邮件订阅
2025年 第47卷 第5期
显示方式:
2025, 47(5): 1215-1229.
doi: 10.11999/JEIT240835
摘要:
作为新质生产力的低空智联网(LAIN)，通过构建多种应用场景下的3维网络体系，可协助实现泛在覆盖和万物互联的美好愿景。然而，随着LAIN的快速发展，在数据采集和利用过程中，分布式飞行器和地面设备在运营过程中所产生的数据来源广泛、格式各异，但由于尚未形成对数据的统一表征标准，极大地限制了LAIN中信息共享和有效利用。因此，该文首先总结了当前国内外相关研究现状，分析了LAIN下潜在的异构数据类型，指明其主要特征和应用场景；然后，设计了LAIN数据集成与融合的示范平台；其次，剖析了实现LAIN下多维异构信息统一表征所面临的挑战；进而，基于数据融合技术、时空栅格化技术、多模态协同推理以及知识图谱，提出潜在的融合与集成表征方法，构建统一的知识表征模型框架，以期实现不同信息源数据的语义对齐和集成；最后，对所述内容进行总结，并展望了未来的研究方向，旨在为LAIN的进一步发展提供理论基础和技术支持，推动LAIN信息资源的高效利用和智能化发展。
作为新质生产力的低空智联网(LAIN)，通过构建多种应用场景下的3维网络体系，可协助实现泛在覆盖和万物互联的美好愿景。然而，随着LAIN的快速发展，在数据采集和利用过程中，分布式飞行器和地面设备在运营过程中所产生的数据来源广泛、格式各异，但由于尚未形成对数据的统一表征标准，极大地限制了LAIN中信息共享和有效利用。因此，该文首先总结了当前国内外相关研究现状，分析了LAIN下潜在的异构数据类型，指明其主要特征和应用场景；然后，设计了LAIN数据集成与融合的示范平台；其次，剖析了实现LAIN下多维异构信息统一表征所面临的挑战；进而，基于数据融合技术、时空栅格化技术、多模态协同推理以及知识图谱，提出潜在的融合与集成表征方法，构建统一的知识表征模型框架，以期实现不同信息源数据的语义对齐和集成；最后，对所述内容进行总结，并展望了未来的研究方向，旨在为LAIN的进一步发展提供理论基础和技术支持，推动LAIN信息资源的高效利用和智能化发展。
2025, 47(5): 1230-1265.
doi: 10.11999/JEIT240966
摘要:
空中交通管理系统是关乎空天安全和人民生命财产安全的国家大型关键信息基础设施。随着信息化、网络化和智能化技术的广泛应用，现代空中交通管理系统已经演化成为由多利益相关方异构融合的空天地海一体化网络。尽管系统的开放性和连接性提升了空中交通管理效率，但也引入了新的网络安全威胁，扩大了系统攻击面，使得网络安全生态复杂且形势严峻。该文以资产梳理、威胁分析、攻击建模、防御机制为主线，从不同的利益相关方(Stakeholders)出发，如电子使能飞机、空中交通管理(CNS/ATM)、智慧机场、智能决策等方面对空中交通管理系统的网络安全研究现状进行了全面系统的综述，并提出了动态网络安全分析、攻击影响传播建模、人在回路网络安全分析、分布式入侵检测系统等方面的研究问题与挑战。
空中交通管理系统是关乎空天安全和人民生命财产安全的国家大型关键信息基础设施。随着信息化、网络化和智能化技术的广泛应用，现代空中交通管理系统已经演化成为由多利益相关方异构融合的空天地海一体化网络。尽管系统的开放性和连接性提升了空中交通管理效率，但也引入了新的网络安全威胁，扩大了系统攻击面，使得网络安全生态复杂且形势严峻。该文以资产梳理、威胁分析、攻击建模、防御机制为主线，从不同的利益相关方(Stakeholders)出发，如电子使能飞机、空中交通管理(CNS/ATM)、智慧机场、智能决策等方面对空中交通管理系统的网络安全研究现状进行了全面系统的综述，并提出了动态网络安全分析、攻击影响传播建模、人在回路网络安全分析、分布式入侵检测系统等方面的研究问题与挑战。
2025, 47(5): 1266-1281.
doi: 10.11999/JEIT241071
摘要:
无人机辅助移动边缘计算(MEC)具有灵活部署、快速响应、广域覆盖、分布计算和可扩展性等优势，在智慧城市、环境监测和应急救援等领域具有广阔应用前景，是提升低空智能网联服务质量的重要研究方向。该文围绕无人机辅助MEC场景的飞行轨迹与资源分配联合优化，从离线优化和在线优化两个维度展开分析：针对离线联合优化，以不同优化性能指标为切入点，从网络场景、性能控制方法和算法设计3个方面梳理研究现状；针对在线联合优化，以优化框架为基础，从网络场景、性能指标和控制方法3个方面梳理研究现状；针对离线与在线混合优化，阐述当前研究成果。最后，聚焦无人机辅助MEC网络与其它网络制式融合时产生的新问题，讨论离线优化环境状态收集、离线优化智能化求解、在线优化多无人机实时协同、在线优化实时信息反馈、无人机能效优化和空-地通信安全保障等关键技术挑战及其未来研究方向。
无人机辅助移动边缘计算(MEC)具有灵活部署、快速响应、广域覆盖、分布计算和可扩展性等优势，在智慧城市、环境监测和应急救援等领域具有广阔应用前景，是提升低空智能网联服务质量的重要研究方向。该文围绕无人机辅助MEC场景的飞行轨迹与资源分配联合优化，从离线优化和在线优化两个维度展开分析：针对离线联合优化，以不同优化性能指标为切入点，从网络场景、性能控制方法和算法设计3个方面梳理研究现状；针对在线联合优化，以优化框架为基础，从网络场景、性能指标和控制方法3个方面梳理研究现状；针对离线与在线混合优化，阐述当前研究成果。最后，聚焦无人机辅助MEC网络与其它网络制式融合时产生的新问题，讨论离线优化环境状态收集、离线优化智能化求解、在线优化多无人机实时协同、在线优化实时信息反馈、无人机能效优化和空-地通信安全保障等关键技术挑战及其未来研究方向。
2025, 47(5): 1282-1290.
doi: 10.11999/JEIT240058
摘要:
为了解决传统去蜂窝大规模多输入多输出(CF-mMIMO)通信系统认知局限、资源短缺、覆盖盲区的问题，针对传统覆盖受限的去蜂窝网络下行传输系统，该文提出无人机-近地轨道卫星辅助的空天地一体化CF-mMIMO的功率分配和无人机位置部署方法。根据已知的用户位置以及地面接入点的部署缺陷，考虑各通信接入点的覆盖约束、最大功率约束、跨层干扰约束，以最大化用户最小速率为目标，建立联合用户关联、功率分配以及无人机放置的混合资源分配模型。基于块坐标下降方法和连续凸优化方法，将原本的非凸优化问题转化为3个子问题，并交替求得子问题近似解，最终得到原问题的最优近似解。仿真结果表明，所提方法能够合理安排系统的资源放置，显著提高系统通信覆盖，提升用户的平均吞吐量。
为了解决传统去蜂窝大规模多输入多输出(CF-mMIMO)通信系统认知局限、资源短缺、覆盖盲区的问题，针对传统覆盖受限的去蜂窝网络下行传输系统，该文提出无人机-近地轨道卫星辅助的空天地一体化CF-mMIMO的功率分配和无人机位置部署方法。根据已知的用户位置以及地面接入点的部署缺陷，考虑各通信接入点的覆盖约束、最大功率约束、跨层干扰约束，以最大化用户最小速率为目标，建立联合用户关联、功率分配以及无人机放置的混合资源分配模型。基于块坐标下降方法和连续凸优化方法，将原本的非凸优化问题转化为3个子问题，并交替求得子问题近似解，最终得到原问题的最优近似解。仿真结果表明，所提方法能够合理安排系统的资源放置，显著提高系统通信覆盖，提升用户的平均吞吐量。
2025, 47(5): 1291-1300.
doi: 10.11999/JEIT250012
摘要:
在低空智联网中，随着用户数量的急剧增加与空域环境的日益复杂，无人机(UAVs)搭载活动基站为多用户提供通信服务时难以兼顾数据传输性能与飞行安全。因此，该文创新性构建了基于碰撞概率地图避障的无人机避障通信系统模型，为解决低空混合障碍下最大化无人机通信能效的问题，提出了用户调度优化的多智能体深度确定性策略梯度(MADDPG)算法，实现了多机协同航迹规划。仿真分析表明，该文所提策略在混合障碍物空域中可有效提升无人机系统能效的同时，平均碰撞概率相比传统避障方法降低了约8倍。
在低空智联网中，随着用户数量的急剧增加与空域环境的日益复杂，无人机(UAVs)搭载活动基站为多用户提供通信服务时难以兼顾数据传输性能与飞行安全。因此，该文创新性构建了基于碰撞概率地图避障的无人机避障通信系统模型，为解决低空混合障碍下最大化无人机通信能效的问题，提出了用户调度优化的多智能体深度确定性策略梯度(MADDPG)算法，实现了多机协同航迹规划。仿真分析表明，该文所提策略在混合障碍物空域中可有效提升无人机系统能效的同时，平均碰撞概率相比传统避障方法降低了约8倍。
2025, 47(5): 1301-1309.
doi: 10.11999/JEIT240503
摘要:
针对无人机探测与避让(DAA)系统中无人机飞行碰撞避免的决策问题，该文提出一种将无人机系统检测和避免警报逻辑(DAIDALUS)和马尔可夫决策过程(MDP)相结合的方法。DAIDALUS算法的引导逻辑可以根据当前状态空间计算无人机避撞策略，将这些策略作为MDP的动作空间，并设置合适的奖励函数和状态转移概率，建立MDP模型，探究不同折扣因子对无人机飞行避撞过程的影响。仿真结果表明：相比于DAIDALUS，本方法的效率提升27.2%；当折扣因子设置为0.99时，可以平衡长期与短期收益；净空入侵率为5.8%，威胁机与本机最近距离为343 m，该方法可以满足无人机飞行过程中避撞的要求。
针对无人机探测与避让(DAA)系统中无人机飞行碰撞避免的决策问题，该文提出一种将无人机系统检测和避免警报逻辑(DAIDALUS)和马尔可夫决策过程(MDP)相结合的方法。DAIDALUS算法的引导逻辑可以根据当前状态空间计算无人机避撞策略，将这些策略作为MDP的动作空间，并设置合适的奖励函数和状态转移概率，建立MDP模型，探究不同折扣因子对无人机飞行避撞过程的影响。仿真结果表明：相比于DAIDALUS，本方法的效率提升27.2%；当折扣因子设置为0.99时，可以平衡长期与短期收益；净空入侵率为5.8%，威胁机与本机最近距离为343 m，该方法可以满足无人机飞行过程中避撞的要求。
2025, 47(5): 1310-1321.
doi: 10.11999/JEIT241050
摘要:
该文聚焦于低空智能网中多辐射源的定位技术研究，旨在利用搭载频谱监测设备的无人机采集的信号强度数据，精确解析低空目标区域内多个未知辐射源的空间位置。然而，实际应用场景面临多重挑战：无人机飞行轨迹受限导致测量数据稀疏；环境噪声及阴影衰落加剧数据波动；多个未知辐射源进一步加重了算法的复杂度，严重阻碍了现有低空多辐射源定位(MSL)技术的效能发挥。针对上述挑战，该文创新性地提出了一种基于稀疏张量补全与密度峰值聚类的低空智能网多辐射源定位算法。该算法将多辐射源定位问题解构为两个核心步骤：稀疏张量补全和张量密度峰值检测。具体而言，首先根据无人机的飞行轨迹将稀疏测量数据构建为3维稀疏张量，随后采用卷积自编码器网络对该张量进行高效补全，以复原目标空间内的完整信号强度张量图谱。在此基础上，利用改进的密度峰值聚类算法搜索张量中的密度峰值中心，从而实现多辐射源的精确定位。仿真结果表明，本文提出的算法能够有效利用稀疏测量数据对低空多辐射源进行定位，克服了因环境噪声带来的异常值影响，且展现出对辐射源数量的鲁棒性，为低空智能网中的多辐射源定位问题提供了有效的解决方案。
该文聚焦于低空智能网中多辐射源的定位技术研究，旨在利用搭载频谱监测设备的无人机采集的信号强度数据，精确解析低空目标区域内多个未知辐射源的空间位置。然而，实际应用场景面临多重挑战：无人机飞行轨迹受限导致测量数据稀疏；环境噪声及阴影衰落加剧数据波动；多个未知辐射源进一步加重了算法的复杂度，严重阻碍了现有低空多辐射源定位(MSL)技术的效能发挥。针对上述挑战，该文创新性地提出了一种基于稀疏张量补全与密度峰值聚类的低空智能网多辐射源定位算法。该算法将多辐射源定位问题解构为两个核心步骤：稀疏张量补全和张量密度峰值检测。具体而言，首先根据无人机的飞行轨迹将稀疏测量数据构建为3维稀疏张量，随后采用卷积自编码器网络对该张量进行高效补全，以复原目标空间内的完整信号强度张量图谱。在此基础上，利用改进的密度峰值聚类算法搜索张量中的密度峰值中心，从而实现多辐射源的精确定位。仿真结果表明，本文提出的算法能够有效利用稀疏测量数据对低空多辐射源进行定位，克服了因环境噪声带来的异常值影响，且展现出对辐射源数量的鲁棒性，为低空智能网中的多辐射源定位问题提供了有效的解决方案。
2025, 47(5): 1322-1331.
doi: 10.11999/JEIT240847
摘要:
无人机(UAV)辅助联邦边缘学习的通信能够有效解决终端设备数据孤岛问题和数据泄露风险。然而，窃听者可能利用联邦边缘学习中的模型更新来恢复终端设备的原始隐私数据，从而对系统的隐私安全构成极大威胁。为了克服这一挑战，该文在无人机辅助联邦边缘学习通信系统提出一种有效的安全聚合和资源优化方案。具体来说，终端设备利用其本地数据进行局部模型训练来更新参数，并将其发送给全局无人机，无人机据此聚合出新的全局模型参数。窃听者试图通过窃听终端设备发送的模型参数信号来恢复终端设备的原始数据。该文通过联合优化终端设备的传输带宽、CPU频率、发送功率以及无人机的CPU频率，最大化安全隐私能效。为了解决该优化问题，该文提出一种演进深度确定性策略梯度(DDPG)算法，通过和系统智能交互，在保证基本时延和能耗需求的情况下获得安全聚合和资源优化方案。最后，通过和基准方案对比，验证了所提方案的有效性。
无人机(UAV)辅助联邦边缘学习的通信能够有效解决终端设备数据孤岛问题和数据泄露风险。然而，窃听者可能利用联邦边缘学习中的模型更新来恢复终端设备的原始隐私数据，从而对系统的隐私安全构成极大威胁。为了克服这一挑战，该文在无人机辅助联邦边缘学习通信系统提出一种有效的安全聚合和资源优化方案。具体来说，终端设备利用其本地数据进行局部模型训练来更新参数，并将其发送给全局无人机，无人机据此聚合出新的全局模型参数。窃听者试图通过窃听终端设备发送的模型参数信号来恢复终端设备的原始数据。该文通过联合优化终端设备的传输带宽、CPU频率、发送功率以及无人机的CPU频率，最大化安全隐私能效。为了解决该优化问题，该文提出一种演进深度确定性策略梯度(DDPG)算法，通过和系统智能交互，在保证基本时延和能耗需求的情况下获得安全聚合和资源优化方案。最后，通过和基准方案对比，验证了所提方案的有效性。
2025, 47(5): 1332-1344.
doi: 10.11999/JEIT241026
摘要:
低空空域的开放和无人机的大规模应用使得低空飞行活动日益增多，航迹规划是确保无人机在复杂低空环境下有序飞行的关键。然而由于无线遥控链路中存在的干扰、欺骗等各种攻击，导致无人机偏离规划的航迹，给低空安全带来严峻挑战。为减小位置欺骗攻击引起的航迹异常，该文提出一种多模型融合的无人机异常航迹校正方法，通过预测无人机的位置参数进行航迹校正。为了降低长期预测误差对无人机航迹校正的影响，提出融合长短期记忆网络(LSTM)和Transformer的长短期记忆网络-Transformer (LSTM-Transformer)预测模型，并在此基础上提出了分块注意力优化策略，以降低Transformer子模型的计算复杂度，提高无人机异常航迹的校正效率。基于公开数据集，通过与基准方法比较和消融实验，证明了所提方法相比其它方法能够降低无人机异常航迹的校正误差，实现对无人机异常航迹的校正。
低空空域的开放和无人机的大规模应用使得低空飞行活动日益增多，航迹规划是确保无人机在复杂低空环境下有序飞行的关键。然而由于无线遥控链路中存在的干扰、欺骗等各种攻击，导致无人机偏离规划的航迹，给低空安全带来严峻挑战。为减小位置欺骗攻击引起的航迹异常，该文提出一种多模型融合的无人机异常航迹校正方法，通过预测无人机的位置参数进行航迹校正。为了降低长期预测误差对无人机航迹校正的影响，提出融合长短期记忆网络(LSTM)和Transformer的长短期记忆网络-Transformer (LSTM-Transformer)预测模型，并在此基础上提出了分块注意力优化策略，以降低Transformer子模型的计算复杂度，提高无人机异常航迹的校正效率。基于公开数据集，通过与基准方法比较和消融实验，证明了所提方法相比其它方法能够降低无人机异常航迹的校正误差，实现对无人机异常航迹的校正。
2025, 47(5): 1345-1355.
doi: 10.11999/JEIT241042
摘要:
在低空智联网中，以无人机(UAV)为载体的宽带频谱感知技术在实现高效频谱监测与利用方面起着至关重要的作用。然而，以奈奎斯特速率采样需要很高的硬件和计算成本，无人机的高移动性也会使其处于不断变化的无线频谱环境，进而严重影响感知精度，无人机宽带频谱感知面临严峻挑战。针对上述问题，该文首先设计了一个低复杂度的特征拆分宽带频谱感知神经网络(FS-WSSNet)，可在次奈奎斯特采样速率下实现高精度感知，以降低在无人机上的部署成本。随后，为充分整合利用低空智联网中多架无人机的频谱环境知识与计算资源，以适应其遇到的不同频谱环境，提出了一种基于差分隐私联邦迁移学习(DPFTL)的模型在线调整算法。该方法利用局部差分隐私，在协调多无人机上传模型参数至中心计算平台之前引入噪声，从而在无人机群体中同时实现频谱环境知识共享和数据隐私保护，使得其中每个无人机能够快速适应不断变化的频谱环境。仿真结果表明，同目前先进方案相比，FS-WSSNet在复杂度和感知性能方面均表现优越，使用所提的基于DPFTL的方案后，FS-WSSNet在无人机经历的多个新场景中无需模型调整，感知精度整体接近集中式训练。
在低空智联网中，以无人机(UAV)为载体的宽带频谱感知技术在实现高效频谱监测与利用方面起着至关重要的作用。然而，以奈奎斯特速率采样需要很高的硬件和计算成本，无人机的高移动性也会使其处于不断变化的无线频谱环境，进而严重影响感知精度，无人机宽带频谱感知面临严峻挑战。针对上述问题，该文首先设计了一个低复杂度的特征拆分宽带频谱感知神经网络(FS-WSSNet)，可在次奈奎斯特采样速率下实现高精度感知，以降低在无人机上的部署成本。随后，为充分整合利用低空智联网中多架无人机的频谱环境知识与计算资源，以适应其遇到的不同频谱环境，提出了一种基于差分隐私联邦迁移学习(DPFTL)的模型在线调整算法。该方法利用局部差分隐私，在协调多无人机上传模型参数至中心计算平台之前引入噪声，从而在无人机群体中同时实现频谱环境知识共享和数据隐私保护，使得其中每个无人机能够快速适应不断变化的频谱环境。仿真结果表明，同目前先进方案相比，FS-WSSNet在复杂度和感知性能方面均表现优越，使用所提的基于DPFTL的方案后，FS-WSSNet在无人机经历的多个新场景中无需模型调整，感知精度整体接近集中式训练。
2025, 47(5): 1356-1367.
doi: 10.11999/JEIT241044
摘要:
无人机自组织网络中，各个节点的流量不均衡，容易导致网络拥塞和时隙资源利用率低的问题。该文研究了无人机自组网中饱和节点和不饱和节点共存的场景下的接入控制问题，旨在让更多的节点共享不饱和节点的空闲时隙，提升网络的吞吐量。针对无人机多跳自组织网络接入控制问题，该文提出一种基于深度强化学习的多跳无人机自组织网络MAC协议(DQL-MHTDMA)，将饱和节点联合为一个大智能体，学习网络拓扑信息和时隙占用规律，选择最优的接入动作，实现每个时隙上的最大吞吐量或最佳能效。仿真结果表明，所提DQL-MHTDMA协议能够学习时隙的占用规律，并且可以感知多跳拓扑，在多种不饱和流量到达规律下获得最优的吞吐量或最佳的能量效率。
无人机自组织网络中，各个节点的流量不均衡，容易导致网络拥塞和时隙资源利用率低的问题。该文研究了无人机自组网中饱和节点和不饱和节点共存的场景下的接入控制问题，旨在让更多的节点共享不饱和节点的空闲时隙，提升网络的吞吐量。针对无人机多跳自组织网络接入控制问题，该文提出一种基于深度强化学习的多跳无人机自组织网络MAC协议(DQL-MHTDMA)，将饱和节点联合为一个大智能体，学习网络拓扑信息和时隙占用规律，选择最优的接入动作，实现每个时隙上的最大吞吐量或最佳能效。仿真结果表明，所提DQL-MHTDMA协议能够学习时隙的占用规律，并且可以感知多跳拓扑，在多种不饱和流量到达规律下获得最优的吞吐量或最佳的能量效率。
2025, 47(5): 1368-1380.
doi: 10.11999/JEIT241055
摘要:
针对多无人机在环境监测传感器网络、灾害应急通信节点等设备位置部分未知场景下的数据收集需求，该文提出一种模型辅助的联邦强化学习多无人机路径规划方法。在联邦学习框架下，通过结合最大熵强化学习与单调价值函数分解机制，引入动态熵温度参数和注意力机制，优化了多无人机协作的探索效率与策略稳定性。此外，设计了一种基于信道建模与位置估计的混合模拟环境构建方法，利用改进的粒子群算法快速估计未知设备位置，显著降低了真实环境交互成本。仿真结果表明，所提算法能够实现高效数据收集，相较于传统多智能体强化学习方法，数据收集率提升5.2%，路径长度减少7.7%，验证了所提算法的有效性和优越性。
针对多无人机在环境监测传感器网络、灾害应急通信节点等设备位置部分未知场景下的数据收集需求，该文提出一种模型辅助的联邦强化学习多无人机路径规划方法。在联邦学习框架下，通过结合最大熵强化学习与单调价值函数分解机制，引入动态熵温度参数和注意力机制，优化了多无人机协作的探索效率与策略稳定性。此外，设计了一种基于信道建模与位置估计的混合模拟环境构建方法，利用改进的粒子群算法快速估计未知设备位置，显著降低了真实环境交互成本。仿真结果表明，所提算法能够实现高效数据收集，相较于传统多智能体强化学习方法，数据收集率提升5.2%，路径长度减少7.7%，验证了所提算法的有效性和优越性。
2025, 47(5): 1381-1391.
doi: 10.11999/JEIT241053
摘要:
配备存储部件的机会无人机打开了数据传输的机会时间窗口，在低空数据收集系统中呈现巨大的潜力。为了提高数据收集效率，移动用户可以主动组网，将数据预先集聚到具备位置优势的簇头节点，由簇头节点负责上传，实现时空维度的流量塑形。该文研究了机会无人机辅助数据收集的组网和资源分配方法。具体而言，如何根据机会无人机的既定航迹，通过联合优化用户的子网数据传输策略、子网资源分配策略和子网形成策略，最大化全网数据上传总量。上述问题高度耦合且具有海量的状态空间，较难求解。该文通过推导闭式表达式求解子网数据传输和资源分配子问题，通过联盟博弈求解子网形成子问题。最终提出了一种迭代优化算法来获得具有高效、可靠、自组织和低复杂度的解决方案。仿真结果表明所提方法能够有效提升数据收集效率。同独立上传策略以及基于距离聚类和传统联盟博弈组网策略相比，所提方案的数据上传总量分别提升了56.3%，51.6%和17.8%。
配备存储部件的机会无人机打开了数据传输的机会时间窗口，在低空数据收集系统中呈现巨大的潜力。为了提高数据收集效率，移动用户可以主动组网，将数据预先集聚到具备位置优势的簇头节点，由簇头节点负责上传，实现时空维度的流量塑形。该文研究了机会无人机辅助数据收集的组网和资源分配方法。具体而言，如何根据机会无人机的既定航迹，通过联合优化用户的子网数据传输策略、子网资源分配策略和子网形成策略，最大化全网数据上传总量。上述问题高度耦合且具有海量的状态空间，较难求解。该文通过推导闭式表达式求解子网数据传输和资源分配子问题，通过联盟博弈求解子网形成子问题。最终提出了一种迭代优化算法来获得具有高效、可靠、自组织和低复杂度的解决方案。仿真结果表明所提方法能够有效提升数据收集效率。同独立上传策略以及基于距离聚类和传统联盟博弈组网策略相比，所提方案的数据上传总量分别提升了56.3%，51.6%和17.8%。
2025, 47(5): 1392-1401.
doi: 10.11999/JEIT241056
摘要:
正交时频空(OTFS)因其在高速移动场景下优异的误码率性能而受到广泛研究。针对OTFS接收机运算复杂度较高问题，该文提出一种基于最大比合并(MRC)的低复杂度接收机算法。首先，其核心思想在时延多普勒域利用最大比合并算法进行迭代，对接收的多径分量进行提取和相干组合，以提高组合信号的信噪比。其次，通过引入交织器和解交织器，信道矩阵转化为稀疏的上三角海森伯矩阵，有利于后续进行矩阵分解。再次，针对符号决策过程中矩阵求逆计算量大的问题，提出一种低复杂度的LDLH分解算法。最后，在此基础上进一步改进，提出了一种复杂度进一步降低的下三角矩阵求逆算法，以降低下三角矩阵求逆的复杂度。仿真结果表明，一方面该算法误码率与最大比合并算法相同，另一方面性能显著优于高阶调制的线性最小均方误差估计(LMMSE)线性均衡器与高斯−赛德尔(GS)迭代均衡算法。
正交时频空(OTFS)因其在高速移动场景下优异的误码率性能而受到广泛研究。针对OTFS接收机运算复杂度较高问题，该文提出一种基于最大比合并(MRC)的低复杂度接收机算法。首先，其核心思想在时延多普勒域利用最大比合并算法进行迭代，对接收的多径分量进行提取和相干组合，以提高组合信号的信噪比。其次，通过引入交织器和解交织器，信道矩阵转化为稀疏的上三角海森伯矩阵，有利于后续进行矩阵分解。再次，针对符号决策过程中矩阵求逆计算量大的问题，提出一种低复杂度的LDLH分解算法。最后，在此基础上进一步改进，提出了一种复杂度进一步降低的下三角矩阵求逆算法，以降低下三角矩阵求逆的复杂度。仿真结果表明，一方面该算法误码率与最大比合并算法相同，另一方面性能显著优于高阶调制的线性最小均方误差估计(LMMSE)线性均衡器与高斯−赛德尔(GS)迭代均衡算法。
2025, 47(5): 1402-1417.
doi: 10.11999/JEIT240738
摘要:
针对多无人机(UAV)分布式感知开展研究，为协调各UAV行为，该文设计了任务感知-数据回传协议，并建立了UAV任务分配、数据回传基站关联与飞行策略联合优化混合整数非线性规划问题模型。鉴于该问题数学结构的复杂性，以及集中式优化算法设计面临计算复杂度高且信息交互开销大等不足，提出将该问题转化为协作式马尔可夫博弈(MG)，定义了基于成本-效用复合的收益函数。考虑到MG问题连续-离散动作空间复杂耦合特点，设计了基于独立学习者(IL)的复合动作表演评论家(MA-IL-CA2C)的MG问题求解算法。仿真分析结果表明，相对于基线算法，所提算法能显著提高系统收益并降低网络能耗。
针对多无人机(UAV)分布式感知开展研究，为协调各UAV行为，该文设计了任务感知-数据回传协议，并建立了UAV任务分配、数据回传基站关联与飞行策略联合优化混合整数非线性规划问题模型。鉴于该问题数学结构的复杂性，以及集中式优化算法设计面临计算复杂度高且信息交互开销大等不足，提出将该问题转化为协作式马尔可夫博弈(MG)，定义了基于成本-效用复合的收益函数。考虑到MG问题连续-离散动作空间复杂耦合特点，设计了基于独立学习者(IL)的复合动作表演评论家(MA-IL-CA2C)的MG问题求解算法。仿真分析结果表明，相对于基线算法，所提算法能显著提高系统收益并降低网络能耗。
2025, 47(5): 1418-1433.
doi: 10.11999/JEIT241074
摘要:
针对传统深度学习意图识别方法难以在噪声标签存在时获得可靠模型的问题，该文提出基于信息分类处理(ICP)网络和多尺度鲁棒学习的空中目标意图识别(ATIR)方法。首先，基于空中目标属性性质，构建基于ICP的编码器，以获得更具可分性的嵌入；随后，设计了从精细到粗糙的跨尺度嵌入融合机制，利用不同尺度的目标序列，训练多个编码器来学习判别模式；同时，利用不同尺度的互补信息，以交叉教学的方式训练每个编码器，以选择小损失样本作为干净标签；对于未选定的大损失样本，基于多尺度嵌入图和说话者-倾听者标签传播算法(SLPA)，使用干净样本的标签进行校正。在不同标签噪声类型、多级噪声水平的ATIR数据集上的实验结果表明，该方法的测试准确率和Macro F1分数显著优于其他基线方法，说明其具有更强的噪声标签鲁棒性。
针对传统深度学习意图识别方法难以在噪声标签存在时获得可靠模型的问题，该文提出基于信息分类处理(ICP)网络和多尺度鲁棒学习的空中目标意图识别(ATIR)方法。首先，基于空中目标属性性质，构建基于ICP的编码器，以获得更具可分性的嵌入；随后，设计了从精细到粗糙的跨尺度嵌入融合机制，利用不同尺度的目标序列，训练多个编码器来学习判别模式；同时，利用不同尺度的互补信息，以交叉教学的方式训练每个编码器，以选择小损失样本作为干净标签；对于未选定的大损失样本，基于多尺度嵌入图和说话者-倾听者标签传播算法(SLPA)，使用干净样本的标签进行校正。在不同标签噪声类型、多级噪声水平的ATIR数据集上的实验结果表明，该方法的测试准确率和Macro F1分数显著优于其他基线方法，说明其具有更强的噪声标签鲁棒性。
2025, 47(5): 1434-1449.
doi: 10.11999/JEIT240670
摘要:
针对低空监视技术广域多点定位(WAM)时间同步困难或复杂度高，影响定位精度的问题，该文构建了基于到达时间(TOA)的时间同步及“同一消息”提取的数学模型，通过计算地面传感器的“同步启动时间”完成同步，计算复杂度低且易于实现。在此基础上，利用同一消息提取模型筛选出TOA用于定位计算。为了提高TOA估计值的精度，减小同步误差。提出了可变滑动滤波与卡尔曼滤波结合 (VMAF-Kalman)的联合滤波方法，提高可编程门阵列 (FPGA)基准时钟的稳定性，减小时钟延迟引起的TOA计数误差。仿真结果表明，联合滤波比单一滤波算法效果更好，TOA计数误差分别降低36.84%和25.36%。对无人机和民航飞机的定位测验结果都表现出较高的定位准确率，定位误差和位置更新速率符合标准要求，证明该文所提模型，具有实用性且有较好的同步精度。
针对低空监视技术广域多点定位(WAM)时间同步困难或复杂度高，影响定位精度的问题，该文构建了基于到达时间(TOA)的时间同步及“同一消息”提取的数学模型，通过计算地面传感器的“同步启动时间”完成同步，计算复杂度低且易于实现。在此基础上，利用同一消息提取模型筛选出TOA用于定位计算。为了提高TOA估计值的精度，减小同步误差。提出了可变滑动滤波与卡尔曼滤波结合 (VMAF-Kalman)的联合滤波方法，提高可编程门阵列 (FPGA)基准时钟的稳定性，减小时钟延迟引起的TOA计数误差。仿真结果表明，联合滤波比单一滤波算法效果更好，TOA计数误差分别降低36.84%和25.36%。对无人机和民航飞机的定位测验结果都表现出较高的定位准确率，定位误差和位置更新速率符合标准要求，证明该文所提模型，具有实用性且有较好的同步精度。
2025, 47(5): 1450-1460.
doi: 10.11999/JEIT240799
摘要:
作为新质生产力的低空智联网(LAIN)，主要由低空各类飞行器组成，可辅助实现空基多接入边缘计算(MEC)功能，能够有效应对实时数据处理和超低时延通信的挑战。考虑到任务的数据量大小具有随机性，该文聚焦研究基于LAIN的MEC网络中任务的卸载决策问题，以优化最差情况下的系统时延，保障服务的鲁棒性。首先，为刻画任务量的不确定性，利用历史数据构建基于概率距离度量的不确定集合，并建模了相应的分布鲁棒优化问题，以最小化最差任务大小概率分布情况下的系统时延。然后，为求解该最小化最大混合整数规划问题，将问题分解为嵌套的内层问题和外层问题，并基于分支定界法和二进制鲸鱼算法机制，设计了一种基于不确定任务大小的分布式鲁棒任务卸载优化算法(DRTOOA)。最后，通过仿真验证，结果表明所提DRTOOA能够优化系统时延，且具有较高的求解效率。
作为新质生产力的低空智联网(LAIN)，主要由低空各类飞行器组成，可辅助实现空基多接入边缘计算(MEC)功能，能够有效应对实时数据处理和超低时延通信的挑战。考虑到任务的数据量大小具有随机性，该文聚焦研究基于LAIN的MEC网络中任务的卸载决策问题，以优化最差情况下的系统时延，保障服务的鲁棒性。首先，为刻画任务量的不确定性，利用历史数据构建基于概率距离度量的不确定集合，并建模了相应的分布鲁棒优化问题，以最小化最差任务大小概率分布情况下的系统时延。然后，为求解该最小化最大混合整数规划问题，将问题分解为嵌套的内层问题和外层问题，并基于分支定界法和二进制鲸鱼算法机制，设计了一种基于不确定任务大小的分布式鲁棒任务卸载优化算法(DRTOOA)。最后，通过仿真验证，结果表明所提DRTOOA能够优化系统时延，且具有较高的求解效率。
2025, 47(5): 1461-1473.
doi: 10.11999/JEIT240864
摘要:
自适应光正交频分复用符号分解串行传输(O-OFDM-ASDST)可以有效抑制可见光通信(VLC)中发光二极管(LED)的非线性限幅失真，然而，O-OFDM-ASDST在接收端合并分解符号时会导致加性高斯白噪声(AWGN)叠加，从而引起误码率(BER)恶化。为此，该文基于人工智能粒计算的粗糙集理论(RST)信息系统与不可分辨关系，提出一种O-OFDM-ASDST信号检测算法。首先，将接收端时域抽样值作为论域，并将信号特征作为条件属性构建信息系统。通过决策规则对接收的分解符号进行分类，尽可能分类决策出原本等于门限值和零值的时域抽样值；然后，根据制定的决策规则导出不可分辨关系，并通过属性约简提取处于门限值之间的时域抽样值并进行重构，以达到降低重构算法复杂度的目的；最后，采用蒙特卡罗仿真方法，验证检测算法的性能。结果表明，与对比信号检测算法相比，该文检测算法在房间中心位置的BER性能可获得5.4 dB和1 dB的信噪比(SNR)增益；即使在房间边缘位置，也可以获得5.5 dB和0.8 dB的SNR增益。此外，检测算法的复杂度仅为对比信号检测算法的1/10。综上所述，所提检测算法能够有效抑制AWGN，提高BER性能，并显著降低算法复杂度和处理时延。
自适应光正交频分复用符号分解串行传输(O-OFDM-ASDST)可以有效抑制可见光通信(VLC)中发光二极管(LED)的非线性限幅失真，然而，O-OFDM-ASDST在接收端合并分解符号时会导致加性高斯白噪声(AWGN)叠加，从而引起误码率(BER)恶化。为此，该文基于人工智能粒计算的粗糙集理论(RST)信息系统与不可分辨关系，提出一种O-OFDM-ASDST信号检测算法。首先，将接收端时域抽样值作为论域，并将信号特征作为条件属性构建信息系统。通过决策规则对接收的分解符号进行分类，尽可能分类决策出原本等于门限值和零值的时域抽样值；然后，根据制定的决策规则导出不可分辨关系，并通过属性约简提取处于门限值之间的时域抽样值并进行重构，以达到降低重构算法复杂度的目的；最后，采用蒙特卡罗仿真方法，验证检测算法的性能。结果表明，与对比信号检测算法相比，该文检测算法在房间中心位置的BER性能可获得5.4 dB和1 dB的信噪比(SNR)增益；即使在房间边缘位置，也可以获得5.5 dB和0.8 dB的SNR增益。此外，检测算法的复杂度仅为对比信号检测算法的1/10。综上所述，所提检测算法能够有效抑制AWGN，提高BER性能，并显著降低算法复杂度和处理时延。
2025, 47(5): 1474-1485.
doi: 10.11999/JEIT240927
摘要:
在带频谱认知的车联网中，由于车辆终端的高动态移动性和无线电环境的复杂性，使频谱的稳定性难以评估。该文提出一种评估频谱稳定性的动态频谱接入算法。首先，基于信噪比、接收信号强度和带宽参数，利用长短期记忆神经网络预测出参数在未来1个周期内多时刻的值，并计算各参数1个周期的变化率，将结果作为频谱稳定性的评估指标。其次，利用K-Means算法对变化率向量进行聚类，构建稳定性评估模型。再次，根据稳定性评估结果重构了状态空间和奖励函数，提出一种基于强化学习的动态频谱接入算法。最后，实验结果表明，所提算法能够满足不同车辆终端业务的稳定性需求，提高频谱资源的利用率，同时降低频谱接入过程中的碰撞概率。
在带频谱认知的车联网中，由于车辆终端的高动态移动性和无线电环境的复杂性，使频谱的稳定性难以评估。该文提出一种评估频谱稳定性的动态频谱接入算法。首先，基于信噪比、接收信号强度和带宽参数，利用长短期记忆神经网络预测出参数在未来1个周期内多时刻的值，并计算各参数1个周期的变化率，将结果作为频谱稳定性的评估指标。其次，利用K-Means算法对变化率向量进行聚类，构建稳定性评估模型。再次，根据稳定性评估结果重构了状态空间和奖励函数，提出一种基于强化学习的动态频谱接入算法。最后，实验结果表明，所提算法能够满足不同车辆终端业务的稳定性需求，提高频谱资源的利用率，同时降低频谱接入过程中的碰撞概率。
2025, 47(5): 1486-1493.
doi: 10.11999/JEIT240860
摘要:
低密度奇偶校验(LDPC)码基于神经网络的归一化最小和(NNMS)译码算法按照网络中权重的共享方式可分为不共享(NNMS)、全共享(SNNMS)、部分共享(VC-SNNMS和CV-SNNMS)等。该文针对LDPC码在使用NNMS, VC-SNNMS和CV-SNNMS译码时因高复杂度导致的过拟合问题，引入正则化(Regularization)优化了神经网络中边信息的权重训练，抑制了基于神经网络译码的过拟合问题，分别得到 RNNMS, RVC-SNNMS和RCV-SNNMS算法。仿真结果表明：采用共享权重可以减轻神经网络训练负担，降低LDPC 码基于神经网络译码的误比特率(BER)；正则化能有效缓解过拟合现象提升神经网络的译码性能。针对码长为576，码率为0.75的LDPC码，当误码率BER=10–6时，RNNMS, RVC-SNNMS和RCV-SNNMS算法相较于NNMS, VC-SNNMS和CV-SNNMS算法分别得到了0.18 dB, 0.22 dB和0.27 dB的信噪比(SNR)增益，其中最佳的RVC-SNNMS算法相较于BP算法、NNMS算法和SNNMS算法，分别获得了0.55 dB, 0.51 dB和0.22 dB的信噪比增益。
低密度奇偶校验(LDPC)码基于神经网络的归一化最小和(NNMS)译码算法按照网络中权重的共享方式可分为不共享(NNMS)、全共享(SNNMS)、部分共享(VC-SNNMS和CV-SNNMS)等。该文针对LDPC码在使用NNMS, VC-SNNMS和CV-SNNMS译码时因高复杂度导致的过拟合问题，引入正则化(Regularization)优化了神经网络中边信息的权重训练，抑制了基于神经网络译码的过拟合问题，分别得到 RNNMS, RVC-SNNMS和RCV-SNNMS算法。仿真结果表明：采用共享权重可以减轻神经网络训练负担，降低LDPC 码基于神经网络译码的误比特率(BER)；正则化能有效缓解过拟合现象提升神经网络的译码性能。针对码长为576，码率为0.75的LDPC码，当误码率BER=10–6时，RNNMS, RVC-SNNMS和RCV-SNNMS算法相较于NNMS, VC-SNNMS和CV-SNNMS算法分别得到了0.18 dB, 0.22 dB和0.27 dB的信噪比(SNR)增益，其中最佳的RVC-SNNMS算法相较于BP算法、NNMS算法和SNNMS算法，分别获得了0.55 dB, 0.51 dB和0.22 dB的信噪比增益。
2025, 47(5): 1494-1504.
doi: 10.11999/JEIT240709
摘要:
在战场环境中，针对多波束干扰系统突防组网雷达场景下干扰资源分配的问题，该文提出一种引入柯西变异和全局协同控制策略的改进秘书鸟算法(ISBOA)对战场上的干扰资源进行优化分配。首先，建立突防场景下的多波束干扰系统模型，并将组网雷达检测融合概率作为多干扰机协同压制干扰组网雷达的性能评估指标；其次，以最小化检测概率为目标函数，对多干扰机干扰样式、干扰波束和功率资源进行联合优化分配；最后，利用ISBOA进行求解。实验结果经过对比表明，ISBOA算法搜索能力更强，收敛精度更高，具有更强的稳定性，能够更加合理地分配战场上的干扰资源。
在战场环境中，针对多波束干扰系统突防组网雷达场景下干扰资源分配的问题，该文提出一种引入柯西变异和全局协同控制策略的改进秘书鸟算法(ISBOA)对战场上的干扰资源进行优化分配。首先，建立突防场景下的多波束干扰系统模型，并将组网雷达检测融合概率作为多干扰机协同压制干扰组网雷达的性能评估指标；其次，以最小化检测概率为目标函数，对多干扰机干扰样式、干扰波束和功率资源进行联合优化分配；最后，利用ISBOA进行求解。实验结果经过对比表明，ISBOA算法搜索能力更强，收敛精度更高，具有更强的稳定性，能够更加合理地分配战场上的干扰资源。
2025, 47(5): 1505-1516.
doi: 10.11999/JEIT240905
摘要:
具有良好相关特性的正交波形集可以提高多输入多输出(MIMO)雷达系统的目标检测性能和抗干扰能力。为此，该文提出主瓣增益和动态范围约束下最小化广义互模糊函数积分旁瓣(ISL)的发射序列集和接收滤波器组联合设计方法。该方法采用最大块改进算法(MBI)将非凸优化问题分解为多个子问题，再利用连续凸近似方法(SCA)迭代求解子问题。为了进一步降低运算量，该文还提出了具有并行实现潜力的交替方向惩罚法(ADPM)求解SCA的子问题。最后，通过仿真实验从收敛速度、积分旁瓣电平等方面验证了该方法的有效性。
具有良好相关特性的正交波形集可以提高多输入多输出(MIMO)雷达系统的目标检测性能和抗干扰能力。为此，该文提出主瓣增益和动态范围约束下最小化广义互模糊函数积分旁瓣(ISL)的发射序列集和接收滤波器组联合设计方法。该方法采用最大块改进算法(MBI)将非凸优化问题分解为多个子问题，再利用连续凸近似方法(SCA)迭代求解子问题。为了进一步降低运算量，该文还提出了具有并行实现潜力的交替方向惩罚法(ADPM)求解SCA的子问题。最后，通过仿真实验从收敛速度、积分旁瓣电平等方面验证了该方法的有效性。
2025, 47(5): 1517-1528.
doi: 10.11999/JEIT240980
摘要:
同步定位与地图构建(SLAM)技术是移动机器人智能导航的基础。该文针对单一传感器SLAM技术存在的问题，提出一种基于激光雷达多层迭代最近点(MICP)点云匹配闭环检测的误差状态卡尔曼滤波(ESKF)多传感器紧耦合2D-SLAM算法。在完成视觉与激光雷达多模态数据的时空同步后，建立了里程计误差模型以及激光雷达与机器视觉点云匹配误差模型，并将其应用于误差状态卡尔曼滤波进行多模态数据融合，以提高SLAM的准确性和实时性。在公共数据集KITTI下进行的Gazebo环境仿真结果表明，该所提算法能够完整还原单一激光2D-SLAM无法获取到的环境障碍物信息，并能显著提高机器人轨迹估计和相对位姿估计精度。最后，采用Turtlebot2机器人在复杂实际大场景下进行了SLAM实验验证，结果表明所提多模态融合SLAM方法可以完整复原环境信息，实现实时的高精度2D地图构建。
同步定位与地图构建(SLAM)技术是移动机器人智能导航的基础。该文针对单一传感器SLAM技术存在的问题，提出一种基于激光雷达多层迭代最近点(MICP)点云匹配闭环检测的误差状态卡尔曼滤波(ESKF)多传感器紧耦合2D-SLAM算法。在完成视觉与激光雷达多模态数据的时空同步后，建立了里程计误差模型以及激光雷达与机器视觉点云匹配误差模型，并将其应用于误差状态卡尔曼滤波进行多模态数据融合，以提高SLAM的准确性和实时性。在公共数据集KITTI下进行的Gazebo环境仿真结果表明，该所提算法能够完整还原单一激光2D-SLAM无法获取到的环境障碍物信息，并能显著提高机器人轨迹估计和相对位姿估计精度。最后，采用Turtlebot2机器人在复杂实际大场景下进行了SLAM实验验证，结果表明所提多模态融合SLAM方法可以完整复原环境信息，实现实时的高精度2D地图构建。
2025, 47(5): 1529-1542.
doi: 10.11999/JEIT240870
摘要:
该文提出一种无监督自编码器及非线性滤波结合的室内定位可信性提升方法，设计了深度卷积神经网络辅助的降噪变分自编码器模型(DVAE-CNN)，分别从量测数据质量评估、目标状态转移方程表征以及环境先验信息辅助的权重更新策略多方面调控定位结果，克服复杂室内环境下由于信息丢失、出错、扰动等因素带来的定位可信性低的问题，相比未增加可信调控机制的定位结果平均定位精度提升了74.6%，定位可靠性提高了88.2%。最后，在2022北京冬奥会体育场馆内进行了大量试验，结果表明所提方法能够提供高鲁棒、高可信、高连续的位置服务能力，具有较大的应用及推广价值。
该文提出一种无监督自编码器及非线性滤波结合的室内定位可信性提升方法，设计了深度卷积神经网络辅助的降噪变分自编码器模型(DVAE-CNN)，分别从量测数据质量评估、目标状态转移方程表征以及环境先验信息辅助的权重更新策略多方面调控定位结果，克服复杂室内环境下由于信息丢失、出错、扰动等因素带来的定位可信性低的问题，相比未增加可信调控机制的定位结果平均定位精度提升了74.6%，定位可靠性提高了88.2%。最后，在2022北京冬奥会体育场馆内进行了大量试验，结果表明所提方法能够提供高鲁棒、高可信、高连续的位置服务能力，具有较大的应用及推广价值。
2025, 47(5): 1543-1553.
doi: 10.11999/JEIT240682
摘要:
针对全球导航卫星系统(GNSS)在遮挡环境下定位精度受限以及差分方法在较长基线时难以消除电离层延迟的问题，该文提出一种改进的部分模糊度解算(MPAR)方法。该方法融合了无几何模式下的基于电离层延迟改正模型的级联整数解算(ICIR)与几何模式下的最小二乘降相关平差(LAMBDA)。通过引入电离层延迟改正模型并将其融入ICIR方法中，有效解决了电离层延迟误差对模糊度解算(AR)的影响，提高了长基线条件下的定位精度。同时，为提升观测值质量不佳时的数据利用率，本研究利用卫星三频最优子集信息辅助非三频子集进行AR。具体而言，对最优子集卫星采用改进的ICIR方法进行解算，而对非三频卫星子集则结合最优子集的辅助信息，采用LAMBDA方法进行解算。两阶段解算策略不仅降低了计算复杂度，还显著提高了AR的成功率和可靠性，从而全面提升了GNSS定位的性能。实验结果表明，MPARICIR方法在各种基线条件和卫星数据质量下均表现出优异的定位精度和稳定性。
针对全球导航卫星系统(GNSS)在遮挡环境下定位精度受限以及差分方法在较长基线时难以消除电离层延迟的问题，该文提出一种改进的部分模糊度解算(MPAR)方法。该方法融合了无几何模式下的基于电离层延迟改正模型的级联整数解算(ICIR)与几何模式下的最小二乘降相关平差(LAMBDA)。通过引入电离层延迟改正模型并将其融入ICIR方法中，有效解决了电离层延迟误差对模糊度解算(AR)的影响，提高了长基线条件下的定位精度。同时，为提升观测值质量不佳时的数据利用率，本研究利用卫星三频最优子集信息辅助非三频子集进行AR。具体而言，对最优子集卫星采用改进的ICIR方法进行解算，而对非三频卫星子集则结合最优子集的辅助信息，采用LAMBDA方法进行解算。两阶段解算策略不仅降低了计算复杂度，还显著提高了AR的成功率和可靠性，从而全面提升了GNSS定位的性能。实验结果表明，MPARICIR方法在各种基线条件和卫星数据质量下均表现出优异的定位精度和稳定性。
2025, 47(5): 1554-1568.
doi: 10.11999/JEIT240953
摘要:
网络安全实体识别作为威胁信息抽取、构建知识图谱的基础，对于发现和应对网络威胁具有至关重要的作用。该文针对当前主流的命名实体识别方法在网络安全领域泛化能力欠佳、难以清晰判断网络安全实体边界的问题，提出一种基于字符表示学习与时序边界扩散的网络安全实体识别方法。该方法首先将命名实体识别任务分解为实体边界检测与实体分类两个子任务，分别进行处理；其次，对于实体边界检测任务，使用基于问答的方法将预定义的问题与数据进行编码，采用膨胀卷积残差字符网络进行数据的字符级特征提取，并使用时序边界扩散网络判断实体边界；然后，对于实体分类任务，同样使用问答方法，并独立训练分类器进行实体类型判断；最后将实体边界检测任务的结果输入实体分类任务判断实体的类型。为验证方法有效性，在网络威胁情报数据集DNRTI上进行测试。实验结果表明，边界检测效率的提升能够有效增强命名实体识别的性能。该方法在网络安全实体识别任务中不仅资源开销较小，且对比近年提出的基线方法性能有所提升，其中较最近两年的方法在F1分数上提升了0.40%～1.65%。
网络安全实体识别作为威胁信息抽取、构建知识图谱的基础，对于发现和应对网络威胁具有至关重要的作用。该文针对当前主流的命名实体识别方法在网络安全领域泛化能力欠佳、难以清晰判断网络安全实体边界的问题，提出一种基于字符表示学习与时序边界扩散的网络安全实体识别方法。该方法首先将命名实体识别任务分解为实体边界检测与实体分类两个子任务，分别进行处理；其次，对于实体边界检测任务，使用基于问答的方法将预定义的问题与数据进行编码，采用膨胀卷积残差字符网络进行数据的字符级特征提取，并使用时序边界扩散网络判断实体边界；然后，对于实体分类任务，同样使用问答方法，并独立训练分类器进行实体类型判断；最后将实体边界检测任务的结果输入实体分类任务判断实体的类型。为验证方法有效性，在网络威胁情报数据集DNRTI上进行测试。实验结果表明，边界检测效率的提升能够有效增强命名实体识别的性能。该方法在网络安全实体识别任务中不仅资源开销较小，且对比近年提出的基线方法性能有所提升，其中较最近两年的方法在F1分数上提升了0.40%～1.65%。
2025, 47(5): 1569-1581.
doi: 10.11999/JEIT240703
摘要:
有限角度计算机断层扫描(LACT)旨在通过减少扫描角度的范围来减少辐射剂量。由于投影数据是不完备的且未考虑联合有限角度和金属伪影校正(LAMAR)任务，传统方法重建的CT图像往往存在伪影，特别是当患者携带金属植入物时，伪影将进一步加重，影响后期医疗诊断及下游任务的精度。为解决这一问题，该文利用双域知识和深度展开技术，融合Transformer的非局部特性捕获能力和卷积神经网络(CNN)的局部特征提取能力，提出了能够联合解决LAMAR和LACT任务的模型与数据双驱动双域重建网络，记为MD3Net。该文首先构建了双域优化模型，使用邻近梯度下降算法对优化模型进行求解，并将其展开成模型驱动的CT重建网络。其次，设计了任务选择(TS)模块，通过判断初始估计CT图像中有无金属以利用同一模型同时处理有金属和无金属的重建任务。在数据驱动网络中，构建了融合Transformer和CNN的双分支的迹感知投影域邻近子网络和结合通道注意力、空间注意力的图像域邻近子网络，进而提升网络表示能力。实验结果表明，与现有方法相比，所提算法在联合LACT和LAMAR任务上重建效果更好。
有限角度计算机断层扫描(LACT)旨在通过减少扫描角度的范围来减少辐射剂量。由于投影数据是不完备的且未考虑联合有限角度和金属伪影校正(LAMAR)任务，传统方法重建的CT图像往往存在伪影，特别是当患者携带金属植入物时，伪影将进一步加重，影响后期医疗诊断及下游任务的精度。为解决这一问题，该文利用双域知识和深度展开技术，融合Transformer的非局部特性捕获能力和卷积神经网络(CNN)的局部特征提取能力，提出了能够联合解决LAMAR和LACT任务的模型与数据双驱动双域重建网络，记为MD3Net。该文首先构建了双域优化模型，使用邻近梯度下降算法对优化模型进行求解，并将其展开成模型驱动的CT重建网络。其次，设计了任务选择(TS)模块，通过判断初始估计CT图像中有无金属以利用同一模型同时处理有金属和无金属的重建任务。在数据驱动网络中，构建了融合Transformer和CNN的双分支的迹感知投影域邻近子网络和结合通道注意力、空间注意力的图像域邻近子网络，进而提升网络表示能力。实验结果表明，与现有方法相比，所提算法在联合LACT和LAMAR任务上重建效果更好。
2025, 47(5): 1582-1595.
doi: 10.11999/JEIT240755
摘要:
在医学影像分析领域，精准分割视频中的病灶对于疾病的早期诊断和治疗至关重要。该文创新性地提出一种融合邻域注意力机制与状态空间模型的算法，旨在全面而精细地捕捉医学视频中的时空特征，从而对视频中的病灶进行准确分割。该算法通过两阶段的精心设计，显著提升了分割性能：第1阶段，通过深度卷积网络捕获低层次的空间语义信息，并借助邻域注意力机制，挖掘相邻帧间的局部时序语义关联。第2阶段，引入状态空间模型来捕捉全面的时序信息，并再次应用邻域注意力模块，进一步增强对局部时序特征的敏感度。该方法不仅有效整合了视频中丰富的时序信息，而且在局部和全局层面上实现了空间与时间特征的协同优化。相较于使用具有2次计算复杂度的自注意力机制，该文采用了具有线性计算复杂度的状态空间模型，显著提升了模型的训练效率和推理速度。所提算法在甲状腺超声视频数据集以及结肠息肉视频数据集CVC-ClinicDB和CVC-ColonDB上的交并比(IOU)指标分别达到了72.7%, 82.3%和72.5%，相比该文的基线模型Vivim分别提高了5.7%, 1.7%和5.5%。此外，消融实验进一步揭示了邻域注意力模块和状态空间模型在提取时序信息中发挥的关键作用。
在医学影像分析领域，精准分割视频中的病灶对于疾病的早期诊断和治疗至关重要。该文创新性地提出一种融合邻域注意力机制与状态空间模型的算法，旨在全面而精细地捕捉医学视频中的时空特征，从而对视频中的病灶进行准确分割。该算法通过两阶段的精心设计，显著提升了分割性能：第1阶段，通过深度卷积网络捕获低层次的空间语义信息，并借助邻域注意力机制，挖掘相邻帧间的局部时序语义关联。第2阶段，引入状态空间模型来捕捉全面的时序信息，并再次应用邻域注意力模块，进一步增强对局部时序特征的敏感度。该方法不仅有效整合了视频中丰富的时序信息，而且在局部和全局层面上实现了空间与时间特征的协同优化。相较于使用具有2次计算复杂度的自注意力机制，该文采用了具有线性计算复杂度的状态空间模型，显著提升了模型的训练效率和推理速度。所提算法在甲状腺超声视频数据集以及结肠息肉视频数据集CVC-ClinicDB和CVC-ColonDB上的交并比(IOU)指标分别达到了72.7%, 82.3%和72.5%，相比该文的基线模型Vivim分别提高了5.7%, 1.7%和5.5%。此外，消融实验进一步揭示了邻域注意力模块和状态空间模型在提取时序信息中发挥的关键作用。
2025, 47(5): 1596-1608.
doi: 10.11999/JEIT240775
摘要:
左心房疤痕的分布情况与严重程度能够为房颤的生理病理学研究提供重要信息，因此，实现左心房疤痕的自动化分割对房颤的临床诊断与治疗有着重要意义。但由于左心房疤痕具有形状多样化、目标小、分布离散等特点，现有的左心房疤痕分割方法往往难以取得好的分割效果。该文利用疤痕通常分布在左心房壁上的先验知识，提出一种基于左心房边界特征增强的左心房疤痕分割方法，通过提出的跨模态特征激励模块与双分支交叉注意力融合模块在U型网络的编码器与瓶颈层分别对核磁共振图像与左心房边界符号距离图进行特征增强引导与深层语义信息融合增强，实现从特征层面提高模型对左心房边界特性信息的关注度。该文所提分割模型在LAScarQS2022数据集上进行验证，分割结果评估明显优于当前主流的分割方法。Dice分数和准确率相比基线网络分别提升了4.14%和6.37%。
左心房疤痕的分布情况与严重程度能够为房颤的生理病理学研究提供重要信息，因此，实现左心房疤痕的自动化分割对房颤的临床诊断与治疗有着重要意义。但由于左心房疤痕具有形状多样化、目标小、分布离散等特点，现有的左心房疤痕分割方法往往难以取得好的分割效果。该文利用疤痕通常分布在左心房壁上的先验知识，提出一种基于左心房边界特征增强的左心房疤痕分割方法，通过提出的跨模态特征激励模块与双分支交叉注意力融合模块在U型网络的编码器与瓶颈层分别对核磁共振图像与左心房边界符号距离图进行特征增强引导与深层语义信息融合增强，实现从特征层面提高模型对左心房边界特性信息的关注度。该文所提分割模型在LAScarQS2022数据集上进行验证，分割结果评估明显优于当前主流的分割方法。Dice分数和准确率相比基线网络分别提升了4.14%和6.37%。
