第1作者簡介（包括姓名、性別、出生年、籍貫、學位、職稱、研究方向等內容）和電子相片，并在首頁地腳處注明基金資助項目的名稱和基金號。作者的外文姓名一律用漢語拼音全部拼出，姓(字母大寫)在名前，名連綴成一詞，兩字間加半字線分開。

3.論文的中文摘要200字左右，英文摘要應有150個單詞。其內容應反映論文目的、方法及主要結果與結論，應提供盡可能多的定性或定量的信息，反映論文的創(chuàng)新之處；采用第三人稱的寫法，不必使用“本文”、“作者”等作為主語。

4.關鍵詞選詞要規(guī)范，應盡量從Ei THESAURUS中選取。關鍵詞要求3-8個。中英文關鍵詞應一一對應。

5.論文章節(jié)條款的序號用國際標準的標注方式，即：第1層次用0,1,2, ···；第2層次用1.1,1.2, ···, 2.1,2.2, ···；第3層次用1.1.1,1.1.2, ···, 2.1.1,2.1.2, ···，并頂格書寫。

6.圖、表應有自明性，且隨文出現(xiàn)。圖、表應附上相應的圖號、表號、圖題、表題。圖中文字、符號、縱橫坐標中的標值、標值線必須寫清，標目應使用標準的物理量(一般用一個字母表示)和國際制單位符號。文中表格建議使用“三線表”，圖、表的內容切忌與文字內容重復。

7.正文中的物理量和單位必須符合國家標準和國際標準。物理量用斜體，單位用正體。

8.參考文獻采用順序編碼制，按文中出現(xiàn)的先后順序編號(內部資料、私人通信、報紙、待發(fā)表的文章一律不引用)。參考文獻要求10篇以上，其中，中文參考文獻要求雙語（中、英文對應）。文獻的著錄格式按照以下形式書寫(含標點符號)：

(1) 專著：作者. 書名[M]. 版本(第1版不著錄). 出版地：出版者，出版年：起止頁碼.

(2) 期刊：作者. 題名[J]. 刊名, 出版年份，卷(期)：起止頁碼.

(3) 論文集中析出的文章：作者. 題名[C]// 論文集名. 論文集出版地：論文集出版者，出版年：起止頁碼.

(4) 學位論文：作者. 題名[D]. 保存地：保存者，年份.

(5) 專利文獻：專利申請者. 專利題名: 專利國別，專利文獻種類，專利號[P]. 出版日期.

(6) 電子文獻標注格式：作者、題名[文獻類型標志/文獻載體標志]. 電子文獻的出處或網(wǎng)址, 發(fā)表或更新日期/引用日期(任選). (網(wǎng)上期刊的標注為[J/OL]; 網(wǎng)上電子公告的標注為[EB/OL]; 網(wǎng)上數(shù)據(jù)庫的標注為[DB/OL]; 磁帶數(shù)據(jù)庫的標注為[DB/MT]; 光盤圖書的標注為[M/CD]; 磁盤軟件的標注為[CP/DK])

(7) 注意事項

① 參考文獻中的外文著者名、外文刊名的縮寫一律不用縮寫點。

② 外文著者一律用姓前名后，姓采用全部字母大寫，名采用首字母縮寫(中國人用全名不縮寫)。文獻作者3名以內全部列出，4名以上則列前3人，后加“et al”。各著者間不加“and ”、“和”等，應用逗號分開。

③ 外文題名第一個單詞首字母大寫，其余單詞(專有名詞除外)均不大寫。

④ 外文刊名應按國際標準規(guī)定縮寫，不加縮寫點。

9.對于來稿，編輯部按照規(guī)范的程序聘請校內外有關專家評審。評審過程嚴格采取“雙盲法”、“三審制”，以保證評審公平。

往期收稿方向及文章題目參考

基于RIS輔助的RSMA無蜂窩上行通信系統(tǒng)和速率優(yōu)化算法

RIS輔助的NOMA-MEC系統(tǒng)時延最小化問題研究

可重構折射面輔助下行NOMA系統(tǒng)和速率最大化

單幅圖像去模糊的多尺度特征提取和融合網(wǎng)絡

基于多尺度特征融合和對比學習的小樣本圖像分割方法

基于自適應噪聲與混合注意力的聯(lián)邦學習異常檢測

基于條件擴散概率模型的多模擬態(tài)裁決優(yōu)化算法

基于時間序列預測的冷數(shù)據(jù)壓縮方法

基于切片的人工智能模型數(shù)據(jù)質量處理方法研究