邮件订阅
优先发表栏目展示本刊经同行评议确定正式录用的文章，这些文章目前处在编校过程，尚未确定卷期及页码，但可以根据DOI进行引用。本栏目内容尚未正式出版，未经编辑部许可，不得转载。
显示方式:
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250348
摘要:
时域有限差分法(FDTD)作为计算介质电磁特性的有效方法，往往受到模型结构及其网格剖分的预处理限制。为了探究多层/多孔材料的电磁散射特性问题，提高电磁仿真的计算效率，该文提出一种基于FDTD的电磁分析加速方案。通过计算几何算法来快速完成复杂材料的Yee网格划分，由三维体素数组定义材料构建分布矩阵与电磁分量的统一排布，针对体素数据的特点实现了非解析几何介质的雷达散射截面的高效计算。现今大多数体网格剖分需要解析公式来描述几何体，该文开创性地将射线求交法与有向距离相结合，并通过切平面与交点计算减少网格生成过程中的无效遍历、降低几何运算复杂度，加速实现多孔非解析几何体的电磁参数网格化定义。该文设计了3种关于多层/多孔材料的时域电磁分析场景，计算了这些场景在不同条件下的雷达散射截面。与主流电磁仿真软件任意复杂电磁场计算(FEldberechnungbei Korpern mit beliebiger Oberflache, FEKO)、计算机仿真技术(Computer Simulation Technology, CST)和高频结构仿真软件(High Frequency Structure Simulator, HFSS)的计算相比，该方法的计算数据呈现出高度的吻合性，表现出了优越的效率。电磁分析加速方案拓展了使用FDTD进行电磁仿真的介质结构及材料类型，在保证计算精度的前提下显著节省了计算时间与内存，为体网格剖分加速和内部结构处理提供了新的研究思绪。
时域有限差分法(FDTD)作为计算介质电磁特性的有效方法，往往受到模型结构及其网格剖分的预处理限制。为了探究多层/多孔材料的电磁散射特性问题，提高电磁仿真的计算效率，该文提出一种基于FDTD的电磁分析加速方案。通过计算几何算法来快速完成复杂材料的Yee网格划分，由三维体素数组定义材料构建分布矩阵与电磁分量的统一排布，针对体素数据的特点实现了非解析几何介质的雷达散射截面的高效计算。现今大多数体网格剖分需要解析公式来描述几何体，该文开创性地将射线求交法与有向距离相结合，并通过切平面与交点计算减少网格生成过程中的无效遍历、降低几何运算复杂度，加速实现多孔非解析几何体的电磁参数网格化定义。该文设计了3种关于多层/多孔材料的时域电磁分析场景，计算了这些场景在不同条件下的雷达散射截面。与主流电磁仿真软件任意复杂电磁场计算(FEldberechnungbei Korpern mit beliebiger Oberflache, FEKO)、计算机仿真技术(Computer Simulation Technology, CST)和高频结构仿真软件(High Frequency Structure Simulator, HFSS)的计算相比，该方法的计算数据呈现出高度的吻合性，表现出了优越的效率。电磁分析加速方案拓展了使用FDTD进行电磁仿真的介质结构及材料类型，在保证计算精度的前提下显著节省了计算时间与内存，为体网格剖分加速和内部结构处理提供了新的研究思绪。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250594
摘要:
针对单模态自动调制方式识别方法难以在低信噪比条件下可靠识别结果的问题，该文融合对比学习和Kolmogorov-Arnold表示定理，提出一种面向低信噪比序列的多模态联合两阶段自动调制方式识别方法。第1阶段，构建对比学习模块，利用多模态数据在时间、强度等显著联系，实现时域Token和变换域Token序列的初步显式对齐；第2阶段，设计特征融合模块，利用长短时记忆网络LSTM、卷积神经网络CNN从初步对齐特征中提取时序特性，并利用表征学习增大类间距离，从多角度捕获时域和变换域2种模态特征之间的隐式对齐关系，实现多模态特征融合；最后，通过Kolmogorov-Arnold网络学习边缘权重，得到调制方式识别结果。在经典通信信号调制方式识别数据集RadioML2016.10a, RadioML2016.10b和HisarMod2019.1上的实验结果表明，在–20～0 dB信噪比条件下，该文方法的调制方式识别精度相比于经典的FEA-T, AMC-NET和MCLDNN等方法以相近的参数量提高了2.62%～11.63%。
针对单模态自动调制方式识别方法难以在低信噪比条件下可靠识别结果的问题，该文融合对比学习和Kolmogorov-Arnold表示定理，提出一种面向低信噪比序列的多模态联合两阶段自动调制方式识别方法。第1阶段，构建对比学习模块，利用多模态数据在时间、强度等显著联系，实现时域Token和变换域Token序列的初步显式对齐；第2阶段，设计特征融合模块，利用长短时记忆网络LSTM、卷积神经网络CNN从初步对齐特征中提取时序特性，并利用表征学习增大类间距离，从多角度捕获时域和变换域2种模态特征之间的隐式对齐关系，实现多模态特征融合；最后，通过Kolmogorov-Arnold网络学习边缘权重，得到调制方式识别结果。在经典通信信号调制方式识别数据集RadioML2016.10a, RadioML2016.10b和HisarMod2019.1上的实验结果表明，在–20～0 dB信噪比条件下，该文方法的调制方式识别精度相比于经典的FEA-T, AMC-NET和MCLDNN等方法以相近的参数量提高了2.62%～11.63%。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250434
摘要:
在网络通信加密技术广泛应用的背景下，加密流量识别已成为网络安全领域亟待攻克的核心难题。传统基于载荷内容的识别方法，因加密算法的持续升级，面临特征失效的风险，进而在动态网络环境中产生检测盲区。与此同时，报头作为协议交互的关键载体，其结构化特征价值尚未得到充分挖掘。此外，随着加密协议的不断发展，现有的加密流量识别方法还面临特征解释性不足、模型在对抗攻击下鲁棒性薄弱等问题。针对上述挑战，该文提出基于报头特征驱动的加密流量跨维度协同识别框架，分别从网络流量特征选取与识别性能、量化特征贡献度的可解释性评估以及对抗性扰动对模型稳健性影响三个维度进行分析，系统地揭示和证明了报头特征在加密流量识别中占主导作用，突破了传统单视角分析的局限性，革新了传统方法依赖载荷数据的固有认知。该识别框架不仅能分析深度模型的性能边界、评估决策的可信性，而且能通过有效筛选特征剪除冗余，在降低模型复杂度的基础上提升加密场景下的抗干扰能力，进而设计更轻量化、更加稳健的加密流量识别模型。最后，在ISCXVPN2016和ISCXTor2016数据集上的对比实验表明：在识别性能维度，仅基于报头特征的模型F1分数较完整流量模型最高提升6%，较仅基于有载荷特征的模型最高提升61%，验证了报头特征在分类任务中的有效性；在可解释性评估中，通过特征贡献度量化方法发现，报头特征相关性得分的平均占比相较于载荷特征最多高出 89.8%，凸显其在模型决策中的主导性影响；在抗干扰鲁棒性方面，含报头特征的模型在同等带宽扰动下的最大抗干扰性能保持率较纯载荷模型相比，优势显著，最大差距达 98.46%，证实了报头特征对增强模型鲁棒性的关键作用。
在网络通信加密技术广泛应用的背景下，加密流量识别已成为网络安全领域亟待攻克的核心难题。传统基于载荷内容的识别方法，因加密算法的持续升级，面临特征失效的风险，进而在动态网络环境中产生检测盲区。与此同时，报头作为协议交互的关键载体，其结构化特征价值尚未得到充分挖掘。此外，随着加密协议的不断发展，现有的加密流量识别方法还面临特征解释性不足、模型在对抗攻击下鲁棒性薄弱等问题。针对上述挑战，该文提出基于报头特征驱动的加密流量跨维度协同识别框架，分别从网络流量特征选取与识别性能、量化特征贡献度的可解释性评估以及对抗性扰动对模型稳健性影响三个维度进行分析，系统地揭示和证明了报头特征在加密流量识别中占主导作用，突破了传统单视角分析的局限性，革新了传统方法依赖载荷数据的固有认知。该识别框架不仅能分析深度模型的性能边界、评估决策的可信性，而且能通过有效筛选特征剪除冗余，在降低模型复杂度的基础上提升加密场景下的抗干扰能力，进而设计更轻量化、更加稳健的加密流量识别模型。最后，在ISCXVPN2016和ISCXTor2016数据集上的对比实验表明：在识别性能维度，仅基于报头特征的模型F1分数较完整流量模型最高提升6%，较仅基于有载荷特征的模型最高提升61%，验证了报头特征在分类任务中的有效性；在可解释性评估中，通过特征贡献度量化方法发现，报头特征相关性得分的平均占比相较于载荷特征最多高出 89.8%，凸显其在模型决策中的主导性影响；在抗干扰鲁棒性方面，含报头特征的模型在同等带宽扰动下的最大抗干扰性能保持率较纯载荷模型相比，优势显著，最大差距达 98.46%，证实了报头特征对增强模型鲁棒性的关键作用。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT241106
摘要:
极低频磁场(ELF-MF)已被证实可以对多种常见疾病产生积极影响，但其对阿尔茨海默病(AD)的影响仍然知之甚少。该文将免疫荧光检测、行为学和电生理学相结合，通过计算完成对象位置任务(OLT)的行为认知指数(CI)，探究ELF-MF暴露对小鼠空间工作记忆(SWM)的影响；应用时频分布和相位-幅值耦合分析方法，探究小鼠进行OLT过程中海马CA1区局部场电位信号(LFPs)的theta频段和gamma频段神经振荡的变化规律；进一步通过免疫荧光技术定量分析了小鼠海马区域Aβ42的沉积情况，探究ELF-MF暴露对AD病理标志物的影响。此外，还分析了CI与海马CA1区theta频段和gamma频段神经振荡的时频分布及相位-幅值耦合之间的相关性，旨在探究ELF-MF对认知功能和神经振荡模式的调控机制。结果表明，ELF-MF可以减少AD小鼠海马区Aβ42含量，增强AD模型小鼠的SWM能力，且这种增强与小鼠SWM任务期间海马CA1区theta和gamma频段神经振荡的时频能量以及theta-gamma相位-幅值耦合增强有关。
极低频磁场(ELF-MF)已被证实可以对多种常见疾病产生积极影响，但其对阿尔茨海默病(AD)的影响仍然知之甚少。该文将免疫荧光检测、行为学和电生理学相结合，通过计算完成对象位置任务(OLT)的行为认知指数(CI)，探究ELF-MF暴露对小鼠空间工作记忆(SWM)的影响；应用时频分布和相位-幅值耦合分析方法，探究小鼠进行OLT过程中海马CA1区局部场电位信号(LFPs)的theta频段和gamma频段神经振荡的变化规律；进一步通过免疫荧光技术定量分析了小鼠海马区域Aβ42的沉积情况，探究ELF-MF暴露对AD病理标志物的影响。此外，还分析了CI与海马CA1区theta频段和gamma频段神经振荡的时频分布及相位-幅值耦合之间的相关性，旨在探究ELF-MF对认知功能和神经振荡模式的调控机制。结果表明，ELF-MF可以减少AD小鼠海马区Aβ42含量，增强AD模型小鼠的SWM能力，且这种增强与小鼠SWM任务期间海马CA1区theta和gamma频段神经振荡的时频能量以及theta-gamma相位-幅值耦合增强有关。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250449
摘要:
Verilog作为主流硬件描述语言之一，其代码质量直接影响电路的功耗、性能和面积(PPA)。当前，基于大语言模型(LLM)生成硬件描述语言的应用面临一个关键挑战：如何引入基于PPA指标的设计反馈机制，以有效指导模型优化，而不仅停留在Verilog语法和功能正确性层面。针对这一问题，该文公开了名为VCodePPA的数据集，该数据集将Verilog代码结构与功耗、性能、面积指标进行了精准关联，共包含17 342条高质量样本数据。该文所做工作为：构建了包含基本算术运算模块、存储架构模块等20种功能分类的3 500条规模的种子数据集；设计了基于蒙特卡罗搜索(MCTS)的多维代码数据增强方案，通过架构层、逻辑层和时序层3个维度的九种变换器对种子数据集进行代码变化，生成大规模功能等同但PPA指标差异显著的Verilog代码集。每条数据均包含如板上资源占用量、关键路径延迟、最大工作频率等多种硬件设计指标，用于训练模型在硬件设计PPA指标的冲突-平衡规律知识。实验表明经此数据集训练后，新模型相比基线模型在各种Verilog设计任务上平均减少了10%～15%的板上资源占用，降低了8%～12%的功耗，并缩短了5%～8%的关键路径延迟。
Verilog作为主流硬件描述语言之一，其代码质量直接影响电路的功耗、性能和面积(PPA)。当前，基于大语言模型(LLM)生成硬件描述语言的应用面临一个关键挑战：如何引入基于PPA指标的设计反馈机制，以有效指导模型优化，而不仅停留在Verilog语法和功能正确性层面。针对这一问题，该文公开了名为VCodePPA的数据集，该数据集将Verilog代码结构与功耗、性能、面积指标进行了精准关联，共包含17 342条高质量样本数据。该文所做工作为：构建了包含基本算术运算模块、存储架构模块等20种功能分类的3 500条规模的种子数据集；设计了基于蒙特卡罗搜索(MCTS)的多维代码数据增强方案，通过架构层、逻辑层和时序层3个维度的九种变换器对种子数据集进行代码变化，生成大规模功能等同但PPA指标差异显著的Verilog代码集。每条数据均包含如板上资源占用量、关键路径延迟、最大工作频率等多种硬件设计指标，用于训练模型在硬件设计PPA指标的冲突-平衡规律知识。实验表明经此数据集训练后，新模型相比基线模型在各种Verilog设计任务上平均减少了10%～15%的板上资源占用，降低了8%～12%的功耗，并缩短了5%～8%的关键路径延迟。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250432
摘要:
鉴于当前保守混沌系统中多涡卷等复杂动力学行为的研究尚不充分，该文构建了五维保守超混沌系统，通过哈密顿能量函数的调控实现多涡卷保守混沌流的可控生成，进而探究其在图像加密领域的应用。基于哈密顿能量函数的驻点分析，该文揭示了涡卷结构的形成机制：系统运动轨迹沿哈密顿能量等值面演化，增加哈密顿能量函数的驻点可诱导多方向涡卷保守混沌流的形成。复杂度分析结果进一步验证了多涡卷保守混沌系统具有显著提升的谱熵复杂度。基于上述研究，该文设计了一种融合人脸检测技术的图像加密算法，实现针对人脸区域的信息加密。仿真结果表明该算法具备良好的安全性能。
鉴于当前保守混沌系统中多涡卷等复杂动力学行为的研究尚不充分，该文构建了五维保守超混沌系统，通过哈密顿能量函数的调控实现多涡卷保守混沌流的可控生成，进而探究其在图像加密领域的应用。基于哈密顿能量函数的驻点分析，该文揭示了涡卷结构的形成机制：系统运动轨迹沿哈密顿能量等值面演化，增加哈密顿能量函数的驻点可诱导多方向涡卷保守混沌流的形成。复杂度分析结果进一步验证了多涡卷保守混沌系统具有显著提升的谱熵复杂度。基于上述研究，该文设计了一种融合人脸检测技术的图像加密算法，实现针对人脸区域的信息加密。仿真结果表明该算法具备良好的安全性能。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250719
摘要:
随着5G毫米波技术的快速发展，对天线的高增益、宽波束覆盖和小尺寸提出了更高要求。该文基于人工磁导体(AMC)结构，设计了一种毫米波频段的具有大角域扫描能力的单极化一维阵列天线。通过利用AMC结构的同相反射特性，天线阵列在提升带宽和增益的同时，实现了显著的宽角扫描能力。天线单元采用单极化设计，通过堆叠式结构优化电流分布，改善了带宽和端口隔离度。阵列以4.6 mm(26 GHz时的0.4波长)间距组阵，加载AMC结构后，阵中天线单元的增益提升至5 dBi，且相邻单元的方形贴片参与辐射，进一步展宽了辐射方向图。仿真结果表明，天线阵列覆盖23.7～28 GHz频段，最大增益达13.8 dBi，在26 GHz时实现了±80°的宽角扫描性能。此外，加工测试验证了设计的可行性，实测结果与仿真吻合良好，隔离度优于\begin{document}$ - $\end{document}
随着5G毫米波技术的快速发展，对天线的高增益、宽波束覆盖和小尺寸提出了更高要求。该文基于人工磁导体(AMC)结构，设计了一种毫米波频段的具有大角域扫描能力的单极化一维阵列天线。通过利用AMC结构的同相反射特性，天线阵列在提升带宽和增益的同时，实现了显著的宽角扫描能力。天线单元采用单极化设计，通过堆叠式结构优化电流分布，改善了带宽和端口隔离度。阵列以4.6 mm(26 GHz时的0.4波长)间距组阵，加载AMC结构后，阵中天线单元的增益提升至5 dBi，且相邻单元的方形贴片参与辐射，进一步展宽了辐射方向图。仿真结果表明，天线阵列覆盖23.7～28 GHz频段，最大增益达13.8 dBi，在26 GHz时实现了±80°的宽角扫描性能。此外，加工测试验证了设计的可行性，实测结果与仿真吻合良好，隔离度优于
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250503
摘要:
随着物联网(IoT)设备数量的指数级增长和《个人信息保护法》等法规的相继实施，联邦遗忘学习在边缘计算(EC)中已成为保障数据“被遗忘权”的关键技术。然而，边缘节点普遍存在的资源异构性—计算能力、存储容量和网络带宽等差异，导致基于全局统一剪枝策略的类级遗忘方法(遗忘某类训练数据)面临训练效率下降的困境。为了应对上述挑战，该文针对类级遗忘场景，提出了一种基于自适应模型剪枝的联邦遗忘学习框架(FunAMP)，通过降低节点之间的等待时间提高模型训练效率。首先，该文建立了模型训练时间、节点资源与模型剪枝比之间的定量关系，并据此给出自适应模型剪枝问题的形式化定义。随后，设计了一种基于贪心策略的剪枝比决策算法，根据每个节点的计算和通信资源为其分配合适的剪枝比，并分析该算法的近似比，为算法性能提供理论保证。接着，确立了一种基于词频-逆文频的相关性指标来衡量模型参数与目标类数据之间的关系，根据该指标和分配的剪枝比将与目标类数据相关的模型参数去除，从而在实现目标类数据遗忘的同时最大限度地降低模型训练时间。实验结果表明，FunAMP在达到相同准确率的情况下，相比现有方法最高可实现11.8倍的加速比。
随着物联网(IoT)设备数量的指数级增长和《个人信息保护法》等法规的相继实施，联邦遗忘学习在边缘计算(EC)中已成为保障数据“被遗忘权”的关键技术。然而，边缘节点普遍存在的资源异构性—计算能力、存储容量和网络带宽等差异，导致基于全局统一剪枝策略的类级遗忘方法(遗忘某类训练数据)面临训练效率下降的困境。为了应对上述挑战，该文针对类级遗忘场景，提出了一种基于自适应模型剪枝的联邦遗忘学习框架(FunAMP)，通过降低节点之间的等待时间提高模型训练效率。首先，该文建立了模型训练时间、节点资源与模型剪枝比之间的定量关系，并据此给出自适应模型剪枝问题的形式化定义。随后，设计了一种基于贪心策略的剪枝比决策算法，根据每个节点的计算和通信资源为其分配合适的剪枝比，并分析该算法的近似比，为算法性能提供理论保证。接着，确立了一种基于词频-逆文频的相关性指标来衡量模型参数与目标类数据之间的关系，根据该指标和分配的剪枝比将与目标类数据相关的模型参数去除，从而在实现目标类数据遗忘的同时最大限度地降低模型训练时间。实验结果表明，FunAMP在达到相同准确率的情况下，相比现有方法最高可实现11.8倍的加速比。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250334
摘要:
在进行墙后人体目标三维成像时，系统需具备获取距离、方位和俯仰三维信息的能力。然而，通常采用的二维平面阵列存在通道数量多导致的校准难、成本高等问题。为此，该文提出了一种基于阵列拼接的遮蔽人体目标三维成像方法，通过单台小孔径雷达分时顺序拼接或多台独立工作的雷达同时空间拼接，实现低成本化的穿墙遮蔽人体目标三维成像。具体而言，首先通过三维加权总变分方法将各个横向阵列及纵向阵列的雷达回波数据进行初步成像；然后，将各个横向阵列获取的成像结果与纵向阵列的成像结果乘性融合，并采用Lucy-Richardson反卷积算法进一步提升成像分辨率；最后采用三维小波变换融合方法，实现各个子图像的有效融合。仿真与实测实验验证了所提方法的有效性，为墙后人体目标三维成像提供了一种新颖、低成本的解决方案。
在进行墙后人体目标三维成像时，系统需具备获取距离、方位和俯仰三维信息的能力。然而，通常采用的二维平面阵列存在通道数量多导致的校准难、成本高等问题。为此，该文提出了一种基于阵列拼接的遮蔽人体目标三维成像方法，通过单台小孔径雷达分时顺序拼接或多台独立工作的雷达同时空间拼接，实现低成本化的穿墙遮蔽人体目标三维成像。具体而言，首先通过三维加权总变分方法将各个横向阵列及纵向阵列的雷达回波数据进行初步成像；然后，将各个横向阵列获取的成像结果与纵向阵列的成像结果乘性融合，并采用Lucy-Richardson反卷积算法进一步提升成像分辨率；最后采用三维小波变换融合方法，实现各个子图像的有效融合。仿真与实测实验验证了所提方法的有效性，为墙后人体目标三维成像提供了一种新颖、低成本的解决方案。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250462
摘要:
该文研究了近场通感一体化系统(ISAC)中多用户安全波束设计问题，其中多个单天线通信用户和一个雷达感知目标都位于发射机的近场区域内，雷达目标作为潜在窃听者，可能从联合波束中获取通信信息。为保证系统通信安全性和感知精度，该文以多用户可达安全和速率最大化为目标、以基站发射功率和感知性能为约束条件，构建了通信信号与雷达感知信号波束形成向量的联合优化模型。其中，雷达感知信号间兼具双重功能：一方面作为人工噪声，干扰窃听者对合法通信用户信息的解码；另一方面用于实现对目标的感知，其感知性能通过克拉美罗界(CRB)进行量化。为解决该多变量的非凸优化问题，该文提出了基于半正定松弛(SDR)和加权最小均方误差(WMMSE)的优化算法求解该优化问题。仿真结果表明近场模型所提供的距离自由度，以及引入人工噪声信号，能够为多用户ISAC通信安全带来性能增益。
该文研究了近场通感一体化系统(ISAC)中多用户安全波束设计问题，其中多个单天线通信用户和一个雷达感知目标都位于发射机的近场区域内，雷达目标作为潜在窃听者，可能从联合波束中获取通信信息。为保证系统通信安全性和感知精度，该文以多用户可达安全和速率最大化为目标、以基站发射功率和感知性能为约束条件，构建了通信信号与雷达感知信号波束形成向量的联合优化模型。其中，雷达感知信号间兼具双重功能：一方面作为人工噪声，干扰窃听者对合法通信用户信息的解码；另一方面用于实现对目标的感知，其感知性能通过克拉美罗界(CRB)进行量化。为解决该多变量的非凸优化问题，该文提出了基于半正定松弛(SDR)和加权最小均方误差(WMMSE)的优化算法求解该优化问题。仿真结果表明近场模型所提供的距离自由度，以及引入人工噪声信号，能够为多用户ISAC通信安全带来性能增益。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250701
摘要:
合成孔径雷达(SAR)易受同频段电子设备产生的射频干扰影响，使SAR图像解译难度显著增加。射频干扰的检测与定位有利于将SAR回波数据中的干扰精准“剔除”，降低射频干扰对SAR图像解译的不利影响。针对射频干扰业务化、工程化的检测与定位，该文提出一种融合跨域多特征的SAR射频干扰检测与定位方法。首先，通过对时域矩峰度和时域一阶偏导数进行加权融合，实现回波信号的初步检测。然后，结合短时傅里叶变换与对数比差异变化能量检测技术，获取射频干扰在SAR回波数据时频域中的时空表征，最后，将射频干扰的时空表征映射至时域，得到射频干扰信号的精确位置。通过全方位多角度的仿真与实测数据实验，结果表明所提方法针对窄带干扰和宽带干扰的检测与定位精度均优于传统方法，为SAR系统工程化检测与定位射频干扰提供了可靠的技术方案。
合成孔径雷达(SAR)易受同频段电子设备产生的射频干扰影响，使SAR图像解译难度显著增加。射频干扰的检测与定位有利于将SAR回波数据中的干扰精准“剔除”，降低射频干扰对SAR图像解译的不利影响。针对射频干扰业务化、工程化的检测与定位，该文提出一种融合跨域多特征的SAR射频干扰检测与定位方法。首先，通过对时域矩峰度和时域一阶偏导数进行加权融合，实现回波信号的初步检测。然后，结合短时傅里叶变换与对数比差异变化能量检测技术，获取射频干扰在SAR回波数据时频域中的时空表征，最后，将射频干扰的时空表征映射至时域，得到射频干扰信号的精确位置。通过全方位多角度的仿真与实测数据实验，结果表明所提方法针对窄带干扰和宽带干扰的检测与定位精度均优于传统方法，为SAR系统工程化检测与定位射频干扰提供了可靠的技术方案。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250475
摘要:
基于索引调制的正交线性调频分复用系统(OCDM-IM)要求部分子载波保持静默状态，这一方面削弱了正交线性调频分复用系统(OCDM)的时频扩展增益，导致OCDM-IM系统在高动态场景下受多普勒频移的影响仍然较为严重；另一方面，静默的子载波不携带传输信息，造成了吞吐量的损失。针对以上问题，该文提出一种新型的双模辅助索引调制的OCDM通信系统架构(DM-OCDM-IM)。该系统在OCDM系统的基础上，引入双模索引映射方案，拓展调制维度，既保留了OCDM系统在高动态场景下时频二维扩展抗干扰能力的核心优势，又实现了低阶星座调制下的高频谱效率。为了降低接收端复杂度，提出利用离散菲涅尔变换(DFnT)的特征分解来简化DM-OCDM-IM系统数字信号处理的接收算法。仿真结果表明，与现有的双模辅助索引调制的OFDM系统(DM-OFDM-IM)相比，所提的DM-OCDM-IM系统具有更强的抗多径衰落和抗多普勒频移的能力；与OCDM-IM系统相比，所提的DM-OCDM-IM系统提高了频谱效率的同时，仍然具有更强的抗衰落能力。
基于索引调制的正交线性调频分复用系统(OCDM-IM)要求部分子载波保持静默状态，这一方面削弱了正交线性调频分复用系统(OCDM)的时频扩展增益，导致OCDM-IM系统在高动态场景下受多普勒频移的影响仍然较为严重；另一方面，静默的子载波不携带传输信息，造成了吞吐量的损失。针对以上问题，该文提出一种新型的双模辅助索引调制的OCDM通信系统架构(DM-OCDM-IM)。该系统在OCDM系统的基础上，引入双模索引映射方案，拓展调制维度，既保留了OCDM系统在高动态场景下时频二维扩展抗干扰能力的核心优势，又实现了低阶星座调制下的高频谱效率。为了降低接收端复杂度，提出利用离散菲涅尔变换(DFnT)的特征分解来简化DM-OCDM-IM系统数字信号处理的接收算法。仿真结果表明，与现有的双模辅助索引调制的OFDM系统(DM-OFDM-IM)相比，所提的DM-OCDM-IM系统具有更强的抗多径衰落和抗多普勒频移的能力；与OCDM-IM系统相比，所提的DM-OCDM-IM系统提高了频谱效率的同时，仍然具有更强的抗衰落能力。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250533
摘要:
随着智能物联网的出现，海量物联网设备间的短包通信在低时延、高可靠和极短数据包长方面的严苛要求给信道编译码方案的设计带来了新的挑战。极化调整卷积(PAC)码在短码长下的某些码型下具有接近散度近似(DA)的纠错性能，但其极高的译码运算复杂度限制了在短包通信中的应用。针对这一问题，该文提出了低复杂度Fano序贯(LC-FS)译码算法和低复杂度堆栈(LC-S)译码算法。首先，LC-FS译码算法将译码码树中的特殊节点分为低码率和高码率2类，并提出了相应的特殊节点译码器和回溯策略，从而在译码码树更高层完成译码以避免冗余运算。其次，LC-FS译码算法中的特殊节点分类方法被扩展到堆栈类译码算法，进一步提出了LC-S译码算法。该算法在保留堆栈类译码算法低回溯次数特点的同时具有更低的运算复杂度。最后，仿真结果表明在对码长为256和信息长度为128的PAC码进行译码时，相较于快速Fano序贯(FFS)译码算法和传统堆栈译码算法，所提LC-FS译码算法和LC-S译码算法保证纠错性能基本无损的同时运算复杂度平均降低了13.77%和56.48%。
随着智能物联网的出现，海量物联网设备间的短包通信在低时延、高可靠和极短数据包长方面的严苛要求给信道编译码方案的设计带来了新的挑战。极化调整卷积(PAC)码在短码长下的某些码型下具有接近散度近似(DA)的纠错性能，但其极高的译码运算复杂度限制了在短包通信中的应用。针对这一问题，该文提出了低复杂度Fano序贯(LC-FS)译码算法和低复杂度堆栈(LC-S)译码算法。首先，LC-FS译码算法将译码码树中的特殊节点分为低码率和高码率2类，并提出了相应的特殊节点译码器和回溯策略，从而在译码码树更高层完成译码以避免冗余运算。其次，LC-FS译码算法中的特殊节点分类方法被扩展到堆栈类译码算法，进一步提出了LC-S译码算法。该算法在保留堆栈类译码算法低回溯次数特点的同时具有更低的运算复杂度。最后，仿真结果表明在对码长为256和信息长度为128的PAC码进行译码时，相较于快速Fano序贯(FFS)译码算法和传统堆栈译码算法，所提LC-FS译码算法和LC-S译码算法保证纠错性能基本无损的同时运算复杂度平均降低了13.77%和56.48%。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250613
摘要:
现有红外无人机目标跟踪方法在多尺度特征融合过程中存在空间和语义信息丢失问题，导致跟踪器无法精准定位无人机目标位置，降低了跟踪任务的成功率。针对上述问题，该文提出了一种空间语义联合感知的红外无人机目标跟踪方法。首先，提出了空间语义联合注意模块，通过空间多尺度注意模块提取多尺度长程依赖特征，增强空间上下文信息的关注，并通过全局-局部通道语义注意模块交互全局和局部通道特征，确保重要语义信息的捕获。其次，设计了双分支全局特征交互模块对模板和搜索分支特征进行有效整合，显著提高了网络的整体性能。在红外无人机数据集Anti-UAV上进行了广泛实验验证，结果表明：与现有方法相比，本方法具有更好的跟踪性能，平均状态精度达到0.769，成功率达到0.743，精确度达到0.935，均优于对比方法，并且有效性、泛化性和先进性也得到了验证。
现有红外无人机目标跟踪方法在多尺度特征融合过程中存在空间和语义信息丢失问题，导致跟踪器无法精准定位无人机目标位置，降低了跟踪任务的成功率。针对上述问题，该文提出了一种空间语义联合感知的红外无人机目标跟踪方法。首先，提出了空间语义联合注意模块，通过空间多尺度注意模块提取多尺度长程依赖特征，增强空间上下文信息的关注，并通过全局-局部通道语义注意模块交互全局和局部通道特征，确保重要语义信息的捕获。其次，设计了双分支全局特征交互模块对模板和搜索分支特征进行有效整合，显著提高了网络的整体性能。在红外无人机数据集Anti-UAV上进行了广泛实验验证，结果表明：与现有方法相比，本方法具有更好的跟踪性能，平均状态精度达到0.769，成功率达到0.743，精确度达到0.935，均优于对比方法，并且有效性、泛化性和先进性也得到了验证。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250600
摘要:
一体化雷达干扰系统的核心在于一体化干扰波形设计。现有雷达干扰一体化信号存在设计自由度局限，其探测与干扰的综合性能尚未达最优。该文提出基于脉内-脉间多相调制的雷达干扰一体化波形：探测方面，通过回波信号的相位补偿与互补合成技术生成线性调频(LFM)信号，使该波形具备理想探测性能；干扰方面，借助脉内-脉间多参数调制机制，可显著提升对敌方探测结果中距离-多普勒图干扰能量分布的调控自由度。仿真分析与实验结果证实，该波形在探测-干扰综合性能方面具有显著优势。
一体化雷达干扰系统的核心在于一体化干扰波形设计。现有雷达干扰一体化信号存在设计自由度局限，其探测与干扰的综合性能尚未达最优。该文提出基于脉内-脉间多相调制的雷达干扰一体化波形：探测方面，通过回波信号的相位补偿与互补合成技术生成线性调频(LFM)信号，使该波形具备理想探测性能；干扰方面，借助脉内-脉间多参数调制机制，可显著提升对敌方探测结果中距离-多普勒图干扰能量分布的调控自由度。仿真分析与实验结果证实，该波形在探测-干扰综合性能方面具有显著优势。
显示方式:
2025, 47(8): 2405-2415.
doi: 10.11999/JEIT250109
摘要:
波束成形(Beamforming)阵列技术是现代无线电系统的核心使能技术，其发展历程贯穿电磁学理论突破、半导体工艺革新和系统体制迭代3个维度。移动通信的演进进一步驱动了波束成形阵列技术的发展，特别地，混合波束成形阵列技术在5G 3GPP Release 15标准中被确立为5G毫米波通信的关键技术之一。为适应未来6G通信与感知的需求，毫米波波束成形阵列技术将向超大规模(>1 000单元)、智能化(AI赋能)、异构(光电量融合)方向持续演进，为构建泛在智能连接提供核心使能基础。该文主要探讨面向6G毫米波通信的最优和次优大规模波束成形阵列架构。
波束成形(Beamforming)阵列技术是现代无线电系统的核心使能技术，其发展历程贯穿电磁学理论突破、半导体工艺革新和系统体制迭代3个维度。移动通信的演进进一步驱动了波束成形阵列技术的发展，特别地，混合波束成形阵列技术在5G 3GPP Release 15标准中被确立为5G毫米波通信的关键技术之一。为适应未来6G通信与感知的需求，毫米波波束成形阵列技术将向超大规模(>1 000单元)、智能化(AI赋能)、异构(光电量融合)方向持续演进，为构建泛在智能连接提供核心使能基础。该文主要探讨面向6G毫米波通信的最优和次优大规模波束成形阵列架构。
2025, 47(8): 2416-2428.
doi: 10.11999/JEIT241093
摘要:
无线信道特性对通信系统性能至关重要，信道孪生技术是指通过物理或数字方式精确地复现信道特性对信号传播的失真影响，为通信系统性能评估提供有效测试手段。其中，数字孪生方式更为灵活方便，特别是无线信道硬件孪生平台已广泛应用于通信设备的批量化测试。然而，随着通信系统向大带宽、高动态和大规模网络发展，现有无线信道硬件孪生技术难以满足未来系统性能验证需求。鉴于此，该文首先给出了硬件孪生技术面临的主要挑战，然后对国内外研究进展进行分类阐述与分析比较，最后探讨了无线信道硬件孪生技术的未来发展趋势和应用前景。
无线信道特性对通信系统性能至关重要，信道孪生技术是指通过物理或数字方式精确地复现信道特性对信号传播的失真影响，为通信系统性能评估提供有效测试手段。其中，数字孪生方式更为灵活方便，特别是无线信道硬件孪生平台已广泛应用于通信设备的批量化测试。然而，随着通信系统向大带宽、高动态和大规模网络发展，现有无线信道硬件孪生技术难以满足未来系统性能验证需求。鉴于此，该文首先给出了硬件孪生技术面临的主要挑战，然后对国内外研究进展进行分类阐述与分析比较，最后探讨了无线信道硬件孪生技术的未来发展趋势和应用前景。
2025, 47(8): 2429-2447.
doi: 10.11999/JEIT250110
摘要:
随着海洋强国战略的发展，我国对海洋资源勘探、生态环境监测、军事安全应用等领域的海洋信息获取和数据传输需求迅速增加。水声网络作为水下数据传输的重要手段，其性能直接受到路由协议的影响。传统水声网络路由协议面临着动态海洋环境、节点能量有限以及网络安全等诸多挑战。近年来，人工智能技术凭借其强大的学习能力、数据洞察能力和适应性，逐渐被引入到水声网络路由协议中。该文综述了国内外人工智能技术在水声网络路由协议中的应用研究进展，详细分析了其在平面路由和层级路由中的应用情况。研究结果表明，人工智能技术能够有效优化路由决策，降低能耗，减少端到端时延，并在一定程度上提升网络安全性能。然而，当前的研究仍主要基于仿真，且在算法复杂度评估和硬件实现方面存在不足。未来的研究方向应包括开发更贴近实际海洋环境的仿真平台，进行海试实验以验证算法性能，同时降低人工智能算法的复杂度，以适应水声节点的硬件条件。该文旨在为水声网络路由协议中应用人工智能技术提供参考，并对未来研究方向提出建议。
随着海洋强国战略的发展，我国对海洋资源勘探、生态环境监测、军事安全应用等领域的海洋信息获取和数据传输需求迅速增加。水声网络作为水下数据传输的重要手段，其性能直接受到路由协议的影响。传统水声网络路由协议面临着动态海洋环境、节点能量有限以及网络安全等诸多挑战。近年来，人工智能技术凭借其强大的学习能力、数据洞察能力和适应性，逐渐被引入到水声网络路由协议中。该文综述了国内外人工智能技术在水声网络路由协议中的应用研究进展，详细分析了其在平面路由和层级路由中的应用情况。研究结果表明，人工智能技术能够有效优化路由决策，降低能耗，减少端到端时延，并在一定程度上提升网络安全性能。然而，当前的研究仍主要基于仿真，且在算法复杂度评估和硬件实现方面存在不足。未来的研究方向应包括开发更贴近实际海洋环境的仿真平台，进行海试实验以验证算法性能，同时降低人工智能算法的复杂度，以适应水声节点的硬件条件。该文旨在为水声网络路由协议中应用人工智能技术提供参考，并对未来研究方向提出建议。
2025, 47(8): 2448-2472.
doi: 10.11999/JEIT250140
摘要:
针对6G天地一体通感算智能协同网络(6G Integrated Communication, Sensing, and Computation Enabled Satellite-Terrestrial Intelligent Network, 6G-ICSC-STIN)，该文在总结其研究现状的基础上，阐述了未来天地一体通感算智能协同网络的关键技术，分析了频谱共享技术、高精度感知算法、动态计算资源调度以及人工智能(Artificial Intelligence, AI)技术等四大关键领域的研究进展，并讨论了通感算融合衡量指标，提出了6G-ICSC-STIN架构。为满足未来通信网络对高带宽、低时延、广覆盖的多元化需求，设计了高效分布式智能资源管理策略，并在此策略的基础上进一步提出了基于博弈论-多智能体强化学习的资源管理架构。最后，基于跨域技术融合创新以及资源融合表征等未来重点研究方向进行了讨论与展望。
针对6G天地一体通感算智能协同网络(6G Integrated Communication, Sensing, and Computation Enabled Satellite-Terrestrial Intelligent Network, 6G-ICSC-STIN)，该文在总结其研究现状的基础上，阐述了未来天地一体通感算智能协同网络的关键技术，分析了频谱共享技术、高精度感知算法、动态计算资源调度以及人工智能(Artificial Intelligence, AI)技术等四大关键领域的研究进展，并讨论了通感算融合衡量指标，提出了6G-ICSC-STIN架构。为满足未来通信网络对高带宽、低时延、广覆盖的多元化需求，设计了高效分布式智能资源管理策略，并在此策略的基础上进一步提出了基于博弈论-多智能体强化学习的资源管理架构。最后，基于跨域技术融合创新以及资源融合表征等未来重点研究方向进行了讨论与展望。
2025, 47(8): 2473-2485.
doi: 10.11999/JEIT250131
摘要:
人体动作具有类别数量多、类内/类间差异不均衡等特性，导致动作识别对数据标签数量与质量的依赖度过高，大幅增加了学习模型的训练成本，而对比学习是解决该问题的有效方法之一，近年来基于对比学习的动作识别逐渐成为研究热点。基于此，该文全面论述了对比学习在动作识别中的最新进展，将对比学习的研究分为3大阶段：传统对比学习、基于聚类的对比学习以及不使用负样本的对比学习。在每一阶段，首先概述具有代表性的对比学习模型，然后分析了当前基于该类模型的主要动作识别方法。另外，介绍了主流基准数据集，总结了经典方法在数据集上的性能对比。最后，探讨了对比学习模型在动作识别研究中的局限性和可延展之处。
人体动作具有类别数量多、类内/类间差异不均衡等特性，导致动作识别对数据标签数量与质量的依赖度过高，大幅增加了学习模型的训练成本，而对比学习是解决该问题的有效方法之一，近年来基于对比学习的动作识别逐渐成为研究热点。基于此，该文全面论述了对比学习在动作识别中的最新进展，将对比学习的研究分为3大阶段：传统对比学习、基于聚类的对比学习以及不使用负样本的对比学习。在每一阶段，首先概述具有代表性的对比学习模型，然后分析了当前基于该类模型的主要动作识别方法。另外，介绍了主流基准数据集，总结了经典方法在数据集上的性能对比。最后，探讨了对比学习模型在动作识别研究中的局限性和可延展之处。
2025, 47(8): 2486-2498.
doi: 10.11999/JEIT250148
摘要:
随着柔性电子技术与智能传感技术的突破，电子皮肤为中医诊疗客观化、精准化提供了创新解决方案。该文系统综述了中医诊疗对柔性电子皮肤的技术需求，从材料创新、多模态感知融合及自供电技术突破等维度，剖析柔性电子皮肤在中医诊疗中的技术演进路径与前沿发展趋势；最终，通过电子皮肤在中医诊疗中疾病诊断的可行性评估与技术挑战分析，提出适配中医诊疗场景的柔性电子皮肤技术路线，为构建数据驱动的新型中医诊疗范式提供理论依据与创新策略。电子皮肤为中医临床智能化诊疗提供了创新思路。电子皮肤在中医领域的应用极具挑战性，未来需突破材料、多模态数据融合与中医知识图谱等方面多重壁垒，构建中医现代化发展创新思路。
随着柔性电子技术与智能传感技术的突破，电子皮肤为中医诊疗客观化、精准化提供了创新解决方案。该文系统综述了中医诊疗对柔性电子皮肤的技术需求，从材料创新、多模态感知融合及自供电技术突破等维度，剖析柔性电子皮肤在中医诊疗中的技术演进路径与前沿发展趋势；最终，通过电子皮肤在中医诊疗中疾病诊断的可行性评估与技术挑战分析，提出适配中医诊疗场景的柔性电子皮肤技术路线，为构建数据驱动的新型中医诊疗范式提供理论依据与创新策略。电子皮肤为中医临床智能化诊疗提供了创新思路。电子皮肤在中医领域的应用极具挑战性，未来需突破材料、多模态数据融合与中医知识图谱等方面多重壁垒，构建中医现代化发展创新思路。
2025, 47(8): 2499-2508.
doi: 10.11999/JEIT250048
摘要:
量子计算的飞速发展威胁了传统密码系统的安全性，进而推动了后量子密码算法的研究与标准化。Dilithium数字签名算法基于格理论设计，于2024年被美国国家标准与技术研究院(NIST)选定为后量子密码算法标准。同时，对Dilithium的侧信道分析，特别是能量分析，也成为当前的研究热点。然而，现有的能量分析数据集主要针对经典分组密码算法，如AES等，缺乏Dilithium等新型算法的数据集，限制了相关侧信道分析方法的研究。为此，该文采集并公开首个针对Dilithium算法的能量分析数据集，旨在促进后量子密码算法的能量分析研究。该数据集基于Dilithium的开源参考实现，在Cortex M4处理器上运行，并通过专用设备采集，包含60000 条Dilithium签名过程中采集的能量迹，以及与每条能量迹对应的签名源数据和敏感中间值。进一步对构造的数据集进行可视化分析，详细研究了随机多项式生成函数polyz_unpack的执行过程及其对能量迹的影响。最后，使用模板分析和深度学习分析方法对数据集进行建模和测试，验证了该数据集的有效性和实用性。数据集和相关代码见https://doi.org/10.57760/sciencedb.j00173.00001 。
量子计算的飞速发展威胁了传统密码系统的安全性，进而推动了后量子密码算法的研究与标准化。Dilithium数字签名算法基于格理论设计，于2024年被美国国家标准与技术研究院(NIST)选定为后量子密码算法标准。同时，对Dilithium的侧信道分析，特别是能量分析，也成为当前的研究热点。然而，现有的能量分析数据集主要针对经典分组密码算法，如AES等，缺乏Dilithium等新型算法的数据集，限制了相关侧信道分析方法的研究。为此，该文采集并公开首个针对Dilithium算法的能量分析数据集，旨在促进后量子密码算法的能量分析研究。该数据集基于Dilithium的开源参考实现，在Cortex M4处理器上运行，并通过专用设备采集，包含
2025, 47(8): 2509-2520.
doi: 10.11999/JEIT250153
摘要:
面向基于正交频分复用的非正交多址接入(NOMA)系统，针对下行链路中非规则星座点均衡困难的问题，该文提出了一种无监督的多模盲均衡方案。该方案联合软决策导向算法，通过结合NOMA功率分配因子，构建指数型代价函数，有效补偿了信道引起的幅度和相位失真。为了最小化代价函数，提出了一种改进的牛顿算法，以快速搜索最优权值。仿真结果表明，相比传统多模均衡算法，所提出的算法稳态最大失真降低了约10倍。此外，在GNURadio平台上搭建软件无线电系统，验证了算法的有效性和可实现性。
面向基于正交频分复用的非正交多址接入(NOMA)系统，针对下行链路中非规则星座点均衡困难的问题，该文提出了一种无监督的多模盲均衡方案。该方案联合软决策导向算法，通过结合NOMA功率分配因子，构建指数型代价函数，有效补偿了信道引起的幅度和相位失真。为了最小化代价函数，提出了一种改进的牛顿算法，以快速搜索最优权值。仿真结果表明，相比传统多模均衡算法，所提出的算法稳态最大失真降低了约10倍。此外，在GNURadio平台上搭建软件无线电系统，验证了算法的有效性和可实现性。
2025, 47(8): 2521-2534.
doi: 10.11999/JEIT250193
摘要:
间歇采样转发干扰(ISRJ)作为一种新型相干干扰，兼具压制和欺骗效果，对雷达探测造成了极大的威胁。随着数字射频存储器的发展，其轻量化特性使得目标能够携带ISRJ干扰机产生自卫干扰，因此传统的盲源分离等空域抗干扰方法难以进行有效抑制。该文针对间歇采样转发干扰抑制问题，提出了一种基于下采样处理盲源分离的抗间歇采样转发干扰方法。首先对单路含干扰的回波信号进行解线频调处理，并对其进行下采样，通过改变下采样保留位置得到多路下采样输出信号，其中的干扰和目标成分满足盲源分离的线性混合模型；随后对多路下采样输出进行盲源分离，从而分离出干扰分量和目标分量，并通过脉冲压缩和目标检测输出目标回波信号，达到抗干扰效果。仿真结果表明，该方法在自卫干扰场景下，能够有效抑制直接转发、重复转发以及频移转发等多种ISRJ类型；此外无需对ISRJ参数进行高精度估计，受干扰能量和切片宽度影响更小，更有利于工程应用。
间歇采样转发干扰(ISRJ)作为一种新型相干干扰，兼具压制和欺骗效果，对雷达探测造成了极大的威胁。随着数字射频存储器的发展，其轻量化特性使得目标能够携带ISRJ干扰机产生自卫干扰，因此传统的盲源分离等空域抗干扰方法难以进行有效抑制。该文针对间歇采样转发干扰抑制问题，提出了一种基于下采样处理盲源分离的抗间歇采样转发干扰方法。首先对单路含干扰的回波信号进行解线频调处理，并对其进行下采样，通过改变下采样保留位置得到多路下采样输出信号，其中的干扰和目标成分满足盲源分离的线性混合模型；随后对多路下采样输出进行盲源分离，从而分离出干扰分量和目标分量，并通过脉冲压缩和目标检测输出目标回波信号，达到抗干扰效果。仿真结果表明，该方法在自卫干扰场景下，能够有效抑制直接转发、重复转发以及频移转发等多种ISRJ类型；此外无需对ISRJ参数进行高精度估计，受干扰能量和切片宽度影响更小，更有利于工程应用。
2025, 47(8): 2535-2548.
doi: 10.11999/JEIT250105
摘要:
正交时频空间(OTFS)调制技术在低轨卫星与地面通信场景下具有良好的应用前景。然而，LEO高多普勒频移变化率和高延迟会导致信道老化问题，实时的信道估计不仅增大了星载接收机计算复杂度，而且大量的信令开销降低了传输效率。本文针对Ka频段MISO-OTFS星地通信系统，设计了一种基于上行信道估计的下行信道预测方案，提出了一种基于数据辅助匹配滤波的高精度信道估计方法提取上行信道状态信息，构建了一种基于大语言模型的信道预测网络(ASLLM)预测下行信道状态信息。仿真结果将所提出的方法与其他现有方法对比，证明其在可接受计算复杂度内具有更优的NMSE和BER预测性能以及多场景泛化能力。
正交时频空间(OTFS)调制技术在低轨卫星与地面通信场景下具有良好的应用前景。然而，LEO高多普勒频移变化率和高延迟会导致信道老化问题，实时的信道估计不仅增大了星载接收机计算复杂度，而且大量的信令开销降低了传输效率。本文针对Ka频段MISO-OTFS星地通信系统，设计了一种基于上行信道估计的下行信道预测方案，提出了一种基于数据辅助匹配滤波的高精度信道估计方法提取上行信道状态信息，构建了一种基于大语言模型的信道预测网络(ASLLM)预测下行信道状态信息。仿真结果将所提出的方法与其他现有方法对比，证明其在可接受计算复杂度内具有更优的NMSE和BER预测性能以及多场景泛化能力。
2025, 47(8): 2549-2562.
doi: 10.11999/JEIT250137
摘要:
语义通信作为一种新的通信范式，能在语义层面提升通信的有效性和可靠性。然而，现有语义通信系统的研究大多基于英文语料，面向中文语料的语义通信系统研究较为缺乏。因此，该文提出一种基于模块化设计思想的中文语义通信系统，能够有效兼容现有数字通信技术。在发送端，该文提出一种针对中文文本的词性编码方法，显著提升了通信系统的有效性；在接收端，提出一种基于词语级和句子级语义的联合上下文译码机制，并融合候选集合机制与递归算法，进一步提升了通信系统的可靠性。仿真结果表明，词语级和句子级语义可显著提升通信系统的有效性和可靠性，所提语义通信系统在有效性和可靠性方面整体性能表现优异。
语义通信作为一种新的通信范式，能在语义层面提升通信的有效性和可靠性。然而，现有语义通信系统的研究大多基于英文语料，面向中文语料的语义通信系统研究较为缺乏。因此，该文提出一种基于模块化设计思想的中文语义通信系统，能够有效兼容现有数字通信技术。在发送端，该文提出一种针对中文文本的词性编码方法，显著提升了通信系统的有效性；在接收端，提出一种基于词语级和句子级语义的联合上下文译码机制，并融合候选集合机制与递归算法，进一步提升了通信系统的可靠性。仿真结果表明，词语级和句子级语义可显著提升通信系统的有效性和可靠性，所提语义通信系统在有效性和可靠性方面整体性能表现优异。
2025, 47(8): 2563-2572.
doi: 10.11999/JEIT241097
摘要:
近年来，随着车联网(IoV)应用的迅猛增长，为满足其对低时延和高效率计算服务需求，并缓解回程链路的传输压力，移动边缘计算(MEC)技术被广泛应用于车联网领域。然而，车辆高移动性使得边缘服务缓存和任务迁移的实现具有很强的挑战性。为此，针对车联网动态环境的特点，该文提出一种适应车联网动态环境特性的服务缓存和任务迁移联合优化算法(SCTMA)，基于多智能体深度确定性策略梯度方法，在考虑车辆用户与路边单元(RSU)及基站之间交互不确定性的前提下，对边缘服务缓存和任务迁移进行联合优化。仿真结果表明，所提算法能降低缓存和任务迁移成本，提高缓存命中率。
近年来，随着车联网(IoV)应用的迅猛增长，为满足其对低时延和高效率计算服务需求，并缓解回程链路的传输压力，移动边缘计算(MEC)技术被广泛应用于车联网领域。然而，车辆高移动性使得边缘服务缓存和任务迁移的实现具有很强的挑战性。为此，针对车联网动态环境的特点，该文提出一种适应车联网动态环境特性的服务缓存和任务迁移联合优化算法(SCTMA)，基于多智能体深度确定性策略梯度方法，在考虑车辆用户与路边单元(RSU)及基站之间交互不确定性的前提下，对边缘服务缓存和任务迁移进行联合优化。仿真结果表明，所提算法能降低缓存和任务迁移成本，提高缓存命中率。
2025, 47(8): 2573-2583.
doi: 10.11999/JEIT241108
摘要:
针对非理想可重构智能超表面(RIS)辅助毫米波多输入多输出(MIMO)系统信道状态信息获取问题，该文提出一种稀疏级联信道参数与阵列阻塞向量联合估计方案。首先，设计信道训练帧结构，将接收信号建模为张量模型。然后，基于张量的平行因子分解模型，分析毫米波信道参数与阻塞向量之间的内在关联，实现对收发端空域信道参数的有效估计。基于这些空间角频率，构建出同时反映剩余信道参数和阻塞信息的耦合观测矩阵。最后，通过利用多径信道和阻塞向量的双稀疏特性，完成剩余信道参数的估计和阻塞诊断。仿真结果表明，所提方案的信道估计和阻塞诊断性能表现优于对照方案。
针对非理想可重构智能超表面(RIS)辅助毫米波多输入多输出(MIMO)系统信道状态信息获取问题，该文提出一种稀疏级联信道参数与阵列阻塞向量联合估计方案。首先，设计信道训练帧结构，将接收信号建模为张量模型。然后，基于张量的平行因子分解模型，分析毫米波信道参数与阻塞向量之间的内在关联，实现对收发端空域信道参数的有效估计。基于这些空间角频率，构建出同时反映剩余信道参数和阻塞信息的耦合观测矩阵。最后，通过利用多径信道和阻塞向量的双稀疏特性，完成剩余信道参数的估计和阻塞诊断。仿真结果表明，所提方案的信道估计和阻塞诊断性能表现优于对照方案。
2025, 47(8): 2584-2597.
doi: 10.11999/JEIT250161
摘要:
针对苛刻通信场景下调制方式识别精度低且泛化难的问题，该文提出一种改进Kolmogorov-Arnold混合卷积神经网络模型KA-CNN。首先，通过双树复小波包变换将信号分解至多维小波域，结合不同频率分量构建多尺度信号表征，促使神经网络模型学习各频率下的一致性特征；然后设计集成样条函数和非线性激活函数的深度学习结构，利用样条函数解决维度诅咒问题，增强周期性特征的持续学习能力；最后，采用Lipschitz正则化约束的多级网格训练，改善模型面对不同信号参数的适应性，增强跨通信场景的泛化能力。在公开数据集RadioML 2016.10a, RadioML 2018.01a和CSPB.ML.2023的实验表明，KA-CNN具有优异的调制识别精度，当信噪比在16 dB时能够取得90%以上的识别准确率。相较于其它深度学习方法，整体识别精度提升3%～10%，并在各种信噪比条件下具备更强的特征学习能力和泛化性。
针对苛刻通信场景下调制方式识别精度低且泛化难的问题，该文提出一种改进Kolmogorov-Arnold混合卷积神经网络模型KA-CNN。首先，通过双树复小波包变换将信号分解至多维小波域，结合不同频率分量构建多尺度信号表征，促使神经网络模型学习各频率下的一致性特征；然后设计集成样条函数和非线性激活函数的深度学习结构，利用样条函数解决维度诅咒问题，增强周期性特征的持续学习能力；最后，采用Lipschitz正则化约束的多级网格训练，改善模型面对不同信号参数的适应性，增强跨通信场景的泛化能力。在公开数据集RadioML 2016.10a, RadioML 2018.01a和CSPB.ML.2023的实验表明，KA-CNN具有优异的调制识别精度，当信噪比在16 dB时能够取得90%以上的识别准确率。相较于其它深度学习方法，整体识别精度提升3%～10%，并在各种信噪比条件下具备更强的特征学习能力和泛化性。
2025, 47(8): 2598-2607.
doi: 10.11999/JEIT250100
摘要:
内容缓存技术被认为是提升移动网络服务性能的一种有效方法，其中缓存策略至关重要。为了提高缓存策略对用户动态业务性能需求的适应性，该文提出一种具备多维性能自适应能力的内容缓存策略。在该策略中，通过对传输时延效率、缓存命中率和缓存冗余指数多维指标进行建模，构造内容缓存联合优化问题，并设置动态加权参数模拟实际环境中用户业务性能需求的动态性。考虑到优化目标因用户需求动态变化导致的参数不确定性和动态性，该文引入了元强化学习算法(MAML-DDPG)以解决多目标动态优化问题，使缓存决策能够快速适应随时间变化的优化目标。在仿真实验中，评估了内容缓存策略对动态性能目标的适应能力，同时将所提策略与现有策略进行了多个维度的性能对比。实验结果表明，所提方案既能快速适应动态优化目标，又能保持良好的综合缓存性能。
内容缓存技术被认为是提升移动网络服务性能的一种有效方法，其中缓存策略至关重要。为了提高缓存策略对用户动态业务性能需求的适应性，该文提出一种具备多维性能自适应能力的内容缓存策略。在该策略中，通过对传输时延效率、缓存命中率和缓存冗余指数多维指标进行建模，构造内容缓存联合优化问题，并设置动态加权参数模拟实际环境中用户业务性能需求的动态性。考虑到优化目标因用户需求动态变化导致的参数不确定性和动态性，该文引入了元强化学习算法(MAML-DDPG)以解决多目标动态优化问题，使缓存决策能够快速适应随时间变化的优化目标。在仿真实验中，评估了内容缓存策略对动态性能目标的适应能力，同时将所提策略与现有策略进行了多个维度的性能对比。实验结果表明，所提方案既能快速适应动态优化目标，又能保持良好的综合缓存性能。
2025, 47(8): 2608-2620.
doi: 10.11999/JEIT250159
摘要:
为了在语义通信中高效传递语义信息，需要减少语义级损失并进一步降低物理噪声对语义特征的影响。对此，该文提出了一种面向语义重要性和鲁棒性并联合智能反射面(RIS)进行跨层设计的语义通信系统。在语义层，基于语义特征重要性和鲁棒性更新背景知识库并生成用于评估数据流传输优先级的特征优先级，发送端再根据特征优先级将数据流分割为高优先级数据流和低优先级数据流。在物理层，通过交替优化主动预编码波束成形矢量和RIS被动相移对抗信道衰落，然后由RIS辅助传输高优先级数据流，由衰落信道传输低优先级数据流，并在接收端依据特征优先级列表恢复原始文本。仿真结果表明，相较于基准方案，所提方案不仅有着更好的鲁棒性而且提高了双语评价替补(BLEU)分数和语义相似度，同时对不同长度的句子具有良好的适配性。
为了在语义通信中高效传递语义信息，需要减少语义级损失并进一步降低物理噪声对语义特征的影响。对此，该文提出了一种面向语义重要性和鲁棒性并联合智能反射面(RIS)进行跨层设计的语义通信系统。在语义层，基于语义特征重要性和鲁棒性更新背景知识库并生成用于评估数据流传输优先级的特征优先级，发送端再根据特征优先级将数据流分割为高优先级数据流和低优先级数据流。在物理层，通过交替优化主动预编码波束成形矢量和RIS被动相移对抗信道衰落，然后由RIS辅助传输高优先级数据流，由衰落信道传输低优先级数据流，并在接收端依据特征优先级列表恢复原始文本。仿真结果表明，相较于基准方案，所提方案不仅有着更好的鲁棒性而且提高了双语评价替补(BLEU)分数和语义相似度，同时对不同长度的句子具有良好的适配性。
2025, 47(8): 2621-2629.
doi: 10.11999/JEIT250021
摘要:
为顺应未来网络向密集化与空间化方向的发展趋势，该文提出构建一种多基站共存的空地结合超密集复杂网络，并开发半分布式方案以优化网络资源。首先，建立包括宏基站、微基站和无人机(UAV)空中基站在内的多种基站共存的超密集复杂网络构架。在此基础上，针对传统完全集中式方案存在的计算负担重、响应速度慢以及分布式方案缺乏全局优化视角等问题，提出一种半分布式的双深度Q网络(DDQN)功率控制方案。该方案旨在优化网络能效，通过分布式决策与集中训练相结合的方式，有效平衡了计算复杂度和性能优化。具体而言，半分布式方案利用DDQN算法在基站侧进行分布式决策，同时引入集中式网络训练器以确保整体网络的能效最优。仿真结果表明，所提出的半分布式DDQN方案能够很好地适应密集复杂网络结构，与传统深度Q网络(DQN)相比，在能效和总吞吐量方面均取得了显著提升。
为顺应未来网络向密集化与空间化方向的发展趋势，该文提出构建一种多基站共存的空地结合超密集复杂网络，并开发半分布式方案以优化网络资源。首先，建立包括宏基站、微基站和无人机(UAV)空中基站在内的多种基站共存的超密集复杂网络构架。在此基础上，针对传统完全集中式方案存在的计算负担重、响应速度慢以及分布式方案缺乏全局优化视角等问题，提出一种半分布式的双深度Q网络(DDQN)功率控制方案。该方案旨在优化网络能效，通过分布式决策与集中训练相结合的方式，有效平衡了计算复杂度和性能优化。具体而言，半分布式方案利用DDQN算法在基站侧进行分布式决策，同时引入集中式网络训练器以确保整体网络的能效最优。仿真结果表明，所提出的半分布式DDQN方案能够很好地适应密集复杂网络结构，与传统深度Q网络(DQN)相比，在能效和总吞吐量方面均取得了显著提升。
2025, 47(8): 2630-2641.
doi: 10.11999/JEIT250019
摘要:
智能反射面(IRS)是下一代移动通信系统的关键使能技术之一，以应对海量设备接入与海量数据流量的需求。而视频数据占比超过了移动数据流量的80%，且呈现稳步增长的趋势。因此，更为高效的无线视频传输方案也成为下一代移动通信系统的迫切需要。为此，该文提出一种面向智能反射面辅助的无线视频软传输方案，充分利用智能反射面辅助的次链路对所传输的视频信号进行增强。所提方案中，视频信号的传输失真同时受到主次链路3种无线资源的影响，分别是传输功率、主发射机的有源波束成形和智能反射面的无源波束成形。视频传输失真最小化问题被建模为联合资源优化问题，并采用交替优化方法将多元联合优化问题解耦为多个单变量优化子问题逐一求解。仿真结果表明，该文所提方法相较于已有的视频软传输方法，峰均功率比(PSNR)提升至少约1.82 dB，显著提高了接收视频重建质量和无线视频传输效率。
智能反射面(IRS)是下一代移动通信系统的关键使能技术之一，以应对海量设备接入与海量数据流量的需求。而视频数据占比超过了移动数据流量的80%，且呈现稳步增长的趋势。因此，更为高效的无线视频传输方案也成为下一代移动通信系统的迫切需要。为此，该文提出一种面向智能反射面辅助的无线视频软传输方案，充分利用智能反射面辅助的次链路对所传输的视频信号进行增强。所提方案中，视频信号的传输失真同时受到主次链路3种无线资源的影响，分别是传输功率、主发射机的有源波束成形和智能反射面的无源波束成形。视频传输失真最小化问题被建模为联合资源优化问题，并采用交替优化方法将多元联合优化问题解耦为多个单变量优化子问题逐一求解。仿真结果表明，该文所提方法相较于已有的视频软传输方法，峰均功率比(PSNR)提升至少约1.82 dB，显著提高了接收视频重建质量和无线视频传输效率。
2025, 47(8): 2642-2651.
doi: 10.11999/JEIT250004
摘要:
车联网拓扑的动态性和资源分配的随机性增大了竞争接入相同资源的碰撞概率，降低了频谱资源效率。该文基于高密度车辆运动位置的邻接稳定性，提出了应用深度强化学习算法的能量特征图谱资源分配算法。首先，应用资源感知过程测量值计算候选资源块的时隙接收信号强度指数和子载波信干噪比值，构建候选资源库的时频能量特征图谱。随后，将能量特征图谱输入构建的两层深度神经网络(DNN)，以系统吞吐量为奖励函数训练DNN权值系数矩阵，建立匹配车辆运动状态的双DQN智能体模型，并存储于车载用户终端(VUE)。当车间通信请求分配资源建立通信链路时，VUE将感知过程计算的接收信号强度指数和信干噪比值输入存储的主DQN模型，根据训练后的DNN权值系数矩阵为车间通信选择高质量资源。应用离散时间马尔可夫链推导了资源接入碰撞概率、链路失效率与能量特征指数间的表达式。在高密度车间通信中，所提出的算法提高了交通安全消息传播可靠性和频谱效率，降低了端到端传播时延。在车辆密度不超过160 veh/km时，提出算法的消息分组正确接收率超过95%、时延低于4 ms，有效资源利用率高于0.6，满足编队行驶等车联网应用的性能要求。
车联网拓扑的动态性和资源分配的随机性增大了竞争接入相同资源的碰撞概率，降低了频谱资源效率。该文基于高密度车辆运动位置的邻接稳定性，提出了应用深度强化学习算法的能量特征图谱资源分配算法。首先，应用资源感知过程测量值计算候选资源块的时隙接收信号强度指数和子载波信干噪比值，构建候选资源库的时频能量特征图谱。随后，将能量特征图谱输入构建的两层深度神经网络(DNN)，以系统吞吐量为奖励函数训练DNN权值系数矩阵，建立匹配车辆运动状态的双DQN智能体模型，并存储于车载用户终端(VUE)。当车间通信请求分配资源建立通信链路时，VUE将感知过程计算的接收信号强度指数和信干噪比值输入存储的主DQN模型，根据训练后的DNN权值系数矩阵为车间通信选择高质量资源。应用离散时间马尔可夫链推导了资源接入碰撞概率、链路失效率与能量特征指数间的表达式。在高密度车间通信中，所提出的算法提高了交通安全消息传播可靠性和频谱效率，降低了端到端传播时延。在车辆密度不超过160 veh/km时，提出算法的消息分组正确接收率超过95%、时延低于4 ms，有效资源利用率高于0.6，满足编队行驶等车联网应用的性能要求。
2025, 47(8): 2652-2664.
doi: 10.11999/JEIT250072
摘要:
低轨卫星通信网络拓扑结构动态变化，传统地面网络路由方法难以直接适用，同时由于卫星星载资源受限，基于人工智能的路由方法通常学习效率较低，而协同训练需要数据共享和传输，难度大且存在数据安全风险。为此，针对上述挑战，该文提出一种基于卫星分簇的多智能体联邦深度强化学习路由方法。首先，设计了结合网络拓扑、通信和能耗的低轨卫星通信网络路由模型；然后，基于每颗卫星的平均连接度将星座节点划分为多个簇，在簇内采用联邦深度强化学习框架，通过簇内卫星协同共享模型参数，共同训练对应簇内的全局模型，以最大化网络能量效率。最后，仿真结果表明，该文所设计方法对比Sarsa、MAD2QN和REINFORCE 3种基准方法，网络平均吞吐量分别提高83.7%, 19.8%和14.1%；数据包平均跳数分别减少25.0%, 18.9%和9.1%；网络能量效率分别提升55.6%, 42.9%和45.8%。
低轨卫星通信网络拓扑结构动态变化，传统地面网络路由方法难以直接适用，同时由于卫星星载资源受限，基于人工智能的路由方法通常学习效率较低，而协同训练需要数据共享和传输，难度大且存在数据安全风险。为此，针对上述挑战，该文提出一种基于卫星分簇的多智能体联邦深度强化学习路由方法。首先，设计了结合网络拓扑、通信和能耗的低轨卫星通信网络路由模型；然后，基于每颗卫星的平均连接度将星座节点划分为多个簇，在簇内采用联邦深度强化学习框架，通过簇内卫星协同共享模型参数，共同训练对应簇内的全局模型，以最大化网络能量效率。最后，仿真结果表明，该文所设计方法对比Sarsa、MAD2QN和REINFORCE 3种基准方法，网络平均吞吐量分别提高83.7%, 19.8%和14.1%；数据包平均跳数分别减少25.0%, 18.9%和9.1%；网络能量效率分别提升55.6%, 42.9%和45.8%。
2025, 47(8): 2665-2674.
doi: 10.11999/JEIT250039
摘要:
现有的图像语义通信研究大多集中在高斯信道和瑞利衰落信道等理想化场景中。在实际的无线通信环境中，信道特性往往表现为复杂的多径衰落效应，需要复杂的收发端链路信号处理机制。针对这一现状，该文结合正交频分复用(OFDM)技术，提出一种基于Swin Transformer的宽带无线图像传输语义通信(WWIT-SC)系统，旨在解决多径衰落信道下的图像传输问题。WWIT-SC采用Swin Transformer作为语义编解码器的骨干网络，通过在语义编解码器处引入基于信道状态信息(CSI)和坐标注意力(CA)机制，使模型能够将关键的语义特征精确地映射到子载波上，并可以适应时变的信道条件。此外，在接收端设计了信道估计子网(CES)以补偿信道估计误差，从而提升CSI的精确度。实验结果表明，相较于现有最优的基于注意力机制的联合信源信道语义编码方法， WWIT-SC取得了最高9.8%的PSNR增益。
现有的图像语义通信研究大多集中在高斯信道和瑞利衰落信道等理想化场景中。在实际的无线通信环境中，信道特性往往表现为复杂的多径衰落效应，需要复杂的收发端链路信号处理机制。针对这一现状，该文结合正交频分复用(OFDM)技术，提出一种基于Swin Transformer的宽带无线图像传输语义通信(WWIT-SC)系统，旨在解决多径衰落信道下的图像传输问题。WWIT-SC采用Swin Transformer作为语义编解码器的骨干网络，通过在语义编解码器处引入基于信道状态信息(CSI)和坐标注意力(CA)机制，使模型能够将关键的语义特征精确地映射到子载波上，并可以适应时变的信道条件。此外，在接收端设计了信道估计子网(CES)以补偿信道估计误差，从而提升CSI的精确度。实验结果表明，相较于现有最优的基于注意力机制的联合信源信道语义编码方法， WWIT-SC取得了最高9.8%的PSNR增益。
2025, 47(8): 2675-2684.
doi: 10.11999/JEIT250065
摘要:
磁电(ME)天线具有高能量转换效率、小尺寸和轻量化的优势，在便携式跨介质通信系统中具有良好的应用前景。目前，ME天线存在辐射强度较低的问题，限制了系统的通信距离。为解决这一问题，该文设计了一种基于ME天线阵列的甚低频(VLF)通信系统。该系统的发射天线是由7个ME天线单元串联组成的发射阵列，有效提升了辐射强度。ME天线单元采用经过表面改性的Fe80Si9B11层压材料作为磁致伸缩单元，并结合Pb(Zr,Ti)O3(PZT)压电陶瓷构成三明治结构，增强了磁电耦合效率。对天线阵列施加高驱动电压，可在1 m距离处产生165 nT的磁场强度。基于该天线阵列的便携式磁通信系统采用二进制振幅键控(BASK)调制技术，在高背景噪声的实验室环境中成功实现了11.4 m的无线通信，码速率为50 bit/s。理论分析表明，该系统的最大误码率为0.12%，证明了其良好的抗噪能力。研究结果表明，基于串联阵列型磁电(ME)天线的通信系统在提升通信距离具有显著优势，为低频通信技术的发展提供了新的思路。
磁电(ME)天线具有高能量转换效率、小尺寸和轻量化的优势，在便携式跨介质通信系统中具有良好的应用前景。目前，ME天线存在辐射强度较低的问题，限制了系统的通信距离。为解决这一问题，该文设计了一种基于ME天线阵列的甚低频(VLF)通信系统。该系统的发射天线是由7个ME天线单元串联组成的发射阵列，有效提升了辐射强度。ME天线单元采用经过表面改性的Fe80Si9B11层压材料作为磁致伸缩单元，并结合Pb(Zr,Ti)O3(PZT)压电陶瓷构成三明治结构，增强了磁电耦合效率。对天线阵列施加高驱动电压，可在1 m距离处产生165 nT的磁场强度。基于该天线阵列的便携式磁通信系统采用二进制振幅键控(BASK)调制技术，在高背景噪声的实验室环境中成功实现了11.4 m的无线通信，码速率为50 bit/s。理论分析表明，该系统的最大误码率为0.12%，证明了其良好的抗噪能力。研究结果表明，基于串联阵列型磁电(ME)天线的通信系统在提升通信距离具有显著优势，为低频通信技术的发展提供了新的思路。
2025, 47(8): 2685-2693.
doi: 10.11999/JEIT250044
摘要:
随着水下目标运动形式的多样化和复杂化，现有的交互式多模型算法(IMM)在面对目标状态切换时存在模型切换缓慢及跟踪精度不足的问题。为此，该文在经典IMM算法的基础上，提出一种基于时序信息的并行交互式多模型目标跟踪算法(TIP-IMM)。该算法通过比较相邻时刻的模型概率变化趋势，动态修正状态转移矩阵的参数，再经归一化处理实现状态转移矩阵的自适应更新。同时利用并行IMM框架和信息熵来动态更新模型概率，避免因过度修正状态转移矩阵而导致的跟踪精度下降。仿真结果表明，与现有算法相比，所提算法对目标的预测精度提高了3.52%～7.87%。同时模型的切换速度更快，有效地提高了水下目标跟踪精度。
随着水下目标运动形式的多样化和复杂化，现有的交互式多模型算法(IMM)在面对目标状态切换时存在模型切换缓慢及跟踪精度不足的问题。为此，该文在经典IMM算法的基础上，提出一种基于时序信息的并行交互式多模型目标跟踪算法(TIP-IMM)。该算法通过比较相邻时刻的模型概率变化趋势，动态修正状态转移矩阵的参数，再经归一化处理实现状态转移矩阵的自适应更新。同时利用并行IMM框架和信息熵来动态更新模型概率，避免因过度修正状态转移矩阵而导致的跟踪精度下降。仿真结果表明，与现有算法相比，所提算法对目标的预测精度提高了3.52%～7.87%。同时模型的切换速度更快，有效地提高了水下目标跟踪精度。
2025, 47(8): 2694-2702.
doi: 10.11999/JEIT250103
摘要:
在资源受限移动无线传感器网络(MWSN)下的目标跟踪问题中，考虑到目标运动建模与接收信号强度(RSS)的不确定性，该文提出一种信任自适应事件触发鲁棒扩展卡尔曼融合滤波方法。首先，设计一种信任自适应事件驱动锚点调度与信息交互机制，其能适应目标周围信任锚点的分布，动态调度接近期望数量的信任锚点及其与移动目标间的信息交互，旨在确保信任测量下减少系统的电能、计算和带宽资源消耗。同时，构建一种基于均值漂移的鲁棒扩展卡尔曼信任融合滤波算法，通过对均匀分布的过程噪声协方差和测量噪声协方差进行随机采样，补偿运动建模和接收信号强度量化的不确定性，并仅对信任节点测量进行自适应权重融合估计，以改善目标跟踪的稳定性、鲁棒性与精确性。仿真结果表明：所提方法在降低电能、计算及带宽资源消耗的同时，提高了移动目标的跟踪精度，并展现出了对不确定性和异常节点测量的鲁棒性。
在资源受限移动无线传感器网络(MWSN)下的目标跟踪问题中，考虑到目标运动建模与接收信号强度(RSS)的不确定性，该文提出一种信任自适应事件触发鲁棒扩展卡尔曼融合滤波方法。首先，设计一种信任自适应事件驱动锚点调度与信息交互机制，其能适应目标周围信任锚点的分布，动态调度接近期望数量的信任锚点及其与移动目标间的信息交互，旨在确保信任测量下减少系统的电能、计算和带宽资源消耗。同时，构建一种基于均值漂移的鲁棒扩展卡尔曼信任融合滤波算法，通过对均匀分布的过程噪声协方差和测量噪声协方差进行随机采样，补偿运动建模和接收信号强度量化的不确定性，并仅对信任节点测量进行自适应权重融合估计，以改善目标跟踪的稳定性、鲁棒性与精确性。仿真结果表明：所提方法在降低电能、计算及带宽资源消耗的同时，提高了移动目标的跟踪精度，并展现出了对不确定性和异常节点测量的鲁棒性。
2025, 47(8): 2703-2713.
doi: 10.11999/JEIT250010
摘要:
随着空间技术的快速发展，高速目标日益成为雷达系统追踪的重要对象。然而，高速目标的状态会在雷达一帧观测周期内发生显著变化，导致其回波信号能量在距离-多普勒量测空间中被分散，出现“跨距离单元”、“跨多普勒单元”等问题，从而极大地限制了目标追踪的精度。为解决上述问题，该文提出一种基于快速无迹卡尔曼滤波(Q-UKF)的雷达高速目标追踪技术。该技术直接使用雷达回波信号对目标状态进行逐脉冲推断，省略了传统方法中对回波信号能量的收集和校正过程，提高了追踪精度。此外，通过引入Woodbury矩阵恒等式，在与传统无迹卡尔曼滤波(UKF)算法保持相同估计精度的同时有效降低了计算复杂度。该文通过仿真实验评估了所提方法在不同目标初始状态、不同噪声类型和不同信噪比条件下的估计精度与运算效率。实验结果表明，与扩展卡尔曼滤波(EKF)算法相比，Q-UKF算法在高斯噪声及瑞利噪声环境下对目标状态的估计精度分别平均提升10.60%和9.55%，计算用时降低8.91%。同时，综合估计精度和计算效率，Q-UKF算法具有比粒子滤波(PF)算法更均衡的表现。这表明Q-UKF算法具有良好的准确性和实时性，展现了该算法的工程应用前景。
随着空间技术的快速发展，高速目标日益成为雷达系统追踪的重要对象。然而，高速目标的状态会在雷达一帧观测周期内发生显著变化，导致其回波信号能量在距离-多普勒量测空间中被分散，出现“跨距离单元”、“跨多普勒单元”等问题，从而极大地限制了目标追踪的精度。为解决上述问题，该文提出一种基于快速无迹卡尔曼滤波(Q-UKF)的雷达高速目标追踪技术。该技术直接使用雷达回波信号对目标状态进行逐脉冲推断，省略了传统方法中对回波信号能量的收集和校正过程，提高了追踪精度。此外，通过引入Woodbury矩阵恒等式，在与传统无迹卡尔曼滤波(UKF)算法保持相同估计精度的同时有效降低了计算复杂度。该文通过仿真实验评估了所提方法在不同目标初始状态、不同噪声类型和不同信噪比条件下的估计精度与运算效率。实验结果表明，与扩展卡尔曼滤波(EKF)算法相比，Q-UKF算法在高斯噪声及瑞利噪声环境下对目标状态的估计精度分别平均提升10.60%和9.55%，计算用时降低8.91%。同时，综合估计精度和计算效率，Q-UKF算法具有比粒子滤波(PF)算法更均衡的表现。这表明Q-UKF算法具有良好的准确性和实时性，展现了该算法的工程应用前景。
2025, 47(8): 2714-2723.
doi: 10.11999/JEIT250052
摘要:
针对非正交椭圆球面波(PSWFs)信号因相互干扰导致信号检测性能低的难题，该文将信号时频域特性引入信号检测，提出了基于信号间交叉项的非正交PSWFs信号检测方法，将信号检测由“时域/频域1维能量域”拓展到“时频2维能量域”，并利用时频域局部区域能量进行信号检测，有效降低了非正交PSWFs信号间干扰、提升了非正交PSWFs信号检测性能。理论与仿真分析表明，相对于相干检测，所提方法具有更优的信号检测性能，当误比特率为4×10–5时，系统误码性能提升约1 dB。
针对非正交椭圆球面波(PSWFs)信号因相互干扰导致信号检测性能低的难题，该文将信号时频域特性引入信号检测，提出了基于信号间交叉项的非正交PSWFs信号检测方法，将信号检测由“时域/频域1维能量域”拓展到“时频2维能量域”，并利用时频域局部区域能量进行信号检测，有效降低了非正交PSWFs信号间干扰、提升了非正交PSWFs信号检测性能。理论与仿真分析表明，相对于相干检测，所提方法具有更优的信号检测性能，当误比特率为4×10–5时，系统误码性能提升约1 dB。
2025, 47(8): 2724-2735.
doi: 10.11999/JEIT241139
摘要:
针对复杂不确定环境下的多机动目标跟踪(MMTT)问题，该文提出一种基于高斯过程(GP)数据驱动的多目标跟踪方法。GP作为一种非参数贝叶斯方法，可通过有限样本灵活推断无限维函数，更能够灵活地自适应复杂多变的目标机动模式。通过GP算法学习多机动目标不确定的运动与观测模型，能有效克服传统多模型(MM)方法中因预设模型过多或模型失配所导致的性能退化问题。然后，利用泊松多伯努利混合(PMBM)建立多目标跟踪滤波的共轭先验递推结构，并使用GP学习未知的多目标动力学和观测模型，从而最终提出高斯过程多机动目标PMBM滤波器。仿真结果表明，该方法在复杂多变的MMTT任务中展现出较高的跟踪精度，验证了其在处理MMTT问题上的有效性和鲁棒性。
针对复杂不确定环境下的多机动目标跟踪(MMTT)问题，该文提出一种基于高斯过程(GP)数据驱动的多目标跟踪方法。GP作为一种非参数贝叶斯方法，可通过有限样本灵活推断无限维函数，更能够灵活地自适应复杂多变的目标机动模式。通过GP算法学习多机动目标不确定的运动与观测模型，能有效克服传统多模型(MM)方法中因预设模型过多或模型失配所导致的性能退化问题。然后，利用泊松多伯努利混合(PMBM)建立多目标跟踪滤波的共轭先验递推结构，并使用GP学习未知的多目标动力学和观测模型，从而最终提出高斯过程多机动目标PMBM滤波器。仿真结果表明，该方法在复杂多变的MMTT任务中展现出较高的跟踪精度，验证了其在处理MMTT问题上的有效性和鲁棒性。
2025, 47(8): 2736-2745.
doi: 10.11999/JEIT250051
摘要:
随着无人机技术的迅猛发展及其在多个领域的广泛应用，确保无人机的安全飞行和有效监管成为了一个重要的研究课题。该文提出一种基于小波熵特征和优化神经网络的无人机飞控射频信号分类识别方法，旨在解决复杂电磁环境中无人机信号识别的问题。通过提取射频信号的小波熵特征并构建特征向量，结合由大蔗鼠优化算法(GCRA)优化的支持向量机(SVM)分类器，实现了对不同型号无人机的有效分类。实验使用了公开数据集DroneRFa中的常见无人机射频信号，经过10-折交叉验证测试，该方法对于6种型号的无人机分类准确率达到了97%以上，最高可达99%，证明了所提方法的有效性和可靠性。该研究为无人机自主避障、路径规划以及多机协同作业提供了重要的技术支持。
随着无人机技术的迅猛发展及其在多个领域的广泛应用，确保无人机的安全飞行和有效监管成为了一个重要的研究课题。该文提出一种基于小波熵特征和优化神经网络的无人机飞控射频信号分类识别方法，旨在解决复杂电磁环境中无人机信号识别的问题。通过提取射频信号的小波熵特征并构建特征向量，结合由大蔗鼠优化算法(GCRA)优化的支持向量机(SVM)分类器，实现了对不同型号无人机的有效分类。实验使用了公开数据集DroneRFa中的常见无人机射频信号，经过10-折交叉验证测试，该方法对于6种型号的无人机分类准确率达到了97%以上，最高可达99%，证明了所提方法的有效性和可靠性。该研究为无人机自主避障、路径规划以及多机协同作业提供了重要的技术支持。
2025, 47(8): 2746-2756.
doi: 10.11999/JEIT250018
摘要:
自适应滤波是滤除传感输出中宽带噪声的常用方法。自适应过程跟随传感信号统计特征的变化进行调整，收敛时自适应滤波器输出为传感信号的最优估计，而收敛前的调整过程中输出并非最优，且会产生畸变引入额外噪声。该文根据噪声标准差\begin{document}$\sigma $\end{document}
自适应滤波是滤除传感输出中宽带噪声的常用方法。自适应过程跟随传感信号统计特征的变化进行调整，收敛时自适应滤波器输出为传感信号的最优估计，而收敛前的调整过程中输出并非最优，且会产生畸变引入额外噪声。该文根据噪声标准差
2025, 47(8): 2757-2767.
doi: 10.11999/JEIT250050
摘要:
现有的隐私集合求交协议存在安全漏洞不可控的风险，此外计算效率不能满足实际应用需求。该文提出一种基于国密算法SM2和SM3的隐私集合求交协议SM-PSI，采用国产安全芯片对协议中的关键算法如含数据加密、非交互零知识证明等进行了硬件加速设计，通过理论分析证明了协议在半诚实敌手模型下的安全性。使用模拟数据集进行实验，结果表明，在相同的安全等级下，所提协议通过软硬件协同优化，其计算效率显著优于现有方法，计算速度比CPU运行最优方案SpOT-Light的PSI协议平均提升4.2倍，比DH-IPP方案平均提升6.3倍。该研究为实现我国网络空间安全自主可控提供了重要支撑。
现有的隐私集合求交协议存在安全漏洞不可控的风险，此外计算效率不能满足实际应用需求。该文提出一种基于国密算法SM2和SM3的隐私集合求交协议SM-PSI，采用国产安全芯片对协议中的关键算法如含数据加密、非交互零知识证明等进行了硬件加速设计，通过理论分析证明了协议在半诚实敌手模型下的安全性。使用模拟数据集进行实验，结果表明，在相同的安全等级下，所提协议通过软硬件协同优化，其计算效率显著优于现有方法，计算速度比CPU运行最优方案SpOT-Light的PSI协议平均提升4.2倍，比DH-IPP方案平均提升6.3倍。该研究为实现我国网络空间安全自主可控提供了重要支撑。
2025, 47(8): 2768-2779.
doi: 10.11999/JEIT250099
摘要:
单侧差分隐私机制具有敏感屏蔽特性，能确保攻击者无法显著降低其对记录敏感性的不确定性，但是该机制中的单侧差分隐私随机响应算法仅适用于敏感记录百分比较低的数据集。为克服上述算法在敏感记录百分比较高数据集中的局限性，该文提出一种新的算法——单侧个性化差分隐私随机响应算法。该算法引入敏感规范函数的定义，为不同用户的各项数据分别赋予不同的敏感级别，然后设计新的个性化采样方法，并基于用户数据权重值进行个性化采样和加噪处理。相对于单侧差分隐私随机响应算法，所提随机响应算法更细致地考虑到用户对不同数据的敏感程度。特别地，该文将综合权重值映射到需要添加的噪声量以满足严格的隐私保护要求。最后，在合成数据集和真实数据集上进行仿真实验，对比了单侧个性化差分隐私随机响应算法与现有的随机响应算法。实验结果表明，在不同的上限阈值下，所提算法不仅在敏感记录百分比较低时提供更优的数据效用，而且适用于敏感记录百分比较高的场景，并显著提高了查询结果的准确性和稳健性。
单侧差分隐私机制具有敏感屏蔽特性，能确保攻击者无法显著降低其对记录敏感性的不确定性，但是该机制中的单侧差分隐私随机响应算法仅适用于敏感记录百分比较低的数据集。为克服上述算法在敏感记录百分比较高数据集中的局限性，该文提出一种新的算法——单侧个性化差分隐私随机响应算法。该算法引入敏感规范函数的定义，为不同用户的各项数据分别赋予不同的敏感级别，然后设计新的个性化采样方法，并基于用户数据权重值进行个性化采样和加噪处理。相对于单侧差分隐私随机响应算法，所提随机响应算法更细致地考虑到用户对不同数据的敏感程度。特别地，该文将综合权重值映射到需要添加的噪声量以满足严格的隐私保护要求。最后，在合成数据集和真实数据集上进行仿真实验，对比了单侧个性化差分隐私随机响应算法与现有的随机响应算法。实验结果表明，在不同的上限阈值下，所提算法不仅在敏感记录百分比较低时提供更优的数据效用，而且适用于敏感记录百分比较高的场景，并显著提高了查询结果的准确性和稳健性。
2025, 47(8): 2780-2790.
doi: 10.11999/JEIT250107
摘要:
对称可搜索加密是实现在云存储场景下加密搜索的一项重要原语。动态对称可搜索加密是支持动态增加和删除数据的对称可搜索加密，在多数场景相较静态方案更为实用。对称可搜索加密中局部性指的是搜索时服务器需要进行的非连续存储访问的次数，是影响搜索效率的重要指标之一。然而，动态对称可搜索加密中局部性与前向安全性的要求相矛盾。差的局部性导致了搜索时间随结果数量的简单线性增长，进而严重影响高频关键词的搜索效率。现有针对前向安全动态对称可搜索加密进行局部性优化的方案要么存在对两次搜索之间的更新次数的限制，要么更新效率和读效率较低。该文提出了新的局部性优化方案，能够转换任意符合要求的前向安全动态对称可搜索加密方案为优化局部性的前向安全动态对称可搜索加密方案，同时不损害更新效率和读效率在内的其他重要性能指标。方案基于客户端缓冲和分批打包，打包内同关键词更新可连续读取，有效限制了各关键词的局部性上界。同时，该文设计并使用了安全的打包格式，通过安全证明确保了转换后方案在保证前向安全的同时不会引入额外信息泄露。理论和实验分析证明了该方案在极大提升高频关键词搜索效率的同时，不对更新效率以及其他关键词的搜索效率产生显著的负面影响。
对称可搜索加密是实现在云存储场景下加密搜索的一项重要原语。动态对称可搜索加密是支持动态增加和删除数据的对称可搜索加密，在多数场景相较静态方案更为实用。对称可搜索加密中局部性指的是搜索时服务器需要进行的非连续存储访问的次数，是影响搜索效率的重要指标之一。然而，动态对称可搜索加密中局部性与前向安全性的要求相矛盾。差的局部性导致了搜索时间随结果数量的简单线性增长，进而严重影响高频关键词的搜索效率。现有针对前向安全动态对称可搜索加密进行局部性优化的方案要么存在对两次搜索之间的更新次数的限制，要么更新效率和读效率较低。该文提出了新的局部性优化方案，能够转换任意符合要求的前向安全动态对称可搜索加密方案为优化局部性的前向安全动态对称可搜索加密方案，同时不损害更新效率和读效率在内的其他重要性能指标。方案基于客户端缓冲和分批打包，打包内同关键词更新可连续读取，有效限制了各关键词的局部性上界。同时，该文设计并使用了安全的打包格式，通过安全证明确保了转换后方案在保证前向安全的同时不会引入额外信息泄露。理论和实验分析证明了该方案在极大提升高频关键词搜索效率的同时，不对更新效率以及其他关键词的搜索效率产生显著的负面影响。
2025, 47(8): 2791-2799.
doi: 10.11999/JEIT250014
摘要:
在硬件安全领域，各种侧信道攻击已受到广泛关注，这类攻击利用硬件泄漏的物理信息来推断密钥等敏感信息，其中能量分析攻击是最受关注的侧信道攻击技术之一。针对高级加密标准的能量分析攻击方法相对成熟，对于SM4算法，由于其轮运算包含特殊的线性变换模块，使得能量分析攻击更加困难。针对SM4的选择明文攻击方法可以规避线性变换模块带来的运算复杂度，但这些方法面临以下难题：如何构造四轮选择明文、如何恢复初始密钥、如何分辨对称攻击结果，以及如何排除高相关性错误猜测值。该文在深入分析难题产生原因的基础上，提出了相应的对策，并对SM4算法实现进行了能量分析攻击实验，结果表明：所提应对策略，能有效解决在SM4的选择明文攻击过程中，线性运算带来的难题。
在硬件安全领域，各种侧信道攻击已受到广泛关注，这类攻击利用硬件泄漏的物理信息来推断密钥等敏感信息，其中能量分析攻击是最受关注的侧信道攻击技术之一。针对高级加密标准的能量分析攻击方法相对成熟，对于SM4算法，由于其轮运算包含特殊的线性变换模块，使得能量分析攻击更加困难。针对SM4的选择明文攻击方法可以规避线性变换模块带来的运算复杂度，但这些方法面临以下难题：如何构造四轮选择明文、如何恢复初始密钥、如何分辨对称攻击结果，以及如何排除高相关性错误猜测值。该文在深入分析难题产生原因的基础上，提出了相应的对策，并对SM4算法实现进行了能量分析攻击实验，结果表明：所提应对策略，能有效解决在SM4的选择明文攻击过程中，线性运算带来的难题。
2025, 47(8): 2800-2807.
doi: 10.11999/JEIT250032
摘要:
对码的渐近性的研究是纠错码理论中的一个核心内容，Shannon第二定理指出，当码长趋于无穷时，存在码率接近信道容量且译码错误概率趋近于零的编码方案。对码的渐近性进行研究可以验证这一理论极限的可达性。在设计和选择编码方案时，渐近性是重要的比较依据，研究码的渐近性有助于理解码的性能极限和设计高效能纠错码，助力实际编码方案的设计与优化，确保其在长码场景下逼近理论最优性能，同时平衡纠错能力、码率与复杂度。该文给出了有限链环上1-生成元多元扭转码是自由码的条件，构造了有限链环上一类自由的1-生成元多元扭转码。基于概率方法和中国剩余定理理论，讨论了这类码的渐近码率和相对距离。结果表明，有限链环上的这类1-生成元多元扭转码是渐近优的。
对码的渐近性的研究是纠错码理论中的一个核心内容，Shannon第二定理指出，当码长趋于无穷时，存在码率接近信道容量且译码错误概率趋近于零的编码方案。对码的渐近性进行研究可以验证这一理论极限的可达性。在设计和选择编码方案时，渐近性是重要的比较依据，研究码的渐近性有助于理解码的性能极限和设计高效能纠错码，助力实际编码方案的设计与优化，确保其在长码场景下逼近理论最优性能，同时平衡纠错能力、码率与复杂度。该文给出了有限链环上1-生成元多元扭转码是自由码的条件，构造了有限链环上一类自由的1-生成元多元扭转码。基于概率方法和中国剩余定理理论，讨论了这类码的渐近码率和相对距离。结果表明，有限链环上的这类1-生成元多元扭转码是渐近优的。
2025, 47(8): 2808-2818.
doi: 10.11999/JEIT241019
摘要:
随着深度神经网络在信号检测任务的应用，神经网络易受到对抗样本攻击的脆弱性也受到了广泛关注。针对无法获取模型内部信息的信号检测网络黑盒攻击场景，该文提出一种基于稀疏子空间采样的黑盒查询对抗攻击方法。该方法将信号样本检测数量消失比例作为判断攻击是否成功的约束条件，构造信号检测网络对抗样本攻击模型，参考跳步跳跃攻击(HSJA)算法设计基于决策边界的信号检测网络黑盒查询对抗攻击方法求解该模型，以生成信号对抗样本。为了进一步改善查询效率，该文根据信号对抗扰动特点构建稀疏子空间采样进行查询攻击，即在生成对抗样本时，按照一定比例选择具有较大幅度的信号分量，并仅在这些选定的分量上添加扰动。实验结果表明，在信号目标消失数量比例0.3的决策边界下，稀疏子空间采样黑盒对抗攻击方法使得信号检测网络mAP值降低了43.6%、召回率降低了41.2%。与全空间采样方法相比，稀疏子空间采样方法攻击成功率提升了2.5%，且对抗扰动平均能量比降低了3.47%。稀疏子空间采样攻击方法可以使得信号检测网络性能明显下降，相较于全空间采样具有攻击成功率更高、扰动强度更小等优势。
随着深度神经网络在信号检测任务的应用，神经网络易受到对抗样本攻击的脆弱性也受到了广泛关注。针对无法获取模型内部信息的信号检测网络黑盒攻击场景，该文提出一种基于稀疏子空间采样的黑盒查询对抗攻击方法。该方法将信号样本检测数量消失比例作为判断攻击是否成功的约束条件，构造信号检测网络对抗样本攻击模型，参考跳步跳跃攻击(HSJA)算法设计基于决策边界的信号检测网络黑盒查询对抗攻击方法求解该模型，以生成信号对抗样本。为了进一步改善查询效率，该文根据信号对抗扰动特点构建稀疏子空间采样进行查询攻击，即在生成对抗样本时，按照一定比例选择具有较大幅度的信号分量，并仅在这些选定的分量上添加扰动。实验结果表明，在信号目标消失数量比例0.3的决策边界下，稀疏子空间采样黑盒对抗攻击方法使得信号检测网络mAP值降低了43.6%、召回率降低了41.2%。与全空间采样方法相比，稀疏子空间采样方法攻击成功率提升了2.5%，且对抗扰动平均能量比降低了3.47%。稀疏子空间采样攻击方法可以使得信号检测网络性能明显下降，相较于全空间采样具有攻击成功率更高、扰动强度更小等优势。
2025, 47(8): 2819-2829.
doi: 10.11999/JEIT250089
摘要:
遥感产品的生产是一个涉及动态因素的多任务调度问题，任务之间存在资源竞争与冲突，且受生产环境实时变化的影响。如何实现自适应、多目标的高效调度成为问题关键。为此，该文创新性地提出一种基于双深度Q网络(DDQN)的多目标遥感产品生产任务调度算法(MORS)，该方法可以有效降低遥感产品的生产时间，并实现节点资源的负载均衡。首先将多个产品输入处理单元生成相应的遥感算法，然后基于价值驱动的并行可执行筛选策略得到算法子集。在此基础上，设计一个能够感知遥感算法特征和节点特征的深度神经网络模型。通过综合遥感算法生产时间和节点资源状态设计奖励函数，采用DDQN算法训练模型，以确定待处理子集中每个遥感算法的最佳执行节点。在不同数量产品的仿真实验中，将MORS与先来先服务(FCFS)、轮询调度(RR)、遗传算法(GA)以及基于深度Q网络(DQN)的任务调度算法和基于双流深度Q网络(Dueling DQN)的任务调度算法进行全面对比。实验结果表明，MORS在遥感任务调度上相较于其它算法具有有效性和优越性。
遥感产品的生产是一个涉及动态因素的多任务调度问题，任务之间存在资源竞争与冲突，且受生产环境实时变化的影响。如何实现自适应、多目标的高效调度成为问题关键。为此，该文创新性地提出一种基于双深度Q网络(DDQN)的多目标遥感产品生产任务调度算法(MORS)，该方法可以有效降低遥感产品的生产时间，并实现节点资源的负载均衡。首先将多个产品输入处理单元生成相应的遥感算法，然后基于价值驱动的并行可执行筛选策略得到算法子集。在此基础上，设计一个能够感知遥感算法特征和节点特征的深度神经网络模型。通过综合遥感算法生产时间和节点资源状态设计奖励函数，采用DDQN算法训练模型，以确定待处理子集中每个遥感算法的最佳执行节点。在不同数量产品的仿真实验中，将MORS与先来先服务(FCFS)、轮询调度(RR)、遗传算法(GA)以及基于深度Q网络(DQN)的任务调度算法和基于双流深度Q网络(Dueling DQN)的任务调度算法进行全面对比。实验结果表明，MORS在遥感任务调度上相较于其它算法具有有效性和优越性。
2025, 47(8): 2830-2840.
doi: 10.11999/JEIT250122
摘要:
在动态密集场景中，路径规划方法面临计算复杂度高、系统可扩展性差等问题，尤其在障碍物密度大、智能体数量多的结构化环境中，易出现寻路效果不佳及碰撞死锁等现象。针对复杂场景下多智能体路径规划通信与动态冲突的双重挑战，该文提出一种基于选择性通信与冲突解决的多智能体路径规划方式(DCCPR)。该方法构建动态联合屏蔽补充决策机制，通过融合A*算法生成的期望路径与双惩罚项强化学习，在实现任务目标的同时减少路径偏差；引入基于多层次动态加权的优先级冲突解决策略，结合初始距离优先级、任务Q值动态调整及轮流通行机制，有效处理系统中冲突情境。通过在训练期间从未见过的结构化地图上测试，相比决策因果通信(DCC)任务成功率提高约79%，平均回合步长降低了46.4%。
在动态密集场景中，路径规划方法面临计算复杂度高、系统可扩展性差等问题，尤其在障碍物密度大、智能体数量多的结构化环境中，易出现寻路效果不佳及碰撞死锁等现象。针对复杂场景下多智能体路径规划通信与动态冲突的双重挑战，该文提出一种基于选择性通信与冲突解决的多智能体路径规划方式(DCCPR)。该方法构建动态联合屏蔽补充决策机制，通过融合A*算法生成的期望路径与双惩罚项强化学习，在实现任务目标的同时减少路径偏差；引入基于多层次动态加权的优先级冲突解决策略，结合初始距离优先级、任务Q值动态调整及轮流通行机制，有效处理系统中冲突情境。通过在训练期间从未见过的结构化地图上测试，相比决策因果通信(DCC)任务成功率提高约79%，平均回合步长降低了46.4%。
2025, 47(8): 2841-2849.
doi: 10.11999/JEIT250011
摘要:
航迹预测在飞机舰船交通管理、路径规划和安全监测等领域具有重要意义。针对现有Transformer模型在航迹预测任务中存在的训练收敛速度慢、模型过拟合、长时误差大等问题，该文提出一种融合兴趣点和联合损失函数的长时航迹预测模型(PL-Transformer)。首先，通过专家经验定义预测范围内兴趣点的位置，引入航迹范围内待预测轨迹点与兴趣点间的关联特征，联合已有特征并转化为数据特征的稀疏表示，增强模型对运动航迹的全局特征捕捉能力，解决Transformer模型仅关注航迹自身局部特征变化的问题；其次，通过优化损失函数，将模型经纬度特征与兴趣点特征损失相关联，挖掘不同特征间的内涵损失，从而提高对航迹的长时预测精度。实验结果表明，PL-Transformer模型在较长时间尺度的航迹预测任务中，相较于基准长时模型预测误差平均降低了约10%，验证了该模型在航迹预测中的有效性与可靠性。
航迹预测在飞机舰船交通管理、路径规划和安全监测等领域具有重要意义。针对现有Transformer模型在航迹预测任务中存在的训练收敛速度慢、模型过拟合、长时误差大等问题，该文提出一种融合兴趣点和联合损失函数的长时航迹预测模型(PL-Transformer)。首先，通过专家经验定义预测范围内兴趣点的位置，引入航迹范围内待预测轨迹点与兴趣点间的关联特征，联合已有特征并转化为数据特征的稀疏表示，增强模型对运动航迹的全局特征捕捉能力，解决Transformer模型仅关注航迹自身局部特征变化的问题；其次，通过优化损失函数，将模型经纬度特征与兴趣点特征损失相关联，挖掘不同特征间的内涵损失，从而提高对航迹的长时预测精度。实验结果表明，PL-Transformer模型在较长时间尺度的航迹预测任务中，相较于基准长时模型预测误差平均降低了约10%，验证了该模型在航迹预测中的有效性与可靠性。
2025, 47(8): 2850-2858.
doi: 10.11999/JEIT250024
摘要:
连续探测自由活动大鼠的神经活动对于研究大脑功能具有重要意义，但同时也是一个挑战。该文研究旨在通过双脑区探测提供全面的大脑活动信息。为此，设计了一种符合双脑区形状的四探针微电极阵列(MEA)，并使用聚吡咯/银纳米线(PPy/AgNW)纳米复合材料进行表面修饰。优化后，PPy/AgNW纳米复合材料修饰的MEA展现出低阻抗(53.01 ± 2.59 kΩ)，增强了信号采集性能。进一步研究了PPy/AgNW纳米复合材料修饰的MEA的稳定性。经过1000 次循环伏安扫描后，电容保持率为92.51% ± 2.21%，阻抗未显著增加，表明其具有长期体内探测的高稳定性。MEA植入大鼠相应脑区后不影响其自由活动，并成功检测到连续两周的空间认知过程中尖峰信号和局部场电位信号，确认了记录神经元中存在位置细胞。为了评估神经元动态的变化，我们计算了神经元之间的互信息、特别关注单脑区内以及双脑区之间的交互信息。在初始记忆阶段，观察到双脑区间显著的信息交换，可能与记忆存储有关。总之，本研究成功地使用纳米材料修饰的MEA实现了对移动大鼠双脑区的动态探测，揭示了参与空间记忆过程的神经动态。这一见解对于更深入地理解大脑活动机制和相关疾病具有重要意义。
连续探测自由活动大鼠的神经活动对于研究大脑功能具有重要意义，但同时也是一个挑战。该文研究旨在通过双脑区探测提供全面的大脑活动信息。为此，设计了一种符合双脑区形状的四探针微电极阵列(MEA)，并使用聚吡咯/银纳米线(PPy/AgNW)纳米复合材料进行表面修饰。优化后，PPy/AgNW纳米复合材料修饰的MEA展现出低阻抗(53.01 ± 2.59 kΩ)，增强了信号采集性能。进一步研究了PPy/AgNW纳米复合材料修饰的MEA的稳定性。经过
2025, 47(8): 2859-2871.
doi: 10.11999/JEIT250003
摘要:
在万物互联的云时代，云应用程序编程接口(API)是数字经济建设和服务化软件开发的关键数字基础设施。然而，云API数量的持续增长给用户决策和推广带来挑战，设计有效的推荐方法成为亟待解决的重要问题。现有研究多利用调用偏好、搜索关键词或二者结合进行建模，主要解决为给定Mashup推荐合适云API的问题，未考虑开发者对个性化高阶互补云API的实际需求。该文提出一种基于个性化张量分解的高阶互补云API推荐方法(Personalized Tensor Decomposition based High-order Complementary cloud API Recommendation, PTDHCR)。首先，将Mashup与云API之间的调用关系，以及云API与云API之间的互补关系建模为三维张量，并利用RECAL张量分解技术对这两种关系进行共同学习，以挖掘云API之间的个性化非对称互补关系。然后，考虑到不同互补关系对推荐结果的影响程度不同，构建个性化高阶互补感知网络，充分利用Mashup、查询云API以及候选云API的多模态特征，动态计算Mashup对不同查询和候选云API之间互补关系的关注程度。在此基础上，将个性化互补关系拓展到高阶，得到候选云API与查询云API集合的整体个性化互补性。最后，利用两个真实云API数据集进行实验，结果表明，相较于传统方法，PTDHCR在挖掘个性化互补关系和推荐方面具有较大的优势。
在万物互联的云时代，云应用程序编程接口(API)是数字经济建设和服务化软件开发的关键数字基础设施。然而，云API数量的持续增长给用户决策和推广带来挑战，设计有效的推荐方法成为亟待解决的重要问题。现有研究多利用调用偏好、搜索关键词或二者结合进行建模，主要解决为给定Mashup推荐合适云API的问题，未考虑开发者对个性化高阶互补云API的实际需求。该文提出一种基于个性化张量分解的高阶互补云API推荐方法(Personalized Tensor Decomposition based High-order Complementary cloud API Recommendation, PTDHCR)。首先，将Mashup与云API之间的调用关系，以及云API与云API之间的互补关系建模为三维张量，并利用RECAL张量分解技术对这两种关系进行共同学习，以挖掘云API之间的个性化非对称互补关系。然后，考虑到不同互补关系对推荐结果的影响程度不同，构建个性化高阶互补感知网络，充分利用Mashup、查询云API以及候选云API的多模态特征，动态计算Mashup对不同查询和候选云API之间互补关系的关注程度。在此基础上，将个性化互补关系拓展到高阶，得到候选云API与查询云API集合的整体个性化互补性。最后，利用两个真实云API数据集进行实验，结果表明，相较于传统方法，PTDHCR在挖掘个性化互补关系和推荐方面具有较大的优势。
2025, 47(8): 2872-2882.
doi: 10.11999/JEIT250124
摘要:
近年来，特征匹配技术在计算机视觉任务中得到了广泛应用，如3维重建、视觉定位和即时定位与地图构建(SLAM)等。然而，现有匹配算法面临精度与效率的权衡困境：高精度方法常因复杂模型设计导致计算复杂度攀升，难以满足实时需求；而快速匹配策略通过特征简化或近似计算虽实现亚线性时间复杂度，却因表征能力受限与误差累积，无法达到实际应用中的精度要求。为此，该文提出一种基于加性注意力的轻量化特征匹配方法—LFTA。该方法通过轻量化多尺度特征提取网络生成高效特征表示，并引入三重交换融合注意力机制，提升了在复杂场景下的特征鲁棒性；同时提出了自适应高斯核生成关键点热力图和动态非极大值抑制算法，以提高关键点的提取精度；此外，该文设计了结合加性Transformer注意力机制和深度可分离卷积位置编码的轻量化模块，对粗粒度匹配结果进行微调，从而生成高精度的像素级匹配点对。为了验证所提方法的有效性，在MegaDepth和ScanNet两个公开数据集上进行了实验评估，并通过消融实验和对比实验验证了各模块的贡献和模型的综合性能。实验结果表明，所提算法在姿态估计上的性能相比于轻量化的算法有显著提升，且与性能较高的算法相比推理时间有显著下降，实现了高效性与高精度的平衡。
近年来，特征匹配技术在计算机视觉任务中得到了广泛应用，如3维重建、视觉定位和即时定位与地图构建(SLAM)等。然而，现有匹配算法面临精度与效率的权衡困境：高精度方法常因复杂模型设计导致计算复杂度攀升，难以满足实时需求；而快速匹配策略通过特征简化或近似计算虽实现亚线性时间复杂度，却因表征能力受限与误差累积，无法达到实际应用中的精度要求。为此，该文提出一种基于加性注意力的轻量化特征匹配方法—LFTA。该方法通过轻量化多尺度特征提取网络生成高效特征表示，并引入三重交换融合注意力机制，提升了在复杂场景下的特征鲁棒性；同时提出了自适应高斯核生成关键点热力图和动态非极大值抑制算法，以提高关键点的提取精度；此外，该文设计了结合加性Transformer注意力机制和深度可分离卷积位置编码的轻量化模块，对粗粒度匹配结果进行微调，从而生成高精度的像素级匹配点对。为了验证所提方法的有效性，在MegaDepth和ScanNet两个公开数据集上进行了实验评估，并通过消融实验和对比实验验证了各模块的贡献和模型的综合性能。实验结果表明，所提算法在姿态估计上的性能相比于轻量化的算法有显著提升，且与性能较高的算法相比推理时间有显著下降，实现了高效性与高精度的平衡。
2025, 47(8): 2883-2894.
doi: 10.11999/JEIT250079
摘要:
在作战单元可能毁伤的作战环境下，作战单元面对复杂战场环境需临机合成合适数量的多个战术作战单元作战群，并自动划分作战单元作战群归属。该文提出一种自适应聚类合同网算法，通过聚类指标的2阶相对变化率确定作战群数，并根据该作战群数通过聚类实现作战单元的作战群划分；同时，通过基于多层合同网方法的作战群投标、作战群内作战单元投标，实现多个复杂分散战术作战任务的预分配。通过任务重分配与任务交换流程，以实现战术作战任务的最终更优分配。本研究综合考虑作战单元的属性以及任务信息，实现多作战单元的作战群自适应划分以及作战任务的优化分配。
在作战单元可能毁伤的作战环境下，作战单元面对复杂战场环境需临机合成合适数量的多个战术作战单元作战群，并自动划分作战单元作战群归属。该文提出一种自适应聚类合同网算法，通过聚类指标的2阶相对变化率确定作战群数，并根据该作战群数通过聚类实现作战单元的作战群划分；同时，通过基于多层合同网方法的作战群投标、作战群内作战单元投标，实现多个复杂分散战术作战任务的预分配。通过任务重分配与任务交换流程，以实现战术作战任务的最终更优分配。本研究综合考虑作战单元的属性以及任务信息，实现多作战单元的作战群自适应划分以及作战任务的优化分配。
2025, 47(8): 2895-2908.
doi: 10.11999/JEIT250059
摘要:
针对自动驾驶边缘计算场景中行人车辆检测任务面临的模型计算复杂度高、参数量大导致的部署难题，该文提出一种轻量化神经网络模型YOMANet (Yolo Model Adaptation Network)，基于异构FPGA平台设计YOMANet加速器(YOMANet-Accel)，实现边缘端人车检测的算法加速。YOMANet算法的主干网络采用轻量型网络MobileNetv2以大幅压缩模型参数量，颈部网络使用深度可分离卷积来代替常规卷积以提升训练速度，并在头部网络嵌入基于归一化的注意力模块(NAM)以增强网络对细节信息的捕获能力。为将YOMANet算法部署到现场可编程门阵列(FPGA)平台，该文针对卷积运算在任务层设计循环分块以调整内循环和外循环的顺序，在运算层对处理引擎单元(PE)设计乘加树，使得多个乘加运算可以同时执行，提高数据的并行计算效率。同时，针对数据存储过程采用双缓存机制来减少数据传输时延，对权重参数和激活函数进行int8数据量化以降低资源消耗。实验结果表明，YOMANet算法在训练平台上的检测精度和检测速度表现优异，对小目标和遮挡目标具备较好的检测能力，有效减少了误检和漏检情况的发生。算法部署到硬件平台后，YOMANet-Accel的目标检测效果保持在较高水平，硬件资源的能效比表现良好，有效发挥了FPGA的并行优势。
针对自动驾驶边缘计算场景中行人车辆检测任务面临的模型计算复杂度高、参数量大导致的部署难题，该文提出一种轻量化神经网络模型YOMANet (Yolo Model Adaptation Network)，基于异构FPGA平台设计YOMANet加速器(YOMANet-Accel)，实现边缘端人车检测的算法加速。YOMANet算法的主干网络采用轻量型网络MobileNetv2以大幅压缩模型参数量，颈部网络使用深度可分离卷积来代替常规卷积以提升训练速度，并在头部网络嵌入基于归一化的注意力模块(NAM)以增强网络对细节信息的捕获能力。为将YOMANet算法部署到现场可编程门阵列(FPGA)平台，该文针对卷积运算在任务层设计循环分块以调整内循环和外循环的顺序，在运算层对处理引擎单元(PE)设计乘加树，使得多个乘加运算可以同时执行，提高数据的并行计算效率。同时，针对数据存储过程采用双缓存机制来减少数据传输时延，对权重参数和激活函数进行int8数据量化以降低资源消耗。实验结果表明，YOMANet算法在训练平台上的检测精度和检测速度表现优异，对小目标和遮挡目标具备较好的检测能力，有效减少了误检和漏检情况的发生。算法部署到硬件平台后，YOMANet-Accel的目标检测效果保持在较高水平，硬件资源的能效比表现良好，有效发挥了FPGA的并行优势。
2025, 47(8): 2909-2918.
doi: 10.11999/JEIT250042
摘要:
在自动驾驶领域，红外和可见光的融合图像因其能够提供显著目标和丰富的纹理细节而备受关注。然而现有的大部分融合算法单方面关注融合图像的视觉质量和评价指标，而忽略了高级视觉任务的需求。另外，虽然一些融合方法尝试结合高级视觉任务，但是其效果受限于语义先验和融合任务之间的交互不足且没有考虑到不同特征差异性的影响。因此，该文提出了特征级语义感知引导的多模态图像融合算法，使语义先验知识与融合任务进行充分交互，提高融合结果在后续的分割任务中的性能。对于语义特征和融合图像特征两者的差异性，提出了双特征交互模块，以实现不同特征的充分交互和选择。对于红外和可见光两种不同模态特征的差异性，提出了多源空间注意力融合模块，以实现不同模态信息的有效集成和互补。该文在3个公共数据集上进行了实验，结果表明该方法的融合结果优于其他方法且泛化能力较好，而且在各种融合算法联合分割任务的性能比较实验中也表明了该方法在分割任务中的优越性。
在自动驾驶领域，红外和可见光的融合图像因其能够提供显著目标和丰富的纹理细节而备受关注。然而现有的大部分融合算法单方面关注融合图像的视觉质量和评价指标，而忽略了高级视觉任务的需求。另外，虽然一些融合方法尝试结合高级视觉任务，但是其效果受限于语义先验和融合任务之间的交互不足且没有考虑到不同特征差异性的影响。因此，该文提出了特征级语义感知引导的多模态图像融合算法，使语义先验知识与融合任务进行充分交互，提高融合结果在后续的分割任务中的性能。对于语义特征和融合图像特征两者的差异性，提出了双特征交互模块，以实现不同特征的充分交互和选择。对于红外和可见光两种不同模态特征的差异性，提出了多源空间注意力融合模块，以实现不同模态信息的有效集成和互补。该文在3个公共数据集上进行了实验，结果表明该方法的融合结果优于其他方法且泛化能力较好，而且在各种融合算法联合分割任务的性能比较实验中也表明了该方法在分割任务中的优越性。
2025, 47(8): 2919-2934.
doi: 10.11999/JEIT250041
摘要:
针对现有虚假新闻检测方法在提取和利用新闻多层次特征及捕获新闻传播高阶结构特征方面的局限性，该文提出一种多源特征融合增强(MSFFE)的虚假新闻检测方法。该方法利用多层次注意力机制，从结构、时序和内容3个维度提取新闻特征：首先，通过增强型超图神经网络提取新闻传播的结构特征；其次，利用多尺度时序模块捕获新闻传播的时序特征；最后，采用多头自注意力机制提取新闻内容特征。特别地，该方法设计了一种特征融合门控单元，用于动态调整不同特征维度的权重，从而实现多源异构特征的高效融合。在公开数据集Politifact和Gossipcop上的实验结果显示，该方法的检测性能较UPFD, HGNN, RTRUST(State-of-the-Art)等近年的基线方法有所提升。其中，与最先进的方法相比较，在Politifact数据集上，准确率提升了3.64%，F1分数提升了3.41%；在Gossipcop数据集上，准确率提升了0.55%，F1分数提升了0.56%。这些实验结果表明，该方法能够有效检测虚假新闻，为虚假新闻检测领域提供了新思路和技术支撑。
针对现有虚假新闻检测方法在提取和利用新闻多层次特征及捕获新闻传播高阶结构特征方面的局限性，该文提出一种多源特征融合增强(MSFFE)的虚假新闻检测方法。该方法利用多层次注意力机制，从结构、时序和内容3个维度提取新闻特征：首先，通过增强型超图神经网络提取新闻传播的结构特征；其次，利用多尺度时序模块捕获新闻传播的时序特征；最后，采用多头自注意力机制提取新闻内容特征。特别地，该方法设计了一种特征融合门控单元，用于动态调整不同特征维度的权重，从而实现多源异构特征的高效融合。在公开数据集Politifact和Gossipcop上的实验结果显示，该方法的检测性能较UPFD, HGNN, RTRUST(State-of-the-Art)等近年的基线方法有所提升。其中，与最先进的方法相比较，在Politifact数据集上，准确率提升了3.64%，F1分数提升了3.41%；在Gossipcop数据集上，准确率提升了0.55%，F1分数提升了0.56%。这些实验结果表明，该方法能够有效检测虚假新闻，为虚假新闻检测领域提供了新思路和技术支撑。
2025, 47(8): 2935-2944.
doi: 10.11999/JEIT241123
摘要:
焦虑是一种常见的情绪障碍，其严重时会显著影响个体的身心健康。已有研究表明，睡眠与焦虑存在双向调控关系，高质量睡眠有助于缓解焦虑情绪。为提高在睡眠环境下对焦虑患者脑电信号的分析准确率，该文提出一种改进型特征金字塔网络(IFPN)模型。在IFPN模型中，首先，对焦虑患者睡眠前后脑电信号进行预处理，采用脑电信号标准化和特征金字塔网络去噪，以统一脑电信号尺度并去除噪声。然后，将预处理后焦虑患者的睡眠脑电数据转换为脑熵地形图，以强化在睡眠环境下对焦虑改善的脑电信号分析能力，接着，利用改进型特征金字塔网络对脑熵地形图进行特征提取，生成特征脑地形图。最后，将特征脑地形图输入到ResNet-50进行脑电信号分析。本文在开源数据集上验证了IFPN模型的有效性。实验结果表明，在睡眠环境下，采用所提模型能够进一步提升针对焦虑脑电信号的分析能力和准确率，从而为分析睡眠对于焦虑的改善作用提供深入的理论和实验支撑。
焦虑是一种常见的情绪障碍，其严重时会显著影响个体的身心健康。已有研究表明，睡眠与焦虑存在双向调控关系，高质量睡眠有助于缓解焦虑情绪。为提高在睡眠环境下对焦虑患者脑电信号的分析准确率，该文提出一种改进型特征金字塔网络(IFPN)模型。在IFPN模型中，首先，对焦虑患者睡眠前后脑电信号进行预处理，采用脑电信号标准化和特征金字塔网络去噪，以统一脑电信号尺度并去除噪声。然后，将预处理后焦虑患者的睡眠脑电数据转换为脑熵地形图，以强化在睡眠环境下对焦虑改善的脑电信号分析能力，接着，利用改进型特征金字塔网络对脑熵地形图进行特征提取，生成特征脑地形图。最后，将特征脑地形图输入到ResNet-50进行脑电信号分析。本文在开源数据集上验证了IFPN模型的有效性。实验结果表明，在睡眠环境下，采用所提模型能够进一步提升针对焦虑脑电信号的分析能力和准确率，从而为分析睡眠对于焦虑的改善作用提供深入的理论和实验支撑。
2025, 47(8): 2945-2952.
doi: 10.11999/JEIT250176
摘要:
针对 AI 数据中心对光模块高集成度、低功耗的要求，该文提出连续时间线性均衡器(CTLE)与可变增益放大器联合设计的电流复用架构，将传统马赫曾德尔调制器驱动器的四级结构简化为两级；输出级采用集电极开路结构使输出级功耗降低一半。该文还首次提出高低频响应独立可调的 CTLE 架构，通过低频增益补偿有效抑制趋肤效应引起的非线性失真，通过高频增益调节有效补偿传输线的高频损耗。该芯片基于130 nm BiCMOS 工艺流片，芯片具有4个通道，每个通道最大通信速率为112 Gbps。测试结果表明，该驱动器达到最大增益19.49 dB、增益可调节范围 13 dB、最大峰值增益9.2 dB、差分输出摆幅3 Vppd和总谐波失真低于3.5%，眼图线性度达到0.95，芯片功耗低至 225.23 mW，达到2 pJ/bit 的超高能效。实现了线性驱动可插拔光模块等应用场景所需的高性能与低功耗平衡。
针对 AI 数据中心对光模块高集成度、低功耗的要求，该文提出连续时间线性均衡器(CTLE)与可变增益放大器联合设计的电流复用架构，将传统马赫曾德尔调制器驱动器的四级结构简化为两级；输出级采用集电极开路结构使输出级功耗降低一半。该文还首次提出高低频响应独立可调的 CTLE 架构，通过低频增益补偿有效抑制趋肤效应引起的非线性失真，通过高频增益调节有效补偿传输线的高频损耗。该芯片基于130 nm BiCMOS 工艺流片，芯片具有4个通道，每个通道最大通信速率为112 Gbps。测试结果表明，该驱动器达到最大增益19.49 dB、增益可调节范围 13 dB、最大峰值增益9.2 dB、差分输出摆幅3 Vppd和总谐波失真低于3.5%，眼图线性度达到0.95，芯片功耗低至 225.23 mW，达到2 pJ/bit 的超高能效。实现了线性驱动可插拔光模块等应用场景所需的高性能与低功耗平衡。
2025, 47(8): 2953-2962.
doi: 10.11999/JEIT250002
摘要:
在雷达与通信系统中，大功率宽频带速调管得到了极为广泛的应用，采用多间隙输出腔体(MGOC)的设计是速调管拓展器件带宽的有效手段，MGOC的间隙阻抗在带内的平坦度直接决定了速调管的带内增益以及带宽，间隙阻抗的计算以及测试方法显示出极端的重要性。该文研究了X波段速调管MGOC的等效电路模型，详细论述了MGOC间隙阻抗的计算方法。另外在微波网络理论的基础上，提出了速调管MGOC间隙阻抗的测试方法。利用以上理论，设计出一种X波段四间隙输出腔，输出段带宽被扩展到1.2 GHz以上。输出段冷测实验件的间隙阻抗测试结果与电路计算结果吻合较好，进一步验证了该方法的有效性。输出段MGOC间隙阻抗的研究为进一步拓展速调管带宽奠定了重要的理论基础。
在雷达与通信系统中，大功率宽频带速调管得到了极为广泛的应用，采用多间隙输出腔体(MGOC)的设计是速调管拓展器件带宽的有效手段，MGOC的间隙阻抗在带内的平坦度直接决定了速调管的带内增益以及带宽，间隙阻抗的计算以及测试方法显示出极端的重要性。该文研究了X波段速调管MGOC的等效电路模型，详细论述了MGOC间隙阻抗的计算方法。另外在微波网络理论的基础上，提出了速调管MGOC间隙阻抗的测试方法。利用以上理论，设计出一种X波段四间隙输出腔，输出段带宽被扩展到1.2 GHz以上。输出段冷测实验件的间隙阻抗测试结果与电路计算结果吻合较好，进一步验证了该方法的有效性。输出段MGOC间隙阻抗的研究为进一步拓展速调管带宽奠定了重要的理论基础。
编辑部公告
more >
- 征文丨 “人工智能芯片与基础设施”专刊
- 征文丨“AI与6G双向赋能：理论、技术与标准化”专刊
- “空天信息十大前沿问题”征集通知
- 专刊征文丨延期！第三届智天论坛-卫星信息智能处理与应用技术专刊
- 第二届“先锋杯”信息处理创新挑战赛主题征文通知
- 专题征文丨“光电信息前沿技术”专题
- 喜报丨《电子与信息学报》入选CCF计算领域高质量科技期刊分级目录（2025）T1类
- 喜讯丨《电子与信息学报》40位编委入选爱思唯尔2024中国高被引学者榜单
学术动态
more >
- 2025年短包通信理论与技术研讨会暨第二届《电子与信息学报》领军论坛(CSPCT 2025)在深圳成功举办
- “多物理场高效飞行科学基础与调控机理”学术会议丨第一轮通知
- 第三十五届电路与系统学术大会在南京圆满落幕，聚焦
- 第四届电子与信息前沿学术会议在杭州顺利召开
- 重要会议丨第四届电子与信息前沿学术会议通知(第二轮)
- 关于举办“第三十五届电路与系统学术大会”的通知（第二轮）
- 《电子与信息学报》领军论坛暨第九届编委会第三次工作会议在南京成功召开
- 2024“电路系统之星”获奖作者及作品（第三十四届中国电子学会电路与系统学术大会）
作者服务中心
融媒体平台
more >
友情链接
more >
官方微信，欢迎关注
电子与信息学报
微信学术论坛群
