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/JEIT240440
摘要:
虚拟现实晕动症(VRMS)是阻碍虚拟现实技术行业发展的重要问题，检测VRMS水平是研究并克服这一问题的先决条件。所以该文引入并改进了一种脑电端到端识别模型定量识别用户在使用虚拟现实时的VRMS水平。该模型首先利用一维卷积神经网络(CNN)对脑电信号进行滤波，然后计算导联间相关性构成功能脑网络，最后利用CNN和全连接层提取脑网络特征和回归分析。该文通过优化1维卷积核大小及加入一种新型导联注意力结构来增强该模型特征提取能力。最后采用虚拟现实场景《VRQ test》诱发受试者产生VRMS并记录受试者脑电信号及主观评价VRMS水平(模拟器眩晕量表SSQ)，所得数据用于验证该模型。结果显示经过10折交叉验证该方法检测到的VRMS水平与真实值之间平均均方误差为15.10，平均拟合优度为：96.63%。该结果表明该文所提模型可用于虚拟现实晕动症的检测，该脑电检测方法有望成为一种通用的虚拟现实产品评估方法。
虚拟现实晕动症(VRMS)是阻碍虚拟现实技术行业发展的重要问题，检测VRMS水平是研究并克服这一问题的先决条件。所以该文引入并改进了一种脑电端到端识别模型定量识别用户在使用虚拟现实时的VRMS水平。该模型首先利用一维卷积神经网络(CNN)对脑电信号进行滤波，然后计算导联间相关性构成功能脑网络，最后利用CNN和全连接层提取脑网络特征和回归分析。该文通过优化1维卷积核大小及加入一种新型导联注意力结构来增强该模型特征提取能力。最后采用虚拟现实场景《VRQ test》诱发受试者产生VRMS并记录受试者脑电信号及主观评价VRMS水平(模拟器眩晕量表SSQ)，所得数据用于验证该模型。结果显示经过10折交叉验证该方法检测到的VRMS水平与真实值之间平均均方误差为15.10，平均拟合优度为：96.63%。该结果表明该文所提模型可用于虚拟现实晕动症的检测，该脑电检测方法有望成为一种通用的虚拟现实产品评估方法。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240799
摘要:
作为新质生产力的低空智联网(LAIN)，主要由低空各类飞行器组成，可辅助实现空基多接入边缘计算(MEC)功能，能够有效应对实时数据处理和超低时延通信的挑战。考虑到任务的数据量大小具有随机性，该文聚焦研究基于LAIN的MEC网络中任务的卸载决策问题，以优化最差情况下的系统时延，保障服务的鲁棒性。首先，为刻画任务量的不确定性，利用历史数据构建基于概率距离度量的不确定集合，并建模了相应的分布鲁棒优化问题，以最小化最差任务大小概率分布情况下的系统时延。然后，为求解该最小化最大混合整数规划问题，将问题分解为嵌套的内层问题和外层问题，并基于分支定界法和二进制鲸鱼算法机制，设计了一种基于不确定任务大小的分布式鲁棒任务卸载优化算法(DRTOOA)。最后，通过仿真验证，结果表明所提DRTOOA 能够优化系统时延，且具有较高的求解效率。
作为新质生产力的低空智联网(LAIN)，主要由低空各类飞行器组成，可辅助实现空基多接入边缘计算(MEC)功能，能够有效应对实时数据处理和超低时延通信的挑战。考虑到任务的数据量大小具有随机性，该文聚焦研究基于LAIN的MEC网络中任务的卸载决策问题，以优化最差情况下的系统时延，保障服务的鲁棒性。首先，为刻画任务量的不确定性，利用历史数据构建基于概率距离度量的不确定集合，并建模了相应的分布鲁棒优化问题，以最小化最差任务大小概率分布情况下的系统时延。然后，为求解该最小化最大混合整数规划问题，将问题分解为嵌套的内层问题和外层问题，并基于分支定界法和二进制鲸鱼算法机制，设计了一种基于不确定任务大小的分布式鲁棒任务卸载优化算法(DRTOOA)。最后，通过仿真验证，结果表明所提DRTOOA 能够优化系统时延，且具有较高的求解效率。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240905
摘要:
具有良好相关特性的正交波形集可以提高多输入多输出(MIMO)雷达系统的目标检测性能和抗干扰能力。为此，该文提出主瓣增益和动态范围约束下最小化广义互模糊函数积分旁瓣(ISL)的发射序列集和接收滤波器组联合设计方法。该方法采用最大块改进算法(MBI)将非凸优化问题分解为多个子问题，再利用连续凸近似方法(SCA)迭代求解子问题。为了进一步降低运算量，该文还提出了具有并行实现潜力的交替方向惩罚法(ADPM)求解SCA的子问题。最后，通过仿真实验从收敛速度、积分旁瓣电平等方面验证了该方法的有效性。
具有良好相关特性的正交波形集可以提高多输入多输出(MIMO)雷达系统的目标检测性能和抗干扰能力。为此，该文提出主瓣增益和动态范围约束下最小化广义互模糊函数积分旁瓣(ISL)的发射序列集和接收滤波器组联合设计方法。该方法采用最大块改进算法(MBI)将非凸优化问题分解为多个子问题，再利用连续凸近似方法(SCA)迭代求解子问题。为了进一步降低运算量，该文还提出了具有并行实现潜力的交替方向惩罚法(ADPM)求解SCA的子问题。最后，通过仿真实验从收敛速度、积分旁瓣电平等方面验证了该方法的有效性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240927
摘要:
在带频谱认知的车联网中，由于车辆终端的高动态移动性和无线电环境的复杂性，使频谱的稳定性难以评估。该文提出一种评估频谱稳定性的动态频谱接入算法。首先，基于信噪比、接收信号强度和带宽参数，利用长短期记忆神经网络预测出参数在未来1个周期内多时刻的值，并计算各参数1个周期的变化率，将结果作为频谱稳定性的评估指标。其次，利用K-Means算法对变化率向量进行聚类，构建稳定性评估模型。再次，根据稳定性评估结果重构了状态空间和奖励函数，提出一种基于强化学习的动态频谱接入算法。最后，实验结果表明，所提算法能够满足不同车辆终端业务的稳定性需求，提高频谱资源的利用率，同时降低频谱接入过程中的碰撞概率。
在带频谱认知的车联网中，由于车辆终端的高动态移动性和无线电环境的复杂性，使频谱的稳定性难以评估。该文提出一种评估频谱稳定性的动态频谱接入算法。首先，基于信噪比、接收信号强度和带宽参数，利用长短期记忆神经网络预测出参数在未来1个周期内多时刻的值，并计算各参数1个周期的变化率，将结果作为频谱稳定性的评估指标。其次，利用K-Means算法对变化率向量进行聚类，构建稳定性评估模型。再次，根据稳定性评估结果重构了状态空间和奖励函数，提出一种基于强化学习的动态频谱接入算法。最后，实验结果表明，所提算法能够满足不同车辆终端业务的稳定性需求，提高频谱资源的利用率，同时降低频谱接入过程中的碰撞概率。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240891
摘要:
当前面向跟踪器的对抗样本生成研究主要集中于可见光谱段，无法在多谱段条件下实现对跟踪器的有效攻击。为了填补这一空缺，该文提出一种基于多谱段的目标跟踪补丁式对抗样本生成网络，有效提升了对抗样本在多谱段条件下的攻击有效性。具体来说，该网络包含对抗纹理生成模块与对抗形状优化策略，对可见光谱段下跟踪器对目标纹理的理解进行语义干扰，并显著破坏对热显著目标相关特征的提取。此外，根据不同跟踪器的特点设计误回归损失和掩膜干扰损失对多谱段跟踪模型补丁式对抗样本生成提供指引，实现跟踪预测框扩大或者脱离目标的效果，引入最大特征差异损失削弱特征空间中模版帧和搜索帧间的相关性，进而实现对跟踪器的有效攻击。定性和定量实验证明该文对抗样本可以有效提升多谱段环境下对跟踪器的攻击成功率。
当前面向跟踪器的对抗样本生成研究主要集中于可见光谱段，无法在多谱段条件下实现对跟踪器的有效攻击。为了填补这一空缺，该文提出一种基于多谱段的目标跟踪补丁式对抗样本生成网络，有效提升了对抗样本在多谱段条件下的攻击有效性。具体来说，该网络包含对抗纹理生成模块与对抗形状优化策略，对可见光谱段下跟踪器对目标纹理的理解进行语义干扰，并显著破坏对热显著目标相关特征的提取。此外，根据不同跟踪器的特点设计误回归损失和掩膜干扰损失对多谱段跟踪模型补丁式对抗样本生成提供指引，实现跟踪预测框扩大或者脱离目标的效果，引入最大特征差异损失削弱特征空间中模版帧和搜索帧间的相关性，进而实现对跟踪器的有效攻击。定性和定量实验证明该文对抗样本可以有效提升多谱段环境下对跟踪器的攻击成功率。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240980
摘要:
同步定位与地图构建(SLAM)技术是移动机器人智能导航的基础。该文针对单一传感器SLAM技术存在的问题，提出一种基于激光雷达多层迭代最近点(MICP)点云匹配闭环检测的误差状态卡尔曼滤波(ESKF)多传感器紧耦合2D-SLAM算法。在完成视觉与激光雷达多模态数据的时空同步后，建立了里程计误差模型以及激光雷达与机器视觉点云匹配误差模型，并将其应用于误差状态卡尔曼滤波进行多模态数据融合，以提高SLAM的准确性和实时性。在公共数据集KITTI下进行的Gazebo环境仿真结果表明，该所提算法能够完整还原单一激光2D-SLAM无法获取到的环境障碍物信息，并能显著提高机器人轨迹估计和相对位姿估计精度。最后，采用Turtlebot2机器人在复杂实际大场景下进行了SLAM实验验证，结果表明所提多模态融合SLAM方法可以完整复原环境信息，实现实时的高精度2D地图构建。
同步定位与地图构建(SLAM)技术是移动机器人智能导航的基础。该文针对单一传感器SLAM技术存在的问题，提出一种基于激光雷达多层迭代最近点(MICP)点云匹配闭环检测的误差状态卡尔曼滤波(ESKF)多传感器紧耦合2D-SLAM算法。在完成视觉与激光雷达多模态数据的时空同步后，建立了里程计误差模型以及激光雷达与机器视觉点云匹配误差模型，并将其应用于误差状态卡尔曼滤波进行多模态数据融合，以提高SLAM的准确性和实时性。在公共数据集KITTI下进行的Gazebo环境仿真结果表明，该所提算法能够完整还原单一激光2D-SLAM无法获取到的环境障碍物信息，并能显著提高机器人轨迹估计和相对位姿估计精度。最后，采用Turtlebot2机器人在复杂实际大场景下进行了SLAM实验验证，结果表明所提多模态融合SLAM方法可以完整复原环境信息，实现实时的高精度2D地图构建。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT241026
摘要:
低空空域的开放和无人机的大规模应用使得低空飞行活动日益增多，航迹规划是确保无人机在复杂低空环境下有序飞行的关键。然而由于无线遥控链路中存在的干扰、欺骗等各种攻击，导致无人机偏离规划的航迹，给低空安全带来严峻挑战。为减小位置欺骗攻击引起的航迹异常，该文提出一种多模型融合的无人机异常航迹校正方法，通过预测无人机的位置参数进行航迹校正。为了降低长期预测误差对无人机航迹校正的影响，提出融合长短期记忆网络(LSTM)和Transformer的长短期记忆网络-Transformer (LSTM-Transformer)预测模型，并在此基础上提出了分块注意力优化策略，以降低Transformer子模型的计算复杂度，提高无人机异常航迹的校正效率。基于公开数据集，通过与基准方法比较和消融实验，证明了所提方法相比其它方法能够降低无人机异常航迹的校正误差，实现对无人机异常航迹的校正。
低空空域的开放和无人机的大规模应用使得低空飞行活动日益增多，航迹规划是确保无人机在复杂低空环境下有序飞行的关键。然而由于无线遥控链路中存在的干扰、欺骗等各种攻击，导致无人机偏离规划的航迹，给低空安全带来严峻挑战。为减小位置欺骗攻击引起的航迹异常，该文提出一种多模型融合的无人机异常航迹校正方法，通过预测无人机的位置参数进行航迹校正。为了降低长期预测误差对无人机航迹校正的影响，提出融合长短期记忆网络(LSTM)和Transformer的长短期记忆网络-Transformer (LSTM-Transformer)预测模型，并在此基础上提出了分块注意力优化策略，以降低Transformer子模型的计算复杂度，提高无人机异常航迹的校正效率。基于公开数据集，通过与基准方法比较和消融实验，证明了所提方法相比其它方法能够降低无人机异常航迹的校正误差，实现对无人机异常航迹的校正。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240782
摘要:
2017年，PFP作为一种超轻量级分组密码被提出，而因其卓越的实现性能备受业界广泛关注。该算法不仅硬件开销需求低(仅需约1355 GE(等效门))、功耗小，而且加解密速度快(其速度甚至比国际著名算法 PRESENT的实现速度快1.5倍)，非常适合在物联网环境中使用。在PFP算法的设计文档中，作者声称该算法具有足够的能力抵御差分攻击、线性攻击及不可能差分攻击等多种密码攻击方法。然而该算法是否存在未知的安全漏洞是目前研究的难点。该文基于可满足性模理论(SMT)，结合PFP算法轮函数特点，构建两种区分器自动化搜索模型。实验测试结果表明：该算法在32轮加密中存在概率为2–62的相关密钥差分特征。由此，该文提出一种针对全轮PFP算法的相关密钥恢复攻击，即只需263个选择明文和248次全轮加密便可破译出80 bit的主密钥。这说明该算法无法抵抗相关密钥差分攻击。
2017年，PFP作为一种超轻量级分组密码被提出，而因其卓越的实现性能备受业界广泛关注。该算法不仅硬件开销需求低(仅需约
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240855
摘要:
已有的深度主动聚类方法未能通过标注样本推理生成必须链接(ML)约束或不能链接(CL)约束，标注成本较高。为此该文提出一种基于约束传递的深度主动时序聚类方法。该方法设置了标注类簇集合(ACS)及相应的辅助标注集合(AAS)。通过预训练时序自编码器得到时序样本的表示向量。在深度聚类的每个训练轮次过程中，采样并标注表示空间中离类簇中心最近的样本存入ACS，使每个ACS内的样本属同一类别而ACS集合间的样本属于不同类别，然后从包含样本数最小的ACS集合中随机选取时序样本，采样并标注与该样本不属于同一类簇且距其所在类簇中心最近的时序样本存入AAS，使ACS与相应的AAS中的样本为不同类别，由ACS及对应的AAS中的样本推理生成ML和CL约束。由基于t-分布的类簇分布与其生成的辅助分布间的KL散度以及使满足ML及CL约束的时序样本在表示空间距离分别变小和变大的约束损失更新时序自编码器中编码网络参数和聚类中心。在18个公开数据集上的实验结果表明，该方法聚类效果在较低标注预算下平均RI值比已有的典型基线模型均提升4%以上。
已有的深度主动聚类方法未能通过标注样本推理生成必须链接(ML)约束或不能链接(CL)约束，标注成本较高。为此该文提出一种基于约束传递的深度主动时序聚类方法。该方法设置了标注类簇集合(ACS)及相应的辅助标注集合(AAS)。通过预训练时序自编码器得到时序样本的表示向量。在深度聚类的每个训练轮次过程中，采样并标注表示空间中离类簇中心最近的样本存入ACS，使每个ACS内的样本属同一类别而ACS集合间的样本属于不同类别，然后从包含样本数最小的ACS集合中随机选取时序样本，采样并标注与该样本不属于同一类簇且距其所在类簇中心最近的时序样本存入AAS，使ACS与相应的AAS中的样本为不同类别，由ACS及对应的AAS中的样本推理生成ML和CL约束。由基于t-分布的类簇分布与其生成的辅助分布间的KL散度以及使满足ML及CL约束的时序样本在表示空间距离分别变小和变大的约束损失更新时序自编码器中编码网络参数和聚类中心。在18个公开数据集上的实验结果表明，该方法聚类效果在较低标注预算下平均RI值比已有的典型基线模型均提升4%以上。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240841
摘要:
利用生成模型为小样本目标检测提供额外样本是解决样本稀缺问题的方法之一。现有生成额外样本的方法，多关注于生成样本的多样性，而忽略了生成样本的质量和代表性。为解决这一问题，该文提出了一个新的基于数据生成的小样本目标检测框架FQRS。首先，构造类间条件控制模块使得数据生成器能够学习不同类别间的关系，利用基类和新类的类间关系信息辅助模型估计新类的分布，从而提高生成样本的质量。其次，设计类内条件控制模块，利用交并比(IOU)信息限制生成样本在特征空间的位置，通过控制生成的样本更聚集于类别的中心，确保它们能够捕捉对应类别的关键特征，从而提高生成样本的代表性。在PASCAL VOC和MS COCO数据集上进行测试，在不同小样本条件下，该文提出的模型均超过当前最好的两阶段微调目标检测模型DeFRCN。实验验证了该文方法在小样本目标检测上具有出色的检测效果。
利用生成模型为小样本目标检测提供额外样本是解决样本稀缺问题的方法之一。现有生成额外样本的方法，多关注于生成样本的多样性，而忽略了生成样本的质量和代表性。为解决这一问题，该文提出了一个新的基于数据生成的小样本目标检测框架FQRS。首先，构造类间条件控制模块使得数据生成器能够学习不同类别间的关系，利用基类和新类的类间关系信息辅助模型估计新类的分布，从而提高生成样本的质量。其次，设计类内条件控制模块，利用交并比(IOU)信息限制生成样本在特征空间的位置，通过控制生成的样本更聚集于类别的中心，确保它们能够捕捉对应类别的关键特征，从而提高生成样本的代表性。在PASCAL VOC和MS COCO数据集上进行测试，在不同小样本条件下，该文提出的模型均超过当前最好的两阶段微调目标检测模型DeFRCN。实验验证了该文方法在小样本目标检测上具有出色的检测效果。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240789
摘要:
针对太赫兹智能反射面(RIS)系统中基于波束扫描感知耗时较长问题，该文提出一种基于太赫兹RIS波束色散和分裂的快速感知方法。通过在每个RIS元件处部署实时延(TTD)以动态调整波束色散程度，设置大阵列RIS单元间距以形成波束分裂效应，进而联合波束色散和分裂实现目标区域快速感知。具体地，将感知区域分为多个子区域，并基于RIS波束色散优化TTD和RIS反射元件相移，以覆盖单一子区域。同时，利用波束分裂无缝覆盖多个子区域，相比使用单一波束扫描感知显著降低了时间开销。而后，为减少回波信号路径损耗，在RIS处配置主动感知元件，用于直接接收并分析回波信号。在此基础上，推导出感知目标角度估计值及其均方根误差(RMSE)。仿真结果表明了所提快速感知方案的有效性。
针对太赫兹智能反射面(RIS)系统中基于波束扫描感知耗时较长问题，该文提出一种基于太赫兹RIS波束色散和分裂的快速感知方法。通过在每个RIS元件处部署实时延(TTD)以动态调整波束色散程度，设置大阵列RIS单元间距以形成波束分裂效应，进而联合波束色散和分裂实现目标区域快速感知。具体地，将感知区域分为多个子区域，并基于RIS波束色散优化TTD和RIS反射元件相移，以覆盖单一子区域。同时，利用波束分裂无缝覆盖多个子区域，相比使用单一波束扫描感知显著降低了时间开销。而后，为减少回波信号路径损耗，在RIS处配置主动感知元件，用于直接接收并分析回波信号。在此基础上，推导出感知目标角度估计值及其均方根误差(RMSE)。仿真结果表明了所提快速感知方案的有效性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240741
摘要:
联邦学习中，高模型贡献率的无线网络设备通常由于算力不足、能量有限成为掉队者，进而增加模型聚合时延并影响全局模型精度。针对此问题，该文设计了联合边缘服务器辅助训练和模型自适应稀疏联邦学习架构，并提出了基于边缘辅助训练的自适应稀疏联邦学习优化算法。首先，引入边缘服务器为算力不足或能量受限的设备提供辅助训练。构建了辅助训练和通信、计算资源分配的优化模型，并采用多种深度强化学习方法求解优化的辅助训练决策。其次，基于辅助训练决策，在每个通信轮次自适应地对全局模型进行非结构化剪枝，进一步降低设备的时延和能耗开销。实验结果表明，所提算法极大地减少了掉队设备，其模型测试精度优于经典联邦学习的测试精度；利用深度确定性策略梯度(DDPG)优化辅助资源分配的算法有效地减少了系统训练时延，提升了模型训练效率。
联邦学习中，高模型贡献率的无线网络设备通常由于算力不足、能量有限成为掉队者，进而增加模型聚合时延并影响全局模型精度。针对此问题，该文设计了联合边缘服务器辅助训练和模型自适应稀疏联邦学习架构，并提出了基于边缘辅助训练的自适应稀疏联邦学习优化算法。首先，引入边缘服务器为算力不足或能量受限的设备提供辅助训练。构建了辅助训练和通信、计算资源分配的优化模型，并采用多种深度强化学习方法求解优化的辅助训练决策。其次，基于辅助训练决策，在每个通信轮次自适应地对全局模型进行非结构化剪枝，进一步降低设备的时延和能耗开销。实验结果表明，所提算法极大地减少了掉队设备，其模型测试精度优于经典联邦学习的测试精度；利用深度确定性策略梯度(DDPG)优化辅助资源分配的算法有效地减少了系统训练时延，提升了模型训练效率。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240874
摘要:
可重构智能表面(RIS)能够调控入射电磁波以优化通信系统性能，是第6代(6G)无线通信技术的关键创新。将可重构智能表面部署于无人机(UAV)上，借助无人机的灵活运动轨迹和按需部署特性，可以有效解决因树木和建筑等障碍物遮挡所引起的信息传输效率下降的问题。针对空中可重构智能表面辅助的车对车(V2V)通信场景，该文提出了一种基于几何的3维信道模型，该模型综合考虑了无人机在3个自由度下的旋转和任意轨迹移动，以及无人姿态变化对于信道模型的影响，引入了时变空间相位。此外，还考虑了发射端、接收端和无人机的实时运动速度和方向，给出了复信道脉冲响应(CIRs)的表达式，并对空域互相关函数(CCFs)、时域自相关函数(ACFs)和信道容量等关键信道统计特性进行了详细分析。仿真结果表明，所提信道模型能够准确捕获信道特性，为未来可重构智能面辅助无线通信的系统设计和优化提供了有价值的理论参考。
可重构智能表面(RIS)能够调控入射电磁波以优化通信系统性能，是第6代(6G)无线通信技术的关键创新。将可重构智能表面部署于无人机(UAV)上，借助无人机的灵活运动轨迹和按需部署特性，可以有效解决因树木和建筑等障碍物遮挡所引起的信息传输效率下降的问题。针对空中可重构智能表面辅助的车对车(V2V)通信场景，该文提出了一种基于几何的3维信道模型，该模型综合考虑了无人机在3个自由度下的旋转和任意轨迹移动，以及无人姿态变化对于信道模型的影响，引入了时变空间相位。此外，还考虑了发射端、接收端和无人机的实时运动速度和方向，给出了复信道脉冲响应(CIRs)的表达式，并对空域互相关函数(CCFs)、时域自相关函数(ACFs)和信道容量等关键信道统计特性进行了详细分析。仿真结果表明，所提信道模型能够准确捕获信道特性，为未来可重构智能面辅助无线通信的系统设计和优化提供了有价值的理论参考。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240773
摘要:
为满足动态边缘计算网络场景下用户差异化服务需求，该文提出一种基于生成对抗网络(GAN)辅助多智能体强化学习(RL)的联邦切片资源管理方案。首先，考虑未知时变信道和随机用户流量到达的场景，以同时优化长期平均服务等待时延和服务满意率为目标，构建联合带宽和计算切片资源管理优化问题，并进一步建模为分布式部分可观测马尔可夫决策过程 (Dec-POMDP)。其次，运用多智能体竞争双深度Q网络(D3QN)方法，结合GAN算法对状态值分布多模态学习的优势，以及利用联邦学习框架促使智能体合作学习，最终实现仅需共享各智能体生成网络加权参数即可完成切片资源管理协同决策。仿真结果表明，所提方案相较于基准方案能够在保护用户隐私的前提下，降低用户平均服务等待时延28%以上，且同时提升用户平均服务满意率8%以上。
为满足动态边缘计算网络场景下用户差异化服务需求，该文提出一种基于生成对抗网络(GAN)辅助多智能体强化学习(RL)的联邦切片资源管理方案。首先，考虑未知时变信道和随机用户流量到达的场景，以同时优化长期平均服务等待时延和服务满意率为目标，构建联合带宽和计算切片资源管理优化问题，并进一步建模为分布式部分可观测马尔可夫决策过程 (Dec-POMDP)。其次，运用多智能体竞争双深度Q网络(D3QN)方法，结合GAN算法对状态值分布多模态学习的优势，以及利用联邦学习框架促使智能体合作学习，最终实现仅需共享各智能体生成网络加权参数即可完成切片资源管理协同决策。仿真结果表明，所提方案相较于基准方案能够在保护用户隐私的前提下，降低用户平均服务等待时延28%以上，且同时提升用户平均服务满意率8%以上。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240804
摘要:
无人机射频检测是实现非合作无人机管控的手段之一，而基于射频信号的无人机个体识别(DIR)是无人机检测的重要环节。鉴于当前DIR开源数据集缺失，该文公开了一个名为DroneRFb-DIR的无人机射频信号数据集。该数据集使用软件无线电设备采集无人机与遥控器间通信的射频信号，包含城市场景下的无人机种类共6类(每类无人机各包含3架不同个体)以及1类背景参考信号。采样信号存储为最原始的I/Q数据，每类数据包含不少于40个片段，每个片段包含不少于4 M个采样点。信号采集范围为2.4～2.48 GHz，包含无人机飞控信号、图传信号以及周围干扰设备的信号。该数据集包含详细的个体编号和视距或非视距场景标注，并已划分训练集与测试集，以便于用户进行识别算法验证和性能对比分析。与此同时，该文提供了一种基于快速频率估计和时域相关分析的无人机个体识别方法，并在该数据集上验证了所提方法的有效性。
无人机射频检测是实现非合作无人机管控的手段之一，而基于射频信号的无人机个体识别(DIR)是无人机检测的重要环节。鉴于当前DIR开源数据集缺失，该文公开了一个名为DroneRFb-DIR的无人机射频信号数据集。该数据集使用软件无线电设备采集无人机与遥控器间通信的射频信号，包含城市场景下的无人机种类共6类(每类无人机各包含3架不同个体)以及1类背景参考信号。采样信号存储为最原始的I/Q数据，每类数据包含不少于40个片段，每个片段包含不少于4 M个采样点。信号采集范围为2.4～2.48 GHz，包含无人机飞控信号、图传信号以及周围干扰设备的信号。该数据集包含详细的个体编号和视距或非视距场景标注，并已划分训练集与测试集，以便于用户进行识别算法验证和性能对比分析。与此同时，该文提供了一种基于快速频率估计和时域相关分析的无人机个体识别方法，并在该数据集上验证了所提方法的有效性。
2025, 47(2): 287-295.
doi: 10.11999/JEIT240984
摘要:
智能超表面(RIS)以其卓越的成本效益、低能耗及独特的可编程性，在调控无线环境方面展现出显著优势，已成为6G通信技术的关键组成部分。语义通信(SemCom)突破香农极限，同时确保关键信息的精确传递，同样被视为6G的核心技术之一。该文首先回顾了语义通信的发展历程，阐述其从理论走向实践的过程，并分析了RIS在提高通信性能方面的突出优势。接着，提出RIS赋能语义通信系统模型，展示了RIS在提升通信质量方面的显著效果。最后，对RIS赋能语义通信系统的未来发展趋势进行展望，其将迈向智能化、个性化信息传递新阶段，为6G通信技术发展奠定坚实基础，并有望成为6G核心关键技术，引导通信革命。
智能超表面(RIS)以其卓越的成本效益、低能耗及独特的可编程性，在调控无线环境方面展现出显著优势，已成为6G通信技术的关键组成部分。语义通信(SemCom)突破香农极限，同时确保关键信息的精确传递，同样被视为6G的核心技术之一。该文首先回顾了语义通信的发展历程，阐述其从理论走向实践的过程，并分析了RIS在提高通信性能方面的突出优势。接着，提出RIS赋能语义通信系统模型，展示了RIS在提升通信质量方面的显著效果。最后，对RIS赋能语义通信系统的未来发展趋势进行展望，其将迈向智能化、个性化信息传递新阶段，为6G通信技术发展奠定坚实基础，并有望成为6G核心关键技术，引导通信革命。
2025, 47(2): 296-304.
doi: 10.11999/JEIT240981
摘要:
由于卫星与地面用户之间的直连受限于覆盖范围和链路质量以及非地面网络存在窃听威胁等问题，该文考虑一个无人机中继的非地面网络安全传输系统，引入可重构智能超表面(RIS)，提高合法用户信号质量。同时为了兼顾系统高传输速率和高安全需求，该文设计卫星到无人机的传输速率与地面合法用户的安全速率的加权和作为系统效用，并以此作为优化目标，进而提出一种基于双层双延迟深度确定性策略梯度(TTD3)的联合卫星与无人机波束成形、RIS相移矩阵以及无人机轨迹优化方法，通过采用双层深度强化学习结构解耦波束成形和轨迹优化两个子问题，实现系统效用最大化。仿真结果验证了所提方法在动态非地面网络环境下的有效性，同时在高安全需求下，通过对比不同算法、不同配置方案以及不同RIS元件数量下的仿真结果，证明了该文所提方法能够提升系统安全传输性能。
由于卫星与地面用户之间的直连受限于覆盖范围和链路质量以及非地面网络存在窃听威胁等问题，该文考虑一个无人机中继的非地面网络安全传输系统，引入可重构智能超表面(RIS)，提高合法用户信号质量。同时为了兼顾系统高传输速率和高安全需求，该文设计卫星到无人机的传输速率与地面合法用户的安全速率的加权和作为系统效用，并以此作为优化目标，进而提出一种基于双层双延迟深度确定性策略梯度(TTD3)的联合卫星与无人机波束成形、RIS相移矩阵以及无人机轨迹优化方法，通过采用双层深度强化学习结构解耦波束成形和轨迹优化两个子问题，实现系统效用最大化。仿真结果验证了所提方法在动态非地面网络环境下的有效性，同时在高安全需求下，通过对比不同算法、不同配置方案以及不同RIS元件数量下的仿真结果，证明了该文所提方法能够提升系统安全传输性能。
2025, 47(2): 305-314.
doi: 10.11999/JEIT240822
摘要:
可重构智能超表面(RIS)因能提供额外的无源波束增益被视为一项颇具前景的技术。考虑到未来大型物联网中不同用户服务需求的多样性及信息传输的安全性，该文面向协作无线携能同传-非正交多址接入(SWIPT-NOMA)系统，提出一种RIS使能的安全传输方案。通过合理部署RIS的位置，将其同时作用于直接传输阶段和协作传输阶段。在满足非正交多址接入(NOMA)弱用户信息速率需求、NOMA强用户能量收集需求和基站最小发射功率的条件下，通过联合优化基站的有源波束成形、RIS的相移矩阵、强用户的功率分割系数等来最大化强用户的保密速率。为解决所提的多变量耦合的非凸优化问题，该文基于交替迭代优化算法，对基站的有源波束成形、直接传输阶段的RIS无源波束相移矩阵、协作传输阶段的RIS有源波束相移矩阵以及强用户的功率分割系数等进行了多次交替迭代优化，直至算法收敛。仿真结果验证了该文算法的收敛性，且与其它基准方案相比，所提方案可进一步提高强用户的保密速率。
可重构智能超表面(RIS)因能提供额外的无源波束增益被视为一项颇具前景的技术。考虑到未来大型物联网中不同用户服务需求的多样性及信息传输的安全性，该文面向协作无线携能同传-非正交多址接入(SWIPT-NOMA)系统，提出一种RIS使能的安全传输方案。通过合理部署RIS的位置，将其同时作用于直接传输阶段和协作传输阶段。在满足非正交多址接入(NOMA)弱用户信息速率需求、NOMA强用户能量收集需求和基站最小发射功率的条件下，通过联合优化基站的有源波束成形、RIS的相移矩阵、强用户的功率分割系数等来最大化强用户的保密速率。为解决所提的多变量耦合的非凸优化问题，该文基于交替迭代优化算法，对基站的有源波束成形、直接传输阶段的RIS无源波束相移矩阵、协作传输阶段的RIS有源波束相移矩阵以及强用户的功率分割系数等进行了多次交替迭代优化，直至算法收敛。仿真结果验证了该文算法的收敛性，且与其它基准方案相比，所提方案可进一步提高强用户的保密速率。
2025, 47(2): 315-323.
doi: 10.11999/JEIT240666
摘要:
在监控物联网中，一些感知设备需要在能耗受限条件下及时地将采集信息回传给接入节点(AP)，信息年龄(AoI)和能量效率(EE)对系统都很重要。该文研究了多设备监控物联网中时效与能效之间的折衷问题，其中感知设备在智能反射面(IRS)辅助下通过短包传输监控信息给AP。为了避免多个感知设备占用同一资源块导致包的碰撞，该文提出了一个接入控制协议，并推导了平均AoI和EE的闭式表达式。在此基础上，引入了平均AoI和EE之比这个指标，通过优化传输功率来最小化平均AoI和EE之比，以折衷时效性能与能效性能。仿真结果验证了该文理论分析的正确性，并且表明所提协议能够实现更好的时效和能效性能。此外，所提算法能够有效找出最优的时效-能效折衷点。
在监控物联网中，一些感知设备需要在能耗受限条件下及时地将采集信息回传给接入节点(AP)，信息年龄(AoI)和能量效率(EE)对系统都很重要。该文研究了多设备监控物联网中时效与能效之间的折衷问题，其中感知设备在智能反射面(IRS)辅助下通过短包传输监控信息给AP。为了避免多个感知设备占用同一资源块导致包的碰撞，该文提出了一个接入控制协议，并推导了平均AoI和EE的闭式表达式。在此基础上，引入了平均AoI和EE之比这个指标，通过优化传输功率来最小化平均AoI和EE之比，以折衷时效性能与能效性能。仿真结果验证了该文理论分析的正确性，并且表明所提协议能够实现更好的时效和能效性能。此外，所提算法能够有效找出最优的时效-能效折衷点。
2025, 47(2): 324-333.
doi: 10.11999/JEIT240488
摘要:
当基站(BS)和用户的位置固定，基站到智能反射面(IRS)与IRS到用户的距离和一定时，该文在视距信道和瑞利信道下基于最大化系统可达速率准则对无源和有源IRS的最优放置位置进行分析。首先，运用相位对齐和大数定律推导了无源和有源IRS辅助无线网络可达速率的闭合表达式；然后，分析了基站到IRS的路径损耗指数\begin{document}${\beta _1}$\end{document} \begin{document}${\beta _2}$\end{document} \begin{document}${\beta _{\text{1}}} \gt {\beta _{\text{2}}}$\end{document} \begin{document}${\beta _1}$\end{document} \begin{document}${\beta _2}$\end{document} \begin{document}${\beta _1} \lt {\beta _2}$\end{document} \begin{document}${\beta _1} = {\beta _2}$\end{document}
当基站(BS)和用户的位置固定，基站到智能反射面(IRS)与IRS到用户的距离和一定时，该文在视距信道和瑞利信道下基于最大化系统可达速率准则对无源和有源IRS的最优放置位置进行分析。首先，运用相位对齐和大数定律推导了无源和有源IRS辅助无线网络可达速率的闭合表达式；然后，分析了基站到IRS的路径损耗指数
2025, 47(2): 334-343.
doi: 10.11999/JEIT240561
摘要:
针对传统联合波束成形方法在智能超表面(RIS)辅助无人机(UAV)通信系统优化中存在的局限性，包括针对RIS仅考虑相移矩阵优化、优化方法缺乏应用普适性等问题，该文面向RIS辅助无人机通信服务多用户场景，创新性提出一种基于合作协同进化(CCEA)的联合波束优化方法。该方法利用两个子种群的独立进化将联合波束成形问题分解成RIS反射波波束设计和发射端波束设计两个子问题进行求解，通过进化过程中的信息交互与协作来实现联合波束成形设计。数值仿真结果表明，相较于仅考虑RIS相移矩阵设计的联合波束优化，CCEA通过设计RIS反射波波束形状改变了反射波在3维空间中的能量分布，进而提升了接收端信干噪比(SINR)和频谱效率；此外，基于种群的CCEA算法能够产生更加多样的解，因此在UAV和用户的不同位置设置下均能实现反射波对用户方向的有效覆盖，相对于传统方法能够避免局部最优、具有更强的应用普适性。
针对传统联合波束成形方法在智能超表面(RIS)辅助无人机(UAV)通信系统优化中存在的局限性，包括针对RIS仅考虑相移矩阵优化、优化方法缺乏应用普适性等问题，该文面向RIS辅助无人机通信服务多用户场景，创新性提出一种基于合作协同进化(CCEA)的联合波束优化方法。该方法利用两个子种群的独立进化将联合波束成形问题分解成RIS反射波波束设计和发射端波束设计两个子问题进行求解，通过进化过程中的信息交互与协作来实现联合波束成形设计。数值仿真结果表明，相较于仅考虑RIS相移矩阵设计的联合波束优化，CCEA通过设计RIS反射波波束形状改变了反射波在3维空间中的能量分布，进而提升了接收端信干噪比(SINR)和频谱效率；此外，基于种群的CCEA算法能够产生更加多样的解，因此在UAV和用户的不同位置设置下均能实现反射波对用户方向的有效覆盖，相对于传统方法能够避免局部最优、具有更强的应用普适性。
2025, 47(2): 344-352.
doi: 10.11999/JEIT240059
摘要:
近年来，因对电磁波具备灵活的调控能力，超表面天线技术受到来自通信、雷达以及天线领域学者的广泛关注。其中，超表面天线单元中所使用的有源调控器件，是决定整个系统性能的最关键部件之一。该文基于0.13 μm SiGe BiCMOS工艺设计了一个95～105 GHz的五位宽带数控衰减器芯片。该衰减器采用了反射式和简化T型两种拓扑结构，其中4 dB与8 dB反射式衰减单元采用交叉耦合宽带耦合器代替传统的3 dB耦合器或定向耦合器，同时获得了高衰减精度和低插入损耗；而0.5 dB, 1 dB, 2 dB三个衰减单元均采用简化T型结构。此外，利用RC正斜率和负斜率校正网络分别应用于不同的衰减单元进行相位补偿，极大地改善了衰减器的附加相移。经过仿真验证，在95～105 GHz的感兴趣工作频率内，衰减器芯片在0.12 mm2的紧凑的尺寸下实现了0～15.5 dB的衰减范围，步进为0.5 dB，基态插入损耗小于2.5 dB，幅度均方根误差小于0.31 dB，附加相移均方根误差小于2.2º。所提出的W波段衰减器可作为一个关键部件赋能集成T/R的辐散一体化超表面天线系统的硬件实现。
近年来，因对电磁波具备灵活的调控能力，超表面天线技术受到来自通信、雷达以及天线领域学者的广泛关注。其中，超表面天线单元中所使用的有源调控器件，是决定整个系统性能的最关键部件之一。该文基于0.13 μm SiGe BiCMOS工艺设计了一个95～105 GHz的五位宽带数控衰减器芯片。该衰减器采用了反射式和简化T型两种拓扑结构，其中4 dB与8 dB反射式衰减单元采用交叉耦合宽带耦合器代替传统的3 dB耦合器或定向耦合器，同时获得了高衰减精度和低插入损耗；而0.5 dB, 1 dB, 2 dB三个衰减单元均采用简化T型结构。此外，利用RC正斜率和负斜率校正网络分别应用于不同的衰减单元进行相位补偿，极大地改善了衰减器的附加相移。经过仿真验证，在95～105 GHz的感兴趣工作频率内，衰减器芯片在0.12 mm2的紧凑的尺寸下实现了0～15.5 dB的衰减范围，步进为0.5 dB，基态插入损耗小于2.5 dB，幅度均方根误差小于0.31 dB，附加相移均方根误差小于2.2º。所提出的W波段衰减器可作为一个关键部件赋能集成T/R的辐散一体化超表面天线系统的硬件实现。
2025, 47(2): 353-362.
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。
2025, 47(2): 363-374.
doi: 10.11999/JEIT240619
摘要:
针对视频和触觉业务共存的跨模态业务场景，该文构建了可重构智能表面(RIS)辅助的共存网络切片系统，用以提高视频业务和触觉业务的传输速率和可靠性。同时，为了有效降低触觉业务通过穿孔带给视频业务的资源损耗，提出了动态被动波束赋形方案，允许RIS在不同时隙进行动态调整。基于上述方案，该文在确保触觉业务传输的时延和可靠性满足约束的同时，构建最大化视频业务传输速率的优化问题，以满足跨模态业务共存需求，实现资源的合理分配。为求解此优化问题，该文将其建模为一个马尔可夫决策过程(MDP)，通过深度确定性策略梯度(DDPG)算法来进行视频数据和触觉数据传输资源的联合优化。仿真结果显示，与现有方案相比，所提方案具有一定的优越性，在保证传输触觉业务可靠性的前提下，提高了约66.67%的视频业务和速率。
针对视频和触觉业务共存的跨模态业务场景，该文构建了可重构智能表面(RIS)辅助的共存网络切片系统，用以提高视频业务和触觉业务的传输速率和可靠性。同时，为了有效降低触觉业务通过穿孔带给视频业务的资源损耗，提出了动态被动波束赋形方案，允许RIS在不同时隙进行动态调整。基于上述方案，该文在确保触觉业务传输的时延和可靠性满足约束的同时，构建最大化视频业务传输速率的优化问题，以满足跨模态业务共存需求，实现资源的合理分配。为求解此优化问题，该文将其建模为一个马尔可夫决策过程(MDP)，通过深度确定性策略梯度(DDPG)算法来进行视频数据和触觉数据传输资源的联合优化。仿真结果显示，与现有方案相比，所提方案具有一定的优越性，在保证传输触觉业务可靠性的前提下，提高了约66.67%的视频业务和速率。
2025, 47(2): 375-385.
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。
2025, 47(2): 386-396.
doi: 10.11999/JEIT240663
摘要:
隐蔽通信可以在被监控的情况下安全传输数据，是网络安全领域重要分支。然而，实际通信系统具有通信环境复杂、覆盖范围广等特点，这使得隐蔽通信很难部署。为此，该文提出一种基于智能反射面(IRS)与无人机(UAV)辅助的无线隐蔽通信系统。引入智能反射面作为中继节点转发发送者的信号，使用无人机作为发送者的友元节点，该友元节点通过发送人工噪声来干扰恶意用户对隐蔽通信的检测。在监听者接收噪声不确定的情况下，推导了最小错误检测概率，并与中断概率作为约束，以最大化隐蔽通信速率为目标 ，建立了系统的优化问题，采用Dinkelbach算法求解。仿真结果表明，当智能反射阵元的相位、干扰无人机的发射能量取得最优时，所提系统的隐蔽通信速率比单独配置智能反射面的无线通信系统平均提高了37.9%，比单独配置无人机的系统评价速率提高了1.17倍。
隐蔽通信可以在被监控的情况下安全传输数据，是网络安全领域重要分支。然而，实际通信系统具有通信环境复杂、覆盖范围广等特点，这使得隐蔽通信很难部署。为此，该文提出一种基于智能反射面(IRS)与无人机(UAV)辅助的无线隐蔽通信系统。引入智能反射面作为中继节点转发发送者的信号，使用无人机作为发送者的友元节点，该友元节点通过发送人工噪声来干扰恶意用户对隐蔽通信的检测。在监听者接收噪声不确定的情况下，推导了最小错误检测概率，并与中断概率作为约束，以最大化隐蔽通信速率为目标 ，建立了系统的优化问题，采用Dinkelbach算法求解。仿真结果表明，当智能反射阵元的相位、干扰无人机的发射能量取得最优时，所提系统的隐蔽通信速率比单独配置智能反射面的无线通信系统平均提高了37.9%，比单独配置无人机的系统评价速率提高了1.17倍。
2025, 47(2): 397-408.
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网络的吞吐量。
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网络的吞吐量。
2025, 47(2): 409-417.
doi: 10.11999/JEIT240717
摘要:
针对超可靠低时延通信(URLLC)场景，该文研究了融合透射与反射功能的智能超表面(STAR-RIS)辅助的非正交多址接入(NOMA)系统的传输设计。具体而言，该文联合设计了基站端的波束成形向量、RIS端的透射相移矩阵和反射相移矩阵，以在满足基站总功率约束的条件下实现能耗最小化。为解决所提出的非凸问题，该文首先分析了有限块长传输下的用户速率函数特性，并据此将优化问题进行等价转换。随后，采用交替优化和半正定松弛(SDR)方法来解决联合波束设计问题。实验结果表明，与正交多址接入和传统RIS方案相比，所提出的方法在能耗性能上有显著提升。
针对超可靠低时延通信(URLLC)场景，该文研究了融合透射与反射功能的智能超表面(STAR-RIS)辅助的非正交多址接入(NOMA)系统的传输设计。具体而言，该文联合设计了基站端的波束成形向量、RIS端的透射相移矩阵和反射相移矩阵，以在满足基站总功率约束的条件下实现能耗最小化。为解决所提出的非凸问题，该文首先分析了有限块长传输下的用户速率函数特性，并据此将优化问题进行等价转换。随后，采用交替优化和半正定松弛(SDR)方法来解决联合波束设计问题。实验结果表明，与正交多址接入和传统RIS方案相比，所提出的方法在能耗性能上有显著提升。
2025, 47(2): 418-426.
doi: 10.11999/JEIT240733
摘要:
为弥补可重构智能表面(RIS)半空间覆盖和“乘性衰落”等不足，该文提出一种有源同时透射和反射可重构智能表面(aSTAR-RIS)技术用于提升移动边缘计算(MEC)卸载性能增益。首先，考虑MEC服务器计算资源、aSTAR-RIS能耗以及相移耦合约束，联合设计任务卸载比例、计算资源配置、多用户检测矩阵(MUD)、aSTAR-RIS相移以及用户上传功率，建立一个多变量耦合的加权总时延最小化问题。然后，借助块坐标下降法(BCD)将原问题分解为两个子问题，使用拉格朗日乘子法和罚项对偶分解法(PDD)交替优化子问题。仿真结果表明，相较于无源STAR-RIS方案，所提aSTAR-RIS辅助MEC方案加权总时延降低了12.66%。
为弥补可重构智能表面(RIS)半空间覆盖和“乘性衰落”等不足，该文提出一种有源同时透射和反射可重构智能表面(aSTAR-RIS)技术用于提升移动边缘计算(MEC)卸载性能增益。首先，考虑MEC服务器计算资源、aSTAR-RIS能耗以及相移耦合约束，联合设计任务卸载比例、计算资源配置、多用户检测矩阵(MUD)、aSTAR-RIS相移以及用户上传功率，建立一个多变量耦合的加权总时延最小化问题。然后，借助块坐标下降法(BCD)将原问题分解为两个子问题，使用拉格朗日乘子法和罚项对偶分解法(PDD)交替优化子问题。仿真结果表明，相较于无源STAR-RIS方案，所提aSTAR-RIS辅助MEC方案加权总时延降低了12.66%。
2025, 47(2): 427-438.
doi: 10.11999/JEIT240866
摘要:
为了应对智能反射面(RIS)辅助的无人机(UAV)在物联网数据收集过程中能量高效利用与信息收集时效性之间的均衡问题，该文提出一种基于深度强化学习的数据收集优化策略。针对无人机在数据采集过程中的飞行能耗、通信复杂性及采集信息时效性(AoI)约束，设计了一种基于双深度Q网络(DDQN)的联合优化方案，涵盖无人机轨迹规划、物联网设备调度以及智能反射面相位调整。该方案有效缓解了传统Q学习方法中Q值过估计的问题，使无人机能够根据实时环境动态调整飞行轨迹和通信策略，从而在提升数据传输效率的同时降低能量消耗。仿真结果表明，与传统方法相比，所提方案能够显著提高数据收集效率。此外，通过合理分配能量与通信资源，所提方案能够动态适应不同通信环境参数变化，确保系统在能耗与AoI之间达到最佳均衡。
为了应对智能反射面(RIS)辅助的无人机(UAV)在物联网数据收集过程中能量高效利用与信息收集时效性之间的均衡问题，该文提出一种基于深度强化学习的数据收集优化策略。针对无人机在数据采集过程中的飞行能耗、通信复杂性及采集信息时效性(AoI)约束，设计了一种基于双深度Q网络(DDQN)的联合优化方案，涵盖无人机轨迹规划、物联网设备调度以及智能反射面相位调整。该方案有效缓解了传统Q学习方法中Q值过估计的问题，使无人机能够根据实时环境动态调整飞行轨迹和通信策略，从而在提升数据传输效率的同时降低能量消耗。仿真结果表明，与传统方法相比，所提方案能够显著提高数据收集效率。此外，通过合理分配能量与通信资源，所提方案能够动态适应不同通信环境参数变化，确保系统在能耗与AoI之间达到最佳均衡。
2025, 47(2): 439-448.
doi: 10.11999/JEIT240987
摘要:
传统的可重构智能表面辅助的空间调制(RIS-SM)通信系统利用接收天线的索引来传输额外的信息比特，因此该系统数据传输速率的提升是以增加接收机天线数为代价。为了提高RIS-SM系统的数据传输速率和能量效率，该文提出可重构智能表面辅助的联合空间和码索引调制(RIS-JSCIM)通信系统。该系统利用多元正交幅度调制(M-QAM)符号、空域的接收天线索引和码索引传输信息比特。天线索引和码索引传输的信息比特不需要消耗能量，因此RIS-JSCIM系统能够获得良好的能量效率。该文对比了RIS-JSCIM系统和其他系统的能量效率、系统复杂度和误码率性能。对比结果表明，所提RIS-JSCIM系统以增加一定复杂度为代价，能够获得相比于其他系统更优异的能量效率和误码率性能。
传统的可重构智能表面辅助的空间调制(RIS-SM)通信系统利用接收天线的索引来传输额外的信息比特，因此该系统数据传输速率的提升是以增加接收机天线数为代价。为了提高RIS-SM系统的数据传输速率和能量效率，该文提出可重构智能表面辅助的联合空间和码索引调制(RIS-JSCIM)通信系统。该系统利用多元正交幅度调制(M-QAM)符号、空域的接收天线索引和码索引传输信息比特。天线索引和码索引传输的信息比特不需要消耗能量，因此RIS-JSCIM系统能够获得良好的能量效率。该文对比了RIS-JSCIM系统和其他系统的能量效率、系统复杂度和误码率性能。对比结果表明，所提RIS-JSCIM系统以增加一定复杂度为代价，能够获得相比于其他系统更优异的能量效率和误码率性能。
2025, 47(2): 449-457.
doi: 10.11999/JEIT240988
摘要:
在可重构智能超表面(RIS)辅助的通信场景中，基站(BS)与RIS的位置通常保持相对静止，而终端(UE)则处于移动状态。两段时变性不一致的信道级联会引起信道信息熵的损失，从而造成物理层密钥容量的劣化。针对该问题，该文首先从理论上分析了信道级联对密钥容量造成的劣化效应；为了缓解这一效应，该文提出一种基于展开信道的密钥生成方法，通过展开信道估计和相移矩阵的分离，充分利用了展开信道的信息熵；最后对级联信道劣化效应进行了仿真验证，并对所提出的方案进行了性能评估。仿真结果显示，与直接采用级联信道作为密钥源相比，该文所提方案在2 dB信噪比条件下，使密钥生成率提升了72%。这一结果表明，该文方案能有效改善信道劣化效应，显著提高密钥生成效率。
在可重构智能超表面(RIS)辅助的通信场景中，基站(BS)与RIS的位置通常保持相对静止，而终端(UE)则处于移动状态。两段时变性不一致的信道级联会引起信道信息熵的损失，从而造成物理层密钥容量的劣化。针对该问题，该文首先从理论上分析了信道级联对密钥容量造成的劣化效应；为了缓解这一效应，该文提出一种基于展开信道的密钥生成方法，通过展开信道估计和相移矩阵的分离，充分利用了展开信道的信息熵；最后对级联信道劣化效应进行了仿真验证，并对所提出的方案进行了性能评估。仿真结果显示，与直接采用级联信道作为密钥源相比，该文所提方案在2 dB信噪比条件下，使密钥生成率提升了72%。这一结果表明，该文方案能有效改善信道劣化效应，显著提高密钥生成效率。
2025, 47(2): 458-469.
doi: 10.11999/JEIT240659
摘要:
为满足远郊和灾区物联网(IoT)设备的时延与能耗需求，该文构建了由IoT终端、低地球轨道(LEO)卫星和云计算中心组成的新型动态卫星物联网模型。在时延、能耗等实际约束条件下，将系统时延与能耗加权和视为系统开销，构造了最小化系统开销的任务卸载、功率和计算资源联合分配问题。针对动态任务到达场景，提出一种模型辅助的自适应深度强化学习(MADRL)算法，实现任务卸载决策、通信资源和计算资源的联合配置。该算法将问题分为两部分解决，第1部分通过模型辅助、二分搜索算法和梯度下降法优化了通信资源与计算资源；第2部分通过自适应深度强化学习算法训练出Q网络以适应随机任务的到达，进行卸载决策优化。该算法实现了有效的资源分配和可靠及时的任务卸载决策，且在降低系统开销方面表现出优异的效果。仿真结果表明，引入卫星的移动性，使得系统开销降低了41%。引入星间协作技术，使系统开销降低了22.1%。此外，该文所提算法收敛性能好。与基准算法相比，该算法的系统开销降低了3%，在不同环境下的性能表现都是最优。
为满足远郊和灾区物联网(IoT)设备的时延与能耗需求，该文构建了由IoT终端、低地球轨道(LEO)卫星和云计算中心组成的新型动态卫星物联网模型。在时延、能耗等实际约束条件下，将系统时延与能耗加权和视为系统开销，构造了最小化系统开销的任务卸载、功率和计算资源联合分配问题。针对动态任务到达场景，提出一种模型辅助的自适应深度强化学习(MADRL)算法，实现任务卸载决策、通信资源和计算资源的联合配置。该算法将问题分为两部分解决，第1部分通过模型辅助、二分搜索算法和梯度下降法优化了通信资源与计算资源；第2部分通过自适应深度强化学习算法训练出Q网络以适应随机任务的到达，进行卸载决策优化。该算法实现了有效的资源分配和可靠及时的任务卸载决策，且在降低系统开销方面表现出优异的效果。仿真结果表明，引入卫星的移动性，使得系统开销降低了41%。引入星间协作技术，使系统开销降低了22.1%。此外，该文所提算法收敛性能好。与基准算法相比，该算法的系统开销降低了3%，在不同环境下的性能表现都是最优。
2025, 47(2): 470-479.
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。
2025, 47(2): 480-489.
doi: 10.11999/JEIT240677
摘要:
作为全球化通信网络的重要组成部分，卫星通信因其能够实现全球无缝覆盖和构建天地一体化信息网络而备受关注。跳时(TH)作为一种常用的卫星通信方式，具备强大的抗干扰能力、灵活的频谱利用和高安全性。该文提出一种适用于卫星通信的TH图案随机变化系统，以进一步增强数据传输过程的安全性。针对发射功率受限的问题，该文提出多跳信号相干合并策略，并进一步在该策略指导下，面对接收信号信噪比(SNR)低的约束，提出了交叉熵(CE)迭代辅助的跳时图案与多跳载波相位联合估计算法，以合并信噪比损失为目标函数，自适应调整待估参数的概率分布，从而快速收敛至最优解附近。仿真实验证明了该算法在迭代收敛速度、参数估计误差以及合并解调误码率等方面的优异性能。与传统算法相比，所提算法在保持较低复杂度的同时，误码率(BER)性能接近理论最优，有效提高了卫星TH通信系统在复杂环境下的稳定性和可靠性。
作为全球化通信网络的重要组成部分，卫星通信因其能够实现全球无缝覆盖和构建天地一体化信息网络而备受关注。跳时(TH)作为一种常用的卫星通信方式，具备强大的抗干扰能力、灵活的频谱利用和高安全性。该文提出一种适用于卫星通信的TH图案随机变化系统，以进一步增强数据传输过程的安全性。针对发射功率受限的问题，该文提出多跳信号相干合并策略，并进一步在该策略指导下，面对接收信号信噪比(SNR)低的约束，提出了交叉熵(CE)迭代辅助的跳时图案与多跳载波相位联合估计算法，以合并信噪比损失为目标函数，自适应调整待估参数的概率分布，从而快速收敛至最优解附近。仿真实验证明了该算法在迭代收敛速度、参数估计误差以及合并解调误码率等方面的优异性能。与传统算法相比，所提算法在保持较低复杂度的同时，误码率(BER)性能接近理论最优，有效提高了卫星TH通信系统在复杂环境下的稳定性和可靠性。
2025, 47(2): 490-497.
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。
2025, 47(2): 498-509.
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。
2025, 47(2): 510-518.
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。
2025, 47(2): 519-529.
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。
2025, 47(2): 530-540.
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。
2025, 47(2): 541-550.
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，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。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，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。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。
2025, 47(2): 551-560.
doi: 10.11999/JEIT240735
摘要:
为在不增加网络参数规模的情况下提升目标分割性能，该文提出一种基于Transformer特征金字塔的自蒸馏目标分割方法，提升了Transformer分割模型的实用性。首先，以Swin Transformer为主干网构建了像素级的目标分割模型；然后，设计了适合Transformer的蒸馏辅助分支，该分支由密集连接空间空洞金字塔(DenseASPP)、相邻特征融合模块(AFFM)和得分模块构建而成，通过自蒸馏方式指导主干网络学习蒸馏知识；最后，利用自上而下的学习策略指导模型学习，以保证自蒸馏学习的一致性。实验表明，在4个公开数据集上所提方法均能有效提升目标分割精度，在伪装目标检测(COD)数据集上比次优的Transformer知识蒸馏(TKD)方法的Fβ值提高了约2.29%。
为在不增加网络参数规模的情况下提升目标分割性能，该文提出一种基于Transformer特征金字塔的自蒸馏目标分割方法，提升了Transformer分割模型的实用性。首先，以Swin Transformer为主干网构建了像素级的目标分割模型；然后，设计了适合Transformer的蒸馏辅助分支，该分支由密集连接空间空洞金字塔(DenseASPP)、相邻特征融合模块(AFFM)和得分模块构建而成，通过自蒸馏方式指导主干网络学习蒸馏知识；最后，利用自上而下的学习策略指导模型学习，以保证自蒸馏学习的一致性。实验表明，在4个公开数据集上所提方法均能有效提升目标分割精度，在伪装目标检测(COD)数据集上比次优的Transformer知识蒸馏(TKD)方法的Fβ值提高了约2.29%。
2025, 47(2): 561-572.
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噪声去除)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噪声去除)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：
编辑部公告
more >
- 专题征文丨“空天信息智能处理与应用”专题
- 专刊征文丨“先进集成电路技术”专刊
- 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
- 专题征文丨“短包通信理论与技术”专题征文通知
- 《电子与信息学报》2025年前沿专题征集通知
- 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
学术动态
more >
- 关于举办“第三十五届电路与系统学术大会”的通知（第一轮）
- 《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）
- 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)
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
