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/JEIT250726
摘要:
病理图像分类对于癌症诊断至关重要，但现有方法存在依赖随机采样、多层级信息利用不足等问题。为此，该文提出一种层级融合多实例学习方法。首先，对病理图像的不同层级进行切分并用ResNet-50提取特征；然后，针对伪包标签不准确及背景噪声问题，提出基于注意力评价函数的伪包划分方法，利用门控注意力对低分辨率特征进行重要性评估，依据得分将特征划分为低分辨率伪包，并通过索引映射得到对应高分辨率伪包；最后，针对多层级信息利用不足的问题设计两阶段分类模型，第1阶段对低分辨率伪包进行初步分类，并依据预测置信度筛选出高判别性的关键区域及其对应的高分辨率特征；第2阶段通过交叉注意力机制，将筛选出的低分辨率特征与对应的高分辨率特征进行深度融合，随后将其与经过门控注意力聚合的高分辨率伪包特征进行拼接，以利用局部细节结合全局信息进行分析。在训练过程中，采用双分支交叉熵损失函数，联合优化低分辨率初步分类任务与高分辨率最终分类任务。实验使用了两个公开数据集Camelyon16、TCGA-LUNG及一个私有皮肤癌数据集NBU-Skin对模型进行测试，结果表明，该方法在多中心公开数据集和私有数据集上性能均优于CLAM、TransMIL等算法，其中在NBU-Skin数据集上5折交叉验证的平均准确率达到90.5%，平均AUC达到0.976。此外，该方法在跨病种、跨中心数据中表现稳定，为癌症病理的人工智能诊断提供了新的思路。
病理图像分类对于癌症诊断至关重要，但现有方法存在依赖随机采样、多层级信息利用不足等问题。为此，该文提出一种层级融合多实例学习方法。首先，对病理图像的不同层级进行切分并用ResNet-50提取特征；然后，针对伪包标签不准确及背景噪声问题，提出基于注意力评价函数的伪包划分方法，利用门控注意力对低分辨率特征进行重要性评估，依据得分将特征划分为低分辨率伪包，并通过索引映射得到对应高分辨率伪包；最后，针对多层级信息利用不足的问题设计两阶段分类模型，第1阶段对低分辨率伪包进行初步分类，并依据预测置信度筛选出高判别性的关键区域及其对应的高分辨率特征；第2阶段通过交叉注意力机制，将筛选出的低分辨率特征与对应的高分辨率特征进行深度融合，随后将其与经过门控注意力聚合的高分辨率伪包特征进行拼接，以利用局部细节结合全局信息进行分析。在训练过程中，采用双分支交叉熵损失函数，联合优化低分辨率初步分类任务与高分辨率最终分类任务。实验使用了两个公开数据集Camelyon16、TCGA-LUNG及一个私有皮肤癌数据集NBU-Skin对模型进行测试，结果表明，该方法在多中心公开数据集和私有数据集上性能均优于CLAM、TransMIL等算法，其中在NBU-Skin数据集上5折交叉验证的平均准确率达到90.5%，平均AUC达到0.976。此外，该方法在跨病种、跨中心数据中表现稳定，为癌症病理的人工智能诊断提供了新的思路。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250865
摘要:
脑肿瘤分类是医学影像分析中的关键任务，但现有深度学习方法在应对扫描参数差异、解剖位置偏移等因素时仍面临特征混淆问题，且难以建模肿瘤异质性引发的复杂非线性关系。针对这一挑战，该文提出一种因果推理引导的KAN注意力分类框架。首先，基于CLIP模型进行无监督特征提取，捕捉MRI数据中的高层语义特征；其次，基于K-means聚类设计混淆均衡度指标，筛选混淆因子图像，并设计因果干预机制，显式引入混淆样本，同时提出因果增强的损失函数以优化模型的判别能力；最后，在预训练ResNet主干网中引入KAN注意力模块，强化模型对肿瘤局部坏死区与强化边缘的非线性关联建模能力。实验表明，所提出的方法在脑肿瘤分类任务中优于传统CNN与Transformer模型，验证了其在判别能力和鲁棒性方面的优势。该研究为医学影像的因果推理与高阶非线性建模提供了新的技术路径。
脑肿瘤分类是医学影像分析中的关键任务，但现有深度学习方法在应对扫描参数差异、解剖位置偏移等因素时仍面临特征混淆问题，且难以建模肿瘤异质性引发的复杂非线性关系。针对这一挑战，该文提出一种因果推理引导的KAN注意力分类框架。首先，基于CLIP模型进行无监督特征提取，捕捉MRI数据中的高层语义特征；其次，基于K-means聚类设计混淆均衡度指标，筛选混淆因子图像，并设计因果干预机制，显式引入混淆样本，同时提出因果增强的损失函数以优化模型的判别能力；最后，在预训练ResNet主干网中引入KAN注意力模块，强化模型对肿瘤局部坏死区与强化边缘的非线性关联建模能力。实验表明，所提出的方法在脑肿瘤分类任务中优于传统CNN与Transformer模型，验证了其在判别能力和鲁棒性方面的优势。该研究为医学影像的因果推理与高阶非线性建模提供了新的技术路径。
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3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3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/JEIT250489
摘要:
低剂量CT(LDCT)图像中的伪影和噪声影响疾病的早期诊断和治疗。基于卷积神经网络的去噪方法在远程建模方面能力有限。与Transformer架构的远程建模方法相比，基于Mamba模型在建模时计算复杂度低，然而现有的Mamba模型存在信息丢失或噪声残留的缺点。为此，该文提出一种基于小波Mamba的去噪模型Wave-MambaCT。首先利用小波变换的多尺度分解解耦噪声和低频内容信息。其次，构建残差模块结合状态空间模型的Mamba模块提取高低频带的局部和全局信息，并用无噪的低频特征通过基于注意力的跨频Mamba模块校正并增强同尺度的高频特征，在去除噪声的同时保持更多细节。最后，分阶段采用逆小波变换渐进恢复图像，并设置相应的损失函数提高网络的稳定性。实验结果表明Wave-MambaCT在较低的计算复杂度和参数量下，不仅提高了低剂量CT图像的视觉效果，而且在PSNR，SSIM，VIF和MSE 4种定量指标上均优于现有的去噪方法。
低剂量CT(LDCT)图像中的伪影和噪声影响疾病的早期诊断和治疗。基于卷积神经网络的去噪方法在远程建模方面能力有限。与Transformer架构的远程建模方法相比，基于Mamba模型在建模时计算复杂度低，然而现有的Mamba模型存在信息丢失或噪声残留的缺点。为此，该文提出一种基于小波Mamba的去噪模型Wave-MambaCT。首先利用小波变换的多尺度分解解耦噪声和低频内容信息。其次，构建残差模块结合状态空间模型的Mamba模块提取高低频带的局部和全局信息，并用无噪的低频特征通过基于注意力的跨频Mamba模块校正并增强同尺度的高频特征，在去除噪声的同时保持更多细节。最后，分阶段采用逆小波变换渐进恢复图像，并设置相应的损失函数提高网络的稳定性。实验结果表明Wave-MambaCT在较低的计算复杂度和参数量下，不仅提高了低剂量CT图像的视觉效果，而且在PSNR，SSIM，VIF和MSE 4种定量指标上均优于现有的去噪方法。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250786
摘要:
降水临近预报，作为气象预测领域最具代表性的任务之一，通过利用雷达回波或降水序列来预测未来0-2小时的降水情况。当前的主流方法普遍存在局部细节丢失、条件信息挖掘不充分、对复杂地区适配性不足等问题。因此，该文提出一种基于扩散网络模型的PredUMamba模型。在该模型中，一方面，引入一种基于自适应蛇形扫描机制的Mamba块，不仅充分挖掘到关键的局部细节信息，还有效降低了计算复杂度；另一方面，设计一种多尺度时空相关注意力模型，在增强时空层次化特征交互能力的同时实现了条件信息的全面表示。更重要的是，构建一个针对复杂地区降水临近预报任务的雷达回波数据集，即皖南山区雷达数据集，以验证模型对复杂地区突发性极端强降水的精准预报能力。此外，在领域内一些公开数据集上进一步开展了对比实验。实验结果表明，PredUMamba模型在上海雷达数据集和皖南山区雷达数据集上取得了最好的结果。同时，在SEVIR数据集上也取得了非常有竞争力的结果。
降水临近预报，作为气象预测领域最具代表性的任务之一，通过利用雷达回波或降水序列来预测未来0-2小时的降水情况。当前的主流方法普遍存在局部细节丢失、条件信息挖掘不充分、对复杂地区适配性不足等问题。因此，该文提出一种基于扩散网络模型的PredUMamba模型。在该模型中，一方面，引入一种基于自适应蛇形扫描机制的Mamba块，不仅充分挖掘到关键的局部细节信息，还有效降低了计算复杂度；另一方面，设计一种多尺度时空相关注意力模型，在增强时空层次化特征交互能力的同时实现了条件信息的全面表示。更重要的是，构建一个针对复杂地区降水临近预报任务的雷达回波数据集，即皖南山区雷达数据集，以验证模型对复杂地区突发性极端强降水的精准预报能力。此外，在领域内一些公开数据集上进一步开展了对比实验。实验结果表明，PredUMamba模型在上海雷达数据集和皖南山区雷达数据集上取得了最好的结果。同时，在SEVIR数据集上也取得了非常有竞争力的结果。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250798
摘要:
糖尿病及其发并发症的联合预测对于降低慢性病危害、改善患者预后具有重要意义。然而，现有预测方法面临数据异构性和稀疏性、实体关系复杂以及疾病与医学概念间高阶关联难以精确捕捉等挑战，限制了预测准确性和多病症识别能力。针对上述问题，该文提出一种基于表示学习与知识图谱推理的糖尿病及其并发症预测模型(REKG-MDP)。通过整合电子健康记录与医学补充知识构建医疗知识图谱，在患者侧完善个人基本信息、检查指标及现病史，在疾病侧补充疾病共病信息、多发人群、常见病因及诊断依据，从而缓解数据稀疏性与异构性问题。综合考虑对称、反对称、反转和组合4种关系连接模式，并设计层次化注意力机制与图卷积网络相结合的推理模块，在全局和局部动态调整邻居节点权重，有效聚合多阶邻居信息并捕捉高阶语义关系。基于MIMIC-IV数据集的实验结果表明，所提模型在糖尿病及发并发症联合预测任务中明显优于现有方法，预测准确率和多病症识别能力均有显著提升。
糖尿病及其发并发症的联合预测对于降低慢性病危害、改善患者预后具有重要意义。然而，现有预测方法面临数据异构性和稀疏性、实体关系复杂以及疾病与医学概念间高阶关联难以精确捕捉等挑战，限制了预测准确性和多病症识别能力。针对上述问题，该文提出一种基于表示学习与知识图谱推理的糖尿病及其并发症预测模型(REKG-MDP)。通过整合电子健康记录与医学补充知识构建医疗知识图谱，在患者侧完善个人基本信息、检查指标及现病史，在疾病侧补充疾病共病信息、多发人群、常见病因及诊断依据，从而缓解数据稀疏性与异构性问题。综合考虑对称、反对称、反转和组合4种关系连接模式，并设计层次化注意力机制与图卷积网络相结合的推理模块，在全局和局部动态调整邻居节点权重，有效聚合多阶邻居信息并捕捉高阶语义关系。基于MIMIC-IV数据集的实验结果表明，所提模型在糖尿病及发并发症联合预测任务中明显优于现有方法，预测准确率和多病症识别能力均有显著提升。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250828
摘要:
大模型在辅助诊断方面潜力大，但本地算力限制和云端医疗数据隐私风险制约其落地。针对此现状，该文提出一种云边大模型协同推理框架与算法，核心为云边协同推理智能体，集成智能路由与动态语义脱敏能力，实现边缘侧(医院端)与云端(区域云)推理任务的动态分配。智能路由机制基于问题语义特征与历史决策数据优化路径，平衡模型使用成本与诊断精度；动态语义脱敏技术通过识别与分级脱敏策略，在保证隐私安全的同时实现数据安全传输与有效推理。实验表明，该框架在医学实体理解等任务中表现优异，诊断准确率与云端大模型相当，且显著降低模型使用成本，为医疗人工智能系统提供技术范式。未来将聚焦算网资源智能调度、属地化大模型结合检索增强生成(RAG)优化，以及医疗诊断评估指标扩展。
大模型在辅助诊断方面潜力大，但本地算力限制和云端医疗数据隐私风险制约其落地。针对此现状，该文提出一种云边大模型协同推理框架与算法，核心为云边协同推理智能体，集成智能路由与动态语义脱敏能力，实现边缘侧(医院端)与云端(区域云)推理任务的动态分配。智能路由机制基于问题语义特征与历史决策数据优化路径，平衡模型使用成本与诊断精度；动态语义脱敏技术通过识别与分级脱敏策略，在保证隐私安全的同时实现数据安全传输与有效推理。实验表明，该框架在医学实体理解等任务中表现优异，诊断准确率与云端大模型相当，且显著降低模型使用成本，为医疗人工智能系统提供技术范式。未来将聚焦算网资源智能调度、属地化大模型结合检索增强生成(RAG)优化，以及医疗诊断评估指标扩展。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250947
摘要:
低空智联网作为低空数字经济的关键基础设施，通过深度融合各类有人/无人航空器及其地面支撑网络，构建了低空空域人-机-物三元融合的智能互联体系。该文系统梳理了低空智联网的最新研究进展，从网络架构、资源优化、安全威胁与防护以及大模型赋能4个维度展开深入分析。首先，探讨了低空智联网的现有标准、组成架构、关键特性及组网模式；其次，研究了空域资源管理、频谱资源分配、计算资源调度和能量资源优化等关键问题；再次，从感知层、网络层、应用层和系统层剖析了核心安全威胁并综述了多层次防护策略；接着，探讨了大模型技术在低空智联网的应用前景，并分析了其在任务优化与安全防护中的潜力；最后，讨论了低空智联网的未来研究方向，为构建高效、安全、智能的低空智联网体系提供了理论参考和技术指导。
低空智联网作为低空数字经济的关键基础设施，通过深度融合各类有人/无人航空器及其地面支撑网络，构建了低空空域人-机-物三元融合的智能互联体系。该文系统梳理了低空智联网的最新研究进展，从网络架构、资源优化、安全威胁与防护以及大模型赋能4个维度展开深入分析。首先，探讨了低空智联网的现有标准、组成架构、关键特性及组网模式；其次，研究了空域资源管理、频谱资源分配、计算资源调度和能量资源优化等关键问题；再次，从感知层、网络层、应用层和系统层剖析了核心安全威胁并综述了多层次防护策略；接着，探讨了大模型技术在低空智联网的应用前景，并分析了其在任务优化与安全防护中的潜力；最后，讨论了低空智联网的未来研究方向，为构建高效、安全、智能的低空智联网体系提供了理论参考和技术指导。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250733
摘要:
针对多节串联电池组采样电路存在通道漏电流导致各节电池电压不一致和影响采样精度的问题，该文提出一种应用于14节串联锂电池的低漏电流电池电压采样方法。通过分析漏电流的产生机制，采用运放隔离有源驱动技术，减小各节电池的通道漏电流，同时为了减小高压MOSFET带来的面积开销，改进了高压域运算放大器。基于0.35 μm高压BCD(Bipolar CMOS DMOS)工艺对电路进行了详细设计和完整性能验证，结果表明，所设计的电池电压采样电路版图面积仅为3.105×0.638 mm2，在不同的温度和工艺角组合下，最大通道漏电流低至48.9 pA。在全面的PVT(Process Voltage Temperature)验证下，电池电压采样最大测量误差小于1.25 mV。该方法将采样过程对电池电压不一致性的影响从18.56%降低至2.122 ppm，为高可靠高精度多节串联电池管理系统提供了有效的解决方案。
针对多节串联电池组采样电路存在通道漏电流导致各节电池电压不一致和影响采样精度的问题，该文提出一种应用于14节串联锂电池的低漏电流电池电压采样方法。通过分析漏电流的产生机制，采用运放隔离有源驱动技术，减小各节电池的通道漏电流，同时为了减小高压MOSFET带来的面积开销，改进了高压域运算放大器。基于0.35 μm高压BCD(Bipolar CMOS DMOS)工艺对电路进行了详细设计和完整性能验证，结果表明，所设计的电池电压采样电路版图面积仅为3.105×0.638 mm2，在不同的温度和工艺角组合下，最大通道漏电流低至48.9 pA。在全面的PVT(Process Voltage Temperature)验证下，电池电压采样最大测量误差小于1.25 mV。该方法将采样过程对电池电压不一致性的影响从18.56%降低至2.122 ppm，为高可靠高精度多节串联电池管理系统提供了有效的解决方案。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT251025
摘要:
复杂疾病由多基因遗传与环境因素共同作用，致病机制高度异质，且具有高流行率和高致死率，构成重大公共卫生挑战。传统单疾病多基因风险评分(PRS)仅整合单一性状的遗传变异，忽视跨性状遗传相关性，预测效能受限；同时，多数方法依赖线性建模，难以刻画单核苷酸多态性(SNP)间及SNP与PRS之间的非线性交互，也未充分挖掘多类疾病PRS所蕴含的共享遗传信息。针对上述不足，该文提出一种基于统计学习的多源PRS疾病预测模型 mtSNPPRS_XGB，创新性地构建SNP-PRS融合架构，利用XGBoost捕捉多源遗传特征的非线性交互。该模型联合整合原始SNP数据与多源PRS信息，在UK Biobank的18种疾病中取得平均AUC 66.70%(95%置信区间：66.46%-66.95%)，较传统UniPRS提升4.39%，较基于弹性网络的模型提升1.04%。研究为复杂疾病个体化遗传风险预测提供了新思路。
复杂疾病由多基因遗传与环境因素共同作用，致病机制高度异质，且具有高流行率和高致死率，构成重大公共卫生挑战。传统单疾病多基因风险评分(PRS)仅整合单一性状的遗传变异，忽视跨性状遗传相关性，预测效能受限；同时，多数方法依赖线性建模，难以刻画单核苷酸多态性(SNP)间及SNP与PRS之间的非线性交互，也未充分挖掘多类疾病PRS所蕴含的共享遗传信息。针对上述不足，该文提出一种基于统计学习的多源PRS疾病预测模型 mtSNPPRS_XGB，创新性地构建SNP-PRS融合架构，利用XGBoost捕捉多源遗传特征的非线性交互。该模型联合整合原始SNP数据与多源PRS信息，在UK Biobank的18种疾病中取得平均AUC 66.70%(95%置信区间：66.46%-66.95%)，较传统UniPRS提升4.39%，较基于弹性网络的模型提升1.04%。研究为复杂疾病个体化遗传风险预测提供了新思路。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT251193
摘要:
随着工业自动化与智能制造的发展，机器人在精密装配任务中应用广泛，尤其在螺栓装配等高精度作业环节中发挥着重要作用。然而，在螺栓装配过程中，存在目标物体位姿不确定、微小孔位识别困难以及末端执行器姿态缺乏动态闭环修正等问题。为此，该文提出一种面向机器人螺栓装配的视觉感知与力控协同方法。首先，构建语义增强的6D位姿估计算法，通过融合开放词汇目标检测模块与通用分割模块增强目标感知能力，提升初始位姿精度，并在连续帧跟踪中引入语义约束与平移修正，实现动态环境下稳健跟踪。其次，设计基于改进NanoDet的螺纹孔检测算法，采用轻量级MobileNetV3作为特征提取网络，并增加圆形分支检测头，有效提高微小孔位的识别精度与边界拟合能力，为后续装配提供可靠特征基础。最后，提出分层视觉引导与力控协同的装配策略，通过全局粗定位与局部精定位逐级优化目标位姿，并结合末端力觉反馈进行姿态微调，实现螺栓与螺纹孔的高精度对准与稳定装配。实验结果表明，该文方法在装配精度、鲁棒性及稳定性方面均具有显著优势，具备良好的工程应用前景。
随着工业自动化与智能制造的发展，机器人在精密装配任务中应用广泛，尤其在螺栓装配等高精度作业环节中发挥着重要作用。然而，在螺栓装配过程中，存在目标物体位姿不确定、微小孔位识别困难以及末端执行器姿态缺乏动态闭环修正等问题。为此，该文提出一种面向机器人螺栓装配的视觉感知与力控协同方法。首先，构建语义增强的6D位姿估计算法，通过融合开放词汇目标检测模块与通用分割模块增强目标感知能力，提升初始位姿精度，并在连续帧跟踪中引入语义约束与平移修正，实现动态环境下稳健跟踪。其次，设计基于改进NanoDet的螺纹孔检测算法，采用轻量级MobileNetV3作为特征提取网络，并增加圆形分支检测头，有效提高微小孔位的识别精度与边界拟合能力，为后续装配提供可靠特征基础。最后，提出分层视觉引导与力控协同的装配策略，通过全局粗定位与局部精定位逐级优化目标位姿，并结合末端力觉反馈进行姿态微调，实现螺栓与螺纹孔的高精度对准与稳定装配。实验结果表明，该文方法在装配精度、鲁棒性及稳定性方面均具有显著优势，具备良好的工程应用前景。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250781
摘要:
利用脑电图(EEG)和功能性磁共振成像(fMRI)等无创脑成像技术研究视觉诱发响应，是探索人类视觉信息加工机制的重要途径。EEG-fMRI联合技术综合了EEG的高时间分辨优势与fMRI的高空间分辨优势，从更全面的神经时空活动视角为视觉诱发响应研究提供了方法支撑。该文系统综述了视觉诱发响应研究中EEG和fMRI的经典融合方法和EEG-fMRI联合技术在神经科学领域的应用情况，最后讨论了EEG-fMRI联合应用方法在视觉诱发响应研究中面临的技术挑战和未来发展方向。
利用脑电图(EEG)和功能性磁共振成像(fMRI)等无创脑成像技术研究视觉诱发响应，是探索人类视觉信息加工机制的重要途径。EEG-fMRI联合技术综合了EEG的高时间分辨优势与fMRI的高空间分辨优势，从更全面的神经时空活动视角为视觉诱发响应研究提供了方法支撑。该文系统综述了视觉诱发响应研究中EEG和fMRI的经典融合方法和EEG-fMRI联合技术在神经科学领域的应用情况，最后讨论了EEG-fMRI联合应用方法在视觉诱发响应研究中面临的技术挑战和未来发展方向。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250874
摘要:
该文旨在建立并验证一种新的国际预后指数(IPI)，并评估不同治疗方式对原发性肺非霍奇金淋巴瘤(PPL)患者的疗效。该文数据来源于美国癌症数据库(SEER)以及3家中国医院的临床数据库。采用Cox回归分析筛选独立预后因素，并结合列线图和现有IPI模型构建了PPL-IPI，并通过一致性指数(C指数)及校准曲线进行验证。在治疗效果评价中，采用逆概率加权法平衡组间差异，并通过Kaplan-Meier生存曲线及log-rank检验比较不同治疗方式的效果。在SEER数据库中共纳入2000～2019年确诊的4 313例患者，另有2010～2021年确诊的107例来自中国外部验证队列的患者纳入该研究。PPL-IPI模型包含IPI的5个不良因素(年龄>60岁、血清乳酸脱氢酶高、Ann Arbor III/IV期、行为状态评分2\begin{document}$ \sim $\end{document} \begin{document}$ \sim $\end{document} \begin{document}$ \sim $\end{document} \begin{document}$ \sim $\end{document} 0.000 1 )。在治疗方面，化疗显著降低了原发性肺MALT淋巴瘤患者的肿瘤特异性生存率(p<0.001)；手术与放疗在原发性肺MALT淋巴瘤及弥漫大B细胞淋巴瘤患者中的疗效差异均无统计学意义(p>0.05)。结论：基于国际多中心大型队列建立的PPL-IPI具有优异的预后预测能力。对于原发性肺MALT淋巴瘤患者，化疗可能不利于生存；而在原发性肺MALT淋巴瘤和弥漫大B细胞淋巴瘤中，手术和放疗的疗效价值均无显著差别。
该文旨在建立并验证一种新的国际预后指数(IPI)，并评估不同治疗方式对原发性肺非霍奇金淋巴瘤(PPL)患者的疗效。该文数据来源于美国癌症数据库(SEER)以及3家中国医院的临床数据库。采用Cox回归分析筛选独立预后因素，并结合列线图和现有IPI模型构建了PPL-IPI，并通过一致性指数(C指数)及校准曲线进行验证。在治疗效果评价中，采用逆概率加权法平衡组间差异，并通过Kaplan-Meier生存曲线及log-rank检验比较不同治疗方式的效果。在SEER数据库中共纳入2000～2019年确诊的4 313例患者，另有2010～2021年确诊的107例来自中国外部验证队列的患者纳入该研究。PPL-IPI模型包含IPI的5个不良因素(年龄>60岁、血清乳酸脱氢酶高、Ann Arbor III/IV期、行为状态评分2
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250416
摘要:
加密流量分析是保障网络安全的关键技术之一，该文系统探讨了其核心应用与主流技术。特征工程基于统计和行为特征刻画流量模式，深度学习则采用卷积神经网络、循环神经网络与图神经网络等架构自动提取深层特征，例如，改进的多尺度卷积神经网络在ISCXVPN2016数据集上的分类准确率达到86.77%。Transformer凭借其强大的特征捕捉能力，进一步推动了该领域发展，如融合掩码自动编码器的流量Transformer方法在相同数据集上的分类准确率达98.07%。此外，联邦学习在保护隐私的同时实现对流量的高精度分类，已有案例验证，其模型精度与集中式学习相比，差距可缩小至0.8%。多模态特征融合技术通过综合流量异构特征提升模型效能，成功将多分类任务的准确率与F1分数分别提升至93.75%和91.95%。生成式模型则有效解决数据稀缺问题，如基于扩散模型方法所生成的流量在包大小和间隔等关键特征上，与真实流量的相似度相较基线模型提升达到43.4%和39.02%。文章最后总结了当前挑战，并展望了未来方向。
加密流量分析是保障网络安全的关键技术之一，该文系统探讨了其核心应用与主流技术。特征工程基于统计和行为特征刻画流量模式，深度学习则采用卷积神经网络、循环神经网络与图神经网络等架构自动提取深层特征，例如，改进的多尺度卷积神经网络在ISCXVPN2016数据集上的分类准确率达到86.77%。Transformer凭借其强大的特征捕捉能力，进一步推动了该领域发展，如融合掩码自动编码器的流量Transformer方法在相同数据集上的分类准确率达98.07%。此外，联邦学习在保护隐私的同时实现对流量的高精度分类，已有案例验证，其模型精度与集中式学习相比，差距可缩小至0.8%。多模态特征融合技术通过综合流量异构特征提升模型效能，成功将多分类任务的准确率与F1分数分别提升至93.75%和91.95%。生成式模型则有效解决数据稀缺问题，如基于扩散模型方法所生成的流量在包大小和间隔等关键特征上，与真实流量的相似度相较基线模型提升达到43.4%和39.02%。文章最后总结了当前挑战，并展望了未来方向。
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%，有效验证了该方案可实现“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%，有效验证了该方案可实现“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。
2026, 48(2): 459-470.
doi: 10.11999/JEIT250657
摘要:
近年来，可编程调度器受到学术界与工业界的广泛关注，为提升网络服务质量提供了新的机会。针对实际应用中对低时延和低抖动的需求，可编程调度器通过采用先进先出(FIFO)或推入先出(PIFO)等设计，大幅提升了调度的准确性和可编程性，确保数据包按预定时间精准发送，从而优化了网络性能。该文对提升调度准确性和可编程性的可编程调度器研究进展进行了综述。首先，阐明了调度器在数据包调度流程中的作用和意义。随后，基于国内外相关文献，介绍了当前主流的可编程调度器设计方案。最后，总结了现有研究成果的提升空间，并展望了未来的发展方向和研究前景。
近年来，可编程调度器受到学术界与工业界的广泛关注，为提升网络服务质量提供了新的机会。针对实际应用中对低时延和低抖动的需求，可编程调度器通过采用先进先出(FIFO)或推入先出(PIFO)等设计，大幅提升了调度的准确性和可编程性，确保数据包按预定时间精准发送，从而优化了网络性能。该文对提升调度准确性和可编程性的可编程调度器研究进展进行了综述。首先，阐明了调度器在数据包调度流程中的作用和意义。随后，基于国内外相关文献，介绍了当前主流的可编程调度器设计方案。最后，总结了现有研究成果的提升空间，并展望了未来的发展方向和研究前景。
2026, 48(2): 471-486.
doi: 10.11999/JEIT250747
摘要:
随着低空物联网的发展，低空经济逐渐成为国家战略性新兴产业。面向低空经济的通感一体化技术能够在复杂环境中执行多任务协同操作，可显著提升无人机的安全性、灵活性和多场景适应性。该文系统综述了面向低空经济的通感一体化关键技术。首先，概述通感一体化和低空经济的理论基础，并讨论面向低空经济的通感一体化技术的优势；然后，探讨隐蔽通信、智能反射面、毫米波通信等第6代(6G)网络关键前沿技术在面向低空经济的通感一体化网络中的潜在应用；最后，总结了未来面向低空经济的通感一体化技术的关键挑战和研究方向。
随着低空物联网的发展，低空经济逐渐成为国家战略性新兴产业。面向低空经济的通感一体化技术能够在复杂环境中执行多任务协同操作，可显著提升无人机的安全性、灵活性和多场景适应性。该文系统综述了面向低空经济的通感一体化关键技术。首先，概述通感一体化和低空经济的理论基础，并讨论面向低空经济的通感一体化技术的优势；然后，探讨隐蔽通信、智能反射面、毫米波通信等第6代(6G)网络关键前沿技术在面向低空经济的通感一体化网络中的潜在应用；最后，总结了未来面向低空经济的通感一体化技术的关键挑战和研究方向。
2026, 48(2): 487-498.
doi: 10.11999/JEIT250685
摘要:
面向6G系统的通信感知一体化(ISAC)技术具备感知物理世界的能力。视觉可以感知环境进而辅助通信，同样无线信号可以辅助突破视觉感知的局限。该文首先探明环境视觉与无线通信的内在关联机理，进而阐述基于视觉感知辅助通信的算法，包括波束预测、遮挡预判和多基站多用户的资源调度分配方法；然后基于无线信号辅助视觉感知，探索基于无线信号辅助视觉的环境感知，提出静态环境重建和动态目标感知方法，从而辅助恶劣天气、不良光照等非理想条件下的鲁棒感知；形成一套完整的融合视觉的多模态无线通信感知一体化理论和技术方法。同时，进行了软硬件仿真测试与原型平台验证。实验结果表明，具备视觉支持的多模态ISAC系统的应用潜力巨大。
面向6G系统的通信感知一体化(ISAC)技术具备感知物理世界的能力。视觉可以感知环境进而辅助通信，同样无线信号可以辅助突破视觉感知的局限。该文首先探明环境视觉与无线通信的内在关联机理，进而阐述基于视觉感知辅助通信的算法，包括波束预测、遮挡预判和多基站多用户的资源调度分配方法；然后基于无线信号辅助视觉感知，探索基于无线信号辅助视觉的环境感知，提出静态环境重建和动态目标感知方法，从而辅助恶劣天气、不良光照等非理想条件下的鲁棒感知；形成一套完整的融合视觉的多模态无线通信感知一体化理论和技术方法。同时，进行了软硬件仿真测试与原型平台验证。实验结果表明，具备视觉支持的多模态ISAC系统的应用潜力巨大。
2026, 48(2): 499-511.
doi: 10.11999/JEIT250835
摘要:
针对天地一体化边缘计算网络(STECN)的高动态性和复杂性，如何协同优化用户服务延迟与系统迁移成本成为服务迁移算法设计的关键问题。因此，该文提出一种多智能体服务迁移优化(MASMO)算法。首先，考虑到低轨卫星的有限覆盖时间、网络拓扑的动态变化和卫星节点资源等多重因素，对用户服务延迟和系统迁移成本进行建模。其次，将服务迁移优化问题进一步建模为多智能体马尔可夫决策过程(MAMDP)。随后，采用基于轨迹感知的状态信息增强方法，通过融合卫星轨道的可预测信息，引导智能体学习具备前瞻性与稳定性的迁移行为。最后，基于循环多智能体近端策略优化(rMAPPO)算法对服务迁移优化问题进行求解，以最大程度地降低用户服务延迟和系统长期迁移成本。仿真结果表明，所提算法具有良好的收敛性，能够有效协调服务延迟与迁移成本之间的矛盾，对用户服务延迟降低2.90%\begin{document}$ \sim $\end{document}
针对天地一体化边缘计算网络(STECN)的高动态性和复杂性，如何协同优化用户服务延迟与系统迁移成本成为服务迁移算法设计的关键问题。因此，该文提出一种多智能体服务迁移优化(MASMO)算法。首先，考虑到低轨卫星的有限覆盖时间、网络拓扑的动态变化和卫星节点资源等多重因素，对用户服务延迟和系统迁移成本进行建模。其次，将服务迁移优化问题进一步建模为多智能体马尔可夫决策过程(MAMDP)。随后，采用基于轨迹感知的状态信息增强方法，通过融合卫星轨道的可预测信息，引导智能体学习具备前瞻性与稳定性的迁移行为。最后，基于循环多智能体近端策略优化(rMAPPO)算法对服务迁移优化问题进行求解，以最大程度地降低用户服务延迟和系统长期迁移成本。仿真结果表明，所提算法具有良好的收敛性，能够有效协调服务延迟与迁移成本之间的矛盾，对用户服务延迟降低2.90%
2026, 48(2): 512-521.
doi: 10.11999/JEIT250663
摘要:
近年来，人工智能(AI)计算服务的规模和复杂性迅速增长要求算力资源能够被灵活访问和高效使用。作为用户与算力资源间访问和交互的重要通道，网络的能力和性能也亟需进行提升以支持AI计算服务的应用需求，如低时延、高并发等。然而，传统的域名系统(DNS)和基于IP的调度机制在满足这些需求方面面临适应性不足和智能化缺失的问题。因此，计算与网络资源的一体化(即算网融合)成为了解决上述问题的关键途径。鉴于此，该文引入了一种面向AI计算的语义化服务标识(AISID)，用于对服务进行编码，AISID的引入实现了服务请求与资源位置的解耦，从而支持更灵活精确的服务调度。在此基础上，提出一种算网融合的轻量化增量部署方案，通过将智能路由与资源调度相结合以优化服务请求的路由及资源分配。通过对核心设备实施轻量化的增量部署，可在最小改动现有网络的情况下优化网络性能，并增强系统可扩展性。实验结果表明，在500个并发请求的负载条件下，相较于传统的DNS调度和网络架构，AISID机制将请求响应时间降低了61.3%；轻量化部署方案使链路带宽使用率方差和算力使用率方差分别降低32.8%和12.3%。这些结果验证了所提方法在提升AI计算服务性能和资源利用效率方面的有效性，表明该方法为实现算网融合提供了一种有效途径。
近年来，人工智能(AI)计算服务的规模和复杂性迅速增长要求算力资源能够被灵活访问和高效使用。作为用户与算力资源间访问和交互的重要通道，网络的能力和性能也亟需进行提升以支持AI计算服务的应用需求，如低时延、高并发等。然而，传统的域名系统(DNS)和基于IP的调度机制在满足这些需求方面面临适应性不足和智能化缺失的问题。因此，计算与网络资源的一体化(即算网融合)成为了解决上述问题的关键途径。鉴于此，该文引入了一种面向AI计算的语义化服务标识(AISID)，用于对服务进行编码，AISID的引入实现了服务请求与资源位置的解耦，从而支持更灵活精确的服务调度。在此基础上，提出一种算网融合的轻量化增量部署方案，通过将智能路由与资源调度相结合以优化服务请求的路由及资源分配。通过对核心设备实施轻量化的增量部署，可在最小改动现有网络的情况下优化网络性能，并增强系统可扩展性。实验结果表明，在500个并发请求的负载条件下，相较于传统的DNS调度和网络架构，AISID机制将请求响应时间降低了61.3%；轻量化部署方案使链路带宽使用率方差和算力使用率方差分别降低32.8%和12.3%。这些结果验证了所提方法在提升AI计算服务性能和资源利用效率方面的有效性，表明该方法为实现算网融合提供了一种有效途径。
2026, 48(2): 522-533.
doi: 10.11999/JEIT250806
摘要:
随着云网融合技术的发展，多样化的网络业务需求催生了对多模态网络报文柔性化处理的需求。该文提出一种基于多模态网元抽象模型与前-中-后端三段式编译架构的协议报文柔性化处理编译机制，通过中间表示切片算法将多种网络模态混合的处理逻辑拆解并映射至ASIC, FPGA和CPU等异构硬件资源上，构建支持自定义配置的柔性流水线以适应不同的网络业务传输要求。该文详细介绍该架构的设计理念、中间表示结构及中间表示切片算法，并验证所提出的柔性流水线在构造效果和功能满足方面的优越性。实验表明，该机制能构建从1段到5段等多种流水线样式，在原型系统上实现的多模态处理流水线平均延迟最低可达15.48 μs。因此，该机制能够有效提升网络服务的灵活性和效率，为超融合云网环境下的网络报文处理提供了新的思路。
随着云网融合技术的发展，多样化的网络业务需求催生了对多模态网络报文柔性化处理的需求。该文提出一种基于多模态网元抽象模型与前-中-后端三段式编译架构的协议报文柔性化处理编译机制，通过中间表示切片算法将多种网络模态混合的处理逻辑拆解并映射至ASIC, FPGA和CPU等异构硬件资源上，构建支持自定义配置的柔性流水线以适应不同的网络业务传输要求。该文详细介绍该架构的设计理念、中间表示结构及中间表示切片算法，并验证所提出的柔性流水线在构造效果和功能满足方面的优越性。实验表明，该机制能构建从1段到5段等多种流水线样式，在原型系统上实现的多模态处理流水线平均延迟最低可达15.48 μs。因此，该机制能够有效提升网络服务的灵活性和效率，为超融合云网环境下的网络报文处理提供了新的思路。
2026, 48(2): 534-544.
doi: 10.11999/JEIT250606
摘要:
为降低移动边缘计算(MEC)网络安全卸载过程的能耗，该文设计一种基于协作非正交多址(NOMA)的安全卸载模式，利用协作节点的通信和计算能力置换系统的安全性能。考虑设备计算和通信等资源分配的联合设计，该文提出保密中断概率(SOP)约束下的系统加权总能耗最小化问题。针对该非凸优化问题，将其分解为时隙与任务分配和功率分配两个子问题，并提出一种基于交替和逐次凸逼近(SCA)的迭代算法求解，依据信道状态和计算资源调整用户节点与协作节点之间的负载、功率和时隙分配。理论分析与仿真结果表明，所提算法收敛且具有低复杂度，相比于现有的NOMA转发卸载方案、友好干扰方案和NOMA迁移计算方案，可显著降低系统能耗，同时具备更高负载能力和更强的抗窃听能力，实现了节点在通信、计算和安全之间的权衡折衷。
为降低移动边缘计算(MEC)网络安全卸载过程的能耗，该文设计一种基于协作非正交多址(NOMA)的安全卸载模式，利用协作节点的通信和计算能力置换系统的安全性能。考虑设备计算和通信等资源分配的联合设计，该文提出保密中断概率(SOP)约束下的系统加权总能耗最小化问题。针对该非凸优化问题，将其分解为时隙与任务分配和功率分配两个子问题，并提出一种基于交替和逐次凸逼近(SCA)的迭代算法求解，依据信道状态和计算资源调整用户节点与协作节点之间的负载、功率和时隙分配。理论分析与仿真结果表明，所提算法收敛且具有低复杂度，相比于现有的NOMA转发卸载方案、友好干扰方案和NOMA迁移计算方案，可显著降低系统能耗，同时具备更高负载能力和更强的抗窃听能力，实现了节点在通信、计算和安全之间的权衡折衷。
2026, 48(2): 545-555.
doi: 10.11999/JEIT250637
摘要:
智能超表面通常采用有线供电方式，电源线就像一条“尾巴”，严重限制了智能超表面在室外部署的机动灵活性。该文聚焦智能超表面与射频能量采集技术结合的自供能智能超表面(SIM)，针对SIM面临的能量与信息双重中断挑战，分别提出基于静态无线供电和基于动态无线供电的SIM通信策略，探究两种策略下非放大型SIM(U-SIM)和放大型SIM(A-SIM)的通信机理；分别从通信可靠性和安全性两个角度提出并分析所提策略下U-SIM和A-SIM的能量与信息一体化性能，即能量与信息联合中断概率、联合截获概率。结果表明，动态无线供电策略可有效缓解采集能量不足导致的SIM通信可靠性问题；A-SIM的噪声放大虽会抑制其通信可靠性提升，但也能增强通信安全性；静态或动态同一策略下，随SIM反射单元数增多，A-SIM安全性更好，U-SIM可靠性更好。
智能超表面通常采用有线供电方式，电源线就像一条“尾巴”，严重限制了智能超表面在室外部署的机动灵活性。该文聚焦智能超表面与射频能量采集技术结合的自供能智能超表面(SIM)，针对SIM面临的能量与信息双重中断挑战，分别提出基于静态无线供电和基于动态无线供电的SIM通信策略，探究两种策略下非放大型SIM(U-SIM)和放大型SIM(A-SIM)的通信机理；分别从通信可靠性和安全性两个角度提出并分析所提策略下U-SIM和A-SIM的能量与信息一体化性能，即能量与信息联合中断概率、联合截获概率。结果表明，动态无线供电策略可有效缓解采集能量不足导致的SIM通信可靠性问题；A-SIM的噪声放大虽会抑制其通信可靠性提升，但也能增强通信安全性；静态或动态同一策略下，随SIM反射单元数增多，A-SIM安全性更好，U-SIM可靠性更好。
2026, 48(2): 556-566.
doi: 10.11999/JEIT250435
摘要:
电网作为连接电力传输与终端用户的重要枢纽，其数据的管理与分析在保障电网稳定性和提升供电质量方面扮演着举足轻重的角色。电网相关数据涵盖范围广泛，内容复杂，包括用户用电模式、气象条件、设备信息及营销数据等多个层面。这些多源异构数据在采集和传输过程中，常受到噪声信号等冗余信息的影响，容易出现数据缺失现象。数据不完整不仅使运行状态监测变得更加困难，也严重制约了故障诊断、健康评估及运维决策等关键工作的效率与准确性。为了提高电网数据的效用性，更好地利用其来保障电网稳定运行，该文提出一种基于扩散模型的电网数据恢复方法，通过独特设计的双层扩散流，能将时序序列嵌入为条件信息，大幅优化了扩散网络在电网场景下的表现。模型将输入的高斯噪声映射到缺失数据的目标分布空间，从而按照其原始分布规律恢复出缺失数据，增强了数据的可用性和价值。实验表明，与以往的方法相比，该方法能够达到领先的恢复效果。
电网作为连接电力传输与终端用户的重要枢纽，其数据的管理与分析在保障电网稳定性和提升供电质量方面扮演着举足轻重的角色。电网相关数据涵盖范围广泛，内容复杂，包括用户用电模式、气象条件、设备信息及营销数据等多个层面。这些多源异构数据在采集和传输过程中，常受到噪声信号等冗余信息的影响，容易出现数据缺失现象。数据不完整不仅使运行状态监测变得更加困难，也严重制约了故障诊断、健康评估及运维决策等关键工作的效率与准确性。为了提高电网数据的效用性，更好地利用其来保障电网稳定运行，该文提出一种基于扩散模型的电网数据恢复方法，通过独特设计的双层扩散流，能将时序序列嵌入为条件信息，大幅优化了扩散网络在电网场景下的表现。模型将输入的高斯噪声映射到缺失数据的目标分布空间，从而按照其原始分布规律恢复出缺失数据，增强了数据的可用性和价值。实验表明，与以往的方法相比，该方法能够达到领先的恢复效果。
2026, 48(2): 567-582.
doi: 10.11999/JEIT250272
摘要:
为提升超融合(HCI)系统内异构域跨域的传输性能和稳定性，该文提出一种支持双传输模式的非透明桥(NTB)数据通路架构(D-MNTBA)。通过融合所提旁路架构下的快速传输模式和传统架构(TDPA)下的稳定传输模式，NTB能够结合HCI数据特性与跨域需求进行分流传输报文。通过对地址转换和ID转换进行硬件级优化，NTB中地址转换可支持更复杂的转换方案，并最大限度地压缩了ID转换时间。实验结果表明，在所构建的HCI环境中，D-MNTBA的最大带宽及吞吐量分别可达1500 MB/s和1.36 GB/s，ID转换时间降低至71 ns。相较于以太网卡，其带宽及吞吐量分别提升了约19.0%和40.2%。对比PEX8748，其ID转换时间缩短了约34.9%，带宽及吞吐量分别提升了约27.1%和51.1%，且系统稳定性更强，可有效支撑HCI中异构域的跨域传输。
为提升超融合(HCI)系统内异构域跨域的传输性能和稳定性，该文提出一种支持双传输模式的非透明桥(NTB)数据通路架构(D-MNTBA)。通过融合所提旁路架构下的快速传输模式和传统架构(TDPA)下的稳定传输模式，NTB能够结合HCI数据特性与跨域需求进行分流传输报文。通过对地址转换和ID转换进行硬件级优化，NTB中地址转换可支持更复杂的转换方案，并最大限度地压缩了ID转换时间。实验结果表明，在所构建的HCI环境中，D-MNTBA的最大带宽及吞吐量分别可达
2026, 48(2): 583-596.
doi: 10.11999/JEIT250807
摘要:
车路协同网络的拓扑结构变化频繁、业务需求呈现多样性等特征，给数据高效可靠传输带来了挑战。基于地理位置信息的网络协议标准，结合多模态网络的柔性可扩展架构，该文提出并设计了一种地理空间标识网络模态，在网络层协议上将IP替换为地理空间标识网络协议，并在可编程多模态网元设备上实现了基于地理空间信息的寻址和路由。为了验证地理空间标识网络模态的可用性，面向智慧交通场景研制了支持地理空间标识寻址机制的车路协同智慧交通系统，有效实现车路协同系统中包括道路安全和交通信息的传输。实验表明该系统具备良好的稳定性和高效性，可应用于泛连接、弹性业务流量等典型车路协同交通场景。
车路协同网络的拓扑结构变化频繁、业务需求呈现多样性等特征，给数据高效可靠传输带来了挑战。基于地理位置信息的网络协议标准，结合多模态网络的柔性可扩展架构，该文提出并设计了一种地理空间标识网络模态，在网络层协议上将IP替换为地理空间标识网络协议，并在可编程多模态网元设备上实现了基于地理空间信息的寻址和路由。为了验证地理空间标识网络模态的可用性，面向智慧交通场景研制了支持地理空间标识寻址机制的车路协同智慧交通系统，有效实现车路协同系统中包括道路安全和交通信息的传输。实验表明该系统具备良好的稳定性和高效性，可应用于泛连接、弹性业务流量等典型车路协同交通场景。
2026, 48(2): 597-606.
doi: 10.11999/JEIT250457
摘要:
随着电力工业互联网的快速发展，电力系统与互联网的深度融合在推动产业智能化升级的同时，也带来了严峻的安全挑战。资源受限的终端使电力设备易遭受恶意攻击，亟须高效安全的身份认证机制以保障系统内的数据安全传输。然而，现有认证方案计算开销较大，且在应对常见攻击时仍存在安全隐患，难以满足电力工业互联网的实际需求。针对这一问题，该文设计了一种安全轻量的身份认证方案。在设备注册阶段引入隐式证书技术，将公钥认证信息嵌入签名中，从而无须显式传输完整的证书信息。相比传统证书，隐式证书更短且验证效率更高，有效降低了传输与验证开销。在此基础上，该文构建了仅依赖哈希、异或及椭圆曲线模乘运算的轻量级认证流程，实现设备间的安全身份认证与会话密钥协商，更适用于资源受限终端。随后，该文通过形式化方法分析了方案安全性，证明其具备安全相互认证、会话密钥保密性与前向安全性，并能有效抵御重放与中间人等典型攻击。最后，通过实验对所提方案与现有先进方案进行了全面对比，结果验证了该文所提方案具备更低的计算和通信开销。
随着电力工业互联网的快速发展，电力系统与互联网的深度融合在推动产业智能化升级的同时，也带来了严峻的安全挑战。资源受限的终端使电力设备易遭受恶意攻击，亟须高效安全的身份认证机制以保障系统内的数据安全传输。然而，现有认证方案计算开销较大，且在应对常见攻击时仍存在安全隐患，难以满足电力工业互联网的实际需求。针对这一问题，该文设计了一种安全轻量的身份认证方案。在设备注册阶段引入隐式证书技术，将公钥认证信息嵌入签名中，从而无须显式传输完整的证书信息。相比传统证书，隐式证书更短且验证效率更高，有效降低了传输与验证开销。在此基础上，该文构建了仅依赖哈希、异或及椭圆曲线模乘运算的轻量级认证流程，实现设备间的安全身份认证与会话密钥协商，更适用于资源受限终端。随后，该文通过形式化方法分析了方案安全性，证明其具备安全相互认证、会话密钥保密性与前向安全性，并能有效抵御重放与中间人等典型攻击。最后，通过实验对所提方案与现有先进方案进行了全面对比，结果验证了该文所提方案具备更低的计算和通信开销。
2026, 48(2): 607-617.
doi: 10.11999/JEIT250949
摘要:
针对多模态网络(PN)动态演化与共生协同的关键需求，该文分析了多模态网络业务域、模态(网络模态(NM))域、功能域、资源域的组成与域间映射，将其建模为复杂的动力学系统，并以业务服务质量、网络资源复用水平和业务包容性为系统目标，指出多模态网络的运行遵循最小自由能原理，并揭示了该动力学系统中的双尺度现象，为网络模态共生(SNM)和演化(ENM)提供理论指导。进而，提出一种网络模态共生与演化的3切面结构，即网络模态演化决策切面、网络模态智能生成切面和网络模态共生平台切面，为实现网络模态共生和演化提供使能架构。最后，分析了该体系结构的运行逻辑，为多模态网络中网络模态的高效协同与动态演化提供了运行指导。
针对多模态网络(PN)动态演化与共生协同的关键需求，该文分析了多模态网络业务域、模态(网络模态(NM))域、功能域、资源域的组成与域间映射，将其建模为复杂的动力学系统，并以业务服务质量、网络资源复用水平和业务包容性为系统目标，指出多模态网络的运行遵循最小自由能原理，并揭示了该动力学系统中的双尺度现象，为网络模态共生(SNM)和演化(ENM)提供理论指导。进而，提出一种网络模态共生与演化的3切面结构，即网络模态演化决策切面、网络模态智能生成切面和网络模态共生平台切面，为实现网络模态共生和演化提供使能架构。最后，分析了该体系结构的运行逻辑，为多模态网络中网络模态的高效协同与动态演化提供了运行指导。
2026, 48(2): 618-629.
doi: 10.11999/JEIT240787
摘要:
欺骗干扰不仅会使雷达无法分辨真实目标与虚假目标，还会对真实目标的参数估计精度和跟踪性能产生极大影响。针对机载分布式雷达中的欺骗干扰鉴别问题，该文提出一种基于相位起伏的欺骗干扰鉴别方法。该方法首先对机载分布式雷达系统中影响回波信号相位的同步误差进行校正；然后对接收到的多站回波进行精细化处理以获取多站目标散射相位矢量；最后根据真假目标散射特性差异，采用相位矢量的起伏方差鉴别真假目标。所提方法可以增强机载分布式雷达系统在复杂电磁环境中的抗干扰性能，仿真结果验证了该方法的有效性。
欺骗干扰不仅会使雷达无法分辨真实目标与虚假目标，还会对真实目标的参数估计精度和跟踪性能产生极大影响。针对机载分布式雷达中的欺骗干扰鉴别问题，该文提出一种基于相位起伏的欺骗干扰鉴别方法。该方法首先对机载分布式雷达系统中影响回波信号相位的同步误差进行校正；然后对接收到的多站回波进行精细化处理以获取多站目标散射相位矢量；最后根据真假目标散射特性差异，采用相位矢量的起伏方差鉴别真假目标。所提方法可以增强机载分布式雷达系统在复杂电磁环境中的抗干扰性能，仿真结果验证了该方法的有效性。
2026, 48(2): 630-639.
doi: 10.11999/JEIT250811
摘要:
针对有源可重构智能表面(RIS)辅助共生安全通信的系统总功耗问题，该文提出一种基于惩罚的鲁棒资源分配算法。考虑不完美的串行干扰消除，在主系统安全性、次系统可靠性，以及有源RIS的相移与功率约束下，通过联合优化发射机波束赋形向量与有源RIS反射系数矩阵，建立了一个基于线性函数模型的鲁棒系统总功耗最小化资源分配问题。利用交替优化方法将上述变量与约束高度耦合的非凸问题解耦，通过变量替换、等价转换与基于惩罚的连续凸逼近将子问题转换成凸优化问题，最后利用CVX对子问题进行求解。仿真结果表明，所提算法具有良好的收敛性，且相比经典的无源RIS，系统总功耗降低89%。
针对有源可重构智能表面(RIS)辅助共生安全通信的系统总功耗问题，该文提出一种基于惩罚的鲁棒资源分配算法。考虑不完美的串行干扰消除，在主系统安全性、次系统可靠性，以及有源RIS的相移与功率约束下，通过联合优化发射机波束赋形向量与有源RIS反射系数矩阵，建立了一个基于线性函数模型的鲁棒系统总功耗最小化资源分配问题。利用交替优化方法将上述变量与约束高度耦合的非凸问题解耦，通过变量替换、等价转换与基于惩罚的连续凸逼近将子问题转换成凸优化问题，最后利用CVX对子问题进行求解。仿真结果表明，所提算法具有良好的收敛性，且相比经典的无源RIS，系统总功耗降低89%。
2026, 48(2): 640-650.
doi: 10.11999/JEIT250680
摘要:
通感一体化(ISAC)利用一种波形实现雷达感知与无线通信两种功能，能够消除雷达与通信电磁互扰，显著提高频谱效率、信息交互效率，已经成为6G潜在关键技术。目前，如何设计ISAC信号波形成为一体化设计广泛研究重点。方向调制(DM)一体化信号波形，因其独特的信号设计特点，能够在一体化信号设计种呈现出天然优势。该文从DM技术出发，介绍DM一体化波形设计理论、优势及挑战，并提出多载波DM一体化信号波形旁瓣干扰抑制机理，分析DM一体化波形参数对安全通信及雷达感知性能影响，为一体化波形在复杂环境中的安全、抗干扰需求设计提供新思路。
通感一体化(ISAC)利用一种波形实现雷达感知与无线通信两种功能，能够消除雷达与通信电磁互扰，显著提高频谱效率、信息交互效率，已经成为6G潜在关键技术。目前，如何设计ISAC信号波形成为一体化设计广泛研究重点。方向调制(DM)一体化信号波形，因其独特的信号设计特点，能够在一体化信号设计种呈现出天然优势。该文从DM技术出发，介绍DM一体化波形设计理论、优势及挑战，并提出多载波DM一体化信号波形旁瓣干扰抑制机理，分析DM一体化波形参数对安全通信及雷达感知性能影响，为一体化波形在复杂环境中的安全、抗干扰需求设计提供新思路。
2026, 48(2): 651-661.
doi: 10.11999/JEIT250670
摘要:
低地球轨道(LEO)卫星网络凭借其全球无缝覆盖与低传输延迟的优势，被视为空天地一体化通信系统的关键组成部分。然而，用户请求若未命中本地卫星缓存，则需通过星间链路或星地链路回源，从而引入较高延迟。同时，受限于星载硬件资源，卫星节点的存储容量极为有限，难以支持大规模内容缓存，这对动态自适应的缓存部署机制设计提出了严峻挑战。该文聚焦LEO卫星网络中的缓存部署问题，基于拥塞感知和内容价值，提出一种自适应缓存部署方案，根据网络的实时状态实施缓存决策，从而提升缓存命中率、降低星地回传负载、优化用户服务质量。首先，卫星节点实时监测链路拥塞状态，并将链路拥塞的概率通过数据包反馈给下游节点；其次，结合兴趣包的内容流行度、数据包的新鲜度构建二维价值评估模型；最后，依据拥塞等级动态调整缓存阈值，再结合跳数控制因子进行缓存决策。仿真结果表明，所提策略在缓存命中率、平均路由跳数及平均请求时延3项核心指标上均优于基于流行度感知的邻近度缓存(PaCC)与处处缓存(LCE)策略：在缓存容量动态变化场景下，缓存命中率较PaCC和LCE策略分别提升9.5%和43.7%；在Zipf分布参数变化场景下，缓存命中率较上述2种策略分别提升8.7%和29.1%；在网络传输性能方面，所提策略的平均路由跳数较PaCC策略总体下降2.24%，平均请求时延则较PaCC和LCE策略总体下降2.8%和9.5%。
低地球轨道(LEO)卫星网络凭借其全球无缝覆盖与低传输延迟的优势，被视为空天地一体化通信系统的关键组成部分。然而，用户请求若未命中本地卫星缓存，则需通过星间链路或星地链路回源，从而引入较高延迟。同时，受限于星载硬件资源，卫星节点的存储容量极为有限，难以支持大规模内容缓存，这对动态自适应的缓存部署机制设计提出了严峻挑战。该文聚焦LEO卫星网络中的缓存部署问题，基于拥塞感知和内容价值，提出一种自适应缓存部署方案，根据网络的实时状态实施缓存决策，从而提升缓存命中率、降低星地回传负载、优化用户服务质量。首先，卫星节点实时监测链路拥塞状态，并将链路拥塞的概率通过数据包反馈给下游节点；其次，结合兴趣包的内容流行度、数据包的新鲜度构建二维价值评估模型；最后，依据拥塞等级动态调整缓存阈值，再结合跳数控制因子进行缓存决策。仿真结果表明，所提策略在缓存命中率、平均路由跳数及平均请求时延3项核心指标上均优于基于流行度感知的邻近度缓存(PaCC)与处处缓存(LCE)策略：在缓存容量动态变化场景下，缓存命中率较PaCC和LCE策略分别提升9.5%和43.7%；在Zipf分布参数变化场景下，缓存命中率较上述2种策略分别提升8.7%和29.1%；在网络传输性能方面，所提策略的平均路由跳数较PaCC策略总体下降2.24%，平均请求时延则较PaCC和LCE策略总体下降2.8%和9.5%。
2026, 48(2): 662-672.
doi: 10.11999/JEIT250764
摘要:
在特定信息领域，尤其是开源信息领域，传统模型命名实体识别面临缺乏充足标注数据、难以满足复杂信息抽取任务等困难。该文聚焦开源信息领域，提出一种基于大语言模型的命名实体识别方法，旨在通过大语言模型强大的语义推理能力准确理解复杂的抽取要求，并自动完成抽取任务。通过指令微调和利用检索增强生成将专家知识融入模型，结合问题回归模块，使低参数通用型大模型基座能够快速适应开源信息这一特定领域，形成领域专家模型。实验结果表明，仅需少量的成本，便能构建一个高效的领域专家系统，为开源信息领域的命名实体识别提供了一种更为有效的解决方案。
在特定信息领域，尤其是开源信息领域，传统模型命名实体识别面临缺乏充足标注数据、难以满足复杂信息抽取任务等困难。该文聚焦开源信息领域，提出一种基于大语言模型的命名实体识别方法，旨在通过大语言模型强大的语义推理能力准确理解复杂的抽取要求，并自动完成抽取任务。通过指令微调和利用检索增强生成将专家知识融入模型，结合问题回归模块，使低参数通用型大模型基座能够快速适应开源信息这一特定领域，形成领域专家模型。实验结果表明，仅需少量的成本，便能构建一个高效的领域专家系统，为开源信息领域的命名实体识别提供了一种更为有效的解决方案。
2026, 48(2): 673-685.
doi: 10.11999/JEIT250612
摘要:
车载元宇宙作为元宇宙与智能交通系统融合演进的新兴范式，正逐步成为汽车产业变革的重要推力。在这一背景下，智能孪生体作为覆盖车辆全生命周期并管理车载应用的数字化副本，为用户提供沉浸式车载元宇宙服务。针对车载元宇宙中孪生体迁移的服务连续性与网络安全性问题，该文提出一种基于路侧单元(RSU)链构建的孪生体全局安全动态迁移方案，以确保在面临多种类型分布式拒绝服务(DDoS)攻击时，孪生体能够高效安全迁移。具体而言，该方案通过通信不中断机制构建可靠RSU链集合，实现孪生体在不同RSU间的无缝迁移。然后，将全局迁移过程建模为部分可观测马尔可夫决策过程，综合考虑RSU负载、计算能力及攻击类型等动态环境因素。最后，利用多智能体深度Q网络算法对安全迁移优化问题进行求解。实验结果表明，在多种DDoS攻击场景下所提方案显著提升了迁移过程的效率与安全性，使孪生体有效避免与受攻击的RSU连接，从而保障全局迁移的高效可靠性。
车载元宇宙作为元宇宙与智能交通系统融合演进的新兴范式，正逐步成为汽车产业变革的重要推力。在这一背景下，智能孪生体作为覆盖车辆全生命周期并管理车载应用的数字化副本，为用户提供沉浸式车载元宇宙服务。针对车载元宇宙中孪生体迁移的服务连续性与网络安全性问题，该文提出一种基于路侧单元(RSU)链构建的孪生体全局安全动态迁移方案，以确保在面临多种类型分布式拒绝服务(DDoS)攻击时，孪生体能够高效安全迁移。具体而言，该方案通过通信不中断机制构建可靠RSU链集合，实现孪生体在不同RSU间的无缝迁移。然后，将全局迁移过程建模为部分可观测马尔可夫决策过程，综合考虑RSU负载、计算能力及攻击类型等动态环境因素。最后，利用多智能体深度Q网络算法对安全迁移优化问题进行求解。实验结果表明，在多种DDoS攻击场景下所提方案显著提升了迁移过程的效率与安全性，使孪生体有效避免与受攻击的RSU连接，从而保障全局迁移的高效可靠性。
2026, 48(2): 686-696.
doi: 10.11999/JEIT250132
摘要:
当前，后端编译器相关工作主要针对软件可编程交换机(BMv2)、现场可编程门阵列(FPGA)、Intel Tofino系列芯片等可编程设备进行设计和优化，不适用于国产盛科TsingMa.MX交换芯片上多模态网络程序的编译。为此，该文提出面向TsingMa.MX交换芯片的多模态网络后端编译器p4c-TsingMa，实现了高级网络编程语言到TsingMa.MX交换芯片的编译，使TsingMa.MX交换芯片同时支持多种网络模态报文的解析与转发。p4c-TsingMa首先使用先序遍历方法从中间表示中提取出协议类型、协议字段、动作等关键信息，然后根据所提取的信息进行指令转译，最终生成TsingMa.MX芯片控制命令。同时，p4c-TsingMa采用用户自定义字段(UDF)合并方法，将不同网络模态的匹配指令合并在1个查找表中，从而1次提取多个模态的匹配项，提高芯片资源利用率。实验结果表明，p4c-TsingMa可实现对多种网络模态程序的正确编译，相较于未启用 UDF 表项合并算法、单端口独立配置各模态UDF规则的场景，其可将寄存器资源利用率提升37.5%～75%。
当前，后端编译器相关工作主要针对软件可编程交换机(BMv2)、现场可编程门阵列(FPGA)、Intel Tofino系列芯片等可编程设备进行设计和优化，不适用于国产盛科TsingMa.MX交换芯片上多模态网络程序的编译。为此，该文提出面向TsingMa.MX交换芯片的多模态网络后端编译器p4c-TsingMa，实现了高级网络编程语言到TsingMa.MX交换芯片的编译，使TsingMa.MX交换芯片同时支持多种网络模态报文的解析与转发。p4c-TsingMa首先使用先序遍历方法从中间表示中提取出协议类型、协议字段、动作等关键信息，然后根据所提取的信息进行指令转译，最终生成TsingMa.MX芯片控制命令。同时，p4c-TsingMa采用用户自定义字段(UDF)合并方法，将不同网络模态的匹配指令合并在1个查找表中，从而1次提取多个模态的匹配项，提高芯片资源利用率。实验结果表明，p4c-TsingMa可实现对多种网络模态程序的正确编译，相较于未启用 UDF 表项合并算法、单端口独立配置各模态UDF规则的场景，其可将寄存器资源利用率提升37.5%～75%。
2026, 48(2): 697-712.
doi: 10.11999/JEIT250790
摘要:
自2020年5G设备开始大规模商用部署后，全球业界已经开始了6G技术的研究。在5G/6G时代，通信系统需要适应更加复杂的信道环境，如超高密度的城市环境、远海、沙漠、森林等地域。因此，如果能够有一种低能耗的方式，对无线通信信道进行自适应的调整和重构，将不仅有助于无线通信设备向传输时延更低、传输速率更快、接收能力更强等方面进一步迈进，而且可以帮助无线通信设备更好地部署于复杂信道环境的地域。智能反射面(IRS)被认为是实现信道环境重构的一种有效的设备。这些IRS设备大多是无源设备，因此，不会带来过多的能耗。当IRS与单输入单输出(SISO)、多输入单输出(MISO)、多输入多输出(MIMO)等技术相结合时，将进一步提高无线通信传输的传输速率、降低无线通信的能耗、增强无线通信设备对复杂信道环境的适应性。该文对IRS辅助的SISO,MISO和MIMO系统的信号传输模型进行系统总结，分析了IRS辅助的SISO,MISO和MIMO的信号传输建模方式，并对IRS辅助的SISO,MISO和MIMO系统的波束赋形和相移技术进行了综述。
自2020年5G设备开始大规模商用部署后，全球业界已经开始了6G技术的研究。在5G/6G时代，通信系统需要适应更加复杂的信道环境，如超高密度的城市环境、远海、沙漠、森林等地域。因此，如果能够有一种低能耗的方式，对无线通信信道进行自适应的调整和重构，将不仅有助于无线通信设备向传输时延更低、传输速率更快、接收能力更强等方面进一步迈进，而且可以帮助无线通信设备更好地部署于复杂信道环境的地域。智能反射面(IRS)被认为是实现信道环境重构的一种有效的设备。这些IRS设备大多是无源设备，因此，不会带来过多的能耗。当IRS与单输入单输出(SISO)、多输入单输出(MISO)、多输入多输出(MIMO)等技术相结合时，将进一步提高无线通信传输的传输速率、降低无线通信的能耗、增强无线通信设备对复杂信道环境的适应性。该文对IRS辅助的SISO,MISO和MIMO系统的信号传输模型进行系统总结，分析了IRS辅助的SISO,MISO和MIMO的信号传输建模方式，并对IRS辅助的SISO,MISO和MIMO系统的波束赋形和相移技术进行了综述。
2026, 48(2): 713-731.
doi: 10.11999/JEIT250894
摘要:
Meta公司提出的分割一切模型(SAM)作为计算机视觉领域的基础模型，在图像分割、目标检测与跟踪等任务中展现出强大的零样本泛化能力。然而，SAM模型依赖计算密集型的图像编码器(如ViT-H)和复杂的任务解码架构，导致高昂的计算资源消耗和存储需求，严重限制了其在边缘设备、移动终端等资源受限场景中的实际部署。为提升SAM的实用性，近年来研究者提出了多种轻量化方法。该文系统性综述了相关进展：首先，从任务范式、模型架构、数据引擎和应用领域等多方面简要介绍了SAM的基本情况。其次，回顾了高效基础架构替换、知识蒸馏、模型量化和模型剪枝等模型压缩方法。在此基础上，进一步概述了重构模型结构和轻量化网络替代等方法在当前SAM轻量化研究中的具体应用情况。最后，聚焦效率和精度上的平衡问题，对SAM轻量化模型未来的发展方向进行了深入分析和讨论。
Meta公司提出的分割一切模型(SAM)作为计算机视觉领域的基础模型，在图像分割、目标检测与跟踪等任务中展现出强大的零样本泛化能力。然而，SAM模型依赖计算密集型的图像编码器(如ViT-H)和复杂的任务解码架构，导致高昂的计算资源消耗和存储需求，严重限制了其在边缘设备、移动终端等资源受限场景中的实际部署。为提升SAM的实用性，近年来研究者提出了多种轻量化方法。该文系统性综述了相关进展：首先，从任务范式、模型架构、数据引擎和应用领域等多方面简要介绍了SAM的基本情况。其次，回顾了高效基础架构替换、知识蒸馏、模型量化和模型剪枝等模型压缩方法。在此基础上，进一步概述了重构模型结构和轻量化网络替代等方法在当前SAM轻量化研究中的具体应用情况。最后，聚焦效率和精度上的平衡问题，对SAM轻量化模型未来的发展方向进行了深入分析和讨论。
2026, 48(2): 732-742.
doi: 10.11999/JEIT250787
摘要:
传统反向散射通信无法同步实现射频能量收集与传感信息读出，而基于有源标签的传感信息回传存在较高通信能耗。该文提出一种新颖的3阶互调(IM3)反向散射式无源传感系统，可在不影响射频能量收集效率的前提下实现传感信息低功耗读出。该文研究了整流电路中反向散射IM3产生机制，通过差频嵌入阻抗调控IM3信号转换效率，传感信息控制嵌入阻抗谐振频率变化，将传感信息映射到IM3信号强度凹陷点变化上，查询器通过扫描该凹陷点反演传感信息。实验结果表明，该系统能准确读取传感信息，能量转换效率仅比纯整流模式下降约5个百分点；在1 m无线传输距离下，反向散射IM3信号反演的传感电压与直接测量值误差小于5%，为解决同步能量收集与模拟量读出、低功耗信息传输问题提供了新方法。
传统反向散射通信无法同步实现射频能量收集与传感信息读出，而基于有源标签的传感信息回传存在较高通信能耗。该文提出一种新颖的3阶互调(IM3)反向散射式无源传感系统，可在不影响射频能量收集效率的前提下实现传感信息低功耗读出。该文研究了整流电路中反向散射IM3产生机制，通过差频嵌入阻抗调控IM3信号转换效率，传感信息控制嵌入阻抗谐振频率变化，将传感信息映射到IM3信号强度凹陷点变化上，查询器通过扫描该凹陷点反演传感信息。实验结果表明，该系统能准确读取传感信息，能量转换效率仅比纯整流模式下降约5个百分点；在1 m无线传输距离下，反向散射IM3信号反演的传感电压与直接测量值误差小于5%，为解决同步能量收集与模拟量读出、低功耗信息传输问题提供了新方法。
2026, 48(2): 743-751.
doi: 10.11999/JEIT250681
摘要:
在无人机(UAV)辅助通信网络的实际部署中，禁飞区(NFZs)会收缩可行空域并迫使无人机绕行，致使路径损耗加剧，从而引发通信性能下降。为恢复并增强覆盖，该文将可重构智能表面(RIS)集成于无人机平台并实施协同相位控制以构建可编程反射链路。然而，可重构智能表面的指向性增益对无人机姿态高度敏感，进而影响系统性能。为此，该文提出一种无人机搭载可重构智能表面的新型通信框架，考虑到多禁飞区环境，通过联合优化无人机轨迹、可重构智能表面相移、无人机姿态和基站波束赋形，建立通信速率最大化问题，并提出基于积分路径的完全规避禁飞区方案，在严格绕行禁飞区的同时保障禁飞区内外用户的通信。鉴于该优化问题具有高度复杂性，该文将其构建为马尔可夫决策(MDP)过程，并提出基于软演员-评论家的深度强化学习算法进行求解。仿真结果表明，在保证完全绕行禁飞区的同时，所提方法能够显著提升通信速率，并在可扩展性与稳定性方面优于基线方案。
在无人机(UAV)辅助通信网络的实际部署中，禁飞区(NFZs)会收缩可行空域并迫使无人机绕行，致使路径损耗加剧，从而引发通信性能下降。为恢复并增强覆盖，该文将可重构智能表面(RIS)集成于无人机平台并实施协同相位控制以构建可编程反射链路。然而，可重构智能表面的指向性增益对无人机姿态高度敏感，进而影响系统性能。为此，该文提出一种无人机搭载可重构智能表面的新型通信框架，考虑到多禁飞区环境，通过联合优化无人机轨迹、可重构智能表面相移、无人机姿态和基站波束赋形，建立通信速率最大化问题，并提出基于积分路径的完全规避禁飞区方案，在严格绕行禁飞区的同时保障禁飞区内外用户的通信。鉴于该优化问题具有高度复杂性，该文将其构建为马尔可夫决策(MDP)过程，并提出基于软演员-评论家的深度强化学习算法进行求解。仿真结果表明，在保证完全绕行禁飞区的同时，所提方法能够显著提升通信速率，并在可扩展性与稳定性方面优于基线方案。
2026, 48(2): 752-761.
doi: 10.11999/JEIT250741
摘要:
该文研究了多步随机观测滞后和丢包系统的极大极小鲁棒Kalman滤波问题。系统噪声方差不确定但有已知保守上界，传感器到估值器的多步随机观测滞后和丢包通过一组概率已知的伯努利分布随机变量描述。利用哈达玛乘积改进模型转换方法，设计了极大极小鲁棒时变Kalman估值器。利用矩阵初等变换、盖尔圆盘定理和哈达玛乘积定理证明了广义李雅普诺夫方程解的半正定性，进而应用矩阵分解和李雅普诺夫方程方法证明了所设计估值器的鲁棒性，即对所有容许的不确定性，确保实际估计误差方差有最小上界。给出时变广义李雅普诺夫方程存在稳态唯一半正定解的条件，进而设计了鲁棒稳态估值器。证明了时变和稳态估值器的按实现收敛性。仿真实例验证了其有效性。
该文研究了多步随机观测滞后和丢包系统的极大极小鲁棒Kalman滤波问题。系统噪声方差不确定但有已知保守上界，传感器到估值器的多步随机观测滞后和丢包通过一组概率已知的伯努利分布随机变量描述。利用哈达玛乘积改进模型转换方法，设计了极大极小鲁棒时变Kalman估值器。利用矩阵初等变换、盖尔圆盘定理和哈达玛乘积定理证明了广义李雅普诺夫方程解的半正定性，进而应用矩阵分解和李雅普诺夫方程方法证明了所设计估值器的鲁棒性，即对所有容许的不确定性，确保实际估计误差方差有最小上界。给出时变广义李雅普诺夫方程存在稳态唯一半正定解的条件，进而设计了鲁棒稳态估值器。证明了时变和稳态估值器的按实现收敛性。仿真实例验证了其有效性。
2026, 48(2): 762-771.
doi: 10.11999/JEIT250734
摘要:
星间激光通信因其具有超大信道容量、极低传输损耗和物理层高安全性，已成为下一代低轨巨型星座实现全球高速数据传输的核心技术。然而，低轨卫星的高速相对运动与复杂轨道摄动，对激光终端的快速建链与稳定跟踪构成了严峻挑战。为实现稳定可靠的通信链路，必须在全空间范围内建立粗指向机构(CPA)与探测器间微弧度量级的光学标定关系。该文提出一种面向低轨星座的全视场微弧度级光学标定方法，将复杂光机耦合误差统一建模为线性映射关系，利用CPA的随机微扰动运动构建其转角微偏移量与探测器光斑位移间的共轭关系，从而精确估计光学标定矩阵。实验结果表明，该方法可有效抑制光学像旋、跨象限运动、异常跟踪及镜像等系统误差，全空间跟踪精度优于5 μrad，显著提升了终端动态跟踪性能。
星间激光通信因其具有超大信道容量、极低传输损耗和物理层高安全性，已成为下一代低轨巨型星座实现全球高速数据传输的核心技术。然而，低轨卫星的高速相对运动与复杂轨道摄动，对激光终端的快速建链与稳定跟踪构成了严峻挑战。为实现稳定可靠的通信链路，必须在全空间范围内建立粗指向机构(CPA)与探测器间微弧度量级的光学标定关系。该文提出一种面向低轨星座的全视场微弧度级光学标定方法，将复杂光机耦合误差统一建模为线性映射关系，利用CPA的随机微扰动运动构建其转角微偏移量与探测器光斑位移间的共轭关系，从而精确估计光学标定矩阵。实验结果表明，该方法可有效抑制光学像旋、跨象限运动、异常跟踪及镜像等系统误差，全空间跟踪精度优于5 μrad，显著提升了终端动态跟踪性能。
2026, 48(2): 772-783.
doi: 10.11999/JEIT250934
摘要:
水轮发电机组作为水电站的核心动力设备，其安全稳定运行对于整个水电站具有重要意义。近年来，非接触式声学测量作为一种有效的检测手段受到广泛关注，然而水轮发电机组的实际运行的异常声信号难以采集，传统异常检测方法及基于监督学习的分类策略在该领域的应用受到限制。针对上述挑战，该文提出一种预训练音频大模型与密度估计k近邻(k-NN)的水轮发电机声学无监督异常检测方法。首先验证了预训练音频模型提取的通用音频特征在异常检测中的有效性；随后设计了一种融合注意力统计池化与warm-up的参数微调策略，实现模型的迁移优化，在推理阶段设计了一种密度估计的k近邻实现鲁棒的距离度量。实验结果表明，该方法在风洞环境达到了98.7%的多指标调和平均数，在滑环室则高达99.9%，为水电站的声学异常检测提供了切实可行且性能优异的解决方案。
水轮发电机组作为水电站的核心动力设备，其安全稳定运行对于整个水电站具有重要意义。近年来，非接触式声学测量作为一种有效的检测手段受到广泛关注，然而水轮发电机组的实际运行的异常声信号难以采集，传统异常检测方法及基于监督学习的分类策略在该领域的应用受到限制。针对上述挑战，该文提出一种预训练音频大模型与密度估计k近邻(k-NN)的水轮发电机声学无监督异常检测方法。首先验证了预训练音频模型提取的通用音频特征在异常检测中的有效性；随后设计了一种融合注意力统计池化与warm-up的参数微调策略，实现模型的迁移优化，在推理阶段设计了一种密度估计的k近邻实现鲁棒的距离度量。实验结果表明，该方法在风洞环境达到了98.7%的多指标调和平均数，在滑环室则高达99.9%，为水电站的声学异常检测提供了切实可行且性能优异的解决方案。
2026, 48(2): 784-793.
doi: 10.11999/JEIT250719
摘要:
随着5G毫米波技术的快速发展，对天线的高增益、宽波束覆盖和小尺寸提出了更高要求。该文基于人工磁导体(AMC)结构，设计了一种毫米波频段的具有大角域扫描能力的单极化一维阵列天线。通过利用AMC结构的同相反射特性，天线阵列在提升带宽和增益的同时，实现了显著的宽角扫描能力。天线单元采用单极化设计，通过堆叠式结构优化电流分布，改善了带宽和端口隔离度。阵列以4.6 mm(26 GHz时的0.4波长)间距组阵，加载AMC结构后，阵中天线单元的增益提升至5 dBi，且相邻单元的方形贴片参与辐射，进一步展宽了辐射方向图。仿真结果表明，天线阵列覆盖23.7～28 GHz频段，最大增益达13.8 dBi，在26 GHz时实现了±80°的宽角扫描性能。此外，加工测试验证了设计的可行性，实测结果与仿真吻合良好，隔离度优于\begin{document}$ - $\end{document}
随着5G毫米波技术的快速发展，对天线的高增益、宽波束覆盖和小尺寸提出了更高要求。该文基于人工磁导体(AMC)结构，设计了一种毫米波频段的具有大角域扫描能力的单极化一维阵列天线。通过利用AMC结构的同相反射特性，天线阵列在提升带宽和增益的同时，实现了显著的宽角扫描能力。天线单元采用单极化设计，通过堆叠式结构优化电流分布，改善了带宽和端口隔离度。阵列以4.6 mm(26 GHz时的0.4波长)间距组阵，加载AMC结构后，阵中天线单元的增益提升至5 dBi，且相邻单元的方形贴片参与辐射，进一步展宽了辐射方向图。仿真结果表明，天线阵列覆盖23.7～28 GHz频段，最大增益达13.8 dBi，在26 GHz时实现了±80°的宽角扫描性能。此外，加工测试验证了设计的可行性，实测结果与仿真吻合良好，隔离度优于
2026, 48(2): 794-805.
doi: 10.11999/JEIT250769
摘要:
该文围绕软件项目开发过程中存在的不确定因素，建立一种考虑任务工作量不确定性的多目标软件项目调度模型。该模型采用非对称三角区间二型模糊数描述工作量的不确定性。为了提高不确定环境下的决策质量，提出一种基于策略梯度的超启发式算法求解该模型。该算法将强化学习中的一种策略梯度算法(即Actor-Critic算法)作为高层策略，根据算法的当前运行状态选择合适的低层启发式策略。同时引入优先经验回放法，以利用历史经验信息更新网络参数，加快收敛速度并降低学习成本。将所提算法与6种代表性算法在12个人工合成算例和3个实例上进行了对比。实验结果表明，所提算法在不确定调度环境中能够搜索到一组收敛性和多样性更好的非支配解。
该文围绕软件项目开发过程中存在的不确定因素，建立一种考虑任务工作量不确定性的多目标软件项目调度模型。该模型采用非对称三角区间二型模糊数描述工作量的不确定性。为了提高不确定环境下的决策质量，提出一种基于策略梯度的超启发式算法求解该模型。该算法将强化学习中的一种策略梯度算法(即Actor-Critic算法)作为高层策略，根据算法的当前运行状态选择合适的低层启发式策略。同时引入优先经验回放法，以利用历史经验信息更新网络参数，加快收敛速度并降低学习成本。将所提算法与6种代表性算法在12个人工合成算例和3个实例上进行了对比。实验结果表明，所提算法在不确定调度环境中能够搜索到一组收敛性和多样性更好的非支配解。
2026, 48(2): 806-817.
doi: 10.11999/JEIT250713
摘要:
近年来，最先进的说话人确认模型大多数以牺牲参数量和计算量的代价来实现感受野的固定获取，然而鉴于语音信号内部蕴含着丰富且多层次的信息，通过高度自主选择的动态感受野来描绘复杂信息是相对未被探索的，更没有直观地解释是什么构成了关于有效感受野的最佳实践。潮涌现象表现为潮水前端形成陡立水墙并伴随轰鸣声高速推进，受其非线性耦合行为的启发，该文提出潮涌卷积(TR-Conv)“使用潮涌感受野(T-RRF)，获得更有效感受野”。首先采用二幂插值操作构建窗口内的主/从感受野，随后分别采用扫描-池化机制聚焦提取窗口外的关键信息、算子机制精细感知窗口内的差异信息，最后融合三重感受野，得到兼具多尺度、动态性、有效性的可变感受野。为全面验证潮涌卷积的表现，该文建立潮涌卷积神经网络(TR-CNN)。另外，针对数据集的错误标签问题，提出动态归一化的非目标(NTDN)损失与具有两个子中心的加性角边距(Sub-Center AAM)损失变体加权融合的总损失，以提升模型性能。实验结果表明，与ECAPA-TDNN(C=512)相比，TR-CNN(C=512, n=1)分别在测试集Vox1-O, Vox1-E, Vox1-H上的等错误率(EER)以及最小检测代价函数(MinDCF)相对降低了4.95%, 4.03%和6.03%以及31.55%, 17.14%和17.42%，参数量和乘加累积操作次数相对减少了32.7%,23.5%。进一步，TR-CNN(C=1024 , n=1)的EER/MinDCF分别是0.85%/0.0762 /1.10%/0.1048 /2.05%/0.1739 。本研究代码已开源：https://www.scidb.cn/detail?dataSetId=a232c98b082941c58002958208ef3f43&version=V1&code=j00173 。
近年来，最先进的说话人确认模型大多数以牺牲参数量和计算量的代价来实现感受野的固定获取，然而鉴于语音信号内部蕴含着丰富且多层次的信息，通过高度自主选择的动态感受野来描绘复杂信息是相对未被探索的，更没有直观地解释是什么构成了关于有效感受野的最佳实践。潮涌现象表现为潮水前端形成陡立水墙并伴随轰鸣声高速推进，受其非线性耦合行为的启发，该文提出潮涌卷积(TR-Conv)“使用潮涌感受野(T-RRF)，获得更有效感受野”。首先采用二幂插值操作构建窗口内的主/从感受野，随后分别采用扫描-池化机制聚焦提取窗口外的关键信息、算子机制精细感知窗口内的差异信息，最后融合三重感受野，得到兼具多尺度、动态性、有效性的可变感受野。为全面验证潮涌卷积的表现，该文建立潮涌卷积神经网络(TR-CNN)。另外，针对数据集的错误标签问题，提出动态归一化的非目标(NTDN)损失与具有两个子中心的加性角边距(Sub-Center AAM)损失变体加权融合的总损失，以提升模型性能。实验结果表明，与ECAPA-TDNN(C=512)相比，TR-CNN(C=512, n=1)分别在测试集Vox1-O, Vox1-E, Vox1-H上的等错误率(EER)以及最小检测代价函数(MinDCF)相对降低了4.95%, 4.03%和6.03%以及31.55%, 17.14%和17.42%，参数量和乘加累积操作次数相对减少了32.7%,23.5%。进一步，TR-CNN(C=
2026, 48(2): 818-828.
doi: 10.11999/JEIT250709
摘要:
语音深度生成技术已经能够生成逼真的语音。其在丰富人们娱乐和生活的同时，也易被不法分子滥用进行语音伪造，从而对个人隐私与社会安全带来巨大隐患。作为语音伪造的主流防御手段，现有的主动防御技术虽然已取得了一定成效，但在防御能力与防御样本不可感知性的平衡以及鲁棒性上仍然一般。为此，该文提出一种抵抗语音转换伪造的扩散重构式主动防御方法。该方法利用扩散声码器PriorGrad作为生成器，借助基于待保护语音的扩散先验指导逐步去噪过程，从而重构待保护语音直接得到防御语音样本。而且，该方法还设计了多尺度人耳感知损失，重点抑制人耳敏感频段的扰动幅度，进一步提升防御样本不可感知性。针对4个先进的语音转换模型的实验表明：该方法在兼顾语音防御样本不可感知性的前提下，基于说话人验证精度客观评价指标，防御能力相比次优方法在白盒场景下平均提升约32%，在黑盒场景下平均提升约16%，实现了防御能力与样本不可感知性之间更好的平衡；而且，针对3种不同有损压缩和高斯滤波攻击，该方法均取得了比现有方法更好的鲁棒性。
语音深度生成技术已经能够生成逼真的语音。其在丰富人们娱乐和生活的同时，也易被不法分子滥用进行语音伪造，从而对个人隐私与社会安全带来巨大隐患。作为语音伪造的主流防御手段，现有的主动防御技术虽然已取得了一定成效，但在防御能力与防御样本不可感知性的平衡以及鲁棒性上仍然一般。为此，该文提出一种抵抗语音转换伪造的扩散重构式主动防御方法。该方法利用扩散声码器PriorGrad作为生成器，借助基于待保护语音的扩散先验指导逐步去噪过程，从而重构待保护语音直接得到防御语音样本。而且，该方法还设计了多尺度人耳感知损失，重点抑制人耳敏感频段的扰动幅度，进一步提升防御样本不可感知性。针对4个先进的语音转换模型的实验表明：该方法在兼顾语音防御样本不可感知性的前提下，基于说话人验证精度客观评价指标，防御能力相比次优方法在白盒场景下平均提升约32%，在黑盒场景下平均提升约16%，实现了防御能力与样本不可感知性之间更好的平衡；而且，针对3种不同有损压缩和高斯滤波攻击，该方法均取得了比现有方法更好的鲁棒性。
2026, 48(2): 829-841.
doi: 10.11999/JEIT250758
摘要:
随着网络钓鱼攻击的复杂性和动态性日益加剧，传统检测方法在对抗新型攻击时面临特征维度虚高、多模态失配及对抗样本鲁棒性不足等挑战。该文提出多模态对比学习框架(MCL-PhishNet)，通过层次化语法编码器、双向跨模态注意力机制和课程对比学习策略，实现钓鱼网址(URL)的精准检测。其中，多尺度残差卷积与Transformer协同建模了URL的局部语法模式和全局依赖关系，17维统计特征增强对抗样本的鲁棒性；动态对比学习机制通过在线谱聚类划分语义子空间，结合边界间隔约束优化特征空间分布。实验表明，MCL-PhishNet 在EBUU17, PhishStorm等数据集上实现了99.41%的准确率和99.65%的F1值，显著优于传统机器学习与深度学习方法。该方法为动态对抗攻击检测提供了端到端的技术范式。
随着网络钓鱼攻击的复杂性和动态性日益加剧，传统检测方法在对抗新型攻击时面临特征维度虚高、多模态失配及对抗样本鲁棒性不足等挑战。该文提出多模态对比学习框架(MCL-PhishNet)，通过层次化语法编码器、双向跨模态注意力机制和课程对比学习策略，实现钓鱼网址(URL)的精准检测。其中，多尺度残差卷积与Transformer协同建模了URL的局部语法模式和全局依赖关系，17维统计特征增强对抗样本的鲁棒性；动态对比学习机制通过在线谱聚类划分语义子空间，结合边界间隔约束优化特征空间分布。实验表明，MCL-PhishNet 在EBUU17, PhishStorm等数据集上实现了99.41%的准确率和99.65%的F1值，显著优于传统机器学习与深度学习方法。该方法为动态对抗攻击检测提供了端到端的技术范式。
2026, 48(2): 842-854.
doi: 10.11999/JEIT250887
摘要:
该研究提出了一种基于正弦约束的类Rulkov超混沌映射(SRHC)系统，并将其应用于全覆盖路径规划算法(SRHC-CCPP)中，以解决智能机器人在复杂任务场景中的全覆盖路径规划问题。通过引入超混沌序列，该算法显著提升了机器人运动路径的随机性和动态性，避免了传统算法因规律性过强而可能陷入局部循环的问题。同时，结合记忆效应，算法能够动态记录网格访问历史，优先覆盖未访问区域，从而有效减少重复访问，提升覆盖效率。在障碍物处理方面，设计了碰撞检测与法线向量反射机制，使机器人能够灵活应对复杂环境中的障碍物干扰，并通过轻微扰动避免局部振荡。实验结果表明，SRHC-CCPP算法在无障碍和有障碍物条件下均表现出较高的覆盖速度和均匀性，展现了良好的初始值敏感性和鲁棒性。此外，算法的计算复杂度较低，适合大规模应用场景。该研究为智能机器人在灾区救援、火灾扑灭及未知地域勘探等高风险任务中的应用提供了新的技术支持。
该研究提出了一种基于正弦约束的类Rulkov超混沌映射(SRHC)系统，并将其应用于全覆盖路径规划算法(SRHC-CCPP)中，以解决智能机器人在复杂任务场景中的全覆盖路径规划问题。通过引入超混沌序列，该算法显著提升了机器人运动路径的随机性和动态性，避免了传统算法因规律性过强而可能陷入局部循环的问题。同时，结合记忆效应，算法能够动态记录网格访问历史，优先覆盖未访问区域，从而有效减少重复访问，提升覆盖效率。在障碍物处理方面，设计了碰撞检测与法线向量反射机制，使机器人能够灵活应对复杂环境中的障碍物干扰，并通过轻微扰动避免局部振荡。实验结果表明，SRHC-CCPP算法在无障碍和有障碍物条件下均表现出较高的覆盖速度和均匀性，展现了良好的初始值敏感性和鲁棒性。此外，算法的计算复杂度较低，适合大规模应用场景。该研究为智能机器人在灾区救援、火灾扑灭及未知地域勘探等高风险任务中的应用提供了新的技术支持。
2026, 48(2): 855-865.
doi: 10.11999/JEIT250687
摘要:
针对格基后量子密码(PQC)算法中基-2数论变换(NTT)计算效率较低以及原位计算内存访问模式复杂的问题，该文提出一种高面积效率的基-4 NTT硬件设计。首先，介绍了负包裹卷积方法的运算流程及适用条件，在此基础上提出了一种恒定几何(CG)结构的低计算复杂度基-4 NTT/INTT算法。其次，深入分析不同PQC算法中模数的共性特征，设计了基于K2-RED约简的可扩展模乘单元。最后，通过优化存储器与蝶形单元之间的数据分解与重组，提出一种基于顺序循环和阶梯循环访存的读写地址生成方案，实现了高效的无访存冲突。与传统的乒乓存储模式相比，该方案可减少12.5%的存储空间。实验结果表明，在(项数，模数位宽)分别为(256, 13),(256, 23)和(1024 , 14)的3种配置下，该设计的面积-时间积(ATP)较现有方案分别降低56.4%,69.8%和50.3%以上，具有更高的面积效率。
针对格基后量子密码(PQC)算法中基-2数论变换(NTT)计算效率较低以及原位计算内存访问模式复杂的问题，该文提出一种高面积效率的基-4 NTT硬件设计。首先，介绍了负包裹卷积方法的运算流程及适用条件，在此基础上提出了一种恒定几何(CG)结构的低计算复杂度基-4 NTT/INTT算法。其次，深入分析不同PQC算法中模数的共性特征，设计了基于K2-RED约简的可扩展模乘单元。最后，通过优化存储器与蝶形单元之间的数据分解与重组，提出一种基于顺序循环和阶梯循环访存的读写地址生成方案，实现了高效的无访存冲突。与传统的乒乓存储模式相比，该方案可减少12.5%的存储空间。实验结果表明，在(项数，模数位宽)分别为(256, 13),(256, 23)和(
2026, 48(2): 866-872.
doi: 10.11999/JEIT250631
摘要:
生物神经系统在低功耗计算、动态存储方面具有显著的优势，这与神经元通过定向分泌递质来传递神经信号的工作机制密切相关。神经信号的产生涉及刺激信号的放大和运算，其工作机制可以利用忆阻器容控混沌振荡器实现。本文利用局部有源忆阻器随外接电容改变形成稳定的倍周期分叉的电压信号振荡，获得了电路中电容与忆阻器两端电压信号之间稳定的映射关系，电路中电容的改变使得忆阻器两端串行输出不同形态的电信号，其电压幅值稳定地周期改变。使得改变的电容与输出的电压信号之间形成稳定的多状态映射关系，从而构成存算单元。结合蔡氏结型忆阻器模型建立了三阶忆阻器电路，当忆阻器工作在局部有源区时，其三阶电路构成的振荡器能够同时完成信号放大、运算和存储。
生物神经系统在低功耗计算、动态存储方面具有显著的优势，这与神经元通过定向分泌递质来传递神经信号的工作机制密切相关。神经信号的产生涉及刺激信号的放大和运算，其工作机制可以利用忆阻器容控混沌振荡器实现。本文利用局部有源忆阻器随外接电容改变形成稳定的倍周期分叉的电压信号振荡，获得了电路中电容与忆阻器两端电压信号之间稳定的映射关系，电路中电容的改变使得忆阻器两端串行输出不同形态的电信号，其电压幅值稳定地周期改变。使得改变的电容与输出的电压信号之间形成稳定的多状态映射关系，从而构成存算单元。结合蔡氏结型忆阻器模型建立了三阶忆阻器电路，当忆阻器工作在局部有源区时，其三阶电路构成的振荡器能够同时完成信号放大、运算和存储。
2026, 48(2): 873-888.
doi: 10.11999/JEIT250647
摘要:
随着人工智能技术的快速发展，基于深度学习的计算机视觉、声学智能分析和多模态融合技术为生态监测领域提供了重要技术手段，广泛应用于鸟类物种识别与调查等业务场景。然而，现有鸟类数据集存在实采数据获取难度大、专业标注人力成本高、珍稀物种数据样本少且数据模态单一等诸多问题，难以满足大模型等人工智能技术在生态监测与保护领域的训练与应用需求。针对此问题，该文提出一种面向专业领域的大规模多模态数据集高效构建方法，通过多源异构数据采集、智能化半自动标注和基于异构注意力融合的多模型协同校验机制，有效降低专业标注成本并保证数据质量。该文设计了基于多尺度注意力融合的数据集校验方法，通过构建多模型协同校验系统，利用类别敏感权重分配机制提升数据集校验的准确度和效率。基于以上方法，该文构建了大规模多模态鸟类数据集BIRD1445，涵盖1 445种鸟类物种，包含图像、视频、音频和文本4种模态，共计354万个样本，能够支持目标检测、密度估计、细粒度识别等智能分析任务，为人工智能技术在生态监测与保护领域的应用提供了重要数据基础。
随着人工智能技术的快速发展，基于深度学习的计算机视觉、声学智能分析和多模态融合技术为生态监测领域提供了重要技术手段，广泛应用于鸟类物种识别与调查等业务场景。然而，现有鸟类数据集存在实采数据获取难度大、专业标注人力成本高、珍稀物种数据样本少且数据模态单一等诸多问题，难以满足大模型等人工智能技术在生态监测与保护领域的训练与应用需求。针对此问题，该文提出一种面向专业领域的大规模多模态数据集高效构建方法，通过多源异构数据采集、智能化半自动标注和基于异构注意力融合的多模型协同校验机制，有效降低专业标注成本并保证数据质量。该文设计了基于多尺度注意力融合的数据集校验方法，通过构建多模型协同校验系统，利用类别敏感权重分配机制提升数据集校验的准确度和效率。基于以上方法，该文构建了大规模多模态鸟类数据集BIRD1445，涵盖1 445种鸟类物种，包含图像、视频、音频和文本4种模态，共计354万个样本，能够支持目标检测、密度估计、细粒度识别等智能分析任务，为人工智能技术在生态监测与保护领域的应用提供了重要数据基础。
编辑部公告
more >
- 征文丨“多模态基础模型赋能智能信息处理”专题正式启动
- 征文丨“天地一体化生智与传智网络理论与实践专题”专题正式启动
- 《电子与信息学报》“数据论文” 长期征稿启事
- 《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
学术动态
more >
- 第五届电子与信息前沿学术会议征文通知
- 第二届空天信息技术大会首轮通知
- 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)
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
