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/JEIT260151
摘要:
在移动多站协同电子侦察场景中，观测站位置随时间变化使雷达辐射源信号的到达时间差(Time Difference of Arrival, TDOA)呈现明显的时变特性。传统多站信号分选方法通常基于固定时差模型构建，当观测站运动发生运动时，难以准确表征到达时间差的演化过程，易引发雷达簇误分裂与增批现象，导致分选稳定性下降。针对上述问题，该文提出一种面向移动多站协同雷达信号分选的时差先验增量密度聚类方法。该方法首先对多站到达时间差观测数据进行在线微簇构建，并利用微簇之间的时空关联关系实现初始聚合成宏簇；在此基础上，根据观测站运动信息建立时差随时间变化的线性先验状态模型，采用卡尔曼滤波(Kalman Filter, KF)对宏簇的时差演化轨迹进行递推预测。预测得到的时差先验被引入增量聚类更新过程，通过构建时空联合得分函数约束新到样本与微簇的关联判定。在增量聚类更新过程中，基于预测得到的时差先验，结合双重马氏距离统计判据，对发生漂移的雷达簇进行合并，从而有效抑制雷达簇增批现象。仿真结果表明，在到达时间(Time of Arrival, TOA)测量误差为150 ns、干扰率为15%的移动多站场景下，所提方法的分选正确率达到96.5%。
在移动多站协同电子侦察场景中，观测站位置随时间变化使雷达辐射源信号的到达时间差(Time Difference of Arrival, TDOA)呈现明显的时变特性。传统多站信号分选方法通常基于固定时差模型构建，当观测站运动发生运动时，难以准确表征到达时间差的演化过程，易引发雷达簇误分裂与增批现象，导致分选稳定性下降。针对上述问题，该文提出一种面向移动多站协同雷达信号分选的时差先验增量密度聚类方法。该方法首先对多站到达时间差观测数据进行在线微簇构建，并利用微簇之间的时空关联关系实现初始聚合成宏簇；在此基础上，根据观测站运动信息建立时差随时间变化的线性先验状态模型，采用卡尔曼滤波(Kalman Filter, KF)对宏簇的时差演化轨迹进行递推预测。预测得到的时差先验被引入增量聚类更新过程，通过构建时空联合得分函数约束新到样本与微簇的关联判定。在增量聚类更新过程中，基于预测得到的时差先验，结合双重马氏距离统计判据，对发生漂移的雷达簇进行合并，从而有效抑制雷达簇增批现象。仿真结果表明，在到达时间(Time of Arrival, TOA)测量误差为150 ns、干扰率为15%的移动多站场景下，所提方法的分选正确率达到96.5%。
当前状态:
, 最新更新时间: ,
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，本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(Resilience-Aware Hybrid Swarm Optimization, 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(dung beetle optimizer, DBO)与粒子群优化(particle swarm optimization, PSO)混合搜索结合遗传算法(genetic algorithm, GA)与变邻域搜索(variable neighborhood search, 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(Proximal Policy Optimization, 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、动态事件和中断四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，本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(Resilience-Aware Hybrid Swarm Optimization, 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(dung beetle optimizer, DBO)与粒子群优化(particle swarm optimization, PSO)混合搜索结合遗传算法(genetic algorithm, GA)与变邻域搜索(variable neighborhood search, 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(Proximal Policy Optimization, 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、动态事件和中断四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。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260177
摘要:
卫星隐蔽通信具有保护信息内容和隐藏通信行为的双重能力，已成为信息对抗和保障战略通信连续性的关键技术。本文全面综述卫星隐蔽通信的理论基础、关键技术现状及未来发展挑战。首先，基于Alice-Bob-Willie模型，深入分析卫星信道特性对隐蔽容量的影响机制，阐明多普勒频移等因素对隐蔽通信速率的制约关系，并探讨修正型平方根定律下的理论边界。其次，围绕天基、空基、地基三层协同架构，系统梳理信号伪装编码、波束成形、频谱分集、量子加密与人工智能辅助等核心技术，并总结抗监听与抗干扰的多层级防护机制。最后，结合当前典型安全威胁，探讨卫星隐蔽通信面临的主要挑战，展望低轨动态组网、非理想信道鲁棒传输、人工智能与量子技术深度融合等未来发展方向，为构建高安全性、强隐蔽性的空间通信网络提供理论依据和技术支撑。
卫星隐蔽通信具有保护信息内容和隐藏通信行为的双重能力，已成为信息对抗和保障战略通信连续性的关键技术。本文全面综述卫星隐蔽通信的理论基础、关键技术现状及未来发展挑战。首先，基于Alice-Bob-Willie模型，深入分析卫星信道特性对隐蔽容量的影响机制，阐明多普勒频移等因素对隐蔽通信速率的制约关系，并探讨修正型平方根定律下的理论边界。其次，围绕天基、空基、地基三层协同架构，系统梳理信号伪装编码、波束成形、频谱分集、量子加密与人工智能辅助等核心技术，并总结抗监听与抗干扰的多层级防护机制。最后，结合当前典型安全威胁，探讨卫星隐蔽通信面临的主要挑战，展望低轨动态组网、非理想信道鲁棒传输、人工智能与量子技术深度融合等未来发展方向，为构建高安全性、强隐蔽性的空间通信网络提供理论依据和技术支撑。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260317
摘要:
面对遥感影像中广泛分布的小目标，现有遥感影像目标检测方法仍面临严峻挑战，检测精度尚显不足。遥感影像小目标检测核心瓶颈在于小目标正样本匮乏与特征表示弱两大问题。因此，本文提出一种跨域协同增强的遥感影像小目标检测方法(Cross-Domain Collaborative Enhancement Detector, CDCEDet)，通过在空间域优化小目标标签分配，在频域提高小目标特征表示，以提升小目标检测性能。具体而言，本文首先设计尺度自适应锚框生成器，依据目标空间分布与几何尺度特性动态生成匹配锚框集合，有效缓解了锚框与小目标之间的尺度失配问题，显著提升了小目标正样本数量。在此基础上，提出分位数自适应标签分配机制，通过建模每个目标与其对应锚框的交并比统计分布动态调整标签分配阈值，有效缓解了固定阈值标签分配下的尺度偏差问题。此外，针对小目标特征表示弱的问题，从频域视角出发，构建频率自适应融合模块，利用自适应高通滤波器以增强小目标细节信息，并结合自适应低通滤波器维持上采样后小目标内部特征的语义一致性，从而提升小目标的特征表示能力。实验结果表明，在AI-TODv2数据集上，所提方法在AP50和AP50-95指标上较现有最优方法提升1.8%和0.7%；在AI-TOD-R数据集上，两项指标分别提升2.6%和0.7%，展现出良好的小目标检测能力和泛化能力。
面对遥感影像中广泛分布的小目标，现有遥感影像目标检测方法仍面临严峻挑战，检测精度尚显不足。遥感影像小目标检测核心瓶颈在于小目标正样本匮乏与特征表示弱两大问题。因此，本文提出一种跨域协同增强的遥感影像小目标检测方法(Cross-Domain Collaborative Enhancement Detector, CDCEDet)，通过在空间域优化小目标标签分配，在频域提高小目标特征表示，以提升小目标检测性能。具体而言，本文首先设计尺度自适应锚框生成器，依据目标空间分布与几何尺度特性动态生成匹配锚框集合，有效缓解了锚框与小目标之间的尺度失配问题，显著提升了小目标正样本数量。在此基础上，提出分位数自适应标签分配机制，通过建模每个目标与其对应锚框的交并比统计分布动态调整标签分配阈值，有效缓解了固定阈值标签分配下的尺度偏差问题。此外，针对小目标特征表示弱的问题，从频域视角出发，构建频率自适应融合模块，利用自适应高通滤波器以增强小目标细节信息，并结合自适应低通滤波器维持上采样后小目标内部特征的语义一致性，从而提升小目标的特征表示能力。实验结果表明，在AI-TODv2数据集上，所提方法在AP50和AP50-95指标上较现有最优方法提升1.8%和0.7%；在AI-TOD-R数据集上，两项指标分别提升2.6%和0.7%，展现出良好的小目标检测能力和泛化能力。
当前状态:
, 最新更新时间: ,
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，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，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。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260420
摘要:
针对太赫兹超大规模MIMO系统在混合场传播与AoSA架构下，现有压缩感知与深度展开方法在低信噪(SNR)及噪声统计失配条件下易出现性能饱和与泛化性较差问题。为此，该文提出一种噪声条件化不动点展开网络FPN-NCAS。该方法在保持不动点理论框架的同时，将由重复导频差分获得的粗噪声功率估计值作为条件控制量耦合至非线性恢复过程，从而实现随噪声水平自适应调节的估计策略。在此基础上，设计噪声条件化的块稀疏近端恢复模块Block Shrink，通过噪声感知阈值与平滑切换机制增强混合场稀疏结构恢复能力；构造Token-Gate模块对子阵级特征进行轻量可靠性校准，并构建G-HMTD模块对主恢复后的残余误差进行全局—局部协同细化。仿真结果表明，所提方法在不同SNR条件下均取得更优的归一化均方误差(NMSE)性能；此外，在多种非理想信道与噪声条件下，所提方法仍表现出良好的鲁棒性。
针对太赫兹超大规模MIMO系统在混合场传播与AoSA架构下，现有压缩感知与深度展开方法在低信噪(SNR)及噪声统计失配条件下易出现性能饱和与泛化性较差问题。为此，该文提出一种噪声条件化不动点展开网络FPN-NCAS。该方法在保持不动点理论框架的同时，将由重复导频差分获得的粗噪声功率估计值作为条件控制量耦合至非线性恢复过程，从而实现随噪声水平自适应调节的估计策略。在此基础上，设计噪声条件化的块稀疏近端恢复模块Block Shrink，通过噪声感知阈值与平滑切换机制增强混合场稀疏结构恢复能力；构造Token-Gate模块对子阵级特征进行轻量可靠性校准，并构建G-HMTD模块对主恢复后的残余误差进行全局—局部协同细化。仿真结果表明，所提方法在不同SNR条件下均取得更优的归一化均方误差(NMSE)性能；此外，在多种非理想信道与噪声条件下，所提方法仍表现出良好的鲁棒性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT251134
摘要:
由于人类活动产生的电磁干扰与真实的雷电电磁脉冲信号在时域和频域上高度混叠，如何高效、准确地区分雷电电磁信号与非雷电电磁信号，已成为雷电监测预警及灾害防御领域的关键问题。针对雷电电磁信号与人为干扰信号在波形形态上高度相似、对其诊断识别难度大的问题，该文提出一种基于多尺度残差卷积与不同网络层特征融合相结合的深度神经网络模型CNN-LSTM，用于雷电与非雷电电磁信号的二分类任务。通过多尺度残差网络模型逐层提取探测设备接收到的电磁波的多维度特征，将各卷积层输出的时域特征按照网络层深度的次序，构建为一个跨网络层的时域特征序列，并输入长短期记忆网络(LSTM)中进行自适应加权融合，该机制利用LSTM对序列信息的建模能力，学习不同层级特征的相对重要性，而非建模原始波形的时间动态。实验结果表明，所提诊断识别方法在真实雷电观测数据集上表现出优异的分类性能：其对雷电电磁信号的识别精确率达到100%，召回率为99.82%，F1得分为99.91%，整体准确率达99.89%。与多种经典基线模型相比，所提CNN-LSTM模型不仅能高效地识别出雷电样本，还能显著降低对非雷电干扰信号的误报率。此外，消融实验进一步验证了CNN网络在局部特征提取以及LSTM在跨层特征融合中的关键作用，证明了所提架构的合理性与有效性。
由于人类活动产生的电磁干扰与真实的雷电电磁脉冲信号在时域和频域上高度混叠，如何高效、准确地区分雷电电磁信号与非雷电电磁信号，已成为雷电监测预警及灾害防御领域的关键问题。针对雷电电磁信号与人为干扰信号在波形形态上高度相似、对其诊断识别难度大的问题，该文提出一种基于多尺度残差卷积与不同网络层特征融合相结合的深度神经网络模型CNN-LSTM，用于雷电与非雷电电磁信号的二分类任务。通过多尺度残差网络模型逐层提取探测设备接收到的电磁波的多维度特征，将各卷积层输出的时域特征按照网络层深度的次序，构建为一个跨网络层的时域特征序列，并输入长短期记忆网络(LSTM)中进行自适应加权融合，该机制利用LSTM对序列信息的建模能力，学习不同层级特征的相对重要性，而非建模原始波形的时间动态。实验结果表明，所提诊断识别方法在真实雷电观测数据集上表现出优异的分类性能：其对雷电电磁信号的识别精确率达到100%，召回率为99.82%，F1得分为99.91%，整体准确率达99.89%。与多种经典基线模型相比，所提CNN-LSTM模型不仅能高效地识别出雷电样本，还能显著降低对非雷电干扰信号的误报率。此外，消融实验进一步验证了CNN网络在局部特征提取以及LSTM在跨层特征融合中的关键作用，证明了所提架构的合理性与有效性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT251120
摘要:
网络指标是网络设计、运维与优化的基础。为此，有必要厘清网络指标的整体分布、场景依赖与关联规律，进而构建面向网络架构设计及全生命周期管理的多维分析框架。该文提出一种基于大语言模型(LLM)的文献挖掘方案，对《IEEE/ACM Transactions on Networking》2023—2024年刊载的583篇文献进行指标提取、术语规范化、场景标注与指标关联量化，并通过双LLM交叉验证和人工抽样复核检验挖掘结果。结果表明，网络指标呈现“少量共性指标+大量长尾专有指标”的结构，不同应用场景所关注的核心指标集及指标关联均具有场景依赖性。该文提出服务质量(S)、资源复用成本 (M)以及场景适配重构能力(V)3类相互独立且可组合的分析维度，为网络架构的设计、部署、运维和优化提供指导。
网络指标是网络设计、运维与优化的基础。为此，有必要厘清网络指标的整体分布、场景依赖与关联规律，进而构建面向网络架构设计及全生命周期管理的多维分析框架。该文提出一种基于大语言模型(LLM)的文献挖掘方案，对《IEEE/ACM Transactions on Networking》2023—2024年刊载的583篇文献进行指标提取、术语规范化、场景标注与指标关联量化，并通过双LLM交叉验证和人工抽样复核检验挖掘结果。结果表明，网络指标呈现“少量共性指标+大量长尾专有指标”的结构，不同应用场景所关注的核心指标集及指标关联均具有场景依赖性。该文提出服务质量(S)、资源复用成本 (M)以及场景适配重构能力(V)3类相互独立且可组合的分析维度，为网络架构的设计、部署、运维和优化提供指导。
当前状态:
, 最新更新时间: ,
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。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260362
摘要:
高光谱图像与LiDAR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，本文提出一种决策-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三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LiDAR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，本文提出一种决策-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三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/JEIT260695
摘要:
集中式多输入多输出(Multiple-input Multiple-output, MIMO)雷达资源分配算法可有效提升多目标跟踪精度，而传统优化算法仅优化下一时刻跟踪性能，难以实现全时域多目标累积跟踪精度提升；同时，传统优化算法的计算复杂度较高，难以满足资源分配过程的实时性要求。针对该问题，本文提出一种强化学习(Reinforcement Learning, RL)驱动的集中式 MIMO 雷达功率分配算法。首先，利用后验克拉美罗界(Posterior Cramér-Rao Lower Bound, PCRLB)构建RL模型的状态与奖励函数，将功率资源分配过程建模为马尔可夫决策过程(Markov Decision Process, MDP)，建立RL驱动的资源分配优化模型；其次，结合工程实际与算法收敛性要求，采用对决双深度 Q 网络(Dueling Double Deep Q-Network, D3QN)算法对模型进行求解。仿真结果表明，相较于固定功率分配与传统优化分配算法，所提算法可实现功率资源的自适应合理分配，显著提升全时域累积跟踪精度；并且训练后的网络可以根据状态进行实时决策输出资源分配结果，提升了算法实时性。
集中式多输入多输出(Multiple-input Multiple-output, MIMO)雷达资源分配算法可有效提升多目标跟踪精度，而传统优化算法仅优化下一时刻跟踪性能，难以实现全时域多目标累积跟踪精度提升；同时，传统优化算法的计算复杂度较高，难以满足资源分配过程的实时性要求。针对该问题，本文提出一种强化学习(Reinforcement Learning, RL)驱动的集中式 MIMO 雷达功率分配算法。首先，利用后验克拉美罗界(Posterior Cramér-Rao Lower Bound, PCRLB)构建RL模型的状态与奖励函数，将功率资源分配过程建模为马尔可夫决策过程(Markov Decision Process, MDP)，建立RL驱动的资源分配优化模型；其次，结合工程实际与算法收敛性要求，采用对决双深度 Q 网络(Dueling Double Deep Q-Network, D3QN)算法对模型进行求解。仿真结果表明，相较于固定功率分配与传统优化分配算法，所提算法可实现功率资源的自适应合理分配，显著提升全时域累积跟踪精度；并且训练后的网络可以根据状态进行实时决策输出资源分配结果，提升了算法实时性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260516
摘要:
忆阻Hopfield神经网络是将忆阻器引入传统Hopfield神经网络(HNN)，借助忆阻器模拟神经元突触来实现突触权重动态调节的类脑神经网络模型。本文提出一种含符号函数的多分段非线性磁控忆阻器，并将其应用于三神经元HNN系统的自连接突触，构建了四维忆阻HNN系统。首先，利用分岔图和李雅普诺夫指数谱，分析忆阻自连接突触耦合强度对系统动力学行为的调控作用，揭示了与系统初值相关的共存吸引子及其演化规律。同时，发现该系统具备多涡卷吸引子的单向拓展特性，以及多涡卷吸引子数目随忆阻器控制参数的变化而改变。在此基础上，通过施加多级逻辑脉冲电流进行调控，构建了一种新型嵌套多涡卷忆阻HNN系统，促使系统产生具有嵌套结构的特殊多涡卷吸引子，并分析了加入多级逻辑脉冲电流前后系统复杂度的变化情况。最后，采用Multisim模拟电路仿真与FPGA数字电路实验，双重验证了MATLAB数值仿真结果的正确性。
忆阻Hopfield神经网络是将忆阻器引入传统Hopfield神经网络(HNN)，借助忆阻器模拟神经元突触来实现突触权重动态调节的类脑神经网络模型。本文提出一种含符号函数的多分段非线性磁控忆阻器，并将其应用于三神经元HNN系统的自连接突触，构建了四维忆阻HNN系统。首先，利用分岔图和李雅普诺夫指数谱，分析忆阻自连接突触耦合强度对系统动力学行为的调控作用，揭示了与系统初值相关的共存吸引子及其演化规律。同时，发现该系统具备多涡卷吸引子的单向拓展特性，以及多涡卷吸引子数目随忆阻器控制参数的变化而改变。在此基础上，通过施加多级逻辑脉冲电流进行调控，构建了一种新型嵌套多涡卷忆阻HNN系统，促使系统产生具有嵌套结构的特殊多涡卷吸引子，并分析了加入多级逻辑脉冲电流前后系统复杂度的变化情况。最后，采用Multisim模拟电路仿真与FPGA数字电路实验，双重验证了MATLAB数值仿真结果的正确性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260392
摘要:
针对目标宽带电磁散射特性分析中待求频点阻抗矩阵重复计算、矩阵方程重复求解的问题，本文提出一种基于压缩感知框架的自适应交叉近似(ACA)驱动测量矩阵插值(MMI)的高效计算方法。该方法首先在最高频率点通过ACA提取主导行索引并全频段复用，实现测量矩阵确定性构建；其次采用MMI技术，通过少量采样频点的低维测量矩阵插值避免完整阻抗矩阵冗余计算；最后对插值后矩阵的远场组再次进行ACA分解，进一步加速矩阵向量积运算，实现传感矩阵的快速构建，将电流系数求解转换成压缩感知模型下超定方程的求解，实现待求频点电流快速求解。研究结果表明，该方法在保证计算精度的前提下，有效提高了测量矩阵的构造效率，显著降低插值的矩阵维数，大幅提升了目标宽带散射分析的效率。
针对目标宽带电磁散射特性分析中待求频点阻抗矩阵重复计算、矩阵方程重复求解的问题，本文提出一种基于压缩感知框架的自适应交叉近似(ACA)驱动测量矩阵插值(MMI)的高效计算方法。该方法首先在最高频率点通过ACA提取主导行索引并全频段复用，实现测量矩阵确定性构建；其次采用MMI技术，通过少量采样频点的低维测量矩阵插值避免完整阻抗矩阵冗余计算；最后对插值后矩阵的远场组再次进行ACA分解，进一步加速矩阵向量积运算，实现传感矩阵的快速构建，将电流系数求解转换成压缩感知模型下超定方程的求解，实现待求频点电流快速求解。研究结果表明，该方法在保证计算精度的前提下，有效提高了测量矩阵的构造效率，显著降低插值的矩阵维数，大幅提升了目标宽带散射分析的效率。
当前状态:
, 最新更新时间: ,
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，本文提出一种融合卷积块注意力机制与三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，引入三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，本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，本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，本文提出一种融合卷积块注意力机制与三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，引入三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，本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，本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。
当前状态:
, 最新更新时间: ,
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，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，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(5): 1875-1883.
doi: 10.11999/JEIT251174
摘要:
推理大模型等人工智能的发展需要高能效、高算力芯片阻变随机存取存储器(RRAM)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、高算力芯片阻变随机存取存储器(RRAM)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%。
2026, 48(5): 1884-1893.
doi: 10.11999/JEIT251223
摘要:
脑机接口(BCI)正从实验室走向日常应用，其发展的核心瓶颈在于如何在不依赖笨重设备和同步线缆的前提下，实现高性能的脑电采集。现有无线系统难以在同步精度与系统微型化、无硬件束缚之间取得兼顾。为此，该文研制了一种采集端微型化且无需同步线缆的稳态视觉诱发电位(SSVEP)脑机接口系统。该系统采用分布式微型节点架构，将重量仅3.7 g、体积仅为3.05 cm3的微型采集节点隐蔽佩戴于头发间。在无需专用同步硬件、仅使用少量电极且在非屏蔽普通室内环境下，搭建了40指令的在线SSVEP解码系统。结果显示，系统达到了(95.00±2.04)%的识别准确率与(147.24±30.52) bit/min的峰值信息传输速率。该研究为开发真正可穿戴的下一代脑机接口提供了可行的系统级解决方案。
脑机接口(BCI)正从实验室走向日常应用，其发展的核心瓶颈在于如何在不依赖笨重设备和同步线缆的前提下，实现高性能的脑电采集。现有无线系统难以在同步精度与系统微型化、无硬件束缚之间取得兼顾。为此，该文研制了一种采集端微型化且无需同步线缆的稳态视觉诱发电位(SSVEP)脑机接口系统。该系统采用分布式微型节点架构，将重量仅3.7 g、体积仅为3.05 cm3的微型采集节点隐蔽佩戴于头发间。在无需专用同步硬件、仅使用少量电极且在非屏蔽普通室内环境下，搭建了40指令的在线SSVEP解码系统。结果显示，系统达到了(95.00±2.04)%的识别准确率与(147.24±30.52) bit/min的峰值信息传输速率。该研究为开发真正可穿戴的下一代脑机接口提供了可行的系统级解决方案。
2026, 48(5): 1894-1904.
doi: 10.11999/JEIT251287
摘要:
随着CMOS工艺微缩，静态随机存取存储器(SRAM)在宇航级场景下面临严峻辐射可靠性挑战，且现有抗辐射加固(RHBD)结构难以兼顾高抗辐射能力与高速读写访问性能。为此，该文提出一种面向高速读写需求的宇航级抗辐射SRAM单元RFWF16T。该结构通过双源隔离机制，将敏感节点缩减至2个；同时，通过构建对称的反馈回路，该单元实现了100%的单节点翻转自恢复与83.3%的双节点翻转自恢复。为突破传统加固结构的速度瓶颈，RFWF16T利用短反馈路径与低阻抗电压泄放回路，在28 nm工艺下实现了20.97 ps的读访问时间与2.72 ps的写访问时间，其读写速度相比其他8种同类典型加固结构分别平均提升了46.65%和14.77%。蒙特卡罗与工艺角-电压-温度实验表明，该结构在宽扰动范围内具有强鲁棒性，并在综合电气质量度量评价中表现最优。结果表明，RFWF16T在保证高抗辐射能力的同时有效解决了读写速度瓶颈，具备工程应用潜力。
随着CMOS工艺微缩，静态随机存取存储器(SRAM)在宇航级场景下面临严峻辐射可靠性挑战，且现有抗辐射加固(RHBD)结构难以兼顾高抗辐射能力与高速读写访问性能。为此，该文提出一种面向高速读写需求的宇航级抗辐射SRAM单元RFWF16T。该结构通过双源隔离机制，将敏感节点缩减至2个；同时，通过构建对称的反馈回路，该单元实现了100%的单节点翻转自恢复与83.3%的双节点翻转自恢复。为突破传统加固结构的速度瓶颈，RFWF16T利用短反馈路径与低阻抗电压泄放回路，在28 nm工艺下实现了20.97 ps的读访问时间与2.72 ps的写访问时间，其读写速度相比其他8种同类典型加固结构分别平均提升了46.65%和14.77%。蒙特卡罗与工艺角-电压-温度实验表明，该结构在宽扰动范围内具有强鲁棒性，并在综合电气质量度量评价中表现最优。结果表明，RFWF16T在保证高抗辐射能力的同时有效解决了读写速度瓶颈，具备工程应用潜力。
2026, 48(5): 1905-1915.
doi: 10.11999/JEIT251363
摘要:
为应对复杂电磁环境中高强度辐照场与带外干扰的双重威胁，该文设计了一种防抗一体化功能的窄带能量选择防护天线。防抗一体化，指的是防护和抗干扰功能的一体化设计。首先，采用特征模分析法对微带贴片天线辐射单元的潜在工作模式进行分析，结合电场和磁场模式分布研究其阻抗匹配特性，从而确定同轴馈电点的最优位置。随后，通过调控介质基板的介电常数，使天线具备窄带工作特性以及优异的带外干扰抑制能力，带外干扰抑制能力可达22.1 dB以上。进一步，基于同轴馈电的微带贴片天线结构，采用介质基板上下分层与中心镂空的设计方法，围绕同轴馈电探针构建空腔结构，并集成电磁防护功能模块，结合等效电路法阐释所设计天线的工作原理。当低能电磁波入射时，二极管处于断开状态，天线维持正常工作。当高能电磁波入射时，二极管导通，天线切换至防护状态。最后，完成天线的实物制备与实验测试，实测结果表明该天线具备小尺寸、窄带工作特性以及优异的电磁防护能力等特点，防护效能最高可达26 dB。该研究实现了能域电磁防护和频域带外抗干扰的防抗一体化设计，展现出尺寸紧凑、频带窄、防护效能高的综合优势。
为应对复杂电磁环境中高强度辐照场与带外干扰的双重威胁，该文设计了一种防抗一体化功能的窄带能量选择防护天线。防抗一体化，指的是防护和抗干扰功能的一体化设计。首先，采用特征模分析法对微带贴片天线辐射单元的潜在工作模式进行分析，结合电场和磁场模式分布研究其阻抗匹配特性，从而确定同轴馈电点的最优位置。随后，通过调控介质基板的介电常数，使天线具备窄带工作特性以及优异的带外干扰抑制能力，带外干扰抑制能力可达22.1 dB以上。进一步，基于同轴馈电的微带贴片天线结构，采用介质基板上下分层与中心镂空的设计方法，围绕同轴馈电探针构建空腔结构，并集成电磁防护功能模块，结合等效电路法阐释所设计天线的工作原理。当低能电磁波入射时，二极管处于断开状态，天线维持正常工作。当高能电磁波入射时，二极管导通，天线切换至防护状态。最后，完成天线的实物制备与实验测试，实测结果表明该天线具备小尺寸、窄带工作特性以及优异的电磁防护能力等特点，防护效能最高可达26 dB。该研究实现了能域电磁防护和频域带外抗干扰的防抗一体化设计，展现出尺寸紧凑、频带窄、防护效能高的综合优势。
2026, 48(5): 1916-1926.
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。
2026, 48(5): 1927-1935.
doi: 10.11999/JEIT251378
摘要:
多无人机协同三维目标检测是低空智能感知领域的核心技术，鸟瞰图(BEV)特征表征范式为该任务提供了全局空间一致性支撑。但在实际应用中，受遥感图像目标尺度小、分布稀疏等特性影响，现有基于Transformer的BEV感知方法因采用全图同质化特征处理策略，会造成大量计算资源浪费，或者容易丢失小目标的精细特征，难以实现计算效率与检测精度的平衡。针对上述问题，该文提出一种适用于多无人机协同场景的动态尺度感知检测网络，核心思路是通过尺度差异化特征处理机制，实现计算效率与检测精度的协同优化。为此，设计两个核心创新模块：动态尺度感知BEV生成模块(DSBG)与自适应BEV特征协同聚合模块(ACFA)。其中，DSBG模块基于各无人机的特征图目标分布情况动态感知生成多分辨率BEV特征；ACFA模块对多分辨率BEV特征进行自适应加权融合，生成全局一致的协同BEV特征，再输入检测解码器完成目标预测。实验结果表明，所提网络在AeroCollab3D和Air-Co-Pred两个多无人机协同仿真数据集上均表现优异，平均预测精度(mAP)分别达到64.0%和80.6%，相较于其他先进方法分别提升1.5%和7.2%；同时计算成本最大降低41.6%，实现了计算效率与检测精度的高效平衡。
多无人机协同三维目标检测是低空智能感知领域的核心技术，鸟瞰图(BEV)特征表征范式为该任务提供了全局空间一致性支撑。但在实际应用中，受遥感图像目标尺度小、分布稀疏等特性影响，现有基于Transformer的BEV感知方法因采用全图同质化特征处理策略，会造成大量计算资源浪费，或者容易丢失小目标的精细特征，难以实现计算效率与检测精度的平衡。针对上述问题，该文提出一种适用于多无人机协同场景的动态尺度感知检测网络，核心思路是通过尺度差异化特征处理机制，实现计算效率与检测精度的协同优化。为此，设计两个核心创新模块：动态尺度感知BEV生成模块(DSBG)与自适应BEV特征协同聚合模块(ACFA)。其中，DSBG模块基于各无人机的特征图目标分布情况动态感知生成多分辨率BEV特征；ACFA模块对多分辨率BEV特征进行自适应加权融合，生成全局一致的协同BEV特征，再输入检测解码器完成目标预测。实验结果表明，所提网络在AeroCollab3D和Air-Co-Pred两个多无人机协同仿真数据集上均表现优异，平均预测精度(mAP)分别达到64.0%和80.6%，相较于其他先进方法分别提升1.5%和7.2%；同时计算成本最大降低41.6%，实现了计算效率与检测精度的高效平衡。
2026, 48(5): 1936-1947.
doi: 10.11999/JEIT251321
摘要:
传统的铁路人工巡检和轨道车巡检方式存在效率低下、劳动强度大、存在安全隐患等问题，难以满足未来铁路智能化运维需求，而现有单无人机巡检方案在铁路保护区限制下存在覆盖盲区、数据同步性差等局限。为此，该文以任务质量最大化为目标，提出一种基于深度强化学习的双无人机协同巡检轨迹优化方法。为了解决能耗、避障、通信和编队保持等多重约束条件之间的耦合问题，该文构建了双无人机协同巡检优化模型，并设计了一种两阶段分层求解框架。第1阶段采用粒子群优化(PSO)算法为各巡检任务确定最优协同观测位置；第2阶段构建基于多智能体深度强化学习的轨迹优化模型，引入风险自适应探索噪声以提升强约束环境下的训练收敛稳定性，并提出一种改进的多智能体双延迟深度确定性策略梯度(MATD3)算法进行求解。仿真结果表明，相较于多种基准算法，所提方案在双机协同巡检场景下，无人机飞行路径长度缩短了约4.5%，累计能耗降低了8.9%，双机协同到达时间差缩短了30.3%，有效提升了复杂环境下的铁路巡检任务完成质量。
传统的铁路人工巡检和轨道车巡检方式存在效率低下、劳动强度大、存在安全隐患等问题，难以满足未来铁路智能化运维需求，而现有单无人机巡检方案在铁路保护区限制下存在覆盖盲区、数据同步性差等局限。为此，该文以任务质量最大化为目标，提出一种基于深度强化学习的双无人机协同巡检轨迹优化方法。为了解决能耗、避障、通信和编队保持等多重约束条件之间的耦合问题，该文构建了双无人机协同巡检优化模型，并设计了一种两阶段分层求解框架。第1阶段采用粒子群优化(PSO)算法为各巡检任务确定最优协同观测位置；第2阶段构建基于多智能体深度强化学习的轨迹优化模型，引入风险自适应探索噪声以提升强约束环境下的训练收敛稳定性，并提出一种改进的多智能体双延迟深度确定性策略梯度(MATD3)算法进行求解。仿真结果表明，相较于多种基准算法，所提方案在双机协同巡检场景下，无人机飞行路径长度缩短了约4.5%，累计能耗降低了8.9%，双机协同到达时间差缩短了30.3%，有效提升了复杂环境下的铁路巡检任务完成质量。
2026, 48(5): 1948-1959.
doi: 10.11999/JEIT251307
摘要:
当前多模态情感识别方法大多在多模态交互过程中未能充分利用上下文信息，导致对细粒度情感差异的识别不够精准，从而影响了模型在复杂情感分析任务中的表现。为此，该文提出基于Mamba上下文感知细粒度融合的多模态情感识别方法(CA-FGMER-Mamba)，该方法通过上下文建模、模态内细粒度筛选和模态间细粒度融合获取高区分度情感分类特征，实现了高质量的情感分类。首先，采用RoBERTa预训练模型对文本模态进行深度编码，采用OpenSMILE工具包提取音频特征并进行特征降维；其次，利用Bi-GRU上下文感知模块有效整合语音和文本模态的时序上下文信息。接着，引入Mamba状态空间模块重新校准语音和文本特征，动态调整不同时间步的特征权重，以突出情感表达的关键信息。在特征融合阶段，设计了细粒度融合策略，通过自注意力机制、高阶外积融合和跨模态交互调制，精细建模模态内与模态间的协同关系。最终，将融合后的特征通过分类网络进行情感预测。在IEMOCAP数据集和MELD数据集上的实验结果表明，CA-FGMER-Mamba方法在情感识别性能方面取得了显著提升，具有优秀的泛化能力和有效性。
当前多模态情感识别方法大多在多模态交互过程中未能充分利用上下文信息，导致对细粒度情感差异的识别不够精准，从而影响了模型在复杂情感分析任务中的表现。为此，该文提出基于Mamba上下文感知细粒度融合的多模态情感识别方法(CA-FGMER-Mamba)，该方法通过上下文建模、模态内细粒度筛选和模态间细粒度融合获取高区分度情感分类特征，实现了高质量的情感分类。首先，采用RoBERTa预训练模型对文本模态进行深度编码，采用OpenSMILE工具包提取音频特征并进行特征降维；其次，利用Bi-GRU上下文感知模块有效整合语音和文本模态的时序上下文信息。接着，引入Mamba状态空间模块重新校准语音和文本特征，动态调整不同时间步的特征权重，以突出情感表达的关键信息。在特征融合阶段，设计了细粒度融合策略，通过自注意力机制、高阶外积融合和跨模态交互调制，精细建模模态内与模态间的协同关系。最终，将融合后的特征通过分类网络进行情感预测。在IEMOCAP数据集和MELD数据集上的实验结果表明，CA-FGMER-Mamba方法在情感识别性能方面取得了显著提升，具有优秀的泛化能力和有效性。
2026, 48(5): 1960-1973.
doi: 10.11999/JEIT250936
摘要:
针对低分辨率、光照复杂、部分遮挡等场景下人脸表情识别精度下降的问题，该文提出一种基于YOLO12n改进的人脸表情识别模型(YOLO-FER)。该模型通过设计NewStarBlock模块优化原有C3k2瓶颈结构以缓解高维特征缺失，并引入多维协作注意力(MCA)模块，在通道、高度和宽度3个维度协同建模以增强细粒度特征提取能力，同时增加低分辨率特征增强模块(LRFE)提升弱光及模糊场景下的鲁棒性，并采用自适应阈值焦点损失函数(ATFL)动态调整难易样本权重以缓解类别不平衡问题。在RAF-DB和Low Light Dataset数据集上实验表明，YOLO-FER在mAP@0.5指标上较基线YOLO12n分别提升了3.8%和5.0%，在保持实时检测速度的同时提升了模型的泛化能力与鲁棒性，能够更准确地捕捉表情关键区域，适用于表情识别实际场景。
针对低分辨率、光照复杂、部分遮挡等场景下人脸表情识别精度下降的问题，该文提出一种基于YOLO12n改进的人脸表情识别模型(YOLO-FER)。该模型通过设计NewStarBlock模块优化原有C3k2瓶颈结构以缓解高维特征缺失，并引入多维协作注意力(MCA)模块，在通道、高度和宽度3个维度协同建模以增强细粒度特征提取能力，同时增加低分辨率特征增强模块(LRFE)提升弱光及模糊场景下的鲁棒性，并采用自适应阈值焦点损失函数(ATFL)动态调整难易样本权重以缓解类别不平衡问题。在RAF-DB和Low Light Dataset数据集上实验表明，YOLO-FER在mAP@0.5指标上较基线YOLO12n分别提升了3.8%和5.0%，在保持实时检测速度的同时提升了模型的泛化能力与鲁棒性，能够更准确地捕捉表情关键区域，适用于表情识别实际场景。
2026, 48(5): 1974-1984.
doi: 10.11999/JEIT251124
摘要:
针对时空动作检测中现有方法难以统一框架中高效协同建模外观语义与动态运动特征，以及主流框架往往因高计算复杂度和局部感受野限制，难以兼顾长程时序依赖建模与实时推理效率的问题。该文提出一种基于选择性状态空间模型的Mamba-YOWO轻量化时空动作检测框架。首先，引入Mamba模块重构YOWOv3的时序建模骨干，在保持线性计算复杂度的同时建模长程时序依赖。其次，设计高效多尺度时空融合模块，实现多尺度空间特征与动态时间上下文的有效融合，增强判别性表征。最后，在UCF101-24和JHMDB数据集上进行实验。结果表明，本方法较YOWOv3参数量减少7.3%，计算量(FLOPs)降低5.4%，帧级mAP分别达到90.24%和83.2%，显著优于现有实时检测方法。验证了所提方法在实时时空动作检测任务中的精度-效率平衡上的优势。
针对时空动作检测中现有方法难以统一框架中高效协同建模外观语义与动态运动特征，以及主流框架往往因高计算复杂度和局部感受野限制，难以兼顾长程时序依赖建模与实时推理效率的问题。该文提出一种基于选择性状态空间模型的Mamba-YOWO轻量化时空动作检测框架。首先，引入Mamba模块重构YOWOv3的时序建模骨干，在保持线性计算复杂度的同时建模长程时序依赖。其次，设计高效多尺度时空融合模块，实现多尺度空间特征与动态时间上下文的有效融合，增强判别性表征。最后，在UCF101-24和JHMDB数据集上进行实验。结果表明，本方法较YOWOv3参数量减少7.3%，计算量(FLOPs)降低5.4%，帧级mAP分别达到90.24%和83.2%，显著优于现有实时检测方法。验证了所提方法在实时时空动作检测任务中的精度-效率平衡上的优势。
2026, 48(5): 1985-1996.
doi: 10.11999/JEIT251254
摘要:
分割一切模型(SAM)作为通用分割大模型，在多类二维视觉任务中展现出强大迁移能力，但原生SAM主要针对2D平面图像设计，缺乏对360°全景图像球面几何特性的建模能力，难以直接应用于360°全景图像显著目标检测(360° SOD)。为了将SAM应用于360° SOD并解决其不足，该文提出一种采用球面几何引导和频率增强SAM的360° SOD网络，具体包括多认知适配器(MCA)，受人类视觉感知机制的启发，通过引入多尺度、多路径特征建模提升全景图像的上下文感知能力;球面几何引导注意力(SGGA)，利用球面几何先验缓解等矩形投影中的畸变与边界不连续性;以及空频域联合感知模块(SFJPM)，结合多尺度空洞卷积与频域注意力，增强全局与局部信息的协同建模，提升360° SOD性能。该文在现有的两个公开360° SOD数据集(360-SOD, 360-SSOD)上进行了大量实验，结果表明，所提方法在客观指标和主观结果上的表现均优于现有的7种代表性2D SOD方法和7种360° SOD方法。
分割一切模型(SAM)作为通用分割大模型，在多类二维视觉任务中展现出强大迁移能力，但原生SAM主要针对2D平面图像设计，缺乏对360°全景图像球面几何特性的建模能力，难以直接应用于360°全景图像显著目标检测(360° SOD)。为了将SAM应用于360° SOD并解决其不足，该文提出一种采用球面几何引导和频率增强SAM的360° SOD网络，具体包括多认知适配器(MCA)，受人类视觉感知机制的启发，通过引入多尺度、多路径特征建模提升全景图像的上下文感知能力;球面几何引导注意力(SGGA)，利用球面几何先验缓解等矩形投影中的畸变与边界不连续性;以及空频域联合感知模块(SFJPM)，结合多尺度空洞卷积与频域注意力，增强全局与局部信息的协同建模，提升360° SOD性能。该文在现有的两个公开360° SOD数据集(360-SOD, 360-SSOD)上进行了大量实验，结果表明，所提方法在客观指标和主观结果上的表现均优于现有的7种代表性2D SOD方法和7种360° SOD方法。
2026, 48(5): 1997-2007.
doi: 10.11999/JEIT251233
摘要:
虚拟现实晕动症(VRMS)指在虚拟现实(VR)环境中用户因前庭-视觉信息失调引发的严重眩晕，该症状阻碍沉浸式VR技术应用和推广。该文提出一种小波变换与注意力机制协同的双路融合模型(WTATNet)，通过解耦VR运动刺激暴露后的休息态脑电(EEG)的时空特征，为VRMS的客观检测提供新方法。该模型分为两条支路，支路1对EEG时间维和导联维进行二维离散小波变换计算出小波系数，再将小波系数送入卷积层进行特征提取。支路2则是EEG经过一维卷积层滤波后，依次利用通道注意力模块和导联注意力模块强化通道维与导联维的关键特征。最后将两支路的特征融合并进行分类。该文使用VR游戏《超级滑翔翼2》诱发受试者的VRMS并记录他们在任务前后的休息态EEG评估WTATNet模型的性能，最终实现对受试者休息态下眩晕脑电与非眩晕脑电的分类。该模型对VRMS的识别准确率、F1-score、精确率和召回率(10折交叉验证的平均值)分别为98.39%, 98.39%, 98.38%和98.40%，优于目前先进的EEG识别模型。结果表明所提方法可对VRMS进行检测，并用于进一步研究VRMS的产生因素和治理方法，对优化VR系统具有一定的指导意义。
虚拟现实晕动症(VRMS)指在虚拟现实(VR)环境中用户因前庭-视觉信息失调引发的严重眩晕，该症状阻碍沉浸式VR技术应用和推广。该文提出一种小波变换与注意力机制协同的双路融合模型(WTATNet)，通过解耦VR运动刺激暴露后的休息态脑电(EEG)的时空特征，为VRMS的客观检测提供新方法。该模型分为两条支路，支路1对EEG时间维和导联维进行二维离散小波变换计算出小波系数，再将小波系数送入卷积层进行特征提取。支路2则是EEG经过一维卷积层滤波后，依次利用通道注意力模块和导联注意力模块强化通道维与导联维的关键特征。最后将两支路的特征融合并进行分类。该文使用VR游戏《超级滑翔翼2》诱发受试者的VRMS并记录他们在任务前后的休息态EEG评估WTATNet模型的性能，最终实现对受试者休息态下眩晕脑电与非眩晕脑电的分类。该模型对VRMS的识别准确率、F1-score、精确率和召回率(10折交叉验证的平均值)分别为98.39%, 98.39%, 98.38%和98.40%，优于目前先进的EEG识别模型。结果表明所提方法可对VRMS进行检测，并用于进一步研究VRMS的产生因素和治理方法，对优化VR系统具有一定的指导意义。
2026, 48(5): 2008-2019.
doi: 10.11999/JEIT251130
摘要:
针对脑肿瘤分割任务中标注样本稀缺、高计算开销以及病灶边界模糊问题，该文从模型结构与半监督机制两个角度出发，提出一种融合轻量化骨干网络与反事实推理的半监督脑肿瘤分割方法，旨在同时提升分割精度与模型部署效率。在网络结构设计方面，基于解剖结构一致性先验，构建了参数共享的多模态融合编码器-解码器架构，在保证分割性能的同时显著降低模型参数量与计算开销，使其适用于资源受限的临床应用场景。在半监督训练策略方面，利用教师-学生模型预测结果构建反事实样本，设计了一种结合像素级分割一致性与特征级语义稳定性的反事实推理损失函数，从而充分挖掘未标注数据的结构信息。在BraTS2021数据集上的实验结果表明，即使仅使用10%的标注数据，半监督模型在主要分割指标上平均达到约94%的全监督性能，同时在边界细节和小病灶识别性能方面均优于现有主流方法。
针对脑肿瘤分割任务中标注样本稀缺、高计算开销以及病灶边界模糊问题，该文从模型结构与半监督机制两个角度出发，提出一种融合轻量化骨干网络与反事实推理的半监督脑肿瘤分割方法，旨在同时提升分割精度与模型部署效率。在网络结构设计方面，基于解剖结构一致性先验，构建了参数共享的多模态融合编码器-解码器架构，在保证分割性能的同时显著降低模型参数量与计算开销，使其适用于资源受限的临床应用场景。在半监督训练策略方面，利用教师-学生模型预测结果构建反事实样本，设计了一种结合像素级分割一致性与特征级语义稳定性的反事实推理损失函数，从而充分挖掘未标注数据的结构信息。在BraTS2021数据集上的实验结果表明，即使仅使用10%的标注数据，半监督模型在主要分割指标上平均达到约94%的全监督性能，同时在边界细节和小病灶识别性能方面均优于现有主流方法。
2026, 48(5): 2020-2030.
doi: 10.11999/JEIT251220
摘要:
针对无参考图像质量评价方法在真实场景中存在鲁棒性不够、泛化能力不足、几何结构建模欠缺的问题，该文提出一种基于感知结构自适应质量网络(PSAQNet)方法。首先，利用预训练卷积神经网络(CNN)提取多尺度特征，并通过高级失真增强模块对多分支特征进行门控筛选与适配，突出与失真相关的区域、抑制无关干扰；其次，引入通道感知自适应核卷积与空间引导卷积，从通道重标定、自适应采样以及空间引导调制等角度增强对旋转、扭曲等几何退化的建模与对齐能力；接着，将增强后的多尺度卷积特征经自适应池化与投影转换为token序列，并通过交叉注意力机制与Transformer全局表示进行选择性交互，实现局部细节与全局语义的有效融合；最后，在融合过程中结合分组卷积注意力进一步强调失真显著区域，通过预测头回归得到图像质量分数。在6个经典的数据库上进行实验结果显示，PSAQNet在皮尔逊线性相关系数(PLCC)/斯皮尔曼秩相关系数(SRCC)等相关性指标上优于多种代表性无参考图像质量评价方法。尤其在复杂失真和跨数据库测试中展现出更强的鲁棒性与泛化能力。
针对无参考图像质量评价方法在真实场景中存在鲁棒性不够、泛化能力不足、几何结构建模欠缺的问题，该文提出一种基于感知结构自适应质量网络(PSAQNet)方法。首先，利用预训练卷积神经网络(CNN)提取多尺度特征，并通过高级失真增强模块对多分支特征进行门控筛选与适配，突出与失真相关的区域、抑制无关干扰；其次，引入通道感知自适应核卷积与空间引导卷积，从通道重标定、自适应采样以及空间引导调制等角度增强对旋转、扭曲等几何退化的建模与对齐能力；接着，将增强后的多尺度卷积特征经自适应池化与投影转换为token序列，并通过交叉注意力机制与Transformer全局表示进行选择性交互，实现局部细节与全局语义的有效融合；最后，在融合过程中结合分组卷积注意力进一步强调失真显著区域，通过预测头回归得到图像质量分数。在6个经典的数据库上进行实验结果显示，PSAQNet在皮尔逊线性相关系数(PLCC)/斯皮尔曼秩相关系数(SRCC)等相关性指标上优于多种代表性无参考图像质量评价方法。尤其在复杂失真和跨数据库测试中展现出更强的鲁棒性与泛化能力。
2026, 48(5): 2031-2040.
doi: 10.11999/JEIT251147
摘要:
高分辨遥感图像场景分类因复杂背景、多样成像条件及类内差异大等因素面临显著挑战，而传统卷积神经网络(CNN)方法在全局上下文建模方面存在局限，Swin Transformer在跨窗口特征交互、细粒度局部特征提取以及多层次特征自适应融合方面仍存在不足。针对上述问题，该文提出一种面向高分辨遥感图像场景分类的熵驱动自适应融合网络，主要创新与贡献概括如下：(1)设计注意力引导的区域筛选与特征优化模块(ASO)，通过跨窗口稀疏注意力增强全局建模能力并筛选关键区域，结合递归优化强化局部特征表示，增强了模型跨窗口交互能力与细粒度局部特征判别性；(2)构建熵驱动门控融合模块(EGF)，利用熵指导的门控机制对Swin特征、全局上下文与优化后的局部特征进行自适应融合，克服多层次特征简单融合易引入冗余的问题；(3)在AID与NWPU-RESISC45公开数据集上的实验表明，所提方法在分类精度上优于多种现有先进方法，展现出良好的鲁棒性与泛化能力。
高分辨遥感图像场景分类因复杂背景、多样成像条件及类内差异大等因素面临显著挑战，而传统卷积神经网络(CNN)方法在全局上下文建模方面存在局限，Swin Transformer在跨窗口特征交互、细粒度局部特征提取以及多层次特征自适应融合方面仍存在不足。针对上述问题，该文提出一种面向高分辨遥感图像场景分类的熵驱动自适应融合网络，主要创新与贡献概括如下：(1)设计注意力引导的区域筛选与特征优化模块(ASO)，通过跨窗口稀疏注意力增强全局建模能力并筛选关键区域，结合递归优化强化局部特征表示，增强了模型跨窗口交互能力与细粒度局部特征判别性；(2)构建熵驱动门控融合模块(EGF)，利用熵指导的门控机制对Swin特征、全局上下文与优化后的局部特征进行自适应融合，克服多层次特征简单融合易引入冗余的问题；(3)在AID与NWPU-RESISC45公开数据集上的实验表明，所提方法在分类精度上优于多种现有先进方法，展现出良好的鲁棒性与泛化能力。
2026, 48(5): 2041-2052.
doi: 10.11999/JEIT250900
摘要:
针对行人轨迹预测中多模态特征捕捉不足及群体动态关系缺失的问题，该文提出了一种新颖的多模态行人轨迹预测框架——MSGD (Multi-Scale Spatio-Temporal Group Modeling and Diffusion)。首先利用多尺度时空特征，准确构建多尺度时空群体；其次，设计时空交互三元组编码机制，对个体-邻居-群体的时空关系进行联合建模，兼顾局部交互细节与全局动态结构，提升对群体行为演化的表征能力。最后利用扩散模型的逆过程在生成阶段逐步减少可行区域内的不确定性，最终生成多样、合理且逼真的目标轨迹。该文在3个公开数据集(ETH, UCY和NBA数据集)上对所提出的方法进行了广泛评估，并与当前最先进的方法进行了比较。实验结果表明，MSGD框架在预测性能方面取得了显著提升，具体表现为平均偏移误差(ADE)和最终偏移误差(FDE)指标的显著改善，展现了其在建模复杂行人行为方面的有效性。
针对行人轨迹预测中多模态特征捕捉不足及群体动态关系缺失的问题，该文提出了一种新颖的多模态行人轨迹预测框架——MSGD (Multi-Scale Spatio-Temporal Group Modeling and Diffusion)。首先利用多尺度时空特征，准确构建多尺度时空群体；其次，设计时空交互三元组编码机制，对个体-邻居-群体的时空关系进行联合建模，兼顾局部交互细节与全局动态结构，提升对群体行为演化的表征能力。最后利用扩散模型的逆过程在生成阶段逐步减少可行区域内的不确定性，最终生成多样、合理且逼真的目标轨迹。该文在3个公开数据集(ETH, UCY和NBA数据集)上对所提出的方法进行了广泛评估，并与当前最先进的方法进行了比较。实验结果表明，MSGD框架在预测性能方面取得了显著提升，具体表现为平均偏移误差(ADE)和最终偏移误差(FDE)指标的显著改善，展现了其在建模复杂行人行为方面的有效性。
2026, 48(5): 2053-2065.
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。
2026, 48(5): 2066-2076.
doi: 10.11999/JEIT251135
摘要:
随着智能交通系统的快速发展，网联车辆队列作为其核心组成，在提升交通效率、行车安全性和能源利用率方面展现出巨大潜力。通过车辆间的信息交互与协同控制，车辆队列能够实现安全高效跟驰。然而，通信网络的开放性和脆弱性，使得车辆队列容易受到网络攻击的威胁，如拒绝服务(DoS)和虚假数据注入 (FDI)等攻击。这些攻击可能导致信息中断或篡改，严重威胁车辆队列系统系统的安全性和稳定性。针对网络攻击下网联车辆队列的弹性控制问题，该文研究由DoS和FDI构成的混合攻击下基于攻击补偿的无模型自适应控制方法。首先，建立异构非线性纵向车辆动力学模型，并构建DoS与FDI共存的混合攻击模型。然后，分析混合攻击对伪梯度参数估计器的影响，设计DoS攻击期间的估计器更新策略，并构建基于历史控制输入信息的攻击补偿机制，以提升DoS攻击下的控制效果。理论分析表明，系统跟踪误差在混合攻击下可实现有界性。仿真实验验证，所提方法有效保障了非线性车辆队列在混合攻击下的跟踪性能。
随着智能交通系统的快速发展，网联车辆队列作为其核心组成，在提升交通效率、行车安全性和能源利用率方面展现出巨大潜力。通过车辆间的信息交互与协同控制，车辆队列能够实现安全高效跟驰。然而，通信网络的开放性和脆弱性，使得车辆队列容易受到网络攻击的威胁，如拒绝服务(DoS)和虚假数据注入 (FDI)等攻击。这些攻击可能导致信息中断或篡改，严重威胁车辆队列系统系统的安全性和稳定性。针对网络攻击下网联车辆队列的弹性控制问题，该文研究由DoS和FDI构成的混合攻击下基于攻击补偿的无模型自适应控制方法。首先，建立异构非线性纵向车辆动力学模型，并构建DoS与FDI共存的混合攻击模型。然后，分析混合攻击对伪梯度参数估计器的影响，设计DoS攻击期间的估计器更新策略，并构建基于历史控制输入信息的攻击补偿机制，以提升DoS攻击下的控制效果。理论分析表明，系统跟踪误差在混合攻击下可实现有界性。仿真实验验证，所提方法有效保障了非线性车辆队列在混合攻击下的跟踪性能。
2026, 48(5): 2077-2088.
doi: 10.11999/JEIT251324
摘要:
海上风浪扰动导致船舶与低轨(LEO)卫星间产生非线性相对运动，其复杂动态特性加剧了船载相控阵终端与星载相控阵终端间实现波束对准的技术难度，成为制约海洋低轨卫星通信稳定性与可靠性的关键瓶颈。针对船舶与低轨卫星构成的“动动通”通信场景，该文提出一种闭环反馈式自适应对星算法：采用块稀疏贝叶斯学习(block-SBL)算法实现基于粗糙网格的快速目标捕获，再通过自适应牛顿迭代法提升离网估计精度；在此基础上，将离网估计结果输入无迹卡尔曼滤波器(UKF)，预测并补偿船体在算法处理时延内新产生的姿态偏差，最终形成捕获与追踪协同的闭环反馈式自适应对星算法。基于真实海况下28000-DWT级散货船实测运动姿态数据的仿真结果表明，在高海况条件下，相较于现有的离网波达方向(DOA)估计算法，所提算法不仅能有效校准估计结果，其计算复杂度亦显著降低。
海上风浪扰动导致船舶与低轨(LEO)卫星间产生非线性相对运动，其复杂动态特性加剧了船载相控阵终端与星载相控阵终端间实现波束对准的技术难度，成为制约海洋低轨卫星通信稳定性与可靠性的关键瓶颈。针对船舶与低轨卫星构成的“动动通”通信场景，该文提出一种闭环反馈式自适应对星算法：采用块稀疏贝叶斯学习(block-SBL)算法实现基于粗糙网格的快速目标捕获，再通过自适应牛顿迭代法提升离网估计精度；在此基础上，将离网估计结果输入无迹卡尔曼滤波器(UKF)，预测并补偿船体在算法处理时延内新产生的姿态偏差，最终形成捕获与追踪协同的闭环反馈式自适应对星算法。基于真实海况下28000-DWT级散货船实测运动姿态数据的仿真结果表明，在高海况条件下，相较于现有的离网波达方向(DOA)估计算法，所提算法不仅能有效校准估计结果，其计算复杂度亦显著降低。
2026, 48(5): 2089-2101.
doi: 10.11999/JEIT251231
摘要:
针对多无人机自主协同避障航路规划任务中，传统多智能体强化学习算法存在的收敛速度慢，无人机协同性不足等问题，该文提出一种先验引导的时序融合价值分解算法(PGL-QMIX)。该方法在离线阶段利用A星(A*)算法生成全局参考路径，并在在线决策中仅提取智能体感知范围内的局部路径片段与几何评分作为弱先验，引导个体策略在部分可观测环境下实现稳定探索与协同避障。同时，设计了双重长短期记忆网络(LSTM)架构，用于建模先验知识与实时状态的时序依赖关系。并对各无人机的动作价值函数进行动态加权融合与自适应优化，提升系统的环境适应性与多无人机协同的稳定性。实验结果表明，所提方法在三维栅格场景中，相较于同场景下次优结果，所提方法的收敛步数分别减少3.0%, 7.2%和7.4%，稳态任务成功率分别提升1.26, 4.41和8.12个百分点，平均航路长度分别缩短6.2%, 8.5%和10.0%，验证了该方法在多无人机自主协同避障航路规划中的有效性与稳定性。
针对多无人机自主协同避障航路规划任务中，传统多智能体强化学习算法存在的收敛速度慢，无人机协同性不足等问题，该文提出一种先验引导的时序融合价值分解算法(PGL-QMIX)。该方法在离线阶段利用A星(A*)算法生成全局参考路径，并在在线决策中仅提取智能体感知范围内的局部路径片段与几何评分作为弱先验，引导个体策略在部分可观测环境下实现稳定探索与协同避障。同时，设计了双重长短期记忆网络(LSTM)架构，用于建模先验知识与实时状态的时序依赖关系。并对各无人机的动作价值函数进行动态加权融合与自适应优化，提升系统的环境适应性与多无人机协同的稳定性。实验结果表明，所提方法在三维栅格场景中，相较于同场景下次优结果，所提方法的收敛步数分别减少3.0%, 7.2%和7.4%，稳态任务成功率分别提升1.26, 4.41和8.12个百分点，平均航路长度分别缩短6.2%, 8.5%和10.0%，验证了该方法在多无人机自主协同避障航路规划中的有效性与稳定性。
2026, 48(5): 2102-2112.
doi: 10.11999/JEIT251057
摘要:
实时无线物联信息更新系统是时间敏感物联网应用的核心。维持终端侧信源过程感知信息的高时效与高保真对业务质量至关重要。该文基于监视终端侧信息年龄(AoI)与信源过程实时估计均方误差(MSE)，研究了有限码长信源编码下的信息时效与保真度。首先，考虑高斯-马尔可夫信源过程，建立有限码长信源编码与无线信息更新系统模型，精准推导时间平均AoI与时间平均MSE的解析表达式。其次，分析了二者关于信源编码失真容限、超限概率以及信息传输速率的单调性与凸性。最后，设计了优化算法联合优化失真容限、超限概率与传输速率，通过最小化时间平均AoI与时间平均MSE的加权和同步提升系统时效性与保真度。仿真与数值结果验证了所提理论分析的准确性与优化算法的有效性。仿真结果表明，所提优化方案在传输功率为20时，最高与最低失真容限方案相比，加权和性能提升约33.7%，且理论解析式与蒙特卡洛仿真的最大相对误差低于0.3%。
实时无线物联信息更新系统是时间敏感物联网应用的核心。维持终端侧信源过程感知信息的高时效与高保真对业务质量至关重要。该文基于监视终端侧信息年龄(AoI)与信源过程实时估计均方误差(MSE)，研究了有限码长信源编码下的信息时效与保真度。首先，考虑高斯-马尔可夫信源过程，建立有限码长信源编码与无线信息更新系统模型，精准推导时间平均AoI与时间平均MSE的解析表达式。其次，分析了二者关于信源编码失真容限、超限概率以及信息传输速率的单调性与凸性。最后，设计了优化算法联合优化失真容限、超限概率与传输速率，通过最小化时间平均AoI与时间平均MSE的加权和同步提升系统时效性与保真度。仿真与数值结果验证了所提理论分析的准确性与优化算法的有效性。仿真结果表明，所提优化方案在传输功率为20时，最高与最低失真容限方案相比，加权和性能提升约33.7%，且理论解析式与蒙特卡洛仿真的最大相对误差低于0.3%。
2026, 48(5): 2113-2121.
doi: 10.11999/JEIT251222
摘要:
机密业务在弹性光网络中传输和处理面临窃听攻击风险，该文提出一种网络编码(NC)和碎片感知的机密业务多路径传输资源分配方法(MRA-NCFA)。该方法采用NC对机密业务进行加密传输；在路由选择阶段，设计感知窃听概率的路径代价函数和多路径保护方法确定业务传输的可靠性；在资源分配阶段，为机密业务设计满足NC约束的碎片感知频谱分配策略。仿真结果表明，与其他采用NC的路由算法相比，所提算法有效降低了业务阻塞率，提高了频谱利用率。
机密业务在弹性光网络中传输和处理面临窃听攻击风险，该文提出一种网络编码(NC)和碎片感知的机密业务多路径传输资源分配方法(MRA-NCFA)。该方法采用NC对机密业务进行加密传输；在路由选择阶段，设计感知窃听概率的路径代价函数和多路径保护方法确定业务传输的可靠性；在资源分配阶段，为机密业务设计满足NC约束的碎片感知频谱分配策略。仿真结果表明，与其他采用NC的路由算法相比，所提算法有效降低了业务阻塞率，提高了频谱利用率。
2026, 48(5): 2122-2131.
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。
2026, 48(5): 2132-2143.
doi: 10.11999/JEIT251294
摘要:
星地融合网络通过协同调度地面网络与卫星节点的计算资源，为用户提供全域随遇接入的计算服务与多样化业务支持。针对星地边缘节点服务放置、云边端协同任务卸载、任务服务质量(QoS)的时延、安全性与隐私等级需求问题，该文提出一种平衡QoS的服务放置与任务卸载联合优化方案(BQSPTO)。首先，采用终端侧、边缘侧、云服务器协同的方式搭建星地网络模型，考虑任务密钥被破解的概率定义任务避免攻击概率，通过任务模式和位置隐私定义任务隐私等级，结合任务完成时延、避免攻击概率、隐私等级构建QoS评估模型。其次，根据任务流行度预测和服务迁移的方式设计星地边缘节点服务放置策略，根据QoS值判定卸载位置和多节点协作方式设计云边端协同完全卸载策略，基于星地边缘节点服务放置和云边端协同任务卸载策略，考虑通信资源与计算资源约束，以最大化总任务QoS值为目标完成优化问题建模。然后，将联合优化问题解耦为服务放置与任务卸载子问题，通过基于多维QoS非支配排序遗传的服务放置算法与融合鲸鱼与灰狼优化云边端协作的任务卸载算法分别解决子问题并进行交替优化完成方案求解。仿真结果表明，所提BQSPTO方案不仅能够有效提升服务放置与任务卸载总QoS值，而且能够保障任务的时延、安全性与隐私等级需求。
星地融合网络通过协同调度地面网络与卫星节点的计算资源，为用户提供全域随遇接入的计算服务与多样化业务支持。针对星地边缘节点服务放置、云边端协同任务卸载、任务服务质量(QoS)的时延、安全性与隐私等级需求问题，该文提出一种平衡QoS的服务放置与任务卸载联合优化方案(BQSPTO)。首先，采用终端侧、边缘侧、云服务器协同的方式搭建星地网络模型，考虑任务密钥被破解的概率定义任务避免攻击概率，通过任务模式和位置隐私定义任务隐私等级，结合任务完成时延、避免攻击概率、隐私等级构建QoS评估模型。其次，根据任务流行度预测和服务迁移的方式设计星地边缘节点服务放置策略，根据QoS值判定卸载位置和多节点协作方式设计云边端协同完全卸载策略，基于星地边缘节点服务放置和云边端协同任务卸载策略，考虑通信资源与计算资源约束，以最大化总任务QoS值为目标完成优化问题建模。然后，将联合优化问题解耦为服务放置与任务卸载子问题，通过基于多维QoS非支配排序遗传的服务放置算法与融合鲸鱼与灰狼优化云边端协作的任务卸载算法分别解决子问题并进行交替优化完成方案求解。仿真结果表明，所提BQSPTO方案不仅能够有效提升服务放置与任务卸载总QoS值，而且能够保障任务的时延、安全性与隐私等级需求。
2026, 48(5): 2144-2153.
doi: 10.11999/JEIT251138
摘要:
人工智能的快速发展为无线通信系统性能的优化和提升提供了新思路。针对瑞利衰落信道下常规深度神经网络(DNN)译码算法性能受限的问题，该文提出一种融合特征提取与恢复机制的SCUNet译码算法，记为SCUNetDec。该网络设计中融入了数据预处理、特征提取与恢复以及噪声水平图3方面机制：首先通过升维操作将一维信号映射为二维特征图，以挖掘更丰富的结构信息；继而利用特征提取与恢复模块削弱维度转换中产生的不相关干扰，从而提升译码效果；同时引入噪声水平图，使网络能够更敏锐地感知和建模信噪比的变化，进一步增强在复杂信道环境下的适应能力。仿真结果表明，SCUNetDec在瑞利衰落信道下的误码性能优于常规神经网络译码方法，接近传统最优译码算法，且同时具备更快的译码速度。
人工智能的快速发展为无线通信系统性能的优化和提升提供了新思路。针对瑞利衰落信道下常规深度神经网络(DNN)译码算法性能受限的问题，该文提出一种融合特征提取与恢复机制的SCUNet译码算法，记为SCUNetDec。该网络设计中融入了数据预处理、特征提取与恢复以及噪声水平图3方面机制：首先通过升维操作将一维信号映射为二维特征图，以挖掘更丰富的结构信息；继而利用特征提取与恢复模块削弱维度转换中产生的不相关干扰，从而提升译码效果；同时引入噪声水平图，使网络能够更敏锐地感知和建模信噪比的变化，进一步增强在复杂信道环境下的适应能力。仿真结果表明，SCUNetDec在瑞利衰落信道下的误码性能优于常规神经网络译码方法，接近传统最优译码算法，且同时具备更快的译码速度。
2026, 48(5): 2154-2165.
doi: 10.11999/JEIT251274
摘要:
无人机(UAV)集群能够实现单平台无法完成的复杂任务，各节点之间的精密时间同步是无人机集群完成资源调度、协同定位以及数据融合的重要基础。随着UAV集群规模越来越大，UAV集群编队飞行中节点之间的时间比对链路连通性具有明显的时变特性，对连续、可靠的高精度时间同步实现提出了挑战。面向UAV集群全部节点的领导跟随一致性时间同步(LFCTS)，该文提出观测时隙聚合(OTSA)模型和时变拓扑聚合(TVTA)模型，并进行了误差建模与仿真分析。OTSA模型通过系统时间同步周期内多个时隙同步样本的有效利用，可有效提升全局时间同步的鲁棒性和时间同步精度，实现的同步精度优于2.56 ns，性能优于传统的分时比对同步体制。TVTA模型通过跨周期时间同步链路状态聚合和中继节点多跳时间同步措施，能够实现集群起飞集合、队形变换过程中的连续时间同步，典型的大规模集群全局同步的预测精度可优于8.60 ns，并基于小规模UAV集群飞行试验验正了模型的鲁棒性。所提方法能够为无人机集群的复杂协同应用提供必要保障。
无人机(UAV)集群能够实现单平台无法完成的复杂任务，各节点之间的精密时间同步是无人机集群完成资源调度、协同定位以及数据融合的重要基础。随着UAV集群规模越来越大，UAV集群编队飞行中节点之间的时间比对链路连通性具有明显的时变特性，对连续、可靠的高精度时间同步实现提出了挑战。面向UAV集群全部节点的领导跟随一致性时间同步(LFCTS)，该文提出观测时隙聚合(OTSA)模型和时变拓扑聚合(TVTA)模型，并进行了误差建模与仿真分析。OTSA模型通过系统时间同步周期内多个时隙同步样本的有效利用，可有效提升全局时间同步的鲁棒性和时间同步精度，实现的同步精度优于2.56 ns，性能优于传统的分时比对同步体制。TVTA模型通过跨周期时间同步链路状态聚合和中继节点多跳时间同步措施，能够实现集群起飞集合、队形变换过程中的连续时间同步，典型的大规模集群全局同步的预测精度可优于8.60 ns，并基于小规模UAV集群飞行试验验正了模型的鲁棒性。所提方法能够为无人机集群的复杂协同应用提供必要保障。
2026, 48(5): 2166-2177.
doi: 10.11999/JEIT251284
摘要:
针对在无人机感知与故障检测并发场景下，无人机巡检过程中任务复杂，带宽、算力和功率等多维资源调度困难的问题，该文提出一种面向感知与AI协同规划的智能无人机巡检多维资源联合优化算法。首先提出一种单无人机与多个计算节点之间联合协同完成多个任务的框架，在无人机与多个边缘计算节点协同工作的系统框架下，无人机在巡检点采集图像与传感器数据，并将其分批传输至多个节点进行分布式处理，完成飞行状态感知与故障检测任务，最终形成了以无人机系统能耗最小化为目标，带宽、功率、算力、节点选择、数据量和压缩率为变量的最优化问题。针对该问题，将原优化问题分解为4个子问题，分别采用双辅助混合整数线性规划(MILP)转化、数据驱动边界学习、基于逐次凸逼近(SCA)的带宽功率联合优化和下界解析分配等方法进行求解，并通过交替优化策略实现整体优化，并进行了复杂度分析。最后仿真结果表明，与其它先进算法相比，所提方法在时延、能耗、精度方面具有更优的性能。
针对在无人机感知与故障检测并发场景下，无人机巡检过程中任务复杂，带宽、算力和功率等多维资源调度困难的问题，该文提出一种面向感知与AI协同规划的智能无人机巡检多维资源联合优化算法。首先提出一种单无人机与多个计算节点之间联合协同完成多个任务的框架，在无人机与多个边缘计算节点协同工作的系统框架下，无人机在巡检点采集图像与传感器数据，并将其分批传输至多个节点进行分布式处理，完成飞行状态感知与故障检测任务，最终形成了以无人机系统能耗最小化为目标，带宽、功率、算力、节点选择、数据量和压缩率为变量的最优化问题。针对该问题，将原优化问题分解为4个子问题，分别采用双辅助混合整数线性规划(MILP)转化、数据驱动边界学习、基于逐次凸逼近(SCA)的带宽功率联合优化和下界解析分配等方法进行求解，并通过交替优化策略实现整体优化，并进行了复杂度分析。最后仿真结果表明，与其它先进算法相比，所提方法在时延、能耗、精度方面具有更优的性能。
2026, 48(5): 2178-2187.
doi: 10.11999/JEIT250574
摘要:
通信感知一体化(ISAC)是未来6G的关键技术场景。区别于现有小区体制，基于Cell-free架构的ISAC系统需要对接入点(AP)的波束成形与AP-用户/目标匹配进行联合优化。针对上述问题，该文提出一种基于二进制无线电地图(BRM)的联合通信感知一体化波束成形与AP匹配优化方法。首先，利用BRM提供的环境信息对AP与用户/目标之间的信道进行预测，提供AP-用户/目标匹配所需的全局信道信息。在此基础上，建立基于ISAC满意度的优化模型，进而借助遗传算法设计了AP波束成形与AP-用户/目标匹配的迭代优化算法。仿真表明，相比于现有方案，所提方法能够有效提升Cell-free架构下系统的通信感知一体化性能。
通信感知一体化(ISAC)是未来6G的关键技术场景。区别于现有小区体制，基于Cell-free架构的ISAC系统需要对接入点(AP)的波束成形与AP-用户/目标匹配进行联合优化。针对上述问题，该文提出一种基于二进制无线电地图(BRM)的联合通信感知一体化波束成形与AP匹配优化方法。首先，利用BRM提供的环境信息对AP与用户/目标之间的信道进行预测，提供AP-用户/目标匹配所需的全局信道信息。在此基础上，建立基于ISAC满意度的优化模型，进而借助遗传算法设计了AP波束成形与AP-用户/目标匹配的迭代优化算法。仿真表明，相比于现有方案，所提方法能够有效提升Cell-free架构下系统的通信感知一体化性能。
2026, 48(5): 2188-2198.
doi: 10.11999/JEIT251039
摘要:
智能反射面(IRS)辅助的通信感知一体化(ISAC)系统通过主动调控电磁波传播环境，为提升无线网络的通信与定位性能提供了创新途径。该文提出一种半无源IRS辅助的ISAC架构，通过在基站(BS)端与IRS端协同配置感知阵列，联合接收目标反射的正交频分复用(OFDM)信号，实现无需定位导频的高精度三维协作定位。针对该架构，该文提出两种协作定位算法，即基于参数解耦的两步定位法和基于联合优化的直接定位法。两步定位法分别采用空间平滑(SS)多信号分类(MUSIC)算法和改进的快速傅里叶变换(FFT)算法，独立估计反射信号到达各感知阵列的时延与到达角余弦值等信道参数，继而利用感知阵列和目标的空间几何关系解析目标位置；直接定位法基于最大似然(ML)准则，联合所有阵列的接收信号构建关于目标位置的目标函数，采用类牛顿法在目标空间进行高效搜索完成定位。所提方案借助感知信号，不仅无需额外导频开销，还能通过联合多个OFDM符号之间的信息提高定位精度。为进一步评估算法性能极限，该文推导了信道参数及目标位置估计的克拉美罗下界(CRLB)，并开展了蒙特卡罗数值仿真实验进行验证。结果表明，直接定位法在定位精度上优于两步定位法，且在高信噪比条件下能够逼近CRLB。相比传统基于到达角(AoA)/到达时间(ToA)的定位方法，该文所提算法具有更好的定位精度和鲁棒性。
智能反射面(IRS)辅助的通信感知一体化(ISAC)系统通过主动调控电磁波传播环境，为提升无线网络的通信与定位性能提供了创新途径。该文提出一种半无源IRS辅助的ISAC架构，通过在基站(BS)端与IRS端协同配置感知阵列，联合接收目标反射的正交频分复用(OFDM)信号，实现无需定位导频的高精度三维协作定位。针对该架构，该文提出两种协作定位算法，即基于参数解耦的两步定位法和基于联合优化的直接定位法。两步定位法分别采用空间平滑(SS)多信号分类(MUSIC)算法和改进的快速傅里叶变换(FFT)算法，独立估计反射信号到达各感知阵列的时延与到达角余弦值等信道参数，继而利用感知阵列和目标的空间几何关系解析目标位置；直接定位法基于最大似然(ML)准则，联合所有阵列的接收信号构建关于目标位置的目标函数，采用类牛顿法在目标空间进行高效搜索完成定位。所提方案借助感知信号，不仅无需额外导频开销，还能通过联合多个OFDM符号之间的信息提高定位精度。为进一步评估算法性能极限，该文推导了信道参数及目标位置估计的克拉美罗下界(CRLB)，并开展了蒙特卡罗数值仿真实验进行验证。结果表明，直接定位法在定位精度上优于两步定位法，且在高信噪比条件下能够逼近CRLB。相比传统基于到达角(AoA)/到达时间(ToA)的定位方法，该文所提算法具有更好的定位精度和鲁棒性。
2026, 48(5): 2199-2209.
doi: 10.11999/JEIT250640
摘要:
工业物联网中，多模终端应用需求的复杂和多样性对使用边缘计算卸载任务提出了更高的要求。多接入边缘计算网络的灵活切换为多模终端应用提供了更高效任务处理方案的机会，如何在工业无线局域网与5G公网协作系统中，在异构网络资源分配约束下，设计网络选择机制，以及使用公网资源的额外成本开销条件下，用户任务卸载方案制定，成为降低用户任务执行成本，提高任务卸载量与执行效率的关键挑战。该文研究了面向多模终端的多接入边缘计算网络中，任务卸载与网络选择的联合优化问题，建立了基于拍卖模型的系统成本优化模型，根据异构网络通信资源与边缘服务器计算资源的动态分配变化，提出了基于拍卖机制的动态资源感知与任务卸载算法，设计终端用户任务卸载机制与异构网络节点匹配，最小化系统成本开销，提高任务执行效率及用户服务体验。通过仿真实验证明，该算法机制对比基准算法能够降低至少5%~15%系统成本开销，并能够平均提高10%的任务卸载数据量比例，有效提高多模终端任务处理效率。
工业物联网中，多模终端应用需求的复杂和多样性对使用边缘计算卸载任务提出了更高的要求。多接入边缘计算网络的灵活切换为多模终端应用提供了更高效任务处理方案的机会，如何在工业无线局域网与5G公网协作系统中，在异构网络资源分配约束下，设计网络选择机制，以及使用公网资源的额外成本开销条件下，用户任务卸载方案制定，成为降低用户任务执行成本，提高任务卸载量与执行效率的关键挑战。该文研究了面向多模终端的多接入边缘计算网络中，任务卸载与网络选择的联合优化问题，建立了基于拍卖模型的系统成本优化模型，根据异构网络通信资源与边缘服务器计算资源的动态分配变化，提出了基于拍卖机制的动态资源感知与任务卸载算法，设计终端用户任务卸载机制与异构网络节点匹配，最小化系统成本开销，提高任务执行效率及用户服务体验。通过仿真实验证明，该算法机制对比基准算法能够降低至少5%~15%系统成本开销，并能够平均提高10%的任务卸载数据量比例，有效提高多模终端任务处理效率。
2026, 48(5): 2210-2222.
doi: 10.11999/JEIT251283
摘要:
合成孔径雷达(SAR)极易受到射频干扰(RFI)的影响。相关学者针对SAR干扰抑制已经开展了深入的研究，并提出了一系列干扰抑制算法。然而，目前大多数算法并未考虑到SAR接收机发生饱和的影响。实际上，当干扰功率较大时，SAR接收机非常容易发生饱和，使受干扰回波产生非线性畸变，导致饱和干扰与当前干扰抑制算法的模型失配。目前仍缺少能够精确描述饱和受干扰回波特性的数学模型以及饱和干扰抑制方法。为此，该文首先提出了精确饱和干扰分析模型，并验证了该模型在分析饱和干扰幅相信息时的准确性。基于该模型，提出了一种能有效缓解饱和干扰的抑制方法。首先，基于干扰基波大功率特性通过特征子空间分解来提取基波；然后，利用谐波与基波的相位关系，构建涵盖目标回波、干扰基波、干扰谐波以及互调谐波的综合完备字典；最后求解稀疏优化问题，完成饱和干扰的分离与抑制。通过实测数据验证，并与其他抑制方法进行对比，验证了所提方法在应对饱和干扰时的有效性。
合成孔径雷达(SAR)极易受到射频干扰(RFI)的影响。相关学者针对SAR干扰抑制已经开展了深入的研究，并提出了一系列干扰抑制算法。然而，目前大多数算法并未考虑到SAR接收机发生饱和的影响。实际上，当干扰功率较大时，SAR接收机非常容易发生饱和，使受干扰回波产生非线性畸变，导致饱和干扰与当前干扰抑制算法的模型失配。目前仍缺少能够精确描述饱和受干扰回波特性的数学模型以及饱和干扰抑制方法。为此，该文首先提出了精确饱和干扰分析模型，并验证了该模型在分析饱和干扰幅相信息时的准确性。基于该模型，提出了一种能有效缓解饱和干扰的抑制方法。首先，基于干扰基波大功率特性通过特征子空间分解来提取基波；然后，利用谐波与基波的相位关系，构建涵盖目标回波、干扰基波、干扰谐波以及互调谐波的综合完备字典；最后求解稀疏优化问题，完成饱和干扰的分离与抑制。通过实测数据验证，并与其他抑制方法进行对比，验证了所提方法在应对饱和干扰时的有效性。
2026, 48(5): 2223-2232.
doi: 10.11999/JEIT251320
摘要:
随着量子计算的迅猛发展，数据库审计日志中常用的RSA, ECDSA等经典数字签名机制因依赖大整数分解与离散对数等难题而在Shor算法下面临失效风险，同时Grover算法对哈希函数及对称密码的攻击复杂度降低也进一步削弱了现有审计机制的长期安全性。为提升审计日志在云计算与大数据环境中的完整性与可追溯能力，有必要构建能够抵御量子攻击的审计签名体系。为此，该文采用抗量子密码学原理，以FORS少次签名与XMSS-T树型结构为基础构建量子安全签名层，结合Shamir门限秘密共享机制实现私钥的安全分发与分布式管理，并利用链式哈希结构确保日志在存储与传输过程中的不可篡改性。安全性分析表明，该机制在量子随机预言机模型下满足不可伪造性与机密性要求，并具备抵御量子攻击的能力。实验结果进一步验证了体系在高并发日志场景下保持较低签名延迟与稳定吞吐率，且在不同日志规模与消息大小下表现出良好的扩展性，适用于大规模分布式数据库审计环境。
随着量子计算的迅猛发展，数据库审计日志中常用的RSA, ECDSA等经典数字签名机制因依赖大整数分解与离散对数等难题而在Shor算法下面临失效风险，同时Grover算法对哈希函数及对称密码的攻击复杂度降低也进一步削弱了现有审计机制的长期安全性。为提升审计日志在云计算与大数据环境中的完整性与可追溯能力，有必要构建能够抵御量子攻击的审计签名体系。为此，该文采用抗量子密码学原理，以FORS少次签名与XMSS-T树型结构为基础构建量子安全签名层，结合Shamir门限秘密共享机制实现私钥的安全分发与分布式管理，并利用链式哈希结构确保日志在存储与传输过程中的不可篡改性。安全性分析表明，该机制在量子随机预言机模型下满足不可伪造性与机密性要求，并具备抵御量子攻击的能力。实验结果进一步验证了体系在高并发日志场景下保持较低签名延迟与稳定吞吐率，且在不同日志规模与消息大小下表现出良好的扩展性，适用于大规模分布式数据库审计环境。
2026, 48(5): 2233-2241.
doi: 10.11999/JEIT251277
摘要:
基于容错学习(LWE)问题及其变体设计的密码算法应用十分广泛，如密钥封装机制Kyber、数字签名Dilithium等。事实上，LWE问题的秘密向量通常为短向量，因此将LWE问题规约到最短向量问题(SVP)是一种常见的求解思路。传统SVP的求解算法包括枚举、筛法以及格基约化算法等。随着侧信道攻击的引入，SVP的求解产生了一些新的思路。该文针对提示信息进行分析，提出了整数提示信息和带模提示信息下的SVP降维攻击方法。实验结果表明，降维攻击方法在实际中具有较强的可行性，能够有效扩展枚举和筛法的应用上界。
基于容错学习(LWE)问题及其变体设计的密码算法应用十分广泛，如密钥封装机制Kyber、数字签名Dilithium等。事实上，LWE问题的秘密向量通常为短向量，因此将LWE问题规约到最短向量问题(SVP)是一种常见的求解思路。传统SVP的求解算法包括枚举、筛法以及格基约化算法等。随着侧信道攻击的引入，SVP的求解产生了一些新的思路。该文针对提示信息进行分析，提出了整数提示信息和带模提示信息下的SVP降维攻击方法。实验结果表明，降维攻击方法在实际中具有较强的可行性，能够有效扩展枚举和筛法的应用上界。
2026, 48(5): 2242-2250.
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。该文主要研究了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。该文主要研究了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。
2026, 48(5): 2251-2258.
doi: 10.11999/JEIT251204
摘要:
极大距离可分(MDS)码和近极大距离可分(NMDS)码因其具有良好的代数结构和纠错能力，在通信系统、数据存储和密钥共享方案等领域有广泛的应用。该文利用偶特征有限域\begin{document}$ {\mathbb{F}}_{{{q}^{2}}} $\end{document} \begin{document}$ \mathbb{F}_{{q}^{2}}^{*} $\end{document} \begin{document}$ {U}_{q+1} $\end{document} \begin{document}$ q+3 $\end{document} \begin{document}$ {U}_{q+1} $\end{document}
极大距离可分(MDS)码和近极大距离可分(NMDS)码因其具有良好的代数结构和纠错能力，在通信系统、数据存储和密钥共享方案等领域有广泛的应用。该文利用偶特征有限域
2026, 48(5): 2259-2267.
doi: 10.11999/JEIT251131
摘要:
随着电信技术的快速发展，物联网设备得到日益普及，针对物联网设备的功耗、数据隐私和安全性等问题，许多轻量级密码算法给出了解决方案。为了应对数据传输过程中电池寿命和能源受限的问题，一种低能耗的轻量级分组密码INLEC被提出以减少物联网设备中的数据泄露。该算法能有效抵抗差分、线性、不可能差分以及侧信道等多种密码分析技术，但尚未对其抵抗积分分析能力进行评估。为此，该文对其在积分分析下的安全性进行全面研究。利用单项式预测技术对INLEC算法进行混合整数线性规划(MILP)建模，首次得到了INLEC的9轮积分区分器。进一步结合扩散层的结构特性，扩展得到10轮积分区分器。在此基础上，利用部分和技术和多密钥猜测方法对算法进行14轮密钥恢复攻击，其数据复杂度为\begin{document}$ {2}^{63} $\end{document} \begin{document}$ {2}^{89.843} $\end{document}
随着电信技术的快速发展，物联网设备得到日益普及，针对物联网设备的功耗、数据隐私和安全性等问题，许多轻量级密码算法给出了解决方案。为了应对数据传输过程中电池寿命和能源受限的问题，一种低能耗的轻量级分组密码INLEC被提出以减少物联网设备中的数据泄露。该算法能有效抵抗差分、线性、不可能差分以及侧信道等多种密码分析技术，但尚未对其抵抗积分分析能力进行评估。为此，该文对其在积分分析下的安全性进行全面研究。利用单项式预测技术对INLEC算法进行混合整数线性规划(MILP)建模，首次得到了INLEC的9轮积分区分器。进一步结合扩散层的结构特性，扩展得到10轮积分区分器。在此基础上，利用部分和技术和多密钥猜测方法对算法进行14轮密钥恢复攻击，其数据复杂度为
2026, 48(5): 2268-2276.
doi: 10.11999/JEIT251286
摘要:
随着电路规模和复杂度的不断提升，可测性分析已成为电路设计与测试阶段中评估电路质量与优化测试点配置的关键环节。然而，现有方法在处理信号相关性与扇出重汇聚结构时，普遍存在精度不足与计算开销较大的问题，难以兼顾效率与准确性。为此，该文提出一种基于扇出重汇聚的可测性评估方法。该方法通过解析电路拓扑识别扇出重汇聚区域，构建结构相关的加权可测性计算模型，并实现了高效的可测性分析算法框架，以在保证精度的同时提升计算效率。实验结果表明，该文方法在可控性预测中均方根误差平均降低约25%，确保精度的同时，计算时间平均加速7倍，在故障覆盖率预测以及排序一致性检测中亦表现优异。
随着电路规模和复杂度的不断提升，可测性分析已成为电路设计与测试阶段中评估电路质量与优化测试点配置的关键环节。然而，现有方法在处理信号相关性与扇出重汇聚结构时，普遍存在精度不足与计算开销较大的问题，难以兼顾效率与准确性。为此，该文提出一种基于扇出重汇聚的可测性评估方法。该方法通过解析电路拓扑识别扇出重汇聚区域，构建结构相关的加权可测性计算模型，并实现了高效的可测性分析算法框架，以在保证精度的同时提升计算效率。实验结果表明，该文方法在可控性预测中均方根误差平均降低约25%，确保精度的同时，计算时间平均加速7倍，在故障覆盖率预测以及排序一致性检测中亦表现优异。
2026, 48(5): 2277-2287.
doi: 10.11999/JEIT251281
摘要:
该文针对智能超表面(RIS)辅助下的密钥生成技术，从攻击与防御双视角开展研究。首先，基于攻击方视角提出了一种改进的联合密钥推测攻击策略，主动窃听者可结合注入信号和信道空间相关性进行联合密钥推测，显著加剧密钥生成过程的安全威胁；其次，从防御方视角提出了一种利用RIS随机化信道的抗注入式攻击密钥生成方案，合法用户通过调控RIS，在每个探测回合中主动随机化信道状态信息，迫使窃听者无法有效实施信号注入式攻击，从而降低密钥泄露风险并抑制密钥推测概率；进一步地；推导了该方案合法信道密钥容量和窃听信道密钥容量的理论表达式，定量分析了信噪比和窃听信道功率占比对合法信道密钥容量和窃听信道密钥容量的影响。仿真结果表明，相比现有方案，所提方案在克服准静态场景信道变化缓慢的基础上，提升了密钥生成系统的安全性。即使窃听者增大注入信号功率，窃听信道的密钥容量也呈现基本不变的趋势，有效抵御了信号注入式攻击的威胁。
该文针对智能超表面(RIS)辅助下的密钥生成技术，从攻击与防御双视角开展研究。首先，基于攻击方视角提出了一种改进的联合密钥推测攻击策略，主动窃听者可结合注入信号和信道空间相关性进行联合密钥推测，显著加剧密钥生成过程的安全威胁；其次，从防御方视角提出了一种利用RIS随机化信道的抗注入式攻击密钥生成方案，合法用户通过调控RIS，在每个探测回合中主动随机化信道状态信息，迫使窃听者无法有效实施信号注入式攻击，从而降低密钥泄露风险并抑制密钥推测概率；进一步地；推导了该方案合法信道密钥容量和窃听信道密钥容量的理论表达式，定量分析了信噪比和窃听信道功率占比对合法信道密钥容量和窃听信道密钥容量的影响。仿真结果表明，相比现有方案，所提方案在克服准静态场景信道变化缓慢的基础上，提升了密钥生成系统的安全性。即使窃听者增大注入信号功率，窃听信道的密钥容量也呈现基本不变的趋势，有效抵御了信号注入式攻击的威胁。
2026, 48(5): 2288-2303.
doi: 10.11999/JEIT251108
摘要:
动态干扰环境下，射频识别(RFID)耦合认证的物理层特征易受金属反射、多径效应影响，导致传统静态建模方法识别稳定性不足。针对此问题，该文提出风险调控学习识别框架(RMLIF)，构建“风险感知-物理调节-特征重构-分类判定”的闭环机制。该框架创新性在于：(1)建立随机微分方程(SDE)信道模型，通过漂移项、扩散项与冲击项协同刻画动态干扰，证明解存在唯一性定理；(2)设计目标导向自适应风险(TDAR)调节算法，理论上保证风险指数单调收敛与扰动稳定性，等效实现分类边界间隔放大；(3)提出识别风险指数(RRI)与信干噪比(SINR)的指数映射关系，构建低维压缩特征空间，并推导出泛化误差界与样本复杂度界。基于通用软件无线电外设(USRP)N2000平台的实验表明，在无/小/中/大铜片干扰场景下，RMLIF识别准确率均达90%以上，较传统方法平均提升10%～20%，验证了理论分析的正确性与工程应用价值。
动态干扰环境下，射频识别(RFID)耦合认证的物理层特征易受金属反射、多径效应影响，导致传统静态建模方法识别稳定性不足。针对此问题，该文提出风险调控学习识别框架(RMLIF)，构建“风险感知-物理调节-特征重构-分类判定”的闭环机制。该框架创新性在于：(1)建立随机微分方程(SDE)信道模型，通过漂移项、扩散项与冲击项协同刻画动态干扰，证明解存在唯一性定理；(2)设计目标导向自适应风险(TDAR)调节算法，理论上保证风险指数单调收敛与扰动稳定性，等效实现分类边界间隔放大；(3)提出识别风险指数(RRI)与信干噪比(SINR)的指数映射关系，构建低维压缩特征空间，并推导出泛化误差界与样本复杂度界。基于通用软件无线电外设(USRP)N2000平台的实验表明，在无/小/中/大铜片干扰场景下，RMLIF识别准确率均达90%以上，较传统方法平均提升10%～20%，验证了理论分析的正确性与工程应用价值。
2026, 48(5): 2304-2316.
doi: 10.11999/JEIT251237
摘要:
针对移动群智感知(MCS)系统中用户执行任务时上传真实位置易被不可信服务器或外部攻击者不当利用，且不同用户在不同地点对位置隐私保护的敏感度存在差异的问题，该文研究基于三维空间地理不可区分性(3DGI)和扭曲隐私的个性化位置隐私感知任务分配方法。同时，为解决动态3D MCS环境下的隐私策略选择问题，综合考虑用户能量状态、任务执行能耗、个性化隐私偏好及攻击者行为，设计了基于近端策略优化(PPO)的3D位置隐私感知任务分配机制(PPOM)。该机制采用Actor-Critic结构进行位置扰动策略学习，通过高斯策略采样与优势函数引导，动态平衡位置隐私保护与服务器利润。为了在位置扰动的前提下尽可能提升服务器利润，该文进一步构建了基于推断位置的任务分配机制，并在模拟数据集和真实GeoLife数据集上，分别设置单用户单任务(S-S)与单用户多任务(S-M)两种分配模式开展仿真实验。结果表明所提PPOM机制在隐私保护强度、服务器系统效益方面均优于对比机制，验证了其在复杂3D MCS场景中的有效性与实用性。
针对移动群智感知(MCS)系统中用户执行任务时上传真实位置易被不可信服务器或外部攻击者不当利用，且不同用户在不同地点对位置隐私保护的敏感度存在差异的问题，该文研究基于三维空间地理不可区分性(3DGI)和扭曲隐私的个性化位置隐私感知任务分配方法。同时，为解决动态3D MCS环境下的隐私策略选择问题，综合考虑用户能量状态、任务执行能耗、个性化隐私偏好及攻击者行为，设计了基于近端策略优化(PPO)的3D位置隐私感知任务分配机制(PPOM)。该机制采用Actor-Critic结构进行位置扰动策略学习，通过高斯策略采样与优势函数引导，动态平衡位置隐私保护与服务器利润。为了在位置扰动的前提下尽可能提升服务器利润，该文进一步构建了基于推断位置的任务分配机制，并在模拟数据集和真实GeoLife数据集上，分别设置单用户单任务(S-S)与单用户多任务(S-M)两种分配模式开展仿真实验。结果表明所提PPOM机制在隐私保护强度、服务器系统效益方面均优于对比机制，验证了其在复杂3D MCS场景中的有效性与实用性。
编辑部公告
more >
- 《电子与信息学报》“数据论文” 长期征稿启事
- 征文丨太空云系统：架构、技术和应用专刊
- 重磅丨【电子与信息年度前沿进展综述专刊】征文通知
- 关于EI数据库收录缺失文章的补录登记通知
- 征文丨“星航计划”专刊
- 《电子与信息学报》2026年“星航计划”决赛结果出炉
- 专刊征文丨面向下一代无线通信的编码理论、技术与应用
- 专题征文丨网电密态对抗技术
学术动态
more >
- 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)
- 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
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
