邮件订阅
当期目录
2025年 第47卷 第10期
显示方式:
2025, 47(10): 3395-3409.
doi: 10.11999/JEIT250160
摘要:
去中心化金融(DeFi)依托区块链技术，实现了金融交易和服务的去中心化，重塑了传统金融体系中的信任机制，成为近年来学术界和工业界的研究热点。然而，DeFi的开放性、匿名性和无需许可的特征，虽然赋予用户更大的灵活性和自主权，但也带来了严峻的监管挑战，导致金融欺诈行为频发，尤其是地毯拉动骗局(Rug Pull)屡见不鲜。针对这一问题，该文提出一种基于异构图神经网络的地毯拉动骗局早期检测算法(HNN4RP)，用于识别和预警DeFi生态中的地毯拉动骗局。具体而言，将以太坊交易数据建模为异构图，并结合重启随机游走采样策略、异构节点特征提取技术和基于双向长短期记忆网络的时序特征融合方法，以有效应对数据分布不均、异构节点特征提取困难以及时序信息缺失等3大关键挑战。实验结果表明，通过在真实的以太坊数据集上，HNN4RP取得了96%的精确率和94%的召回率，相较于基线方法精确率提升了17.8%，显著优于传统检测方法，并能够提供及时的欺诈预警。此外，消融实验和敏感性分析验证了模型的鲁棒性。
去中心化金融(DeFi)依托区块链技术，实现了金融交易和服务的去中心化，重塑了传统金融体系中的信任机制，成为近年来学术界和工业界的研究热点。然而，DeFi的开放性、匿名性和无需许可的特征，虽然赋予用户更大的灵活性和自主权，但也带来了严峻的监管挑战，导致金融欺诈行为频发，尤其是地毯拉动骗局(Rug Pull)屡见不鲜。针对这一问题，该文提出一种基于异构图神经网络的地毯拉动骗局早期检测算法(HNN4RP)，用于识别和预警DeFi生态中的地毯拉动骗局。具体而言，将以太坊交易数据建模为异构图，并结合重启随机游走采样策略、异构节点特征提取技术和基于双向长短期记忆网络的时序特征融合方法，以有效应对数据分布不均、异构节点特征提取困难以及时序信息缺失等3大关键挑战。实验结果表明，通过在真实的以太坊数据集上，HNN4RP取得了96%的精确率和94%的召回率，相较于基线方法精确率提升了17.8%，显著优于传统检测方法，并能够提供及时的欺诈预警。此外，消融实验和敏感性分析验证了模型的鲁棒性。
2025, 47(10): 3410-3425.
doi: 10.11999/JEIT250305
摘要:
大规模工业物联网设备的高效互联互通与智能管控是我国制造业数字化、网络化、智能化转型升级和高质量发展的关键。由于通信、计算和网络资源受限，传输环境复杂，感知、传输和控制系统分离设计，传统工业网络面临感知传输效率低、异构系统互操作性差和难以高效协同的严峻挑战。首先，该文调研并总结了工业物联网发展的核心需求与瓶颈问题，其次，重点聚焦智能感传控融合的工业网络架构、工业物联网智能感知方法、认知智能驱动的工业语义通信以及边缘智能感知-高效传输-最优控制联合设计等关键技术问题，讨论了工业物联网智能感知-传输-控制融合的研究进展，最后总结了工业大模型与工业智能体、工业5.0、工业跨模态协同交互和工业数字孪生等具有重要意义和发展潜力的未来研究方向。
大规模工业物联网设备的高效互联互通与智能管控是我国制造业数字化、网络化、智能化转型升级和高质量发展的关键。由于通信、计算和网络资源受限，传输环境复杂，感知、传输和控制系统分离设计，传统工业网络面临感知传输效率低、异构系统互操作性差和难以高效协同的严峻挑战。首先，该文调研并总结了工业物联网发展的核心需求与瓶颈问题，其次，重点聚焦智能感传控融合的工业网络架构、工业物联网智能感知方法、认知智能驱动的工业语义通信以及边缘智能感知-高效传输-最优控制联合设计等关键技术问题，讨论了工业物联网智能感知-传输-控制融合的研究进展，最后总结了工业大模型与工业智能体、工业5.0、工业跨模态协同交互和工业数字孪生等具有重要意义和发展潜力的未来研究方向。
2025, 47(10): 3426-3438.
doi: 10.11999/JEIT250242
摘要:
通感算一体化技术与人工智能算法相结合已成为一个非常重要的领域，因其频谱利用率高、硬件成本低等优点，已经成为第6代(6G)网络中的关键技术之一。人工智能(AI)赋能的通感算一体化系统通过集成感知、通信、计算和人工智能功能，可在日益复杂和动态的环境中实现快速数据处理、实时资源优化和智能决策，已经广泛应用于智能车载网络，包括无人机和自动汽车，以及雷达应用、定位和跟踪、波束成形等领域。该文在引入人工智能算法来提高通感算一体化系统性能的基础上，简要介绍了人工智能和通感算一体化的特征与优势，重点讨论了AI赋能的通感算一体化系统的智能网络框架、应用前景、性能指标和关键技术，并在最后对AI赋能的通感算一体化面临的挑战进行了研究展望，未来的6G无线通信网络将超越纯粹的数据传输管道，成为一个集成传感、通信、计算和智能的综合平台，以提供无处不在的人工智能服务。
通感算一体化技术与人工智能算法相结合已成为一个非常重要的领域，因其频谱利用率高、硬件成本低等优点，已经成为第6代(6G)网络中的关键技术之一。人工智能(AI)赋能的通感算一体化系统通过集成感知、通信、计算和人工智能功能，可在日益复杂和动态的环境中实现快速数据处理、实时资源优化和智能决策，已经广泛应用于智能车载网络，包括无人机和自动汽车，以及雷达应用、定位和跟踪、波束成形等领域。该文在引入人工智能算法来提高通感算一体化系统性能的基础上，简要介绍了人工智能和通感算一体化的特征与优势，重点讨论了AI赋能的通感算一体化系统的智能网络框架、应用前景、性能指标和关键技术，并在最后对AI赋能的通感算一体化面临的挑战进行了研究展望，未来的6G无线通信网络将超越纯粹的数据传输管道，成为一个集成传感、通信、计算和智能的综合平台，以提供无处不在的人工智能服务。
2025, 47(10): 3439-3464.
doi: 10.11999/JEIT250260
摘要:
人机融合智能是人工智能发展到一定阶段的产物，构成了由弱人工智能向强人工智能过渡的关键中间智能形态。该领域的研究不仅涵盖人工智能基础理论与技术的探索，还涉及人类、机器与环境之间复杂关系的系统性分析。在军事、医疗和驾驶等应用场景中，探索人机融合智能在复杂决策中的应用具有重要的研究意义和实用价值。该文阐述了人机融合智能的概念，分析实现人机融合智能决策的意义；归纳了人机融合智能决策系统的一般框架，并依据决策任务的特性及其中体现的人机关系，总结了人机融合智能决策的3种具体方式，即人类主导型决策、机器主导型决策和人机协同型决策；介绍了人机融合智能决策的典型应用；讨论了人机融合智能决策存在的问题和未来的研究方向。
人机融合智能是人工智能发展到一定阶段的产物，构成了由弱人工智能向强人工智能过渡的关键中间智能形态。该领域的研究不仅涵盖人工智能基础理论与技术的探索，还涉及人类、机器与环境之间复杂关系的系统性分析。在军事、医疗和驾驶等应用场景中，探索人机融合智能在复杂决策中的应用具有重要的研究意义和实用价值。该文阐述了人机融合智能的概念，分析实现人机融合智能决策的意义；归纳了人机融合智能决策系统的一般框架，并依据决策任务的特性及其中体现的人机关系，总结了人机融合智能决策的3种具体方式，即人类主导型决策、机器主导型决策和人机协同型决策；介绍了人机融合智能决策的典型应用；讨论了人机融合智能决策存在的问题和未来的研究方向。
2025, 47(10): 3465-3481.
doi: 10.11999/JEIT250188
摘要:
近年来，网络协议模糊测试(NPF)领域产生了大量研究成果，然而目前缺乏针对NPF的系统性综述。为此，该文首先厘清网络协议软件相较其它模糊测试对象的特异性，这体现在严格消息格式、异步网络交互和复杂状态维护等。提出一种问题导向型NPF分类方法，基于NPF三大核心问题——协议数据包构造、协议状态感知和协议栈效率优化，梳理归纳近8年来NPF研究成果，对比不同NPF技术的能力现状与局限性。总结制约NPF发展的关键技术挑战，并结合新兴技术探讨了未来发展方向与潜在课题，旨在为协议分析领域研究者提供具有参考价值的洞见与启示。
近年来，网络协议模糊测试(NPF)领域产生了大量研究成果，然而目前缺乏针对NPF的系统性综述。为此，该文首先厘清网络协议软件相较其它模糊测试对象的特异性，这体现在严格消息格式、异步网络交互和复杂状态维护等。提出一种问题导向型NPF分类方法，基于NPF三大核心问题——协议数据包构造、协议状态感知和协议栈效率优化，梳理归纳近8年来NPF研究成果，对比不同NPF技术的能力现状与局限性。总结制约NPF发展的关键技术挑战，并结合新兴技术探讨了未来发展方向与潜在课题，旨在为协议分析领域研究者提供具有参考价值的洞见与启示。
2025, 47(10): 3482-3491.
doi: 10.11999/JEIT250146
摘要:
该文聚焦于通信感知一体化(ISAC)系统性能优化问题，提出一种可移动天线(MA)赋能的创新解决方案。针对传统固定天线阵列因空间自由度受限导致的波束调控能力不足，该研究通过动态调整发射端MA元素的位置来充分利用无线信道空间特性。在满足用户通信与雷达感知需求的约束条件下，建立了包含MA元素离散位置、波束赋形向量和感知信号协方差矩阵的联合优化模型，以最小化系统发射功率。为解决优化变量耦合度高且包含二元离散变量的难题，该文采用离散二进制粒子群优化(BPSO)算法框架进行求解。具体地，首先，通过适应度函数迭代地确定MA元素的离散位置，并运用半正定松弛(SDR)和逐次凸近似(SCA)技术处理非凸约束，进一步求解波束赋形向量和感知协方差矩阵。仿真结果表明，相较于传统固定天线阵列基准方案，所提方案在降低ISAC系统发射功率方面具有显著优势。该文为MA赋能的ISAC系统能耗优化提供了新的思路，对下一代无线通信系统的通信感知融合网络设计具有重要指导意义。
该文聚焦于通信感知一体化(ISAC)系统性能优化问题，提出一种可移动天线(MA)赋能的创新解决方案。针对传统固定天线阵列因空间自由度受限导致的波束调控能力不足，该研究通过动态调整发射端MA元素的位置来充分利用无线信道空间特性。在满足用户通信与雷达感知需求的约束条件下，建立了包含MA元素离散位置、波束赋形向量和感知信号协方差矩阵的联合优化模型，以最小化系统发射功率。为解决优化变量耦合度高且包含二元离散变量的难题，该文采用离散二进制粒子群优化(BPSO)算法框架进行求解。具体地，首先，通过适应度函数迭代地确定MA元素的离散位置，并运用半正定松弛(SDR)和逐次凸近似(SCA)技术处理非凸约束，进一步求解波束赋形向量和感知协方差矩阵。仿真结果表明，相较于传统固定天线阵列基准方案，所提方案在降低ISAC系统发射功率方面具有显著优势。该文为MA赋能的ISAC系统能耗优化提供了新的思路，对下一代无线通信系统的通信感知融合网络设计具有重要指导意义。
2025, 47(10): 3492-3504.
doi: 10.11999/JEIT250262
摘要:
在工业物联网(IIoT)场景下，移动边缘计算(MEC)在提供高可靠低时延通信(URLLC)服务的同时，需确保数据传输的安全性。针对多址接入MEC网络中存在潜在窃听者的物理层安全(PLS)增强问题，该文研究了通信与计算阶段的联合优化，以提升系统的整体安全性与可靠性。基于有限码长(FBL)理论，构建了通信阶段MEC服务器与窃听者之间的解码性能差异模型，并利用极值理论(EVT)分析计算阶段的延迟违规概率。在系统极端情况下，推导出端到端泄露错误概率(LFP)的闭式表达式，并将其作为衡量系统联合安全性与可靠性的关键指标。为最小化LFP，该文提出一种高效的资源分配优化算法。具体而言，为了平衡安全性与可靠性，设计一种满足时延约束的通信与计算阶段时间分配方案，并以两阶段时间为优化变量，构建联合优化问题。然而，由于变量间耦合且目标函数非凸，无法直接求解。因此，采用局部线性化与凸松弛技术对问题进行重构，并提出一种基于连续凸近似(SCA)的优化算法来求解。针对任务规模增大时算法收敛性下降的问题，该文提出一种加速SCA(A-SCA)算法。该算法通过分析问题结构，推导了系统最优可靠性对应时间分配策略的闭式表达式，并优化了初始点选择机制。仿真结果验证了所提算法的准确性、收敛性与适应性，同时揭示了安全性与可靠性之间的权衡关系。
在工业物联网(IIoT)场景下，移动边缘计算(MEC)在提供高可靠低时延通信(URLLC)服务的同时，需确保数据传输的安全性。针对多址接入MEC网络中存在潜在窃听者的物理层安全(PLS)增强问题，该文研究了通信与计算阶段的联合优化，以提升系统的整体安全性与可靠性。基于有限码长(FBL)理论，构建了通信阶段MEC服务器与窃听者之间的解码性能差异模型，并利用极值理论(EVT)分析计算阶段的延迟违规概率。在系统极端情况下，推导出端到端泄露错误概率(LFP)的闭式表达式，并将其作为衡量系统联合安全性与可靠性的关键指标。为最小化LFP，该文提出一种高效的资源分配优化算法。具体而言，为了平衡安全性与可靠性，设计一种满足时延约束的通信与计算阶段时间分配方案，并以两阶段时间为优化变量，构建联合优化问题。然而，由于变量间耦合且目标函数非凸，无法直接求解。因此，采用局部线性化与凸松弛技术对问题进行重构，并提出一种基于连续凸近似(SCA)的优化算法来求解。针对任务规模增大时算法收敛性下降的问题，该文提出一种加速SCA(A-SCA)算法。该算法通过分析问题结构，推导了系统最优可靠性对应时间分配策略的闭式表达式，并优化了初始点选择机制。仿真结果验证了所提算法的准确性、收敛性与适应性，同时揭示了安全性与可靠性之间的权衡关系。
2025, 47(10): 3505-3517.
doi: 10.11999/JEIT250279
摘要:
为了应对物联网(IoT)设备在通过无人机(UAV)接入地面网络过程中可能面临的窃听和伪造攻击等安全威胁，以及避免因超海量设备并发接入导致的信令冲突和关键节点拥塞等问题，同时结合物联网设备低计算和存储能力等特点，利用物理不可克隆函数，该文提出一种基于无人机辅助的物联网设备多簇并发接入与切换认证方案。在该方案中，基于预共享密钥机制，无人机首先安全接入地面网络。随后，基于物理不可克隆函数，多簇物联网设备可以并发安全高效地通过无人机接入地面网，并且抵抗物理攻击、假冒攻击、中间人攻击等威胁，同时显著降低物联网设备侧的计算和存储开销。此外，当新无人机替换旧无人机时，多簇物联网设备可以并发安全高效地切换至新无人机，确保了设备网络服务的连续性。安全性和性能分析结果表明，该方案在计算和存储开销均较低的情况下，能够提供较为健壮的安全属性。此外，该方案在处理超海量设备并发接入时，能够有效减少信令开销，避免信令冲突和关键节点拥塞故障等问题。
为了应对物联网(IoT)设备在通过无人机(UAV)接入地面网络过程中可能面临的窃听和伪造攻击等安全威胁，以及避免因超海量设备并发接入导致的信令冲突和关键节点拥塞等问题，同时结合物联网设备低计算和存储能力等特点，利用物理不可克隆函数，该文提出一种基于无人机辅助的物联网设备多簇并发接入与切换认证方案。在该方案中，基于预共享密钥机制，无人机首先安全接入地面网络。随后，基于物理不可克隆函数，多簇物联网设备可以并发安全高效地通过无人机接入地面网，并且抵抗物理攻击、假冒攻击、中间人攻击等威胁，同时显著降低物联网设备侧的计算和存储开销。此外，当新无人机替换旧无人机时，多簇物联网设备可以并发安全高效地切换至新无人机，确保了设备网络服务的连续性。安全性和性能分析结果表明，该方案在计算和存储开销均较低的情况下，能够提供较为健壮的安全属性。此外，该方案在处理超海量设备并发接入时，能够有效减少信令开销，避免信令冲突和关键节点拥塞故障等问题。
2025, 47(10): 3518-3527.
doi: 10.11999/JEIT250162
摘要:
针对智能反射面(RIS)辅助的空间调制(SM)系统(RIS-SM)在未知信道状态信息(CSI)条件下的信号检测问题，该文提出一种新型无监督聚类检测算法。考虑到RIS的无源特性及传统检测方法对完美CSI的依赖难以满足实际部署需求，将RIS-SM系统的盲检测任务转化为聚类问题，并在K-means算法基础上引入信道统计特性指导的初始化机制。该方法有效利用RIS-SM系统中等效信道的幅度与相位分布特征，在不依赖任何先验CSI的条件下，实现高效且低复杂度的信号检测。仿真结果验证了所提算法在多种系统配置下均可逼近最优最大似然(ML)性能，充分展示了其在理论研究与实际应用中的可行性与优势。
针对智能反射面(RIS)辅助的空间调制(SM)系统(RIS-SM)在未知信道状态信息(CSI)条件下的信号检测问题，该文提出一种新型无监督聚类检测算法。考虑到RIS的无源特性及传统检测方法对完美CSI的依赖难以满足实际部署需求，将RIS-SM系统的盲检测任务转化为聚类问题，并在K-means算法基础上引入信道统计特性指导的初始化机制。该方法有效利用RIS-SM系统中等效信道的幅度与相位分布特征，在不依赖任何先验CSI的条件下，实现高效且低复杂度的信号检测。仿真结果验证了所提算法在多种系统配置下均可逼近最优最大似然(ML)性能，充分展示了其在理论研究与实际应用中的可行性与优势。
2025, 47(10): 3528-3537.
doi: 10.11999/JEIT250231
摘要:
感知通信一体化(ISAC)是第6代移动通信的重要研究方向之一，它使无线通信网络具备了感知能力。超大规模多输入多输出(XL-MIMO)的研究使得通信研究从远场转向近场，但ISAC在近场区域的研究还不充分。该文针对近场区域中存在散射体干扰的场景，研究了多用户XL-MIMO ISAC系统的波束成形设计，致力于探讨ISAC系统中通感性能的折衷问题。为此，该文首先导出了感知互信息的一般形式，并通过引入辅助变量和舒尔补(Schur complement)将其转化为半定规划问题进行优化。针对复杂的多用户信干噪比(SINR)表达式，利用Dinkelbach算法将其转化为凸函数形式，以降低优化难度。进一步，提出一种多目标优化框架，旨在同时最大化多用户信干噪比和感知互信息，并通过构建系统效用函数求解帕累托最优解。仿真结果表明，所提方法能够平衡用户通信和目标感知性能，实现两者之间的最优折衷。研究还揭示了散射体在距离上对感知目标的干扰规律，为ISAC系统的设计提供了重要参考。
感知通信一体化(ISAC)是第6代移动通信的重要研究方向之一，它使无线通信网络具备了感知能力。超大规模多输入多输出(XL-MIMO)的研究使得通信研究从远场转向近场，但ISAC在近场区域的研究还不充分。该文针对近场区域中存在散射体干扰的场景，研究了多用户XL-MIMO ISAC系统的波束成形设计，致力于探讨ISAC系统中通感性能的折衷问题。为此，该文首先导出了感知互信息的一般形式，并通过引入辅助变量和舒尔补(Schur complement)将其转化为半定规划问题进行优化。针对复杂的多用户信干噪比(SINR)表达式，利用Dinkelbach算法将其转化为凸函数形式，以降低优化难度。进一步，提出一种多目标优化框架，旨在同时最大化多用户信干噪比和感知互信息，并通过构建系统效用函数求解帕累托最优解。仿真结果表明，所提方法能够平衡用户通信和目标感知性能，实现两者之间的最优折衷。研究还揭示了散射体在距离上对感知目标的干扰规律，为ISAC系统的设计提供了重要参考。
2025, 47(10): 3538-3548.
doi: 10.11999/JEIT250208
摘要:
该文考虑一种低轨(LEO)卫星通感一体化系统中的隐蔽通信传输方案，在确保系统的感知性能不低于预设阈值的同时，利用雷达波束干扰监听者，提高卫星通信的隐蔽性。首先，提出了LEO卫星通感一体化系统的系统模型，分析了系统中的隐蔽性约束。其次，在此基础之上，构建了以最大化多用户隐蔽通信速率总和为目标函数，以卫星功率上限、雷达功率上限、感知性能下限和隐蔽性要求为约束的优化问题。该优化问题非凸且变量耦合严重，无法直接求解，可以采用交替优化算法和连续凸近似(SCA)算法等方式对原问题进行转换和迭代求解。最后仿真结果表明，与无雷达波束干扰的卫星隐蔽通信系统相比，所提出的有雷达波束干扰的系统能够有效降低监听者的检测性能，从而提高通信的隐蔽性和速率。
该文考虑一种低轨(LEO)卫星通感一体化系统中的隐蔽通信传输方案，在确保系统的感知性能不低于预设阈值的同时，利用雷达波束干扰监听者，提高卫星通信的隐蔽性。首先，提出了LEO卫星通感一体化系统的系统模型，分析了系统中的隐蔽性约束。其次，在此基础之上，构建了以最大化多用户隐蔽通信速率总和为目标函数，以卫星功率上限、雷达功率上限、感知性能下限和隐蔽性要求为约束的优化问题。该优化问题非凸且变量耦合严重，无法直接求解，可以采用交替优化算法和连续凸近似(SCA)算法等方式对原问题进行转换和迭代求解。最后仿真结果表明，与无雷达波束干扰的卫星隐蔽通信系统相比，所提出的有雷达波束干扰的系统能够有效降低监听者的检测性能，从而提高通信的隐蔽性和速率。
2025, 47(10): 3549-3561.
doi: 10.11999/JEIT250251
摘要:
随着城市空中交通(UAM)概念的提出，为应对可预见的未来该场景下飞行器数量激增，迫切需要研究第2代通用接入收发器(UAT2)数据链的时隙分配算法以获得更大的监视容量。该文以UAT2数据链为研究对象，围绕下行报文的时隙分配管理，分析原始时隙分配算法及局限性。根据报文特性，提出基于状态位图并引入随机漂移机制的改进时隙分配算法。此外，研究提出3种时隙数目扩充传输方案并建立监视容量计算模型，最后对各传输方案在不同时隙分配情况下的性能表现进行仿真分析。结果表明所提优化时隙分配算法在各传输方案达到最大监视容量时，较原始算法报文时隙碰撞概率减小16.14%，时隙使用率提升16.13%，较固定时间窗实时动态时隙分配算法报文时隙碰撞概率减小9.36%，时隙使用率提高10.48%，使得监视容量均有显著提升。
随着城市空中交通(UAM)概念的提出，为应对可预见的未来该场景下飞行器数量激增，迫切需要研究第2代通用接入收发器(UAT2)数据链的时隙分配算法以获得更大的监视容量。该文以UAT2数据链为研究对象，围绕下行报文的时隙分配管理，分析原始时隙分配算法及局限性。根据报文特性，提出基于状态位图并引入随机漂移机制的改进时隙分配算法。此外，研究提出3种时隙数目扩充传输方案并建立监视容量计算模型，最后对各传输方案在不同时隙分配情况下的性能表现进行仿真分析。结果表明所提优化时隙分配算法在各传输方案达到最大监视容量时，较原始算法报文时隙碰撞概率减小16.14%，时隙使用率提升16.13%，较固定时间窗实时动态时隙分配算法报文时隙碰撞概率减小9.36%，时隙使用率提高10.48%，使得监视容量均有显著提升。
2025, 47(10): 3562-3579.
doi: 10.11999/JEIT250078
摘要:
由于地面用户与基站之间有障碍物遮挡，致使直连链路被阻断，该文考虑基于双联路通道的空天地一体化网络(SAGIN)，利用空中智能超表面(ARIS)辅助地面用户与基站间的通信，以及高空平台(HAP)辅助低轨卫星(LEO)与地面基站间的通信。具体而言，在第1段上行链路传输中，地面用户将利用ARIS作为无源中继传输信息至基站。在第2段上行链路传输中，LEO作为通信用户先将信号发射至HAP，再由HAP放大信号转发至地面基站，其中HAP和地面基站通信链路可能存在云层阻挡仍需依靠ARIS辅助通信。综上所述，由于地面用户数量远远大于ARIS数量，该文以最大化系统能效为目标，利用1对多双边匹配论算法对地面用户们进行分组，且组内用户采用非正交多址接入(NOMA)方式进行传输，组间用户则采用频分多址接入(FDMA)方式。进一步，在考虑地面用户分组、地面用户功率分配、LEO波束赋形、ARIS群波束赋形等约束条件后，该文所提ARIS赋能交替迭代网络效能优化算法(APIA-SAGIN)设计方案，并通过仿真验证了所提算法的可行性。
由于地面用户与基站之间有障碍物遮挡，致使直连链路被阻断，该文考虑基于双联路通道的空天地一体化网络(SAGIN)，利用空中智能超表面(ARIS)辅助地面用户与基站间的通信，以及高空平台(HAP)辅助低轨卫星(LEO)与地面基站间的通信。具体而言，在第1段上行链路传输中，地面用户将利用ARIS作为无源中继传输信息至基站。在第2段上行链路传输中，LEO作为通信用户先将信号发射至HAP，再由HAP放大信号转发至地面基站，其中HAP和地面基站通信链路可能存在云层阻挡仍需依靠ARIS辅助通信。综上所述，由于地面用户数量远远大于ARIS数量，该文以最大化系统能效为目标，利用1对多双边匹配论算法对地面用户们进行分组，且组内用户采用非正交多址接入(NOMA)方式进行传输，组间用户则采用频分多址接入(FDMA)方式。进一步，在考虑地面用户分组、地面用户功率分配、LEO波束赋形、ARIS群波束赋形等约束条件后，该文所提ARIS赋能交替迭代网络效能优化算法(APIA-SAGIN)设计方案，并通过仿真验证了所提算法的可行性。
2025, 47(10): 3580-3594.
doi: 10.11999/JEIT250084
摘要:
集群目标通信网络在非合作场景中极大增加了电磁环境探测的难度。针对非合作环境下缺乏拓扑先验信息的挑战，该文提出基于图结构数据驱动的拓扑推断方法。通过场景假设分析与图神经网络建模，构建了基于因果推断与GNN结合的拓扑推断混合模型，其中因果推断包括多维霍克斯过程(MHP)、Peter-Clarks瞬时条件独立性检测(PCMCI)。实验表明在节点数8～13、连边概率0.45的条件下，PCMCI+GED方法的F1分数较PCMCI提升31.2%，较GCN方法提升23.9%。研究证实因果先验与图神经网络的协同机制可有效提高拓扑推断精度，50%节点特征输入的混合模型在保持93%精度的同时减少88.63%计算耗时，为大规模网络场景提供可行解决方案。
集群目标通信网络在非合作场景中极大增加了电磁环境探测的难度。针对非合作环境下缺乏拓扑先验信息的挑战，该文提出基于图结构数据驱动的拓扑推断方法。通过场景假设分析与图神经网络建模，构建了基于因果推断与GNN结合的拓扑推断混合模型，其中因果推断包括多维霍克斯过程(MHP)、Peter-Clarks瞬时条件独立性检测(PCMCI)。实验表明在节点数8～13、连边概率0.45的条件下，PCMCI+GED方法的F1分数较PCMCI提升31.2%，较GCN方法提升23.9%。研究证实因果先验与图神经网络的协同机制可有效提高拓扑推断精度，50%节点特征输入的混合模型在保持93%精度的同时减少88.63%计算耗时，为大规模网络场景提供可行解决方案。
2025, 47(10): 3595-3609.
doi: 10.11999/JEIT250252
摘要:
海上无线通信网络面临动态拓扑漂移、大尺度信道衰落与跨层资源竞争等多重挑战，使得传统单层资源分配优化方法难以维持有限网络资源下的高质量通信和多种类业务需求之间的平衡，导致业务服务质量(QoS)下降，业务保障失衡。为此，该文提出跨层协同联合资源分配框架，通过物理层功率控制与网络层业务调度的跨层闭环优化，实现系统吞吐量与QoS保障的均衡提升。首先，从物理层信道容量与传输层传输控制协议(TCP)吞吐量的耦合机理出发，构建跨层无线网络传输模型；其次，在经典注水框架中引入信噪比与QoS双水位调节机制，提出服务质量感知的双阈值注水算法，以可控的吞吐量损失换取高需求业务Qos的提升；进一步，在孪生深度强化学习架构中设计出双通道特征解耦与冲突消解的策略优化滤波器，实现节点-业务动态匹配的在线决策。仿真表明，所提框架在对照实验中使QoS平均评分提升9.51%，关键业务完成量增加1.3%，同时维持系统吞吐量下降幅度不超过10%。
海上无线通信网络面临动态拓扑漂移、大尺度信道衰落与跨层资源竞争等多重挑战，使得传统单层资源分配优化方法难以维持有限网络资源下的高质量通信和多种类业务需求之间的平衡，导致业务服务质量(QoS)下降，业务保障失衡。为此，该文提出跨层协同联合资源分配框架，通过物理层功率控制与网络层业务调度的跨层闭环优化，实现系统吞吐量与QoS保障的均衡提升。首先，从物理层信道容量与传输层传输控制协议(TCP)吞吐量的耦合机理出发，构建跨层无线网络传输模型；其次，在经典注水框架中引入信噪比与QoS双水位调节机制，提出服务质量感知的双阈值注水算法，以可控的吞吐量损失换取高需求业务Qos的提升；进一步，在孪生深度强化学习架构中设计出双通道特征解耦与冲突消解的策略优化滤波器，实现节点-业务动态匹配的在线决策。仿真表明，所提框架在对照实验中使QoS平均评分提升9.51%，关键业务完成量增加1.3%，同时维持系统吞吐量下降幅度不超过10%。
2025, 47(10): 3610-3620.
doi: 10.11999/JEIT250189
摘要:
针对传统无蜂窝大规模多输入多输出(MIMO)非正交多址接入(NOMA)系统频谱效率优化算法复杂度高的问题，该文提出一种低复杂度的用户分簇与功率分配联合优化算法。首先构建下行链路总频谱效率最大化模型，将其分解为用户分簇与功率分配子问题；然后提出基于簇首选择与信道差异最大化的用户分簇算法，通过优化簇首选择降低配对搜索复杂度。基于分簇结果，引入用户最小速率增强约束机制，结合逐次凸逼近(SCA)方法将非凸功率分配问题转化为凸优化形式。通过理论分析与仿真验证，对比了不同用户分簇算法和功率分配方案下系统的频谱效率以及计算复杂度。结果表明：所提分簇算法在不同接入点部署和天线配置下能显著提升系统性能，且复杂度较统计学分簇方法降低47.5%；联合功率分配方案较全功率控制方案在频谱效率与用户公平性方面均展现出显著优势，验证了所提方案的高效性与实用性。
针对传统无蜂窝大规模多输入多输出(MIMO)非正交多址接入(NOMA)系统频谱效率优化算法复杂度高的问题，该文提出一种低复杂度的用户分簇与功率分配联合优化算法。首先构建下行链路总频谱效率最大化模型，将其分解为用户分簇与功率分配子问题；然后提出基于簇首选择与信道差异最大化的用户分簇算法，通过优化簇首选择降低配对搜索复杂度。基于分簇结果，引入用户最小速率增强约束机制，结合逐次凸逼近(SCA)方法将非凸功率分配问题转化为凸优化形式。通过理论分析与仿真验证，对比了不同用户分簇算法和功率分配方案下系统的频谱效率以及计算复杂度。结果表明：所提分簇算法在不同接入点部署和天线配置下能显著提升系统性能，且复杂度较统计学分簇方法降低47.5%；联合功率分配方案较全功率控制方案在频谱效率与用户公平性方面均展现出显著优势，验证了所提方案的高效性与实用性。
2025, 47(10): 3621-3631.
doi: 10.11999/JEIT250221
摘要:
无人机部署为空中通信节点可为地面用户提供更为灵活、更高质量的服务。然而，无人机易受到外界恶意干扰导致通信性能严重下降。传统抗干扰方案如跳频抗干扰计算量大，在计算资源与能量受限的无人机上难以适用。针对上述问题，该文综合采用多点协作(CoMP)技术和符号级预编码(SLP)技术，提出多无人机信干噪比适配的符号级预编码与位置联合抗干扰优化策略。针对三维空间和存在同一节点属于多个集合等挑战，巧妙地设计了3D-Kmeans++协作集划分的空地多节点匹配机制。为了解决预编码矩阵和位置联合优化时计算量大的问题，基于最优预编码矩阵和位置之间的关联关系，提出基于粒子重构的低复杂度迭代优化算法，可同时求解出无人机的预编码矩阵和位置。另外，针对用户所受干扰和噪声的差异化功率特征，提出信干噪比(SINR)适配的符号级预编码，实现了多架无人机功率分配的优化设计。仿真结果表明，与不划分协作集对比，采用该文所提空地多节点匹配机制后受干扰通信用户的信干噪比提升5 dB左右；与传统符号级预编码对比，采用该文所提预编码和迭代优化算法，受干扰通信用户的信干噪比能提升12～13 dB，同时保证普通通信用户的正常通信不受影响，提升了系统能量效率，降低了计算复杂度。
无人机部署为空中通信节点可为地面用户提供更为灵活、更高质量的服务。然而，无人机易受到外界恶意干扰导致通信性能严重下降。传统抗干扰方案如跳频抗干扰计算量大，在计算资源与能量受限的无人机上难以适用。针对上述问题，该文综合采用多点协作(CoMP)技术和符号级预编码(SLP)技术，提出多无人机信干噪比适配的符号级预编码与位置联合抗干扰优化策略。针对三维空间和存在同一节点属于多个集合等挑战，巧妙地设计了3D-Kmeans++协作集划分的空地多节点匹配机制。为了解决预编码矩阵和位置联合优化时计算量大的问题，基于最优预编码矩阵和位置之间的关联关系，提出基于粒子重构的低复杂度迭代优化算法，可同时求解出无人机的预编码矩阵和位置。另外，针对用户所受干扰和噪声的差异化功率特征，提出信干噪比(SINR)适配的符号级预编码，实现了多架无人机功率分配的优化设计。仿真结果表明，与不划分协作集对比，采用该文所提空地多节点匹配机制后受干扰通信用户的信干噪比提升5 dB左右；与传统符号级预编码对比，采用该文所提预编码和迭代优化算法，受干扰通信用户的信干噪比能提升12～13 dB，同时保证普通通信用户的正常通信不受影响，提升了系统能量效率，降低了计算复杂度。
2025, 47(10): 3632-3645.
doi: 10.11999/JEIT250026
摘要:
针对物联网设备计算能力有限、电池供电受限等问题导致的数据处理延迟与能量不足，该文提出一种改进的多目标深度确定性策略梯度算法，用于优化边缘计算系统中无人机资源的调度与分配。该方法将资源优化建模为一个多目标决策问题，综合考虑总数据速率、总收集能量、系统能耗和边缘计算传输时延4个关键指标进行联合优化。无人机采用“飞行-悬停-通信”协议，并在悬停阶段以全双工模式与物联网设备通信，同时考虑推进功耗与非线性能量收集模型。智能体通过环境交互学习最优调度策略，动态响应设备优先级与数据卸载需求，有效降低传输延迟与数据溢出风险。实验结果显示，所提算法在不同场景下均能实现4项性能指标的协同优化，尤其在总能量收集方面始终优于对比方案，验证了该方法在复杂环境下的适应性和有效性。
针对物联网设备计算能力有限、电池供电受限等问题导致的数据处理延迟与能量不足，该文提出一种改进的多目标深度确定性策略梯度算法，用于优化边缘计算系统中无人机资源的调度与分配。该方法将资源优化建模为一个多目标决策问题，综合考虑总数据速率、总收集能量、系统能耗和边缘计算传输时延4个关键指标进行联合优化。无人机采用“飞行-悬停-通信”协议，并在悬停阶段以全双工模式与物联网设备通信，同时考虑推进功耗与非线性能量收集模型。智能体通过环境交互学习最优调度策略，动态响应设备优先级与数据卸载需求，有效降低传输延迟与数据溢出风险。实验结果显示，所提算法在不同场景下均能实现4项性能指标的协同优化，尤其在总能量收集方面始终优于对比方案，验证了该方法在复杂环境下的适应性和有效性。
2025, 47(10): 3646-3657.
doi: 10.11999/JEIT250077
摘要:
针对空天地网络中图像传输面临的带宽受限和信道损伤等挑战，该文提出一种弹性语义通信方案。该方案基于信息瓶颈(IB)理论构建了增强的率失真(RD)函数，采用Gumbel-Softmax方法和可变速率网络实现动态速率自适应，并设计了加权多重非对称高斯分布来表征不同语义特征的概率密度。在架构设计上，该方案采用注意力机制和残差学习，根据信噪比(SNR)要求自适应地选择网络模块，实现计算效率和传输可靠性之间的最佳权衡。实验表明，与传统方案相比，所提方案在信道带宽比(CBR)和重建质量方面均取得了显著提升，特别是在具有挑战性的信道条件下，表现出更强的鲁棒性和更高的图像保真度。
针对空天地网络中图像传输面临的带宽受限和信道损伤等挑战，该文提出一种弹性语义通信方案。该方案基于信息瓶颈(IB)理论构建了增强的率失真(RD)函数，采用Gumbel-Softmax方法和可变速率网络实现动态速率自适应，并设计了加权多重非对称高斯分布来表征不同语义特征的概率密度。在架构设计上，该方案采用注意力机制和残差学习，根据信噪比(SNR)要求自适应地选择网络模块，实现计算效率和传输可靠性之间的最佳权衡。实验表明，与传统方案相比，所提方案在信道带宽比(CBR)和重建质量方面均取得了显著提升，特别是在具有挑战性的信道条件下，表现出更强的鲁棒性和更高的图像保真度。
2025, 47(10): 3658-3669.
doi: 10.11999/JEIT250135
摘要:
为了应对车联网中车辆终端计算资源有限、车辆高移动性导致的网络拓扑环境频繁变化对传输效率和可靠性的影响，解决边缘算力服务设备资源利用不充分等问题，面向车载边缘计算环境，该文提出一种基于车辆路径预测的任务切分卸载与资源分配方法。针对多车辆多边缘设备的任务卸载与资源分配场景，基于Transformer模型对不同车辆的路径预测结果建立智能任务切分模型。基于多智能体深度强化学习(MADRL)算法将计算资源分配问题表述为优化问题，在考虑移动边缘计算(MEC)服务器计算资源的约束条件下，以车辆任务的处理时延和MEC服务器的计算资源利用率为优化目标，实现计算资源的优化分配。仿真结果表明，与基准方法相比，该文所提方法降低54.1%的卸载计算延迟，提升资源利用率达13.3%。
为了应对车联网中车辆终端计算资源有限、车辆高移动性导致的网络拓扑环境频繁变化对传输效率和可靠性的影响，解决边缘算力服务设备资源利用不充分等问题，面向车载边缘计算环境，该文提出一种基于车辆路径预测的任务切分卸载与资源分配方法。针对多车辆多边缘设备的任务卸载与资源分配场景，基于Transformer模型对不同车辆的路径预测结果建立智能任务切分模型。基于多智能体深度强化学习(MADRL)算法将计算资源分配问题表述为优化问题，在考虑移动边缘计算(MEC)服务器计算资源的约束条件下，以车辆任务的处理时延和MEC服务器的计算资源利用率为优化目标，实现计算资源的优化分配。仿真结果表明，与基准方法相比，该文所提方法降低54.1%的卸载计算延迟，提升资源利用率达13.3%。
2025, 47(10): 3670-3679.
doi: 10.11999/JEIT250274
摘要:
针对无人机(UAV)携带智能反射面(RIS)与固定RIS共同辅助移动的用户车辆(UE)通信的场景，建立UAV飞行轨迹和双RIS相移联合优化问题，使UE在移动过程中始终保持通信速率最大。由于系统的复杂性和环境的动态性，该文提出一种基于深度确定性策略梯度算法和相移对齐方法来处理连续轨迹和RIS相移的优化问题。仿真结果验证了所提的联合优化算法在1 000个Episode以内便能得到较稳定的奖励值，通过与其它基准方法对比，表明了所提算法可在双RIS部署的环境中比使用随机轨迹和相移算法时通信速率至少可提高3 dB。最后给出了不同基站和RIS的部署位置下的UAV的最优轨迹，并对不同车速下算法的适用性进行了仿真分析。
针对无人机(UAV)携带智能反射面(RIS)与固定RIS共同辅助移动的用户车辆(UE)通信的场景，建立UAV飞行轨迹和双RIS相移联合优化问题，使UE在移动过程中始终保持通信速率最大。由于系统的复杂性和环境的动态性，该文提出一种基于深度确定性策略梯度算法和相移对齐方法来处理连续轨迹和RIS相移的优化问题。仿真结果验证了所提的联合优化算法在1 000个Episode以内便能得到较稳定的奖励值，通过与其它基准方法对比，表明了所提算法可在双RIS部署的环境中比使用随机轨迹和相移算法时通信速率至少可提高3 dB。最后给出了不同基站和RIS的部署位置下的UAV的最优轨迹，并对不同车速下算法的适用性进行了仿真分析。
2025, 47(10): 3680-3690.
doi: 10.11999/JEIT250152
摘要:
针对现有网络化雷达难以实现群目标的高分辨率多目标跟踪问题，该文提出一种用于网络化雷达系统的波束选择与多维资源管理(BSMRM)策略，以提高目标分辨能力和多目标跟踪(MTT)精度。首先推导了概率数据关联(PDA)融合规则和交互多模型-扩展卡尔曼滤波器(IMM-EKF)下的贝叶斯克拉美-罗下限(BCRLB)，以此作为跟踪精度的性能指标，并通过归一化波束内观测目标与非观测目标的模糊函数幅值，量化了系统的分辨性能。随后构建基于对数障碍法的效用函数用于全局性能量化，将多维资源管理建模为优化问题，其目标函数为全局性能最优化，约束条件为给定的系统资源限制。最后采用基于网格搜索法和梯度下降算法的3阶段快速算法进行求解。仿真结果表明，与现有算法相比，该文所提方法能够在减少频谱占用和功率消耗的情况下，实现相当的目标分辨能力和多目标跟踪精度。
针对现有网络化雷达难以实现群目标的高分辨率多目标跟踪问题，该文提出一种用于网络化雷达系统的波束选择与多维资源管理(BSMRM)策略，以提高目标分辨能力和多目标跟踪(MTT)精度。首先推导了概率数据关联(PDA)融合规则和交互多模型-扩展卡尔曼滤波器(IMM-EKF)下的贝叶斯克拉美-罗下限(BCRLB)，以此作为跟踪精度的性能指标，并通过归一化波束内观测目标与非观测目标的模糊函数幅值，量化了系统的分辨性能。随后构建基于对数障碍法的效用函数用于全局性能量化，将多维资源管理建模为优化问题，其目标函数为全局性能最优化，约束条件为给定的系统资源限制。最后采用基于网格搜索法和梯度下降算法的3阶段快速算法进行求解。仿真结果表明，与现有算法相比，该文所提方法能够在减少频谱占用和功率消耗的情况下，实现相当的目标分辨能力和多目标跟踪精度。
2025, 47(10): 3691-3701.
doi: 10.11999/JEIT250236
摘要:
针对复杂地形多输入多输出(MIMO)雷达低仰角估计算法存在的孔径利用效率与计算复杂度的矛盾问题，该文提出了一种张量框架下的两步估计方法。首先构建三维张量观测模型以完整保留信号的多维结构特征，通过高阶奇异值分解(HOSVD)得到张量信号子空间并对其去冗余。然后采用稀疏贝叶斯学习(SBL)方法快速确定目标仰角和多径角度的初始估计。最后根据初始值和完整的张量信号子空间，通过交替迭代广义多重信号分类法(GMUSIC)获得目标仰角的精确估计。该方法适用于复杂地形，并且完整利用了阵列孔径，在估计性能和计算复杂度之间实现了良好的平衡。仿真实验和实测数据验证了该方法的有效性。
针对复杂地形多输入多输出(MIMO)雷达低仰角估计算法存在的孔径利用效率与计算复杂度的矛盾问题，该文提出了一种张量框架下的两步估计方法。首先构建三维张量观测模型以完整保留信号的多维结构特征，通过高阶奇异值分解(HOSVD)得到张量信号子空间并对其去冗余。然后采用稀疏贝叶斯学习(SBL)方法快速确定目标仰角和多径角度的初始估计。最后根据初始值和完整的张量信号子空间，通过交替迭代广义多重信号分类法(GMUSIC)获得目标仰角的精确估计。该方法适用于复杂地形，并且完整利用了阵列孔径，在估计性能和计算复杂度之间实现了良好的平衡。仿真实验和实测数据验证了该方法的有效性。
2025, 47(10): 3702-3711.
doi: 10.11999/JEIT250288
摘要:
针对干扰环境下双功能雷达通信一体化(DFRC)系统感知性能下降的问题，该文提出一种发射波形和接收滤波器联合设计来提高系统性能。首先，为了保证系统通信性能，利用符号级预编码(SLP)设计通信建设性干扰(CI)约束。基于此，构建以最大化雷达接收回波信干噪比(SINR)为优化准则，以通信CI为约束条件的优化问题。此外，引入恒模约束避免发射波形的非线性失真。针对发射波形和接收滤波器联合优化问题，该文提出一种基于交替优化的迭代算法。当固定发射波形时，子问题可转换为最小方差无失真响应(MVDR)问题。当固定接收滤波器时，将通信CI约束转化为惩罚项纳入子问题目标函数中，从而将原问题转化为黎曼复圆流形中的无约束问题，利用黎曼共轭梯度法进行有效求解。仿真结果表明所提方法能够以较低的时间成本有效提高系统在干扰环境中的感知和通信性能。
针对干扰环境下双功能雷达通信一体化(DFRC)系统感知性能下降的问题，该文提出一种发射波形和接收滤波器联合设计来提高系统性能。首先，为了保证系统通信性能，利用符号级预编码(SLP)设计通信建设性干扰(CI)约束。基于此，构建以最大化雷达接收回波信干噪比(SINR)为优化准则，以通信CI为约束条件的优化问题。此外，引入恒模约束避免发射波形的非线性失真。针对发射波形和接收滤波器联合优化问题，该文提出一种基于交替优化的迭代算法。当固定发射波形时，子问题可转换为最小方差无失真响应(MVDR)问题。当固定接收滤波器时，将通信CI约束转化为惩罚项纳入子问题目标函数中，从而将原问题转化为黎曼复圆流形中的无约束问题，利用黎曼共轭梯度法进行有效求解。仿真结果表明所提方法能够以较低的时间成本有效提高系统在干扰环境中的感知和通信性能。
2025, 47(10): 3712-3722.
doi: 10.11999/JEIT250191
摘要:
现有的多站时差信号分选方法依赖辐射源数目或脉冲参数测量误差等先验信息，并且无法对配对失败的脉冲进行准确分选。针对这一问题，该文提出一种Dirichlet过程混合模型(DPMM)驱动的多站时差分选方法。该方法首先引入时差窗与多参数约束条件，实现大部分脉冲的成功配对，同时部分脉冲会由于脉冲丢失与噪声干扰而配对失败；接着，采用DPMM对配对成功后获得的到达时差信息进行聚类分析，从而实现对配对成功脉冲的分选，并构建雷达脉冲集合；最后，通过计算配对失败脉冲相对于脉冲集合的归属度，完成对配对失败脉冲的归类。仿真结果表明，与现有方法相比，该方法无需事先确定辐射源数目或参数测量误差等参数，且在脉冲丢失和干扰严重的情况下，仍能保持较高的分选准确率。
现有的多站时差信号分选方法依赖辐射源数目或脉冲参数测量误差等先验信息，并且无法对配对失败的脉冲进行准确分选。针对这一问题，该文提出一种Dirichlet过程混合模型(DPMM)驱动的多站时差分选方法。该方法首先引入时差窗与多参数约束条件，实现大部分脉冲的成功配对，同时部分脉冲会由于脉冲丢失与噪声干扰而配对失败；接着，采用DPMM对配对成功后获得的到达时差信息进行聚类分析，从而实现对配对成功脉冲的分选，并构建雷达脉冲集合；最后，通过计算配对失败脉冲相对于脉冲集合的归属度，完成对配对失败脉冲的归类。仿真结果表明，与现有方法相比，该方法无需事先确定辐射源数目或参数测量误差等参数，且在脉冲丢失和干扰严重的情况下，仍能保持较高的分选准确率。
2025, 47(10): 3723-3734.
doi: 10.11999/JEIT250280
摘要:
针对雷达对抗侦察中脉冲描述字(PDW)数据稀缺及生成质量不足的问题，该文提出时序条件生成对抗网络(Time-CondGAN)。该方法通过多模态条件生成框架融合脉冲序列时域特征与辐射源分类信息，采用双向门控循环单元 (GRU)监督器与特征匹配损失实现时序连续性与统计分布的双重约束。网络架构包含3个核心模块：(1)条件编码网络将调制类型嵌入为128维特征向量，通过时序维度扩展与潜在噪声拼接，实现类别可控生成；(2)多任务判别器联合执行对抗判别与信号分类，通过共享双向GRU-注意力特征提取层捕捉长程依赖关系；(3)时序-统计联合优化器整合对抗损失、监督损失与特征匹配损失，在对抗训练阶段同步更新生成器与判别器参数。实验表明，Time-CondGAN生成的PDW数据在关键时序参数的KL散度较TimeGAN平均降低28.25%，显著提升物理合理性；可视化结果证明模型性能满足要求，消融实验证明改进模块的有效性。在下游任务验证中，生成数据使VGG16与LSTM分类器的识别准确率最高提升37.2%，较TimeGAN生成数据平均高8.25%(VGG16)与4.2%(LSTM)。
针对雷达对抗侦察中脉冲描述字(PDW)数据稀缺及生成质量不足的问题，该文提出时序条件生成对抗网络(Time-CondGAN)。该方法通过多模态条件生成框架融合脉冲序列时域特征与辐射源分类信息，采用双向门控循环单元 (GRU)监督器与特征匹配损失实现时序连续性与统计分布的双重约束。网络架构包含3个核心模块：(1)条件编码网络将调制类型嵌入为128维特征向量，通过时序维度扩展与潜在噪声拼接，实现类别可控生成；(2)多任务判别器联合执行对抗判别与信号分类，通过共享双向GRU-注意力特征提取层捕捉长程依赖关系；(3)时序-统计联合优化器整合对抗损失、监督损失与特征匹配损失，在对抗训练阶段同步更新生成器与判别器参数。实验表明，Time-CondGAN生成的PDW数据在关键时序参数的KL散度较TimeGAN平均降低28.25%，显著提升物理合理性；可视化结果证明模型性能满足要求，消融实验证明改进模块的有效性。在下游任务验证中，生成数据使VGG16与LSTM分类器的识别准确率最高提升37.2%，较TimeGAN生成数据平均高8.25%(VGG16)与4.2%(LSTM)。
2025, 47(10): 3735-3744.
doi: 10.11999/JEIT250141
摘要:
针对实际海域中来自水流、船舶、海洋生物等噪声源的干扰使得接收信号的信噪比较低，进而导致传统波达方向(DOA)估计算法性能下降的问题。该文提出一种结合维纳滤波降噪的深度学习算法。首先，维纳滤波算法在频域需要依靠噪声和信号功率谱，然而这些参数往往难以获取，因此将其转化为对信号空间域进行降噪，并使用降噪后的数据集进行神经网络训练，从而减小低信噪比条件下对方位角估计的影响。其次，为了实现网络的分类和回归估计功能，使用改进的二进制交叉熵函数作为网络的损失函数。最后，在模型训练完成后，通过小数标签策略预测网络输出结果中的离格误差，并对这些误差进行修正以提高算法估计精度。仿真结果与海试数据验证结果表明，在低信噪比情况下，以均方根误差为性能指标，网络整体性能提升了25.20%，在–20 dB信噪比条件下，所提方法的均方根误差相较MUSIC和ESPRIT算法分别降低了93.42%和92.14%。研究结果表明，本文算法能够充分提取空间特征，满足实际应用对算法鲁棒性的需求，为浅海复杂环境的目标检测和定位任务提供了新的方案。
针对实际海域中来自水流、船舶、海洋生物等噪声源的干扰使得接收信号的信噪比较低，进而导致传统波达方向(DOA)估计算法性能下降的问题。该文提出一种结合维纳滤波降噪的深度学习算法。首先，维纳滤波算法在频域需要依靠噪声和信号功率谱，然而这些参数往往难以获取，因此将其转化为对信号空间域进行降噪，并使用降噪后的数据集进行神经网络训练，从而减小低信噪比条件下对方位角估计的影响。其次，为了实现网络的分类和回归估计功能，使用改进的二进制交叉熵函数作为网络的损失函数。最后，在模型训练完成后，通过小数标签策略预测网络输出结果中的离格误差，并对这些误差进行修正以提高算法估计精度。仿真结果与海试数据验证结果表明，在低信噪比情况下，以均方根误差为性能指标，网络整体性能提升了25.20%，在–20 dB信噪比条件下，所提方法的均方根误差相较MUSIC和ESPRIT算法分别降低了93.42%和92.14%。研究结果表明，本文算法能够充分提取空间特征，满足实际应用对算法鲁棒性的需求，为浅海复杂环境的目标检测和定位任务提供了新的方案。
2025, 47(10): 3745-3758.
doi: 10.11999/JEIT250200
摘要:
随着对海上目标检测识别需求的不断提高，多源信息联合处理快速发展。针对多源特征融合的目标检测问题：该文提取了3类9种物理可解释特征，包括雷达特征(径向尺寸、峰值个数、位置分布熵、横向尺寸、相对平均幅度)、可见光图像特征(边缘点数、水平投影宽度)和红外图像特征(高温连通区域数、热纹理能量)。采用斯皮尔曼相关系数衡量非同源数据特征之间的相关性，并结合假设检验方法判别相关显著性，以揭示多源特征的内在联系。实验结果表明，在多源特征间，尺寸特征稳定性较强，相关性较高；结构特征受观测条件影响显著，相关性较低。雷达极化方式、舰船运动状态及船只类型均对雷达回波特征提取有重要影响。可见光图像在结构信息提取上具有优势，红外图像尺寸特征在复杂环境中更稳定。研究结果揭示了多源特征的互补性，为后续多源特征融合目标检测算法提供了理论支撑。
随着对海上目标检测识别需求的不断提高，多源信息联合处理快速发展。针对多源特征融合的目标检测问题：该文提取了3类9种物理可解释特征，包括雷达特征(径向尺寸、峰值个数、位置分布熵、横向尺寸、相对平均幅度)、可见光图像特征(边缘点数、水平投影宽度)和红外图像特征(高温连通区域数、热纹理能量)。采用斯皮尔曼相关系数衡量非同源数据特征之间的相关性，并结合假设检验方法判别相关显著性，以揭示多源特征的内在联系。实验结果表明，在多源特征间，尺寸特征稳定性较强，相关性较高；结构特征受观测条件影响显著，相关性较低。雷达极化方式、舰船运动状态及船只类型均对雷达回波特征提取有重要影响。可见光图像在结构信息提取上具有优势，红外图像尺寸特征在复杂环境中更稳定。研究结果揭示了多源特征的互补性，为后续多源特征融合目标检测算法提供了理论支撑。
2025, 47(10): 3759-3771.
doi: 10.11999/JEIT250169
摘要:
被动合成孔径(PSA)技术在干扰源定位中具有广泛应用前景。针对低空低速无人机平台下全球导航卫星系统(GNSS)干扰源定位问题，该文提出一种基于无人机平台单天线合成孔径的GNSS干扰源定位方法。首先将不同类型干扰去基带调制，得到统一的信号表示；其次基于斜距精确表示的距离多普勒(RD)算法实现距离搜索与方位聚焦，获取粗定位结果；然后基于该结果构建高分辨率网格并运用后向投影(BP)算法得到代价函数；最后对代价函数进行峰值搜索，得到最终定位结果。仿真实验表明，所提算法能够实现高精度定位且性能稳定。
被动合成孔径(PSA)技术在干扰源定位中具有广泛应用前景。针对低空低速无人机平台下全球导航卫星系统(GNSS)干扰源定位问题，该文提出一种基于无人机平台单天线合成孔径的GNSS干扰源定位方法。首先将不同类型干扰去基带调制，得到统一的信号表示；其次基于斜距精确表示的距离多普勒(RD)算法实现距离搜索与方位聚焦，获取粗定位结果；然后基于该结果构建高分辨率网格并运用后向投影(BP)算法得到代价函数；最后对代价函数进行峰值搜索，得到最终定位结果。仿真实验表明，所提算法能够实现高精度定位且性能稳定。
2025, 47(10): 3772-3782.
doi: 10.11999/JEIT241145
摘要:
室内环境下超宽带(UWB)误差标定困难，静态和动态目标在视距和非视距情况下的定位精度均难以保证。为此该文提出了一种高斯过程回归(GPR)误差标定辅助的室内惯性测量单元(IMU)与UWB融合定位算法(GIU-EKF)。在视距情况下通过对视距环境UWB测距误差进行采样分析，建立GPR误差标定模型关联二维坐标与测距误差。使用误差标定模型计算所有坐标点UWB测距值的概率分布集合，利用待测点范围内的坐标样本及其归一化概率计算测距拟合值，实时抑制视距环境测距误差。当UWB测距增量超过阈值判别为非视距环境。非视距情况下通过子级扩展卡尔曼滤波器(EKF)融合UWB信息和短时IMU信息实时修正运动过程中测距值的非视距误差，并将其送入主EKF实现运动状态估计更新。实验结果表明，在视距情况下标签处于静态和动态时经GPR粗差修正后的定位误差较修正前分别下降64%和58%，GIU-EKF算法在论文所述的3种非视距环境下对低速运动目标能保持稳健的运动状态估计，平均定位误差达到7.5 cm；运动速度为0.2～0.8 m/s的标签，定位误差小于10 cm。
室内环境下超宽带(UWB)误差标定困难，静态和动态目标在视距和非视距情况下的定位精度均难以保证。为此该文提出了一种高斯过程回归(GPR)误差标定辅助的室内惯性测量单元(IMU)与UWB融合定位算法(GIU-EKF)。在视距情况下通过对视距环境UWB测距误差进行采样分析，建立GPR误差标定模型关联二维坐标与测距误差。使用误差标定模型计算所有坐标点UWB测距值的概率分布集合，利用待测点范围内的坐标样本及其归一化概率计算测距拟合值，实时抑制视距环境测距误差。当UWB测距增量超过阈值判别为非视距环境。非视距情况下通过子级扩展卡尔曼滤波器(EKF)融合UWB信息和短时IMU信息实时修正运动过程中测距值的非视距误差，并将其送入主EKF实现运动状态估计更新。实验结果表明，在视距情况下标签处于静态和动态时经GPR粗差修正后的定位误差较修正前分别下降64%和58%，GIU-EKF算法在论文所述的3种非视距环境下对低速运动目标能保持稳健的运动状态估计，平均定位误差达到7.5 cm；运动速度为0.2～0.8 m/s的标签，定位误差小于10 cm。
2025, 47(10): 3783-3792.
doi: 10.11999/JEIT250125
摘要:
针对工程应用中阵元位置和阵元数量受限条件下的稀疏圆形阵列布阵场景，为了满足在通道数有限的前提下保证阵列波达方向(DOA)估计性能的需求，该文提出一种基于双深度Q学习(DDQN)的稀疏圆形阵列优化设计算法，实现了更加灵活和高效的阵列优化设计策略生成。首先，为了保证优化阵列的DOA估计精度以及角度分辨力，以最小化2维DOA估计Ziv-Zakai下界(ZZB)和峰值旁瓣电平(PSL)为优化目标完成稀疏圆形阵列优化问题建模。然后，构造动作空间、状态空间和奖励值函数等模型，采用DDQN算法对优化问题进行求解，最终设计出稀疏圆形优化阵列。实验结果表明，在布阵场景受限条件下，算法收敛性能良好，稀疏圆形阵列优化设计的有效性得到验证，且设计出的稀疏圆形优化阵列具备稳健的DOA估计综合性能。
针对工程应用中阵元位置和阵元数量受限条件下的稀疏圆形阵列布阵场景，为了满足在通道数有限的前提下保证阵列波达方向(DOA)估计性能的需求，该文提出一种基于双深度Q学习(DDQN)的稀疏圆形阵列优化设计算法，实现了更加灵活和高效的阵列优化设计策略生成。首先，为了保证优化阵列的DOA估计精度以及角度分辨力，以最小化2维DOA估计Ziv-Zakai下界(ZZB)和峰值旁瓣电平(PSL)为优化目标完成稀疏圆形阵列优化问题建模。然后，构造动作空间、状态空间和奖励值函数等模型，采用DDQN算法对优化问题进行求解，最终设计出稀疏圆形优化阵列。实验结果表明，在布阵场景受限条件下，算法收敛性能良好，稀疏圆形阵列优化设计的有效性得到验证，且设计出的稀疏圆形优化阵列具备稳健的DOA估计综合性能。
2025, 47(10): 3793-3803.
doi: 10.11999/JEIT250278
摘要:
通用滤波多载波(UFMC)通过在正交频分复用(OFDM)技术中引入原型滤波器实现更优的载波间干扰(ICI)抑制能力，成为未来无线通信的重要波形。研究聚焦于UFMC系统在载波频率偏移(CFO)影响下进一步强化ICI抑制能力。该文首先研究了存在CFO时，UFMC系统的信号与干扰噪声比(SINR)表达式，其次构建了一个以最小化平均误码率(SER)为目标的滤波器优化设计模型。通过采用连续凸近似(SCA)处理，对原始非凸非线性问题进行了转换，并提出了一种原型滤波器最优设计方法。仿真结果表明，该文设计的最优原型滤波器在SER性能上优于过去推荐的切比雪夫(DC)滤波器，具有较强的抗干扰能力。对于UFMC在ICI严重场景中应用具有重要价值。
通用滤波多载波(UFMC)通过在正交频分复用(OFDM)技术中引入原型滤波器实现更优的载波间干扰(ICI)抑制能力，成为未来无线通信的重要波形。研究聚焦于UFMC系统在载波频率偏移(CFO)影响下进一步强化ICI抑制能力。该文首先研究了存在CFO时，UFMC系统的信号与干扰噪声比(SINR)表达式，其次构建了一个以最小化平均误码率(SER)为目标的滤波器优化设计模型。通过采用连续凸近似(SCA)处理，对原始非凸非线性问题进行了转换，并提出了一种原型滤波器最优设计方法。仿真结果表明，该文设计的最优原型滤波器在SER性能上优于过去推荐的切比雪夫(DC)滤波器，具有较强的抗干扰能力。对于UFMC在ICI严重场景中应用具有重要价值。
2025, 47(10): 3804-3813.
doi: 10.11999/JEIT250258
摘要:
随着量子通信和量子计算技术的飞速发展，高效量子纠错编码技术已成为保障量子系统可靠性的核心需求。传统量子纠错码在参数灵活性和最小距离约束方面存在显著局限性，难以适应复杂量子通信场景中的动态需求。该文基于扭曲的Reed-Solomon(TGRS)码，根据码长中\begin{document}$ i $\end{document} \begin{document}$ \boldsymbol{G}{\boldsymbol{G}}^{\mathrm{H}} $\end{document}
随着量子通信和量子计算技术的飞速发展，高效量子纠错编码技术已成为保障量子系统可靠性的核心需求。传统量子纠错码在参数灵活性和最小距离约束方面存在显著局限性，难以适应复杂量子通信场景中的动态需求。该文基于扭曲的Reed-Solomon(TGRS)码，根据码长中
2025, 47(10): 3814-3825.
doi: 10.11999/JEIT250303
摘要:
图神经网络(GNNs)的对抗鲁棒性对其在安全关键场景中的应用具有重要意义。近年来，对抗攻击尤其是基于迁移的黑盒攻击引起了研究人员的广泛关注，但这些方法过度依赖代理模型的梯度信息导致生成的对抗样本迁移性较差。此外，现有方法多从全局视角出发选择扰动策略导致攻击效率低下。为了解决以上问题，该文探索熵与节点脆弱性之间的关联，并创新性地提出一种全新的对抗攻击思路。具体而言，针对同构图神经网络，利用节点熵来捕获节点的邻居子图的特征平滑性，提出基于节点熵的图神经网络迁移对抗攻击方法(NEAttack)。在此基础上，提出基于图熵的异构图神经网络对抗攻击方法(GEHAttack)。通过在多个模型和数据集上的大量实验，验证了所提方法的有效性，揭示了节点熵与节点脆弱性之间的关联关系在提升对抗攻击性能中的重要作用。
图神经网络(GNNs)的对抗鲁棒性对其在安全关键场景中的应用具有重要意义。近年来，对抗攻击尤其是基于迁移的黑盒攻击引起了研究人员的广泛关注，但这些方法过度依赖代理模型的梯度信息导致生成的对抗样本迁移性较差。此外，现有方法多从全局视角出发选择扰动策略导致攻击效率低下。为了解决以上问题，该文探索熵与节点脆弱性之间的关联，并创新性地提出一种全新的对抗攻击思路。具体而言，针对同构图神经网络，利用节点熵来捕获节点的邻居子图的特征平滑性，提出基于节点熵的图神经网络迁移对抗攻击方法(NEAttack)。在此基础上，提出基于图熵的异构图神经网络对抗攻击方法(GEHAttack)。通过在多个模型和数据集上的大量实验，验证了所提方法的有效性，揭示了节点熵与节点脆弱性之间的关联关系在提升对抗攻击性能中的重要作用。
2025, 47(10): 3826-3837.
doi: 10.11999/JEIT250181
摘要:
为满足第6代移动通信(6G)在高速移动场景下高可靠、安全传输需求，针对正交时频空(OTFS)调制的通信链路，该文设计一种新的三维星座加密方案，充分发挥了OTFS与三维星座的性能优势。首先，设计了一种新型三维星座分布图，16个星座点分布在以原点为中心的球体表面，由球面与坐标轴的6个交点及两个平行于XOY平面的正五边形顶点构成，优化后星座点间最小欧氏距离提升5%，平均功率降低11%，星座图性能指数提升10%，改善了误码率性能。此外，提出了一种三维星座映射与旋转加密方案，通过16位量化混沌序列动态选择映射方式，并结合两次星座点旋转操作，实现了三维星座的高效加密。仿真结果表明，相较于现有方案，所提出的方案在确保通信性能的同时，安全性能有较好提升，误码率性能提升约0.6 dB，且密钥空间达10120，能够有效抵抗暴力破解，加密后图像直方图分布均匀，相关系数趋近于0，具有强抗统计攻击能力，且密钥敏感性和鲁棒性测试进一步验证了其安全性能。
为满足第6代移动通信(6G)在高速移动场景下高可靠、安全传输需求，针对正交时频空(OTFS)调制的通信链路，该文设计一种新的三维星座加密方案，充分发挥了OTFS与三维星座的性能优势。首先，设计了一种新型三维星座分布图，16个星座点分布在以原点为中心的球体表面，由球面与坐标轴的6个交点及两个平行于XOY平面的正五边形顶点构成，优化后星座点间最小欧氏距离提升5%，平均功率降低11%，星座图性能指数提升10%，改善了误码率性能。此外，提出了一种三维星座映射与旋转加密方案，通过16位量化混沌序列动态选择映射方式，并结合两次星座点旋转操作，实现了三维星座的高效加密。仿真结果表明，相较于现有方案，所提出的方案在确保通信性能的同时，安全性能有较好提升，误码率性能提升约0.6 dB，且密钥空间达10120，能够有效抵抗暴力破解，加密后图像直方图分布均匀，相关系数趋近于0，具有强抗统计攻击能力，且密钥敏感性和鲁棒性测试进一步验证了其安全性能。
2025, 47(10): 3838-3846.
doi: 10.11999/JEIT250144
摘要:
基于传统密码技术的车联网数据共享正面临着量子计算威胁。NTRU格是当前保障抗量子数据共享的有效手段。该文提出基于NTRU格的去中心化车联网数据共享方案，环中带错误学习 (RLWE)问题和环中小整数解 (RSIS)问题的难解性下具有抗量子安全性，NTRU格密钥尺寸短且存储空间小的特性能够保证低计算复杂度。通过区块链技术实现车辆身份验证、权限管理、密钥分发及智能合约自动化执行。所提方案能够为智能安全交通未来发展奠定技术支撑。
基于传统密码技术的车联网数据共享正面临着量子计算威胁。NTRU格是当前保障抗量子数据共享的有效手段。该文提出基于NTRU格的去中心化车联网数据共享方案，环中带错误学习 (RLWE)问题和环中小整数解 (RSIS)问题的难解性下具有抗量子安全性，NTRU格密钥尺寸短且存储空间小的特性能够保证低计算复杂度。通过区块链技术实现车辆身份验证、权限管理、密钥分发及智能合约自动化执行。所提方案能够为智能安全交通未来发展奠定技术支撑。
2025, 47(10): 3847-3857.
doi: 10.11999/JEIT250157
摘要:
在人工智能对抗攻击领域中，传统的白盒梯度攻击方法在生成对抗样本的迭代过程中，往往会因替代模型的局部最优解而陷入停滞，难以实现跨模型的泛化效果。当前研究普遍认为，这种现象的主要原因在于对抗样本生成过程中输入特征的多样性不足，致使生成的样本过度拟合于替代模型。针对这一问题，该文提出提升模型泛化能力的数据增强技术。与以往的研究在图像的空间域上进行诸如旋转、裁剪等变换不同，该文从频域视角入手，提出一种基于频谱系数衰减的输入变换方法。通过在输入图像的频域中衰减各频率分量的幅度信息，提高迭代中输入的多样性，有效降低对源模型特定的依赖，减小过拟合风险。在ImageNet验证集上的测试表明，该方法及两种优化方法在基于卷积和Transformer架构的模型上均能有效提升无目标对抗样本的迁移能力。
在人工智能对抗攻击领域中，传统的白盒梯度攻击方法在生成对抗样本的迭代过程中，往往会因替代模型的局部最优解而陷入停滞，难以实现跨模型的泛化效果。当前研究普遍认为，这种现象的主要原因在于对抗样本生成过程中输入特征的多样性不足，致使生成的样本过度拟合于替代模型。针对这一问题，该文提出提升模型泛化能力的数据增强技术。与以往的研究在图像的空间域上进行诸如旋转、裁剪等变换不同，该文从频域视角入手，提出一种基于频谱系数衰减的输入变换方法。通过在输入图像的频域中衰减各频率分量的幅度信息，提高迭代中输入的多样性，有效降低对源模型特定的依赖，减小过拟合风险。在ImageNet验证集上的测试表明，该方法及两种优化方法在基于卷积和Transformer架构的模型上均能有效提升无目标对抗样本的迁移能力。
2025, 47(10): 3858-3868.
doi: 10.11999/JEIT250151
摘要:
随着数字化医疗的快速发展，电子健康记录(EHR)已成为提升医疗服务质量的重要手段，医疗机构想要获取患者的EHR用于医疗研究。然而，传统的电子健康记录系统面临信息孤岛、数据安全共享困难、隐私泄露等问题。该文设计了分布式的KBB索引树多关键词模糊排序搜索方案，旨在解决以上问题，并实现安全、高效和可追溯的电子健康记录共享。该方案使用K-means聚类技术对EHR分类，在IPFS上分类存储加密的EHR，实现密文的分布式存储。使用波特词干提取法把关键词转换为统一形式，基于聚类的EHR构造KBB索引树，达到模糊搜索并提高搜索效率。此外，可以通过智能合约实现对用户身份的验证。搜索节点在KBB树中排序搜索，星际文件系统(IPFS)返回前k个加密EHR给用户，用户在区块链上验证数据的完整性后解密。性能分析表明该方案的算法具有安全性，在已知密文模型中是语义安全的，同时具有良好的实现效率。
随着数字化医疗的快速发展，电子健康记录(EHR)已成为提升医疗服务质量的重要手段，医疗机构想要获取患者的EHR用于医疗研究。然而，传统的电子健康记录系统面临信息孤岛、数据安全共享困难、隐私泄露等问题。该文设计了分布式的KBB索引树多关键词模糊排序搜索方案，旨在解决以上问题，并实现安全、高效和可追溯的电子健康记录共享。该方案使用K-means聚类技术对EHR分类，在IPFS上分类存储加密的EHR，实现密文的分布式存储。使用波特词干提取法把关键词转换为统一形式，基于聚类的EHR构造KBB索引树，达到模糊搜索并提高搜索效率。此外，可以通过智能合约实现对用户身份的验证。搜索节点在KBB树中排序搜索，星际文件系统(IPFS)返回前k个加密EHR给用户，用户在区块链上验证数据的完整性后解密。性能分析表明该方案的算法具有安全性，在已知密文模型中是语义安全的，同时具有良好的实现效率。
2025, 47(10): 3869-3881.
doi: 10.11999/JEIT250343
摘要:
受电弓-接触网系统的耦合性能是影响高速列车受流稳定性和整体运行效率的关键因素。该文旨在提出一种能应对复杂工况的主动控制策略，以降低弓网接触力波动。然而，现有主流方法各有瓶颈，如强化学习存在样本效率低、易陷入局部最优的问题，而模型预测控制则受限于短期优化视野。为融合二者优势，该文提出一种基于强化学习指导模型预测控制(RL-GMPC)的受电弓主动控制算法。首先，建立有限元弓网耦合模型，用于生成多工况弓网交互数据；其次，基于强化学习框架提出一种自适应潜在动力学模型，其从弓网交互数据中学习系统动力学世界模型，并基于时序差分思想训练状态价值函数；进一步，提出一种基于强化学习指导的模型预测控制框架，其在滚动时域内使用学习的动力学模型进行局部轨迹优化，并使用学习的终端状态价值函数来估计轨迹末端状态的预期累计奖励。实现了短期累计奖励回报和长期奖励估计的有效结合。最后对算法进行了有效性测试和鲁棒性分析，实验结果表明，在京沪线运行条件下，基于RL-GMPC算法对受电弓进行主动控制，列车在290, 320, 350和380 km/h工况下的接触力标准差分别降低了14.29%, 18.07%, 21.52%和34.87%，有效抑制了接触力波动。另外，该文算法在面对随机风扰动及接触网线路参数变化时也表现出优异的鲁棒性。
受电弓-接触网系统的耦合性能是影响高速列车受流稳定性和整体运行效率的关键因素。该文旨在提出一种能应对复杂工况的主动控制策略，以降低弓网接触力波动。然而，现有主流方法各有瓶颈，如强化学习存在样本效率低、易陷入局部最优的问题，而模型预测控制则受限于短期优化视野。为融合二者优势，该文提出一种基于强化学习指导模型预测控制(RL-GMPC)的受电弓主动控制算法。首先，建立有限元弓网耦合模型，用于生成多工况弓网交互数据；其次，基于强化学习框架提出一种自适应潜在动力学模型，其从弓网交互数据中学习系统动力学世界模型，并基于时序差分思想训练状态价值函数；进一步，提出一种基于强化学习指导的模型预测控制框架，其在滚动时域内使用学习的动力学模型进行局部轨迹优化，并使用学习的终端状态价值函数来估计轨迹末端状态的预期累计奖励。实现了短期累计奖励回报和长期奖励估计的有效结合。最后对算法进行了有效性测试和鲁棒性分析，实验结果表明，在京沪线运行条件下，基于RL-GMPC算法对受电弓进行主动控制，列车在290, 320, 350和380 km/h工况下的接触力标准差分别降低了14.29%, 18.07%, 21.52%和34.87%，有效抑制了接触力波动。另外，该文算法在面对随机风扰动及接触网线路参数变化时也表现出优异的鲁棒性。
2025, 47(10): 3882-3892.
doi: 10.11999/JEIT250128
摘要:
针对时变等式约束的2次规划问题，该文提出3幂次加速的抗噪终态零化神经网络，实现神经计算误差固定时间收敛。相比于常规双幂次型终态零化神经网络，所提网络收敛速度更快，抗噪性能更强。分析不同参数情况下的收敛过程并给出具体的收敛时间表达式；理论证明该神经网络系统对渐消噪声具有抑制能力。针对冗余机械臂重复运动规划问题，采用3幂次加速的抗噪终态零化神经网络作为求解器，实现固定时间获取末端执行器的期望轨迹。考虑重复运动规划中定常增益优化指标的局限性，设计时变增益优化指标以提高冗余机械臂作业效率。时变2次规划和冗余机械臂的数值仿真结果分别验证3幂次加速的抗噪终态零化神经网络和时变增益优化指标的有效性。
针对时变等式约束的2次规划问题，该文提出3幂次加速的抗噪终态零化神经网络，实现神经计算误差固定时间收敛。相比于常规双幂次型终态零化神经网络，所提网络收敛速度更快，抗噪性能更强。分析不同参数情况下的收敛过程并给出具体的收敛时间表达式；理论证明该神经网络系统对渐消噪声具有抑制能力。针对冗余机械臂重复运动规划问题，采用3幂次加速的抗噪终态零化神经网络作为求解器，实现固定时间获取末端执行器的期望轨迹。考虑重复运动规划中定常增益优化指标的局限性，设计时变增益优化指标以提高冗余机械臂作业效率。时变2次规划和冗余机械臂的数值仿真结果分别验证3幂次加速的抗噪终态零化神经网络和时变增益优化指标的有效性。
2025, 47(10): 3893-3903.
doi: 10.11999/JEIT250182
摘要:
轨道交通网络站点中心性研究对轨道交通系统安全至关重要。识别轨道交通网络的关键节点有助于提前设置预案，降低站点故障影响，确保运行安全。根据现有研究分析，静态拓扑和动态客流是影响站点中心性的两大关键因素。鉴于此，该文提出一种融合静态拓扑和动态客流的轨道交通站点中心性指标。该指标基于PageRank与改进K核评估轨道交通网络的静态拓扑中心性，并充分考虑进站人数和出站人数评估动态客流中心性。此外，该文还提出了一种动态客流对于静态拓扑重要性的增强方法，确保二者的有机融合。基于上海市轨道交通网络真实数据的级联失效实验表明该文方法能够有效、稳定地识别轨道交通网络的关键站点。对这些站点进行重点保护，可以增强轨道交通网络对级联失效的抗毁性，提升整体系统安全。
轨道交通网络站点中心性研究对轨道交通系统安全至关重要。识别轨道交通网络的关键节点有助于提前设置预案，降低站点故障影响，确保运行安全。根据现有研究分析，静态拓扑和动态客流是影响站点中心性的两大关键因素。鉴于此，该文提出一种融合静态拓扑和动态客流的轨道交通站点中心性指标。该指标基于PageRank与改进K核评估轨道交通网络的静态拓扑中心性，并充分考虑进站人数和出站人数评估动态客流中心性。此外，该文还提出了一种动态客流对于静态拓扑重要性的增强方法，确保二者的有机融合。基于上海市轨道交通网络真实数据的级联失效实验表明该文方法能够有效、稳定地识别轨道交通网络的关键站点。对这些站点进行重点保护，可以增强轨道交通网络对级联失效的抗毁性，提升整体系统安全。
2025, 47(10): 3904-3916.
doi: 10.11999/JEIT250240
摘要:
铝矾土作为关键的非金属矿产资源，在铝工业等领域具有不可替代的作用。为实现资源高效利用并解决低品位矿石冶炼浪费问题，精确测定其品质参数至关重要。传统化学分析方法存在操作流程复杂、检测周期长、成本高昂等局限，而现有快检技术多聚焦单一参数预测，忽略参数间相关性。为此，该文提出一种基于近红外光谱的多指标协同检测模型——门控深度点卷积网络(G-DPN)。该模型创新性地采用大尺寸卷积核深度卷积提取单通道长距离相关特征，结合点卷积实现通道信息融合，并引入空间注意力机制强化关键特征表达能力。进一步设计定制门控模块，通过正交约束分离共享特征与任务特定特征，实现二者的动态加权融合，同时对参数标签归一化以消除量纲差异，有效构建光谱特征与品质参数间的非线性映射关系。基于424个铝矾土样本的实验表明，G-DPN在铝含量、硅含量和铁含量预测中的\begin{document}${R^2}$\end{document} 0.9226 , 0.9377 和0.9683 ，性能显著优于传统机器学习方法及多种深度学习模型。本研究证实近红外光谱技术结合G-DPN模型在铝矾土品质分析中具有显著应用价值，为矿产资源高效利用提供了新的技术支撑。
铝矾土作为关键的非金属矿产资源，在铝工业等领域具有不可替代的作用。为实现资源高效利用并解决低品位矿石冶炼浪费问题，精确测定其品质参数至关重要。传统化学分析方法存在操作流程复杂、检测周期长、成本高昂等局限，而现有快检技术多聚焦单一参数预测，忽略参数间相关性。为此，该文提出一种基于近红外光谱的多指标协同检测模型——门控深度点卷积网络(G-DPN)。该模型创新性地采用大尺寸卷积核深度卷积提取单通道长距离相关特征，结合点卷积实现通道信息融合，并引入空间注意力机制强化关键特征表达能力。进一步设计定制门控模块，通过正交约束分离共享特征与任务特定特征，实现二者的动态加权融合，同时对参数标签归一化以消除量纲差异，有效构建光谱特征与品质参数间的非线性映射关系。基于424个铝矾土样本的实验表明，G-DPN在铝含量、硅含量和铁含量预测中的
2025, 47(10): 3917-3928.
doi: 10.11999/JEIT250220
摘要:
多元时间序列应用广泛，但极易发生缺失，影响相关规律的有效挖掘。已有插补方法大多面向低缺失率场景设计，应用至高缺失率场景通常面临梯度消失、时空依赖关系建模不足、复杂非线性特征表征困难等难题。该文提出一种融合空间自注意力感知的严重缺失多元时间序列插补算法(SSAImpute)。该算法采用双分支孪生结构，分别设计了空间自注意力感知和时域自注意力编码模块。其中，空间自注意力感知模块通过融合数据源位置等空间信息增强序列的相关性建模能力；时域自注意力编码模块设计了掩码自适应自注意力机制有效捕获时间层面的时间前后依赖性和特征相关性，避免了梯度消失现象。孪生分支之间通过动态加权融合，优化最终的插补输出。实现结果表明，与7个现有时间序列插补模型对比，该文所提方法在Inter-Sensor的4个子数据集均能有效提升严重缺失场景下的多元时间序列插补精度，在PeMS 3个子数据集的插补结果RMSE比次优方法分别提升4.1%, 6.7%和4.7%。该算法有望为严重缺失场景下的多元时间序列提供更准确的解决方案，进而为下游基于数据驱动的分析和决策任务提供更可靠的数据基础。
多元时间序列应用广泛，但极易发生缺失，影响相关规律的有效挖掘。已有插补方法大多面向低缺失率场景设计，应用至高缺失率场景通常面临梯度消失、时空依赖关系建模不足、复杂非线性特征表征困难等难题。该文提出一种融合空间自注意力感知的严重缺失多元时间序列插补算法(SSAImpute)。该算法采用双分支孪生结构，分别设计了空间自注意力感知和时域自注意力编码模块。其中，空间自注意力感知模块通过融合数据源位置等空间信息增强序列的相关性建模能力；时域自注意力编码模块设计了掩码自适应自注意力机制有效捕获时间层面的时间前后依赖性和特征相关性，避免了梯度消失现象。孪生分支之间通过动态加权融合，优化最终的插补输出。实现结果表明，与7个现有时间序列插补模型对比，该文所提方法在Inter-Sensor的4个子数据集均能有效提升严重缺失场景下的多元时间序列插补精度，在PeMS 3个子数据集的插补结果RMSE比次优方法分别提升4.1%, 6.7%和4.7%。该算法有望为严重缺失场景下的多元时间序列提供更准确的解决方案，进而为下游基于数据驱动的分析和决策任务提供更可靠的数据基础。
2025, 47(10): 3929-3940.
doi: 10.11999/JEIT250302
摘要:
针对低光照图像目标特征弱、检测精度不足等问题，该文提出了一种基于图像增强与特征自适应联合学习的目标检测模型，该模型采用串联结构，将有监督的图像增强模块与YOLOv5目标检测模块相结合，以端到端的方式实现低光照图像目标检测。首先，利用正常光数据集生成匹配的正常光与低光图像对，实现数据集增强，并据此指导图像增强模块的学习；其次，联合图像增强损失、特征匹配损失和目标检测损失，从像素级和特征级两个层面优化目标检测结果；最后，基于真实低光照数据集进行模型参数的优化和微调。实验结果表明，该方法在仅使用真实正常光数据集训练的情况下，在LLVIP和Polar3000低光照数据集上的检测精度分别达到79.5%和85.7%，进一步在真实低光照数据集上微调后，检测精度分别提升至91.7%和92.3%，显著优于主流的低光照图像目标检测方法，并在ExDark和DarkFace的泛化实验中取得最佳检测效果。此外，该方法在提升检测精度的同时，仅带来2.5%的参数增加，具有良好的实时检测性能。
针对低光照图像目标特征弱、检测精度不足等问题，该文提出了一种基于图像增强与特征自适应联合学习的目标检测模型，该模型采用串联结构，将有监督的图像增强模块与YOLOv5目标检测模块相结合，以端到端的方式实现低光照图像目标检测。首先，利用正常光数据集生成匹配的正常光与低光图像对，实现数据集增强，并据此指导图像增强模块的学习；其次，联合图像增强损失、特征匹配损失和目标检测损失，从像素级和特征级两个层面优化目标检测结果；最后，基于真实低光照数据集进行模型参数的优化和微调。实验结果表明，该方法在仅使用真实正常光数据集训练的情况下，在LLVIP和Polar3000低光照数据集上的检测精度分别达到79.5%和85.7%，进一步在真实低光照数据集上微调后，检测精度分别提升至91.7%和92.3%，显著优于主流的低光照图像目标检测方法，并在ExDark和DarkFace的泛化实验中取得最佳检测效果。此外，该方法在提升检测精度的同时，仅带来2.5%的参数增加，具有良好的实时检测性能。
2025, 47(10): 3941-3950.
doi: 10.11999/JEIT250224
摘要:
现有的一些利用频域信息的图像超分辨率重建方法在处理高频细节时仍存在一定的改进空间，在某些场景下难以避免模糊或失真的现象。为了解决这一问题，该文提出一种基于频域扩散模型的超分辨率重建网络SR-FDN。具体来说，SR-FDN引入双分支频域注意力机制，在频域与空间域进行特征融合，能够有效地捕捉频域特征并恢复高频信息，进一步提升细节恢复效果。SR-FDN还使用了小波下采样代替传统U-Net噪声预测器中的卷积下采样，在降低图像尺寸的同时保留更多的细节信息。此外，SR-FDN通过频域损失函数的约束和条件图像的引导，使得生成的高分辨率图像在细节和纹理方面具有更高的精确度。在多个基准数据集上的实验表明，所提的SR-FDN可以重建出质量更好、细节更丰富的图像，并且在定性和定量比较中均有明显优势。
现有的一些利用频域信息的图像超分辨率重建方法在处理高频细节时仍存在一定的改进空间，在某些场景下难以避免模糊或失真的现象。为了解决这一问题，该文提出一种基于频域扩散模型的超分辨率重建网络SR-FDN。具体来说，SR-FDN引入双分支频域注意力机制，在频域与空间域进行特征融合，能够有效地捕捉频域特征并恢复高频信息，进一步提升细节恢复效果。SR-FDN还使用了小波下采样代替传统U-Net噪声预测器中的卷积下采样，在降低图像尺寸的同时保留更多的细节信息。此外，SR-FDN通过频域损失函数的约束和条件图像的引导，使得生成的高分辨率图像在细节和纹理方面具有更高的精确度。在多个基准数据集上的实验表明，所提的SR-FDN可以重建出质量更好、细节更丰富的图像，并且在定性和定量比较中均有明显优势。
2025, 47(10): 3951-3966.
doi: 10.11999/JEIT250130
摘要:
针对高光谱图像(HSI)由于受采集、传输等过程的客观因素影响而存在各种噪声的问题，该文提出一种基于低秩张量分解与克罗内克积乘积图拉普拉斯正则化(LRTDKGLR)的HSI去噪算法。首先，该算法基于HSI的空间和光谱特性，利用图信号处理(GSP)理论分别构建空间图和光谱图，并通过克罗内克积将二者结合为乘积图，用于刻画HSI数据的空间-光谱联合关联特性。随后，通过Tucker分解提取空间和光谱维度的联合低维表示，进一步挖掘HSI图像的结构特征。此外，采用乘积图模型对HSI数据在空间和光谱维度上的分段平滑特性进行建模，从而增强空间-光谱维度间的关联性。随后，将HSI去噪问题转化为一个包含低秩张量分解和克罗内克积的图拉普拉斯正则化(KGLR)的优化问题，并通过增广拉格朗日乘子法(ALM)高效求解。模拟数据和真实数据实验结果表明，该文所提出的LRTDKGLR方法在去噪性能上优于现有方法，验证了其在HSI去噪中的有效性。
针对高光谱图像(HSI)由于受采集、传输等过程的客观因素影响而存在各种噪声的问题，该文提出一种基于低秩张量分解与克罗内克积乘积图拉普拉斯正则化(LRTDKGLR)的HSI去噪算法。首先，该算法基于HSI的空间和光谱特性，利用图信号处理(GSP)理论分别构建空间图和光谱图，并通过克罗内克积将二者结合为乘积图，用于刻画HSI数据的空间-光谱联合关联特性。随后，通过Tucker分解提取空间和光谱维度的联合低维表示，进一步挖掘HSI图像的结构特征。此外，采用乘积图模型对HSI数据在空间和光谱维度上的分段平滑特性进行建模，从而增强空间-光谱维度间的关联性。随后，将HSI去噪问题转化为一个包含低秩张量分解和克罗内克积的图拉普拉斯正则化(KGLR)的优化问题，并通过增广拉格朗日乘子法(ALM)高效求解。模拟数据和真实数据实验结果表明，该文所提出的LRTDKGLR方法在去噪性能上优于现有方法，验证了其在HSI去噪中的有效性。
2025, 47(10): 3967-3978.
doi: 10.11999/JEIT250238
摘要:
针对城市复杂道路环境中车辆检测面临的多尺度目标、密集车流遮挡等难题，该文提出了一种轻量化YOLO-SCDI车辆检测算法。首先，采用改进的C2f-SCSA模块替换骨干网络中的C2f模块，通过动态融合多尺度卷积核提取的局部与全局特征，同时结合空间-通道双维度注意力机制，从而实现精准的特征选择。其次，创新性地在颈部网络引入跨尺度特征融合模块(CCFM)，通过4个卷积同步完成通道压缩与跨通道信息融合，显著增强了模型对不同尺度目标的适应性，同时降低了模型参数。再次，用Dynamic Head检测头替换传统检测头，通过尺度-空间-任务三维注意力机制动态调节特征响应，并引入动态卷积核生成网络，自适应调整检测头参数配置。最后，提出了Inner-ShapeIoU度量方法以优化边界框回归过程。实验结果表明，在精简后的UA-DETRAC数据集上，YOLO-SCDI在mAP@0.5和精确度(P)上分别达到了95.8%和95.9%，同时模型的参数量为2.37M，相较于基准模型YOLOv8n，精度分别提升了2.5%和4.1%，参数量减少了21.0%，具有更高的检测精度和更精简的模型参数。
针对城市复杂道路环境中车辆检测面临的多尺度目标、密集车流遮挡等难题，该文提出了一种轻量化YOLO-SCDI车辆检测算法。首先，采用改进的C2f-SCSA模块替换骨干网络中的C2f模块，通过动态融合多尺度卷积核提取的局部与全局特征，同时结合空间-通道双维度注意力机制，从而实现精准的特征选择。其次，创新性地在颈部网络引入跨尺度特征融合模块(CCFM)，通过4个卷积同步完成通道压缩与跨通道信息融合，显著增强了模型对不同尺度目标的适应性，同时降低了模型参数。再次，用Dynamic Head检测头替换传统检测头，通过尺度-空间-任务三维注意力机制动态调节特征响应，并引入动态卷积核生成网络，自适应调整检测头参数配置。最后，提出了Inner-ShapeIoU度量方法以优化边界框回归过程。实验结果表明，在精简后的UA-DETRAC数据集上，YOLO-SCDI在mAP@0.5和精确度(P)上分别达到了95.8%和95.9%，同时模型的参数量为2.37M，相较于基准模型YOLOv8n，精度分别提升了2.5%和4.1%，参数量减少了21.0%，具有更高的检测精度和更精简的模型参数。
2025, 47(10): 3979-3992.
doi: 10.11999/JEIT250301
摘要:
为提升巡检机器人在城市动态环境中的定位精度与鲁棒性，该文提出一种基于第3代定向快速与旋转简要同步定位与建图系统 (ORB-SLAM3)的轻量级语义视觉同步定位与建图(SLAM)框架。该框架通过紧耦合所提出的轻量级语义分割模型(DHSR-YOLOSeg)输出的语义信息，实现动态特征点的精准剔除与稳健跟踪，从而有效缓解动态目标干扰带来的特征漂移与建图误差累积问题。DHSR-YOLOSeg基于YOLO第11代轻量级分割模型(YOLOv11n-seg)架构，融合动态卷积模块(C3k2_DynamicConv)、轻量特征融合模块(DyCANet)与复用共享卷积分割(RSCS)头，在分割精度小幅提升的同时，有效降低了计算资源开销，整体展现出良好的轻量化与高效性。在COCO数据集上，相较于基础模型，DHSR-YOLOSeg实现参数量减少13.8%、109次浮点运算(GFLOPs)降低23.1%、平均精度指标(mAP50)提升约2%；在KITTI数据集上，DHSR-YOLOSeg相比其他主流分割模型及YOLO系列不同版本，在保持较高分割精度的同时，进一步压缩了模型参数量与计算开销，系统整体帧率得到有效提升。同时，所提语义SLAM系统通过动态特征点剔除有效提升了定位精度，平均轨迹误差相比ORB-SLAM3降低8.78%；在此基础上，系统平均每帧处理时间较主流方法如DS-SLAM和DynaSLAM分别降低约18.55%与41.83%。研究结果表明，该语义视觉SLAM框架兼具实时性与部署效率，显著提升了动态环境下的定位稳定性与感知能力。
为提升巡检机器人在城市动态环境中的定位精度与鲁棒性，该文提出一种基于第3代定向快速与旋转简要同步定位与建图系统 (ORB-SLAM3)的轻量级语义视觉同步定位与建图(SLAM)框架。该框架通过紧耦合所提出的轻量级语义分割模型(DHSR-YOLOSeg)输出的语义信息，实现动态特征点的精准剔除与稳健跟踪，从而有效缓解动态目标干扰带来的特征漂移与建图误差累积问题。DHSR-YOLOSeg基于YOLO第11代轻量级分割模型(YOLOv11n-seg)架构，融合动态卷积模块(C3k2_DynamicConv)、轻量特征融合模块(DyCANet)与复用共享卷积分割(RSCS)头，在分割精度小幅提升的同时，有效降低了计算资源开销，整体展现出良好的轻量化与高效性。在COCO数据集上，相较于基础模型，DHSR-YOLOSeg实现参数量减少13.8%、109次浮点运算(GFLOPs)降低23.1%、平均精度指标(mAP50)提升约2%；在KITTI数据集上，DHSR-YOLOSeg相比其他主流分割模型及YOLO系列不同版本，在保持较高分割精度的同时，进一步压缩了模型参数量与计算开销，系统整体帧率得到有效提升。同时，所提语义SLAM系统通过动态特征点剔除有效提升了定位精度，平均轨迹误差相比ORB-SLAM3降低8.78%；在此基础上，系统平均每帧处理时间较主流方法如DS-SLAM和DynaSLAM分别降低约18.55%与41.83%。研究结果表明，该语义视觉SLAM框架兼具实时性与部署效率，显著提升了动态环境下的定位稳定性与感知能力。
2025, 47(10): 3993-4004.
doi: 10.11999/JEIT250112
摘要:
基于图像级标签的弱监督语义分割(WSSS)旨在通过类激活映射(CAM)生成伪标签(种子)，然后将其用于训练语义分割模型，为耗时且昂贵的像素级标注节省大量人力和财力。现有方法主要围绕CAM进行改进以获取单个优良的种子，同时通过一些后处理手段进一步提升种子的质量，但其得到的种子仍存在不等程度的噪声。为了减少噪声标签对分割网络造成的影响，考虑多个不同种子更能有效提取出正确信息，该文从多种子信息互补的角度，提出一种基于多种子信息聚合和正负混合学习的弱监督图像语义分割方法，通过在分类网络中改变输入图像尺度以及调整Dropout层随机隐藏神经元的概率，获取多个优良种子；依据它们对每个像素分配的类别标签情况进行优选获得聚合种子，并进一步区分该像素标签为干净标签还是噪声标签；利用正负混合学习训练语义分割网络，引入预测约束损失以避免网络对噪声标签给予过高的预测值，进而对干净标签应用正学习发挥正确信息的准确性，对噪声标签应用负学习抑制错误信息的影响，从而有效提升分割网络的性能。在PASCAL VOC 2012和MS COCO 2014验证集上实验结果表明，该文方法在基于卷积神经网络框架的分割网络中，mIoU分别达到了72.5%和40.8%，与RCA及URN方法相比分别提升了0.3%与0.1%；在基于Transformer框架的分割网络中，mIoU则提升至76.8%和46.7%，与CoBra及ECA方法相比分别提升了2.5%与1.6%，验证了方法的有效性。
基于图像级标签的弱监督语义分割(WSSS)旨在通过类激活映射(CAM)生成伪标签(种子)，然后将其用于训练语义分割模型，为耗时且昂贵的像素级标注节省大量人力和财力。现有方法主要围绕CAM进行改进以获取单个优良的种子，同时通过一些后处理手段进一步提升种子的质量，但其得到的种子仍存在不等程度的噪声。为了减少噪声标签对分割网络造成的影响，考虑多个不同种子更能有效提取出正确信息，该文从多种子信息互补的角度，提出一种基于多种子信息聚合和正负混合学习的弱监督图像语义分割方法，通过在分类网络中改变输入图像尺度以及调整Dropout层随机隐藏神经元的概率，获取多个优良种子；依据它们对每个像素分配的类别标签情况进行优选获得聚合种子，并进一步区分该像素标签为干净标签还是噪声标签；利用正负混合学习训练语义分割网络，引入预测约束损失以避免网络对噪声标签给予过高的预测值，进而对干净标签应用正学习发挥正确信息的准确性，对噪声标签应用负学习抑制错误信息的影响，从而有效提升分割网络的性能。在PASCAL VOC 2012和MS COCO 2014验证集上实验结果表明，该文方法在基于卷积神经网络框架的分割网络中，mIoU分别达到了72.5%和40.8%，与RCA及URN方法相比分别提升了0.3%与0.1%；在基于Transformer框架的分割网络中，mIoU则提升至76.8%和46.7%，与CoBra及ECA方法相比分别提升了2.5%与1.6%，验证了方法的有效性。
2025, 47(10): 4005-4017.
doi: 10.11999/JEIT250291
摘要:
在工业智能化场景中，深度神经网络(DNN)的推理任务因有向无环图(DAG)复杂结构特性与动态资源约束，面临延迟与精度难以协同优化的挑战。现有方法多局限于链式DNN，且缺乏对网络波动与异构计算资源的自适应支持。为此，该文提出一种边-端协作下基于早期退出机制的DNN动态自适应分区框架(DAPDEE)，通过边-端协作实现高精度低延迟推理。其核心创新如下：将链式与复杂DNN统一表征为DAG结构，为分区优化提供通用拓扑基础；基于多任务学习离线优化各层早期退出分类器，部署时仅需加载预训练模型参数，结合实时网络带宽、终端计算负载等指标，动态选择最优退出点与分区策略；通过逆向搜索机制联合优化延迟与精度，轻负载下最小化单帧端到端延迟，重负载下最大化系统吞吐量。实验表明，在CIFAR-10数据集与VGG16和AlexNet模型上，DAPDEE在CAT1/3G/4G网络中较Device-Only方法降低延迟达7.7%(重负载)与7.5%(轻负载)，吞吐量提升9.9倍，且精度损失始终低于1.2%。该框架为智能制造、自动驾驶等时敏场景中DAG结构DNN的高效推理提供了理论与技术支撑。
在工业智能化场景中，深度神经网络(DNN)的推理任务因有向无环图(DAG)复杂结构特性与动态资源约束，面临延迟与精度难以协同优化的挑战。现有方法多局限于链式DNN，且缺乏对网络波动与异构计算资源的自适应支持。为此，该文提出一种边-端协作下基于早期退出机制的DNN动态自适应分区框架(DAPDEE)，通过边-端协作实现高精度低延迟推理。其核心创新如下：将链式与复杂DNN统一表征为DAG结构，为分区优化提供通用拓扑基础；基于多任务学习离线优化各层早期退出分类器，部署时仅需加载预训练模型参数，结合实时网络带宽、终端计算负载等指标，动态选择最优退出点与分区策略；通过逆向搜索机制联合优化延迟与精度，轻负载下最小化单帧端到端延迟，重负载下最大化系统吞吐量。实验表明，在CIFAR-10数据集与VGG16和AlexNet模型上，DAPDEE在CAT1/3G/4G网络中较Device-Only方法降低延迟达7.7%(重负载)与7.5%(轻负载)，吞吐量提升9.9倍，且精度损失始终低于1.2%。该框架为智能制造、自动驾驶等时敏场景中DAG结构DNN的高效推理提供了理论与技术支撑。
2025, 47(10): 4018-4030.
doi: 10.11999/JEIT250226
摘要:
锂离子电池作为是一种具有高度复杂电化学反应的系统，为了满足电动汽车的功率和能量需求，需要将大量电池串并联组成电池组。然而，电池组的安全问题成为其广泛应用的关键挑战。现有电池组诊断方法在实际应用中存在不足，主要受限于运行条件的多变性和故障样本的稀缺性。此外，电池组电压呈现复杂的非高斯分布，使得基于差异的领域自适应方法仅能表征有限的故障统计特征。针对上述问题，该文提出一种高阶矩匹配的动态分布自适应电动汽车电池组多故障诊断方法，该方法在源域中学习可迁移特征，从而实现目标域中的故障诊断，可诊断的故障类型包括内部短路、电压传感器漂移故障、电压传感器噪声故障和电池不一致故障。所提方法通过动态因子评估边缘和条件分布的相对重要性，动态学习域不变特征。此外，该方法还利用高阶矩匹配对非高斯分布的电池放电特征进行精细化领域对齐。在3种不同的电动汽车标准运行工况下进行的跨域故障诊断实验结果表明，该方法优于现有的基线方法，并实现了平均94.9% F1分数的故障诊断性能。
锂离子电池作为是一种具有高度复杂电化学反应的系统，为了满足电动汽车的功率和能量需求，需要将大量电池串并联组成电池组。然而，电池组的安全问题成为其广泛应用的关键挑战。现有电池组诊断方法在实际应用中存在不足，主要受限于运行条件的多变性和故障样本的稀缺性。此外，电池组电压呈现复杂的非高斯分布，使得基于差异的领域自适应方法仅能表征有限的故障统计特征。针对上述问题，该文提出一种高阶矩匹配的动态分布自适应电动汽车电池组多故障诊断方法，该方法在源域中学习可迁移特征，从而实现目标域中的故障诊断，可诊断的故障类型包括内部短路、电压传感器漂移故障、电压传感器噪声故障和电池不一致故障。所提方法通过动态因子评估边缘和条件分布的相对重要性，动态学习域不变特征。此外，该方法还利用高阶矩匹配对非高斯分布的电池放电特征进行精细化领域对齐。在3种不同的电动汽车标准运行工况下进行的跨域故障诊断实验结果表明，该方法优于现有的基线方法，并实现了平均94.9% F1分数的故障诊断性能。
2025, 47(10): 4031-4043.
doi: 10.11999/JEIT250313
摘要:
近年来，新能源汽车凭借环保与高效的优势迅速崛起，然而随着其市场规模的持续扩大，新能源汽车故障频发，安全性问题日益凸显。其中，内短路故障因其隐蔽性强、危害性大，成为最常见且最具威胁的故障之一。若不进行准确的诊断和处理，可能会导致严重的安全事故。因此，开发高效且精准的内短路故障诊断方法具有重要的现实意义。该文提出了一种电池相平面方法结合卷积增强Transformer-双向门控循环单元(Conformer-BiGRU)网络的电池包内短路故障诊断方法。首先，利用改进的电池相平面对电池电压序列进行二维特征提取，以捕捉更深层次的空间和结构信息。其次，提出Conformer-BiGRU网络对电池电压序列进行特征学习。该网络包含卷积神经网络(CNN)分支和Transformer分支，用于提取局部特征和全局表示，通过特征耦合单元融合后输入BiGRU模块，对电池包中的电池单体进行分类，判断是否存在内短路故障。该文基于实验平台采集的故障数据对所提出的方法进行测试，其严重内短路故障的精确率在3种国际标准工况下分别达到94.30%, 92.77%和94.85%。同时，该方法在轻度、中度和严重内短路故障数据集中，所提出方法的和F1分数在3种工况下平均达到91.26%, 85.17%和88.09%。实验结果表明该方法具有更好的鲁棒性，为提升新能源汽车的安全性提供了新的解决方案。
近年来，新能源汽车凭借环保与高效的优势迅速崛起，然而随着其市场规模的持续扩大，新能源汽车故障频发，安全性问题日益凸显。其中，内短路故障因其隐蔽性强、危害性大，成为最常见且最具威胁的故障之一。若不进行准确的诊断和处理，可能会导致严重的安全事故。因此，开发高效且精准的内短路故障诊断方法具有重要的现实意义。该文提出了一种电池相平面方法结合卷积增强Transformer-双向门控循环单元(Conformer-BiGRU)网络的电池包内短路故障诊断方法。首先，利用改进的电池相平面对电池电压序列进行二维特征提取，以捕捉更深层次的空间和结构信息。其次，提出Conformer-BiGRU网络对电池电压序列进行特征学习。该网络包含卷积神经网络(CNN)分支和Transformer分支，用于提取局部特征和全局表示，通过特征耦合单元融合后输入BiGRU模块，对电池包中的电池单体进行分类，判断是否存在内短路故障。该文基于实验平台采集的故障数据对所提出的方法进行测试，其严重内短路故障的精确率在3种国际标准工况下分别达到94.30%, 92.77%和94.85%。同时，该方法在轻度、中度和严重内短路故障数据集中，所提出方法的和F1分数在3种工况下平均达到91.26%, 85.17%和88.09%。实验结果表明该方法具有更好的鲁棒性，为提升新能源汽车的安全性提供了新的解决方案。
2025, 47(10): 4044-4054.
doi: 10.11999/JEIT250309
摘要:
该文提出一种基于频率选择表面的P波段超薄双极化吸波-透波一体化电磁表面设计新方法。该方法采用单元级联和渐变弯折线结构增加有效电流路径，并通过集成集总器件实现低频宽带可调吸波，进一步通过分析频率选择表面透波结构和吸波结构的等效电路，基于电路结构的差异，在尽可能减小吸波、透波功能电磁耦合的前提下，实现了吸波-透波一体化设计。为了阐明该方法，设计了一款超薄双极化吸波-透波功能单元，同时实现了高效透波与P波段宽带可调吸波性能，并详细分析了其工作机理。结果表明：设计的一体化单元分别在P波段和C波段实现了双极化吸波-透波功能，且所需电子器件少、工作频带宽和结构超薄。所提方法综合利用场路分析，不仅实现了P波段吸波，还减小了电磁表面多功能间的相互影响，实现了不同功能结构的一体化集成设计，降低了多功能电磁表面优化设计的难度。
该文提出一种基于频率选择表面的P波段超薄双极化吸波-透波一体化电磁表面设计新方法。该方法采用单元级联和渐变弯折线结构增加有效电流路径，并通过集成集总器件实现低频宽带可调吸波，进一步通过分析频率选择表面透波结构和吸波结构的等效电路，基于电路结构的差异，在尽可能减小吸波、透波功能电磁耦合的前提下，实现了吸波-透波一体化设计。为了阐明该方法，设计了一款超薄双极化吸波-透波功能单元，同时实现了高效透波与P波段宽带可调吸波性能，并详细分析了其工作机理。结果表明：设计的一体化单元分别在P波段和C波段实现了双极化吸波-透波功能，且所需电子器件少、工作频带宽和结构超薄。所提方法综合利用场路分析，不仅实现了P波段吸波，还减小了电磁表面多功能间的相互影响，实现了不同功能结构的一体化集成设计，降低了多功能电磁表面优化设计的难度。
