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/JEIT260362
摘要:
高光谱图像与激光雷达在光谱表征和空间结构刻画方面具有天然互补性，其有效融合被认为是提升遥感地物分类性能的重要途径。然而，现有方法多将融合过程建模为固定映射下的一次性静态聚合，隐含地假设同一融合策略能够适用于不同区域，因而难以应对遥感影像中普遍存在的空间异质性和样本复杂性。为此，该文提出一种决策-学习-修正网络，将传统静态融合重构为面向局部上下文的序列决策过程，使模型能够在连续交互中学习上下文依赖的自适应融合策略。针对关键样本易被忽视的问题，构建关键样本导向采样模块，依据样本决策困难度提高复杂区域样本的训练参与度。针对融合动作可能破坏模态特性的问题，设计模态保真约束机制，对不合理动作进行修正，以保证融合特征质量。实验结果表明，所提方法在Houston2013, Trento和MUUFL 3个基准数据集上的总体精度分别提升0.82%, 0.38%和1.76%，验证了该方法在复杂场景下的有效性与优越性。
高光谱图像与激光雷达在光谱表征和空间结构刻画方面具有天然互补性，其有效融合被认为是提升遥感地物分类性能的重要途径。然而，现有方法多将融合过程建模为固定映射下的一次性静态聚合，隐含地假设同一融合策略能够适用于不同区域，因而难以应对遥感影像中普遍存在的空间异质性和样本复杂性。为此，该文提出一种决策-学习-修正网络，将传统静态融合重构为面向局部上下文的序列决策过程，使模型能够在连续交互中学习上下文依赖的自适应融合策略。针对关键样本易被忽视的问题，构建关键样本导向采样模块，依据样本决策困难度提高复杂区域样本的训练参与度。针对融合动作可能破坏模态特性的问题，设计模态保真约束机制，对不合理动作进行修正，以保证融合特征质量。实验结果表明，所提方法在Houston2013, Trento和MUUFL 3个基准数据集上的总体精度分别提升0.82%, 0.38%和1.76%，验证了该方法在复杂场景下的有效性与优越性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260859
摘要:
尽管半监督医学图像分割减少了对专家标注的依赖，但由于初始有标签样本稀缺，模型生成的伪标签常包含边界错误和拓扑畸变。这些错误在迭代训练中极易引发确认偏差，导致误差持续放大。为了解决该问题，提出一种基于原型不确定性驱动潜在扩散的半监督医学图像分割方法(Prototype Uncertainty-driven latent Diffusion, PU-Diff)。该方法包含两个优势：首先，利用高置信度预测样本构建类别原型，通过计算无标签像素与各类别原型的特征距离来量化分类不确定性，并生成不确定性引导图，从而精准定位伪标签中的潜在错误区域，为后续结构纠错提供指导；其次，将不确定性引导图与原始图像联合输入潜在扩散模型，在去噪过程中重点修复低置信度区域的边界与拓扑错误，从而增强模型对缺陷解剖结构的主动纠错能力，为参数优化提供更可靠的监督信号。实验表明，在ACDC、MS-CMRSeg、MSD Prostate和Kvasir-SEG四个数据集上，PU-Diff的分割性能均优于多种先进的半监督医学图像分割方法。
尽管半监督医学图像分割减少了对专家标注的依赖，但由于初始有标签样本稀缺，模型生成的伪标签常包含边界错误和拓扑畸变。这些错误在迭代训练中极易引发确认偏差，导致误差持续放大。为了解决该问题，提出一种基于原型不确定性驱动潜在扩散的半监督医学图像分割方法(Prototype Uncertainty-driven latent Diffusion, PU-Diff)。该方法包含两个优势：首先，利用高置信度预测样本构建类别原型，通过计算无标签像素与各类别原型的特征距离来量化分类不确定性，并生成不确定性引导图，从而精准定位伪标签中的潜在错误区域，为后续结构纠错提供指导；其次，将不确定性引导图与原始图像联合输入潜在扩散模型，在去噪过程中重点修复低置信度区域的边界与拓扑错误，从而增强模型对缺陷解剖结构的主动纠错能力，为参数优化提供更可靠的监督信号。实验表明，在ACDC、MS-CMRSeg、MSD Prostate和Kvasir-SEG四个数据集上，PU-Diff的分割性能均优于多种先进的半监督医学图像分割方法。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260968
摘要:
自适应波束形成旨在设计一种能够根据环境变化自动提取期望信号并抑制干扰和噪声的空域滤波器。随着第六代(6G)移动通信、毫米波感知等技术的发展，远场源与近场源同时存在的混合远近场场景日益普遍。现有的单一远场或近场自适应波束形成算法在此类混合远近场场景中面临平面波与球面波模型失配导致的性能局限；同时，源位置参数未知且参数间存在耦合，进一步加剧了性能恶化。针对上述问题，本文基于子空间基变换框架，针对混合远近场中响应向量同时依赖于角度和距离的特点，提出一种面向混合远近场场景的稳健自适应波束形成算法。该算法的核心在于：首先，建立混合远近场信号模型，通过多起点L-BFGS-B优化策略求解空间距离最小化问题，实现混合远近场响应向量的高精度估计；其次，通过特征空间基变换方法重构干扰加噪声协方差矩阵—该方法在子空间基变换思想基础上，将基矩阵的构造从纯角度域拓展至角度-距离联合域，并通过基变换矩阵直接从样本协方差矩阵中去除期望信号成分，避免了传统方法中噪声功率估计引入的附加误差；最后，利用重构的干扰加噪声协方差矩阵修正导向向量，进而计算波束形成器的加权向量。仿真结果表明，所提算法在混合远近场场景下能够有效缓解源位置参数耦合导致的性能恶化，在高输入信噪比(Signal-to-Noise Ratio, SNR)条件下，输出信干噪比(Signal-to-Interference-and-Noise Ratio, SINR)与理论最优值的偏差保持在1 dB以内，显著优于所对比的七种算法。
自适应波束形成旨在设计一种能够根据环境变化自动提取期望信号并抑制干扰和噪声的空域滤波器。随着第六代(6G)移动通信、毫米波感知等技术的发展，远场源与近场源同时存在的混合远近场场景日益普遍。现有的单一远场或近场自适应波束形成算法在此类混合远近场场景中面临平面波与球面波模型失配导致的性能局限；同时，源位置参数未知且参数间存在耦合，进一步加剧了性能恶化。针对上述问题，本文基于子空间基变换框架，针对混合远近场中响应向量同时依赖于角度和距离的特点，提出一种面向混合远近场场景的稳健自适应波束形成算法。该算法的核心在于：首先，建立混合远近场信号模型，通过多起点L-BFGS-B优化策略求解空间距离最小化问题，实现混合远近场响应向量的高精度估计；其次，通过特征空间基变换方法重构干扰加噪声协方差矩阵—该方法在子空间基变换思想基础上，将基矩阵的构造从纯角度域拓展至角度-距离联合域，并通过基变换矩阵直接从样本协方差矩阵中去除期望信号成分，避免了传统方法中噪声功率估计引入的附加误差；最后，利用重构的干扰加噪声协方差矩阵修正导向向量，进而计算波束形成器的加权向量。仿真结果表明，所提算法在混合远近场场景下能够有效缓解源位置参数耦合导致的性能恶化，在高输入信噪比(Signal-to-Noise Ratio, SNR)条件下，输出信干噪比(Signal-to-Interference-and-Noise Ratio, SINR)与理论最优值的偏差保持在1 dB以内，显著优于所对比的七种算法。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT261074
摘要:
闪电临近预报对灾害预警及航空、电力安全至关重要，现有方法难以实现三维样本构建、多源异构特征融合和资料缺失条件下的稳定预报。针对上述问题，本文提出三维非极大值抑制(3D-NMS)的三维时空样本构建方法和闪电临近预报模型MG-SimVP。首先，提出3D-NMS方法，通过三维卷积计算候选区域的闪电密度，并利用非极大值抑制剔除低密度候选区域和高度重叠的冗余样本，以提取闪电聚集且主体完整的时空样本；其次，构建多源分组自适应融合编码器MGAF-Encoder，通过闪电、雷达和卫星特征的分组独立编码、全局通道响应感知、动态加权融合与共享特征回注，减弱强响应模态对稀疏闪电特征的掩盖，缓解多源异构资料混合造成的信息淹没；最后，面向多模态信息缺失场景，根据信息缺失引起的通道响应变化动态调整各模态融合权重，降低信息缺失的影响，提高模型预报稳定性。实验表明，训练样本中有效闪电信息更加集中，对流主体及其演变特征得到更完整保留，3D-NMS使基准模型的平均CSI提升13.0%，平均FAR降低20.2%；MG-SimVP在1小时预报窗口内的平均CSI达到0.670，较基准模型提升11.4%，平均FAR降低29.0%，且在信息缺失条件下CSI保持率不低于79.49%，表现出较好的预报精度与业务适应性。
闪电临近预报对灾害预警及航空、电力安全至关重要，现有方法难以实现三维样本构建、多源异构特征融合和资料缺失条件下的稳定预报。针对上述问题，本文提出三维非极大值抑制(3D-NMS)的三维时空样本构建方法和闪电临近预报模型MG-SimVP。首先，提出3D-NMS方法，通过三维卷积计算候选区域的闪电密度，并利用非极大值抑制剔除低密度候选区域和高度重叠的冗余样本，以提取闪电聚集且主体完整的时空样本；其次，构建多源分组自适应融合编码器MGAF-Encoder，通过闪电、雷达和卫星特征的分组独立编码、全局通道响应感知、动态加权融合与共享特征回注，减弱强响应模态对稀疏闪电特征的掩盖，缓解多源异构资料混合造成的信息淹没；最后，面向多模态信息缺失场景，根据信息缺失引起的通道响应变化动态调整各模态融合权重，降低信息缺失的影响，提高模型预报稳定性。实验表明，训练样本中有效闪电信息更加集中，对流主体及其演变特征得到更完整保留，3D-NMS使基准模型的平均CSI提升13.0%，平均FAR降低20.2%；MG-SimVP在1小时预报窗口内的平均CSI达到0.670，较基准模型提升11.4%，平均FAR降低29.0%，且在信息缺失条件下CSI保持率不低于79.49%，表现出较好的预报精度与业务适应性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260152
摘要:
忆阻器门控循环单元 (GRU) 网络对于时序数据处理系统的嵌入式部署提供了新的解决途径，但是由于网络规模大、权值精度高，难以直接部署到嵌入式端侧设备。为此，该文对忆阻器轻量化GRU网络模型设计展开研究，构建能够部署在有限资源上的GRU网络模型，设计忆阻器交叉阵列的映射方式，提出基于性能分析与器件感知的融合量化方法，综合考虑网络性能与权值部署、激活函数计算的不同器件实现方式，使用权值对称量化、激活值非对称量化的策略对忆阻器GRU网络模型进行量化，采用权值加噪的方式提升网络模型对忆阻器件非理想因素的包容性。仿真实验表明，该文所设计的忆阻器GRU网络模型在公开的UrbanSound8K数据集上的分类准确率为93.94%，量化至6 bit后模型分类准确率为92.68%，相比全精度的Dilated Convolution, LM-MFCC+GRU及TFFS-DNN模型分别高出14.68%, 0.68%和3.94%，且权值加噪训练能够有效提升轻量化网络模型对忆阻器件非理想因素的适应能力。此外，还验证了该网络模型在真假轨迹判别任务上的性能，在自建的真假轨迹数据集上的分类准确率为97.35%，量化至6 bit后分类准确率仅下降0.84%。
忆阻器门控循环单元 (GRU) 网络对于时序数据处理系统的嵌入式部署提供了新的解决途径，但是由于网络规模大、权值精度高，难以直接部署到嵌入式端侧设备。为此，该文对忆阻器轻量化GRU网络模型设计展开研究，构建能够部署在有限资源上的GRU网络模型，设计忆阻器交叉阵列的映射方式，提出基于性能分析与器件感知的融合量化方法，综合考虑网络性能与权值部署、激活函数计算的不同器件实现方式，使用权值对称量化、激活值非对称量化的策略对忆阻器GRU网络模型进行量化，采用权值加噪的方式提升网络模型对忆阻器件非理想因素的包容性。仿真实验表明，该文所设计的忆阻器GRU网络模型在公开的UrbanSound8K数据集上的分类准确率为93.94%，量化至6 bit后模型分类准确率为92.68%，相比全精度的Dilated Convolution, LM-MFCC+GRU及TFFS-DNN模型分别高出14.68%, 0.68%和3.94%，且权值加噪训练能够有效提升轻量化网络模型对忆阻器件非理想因素的适应能力。此外，还验证了该网络模型在真假轨迹判别任务上的性能，在自建的真假轨迹数据集上的分类准确率为97.35%，量化至6 bit后分类准确率仅下降0.84%。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260234
摘要:
闪电临近预报对气象预警与设施安全至关重要。然而，现有深度学习方法常受限于数据的极端稀疏性，且预测目标多为二值落区而非频次与区域的协同优化。该文提出一种多任务临近预报模型——时空聚焦感知与协同加权损失网络(STF-Net)，实现闪电频次与区域的联合预测。首先，设计闪电自适应注意力模块(LAAM)，显式建模长程时空依赖并精准聚焦对流敏感区；其次，构建时空加权混合损失函数，联合优化时间加权均方误差与双重加权交叉熵(DWCE)，以有效抑制极端稀疏分布诱发的优化偏误与虚警；最后，引入时空双分支生成对抗机制，提升预测场的细节保真度与时序连贯性。基于高分辨率甚低频闪电数据集的实验表明，STF-Net在1 h预报窗口内的临界成功指数(CSI)达0.663，较基线提升14.5%，虚警率(FAR)显著降至0.216，有效缓解了长时效预报的性能衰减。该研究为业务化闪电预警系统提供了一种高效、具备稀疏自适应能力的端到端解决方案。
闪电临近预报对气象预警与设施安全至关重要。然而，现有深度学习方法常受限于数据的极端稀疏性，且预测目标多为二值落区而非频次与区域的协同优化。该文提出一种多任务临近预报模型——时空聚焦感知与协同加权损失网络(STF-Net)，实现闪电频次与区域的联合预测。首先，设计闪电自适应注意力模块(LAAM)，显式建模长程时空依赖并精准聚焦对流敏感区；其次，构建时空加权混合损失函数，联合优化时间加权均方误差与双重加权交叉熵(DWCE)，以有效抑制极端稀疏分布诱发的优化偏误与虚警；最后，引入时空双分支生成对抗机制，提升预测场的细节保真度与时序连贯性。基于高分辨率甚低频闪电数据集的实验表明，STF-Net在1 h预报窗口内的临界成功指数(CSI)达0.663，较基线提升14.5%，虚警率(FAR)显著降至0.216，有效缓解了长时效预报的性能衰减。该研究为业务化闪电预警系统提供了一种高效、具备稀疏自适应能力的端到端解决方案。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260327
摘要:
针对甲骨文识别场景中普遍存在的类别长尾分布问题，以及现有方法难以兼顾头部类别判别力与尾部稀缺样本识别性能的技术瓶颈，该文提出一种两阶段解耦学习方法。第1阶段结合混合数据增强与标签分布感知间隔损失，学习全局泛化的特征空间并构建鲁棒决策边界；第2阶段冻结骨干网络，提出基于类别识别难度的自适应采样策略，结合类别加权损失优化分类器，通过动态分配采样权重聚焦尾部与困难类别，实现头部与尾部类别识别性能的协同提升。在OBC306公开数据集上的实验结果表明，该文方法总识别准确率达94.34%，平均识别准确率达89.89%，综合性能优于主流方法，可为低资源古文字识别提供技术支撑。
针对甲骨文识别场景中普遍存在的类别长尾分布问题，以及现有方法难以兼顾头部类别判别力与尾部稀缺样本识别性能的技术瓶颈，该文提出一种两阶段解耦学习方法。第1阶段结合混合数据增强与标签分布感知间隔损失，学习全局泛化的特征空间并构建鲁棒决策边界；第2阶段冻结骨干网络，提出基于类别识别难度的自适应采样策略，结合类别加权损失优化分类器，通过动态分配采样权重聚焦尾部与困难类别，实现头部与尾部类别识别性能的协同提升。在OBC306公开数据集上的实验结果表明，该文方法总识别准确率达94.34%，平均识别准确率达89.89%，综合性能优于主流方法，可为低资源古文字识别提供技术支撑。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260373
摘要:
面对无人机集群和智能巡飞弹等大规模、高速度饱和攻击威胁带来的海量、突发且异质预警任务的严峻挑战，如何依托组网雷达设计可拓展的协同调度架构，释放防空预警体系抗饱和攻击潜力亟待解决。针对现有架构动态协同僵化和异质任务调度能力不足等局限，该文深入分析饱和攻击场景多雷达多目标多任务调度难题，将非凸的协同调度问题解耦为多维资源动态协同和自适应异质任务调度多阶段决策过程，通过针对性引入派单机制和分层强化学习，以可拓展性为目标提出了一种决策层次上融合了集中式动态目标分配和分布式异质任务调度的混合架构，并具体设计了执行-再派单认知闭环、目标派单算法和分层式指挥调度方法。仿真表明所提架构面对大规模高速度饱和攻击时，能实时动态协同组网雷达以调度搜索、确认和跟踪3类异质预警任务，并在适用处理规模、环境自适应能力、长期调度能力、可拓展性和可解释性等方面具有改进。
面对无人机集群和智能巡飞弹等大规模、高速度饱和攻击威胁带来的海量、突发且异质预警任务的严峻挑战，如何依托组网雷达设计可拓展的协同调度架构，释放防空预警体系抗饱和攻击潜力亟待解决。针对现有架构动态协同僵化和异质任务调度能力不足等局限，该文深入分析饱和攻击场景多雷达多目标多任务调度难题，将非凸的协同调度问题解耦为多维资源动态协同和自适应异质任务调度多阶段决策过程，通过针对性引入派单机制和分层强化学习，以可拓展性为目标提出了一种决策层次上融合了集中式动态目标分配和分布式异质任务调度的混合架构，并具体设计了执行-再派单认知闭环、目标派单算法和分层式指挥调度方法。仿真表明所提架构面对大规模高速度饱和攻击时，能实时动态协同组网雷达以调度搜索、确认和跟踪3类异质预警任务，并在适用处理规模、环境自适应能力、长期调度能力、可拓展性和可解释性等方面具有改进。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260217
摘要:
空天地一体化网络(SAGIN)通过低轨卫星(LEO)、无人机(UAV)与地面设备的协同，构建了面向计算密集型移动应用的高效融合架构。然而，由于无人机轨迹控制、任务卸载与资源分配之间存在强耦合关系，加之任务负载的动态性和不确定性，实现时延与能耗兼顾的高效任务卸载仍面临挑战。该文以任务完成时延与无人机飞行能耗的加权和最小化为优化目标，将优化问题建模为去中心化部分可观测马尔可夫决策过程(DEC-POMDP)，并提出一种任务预测增强的多智能体近端策略优化算法(PA-MAPPO)。该方法在多智能体强化学习框架中引入轻量化任务负载预测模块，以增强各智能体的前瞻性与协同决策能力，从而在动态SAGIN环境下实现无人机轨迹规划、任务卸载与计算资源分配的联合优化。仿真结果表明，所提算法能够有效降低系统综合成本，并在平均任务时延与无人机飞行能耗之间取得良好平衡。
空天地一体化网络(SAGIN)通过低轨卫星(LEO)、无人机(UAV)与地面设备的协同，构建了面向计算密集型移动应用的高效融合架构。然而，由于无人机轨迹控制、任务卸载与资源分配之间存在强耦合关系，加之任务负载的动态性和不确定性，实现时延与能耗兼顾的高效任务卸载仍面临挑战。该文以任务完成时延与无人机飞行能耗的加权和最小化为优化目标，将优化问题建模为去中心化部分可观测马尔可夫决策过程(DEC-POMDP)，并提出一种任务预测增强的多智能体近端策略优化算法(PA-MAPPO)。该方法在多智能体强化学习框架中引入轻量化任务负载预测模块，以增强各智能体的前瞻性与协同决策能力，从而在动态SAGIN环境下实现无人机轨迹规划、任务卸载与计算资源分配的联合优化。仿真结果表明，所提算法能够有效降低系统综合成本，并在平均任务时延与无人机飞行能耗之间取得良好平衡。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260348
摘要:
面向全球覆盖、高速移动、低延迟、高可靠的民用航空通信需求，近些年来正在蓬勃发展的非地面网络(NTN)显得愈加重要。在此背景下，该文回顾了面向民用航空的NTN技术发展历程，并追踪了国内外对民航NTN网络技术研究的最新动态。为了实现NTN网络更好服务我国民用航空这一美好愿景，分别介绍了NTN网络中的组网架构，接入和移动性管理以及新型资源管控等关键技术。首先建立了以低轨卫星与高空平台为枢纽的按需隔离的NTN组网框架，随后提出了以星历图为表征的接入和移动性管理技术，最后针对新型智能衍生的算存资源提出了面向民用航空的NTN网络资源管控方案。最后，该文也对面向民用航空的NTN网络关键技术的未来发展提出了展望。
面向全球覆盖、高速移动、低延迟、高可靠的民用航空通信需求，近些年来正在蓬勃发展的非地面网络(NTN)显得愈加重要。在此背景下，该文回顾了面向民用航空的NTN技术发展历程，并追踪了国内外对民航NTN网络技术研究的最新动态。为了实现NTN网络更好服务我国民用航空这一美好愿景，分别介绍了NTN网络中的组网架构，接入和移动性管理以及新型资源管控等关键技术。首先建立了以低轨卫星与高空平台为枢纽的按需隔离的NTN组网框架，随后提出了以星历图为表征的接入和移动性管理技术，最后针对新型智能衍生的算存资源提出了面向民用航空的NTN网络资源管控方案。最后，该文也对面向民用航空的NTN网络关键技术的未来发展提出了展望。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260525
摘要:
针对极低带宽条件下传统信源编码在低码率场景中易出现“数字悬崖”效应，且现有语义通信方法难以同时兼顾结构保真、色彩一致性与低时延的问题，该文提出一种面向低带宽网络的结构保真语义传输方法。该方法构建语义-结构-外观多模态解耦表示框架，通过引入对象感知的语义引导编码机制，实现关键区域驱动的自适应码率分配；同时设计确定性双流生成重建模型，以结构约束与语义调制协同引导图像重建，从而降低推理复杂度与时延。实验在Set14, DIV2K数据集及基于通用软件无线电平台(USRP)的LoRa实际物理链路环境下开展，结果表明，在约0.3 bpp的极低码率条件下，该方法可实现低于60 ms的端到端推理时延，并在主体结构一致性与视觉自然度方面优于传统编码方法。研究结果表明，所提方法在受限带宽条件下能够有效提升传输效率与重建质量，适用于高可靠低时延的边缘视觉通信场景。
针对极低带宽条件下传统信源编码在低码率场景中易出现“数字悬崖”效应，且现有语义通信方法难以同时兼顾结构保真、色彩一致性与低时延的问题，该文提出一种面向低带宽网络的结构保真语义传输方法。该方法构建语义-结构-外观多模态解耦表示框架，通过引入对象感知的语义引导编码机制，实现关键区域驱动的自适应码率分配；同时设计确定性双流生成重建模型，以结构约束与语义调制协同引导图像重建，从而降低推理复杂度与时延。实验在Set14, DIV2K数据集及基于通用软件无线电平台(USRP)的LoRa实际物理链路环境下开展，结果表明，在约0.3 bpp的极低码率条件下，该方法可实现低于60 ms的端到端推理时延，并在主体结构一致性与视觉自然度方面优于传统编码方法。研究结果表明，所提方法在受限带宽条件下能够有效提升传输效率与重建质量，适用于高可靠低时延的边缘视觉通信场景。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260616
摘要:
经典多雷达融合检测常假设杂波幅度分布和目标信杂比一致，并在此基础上进行联合处理。然而，多部雷达的工作参数差异会导致杂波幅度分布和目标信杂比的差异，使现有检测器在实际应用时模型失配。针对这一问题，该文针对瑞利分布的S波段海杂波和韦布尔分布的X波段海杂波融合检测场景，提出一种双雷达自适应融合检测方法。该方法根据各雷达局部检验统计量与信杂比估计结果，自适应确定融合权重与全局检验统计量。同时推导了虚警概率与检测概率关于判决门限的闭式表达式，蒙特卡罗仿真验证了闭式表达式的准确性。基于实测海杂波数据的实验表明，在任意信杂比组合的条件下，所提方法比传统的OR融合和AND融合方法具有更优的检测性能。
经典多雷达融合检测常假设杂波幅度分布和目标信杂比一致，并在此基础上进行联合处理。然而，多部雷达的工作参数差异会导致杂波幅度分布和目标信杂比的差异，使现有检测器在实际应用时模型失配。针对这一问题，该文针对瑞利分布的S波段海杂波和韦布尔分布的X波段海杂波融合检测场景，提出一种双雷达自适应融合检测方法。该方法根据各雷达局部检验统计量与信杂比估计结果，自适应确定融合权重与全局检验统计量。同时推导了虚警概率与检测概率关于判决门限的闭式表达式，蒙特卡罗仿真验证了闭式表达式的准确性。基于实测海杂波数据的实验表明，在任意信杂比组合的条件下，所提方法比传统的OR融合和AND融合方法具有更优的检测性能。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260582
摘要:
红外弱小目标检测因目标尺寸微小、信噪比低及背景杂波复杂而极具挑战性。因此，该文提出一种基于动态频率引导与语义净化的红外弱小目标检测方法。针对弱小目标在深度神经网络中易被淹没的问题，通过可学习的步进卷积替代传统的最大池化层，有效保留编码过程中的目标细节。其次，设计了动态频率引导模块，使用小型网络动态预测高通滤波截止半径，实现对不同场景下目标的自适应频率引导。为进一步抑制背景杂波，提出单向语义净化模块，利用高层语义特征生成空间注意力权重，对频率引导图进行过滤和强化，从而突出目标细节并增强模型的感知能力。在SIRST-Aug和IRSTD-1k两个公开数据集上的实验结果表明，所提方法性能优于现有的主流方法，特别是在SIRST-Aug数据集上的检测率Pd达到了99.17 %，有效克服了红外弱小目标检测中误检与漏检的问题。
红外弱小目标检测因目标尺寸微小、信噪比低及背景杂波复杂而极具挑战性。因此，该文提出一种基于动态频率引导与语义净化的红外弱小目标检测方法。针对弱小目标在深度神经网络中易被淹没的问题，通过可学习的步进卷积替代传统的最大池化层，有效保留编码过程中的目标细节。其次，设计了动态频率引导模块，使用小型网络动态预测高通滤波截止半径，实现对不同场景下目标的自适应频率引导。为进一步抑制背景杂波，提出单向语义净化模块，利用高层语义特征生成空间注意力权重，对频率引导图进行过滤和强化，从而突出目标细节并增强模型的感知能力。在SIRST-Aug和IRSTD-1k两个公开数据集上的实验结果表明，所提方法性能优于现有的主流方法，特别是在SIRST-Aug数据集上的检测率Pd达到了99.17 %，有效克服了红外弱小目标检测中误检与漏检的问题。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260847
摘要:
针对红外弱小目标检测中目标尺度小、纹理弱导致的细节表征衰减、低频背景渗透，以及实时检测变换器(RT-DETR)在跨尺度融合中易传播背景冗余、空间约束不足的问题，该文提出一种频域解耦与空间先验约束的端到端检测模型。该模型以子空间渐进注意力补偿浅层局部细节，以频域非对称解耦交互分离目标细节与背景低频成分，并通过高阶空间关系建模与空间先验注入增强跨尺度融合，约束同质杂波关联。在IRSTD-1k和NUAA-SIRST数据集上，所提模型较RT-DETR基准的mAP@0.5分别提升3.39和3.08个百分点，参数量和计算量分别降低13.24%和11.42%。结果表明，该模型能在降低开销的同时提升检测精度与定位鲁棒性。
针对红外弱小目标检测中目标尺度小、纹理弱导致的细节表征衰减、低频背景渗透，以及实时检测变换器(RT-DETR)在跨尺度融合中易传播背景冗余、空间约束不足的问题，该文提出一种频域解耦与空间先验约束的端到端检测模型。该模型以子空间渐进注意力补偿浅层局部细节，以频域非对称解耦交互分离目标细节与背景低频成分，并通过高阶空间关系建模与空间先验注入增强跨尺度融合，约束同质杂波关联。在IRSTD-1k和NUAA-SIRST数据集上，所提模型较RT-DETR基准的mAP@0.5分别提升3.39和3.08个百分点，参数量和计算量分别降低13.24%和11.42%。结果表明，该模型能在降低开销的同时提升检测精度与定位鲁棒性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260694
摘要:
超图神经网络(HGNN)凭借高阶关系建模能力被广泛关注，但其计算量大、推理效率低，难以在实际场景部署。现有HGNN向多层感知机(MLP)知识蒸馏方法存在可解释性差、精度偏低等问题，主要原因在于：MLP激活函数单一且层间解耦、Softmax软标签存在信息丢失、未关注节点可靠性差异。为此，该文提出面向快速推理的超图神经网络知识蒸馏框架(DH2KAN)。该方法以柯尔莫哥洛夫阿诺德网络(KAN)为学生模型，用可学习单变量样条函数提升表征能力；设计表征相似性蒸馏，以节点表征监督KAN训练；提出高可靠节点感知蒸馏，基于信息熵量化节点可靠性并利用可靠节点软标签强化指导。在11个真实数据集上的实验表明，DH2KAN在精度与HGNN相当甚至更优的前提下，推理速度提升75倍；相比KAN在速度相近的情况下，准确率提升10.53%，适用于大规模低延迟场景。
超图神经网络(HGNN)凭借高阶关系建模能力被广泛关注，但其计算量大、推理效率低，难以在实际场景部署。现有HGNN向多层感知机(MLP)知识蒸馏方法存在可解释性差、精度偏低等问题，主要原因在于：MLP激活函数单一且层间解耦、Softmax软标签存在信息丢失、未关注节点可靠性差异。为此，该文提出面向快速推理的超图神经网络知识蒸馏框架(DH2KAN)。该方法以柯尔莫哥洛夫阿诺德网络(KAN)为学生模型，用可学习单变量样条函数提升表征能力；设计表征相似性蒸馏，以节点表征监督KAN训练；提出高可靠节点感知蒸馏，基于信息熵量化节点可靠性并利用可靠节点软标签强化指导。在11个真实数据集上的实验表明，DH2KAN在精度与HGNN相当甚至更优的前提下，推理速度提升75倍；相比KAN在速度相近的情况下，准确率提升10.53%，适用于大规模低延迟场景。
显示方式:
2026, 48(8): 3213-3228.
doi: 10.11999/JEIT251358
摘要:
密文检索机制(Ciphertext Retrieval)支持密态数据下的安全检索，对称可搜索加密(Symmetric Searchable Encryption, SSE)是其核心研究分支。在实际应用中，云服务器为节约算力，可能返回错误或不完整的检索结果；同时攻击者可利用搜索与访问模式的泄露信息逆向推导关键字，从而引发严重的隐私泄露问题。因此，实现检索结果可验证性，并兼顾搜索与访问模式的隐私保护，具备重要的研究意义。现有支持模式隐私保护的可验证SSE方案，普遍依赖关键字遍历机制，验证效率较低，会显著增加用户的计算与通信开销，难以满足高效安全的密文检索需求。针对上述性能瓶颈，该文提出一种基于可信执行环境(Trusted Execution Environment, TEE)的高效可验证密文检索方案。为提升密文检索等效率，该方案借助硬件级安全隔离与不经意数据重排的协同，实现关键字陷门尺寸独立于关键字字典的规模。同时，通过嵌入随机数以及盲化多项式常数项方式验证返回结果的正确性。得益于上述设计，该方案在效率层面取得了显著提升。具体而言，其一，该方案使得关键字陷门规模仅与查询关键字数量相关，而与全局字典规模无关，有效降低了计算和通信成本；其二，该方案仅需存储两个随机数即可实现可验证功能，大幅降低了用户本地存储开销。其三，数据用户与单服务器单轮交互中获取检索结果以及对称同态加密机制的应用等技术进一步提升了运行效率。此外，TEE中的密态计算弱化了对TEE的安全假设和信任程度。在通过模拟游戏方式完成对方案安全性的证明之后，该文对所提出的方案进行了综合的性能评估，评估结果证实了该方案在效率上显著优于其他具备相同功能的方案。
密文检索机制(Ciphertext Retrieval)支持密态数据下的安全检索，对称可搜索加密(Symmetric Searchable Encryption, SSE)是其核心研究分支。在实际应用中，云服务器为节约算力，可能返回错误或不完整的检索结果；同时攻击者可利用搜索与访问模式的泄露信息逆向推导关键字，从而引发严重的隐私泄露问题。因此，实现检索结果可验证性，并兼顾搜索与访问模式的隐私保护，具备重要的研究意义。现有支持模式隐私保护的可验证SSE方案，普遍依赖关键字遍历机制，验证效率较低，会显著增加用户的计算与通信开销，难以满足高效安全的密文检索需求。针对上述性能瓶颈，该文提出一种基于可信执行环境(Trusted Execution Environment, TEE)的高效可验证密文检索方案。为提升密文检索等效率，该方案借助硬件级安全隔离与不经意数据重排的协同，实现关键字陷门尺寸独立于关键字字典的规模。同时，通过嵌入随机数以及盲化多项式常数项方式验证返回结果的正确性。得益于上述设计，该方案在效率层面取得了显著提升。具体而言，其一，该方案使得关键字陷门规模仅与查询关键字数量相关，而与全局字典规模无关，有效降低了计算和通信成本；其二，该方案仅需存储两个随机数即可实现可验证功能，大幅降低了用户本地存储开销。其三，数据用户与单服务器单轮交互中获取检索结果以及对称同态加密机制的应用等技术进一步提升了运行效率。此外，TEE中的密态计算弱化了对TEE的安全假设和信任程度。在通过模拟游戏方式完成对方案安全性的证明之后，该文对所提出的方案进行了综合的性能评估，评估结果证实了该方案在效率上显著优于其他具备相同功能的方案。
2026, 48(8): 3229-3246.
doi: 10.11999/JEIT260189
摘要:
遥感图文检索(RS-ITR)通过建立遥感影像与自然语言描述之间的跨模态语义关联，为海量地理空间数据的语义理解与智能检索提供了重要支撑。随着高分辨率对地观测数据持续积累，复杂场景、多尺度结构、专业语义表达及标注稀缺等因素，使传统手工特征方法和常规深度跨模态模型在语义建模、跨场景泛化和开放环境适应方面受到明显制约。围绕视觉-语言基础模型(VLM)驱动的遥感图文检索研究，该文系统梳理了任务建模、领域挑战、评价基准与技术演进脉络，重点归纳了模型架构范式、遥感领域适配策略和跨模态语义对齐机制，并结合代表性数据集、典型方法及性能比较总结了当前研究进展。分析表明，视觉-语言基础模型在缓解语义鸿沟、提升零样本迁移能力和增强复杂语义理解方面展现出显著优势，但多源异构数据统一建模、地理知识增强、开放场景持续学习以及轻量化部署仍是该方向亟待突破的关键问题。相关综述可为遥感多模态信息理解、跨模态检索模型设计及工程应用提供系统参考。
遥感图文检索(RS-ITR)通过建立遥感影像与自然语言描述之间的跨模态语义关联，为海量地理空间数据的语义理解与智能检索提供了重要支撑。随着高分辨率对地观测数据持续积累，复杂场景、多尺度结构、专业语义表达及标注稀缺等因素，使传统手工特征方法和常规深度跨模态模型在语义建模、跨场景泛化和开放环境适应方面受到明显制约。围绕视觉-语言基础模型(VLM)驱动的遥感图文检索研究，该文系统梳理了任务建模、领域挑战、评价基准与技术演进脉络，重点归纳了模型架构范式、遥感领域适配策略和跨模态语义对齐机制，并结合代表性数据集、典型方法及性能比较总结了当前研究进展。分析表明，视觉-语言基础模型在缓解语义鸿沟、提升零样本迁移能力和增强复杂语义理解方面展现出显著优势，但多源异构数据统一建模、地理知识增强、开放场景持续学习以及轻量化部署仍是该方向亟待突破的关键问题。相关综述可为遥感多模态信息理解、跨模态检索模型设计及工程应用提供系统参考。
2026, 48(8): 3247-3262.
doi: 10.11999/JEIT260133
摘要:
面向移动目标的成像卫星协同任务规划是实现天基对地观测系统从“静态区域覆盖”向“广域搜索-动态跟踪-反馈补搜”动态闭环转型的关键技术，在应急响应、海洋监测、广域态势感知与重点目标持续观测等领域具有重要意义。其核心挑战源于移动目标未来状态的不确定性与传统任务规划模型对确定性输入依赖之间的矛盾。该文从不确定性驱动视角出发，结合海面、空天、地面3类典型移动目标的运动特征与观测需求，系统梳理该领域近年来的主要技术进展。重点剖析运动状态预测与时空不确定性表征、多星协同观测任务规划及闭环重规划等关键环节，对比模型驱动与数据驱动预测方法在不确定性表征和规划可用性的差异，分析集中式、分布式与混合式架构的算法选择逻辑与动态响应能力。最后，该文指出该领域正由开环静态规划向闭环动态调度转型，总结预测不确定性信息在规划决策中利用不足、分布式协同中状态认知不一致等关键瓶颈，并展望了跨层级耦合建模、大语言模型赋能的智能优化等未来发展方向。
面向移动目标的成像卫星协同任务规划是实现天基对地观测系统从“静态区域覆盖”向“广域搜索-动态跟踪-反馈补搜”动态闭环转型的关键技术，在应急响应、海洋监测、广域态势感知与重点目标持续观测等领域具有重要意义。其核心挑战源于移动目标未来状态的不确定性与传统任务规划模型对确定性输入依赖之间的矛盾。该文从不确定性驱动视角出发，结合海面、空天、地面3类典型移动目标的运动特征与观测需求，系统梳理该领域近年来的主要技术进展。重点剖析运动状态预测与时空不确定性表征、多星协同观测任务规划及闭环重规划等关键环节，对比模型驱动与数据驱动预测方法在不确定性表征和规划可用性的差异，分析集中式、分布式与混合式架构的算法选择逻辑与动态响应能力。最后，该文指出该领域正由开环静态规划向闭环动态调度转型，总结预测不确定性信息在规划决策中利用不足、分布式协同中状态认知不一致等关键瓶颈，并展望了跨层级耦合建模、大语言模型赋能的智能优化等未来发展方向。
2026, 48(8): 3263-3278.
doi: 10.11999/JEIT251297
摘要:
随着全球自然灾害频发以及各类突发事件风险上升，如何依托智能遥感技术对受灾目标开展快速、精准的评估，已成为支撑应急响应与灾后重建的重要任务。近年来，基于深度学习的遥感灾害评估方法不断涌现，大大提高了灾害评估的精度和智能化程度，然而，该领域发展迅速但仍缺乏系统性综述。该文全面梳理了遥感目标灾害智能评估的技术内涵；对现有研究中常用的目标损伤等级标准、公开数据集及性能评价指标进行了归纳；围绕双时相变化检测、多时相序列建模、多模态数据融合、数据受限场景下灾害评估4类技术框架进行深入分析，叙述了各类方法的技术路径及其优势与不足；最后，该文进一步探讨了该领域未来的发展方向，旨在为遥感智能灾害评估技术在人为及自然灾害应对中的应用提供理论支持与方法参考。
随着全球自然灾害频发以及各类突发事件风险上升，如何依托智能遥感技术对受灾目标开展快速、精准的评估，已成为支撑应急响应与灾后重建的重要任务。近年来，基于深度学习的遥感灾害评估方法不断涌现，大大提高了灾害评估的精度和智能化程度，然而，该领域发展迅速但仍缺乏系统性综述。该文全面梳理了遥感目标灾害智能评估的技术内涵；对现有研究中常用的目标损伤等级标准、公开数据集及性能评价指标进行了归纳；围绕双时相变化检测、多时相序列建模、多模态数据融合、数据受限场景下灾害评估4类技术框架进行深入分析，叙述了各类方法的技术路径及其优势与不足；最后，该文进一步探讨了该领域未来的发展方向，旨在为遥感智能灾害评估技术在人为及自然灾害应对中的应用提供理论支持与方法参考。
2026, 48(8): 3279-3295.
doi: 10.11999/JEIT260083
摘要:
中波红外探测器具备高灵敏度和优异的温度分辨能力，在国土安全、工业测温、医疗诊断以及遥感监测等民用与军用领域均扮演着至关重要的角色。二类超晶格(T2SL)材料因其能带可调和低俄歇复合率等优势，成为最具潜力的第3代红外探测器材料体系。该文首先阐述量子效率、暗电流密度与比探测率等关键光电参数对探测器性能的影响；随后，聚焦于InAs/GaSb和InAs/InAsSb两大材料体系，系统综述了在暗电流抑制与光响应提升两方面的最新进展，包括势垒结构设计、外延生长优化及器件工艺改进等关键技术，通过这些关键技术研发，探测器性能和工作温度不断提升；最后，对比分析了两类探测器的主要性能指标，并展望了中波超晶格探测技术未来的发展将集中于结构创新设计、大尺寸高质量材料生长、大规模焦平面集成等方面，并有望通过多机制耦合进一步拓展探测性能与应用边界。
中波红外探测器具备高灵敏度和优异的温度分辨能力，在国土安全、工业测温、医疗诊断以及遥感监测等民用与军用领域均扮演着至关重要的角色。二类超晶格(T2SL)材料因其能带可调和低俄歇复合率等优势，成为最具潜力的第3代红外探测器材料体系。该文首先阐述量子效率、暗电流密度与比探测率等关键光电参数对探测器性能的影响；随后，聚焦于InAs/GaSb和InAs/InAsSb两大材料体系，系统综述了在暗电流抑制与光响应提升两方面的最新进展，包括势垒结构设计、外延生长优化及器件工艺改进等关键技术，通过这些关键技术研发，探测器性能和工作温度不断提升；最后，对比分析了两类探测器的主要性能指标，并展望了中波超晶格探测技术未来的发展将集中于结构创新设计、大尺寸高质量材料生长、大规模焦平面集成等方面，并有望通过多机制耦合进一步拓展探测性能与应用边界。
2026, 48(8): 3296-3305.
doi: 10.11999/JEIT260120
摘要:
针对智能超表面(Reconfigurable Intelligent Surface, RIS)辅助的室内可见光定位(Visible Light Positioning, VLP)系统性能优化问题，该文分别研究了近场与远场下针对系统克拉美罗下界(Cramer-Rao Lower Bound, CRLB)优化方法。通过优化RIS配置，以提升系统定位精度与整体定位性能公平性。在远场信道模型假设下，可将RIS方向优化问题建模为接收功率最大化问题，并应用一种结合粒子群优化与N步迭代的定位算法，在接收机位置未知的情况下实现了RIS方向的动态最优调整。在近场信道模型假设下，可将RIS单元与发光二极管(Light-Emitting Diode, LED)的分配问题构建为马尔可夫决策过程，并设计一种基于经验回放与知识利用的强化学习方法进行求解，在最小化CRLB的同时，兼顾不同区域用户的定位公平性。仿真结果表明，所提算法在两种模型下均能有效提升系统定位精度，且在近场模型中显著改善了全域定位性能。
针对智能超表面(Reconfigurable Intelligent Surface, RIS)辅助的室内可见光定位(Visible Light Positioning, VLP)系统性能优化问题，该文分别研究了近场与远场下针对系统克拉美罗下界(Cramer-Rao Lower Bound, CRLB)优化方法。通过优化RIS配置，以提升系统定位精度与整体定位性能公平性。在远场信道模型假设下，可将RIS方向优化问题建模为接收功率最大化问题，并应用一种结合粒子群优化与N步迭代的定位算法，在接收机位置未知的情况下实现了RIS方向的动态最优调整。在近场信道模型假设下，可将RIS单元与发光二极管(Light-Emitting Diode, LED)的分配问题构建为马尔可夫决策过程，并设计一种基于经验回放与知识利用的强化学习方法进行求解，在最小化CRLB的同时，兼顾不同区域用户的定位公平性。仿真结果表明，所提算法在两种模型下均能有效提升系统定位精度，且在近场模型中显著改善了全域定位性能。
2026, 48(8): 3306-3316.
doi: 10.11999/JEIT250521
摘要:
为了解决超快激光无限视场加工中存在的高精度要求小视场与大范围加工需求之间的矛盾，该文提出一种基于自适应扰动观测器的有限时间滑模控制策略，该模型能够保证跟踪误差在有限时间内收敛到原点附近的邻域，有效补偿了未知负载扰动和输入端摩擦非线性行为。该文将被控系统中的未知负载扰动与摩擦非线性等复杂因素统一建模为集总扰动项，从而显著提升了系统动力学模型的普适性。该方法融合了径向基神经网络(RBFNN)设计有限时间自适应扰动观测器，实现对集总扰动的精确补偿。基于扰动观测构建的有限时间滑模控制方案，使得电机的输出角位置快速精确跟踪期望轨迹。最后，通过Matlab仿真分析验证了该控制方法的可行性和优越性。
为了解决超快激光无限视场加工中存在的高精度要求小视场与大范围加工需求之间的矛盾，该文提出一种基于自适应扰动观测器的有限时间滑模控制策略，该模型能够保证跟踪误差在有限时间内收敛到原点附近的邻域，有效补偿了未知负载扰动和输入端摩擦非线性行为。该文将被控系统中的未知负载扰动与摩擦非线性等复杂因素统一建模为集总扰动项，从而显著提升了系统动力学模型的普适性。该方法融合了径向基神经网络(RBFNN)设计有限时间自适应扰动观测器，实现对集总扰动的精确补偿。基于扰动观测构建的有限时间滑模控制方案，使得电机的输出角位置快速精确跟踪期望轨迹。最后，通过Matlab仿真分析验证了该控制方法的可行性和优越性。
2026, 48(8): 3317-3326.
doi: 10.11999/JEIT250858
摘要:
片上偏振分束旋转器(Polarization Splitter-Rotator, PSR)作为调控光波偏振态的核心集成光子器件之一，其微型化设计是实现高密度光子集成电路(Photonic Integrated Circuit, PIC)的关键。该文基于绝缘体上硅平台(Silicon-On-Insulator, SOI)，采用逆向法设计了一种超紧凑偏振分束旋转器，通过将动量优化算法与伴随法相结合，提高了设计效率。并且，进一步通过空气孔融合将孔半径控制在50～250 nm，降低了器件的制造难度。数值分析结果表明：该器件在1520 ～1575 nm波段内实现了低插入损耗(TM0<1 dB，TE0<0.68 dB)，低串扰(TM0<–23 dB，TE0<–25.2 dB)和高偏振消光比(TM0>17 dB，TE0>28.5 dB)。器件尺寸仅为2.5 μm×5 μm。工艺容差分析表明，在蚀刻深度偏移±9 nm，蚀刻半径偏移±5 nm时，在1520 ～1540 nm带宽范围内，性能没有明显劣化，具有良好的制造鲁棒性。
片上偏振分束旋转器(Polarization Splitter-Rotator, PSR)作为调控光波偏振态的核心集成光子器件之一，其微型化设计是实现高密度光子集成电路(Photonic Integrated Circuit, PIC)的关键。该文基于绝缘体上硅平台(Silicon-On-Insulator, SOI)，采用逆向法设计了一种超紧凑偏振分束旋转器，通过将动量优化算法与伴随法相结合，提高了设计效率。并且，进一步通过空气孔融合将孔半径控制在50～250 nm，降低了器件的制造难度。数值分析结果表明：该器件在
2026, 48(8): 3327-3337.
doi: 10.11999/JEIT251264
摘要:
人工智能与光电感知技术的深度融合，有力推动了智能驾驶的发展。激光雷达作为核心光电传感器，能够获取高精度三维点云，已成为环境感知不可或缺的数据来源。然而，基于深度学习的点云识别模型在对抗样本面前表现脆弱，易受微小扰动影响而导致识别性能显著下降，对智能驾驶光电感知系统的安全构成了严峻挑战。现有攻击方法虽能实现一定攻击效果，但往往扰动明显、隐蔽性不足，且易产生离群点，难以在实际光电感知场景中有效应用。为此，该文提出一种基于梯度自适应调整驱动的点云对抗攻击方法(GAA)。该方法首先分析三维点云分类网络的决策脆弱性，筛选对模型输出影响显著的关键点集；进而结合各点的局部曲率信息自适应调整梯度权重，并在主曲率方向的几何约束下优化扰动生成，从而在保证较高攻击成功率的同时，有效维持对抗点云的几何一致性与视觉自然性。在多个公开数据集上的实验结果表明，该方法在实现高攻击成功率的同时，显著降低了扰动强度，以ModelNet40数据集为例，在PointNet模型上平均仅扰动28个点便可达到97.69%的攻击成功率，显著优于现有对比方法，为评估和提升智能驾驶光电感知系统的安全性提供了有效工具。
人工智能与光电感知技术的深度融合，有力推动了智能驾驶的发展。激光雷达作为核心光电传感器，能够获取高精度三维点云，已成为环境感知不可或缺的数据来源。然而，基于深度学习的点云识别模型在对抗样本面前表现脆弱，易受微小扰动影响而导致识别性能显著下降，对智能驾驶光电感知系统的安全构成了严峻挑战。现有攻击方法虽能实现一定攻击效果，但往往扰动明显、隐蔽性不足，且易产生离群点，难以在实际光电感知场景中有效应用。为此，该文提出一种基于梯度自适应调整驱动的点云对抗攻击方法(GAA)。该方法首先分析三维点云分类网络的决策脆弱性，筛选对模型输出影响显著的关键点集；进而结合各点的局部曲率信息自适应调整梯度权重，并在主曲率方向的几何约束下优化扰动生成，从而在保证较高攻击成功率的同时，有效维持对抗点云的几何一致性与视觉自然性。在多个公开数据集上的实验结果表明，该方法在实现高攻击成功率的同时，显著降低了扰动强度，以ModelNet40数据集为例，在PointNet模型上平均仅扰动28个点便可达到97.69%的攻击成功率，显著优于现有对比方法，为评估和提升智能驾驶光电感知系统的安全性提供了有效工具。
2026, 48(8): 3338-3347.
doi: 10.11999/JEIT260124
摘要:
白细胞类型与形态是血常规分析的关键，然而传统镜检方法依赖主观经验，现有深度学习方法在空谱特征建模和计算效率方面仍存在不足。为此，该文将偏振高光谱成像技术应用于白细胞分析，提出一种轻量化空谱双分支Transformer网络(LSDBT)用于白细胞偏振高光谱图像分类。该网络通过双分支特征提取模块联合学习局部空间和空间−光谱特征，并结合轻量化设计降低计算复杂度。结果表明，LSDBT在实现高精度分类的同时兼顾模型轻量化，验证了偏振高光谱成像在白细胞分类中的应用价值，为临床辅助诊断提供高效可靠的技术方案。
白细胞类型与形态是血常规分析的关键，然而传统镜检方法依赖主观经验，现有深度学习方法在空谱特征建模和计算效率方面仍存在不足。为此，该文将偏振高光谱成像技术应用于白细胞分析，提出一种轻量化空谱双分支Transformer网络(LSDBT)用于白细胞偏振高光谱图像分类。该网络通过双分支特征提取模块联合学习局部空间和空间−光谱特征，并结合轻量化设计降低计算复杂度。结果表明，LSDBT在实现高精度分类的同时兼顾模型轻量化，验证了偏振高光谱成像在白细胞分类中的应用价值，为临床辅助诊断提供高效可靠的技术方案。
2026, 48(8): 3348-3357.
doi: 10.11999/JEIT260143
摘要:
面向复杂动态环境下智能化装备体系效能评估中存在的层级割裂、协同机理弱显式和长期适应能力难表征等问题，该文围绕单装自主性、系统协同性和体系学习性，提出面向复杂多智能体系统的跨层规则演化与协同优化框架。首先，在单装层采用部分可观测马尔可夫决策过程(POMDP)描述异构个体在部分可观测条件下的局部感知、风险评估与自主决策过程；其次，在系统层构建分布式部分可观测马尔可夫决策过程(Dec-POMDP)与动态有向加权图结合的协同建模框架，并引入图神经网络(GNN)刻画多智能体交互结构、联合价值与关键支撑链路；进一步，在体系层构建元分布式部分可观测马尔可夫决策过程(Meta-Dec-POMDP)规则演化模型，通过元状态、规则记忆与任务上下文条件化设计长期认知演化的收敛趋势、多样性保持与振荡抑制机制，实现跨任务学习与长期自适应。在此基础上，设计了行为上行归纳-规则下行塑形的跨层闭环机制，实现局部状态特征、协同结构语义与规则参数之间的复用传递和统一约束。仿真实验表明，所提完整闭环模型在基准及多类非平稳场景下均优于对比模型。研究表明，跨层闭环并非附加结构，而是将局部学习优势稳定转化为整体效能提升的关键机制，可为复杂多智能体系统的效能评估与自适应协同优化提供理论依据和方法支撑。
面向复杂动态环境下智能化装备体系效能评估中存在的层级割裂、协同机理弱显式和长期适应能力难表征等问题，该文围绕单装自主性、系统协同性和体系学习性，提出面向复杂多智能体系统的跨层规则演化与协同优化框架。首先，在单装层采用部分可观测马尔可夫决策过程(POMDP)描述异构个体在部分可观测条件下的局部感知、风险评估与自主决策过程；其次，在系统层构建分布式部分可观测马尔可夫决策过程(Dec-POMDP)与动态有向加权图结合的协同建模框架，并引入图神经网络(GNN)刻画多智能体交互结构、联合价值与关键支撑链路；进一步，在体系层构建元分布式部分可观测马尔可夫决策过程(Meta-Dec-POMDP)规则演化模型，通过元状态、规则记忆与任务上下文条件化设计长期认知演化的收敛趋势、多样性保持与振荡抑制机制，实现跨任务学习与长期自适应。在此基础上，设计了行为上行归纳-规则下行塑形的跨层闭环机制，实现局部状态特征、协同结构语义与规则参数之间的复用传递和统一约束。仿真实验表明，所提完整闭环模型在基准及多类非平稳场景下均优于对比模型。研究表明，跨层闭环并非附加结构，而是将局部学习优势稳定转化为整体效能提升的关键机制，可为复杂多智能体系统的效能评估与自适应协同优化提供理论依据和方法支撑。
2026, 48(8): 3358-3369.
doi: 10.11999/JEIT260149
摘要:
针对高比例新能源并网加剧电网供需不平衡的问题，聚合大规模变频空调集群作为虚拟储能参与需求响应，是提升电网灵活性的有效途径。然而，现有调度策略常面临高维寻优的维数灾难，且传统基于罚函数的软约束方法难以严格满足聚合功率的等式约束，易产生稳态误差。为此，该文提出一种基于约束面投影的位势协同自适应粒子群算法(SFA-PSO)。首先，基于等效热参数模型构建了兼顾群体热舒适度与响应公平性的多目标优化框架；其次，针对传统算法易出现功率越限的局限性，设计了约束面投影机制，将粒子的搜索路径严格限制在功率守恒超平面内，从而实现对网侧调度指令的精确跟踪；此外，针对高维空间寻优易早熟的难题，提出空间-适应度协同演化策略，通过量化粒子适应度与空间距离的认知偏差动态调节学习因子，以提升算法跳出局部最优的能力。最后，在包含多源热扰动与通信丢包等复杂动态环境下进行了连续调度仿真实验。结果表明，SFA-PSO算法在千节点级高维场景中表现出良好的鲁棒性，能够在严格满足电网侧功率管控要求的前提下，以较低的计算开销实现用户侧舒适度与公平性的有效协同。
针对高比例新能源并网加剧电网供需不平衡的问题，聚合大规模变频空调集群作为虚拟储能参与需求响应，是提升电网灵活性的有效途径。然而，现有调度策略常面临高维寻优的维数灾难，且传统基于罚函数的软约束方法难以严格满足聚合功率的等式约束，易产生稳态误差。为此，该文提出一种基于约束面投影的位势协同自适应粒子群算法(SFA-PSO)。首先，基于等效热参数模型构建了兼顾群体热舒适度与响应公平性的多目标优化框架；其次，针对传统算法易出现功率越限的局限性，设计了约束面投影机制，将粒子的搜索路径严格限制在功率守恒超平面内，从而实现对网侧调度指令的精确跟踪；此外，针对高维空间寻优易早熟的难题，提出空间-适应度协同演化策略，通过量化粒子适应度与空间距离的认知偏差动态调节学习因子，以提升算法跳出局部最优的能力。最后，在包含多源热扰动与通信丢包等复杂动态环境下进行了连续调度仿真实验。结果表明，SFA-PSO算法在千节点级高维场景中表现出良好的鲁棒性，能够在严格满足电网侧功率管控要求的前提下，以较低的计算开销实现用户侧舒适度与公平性的有效协同。
2026, 48(8): 3370-3382.
doi: 10.11999/JEIT260192
摘要:
针对复杂电网系统中的电力巡检任务，现有基于多无人机的巡检方法普遍存在协同调度能力不足、难以准确构建巡检节点间拓扑结构关系的问题，该文提出一种基于层次注意力机制的多无人机巡检路径规划方法(HAPPI)。该方法采用编码器-解码器架构，通过设计多层次注意力机制，进而增强全局信息感知能力，避免决策过程中的短视问题。在此基础上，通过显式学习充电站之间的拓扑关系与巡检设备点的空间分布特征，提出一种无人机路径选择策略，在严格电量约束的前提下，实现无人机编队总飞行距离的最小化。为验证方法性能，设计3种不同规模的场景进行实验评估。在这些规模场景中，所提方法相比基线方法平均性能提升约12%。实验结果表明，在不同问题规模、节点分布及充电站数量变化的情况下，HAPPI均表现出优越且稳定的性能，具有良好的泛化能力和路径规划效能。
针对复杂电网系统中的电力巡检任务，现有基于多无人机的巡检方法普遍存在协同调度能力不足、难以准确构建巡检节点间拓扑结构关系的问题，该文提出一种基于层次注意力机制的多无人机巡检路径规划方法(HAPPI)。该方法采用编码器-解码器架构，通过设计多层次注意力机制，进而增强全局信息感知能力，避免决策过程中的短视问题。在此基础上，通过显式学习充电站之间的拓扑关系与巡检设备点的空间分布特征，提出一种无人机路径选择策略，在严格电量约束的前提下，实现无人机编队总飞行距离的最小化。为验证方法性能，设计3种不同规模的场景进行实验评估。在这些规模场景中，所提方法相比基线方法平均性能提升约12%。实验结果表明，在不同问题规模、节点分布及充电站数量变化的情况下，HAPPI均表现出优越且稳定的性能，具有良好的泛化能力和路径规划效能。
2026, 48(8): 3383-3394.
doi: 10.11999/JEIT260154
摘要:
针对当前骨架动作识别方法在引入大语言模型(LLM)时存在的语义引导与空间拓扑学习脱节、时间建模缺乏层次化语义支持、传统分类范式泛化能力不足的3大问题，该文提出一种基于LLM增强的骨架动作识别新方法(LLMA-GCN)。该方法首先提出一种基于LLM的混合图拓扑学习策略，将物理骨架结构先验知识与LLM提取的动作语义信息深度融合以指导空间建模；其次，将混合图拓扑学习策略与层次化视觉序列编码器相结合，通过设计的LLM精炼块实现语义引导下的多尺度时空特征提取；最后，构建了LLM驱动的文本原型引导决策学习机制，实现语义引导的视觉-文本对齐和分类决策联合学习，从而提升模型整体性能。在NTU RGB+D 60, NTU RGB+D 120以及PKU-MMD公开数据集上进行了大量对比实验及消融实验，证明了新方法的有效性和先进性。
针对当前骨架动作识别方法在引入大语言模型(LLM)时存在的语义引导与空间拓扑学习脱节、时间建模缺乏层次化语义支持、传统分类范式泛化能力不足的3大问题，该文提出一种基于LLM增强的骨架动作识别新方法(LLMA-GCN)。该方法首先提出一种基于LLM的混合图拓扑学习策略，将物理骨架结构先验知识与LLM提取的动作语义信息深度融合以指导空间建模；其次，将混合图拓扑学习策略与层次化视觉序列编码器相结合，通过设计的LLM精炼块实现语义引导下的多尺度时空特征提取；最后，构建了LLM驱动的文本原型引导决策学习机制，实现语义引导的视觉-文本对齐和分类决策联合学习，从而提升模型整体性能。在NTU RGB+D 60, NTU RGB+D 120以及PKU-MMD公开数据集上进行了大量对比实验及消融实验，证明了新方法的有效性和先进性。
2026, 48(8): 3395-3406.
doi: 10.11999/JEIT251260
摘要:
网络安全领域命名实体识别作为支撑威胁情报分析、安全事件响应及漏洞管理的核心技术，面临着标注数据稀缺、专业术语密集与语义融合不足等严峻挑战，而现有的大语言模型方法又存在领域语义融合不足和稀有实体召回率低等缺陷。针对以上挑战，该文提出了一种面向大语言模型轻量化适配的语义增强型网络安全命名实体识别方法。该方法集成LLM2Vec与低秩适配的轻量化适配策略以保留深层语义编码并降低训练成本，设计稀疏门控注意力机制以强化领域关键词融合，并引入基于SecRoBERTa的语义增强组件以提升小样本场景下的特征鲁棒性，最终采用掩蔽条件随机场约束标签路径的合法性。在DNRTI和APTNER两个公开数据集上的实验结果表明，所提方法在精确率、召回率和F1分数上均优于现有主流方法，其中在DNRTI数据集上F1分数达到91.91%，较当前最优模型提升2.14%，验证了其在网络安全实体识别任务中的有效性。该方法为低资源场景下的网络安全命名实体识别提供了高效、轻量化的解决方案，对推动威胁情报自动化分析与安全防护体系智能化具有实际意义。
网络安全领域命名实体识别作为支撑威胁情报分析、安全事件响应及漏洞管理的核心技术，面临着标注数据稀缺、专业术语密集与语义融合不足等严峻挑战，而现有的大语言模型方法又存在领域语义融合不足和稀有实体召回率低等缺陷。针对以上挑战，该文提出了一种面向大语言模型轻量化适配的语义增强型网络安全命名实体识别方法。该方法集成LLM2Vec与低秩适配的轻量化适配策略以保留深层语义编码并降低训练成本，设计稀疏门控注意力机制以强化领域关键词融合，并引入基于SecRoBERTa的语义增强组件以提升小样本场景下的特征鲁棒性，最终采用掩蔽条件随机场约束标签路径的合法性。在DNRTI和APTNER两个公开数据集上的实验结果表明，所提方法在精确率、召回率和F1分数上均优于现有主流方法，其中在DNRTI数据集上F1分数达到91.91%，较当前最优模型提升2.14%，验证了其在网络安全实体识别任务中的有效性。该方法为低资源场景下的网络安全命名实体识别提供了高效、轻量化的解决方案，对推动威胁情报自动化分析与安全防护体系智能化具有实际意义。
2026, 48(8): 3407-3418.
doi: 10.11999/JEIT260040
摘要:
针对红外小目标在深层卷积神经网络中特征弥散、易受复杂背景干扰而导致检测性能下降的问题，该文提出一种基于多维融合注意力机制的红外小目标检测方法。设计通道-空间注意力特征增强模块，通过并行分支结构聚合跨维度显著性特征，抑制目标特征在深层网络的弥散趋势；通过自适应跨维度信息交互，建立通道-空间的跨域依赖关系，增强微弱目标在深层网络的特征响应。该方法仅需极低计算复杂度即可灵活嵌入基线模型，实现目标深度特征聚拢。在NUDT-SIRST数据集上的实验表明，所提方法在高杂波、低信噪比场景下表现出更强的鲁棒性和泛化能力。基于自研的轻量化智能处理单元进行边缘部署性能验证，实测单帧推理时延为46.7 ms，满足工程应用中实时性与高精度要求。
针对红外小目标在深层卷积神经网络中特征弥散、易受复杂背景干扰而导致检测性能下降的问题，该文提出一种基于多维融合注意力机制的红外小目标检测方法。设计通道-空间注意力特征增强模块，通过并行分支结构聚合跨维度显著性特征，抑制目标特征在深层网络的弥散趋势；通过自适应跨维度信息交互，建立通道-空间的跨域依赖关系，增强微弱目标在深层网络的特征响应。该方法仅需极低计算复杂度即可灵活嵌入基线模型，实现目标深度特征聚拢。在NUDT-SIRST数据集上的实验表明，所提方法在高杂波、低信噪比场景下表现出更强的鲁棒性和泛化能力。基于自研的轻量化智能处理单元进行边缘部署性能验证，实测单帧推理时延为46.7 ms，满足工程应用中实时性与高精度要求。
2026, 48(8): 3419-3430.
doi: 10.11999/JEIT260128
摘要:
针对脑肿瘤尺度差异大、边界模糊、小病灶易漏检以及现有分割模型难以兼顾分割性能和参数规模等问题，该文以三维U型卷积神经网络(3DUNet)为基线，提出多尺度边缘语义引导的图卷积序列脑肿瘤分割方法—MGM-3DUNet。通过多尺度边缘语义引导模块(MEGM)将可学习的边缘检测与多尺度语义特征融合，精准捕捉肿瘤边界细节，生成边缘预测图提供辅助监督；通过图卷积序列模块(GCSM)融合图卷积的局部拓扑聚合能力与高效长程建模优势，缓解现有长序列特征建模方法在特征编码过程中局部细粒度细节易衰减、空间精细结构保留不足的问题；多尺度上下文感知模块(MCPM)对不同尺度特征动态加权融合，使解码器自适应匹配水肿区与核心区的特征需求，缓解尺度失衡导致的小病灶漏检。最后，在开源数据集BraTS2020, BraTS2021上进行了实验验证。结果表明，模型以2.3 M的轻量级参数在整体肿瘤(WT)、肿瘤核心(TC)和增强肿瘤(ET)区域分别达到了91.2%, 90.4%和89.2%的Dice系数，整体性能优于现有主流模型，在保持低计算成本的同时，实现了关键区域的精准分割。
针对脑肿瘤尺度差异大、边界模糊、小病灶易漏检以及现有分割模型难以兼顾分割性能和参数规模等问题，该文以三维U型卷积神经网络(3DUNet)为基线，提出多尺度边缘语义引导的图卷积序列脑肿瘤分割方法—MGM-3DUNet。通过多尺度边缘语义引导模块(MEGM)将可学习的边缘检测与多尺度语义特征融合，精准捕捉肿瘤边界细节，生成边缘预测图提供辅助监督；通过图卷积序列模块(GCSM)融合图卷积的局部拓扑聚合能力与高效长程建模优势，缓解现有长序列特征建模方法在特征编码过程中局部细粒度细节易衰减、空间精细结构保留不足的问题；多尺度上下文感知模块(MCPM)对不同尺度特征动态加权融合，使解码器自适应匹配水肿区与核心区的特征需求，缓解尺度失衡导致的小病灶漏检。最后，在开源数据集BraTS2020, BraTS2021上进行了实验验证。结果表明，模型以2.3 M的轻量级参数在整体肿瘤(WT)、肿瘤核心(TC)和增强肿瘤(ET)区域分别达到了91.2%, 90.4%和89.2%的Dice系数，整体性能优于现有主流模型，在保持低计算成本的同时，实现了关键区域的精准分割。
2026, 48(8): 3431-3442.
doi: 10.11999/JEIT260111
摘要:
现有的约束投影方法通常采用投影-聚类两步独立策略，导致投影误差直接传递至聚类过程；此外，成对约束仅局限于投影阶段，偏离由先验知识引导聚类的核心思想。为此，该文提出两行更新策略的成对约束投影-聚类联合优化方法。首先，将约束投影目标函数作为正则化项统一到聚类框架中，二者在交替优化的过程中共同逼近全局最优解；其次，为克服传统K-means易陷入局部次优解的缺陷，并旨在提升计算效率，采用了一种融合增量计算、提前存储、变量更新3步加速策略的改进坐标下降法求解指示矩阵；最后，将成对约束嵌入到聚类指示矩阵中，使有限的监督信息贯穿于整个学习流程，并设计了一种新颖的两行同时优化策略，在每次循环中精准且直接地分配勿连约束。仿真实验验证了该文所提方法的优越性。
现有的约束投影方法通常采用投影-聚类两步独立策略，导致投影误差直接传递至聚类过程；此外，成对约束仅局限于投影阶段，偏离由先验知识引导聚类的核心思想。为此，该文提出两行更新策略的成对约束投影-聚类联合优化方法。首先，将约束投影目标函数作为正则化项统一到聚类框架中，二者在交替优化的过程中共同逼近全局最优解；其次，为克服传统K-means易陷入局部次优解的缺陷，并旨在提升计算效率，采用了一种融合增量计算、提前存储、变量更新3步加速策略的改进坐标下降法求解指示矩阵；最后，将成对约束嵌入到聚类指示矩阵中，使有限的监督信息贯穿于整个学习流程，并设计了一种新颖的两行同时优化策略，在每次循环中精准且直接地分配勿连约束。仿真实验验证了该文所提方法的优越性。
2026, 48(8): 3443-3454.
doi: 10.11999/JEIT260138
摘要:
针对复杂动态环境下多无人机协同任务规划中任务动态到达、平台故障、禁飞约束与链路质量波动并存所导致的任务分配与航路规划强耦合问题，该文构建动态韧性任务与航路耦合规划模型，将任务价值、航路代价、能耗、干扰惩罚、时间窗、能力约束、冲突消解和链路质量纳入统一优化框架，并以补偿负载与韧性指标刻画中断风险对系统效能的影响。在此基础上提出韧性感知混合群智能优化算法(RAHSO)：以聚类与遗传初始化生成高质量初始解，用粪甲虫优化器(DBO)与粒子群优化(PSO)混合搜索结合遗传算法(GA)与变邻域搜索(VNS)实现全局探索与局部精修，引入死锁检测与修复保障分配结果的无环一致性，并设计基于近端策略优化(PPO)的事件驱动在线重规划模块以应对紧急任务插入与无人机故障。在仿真平台上构建静态、规模扩展、动态事件和中断4类场景开展对比与消融实验，结果表明RAHSO在任务完成率、累计任务价值、平均能耗、恢复时间和韧性指数等指标上具备稳定优势，并在保证在线重规划实时性的前提下兼顾任务效率与系统韧性。
针对复杂动态环境下多无人机协同任务规划中任务动态到达、平台故障、禁飞约束与链路质量波动并存所导致的任务分配与航路规划强耦合问题，该文构建动态韧性任务与航路耦合规划模型，将任务价值、航路代价、能耗、干扰惩罚、时间窗、能力约束、冲突消解和链路质量纳入统一优化框架，并以补偿负载与韧性指标刻画中断风险对系统效能的影响。在此基础上提出韧性感知混合群智能优化算法(RAHSO)：以聚类与遗传初始化生成高质量初始解，用粪甲虫优化器(DBO)与粒子群优化(PSO)混合搜索结合遗传算法(GA)与变邻域搜索(VNS)实现全局探索与局部精修，引入死锁检测与修复保障分配结果的无环一致性，并设计基于近端策略优化(PPO)的事件驱动在线重规划模块以应对紧急任务插入与无人机故障。在仿真平台上构建静态、规模扩展、动态事件和中断4类场景开展对比与消融实验，结果表明RAHSO在任务完成率、累计任务价值、平均能耗、恢复时间和韧性指数等指标上具备稳定优势，并在保证在线重规划实时性的前提下兼顾任务效率与系统韧性。
2026, 48(8): 3455-3462.
doi: 10.11999/JEIT260045
摘要:
针对复杂不确定性环境下的多目标跟踪问题，该文提出了一种基于双延迟深度确定性策略梯度(Twin-Delayed Deep Deterministic Policy Gradient algorithm, TD3)学习机制的标签多伯努利滤波器(Labeled Multi-Bernoulli, LMB)传感器管理方法。首先，联合深度强化学习和有限集统计(Finite Set Statistics, FISST)理论，基于LMB多目标运动感知结果构建信念空间，将传感器管理任务转化为该空间内的连续动作决策问题，使智能体能够根据当前多目标信念状态选择移动传感器的下一步观测动作。其次，为精准量化传感器配置对感知效能的增量贡献，引入柯西-施瓦茨(Cauchy-Schwarz, CS)散度动态评估候选策略驱动下的多目标概率密度信息增益，并据此设计信息驱动型奖励函数。通过TD3网络的双评论家架构、目标策略平滑与延迟更新机制，智能体能够在连续动作空间内学习观测配置，实现对传感器管理的闭环决策。实验结果表明，该方法能够改善LMB滤波器的状态估计性能和传感器轨迹连续性。
针对复杂不确定性环境下的多目标跟踪问题，该文提出了一种基于双延迟深度确定性策略梯度(Twin-Delayed Deep Deterministic Policy Gradient algorithm, TD3)学习机制的标签多伯努利滤波器(Labeled Multi-Bernoulli, LMB)传感器管理方法。首先，联合深度强化学习和有限集统计(Finite Set Statistics, FISST)理论，基于LMB多目标运动感知结果构建信念空间，将传感器管理任务转化为该空间内的连续动作决策问题，使智能体能够根据当前多目标信念状态选择移动传感器的下一步观测动作。其次，为精准量化传感器配置对感知效能的增量贡献，引入柯西-施瓦茨(Cauchy-Schwarz, CS)散度动态评估候选策略驱动下的多目标概率密度信息增益，并据此设计信息驱动型奖励函数。通过TD3网络的双评论家架构、目标策略平滑与延迟更新机制，智能体能够在连续动作空间内学习观测配置，实现对传感器管理的闭环决策。实验结果表明，该方法能够改善LMB滤波器的状态估计性能和传感器轨迹连续性。
2026, 48(8): 3463-3473.
doi: 10.11999/JEIT260158
摘要:
触觉感知是机器人理解物体物理属性并实现精细交互的重要基础，在视觉受限或复杂场景中具有不可替代的作用。相比连续触觉信号，事件驱动的脉冲触觉以异步稀疏的方式编码接触动态变化，具备更高时间分辨率与能效优势。然而，受限于高采集成本与小样本规模，现有监督触觉识别方法在开放世界场景中面临显著泛化瓶颈。尽管零样本学习可缓解数据稀缺，但现有方法多依赖视觉辅助或人工粗粒度语义，难以适配脉冲触觉的复杂时空动态结构，且缺乏稳定的跨模态语义对齐机制。针对上述问题，该文提出一种面向脉冲触觉信号的零样本物体识别方法。首先，构建仿生脉冲图神经网络，对脉冲触觉时空演化进行建模，提取判别性且具生物可解释性的触觉表征；其次，引入大语言模型生成细粒度结构化触觉语义空间，并为各类别构建一致维度的语义原型；在此基础上，设计触觉到语义的正向映射与语义到触觉的反向重构，形成循环一致的跨模态对齐框架，从而提升对齐稳定性与未见类别泛化能力。在标准的零样本设定下，该文在脉冲触觉数据集上进行了系统实验评估，实验结果表明，该方法在平均类别准确率、Top-k准确率及语义对齐一致性等指标上均优于现有方法，验证了其在脉冲触觉零样本识别任务中的有效性与鲁棒性。该研究为脉冲触觉语义理解及开放环境下的机器人感知提供了新的技术路径。
触觉感知是机器人理解物体物理属性并实现精细交互的重要基础，在视觉受限或复杂场景中具有不可替代的作用。相比连续触觉信号，事件驱动的脉冲触觉以异步稀疏的方式编码接触动态变化，具备更高时间分辨率与能效优势。然而，受限于高采集成本与小样本规模，现有监督触觉识别方法在开放世界场景中面临显著泛化瓶颈。尽管零样本学习可缓解数据稀缺，但现有方法多依赖视觉辅助或人工粗粒度语义，难以适配脉冲触觉的复杂时空动态结构，且缺乏稳定的跨模态语义对齐机制。针对上述问题，该文提出一种面向脉冲触觉信号的零样本物体识别方法。首先，构建仿生脉冲图神经网络，对脉冲触觉时空演化进行建模，提取判别性且具生物可解释性的触觉表征；其次，引入大语言模型生成细粒度结构化触觉语义空间，并为各类别构建一致维度的语义原型；在此基础上，设计触觉到语义的正向映射与语义到触觉的反向重构，形成循环一致的跨模态对齐框架，从而提升对齐稳定性与未见类别泛化能力。在标准的零样本设定下，该文在脉冲触觉数据集上进行了系统实验评估，实验结果表明，该方法在平均类别准确率、Top-k准确率及语义对齐一致性等指标上均优于现有方法，验证了其在脉冲触觉零样本识别任务中的有效性与鲁棒性。该研究为脉冲触觉语义理解及开放环境下的机器人感知提供了新的技术路径。
2026, 48(8): 3474-3485.
doi: 10.11999/JEIT251301
摘要:
在现代安防监控领域，高空球形摄像机因部署位置易受外部干扰，导致视频画面出现抖动、模糊等问题，严重影响监控效果与后期分析精度。视频压缩算法中，高精度运动补偿对提升编码效率至关重要，而当前的终极运动矢量表达(UMVE)技术存在精度和自适应调整不足等问题，图像配准编码模式(RCM)等虽能实现高精度运动补偿，但计算量和成本过高。针对这些问题，该研究提出了支持跨精度运动补偿的终极运动矢量表达技术(UMVE_CPMC)，该技术融合基础运动矢量(BaseMV)与精细化微调运动矢量(MMV)，通过构造扩展的升精度运动矢量(UPMV)提升运动补偿精度，且仅在1/8精度级别提供增量候选，实现计算复杂度与压缩效率的平衡。在步长自适应调整方面，提出6种模式的改进方案，编码器可根据场景灵活切换，以适应不同应用需求。实验表明，UMVE_CPMC在A类高清晰度运动场景下，编码增益显著，同时开启其他高精度运动补偿工具时，部分序列增益达1%～2%，在无其他高精度运动补偿工具时，部分序列增益超10%；在B类低清晰度场景下，通过帧级别自适应调整接口维持原有增益。此外，该技术在计算效率与资源占用间实现良好平衡，为解决高空球形摄像机视频编码问题提供了新的有效途径。
在现代安防监控领域，高空球形摄像机因部署位置易受外部干扰，导致视频画面出现抖动、模糊等问题，严重影响监控效果与后期分析精度。视频压缩算法中，高精度运动补偿对提升编码效率至关重要，而当前的终极运动矢量表达(UMVE)技术存在精度和自适应调整不足等问题，图像配准编码模式(RCM)等虽能实现高精度运动补偿，但计算量和成本过高。针对这些问题，该研究提出了支持跨精度运动补偿的终极运动矢量表达技术(UMVE_CPMC)，该技术融合基础运动矢量(BaseMV)与精细化微调运动矢量(MMV)，通过构造扩展的升精度运动矢量(UPMV)提升运动补偿精度，且仅在1/8精度级别提供增量候选，实现计算复杂度与压缩效率的平衡。在步长自适应调整方面，提出6种模式的改进方案，编码器可根据场景灵活切换，以适应不同应用需求。实验表明，UMVE_CPMC在A类高清晰度运动场景下，编码增益显著，同时开启其他高精度运动补偿工具时，部分序列增益达1%～2%，在无其他高精度运动补偿工具时，部分序列增益超10%；在B类低清晰度场景下，通过帧级别自适应调整接口维持原有增益。此外，该技术在计算效率与资源占用间实现良好平衡，为解决高空球形摄像机视频编码问题提供了新的有效途径。
2026, 48(8): 3486-3496.
doi: 10.11999/JEIT260118
摘要:
在网络流量规模持续增长、攻击手段日趋复杂的背景下，现有异常流量检测方法面临流特征提取效率低、对标注数据依赖强以及缺乏通信关系上下文建模的问题。为此，该文提出一种融合流数据压缩与图自监督学习的异常流量检测方法SketchGNN。首先，设计基于流数据压缩的自适应特征提取机制，依据流量分布动态调整数据结构，在有限内存开销下高效提取多样化流特征，并显著提升测量精度；之后，构建基于自监督学习的图神经网络模型，通过消息传递机制学习拓扑结构以建模流量上下文，生成对正常流量波动具备鲁棒性的高质量边嵌入，最终结合无监督分类算法实现无标注数据依赖的高效异常检测。实验结果表明，SketchGNN在多种无监督分类器上的检测准确率均不低于95.2%，且相比基线方案在特征测量误差关键指标上降低至少31.0%，验证了所提方法在大规模网络异常流量检测场景中的有效性与可扩展性。
在网络流量规模持续增长、攻击手段日趋复杂的背景下，现有异常流量检测方法面临流特征提取效率低、对标注数据依赖强以及缺乏通信关系上下文建模的问题。为此，该文提出一种融合流数据压缩与图自监督学习的异常流量检测方法SketchGNN。首先，设计基于流数据压缩的自适应特征提取机制，依据流量分布动态调整数据结构，在有限内存开销下高效提取多样化流特征，并显著提升测量精度；之后，构建基于自监督学习的图神经网络模型，通过消息传递机制学习拓扑结构以建模流量上下文，生成对正常流量波动具备鲁棒性的高质量边嵌入，最终结合无监督分类算法实现无标注数据依赖的高效异常检测。实验结果表明，SketchGNN在多种无监督分类器上的检测准确率均不低于95.2%，且相比基线方案在特征测量误差关键指标上降低至少31.0%，验证了所提方法在大规模网络异常流量检测场景中的有效性与可扩展性。
2026, 48(8): 3497-3511.
doi: 10.11999/JEIT251384
摘要:
针对多航天器轨道追逃博弈问题，该文构建了一个尚未得到系统研究的新型研究场景。为提升航天器决策能力，使其在复杂多智能体博弈环境下生成更加稳健的博弈策略，文中提出一种基于渐进式对抗训练框架的多智能体深度强化学习算法，用于求解各航天器博弈策略。研究设置两组具备不同轨道特性的算例以及多组仿真条件开展数值模拟，并结合行为偏差分析完成策略鲁棒性验证，探究轨道特性、仿真条件与行为偏差对航天器博弈策略的影响规律。仿真结果表明，所提算法能够为各航天器生成有效博弈策略，所得策略满足全部约束条件，具备良好的鲁棒性能。
针对多航天器轨道追逃博弈问题，该文构建了一个尚未得到系统研究的新型研究场景。为提升航天器决策能力，使其在复杂多智能体博弈环境下生成更加稳健的博弈策略，文中提出一种基于渐进式对抗训练框架的多智能体深度强化学习算法，用于求解各航天器博弈策略。研究设置两组具备不同轨道特性的算例以及多组仿真条件开展数值模拟，并结合行为偏差分析完成策略鲁棒性验证，探究轨道特性、仿真条件与行为偏差对航天器博弈策略的影响规律。仿真结果表明，所提算法能够为各航天器生成有效博弈策略，所得策略满足全部约束条件，具备良好的鲁棒性能。
2026, 48(8): 3512-3521.
doi: 10.11999/JEIT260061
摘要:
词义消歧(WSD)是生物医学文本理解与信息挖掘的核心技术，广泛应用于医学文献分析、临床数据处理等领域。为解决现有模型在生物医学场景中面临的术语语义易受噪声干扰、细粒度语义类区分难、小样本泛化不足等问题，该文提出了一种将生物医学术语中的词形、词性、语义类作为核心消歧特征，输入至Electra, mDeBERTa与T5 3路模型中来获取领域适配的动态词向量，使用Focal loss和Margin loss组合的复合损失函数3路并行架构。该文引入卡方统计量引导的注意力机制，筛选高代表性特征，有效抑制冗余噪声干扰。在模型训练阶段，采用两阶段困难样本挖掘策略：第1阶段精准挖掘困难样本，第2阶段针对性攻克样本学习难题。同时引入基于生物医学术语裁剪的对比学习方法，构建语义一致的双视图进行对比训练，显著增强特征的语义鲁棒性与区分能力。实验结果证明，该方法能够显著提升模型对近义语义类的区分能力，并增强模型在噪声高、少样本场景下的鲁棒性与泛化能力，表现出更优秀的生物医学词义消歧性能。
词义消歧(WSD)是生物医学文本理解与信息挖掘的核心技术，广泛应用于医学文献分析、临床数据处理等领域。为解决现有模型在生物医学场景中面临的术语语义易受噪声干扰、细粒度语义类区分难、小样本泛化不足等问题，该文提出了一种将生物医学术语中的词形、词性、语义类作为核心消歧特征，输入至Electra, mDeBERTa与T5 3路模型中来获取领域适配的动态词向量，使用Focal loss和Margin loss组合的复合损失函数3路并行架构。该文引入卡方统计量引导的注意力机制，筛选高代表性特征，有效抑制冗余噪声干扰。在模型训练阶段，采用两阶段困难样本挖掘策略：第1阶段精准挖掘困难样本，第2阶段针对性攻克样本学习难题。同时引入基于生物医学术语裁剪的对比学习方法，构建语义一致的双视图进行对比训练，显著增强特征的语义鲁棒性与区分能力。实验结果证明，该方法能够显著提升模型对近义语义类的区分能力，并增强模型在噪声高、少样本场景下的鲁棒性与泛化能力，表现出更优秀的生物医学词义消歧性能。
2026, 48(8): 3522-3536.
doi: 10.11999/JEIT260139
摘要:
伴随未来低空业务的爆发式增长，有限射频(RF)频谱资源成为无人机(UAV)中继通信系统性能提升的关键瓶颈。为此，该文引入自由空间光(FSO)通信，提出一种基于非正交多址接入(NOMA)的混合RF/FSO UAV中继通信方法。针对FSO链路易受遮挡导致通信不稳定的问题，在UAV中继端引入缓存机制，有效解耦RF接入与FSO回传过程。进一步地，针对低空空域环境障碍物密集、遮挡频发等复杂特征，综合考虑用户功率约束、UAV航迹避障、速度与加速度等飞行动力学约束，提出面向能效优化的联合功率分配与避障航迹规划算法，在满足飞行动力学约束和避障安全的同时，有效提升了单位能耗下的系统吞吐性能。仿真结果表明，所提方法在系统能效方面显著优于基准方法。
伴随未来低空业务的爆发式增长，有限射频(RF)频谱资源成为无人机(UAV)中继通信系统性能提升的关键瓶颈。为此，该文引入自由空间光(FSO)通信，提出一种基于非正交多址接入(NOMA)的混合RF/FSO UAV中继通信方法。针对FSO链路易受遮挡导致通信不稳定的问题，在UAV中继端引入缓存机制，有效解耦RF接入与FSO回传过程。进一步地，针对低空空域环境障碍物密集、遮挡频发等复杂特征，综合考虑用户功率约束、UAV航迹避障、速度与加速度等飞行动力学约束，提出面向能效优化的联合功率分配与避障航迹规划算法，在满足飞行动力学约束和避障安全的同时，有效提升了单位能耗下的系统吞吐性能。仿真结果表明，所提方法在系统能效方面显著优于基准方法。
2026, 48(8): 3537-3545.
doi: 10.11999/JEIT260086
摘要:
针对移动边缘计算环境中计算密集型深度神经网络推理任务面临的通算资源受限与边缘服务器长期能耗约束等挑战，该文提出一种能量感知与注意力驱动的边端协同推理与资源分配方法，旨在最小化多用户推理任务的长期平均端到端处理时延。首先，基于李雅普诺夫优化理论构建边缘端虚拟能量赤字队列，量化能耗预算偏差，将长期能耗硬约束转化为单时隙内的动态惩罚权重，实现对模型分割点的实时能量感知调节。其次，设计基于键-值-查询范式的联合注意力机制，综合考量任务紧急度、剩余计算量及边缘端能量赤字状态，动态生成资源分配权重，实现上行带宽与边缘算力的快速协同分配。仿真实验表明，该方法能够在严格遵守长期能耗预算的前提下，提升通算资源利用效率，在不同负载场景下显著降低多用户推理任务的平均端到端时延。
针对移动边缘计算环境中计算密集型深度神经网络推理任务面临的通算资源受限与边缘服务器长期能耗约束等挑战，该文提出一种能量感知与注意力驱动的边端协同推理与资源分配方法，旨在最小化多用户推理任务的长期平均端到端处理时延。首先，基于李雅普诺夫优化理论构建边缘端虚拟能量赤字队列，量化能耗预算偏差，将长期能耗硬约束转化为单时隙内的动态惩罚权重，实现对模型分割点的实时能量感知调节。其次，设计基于键-值-查询范式的联合注意力机制，综合考量任务紧急度、剩余计算量及边缘端能量赤字状态，动态生成资源分配权重，实现上行带宽与边缘算力的快速协同分配。仿真实验表明，该方法能够在严格遵守长期能耗预算的前提下，提升通算资源利用效率，在不同负载场景下显著降低多用户推理任务的平均端到端时延。
2026, 48(8): 3546-3556.
doi: 10.11999/JEIT260171
摘要:
速率拆分多址接入技术(RSMA)凭借灵活的干扰管理能力，被视为提升6G网络的频谱效率的关键使能技术。然而，现有RSMA方案仍存在用户公平性不足、可扩展性差及固定信道约束等问题。为此，该文提出双智能反射面(RIS)协作的RSMA通信系统，以充分挖掘RIS的信道重构潜力。系统通过双RIS间的联合反射建立级联视距链路，从而增强公共流解码性能并抑制复杂干扰。在满足用户服务质量(QoS)约束下，该文建立了以系统总传输速率最大化为目标的资源分配方案，对基站侧波束成形(BF)、速率拆分(RS)以及双RIS相位配置进行联合优化。针对变量强耦合与非凸性，该文提出了基于半正定松弛(SDR)和逐次凸逼近(SCA)的低复杂度交替优化算法。仿真结果表明，所提算法能有效收敛至高质量次优解；与现有先进方案相比，双RIS协作的RSMA系统在总传输速率上至少提升11.9%的增益，并显著改善了用户公平性和系统鲁棒性。
速率拆分多址接入技术(RSMA)凭借灵活的干扰管理能力，被视为提升6G网络的频谱效率的关键使能技术。然而，现有RSMA方案仍存在用户公平性不足、可扩展性差及固定信道约束等问题。为此，该文提出双智能反射面(RIS)协作的RSMA通信系统，以充分挖掘RIS的信道重构潜力。系统通过双RIS间的联合反射建立级联视距链路，从而增强公共流解码性能并抑制复杂干扰。在满足用户服务质量(QoS)约束下，该文建立了以系统总传输速率最大化为目标的资源分配方案，对基站侧波束成形(BF)、速率拆分(RS)以及双RIS相位配置进行联合优化。针对变量强耦合与非凸性，该文提出了基于半正定松弛(SDR)和逐次凸逼近(SCA)的低复杂度交替优化算法。仿真结果表明，所提算法能有效收敛至高质量次优解；与现有先进方案相比，双RIS协作的RSMA系统在总传输速率上至少提升11.9%的增益，并显著改善了用户公平性和系统鲁棒性。
2026, 48(8): 3557-3566.
doi: 10.11999/JEIT251224
摘要:
该文提出一种面向高斯信源传输的联合信源-信道编码调制方案。在所提方案中，首先采用Lloyd-Max量化器对高斯信源序列进行量化，输出多元符号序列；针对该多元量化符号序列，构造与之匹配的多元傅里叶变换对码，并选取适配的多元脉冲幅度调制完成符号调制。特别地，调制后的多元符号序列采用分组马尔可夫叠加方式实现传输。此外，为进一步获取成形增益，该文提出星座几何成形方案。仿真实验结果表明：(1)可依据目标性能指标选取适配的传输方案；(2)所提几何成形方案能够实现约0.3 dB的误符号性能增益；(3)在高信噪比区域，该几何成形方案具备更优的失真性能。
该文提出一种面向高斯信源传输的联合信源-信道编码调制方案。在所提方案中，首先采用Lloyd-Max量化器对高斯信源序列进行量化，输出多元符号序列；针对该多元量化符号序列，构造与之匹配的多元傅里叶变换对码，并选取适配的多元脉冲幅度调制完成符号调制。特别地，调制后的多元符号序列采用分组马尔可夫叠加方式实现传输。此外，为进一步获取成形增益，该文提出星座几何成形方案。仿真实验结果表明：(1)可依据目标性能指标选取适配的传输方案；(2)所提几何成形方案能够实现约0.3 dB的误符号性能增益；(3)在高信噪比区域，该几何成形方案具备更优的失真性能。
2026, 48(8): 3567-3577.
doi: 10.11999/JEIT260156
摘要:
在5G/6G驱动的多接入边缘计算(MEC)环境中，提高资源利用率的同时，确保异构网络切片的服务质量(QoS)具有重要意义。然而，当前方法在异构环境下缺乏动态适应性，无法协同优化缓存、带宽和计算资源，存在资源利用率下降、服务成功率下降等问题。该文首先形式化定义了网络切片资源分配问题，并通过将多维0-1背包问题归约到该问题来证明其是NP-难问题。然后提出了一种具有缓存感知的双层闭环协同资源分配框架，上层构建一种群体协同的全局搜索机制，通过候选解演化、历史最优引导与自适应参数调整，在复杂约束条件下生成高质量资源候选分配方案，下层构建一个多维权重评估模型以准确将低延迟、高带宽的服务需求指标转化为QoS约束，通过上下双层闭环协同实现缓存、带宽和计算资源的联合优化，进而改善了异构网络切片的QoS。大量实验表明，与基线方法相比，所提方法使资源利用率提升2.29%～24.50%，用户评分提升4.13%～59.34%，为异构MEC环境提供了一种鲁棒的资源分配解决方案。
在5G/6G驱动的多接入边缘计算(MEC)环境中，提高资源利用率的同时，确保异构网络切片的服务质量(QoS)具有重要意义。然而，当前方法在异构环境下缺乏动态适应性，无法协同优化缓存、带宽和计算资源，存在资源利用率下降、服务成功率下降等问题。该文首先形式化定义了网络切片资源分配问题，并通过将多维0-1背包问题归约到该问题来证明其是NP-难问题。然后提出了一种具有缓存感知的双层闭环协同资源分配框架，上层构建一种群体协同的全局搜索机制，通过候选解演化、历史最优引导与自适应参数调整，在复杂约束条件下生成高质量资源候选分配方案，下层构建一个多维权重评估模型以准确将低延迟、高带宽的服务需求指标转化为QoS约束，通过上下双层闭环协同实现缓存、带宽和计算资源的联合优化，进而改善了异构网络切片的QoS。大量实验表明，与基线方法相比，所提方法使资源利用率提升2.29%～24.50%，用户评分提升4.13%～59.34%，为异构MEC环境提供了一种鲁棒的资源分配解决方案。
2026, 48(8): 3578-3591.
doi: 10.11999/JEIT251168
摘要:
通感一体化(ISAC)技术作为未来无线通信发展的关键趋势，旨在通过频谱资源的高效利用，实现通信与感知功能的融合与协同。当智能反射表面(RIS)被引入ISAC系统后，可重构无线传播环境，从而显著提升通信质量及感知精度。然而，准确的信道估计对于保障可靠运行是至关重要的。尽管传统的深度学习方法在一定程度上能够应对信道估计问题，但在面对多用户复杂信道环境时，其泛化能力和估计精度仍存在不足。针对上述问题，该文对于RIS辅助多用户ISAC系统提出一种基于条件生成对抗网络(CGAN)的两阶段信道估计方法。该方法通过调整RIS的开关状态，分阶段完成对直射信道与反射信道的估计，以提高信道估计的准确性和稳定性。通过生成网络与判别网络的对抗训练，不仅能够学习观测信号与真实信道之间的映射关系，还能根据判别网络的反馈来不断优化输出，从而有效提升训练效率与估计精度。仿真结果表明，与传统深度学习方法相比，所提基于CGAN的方案在信道估计性能上均表现出显著优势。该结果验证了CGAN方法在RIS辅助ISAC系统下信道估计的应用潜力，并为实现更精准和可靠的系统部署奠定了基础。
通感一体化(ISAC)技术作为未来无线通信发展的关键趋势，旨在通过频谱资源的高效利用，实现通信与感知功能的融合与协同。当智能反射表面(RIS)被引入ISAC系统后，可重构无线传播环境，从而显著提升通信质量及感知精度。然而，准确的信道估计对于保障可靠运行是至关重要的。尽管传统的深度学习方法在一定程度上能够应对信道估计问题，但在面对多用户复杂信道环境时，其泛化能力和估计精度仍存在不足。针对上述问题，该文对于RIS辅助多用户ISAC系统提出一种基于条件生成对抗网络(CGAN)的两阶段信道估计方法。该方法通过调整RIS的开关状态，分阶段完成对直射信道与反射信道的估计，以提高信道估计的准确性和稳定性。通过生成网络与判别网络的对抗训练，不仅能够学习观测信号与真实信道之间的映射关系，还能根据判别网络的反馈来不断优化输出，从而有效提升训练效率与估计精度。仿真结果表明，与传统深度学习方法相比，所提基于CGAN的方案在信道估计性能上均表现出显著优势。该结果验证了CGAN方法在RIS辅助ISAC系统下信道估计的应用潜力，并为实现更精准和可靠的系统部署奠定了基础。
2026, 48(8): 3592-3603.
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，该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，该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。
2026, 48(8): 3604-3615.
doi: 10.11999/JEIT260075
摘要:
高速移动场景下显著多普勒频移引发信道快速时变特性及子载波间干扰加剧，导致MIMO-OFDM系统信道估计精度下降及鲁棒性不足，该文提出一种基于特征线性调制(FiLM)的自适应Transformer信道估计模型——AdaFiT。首先，采用可分离二维线性上采样获取全时频域信道估计，并利用点卷积在通道维度对多天线复数信道的实部与虚部进行联合建模，结合卷积特征增强模块提取多尺度时频特征；然后，设计信道自适应特征调制模块，将信道参数作为先验条件信息，基于FiLM机制生成特征层面的缩放系数与偏移系数，仿射调制Transformer网络的块嵌入序列，实现对信道统计变化的条件自适应；最后，通过二维可学习位置编码的Transformer编码器全局建模块级特征，并结合残差重建结构融合局部与全局特征，完成高精度信道重建。结果表明，所提AdaFiT模型在C型簇延迟线信道(CDL-C)和A型簇延迟线信道(CDL-A)两种信道模型下均优于最小二乘双线性插值(LS-Blinear)、线性最小均方误差(LMMSE)及现有自适应方法，对不同信道模型具有较好的适应性。其中，在CDL-C信道模型下的动态信噪比、多普勒频移及不同时延扩展条件下，均方根误差最大可提升7 dB。
高速移动场景下显著多普勒频移引发信道快速时变特性及子载波间干扰加剧，导致MIMO-OFDM系统信道估计精度下降及鲁棒性不足，该文提出一种基于特征线性调制(FiLM)的自适应Transformer信道估计模型——AdaFiT。首先，采用可分离二维线性上采样获取全时频域信道估计，并利用点卷积在通道维度对多天线复数信道的实部与虚部进行联合建模，结合卷积特征增强模块提取多尺度时频特征；然后，设计信道自适应特征调制模块，将信道参数作为先验条件信息，基于FiLM机制生成特征层面的缩放系数与偏移系数，仿射调制Transformer网络的块嵌入序列，实现对信道统计变化的条件自适应；最后，通过二维可学习位置编码的Transformer编码器全局建模块级特征，并结合残差重建结构融合局部与全局特征，完成高精度信道重建。结果表明，所提AdaFiT模型在C型簇延迟线信道(CDL-C)和A型簇延迟线信道(CDL-A)两种信道模型下均优于最小二乘双线性插值(LS-Blinear)、线性最小均方误差(LMMSE)及现有自适应方法，对不同信道模型具有较好的适应性。其中，在CDL-C信道模型下的动态信噪比、多普勒频移及不同时延扩展条件下，均方根误差最大可提升7 dB。
2026, 48(8): 3616-3626.
doi: 10.11999/JEIT260005
摘要:
跳频信号参数盲估计是跳频通信侦察对抗的关键技术。针对现有盲估计方法在估计精度与处理数字调制信号方面存在不足以及计算复杂度较高的问题，该文提出基于改进最大似然(ML)的相移键控(PSK)调制跳频信号参数盲估计方法。首先，基于短时傅里叶变换从持续多个跳频周期的PSK调制跳频信号中截取仅含单次跳频的短切片；然后，基于ML估计方法的代价函数，从短切片中提取适配ML估计模型的信号，克服传统基于ML的估计方法处理含PSK调制的信号时模型失配的问题；最后，提出一种加权迭代求解方法，实现跳频频率与跳频时刻的稳健估计。该方法摆脱了基于传统时频分析及压缩感知的估计框架约束，且计算复杂度较低。仿真结果表明，该方法可以同时实现PSK调制跳频信号跳频频率与跳频时刻的高精度估计。
跳频信号参数盲估计是跳频通信侦察对抗的关键技术。针对现有盲估计方法在估计精度与处理数字调制信号方面存在不足以及计算复杂度较高的问题，该文提出基于改进最大似然(ML)的相移键控(PSK)调制跳频信号参数盲估计方法。首先，基于短时傅里叶变换从持续多个跳频周期的PSK调制跳频信号中截取仅含单次跳频的短切片；然后，基于ML估计方法的代价函数，从短切片中提取适配ML估计模型的信号，克服传统基于ML的估计方法处理含PSK调制的信号时模型失配的问题；最后，提出一种加权迭代求解方法，实现跳频频率与跳频时刻的稳健估计。该方法摆脱了基于传统时频分析及压缩感知的估计框架约束，且计算复杂度较低。仿真结果表明，该方法可以同时实现PSK调制跳频信号跳频频率与跳频时刻的高精度估计。
2026, 48(8): 3627-3637.
doi: 10.11999/JEIT260145
摘要:
为提高通感一体化(ISAC)系统中信息传输的隐蔽性，该文研究基于超大规模同时透射与反射可重构智能表面(XL-STAR-RIS)辅助的近场通感一体化系统，旨在实现隐蔽通信的资源优化。首先，建立近场球面波信道模型与信号传输模型，分析窃听者Willie的最优检测性能，并推导其最小检测错误概率的闭合下界表达式。在此基础上，根据通信要求，以最大化隐蔽通信速率为目标，综合考虑发射功率约束、感知信噪比约束及隐蔽性要求，构建了联合波束成形优化问题。为解决该非凸问题，该文提出一种融合半定松弛(SDR)、Dinkelbach型迭代与惩罚函数的分层交替优化算法，实现了主动发射波束与被动STAR-RIS系数的协同设计。仿真结果表明，所提方案在隐蔽通信速率、感知精度与收敛性能方面均优于传统被动RIS及无RIS基准方案。
为提高通感一体化(ISAC)系统中信息传输的隐蔽性，该文研究基于超大规模同时透射与反射可重构智能表面(XL-STAR-RIS)辅助的近场通感一体化系统，旨在实现隐蔽通信的资源优化。首先，建立近场球面波信道模型与信号传输模型，分析窃听者Willie的最优检测性能，并推导其最小检测错误概率的闭合下界表达式。在此基础上，根据通信要求，以最大化隐蔽通信速率为目标，综合考虑发射功率约束、感知信噪比约束及隐蔽性要求，构建了联合波束成形优化问题。为解决该非凸问题，该文提出一种融合半定松弛(SDR)、Dinkelbach型迭代与惩罚函数的分层交替优化算法，实现了主动发射波束与被动STAR-RIS系数的协同设计。仿真结果表明，所提方案在隐蔽通信速率、感知精度与收敛性能方面均优于传统被动RIS及无RIS基准方案。
2026, 48(8): 3638-3648.
doi: 10.11999/JEIT260140
摘要:
侧信道攻击是密码芯片物理安全的主要威胁之一，利用深度学习技术恢复密钥已成为侧信道攻击领域内研究热点。然而，现有基于深度学习的攻击方法在特征提取阶段往往缺乏对关键泄露区间的聚焦能力。特别是在长波形和高维噪声场景下，模型容易被无关背景噪声干扰，导致特征提取效率低下、猜测熵收敛缓慢。针对上述问题，该文提出一种融合卷积块注意力机制与3元组度量学习的侧信道攻击方法。该方法从泄露特征提取入手，在卷积神经网络中嵌入通道注意力与空间注意力模块，对不同特征通道和时域位置进行自适应加权，以增强泄露相关特征并减弱噪声干扰。在此基础上，引入3元组损失作为优化目标，用于引导注意力加权后的特征在嵌入空间中形成可分的簇结构。实验结果表明，该文方法在公开数据集上均优于度量学习及深度学习方法，其中在ASCAD_f(HW)场景下，攻击性能提升9.4%以上；在ASCAD_r(HW)场景下，该文方法实现猜测熵收敛所需的攻击轨迹数量减少10.7%以上。此外，去同步实验与消融实验进一步证实了该方法具备鲁棒性，并验证了核心组件协同设计的合理性。
侧信道攻击是密码芯片物理安全的主要威胁之一，利用深度学习技术恢复密钥已成为侧信道攻击领域内研究热点。然而，现有基于深度学习的攻击方法在特征提取阶段往往缺乏对关键泄露区间的聚焦能力。特别是在长波形和高维噪声场景下，模型容易被无关背景噪声干扰，导致特征提取效率低下、猜测熵收敛缓慢。针对上述问题，该文提出一种融合卷积块注意力机制与3元组度量学习的侧信道攻击方法。该方法从泄露特征提取入手，在卷积神经网络中嵌入通道注意力与空间注意力模块，对不同特征通道和时域位置进行自适应加权，以增强泄露相关特征并减弱噪声干扰。在此基础上，引入3元组损失作为优化目标，用于引导注意力加权后的特征在嵌入空间中形成可分的簇结构。实验结果表明，该文方法在公开数据集上均优于度量学习及深度学习方法，其中在ASCAD_f(HW)场景下，攻击性能提升9.4%以上；在ASCAD_r(HW)场景下，该文方法实现猜测熵收敛所需的攻击轨迹数量减少10.7%以上。此外，去同步实验与消融实验进一步证实了该方法具备鲁棒性，并验证了核心组件协同设计的合理性。
2026, 48(8): 3649-3660.
doi: 10.11999/JEIT251268
摘要:
干涉逆合成孔径雷达(InISAR)是一种非合作目标三维重建技术。然而，在对具有复杂运动特性的舰船目标成像时，复杂三维旋转运动会导致目标多普勒频率变化不稳定，直接影响目标三维重建质量，同时，ISAR成像不可避免地存在目标叠掩和遮挡问题，致使单一投影平面的InISAR技术无法实现目标三维信息完全重建。针对上述问题，该文提出了一种复杂运动舰船目标多投影平面InISAR三维重建方法。首先，在分析高海情下长相干积累时间内舰船目标多维复杂运动特性的基础上，结合主成分分析算法选择多个不同成像投影平面的成像时间段，获取多个不同投影平面的高质量舰船目标逆合成孔径雷达(ISAR)图像及其三维重建结果。其次，结合加权随机采样一致性与分层迭代最近点方法，高精度提取和匹配多投影平面三维图像的同名特征点，实现多投影平面InISAR三维图像的高效高精度配准与融合。舰船点目标散射模型和电磁仿真模型的实验结果表明，与单一投影平面下的目标三维重建结果相比，该文所提方法获得的InISAR三维重建质量得到了显著提升。
干涉逆合成孔径雷达(InISAR)是一种非合作目标三维重建技术。然而，在对具有复杂运动特性的舰船目标成像时，复杂三维旋转运动会导致目标多普勒频率变化不稳定，直接影响目标三维重建质量，同时，ISAR成像不可避免地存在目标叠掩和遮挡问题，致使单一投影平面的InISAR技术无法实现目标三维信息完全重建。针对上述问题，该文提出了一种复杂运动舰船目标多投影平面InISAR三维重建方法。首先，在分析高海情下长相干积累时间内舰船目标多维复杂运动特性的基础上，结合主成分分析算法选择多个不同成像投影平面的成像时间段，获取多个不同投影平面的高质量舰船目标逆合成孔径雷达(ISAR)图像及其三维重建结果。其次，结合加权随机采样一致性与分层迭代最近点方法，高精度提取和匹配多投影平面三维图像的同名特征点，实现多投影平面InISAR三维图像的高效高精度配准与融合。舰船点目标散射模型和电磁仿真模型的实验结果表明，与单一投影平面下的目标三维重建结果相比，该文所提方法获得的InISAR三维重建质量得到了显著提升。
2026, 48(8): 3661-3671.
doi: 10.11999/JEIT251021
摘要:
针对室内可见光定位(VLP)系统中接收器姿态扰动会破坏接收光功率(RSS)与空间位置的对应关系，导致定位精度下降的问题，该文提出一种光电传感器(PD)阵列结合机器学习(ML)的特征融合定位方法。首先利用阵列中不同PD接收光功率的差异构建约束方程，采用高斯-牛顿迭代算法估计入射角余弦值。其次设计融合卷积神经网络(CNN)与多层感知机(MLP)的优化模型，实现对RSS与入射角余弦特征的联合建模，缓解了单一RSS在接收器随机扰动条件下位置映射关系不稳定的问题，增强系统对接收器姿态扰动的鲁棒性。最后引入拉丁超立方抽样(LHS)策略构建训练数据集，提升训练样本的空间代表性。仿真结果表明，在4 m×4 m×2.5 m的室内环境，平均定位误差约4.6 cm；即使接收器倾斜至55°时，平均误差仍在11.7 cm以内。与现有方法相比，定位精度提升约2.5 cm，均方根误差(RMSE)降低31.58%，实现了接收器在姿态发生扰动时的高精度室内三维定位。
针对室内可见光定位(VLP)系统中接收器姿态扰动会破坏接收光功率(RSS)与空间位置的对应关系，导致定位精度下降的问题，该文提出一种光电传感器(PD)阵列结合机器学习(ML)的特征融合定位方法。首先利用阵列中不同PD接收光功率的差异构建约束方程，采用高斯-牛顿迭代算法估计入射角余弦值。其次设计融合卷积神经网络(CNN)与多层感知机(MLP)的优化模型，实现对RSS与入射角余弦特征的联合建模，缓解了单一RSS在接收器随机扰动条件下位置映射关系不稳定的问题，增强系统对接收器姿态扰动的鲁棒性。最后引入拉丁超立方抽样(LHS)策略构建训练数据集，提升训练样本的空间代表性。仿真结果表明，在4 m×4 m×2.5 m的室内环境，平均定位误差约4.6 cm；即使接收器倾斜至55°时，平均误差仍在11.7 cm以内。与现有方法相比，定位精度提升约2.5 cm，均方根误差(RMSE)降低31.58%，实现了接收器在姿态发生扰动时的高精度室内三维定位。
2026, 48(8): 3672-3681.
doi: 10.11999/JEIT260108
摘要:
商用现场可编程门阵列(FPGA)普遍采用6输入查找表(LUT)构建可编程逻辑块，而相关实验表明6输入LUT在电路中的应用平均不超过30%，造成了严重的可编程资源浪费。该文在可拆分因子概念基础上将6输入LUT进行不同粒度拆分并进行重新组合，构建出3种新的混合粒度可编程逻辑单元；然后基于混合粒度可编程逻辑单元组合成3种新的混合可编程逻辑块结构用以替换Xilinx的可编程逻辑块；同时提出了一种对映射后网表进行统计的优化评估算法；最后对3种改进结构进行相应实验验证和评估。结果表明：在不增加输入端口资源的情况下，3种混合粒度可编程逻辑块对Xilinx可编程逻辑块结构替换后面积优化平均超过30%；综合PLB使用数量和面积优化来看，可拆分因子N=3时候构建的混合可编程逻辑块结构优化效果最好，在MCNC电路集和VTR电路集下，资源利用率平均分别提高了8.27%和27.64%，有效提升了FPGA的资源利用率。
商用现场可编程门阵列(FPGA)普遍采用6输入查找表(LUT)构建可编程逻辑块，而相关实验表明6输入LUT在电路中的应用平均不超过30%，造成了严重的可编程资源浪费。该文在可拆分因子概念基础上将6输入LUT进行不同粒度拆分并进行重新组合，构建出3种新的混合粒度可编程逻辑单元；然后基于混合粒度可编程逻辑单元组合成3种新的混合可编程逻辑块结构用以替换Xilinx的可编程逻辑块；同时提出了一种对映射后网表进行统计的优化评估算法；最后对3种改进结构进行相应实验验证和评估。结果表明：在不增加输入端口资源的情况下，3种混合粒度可编程逻辑块对Xilinx可编程逻辑块结构替换后面积优化平均超过30%；综合PLB使用数量和面积优化来看，可拆分因子N=3时候构建的混合可编程逻辑块结构优化效果最好，在MCNC电路集和VTR电路集下，资源利用率平均分别提高了8.27%和27.64%，有效提升了FPGA的资源利用率。
2026, 48(8): 3682-3690.
doi: 10.11999/JEIT260164
摘要:
碳化硅(SiC)功率金属-氧化物-半导体场效应晶体管(MOSFET)凭借耐压高、导通电阻低和功耗小的优势，已广泛应用于中高压电力电子系统中，在提升系统效率与功率密度方面具有重要意义。该文基于TCAD仿真平台，开展1200 V等级沟槽型SiC MOSFET的结构设计与电学特性仿真研究。通过双侧P型柱(PCL)与电流扩展层(CSL)协同设计，有效优化了器件在阻断状态下的电场分布与导通状态下的电流输运性能。系统仿真分析了外延层掺杂浓度(NEpi)、沟槽宽度与深度、P型阱区(PW)注入剂量、PCL间距及CSL注入剂量等关键结构参数对器件比导通电阻(Ron,sp)、阈值电压(VTH)、击穿电压(BV)及栅氧峰值电场(Eox-max)的影响机制。研究结果表明，优化后的器件可实现VTH=4.7 V, Ron,sp=1.57 mΩ·cm2, BV=1708 V, Eox-max=2.5 MV/cm的良好性能折衷。该研究为开发高性能沟槽型SiC MOSFET提供了系统的仿真方法与设计依据。
碳化硅(SiC)功率金属-氧化物-半导体场效应晶体管(MOSFET)凭借耐压高、导通电阻低和功耗小的优势，已广泛应用于中高压电力电子系统中，在提升系统效率与功率密度方面具有重要意义。该文基于TCAD仿真平台，开展
编辑部公告
more >
- 《电子与信息学报》“数据论文” 长期征稿启事
- 填补反无人机多模态感知实测数据缺口！DroneRFa获“SDB科学数据奖”，同系列DroneRFc重磅上线！
- 专题征文丨资源约束下的自主智能感知与在轨/边缘部署
- “太空云”生态迎里程碑！重磅专刊火热征稿中
- 专题征文丨大模型与群体智能驱动的空地协同智联：体系、技术与应用
- 专题征文丨面向6G的物理AI：基础理论、关键技术与应用
- 中国科技期刊卓越行动计划维护学术诚信倡议
- 征文丨太空云系统：架构、技术和应用专刊
学术动态
more >
- 第五届《电子与信息学报》领军论坛暨全国电子信息学科与产业发展论坛通知（第一轮）
- 第三十六届电路与系统学术大会通知 (第一轮)
- 第五届电子与信息前沿学术会议在武汉顺利召开
- 2026《电子与信息学报》“星航计划”决赛详细议程及分组
- 第五届电子与信息前沿学术会议第二轮通知（详细议程）
- AI与6G双向赋能-空天通信与信息网络专题论坛在桐乡成功举办
- 第四届《电子与信息学报》领军论坛在宁波成功举办
- 第二届空天信息技术大会征文通知 (第二轮)
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
