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/JEIT250033
摘要:
手是人体至关重要的组成部分，其高度的灵巧性使我们能够执行各种复杂任务，然而，手部功能障碍会严重影响患者的日常生活，使其难以完成基本的日常活动。该文提出一种基于8通道表面肌电信号(sEMG)的新颖手部运动估计方法，用于解析15个手部关节的运动，旨在提高手部功能障碍患者的生活质量。该方法采用连续去噪网络，结合稀疏注意力机制和多通道注意力机制，有效提取sEMG信号中蕴含的时空特征。网络采用双译码器结构，分别解析含噪姿态和姿态修正范围，并利用双向长短期记忆网络对含噪姿态进行修正，最终实现精准的手部姿态估计。实验结果表明，相比现有方法，该方法在多通道sEMG信号拟合连续手部姿态估计方面表现出更优越的性能，能够解析更多关节，且估计误差更小。
手是人体至关重要的组成部分，其高度的灵巧性使我们能够执行各种复杂任务，然而，手部功能障碍会严重影响患者的日常生活，使其难以完成基本的日常活动。该文提出一种基于8通道表面肌电信号(sEMG)的新颖手部运动估计方法，用于解析15个手部关节的运动，旨在提高手部功能障碍患者的生活质量。该方法采用连续去噪网络，结合稀疏注意力机制和多通道注意力机制，有效提取sEMG信号中蕴含的时空特征。网络采用双译码器结构，分别解析含噪姿态和姿态修正范围，并利用双向长短期记忆网络对含噪姿态进行修正，最终实现精准的手部姿态估计。实验结果表明，相比现有方法，该方法在多通道sEMG信号拟合连续手部姿态估计方面表现出更优越的性能，能够解析更多关节，且估计误差更小。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250410
摘要:
为进一步提升3维结构快闪存储器(3D NAND)架构的性能表现，行业内涌现出一系列水平与垂直微缩设计思路。这些创新设计方案在突破存储密度瓶颈的同时，也带来了新的集成挑战，其中制造过程中的热机械应力影响尤为突出，制约器件生产的良率及性能表现。该文基于局部代表性体积单元(RVE)有限元过程相关建模框架，针对多层堆叠结构及不同区块(Block)架构设计的技术特点，构建了高精度的3D NAND工艺力学模型。通过系统性研究，深入剖析了3D NAND制造过程中不均匀应力产生的根源，并动态监测了不同微缩方案下机械应力水平及分布规律。研究成果对提高良率和器件可靠性具有重要潜在价值，为提升3D NAND存储密度过程中面临的关键难题提供了有效方案。
为进一步提升3维结构快闪存储器(3D NAND)架构的性能表现，行业内涌现出一系列水平与垂直微缩设计思路。这些创新设计方案在突破存储密度瓶颈的同时，也带来了新的集成挑战，其中制造过程中的热机械应力影响尤为突出，制约器件生产的良率及性能表现。该文基于局部代表性体积单元(RVE)有限元过程相关建模框架，针对多层堆叠结构及不同区块(Block)架构设计的技术特点，构建了高精度的3D NAND工艺力学模型。通过系统性研究，深入剖析了3D NAND制造过程中不均匀应力产生的根源，并动态监测了不同微缩方案下机械应力水平及分布规律。研究成果对提高良率和器件可靠性具有重要潜在价值，为提升3D NAND存储密度过程中面临的关键难题提供了有效方案。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT241076
摘要:
针对交通流长期趋势性与非平稳性不易有效建模，以及交通流的隐藏动态时空特征难以捕捉的问题，该文提出一种基于长期Transformer和自适应傅里叶变换的动态图卷积交通流预测模型(ADGformer)。其中，长期门控卷积层通过掩码子序列Transformer从长历史序列中学习压缩的、上下文信息丰富的子序列表示，并利用膨胀门控卷积从子序列的时间表示中有效捕捉交通流的长期趋势特征。并设计一种动态图构造器生成动态可学习图，并利用可学习动态图卷积对节点间潜在的和时变的空间依赖关系进行建模以有效捕获交通流的动态隐藏空间特征。其次，自适应频谱块利用傅里叶变换来增强特征表示并捕获长短期的交互作用，同时通过自适应阈值处理来降低交通流的非平稳性。实验结果表明，所提ADGformer模型具有较好的预测性能。
针对交通流长期趋势性与非平稳性不易有效建模，以及交通流的隐藏动态时空特征难以捕捉的问题，该文提出一种基于长期Transformer和自适应傅里叶变换的动态图卷积交通流预测模型(ADGformer)。其中，长期门控卷积层通过掩码子序列Transformer从长历史序列中学习压缩的、上下文信息丰富的子序列表示，并利用膨胀门控卷积从子序列的时间表示中有效捕捉交通流的长期趋势特征。并设计一种动态图构造器生成动态可学习图，并利用可学习动态图卷积对节点间潜在的和时变的空间依赖关系进行建模以有效捕获交通流的动态隐藏空间特征。其次，自适应频谱块利用傅里叶变换来增强特征表示并捕获长短期的交互作用，同时通过自适应阈值处理来降低交通流的非平稳性。实验结果表明，所提ADGformer模型具有较好的预测性能。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT241035
摘要:
正交时频空(OTFS)调制方案有望通过将复杂的时频(TF)域信道转换为稀疏的时延-多普勒(DD)域信道，实现高机动环境下的可靠通信。基于此，绝大多数研究都以DD域信道的稀疏性为前提展开讨论。然而，在市区车联网、无人机蜂群和多用户MIMO等复杂通信场景下，DD域信道可能无法保证具有一定的稀疏度。这将对接收端检测的复杂度和准确性构成极大的挑战。针对这一问题，该文提出一种结合波束成型的OTFS迭代双重最大比值合并(Dual MRC)检测算法。其主要思想是在接收端每个用户使用多天线阵列和波束成型初步分离信道多径中的不同接收角度的信号，从而提高对应信道矩阵的稀疏度并提供分集增益；进一步，利用OTFS信号在时延-时间(DT)域中具有简化运算的性质，对每个波束成型分支中的多径分量以及所有波束成型分支信号依次进行相干合并，通过不断迭代得到最优估计值。仿真结果表明，所提算法在误码率方面显著优于一些典型的检测方案；与现有性能较好的波束成型MP-MRC算法相比，在误码率性能提升的同时，达到最优值所需的迭代次数和迭代耗时均大幅降低。
正交时频空(OTFS)调制方案有望通过将复杂的时频(TF)域信道转换为稀疏的时延-多普勒(DD)域信道，实现高机动环境下的可靠通信。基于此，绝大多数研究都以DD域信道的稀疏性为前提展开讨论。然而，在市区车联网、无人机蜂群和多用户MIMO等复杂通信场景下，DD域信道可能无法保证具有一定的稀疏度。这将对接收端检测的复杂度和准确性构成极大的挑战。针对这一问题，该文提出一种结合波束成型的OTFS迭代双重最大比值合并(Dual MRC)检测算法。其主要思想是在接收端每个用户使用多天线阵列和波束成型初步分离信道多径中的不同接收角度的信号，从而提高对应信道矩阵的稀疏度并提供分集增益；进一步，利用OTFS信号在时延-时间(DT)域中具有简化运算的性质，对每个波束成型分支中的多径分量以及所有波束成型分支信号依次进行相干合并，通过不断迭代得到最优估计值。仿真结果表明，所提算法在误码率方面显著优于一些典型的检测方案；与现有性能较好的波束成型MP-MRC算法相比，在误码率性能提升的同时，达到最优值所需的迭代次数和迭代耗时均大幅降低。
当前状态:
, 最新更新时间: ,
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。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250242
摘要:
通感算一体化技术与人工智能算法相结合已成为一个非常重要的领域，因其频谱利用率高、硬件成本低等优点，已经成为第6代(6G)网络中的关键技术之一。人工智能(Artificial Intelligence, AI)赋能的通感算一体化系统通过集成感知、通信、计算和人工智能功能，可在日益复杂和动态的环境中实现快速数据处理、实时资源优化和智能决策，已经广泛应用于智能车载网络，包括无人机和自动汽车，以及雷达应用、定位和跟踪、波束成形等领域。该文在引入人工智能算法来提高通感算一体化系统性能的基础上，简要介绍了人工智能和通感算一体化的特征与优势，重点讨论了AI赋能的通感算一体化系统的智能网络框架、应用前景、性能指标和关键技术，并在最后对AI赋能的通感算一体化面临的挑战进行了研究展望，未来的6G无线通信网络将超越纯粹的数据传输管道，成为一个集成传感、通信、计算和智能的综合平台，以提供无处不在的人工智能服务。
通感算一体化技术与人工智能算法相结合已成为一个非常重要的领域，因其频谱利用率高、硬件成本低等优点，已经成为第6代(6G)网络中的关键技术之一。人工智能(Artificial Intelligence, AI)赋能的通感算一体化系统通过集成感知、通信、计算和人工智能功能，可在日益复杂和动态的环境中实现快速数据处理、实时资源优化和智能决策，已经广泛应用于智能车载网络，包括无人机和自动汽车，以及雷达应用、定位和跟踪、波束成形等领域。该文在引入人工智能算法来提高通感算一体化系统性能的基础上，简要介绍了人工智能和通感算一体化的特征与优势，重点讨论了AI赋能的通感算一体化系统的智能网络框架、应用前景、性能指标和关键技术，并在最后对AI赋能的通感算一体化面临的挑战进行了研究展望，未来的6G无线通信网络将超越纯粹的数据传输管道，成为一个集成传感、通信、计算和智能的综合平台，以提供无处不在的人工智能服务。
当前状态:
, 最新更新时间: ,
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。
当前状态:
, 最新更新时间: ,
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。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250203
摘要:
物联网应用的快速发展，带来了对无线定位的广泛需求，但非视距(NLOS)传输环境对无线定位方法精度具有巨大影响。因此该文基于到达时间(TOA)测量与双静态节点组合定义了一种位置残差，并据此提出运用迭代加权最小二乘(IWLS)原理的无线定位算法。算法在当前WLS定位结果基础上，通过计算位置残差获得反映NLOS严重程度的权值向量，利用权值向量在下一次WLS估计中限制NLOS影响，产生更加精确的定位结果。在算法的执行过程中，残差-权值计算方式和NLOS测距数量都会影响定位性能，因此论文通过仿真分析了这些因素对于均方根误差(RMSE)和累计概率密度函数(CDF)的影响，确定了算法的最优参数设定。最后论文对比了IWLS算法和传统定位算法的性能，仿真结果表明，在典型非视距传输环境下，该文提出的IWLS算法性能优于传统算法。
物联网应用的快速发展，带来了对无线定位的广泛需求，但非视距(NLOS)传输环境对无线定位方法精度具有巨大影响。因此该文基于到达时间(TOA)测量与双静态节点组合定义了一种位置残差，并据此提出运用迭代加权最小二乘(IWLS)原理的无线定位算法。算法在当前WLS定位结果基础上，通过计算位置残差获得反映NLOS严重程度的权值向量，利用权值向量在下一次WLS估计中限制NLOS影响，产生更加精确的定位结果。在算法的执行过程中，残差-权值计算方式和NLOS测距数量都会影响定位性能，因此论文通过仿真分析了这些因素对于均方根误差(RMSE)和累计概率密度函数(CDF)的影响，确定了算法的最优参数设定。最后论文对比了IWLS算法和传统定位算法的性能，仿真结果表明，在典型非视距传输环境下，该文提出的IWLS算法性能优于传统算法。
当前状态:
, 最新更新时间: ,
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。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT241112
摘要:
可信平台模块(TPM)作为提升系统安全性的核心技术，能够提供基于硬件的密钥管理、可信启动和远程认证等安全功能。然而，当前 RISC-V平台普遍缺乏TPM支持，限制了其在嵌入式和云计算场景中的安全能力。为解决这一问题，该文设计并实现了RfTPM—一种面向RISC-V平台的固件可信平台模块(fTPM)架构，无需额外硬件单元或安全扩展即可提供等效的安全功能。针对执行隔离、可信启动、高效通信和安全时钟等关键挑战，在RfTPM中，我们提出了创新解决方案，包括：基于RISC-V物理内存保护(PMP)机制的内存隔离以及结合DRAM物理不可克隆函数(PUF)与Flash锁定的静态数据保护、基于延迟度量扩展的可信启动机制、基于动态权限交换页的高效通信机制以及基于RISC-V硬件计时器的细粒度安全时钟。该文构建了RfTPM的原型系统，对其进行了安全性分析并在Genesys2 FPGA平台模拟的 Rocket Core上进行了性能测试。实验结果表明，RfTPM在保证安全性的同时在大多数TPM命令处理中有比较显著的性能优势。
可信平台模块(TPM)作为提升系统安全性的核心技术，能够提供基于硬件的密钥管理、可信启动和远程认证等安全功能。然而，当前 RISC-V平台普遍缺乏TPM支持，限制了其在嵌入式和云计算场景中的安全能力。为解决这一问题，该文设计并实现了RfTPM—一种面向RISC-V平台的固件可信平台模块(fTPM)架构，无需额外硬件单元或安全扩展即可提供等效的安全功能。针对执行隔离、可信启动、高效通信和安全时钟等关键挑战，在RfTPM中，我们提出了创新解决方案，包括：基于RISC-V物理内存保护(PMP)机制的内存隔离以及结合DRAM物理不可克隆函数(PUF)与Flash锁定的静态数据保护、基于延迟度量扩展的可信启动机制、基于动态权限交换页的高效通信机制以及基于RISC-V硬件计时器的细粒度安全时钟。该文构建了RfTPM的原型系统，对其进行了安全性分析并在Genesys2 FPGA平台模拟的 Rocket Core上进行了性能测试。实验结果表明，RfTPM在保证安全性的同时在大多数TPM命令处理中有比较显著的性能优势。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT241083
摘要:
智能反射面(RIS)因其能调节电磁波的相位和幅度，被视为下一代无线通信的关键技术而被广泛研究。在RIS辅助多输入单输出(MISO)的通信系统中，信道状态维度随用户数量的增加呈平方级增长，导致深度强化学习(DRL)智能体在高维状态空间下面临训练开销大的挑战。针对此问题，该文提出一种基于局部线性嵌入(LLE)和软动作评论(SAC)的联合优化算法，通过随机搜索算法和LLE对信道状态进行降维，并将低维状态作为SAC算法的输入，联合优化基站波束成形与RIS相位偏移，最大化MISO系统的下行和速率。仿真结果表明，在用户数为40的场景下，所提算法在维持与SAC相当的和速率性能的同时，训练时间减少了18.3%，计算资源消耗降低了64.8%。且随着用户规模的扩大，算法的训练开销进一步下降，充分验证了其有效性。
智能反射面(RIS)因其能调节电磁波的相位和幅度，被视为下一代无线通信的关键技术而被广泛研究。在RIS辅助多输入单输出(MISO)的通信系统中，信道状态维度随用户数量的增加呈平方级增长，导致深度强化学习(DRL)智能体在高维状态空间下面临训练开销大的挑战。针对此问题，该文提出一种基于局部线性嵌入(LLE)和软动作评论(SAC)的联合优化算法，通过随机搜索算法和LLE对信道状态进行降维，并将低维状态作为SAC算法的输入，联合优化基站波束成形与RIS相位偏移，最大化MISO系统的下行和速率。仿真结果表明，在用户数为40的场景下，所提算法在维持与SAC相当的和速率性能的同时，训练时间减少了18.3%，计算资源消耗降低了64.8%。且随着用户规模的扩大，算法的训练开销进一步下降，充分验证了其有效性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240975
摘要:
针对现有融合算法在处理多源数据时未能充分结合纹理细节和色彩强度信息的问题，该文提出一种去噪扩散模型驱动的红外-可见光图像融合方法。所提方法通过去噪扩散网络提取多尺度空时特征，并结合高频特征增强红外图像边缘信息，利用双向多尺度卷积模块和双向注意力融合模块确保全局信息的充分利用和局部细节的精确捕捉。同时，模型采用自适应结构相似性损失、多通道强度损失和多通道纹理损失对网络进行优化，增强结构一致性，平衡图像色彩和纹理信息的分布。实验结果表明，与现有方法相比，所提方法可有效地保留了源图像的纹理、色彩和特征信息，融合效果更符合人类视觉感知。
针对现有融合算法在处理多源数据时未能充分结合纹理细节和色彩强度信息的问题，该文提出一种去噪扩散模型驱动的红外-可见光图像融合方法。所提方法通过去噪扩散网络提取多尺度空时特征，并结合高频特征增强红外图像边缘信息，利用双向多尺度卷积模块和双向注意力融合模块确保全局信息的充分利用和局部细节的精确捕捉。同时，模型采用自适应结构相似性损失、多通道强度损失和多通道纹理损失对网络进行优化，增强结构一致性，平衡图像色彩和纹理信息的分布。实验结果表明，与现有方法相比，所提方法可有效地保留了源图像的纹理、色彩和特征信息，融合效果更符合人类视觉感知。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250076
摘要:
近年来，基于时域或子载波域数据的稀疏表示理论为正交频分复用(OFDM)波形外源雷达目标探测提供了新的方法，可以提高目标参数的分辨率。然而该应用还面临着一些难题，一方面较高分辨率要求下构建稀疏字典时，不仅需具有较长相干积累时间的参考信号样本，稀疏字典的矩阵维度也随之变高进而导致稀疏重建的计算成本很高；另一方面现有的稀疏模型大都未考虑直达波或强多径等杂波对弱目标回波的掩盖问题，对于杂波中的较低信噪比目标重建结果不稳定。在此基础上，该文利用OFDM波形外源雷达的信道多普勒信息，提出了一种不仅字典矩阵具有较低稀疏字典维度、可离线生成，且可实现杂波抑制的稀疏表示模型，利用该模型不仅可一次稀疏优化求解生成距离多普勒图实现目标探测，还能降低稀疏重建的迭代次数要求。最后基于仿真和实测结果验证了本文所提方法相较于时域或有效子载波域数据稀疏模型的目标探测性能优势。
近年来，基于时域或子载波域数据的稀疏表示理论为正交频分复用(OFDM)波形外源雷达目标探测提供了新的方法，可以提高目标参数的分辨率。然而该应用还面临着一些难题，一方面较高分辨率要求下构建稀疏字典时，不仅需具有较长相干积累时间的参考信号样本，稀疏字典的矩阵维度也随之变高进而导致稀疏重建的计算成本很高；另一方面现有的稀疏模型大都未考虑直达波或强多径等杂波对弱目标回波的掩盖问题，对于杂波中的较低信噪比目标重建结果不稳定。在此基础上，该文利用OFDM波形外源雷达的信道多普勒信息，提出了一种不仅字典矩阵具有较低稀疏字典维度、可离线生成，且可实现杂波抑制的稀疏表示模型，利用该模型不仅可一次稀疏优化求解生成距离多普勒图实现目标探测，还能降低稀疏重建的迭代次数要求。最后基于仿真和实测结果验证了本文所提方法相较于时域或有效子载波域数据稀疏模型的目标探测性能优势。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250013
摘要:
正交时频空(OTFS)调制在解决高速移动通信中的性能瓶颈方面具有独特优势，但传统均衡算法难以有效消除复杂环境下的符号间干扰(ISI)和多普勒间干扰(IDI)，同时还存在复杂度高的问题。针对上述问题，该文提出一种低复杂度的基于分块矩阵的变换域OTFS信道均衡算法。首先，基于时延-多普勒(DD)域信道响应的分块稀疏性，结合保护间隔设计，逐步消除OTFS系统扩散引起的ISI，建立子块的均衡模型。其次，利用信道子矩阵托普利兹循环矩阵的性质，将其进行变换域处理变为对角矩阵，从而在均衡操作中消除IDI并降低算法复杂度。最后，在此算法的基础上引入判决反馈，进一步提升算法的性能增益。系统仿真表明，该文所提算法在复杂度与性能方面均具有良好的折中性能且适合多种实际场景，同时能在一定程度上降低信道估计过程中的导频开销，增加数据传输效率。
正交时频空(OTFS)调制在解决高速移动通信中的性能瓶颈方面具有独特优势，但传统均衡算法难以有效消除复杂环境下的符号间干扰(ISI)和多普勒间干扰(IDI)，同时还存在复杂度高的问题。针对上述问题，该文提出一种低复杂度的基于分块矩阵的变换域OTFS信道均衡算法。首先，基于时延-多普勒(DD)域信道响应的分块稀疏性，结合保护间隔设计，逐步消除OTFS系统扩散引起的ISI，建立子块的均衡模型。其次，利用信道子矩阵托普利兹循环矩阵的性质，将其进行变换域处理变为对角矩阵，从而在均衡操作中消除IDI并降低算法复杂度。最后，在此算法的基础上引入判决反馈，进一步提升算法的性能增益。系统仿真表明，该文所提算法在复杂度与性能方面均具有良好的折中性能且适合多种实际场景，同时能在一定程度上降低信道估计过程中的导频开销，增加数据传输效率。
显示方式:
2025, 47(5): 1215-1229.
doi: 10.11999/JEIT240835
摘要:
作为新质生产力的低空智联网(LAIN)，通过构建多种应用场景下的3维网络体系，可协助实现泛在覆盖和万物互联的美好愿景。然而，随着LAIN的快速发展，在数据采集和利用过程中，分布式飞行器和地面设备在运营过程中所产生的数据来源广泛、格式各异，但由于尚未形成对数据的统一表征标准，极大地限制了LAIN中信息共享和有效利用。因此，该文首先总结了当前国内外相关研究现状，分析了LAIN下潜在的异构数据类型，指明其主要特征和应用场景；然后，设计了LAIN数据集成与融合的示范平台；其次，剖析了实现LAIN下多维异构信息统一表征所面临的挑战；进而，基于数据融合技术、时空栅格化技术、多模态协同推理以及知识图谱，提出潜在的融合与集成表征方法，构建统一的知识表征模型框架，以期实现不同信息源数据的语义对齐和集成；最后，对所述内容进行总结，并展望了未来的研究方向，旨在为LAIN的进一步发展提供理论基础和技术支持，推动LAIN信息资源的高效利用和智能化发展。
作为新质生产力的低空智联网(LAIN)，通过构建多种应用场景下的3维网络体系，可协助实现泛在覆盖和万物互联的美好愿景。然而，随着LAIN的快速发展，在数据采集和利用过程中，分布式飞行器和地面设备在运营过程中所产生的数据来源广泛、格式各异，但由于尚未形成对数据的统一表征标准，极大地限制了LAIN中信息共享和有效利用。因此，该文首先总结了当前国内外相关研究现状，分析了LAIN下潜在的异构数据类型，指明其主要特征和应用场景；然后，设计了LAIN数据集成与融合的示范平台；其次，剖析了实现LAIN下多维异构信息统一表征所面临的挑战；进而，基于数据融合技术、时空栅格化技术、多模态协同推理以及知识图谱，提出潜在的融合与集成表征方法，构建统一的知识表征模型框架，以期实现不同信息源数据的语义对齐和集成；最后，对所述内容进行总结，并展望了未来的研究方向，旨在为LAIN的进一步发展提供理论基础和技术支持，推动LAIN信息资源的高效利用和智能化发展。
2025, 47(5): 1230-1265.
doi: 10.11999/JEIT240966
摘要:
空中交通管理系统是关乎空天安全和人民生命财产安全的国家大型关键信息基础设施。随着信息化、网络化和智能化技术的广泛应用，现代空中交通管理系统已经演化成为由多利益相关方异构融合的空天地海一体化网络。尽管系统的开放性和连接性提升了空中交通管理效率，但也引入了新的网络安全威胁，扩大了系统攻击面，使得网络安全生态复杂且形势严峻。该文以资产梳理、威胁分析、攻击建模、防御机制为主线，从不同的利益相关方(Stakeholders)出发，如电子使能飞机、空中交通管理(CNS/ATM)、智慧机场、智能决策等方面对空中交通管理系统的网络安全研究现状进行了全面系统的综述，并提出了动态网络安全分析、攻击影响传播建模、人在回路网络安全分析、分布式入侵检测系统等方面的研究问题与挑战。
空中交通管理系统是关乎空天安全和人民生命财产安全的国家大型关键信息基础设施。随着信息化、网络化和智能化技术的广泛应用，现代空中交通管理系统已经演化成为由多利益相关方异构融合的空天地海一体化网络。尽管系统的开放性和连接性提升了空中交通管理效率，但也引入了新的网络安全威胁，扩大了系统攻击面，使得网络安全生态复杂且形势严峻。该文以资产梳理、威胁分析、攻击建模、防御机制为主线，从不同的利益相关方(Stakeholders)出发，如电子使能飞机、空中交通管理(CNS/ATM)、智慧机场、智能决策等方面对空中交通管理系统的网络安全研究现状进行了全面系统的综述，并提出了动态网络安全分析、攻击影响传播建模、人在回路网络安全分析、分布式入侵检测系统等方面的研究问题与挑战。
2025, 47(5): 1266-1281.
doi: 10.11999/JEIT241071
摘要:
无人机辅助移动边缘计算(MEC)具有灵活部署、快速响应、广域覆盖、分布计算和可扩展性等优势，在智慧城市、环境监测和应急救援等领域具有广阔应用前景，是提升低空智能网联服务质量的重要研究方向。该文围绕无人机辅助MEC场景的飞行轨迹与资源分配联合优化，从离线优化和在线优化两个维度展开分析：针对离线联合优化，以不同优化性能指标为切入点，从网络场景、性能控制方法和算法设计3个方面梳理研究现状；针对在线联合优化，以优化框架为基础，从网络场景、性能指标和控制方法3个方面梳理研究现状；针对离线与在线混合优化，阐述当前研究成果。最后，聚焦无人机辅助MEC网络与其它网络制式融合时产生的新问题，讨论离线优化环境状态收集、离线优化智能化求解、在线优化多无人机实时协同、在线优化实时信息反馈、无人机能效优化和空-地通信安全保障等关键技术挑战及其未来研究方向。
无人机辅助移动边缘计算(MEC)具有灵活部署、快速响应、广域覆盖、分布计算和可扩展性等优势，在智慧城市、环境监测和应急救援等领域具有广阔应用前景，是提升低空智能网联服务质量的重要研究方向。该文围绕无人机辅助MEC场景的飞行轨迹与资源分配联合优化，从离线优化和在线优化两个维度展开分析：针对离线联合优化，以不同优化性能指标为切入点，从网络场景、性能控制方法和算法设计3个方面梳理研究现状；针对在线联合优化，以优化框架为基础，从网络场景、性能指标和控制方法3个方面梳理研究现状；针对离线与在线混合优化，阐述当前研究成果。最后，聚焦无人机辅助MEC网络与其它网络制式融合时产生的新问题，讨论离线优化环境状态收集、离线优化智能化求解、在线优化多无人机实时协同、在线优化实时信息反馈、无人机能效优化和空-地通信安全保障等关键技术挑战及其未来研究方向。
2025, 47(5): 1282-1290.
doi: 10.11999/JEIT240058
摘要:
为了解决传统去蜂窝大规模多输入多输出(CF-mMIMO)通信系统认知局限、资源短缺、覆盖盲区的问题，针对传统覆盖受限的去蜂窝网络下行传输系统，该文提出无人机-近地轨道卫星辅助的空天地一体化CF-mMIMO的功率分配和无人机位置部署方法。根据已知的用户位置以及地面接入点的部署缺陷，考虑各通信接入点的覆盖约束、最大功率约束、跨层干扰约束，以最大化用户最小速率为目标，建立联合用户关联、功率分配以及无人机放置的混合资源分配模型。基于块坐标下降方法和连续凸优化方法，将原本的非凸优化问题转化为3个子问题，并交替求得子问题近似解，最终得到原问题的最优近似解。仿真结果表明，所提方法能够合理安排系统的资源放置，显著提高系统通信覆盖，提升用户的平均吞吐量。
为了解决传统去蜂窝大规模多输入多输出(CF-mMIMO)通信系统认知局限、资源短缺、覆盖盲区的问题，针对传统覆盖受限的去蜂窝网络下行传输系统，该文提出无人机-近地轨道卫星辅助的空天地一体化CF-mMIMO的功率分配和无人机位置部署方法。根据已知的用户位置以及地面接入点的部署缺陷，考虑各通信接入点的覆盖约束、最大功率约束、跨层干扰约束，以最大化用户最小速率为目标，建立联合用户关联、功率分配以及无人机放置的混合资源分配模型。基于块坐标下降方法和连续凸优化方法，将原本的非凸优化问题转化为3个子问题，并交替求得子问题近似解，最终得到原问题的最优近似解。仿真结果表明，所提方法能够合理安排系统的资源放置，显著提高系统通信覆盖，提升用户的平均吞吐量。
2025, 47(5): 1291-1300.
doi: 10.11999/JEIT250012
摘要:
在低空智联网中，随着用户数量的急剧增加与空域环境的日益复杂，无人机(UAVs)搭载活动基站为多用户提供通信服务时难以兼顾数据传输性能与飞行安全。因此，该文创新性构建了基于碰撞概率地图避障的无人机避障通信系统模型，为解决低空混合障碍下最大化无人机通信能效的问题，提出了用户调度优化的多智能体深度确定性策略梯度(MADDPG)算法，实现了多机协同航迹规划。仿真分析表明，该文所提策略在混合障碍物空域中可有效提升无人机系统能效的同时，平均碰撞概率相比传统避障方法降低了约8倍。
在低空智联网中，随着用户数量的急剧增加与空域环境的日益复杂，无人机(UAVs)搭载活动基站为多用户提供通信服务时难以兼顾数据传输性能与飞行安全。因此，该文创新性构建了基于碰撞概率地图避障的无人机避障通信系统模型，为解决低空混合障碍下最大化无人机通信能效的问题，提出了用户调度优化的多智能体深度确定性策略梯度(MADDPG)算法，实现了多机协同航迹规划。仿真分析表明，该文所提策略在混合障碍物空域中可有效提升无人机系统能效的同时，平均碰撞概率相比传统避障方法降低了约8倍。
2025, 47(5): 1301-1309.
doi: 10.11999/JEIT240503
摘要:
针对无人机探测与避让(DAA)系统中无人机飞行碰撞避免的决策问题，该文提出一种将无人机系统检测和避免警报逻辑(DAIDALUS)和马尔可夫决策过程(MDP)相结合的方法。DAIDALUS算法的引导逻辑可以根据当前状态空间计算无人机避撞策略，将这些策略作为MDP的动作空间，并设置合适的奖励函数和状态转移概率，建立MDP模型，探究不同折扣因子对无人机飞行避撞过程的影响。仿真结果表明：相比于DAIDALUS，本方法的效率提升27.2%；当折扣因子设置为0.99时，可以平衡长期与短期收益；净空入侵率为5.8%，威胁机与本机最近距离为343 m，该方法可以满足无人机飞行过程中避撞的要求。
针对无人机探测与避让(DAA)系统中无人机飞行碰撞避免的决策问题，该文提出一种将无人机系统检测和避免警报逻辑(DAIDALUS)和马尔可夫决策过程(MDP)相结合的方法。DAIDALUS算法的引导逻辑可以根据当前状态空间计算无人机避撞策略，将这些策略作为MDP的动作空间，并设置合适的奖励函数和状态转移概率，建立MDP模型，探究不同折扣因子对无人机飞行避撞过程的影响。仿真结果表明：相比于DAIDALUS，本方法的效率提升27.2%；当折扣因子设置为0.99时，可以平衡长期与短期收益；净空入侵率为5.8%，威胁机与本机最近距离为343 m，该方法可以满足无人机飞行过程中避撞的要求。
2025, 47(5): 1310-1321.
doi: 10.11999/JEIT241050
摘要:
该文聚焦于低空智能网中多辐射源的定位技术研究，旨在利用搭载频谱监测设备的无人机采集的信号强度数据，精确解析低空目标区域内多个未知辐射源的空间位置。然而，实际应用场景面临多重挑战：无人机飞行轨迹受限导致测量数据稀疏；环境噪声及阴影衰落加剧数据波动；多个未知辐射源进一步加重了算法的复杂度，严重阻碍了现有低空多辐射源定位(MSL)技术的效能发挥。针对上述挑战，该文创新性地提出了一种基于稀疏张量补全与密度峰值聚类的低空智能网多辐射源定位算法。该算法将多辐射源定位问题解构为两个核心步骤：稀疏张量补全和张量密度峰值检测。具体而言，首先根据无人机的飞行轨迹将稀疏测量数据构建为3维稀疏张量，随后采用卷积自编码器网络对该张量进行高效补全，以复原目标空间内的完整信号强度张量图谱。在此基础上，利用改进的密度峰值聚类算法搜索张量中的密度峰值中心，从而实现多辐射源的精确定位。仿真结果表明，本文提出的算法能够有效利用稀疏测量数据对低空多辐射源进行定位，克服了因环境噪声带来的异常值影响，且展现出对辐射源数量的鲁棒性，为低空智能网中的多辐射源定位问题提供了有效的解决方案。
该文聚焦于低空智能网中多辐射源的定位技术研究，旨在利用搭载频谱监测设备的无人机采集的信号强度数据，精确解析低空目标区域内多个未知辐射源的空间位置。然而，实际应用场景面临多重挑战：无人机飞行轨迹受限导致测量数据稀疏；环境噪声及阴影衰落加剧数据波动；多个未知辐射源进一步加重了算法的复杂度，严重阻碍了现有低空多辐射源定位(MSL)技术的效能发挥。针对上述挑战，该文创新性地提出了一种基于稀疏张量补全与密度峰值聚类的低空智能网多辐射源定位算法。该算法将多辐射源定位问题解构为两个核心步骤：稀疏张量补全和张量密度峰值检测。具体而言，首先根据无人机的飞行轨迹将稀疏测量数据构建为3维稀疏张量，随后采用卷积自编码器网络对该张量进行高效补全，以复原目标空间内的完整信号强度张量图谱。在此基础上，利用改进的密度峰值聚类算法搜索张量中的密度峰值中心，从而实现多辐射源的精确定位。仿真结果表明，本文提出的算法能够有效利用稀疏测量数据对低空多辐射源进行定位，克服了因环境噪声带来的异常值影响，且展现出对辐射源数量的鲁棒性，为低空智能网中的多辐射源定位问题提供了有效的解决方案。
2025, 47(5): 1322-1331.
doi: 10.11999/JEIT240847
摘要:
无人机(UAV)辅助联邦边缘学习的通信能够有效解决终端设备数据孤岛问题和数据泄露风险。然而，窃听者可能利用联邦边缘学习中的模型更新来恢复终端设备的原始隐私数据，从而对系统的隐私安全构成极大威胁。为了克服这一挑战，该文在无人机辅助联邦边缘学习通信系统提出一种有效的安全聚合和资源优化方案。具体来说，终端设备利用其本地数据进行局部模型训练来更新参数，并将其发送给全局无人机，无人机据此聚合出新的全局模型参数。窃听者试图通过窃听终端设备发送的模型参数信号来恢复终端设备的原始数据。该文通过联合优化终端设备的传输带宽、CPU频率、发送功率以及无人机的CPU频率，最大化安全隐私能效。为了解决该优化问题，该文提出一种演进深度确定性策略梯度(DDPG)算法，通过和系统智能交互，在保证基本时延和能耗需求的情况下获得安全聚合和资源优化方案。最后，通过和基准方案对比，验证了所提方案的有效性。
无人机(UAV)辅助联邦边缘学习的通信能够有效解决终端设备数据孤岛问题和数据泄露风险。然而，窃听者可能利用联邦边缘学习中的模型更新来恢复终端设备的原始隐私数据，从而对系统的隐私安全构成极大威胁。为了克服这一挑战，该文在无人机辅助联邦边缘学习通信系统提出一种有效的安全聚合和资源优化方案。具体来说，终端设备利用其本地数据进行局部模型训练来更新参数，并将其发送给全局无人机，无人机据此聚合出新的全局模型参数。窃听者试图通过窃听终端设备发送的模型参数信号来恢复终端设备的原始数据。该文通过联合优化终端设备的传输带宽、CPU频率、发送功率以及无人机的CPU频率，最大化安全隐私能效。为了解决该优化问题，该文提出一种演进深度确定性策略梯度(DDPG)算法，通过和系统智能交互，在保证基本时延和能耗需求的情况下获得安全聚合和资源优化方案。最后，通过和基准方案对比，验证了所提方案的有效性。
2025, 47(5): 1332-1344.
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。
2025, 47(5): 1345-1355.
doi: 10.11999/JEIT241042
摘要:
在低空智联网中，以无人机(UAV)为载体的宽带频谱感知技术在实现高效频谱监测与利用方面起着至关重要的作用。然而，以奈奎斯特速率采样需要很高的硬件和计算成本，无人机的高移动性也会使其处于不断变化的无线频谱环境，进而严重影响感知精度，无人机宽带频谱感知面临严峻挑战。针对上述问题，该文首先设计了一个低复杂度的特征拆分宽带频谱感知神经网络(FS-WSSNet)，可在次奈奎斯特采样速率下实现高精度感知，以降低在无人机上的部署成本。随后，为充分整合利用低空智联网中多架无人机的频谱环境知识与计算资源，以适应其遇到的不同频谱环境，提出了一种基于差分隐私联邦迁移学习(DPFTL)的模型在线调整算法。该方法利用局部差分隐私，在协调多无人机上传模型参数至中心计算平台之前引入噪声，从而在无人机群体中同时实现频谱环境知识共享和数据隐私保护，使得其中每个无人机能够快速适应不断变化的频谱环境。仿真结果表明，同目前先进方案相比，FS-WSSNet在复杂度和感知性能方面均表现优越，使用所提的基于DPFTL的方案后，FS-WSSNet在无人机经历的多个新场景中无需模型调整，感知精度整体接近集中式训练。
在低空智联网中，以无人机(UAV)为载体的宽带频谱感知技术在实现高效频谱监测与利用方面起着至关重要的作用。然而，以奈奎斯特速率采样需要很高的硬件和计算成本，无人机的高移动性也会使其处于不断变化的无线频谱环境，进而严重影响感知精度，无人机宽带频谱感知面临严峻挑战。针对上述问题，该文首先设计了一个低复杂度的特征拆分宽带频谱感知神经网络(FS-WSSNet)，可在次奈奎斯特采样速率下实现高精度感知，以降低在无人机上的部署成本。随后，为充分整合利用低空智联网中多架无人机的频谱环境知识与计算资源，以适应其遇到的不同频谱环境，提出了一种基于差分隐私联邦迁移学习(DPFTL)的模型在线调整算法。该方法利用局部差分隐私，在协调多无人机上传模型参数至中心计算平台之前引入噪声，从而在无人机群体中同时实现频谱环境知识共享和数据隐私保护，使得其中每个无人机能够快速适应不断变化的频谱环境。仿真结果表明，同目前先进方案相比，FS-WSSNet在复杂度和感知性能方面均表现优越，使用所提的基于DPFTL的方案后，FS-WSSNet在无人机经历的多个新场景中无需模型调整，感知精度整体接近集中式训练。
2025, 47(5): 1356-1367.
doi: 10.11999/JEIT241044
摘要:
无人机自组织网络中，各个节点的流量不均衡，容易导致网络拥塞和时隙资源利用率低的问题。该文研究了无人机自组网中饱和节点和不饱和节点共存的场景下的接入控制问题，旨在让更多的节点共享不饱和节点的空闲时隙，提升网络的吞吐量。针对无人机多跳自组织网络接入控制问题，该文提出一种基于深度强化学习的多跳无人机自组织网络MAC协议(DQL-MHTDMA)，将饱和节点联合为一个大智能体，学习网络拓扑信息和时隙占用规律，选择最优的接入动作，实现每个时隙上的最大吞吐量或最佳能效。仿真结果表明，所提DQL-MHTDMA协议能够学习时隙的占用规律，并且可以感知多跳拓扑，在多种不饱和流量到达规律下获得最优的吞吐量或最佳的能量效率。
无人机自组织网络中，各个节点的流量不均衡，容易导致网络拥塞和时隙资源利用率低的问题。该文研究了无人机自组网中饱和节点和不饱和节点共存的场景下的接入控制问题，旨在让更多的节点共享不饱和节点的空闲时隙，提升网络的吞吐量。针对无人机多跳自组织网络接入控制问题，该文提出一种基于深度强化学习的多跳无人机自组织网络MAC协议(DQL-MHTDMA)，将饱和节点联合为一个大智能体，学习网络拓扑信息和时隙占用规律，选择最优的接入动作，实现每个时隙上的最大吞吐量或最佳能效。仿真结果表明，所提DQL-MHTDMA协议能够学习时隙的占用规律，并且可以感知多跳拓扑，在多种不饱和流量到达规律下获得最优的吞吐量或最佳的能量效率。
2025, 47(5): 1368-1380.
doi: 10.11999/JEIT241055
摘要:
针对多无人机在环境监测传感器网络、灾害应急通信节点等设备位置部分未知场景下的数据收集需求，该文提出一种模型辅助的联邦强化学习多无人机路径规划方法。在联邦学习框架下，通过结合最大熵强化学习与单调价值函数分解机制，引入动态熵温度参数和注意力机制，优化了多无人机协作的探索效率与策略稳定性。此外，设计了一种基于信道建模与位置估计的混合模拟环境构建方法，利用改进的粒子群算法快速估计未知设备位置，显著降低了真实环境交互成本。仿真结果表明，所提算法能够实现高效数据收集，相较于传统多智能体强化学习方法，数据收集率提升5.2%，路径长度减少7.7%，验证了所提算法的有效性和优越性。
针对多无人机在环境监测传感器网络、灾害应急通信节点等设备位置部分未知场景下的数据收集需求，该文提出一种模型辅助的联邦强化学习多无人机路径规划方法。在联邦学习框架下，通过结合最大熵强化学习与单调价值函数分解机制，引入动态熵温度参数和注意力机制，优化了多无人机协作的探索效率与策略稳定性。此外，设计了一种基于信道建模与位置估计的混合模拟环境构建方法，利用改进的粒子群算法快速估计未知设备位置，显著降低了真实环境交互成本。仿真结果表明，所提算法能够实现高效数据收集，相较于传统多智能体强化学习方法，数据收集率提升5.2%，路径长度减少7.7%，验证了所提算法的有效性和优越性。
2025, 47(5): 1381-1391.
doi: 10.11999/JEIT241053
摘要:
配备存储部件的机会无人机打开了数据传输的机会时间窗口，在低空数据收集系统中呈现巨大的潜力。为了提高数据收集效率，移动用户可以主动组网，将数据预先集聚到具备位置优势的簇头节点，由簇头节点负责上传，实现时空维度的流量塑形。该文研究了机会无人机辅助数据收集的组网和资源分配方法。具体而言，如何根据机会无人机的既定航迹，通过联合优化用户的子网数据传输策略、子网资源分配策略和子网形成策略，最大化全网数据上传总量。上述问题高度耦合且具有海量的状态空间，较难求解。该文通过推导闭式表达式求解子网数据传输和资源分配子问题，通过联盟博弈求解子网形成子问题。最终提出了一种迭代优化算法来获得具有高效、可靠、自组织和低复杂度的解决方案。仿真结果表明所提方法能够有效提升数据收集效率。同独立上传策略以及基于距离聚类和传统联盟博弈组网策略相比，所提方案的数据上传总量分别提升了56.3%，51.6%和17.8%。
配备存储部件的机会无人机打开了数据传输的机会时间窗口，在低空数据收集系统中呈现巨大的潜力。为了提高数据收集效率，移动用户可以主动组网，将数据预先集聚到具备位置优势的簇头节点，由簇头节点负责上传，实现时空维度的流量塑形。该文研究了机会无人机辅助数据收集的组网和资源分配方法。具体而言，如何根据机会无人机的既定航迹，通过联合优化用户的子网数据传输策略、子网资源分配策略和子网形成策略，最大化全网数据上传总量。上述问题高度耦合且具有海量的状态空间，较难求解。该文通过推导闭式表达式求解子网数据传输和资源分配子问题，通过联盟博弈求解子网形成子问题。最终提出了一种迭代优化算法来获得具有高效、可靠、自组织和低复杂度的解决方案。仿真结果表明所提方法能够有效提升数据收集效率。同独立上传策略以及基于距离聚类和传统联盟博弈组网策略相比，所提方案的数据上传总量分别提升了56.3%，51.6%和17.8%。
2025, 47(5): 1392-1401.
doi: 10.11999/JEIT241056
摘要:
正交时频空(OTFS)因其在高速移动场景下优异的误码率性能而受到广泛研究。针对OTFS接收机运算复杂度较高问题，该文提出一种基于最大比合并(MRC)的低复杂度接收机算法。首先，其核心思想在时延多普勒域利用最大比合并算法进行迭代，对接收的多径分量进行提取和相干组合，以提高组合信号的信噪比。其次，通过引入交织器和解交织器，信道矩阵转化为稀疏的上三角海森伯矩阵，有利于后续进行矩阵分解。再次，针对符号决策过程中矩阵求逆计算量大的问题，提出一种低复杂度的LDLH分解算法。最后，在此基础上进一步改进，提出了一种复杂度进一步降低的下三角矩阵求逆算法，以降低下三角矩阵求逆的复杂度。仿真结果表明，一方面该算法误码率与最大比合并算法相同，另一方面性能显著优于高阶调制的线性最小均方误差估计(LMMSE)线性均衡器与高斯−赛德尔(GS)迭代均衡算法。
正交时频空(OTFS)因其在高速移动场景下优异的误码率性能而受到广泛研究。针对OTFS接收机运算复杂度较高问题，该文提出一种基于最大比合并(MRC)的低复杂度接收机算法。首先，其核心思想在时延多普勒域利用最大比合并算法进行迭代，对接收的多径分量进行提取和相干组合，以提高组合信号的信噪比。其次，通过引入交织器和解交织器，信道矩阵转化为稀疏的上三角海森伯矩阵，有利于后续进行矩阵分解。再次，针对符号决策过程中矩阵求逆计算量大的问题，提出一种低复杂度的LDLH分解算法。最后，在此基础上进一步改进，提出了一种复杂度进一步降低的下三角矩阵求逆算法，以降低下三角矩阵求逆的复杂度。仿真结果表明，一方面该算法误码率与最大比合并算法相同，另一方面性能显著优于高阶调制的线性最小均方误差估计(LMMSE)线性均衡器与高斯−赛德尔(GS)迭代均衡算法。
2025, 47(5): 1402-1417.
doi: 10.11999/JEIT240738
摘要:
针对多无人机(UAV)分布式感知开展研究，为协调各UAV行为，该文设计了任务感知-数据回传协议，并建立了UAV任务分配、数据回传基站关联与飞行策略联合优化混合整数非线性规划问题模型。鉴于该问题数学结构的复杂性，以及集中式优化算法设计面临计算复杂度高且信息交互开销大等不足，提出将该问题转化为协作式马尔可夫博弈(MG)，定义了基于成本-效用复合的收益函数。考虑到MG问题连续-离散动作空间复杂耦合特点，设计了基于独立学习者(IL)的复合动作表演评论家(MA-IL-CA2C)的MG问题求解算法。仿真分析结果表明，相对于基线算法，所提算法能显著提高系统收益并降低网络能耗。
针对多无人机(UAV)分布式感知开展研究，为协调各UAV行为，该文设计了任务感知-数据回传协议，并建立了UAV任务分配、数据回传基站关联与飞行策略联合优化混合整数非线性规划问题模型。鉴于该问题数学结构的复杂性，以及集中式优化算法设计面临计算复杂度高且信息交互开销大等不足，提出将该问题转化为协作式马尔可夫博弈(MG)，定义了基于成本-效用复合的收益函数。考虑到MG问题连续-离散动作空间复杂耦合特点，设计了基于独立学习者(IL)的复合动作表演评论家(MA-IL-CA2C)的MG问题求解算法。仿真分析结果表明，相对于基线算法，所提算法能显著提高系统收益并降低网络能耗。
2025, 47(5): 1418-1433.
doi: 10.11999/JEIT241074
摘要:
针对传统深度学习意图识别方法难以在噪声标签存在时获得可靠模型的问题，该文提出基于信息分类处理(ICP)网络和多尺度鲁棒学习的空中目标意图识别(ATIR)方法。首先，基于空中目标属性性质，构建基于ICP的编码器，以获得更具可分性的嵌入；随后，设计了从精细到粗糙的跨尺度嵌入融合机制，利用不同尺度的目标序列，训练多个编码器来学习判别模式；同时，利用不同尺度的互补信息，以交叉教学的方式训练每个编码器，以选择小损失样本作为干净标签；对于未选定的大损失样本，基于多尺度嵌入图和说话者-倾听者标签传播算法(SLPA)，使用干净样本的标签进行校正。在不同标签噪声类型、多级噪声水平的ATIR数据集上的实验结果表明，该方法的测试准确率和Macro F1分数显著优于其他基线方法，说明其具有更强的噪声标签鲁棒性。
针对传统深度学习意图识别方法难以在噪声标签存在时获得可靠模型的问题，该文提出基于信息分类处理(ICP)网络和多尺度鲁棒学习的空中目标意图识别(ATIR)方法。首先，基于空中目标属性性质，构建基于ICP的编码器，以获得更具可分性的嵌入；随后，设计了从精细到粗糙的跨尺度嵌入融合机制，利用不同尺度的目标序列，训练多个编码器来学习判别模式；同时，利用不同尺度的互补信息，以交叉教学的方式训练每个编码器，以选择小损失样本作为干净标签；对于未选定的大损失样本，基于多尺度嵌入图和说话者-倾听者标签传播算法(SLPA)，使用干净样本的标签进行校正。在不同标签噪声类型、多级噪声水平的ATIR数据集上的实验结果表明，该方法的测试准确率和Macro F1分数显著优于其他基线方法，说明其具有更强的噪声标签鲁棒性。
2025, 47(5): 1434-1449.
doi: 10.11999/JEIT240670
摘要:
针对低空监视技术广域多点定位(WAM)时间同步困难或复杂度高，影响定位精度的问题，该文构建了基于到达时间(TOA)的时间同步及“同一消息”提取的数学模型，通过计算地面传感器的“同步启动时间”完成同步，计算复杂度低且易于实现。在此基础上，利用同一消息提取模型筛选出TOA用于定位计算。为了提高TOA估计值的精度，减小同步误差。提出了可变滑动滤波与卡尔曼滤波结合 (VMAF-Kalman)的联合滤波方法，提高可编程门阵列 (FPGA)基准时钟的稳定性，减小时钟延迟引起的TOA计数误差。仿真结果表明，联合滤波比单一滤波算法效果更好，TOA计数误差分别降低36.84%和25.36%。对无人机和民航飞机的定位测验结果都表现出较高的定位准确率，定位误差和位置更新速率符合标准要求，证明该文所提模型，具有实用性且有较好的同步精度。
针对低空监视技术广域多点定位(WAM)时间同步困难或复杂度高，影响定位精度的问题，该文构建了基于到达时间(TOA)的时间同步及“同一消息”提取的数学模型，通过计算地面传感器的“同步启动时间”完成同步，计算复杂度低且易于实现。在此基础上，利用同一消息提取模型筛选出TOA用于定位计算。为了提高TOA估计值的精度，减小同步误差。提出了可变滑动滤波与卡尔曼滤波结合 (VMAF-Kalman)的联合滤波方法，提高可编程门阵列 (FPGA)基准时钟的稳定性，减小时钟延迟引起的TOA计数误差。仿真结果表明，联合滤波比单一滤波算法效果更好，TOA计数误差分别降低36.84%和25.36%。对无人机和民航飞机的定位测验结果都表现出较高的定位准确率，定位误差和位置更新速率符合标准要求，证明该文所提模型，具有实用性且有较好的同步精度。
2025, 47(5): 1450-1460.
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。
2025, 47(5): 1461-1473.
doi: 10.11999/JEIT240864
摘要:
自适应光正交频分复用符号分解串行传输(O-OFDM-ASDST)可以有效抑制可见光通信(VLC)中发光二极管(LED)的非线性限幅失真，然而，O-OFDM-ASDST在接收端合并分解符号时会导致加性高斯白噪声(AWGN)叠加，从而引起误码率(BER)恶化。为此，该文基于人工智能粒计算的粗糙集理论(RST)信息系统与不可分辨关系，提出一种O-OFDM-ASDST信号检测算法。首先，将接收端时域抽样值作为论域，并将信号特征作为条件属性构建信息系统。通过决策规则对接收的分解符号进行分类，尽可能分类决策出原本等于门限值和零值的时域抽样值；然后，根据制定的决策规则导出不可分辨关系，并通过属性约简提取处于门限值之间的时域抽样值并进行重构，以达到降低重构算法复杂度的目的；最后，采用蒙特卡罗仿真方法，验证检测算法的性能。结果表明，与对比信号检测算法相比，该文检测算法在房间中心位置的BER性能可获得5.4 dB和1 dB的信噪比(SNR)增益；即使在房间边缘位置，也可以获得5.5 dB和0.8 dB的SNR增益。此外，检测算法的复杂度仅为对比信号检测算法的1/10。综上所述，所提检测算法能够有效抑制AWGN，提高BER性能，并显著降低算法复杂度和处理时延。
自适应光正交频分复用符号分解串行传输(O-OFDM-ASDST)可以有效抑制可见光通信(VLC)中发光二极管(LED)的非线性限幅失真，然而，O-OFDM-ASDST在接收端合并分解符号时会导致加性高斯白噪声(AWGN)叠加，从而引起误码率(BER)恶化。为此，该文基于人工智能粒计算的粗糙集理论(RST)信息系统与不可分辨关系，提出一种O-OFDM-ASDST信号检测算法。首先，将接收端时域抽样值作为论域，并将信号特征作为条件属性构建信息系统。通过决策规则对接收的分解符号进行分类，尽可能分类决策出原本等于门限值和零值的时域抽样值；然后，根据制定的决策规则导出不可分辨关系，并通过属性约简提取处于门限值之间的时域抽样值并进行重构，以达到降低重构算法复杂度的目的；最后，采用蒙特卡罗仿真方法，验证检测算法的性能。结果表明，与对比信号检测算法相比，该文检测算法在房间中心位置的BER性能可获得5.4 dB和1 dB的信噪比(SNR)增益；即使在房间边缘位置，也可以获得5.5 dB和0.8 dB的SNR增益。此外，检测算法的复杂度仅为对比信号检测算法的1/10。综上所述，所提检测算法能够有效抑制AWGN，提高BER性能，并显著降低算法复杂度和处理时延。
2025, 47(5): 1474-1485.
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。
2025, 47(5): 1486-1493.
doi: 10.11999/JEIT240860
摘要:
低密度奇偶校验(LDPC)码基于神经网络的归一化最小和(NNMS)译码算法按照网络中权重的共享方式可分为不共享(NNMS)、全共享(SNNMS)、部分共享(VC-SNNMS和CV-SNNMS)等。该文针对LDPC码在使用NNMS, VC-SNNMS和CV-SNNMS译码时因高复杂度导致的过拟合问题，引入正则化(Regularization)优化了神经网络中边信息的权重训练，抑制了基于神经网络译码的过拟合问题，分别得到 RNNMS, RVC-SNNMS和RCV-SNNMS算法。仿真结果表明：采用共享权重可以减轻神经网络训练负担，降低LDPC 码基于神经网络译码的误比特率(BER)；正则化能有效缓解过拟合现象提升神经网络的译码性能。针对码长为576，码率为0.75的LDPC码，当误码率BER=10–6时，RNNMS, RVC-SNNMS和RCV-SNNMS算法相较于NNMS, VC-SNNMS和CV-SNNMS算法分别得到了0.18 dB, 0.22 dB和0.27 dB的信噪比(SNR)增益，其中最佳的RVC-SNNMS算法相较于BP算法、NNMS算法和SNNMS算法，分别获得了0.55 dB, 0.51 dB和0.22 dB的信噪比增益。
低密度奇偶校验(LDPC)码基于神经网络的归一化最小和(NNMS)译码算法按照网络中权重的共享方式可分为不共享(NNMS)、全共享(SNNMS)、部分共享(VC-SNNMS和CV-SNNMS)等。该文针对LDPC码在使用NNMS, VC-SNNMS和CV-SNNMS译码时因高复杂度导致的过拟合问题，引入正则化(Regularization)优化了神经网络中边信息的权重训练，抑制了基于神经网络译码的过拟合问题，分别得到 RNNMS, RVC-SNNMS和RCV-SNNMS算法。仿真结果表明：采用共享权重可以减轻神经网络训练负担，降低LDPC 码基于神经网络译码的误比特率(BER)；正则化能有效缓解过拟合现象提升神经网络的译码性能。针对码长为576，码率为0.75的LDPC码，当误码率BER=10–6时，RNNMS, RVC-SNNMS和RCV-SNNMS算法相较于NNMS, VC-SNNMS和CV-SNNMS算法分别得到了0.18 dB, 0.22 dB和0.27 dB的信噪比(SNR)增益，其中最佳的RVC-SNNMS算法相较于BP算法、NNMS算法和SNNMS算法，分别获得了0.55 dB, 0.51 dB和0.22 dB的信噪比增益。
2025, 47(5): 1494-1504.
doi: 10.11999/JEIT240709
摘要:
在战场环境中，针对多波束干扰系统突防组网雷达场景下干扰资源分配的问题，该文提出一种引入柯西变异和全局协同控制策略的改进秘书鸟算法(ISBOA)对战场上的干扰资源进行优化分配。首先，建立突防场景下的多波束干扰系统模型，并将组网雷达检测融合概率作为多干扰机协同压制干扰组网雷达的性能评估指标；其次，以最小化检测概率为目标函数，对多干扰机干扰样式、干扰波束和功率资源进行联合优化分配；最后，利用ISBOA进行求解。实验结果经过对比表明，ISBOA算法搜索能力更强，收敛精度更高，具有更强的稳定性，能够更加合理地分配战场上的干扰资源。
在战场环境中，针对多波束干扰系统突防组网雷达场景下干扰资源分配的问题，该文提出一种引入柯西变异和全局协同控制策略的改进秘书鸟算法(ISBOA)对战场上的干扰资源进行优化分配。首先，建立突防场景下的多波束干扰系统模型，并将组网雷达检测融合概率作为多干扰机协同压制干扰组网雷达的性能评估指标；其次，以最小化检测概率为目标函数，对多干扰机干扰样式、干扰波束和功率资源进行联合优化分配；最后，利用ISBOA进行求解。实验结果经过对比表明，ISBOA算法搜索能力更强，收敛精度更高，具有更强的稳定性，能够更加合理地分配战场上的干扰资源。
2025, 47(5): 1505-1516.
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。
2025, 47(5): 1517-1528.
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。
2025, 47(5): 1529-1542.
doi: 10.11999/JEIT240870
摘要:
该文提出一种无监督自编码器及非线性滤波结合的室内定位可信性提升方法，设计了深度卷积神经网络辅助的降噪变分自编码器模型(DVAE-CNN)，分别从量测数据质量评估、目标状态转移方程表征以及环境先验信息辅助的权重更新策略多方面调控定位结果，克服复杂室内环境下由于信息丢失、出错、扰动等因素带来的定位可信性低的问题，相比未增加可信调控机制的定位结果平均定位精度提升了74.6%，定位可靠性提高了88.2%。最后，在2022北京冬奥会体育场馆内进行了大量试验，结果表明所提方法能够提供高鲁棒、高可信、高连续的位置服务能力，具有较大的应用及推广价值。
该文提出一种无监督自编码器及非线性滤波结合的室内定位可信性提升方法，设计了深度卷积神经网络辅助的降噪变分自编码器模型(DVAE-CNN)，分别从量测数据质量评估、目标状态转移方程表征以及环境先验信息辅助的权重更新策略多方面调控定位结果，克服复杂室内环境下由于信息丢失、出错、扰动等因素带来的定位可信性低的问题，相比未增加可信调控机制的定位结果平均定位精度提升了74.6%，定位可靠性提高了88.2%。最后，在2022北京冬奥会体育场馆内进行了大量试验，结果表明所提方法能够提供高鲁棒、高可信、高连续的位置服务能力，具有较大的应用及推广价值。
2025, 47(5): 1543-1553.
doi: 10.11999/JEIT240682
摘要:
针对全球导航卫星系统(GNSS)在遮挡环境下定位精度受限以及差分方法在较长基线时难以消除电离层延迟的问题，该文提出一种改进的部分模糊度解算(MPAR)方法。该方法融合了无几何模式下的基于电离层延迟改正模型的级联整数解算(ICIR)与几何模式下的最小二乘降相关平差(LAMBDA)。通过引入电离层延迟改正模型并将其融入ICIR方法中，有效解决了电离层延迟误差对模糊度解算(AR)的影响，提高了长基线条件下的定位精度。同时，为提升观测值质量不佳时的数据利用率，本研究利用卫星三频最优子集信息辅助非三频子集进行AR。具体而言，对最优子集卫星采用改进的ICIR方法进行解算，而对非三频卫星子集则结合最优子集的辅助信息，采用LAMBDA方法进行解算。两阶段解算策略不仅降低了计算复杂度，还显著提高了AR的成功率和可靠性，从而全面提升了GNSS定位的性能。实验结果表明，MPARICIR方法在各种基线条件和卫星数据质量下均表现出优异的定位精度和稳定性。
针对全球导航卫星系统(GNSS)在遮挡环境下定位精度受限以及差分方法在较长基线时难以消除电离层延迟的问题，该文提出一种改进的部分模糊度解算(MPAR)方法。该方法融合了无几何模式下的基于电离层延迟改正模型的级联整数解算(ICIR)与几何模式下的最小二乘降相关平差(LAMBDA)。通过引入电离层延迟改正模型并将其融入ICIR方法中，有效解决了电离层延迟误差对模糊度解算(AR)的影响，提高了长基线条件下的定位精度。同时，为提升观测值质量不佳时的数据利用率，本研究利用卫星三频最优子集信息辅助非三频子集进行AR。具体而言，对最优子集卫星采用改进的ICIR方法进行解算，而对非三频卫星子集则结合最优子集的辅助信息，采用LAMBDA方法进行解算。两阶段解算策略不仅降低了计算复杂度，还显著提高了AR的成功率和可靠性，从而全面提升了GNSS定位的性能。实验结果表明，MPARICIR方法在各种基线条件和卫星数据质量下均表现出优异的定位精度和稳定性。
2025, 47(5): 1554-1568.
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0.40%～1.65%。
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0.40%～1.65%。
2025, 47(5): 1569-1581.
doi: 10.11999/JEIT240703
摘要:
有限角度计算机断层扫描(LACT)旨在通过减少扫描角度的范围来减少辐射剂量。由于投影数据是不完备的且未考虑联合有限角度和金属伪影校正(LAMAR)任务，传统方法重建的CT图像往往存在伪影，特别是当患者携带金属植入物时，伪影将进一步加重，影响后期医疗诊断及下游任务的精度。为解决这一问题，该文利用双域知识和深度展开技术，融合Transformer的非局部特性捕获能力和卷积神经网络(CNN)的局部特征提取能力，提出了能够联合解决LAMAR和LACT任务的模型与数据双驱动双域重建网络，记为MD3Net。该文首先构建了双域优化模型，使用邻近梯度下降算法对优化模型进行求解，并将其展开成模型驱动的CT重建网络。其次，设计了任务选择(TS)模块，通过判断初始估计CT图像中有无金属以利用同一模型同时处理有金属和无金属的重建任务。在数据驱动网络中，构建了融合Transformer和CNN的双分支的迹感知投影域邻近子网络和结合通道注意力、空间注意力的图像域邻近子网络，进而提升网络表示能力。实验结果表明，与现有方法相比，所提算法在联合LACT和LAMAR任务上重建效果更好。
有限角度计算机断层扫描(LACT)旨在通过减少扫描角度的范围来减少辐射剂量。由于投影数据是不完备的且未考虑联合有限角度和金属伪影校正(LAMAR)任务，传统方法重建的CT图像往往存在伪影，特别是当患者携带金属植入物时，伪影将进一步加重，影响后期医疗诊断及下游任务的精度。为解决这一问题，该文利用双域知识和深度展开技术，融合Transformer的非局部特性捕获能力和卷积神经网络(CNN)的局部特征提取能力，提出了能够联合解决LAMAR和LACT任务的模型与数据双驱动双域重建网络，记为MD3Net。该文首先构建了双域优化模型，使用邻近梯度下降算法对优化模型进行求解，并将其展开成模型驱动的CT重建网络。其次，设计了任务选择(TS)模块，通过判断初始估计CT图像中有无金属以利用同一模型同时处理有金属和无金属的重建任务。在数据驱动网络中，构建了融合Transformer和CNN的双分支的迹感知投影域邻近子网络和结合通道注意力、空间注意力的图像域邻近子网络，进而提升网络表示能力。实验结果表明，与现有方法相比，所提算法在联合LACT和LAMAR任务上重建效果更好。
2025, 47(5): 1582-1595.
doi: 10.11999/JEIT240755
摘要:
在医学影像分析领域，精准分割视频中的病灶对于疾病的早期诊断和治疗至关重要。该文创新性地提出一种融合邻域注意力机制与状态空间模型的算法，旨在全面而精细地捕捉医学视频中的时空特征，从而对视频中的病灶进行准确分割。该算法通过两阶段的精心设计，显著提升了分割性能：第1阶段，通过深度卷积网络捕获低层次的空间语义信息，并借助邻域注意力机制，挖掘相邻帧间的局部时序语义关联。第2阶段，引入状态空间模型来捕捉全面的时序信息，并再次应用邻域注意力模块，进一步增强对局部时序特征的敏感度。该方法不仅有效整合了视频中丰富的时序信息，而且在局部和全局层面上实现了空间与时间特征的协同优化。相较于使用具有2次计算复杂度的自注意力机制，该文采用了具有线性计算复杂度的状态空间模型，显著提升了模型的训练效率和推理速度。所提算法在甲状腺超声视频数据集以及结肠息肉视频数据集CVC-ClinicDB和CVC-ColonDB上的交并比(IOU)指标分别达到了72.7%, 82.3%和72.5%，相比该文的基线模型Vivim分别提高了5.7%, 1.7%和5.5%。此外，消融实验进一步揭示了邻域注意力模块和状态空间模型在提取时序信息中发挥的关键作用。
在医学影像分析领域，精准分割视频中的病灶对于疾病的早期诊断和治疗至关重要。该文创新性地提出一种融合邻域注意力机制与状态空间模型的算法，旨在全面而精细地捕捉医学视频中的时空特征，从而对视频中的病灶进行准确分割。该算法通过两阶段的精心设计，显著提升了分割性能：第1阶段，通过深度卷积网络捕获低层次的空间语义信息，并借助邻域注意力机制，挖掘相邻帧间的局部时序语义关联。第2阶段，引入状态空间模型来捕捉全面的时序信息，并再次应用邻域注意力模块，进一步增强对局部时序特征的敏感度。该方法不仅有效整合了视频中丰富的时序信息，而且在局部和全局层面上实现了空间与时间特征的协同优化。相较于使用具有2次计算复杂度的自注意力机制，该文采用了具有线性计算复杂度的状态空间模型，显著提升了模型的训练效率和推理速度。所提算法在甲状腺超声视频数据集以及结肠息肉视频数据集CVC-ClinicDB和CVC-ColonDB上的交并比(IOU)指标分别达到了72.7%, 82.3%和72.5%，相比该文的基线模型Vivim分别提高了5.7%, 1.7%和5.5%。此外，消融实验进一步揭示了邻域注意力模块和状态空间模型在提取时序信息中发挥的关键作用。
2025, 47(5): 1596-1608.
doi: 10.11999/JEIT240775
摘要:
左心房疤痕的分布情况与严重程度能够为房颤的生理病理学研究提供重要信息，因此，实现左心房疤痕的自动化分割对房颤的临床诊断与治疗有着重要意义。但由于左心房疤痕具有形状多样化、目标小、分布离散等特点，现有的左心房疤痕分割方法往往难以取得好的分割效果。该文利用疤痕通常分布在左心房壁上的先验知识，提出一种基于左心房边界特征增强的左心房疤痕分割方法，通过提出的跨模态特征激励模块与双分支交叉注意力融合模块在U型网络的编码器与瓶颈层分别对核磁共振图像与左心房边界符号距离图进行特征增强引导与深层语义信息融合增强，实现从特征层面提高模型对左心房边界特性信息的关注度。该文所提分割模型在LAScarQS2022数据集上进行验证，分割结果评估明显优于当前主流的分割方法。Dice分数和准确率相比基线网络分别提升了4.14%和6.37%。
左心房疤痕的分布情况与严重程度能够为房颤的生理病理学研究提供重要信息，因此，实现左心房疤痕的自动化分割对房颤的临床诊断与治疗有着重要意义。但由于左心房疤痕具有形状多样化、目标小、分布离散等特点，现有的左心房疤痕分割方法往往难以取得好的分割效果。该文利用疤痕通常分布在左心房壁上的先验知识，提出一种基于左心房边界特征增强的左心房疤痕分割方法，通过提出的跨模态特征激励模块与双分支交叉注意力融合模块在U型网络的编码器与瓶颈层分别对核磁共振图像与左心房边界符号距离图进行特征增强引导与深层语义信息融合增强，实现从特征层面提高模型对左心房边界特性信息的关注度。该文所提分割模型在LAScarQS2022数据集上进行验证，分割结果评估明显优于当前主流的分割方法。Dice分数和准确率相比基线网络分别提升了4.14%和6.37%。
编辑部公告
more >
- 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)
- 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
- 专题征文丨“人机协同赋能智慧座舱：技术突破与效能提升”专题
- 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
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）
- 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
