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/JEIT240344
摘要:
针对移动边缘计算(MEC)场景中任务卸载、计算和结果反馈全过程时延优化问题，该文提出了一种数字孪生(DT)辅助的联合MEC任务卸载、设备关联与资源分配的端到端时延优化方法。首先，在数字孪生边缘网络(DITEN)框架下，为包含传感器、边缘服务器以及执行器构成的边缘计算网络建立了物理模型与数字孪生模型，以及全过程边缘网络任务模型并推导了任务端到端时延，进而建立了时延、能耗等约束下的端到端时延优化问题。其次，为解决所提出的混合整数非凸优化问题，将原问题分解为4个子问题，并提出了一种基于内部凸近似方法和匈牙利算法的交替优化算法。在DT辅助下联合优化了设备关联、卸载比例、发射功率、传输带宽以及DT估计处理速率。最后，仿真结果表明，与其他基准方案相比，所提联合优化方案显著降低了端到端时延。
针对移动边缘计算(MEC)场景中任务卸载、计算和结果反馈全过程时延优化问题，该文提出了一种数字孪生(DT)辅助的联合MEC任务卸载、设备关联与资源分配的端到端时延优化方法。首先，在数字孪生边缘网络(DITEN)框架下，为包含传感器、边缘服务器以及执行器构成的边缘计算网络建立了物理模型与数字孪生模型，以及全过程边缘网络任务模型并推导了任务端到端时延，进而建立了时延、能耗等约束下的端到端时延优化问题。其次，为解决所提出的混合整数非凸优化问题，将原问题分解为4个子问题，并提出了一种基于内部凸近似方法和匈牙利算法的交替优化算法。在DT辅助下联合优化了设备关联、卸载比例、发射功率、传输带宽以及DT估计处理速率。最后，仿真结果表明，与其他基准方案相比，所提联合优化方案显著降低了端到端时延。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240710
摘要:
该文研究了一种基于新型光学可调制智能超表面(IRS)辅助的无蜂窝可见光通信(VLC)网络接入方案，其中IRS可以为收发端提供额外的反射信道，也可以利用反射系数可调制的特性，直接为网络用户提供无线接入。该文建立了可调制IRS辅助的无蜂窝VLC接入网络的系统模型，推导了网络吞吐量与发光二极管(LED)照明通信设备的工作模式、IRS的工作模式和用户接入关联之间的关系，并提出以最大化网络吞吐量为目标的接入优化问题。该优化问题分两步求解：(1) 当调制模式的LED数和调制模式的IRS数给定时，基于深度确定性策略梯度(DDPG)的深度强化学习(DRL)算法可以得到最优的接入点工作模式和用户接入关联策略；(2) 遍历可能的调制LED数和调制IRS元件数即可得到优化问题的解。仿真结果表明，联合优化接入点的工作模式和用户接入关联矩阵可以提高IRS辅助无蜂窝VLC网络吞吐量。
该文研究了一种基于新型光学可调制智能超表面(IRS)辅助的无蜂窝可见光通信(VLC)网络接入方案，其中IRS可以为收发端提供额外的反射信道，也可以利用反射系数可调制的特性，直接为网络用户提供无线接入。该文建立了可调制IRS辅助的无蜂窝VLC接入网络的系统模型，推导了网络吞吐量与发光二极管(LED)照明通信设备的工作模式、IRS的工作模式和用户接入关联之间的关系，并提出以最大化网络吞吐量为目标的接入优化问题。该优化问题分两步求解：(1) 当调制模式的LED数和调制模式的IRS数给定时，基于深度确定性策略梯度(DDPG)的深度强化学习(DRL)算法可以得到最优的接入点工作模式和用户接入关联策略；(2) 遍历可能的调制LED数和调制IRS元件数即可得到优化问题的解。仿真结果表明，联合优化接入点的工作模式和用户接入关联矩阵可以提高IRS辅助无蜂窝VLC网络吞吐量。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240612
摘要:
近年来，有源可重构智能表面(ARIS)技术获得了学术界的广泛关注。然而，ARIS在多RIS辅助无线通信系统中的应用还缺乏相关研究。针对此问题，该文提出基于双RIS辅助的无线通信系统模型。模型假设基站(BS)和用户之间的直连链路受阻，仅通过RIS形成的反射链路进行通信。在此基础上，根据ARIS与被动RIS(PRIS)的不同组合情况，提出4种RIS组合模型。模型的目标是优化基站波束赋形、RIS的相移矩阵和功率分配因子，以最大化系统通信容量。由于该优化问题为非凸问题，该文采用了交替优化算法(AO)与连续凸逼近(SCA)对问题进行处理。仿真结果表明，无论基站发射功率高或低，TAAR组合模型的性能均显著优于传统单ARIS配置。
近年来，有源可重构智能表面(ARIS)技术获得了学术界的广泛关注。然而，ARIS在多RIS辅助无线通信系统中的应用还缺乏相关研究。针对此问题，该文提出基于双RIS辅助的无线通信系统模型。模型假设基站(BS)和用户之间的直连链路受阻，仅通过RIS形成的反射链路进行通信。在此基础上，根据ARIS与被动RIS(PRIS)的不同组合情况，提出4种RIS组合模型。模型的目标是优化基站波束赋形、RIS的相移矩阵和功率分配因子，以最大化系统通信容量。由于该优化问题为非凸问题，该文采用了交替优化算法(AO)与连续凸逼近(SCA)对问题进行处理。仿真结果表明，无论基站发射功率高或低，TAAR组合模型的性能均显著优于传统单ARIS配置。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240324
摘要:
非局部稀疏表示模型，如联合稀疏(JS)模型、低秩(LR)模型和组稀疏表示(GSR)模型，通过有效利用图像的非局部自相似(NSS)属性，在图像去噪研究中展现出巨大的潜力。流行的基于字典的JS算法在其目标函数中利用松驰的凸惩罚，避免了NP-hard稀疏编码，但只能得到近似的稀疏表示。这种近似的JS模型未能对潜在的图像数据施加低秩性，从而导致图像去噪质量降低。该文提出一种新颖的低秩正则联合稀疏(LRJS)模型，用于求解图像去噪问题。提出的LRJS模型同时利用非局部相似块的LR和JS先验信息，可以增强非局部相似块之间的相关性(即低秩性)，从而可以更好地抑制噪声，提升去噪图像的质量。为了提高优化过程的可处理性和鲁棒性，该文设计了一种具有自适应参数调整策略的交替最小化算法来求解目标函数。在两个图像去噪问题(包括高斯噪声去除和泊松去噪)上的实验结果表明，提出的LRJS方法在客观度量和视觉感知上均优于许多现有的流行或先进的图像去噪算法，特别是在处理具有高度自相似性的图像数据时表现更为出色。提出的LRJS图像去噪算法的源代码通过以下链接下载：https://pan.baidu.com/s/14bt6u94NBTZXxhWjBHxn6A?pwd=1234 ，提取码：1234。
非局部稀疏表示模型，如联合稀疏(JS)模型、低秩(LR)模型和组稀疏表示(GSR)模型，通过有效利用图像的非局部自相似(NSS)属性，在图像去噪研究中展现出巨大的潜力。流行的基于字典的JS算法在其目标函数中利用松驰的凸惩罚，避免了NP-hard稀疏编码，但只能得到近似的稀疏表示。这种近似的JS模型未能对潜在的图像数据施加低秩性，从而导致图像去噪质量降低。该文提出一种新颖的低秩正则联合稀疏(LRJS)模型，用于求解图像去噪问题。提出的LRJS模型同时利用非局部相似块的LR和JS先验信息，可以增强非局部相似块之间的相关性(即低秩性)，从而可以更好地抑制噪声，提升去噪图像的质量。为了提高优化过程的可处理性和鲁棒性，该文设计了一种具有自适应参数调整策略的交替最小化算法来求解目标函数。在两个图像去噪问题(包括高斯噪声去除和泊松去噪)上的实验结果表明，提出的LRJS方法在客观度量和视觉感知上均优于许多现有的流行或先进的图像去噪算法，特别是在处理具有高度自相似性的图像数据时表现更为出色。提出的LRJS图像去噪算法的源代码通过以下链接下载：
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240404
摘要:
信息年龄(AoI)是信息新鲜度的衡量指标，针对时间敏感的物联网，最小化AoI显得尤为重要。该文基于LoRa网络的智能交通环境，分析Slot-Aloha协议下的AoI优化策略。该文建立了Slot-Aloha协议下数据包之间传输碰撞和等待时间的系统模型，并通过分析指出，在LoRa上行传输过程中，随着数据包数量增多，AoI主要受到数据包碰撞影响。为克服优化问题中动作空间过大导致难以实现有效求解的问题，该文采用连续动作空间映射离散动作空间的方式，使用柔性动作-评价 (SAC)算法对LoRa网络下的AoI进行优化。仿真结果显示，SAC算法优于传统算法与传统深度强化学习算法，可有效降低网络的平均AoI。
信息年龄(AoI)是信息新鲜度的衡量指标，针对时间敏感的物联网，最小化AoI显得尤为重要。该文基于LoRa网络的智能交通环境，分析Slot-Aloha协议下的AoI优化策略。该文建立了Slot-Aloha协议下数据包之间传输碰撞和等待时间的系统模型，并通过分析指出，在LoRa上行传输过程中，随着数据包数量增多，AoI主要受到数据包碰撞影响。为克服优化问题中动作空间过大导致难以实现有效求解的问题，该文采用连续动作空间映射离散动作空间的方式，使用柔性动作-评价 (SAC)算法对LoRa网络下的AoI进行优化。仿真结果显示，SAC算法优于传统算法与传统深度强化学习算法，可有效降低网络的平均AoI。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240643
摘要:
为了解决感知与通信一体化(ISAC)系统中的信息安全传输问题，该文研究智能反射面(IRS)辅助的感知与隐蔽通信一体化(ISACC)系统中的资源分配算法。首先，分析监测者Willie的最优检测性能，并推导了其最小检测错误概率的下界表达式。随后，推导目标估计的平均克拉美罗下界(CRLB)的解析表达式。在此基础上，构建以最小化平均CRLB为目标函数，以隐蔽需求、通信速率需求、IRS相移等为约束的优化问题。提出基于交替优化(AO)的惩罚连续凸近似(PSCA)的算法联合设计了感知信号协方差矩阵、通信信号波束成形以及IRS相移。仿真结果表明，所提IRS辅助的ISACC系统方案可以较好地均衡目标感知性能和隐蔽无线通信性能。
为了解决感知与通信一体化(ISAC)系统中的信息安全传输问题，该文研究智能反射面(IRS)辅助的感知与隐蔽通信一体化(ISACC)系统中的资源分配算法。首先，分析监测者Willie的最优检测性能，并推导了其最小检测错误概率的下界表达式。随后，推导目标估计的平均克拉美罗下界(CRLB)的解析表达式。在此基础上，构建以最小化平均CRLB为目标函数，以隐蔽需求、通信速率需求、IRS相移等为约束的优化问题。提出基于交替优化(AO)的惩罚连续凸近似(PSCA)的算法联合设计了感知信号协方差矩阵、通信信号波束成形以及IRS相移。仿真结果表明，所提IRS辅助的ISACC系统方案可以较好地均衡目标感知性能和隐蔽无线通信性能。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240349
摘要:
正交时频空(Orthogonal Time Frequency Space, OTFS)系统由于在面对高速移动通信场景下的时频双色散信道时的优异性能受到了广泛关注。为了准确获取信道状态信息，采用基于压缩感知的信道估计方法，并辅以特殊的导频序列完成信道估计。该文针对导频优化问题，提出了一种基于改进遗传算法的OTFS导频序列优化方法，该方法以互相关最小化为优化目标，采用遗传算法进行寻优，并能够自适应调整交叉和变异概率，在较少的迭代次数下即可实现比传统伪随机序列更优的互相关性，能够有效提高信道估计的准确性。此外，考虑到目标函数的计算量较大，该文分析了互相关的计算过程，并对其中的冗余计算进行了化简，与直接计算字典集的互相关值相比大大提高了算法的优化效率。
正交时频空(Orthogonal Time Frequency Space, OTFS)系统由于在面对高速移动通信场景下的时频双色散信道时的优异性能受到了广泛关注。为了准确获取信道状态信息，采用基于压缩感知的信道估计方法，并辅以特殊的导频序列完成信道估计。该文针对导频优化问题，提出了一种基于改进遗传算法的OTFS导频序列优化方法，该方法以互相关最小化为优化目标，采用遗传算法进行寻优，并能够自适应调整交叉和变异概率，在较少的迭代次数下即可实现比传统伪随机序列更优的互相关性，能够有效提高信道估计的准确性。此外，考虑到目标函数的计算量较大，该文分析了互相关的计算过程，并对其中的冗余计算进行了化简，与直接计算字典集的互相关值相比大大提高了算法的优化效率。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240655
摘要:
大尺度战场环境中电磁频谱作战装备测试和演训需要依靠大规模数字化电磁环境进行仿真，然而大尺度电磁信道计算复杂度较高，难以提升计算速度。针对这一问题，该文提出一种迭代时域辐射度算法。该算法通过递推方法建模信道，利用空间相干性复用前一时刻的信道数据，并经过修正后用于当前时刻的信道计算。同时，采用面元信道搜索方法对面元中的信道进行低复杂度近似，有效降低了计算复杂度。仿真结果表明，与传统时域辐射度算法相比，所提算法在保证计算精度的基础上计算速度提升了1个数量级。与频域辐射度算法相比，所提算法的时延分辨率更高，更适用于大规模战场环境。
大尺度战场环境中电磁频谱作战装备测试和演训需要依靠大规模数字化电磁环境进行仿真，然而大尺度电磁信道计算复杂度较高，难以提升计算速度。针对这一问题，该文提出一种迭代时域辐射度算法。该算法通过递推方法建模信道，利用空间相干性复用前一时刻的信道数据，并经过修正后用于当前时刻的信道计算。同时，采用面元信道搜索方法对面元中的信道进行低复杂度近似，有效降低了计算复杂度。仿真结果表明，与传统时域辐射度算法相比，所提算法在保证计算精度的基础上计算速度提升了1个数量级。与频域辐射度算法相比，所提算法的时延分辨率更高，更适用于大规模战场环境。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240698
摘要:
在差异化服务共存的车联网场景中，针对基于平均信息年龄(AoI)优化无法降低极端事件发生概率的问题，该文提出一种信息新鲜度保障的用户功率控制和资源分配策略。首先，根据系统模型刻画出车辆到车辆(V2V)用户状态更新信息新鲜度约束下最大化车辆到基站(V2I)用户体验质量(QoE)的问题。然后，结合与AoI中断约束等价的队列积压约束，并引入极值理论以优化AoI尾部分布。接着，基于李雅普诺夫优化方法将原问题转化最小化李雅普诺夫漂移加惩罚函数的问题，在此基础上求解最优的用户发射功率。最后，在构建超图的基础上，提出了一种基于遗传算法改进粒子群算法(GA-PSO)的资源分配策略确定最优的用户信道复用方式。仿真结果表明，相比于基准方案，所提方案能够在降低V2V链路AoI中断的极端事件发生概率的同时，提高约7.03%的V2I链路信道容量，实现V2I用户平均QoE提升。
在差异化服务共存的车联网场景中，针对基于平均信息年龄(AoI)优化无法降低极端事件发生概率的问题，该文提出一种信息新鲜度保障的用户功率控制和资源分配策略。首先，根据系统模型刻画出车辆到车辆(V2V)用户状态更新信息新鲜度约束下最大化车辆到基站(V2I)用户体验质量(QoE)的问题。然后，结合与AoI中断约束等价的队列积压约束，并引入极值理论以优化AoI尾部分布。接着，基于李雅普诺夫优化方法将原问题转化最小化李雅普诺夫漂移加惩罚函数的问题，在此基础上求解最优的用户发射功率。最后，在构建超图的基础上，提出了一种基于遗传算法改进粒子群算法(GA-PSO)的资源分配策略确定最优的用户信道复用方式。仿真结果表明，相比于基准方案，所提方案能够在降低V2V链路AoI中断的极端事件发生概率的同时，提高约7.03%的V2I链路信道容量，实现V2I用户平均QoE提升。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240481
摘要:
现有光场图像角度重建方法通过探索光场图像内在的空间-角度信息以进行角度重建，但无法同时处理不同视点层的子孔径图像重建任务，难以满足光场图像可伸缩编码的需求。为此，将视点层视为稀疏模板，该文提出一种能够单模型处理不同角度稀疏模板的光场图像角度重建方法。将不同的角度稀疏模板视为微透镜阵列图像的不同表示，通过模板对齐将输入的不同视点层整合为微透镜阵列图像，采用多阶段特征学习方式，以微透镜阵列级-子孔径级的特征学习策略来处理不同输入的稀疏模板，并辅以独特的训练模式，以稳定地参考不同角度稀疏模板，重建任意角度位置的子孔径图像。实验结果表明，所提方法能有效地参考不同稀疏模板，灵活地重建任意角度位置的子孔径图像，且所提模板对齐与训练方法能有效地应用于其它光场图像超分辨率重建方法以提升其处理不同角度稀疏模板的能力。
现有光场图像角度重建方法通过探索光场图像内在的空间-角度信息以进行角度重建，但无法同时处理不同视点层的子孔径图像重建任务，难以满足光场图像可伸缩编码的需求。为此，将视点层视为稀疏模板，该文提出一种能够单模型处理不同角度稀疏模板的光场图像角度重建方法。将不同的角度稀疏模板视为微透镜阵列图像的不同表示，通过模板对齐将输入的不同视点层整合为微透镜阵列图像，采用多阶段特征学习方式，以微透镜阵列级-子孔径级的特征学习策略来处理不同输入的稀疏模板，并辅以独特的训练模式，以稳定地参考不同角度稀疏模板，重建任意角度位置的子孔径图像。实验结果表明，所提方法能有效地参考不同稀疏模板，灵活地重建任意角度位置的子孔径图像，且所提模板对齐与训练方法能有效地应用于其它光场图像超分辨率重建方法以提升其处理不同角度稀疏模板的能力。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240414
摘要:
联邦学习是一种分布式机器学习方法，它使多个设备或节点能够协作训练模型，同时保持数据的本地性。但由于联邦学习是由不同方拥有的数据集进行模型训练，敏感数据可能会被泄露。为了改善上述问题，已有相关工作在联邦学习中应用差分隐私对梯度数据添加噪声。然而在采用了相应的隐私技术来降低敏感数据泄露风险的同时，模型精度和效果因为噪声大小的不同也受到了部分影响。为解决此问题，该文提出一种自适应聚类中心个数选择机制(DP-Fed-Adap)，根据训练轮次和梯度的变化动态地改变聚类中心个数，使模型可以在保持相同性能水平的同时确保对敏感数据的保护。实验表明，在使用相同的隐私预算前提下DP-Fed-Adap与添加了差分隐私的联邦相似算法(FedSim)和联邦平均算法(FedAvg)相比，具有更好的模型性能和隐私保护效果。
联邦学习是一种分布式机器学习方法，它使多个设备或节点能够协作训练模型，同时保持数据的本地性。但由于联邦学习是由不同方拥有的数据集进行模型训练，敏感数据可能会被泄露。为了改善上述问题，已有相关工作在联邦学习中应用差分隐私对梯度数据添加噪声。然而在采用了相应的隐私技术来降低敏感数据泄露风险的同时，模型精度和效果因为噪声大小的不同也受到了部分影响。为解决此问题，该文提出一种自适应聚类中心个数选择机制(DP-Fed-Adap)，根据训练轮次和梯度的变化动态地改变聚类中心个数，使模型可以在保持相同性能水平的同时确保对敏感数据的保护。实验表明，在使用相同的隐私预算前提下DP-Fed-Adap与添加了差分隐私的联邦相似算法(FedSim)和联邦平均算法(FedAvg)相比，具有更好的模型性能和隐私保护效果。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240685
摘要:
移动边缘计算(MEC)通过将密集型任务从传感器卸载到附近边缘服务器，来增强本地的计算能力，延长其电池寿命。然而，在面向无线传感器网等时变环境中，任务之间的异构性可能会导致通信低效率、高时延等问题。为此，该文提出一种异步移动边缘计算网络中的联合任务调度与计算资源分配优化策略，该策略实时感知任务信息年龄和能耗，将异步边缘卸载问题数学建模为NP难(NP-hard problem)的混合整数规划问题，并提出基于混合动作优势演员-评论家(HA2C)强化学习算法的任务调度和计算资源分配方案解决该问题。仿真结果表明，该文方法能显著降低异步卸载网络的平均信息年龄和能耗，满足无线传感器网络对任务时效性的要求。
移动边缘计算(MEC)通过将密集型任务从传感器卸载到附近边缘服务器，来增强本地的计算能力，延长其电池寿命。然而，在面向无线传感器网等时变环境中，任务之间的异构性可能会导致通信低效率、高时延等问题。为此，该文提出一种异步移动边缘计算网络中的联合任务调度与计算资源分配优化策略，该策略实时感知任务信息年龄和能耗，将异步边缘卸载问题数学建模为NP难(NP-hard problem)的混合整数规划问题，并提出基于混合动作优势演员-评论家(HA2C)强化学习算法的任务调度和计算资源分配方案解决该问题。仿真结果表明，该文方法能显著降低异步卸载网络的平均信息年龄和能耗，满足无线传感器网络对任务时效性的要求。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240953
摘要:
网络安全实体识别作为威胁信息抽取、构建知识图谱的基础，对于发现和应对网络威胁具有至关重要的作用。该文针对当前主流的命名实体识别方法在网络安全领域泛化能力欠佳、难以清晰判断网络安全实体边界的问题，提出一种基于字符表示学习与时序边界扩散的网络安全实体识别方法。该方法首先将命名实体识别任务分解为实体边界检测与实体分类两个子任务，分别进行处理；其次，对于实体边界检测任务，使用基于问答的方法将预定义的问题与数据进行编码，采用膨胀卷积残差字符网络进行数据的字符级特征提取，并使用时序边界扩散网络判断实体边界；然后，对于实体分类任务，同样使用问答方法，并独立训练分类器进行实体类型判断；最后将实体边界检测任务的结果输入实体分类任务判断实体的类型。为验证方法有效性，在网络威胁情报数据集DNRTI上进行测试。实验结果表明，边界检测效率的提升能够有效增强命名实体识别的性能。该方法在网络安全实体识别任务中不仅资源开销较小，且对比近年提出的基线方法性能有所提升，其中较最近两年的方法在F1分数上提升了0.36%～1.46%。
网络安全实体识别作为威胁信息抽取、构建知识图谱的基础，对于发现和应对网络威胁具有至关重要的作用。该文针对当前主流的命名实体识别方法在网络安全领域泛化能力欠佳、难以清晰判断网络安全实体边界的问题，提出一种基于字符表示学习与时序边界扩散的网络安全实体识别方法。该方法首先将命名实体识别任务分解为实体边界检测与实体分类两个子任务，分别进行处理；其次，对于实体边界检测任务，使用基于问答的方法将预定义的问题与数据进行编码，采用膨胀卷积残差字符网络进行数据的字符级特征提取，并使用时序边界扩散网络判断实体边界；然后，对于实体分类任务，同样使用问答方法，并独立训练分类器进行实体类型判断；最后将实体边界检测任务的结果输入实体分类任务判断实体的类型。为验证方法有效性，在网络威胁情报数据集DNRTI上进行测试。实验结果表明，边界检测效率的提升能够有效增强命名实体识别的性能。该方法在网络安全实体识别任务中不仅资源开销较小，且对比近年提出的基线方法性能有所提升，其中较最近两年的方法在F1分数上提升了0.36%～1.46%。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240732
摘要:
面向密集低轨道卫星网络辅助的星地无线通信系统，该文提出一种基于非完美信道状态信息的多低轨卫星鲁棒波束赋形方法来改善频谱效率。具体地，在多低轨卫星全频复用场景下，提出了一个多卫星下行通信系统和速率最大化问题，并联合考虑卫星发射功率、卫星与用户关联关系，以及馈线链路容量约束。为了求解该优化问题，原优化问题被分解成卫星-用户关联和卫星传输波束赋形两个子问题，然后使用加权最小均方误差方法和连续凸近似方法对问题进行求解。仿真结果验证了即使在非理想信道条件下，该文所提出的多星频率复用和鲁棒波束赋形设计方法能有效提高系统吞吐量。
面向密集低轨道卫星网络辅助的星地无线通信系统，该文提出一种基于非完美信道状态信息的多低轨卫星鲁棒波束赋形方法来改善频谱效率。具体地，在多低轨卫星全频复用场景下，提出了一个多卫星下行通信系统和速率最大化问题，并联合考虑卫星发射功率、卫星与用户关联关系，以及馈线链路容量约束。为了求解该优化问题，原优化问题被分解成卫星-用户关联和卫星传输波束赋形两个子问题，然后使用加权最小均方误差方法和连续凸近似方法对问题进行求解。仿真结果验证了即使在非理想信道条件下，该文所提出的多星频率复用和鲁棒波束赋形设计方法能有效提高系统吞吐量。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240486
摘要:
在低信噪比环境下，阵列天线获取空域信号的来波方向极其困难，导致一般的波束形成方法无法准确形成正对入射信号的波束。针对上述问题，该文提出了一种基于双卷积自编码器的盲接收自适应波束形成(Dual Convolutional AutoEncoder-Adaptive Beamforming, DCAE-ABF)方法，该方法在基于大量空域统计信息的情况下，以时域-频域联合条件作为约束，利用两个独立的卷积自编码器(CAE)分别对阵列接收信号与辐射源信号进行特征提取，并使用深度神经网络(DNN)将两个CAE的特征编码进行连接，构建DCAE网络，实现在低信噪比环境下，面对未知频率和来波方向的入射信号时，也能够自适应形成正对入射信号的波束，达到盲接收的效果。仿真实验结果表明，在低信噪比环境下，单信号与双信号入射时所带来的信噪比增益均高于常规波束形成(CBF)方法与基于最小均方误差的自适应波束形成(Minimum Mean Square Error-Adaptive BeamForming, MMSE-ABF)方法，以及基于卷积神经网络的自适应波束形成方法(Convolutional Neural Networks- Adaptive BeamForming, CNN-ABF)，且该增益在入射信号频率、角度变化时仍具有良好的稳定性。
在低信噪比环境下，阵列天线获取空域信号的来波方向极其困难，导致一般的波束形成方法无法准确形成正对入射信号的波束。针对上述问题，该文提出了一种基于双卷积自编码器的盲接收自适应波束形成(Dual Convolutional AutoEncoder-Adaptive Beamforming, DCAE-ABF)方法，该方法在基于大量空域统计信息的情况下，以时域-频域联合条件作为约束，利用两个独立的卷积自编码器(CAE)分别对阵列接收信号与辐射源信号进行特征提取，并使用深度神经网络(DNN)将两个CAE的特征编码进行连接，构建DCAE网络，实现在低信噪比环境下，面对未知频率和来波方向的入射信号时，也能够自适应形成正对入射信号的波束，达到盲接收的效果。仿真实验结果表明，在低信噪比环境下，单信号与双信号入射时所带来的信噪比增益均高于常规波束形成(CBF)方法与基于最小均方误差的自适应波束形成(Minimum Mean Square Error-Adaptive BeamForming, MMSE-ABF)方法，以及基于卷积神经网络的自适应波束形成方法(Convolutional Neural Networks- Adaptive BeamForming, CNN-ABF)，且该增益在入射信号频率、角度变化时仍具有良好的稳定性。
显示方式:
2025, 47(1): 1-21.
doi: 10.11999/JEIT240012
摘要:
通信感知一体化(ISAC)需要通信和感知共用无线电频段和硬件资源。多频段、大带宽、通信感知对硬件的要求不同等特点对通信感知一体化硬件设计提出更高要求。该文对后5G, 6G, WiFi等通信感知一体化的硬件设计、验证技术，以及硬件系统性验证平台进行归纳，对国内外近年相关硬件设计研究及其验证情况进行综述，关注通信感知两种系统对硬件的需求矛盾、带内全双工(IBFD)自干扰消除(SIC)、功放(PA)效率、电路性能对建模要求更高等硬件设计挑战。首先，总结、比较已有研究中通信感知一体化收发信机架构设计。然后，介绍、分析现有通信感知一体化带内全双工自干扰抑制方案、低峰均功率比(PAPR)波形与高性能PA设计、器件高精度建模方法以及硬件系统性验证平台。最后，总结全文并对未来通信感知一体化硬件设计所面临的开放性问题进行展望。
通信感知一体化(ISAC)需要通信和感知共用无线电频段和硬件资源。多频段、大带宽、通信感知对硬件的要求不同等特点对通信感知一体化硬件设计提出更高要求。该文对后5G, 6G, WiFi等通信感知一体化的硬件设计、验证技术，以及硬件系统性验证平台进行归纳，对国内外近年相关硬件设计研究及其验证情况进行综述，关注通信感知两种系统对硬件的需求矛盾、带内全双工(IBFD)自干扰消除(SIC)、功放(PA)效率、电路性能对建模要求更高等硬件设计挑战。首先，总结、比较已有研究中通信感知一体化收发信机架构设计。然后，介绍、分析现有通信感知一体化带内全双工自干扰抑制方案、低峰均功率比(PAPR)波形与高性能PA设计、器件高精度建模方法以及硬件系统性验证平台。最后，总结全文并对未来通信感知一体化硬件设计所面临的开放性问题进行展望。
2025, 47(1): 22-34.
doi: 10.11999/JEIT240308
摘要:
反演光刻技术(ILT)相比传统的光学临近效应修正(OPC)，生成的掩模具有成像效果更好，工艺窗口更大等优点，在当前芯片制造的工艺尺寸不断减小的背景下，逐渐成为主流的光刻掩模修正技术。该文首先介绍了反演光刻算法的基本原理和几种主流实现方法；其次，调研了当前反演光刻技术应用在光刻掩模优化问题上的研究进展，分析了反演光刻技术的优势和存在的问题。以希望为计算光刻及相关研究领域的研究人员提供参考，为我国先进集成电路产业的发展提供技术支持。
反演光刻技术(ILT)相比传统的光学临近效应修正(OPC)，生成的掩模具有成像效果更好，工艺窗口更大等优点，在当前芯片制造的工艺尺寸不断减小的背景下，逐渐成为主流的光刻掩模修正技术。该文首先介绍了反演光刻算法的基本原理和几种主流实现方法；其次，调研了当前反演光刻技术应用在光刻掩模优化问题上的研究进展，分析了反演光刻技术的优势和存在的问题。以希望为计算光刻及相关研究领域的研究人员提供参考，为我国先进集成电路产业的发展提供技术支持。
2025, 47(1): 35-47.
doi: 10.11999/JEIT240241
摘要:
第六代(6G)移动通信网络需要为大规模节点提供高可靠低时延通信(URLLC)服务。为此，该文针对多用户大规模多输入多输出(MIMO)技术辅助的URLLC下行通信场景，基于有限码长( FBL)域理论表征系统性能，以用户速率公平性为目标，提出一种高效的功率分配算法。具体而言，该文首先针对传统MIMO中基于全局奇异值分解(SVD)的线性预编码方案复杂度高、不能兼顾用户公平性等问题，设计基于局部SVD的预编码方案，以相对较低的复杂度实现对MIMO用户间干扰和用户内干扰的有效抑制。其次，该文以功率分配因子为优化变量、以最大化最小用户速率(MMR)为目标构建优化问题。为解决所构建的高维变量耦合非凸问题，该文通过引入辅助变量、分段McCormick包络将目标函数中香农容量相关项凸松弛处理，实现MMR问题重构。进而该文提出基于连续凸近似(SCA)的优化算法有效求解MMR问题。仿真结果验证了所提优化算法的收敛性与准确性，同时也表明所提优化方案相比于现有方案在系统MMR性能和鲁棒性上均具有优势。
第六代(6G)移动通信网络需要为大规模节点提供高可靠低时延通信(URLLC)服务。为此，该文针对多用户大规模多输入多输出(MIMO)技术辅助的URLLC下行通信场景，基于有限码长( FBL)域理论表征系统性能，以用户速率公平性为目标，提出一种高效的功率分配算法。具体而言，该文首先针对传统MIMO中基于全局奇异值分解(SVD)的线性预编码方案复杂度高、不能兼顾用户公平性等问题，设计基于局部SVD的预编码方案，以相对较低的复杂度实现对MIMO用户间干扰和用户内干扰的有效抑制。其次，该文以功率分配因子为优化变量、以最大化最小用户速率(MMR)为目标构建优化问题。为解决所构建的高维变量耦合非凸问题，该文通过引入辅助变量、分段McCormick包络将目标函数中香农容量相关项凸松弛处理，实现MMR问题重构。进而该文提出基于连续凸近似(SCA)的优化算法有效求解MMR问题。仿真结果验证了所提优化算法的收敛性与准确性，同时也表明所提优化方案相比于现有方案在系统MMR性能和鲁棒性上均具有优势。
2025, 47(1): 48-56.
doi: 10.11999/JEIT240302
摘要:
随着无人机(UAV)系统的规模持续扩大以及对更高通信速率的需求增长，UAV光移动通信(UAV-OMC)已经成为一个有前景的技术方向。然而，传统的UAV-OMC难以支持多UAV之间的通信。该文基于光学智能反射表面(OIRS)技术，提出一个适用于UAV群的分布式OMC系统。通过在特定的UAV上设置OIRS，利用OIRS将光信号从单个UAV节点扩散到多个UAV节点。这一系统在保留UAV-OMC系统的高能效和高速度的同时，能够支持分布式UAV群的通信。对所提出的系统进行了数学建模，考虑了一系列现实因素，如OIRS的光束控制、UAV之间的相对运动和UAV的抖动等，这些因素都符合实际系统的特点。此外，该文还推导出了系统的误比特率(BER)和渐进中断概率的闭式表达式。基于理论分析和模拟结果，讨论了各个参数和系统设计的影响。
随着无人机(UAV)系统的规模持续扩大以及对更高通信速率的需求增长，UAV光移动通信(UAV-OMC)已经成为一个有前景的技术方向。然而，传统的UAV-OMC难以支持多UAV之间的通信。该文基于光学智能反射表面(OIRS)技术，提出一个适用于UAV群的分布式OMC系统。通过在特定的UAV上设置OIRS，利用OIRS将光信号从单个UAV节点扩散到多个UAV节点。这一系统在保留UAV-OMC系统的高能效和高速度的同时，能够支持分布式UAV群的通信。对所提出的系统进行了数学建模，考虑了一系列现实因素，如OIRS的光束控制、UAV之间的相对运动和UAV的抖动等，这些因素都符合实际系统的特点。此外，该文还推导出了系统的误比特率(BER)和渐进中断概率的闭式表达式。基于理论分析和模拟结果，讨论了各个参数和系统设计的影响。
2025, 47(1): 57-65.
doi: 10.11999/JEIT240590
摘要:
针对农村偏远地区通信不畅的临时突发性问题，该文提出一种自适应的多无人机(UAV)辅助通感一体化(ISAC)机制，在地面用户和感测目标呈簇状随机分布的情况下，通过合理调度多无人机实现覆盖式通信保障，为无人机使能的通感一体系统提供了一种新的解决思路和方案。该文主要研究了无人机空间部署及其对地面设备的波束成形等问题，在空地关联约束条件下，系统可通过优化无人机的通信和感知波束成形变量组，最大限度地提高用户传输可达速率的下限，同时保证基本的通感需求。为了有效解决所考虑的非凸优化问题，该文借助基于高斯核的均值漂移算法(MS)，用以处理关联策略中的混合整型线性问题，此外，结合2次变换与连续凸逼近(SCA)的相关技巧，采用块坐标下降(BCD)的方式优化波束成形，以获取次优解。数值结果验证了自适应机制的有效性。
针对农村偏远地区通信不畅的临时突发性问题，该文提出一种自适应的多无人机(UAV)辅助通感一体化(ISAC)机制，在地面用户和感测目标呈簇状随机分布的情况下，通过合理调度多无人机实现覆盖式通信保障，为无人机使能的通感一体系统提供了一种新的解决思路和方案。该文主要研究了无人机空间部署及其对地面设备的波束成形等问题，在空地关联约束条件下，系统可通过优化无人机的通信和感知波束成形变量组，最大限度地提高用户传输可达速率的下限，同时保证基本的通感需求。为了有效解决所考虑的非凸优化问题，该文借助基于高斯核的均值漂移算法(MS)，用以处理关联策略中的混合整型线性问题，此外，结合2次变换与连续凸逼近(SCA)的相关技巧，采用块坐标下降(BCD)的方式优化波束成形，以获取次优解。数值结果验证了自适应机制的有效性。
2025, 47(1): 66-74.
doi: 10.11999/JEIT240083
摘要:
为了解决6G通感一体化系统(ISAC)中信息传输安全以及频谱紧张的问题，该文提出一种智能反射面(IRS)辅助ISAC系统安全资源分配算法。首先，在IRS-ISAC系统中，用户受到窃听者的恶意攻击时，通过干扰机发射的干扰信号和IRS智能地调节反射相移，重新配置传输环境，以提高系统的物理层安全。其次，考虑在基站和干扰机的最大发射功率约束，IRS反射相移约束以及雷达的信干噪比约束下，建立一个联合优化基站发射波束成形、干扰机预编码和IRS相移的系统保密率最大化优化问题。然后，利用交替优化和半正定松弛(SDR)算法等方法对原非凸优化问题进行转换，求出一个能够得到确定解的凸优化问题。最后提出一种基于交替迭代的安全资源分配算法。仿真结果验证了所提算法的安全性和有效性以及IRS-ISAC系统的优越性。
为了解决6G通感一体化系统(ISAC)中信息传输安全以及频谱紧张的问题，该文提出一种智能反射面(IRS)辅助ISAC系统安全资源分配算法。首先，在IRS-ISAC系统中，用户受到窃听者的恶意攻击时，通过干扰机发射的干扰信号和IRS智能地调节反射相移，重新配置传输环境，以提高系统的物理层安全。其次，考虑在基站和干扰机的最大发射功率约束，IRS反射相移约束以及雷达的信干噪比约束下，建立一个联合优化基站发射波束成形、干扰机预编码和IRS相移的系统保密率最大化优化问题。然后，利用交替优化和半正定松弛(SDR)算法等方法对原非凸优化问题进行转换，求出一个能够得到确定解的凸优化问题。最后提出一种基于交替迭代的安全资源分配算法。仿真结果验证了所提算法的安全性和有效性以及IRS-ISAC系统的优越性。
2025, 47(1): 75-83.
doi: 10.11999/JEIT240395
摘要:
环境反向散射通信(AmBC)是一种新型的低功耗通信技术，它能利用周围环境中的射频(RF)信号源实现无源信息传输，但由于其存在双重衰落、障碍物阻挡等问题，导致反射链路信号强度弱。为此，该文将智能反射面(IRS)引入到AmBC系统中用以增强反射链路增益。然而，IRS与标签均为无源器件使得信道估计极具挑战性。为此，该文提出了一种IRS辅助的AmBC系统信道估计方案。首先，将信道分解为多个子信道，其中，反射链路的每个子信道对应一个IRS反射单元。然后，将最小二乘(LS)法作为估计准则，以最小化均方误差(MSE)为目标，探索了IRS反射模式与信道估计的联合设计。仿真结果表明，该信道估计方案具有良好的估计性能。
环境反向散射通信(AmBC)是一种新型的低功耗通信技术，它能利用周围环境中的射频(RF)信号源实现无源信息传输，但由于其存在双重衰落、障碍物阻挡等问题，导致反射链路信号强度弱。为此，该文将智能反射面(IRS)引入到AmBC系统中用以增强反射链路增益。然而，IRS与标签均为无源器件使得信道估计极具挑战性。为此，该文提出了一种IRS辅助的AmBC系统信道估计方案。首先，将信道分解为多个子信道，其中，反射链路的每个子信道对应一个IRS反射单元。然后，将最小二乘(LS)法作为估计准则，以最小化均方误差(MSE)为目标，探索了IRS反射模式与信道估计的联合设计。仿真结果表明，该信道估计方案具有良好的估计性能。
2025, 47(1): 84-92.
doi: 10.11999/JEIT240003
摘要:
作为一种基于软硬件资源共享和信息共享的新型信息通信技术，通感一体化(ISAC)可将无线感知集成到Wi-Fi平台，为低成本的室内定位提供一种高效的方法。针对室内定位参数估计实时性与准确性问题，该文提出一种基于3维矩阵束(MP)联合参数估计算法。首先，对信道状态信息(CSI)数据进行分析，构建包含到达角(AoA)、飞行时间(ToF)和多普勒频移(DFS)的3维矩阵。其次，对3维矩阵进行平滑处理并利用3维MP算法进行参数估计，通过聚类找到直达径。最后，利用双角定位法进行定位，验证该文所提算法的有效性。实验结果表明，与多重信号分类(MUSIC)参数估计算法相比，无需复杂的峰值搜索步骤，降低了90%计算复杂度。与2维MP算法相比，加入多普勒参数，使AoA估计误差均值在会议室和教室两种场景下分别降低了1.45°和2°。该文通过实际测试验证了所提算法在室内可以达到在置信度67%处平均0.56 m的定位精度。因此，该文所提算法有效地改善了现有室内定位参数估计的实时性和准确性。
作为一种基于软硬件资源共享和信息共享的新型信息通信技术，通感一体化(ISAC)可将无线感知集成到Wi-Fi平台，为低成本的室内定位提供一种高效的方法。针对室内定位参数估计实时性与准确性问题，该文提出一种基于3维矩阵束(MP)联合参数估计算法。首先，对信道状态信息(CSI)数据进行分析，构建包含到达角(AoA)、飞行时间(ToF)和多普勒频移(DFS)的3维矩阵。其次，对3维矩阵进行平滑处理并利用3维MP算法进行参数估计，通过聚类找到直达径。最后，利用双角定位法进行定位，验证该文所提算法的有效性。实验结果表明，与多重信号分类(MUSIC)参数估计算法相比，无需复杂的峰值搜索步骤，降低了90%计算复杂度。与2维MP算法相比，加入多普勒参数，使AoA估计误差均值在会议室和教室两种场景下分别降低了1.45°和2°。该文通过实际测试验证了所提算法在室内可以达到在置信度67%处平均0.56 m的定位精度。因此，该文所提算法有效地改善了现有室内定位参数估计的实时性和准确性。
2025, 47(1): 93-101.
doi: 10.11999/JEIT231120
摘要:
卫星物联网终端低功耗、轻控制的设计需求导致系统采用常规随机接入协议时易发生大量碰撞，难以满足系统吞吐量要求。现有容碰撞随机接入技术依赖功率控制、波形积累的方式，在实际中难以实现。该文分析了功率域碰撞分离所需条件，提出面向功率域信号分离的辅助波束设计方案，在常规接收波束外增设辅助接收波束，通过优化辅助波束增益构造接收信号信噪比差异，支撑碰撞信号分离。仿真表明，所提方案能够显著提升随机接入的吞吐量。
卫星物联网终端低功耗、轻控制的设计需求导致系统采用常规随机接入协议时易发生大量碰撞，难以满足系统吞吐量要求。现有容碰撞随机接入技术依赖功率控制、波形积累的方式，在实际中难以实现。该文分析了功率域碰撞分离所需条件，提出面向功率域信号分离的辅助波束设计方案，在常规接收波束外增设辅助接收波束，通过优化辅助波束增益构造接收信号信噪比差异，支撑碰撞信号分离。仿真表明，所提方案能够显著提升随机接入的吞吐量。
2025, 47(1): 102-115.
doi: 10.11999/JEIT240464
摘要:
针对移动用户数量迅猛增长和地面基础设施分布稀疏所带来的挑战，该文提出一种能量收集辅助的空地协同计算卸载架构。该架构充分利用无人机(UAVs)的灵活机动性和路侧单元(RSUs)及基站(BS)的强大算力，实现了任务计算的动态实时分发。特别地，无人机通过能量收集来维持其持续运行和稳定的计算性能。考虑到无人机与地面车辆的高动态性、车辆计算任务的随机性，以及信道模型的时变性，提出一个能耗受限的长期优化问题，旨在从全局角度有效降低整个系统的平均时延。为了解决这一复杂的混合整数规划(MIP)问题，提出一种基于改进演员-评论家(Actor-Critic)强化学习算法的计算卸载策略(IACA)。该算法运用李雅普诺夫优化技术，将长期系统时延优化问题分解为一系列易于处理的帧级子问题。然后，利用遗传算法计算目标Q值替代目标神经网络输出以调整强化学习进化方向，有效避免了算法陷入局部最优，从而实现动态车辆网络中的高效卸载和资源优化。通过综合仿真验证了所提计算卸载架构和算法的可行性和优越性。
针对移动用户数量迅猛增长和地面基础设施分布稀疏所带来的挑战，该文提出一种能量收集辅助的空地协同计算卸载架构。该架构充分利用无人机(UAVs)的灵活机动性和路侧单元(RSUs)及基站(BS)的强大算力，实现了任务计算的动态实时分发。特别地，无人机通过能量收集来维持其持续运行和稳定的计算性能。考虑到无人机与地面车辆的高动态性、车辆计算任务的随机性，以及信道模型的时变性，提出一个能耗受限的长期优化问题，旨在从全局角度有效降低整个系统的平均时延。为了解决这一复杂的混合整数规划(MIP)问题，提出一种基于改进演员-评论家(Actor-Critic)强化学习算法的计算卸载策略(IACA)。该算法运用李雅普诺夫优化技术，将长期系统时延优化问题分解为一系列易于处理的帧级子问题。然后，利用遗传算法计算目标Q值替代目标神经网络输出以调整强化学习进化方向，有效避免了算法陷入局部最优，从而实现动态车辆网络中的高效卸载和资源优化。通过综合仿真验证了所提计算卸载架构和算法的可行性和优越性。
2025, 47(1): 116-127.
doi: 10.11999/JEIT240624
摘要:
基于单智能体强化学习的任务卸载算法在解决大规模多接入边缘计算(MEC)系统任务卸载时，存在智能体之间相互影响，策略退化的问题。而以多智能体深度确定性策略梯度(MADDPG)为代表的传统多智能体算法的联合动作空间维度随着系统内智能体的数量增加而成比例增加，导致系统扩展性变差。为解决以上问题，该文将大规模多接入边缘计算任务卸载问题，描述为部分可观测马尔可夫决策过程(POMDP)，提出基于平均场多智能体的任务卸载算法。通过引入长短期记忆网络(LSTM)解决局部观测问题，引入平均场近似理论降低联合动作空间维度。仿真结果表明，所提算法在任务时延与任务掉线率上的性能优于单智能体任务卸载算法，并且在降低联合动作空间的维度情况下，任务时延与任务掉线率上的性能与MADDPG一致。
基于单智能体强化学习的任务卸载算法在解决大规模多接入边缘计算(MEC)系统任务卸载时，存在智能体之间相互影响，策略退化的问题。而以多智能体深度确定性策略梯度(MADDPG)为代表的传统多智能体算法的联合动作空间维度随着系统内智能体的数量增加而成比例增加，导致系统扩展性变差。为解决以上问题，该文将大规模多接入边缘计算任务卸载问题，描述为部分可观测马尔可夫决策过程(POMDP)，提出基于平均场多智能体的任务卸载算法。通过引入长短期记忆网络(LSTM)解决局部观测问题，引入平均场近似理论降低联合动作空间维度。仿真结果表明，所提算法在任务时延与任务掉线率上的性能优于单智能体任务卸载算法，并且在降低联合动作空间的维度情况下，任务时延与任务掉线率上的性能与MADDPG一致。
2025, 47(1): 128-137.
doi: 10.11999/JEIT240051
摘要:
针对可重构智能超表面(RIS)辅助多用户系统中基站和RIS联合波束成形设计问题，该文提出通用低复杂度联合波束成形设计方案。首先，分析RIS辅助多用户系统以最大化和数据速率为目标的联合波束成形非凸优化问题。其次，利用波束导向矢量近似正交性设计RIS反射矩阵，进一步利用迫零方法设计基站发射波束成形，并对多用户进行功率分配优化。最后，讨论该方案适用性并对比该方案的计算复杂度相比现有方案降低了一个数量级。仿真结果表明，所提通用低复杂度波束成形设计可以获得较高和数据速率，并且采用最优功率分配可以进一步提高和数据速率。此外，仿真结果和理论分析都表明系统和数据速率随RIS位置的变化而变化，该结论为RIS位置的选择提供参考依据。
针对可重构智能超表面(RIS)辅助多用户系统中基站和RIS联合波束成形设计问题，该文提出通用低复杂度联合波束成形设计方案。首先，分析RIS辅助多用户系统以最大化和数据速率为目标的联合波束成形非凸优化问题。其次，利用波束导向矢量近似正交性设计RIS反射矩阵，进一步利用迫零方法设计基站发射波束成形，并对多用户进行功率分配优化。最后，讨论该方案适用性并对比该方案的计算复杂度相比现有方案降低了一个数量级。仿真结果表明，所提通用低复杂度波束成形设计可以获得较高和数据速率，并且采用最优功率分配可以进一步提高和数据速率。此外，仿真结果和理论分析都表明系统和数据速率随RIS位置的变化而变化，该结论为RIS位置的选择提供参考依据。
2025, 47(1): 138-146.
doi: 10.11999/JEIT240236
摘要:
作为一种通过算法智能地控制信号反射来重构无线通信环境的新技术，智能反射面(IRS)近年来受到了广泛关注。与传统的中继系统相比，IRS辅助的中继系统可有效节约成本和能耗，并显著提高系统性能。然而，配备离散移相器的IRS会导致相位量化误差，从而降低接收机的接收性能。为了分析IRS相位量化误差导致的性能损失，该文基于弱大数定律和瑞利分布，在瑞利信道下，推导了关于移相器量化比特数的双IRS辅助放大转发中继网络的信噪比性能损失与可达速率的闭合表达式。此外，基于Taylor级数展开表达式，推导了其近似性能损失闭合表达式。仿真结果表明，系统的信噪比和可达速率性能损失随着量化比特数的增加而逐渐减小，而随着 IRS 相移元件数的增加而逐渐增大。当量化比特数为4时，系统的信噪比和可达速率性能损失分别小于0.06 dB 和0.03 bit/(s·Hz)。
作为一种通过算法智能地控制信号反射来重构无线通信环境的新技术，智能反射面(IRS)近年来受到了广泛关注。与传统的中继系统相比，IRS辅助的中继系统可有效节约成本和能耗，并显著提高系统性能。然而，配备离散移相器的IRS会导致相位量化误差，从而降低接收机的接收性能。为了分析IRS相位量化误差导致的性能损失，该文基于弱大数定律和瑞利分布，在瑞利信道下，推导了关于移相器量化比特数的双IRS辅助放大转发中继网络的信噪比性能损失与可达速率的闭合表达式。此外，基于Taylor级数展开表达式，推导了其近似性能损失闭合表达式。仿真结果表明，系统的信噪比和可达速率性能损失随着量化比特数的增加而逐渐减小，而随着 IRS 相移元件数的增加而逐渐增大。当量化比特数为4时，系统的信噪比和可达速率性能损失分别小于0.06 dB 和0.03 bit/(s·Hz)。
2025, 47(1): 147-155.
doi: 10.11999/JEIT240018
摘要:
同时透射和反射可重构智能表面(STAR-RIS)能够创建全空间智能无线电环境，有效提高无线通信系统性能，具有广阔的研究潜力。因此，该文提出一种大规模STAR-RIS辅助的近场通感一体化(ISAC)方法，并对感知目标3维参数估计的克拉美罗界(CRB)进行优化。首先，搭建近场系统模型，分别推导基站、STAR-RIS、通信用户、感知目标与传感器之间的导向矢量。其次，通过设计基站发射波束成形矩阵、发射信号协方差矩阵和STAR-RIS透射反射系数，实现感知性能最优化。再次，针对非凸优化问题利用半正定松弛方法进行求解。仿真结果表明了所提出ISAC方案的有效性，以及近场额外距离自由度所带来的定位性能优势。
同时透射和反射可重构智能表面(STAR-RIS)能够创建全空间智能无线电环境，有效提高无线通信系统性能，具有广阔的研究潜力。因此，该文提出一种大规模STAR-RIS辅助的近场通感一体化(ISAC)方法，并对感知目标3维参数估计的克拉美罗界(CRB)进行优化。首先，搭建近场系统模型，分别推导基站、STAR-RIS、通信用户、感知目标与传感器之间的导向矢量。其次，通过设计基站发射波束成形矩阵、发射信号协方差矩阵和STAR-RIS透射反射系数，实现感知性能最优化。再次，针对非凸优化问题利用半正定松弛方法进行求解。仿真结果表明了所提出ISAC方案的有效性，以及近场额外距离自由度所带来的定位性能优势。
2025, 47(1): 156-166.
doi: 10.11999/JEIT240469
摘要:
针对存在突变测量偏差和未知时变量测噪声场景下的目标跟踪问题，该文提出一种偏差未补偿自适应边缘化容积卡尔曼滤波跟踪方法。首先通过建立差分量测方程来消除恒定的测量偏差，同时构建满足beta-Bernoulli分布的指示变量识别突变测量偏差，将相邻时刻目标状态扩维以满足实时滤波需求，利用逆Wishart分布建模未知量测噪声协方差矩阵，从而建立目标状态、指示变量、噪声协方差矩阵的联合分布，并通过变分贝叶斯推断来求解各个参数的近似后验。为减小滤波负担，对扩维后的状态向量进行边缘化处理，结合容积卡尔曼滤波方法实现边缘化容积卡尔曼滤波跟踪。仿真实验结果表明，所提方法能够同时处理突变测量偏差和未知时变量测噪声，从而对目标进行有效跟踪。
针对存在突变测量偏差和未知时变量测噪声场景下的目标跟踪问题，该文提出一种偏差未补偿自适应边缘化容积卡尔曼滤波跟踪方法。首先通过建立差分量测方程来消除恒定的测量偏差，同时构建满足beta-Bernoulli分布的指示变量识别突变测量偏差，将相邻时刻目标状态扩维以满足实时滤波需求，利用逆Wishart分布建模未知量测噪声协方差矩阵，从而建立目标状态、指示变量、噪声协方差矩阵的联合分布，并通过变分贝叶斯推断来求解各个参数的近似后验。为减小滤波负担，对扩维后的状态向量进行边缘化处理，结合容积卡尔曼滤波方法实现边缘化容积卡尔曼滤波跟踪。仿真实验结果表明，所提方法能够同时处理突变测量偏差和未知时变量测噪声，从而对目标进行有效跟踪。
2025, 47(1): 167-177.
doi: 10.11999/JEIT240595
摘要:
在复杂的海洋环境中，目标的可知信息受环境噪声、混响等的干扰严重，导致目标跟踪效果较差，而从这些干扰中提取目标的可利用特征及其困难。该文将目标与环境的耦合特征融入目标跟踪算法中，提出了一种基于主动波导不变量分布的改进扩展卡尔曼滤波跟踪方法。首先基于浅海波导中目标散射特性基本理论，推导了收发分置条件下的主动波导不变量表征的数学模型，获得了距离、频率以及主动波导不变量分布的约束关系；然后将该约束加入到扩展卡尔曼滤波的状态向量中，通过增加新的约束来提高目标运动模型与真实目标运动轨迹的契合度进而提高目标跟踪的精度；最后通过仿真实验和实测数据验证了该方法的跟踪性能，结果显示：该方法较常规扩展卡尔曼滤波跟踪方法能够更好地提高目标跟踪精度，仿真中结果的优化率约能达到50%，实测数据处理结果的优化率约在60%左右。
在复杂的海洋环境中，目标的可知信息受环境噪声、混响等的干扰严重，导致目标跟踪效果较差，而从这些干扰中提取目标的可利用特征及其困难。该文将目标与环境的耦合特征融入目标跟踪算法中，提出了一种基于主动波导不变量分布的改进扩展卡尔曼滤波跟踪方法。首先基于浅海波导中目标散射特性基本理论，推导了收发分置条件下的主动波导不变量表征的数学模型，获得了距离、频率以及主动波导不变量分布的约束关系；然后将该约束加入到扩展卡尔曼滤波的状态向量中，通过增加新的约束来提高目标运动模型与真实目标运动轨迹的契合度进而提高目标跟踪的精度；最后通过仿真实验和实测数据验证了该方法的跟踪性能，结果显示：该方法较常规扩展卡尔曼滤波跟踪方法能够更好地提高目标跟踪精度，仿真中结果的优化率约能达到50%，实测数据处理结果的优化率约在60%左右。
2025, 47(1): 178-187.
doi: 10.11999/JEIT240348
摘要:
互质阵列因具有较低的互耦效应而备受关注，但交替部署的子阵却在一定程度上限制了连续自由度的提升。针对上述问题，该文在分析子阵互差集中冗余虚拟阵元产生条件的基础上，提出了两种子阵移位互质阵列(Coprime Array with Translated Subarray, CATrS)，以改善自由度性能。首先，将子阵平移至适当位置以优化布阵结构，并分析了子阵的平移距离。随后，推导了CATrS结构的自由度、连续自由度、孔洞位置和虚拟阵元权重的闭合表达式。理论分析表明，CATrS结构能够在保持物理阵元数量不变的条件下，有效增加自由度和连续自由度，并抑制阵元互耦。最后，利用仿真实验验证了CATrS结构在波达方向估计中的优越性。
互质阵列因具有较低的互耦效应而备受关注，但交替部署的子阵却在一定程度上限制了连续自由度的提升。针对上述问题，该文在分析子阵互差集中冗余虚拟阵元产生条件的基础上，提出了两种子阵移位互质阵列(Coprime Array with Translated Subarray, CATrS)，以改善自由度性能。首先，将子阵平移至适当位置以优化布阵结构，并分析了子阵的平移距离。随后，推导了CATrS结构的自由度、连续自由度、孔洞位置和虚拟阵元权重的闭合表达式。理论分析表明，CATrS结构能够在保持物理阵元数量不变的条件下，有效增加自由度和连续自由度，并抑制阵元互耦。最后，利用仿真实验验证了CATrS结构在波达方向估计中的优越性。
2025, 47(1): 188-200.
doi: 10.11999/JEIT240521
摘要:
非完备、高动态有源干扰对抗作战环境下，现阶段针对库内多类型单一有源干扰样本所优化训练的静态模型，在面对库外类型多样、参数多变、组合方式多元的复合干扰时，模型无法快速更新且难以应对测试样本数非均衡问题。针对此问题，该文提出一种基于零记忆增量学习的雷达复合有源干扰识别方法。首先，利用元学习训练模式对库内单一干扰进行原型学习，训练出高效的特征提取器，使其具备对库外复合干扰特征有效提取能力。进而，基于超维空间和余弦相似度计算，构建零记忆增量学习网络(ZMILN)，将复合干扰原型向量映射到超维空间并存储，从而实现识别模型动态更新。此外，为解决样本数非均衡下复合干扰识别问题，设计直推式信息最大化(TIM)测试模块，通过在互信息损失函数中加入散度约束，对识别模型进一步强化训练以应对非均衡测试样本。实验结果表明，该文所提方法在非均衡测试条件下对4种单一干扰和7种复合干扰进行增量学习后，平均识别准确率达到了93.62%。该方法通过对库内多类型单一干扰知识充分提取，实现对多种组合条件下库外复合干扰的快速动态识别。
非完备、高动态有源干扰对抗作战环境下，现阶段针对库内多类型单一有源干扰样本所优化训练的静态模型，在面对库外类型多样、参数多变、组合方式多元的复合干扰时，模型无法快速更新且难以应对测试样本数非均衡问题。针对此问题，该文提出一种基于零记忆增量学习的雷达复合有源干扰识别方法。首先，利用元学习训练模式对库内单一干扰进行原型学习，训练出高效的特征提取器，使其具备对库外复合干扰特征有效提取能力。进而，基于超维空间和余弦相似度计算，构建零记忆增量学习网络(ZMILN)，将复合干扰原型向量映射到超维空间并存储，从而实现识别模型动态更新。此外，为解决样本数非均衡下复合干扰识别问题，设计直推式信息最大化(TIM)测试模块，通过在互信息损失函数中加入散度约束，对识别模型进一步强化训练以应对非均衡测试样本。实验结果表明，该文所提方法在非均衡测试条件下对4种单一干扰和7种复合干扰进行增量学习后，平均识别准确率达到了93.62%。该方法通过对库内多类型单一干扰知识充分提取，实现对多种组合条件下库外复合干扰的快速动态识别。
2025, 47(1): 201-210.
doi: 10.11999/JEIT240297
摘要:
随着新兴应用的不断涌现，频谱拥堵问题日益严重。通信雷达一体化(DFRC)是解决频谱拥堵问题的关键技术之一。然而，如何解决通信与雷达之间的相互干扰并实现高通信速率是通信雷达一体化亟待解决的基础难题。该文以多载波互补码分多址技术为基础，设计一种适用于多用户场景的新型通信雷达一体化信号。理论分析和仿真结果表明，与典型的扩频方案相比，所提方案可以实现通信雷达的无扰传输，并具有低的误码率与高的通信速率。
随着新兴应用的不断涌现，频谱拥堵问题日益严重。通信雷达一体化(DFRC)是解决频谱拥堵问题的关键技术之一。然而，如何解决通信与雷达之间的相互干扰并实现高通信速率是通信雷达一体化亟待解决的基础难题。该文以多载波互补码分多址技术为基础，设计一种适用于多用户场景的新型通信雷达一体化信号。理论分析和仿真结果表明，与典型的扩频方案相比，所提方案可以实现通信雷达的无扰传输，并具有低的误码率与高的通信速率。
2025, 47(1): 211-222.
doi: 10.11999/JEIT240650
摘要:
低轨导航星座卫星数量多，信号多普勒频偏大，接收机冷启动搜索空间巨大，捕获速度慢，该文提出一种伪码调相-线性调频(CSK-LFM)的导航信号波形，线性调频提高信号的多普勒容限，不同伪码相位实现不同卫星的多址播发，可以极大压缩卫星号、时延、多普勒3维搜索空间，加快了捕获信号捕获速度。仿真和实验结果表明，当信号强度为40 dBHz时，采用CSK-LFM调制的导航信号，其捕获性能比同等条件下的传统直接扩频序列(DSSS)调制的导航信号高1 dB左右，且信号搜索空间可降低为直接扩频序列调制的1/10。
低轨导航星座卫星数量多，信号多普勒频偏大，接收机冷启动搜索空间巨大，捕获速度慢，该文提出一种伪码调相-线性调频(CSK-LFM)的导航信号波形，线性调频提高信号的多普勒容限，不同伪码相位实现不同卫星的多址播发，可以极大压缩卫星号、时延、多普勒3维搜索空间，加快了捕获信号捕获速度。仿真和实验结果表明，当信号强度为40 dBHz时，采用CSK-LFM调制的导航信号，其捕获性能比同等条件下的传统直接扩频序列(DSSS)调制的导航信号高1 dB左右，且信号搜索空间可降低为直接扩频序列调制的1/10。
2025, 47(1): 223-232.
doi: 10.11999/JEIT240645
摘要:
针对变压器油下图像存在颜色失真、亮度低和细节失真问题，该文提出一种多尺度加权Retinex变压器油下图像增强算法。首先，为了缓解变压器油下图像颜色失真问题，提出一种混合动态颜色通道补偿算法，根据拍摄图像各通道的衰减状态对衰减通道进行动态补偿。然后，为了解决细节失真问题，提出一种锐化权重加权策略。最后，该文创新性采用金字塔多尺度融合策略对不同尺度Retinex反射分量和相应权重图进行加权融合得到变压器油下清晰图像。实验结果表明所提算法可以有效解决变压器油下图像复杂退化问题。
针对变压器油下图像存在颜色失真、亮度低和细节失真问题，该文提出一种多尺度加权Retinex变压器油下图像增强算法。首先，为了缓解变压器油下图像颜色失真问题，提出一种混合动态颜色通道补偿算法，根据拍摄图像各通道的衰减状态对衰减通道进行动态补偿。然后，为了解决细节失真问题，提出一种锐化权重加权策略。最后，该文创新性采用金字塔多尺度融合策略对不同尺度Retinex反射分量和相应权重图进行加权融合得到变压器油下清晰图像。实验结果表明所提算法可以有效解决变压器油下图像复杂退化问题。
2025, 47(1): 233-243.
doi: 10.11999/JEIT240560
摘要:
以广距鸟瞰视角拍摄获取的遥感图像通常具有目标种类多、尺度变化大以及背景信息丰富等特点，为目标检测任务带来巨大挑战。针对遥感图像成像特点，该文设计一种上下文感知多感受野融合网络，通过充分挖掘深度网络中遥感图像在不同尺寸特征描述下所包含的上下文关联信息，提高图像特征描述力，进而提升遥感目标检测精度。首先，在特征金字塔前4层网络中构建了感受野扩张模块，通过扩大网络在不同尺度特征图上的感受野范围，增强网络对不同尺度遥感目标的感知能力；进一步，构建了高层特征聚合模块，通过将特征金字塔网络中高层语义信息聚合到低层特征中，从而将特征图中所包含的多尺度上下文信息进行有效融合；最后，在双阶段定向目标检测框架下设计了特征细化区域建议网络。通过对一阶段提案进行精细化处理，提升提案准确性，进而提高二阶段兴趣区域对齐网络得到的不同成像方向下的遥感目标检测性能。在公测数据集DIOR-R和HRSC2016上的定性和定量的对比实验结果证明，所提方法对不同种类和尺度大小的遥感目标均能实现更加准确的检测。
以广距鸟瞰视角拍摄获取的遥感图像通常具有目标种类多、尺度变化大以及背景信息丰富等特点，为目标检测任务带来巨大挑战。针对遥感图像成像特点，该文设计一种上下文感知多感受野融合网络，通过充分挖掘深度网络中遥感图像在不同尺寸特征描述下所包含的上下文关联信息，提高图像特征描述力，进而提升遥感目标检测精度。首先，在特征金字塔前4层网络中构建了感受野扩张模块，通过扩大网络在不同尺度特征图上的感受野范围，增强网络对不同尺度遥感目标的感知能力；进一步，构建了高层特征聚合模块，通过将特征金字塔网络中高层语义信息聚合到低层特征中，从而将特征图中所包含的多尺度上下文信息进行有效融合；最后，在双阶段定向目标检测框架下设计了特征细化区域建议网络。通过对一阶段提案进行精细化处理，提升提案准确性，进而提高二阶段兴趣区域对齐网络得到的不同成像方向下的遥感目标检测性能。在公测数据集DIOR-R和HRSC2016上的定性和定量的对比实验结果证明，所提方法对不同种类和尺度大小的遥感目标均能实现更加准确的检测。
2025, 47(1): 244-259.
doi: 10.11999/JEIT240648
摘要:
针对单传感器和单模态信号特征信息不足的问题，该文提出一种基于多模态融合的端到端深度聚类旋转机械多传感器故障诊断方法(EDCM-MFF)。首先，利用门控递归单元自编码模块提取多传感器故障信号的深度时序特征。然后，应用短时傅里叶变换(STFT)将故障信号转换为时频图像，并通过卷积自编码器提取这些图像的深度空间特征。接着，设计了一种模态融合注意力机制，通过计算不同模态深度特征之间的亲和矩阵，实现模态特征的融合。最后，采用Kullback-Leibler(KL)散度聚类，以端到端方式实现故障类型的识别。实验结果显示，该方法在东南大学齿轮箱和轴承数据集上的识别准确率分别为99.16%和98.63%。与现有的无监督学习方法相比，所提方法能够更有效地实现多传感器和多模态的旋转机械故障诊断。
针对单传感器和单模态信号特征信息不足的问题，该文提出一种基于多模态融合的端到端深度聚类旋转机械多传感器故障诊断方法(EDCM-MFF)。首先，利用门控递归单元自编码模块提取多传感器故障信号的深度时序特征。然后，应用短时傅里叶变换(STFT)将故障信号转换为时频图像，并通过卷积自编码器提取这些图像的深度空间特征。接着，设计了一种模态融合注意力机制，通过计算不同模态深度特征之间的亲和矩阵，实现模态特征的融合。最后，采用Kullback-Leibler(KL)散度聚类，以端到端方式实现故障类型的识别。实验结果显示，该方法在东南大学齿轮箱和轴承数据集上的识别准确率分别为99.16%和98.63%。与现有的无监督学习方法相比，所提方法能够更有效地实现多传感器和多模态的旋转机械故障诊断。
2025, 47(1): 260-270.
doi: 10.11999/JEIT240431
摘要:
显著目标检测(SOD)旨在模仿人类视觉系统注意力机制和认知机制来自动提取场景中的显著物体。虽然现有基于卷积神经网络 (CNN)或Transformer的模型不断刷新该领域方法的性能，但较少研究关注以下两个问题：(1)此领域多数方法常采用逐像素点的密集预测方式以获取像素显著值，然而该方式不符合基于人类视觉系统的场景解析机制，即人眼通常对语义区域进行整体分析而非关注像素级信息；(2)增强上下文信息关联在SOD任务中受到广泛关注，但通过Transformer主干结构获取长程关联特征不一定具有优势。SOD应更关注目标在适当区域内其中心-邻域差异性而非全局长程依赖。针对上述问题，该文提出一种新的显著目标检测模型，将CNN形式的自适应注意力和掩码注意力集成到网络中，以提高显著目标检测的性能。该算法设计了基于掩码感知的解码模块，通过将交叉注意力限制在预测的掩码区域来感知图像特征，有助于网络更好地聚焦于显著目标的整体区域。同时，该文设计了基于卷积注意力的上下文特征增强模块，与Transformer逐层建立长程关系不同，该模块仅捕获最高层特征中的适当上下文关联，避免引入无关的全局信息。该文在4个广泛使用的数据集上进行了实验评估，结果表明，该文提出的方法在不同场景下均取得了显著的性能提升，具有良好的泛化能力和稳定性。
显著目标检测(SOD)旨在模仿人类视觉系统注意力机制和认知机制来自动提取场景中的显著物体。虽然现有基于卷积神经网络 (CNN)或Transformer的模型不断刷新该领域方法的性能，但较少研究关注以下两个问题：(1)此领域多数方法常采用逐像素点的密集预测方式以获取像素显著值，然而该方式不符合基于人类视觉系统的场景解析机制，即人眼通常对语义区域进行整体分析而非关注像素级信息；(2)增强上下文信息关联在SOD任务中受到广泛关注，但通过Transformer主干结构获取长程关联特征不一定具有优势。SOD应更关注目标在适当区域内其中心-邻域差异性而非全局长程依赖。针对上述问题，该文提出一种新的显著目标检测模型，将CNN形式的自适应注意力和掩码注意力集成到网络中，以提高显著目标检测的性能。该算法设计了基于掩码感知的解码模块，通过将交叉注意力限制在预测的掩码区域来感知图像特征，有助于网络更好地聚焦于显著目标的整体区域。同时，该文设计了基于卷积注意力的上下文特征增强模块，与Transformer逐层建立长程关系不同，该模块仅捕获最高层特征中的适当上下文关联，避免引入无关的全局信息。该文在4个广泛使用的数据集上进行了实验评估，结果表明，该文提出的方法在不同场景下均取得了显著的性能提升，具有良好的泛化能力和稳定性。
2025, 47(1): 271-278.
doi: 10.11999/JEIT240524
摘要:
Draco算法是首次基于初始向量和密钥前缀组合(CIVK)方案构造的一个流密码设计实例，其声称对于时空数据折中(TMDTO)攻击具有完全可证明的安全性。但因Draco算法的选择函数存在周期小的结构缺陷，攻击者给出了突破其安全界限的分析结果。针对Draco算法存在的安全缺陷等问题，该文提出一种基于状态位索引和动态初始化的改进算法Draco-F算法。首先，Draco-F算法通过使用状态位索引的方法增加了选择函数的周期并降低硬件成本；其次，在保障非线性反馈移位寄存器(NFSR)状态位使用均匀性的前提下，Draco-F算法通过简化输出函数进一步降低算法的硬件成本；最后，Draco-F算法引入动态初始化技术以防止密钥回溯。对Draco-F算法的安全性分析和软硬件测试结果表明：相对于Draco算法，Draco-F算法避免了Draco算法的安全漏洞，可以以128 bit的实际内部状态提供128 bit的安全级别；同时，Draco-F算法具有更高的密钥流吞吐率和更小的电路面积。
Draco算法是首次基于初始向量和密钥前缀组合(CIVK)方案构造的一个流密码设计实例，其声称对于时空数据折中(TMDTO)攻击具有完全可证明的安全性。但因Draco算法的选择函数存在周期小的结构缺陷，攻击者给出了突破其安全界限的分析结果。针对Draco算法存在的安全缺陷等问题，该文提出一种基于状态位索引和动态初始化的改进算法Draco-F算法。首先，Draco-F算法通过使用状态位索引的方法增加了选择函数的周期并降低硬件成本；其次，在保障非线性反馈移位寄存器(NFSR)状态位使用均匀性的前提下，Draco-F算法通过简化输出函数进一步降低算法的硬件成本；最后，Draco-F算法引入动态初始化技术以防止密钥回溯。对Draco-F算法的安全性分析和软硬件测试结果表明：相对于Draco算法，Draco-F算法避免了Draco算法的安全漏洞，可以以128 bit的实际内部状态提供128 bit的安全级别；同时，Draco-F算法具有更高的密钥流吞吐率和更小的电路面积。
2025, 47(1): 279-286.
doi: 10.11999/JEIT250000
摘要:
该文总结了2024年度国家自然科学基金委员会信息科学部一处“电子科学与技术”领域重点、面上、青年、地区、优青和杰青项目的申请与资助情况，从二级申请代码、申请人年龄、依托单位情况、近年变化趋势等不同角度梳理了项目分布特征，分析了领域自然科学基金项目构成、研究方向热度及其发展趋势等，旨在为广大科研人员了解领域自然科学基金重点项目布局、亟需加强的研究方向以及部分自然科学基金改革举措对领域项目申请与资助的影响等提供参考。
该文总结了2024年度国家自然科学基金委员会信息科学部一处“电子科学与技术”领域重点、面上、青年、地区、优青和杰青项目的申请与资助情况，从二级申请代码、申请人年龄、依托单位情况、近年变化趋势等不同角度梳理了项目分布特征，分析了领域自然科学基金项目构成、研究方向热度及其发展趋势等，旨在为广大科研人员了解领域自然科学基金重点项目布局、亟需加强的研究方向以及部分自然科学基金改革举措对领域项目申请与资助的影响等提供参考。
编辑部公告
more >
- 专题征文丨“超融合云网环境”专题征文通知
- 专题征文丨“信息物理系统安全与隐私保护”专题
- 《电子与信息学报》2025年若干重要举措通知
- 《电子与信息学报》2025年前沿专题征集通知
- 专题征文丨“短包通信理论与技术”专题征文通知
- 专题征文丨“智慧医疗与工程创新——医工交叉的前沿探索”专题
- 《电子与信息学报》入选中国科技期刊卓越行动“中文领军期刊”
- 专题征文丨6G通感算一体化
学术动态
more >
- 《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）
- 第三十四届中国电子学会电路与系统学术大会在桂林成功召开
- 第三届电子与信息前沿学术会议在南京隆重召开
- 详细议程 | 第三届电子与信息前沿学术会议第二轮通知
- 会议征文 | 第四届电子、信息与计算技术前沿国际会议 (ICFEICT 2024)
- 会议征文 | 第三届自动化，控制与通信工程国际学术研讨会(IWACCE 2024)
- 中国电子学会电路与系统分会第三十三届学术年会第二轮通知
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
