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/JEIT251327
摘要:
扩频序列集是直接-序列码分多址系统中的关键组成部分，其性能可通过完全平方相关进行评估。在高速移动场景中，信号在传输过程中会产生多普勒效应，需同时考虑序列的时移和多普勒移位。此时，应使用二维模糊函数替代一维相关函数。该文主要研究二元序列集的非周期完全平方模糊函数(Aperiodic Total Squared Ambiguity Function, ATSAF)，推导了二元序列集的ATSAF理论下界。基于Hadamard矩阵、非周期互补集和特殊序列，设计了几类达到ATSAF理论下界的最优二元序列集。
扩频序列集是直接-序列码分多址系统中的关键组成部分，其性能可通过完全平方相关进行评估。在高速移动场景中，信号在传输过程中会产生多普勒效应，需同时考虑序列的时移和多普勒移位。此时，应使用二维模糊函数替代一维相关函数。该文主要研究二元序列集的非周期完全平方模糊函数(Aperiodic Total Squared Ambiguity Function, ATSAF)，推导了二元序列集的ATSAF理论下界。基于Hadamard矩阵、非周期互补集和特殊序列，设计了几类达到ATSAF理论下界的最优二元序列集。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT251211
摘要:
针对高速移动通信场景下，多普勒频移与时变信道导致信号调制特征严重畸变，现有深度学习模型存在鲁棒性不足、推理延迟高的问题，本文提出了一种基于RollingQ动态融合与混合剪枝Transformer的调制识别方法。首先，引入RollingQ机制，动态评估与调整注意力查询方向，打破注意力固化，实现多维度信号表征的自适应均衡融合，提升了模型在复杂信道下的泛化能力。其次，设计多头注意力频域增强Transformer结构，通过轻量级卷积、多头/空间/通道注意力以及频域选择模块的协同，有效融合信号的局部与全局、时域与频域特征。最后，采用注意力动态混合剪枝策略，在推理时根据输入信号稀疏化激活计算路径，在几乎不损失精度的情况下实现了模型的结构轻量化与推理加速。在公开数据集RadioML 2016.10a和RML22上的实验表明，本文方法平均分类准确率分别达到63.84%和71.13%，且单条信号推理时间仅需2.2 ms。与多种主流深度学习模型相比，平均分类准确率提升4%～10%，显著兼顾了高速移动通信场景下调制识别的鲁棒性与实时性。
针对高速移动通信场景下，多普勒频移与时变信道导致信号调制特征严重畸变，现有深度学习模型存在鲁棒性不足、推理延迟高的问题，本文提出了一种基于RollingQ动态融合与混合剪枝Transformer的调制识别方法。首先，引入RollingQ机制，动态评估与调整注意力查询方向，打破注意力固化，实现多维度信号表征的自适应均衡融合，提升了模型在复杂信道下的泛化能力。其次，设计多头注意力频域增强Transformer结构，通过轻量级卷积、多头/空间/通道注意力以及频域选择模块的协同，有效融合信号的局部与全局、时域与频域特征。最后，采用注意力动态混合剪枝策略，在推理时根据输入信号稀疏化激活计算路径，在几乎不损失精度的情况下实现了模型的结构轻量化与推理加速。在公开数据集RadioML 2016.10a和RML22上的实验表明，本文方法平均分类准确率分别达到63.84%和71.13%，且单条信号推理时间仅需2.2 ms。与多种主流深度学习模型相比，平均分类准确率提升4%～10%，显著兼顾了高速移动通信场景下调制识别的鲁棒性与实时性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260019
摘要:
针对对抗性攻击下深度学习调制识别模型鲁棒性不足且现有防御方法依赖攻击先验、计算开销大的问题，本文提出一种盲对抗性攻击下的稳健调制识别框架。首先，特征净化自编码器从信号特征中提取高维流形结构，并在瓶颈层创新性地引入动态净化机制，通过基于统计特征的自适应阈值与Top-K稀疏化操作，精准识别并抑制由对抗扰动引起的异常特征激活，最后利用解码器将净化后的特征重构为逼近干净信号的表征。目标函数依次引入重构损失、特征稀疏性约束与语义一致性损失，确保净化后信号在结构与语义上均贴近干净样本。实验结果表明，在包含12种调制类型的仿真数据集上，所提框架在面对有/无目标下的白盒攻击与黑盒攻击时，能将调制识别准确率分别提升至83.2%/85.7%与86.1%/89.3%，验证了其在盲对抗性攻击场景下的有效性与稳健性。
针对对抗性攻击下深度学习调制识别模型鲁棒性不足且现有防御方法依赖攻击先验、计算开销大的问题，本文提出一种盲对抗性攻击下的稳健调制识别框架。首先，特征净化自编码器从信号特征中提取高维流形结构，并在瓶颈层创新性地引入动态净化机制，通过基于统计特征的自适应阈值与Top-K稀疏化操作，精准识别并抑制由对抗扰动引起的异常特征激活，最后利用解码器将净化后的特征重构为逼近干净信号的表征。目标函数依次引入重构损失、特征稀疏性约束与语义一致性损失，确保净化后信号在结构与语义上均贴近干净样本。实验结果表明，在包含12种调制类型的仿真数据集上，所提框架在面对有/无目标下的白盒攻击与黑盒攻击时，能将调制识别准确率分别提升至83.2%/85.7%与86.1%/89.3%，验证了其在盲对抗性攻击场景下的有效性与稳健性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250785
摘要:
动态视觉机制具有数据冗余低、事件采样频率高等优点，是远距离光电监视系统的理想探测方式，但其中的目标表现为稀疏事件流中的运动微小目标，针对常规有形态目标的方法难以适用。针对此问题，该文受类脑处理中的第三代神经网络启发，结合动态视觉机制的异步感知和脉冲表征特点，设计针对运动微小目标的长短时融合脉冲神经网络。针对目标形态扩散性，设计脉冲Swin Transformer模块，以脉冲自注意力机制自适应学习微小目标与相邻时空像素的关联性；针对目标运动连续性，对ConvLSTM神经元进行脉冲化建模，形成适应事件数据的脉冲ConvLSTM模块，自动学习长时域中的运动信息；并结合脉冲金字塔模块等结构，融合双链路多尺度特征，实现了从极其有限表层特征中挖掘高维度深度特征。基于实测数据测试表明，该文设计方法针对运动微小目标的召回率可达95%以上，消融实验验证了增加长时域特征学习模块并利用更长时间的事件数据，可有效提升性能。
动态视觉机制具有数据冗余低、事件采样频率高等优点，是远距离光电监视系统的理想探测方式，但其中的目标表现为稀疏事件流中的运动微小目标，针对常规有形态目标的方法难以适用。针对此问题，该文受类脑处理中的第三代神经网络启发，结合动态视觉机制的异步感知和脉冲表征特点，设计针对运动微小目标的长短时融合脉冲神经网络。针对目标形态扩散性，设计脉冲Swin Transformer模块，以脉冲自注意力机制自适应学习微小目标与相邻时空像素的关联性；针对目标运动连续性，对ConvLSTM神经元进行脉冲化建模，形成适应事件数据的脉冲ConvLSTM模块，自动学习长时域中的运动信息；并结合脉冲金字塔模块等结构，融合双链路多尺度特征，实现了从极其有限表层特征中挖掘高维度深度特征。基于实测数据测试表明，该文设计方法针对运动微小目标的召回率可达95%以上，消融实验验证了增加长时域特征学习模块并利用更长时间的事件数据，可有效提升性能。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT251129
摘要:
针对现有水下目标检测方法在成像退化类型多样与背景干扰等复杂场景中鲁棒性差以及在设备资源受限条件下难以兼顾检测精度与模型轻量化的问题，本文提出基于冗余信息优化的轻量化水下目标检测网络(Underwater Faster YOLO Network Based on Redundancy Information Optimization, UWF-YOLO)，并进一步构建了复杂场景水下目标检测数据集(Underwater Object Detection Dataset with Complex Scene, CSUOD)。UWF-YOLO采用FasterNet Block重构C2f模块优化主干和颈部网络，通过特征通道选择机制减少冗余特征，并引入Ghost卷积增强颈部网络的多尺度特征融合能力；同时，通过基于分组卷积的参数共享检测头降低计算开销；最后，应用结构化通道剪枝技术进一步压缩网络规模。CSUOD数据集通过收集真实水下图像标注并进行分辨率标准化处理，覆盖雾化、色偏、非均匀照明等各种退化类型，可用于复杂场景下水下目标检测模型的鲁棒性训练与性能评测。在DUO，RUOD和TrashCan数据集上进行实验表明，相较于YOLOv8s，所提方法在计算量、权重大小与参数量三个指标上的分别降低了60.4%、77.3%和78.4%；与参数量相当的YOLOv9-tiny相比，mAP指标在三个数据集上分别提升了0.3%、2.3%和3.4%。同时，在自建CSUOD数据集上的主客观对比实验，进一步证实所提模型在实现显著轻量化的同时，能够有效避免背景干扰导致的误检、漏检等问题，特别在复杂水下环境中展现出优异的检测性能。此外，本文构建的复杂场景水下数据集将有助于推动水下目标检测方法的发展。
针对现有水下目标检测方法在成像退化类型多样与背景干扰等复杂场景中鲁棒性差以及在设备资源受限条件下难以兼顾检测精度与模型轻量化的问题，本文提出基于冗余信息优化的轻量化水下目标检测网络(Underwater Faster YOLO Network Based on Redundancy Information Optimization, UWF-YOLO)，并进一步构建了复杂场景水下目标检测数据集(Underwater Object Detection Dataset with Complex Scene, CSUOD)。UWF-YOLO采用FasterNet Block重构C2f模块优化主干和颈部网络，通过特征通道选择机制减少冗余特征，并引入Ghost卷积增强颈部网络的多尺度特征融合能力；同时，通过基于分组卷积的参数共享检测头降低计算开销；最后，应用结构化通道剪枝技术进一步压缩网络规模。CSUOD数据集通过收集真实水下图像标注并进行分辨率标准化处理，覆盖雾化、色偏、非均匀照明等各种退化类型，可用于复杂场景下水下目标检测模型的鲁棒性训练与性能评测。在DUO，RUOD和TrashCan数据集上进行实验表明，相较于YOLOv8s，所提方法在计算量、权重大小与参数量三个指标上的分别降低了60.4%、77.3%和78.4%；与参数量相当的YOLOv9-tiny相比，mAP指标在三个数据集上分别提升了0.3%、2.3%和3.4%。同时，在自建CSUOD数据集上的主客观对比实验，进一步证实所提模型在实现显著轻量化的同时，能够有效避免背景干扰导致的误检、漏检等问题，特别在复杂水下环境中展现出优异的检测性能。此外，本文构建的复杂场景水下数据集将有助于推动水下目标检测方法的发展。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT251119
摘要:
在雷达海上探测场景中，当舰船与漂浮目标处于同一距离单元中，形成信号混叠的混合体目标时，如何实现混合体中单个目标的准确识别，当前仍未得到有效解决。针对该问题，本文提出一种基于模态重构与时频域差异特征的海上目标识别方法。不同于将混合体目标整体处理的传统思路，该方法采用变分模态分解(VMD)有效分离混合体中的多普勒通道，针对虚假模态和目标信息碎片化表达问题，提出基于能量约束的模态滤波方法和基于频谱一致性的模态聚类方法，实现多目标场景下回波模态重构处理。在此基础上，分别从图像层面和数据层面出发，提取微多普勒频率全变差(VF)和主多普勒通道等级熵(REDDC ) 两个识别特征，对目标的微多普勒和混乱度差异进行量化表征与联合识别。结果表明，本文算法在2～4级海况条件下对混合体中各目标的平均识别准确率达97.32%，整体性能优于已有方法。
在雷达海上探测场景中，当舰船与漂浮目标处于同一距离单元中，形成信号混叠的混合体目标时，如何实现混合体中单个目标的准确识别，当前仍未得到有效解决。针对该问题，本文提出一种基于模态重构与时频域差异特征的海上目标识别方法。不同于将混合体目标整体处理的传统思路，该方法采用变分模态分解(VMD)有效分离混合体中的多普勒通道，针对虚假模态和目标信息碎片化表达问题，提出基于能量约束的模态滤波方法和基于频谱一致性的模态聚类方法，实现多目标场景下回波模态重构处理。在此基础上，分别从图像层面和数据层面出发，提取微多普勒频率全变差(VF)和主多普勒通道等级熵(REDDC ) 两个识别特征，对目标的微多普勒和混乱度差异进行量化表征与联合识别。结果表明，本文算法在2～4级海况条件下对混合体中各目标的平均识别准确率达97.32%，整体性能优于已有方法。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260014
摘要:
无蜂窝大规模多输入多输出(CF-mMIMO)系统通过密集部署接入点(AP)显著提升了频谱效率。然而，海量AP的持续激活会带来巨大的能量开销，尤其在低业务到达率场景下，这种能量浪费在长期来看将显著削弱系统的能量可持续性。为此，该文提出一种基于李雅普诺夫理论的动态资源调度策略。该策略构建了功率分配与AP开关控制的联合优化模型，利用李雅普诺夫理论将原随机优化问题分解为一系列逐时隙的优化问题，在保障队列稳定性的前提下，将每个时隙内的优化问题分解为功率分配和AP开关控制两个子问题，并采用交替优化算法求解，从而实现对网络状态及业务流量波动的自适应资源配置。仿真结果表明，相较于无AP开关控制方案，本文所提方案在功率放大器效率\begin{document}$ {\xi }_{m}=0.38 $\end{document} \begin{document}$ {\xi }_{m}=0.45 $\end{document}
无蜂窝大规模多输入多输出(CF-mMIMO)系统通过密集部署接入点(AP)显著提升了频谱效率。然而，海量AP的持续激活会带来巨大的能量开销，尤其在低业务到达率场景下，这种能量浪费在长期来看将显著削弱系统的能量可持续性。为此，该文提出一种基于李雅普诺夫理论的动态资源调度策略。该策略构建了功率分配与AP开关控制的联合优化模型，利用李雅普诺夫理论将原随机优化问题分解为一系列逐时隙的优化问题，在保障队列稳定性的前提下，将每个时隙内的优化问题分解为功率分配和AP开关控制两个子问题，并采用交替优化算法求解，从而实现对网络状态及业务流量波动的自适应资源配置。仿真结果表明，相较于无AP开关控制方案，本文所提方案在功率放大器效率
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250967
摘要:
为应对动力电池供应链中的假冒风险并满足对电池全生命周期追溯的需求，该文提出一种面向电池防伪的混合型PUF标签生成技术。该技术利用PCB覆铜区与电池负极极耳构成的独特电容结构，结合分立电阻形成RC延时电路，并将其接入芯片内基于延时的传统仲裁器PUF(A PUF)，从而构建一个集“电池-PCB-芯片”三重物理耦合于一体的混合型PUF电路。该电路将电池、PCB和芯片制造过程中固有的工艺偏差转化为独一无二的电池ID，并集成延时补偿模块与可靠性自筛选模块，显著提升了ID标签的随机性与可靠性。实验结果表明，所生成的标签在随机性(48.85%)、唯一性(49.15%)和可靠性(99.98%)方面均表现优秀。在更换不同电池、PCB或芯片的情况下，数字标签的变化率分别达到14.86%、24.58%和41.66%，有效验证了该方案实现了“电池-PCB-芯片”之间的深度绑定，为电池真伪验证提供了物理层面上的有效保障。
为应对动力电池供应链中的假冒风险并满足对电池全生命周期追溯的需求，该文提出一种面向电池防伪的混合型PUF标签生成技术。该技术利用PCB覆铜区与电池负极极耳构成的独特电容结构，结合分立电阻形成RC延时电路，并将其接入芯片内基于延时的传统仲裁器PUF(A PUF)，从而构建一个集“电池-PCB-芯片”三重物理耦合于一体的混合型PUF电路。该电路将电池、PCB和芯片制造过程中固有的工艺偏差转化为独一无二的电池ID，并集成延时补偿模块与可靠性自筛选模块，显著提升了ID标签的随机性与可靠性。实验结果表明，所生成的标签在随机性(48.85%)、唯一性(49.15%)和可靠性(99.98%)方面均表现优秀。在更换不同电池、PCB或芯片的情况下，数字标签的变化率分别达到14.86%、24.58%和41.66%，有效验证了该方案实现了“电池-PCB-芯片”之间的深度绑定，为电池真伪验证提供了物理层面上的有效保障。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT251014
摘要:
HALFLOOP是一类基于调柄机制、结构类似AES的轻量级分组密码，用于保护第4代高频无线电系统中的自动链路消息。由于其行移位与列混合操作具有使差分快速扩散的特点，寻找具有实际可行性的长轮数、高概率的差分区分器，并实现对完整轮HALFLOOP-48的有效攻击仍是亟待解决的关键问题。为此，该文提出一个新的截断差分三明治区分器框架，并基于布尔可满足性(SAT)方法实现自动化搜索最优差分区分器。该框架将密码分为3个子密码层，\begin{document}$ {{E}}_{0} $\end{document} \begin{document}$ {{E}}_{1} $\end{document} \begin{document}$ {{E}}_{{m}} $\end{document} \begin{document}$ {{E}}_{0} $\end{document} \begin{document}$ {{E}}_{1} $\end{document} \begin{document}$ {2}^{-43.2} $\end{document} \begin{document}$ {2}^{25.4} $\end{document} \begin{document}$ {2}^{10} $\end{document}
HALFLOOP是一类基于调柄机制、结构类似AES的轻量级分组密码，用于保护第4代高频无线电系统中的自动链路消息。由于其行移位与列混合操作具有使差分快速扩散的特点，寻找具有实际可行性的长轮数、高概率的差分区分器，并实现对完整轮HALFLOOP-48的有效攻击仍是亟待解决的关键问题。为此，该文提出一个新的截断差分三明治区分器框架，并基于布尔可满足性(SAT)方法实现自动化搜索最优差分区分器。该框架将密码分为3个子密码层，
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250842
摘要:
数据驱动的深度学习方法已展现出优越性能，但其成功实施往往依赖于大量细粒度标注训练数据。此外，医疗数据通常呈“数据孤岛”状态，复杂的数据共享过程可能会存在患者隐私泄露的风险。联邦学习 (FL)能够使多个医疗中心在不共享数据的情况下协同训练一个深度学习模型。然而，在计算病理学领域，源自不同医疗中心的病理图像之间普遍存在数据异质性。这些固有的数据异质性可能会显著影响模型性能。针对以上问题，该研究提出一种适用于计算病理学领域千兆像素全切片图像 (WSI)的隐私保护FL方法，该方法结合弱监督的注意力多实例学习 (MIL)与差分隐私技术。具体而言，对于各个参与客户端，使用一种弱监督的多尺度注意力MIL方法，仅需要切片级标签监督本地模型训练，以应对千兆像素病理WSI标注成本高昂的问题。在联邦权重聚合阶段，引入本地化差分隐私技术，进一步降低敏感数据泄露风险；同时采用一种新的联邦自适应重加权策略，旨在克服客户端之间病理图像异质性所带来的挑战。最后，该文在两种癌症组织学分型任务上评估了所提出FL方法的有效性。实验结果表明，在保障患者数据隐私的前提下，该研究所提出的FL方法相较于本地化模型及其他FL方法，表现出更高的分类准确率；即便与中心化模型相比，其分类性能仍然具备一定竞争力。
数据驱动的深度学习方法已展现出优越性能，但其成功实施往往依赖于大量细粒度标注训练数据。此外，医疗数据通常呈“数据孤岛”状态，复杂的数据共享过程可能会存在患者隐私泄露的风险。联邦学习 (FL)能够使多个医疗中心在不共享数据的情况下协同训练一个深度学习模型。然而，在计算病理学领域，源自不同医疗中心的病理图像之间普遍存在数据异质性。这些固有的数据异质性可能会显著影响模型性能。针对以上问题，该研究提出一种适用于计算病理学领域千兆像素全切片图像 (WSI)的隐私保护FL方法，该方法结合弱监督的注意力多实例学习 (MIL)与差分隐私技术。具体而言，对于各个参与客户端，使用一种弱监督的多尺度注意力MIL方法，仅需要切片级标签监督本地模型训练，以应对千兆像素病理WSI标注成本高昂的问题。在联邦权重聚合阶段，引入本地化差分隐私技术，进一步降低敏感数据泄露风险；同时采用一种新的联邦自适应重加权策略，旨在克服客户端之间病理图像异质性所带来的挑战。最后，该文在两种癌症组织学分型任务上评估了所提出FL方法的有效性。实验结果表明，在保障患者数据隐私的前提下，该研究所提出的FL方法相较于本地化模型及其他FL方法，表现出更高的分类准确率；即便与中心化模型相比，其分类性能仍然具备一定竞争力。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250757
摘要:
随着无人机技术的广泛应用，多机共存场景中机型识别对空域管理与黑飞无人机反制具有重要意义。针对射频(RF)信号的特征提取与机型识别需求，该文提出CNN|Triplet-DNN异构网络模型。该模型采用不同深度卷积层与三元组(Triplet)结合的三分支结构，通过交叉熵、中心及三元组损失的动态协同，从分类准确性、类内聚集性和类间分离性三个角度，提取并融合时频图的异构多层特征；进一步利用深度神经网络(DNN)增强特征的非线性拟合能力，提升机型的识别准确率。基于DroneRFa数据集进行消融实验，验证了模型分支设计的有效性；通过叠加DroneRFa中单无人机信号模拟4类及以下多机共存场景，CNN|Triplet-DNN模型的机型识别准确率达83%～100%；在实飞实验中，该模型对2~4类共存场景中的机型识别准确率分别为86%, 57%和73%。与CNN, Triplet-CNN和Transformer模型相比，CNN|Triplet-DNN模型的识别性能更优。
随着无人机技术的广泛应用，多机共存场景中机型识别对空域管理与黑飞无人机反制具有重要意义。针对射频(RF)信号的特征提取与机型识别需求，该文提出CNN|Triplet-DNN异构网络模型。该模型采用不同深度卷积层与三元组(Triplet)结合的三分支结构，通过交叉熵、中心及三元组损失的动态协同，从分类准确性、类内聚集性和类间分离性三个角度，提取并融合时频图的异构多层特征；进一步利用深度神经网络(DNN)增强特征的非线性拟合能力，提升机型的识别准确率。基于DroneRFa数据集进行消融实验，验证了模型分支设计的有效性；通过叠加DroneRFa中单无人机信号模拟4类及以下多机共存场景，CNN|Triplet-DNN模型的机型识别准确率达83%～100%；在实飞实验中，该模型对2~4类共存场景中的机型识别准确率分别为86%, 57%和73%。与CNN, Triplet-CNN和Transformer模型相比，CNN|Triplet-DNN模型的识别性能更优。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT251176
摘要:
为了在资源受限的本地电力通信网中尽可能地满足业务差异化服务质量(QoS)需求，该文提出一种混合专家驱动的资源分配与调度算法。首先，考虑业务差异化QoS需求、链路类型、信道数量和数据调制方式，建立了大规模异构本地电力通信网资源供需差异最小化问题。接着，为了求解该NP-hard问题，设计了一个包含专家网络和门控网络的混合专家模型，通过不同专家模型专门且并行学习资源分配与调度策略，以满足多样化业务对数据传输速率、时延和可靠性的个性化需求。其中，专家网络由共享型专家和特定于业务QoS的专家组成，用于生成最优下一跳以及节点对间链路、信道和调制方式的有效分配策略。门控网络通过自适应组合和重用多个专家模型来满足已有的和未知的业务QoS需求。最后，仿真结果表明，相较多种对比算法，所提出算法在资源利用率、时延和可靠性方面都有较好的表现。
为了在资源受限的本地电力通信网中尽可能地满足业务差异化服务质量(QoS)需求，该文提出一种混合专家驱动的资源分配与调度算法。首先，考虑业务差异化QoS需求、链路类型、信道数量和数据调制方式，建立了大规模异构本地电力通信网资源供需差异最小化问题。接着，为了求解该NP-hard问题，设计了一个包含专家网络和门控网络的混合专家模型，通过不同专家模型专门且并行学习资源分配与调度策略，以满足多样化业务对数据传输速率、时延和可靠性的个性化需求。其中，专家网络由共享型专家和特定于业务QoS的专家组成，用于生成最优下一跳以及节点对间链路、信道和调制方式的有效分配策略。门控网络通过自适应组合和重用多个专家模型来满足已有的和未知的业务QoS需求。最后，仿真结果表明，相较多种对比算法，所提出算法在资源利用率、时延和可靠性方面都有较好的表现。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT251202
摘要:
电磁波的多种物理自由度为实现超高信息容量的多功能超表面提供了广阔的维度复用空间。然而，现有的多维度复用超表面通常依赖复杂的多层设计或空间划分，导致器件制备成本较高，且信道间往往存在不可避免的串扰。为简化设计并提高信道隔离度，该研究提出了一种基于嵌套式双光谱超原子的无串扰频率-自旋复用单层超表面。通过精心设计，无串扰双光谱超原子的物理结构和电磁响应能够同时巧妙地表示为两个单光谱超原子的线性叠加，显著降低了复用设计的复杂度。作为概念验证，设计并制备了两款超表面器件，分别在由两个频率和两个自旋态组成的4个信道中实现了独立且无串扰的涡旋光束生成和全息成像功能。实验结果验证了多维复用超表面优异的信道隔离性能。该方法为超表面在提升信息容量方面提供了一种简单、低成本且无串扰的解决方案，并在6G多通道无线通信和全息成像等领域展现出广阔的应用前景。
电磁波的多种物理自由度为实现超高信息容量的多功能超表面提供了广阔的维度复用空间。然而，现有的多维度复用超表面通常依赖复杂的多层设计或空间划分，导致器件制备成本较高，且信道间往往存在不可避免的串扰。为简化设计并提高信道隔离度，该研究提出了一种基于嵌套式双光谱超原子的无串扰频率-自旋复用单层超表面。通过精心设计，无串扰双光谱超原子的物理结构和电磁响应能够同时巧妙地表示为两个单光谱超原子的线性叠加，显著降低了复用设计的复杂度。作为概念验证，设计并制备了两款超表面器件，分别在由两个频率和两个自旋态组成的4个信道中实现了独立且无串扰的涡旋光束生成和全息成像功能。实验结果验证了多维复用超表面优异的信道隔离性能。该方法为超表面在提升信息容量方面提供了一种简单、低成本且无串扰的解决方案，并在6G多通道无线通信和全息成像等领域展现出广阔的应用前景。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT251174
摘要:
推理大模型等人工智能的发展需要高能效、高算力芯片RRAM(阻变随机存取存储器)存算一体技术可以克服传统架构的“存储墙”瓶颈，大幅降低数据搬移的开销，实现高速、低功耗智能计算。当前，RRAM存算一体技术缺乏适配计算的高速、高精度编程方法，传统编程策略面临单器件校验耗时长以及电路非理想因素带来的精度损失挑战。为了提升RRAM高并行度模拟存算一体(CIM)的编程速度并提高权重编程精度，本文提出一种新型系统化编程策略：利用双向矩阵向量乘法(MVM)检测映射故障，并引入基于权重冗余行的原位偏移补偿方案，以高效校准不同通道的偏移。基于上述策略，制备了包含640×256子阵列与双通道ADC的RRAM存算一体芯片。在4位输入、4位权重、8位输出的配置下，该宏单元实现了编程延迟降低4倍，且在全并行MVM计算中取得0.64%的最低均方根(RMS)误差，提出的编程方法在图像识别任务中将识别准确率分别提升了4.7%和4.8%。
推理大模型等人工智能的发展需要高能效、高算力芯片RRAM(阻变随机存取存储器)存算一体技术可以克服传统架构的“存储墙”瓶颈，大幅降低数据搬移的开销，实现高速、低功耗智能计算。当前，RRAM存算一体技术缺乏适配计算的高速、高精度编程方法，传统编程策略面临单器件校验耗时长以及电路非理想因素带来的精度损失挑战。为了提升RRAM高并行度模拟存算一体(CIM)的编程速度并提高权重编程精度，本文提出一种新型系统化编程策略：利用双向矩阵向量乘法(MVM)检测映射故障，并引入基于权重冗余行的原位偏移补偿方案，以高效校准不同通道的偏移。基于上述策略，制备了包含640×256子阵列与双通道ADC的RRAM存算一体芯片。在4位输入、4位权重、8位输出的配置下，该宏单元实现了编程延迟降低4倍，且在全并行MVM计算中取得0.64%的最低均方根(RMS)误差，提出的编程方法在图像识别任务中将识别准确率分别提升了4.7%和4.8%。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT251325
摘要:
有源电路与天线的无缝集成能有效改善链路性能与集成度。当前，有源集成天线主要是在保证天线辐射性能的前提下调控天线阻抗特性使其与有源晶体管实现直接匹配。天线复阻抗特性对有源通道的相位响应影响，及其在有源集成相控阵列中的应用还未进行充分分析。有源电路与天线的无缝集成能有效改善链路整体性能与集成度。本文提出一种用于有源集成阵列的通道相位自补偿方法。每个有源通道中的有源晶体管与辐射阵元需直接集成，即晶体管漏极输出端的负载阻抗与辐射阵元的输入阻抗匹配。通过在恒定有源增益下对该负载阻抗(复阻抗)求解，可以得到有源通道相位响应与负载阻抗的具体映射关系。进而针对各通道间对于移相范围的具体要求，选择合适的负载阻抗作为相应辐射阵元的输入阻抗，便可以在不采用外部移相结构的情况下，对每个通道施加一组相位分布，用以控制初始波束指向或者共形阵列中阵元之间波程差补偿等应用。论文设计、加工和测试了一个具有初始波束指向的有源集成相控阵天线设计实例，验证了该方法的有效性。
有源电路与天线的无缝集成能有效改善链路性能与集成度。当前，有源集成天线主要是在保证天线辐射性能的前提下调控天线阻抗特性使其与有源晶体管实现直接匹配。天线复阻抗特性对有源通道的相位响应影响，及其在有源集成相控阵列中的应用还未进行充分分析。有源电路与天线的无缝集成能有效改善链路整体性能与集成度。本文提出一种用于有源集成阵列的通道相位自补偿方法。每个有源通道中的有源晶体管与辐射阵元需直接集成，即晶体管漏极输出端的负载阻抗与辐射阵元的输入阻抗匹配。通过在恒定有源增益下对该负载阻抗(复阻抗)求解，可以得到有源通道相位响应与负载阻抗的具体映射关系。进而针对各通道间对于移相范围的具体要求，选择合适的负载阻抗作为相应辐射阵元的输入阻抗，便可以在不采用外部移相结构的情况下，对每个通道施加一组相位分布，用以控制初始波束指向或者共形阵列中阵元之间波程差补偿等应用。论文设计、加工和测试了一个具有初始波束指向的有源集成相控阵天线设计实例，验证了该方法的有效性。
2026, 48(1): 1-33.
doi: 10.11999/JEIT251246
摘要:
随着新质生产力与数字经济的深度发展，低空经济作为融合通用航空、无人机物流和空中出行等形态的新型产业体系，正成为全球经济增长的新引擎。无人机凭借其高性价比、可扩展性与高度智能化，在其中扮演着核心赋能者角色。该文系统性梳理并构建了面向低空经济的智能无人机技术体系，该体系遵循从底层基础到顶层应用的逻辑，通过通信网络贯通“感知-决策-行动”闭环，总结了无人机在物流运输、城市空中交通、公共安全和工业巡检等典型场景中的应用模式。剖析了其在感知与定位、通信与组网、智能决策与控制及空域集成与安全4大领域的关键技术内涵；归纳低空无人机通信3大关键网络类型，即无人机与蜂窝网络深度融合网络、无人机自组织专用网络、无人机计算应用网络，并详细分析了智能反射面(IRS)辅助的非正交多址接入(NOMA)通信、自组网拓扑优化和移动边缘计算分别在3类网络中的核心作用。解析了无人机在可靠通信、智能感知、自主协同和能源动力等方面面临的技术挑战以及在空域管理、法规标准、商业模式与社会接受度方面的非技术挑战。展望智能全域通信、认知群体智能、高置信度自主安全及绿色可持续技术等未来融合发展趋势的同时，提出基于“挑战驱动-技术融合-体系构建-反馈迭代”的低空经济无人系统技术闭环演进范式，揭示了其发展内在逻辑是以应用为导向、具备自我优化能力的动态递归过程。
随着新质生产力与数字经济的深度发展，低空经济作为融合通用航空、无人机物流和空中出行等形态的新型产业体系，正成为全球经济增长的新引擎。无人机凭借其高性价比、可扩展性与高度智能化，在其中扮演着核心赋能者角色。该文系统性梳理并构建了面向低空经济的智能无人机技术体系，该体系遵循从底层基础到顶层应用的逻辑，通过通信网络贯通“感知-决策-行动”闭环，总结了无人机在物流运输、城市空中交通、公共安全和工业巡检等典型场景中的应用模式。剖析了其在感知与定位、通信与组网、智能决策与控制及空域集成与安全4大领域的关键技术内涵；归纳低空无人机通信3大关键网络类型，即无人机与蜂窝网络深度融合网络、无人机自组织专用网络、无人机计算应用网络，并详细分析了智能反射面(IRS)辅助的非正交多址接入(NOMA)通信、自组网拓扑优化和移动边缘计算分别在3类网络中的核心作用。解析了无人机在可靠通信、智能感知、自主协同和能源动力等方面面临的技术挑战以及在空域管理、法规标准、商业模式与社会接受度方面的非技术挑战。展望智能全域通信、认知群体智能、高置信度自主安全及绿色可持续技术等未来融合发展趋势的同时，提出基于“挑战驱动-技术融合-体系构建-反馈迭代”的低空经济无人系统技术闭环演进范式，揭示了其发展内在逻辑是以应用为导向、具备自我优化能力的动态递归过程。
2026, 48(1): 34-44.
doi: 10.11999/JEIT250804
摘要:
物理层认证快速识别电子欺骗等攻击，但海域短包通信的信道估计误差大，且海域信道变化剧烈，造成认证精度低，速度慢，难以支撑基于大语言模型的智慧海洋业务。为此，该文研究面向大语言模型的海域通信物理层认证，根据终端无线信道和数据包的多种物理层特征，基于假设检验设计多模式认证机制，适配摄像头和温湿度传感器等多类型终端的长短包通信方式，并结合大语言模型推断结果的环境指示等，利用强化学习持续优化认证模式和检测阈值，提高认证精度和速度。设计漏报风险评估机制，修正认证策略分布，结合持续学习机制挖掘甲板和船舱等多场景下的多尺度认证经验，并在相似场景中快速回放，加速认证策略优化。基于LLaVA-1.5-7B大语言模型和海域实测信道数据的仿真结果表明，所提方案可显著提升认证精度和速度，防御多场景船载终端在大语言模型边缘推断过程中的电子欺骗等攻击，支撑智慧海洋业务。
物理层认证快速识别电子欺骗等攻击，但海域短包通信的信道估计误差大，且海域信道变化剧烈，造成认证精度低，速度慢，难以支撑基于大语言模型的智慧海洋业务。为此，该文研究面向大语言模型的海域通信物理层认证，根据终端无线信道和数据包的多种物理层特征，基于假设检验设计多模式认证机制，适配摄像头和温湿度传感器等多类型终端的长短包通信方式，并结合大语言模型推断结果的环境指示等，利用强化学习持续优化认证模式和检测阈值，提高认证精度和速度。设计漏报风险评估机制，修正认证策略分布，结合持续学习机制挖掘甲板和船舱等多场景下的多尺度认证经验，并在相似场景中快速回放，加速认证策略优化。基于LLaVA-1.5-7B大语言模型和海域实测信道数据的仿真结果表明，所提方案可显著提升认证精度和速度，防御多场景船载终端在大语言模型边缘推断过程中的电子欺骗等攻击，支撑智慧海洋业务。
2026, 48(1): 45-56.
doi: 10.11999/JEIT250854
摘要:
代表性顺序统计量译码(Representative Ordered Statistics Decoding, ROSD)是一类针对阶梯矩阵码提出的能够支持并行高斯消元(Gaussian Elimination, GE)的高效译码算法。该文将ROSD推广至一般线性分组码，并利用最小重量阶梯生成矩阵(Minimum-Weight Staircase Generator Matrix, MWSGM)构造方法，为任意线性分组码生成对应的阶梯矩阵结构。在此基础上，该文特别提出了基于MWSGM的多矩阵构造与选择策略。具体而言，构造阶段在第0行(第1个阶梯)分别保留前\begin{document}$ M $\end{document} \begin{document}$ M $\end{document}
代表性顺序统计量译码(Representative Ordered Statistics Decoding, ROSD)是一类针对阶梯矩阵码提出的能够支持并行高斯消元(Gaussian Elimination, GE)的高效译码算法。该文将ROSD推广至一般线性分组码，并利用最小重量阶梯生成矩阵(Minimum-Weight Staircase Generator Matrix, MWSGM)构造方法，为任意线性分组码生成对应的阶梯矩阵结构。在此基础上，该文特别提出了基于MWSGM的多矩阵构造与选择策略。具体而言，构造阶段在第0行(第1个阶梯)分别保留前
2026, 48(1): 57-66.
doi: 10.11999/JEIT250655
摘要:
无蜂窝大规模多输入多输出(CF-mMIMO)系统需要支持大量用户接入，这使得信道估计变得更加复杂。基于常规导频配置的信道估计方法占用较大开销，使得数据传输可用符号大大减少，导致传输速率下降，该问题在短包传输场景中尤为明显。对此，该文研究了CF-mMIMO系统中基于叠加导频(SP)的下行短包传输方案。首先，基于最大比传输预编码方案，在非完美信道状态信息下推导了下行可达速率的闭式表达式。为了减小SP配置下导频与数据之间的干扰，进一步提出基于几何规划和连续凸近似的迭代优化算法，以优化导频和数据间的功率分配。最后，仿真结果验证了下行可达速率闭式表达式的正确性，并表明所提SP功率优化算法能够显著提高短包传输性能。
无蜂窝大规模多输入多输出(CF-mMIMO)系统需要支持大量用户接入，这使得信道估计变得更加复杂。基于常规导频配置的信道估计方法占用较大开销，使得数据传输可用符号大大减少，导致传输速率下降，该问题在短包传输场景中尤为明显。对此，该文研究了CF-mMIMO系统中基于叠加导频(SP)的下行短包传输方案。首先，基于最大比传输预编码方案，在非完美信道状态信息下推导了下行可达速率的闭式表达式。为了减小SP配置下导频与数据之间的干扰，进一步提出基于几何规划和连续凸近似的迭代优化算法，以优化导频和数据间的功率分配。最后，仿真结果验证了下行可达速率闭式表达式的正确性，并表明所提SP功率优化算法能够显著提高短包传输性能。
2026, 48(1): 67-77.
doi: 10.11999/JEIT250836
摘要:
该文针对短包隐蔽通信场景，考虑信道估计误差导致的非理想信道条件，研究了最小化平均隐蔽信息年龄(CAoI)的通信参数优化问题。具体地，首先推导了非理想信道条件下的隐蔽约束和平均CAoI的闭式表达式；其次，推导了最小化平均CAoI的发送功率表达式。在此基础上，进一步基于黄金分割法对导频信号包长和数据信号包长进行优化，以最小化平均CAoI，从而实现通信隐蔽性和时效性之间的最优折中。此外，该文还分析了平均CAoI与收发距离、隐蔽容忍度等参数的变化关系。仿真结果表明，存在最优包长和最优导频信号包长，使得平均CAoI最小，并且与固定包长分配比例的情况相比，所提优化方法可以获得更好的性能。并且当隐蔽性约束更严格时，由于发送功率的降低，最优的导频信号包长随之增大。
该文针对短包隐蔽通信场景，考虑信道估计误差导致的非理想信道条件，研究了最小化平均隐蔽信息年龄(CAoI)的通信参数优化问题。具体地，首先推导了非理想信道条件下的隐蔽约束和平均CAoI的闭式表达式；其次，推导了最小化平均CAoI的发送功率表达式。在此基础上，进一步基于黄金分割法对导频信号包长和数据信号包长进行优化，以最小化平均CAoI，从而实现通信隐蔽性和时效性之间的最优折中。此外，该文还分析了平均CAoI与收发距离、隐蔽容忍度等参数的变化关系。仿真结果表明，存在最优包长和最优导频信号包长，使得平均CAoI最小，并且与固定包长分配比例的情况相比，所提优化方法可以获得更好的性能。并且当隐蔽性约束更严格时，由于发送功率的降低，最优的导频信号包长随之增大。
2026, 48(1): 78-85.
doi: 10.11999/JEIT250852
摘要:
在无人机辅助电力巡检场景中，为保障电网安全运行，无人机需实时采集并回传电网关键状态参数和图像、视频等多模态数据，控制中心基于此对电网进行调度与调控。无人机巡检任务中的数据采集与回传具有超可靠低时延和实时大带宽等通信需求。然而，无线通信资源的稀缺性和无人机能量约束使得上述异构需求难满足，进而导致巡检数据的时效性和巡检任务的有效性难保障。针对上述挑战，该文提出了数据传输调度与通信资源分配的协同优化算法，在任务性能与约束下，降低系统开销，并基于非正交多址接入技术设计长短包混合帧结构，满足异构通信需求。在无人机数据传输调度方面，将调度决策建模为马尔可夫决策过程，并将通信消耗纳入决策成本。在通信资源优化方面，联合优化长短包功率配置、短包包长和导频长度，进而在保障长包传输需求的前提下，提升短包传输的可靠性，满足异构通信需求，实现低开销的无人机电力巡检策略。仿真结果表明，该方法能够在保障传输可靠性的同时，显著降低通信成本，为无人机辅助电力巡检场景中的异构数据传输提供有效支撑。
在无人机辅助电力巡检场景中，为保障电网安全运行，无人机需实时采集并回传电网关键状态参数和图像、视频等多模态数据，控制中心基于此对电网进行调度与调控。无人机巡检任务中的数据采集与回传具有超可靠低时延和实时大带宽等通信需求。然而，无线通信资源的稀缺性和无人机能量约束使得上述异构需求难满足，进而导致巡检数据的时效性和巡检任务的有效性难保障。针对上述挑战，该文提出了数据传输调度与通信资源分配的协同优化算法，在任务性能与约束下，降低系统开销，并基于非正交多址接入技术设计长短包混合帧结构，满足异构通信需求。在无人机数据传输调度方面，将调度决策建模为马尔可夫决策过程，并将通信消耗纳入决策成本。在通信资源优化方面，联合优化长短包功率配置、短包包长和导频长度，进而在保障长包传输需求的前提下，提升短包传输的可靠性，满足异构通信需求，实现低开销的无人机电力巡检策略。仿真结果表明，该方法能够在保障传输可靠性的同时，显著降低通信成本，为无人机辅助电力巡检场景中的异构数据传输提供有效支撑。
2026, 48(1): 86-97.
doi: 10.11999/JEIT250533
摘要:
随着智能物联网的出现，海量物联网设备间的短包通信在低时延、高可靠和极短数据包长方面的严苛要求给信道编译码方案的设计带来了新的挑战。极化调整卷积(PAC)码在短码长下的某些码型下具有接近散度近似(DA)的纠错性能，但其极高的译码运算复杂度限制了在短包通信中的应用。针对这一问题，该文提出了低复杂度Fano序贯(LC-FS)译码算法和低复杂度堆栈(LC-S)译码算法。首先，LC-FS译码算法将译码码树中的特殊节点分为低码率和高码率两类，并提出了相应的特殊节点译码器和回溯策略，从而在译码码树更高层完成译码以避免冗余运算。其次，LC-FS译码算法中的特殊节点分类方法被扩展到堆栈类译码算法，进一步提出了LC-S译码算法。该算法在保留堆栈类译码算法低回溯次数特点的同时具有更低的运算复杂度。最后，仿真结果表明在对码长为256和信息长度为128的PAC码进行译码时，相较于快速Fano序贯(FFS)译码算法和传统堆栈译码算法，所提LC-FS译码算法和LC-S译码算法在保证纠错性能基本无损的同时运算复杂度平均降低了13.77%和56.48%。
随着智能物联网的出现，海量物联网设备间的短包通信在低时延、高可靠和极短数据包长方面的严苛要求给信道编译码方案的设计带来了新的挑战。极化调整卷积(PAC)码在短码长下的某些码型下具有接近散度近似(DA)的纠错性能，但其极高的译码运算复杂度限制了在短包通信中的应用。针对这一问题，该文提出了低复杂度Fano序贯(LC-FS)译码算法和低复杂度堆栈(LC-S)译码算法。首先，LC-FS译码算法将译码码树中的特殊节点分为低码率和高码率两类，并提出了相应的特殊节点译码器和回溯策略，从而在译码码树更高层完成译码以避免冗余运算。其次，LC-FS译码算法中的特殊节点分类方法被扩展到堆栈类译码算法，进一步提出了LC-S译码算法。该算法在保留堆栈类译码算法低回溯次数特点的同时具有更低的运算复杂度。最后，仿真结果表明在对码长为256和信息长度为128的PAC码进行译码时，相较于快速Fano序贯(FFS)译码算法和传统堆栈译码算法，所提LC-FS译码算法和LC-S译码算法在保证纠错性能基本无损的同时运算复杂度平均降低了13.77%和56.48%。
2026, 48(1): 98-106.
doi: 10.11999/JEIT250609
摘要:
在低轨卫星物联网(LEO-IoT)短包通信场景中，大规模设备随机接入过程面临前导码冲突与检测复杂度高的问题。传统随机接入方案受限于导码池容量有限、检测算法效率不足，难以实现海量设备高可靠接入。为此，该文在免授权随机接入(GFRA)框架下提出了一种新的前导码结构和检测方法。首先，构建了一种带循环前缀的叠加前导码结构，在不增加系统时频资源开销的前提下，将导码池容量提升至传统方案的3.2倍，有效缓解了多设备接入场景下的前导码冲突问题。进一步地，针对叠加前导码的检测需求，提出一种基于空闲前导码搜索的动态检测算法，与传统穷举搜索方法相比，该算法在保持99.5%检测准确率的同时，将计算复杂度降低至原方案的18.7%。与压缩感知方法相比，该算法在检测精度和计算复杂度之间取得了优异的平衡，其多项式级的复杂度使其更适合部署在低轨卫星物联网系统中。理论推导证明，所提方案在误码率(BER)为10–5时可实现3.8 dB的系统信干噪比(SINR)增益。仿真验证进一步证明，即使在设备激活率超过80%的高负载场景下，该方案仍能保持低于2%的漏检率，且在异步接入环境下具备良好鲁棒性。
在低轨卫星物联网(LEO-IoT)短包通信场景中，大规模设备随机接入过程面临前导码冲突与检测复杂度高的问题。传统随机接入方案受限于导码池容量有限、检测算法效率不足，难以实现海量设备高可靠接入。为此，该文在免授权随机接入(GFRA)框架下提出了一种新的前导码结构和检测方法。首先，构建了一种带循环前缀的叠加前导码结构，在不增加系统时频资源开销的前提下，将导码池容量提升至传统方案的3.2倍，有效缓解了多设备接入场景下的前导码冲突问题。进一步地，针对叠加前导码的检测需求，提出一种基于空闲前导码搜索的动态检测算法，与传统穷举搜索方法相比，该算法在保持99.5%检测准确率的同时，将计算复杂度降低至原方案的18.7%。与压缩感知方法相比，该算法在检测精度和计算复杂度之间取得了优异的平衡，其多项式级的复杂度使其更适合部署在低轨卫星物联网系统中。理论推导证明，所提方案在误码率(BER)为10–5时可实现3.8 dB的系统信干噪比(SINR)增益。仿真验证进一步证明，即使在设备激活率超过80%的高负载场景下，该方案仍能保持低于2%的漏检率，且在异步接入环境下具备良好鲁棒性。
2026, 48(1): 107-115.
doi: 10.11999/JEIT250720
摘要:
智能反射面(IRS)的部署能够提升短包通信的传输可靠性，现有研究大多通过优化IRS的反射相位来增强短包通信的性能，而该文则重点研究如何在无线网络中优化IRS的部署策略，以实现更高的通信时效性。该文研究一种IRS辅助的短包通信系统，其中多个终端设备在IRS的协助下向接入节点(AP)传输短包。针对该系统，该文考虑了2种典型IRS部署方案：分布式IRS与集中式IRS。在分布式IRS中，每个设备附近都部署一个配备M个反射单元的IRS，而在集中式IRS中，相同数量和规模的IRS均部署于AP附近。为了比较分布式IRS和集中式IRS辅助短包通信的时效性能，该文采用平均信息年龄(AoI)作为系统的性能指标。然而，复合信道增益的概率分布具有高度复杂性，导致平均AoI的闭式表达式难以直接推导，为此该文采用矩匹配(MM)近似法来获得复合信道增益的近似分布，并在考虑导频开销的情况下，推导出两种部署方案的平均AoI表达式。仿真结果表明：当IRS反射单元数量较大或AP与设备距离较远时，分布式IRS系统展现出更优的AoI性能；而当传输功率较高或系统带宽充足时，集中式IRS系统具有更好的时效性表现。
智能反射面(IRS)的部署能够提升短包通信的传输可靠性，现有研究大多通过优化IRS的反射相位来增强短包通信的性能，而该文则重点研究如何在无线网络中优化IRS的部署策略，以实现更高的通信时效性。该文研究一种IRS辅助的短包通信系统，其中多个终端设备在IRS的协助下向接入节点(AP)传输短包。针对该系统，该文考虑了2种典型IRS部署方案：分布式IRS与集中式IRS。在分布式IRS中，每个设备附近都部署一个配备M个反射单元的IRS，而在集中式IRS中，相同数量和规模的IRS均部署于AP附近。为了比较分布式IRS和集中式IRS辅助短包通信的时效性能，该文采用平均信息年龄(AoI)作为系统的性能指标。然而，复合信道增益的概率分布具有高度复杂性，导致平均AoI的闭式表达式难以直接推导，为此该文采用矩匹配(MM)近似法来获得复合信道增益的近似分布，并在考虑导频开销的情况下，推导出两种部署方案的平均AoI表达式。仿真结果表明：当IRS反射单元数量较大或AP与设备距离较远时，分布式IRS系统展现出更优的AoI性能；而当传输功率较高或系统带宽充足时，集中式IRS系统具有更好的时效性表现。
2026, 48(1): 116-125.
doi: 10.11999/JEIT251143
摘要:
稀疏矢量码(SVC)技术因其实施简单、传输可靠等优点在短包高可靠低时延通信方面获得了广泛关注。构造短稀疏矢量并使用小尺寸随机扩频码本是确保其系统性能的关键。为此，该文提出一种基于分组的SVC(Group-based SVC, GSVC)方案。该方案摒弃了经典的索引调制全局稀疏变换方式，通过对索引比特分组划分，以分组稀疏变换的形式在同一预定稀疏矢量上逐次选取出各分组的非零位置，从而实现位置资源对所有分组的共享，达到压缩稀疏矢量的目的。因此，所提GSVC方案具有高的位置资源利用率，能够构造出比常规全局选取方式要短的稀疏矢量来传输既定信息比特。与现有多种SVC改进方案的仿真对比结果表明，所提方案在低阶调制模式下具有更优的误块率性能。
稀疏矢量码(SVC)技术因其实施简单、传输可靠等优点在短包高可靠低时延通信方面获得了广泛关注。构造短稀疏矢量并使用小尺寸随机扩频码本是确保其系统性能的关键。为此，该文提出一种基于分组的SVC(Group-based SVC, GSVC)方案。该方案摒弃了经典的索引调制全局稀疏变换方式，通过对索引比特分组划分，以分组稀疏变换的形式在同一预定稀疏矢量上逐次选取出各分组的非零位置，从而实现位置资源对所有分组的共享，达到压缩稀疏矢量的目的。因此，所提GSVC方案具有高的位置资源利用率，能够构造出比常规全局选取方式要短的稀疏矢量来传输既定信息比特。与现有多种SVC改进方案的仿真对比结果表明，所提方案在低阶调制模式下具有更优的误块率性能。
2026, 48(1): 126-134.
doi: 10.11999/JEIT250761
摘要:
针对物联网(IoT)通信中海量设备接入、频谱资源受限与高可靠传输需求，该文在硬件损伤下，研究了双智能反射面(RIS)辅助的多天线协作非正交多址接入(NOMA)短包通信系统的可靠性能。特别地，一个RIS用于辅助多天线基站(BS)与近用户之间的通信，另一个RIS用于辅助近用户与远用户之间的通信。在最优天线选择方案下，推导出近用户和远用户平均误块率(BLER)的闭式表达式。在此基础上，该文进一步给出了系统有效吞吐量的闭式表达式，并在可靠性和传输时延约束下确定了使有效吞吐量最大化的最优块长。仿真结果验证了理论分析的正确性，并表明双RIS辅助传输方案相比单RIS辅助传输方案和无RIS辅助传输方案可以获得更优的性能。此外，受限于中继链路，远用户的平均BLER并不会随着BS天线数目的增加而一直减小。
针对物联网(IoT)通信中海量设备接入、频谱资源受限与高可靠传输需求，该文在硬件损伤下，研究了双智能反射面(RIS)辅助的多天线协作非正交多址接入(NOMA)短包通信系统的可靠性能。特别地，一个RIS用于辅助多天线基站(BS)与近用户之间的通信，另一个RIS用于辅助近用户与远用户之间的通信。在最优天线选择方案下，推导出近用户和远用户平均误块率(BLER)的闭式表达式。在此基础上，该文进一步给出了系统有效吞吐量的闭式表达式，并在可靠性和传输时延约束下确定了使有效吞吐量最大化的最优块长。仿真结果验证了理论分析的正确性，并表明双RIS辅助传输方案相比单RIS辅助传输方案和无RIS辅助传输方案可以获得更优的性能。此外，受限于中继链路，远用户的平均BLER并不会随着BS天线数目的增加而一直减小。
2026, 48(1): 135-144.
doi: 10.11999/JEIT250800
摘要:
针对短包多输入单输出(MISO)通信系统中面临窃听与检测双重安全威胁的问题，该文提出一种短包安全隐蔽通信设计与优化方案，分析了系统的隐蔽性能和物理层安全性能，在此基础上，提出衡量系统安全隐蔽性能的平均有效安全隐蔽速率(AESCR)，该指标统一量化了系统隐蔽性、保密性和可靠性，且主要受包长和发射功率影响。构建了最大化AESCR的双变量优化问题并求解。仿真结果表明，所提方案与优化发射功率的基准方案相比，可以有效提高系统中的AESCR；系统AESCR随发射天线数单调递增，且存在最优包长权衡传输效率与隐蔽性。
针对短包多输入单输出(MISO)通信系统中面临窃听与检测双重安全威胁的问题，该文提出一种短包安全隐蔽通信设计与优化方案，分析了系统的隐蔽性能和物理层安全性能，在此基础上，提出衡量系统安全隐蔽性能的平均有效安全隐蔽速率(AESCR)，该指标统一量化了系统隐蔽性、保密性和可靠性，且主要受包长和发射功率影响。构建了最大化AESCR的双变量优化问题并求解。仿真结果表明，所提方案与优化发射功率的基准方案相比，可以有效提高系统中的AESCR；系统AESCR随发射天线数单调递增，且存在最优包长权衡传输效率与隐蔽性。
2026, 48(1): 145-156.
doi: 10.11999/JEIT250814
摘要:
针对工业物联网短包通信的应用场景，该文研究了能量收集驱动短包通信LoRa网络中的信息新鲜度问题。该文将能量队列建模为马尔可夫链，推导出平均信息年龄的一般表达式。进一步地，在最小电池容量与理想无限电池容量两种情况下，给出平均信息年龄优化策略及最优参数的解析解。最后，仿真验证了理论优化结果，并分析了网络各参数对系统性能的影响，为能量收集驱动的工业物联网的设计与优化提供了理论参考。
针对工业物联网短包通信的应用场景，该文研究了能量收集驱动短包通信LoRa网络中的信息新鲜度问题。该文将能量队列建模为马尔可夫链，推导出平均信息年龄的一般表达式。进一步地，在最小电池容量与理想无限电池容量两种情况下，给出平均信息年龄优化策略及最优参数的解析解。最后，仿真验证了理论优化结果，并分析了网络各参数对系统性能的影响，为能量收集驱动的工业物联网的设计与优化提供了理论参考。
2026, 48(1): 157-167.
doi: 10.11999/JEIT250838
摘要:
状态更新是卫星物联网(S-IoT)的重要场景。该文研究了状态更新S-IoT中基于基站辅助的用户组网问题。首先，建立了地面用户经基站向卫星网络传输的双层正交接入状态更新模型，并分析推导了地面用户的平均信息年龄(aAoI)的闭合表达式和高信噪比下的渐进表达式。其次，基于联盟形成博弈(CFG)，提出一种双层CFG用户-基站-卫星组网算法。接着，利用精确势能博弈，证明了所提博弈算法具有纳什均衡解，能够形成稳定的基站-用户-卫星网络。最后，仿真结果表明，aAoI的理论分析的正确性以及所提算法的较传统算法的性能提升。
状态更新是卫星物联网(S-IoT)的重要场景。该文研究了状态更新S-IoT中基于基站辅助的用户组网问题。首先，建立了地面用户经基站向卫星网络传输的双层正交接入状态更新模型，并分析推导了地面用户的平均信息年龄(aAoI)的闭合表达式和高信噪比下的渐进表达式。其次，基于联盟形成博弈(CFG)，提出一种双层CFG用户-基站-卫星组网算法。接着，利用精确势能博弈，证明了所提博弈算法具有纳什均衡解，能够形成稳定的基站-用户-卫星网络。最后，仿真结果表明，aAoI的理论分析的正确性以及所提算法的较传统算法的性能提升。
2026, 48(1): 168-182.
doi: 10.11999/JEIT250855
摘要:
压缩感知凭借其突破奈奎斯特采样定理限制、实现超低采样率的高质量信号处理与重构的优势，成为通信信号高效接收处理的研究热点。该文依据压缩感知原理，按照字典矩阵设计、测量矩阵设计和信号重构3个主要研究方向对技术发展脉络进行了梳理，提出了当前压缩感知技术研究面临的挑战。基于现阶段工程应用面临的问题，对压缩感知技术发展趋势进行展望。
压缩感知凭借其突破奈奎斯特采样定理限制、实现超低采样率的高质量信号处理与重构的优势，成为通信信号高效接收处理的研究热点。该文依据压缩感知原理，按照字典矩阵设计、测量矩阵设计和信号重构3个主要研究方向对技术发展脉络进行了梳理，提出了当前压缩感知技术研究面临的挑战。基于现阶段工程应用面临的问题，对压缩感知技术发展趋势进行展望。
2026, 48(1): 183-190.
doi: 10.11999/JEIT250915
摘要:
针对语义通信网络在图像恢复任务中计算和传输能耗过高的问题，该文提出一种改进型多智能体近端策略优化算法驱动的网络能耗优化策略，在保障任务性能的同时最小化网络总能耗。首先，量化分析语义提取率、发射功率、计算资源与网络能耗间的耦合关系。随后，构建以小区总能耗最小化为目标，同时满足时延、图像恢复质量等多维约束的优化模型。最后，设计改进型多智能体近端策略优化算法对该模型进行求解。仿真结果表明，与基准算法相比，所提算法在维持相当能耗水平的同时，训练收敛速度提升66.7%～80%，网络能耗和用户时延稳定性显著提升，并能有效降低平均误符号率。
针对语义通信网络在图像恢复任务中计算和传输能耗过高的问题，该文提出一种改进型多智能体近端策略优化算法驱动的网络能耗优化策略，在保障任务性能的同时最小化网络总能耗。首先，量化分析语义提取率、发射功率、计算资源与网络能耗间的耦合关系。随后，构建以小区总能耗最小化为目标，同时满足时延、图像恢复质量等多维约束的优化模型。最后，设计改进型多智能体近端策略优化算法对该模型进行求解。仿真结果表明，与基准算法相比，所提算法在维持相当能耗水平的同时，训练收敛速度提升66.7%～80%，网络能耗和用户时延稳定性显著提升，并能有效降低平均误符号率。
2026, 48(1): 191-201.
doi: 10.11999/JEIT250165
摘要:
协方差向量具有比原始阵列输出更高的信噪比增益，该文将远近场混合源模型扩展到协方差域，并针对稀疏重构远近场混合源定位算法时间复杂度高的问题，提出了一种基于协方差域阵列信号模型和广义近似消息传递(GAMP)-变分贝叶斯推断(VBI)的远近场混合源定位改进算法(FN-GAMP-CVBI)，实现了计算效率与定位精度的有效平衡。数值仿真表明，与现有的远近场混合源定位算法相比，该文所提算法具有更高的远近场源定位精度和较低的计算时间。湖试数据结果进一步验证了该文所提算法的高效性和有效性。
协方差向量具有比原始阵列输出更高的信噪比增益，该文将远近场混合源模型扩展到协方差域，并针对稀疏重构远近场混合源定位算法时间复杂度高的问题，提出了一种基于协方差域阵列信号模型和广义近似消息传递(GAMP)-变分贝叶斯推断(VBI)的远近场混合源定位改进算法(FN-GAMP-CVBI)，实现了计算效率与定位精度的有效平衡。数值仿真表明，与现有的远近场混合源定位算法相比，该文所提算法具有更高的远近场源定位精度和较低的计算时间。湖试数据结果进一步验证了该文所提算法的高效性和有效性。
2026, 48(1): 202-211.
doi: 10.11999/JEIT250952
摘要:
波束形成技术在阵列信号处理，尤其是在波达方向估计方面发挥着关键作用。尽管传统的鲁棒波束形成方法能够处理导向矢量失配的问题，但它们未能充分利用阵列稀疏化带来的硬件优势，并且在存在干扰源时，难以有效抑制副瓣。因此，该文提出一种能够协同优化鲁棒性、波束性能、副瓣电平与阵列稀疏性的统一框架。通过将l0范数作为稀疏约束、引入导向矢量误差以增强鲁棒性，并联合副瓣抑制约束，构建了一个全面的凸优化问题。特别地，该文在建模时进一步考虑了实际天线间的互耦效应，通过引入包含互耦参数的精确导向矢量模型，显著提升了算法在实际天线阵列中的适用性。仿真结果表明，在信噪比为5 dB、存在单个干扰源的条件下，所提算法能实现低于–40 dB的干扰抑制深度，并将峰值旁瓣电平稳定在–24.5 dB以下，同时减少10%的激活阵元。在与现有方法的定量对比中，该算法在信噪比为5 dB场景下的输出信干噪比相较于最小方差无失真响应方法提升11.37 dB。实验结果证明该框架能够在导向矢量失配及低信噪比等非理想条件下，以较少的阵元实现较高的输出信干噪比和较强的干扰抑制能力，对导向矢量误差与阵元间的相互耦合均表现出良好的鲁棒性。
波束形成技术在阵列信号处理，尤其是在波达方向估计方面发挥着关键作用。尽管传统的鲁棒波束形成方法能够处理导向矢量失配的问题，但它们未能充分利用阵列稀疏化带来的硬件优势，并且在存在干扰源时，难以有效抑制副瓣。因此，该文提出一种能够协同优化鲁棒性、波束性能、副瓣电平与阵列稀疏性的统一框架。通过将l0范数作为稀疏约束、引入导向矢量误差以增强鲁棒性，并联合副瓣抑制约束，构建了一个全面的凸优化问题。特别地，该文在建模时进一步考虑了实际天线间的互耦效应，通过引入包含互耦参数的精确导向矢量模型，显著提升了算法在实际天线阵列中的适用性。仿真结果表明，在信噪比为5 dB、存在单个干扰源的条件下，所提算法能实现低于–40 dB的干扰抑制深度，并将峰值旁瓣电平稳定在–24.5 dB以下，同时减少10%的激活阵元。在与现有方法的定量对比中，该算法在信噪比为5 dB场景下的输出信干噪比相较于最小方差无失真响应方法提升11.37 dB。实验结果证明该框架能够在导向矢量失配及低信噪比等非理想条件下，以较少的阵元实现较高的输出信干噪比和较强的干扰抑制能力，对导向矢量误差与阵元间的相互耦合均表现出良好的鲁棒性。
2026, 48(1): 212-221.
doi: 10.11999/JEIT250705
摘要:
卫星双向时间比对(TWSTFT)技术因其高精度特性在时间同步领域具有重要应用价值，其中实时性是衡量系统性能的关键指标。传统硬件实现的TWSTFT存在显著的周日效应问题，而基于开环架构和高分辨率多相关器的软件定义无线电(SDR)实现方法虽能有效抑制该效应，却因计算复杂度高而面临实时性挑战。为提升SDR接收机的运算效率并改善其短期稳定性，该研究在传统信号压缩法基础上提出了一种基于带限信号压缩的高效SDR实现方法。该方法创新性地采用伪随机噪声(PRN)码整数倍抽取序列与接收信号进行相关运算以获得压缩值，并通过建立抽取序列采样频率与信号带宽的定量关系实现相关结果的高效重构。该机制通过消除传统算法的冗余计算环节，在保证测量精度的同时显著提升了运算效率并降低了系统资源开销。为验证方法有效性，该文设计了不同带宽和基线长度的对比实验，结果表明：相较于TWSTFT SDR中常用的多相关器法，该方法的运算速度提升了7～8倍，资源消耗量降低了85～90%，且信号预处理阶段的滤波操作能有效抑制带外噪声干扰。这种效率提升不仅增加了单位拟合周期内的有效测量数据量，通过统计平均效应降低了随机噪声影响，还显著提高了比对结果的短期稳定性，为高精度时间比对提供了新的技术途径。
卫星双向时间比对(TWSTFT)技术因其高精度特性在时间同步领域具有重要应用价值，其中实时性是衡量系统性能的关键指标。传统硬件实现的TWSTFT存在显著的周日效应问题，而基于开环架构和高分辨率多相关器的软件定义无线电(SDR)实现方法虽能有效抑制该效应，却因计算复杂度高而面临实时性挑战。为提升SDR接收机的运算效率并改善其短期稳定性，该研究在传统信号压缩法基础上提出了一种基于带限信号压缩的高效SDR实现方法。该方法创新性地采用伪随机噪声(PRN)码整数倍抽取序列与接收信号进行相关运算以获得压缩值，并通过建立抽取序列采样频率与信号带宽的定量关系实现相关结果的高效重构。该机制通过消除传统算法的冗余计算环节，在保证测量精度的同时显著提升了运算效率并降低了系统资源开销。为验证方法有效性，该文设计了不同带宽和基线长度的对比实验，结果表明：相较于TWSTFT SDR中常用的多相关器法，该方法的运算速度提升了7～8倍，资源消耗量降低了85～90%，且信号预处理阶段的滤波操作能有效抑制带外噪声干扰。这种效率提升不仅增加了单位拟合周期内的有效测量数据量，通过统计平均效应降低了随机噪声影响，还显著提高了比对结果的短期稳定性，为高精度时间比对提供了新的技术途径。
2026, 48(1): 222-229.
doi: 10.11999/JEIT250775
摘要:
少重量线性码在秘密共享、强正则图、关联方案和认证码等方面有着广泛的应用。该文基于有限域上Kloosterman和，完全确定了一类\begin{document}$ q $\end{document}
少重量线性码在秘密共享、强正则图、关联方案和认证码等方面有着广泛的应用。该文基于有限域上Kloosterman和，完全确定了一类
2026, 48(1): 230-238.
doi: 10.11999/JEIT250750
摘要:
动态开放的网络环境使车联网难免遭受窃听、数据篡改和伪造，传统云计算因高延迟难以满足海量数据的实时性需求，安全性和性能之间固有冲突制约着车联网发展。为了解决上述问题，该文专为车联网设计出边云协同可搜索属性签密方法，可允许授权用户无须解密密文，就能通过云端快速匹配机制高效检索所需信息。利用边缘计算下沉计算能力到网络边缘，协同云服务器、边缘服务器和车载终端设备共同工作。通过属性签密和线性秘密共享机制的融合，实现车联网数据的细粒度访问控制，更好地保障数据的安全性。针对车载设备资源受限问题，将解签密过程中的复杂运算外包给高性能边缘节点处理，减轻了车载终端的运算负担且提升了响应速度，能够很好地适应车联网这种动态的资源受限复杂环境。
动态开放的网络环境使车联网难免遭受窃听、数据篡改和伪造，传统云计算因高延迟难以满足海量数据的实时性需求，安全性和性能之间固有冲突制约着车联网发展。为了解决上述问题，该文专为车联网设计出边云协同可搜索属性签密方法，可允许授权用户无须解密密文，就能通过云端快速匹配机制高效检索所需信息。利用边缘计算下沉计算能力到网络边缘，协同云服务器、边缘服务器和车载终端设备共同工作。通过属性签密和线性秘密共享机制的融合，实现车联网数据的细粒度访问控制，更好地保障数据的安全性。针对车载设备资源受限问题，将解签密过程中的复杂运算外包给高性能边缘节点处理，减轻了车载终端的运算负担且提升了响应速度，能够很好地适应车联网这种动态的资源受限复杂环境。
2026, 48(1): 239-252.
doi: 10.11999/JEIT250057
摘要:
针对异质和噪声文本，该文通过改进目标函数、聚合方式和本地更新方式等综合考虑，提出基于可信度评估的抗噪异质医疗对话联邦，增强了医疗对话联邦学习的鲁棒性。将模型训练划分为本地训练阶段和异质联邦学习阶段。在本地训练阶段，通过对称交叉熵损失缓解噪声文本问题，防止本地模型在噪声文本上过拟合。在异质联邦学习阶段，通过度量客户端文本质量进行自适应聚合模型以考虑干净，噪声(随机/非随机文本语法和语义)和异质文本。同时在本地参数更新时考虑局部和全局参数以持续自适应的更新参数，可以进一步提高抗噪和异质鲁棒性。实验结果显示，该方法在噪声和异质联邦学习场景下相比其他方法有显著提升。
针对异质和噪声文本，该文通过改进目标函数、聚合方式和本地更新方式等综合考虑，提出基于可信度评估的抗噪异质医疗对话联邦，增强了医疗对话联邦学习的鲁棒性。将模型训练划分为本地训练阶段和异质联邦学习阶段。在本地训练阶段，通过对称交叉熵损失缓解噪声文本问题，防止本地模型在噪声文本上过拟合。在异质联邦学习阶段，通过度量客户端文本质量进行自适应聚合模型以考虑干净，噪声(随机/非随机文本语法和语义)和异质文本。同时在本地参数更新时考虑局部和全局参数以持续自适应的更新参数，可以进一步提高抗噪和异质鲁棒性。实验结果显示，该方法在噪声和异质联邦学习场景下相比其他方法有显著提升。
2026, 48(1): 253-263.
doi: 10.11999/JEIT251062
摘要:
在发生自然灾害等紧急情况下，地面固定基站被损毁，可能无法及时恢复。同时，由于无人机的灵活性和低成本特性，基于无人机的应急通信需求吸引了学术界和工业界的广泛关注。然而，在探索应急通信中的带宽和功率分配方案时，现有的方案忽略了不同地面用户之间业务量需求的差异性，同时也未充分考虑信息新鲜度对应急决策的重要性。考虑到不同用户的业务量需求，且信息年龄(AoI)直接影响应急响应的时效性，该文提出一种用于应急场景下的基于AoI的多无人机部署及资源分配方案。首先，在满足用户总业务量需求下，求解所需最少无人机数量。然后，进一步优化无人机的带宽、功率和三维位置，以最小化系统的平均AoI。仿真结果表明，所提方案在保证AoI最小的同时，所需的无人机数量最少。此外，与未联合优化无人机位置及通信资源的基准方案相比，所提方案显著提升了信息新鲜度，使系统平均AoI降低了21.1%。
在发生自然灾害等紧急情况下，地面固定基站被损毁，可能无法及时恢复。同时，由于无人机的灵活性和低成本特性，基于无人机的应急通信需求吸引了学术界和工业界的广泛关注。然而，在探索应急通信中的带宽和功率分配方案时，现有的方案忽略了不同地面用户之间业务量需求的差异性，同时也未充分考虑信息新鲜度对应急决策的重要性。考虑到不同用户的业务量需求，且信息年龄(AoI)直接影响应急响应的时效性，该文提出一种用于应急场景下的基于AoI的多无人机部署及资源分配方案。首先，在满足用户总业务量需求下，求解所需最少无人机数量。然后，进一步优化无人机的带宽、功率和三维位置，以最小化系统的平均AoI。仿真结果表明，所提方案在保证AoI最小的同时，所需的无人机数量最少。此外，与未联合优化无人机位置及通信资源的基准方案相比，所提方案显著提升了信息新鲜度，使系统平均AoI降低了21.1%。
2026, 48(1): 264-276.
doi: 10.11999/JEIT250964
摘要:
无人机的飞控系统故障诊断主要面临以下两大挑战：其一，作为新兴的空中飞行平台，无人机可用于故障诊断的有效训练数据规模有限，存在显著的训练数据匮乏问题；其二，作为高机动性空中飞行平台，无人机在不同飞行姿态下的数据分布差异显著，存在数据环境高度变动的问题。针对这两种挑战，该文提出了一种结合姿态不变性特征和半监督复兴稠密生成对抗分类网络(RDC-GAN)模型的飞控系统故障诊断方法。方法首先通过基于微分平坦的数据筛选将无人机数据分为姿态相关数据和姿态不相关数据；对于姿态相关数据，利用经验模态挤压激励网络(EMD-SENet)提取对姿态变化具有鲁棒性的姿态不变性特征；之后采用自适应特征融合模块将姿态不相关数据、姿态相关数据和提取到的姿态不变性特征进行加权融合；最后将融合特征送入半监督RDC-GAN模型进行两阶段训练：第1阶段采用无监督训练，利用大量无标签数据对模型网络权重初始化，第2阶段采用有监督训练，通过少量有标签数据进一步对网络权重进行微调，从而实现仅用少量有效数据就能精确诊断出无人机飞控故障的目的。方法在公开数据集RflyMad上整体精度达到了95.71%，在真机故障诊断实验中的整体精度达到了92.78%。
无人机的飞控系统故障诊断主要面临以下两大挑战：其一，作为新兴的空中飞行平台，无人机可用于故障诊断的有效训练数据规模有限，存在显著的训练数据匮乏问题；其二，作为高机动性空中飞行平台，无人机在不同飞行姿态下的数据分布差异显著，存在数据环境高度变动的问题。针对这两种挑战，该文提出了一种结合姿态不变性特征和半监督复兴稠密生成对抗分类网络(RDC-GAN)模型的飞控系统故障诊断方法。方法首先通过基于微分平坦的数据筛选将无人机数据分为姿态相关数据和姿态不相关数据；对于姿态相关数据，利用经验模态挤压激励网络(EMD-SENet)提取对姿态变化具有鲁棒性的姿态不变性特征；之后采用自适应特征融合模块将姿态不相关数据、姿态相关数据和提取到的姿态不变性特征进行加权融合；最后将融合特征送入半监督RDC-GAN模型进行两阶段训练：第1阶段采用无监督训练，利用大量无标签数据对模型网络权重初始化，第2阶段采用有监督训练，通过少量有标签数据进一步对网络权重进行微调，从而实现仅用少量有效数据就能精确诊断出无人机飞控故障的目的。方法在公开数据集RflyMad上整体精度达到了95.71%，在真机故障诊断实验中的整体精度达到了92.78%。
2026, 48(1): 277-286.
doi: 10.11999/JEIT250424
摘要:
随着情感计算的不断发展，基于多模态信号的情绪识别方法得到了广泛关注。脑电情感信号因受试个体的不同存在较大的分布差异，导致分类识别率不高。为了解决现有情绪识别方法中单一模态存在的噪声大、个体差异明显等问题，该文结合脑电信号(EEG)与语音信号提出一种基于双流注意力与对抗互重建的双模态情绪识别方法。在脑电模态方面，设计集成时间帧-通道联合注意力与Mamba网络的双重特征提取器，实现对关键时序片段与频谱特征的深度建模。在语音模态方面，引入帧级随机掩码机制与双向长短时记忆网络结构，增强模型对语音情绪变化的建模能力及抗干扰能力。通过模态精炼融合模块引入梯度反转层与正交投影机制，提升模态对齐与判别能力；进一步地，结合对抗互重建机制，在共享隐空间中重建同类情绪特征，实现跨被试的一致性建模。实验在MAHNOB-HCI, EAV与SEED等多个基准数据集上验证了所提方法的有效性，结果表明该模型在跨个体情绪识别与模态信息融合方面具有显著优势，为多模态情感计算提供了一种有效解决方案。
随着情感计算的不断发展，基于多模态信号的情绪识别方法得到了广泛关注。脑电情感信号因受试个体的不同存在较大的分布差异，导致分类识别率不高。为了解决现有情绪识别方法中单一模态存在的噪声大、个体差异明显等问题，该文结合脑电信号(EEG)与语音信号提出一种基于双流注意力与对抗互重建的双模态情绪识别方法。在脑电模态方面，设计集成时间帧-通道联合注意力与Mamba网络的双重特征提取器，实现对关键时序片段与频谱特征的深度建模。在语音模态方面，引入帧级随机掩码机制与双向长短时记忆网络结构，增强模型对语音情绪变化的建模能力及抗干扰能力。通过模态精炼融合模块引入梯度反转层与正交投影机制，提升模态对齐与判别能力；进一步地，结合对抗互重建机制，在共享隐空间中重建同类情绪特征，实现跨被试的一致性建模。实验在MAHNOB-HCI, EAV与SEED等多个基准数据集上验证了所提方法的有效性，结果表明该模型在跨个体情绪识别与模态信息融合方面具有显著优势，为多模态情感计算提供了一种有效解决方案。
2026, 48(1): 287-296.
doi: 10.11999/JEIT250516
摘要:
文本生成图像是一项极具挑战的跨模态任务，其核心在于生成与文本描述高度一致、细节丰富的高质量图像。当前基于生成对抗网络的方法多依赖单一噪声输入，导致生成图像细粒度不足；同时，单词级特征利用不充分，也制约了文本与图像之间的语义对齐精度。为此，该文提出一种多码深度特征融合生成对抗网络(mDFA-GAN)。该方法通过设计多噪声输入生成器与多码先验融合模块，提升生成图像的细节表现力；在生成器中引入多头注意力机制，从多角度对齐单词与图像子区域，增强语义一致性；此外，提出多码先验融合损失以稳定训练过程。在CUB和COCO数据集上的实验结果表明，所提方法在IS与FID评价指标上均优于当前主流生成对抗网络方法，能够生成更逼真、细节更丰富、语义一致性更强的图像。
文本生成图像是一项极具挑战的跨模态任务，其核心在于生成与文本描述高度一致、细节丰富的高质量图像。当前基于生成对抗网络的方法多依赖单一噪声输入，导致生成图像细粒度不足；同时，单词级特征利用不充分，也制约了文本与图像之间的语义对齐精度。为此，该文提出一种多码深度特征融合生成对抗网络(mDFA-GAN)。该方法通过设计多噪声输入生成器与多码先验融合模块，提升生成图像的细节表现力；在生成器中引入多头注意力机制，从多角度对齐单词与图像子区域，增强语义一致性；此外，提出多码先验融合损失以稳定训练过程。在CUB和COCO数据集上的实验结果表明，所提方法在IS与FID评价指标上均优于当前主流生成对抗网络方法，能够生成更逼真、细节更丰富、语义一致性更强的图像。
2026, 48(1): 297-310.
doi: 10.11999/JEIT251103
摘要:
该文针对生物群体协同行为向无人机集群工程模型转化的难题，结合群体仿生智能与深度强化学习(BSI-DRL)的融合演进趋势，聚焦仿生映射理论与建模方法创新，梳理BSI-DRL驱动的无人机集群建模进展与挑战。首先，明确群体仿生智能概念与核心特征，分析其3阶段发展范式跃迁及技术价值，解析4类典型生物群体协同机制，提炼仿生映射3关键步骤；其次，围绕BSI-DRL核心范式，综合分析仿生规则参数化DRL优化、仿生规则生成式多智能体强化学习、动态角色分配与分层DRL协同优化3大方向的技术优势与挑战；最后，展望跨物种生物机制融合、BSI-DRL闭环协同、仿鸟群相变控制与DRL融合等未来方向，为技术工程化落地提供理论和方法支撑。
该文针对生物群体协同行为向无人机集群工程模型转化的难题，结合群体仿生智能与深度强化学习(BSI-DRL)的融合演进趋势，聚焦仿生映射理论与建模方法创新，梳理BSI-DRL驱动的无人机集群建模进展与挑战。首先，明确群体仿生智能概念与核心特征，分析其3阶段发展范式跃迁及技术价值，解析4类典型生物群体协同机制，提炼仿生映射3关键步骤；其次，围绕BSI-DRL核心范式，综合分析仿生规则参数化DRL优化、仿生规则生成式多智能体强化学习、动态角色分配与分层DRL协同优化3大方向的技术优势与挑战；最后，展望跨物种生物机制融合、BSI-DRL闭环协同、仿鸟群相变控制与DRL融合等未来方向，为技术工程化落地提供理论和方法支撑。
2026, 48(1): 311-320.
doi: 10.11999/JEIT250363
摘要:
深度学习已被广泛应用于漏洞检测，其主流方法可分为基于代码序列和基于代码图两类：前者易因忽视结构而误报，后者则难以捕获执行顺序。此外，两者普遍缺乏可解释性，难以定位漏洞根源。为此，该文提出一种基于图和代码切片的可解释性漏洞检测方法GSVD。该模型通过门控图卷积网络提取代码多维度图(AST, DDG, CDG)的结构语义，并结合“污点”分析驱动的代码切片与双向长短时记忆网络，精准捕获代码序列特征，实现二者优势互补。同时，引入HITS算法思想，设计VDExplainer解释器，直观揭示了模型的决策过程。实验表明，GSVD在Devign数据集上准确率达64.57%，优于多种基线模型，证明了其在有效检测漏洞的同时，能实现代码行级的可解释定位。
深度学习已被广泛应用于漏洞检测，其主流方法可分为基于代码序列和基于代码图两类：前者易因忽视结构而误报，后者则难以捕获执行顺序。此外，两者普遍缺乏可解释性，难以定位漏洞根源。为此，该文提出一种基于图和代码切片的可解释性漏洞检测方法GSVD。该模型通过门控图卷积网络提取代码多维度图(AST, DDG, CDG)的结构语义，并结合“污点”分析驱动的代码切片与双向长短时记忆网络，精准捕获代码序列特征，实现二者优势互补。同时，引入HITS算法思想，设计VDExplainer解释器，直观揭示了模型的决策过程。实验表明，GSVD在Devign数据集上准确率达64.57%，优于多种基线模型，证明了其在有效检测漏洞的同时，能实现代码行级的可解释定位。
2026, 48(1): 321-334.
doi: 10.11999/JEIT250035
摘要:
目前，基于机器视觉的抑郁症识别筛查的方法往往忽略脸部的局部特征，在实际应用中一旦脸部被部分遮挡，会严重影响筛查的准确性，甚至无法进行有效筛查。为此，该文提出一种边缘视觉的抑郁症筛查方法，该方法通过构建一个全局-局部融合注意力网络同步识别被筛查对象的面部表情和眼部局部特征。为了提高对眼部局部特征的提取能力，该文在网络中引入卷积注意力模块，强化对眼动轨迹特征的捕捉能力。实验结果表明，该方法在抑郁症识别上表现优异，在自建数据集上(包含脸部遮挡情况)的精确率、召回率、F1分数分别达0.76, 0.78和0.77，较最新方法召回率提升10.76%，在AVEC2013和AVEC2014数据集上，平均绝对误差(MAE)分别低至5.74和5.79，较最新方法提升3.53%和1.2%。此外，通过可视化分析直观展现了模型对面部不同区域的关注度，进一步验证了方法的有效性和合理性。该方法部署于边缘设备后，单帧平均处理时延不超过56.14ms，为抑郁症筛查提供了新方案。
目前，基于机器视觉的抑郁症识别筛查的方法往往忽略脸部的局部特征，在实际应用中一旦脸部被部分遮挡，会严重影响筛查的准确性，甚至无法进行有效筛查。为此，该文提出一种边缘视觉的抑郁症筛查方法，该方法通过构建一个全局-局部融合注意力网络同步识别被筛查对象的面部表情和眼部局部特征。为了提高对眼部局部特征的提取能力，该文在网络中引入卷积注意力模块，强化对眼动轨迹特征的捕捉能力。实验结果表明，该方法在抑郁症识别上表现优异，在自建数据集上(包含脸部遮挡情况)的精确率、召回率、F1分数分别达0.76, 0.78和0.77，较最新方法召回率提升10.76%，在AVEC2013和AVEC2014数据集上，平均绝对误差(MAE)分别低至5.74和5.79，较最新方法提升3.53%和1.2%。此外，通过可视化分析直观展现了模型对面部不同区域的关注度，进一步验证了方法的有效性和合理性。该方法部署于边缘设备后，单帧平均处理时延不超过56.14ms，为抑郁症筛查提供了新方案。
2026, 48(1): 335-345.
doi: 10.11999/JEIT250293
摘要:
针对肝肿瘤分割任务中由于边界复杂性以及肿瘤尺寸较小导致分割结果不准确的问题，该文提出一种高效的轻量化肝肿瘤分割方法。首先，提出一种基于张量列(TT)分解的多尺度卷积注意力(TT-MSCA)模块，通过张量列分解的线性层(TT_Layer)优化多尺度特征融合，提升复杂边界和小尺寸目标的分割准确性；其次，设计一种多分支残差结构的特征提取模块(IncepRes Block)，以较小的计算成本提取肝肿瘤图像中的全局上下文信息；最后，解耦标准3*3卷积为两个连续的条形卷积，减少参数量和计算成本。实验结果表明，该方法在LiTS2017和3Dircadb两个公开数据集上，肝脏分割的Dice值分别达到98.54%和97.95%，肿瘤分割的Dice值分别达到94.11%和94.35%。提出方法能够有效解决肝肿瘤边界复杂以及肿瘤目标较小等因素导致的分割结果不准确问题，且能够满足实时部署需求，为肝肿瘤分割提供了一种新的选择。
针对肝肿瘤分割任务中由于边界复杂性以及肿瘤尺寸较小导致分割结果不准确的问题，该文提出一种高效的轻量化肝肿瘤分割方法。首先，提出一种基于张量列(TT)分解的多尺度卷积注意力(TT-MSCA)模块，通过张量列分解的线性层(TT_Layer)优化多尺度特征融合，提升复杂边界和小尺寸目标的分割准确性；其次，设计一种多分支残差结构的特征提取模块(IncepRes Block)，以较小的计算成本提取肝肿瘤图像中的全局上下文信息；最后，解耦标准3*3卷积为两个连续的条形卷积，减少参数量和计算成本。实验结果表明，该方法在LiTS2017和3Dircadb两个公开数据集上，肝脏分割的Dice值分别达到98.54%和97.95%，肿瘤分割的Dice值分别达到94.11%和94.35%。提出方法能够有效解决肝肿瘤边界复杂以及肿瘤目标较小等因素导致的分割结果不准确问题，且能够满足实时部署需求，为肝肿瘤分割提供了一种新的选择。
2026, 48(1): 346-358.
doi: 10.11999/JEIT250926
摘要:
目前高质量深度伪造视频检测方法大多基于隐式注意力机制的监督二分类模型。虽然该类模型能够通过自学习，判别伪造痕迹，鉴别异常区域，但在面对未经学习的伪造技术时，对伪造区域的敏感性降低，泛化性不足。基于此，该文提出一种伪造注意图驱动的多任务深伪视频检测模型(F-BiFPN-MTLNet)。首先，设计了一种融合伪造注意图的新型加权双向特征金字塔网络(F-BiFPN)，通过伪造注意图监督低层和高层特征图的融合过程，在减少信息冗余的同时，增强模型对高质量伪造区域的敏感性。然后，定义了一种基于显式注意力机制的多任务学习网络(MTLNet)。一方面，该网络在原有基于监督二分类器的单任务模型的基础上，结合基于可学习掩码的注意策略与增强自一致性的注意策略，实现多任务加权判别，提高模型检测的可靠性；另一方面，引入显式注意力机制，通过生成的伪造位置标签对特征图进行监督，显式地指导模型聚焦于容易产生伪影的敏感区域，提高模型的泛化能力。实验结果表明，该文构建的F-BiFPN-MTLNet模型在多个基准测试中均表现出了较好性能，在曲线下面积(AUC)和平均精度(AP)等指标上取得了显著的提升。
目前高质量深度伪造视频检测方法大多基于隐式注意力机制的监督二分类模型。虽然该类模型能够通过自学习，判别伪造痕迹，鉴别异常区域，但在面对未经学习的伪造技术时，对伪造区域的敏感性降低，泛化性不足。基于此，该文提出一种伪造注意图驱动的多任务深伪视频检测模型(F-BiFPN-MTLNet)。首先，设计了一种融合伪造注意图的新型加权双向特征金字塔网络(F-BiFPN)，通过伪造注意图监督低层和高层特征图的融合过程，在减少信息冗余的同时，增强模型对高质量伪造区域的敏感性。然后，定义了一种基于显式注意力机制的多任务学习网络(MTLNet)。一方面，该网络在原有基于监督二分类器的单任务模型的基础上，结合基于可学习掩码的注意策略与增强自一致性的注意策略，实现多任务加权判别，提高模型检测的可靠性；另一方面，引入显式注意力机制，通过生成的伪造位置标签对特征图进行监督，显式地指导模型聚焦于容易产生伪影的敏感区域，提高模型的泛化能力。实验结果表明，该文构建的F-BiFPN-MTLNet模型在多个基准测试中均表现出了较好性能，在曲线下面积(AUC)和平均精度(AP)等指标上取得了显著的提升。
2026, 48(1): 359-369.
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。
2026, 48(1): 370-381.
doi: 10.11999/JEIT250476
摘要:
针对换衣行人重识别(CC Re-ID)任务中存在的有效特征提取困难和训练样本不足的问题，该文提出一种融合三重感知细粒度重构的换衣行人重识别方法，利用细粒度纹理感知模块处理后的纹理特征与深度特征进行拼接，提高服装变化下的识别能力，引入Transformer注意力机制的ResFormer50网络增强模型对图像特征提取的感知能力，通过自适应混合池化模块(AHP)进行通道级自主感知聚合，对特征进行深层次细粒度挖掘，从而达到整体表征一致性与服装变化泛化性并重的效果。新的自适应细粒度重构策略(AFR)通过细粒度级别的对抗性扰动与选择性重构，在不依赖显式监督的前提下，显著提升模型对服装变换、局部细节扰动的鲁棒性和泛化能力，从而提高模型在实际场景中的识别准确率。大量实验结果表明了所提方法的有效性，在LTCC和PRCC数据集换衣场景下，Rank-1/mAP分别达到了45.6%/19.8%和70.6%/69.1%，优于同类前沿方法。
针对换衣行人重识别(CC Re-ID)任务中存在的有效特征提取困难和训练样本不足的问题，该文提出一种融合三重感知细粒度重构的换衣行人重识别方法，利用细粒度纹理感知模块处理后的纹理特征与深度特征进行拼接，提高服装变化下的识别能力，引入Transformer注意力机制的ResFormer50网络增强模型对图像特征提取的感知能力，通过自适应混合池化模块(AHP)进行通道级自主感知聚合，对特征进行深层次细粒度挖掘，从而达到整体表征一致性与服装变化泛化性并重的效果。新的自适应细粒度重构策略(AFR)通过细粒度级别的对抗性扰动与选择性重构，在不依赖显式监督的前提下，显著提升模型对服装变换、局部细节扰动的鲁棒性和泛化能力，从而提高模型在实际场景中的识别准确率。大量实验结果表明了所提方法的有效性，在LTCC和PRCC数据集换衣场景下，Rank-1/mAP分别达到了45.6%/19.8%和70.6%/69.1%，优于同类前沿方法。
2026, 48(1): 382-393.
doi: 10.11999/JEIT250639
摘要:
针对口腔颌面全景X射线图像中存在的形态变异显著、牙体-牙龈边界模糊以及牙周组织灰度值重叠等问题，该研究提出基于双域多尺度状态空间网络的口腔颌面全景X射线图像分割算法。空间域利用视觉状态空间块建立牙弓动态传播模型，并利用微分方程实现跨象限长程关联捕捉。特征域构建可变形多尺度注意力金字塔，并利用通道-空间注意力动态加权关键解剖标志的灰度渐变特征，解析牙体-牙龈模糊边界。双域特征进一步通过三重注意力融合机制，强化解剖标注的语义表达。实验表明，该算法在颌面全景Ｘ射线图像分割任务中取得显著效果，戴斯系数(Dice)达93.8%，豪斯多夫距离(HD95)为18.73像素，充分验证了算法的有效性。
针对口腔颌面全景X射线图像中存在的形态变异显著、牙体-牙龈边界模糊以及牙周组织灰度值重叠等问题，该研究提出基于双域多尺度状态空间网络的口腔颌面全景X射线图像分割算法。空间域利用视觉状态空间块建立牙弓动态传播模型，并利用微分方程实现跨象限长程关联捕捉。特征域构建可变形多尺度注意力金字塔，并利用通道-空间注意力动态加权关键解剖标志的灰度渐变特征，解析牙体-牙龈模糊边界。双域特征进一步通过三重注意力融合机制，强化解剖标注的语义表达。实验表明，该算法在颌面全景Ｘ射线图像分割任务中取得显著效果，戴斯系数(Dice)达93.8%，豪斯多夫距离(HD95)为18.73像素，充分验证了算法的有效性。
2026, 48(1): 394-403.
doi: 10.11999/JEIT251090
摘要:
现有大规模MIMO信道预测多以广义平稳假设为前提，且多采用单步预测。面对非平稳场景，单步结果极易失效，频繁迭代亦显著抬高导频开销。为此，该文构建一套融合伪三维卷积(P3D)与注意力模块的时频联合多步预测框架。该方案以伪三维卷积替代3D卷积实现信道状态信息(CSI)在时域与频域的高效特征提取，并叠加通道与空间的混合注意力(CBAM)，增强网络对全局依赖的表征能力，从而提升预测精度。基于实测信道的实验验证显示，该方法在多步预测任务上具有明显优势。与此同时，结合迁移学习思路，完成了由单天线到多天线场景的平滑扩展。
现有大规模MIMO信道预测多以广义平稳假设为前提，且多采用单步预测。面对非平稳场景，单步结果极易失效，频繁迭代亦显著抬高导频开销。为此，该文构建一套融合伪三维卷积(P3D)与注意力模块的时频联合多步预测框架。该方案以伪三维卷积替代3D卷积实现信道状态信息(CSI)在时域与频域的高效特征提取，并叠加通道与空间的混合注意力(CBAM)，增强网络对全局依赖的表征能力，从而提升预测精度。基于实测信道的实验验证显示，该方法在多步预测任务上具有明显优势。与此同时，结合迁移学习思路，完成了由单天线到多天线场景的平滑扩展。
2026, 48(1): 404-416.
doi: 10.11999/JEIT250901
摘要:
人类视觉系统通过多层神经元相互配合，实现了具备自适应性、灵敏度高、响应速度快的光感知功能。该文通过研究人类视觉系统中感光细胞的工作原理，提出了一种基于忆阻器的视杆细胞光感电路，并应用于脉冲相机。首先，通过总结视杆细胞感光过程中离子变化机制提出了视杆细胞数学模型。其次，提出两种忆阻器模型以模拟感光细胞中钠离子和钙离子通道的特性。之后，构建了视杆细胞光感电路，实现光电转换，电路具备自适应性，同时具有速度高、功耗低、动态范围广等优势。最后将视杆细胞光感电路应用于脉冲相机，电路仿真结果表明，与采用简化神经元光感电路和传统CMOS方案的脉冲相机相比，基于视杆细胞光感电路的脉冲相机转换速度提升了20%和150%，系统功耗相比于传统CMOS电路降低了30%。
人类视觉系统通过多层神经元相互配合，实现了具备自适应性、灵敏度高、响应速度快的光感知功能。该文通过研究人类视觉系统中感光细胞的工作原理，提出了一种基于忆阻器的视杆细胞光感电路，并应用于脉冲相机。首先，通过总结视杆细胞感光过程中离子变化机制提出了视杆细胞数学模型。其次，提出两种忆阻器模型以模拟感光细胞中钠离子和钙离子通道的特性。之后，构建了视杆细胞光感电路，实现光电转换，电路具备自适应性，同时具有速度高、功耗低、动态范围广等优势。最后将视杆细胞光感电路应用于脉冲相机，电路仿真结果表明，与采用简化神经元光感电路和传统CMOS方案的脉冲相机相比，基于视杆细胞光感电路的脉冲相机转换速度提升了20%和150%，系统功耗相比于传统CMOS电路降低了30%。
2026, 48(1): 417-428.
doi: 10.11999/JEIT250972
摘要:
忆阻Hopfield神经网络是一种类脑神经网络，能够产生丰富的动力学行为。该文提出一种新型包含反正切函数序列的忆阻器，将忆阻器耦合至神经网络中，可构建出一类包含电磁辐射与忆阻突触权重的忆阻全连接Hopfield神经网络。理论分析和数值仿真结果均表明，该模型可在相空间内生成单向、双向和3向多双涡旋混沌吸引子。进一步研究还发现，通过改变初始条件，发现该模型存在多个具有初始偏移增强特征的多双涡卷混沌吸引子，它们形状相同但位置不同，并且吸引子的数量以及双涡卷的个数均可控。此外改变忆阻突触耦合强度，结合分岔图和Lyapunov指数谱，发现该系统还存在丰富的共存对称吸引子，包括对称的周期吸引子与单涡卷混沌吸引子。最后基于FPGA平台完成了该系统的硬件实现，验证了该系统的物理存在性与可行性。
忆阻Hopfield神经网络是一种类脑神经网络，能够产生丰富的动力学行为。该文提出一种新型包含反正切函数序列的忆阻器，将忆阻器耦合至神经网络中，可构建出一类包含电磁辐射与忆阻突触权重的忆阻全连接Hopfield神经网络。理论分析和数值仿真结果均表明，该模型可在相空间内生成单向、双向和3向多双涡旋混沌吸引子。进一步研究还发现，通过改变初始条件，发现该模型存在多个具有初始偏移增强特征的多双涡卷混沌吸引子，它们形状相同但位置不同，并且吸引子的数量以及双涡卷的个数均可控。此外改变忆阻突触耦合强度，结合分岔图和Lyapunov指数谱，发现该系统还存在丰富的共存对称吸引子，包括对称的周期吸引子与单涡卷混沌吸引子。最后基于FPGA平台完成了该系统的硬件实现，验证了该系统的物理存在性与可行性。
2026, 48(1): 429-435.
doi: 10.11999/JEIT250789
摘要:
现代无线通信系统对射频功率放大器在高动态范围的性能提出了严苛要求。Doherty功率放大器(DPA)虽然通过主功放与辅功放的动态负载调制显著提升了回退功率下的工作效率,但其工作在C类偏置下的辅功放因导通特性不足，导致输出电流受限，从而引发负载调制偏差，进而制约其性能表现。该文针对辅功放电流输出能力受限的问题，提出了等效跨导补偿的概念，通过引入补偿支路，精准矫正了C类偏压下辅功放较弱的输出电流，从而实现准理想的动态有源负载调制过程。为了验证所提方法的有效性，该文使用商用GaN HEMT器件CG2H40010F在1.3\begin{document}$ \sim $\end{document} \begin{document}$ \sim $\end{document} \begin{document}$ \sim $\end{document} \begin{document}$ \sim $\end{document} \begin{document}$ \sim $\end{document} \begin{document}$ \sim $\end{document}
现代无线通信系统对射频功率放大器在高动态范围的性能提出了严苛要求。Doherty功率放大器(DPA)虽然通过主功放与辅功放的动态负载调制显著提升了回退功率下的工作效率,但其工作在C类偏置下的辅功放因导通特性不足，导致输出电流受限，从而引发负载调制偏差，进而制约其性能表现。该文针对辅功放电流输出能力受限的问题，提出了等效跨导补偿的概念，通过引入补偿支路，精准矫正了C类偏压下辅功放较弱的输出电流，从而实现准理想的动态有源负载调制过程。为了验证所提方法的有效性，该文使用商用GaN HEMT器件CG2H40010F在1.3
2026, 48(1): 436-446.
doi: 10.11999/JEIT250724
摘要:
能实时准确测量雪层厚度并进行预警的设备对于保护冬季长时间暴露在外界环境中的供电、通信和雷达等设备具有重要的应用价值。该文研究了基于微波矩形波导开口双腔体的雪层厚度测试方法，设计了对应的测量装置，给出了相关的构造、参数获取和数据反演策略。在此过程中，提出了基于单舱内嵌入金属隔板或频率选择表面(FSS)隔板的双腔双馈电双频段测试方法，通过大腔体低频大动态范围和小腔体高频高精度的策略结合参数相关处理算法，合理解决了大量程和高测试精度之间的矛盾。论文分析了自然降落覆盖在谐振腔开口处的不同雪层厚度对腔体的反射系数谐振频率和S参数的影响，并讨论了雪的密度、湿度对厚度测量精度的影响，比较了不同反演算法的效果，实现了1～30 mm的雪层厚度的分段测量，反演算法精度达到0.16 mm。测试精度优于1 mm。对应的技术和设备可直接或扩展用于以雪厚测试为代表的介质几何参数测试。
能实时准确测量雪层厚度并进行预警的设备对于保护冬季长时间暴露在外界环境中的供电、通信和雷达等设备具有重要的应用价值。该文研究了基于微波矩形波导开口双腔体的雪层厚度测试方法，设计了对应的测量装置，给出了相关的构造、参数获取和数据反演策略。在此过程中，提出了基于单舱内嵌入金属隔板或频率选择表面(FSS)隔板的双腔双馈电双频段测试方法，通过大腔体低频大动态范围和小腔体高频高精度的策略结合参数相关处理算法，合理解决了大量程和高测试精度之间的矛盾。论文分析了自然降落覆盖在谐振腔开口处的不同雪层厚度对腔体的反射系数谐振频率和S参数的影响，并讨论了雪的密度、湿度对厚度测量精度的影响，比较了不同反演算法的效果，实现了1～30 mm的雪层厚度的分段测量，反演算法精度达到0.16 mm。测试精度优于1 mm。对应的技术和设备可直接或扩展用于以雪厚测试为代表的介质几何参数测试。
2026, 48(1): 447-458.
doi: 10.11999/JEIT250093
摘要:
针对现代社会中日益严重的应激障碍问题，该文设计开发了一个基于脑电(EEG)的神经反馈的调控系统(ENR)，旨在缓解因应激反应调节机制异常引起的创伤后应激障碍(PTSD)症状及相关焦虑问题，从而减轻其对个体身心健康的负面影响。该文详细介绍了系统的设计理念、功能模块构成，以及针对PTSD和健康人群设计的在线神经反馈实验范式。通过招募被试者进行系统功能测试，并采用频谱分析对实验数据进行评估，可行性测试表明，该系统具备良好的实时性和有效性，是一种应用前景广阔的应对应激反应失调的辅助干预手段。
针对现代社会中日益严重的应激障碍问题，该文设计开发了一个基于脑电(EEG)的神经反馈的调控系统(ENR)，旨在缓解因应激反应调节机制异常引起的创伤后应激障碍(PTSD)症状及相关焦虑问题，从而减轻其对个体身心健康的负面影响。该文详细介绍了系统的设计理念、功能模块构成，以及针对PTSD和健康人群设计的在线神经反馈实验范式。通过招募被试者进行系统功能测试，并采用频谱分析对实验数据进行评估，可行性测试表明，该系统具备良好的实时性和有效性，是一种应用前景广阔的应对应激反应失调的辅助干预手段。
编辑部公告
more >
- 《电子与信息学报》2025年度“优秀论文”入选名单揭晓
- 《电子与信息学报》2025年度“最具传播影响力论文”入选名单揭晓
- 征文丨“DeepSeek大模型赋能6G智能体通信”专题正式启动
- 征文丨“低空具身智能：通感算控融合技术”专题正式启动
- 征文丨 “无人智能”专刊正式启动
- 关于征集2026–2027年度前沿专题/专刊的通知
- 《电子与信息学报》2025年度优秀审稿人揭晓
- 《电子与信息学报》2025年度优秀编委揭晓
学术动态
more >
- 关于征集“第三十六届电路与系统学术大会”专题论坛的通知
- 2025年短包通信理论与技术研讨会暨第二届《电子与信息学报》领军论坛(CSPCT 2025)在深圳成功举办
- “多物理场高效飞行科学基础与调控机理”学术会议丨第一轮通知
- 第三十五届电路与系统学术大会在南京圆满落幕，聚焦
- 第四届电子与信息前沿学术会议在杭州顺利召开
- 重要会议丨第四届电子与信息前沿学术会议通知(第二轮)
- 关于举办“第三十五届电路与系统学术大会”的通知（第二轮）
- 《电子与信息学报》领军论坛暨第九届编委会第三次工作会议在南京成功召开
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
