邮件订阅
优先发表
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:
, 最新更新时间 , doi: 10.11999/JEIT260348
摘要:
面向全球覆盖、高速移动、低延迟、高可靠的民用航空通信需求，近些年来正在蓬勃发展的非地面网络(NTN)显得愈加重要。在此背景下，该文回顾了面向民用航空的NTN技术发展历程，并追踪了国内外对民航NTN网络技术研究的最新动态。为了实现NTN网络更好服务我国民用航空这一美好愿景，分别介绍了NTN网络中的组网架构，接入和移动性管理以及新型资源管控等关键技术。首先建立了以低轨卫星与高空平台为枢纽的按需隔离的NTN组网框架，随后提出了以星历图为表征的接入和移动性管理技术，最后针对新型智能衍生的算存资源提出了面向民用航空的NTN网络资源管控方案。最后，该文也对面向民用航空的NTN网络关键技术的未来发展提出了展望。
面向全球覆盖、高速移动、低延迟、高可靠的民用航空通信需求，近些年来正在蓬勃发展的非地面网络(NTN)显得愈加重要。在此背景下，该文回顾了面向民用航空的NTN技术发展历程，并追踪了国内外对民航NTN网络技术研究的最新动态。为了实现NTN网络更好服务我国民用航空这一美好愿景，分别介绍了NTN网络中的组网架构，接入和移动性管理以及新型资源管控等关键技术。首先建立了以低轨卫星与高空平台为枢纽的按需隔离的NTN组网框架，随后提出了以星历图为表征的接入和移动性管理技术，最后针对新型智能衍生的算存资源提出了面向民用航空的NTN网络资源管控方案。最后，该文也对面向民用航空的NTN网络关键技术的未来发展提出了展望。
, 最新更新时间 , doi: 10.11999/JEIT260050
摘要:
不确定扰动环境下四旋翼无人机(UAV)集群往往面临建模不精确带来的编队控制难题，该文提出一种基于数据驱动的四旋翼无人机集群滑模抗扰编队控制方法。首先，根据四旋翼无人机及其邻居节点的输入输出状态，采用动态线性化方法建立了无人机集群数据驱动编队模型；其次，基于数据驱动模型设计了扩张状态观测器与积分滑模编队控制器，用于对不确定干扰进行在线估计与滑模抗扰编队；最后，对基于数据驱动的无人机集群滑模抗扰编队系统进行了稳定性分析，得到了只需通信拓扑连通和扰动有界的编队稳定性条件。Gazebo仿真与实验结果均表明，所提策略在无人机模型未知且在7 m/s风速的不确定扰动下，集群编队误差优于0.1 m，较传统基于模型控制的四旋翼无人机编队方法和现有数据驱动方法编队误差降低了41%，编队响应时间缩短了40%。
不确定扰动环境下四旋翼无人机(UAV)集群往往面临建模不精确带来的编队控制难题，该文提出一种基于数据驱动的四旋翼无人机集群滑模抗扰编队控制方法。首先，根据四旋翼无人机及其邻居节点的输入输出状态，采用动态线性化方法建立了无人机集群数据驱动编队模型；其次，基于数据驱动模型设计了扩张状态观测器与积分滑模编队控制器，用于对不确定干扰进行在线估计与滑模抗扰编队；最后，对基于数据驱动的无人机集群滑模抗扰编队系统进行了稳定性分析，得到了只需通信拓扑连通和扰动有界的编队稳定性条件。Gazebo仿真与实验结果均表明，所提策略在无人机模型未知且在7 m/s风速的不确定扰动下，集群编队误差优于0.1 m，较传统基于模型控制的四旋翼无人机编队方法和现有数据驱动方法编队误差降低了41%，编队响应时间缩短了40%。
, 最新更新时间 , doi: 10.11999/JEIT260239
摘要:
无人机(UAV)因自身的机动性和按需覆盖能力，可作为空中基站实现空地之间的可见光通信(VLC)。然而，空地之间的通信链路暴露在开放环境中，这使得VLC容易受到数据窃听和恶意检测。针对此问题，从物理层安全和隐蔽通信的角度提出了面向UAV的VLC系统中的安全隐蔽传输策略。该策略在考虑隐蔽通信要求、照明目标要求、UAV发射功率和悬停高度限制的基础上，对UAV发射功率和部署高度进行了联合优化以最大化系统的保密容量。由于所构建的优化问题高度非凸，因此设计了基于粒子群优化的双层优化算法对该问题进行求解。仿真结果表明，所提算法能够较快收敛，并且相较于基准方案能够提高系统的保密性能。
无人机(UAV)因自身的机动性和按需覆盖能力，可作为空中基站实现空地之间的可见光通信(VLC)。然而，空地之间的通信链路暴露在开放环境中，这使得VLC容易受到数据窃听和恶意检测。针对此问题，从物理层安全和隐蔽通信的角度提出了面向UAV的VLC系统中的安全隐蔽传输策略。该策略在考虑隐蔽通信要求、照明目标要求、UAV发射功率和悬停高度限制的基础上，对UAV发射功率和部署高度进行了联合优化以最大化系统的保密容量。由于所构建的优化问题高度非凸，因此设计了基于粒子群优化的双层优化算法对该问题进行求解。仿真结果表明，所提算法能够较快收敛，并且相较于基准方案能够提高系统的保密性能。
, 最新更新时间 , doi: 10.11999/JEIT260051
摘要:
现有的基于知识图谱的推荐模型面临着噪声抑制不足、细粒度用户兴趣捕捉不充分以及信息利用不平衡等挑战，影响推荐的准确性。该文提出一种融合知识增强和多层抑噪的个性化推荐模型(KE-HNS)。首先，提出一种多层抑噪策略：在输入端构建降噪层，分别以2元掩码矩阵与掩盖低权重3元组的方式，剔除用户历史交互行为及知识图谱中的无关或误导性信息；在主干网络上设置抑噪层，利用实体关系空间隔离消除特征融合过程中的语义污染；同时构造对比学习压噪层，通过正负样本的比较压制无关实体噪声。其次，为更精准建模用户偏好与项目特性，利用图卷积网络、自适应权重层，借助降噪后的外部知识增强用户表征和项目表征。再次，通过构建用户-项目与项目-实体双视图对比学习机制，KE-HNS借助正负样本对自适应地平衡不同信息源的权重，从而缓解信息利用不平衡的问题。在3个公开基准数据集上的实验表明，与协同引导知识图谱推荐模型(CG-KGR)、知识图谱意图网络模型(KGIN)和知识图谱降噪双对比推荐模型(KG-DCRec)等多种先进方法对比，所提模型KE-HNS在AUC和F1指标上分别提升了0.94%～1.01%和0.43%～0.90%，在降噪性能对比和Recall@K等指标上也优于基准模型。
现有的基于知识图谱的推荐模型面临着噪声抑制不足、细粒度用户兴趣捕捉不充分以及信息利用不平衡等挑战，影响推荐的准确性。该文提出一种融合知识增强和多层抑噪的个性化推荐模型(KE-HNS)。首先，提出一种多层抑噪策略：在输入端构建降噪层，分别以2元掩码矩阵与掩盖低权重3元组的方式，剔除用户历史交互行为及知识图谱中的无关或误导性信息；在主干网络上设置抑噪层，利用实体关系空间隔离消除特征融合过程中的语义污染；同时构造对比学习压噪层，通过正负样本的比较压制无关实体噪声。其次，为更精准建模用户偏好与项目特性，利用图卷积网络、自适应权重层，借助降噪后的外部知识增强用户表征和项目表征。再次，通过构建用户-项目与项目-实体双视图对比学习机制，KE-HNS借助正负样本对自适应地平衡不同信息源的权重，从而缓解信息利用不平衡的问题。在3个公开基准数据集上的实验表明，与协同引导知识图谱推荐模型(CG-KGR)、知识图谱意图网络模型(KGIN)和知识图谱降噪双对比推荐模型(KG-DCRec)等多种先进方法对比，所提模型KE-HNS在AUC和F1指标上分别提升了0.94%～1.01%和0.43%～0.90%，在降噪性能对比和Recall@K等指标上也优于基准模型。
, 最新更新时间 , doi: 10.11999/JEIT251219
摘要:
随着车辆业务需求的多样性和波动性，车辆网络切片应用面临异构资源分配复杂、QoS保障难度高等挑战。针对上述问题，该文提出一种基于车辆QoS服务需求的双层切片定价机制，其核心创新在于突破现有研究单一资源优化或独立定价的局限。在第1阶段设计切片生成机制，通过联合调度通信、计算与缓存三维资源，解决传统仅优化频谱或计算资源的不足；第2阶段构建基于Stackelberg博弈的切片定价机制，实现“资源预分配-动态定价-切片接入”的双层耦合控制。仿真结果表明了所提出方案在提升系统利润方面的优势。
随着车辆业务需求的多样性和波动性，车辆网络切片应用面临异构资源分配复杂、QoS保障难度高等挑战。针对上述问题，该文提出一种基于车辆QoS服务需求的双层切片定价机制，其核心创新在于突破现有研究单一资源优化或独立定价的局限。在第1阶段设计切片生成机制，通过联合调度通信、计算与缓存三维资源，解决传统仅优化频谱或计算资源的不足；第2阶段构建基于Stackelberg博弈的切片定价机制，实现“资源预分配-动态定价-切片接入”的双层耦合控制。仿真结果表明了所提出方案在提升系统利润方面的优势。
, 最新更新时间 , doi: 10.11999/JEIT251198
摘要:
准确的交通流预测是智能交通系统中的关键任务，其核心挑战在于如何有效捕捉城市路网中动态演化的空间结构以及复杂的时空相关关系。针对现有方法在建模交通路网的动态关联时难以自适应捕捉路网空间依赖特征，对空间特征表征能力有限，且计算效率低等问题，该文提出一种融合动态图递归与状态空间的时空交通流预测模型(DGGRU-Mamba)。该模型构建了时空嵌入生成器，将节点的空间位置信息与周期性时间特征联合编码，以增强图结构对交通流时间特征的感知能力；设计了动态图递归建模(DGRM)，通过多层动态图门控递归单元(DGGRU)动态构建邻接关系，捕捉路网交通状态演变引发的空间依赖性；建立了基于结构化状态转移机制的时空Mamba(ST-Mamba)，实现交通流的全局时序建模，在提升建模能力的同时降低计算开销。相较主流自注意力模型STAEformer和DGGRU-Mamba，所提模型在PEMS04数据集上的MAE, RMSE和MAPE分别降低约4.2%, 3.8%和2.9%，同时推理时间缩短约4.82 s，在提升预测精度的同时提高了计算效率。
准确的交通流预测是智能交通系统中的关键任务，其核心挑战在于如何有效捕捉城市路网中动态演化的空间结构以及复杂的时空相关关系。针对现有方法在建模交通路网的动态关联时难以自适应捕捉路网空间依赖特征，对空间特征表征能力有限，且计算效率低等问题，该文提出一种融合动态图递归与状态空间的时空交通流预测模型(DGGRU-Mamba)。该模型构建了时空嵌入生成器，将节点的空间位置信息与周期性时间特征联合编码，以增强图结构对交通流时间特征的感知能力；设计了动态图递归建模(DGRM)，通过多层动态图门控递归单元(DGGRU)动态构建邻接关系，捕捉路网交通状态演变引发的空间依赖性；建立了基于结构化状态转移机制的时空Mamba(ST-Mamba)，实现交通流的全局时序建模，在提升建模能力的同时降低计算开销。相较主流自注意力模型STAEformer和DGGRU-Mamba，所提模型在PEMS04数据集上的MAE, RMSE和MAPE分别降低约4.2%, 3.8%和2.9%，同时推理时间缩短约4.82 s，在提升预测精度的同时提高了计算效率。
, 最新更新时间 , doi: 10.11999/JEIT250935
摘要:
针对非零均值杂波中的目标检测问题，该文基于广义似然比(GLRT)、Rao和Wald准则，设计出3种自适应检测器。在统计性能分析阶段，考虑了一种更加广泛的情形，即存在信号失配，该情形指的是待检测数据中的信号分量与系统假定值不一致，得到3种检测器在信号失配时解析的检测概率和虚警概率计算表达式。性能分析表明，这些检测器均具备恒虚警(CFAR)特性，非零均值的幅度特性不会对检测器的检测性能产生影响，而是通过两个物理量产生作用，即输出信杂比(SCR)的损失因子和检测器统计分布的自由度。仿真实验、理论解析结果和实测数据不仅验证了所提方法的有效性，还体现出其相较于常规检测器的优越性。
针对非零均值杂波中的目标检测问题，该文基于广义似然比(GLRT)、Rao和Wald准则，设计出3种自适应检测器。在统计性能分析阶段，考虑了一种更加广泛的情形，即存在信号失配，该情形指的是待检测数据中的信号分量与系统假定值不一致，得到3种检测器在信号失配时解析的检测概率和虚警概率计算表达式。性能分析表明，这些检测器均具备恒虚警(CFAR)特性，非零均值的幅度特性不会对检测器的检测性能产生影响，而是通过两个物理量产生作用，即输出信杂比(SCR)的损失因子和检测器统计分布的自由度。仿真实验、理论解析结果和实测数据不仅验证了所提方法的有效性，还体现出其相较于常规检测器的优越性。
, 最新更新时间 , doi: 10.11999/JEIT251371
摘要:
通信感知一体化(ISAC)能够通过共享频谱与硬件资源实现通信与感知功能的协同，其关键难题之一在于信道与感知目标参数的估计与定位，且二者的信息融合也是提升系统性能的重要环节。为此，该文研究了ISAC系统中基于信息融合的信道/感知目标参数估计与定位问题。首先，利用毫米波多输入多输出ISAC信道与感知目标参数的内在关联，构建统一张量框架，将上行信道与感知目标参数估计分别表述为两个结构化张量分解问题。然后，提出一种迭代与闭式分解相结合的张量算法，实现离开角、到达角、时延、多普勒频移和系数等参数的估计，进而完成移动发射端、散射点及感知目标的定位。通过匹配散射点与感知目标，融合其多普勒频移与位置信息来提高散射点估计精度。此外，该文还推导了克拉美罗界作为性能基准。仿真表明，所提算法在相对低的计算复杂度下实现了高精度的信道估计与目标定位，且信息融合进一步提升了散射点多普勒频移与位置估计性能。
通信感知一体化(ISAC)能够通过共享频谱与硬件资源实现通信与感知功能的协同，其关键难题之一在于信道与感知目标参数的估计与定位，且二者的信息融合也是提升系统性能的重要环节。为此，该文研究了ISAC系统中基于信息融合的信道/感知目标参数估计与定位问题。首先，利用毫米波多输入多输出ISAC信道与感知目标参数的内在关联，构建统一张量框架，将上行信道与感知目标参数估计分别表述为两个结构化张量分解问题。然后，提出一种迭代与闭式分解相结合的张量算法，实现离开角、到达角、时延、多普勒频移和系数等参数的估计，进而完成移动发射端、散射点及感知目标的定位。通过匹配散射点与感知目标，融合其多普勒频移与位置信息来提高散射点估计精度。此外，该文还推导了克拉美罗界作为性能基准。仿真表明，所提算法在相对低的计算复杂度下实现了高精度的信道估计与目标定位，且信息融合进一步提升了散射点多普勒频移与位置估计性能。
, 最新更新时间 , doi: 10.11999/JEIT260139
摘要:
伴随未来低空业务的爆发式增长，有限射频(RF)频谱资源成为无人机(UAV)中继通信系统性能提升的关键瓶颈。为此，该文引入自由空间光(FSO)通信，提出一种基于非正交多址接入(NOMA)的混合RF/FSO UAV中继通信方法。针对FSO链路易受遮挡导致通信不稳定的问题，在UAV中继端引入缓存机制，有效解耦RF接入与FSO回传过程。进一步地，针对低空空域环境障碍物密集、遮挡频发等复杂特征，综合地考虑用户功率约束、UAV航迹避障、速度与加速度等飞行动力学约束，提出面向能效优化的联合功率分配与避障航迹规划算法，在满足飞行动力学约束和避障安全的同时，有效地提升了单位能耗下的系统吞吐性能。仿真结果表明，所提方法在系统能效方面显著优于基准方法。
伴随未来低空业务的爆发式增长，有限射频(RF)频谱资源成为无人机(UAV)中继通信系统性能提升的关键瓶颈。为此，该文引入自由空间光(FSO)通信，提出一种基于非正交多址接入(NOMA)的混合RF/FSO UAV中继通信方法。针对FSO链路易受遮挡导致通信不稳定的问题，在UAV中继端引入缓存机制，有效解耦RF接入与FSO回传过程。进一步地，针对低空空域环境障碍物密集、遮挡频发等复杂特征，综合地考虑用户功率约束、UAV航迹避障、速度与加速度等飞行动力学约束，提出面向能效优化的联合功率分配与避障航迹规划算法，在满足飞行动力学约束和避障安全的同时，有效地提升了单位能耗下的系统吞吐性能。仿真结果表明，所提方法在系统能效方面显著优于基准方法。
, 最新更新时间 , doi: 10.11999/JEIT260059
摘要:
面向位置不确定恶意节点，该文研究准静态莱斯衰落下的多输入多输出(MIMO)短包安全隐蔽通信。基于随机几何，将监测节点Willie与窃听节点Eve建模为泊松点过程；Alice采用奇异值分解(SVD)预编码，Bob采用最大比合并(MRC)接收。在有限块长条件下，基于Chernoff界推导平均最小检测错误概率理论下界并推导了平均保密速率近似解析表达式。进一步提出平均有效安全隐蔽速率(AESCR)以统一表征系统隐蔽性、保密性与可靠性。在平均隐蔽约束下，构建AESCR最大化问题，提出包长与功率联合优化方法。仿真表明，AESCR随合法收发天线数增加而提升，随恶意节点密度及恶意节点天线数增加而下降，且系统存在最优包长。
面向位置不确定恶意节点，该文研究准静态莱斯衰落下的多输入多输出(MIMO)短包安全隐蔽通信。基于随机几何，将监测节点Willie与窃听节点Eve建模为泊松点过程；Alice采用奇异值分解(SVD)预编码，Bob采用最大比合并(MRC)接收。在有限块长条件下，基于Chernoff界推导平均最小检测错误概率理论下界并推导了平均保密速率近似解析表达式。进一步提出平均有效安全隐蔽速率(AESCR)以统一表征系统隐蔽性、保密性与可靠性。在平均隐蔽约束下，构建AESCR最大化问题，提出包长与功率联合优化方法。仿真表明，AESCR随合法收发天线数增加而提升，随恶意节点密度及恶意节点天线数增加而下降，且系统存在最优包长。
, 最新更新时间 , doi: 10.11999/JEIT260111
摘要:
现有的约束投影方法通常采用投影-聚类两步独立策略，导致投影误差直接传递至聚类过程；此外，成对约束仅局限于投影阶段，偏离由先验知识引导聚类的核心思想。为此，该文提出两行更新策略的成对约束投影-聚类联合优化方法。首先，将约束投影目标函数作为正则化项统一到聚类框架中，二者在交替优化的过程中共同逼近全局最优解；其次，为克服传统K-means易陷入局部次优解的缺陷，并旨在提升计算效率，采用了一种融合增量计算、提前存储、变量更新3步加速策略的改进坐标下降法求解指示矩阵；最后，将成对约束嵌入到聚类指示矩阵中，使有限的监督信息贯穿于整个学习流程，并设计了一种新颖的两行同时优化策略，在每次循环中精准且直接地分配勿连约束。仿真实验验证了该文所提方法的优越性。
现有的约束投影方法通常采用投影-聚类两步独立策略，导致投影误差直接传递至聚类过程；此外，成对约束仅局限于投影阶段，偏离由先验知识引导聚类的核心思想。为此，该文提出两行更新策略的成对约束投影-聚类联合优化方法。首先，将约束投影目标函数作为正则化项统一到聚类框架中，二者在交替优化的过程中共同逼近全局最优解；其次，为克服传统K-means易陷入局部次优解的缺陷，并旨在提升计算效率，采用了一种融合增量计算、提前存储、变量更新3步加速策略的改进坐标下降法求解指示矩阵；最后，将成对约束嵌入到聚类指示矩阵中，使有限的监督信息贯穿于整个学习流程，并设计了一种新颖的两行同时优化策略，在每次循环中精准且直接地分配勿连约束。仿真实验验证了该文所提方法的优越性。
, 最新更新时间 , doi: 10.11999/JEIT260219
摘要:
细粒度图像识别任务中，模型需在类间差异较小的条件下，同时捕捉局部判别线索与全局结构特征，且在复杂背景、姿态变化及长尾数据分布下，仍能保持稳定的泛化性能。该文提出一种基于路由机制的多粒度专家集成模型(MG-MoE)，依托样本自适应条件计算机制，在可控推理开销内实现判别性能的提升。针对路由学习的稳定性与泛化性问题，提出两阶段优化策略。第1阶段为动态簇级训练，基于验证集统计构建簇级软教师分布，借助KL散度正则化稳定路由行为，推动专家间形成有效分工；第2阶段为残差微调，在保持特征驱动路由形式不变的前提下，按簇对Top-2专家的分类头进行解冻，并以分组学习率对门控与专家头联合微调，从而缓解专家融合偏差并增强模型对困难样本与长尾类别的判别能力。在CUB-200-2011与Bird-1445两个基准数据集上的实验结果表明，所提MG-MoE具有较好的有效性。其中，在CUB-200-2011上，MG-MoE取得了92.89%的准确率；在Bird-1445抽样集上，MG-MoE的准确率达到96.80%，均达到常见模型中的最佳准确率；消融分析进一步表明，受控的Top-2融合与4专家互补结构共同决定了性能上限，并在专家过少或同质扩展时呈现出可解释的退化规律。该研究为细粒度场景下的多粒度专家建模与路由训练提供了可复用的实现范式与分析框架。
细粒度图像识别任务中，模型需在类间差异较小的条件下，同时捕捉局部判别线索与全局结构特征，且在复杂背景、姿态变化及长尾数据分布下，仍能保持稳定的泛化性能。该文提出一种基于路由机制的多粒度专家集成模型(MG-MoE)，依托样本自适应条件计算机制，在可控推理开销内实现判别性能的提升。针对路由学习的稳定性与泛化性问题，提出两阶段优化策略。第1阶段为动态簇级训练，基于验证集统计构建簇级软教师分布，借助KL散度正则化稳定路由行为，推动专家间形成有效分工；第2阶段为残差微调，在保持特征驱动路由形式不变的前提下，按簇对Top-2专家的分类头进行解冻，并以分组学习率对门控与专家头联合微调，从而缓解专家融合偏差并增强模型对困难样本与长尾类别的判别能力。在CUB-200-2011与Bird-1445两个基准数据集上的实验结果表明，所提MG-MoE具有较好的有效性。其中，在CUB-200-2011上，MG-MoE取得了92.89%的准确率；在Bird-1445抽样集上，MG-MoE的准确率达到96.80%，均达到常见模型中的最佳准确率；消融分析进一步表明，受控的Top-2融合与4专家互补结构共同决定了性能上限，并在专家过少或同质扩展时呈现出可解释的退化规律。该研究为细粒度场景下的多粒度专家建模与路由训练提供了可复用的实现范式与分析框架。
, 最新更新时间 , doi: 10.11999/JEIT260023
摘要:
针对通信感知一体化(ISAC)系统在近场宽带场景下存在的近场效应与波束分裂挑战，该文提出一种可旋转天线(RA)辅助的系统架构。通过引入天线视轴可调的旋转自由度并结合真时延器(TTD)全连接混合波束赋形结构，构建了以最大化系统和速率为目标的联合优化模型。针对模型的高度非凸与强耦合特性，该文提出一种基于罚函数的全数字逼近(PBFDA)优化算法，通过将原问题分解为3个子问题并采用交替迭代方式进行求解：第1个子问题利用粒子群(PSO)方法优化天线指向；第2个子问题结合降维技术与连续凸逼近(SCA)方法求解最优全数字波束赋形器；第3个子问题运用流形方法与块坐标下降(BCD)法协同优化混合波束赋形参数。仿真结果表明，该方案能在保证感知性能的前提下显著提升系统和速率，性能优于传统固定天线架构且接近全数字方案。该研究验证了RA辅助架构在近场宽带ISAC场景中的有效性，为系统能量聚焦与频率鲁棒性提升提供了新思路。
针对通信感知一体化(ISAC)系统在近场宽带场景下存在的近场效应与波束分裂挑战，该文提出一种可旋转天线(RA)辅助的系统架构。通过引入天线视轴可调的旋转自由度并结合真时延器(TTD)全连接混合波束赋形结构，构建了以最大化系统和速率为目标的联合优化模型。针对模型的高度非凸与强耦合特性，该文提出一种基于罚函数的全数字逼近(PBFDA)优化算法，通过将原问题分解为3个子问题并采用交替迭代方式进行求解：第1个子问题利用粒子群(PSO)方法优化天线指向；第2个子问题结合降维技术与连续凸逼近(SCA)方法求解最优全数字波束赋形器；第3个子问题运用流形方法与块坐标下降(BCD)法协同优化混合波束赋形参数。仿真结果表明，该方案能在保证感知性能的前提下显著提升系统和速率，性能优于传统固定天线架构且接近全数字方案。该研究验证了RA辅助架构在近场宽带ISAC场景中的有效性，为系统能量聚焦与频率鲁棒性提升提供了新思路。
, 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。
, 最新更新时间 , doi: 10.11999/JEIT251144
摘要:
针对单通道场景下通信信号盲源分离长序列建模能力不足，计算效率亟待提升；具有频偏的同频混叠通信信号分离有待进一步研究的问题，该文提出一种面向单通道同频混叠通信信号的盲源分离方法S4-UNET。该方法构建了融合U-NET与结构化状态空间序列模型(S4)的S4-UNET架构，以时序状态增强模块(TSEM)作为编码器和解码器的主干模块初步提取混合信号特征，并在编码器奇数阶段引入S4实现高效序列建模，达成长序列的近似线性复杂度处理。通过编码器-解码器结构结合跳跃连接进行特征融合，利用上采样恢复特征分辨率。在含微小频偏的同频混叠场景中，对相同调制方式、不同调制方式及不同带宽的信号混合情况实现了分离。在仿真与实测数据集上的实验表明，与深度学习模型(ConvTasNet, CTDCRN)和经典算法(TDE-ICA)相比，所提方法的分离准确率显著提升，不仅对长序列实现了高效建模，对短序列同样有效，且在不同数据域中展现出良好的适应能力与鲁棒性。
针对单通道场景下通信信号盲源分离长序列建模能力不足，计算效率亟待提升；具有频偏的同频混叠通信信号分离有待进一步研究的问题，该文提出一种面向单通道同频混叠通信信号的盲源分离方法S4-UNET。该方法构建了融合U-NET与结构化状态空间序列模型(S4)的S4-UNET架构，以时序状态增强模块(TSEM)作为编码器和解码器的主干模块初步提取混合信号特征，并在编码器奇数阶段引入S4实现高效序列建模，达成长序列的近似线性复杂度处理。通过编码器-解码器结构结合跳跃连接进行特征融合，利用上采样恢复特征分辨率。在含微小频偏的同频混叠场景中，对相同调制方式、不同调制方式及不同带宽的信号混合情况实现了分离。在仿真与实测数据集上的实验表明，与深度学习模型(ConvTasNet, CTDCRN)和经典算法(TDE-ICA)相比，所提方法的分离准确率显著提升，不仅对长序列实现了高效建模，对短序列同样有效，且在不同数据域中展现出良好的适应能力与鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT251273
摘要:
针对非线性量测条件下的多机动群目标跟踪问题，提出了一种基于交互式多模型的伽马箱粒子δ-广义标签多伯努利(Interactive Multiple Model Gamma Box Particle δ- Generalized Labeled Multi-Bernoulli, IMM-GBP-δ-GLMB)算法。基于箱粒子滤波框架和区间分析理论，以区间覆盖代替多点概率近似，实现对量测不确定性和扩展状态的高效表示；通过改进似然函数和引入交互式多模型分别增强对群目标扩展外形和质心运动状态的跟踪能力，提升了算法的跟踪精度。最后，结合随机有限集理论推导了算法的δ-GLMB形式。仿真结果表明，所提算法以8.5%左右的跟踪精度代价，获得了3.8倍的时效性提升；对3个群目标和2个群目标的平均跟踪时间增长速度为原算法的96%，对群目标数量增加具有较好的时间鲁棒性，所提算法具有较好的实用价值。
针对非线性量测条件下的多机动群目标跟踪问题，提出了一种基于交互式多模型的伽马箱粒子δ-广义标签多伯努利(Interactive Multiple Model Gamma Box Particle δ- Generalized Labeled Multi-Bernoulli, IMM-GBP-δ-GLMB)算法。基于箱粒子滤波框架和区间分析理论，以区间覆盖代替多点概率近似，实现对量测不确定性和扩展状态的高效表示；通过改进似然函数和引入交互式多模型分别增强对群目标扩展外形和质心运动状态的跟踪能力，提升了算法的跟踪精度。最后，结合随机有限集理论推导了算法的δ-GLMB形式。仿真结果表明，所提算法以8.5%左右的跟踪精度代价，获得了3.8倍的时效性提升；对3个群目标和2个群目标的平均跟踪时间增长速度为原算法的96%，对群目标数量增加具有较好的时间鲁棒性，所提算法具有较好的实用价值。
, 最新更新时间 , doi: 10.11999/JEIT251381
摘要:
该文针对可重构智能表面(RIS)辅助的多输入单输出-正交频分多址(MISO-OFDMA)系统，围绕提升频谱效率这一核心需求，开展子载波分配、基站主动波束赋形与RIS被动波束赋形的联合优化研究。为解决传统优化方法在多变量耦合场景下计算复杂、易陷入局部最优的问题，提出一种模型驱动的图神经网络(GNN)方案。该方案将通信物理模型嵌入网络架构设计，实现从信道特征到多优化变量的端到端映射，无需依赖复杂迭代求解。仿真结果表明：与传统基准算法相比，所提方案不仅提高了系统的频谱效率，还显著降低了系统的计算复杂度。同时，在用户组数动态变化和基站传输功率调整等场景下仍保持良好鲁棒性，具备实际部署潜力。
该文针对可重构智能表面(RIS)辅助的多输入单输出-正交频分多址(MISO-OFDMA)系统，围绕提升频谱效率这一核心需求，开展子载波分配、基站主动波束赋形与RIS被动波束赋形的联合优化研究。为解决传统优化方法在多变量耦合场景下计算复杂、易陷入局部最优的问题，提出一种模型驱动的图神经网络(GNN)方案。该方案将通信物理模型嵌入网络架构设计，实现从信道特征到多优化变量的端到端映射，无需依赖复杂迭代求解。仿真结果表明：与传统基准算法相比，所提方案不仅提高了系统的频谱效率，还显著降低了系统的计算复杂度。同时，在用户组数动态变化和基站传输功率调整等场景下仍保持良好鲁棒性，具备实际部署潜力。
, 最新更新时间 , doi: 10.11999/JEIT260063
摘要:
针对多模态情感分析中图文不一致、视觉模态置信度低、模态贡献不均衡等问题，该文提出一种多源知识引导的视觉置信度感知模型(MKVP)。首先，通过多源知识引导构建视觉置信度感知(VCP)模块，利用文本句法与细粒度属性先验对视觉特征进行质量评估，有效过滤图像中受环境干扰的冗余信息，并引导其特征分布。其次，为避免模型对文本模态产生过度依赖并平衡模态贡献，设计双流并行交互模块，通过跨模态注意力机制促进图文特征的深层对等交互，强化图像特征对文本语义的补充与修正作用。最后，引入全局门控融合机制，根据各模态的全局贡献程度动态调节融合权重，实现从单模态主导向多模态均衡协同决策的转变。在MVSA-Single, MVSA-Multiple及HFM数据集上识别准确率和F1分数分别达到了77.56%和76.70%、72.72%和70.66%、87.26%和86.78%，对比基线模型识别准确率和F1分数分别提升2.45%和3.68%、2.19%和2.21%、1.83%和1.91%。说明该模型能有效挖掘样本中图文之间更深层次的情感表达。
针对多模态情感分析中图文不一致、视觉模态置信度低、模态贡献不均衡等问题，该文提出一种多源知识引导的视觉置信度感知模型(MKVP)。首先，通过多源知识引导构建视觉置信度感知(VCP)模块，利用文本句法与细粒度属性先验对视觉特征进行质量评估，有效过滤图像中受环境干扰的冗余信息，并引导其特征分布。其次，为避免模型对文本模态产生过度依赖并平衡模态贡献，设计双流并行交互模块，通过跨模态注意力机制促进图文特征的深层对等交互，强化图像特征对文本语义的补充与修正作用。最后，引入全局门控融合机制，根据各模态的全局贡献程度动态调节融合权重，实现从单模态主导向多模态均衡协同决策的转变。在MVSA-Single, MVSA-Multiple及HFM数据集上识别准确率和F1分数分别达到了77.56%和76.70%、72.72%和70.66%、87.26%和86.78%，对比基线模型识别准确率和F1分数分别提升2.45%和3.68%、2.19%和2.21%、1.83%和1.91%。说明该模型能有效挖掘样本中图文之间更深层次的情感表达。
, 最新更新时间 , doi: 10.11999/JEIT260018
摘要:
该文针对移动群智感知(MCS)系统复杂任务的协作需求，建立了一种融合社交协作关系的任务分配优化模型，不仅考虑平台参与者间的协作，还将社交网络作为辅助执行资源，构建了“平台参与者–社交好友”双层协作框架。该文提出基于生殖分工的多目标蚁群优化算法，根据社会分工将蚁群划分为4个协作子种群；基于统计学习选择交配对象以强化精英基因的交流；采用多策略混合搜索以提高探索的多样性与深度；引入贡献度预测自适应配置种群资源。在8个合成和4个真实算例上的对比实验表明，所提算法在收敛性与多样性测度上，比第2优算法平均提升16.41%和18.04%，上述结果验证了所提算法在解决复杂MCS任务分配问题上的精度优势与应用价值。
该文针对移动群智感知(MCS)系统复杂任务的协作需求，建立了一种融合社交协作关系的任务分配优化模型，不仅考虑平台参与者间的协作，还将社交网络作为辅助执行资源，构建了“平台参与者–社交好友”双层协作框架。该文提出基于生殖分工的多目标蚁群优化算法，根据社会分工将蚁群划分为4个协作子种群；基于统计学习选择交配对象以强化精英基因的交流；采用多策略混合搜索以提高探索的多样性与深度；引入贡献度预测自适应配置种群资源。在8个合成和4个真实算例上的对比实验表明，所提算法在收敛性与多样性测度上，比第2优算法平均提升16.41%和18.04%，上述结果验证了所提算法在解决复杂MCS任务分配问题上的精度优势与应用价值。
, 最新更新时间 , doi: 10.11999/JEIT260083
摘要:
中波红外探测器具备高灵敏度和优异的温度分辨能力，在国土安全、工业测温、医疗诊断以及遥感监测等民用与军用领域均扮演着至关重要的角色。二类超晶格(T2SL)材料因其能带可调和低俄歇复合率等优势，成为最具潜力的第3代红外探测器材料体系。该文首先阐述量子效率、暗电流密度与比探测率等关键光电参数对探测器性能的影响；随后，聚焦于InAs/GaSb和InAs/InAsSb两大材料体系，系统综述了在暗电流抑制与光响应提升两方面的最新进展，包括势垒结构设计、外延生长优化及器件工艺改进等关键技术，通过这些关键技术研发，探测器性能和工作温度不断提升；最后，对比分析了两类探测器的主要性能指标，并展望了中波超晶格探测技术未来的发展将集中于结构创新设计、大尺寸高质量材料生长、大规模焦平面集成等方面，并有望通过多机制耦合进一步拓展探测性能与应用边界。
中波红外探测器具备高灵敏度和优异的温度分辨能力，在国土安全、工业测温、医疗诊断以及遥感监测等民用与军用领域均扮演着至关重要的角色。二类超晶格(T2SL)材料因其能带可调和低俄歇复合率等优势，成为最具潜力的第3代红外探测器材料体系。该文首先阐述量子效率、暗电流密度与比探测率等关键光电参数对探测器性能的影响；随后，聚焦于InAs/GaSb和InAs/InAsSb两大材料体系，系统综述了在暗电流抑制与光响应提升两方面的最新进展，包括势垒结构设计、外延生长优化及器件工艺改进等关键技术，通过这些关键技术研发，探测器性能和工作温度不断提升；最后，对比分析了两类探测器的主要性能指标，并展望了中波超晶格探测技术未来的发展将集中于结构创新设计、大尺寸高质量材料生长、大规模焦平面集成等方面，并有望通过多机制耦合进一步拓展探测性能与应用边界。
, 最新更新时间 , doi: 10.11999/JEIT250850
摘要:
针对网络化微电网在高渗透可再生能源和开放通信环境下易受虚假数据注入攻击(FDIA)影响、导致频率失稳与通信拥塞的问题，该文提出一种“事件触发通信-攻击观测-深度强化学习补偿”的多层级一体化韧性控制方法。该方法设计了基于频率-积分误差的自适应事件触发机制以削减冗余数据传输，并构建径向基函数未知输入观测器(RBF-UIO)实现对FDIA的高精度检测与状态估计。在此基础上，引入双重回放Q学习(DRQL)开展在线补偿优化，实现攻击抑制与性能恢复。进一步，在典型4节点分布式微电网平台上开展仿真验证，结果表明：所提方法在显著降低通信事件数的同时，有效提升了频率恢复速度与稳态精度，保证了虚假数据攻击下的安全稳定运行。
针对网络化微电网在高渗透可再生能源和开放通信环境下易受虚假数据注入攻击(FDIA)影响、导致频率失稳与通信拥塞的问题，该文提出一种“事件触发通信-攻击观测-深度强化学习补偿”的多层级一体化韧性控制方法。该方法设计了基于频率-积分误差的自适应事件触发机制以削减冗余数据传输，并构建径向基函数未知输入观测器(RBF-UIO)实现对FDIA的高精度检测与状态估计。在此基础上，引入双重回放Q学习(DRQL)开展在线补偿优化，实现攻击抑制与性能恢复。进一步，在典型4节点分布式微电网平台上开展仿真验证，结果表明：所提方法在显著降低通信事件数的同时，有效提升了频率恢复速度与稳态精度，保证了虚假数据攻击下的安全稳定运行。
, 最新更新时间 , doi: 10.11999/JEIT251084
摘要:
针对点云视频流在带宽受限网络下面临的用户体验质量(QoE)保障难题，该文提出一种融合视区预测与动态质量分配的QoE优化框架。为提升预测精度，设计一种基于图表示学习的视区预测方案，通过显式建模用户在三维场景中的空间上下文与移动模式，并将学习到的空间先验知识与用户历史轨迹相融合，以提升六自由度(6DoF)视区预测的长期准确性。为实现智能分配，该文提出一种基于上下文赌博机的动态质量分配方案。该方案根据实时上下文信息，在带宽约束下为各空间切块自适应地分配质量等级，旨在提升长期累积QoE，保障用户体验。在公开数据集上的仿真实验结果表明，该文方案在视区预测精度和综合QoE上均显著优于多种基线方案，展现了优异的适应性与稳定性。
针对点云视频流在带宽受限网络下面临的用户体验质量(QoE)保障难题，该文提出一种融合视区预测与动态质量分配的QoE优化框架。为提升预测精度，设计一种基于图表示学习的视区预测方案，通过显式建模用户在三维场景中的空间上下文与移动模式，并将学习到的空间先验知识与用户历史轨迹相融合，以提升六自由度(6DoF)视区预测的长期准确性。为实现智能分配，该文提出一种基于上下文赌博机的动态质量分配方案。该方案根据实时上下文信息，在带宽约束下为各空间切块自适应地分配质量等级，旨在提升长期累积QoE，保障用户体验。在公开数据集上的仿真实验结果表明，该文方案在视区预测精度和综合QoE上均显著优于多种基线方案，展现了优异的适应性与稳定性。
, 最新更新时间 , doi: 10.11999/JEIT260090
摘要:
针对低空边缘网络中因任务数据量的突发性与无人机飞行位置抖动所引起的服务质量下降问题，该文提出一种基于分布鲁棒优化的系统能耗最小化方法。首先，综合考虑任务大小和飞行位置不确定性因素，建立以最小化系统加权总能耗为目标的网络模型，并对无人机飞行轨迹、任务划分以及计算与通信资源进行协同设计。其次，将该非凸且复杂的优化问题建模为马尔可夫决策过程，并提出基于分布鲁棒优化的软演员-评论家算法。该算法通过构建任务需求分布的模糊集以处理分布不确定性，并借助最大熵强化学习框架，在连续动作空间中求解最坏概率分布下的最优策略。仿真结果表明，所提算法在动态环境中具有更快的收敛速度，且在不同任务负载及位置扰动下均能显著降低系统加权能耗，其中用户和无人机能耗分别降低了21.1%和15.9%。
针对低空边缘网络中因任务数据量的突发性与无人机飞行位置抖动所引起的服务质量下降问题，该文提出一种基于分布鲁棒优化的系统能耗最小化方法。首先，综合考虑任务大小和飞行位置不确定性因素，建立以最小化系统加权总能耗为目标的网络模型，并对无人机飞行轨迹、任务划分以及计算与通信资源进行协同设计。其次，将该非凸且复杂的优化问题建模为马尔可夫决策过程，并提出基于分布鲁棒优化的软演员-评论家算法。该算法通过构建任务需求分布的模糊集以处理分布不确定性，并借助最大熵强化学习框架，在连续动作空间中求解最坏概率分布下的最优策略。仿真结果表明，所提算法在动态环境中具有更快的收敛速度，且在不同任务负载及位置扰动下均能显著降低系统加权能耗，其中用户和无人机能耗分别降低了21.1%和15.9%。
, 最新更新时间 , doi: 10.11999/JEIT260335
摘要:
当前卫星遥感已成为国土资源普查和防灾减灾的关键工具，国家经济发展对遥感的需求也快速增长，卫星数量规模不断扩展，遥感星群资源的任务规划显得尤为重要，星群任务规划算法面临从单星静态调度到星群(包含多个异构混合星座)动态协同的范式跃迁。星群任务规划需要根据各颗卫星轨道分布、载荷性能和约束条件，综合考虑任务位置分布、时效频次等要求，为每颗卫星制定观测计划，实现星群整体观测效益最大化。然而当前学术界对遥感卫星星群任务规划算法测评尚未形成统一的量化标准，不同研究涉及的卫星规模从数十颗到数百颗不等，任务数量从数百到数千跨度巨大，这使得跨论文的性能比较几乎不可能。本文提出面向遥感卫星星群任务规划算法的通用测评框架 “Remote Sensing Constellation Mission Planning Benchmark (RSCMP-Bench)”，主要贡献体现为三个方面： 多场景标准任务库、多维效能评估指标体系、仿真与评测平台。通过开展基准测试，验证了RSCMP-Bench测试流程的可行性、可复现性及其对算法性能评估的区分能力。测评框架及运行环境已发布在天智杯在线平台，RSCMP-Bench旨在为领域建立类似ImageNet之于计算机视觉、GLUE之于自然语言处理的统一基准，推动卫星任务规划算法从“孤立实验”走向“标准化竞技”，最终加速面向下一代智能遥感星群的规划技术突破。
当前卫星遥感已成为国土资源普查和防灾减灾的关键工具，国家经济发展对遥感的需求也快速增长，卫星数量规模不断扩展，遥感星群资源的任务规划显得尤为重要，星群任务规划算法面临从单星静态调度到星群(包含多个异构混合星座)动态协同的范式跃迁。星群任务规划需要根据各颗卫星轨道分布、载荷性能和约束条件，综合考虑任务位置分布、时效频次等要求，为每颗卫星制定观测计划，实现星群整体观测效益最大化。然而当前学术界对遥感卫星星群任务规划算法测评尚未形成统一的量化标准，不同研究涉及的卫星规模从数十颗到数百颗不等，任务数量从数百到数千跨度巨大，这使得跨论文的性能比较几乎不可能。本文提出面向遥感卫星星群任务规划算法的通用测评框架 “Remote Sensing Constellation Mission Planning Benchmark (RSCMP-Bench)”，主要贡献体现为三个方面： 多场景标准任务库、多维效能评估指标体系、仿真与评测平台。通过开展基准测试，验证了RSCMP-Bench测试流程的可行性、可复现性及其对算法性能评估的区分能力。测评框架及运行环境已发布在天智杯在线平台，RSCMP-Bench旨在为领域建立类似ImageNet之于计算机视觉、GLUE之于自然语言处理的统一基准，推动卫星任务规划算法从“孤立实验”走向“标准化竞技”，最终加速面向下一代智能遥感星群的规划技术突破。
, 最新更新时间 , doi: 10.11999/JEIT260128
摘要:
针对脑肿瘤尺度差异大、边界模糊、小病灶易漏检以及现有分割模型难以兼顾分割性能和参数规模等问题，该文以3DUNet为基线，提出了多尺度边缘语义引导的图卷积序列脑肿瘤分割方法——MGM-3DUNet。通过多尺度边缘语义引导模块(Multi-scale Edge Semantic Guidance Module, MEGM)将可学习的边缘检测与多尺度语义特征融合，精准捕捉肿瘤边界细节，生成边缘预测图提供辅助监督；通过图卷积序列模块(Graph Convolution Sequence Module, GCSM)融合图卷积的局部拓扑聚合能力与高效长程建模优势，缓解现有长序列特征建模方法在特征编码过程中局部细粒度细节易衰减、空间精细结构保留不足的问题；多尺度上下文感知模块(Multi-scale Context Perception Module，MCPM)对不同尺度特征动态加权融合，使解码器自适应匹配水肿区与核心区的特征需求，缓解尺度失衡导致的小病灶漏检。最后，在开源数据集BraTS2020、BraTS2021上进行了实验验证。结果表明，模型以2.3M的轻量级参数在整体肿瘤(WT)、肿瘤核心(TC)和增强肿瘤(ET)区域分别达到了91.2%、90.4%和89.2%的Dice系数，整体性能优于现有主流模型，在保持低计算成本的同时，实现了关键区域的精准分割。
针对脑肿瘤尺度差异大、边界模糊、小病灶易漏检以及现有分割模型难以兼顾分割性能和参数规模等问题，该文以3DUNet为基线，提出了多尺度边缘语义引导的图卷积序列脑肿瘤分割方法——MGM-3DUNet。通过多尺度边缘语义引导模块(Multi-scale Edge Semantic Guidance Module, MEGM)将可学习的边缘检测与多尺度语义特征融合，精准捕捉肿瘤边界细节，生成边缘预测图提供辅助监督；通过图卷积序列模块(Graph Convolution Sequence Module, GCSM)融合图卷积的局部拓扑聚合能力与高效长程建模优势，缓解现有长序列特征建模方法在特征编码过程中局部细粒度细节易衰减、空间精细结构保留不足的问题；多尺度上下文感知模块(Multi-scale Context Perception Module，MCPM)对不同尺度特征动态加权融合，使解码器自适应匹配水肿区与核心区的特征需求，缓解尺度失衡导致的小病灶漏检。最后，在开源数据集BraTS2020、BraTS2021上进行了实验验证。结果表明，模型以2.3M的轻量级参数在整体肿瘤(WT)、肿瘤核心(TC)和增强肿瘤(ET)区域分别达到了91.2%、90.4%和89.2%的Dice系数，整体性能优于现有主流模型，在保持低计算成本的同时，实现了关键区域的精准分割。
, 最新更新时间 , doi: 10.11999/JEIT260154
摘要:
针对当前骨架动作识别方法在引入大语言模型(LLM)时存在的语义引导与空间拓扑学习脱节、时间建模缺乏层次化语义支持、传统分类范式泛化能力不足的三大问题，本文提出一种基于LLM增强的骨架动作识别新方法(LLMA-GCN)。该方法首先提出一种基于LLM的混合图拓扑学习策略，将物理骨架结构先验知识与LLM提取的动作语义信息深度融合以指导空间建模；其次，将混合图拓扑学习策略与层次化视觉序列编码器相结合，通过设计的LLM精炼块实现语义引导下的多尺度时空特征提取；最后，构建了LLM驱动的文本原型引导决策学习机制，实现语义引导的视觉-文本对齐和分类决策联合学习，从而提升模型整体性能。在NTU RGB+D 60、NTU RGB+D 120以及PKU-MMD公开数据集上进行了大量对比实验及消融实验，证明了新方法的有效性和先进性。
针对当前骨架动作识别方法在引入大语言模型(LLM)时存在的语义引导与空间拓扑学习脱节、时间建模缺乏层次化语义支持、传统分类范式泛化能力不足的三大问题，本文提出一种基于LLM增强的骨架动作识别新方法(LLMA-GCN)。该方法首先提出一种基于LLM的混合图拓扑学习策略，将物理骨架结构先验知识与LLM提取的动作语义信息深度融合以指导空间建模；其次，将混合图拓扑学习策略与层次化视觉序列编码器相结合，通过设计的LLM精炼块实现语义引导下的多尺度时空特征提取；最后，构建了LLM驱动的文本原型引导决策学习机制，实现语义引导的视觉-文本对齐和分类决策联合学习，从而提升模型整体性能。在NTU RGB+D 60、NTU RGB+D 120以及PKU-MMD公开数据集上进行了大量对比实验及消融实验，证明了新方法的有效性和先进性。
, 最新更新时间 , doi: 10.11999/JEIT260184
摘要:
面向第六代移动通信网络(6G)在超大规模连接、高可靠低时延等典型场景下的安全高效传输需求，语义隐蔽通信能够通过联合语义感知、语义压缩与隐蔽传输控制，在降低传输开销的同时实现信息的安全隐蔽传输，并提升低信噪比条件下的鲁棒性与资源利用率。此外，随着人工智能(AI)技术的快速发展，其具备的语义感知理解、智能决策优化与动态适应能力能够支撑语义重要性判别、自适应隐蔽策略优化以及语义驱动的智能隐蔽传输决策，为复杂动态场景下的智能语义隐蔽通信提供重要支撑。该文针对智能语义隐蔽通信展开综述。首先，介绍了语义通信、隐蔽通信以及语义隐蔽通信的基础概念。之后，探讨了人工智能赋能的智能语义隐蔽通信及其架构，并讨论了智能语义隐蔽通信的典型应用场景。然后，讨论了信道估计、频谱预测、波形设计等关键技术在智能语义隐蔽通信中的作用。最后，讨论了智能语义隐蔽通信面临的挑战和未来研究方向。
面向第六代移动通信网络(6G)在超大规模连接、高可靠低时延等典型场景下的安全高效传输需求，语义隐蔽通信能够通过联合语义感知、语义压缩与隐蔽传输控制，在降低传输开销的同时实现信息的安全隐蔽传输，并提升低信噪比条件下的鲁棒性与资源利用率。此外，随着人工智能(AI)技术的快速发展，其具备的语义感知理解、智能决策优化与动态适应能力能够支撑语义重要性判别、自适应隐蔽策略优化以及语义驱动的智能隐蔽传输决策，为复杂动态场景下的智能语义隐蔽通信提供重要支撑。该文针对智能语义隐蔽通信展开综述。首先，介绍了语义通信、隐蔽通信以及语义隐蔽通信的基础概念。之后，探讨了人工智能赋能的智能语义隐蔽通信及其架构，并讨论了智能语义隐蔽通信的典型应用场景。然后，讨论了信道估计、频谱预测、波形设计等关键技术在智能语义隐蔽通信中的作用。最后，讨论了智能语义隐蔽通信面临的挑战和未来研究方向。
, 最新更新时间 , doi: 10.11999/JEIT251224
摘要:
提出了一种联合信源信道编码调制的高斯信源传输方案。在所提方案中，Lloyd-Max量化器将高斯信源序列量化为多元符号序列。对于多元量化符号序列，构造了与其相匹配的多元傅里叶变换对码，且调制方式采用与其相适应的多元脉冲幅度调制。特别地，调制后的多元符号序列以分组马尔可夫叠加的方式传输。此外，为了获得成形增益，还提出了星座几何成形方案。仿真结果表明：1)可以根据目标性能选择合适的传输方案；2)所提几何成形方案可以获得约0.3dB的误符号性能增益；3)所提几何成形方案在高SNR区域有更低的失真性能。
提出了一种联合信源信道编码调制的高斯信源传输方案。在所提方案中，Lloyd-Max量化器将高斯信源序列量化为多元符号序列。对于多元量化符号序列，构造了与其相匹配的多元傅里叶变换对码，且调制方式采用与其相适应的多元脉冲幅度调制。特别地，调制后的多元符号序列以分组马尔可夫叠加的方式传输。此外，为了获得成形增益，还提出了星座几何成形方案。仿真结果表明：1)可以根据目标性能选择合适的传输方案；2)所提几何成形方案可以获得约0.3dB的误符号性能增益；3)所提几何成形方案在高SNR区域有更低的失真性能。
, 最新更新时间 , doi: 10.11999/JEIT260163
摘要:
JESD204C串行(SerDes)接口作为高速芯片互连和边缘AI计算网络的核心器件，其链路初始化延迟长、同步过程功耗高等问题制约了系统实时性与能效。为此，该文提出一种基于迭代式集合筛查(Iterative Set Screening, ISS)的同步头(Synchronization Header, SH)检测方法，旨在提升检测效率。该方法利用同步头序列固有的极性翻转特性，构建并行筛查机制，动态压缩搜索空间，高效剔除无效候选位置，实现同步头的快速精准定位。所提电路已集成至JESD204C接收链路，并在FPGA平台完成验证。实验结果表明：对比典型方案，该设计将同步头锁定时间缩短70 %，且检测时延对同步头的位置不敏感，同步过程稳定性与能效同步提升。
JESD204C串行(SerDes)接口作为高速芯片互连和边缘AI计算网络的核心器件，其链路初始化延迟长、同步过程功耗高等问题制约了系统实时性与能效。为此，该文提出一种基于迭代式集合筛查(Iterative Set Screening, ISS)的同步头(Synchronization Header, SH)检测方法，旨在提升检测效率。该方法利用同步头序列固有的极性翻转特性，构建并行筛查机制，动态压缩搜索空间，高效剔除无效候选位置，实现同步头的快速精准定位。所提电路已集成至JESD204C接收链路，并在FPGA平台完成验证。实验结果表明：对比典型方案，该设计将同步头锁定时间缩短70 %，且检测时延对同步头的位置不敏感，同步过程稳定性与能效同步提升。
, 最新更新时间 , doi: 10.11999/JEIT260192
摘要:
针对复杂电网系统中的电力巡检任务，现有基于多无人机的巡检方法普遍存在协同调度能力不足、难以准确构建巡检节点间拓扑结构关系的问题，提出一种基于层次注意力机制的多无人机巡检路径规划方法(Hierarchical Attention mechanism-based Path Planning for multi-UAV Inspection, HAPPI)。该方法采用编码器-解码器架构，通过设计多层次注意力机制，进而增强全局信息感知能力，避免决策过程中的短视问题。在此基础上，通过显式学习充电站之间的拓扑关系与巡检设备点的空间分布特征，提出一种无人机路径选择策略，在严格电量约束的前提下，实现无人机编队总飞行距离的最小化。为验证方法性能，设计三种不同规模的场景进行实验评估。在这些规模场景中，所提方法相比基线方法平均性能提升约12%。实验结果表明，在不同问题规模、节点分布及充电站数量变化的情况下，HAPPI均表现出优越且稳定的性能，具有良好的泛化能力和路径规划效能。
针对复杂电网系统中的电力巡检任务，现有基于多无人机的巡检方法普遍存在协同调度能力不足、难以准确构建巡检节点间拓扑结构关系的问题，提出一种基于层次注意力机制的多无人机巡检路径规划方法(Hierarchical Attention mechanism-based Path Planning for multi-UAV Inspection, HAPPI)。该方法采用编码器-解码器架构，通过设计多层次注意力机制，进而增强全局信息感知能力，避免决策过程中的短视问题。在此基础上，通过显式学习充电站之间的拓扑关系与巡检设备点的空间分布特征，提出一种无人机路径选择策略，在严格电量约束的前提下，实现无人机编队总飞行距离的最小化。为验证方法性能，设计三种不同规模的场景进行实验评估。在这些规模场景中，所提方法相比基线方法平均性能提升约12%。实验结果表明，在不同问题规模、节点分布及充电站数量变化的情况下，HAPPI均表现出优越且稳定的性能，具有良好的泛化能力和路径规划效能。
, 最新更新时间 , doi: 10.11999/JEIT260043
摘要:
人脸深度伪造的非法滥用，会导致严重的人身财产损害。基于梯度攻击的传统防御方法，虽然在伪造模型参数已知的白盒场景下，通过多轮迭代能取得一定的防御效果，但是面对实际的黑盒攻击时，往往逊色于目前主流的基于生成对抗网络(GAN)跨模型集成训练的方法。即使GAN能够进行快速推理，但其扰动生成缺乏感知约束，隐蔽性较差，难以满足实际需求。此外，日新月异的人脸伪造模型则给对抗扰动的跨模型防御的可迁移性提出了更高要求。为此，该文提出一种属性感知的对抗样本生成方法，旨在改善扰动隐蔽性的同时，达到兼顾跨模型防御性能的目的。一方面，该文在仅考虑人脸图像前景的基础上，使用属性显著掩码划分出的面部与发型区域，通过自适应扰动生成器生成特异性的对抗扰动，有效平衡了对抗样本的隐蔽性与攻击性。另一方面，该文从数据增强角度出发，通过融合参考人脸图像的频域相位信息，生成更具多样性的输入特征，防范扰动过拟合的同时提升可迁移性能。实验结果表明，所提方法在跨模型防御的定量和定性测试中均取得较好的防御性能。
人脸深度伪造的非法滥用，会导致严重的人身财产损害。基于梯度攻击的传统防御方法，虽然在伪造模型参数已知的白盒场景下，通过多轮迭代能取得一定的防御效果，但是面对实际的黑盒攻击时，往往逊色于目前主流的基于生成对抗网络(GAN)跨模型集成训练的方法。即使GAN能够进行快速推理，但其扰动生成缺乏感知约束，隐蔽性较差，难以满足实际需求。此外，日新月异的人脸伪造模型则给对抗扰动的跨模型防御的可迁移性提出了更高要求。为此，该文提出一种属性感知的对抗样本生成方法，旨在改善扰动隐蔽性的同时，达到兼顾跨模型防御性能的目的。一方面，该文在仅考虑人脸图像前景的基础上，使用属性显著掩码划分出的面部与发型区域，通过自适应扰动生成器生成特异性的对抗扰动，有效平衡了对抗样本的隐蔽性与攻击性。另一方面，该文从数据增强角度出发，通过融合参考人脸图像的频域相位信息，生成更具多样性的输入特征，防范扰动过拟合的同时提升可迁移性能。实验结果表明，所提方法在跨模型防御的定量和定性测试中均取得较好的防御性能。
, 最新更新时间 , doi: 10.11999/JEIT260067
摘要:
虚拟现实(VR)流媒体传输中的突发分辨率变化会显著降低用户的体验质量(QoE)，尤其是在从高分辨率向低分辨率切换的过程中。现有的QoE模型与传输方案未能充分解决这类变化对感知的影响。为弥补这一空白，该文提出一种创新的、生理信号驱动的QoE建模与优化框架，该框架充分利用了用户的脑电图(EEG)、心电图(ECG)以及皮肤电活动，能够精确捕捉VR流媒体传输中生理反应与分辨率变化的时间动态，从而实现对分辨率上升所带来收益以及分辨率下降所造成影响的准确量化。通过在一个深度强化学习(DRL)框架下将所提出的QoE模型集成到无线接入网络(RAN)中，该文实现了自适应传输策略，以动态分配无线资源，从而缓解短期信道波动，并根据用户移动性引发的信道变化调整帧分辨率。通过优先保证长期分辨率并尽量减少突发切换，该文所提出的方案相较于基线方案实现了88.7%的分辨率提升，并使分辨率切换频率降低了81.0%。实验结果证明了该生理信号驱动策略的有效性，并凸显了边缘人工智能在沉浸式媒体服务中的应用前景。
虚拟现实(VR)流媒体传输中的突发分辨率变化会显著降低用户的体验质量(QoE)，尤其是在从高分辨率向低分辨率切换的过程中。现有的QoE模型与传输方案未能充分解决这类变化对感知的影响。为弥补这一空白，该文提出一种创新的、生理信号驱动的QoE建模与优化框架，该框架充分利用了用户的脑电图(EEG)、心电图(ECG)以及皮肤电活动，能够精确捕捉VR流媒体传输中生理反应与分辨率变化的时间动态，从而实现对分辨率上升所带来收益以及分辨率下降所造成影响的准确量化。通过在一个深度强化学习(DRL)框架下将所提出的QoE模型集成到无线接入网络(RAN)中，该文实现了自适应传输策略，以动态分配无线资源，从而缓解短期信道波动，并根据用户移动性引发的信道变化调整帧分辨率。通过优先保证长期分辨率并尽量减少突发切换，该文所提出的方案相较于基线方案实现了88.7%的分辨率提升，并使分辨率切换频率降低了81.0%。实验结果证明了该生理信号驱动策略的有效性，并凸显了边缘人工智能在沉浸式媒体服务中的应用前景。
, 最新更新时间 , doi: 10.11999/JEIT250868
摘要:
在大数据时代，图像质量参差不齐，对低质量图像进行高分辨率重建具有重要的研究与应用价值。基于 Transformer的单图像超分辨率方法通常将自注意力机制限制在局部非重叠窗口中，导致感受野受限、窗口边界失真以及高频细节重构能力不足等问题。为此，该文提出一种基于Swin IR的异质窗口注意力网络(Heterogeneous window Transformer Network for Image Super-Resolution, HWT-SRNet)。首先，设计异质窗口注意力机制，充分融合多尺度特征，以缓解窗口边界失真问题并有效扩大感受野。其次，针对Transformer在高频信息重构能力上的不足，提出一种高频先验特征提取网络，增强网络对边缘与纹理细节的恢复能力。实验结果表明，HWT-SRNet在Set5, Set14, BSD100, Urban100, Manga109五个基准测试集上，PSNR指标相比基线模型Swin IR提升0.10 dB至0.37 dB，同时，与其他具有代表性的超分模型CAT, ACT, ART等相比，在图像细节和纹理方面也取得了更优的视觉效果。
在大数据时代，图像质量参差不齐，对低质量图像进行高分辨率重建具有重要的研究与应用价值。基于 Transformer的单图像超分辨率方法通常将自注意力机制限制在局部非重叠窗口中，导致感受野受限、窗口边界失真以及高频细节重构能力不足等问题。为此，该文提出一种基于Swin IR的异质窗口注意力网络(Heterogeneous window Transformer Network for Image Super-Resolution, HWT-SRNet)。首先，设计异质窗口注意力机制，充分融合多尺度特征，以缓解窗口边界失真问题并有效扩大感受野。其次，针对Transformer在高频信息重构能力上的不足，提出一种高频先验特征提取网络，增强网络对边缘与纹理细节的恢复能力。实验结果表明，HWT-SRNet在Set5, Set14, BSD100, Urban100, Manga109五个基准测试集上，PSNR指标相比基线模型Swin IR提升0.10 dB至0.37 dB，同时，与其他具有代表性的超分模型CAT, ACT, ART等相比，在图像细节和纹理方面也取得了更优的视觉效果。
, 最新更新时间 , doi: 10.11999/JEIT260377
摘要:
真随机数发生器(TRNG)作为一种重要的硬件安全原语，通过提取物理随机变量产生无法预测的真随机序列，为安全系统构建硬件可信根。然而，为了提升TRNG的随机性，往往需要引入大量熵源，导致整体硬件开销较高。为解决这一问题，本文提出一种基于链式耦合振荡环的轻量级TRNG。首先，通过推导伽罗瓦振荡环的状态方程，分析不规则振荡机理，为熵源电路设计提供指导。然后，设计延迟反馈异或环，以此构建链式熵源电路，并进行不规则振荡行为建模。最后通过实验验证，所提出的TRNG通过了NIST SP 800-22和NIST SP 800-90B测试，在Xilinx Artix-7 FPGA上的吞吐量为200Mbps，且硬件开销仅为11个LUT和4个DFF，在资源受限的轻量级场景具有良好的应用前景。
真随机数发生器(TRNG)作为一种重要的硬件安全原语，通过提取物理随机变量产生无法预测的真随机序列，为安全系统构建硬件可信根。然而，为了提升TRNG的随机性，往往需要引入大量熵源，导致整体硬件开销较高。为解决这一问题，本文提出一种基于链式耦合振荡环的轻量级TRNG。首先，通过推导伽罗瓦振荡环的状态方程，分析不规则振荡机理，为熵源电路设计提供指导。然后，设计延迟反馈异或环，以此构建链式熵源电路，并进行不规则振荡行为建模。最后通过实验验证，所提出的TRNG通过了NIST SP 800-22和NIST SP 800-90B测试，在Xilinx Artix-7 FPGA上的吞吐量为200Mbps，且硬件开销仅为11个LUT和4个DFF，在资源受限的轻量级场景具有良好的应用前景。
, 最新更新时间 , doi: 10.11999/JEIT251379
摘要:
针对功率MOSFET传统固定阈值预警法与物理失效机理脱节的问题，该文提出一种融合可解释人工智能(XAI)的寿命预测框架。首先，设计一种自适应双阈值划分策略，融合K-means聚类与近端策略优化(PPO)算法；该策略以聚类获得的初始解为搜索起点，构建兼顾区间比例、状态转移灵敏度激励及阈值间距惩罚的多目标奖励函数，引导智能体优化阈值，实现退化阶段的精准划分。其次，为增强对黑盒决策过程的理解，引入SHAP可解释性分析，从特征与机理关联层面验证阈值决策的合理性。分析表明，低阈值由健康期稳态特征主导，满足安全基线要求；高阈值则由后期加速退化动力学特征主导，精准定位临界点，该分析证实了阈值决策的可信性与透明性。在此基础上，当退化数据超越可信低阈值时触发预警机制，并采用结合残差连接的堆叠门控循环单元(R-SGRU)进行剩余寿命预测。在NASA数据集上的实验表明，该模型预测性能显著优于长短期记忆网络(LSTM)和时间卷积网络(TCN)等多种模型，测试集MSE低于0.001 5 ，R2高于0.98。该研究不仅为MOSFET早期预警提供了精确可靠的决策支持，更通过可解释技术建立了数据特征与物理机理的关联，推动了人工智能在器件预测领域向可信、可靠方向发展。
针对功率MOSFET传统固定阈值预警法与物理失效机理脱节的问题，该文提出一种融合可解释人工智能(XAI)的寿命预测框架。首先，设计一种自适应双阈值划分策略，融合K-means聚类与近端策略优化(PPO)算法；该策略以聚类获得的初始解为搜索起点，构建兼顾区间比例、状态转移灵敏度激励及阈值间距惩罚的多目标奖励函数，引导智能体优化阈值，实现退化阶段的精准划分。其次，为增强对黑盒决策过程的理解，引入SHAP可解释性分析，从特征与机理关联层面验证阈值决策的合理性。分析表明，低阈值由健康期稳态特征主导，满足安全基线要求；高阈值则由后期加速退化动力学特征主导，精准定位临界点，该分析证实了阈值决策的可信性与透明性。在此基础上，当退化数据超越可信低阈值时触发预警机制，并采用结合残差连接的堆叠门控循环单元(R-SGRU)进行剩余寿命预测。在NASA数据集上的实验表明，该模型预测性能显著优于长短期记忆网络(LSTM)和时间卷积网络(TCN)等多种模型，测试集MSE低于
, 最新更新时间 , doi: 10.11999/JEIT260158
摘要:
触觉感知是机器人理解物体物理属性并实现精细交互的重要基础，在视觉受限或复杂场景中具有不可替代的作用。相比连续触觉信号，事件驱动的脉冲触觉以异步稀疏的方式编码接触动态变化，具备更高时间分辨率与能效优势。然而，受限于高采集成本与小样本规模，现有监督触觉识别方法在开放世界场景中面临显著泛化瓶颈。尽管零样本学习可缓解数据稀缺，但现有方法多依赖视觉辅助或人工粗粒度语义，难以适配脉冲触觉的复杂时空动态结构，且缺乏稳定的跨模态语义对齐机制。针对上述问题，该文提出一种面向脉冲触觉信号的零样本物体识别方法。首先，构建仿生脉冲图神经网络，对脉冲触觉时空演化进行建模，提取判别性且具生物可解释性的触觉表征；其次，引入大语言模型生成细粒度结构化触觉语义空间，并为各类别构建一致维度的语义原型；在此基础上，设计触觉到语义的正向映射与语义到触觉的反向重构，形成循环一致的跨模态对齐框架，从而提升对齐稳定性与未见类别泛化能力。在标准的零样本设定下，该文在脉冲触觉数据集上进行了系统实验评估，实验结果表明，该方法在平均类别准确率、Top-k准确率及语义对齐一致性等指标上均优于现有方法，验证了其在脉冲触觉零样本识别任务中的有效性与鲁棒性。该研究为脉冲触觉语义理解及开放环境下的机器人感知提供了新的技术路径。
触觉感知是机器人理解物体物理属性并实现精细交互的重要基础，在视觉受限或复杂场景中具有不可替代的作用。相比连续触觉信号，事件驱动的脉冲触觉以异步稀疏的方式编码接触动态变化，具备更高时间分辨率与能效优势。然而，受限于高采集成本与小样本规模，现有监督触觉识别方法在开放世界场景中面临显著泛化瓶颈。尽管零样本学习可缓解数据稀缺，但现有方法多依赖视觉辅助或人工粗粒度语义，难以适配脉冲触觉的复杂时空动态结构，且缺乏稳定的跨模态语义对齐机制。针对上述问题，该文提出一种面向脉冲触觉信号的零样本物体识别方法。首先，构建仿生脉冲图神经网络，对脉冲触觉时空演化进行建模，提取判别性且具生物可解释性的触觉表征；其次，引入大语言模型生成细粒度结构化触觉语义空间，并为各类别构建一致维度的语义原型；在此基础上，设计触觉到语义的正向映射与语义到触觉的反向重构，形成循环一致的跨模态对齐框架，从而提升对齐稳定性与未见类别泛化能力。在标准的零样本设定下，该文在脉冲触觉数据集上进行了系统实验评估，实验结果表明，该方法在平均类别准确率、Top-k准确率及语义对齐一致性等指标上均优于现有方法，验证了其在脉冲触觉零样本识别任务中的有效性与鲁棒性。该研究为脉冲触觉语义理解及开放环境下的机器人感知提供了新的技术路径。
, 最新更新时间 , doi: 10.11999/JEIT251290
摘要:
针对跨域深度伪造检测中存在依赖静态伪影与固定频段、局限单一分析域、全局关联能力不足的问题，该文提出一种融合动态伪影追踪与空频交互分析的金字塔式交互双流网络(PIDSNet)。首先，通过多分支特征提取模块与频谱卷积模块实现伪影特征的动态挖掘，降低对固定参数和频段的依赖，显著提高伪影特征的自适应捕捉能力。其次，通过融合金字塔挤压注意力模块和多头自注意力机制，实现全局特征与局部特征提取的平衡。最后，在空域和频域分别构建高斯金字塔与拉普拉斯金字塔，多层次提取高频信息和低频信息并实现跨域特征融合，构建新型空频特征动态交互机制。实验结果表明，在包含25种生成对抗网络和扩散模型的伪造数据集中平均准确度提升7.4%，为深度伪造检测的跨域泛化性研究提供了新的方案。
针对跨域深度伪造检测中存在依赖静态伪影与固定频段、局限单一分析域、全局关联能力不足的问题，该文提出一种融合动态伪影追踪与空频交互分析的金字塔式交互双流网络(PIDSNet)。首先，通过多分支特征提取模块与频谱卷积模块实现伪影特征的动态挖掘，降低对固定参数和频段的依赖，显著提高伪影特征的自适应捕捉能力。其次，通过融合金字塔挤压注意力模块和多头自注意力机制，实现全局特征与局部特征提取的平衡。最后，在空域和频域分别构建高斯金字塔与拉普拉斯金字塔，多层次提取高频信息和低频信息并实现跨域特征融合，构建新型空频特征动态交互机制。实验结果表明，在包含25种生成对抗网络和扩散模型的伪造数据集中平均准确度提升7.4%，为深度伪造检测的跨域泛化性研究提供了新的方案。
, 最新更新时间 , doi: 10.11999/JEIT251059
摘要:
基于铁电场效应晶体管(FeFET)的非易失性触发器(NVFF)具有高效、快速数据备份与恢复能力，是提升非易失性处理器(NVPs)性能的有效途径。然而，研究表明，FeFET开关比降低时，传统单端结构触发器在断电恢复过程中易受锁存器内部MOS管竞争影响，导致FeFET存储状态改变，造成数据恢复失败。为解决这一问题，该文提出一种面向静态无争用单相时钟触发器(SSCFF)的单端恢复电路。该结构在CLK=0时保持FeFET写入节点维持高电平，从源头避免竞争导致FeFET存储状态改变；同时提出“预充电–状态调控放电”双阶段恢复机制，实现断电前数据精准恢复。实验结果表明，该方案在FeFET开关比降至102条件下，经过2000次蒙特卡洛仿真仍能保持100 %恢复率，较现有单端结构所需开关比降低两个数量级。此外，该设计在维持飞焦耳(fJ)量级恢复功耗下，最坏保持时间减少64.6 %，时钟至输出延迟降低33.9 %。
基于铁电场效应晶体管(FeFET)的非易失性触发器(NVFF)具有高效、快速数据备份与恢复能力，是提升非易失性处理器(NVPs)性能的有效途径。然而，研究表明，FeFET开关比降低时，传统单端结构触发器在断电恢复过程中易受锁存器内部MOS管竞争影响，导致FeFET存储状态改变，造成数据恢复失败。为解决这一问题，该文提出一种面向静态无争用单相时钟触发器(SSCFF)的单端恢复电路。该结构在CLK=0时保持FeFET写入节点维持高电平，从源头避免竞争导致FeFET存储状态改变；同时提出“预充电–状态调控放电”双阶段恢复机制，实现断电前数据精准恢复。实验结果表明，该方案在FeFET开关比降至102条件下，经过2000次蒙特卡洛仿真仍能保持100 %恢复率，较现有单端结构所需开关比降低两个数量级。此外，该设计在维持飞焦耳(fJ)量级恢复功耗下，最坏保持时间减少64.6 %，时钟至输出延迟降低33.9 %。
, 最新更新时间 , doi: 10.11999/JEIT260237
摘要:
针对野外生态监测录音数据中包括人为干扰声在内的背景噪声导致生物多样性声学指数失真问题，利用声学指数典型应用场景中人为干扰声通常具有的空域点声源和时域多线谱特征，结合对麦克风阵列空时二维频响起伏不敏感的依频声学多样性指数，提出一种基于间距互质子阵融合的空时自适应降噪方法，进而形成一种新的噪声鲁棒声学指数——自适应干扰对消依频声学多样性指数(AIC-FADI)。该方法采用三个麦克风构建两个间距较宽且互质的双元子阵组成非均匀线阵，两个子阵分别进行空时自适应白化滤波滤除平稳定向干扰，然后利用宽间距阵列的高空间分辨性质及间距互质子阵空时二维频响之间的空域混叠零陷交错特性，通过对两者输出信号的二值化时频谱进行逐点取大互补融合，重构生物声信号在干扰方向二维零陷之外的二值化时频分布结构特征，缓解无约束干扰对消导致的目标自消问题，使所提AIC-FADI的计算结果能在抑制定向干扰及其它背景噪声影响的同时，尽可能完整保留全空域生物声学信息的统计特征，从而推动声学指数的实际应用场景和时空覆盖范围实现实质性拓展。
针对野外生态监测录音数据中包括人为干扰声在内的背景噪声导致生物多样性声学指数失真问题，利用声学指数典型应用场景中人为干扰声通常具有的空域点声源和时域多线谱特征，结合对麦克风阵列空时二维频响起伏不敏感的依频声学多样性指数，提出一种基于间距互质子阵融合的空时自适应降噪方法，进而形成一种新的噪声鲁棒声学指数——自适应干扰对消依频声学多样性指数(AIC-FADI)。该方法采用三个麦克风构建两个间距较宽且互质的双元子阵组成非均匀线阵，两个子阵分别进行空时自适应白化滤波滤除平稳定向干扰，然后利用宽间距阵列的高空间分辨性质及间距互质子阵空时二维频响之间的空域混叠零陷交错特性，通过对两者输出信号的二值化时频谱进行逐点取大互补融合，重构生物声信号在干扰方向二维零陷之外的二值化时频分布结构特征，缓解无约束干扰对消导致的目标自消问题，使所提AIC-FADI的计算结果能在抑制定向干扰及其它背景噪声影响的同时，尽可能完整保留全空域生物声学信息的统计特征，从而推动声学指数的实际应用场景和时空覆盖范围实现实质性拓展。
, 最新更新时间 , doi: 10.11999/JEIT260282
摘要:
随着通信网络安全需求的日益增长，隐蔽通信和量子通信领域技术研发不断演进。然而，当前隐蔽通信仍存在内生安全漏洞与信息泄露风险，且量子通信易受窃听干扰导致传输可靠性受限。因此，兼顾通信行为隐蔽与无条件安全的量子隐蔽通信成为近期研究热点。基于此，该文聚焦于量子隐蔽通信融合方案及应用场景展开综述。首先，介绍了隐蔽通信的原理与典型赋能技术。其次，介绍了量子通信协议与重要技术。进而，针对不同应用场景归纳出三类量子隐蔽通信融合方案：赋能融合方案、隐匿融合方案、共生融合方案。最后，提出了量子隐蔽通信的现有挑战与发展方向。该文对量子隐蔽通信的进一步发展，具有一定的推动作用与参考价值。
随着通信网络安全需求的日益增长，隐蔽通信和量子通信领域技术研发不断演进。然而，当前隐蔽通信仍存在内生安全漏洞与信息泄露风险，且量子通信易受窃听干扰导致传输可靠性受限。因此，兼顾通信行为隐蔽与无条件安全的量子隐蔽通信成为近期研究热点。基于此，该文聚焦于量子隐蔽通信融合方案及应用场景展开综述。首先，介绍了隐蔽通信的原理与典型赋能技术。其次，介绍了量子通信协议与重要技术。进而，针对不同应用场景归纳出三类量子隐蔽通信融合方案：赋能融合方案、隐匿融合方案、共生融合方案。最后，提出了量子隐蔽通信的现有挑战与发展方向。该文对量子隐蔽通信的进一步发展，具有一定的推动作用与参考价值。
, 最新更新时间 , doi: 10.11999/JEIT251382
摘要:
光刻制程中的光学邻近效应(OPE)会导致晶圆上的打印图像偏离设计版图，需要对光刻掩膜进行光学邻近校正(OPC)。该文提出一种频域自注意力机制引导的多尺度逆光刻技术(FMS-ILT)用于掩膜优化。FMS-ILT采用基于残差卷积的多尺度编码器-解码器结构，通过残差连接融合局部细节与全局特征，并在编码器末端引入频域自注意力机制，将动态注意力与频域全局建模能力相结合，自适应关注影响打印图像质量的关键信息。在预训练阶段，模型通过掩膜生成与目标图像重构增强物理一致性；在主训练阶段，进一步结合光刻仿真对掩膜进行精细优化。实验结果表明，FMS-ILT的平均\begin{document}$ \mathcal{L}2 $\end{document} 1115 %，显示了FMS-ILT方法在优化掩膜方面的显著优势。
光刻制程中的光学邻近效应(OPE)会导致晶圆上的打印图像偏离设计版图，需要对光刻掩膜进行光学邻近校正(OPC)。该文提出一种频域自注意力机制引导的多尺度逆光刻技术(FMS-ILT)用于掩膜优化。FMS-ILT采用基于残差卷积的多尺度编码器-解码器结构，通过残差连接融合局部细节与全局特征，并在编码器末端引入频域自注意力机制，将动态注意力与频域全局建模能力相结合，自适应关注影响打印图像质量的关键信息。在预训练阶段，模型通过掩膜生成与目标图像重构增强物理一致性；在主训练阶段，进一步结合光刻仿真对掩膜进行精细优化。实验结果表明，FMS-ILT的平均
, 最新更新时间 , doi: 10.11999/JEIT260145
摘要:
为提高通感一体化(ISAC)系统中信息传输的隐蔽性，该文研究基于超大规模同时透射与反射可重构智能表面(XL-STAR-RIS)辅助的近场通感一体化系统，旨在实现隐蔽通信的资源优化。首先，建立近场球面波信道模型与信号传输模型，分析窃听者Willie的最优检测性能，并推导其最小检测错误概率的闭合下界表达式。在此基础上，根据通信要求，以最大化隐蔽通信速率为目标，综合考虑发射功率约束、感知信噪比约束及隐蔽性要求，构建了联合波束成形优化问题。为解决该非凸问题，该文提出一种融合半定松弛(SDR)、Dinkelbach型迭代与惩罚函数的分层交替优化算法，实现了主动发射波束与被动STAR-RIS系数的协同设计。仿真结果表明，所提方案在隐蔽通信速率、感知精度与收敛性能方面均优于传统被动RIS及无RIS基准方案。
为提高通感一体化(ISAC)系统中信息传输的隐蔽性，该文研究基于超大规模同时透射与反射可重构智能表面(XL-STAR-RIS)辅助的近场通感一体化系统，旨在实现隐蔽通信的资源优化。首先，建立近场球面波信道模型与信号传输模型，分析窃听者Willie的最优检测性能，并推导其最小检测错误概率的闭合下界表达式。在此基础上，根据通信要求，以最大化隐蔽通信速率为目标，综合考虑发射功率约束、感知信噪比约束及隐蔽性要求，构建了联合波束成形优化问题。为解决该非凸问题，该文提出一种融合半定松弛(SDR)、Dinkelbach型迭代与惩罚函数的分层交替优化算法，实现了主动发射波束与被动STAR-RIS系数的协同设计。仿真结果表明，所提方案在隐蔽通信速率、感知精度与收敛性能方面均优于传统被动RIS及无RIS基准方案。
, 最新更新时间 , doi: 10.11999/JEIT251145
摘要:
后门攻击严重威胁深度神经网络（DNN）的安全。植入后门后，模型在遇到带有特定触发器的输入时会输出预设错误，而对干净样本仍保持正常性能。现有研究已在空间域与频域触发器设计方面展开探索，但多数方法为确保攻击成功率(ASR)，而牺牲了触发器的不可感知性。该文提出一种基于相位偏移的频域后门攻击(FDPS)方法。该方法通过离散傅里叶变换(DFT)将图像映射至频域，并在选定的频率分量上施加相位扰动以嵌入触发器。具体而言，FDPS优先针对中高频相位分量进行精细调控，以最小化幅度谱变化并避免引入可察觉的伪影。鉴于相位信息主导正弦波的相对位移，此类扰动可自然协调视觉语义，从而显著提升隐蔽性。相较于传统幅度扰动策略，相位偏移在保留图像全局结构的同时，更有效地规避了基于图像的防御检测机制。实验表明，与BadNets、Blend、WaNet及Ftrojan等基准后门攻击相比，FDPS在攻击成功率、干净样本准确率以及结构相似性指数(SSIM)等指标上均表现优越。此外，在GTSRB数据集上，仅需毒化2%的训练样本即可实现99%的攻击成功率，显著降低了攻击的样本需求与技术门槛，展现出对不同攻击场景更强的鲁棒性与适应性。
后门攻击严重威胁深度神经网络（DNN）的安全。植入后门后，模型在遇到带有特定触发器的输入时会输出预设错误，而对干净样本仍保持正常性能。现有研究已在空间域与频域触发器设计方面展开探索，但多数方法为确保攻击成功率(ASR)，而牺牲了触发器的不可感知性。该文提出一种基于相位偏移的频域后门攻击(FDPS)方法。该方法通过离散傅里叶变换(DFT)将图像映射至频域，并在选定的频率分量上施加相位扰动以嵌入触发器。具体而言，FDPS优先针对中高频相位分量进行精细调控，以最小化幅度谱变化并避免引入可察觉的伪影。鉴于相位信息主导正弦波的相对位移，此类扰动可自然协调视觉语义，从而显著提升隐蔽性。相较于传统幅度扰动策略，相位偏移在保留图像全局结构的同时，更有效地规避了基于图像的防御检测机制。实验表明，与BadNets、Blend、WaNet及Ftrojan等基准后门攻击相比，FDPS在攻击成功率、干净样本准确率以及结构相似性指数(SSIM)等指标上均表现优越。此外，在GTSRB数据集上，仅需毒化2%的训练样本即可实现99%的攻击成功率，显著降低了攻击的样本需求与技术门槛，展现出对不同攻击场景更强的鲁棒性与适应性。
, 最新更新时间 , doi: 10.11999/JEIT260274
摘要:
空对地信道的精准预测是实现无人机通信链路自适应传输与高效资源调度的关键。然而，现有方法往往面临环境表征冗余、物理可解释性不足等问题。为此，本文提出一种无人机传播环境视觉信息辅助的毫米波空对地信道预测。首先，构建时空严格对齐的通信感知一体化数据集，实现视觉感知数据与信道参数的联合获取；其次，从RGB图像与深度图像中提取建筑物坐标、高度、体积和收发机距离等低维空间特征，以刻画传播环境的关键几何结构，并验证了空间特征与信道之间存在显著关联；最后，设计了Transformer与多层感知机融合网络，学习空间特征与路径损耗、接收功率及均方根时延扩展之间的非线性映射关系。实验结果表明，所提方法在三类信道参数预测任务上均优于对比模型，具有较高的预测精度和鲁棒性。
空对地信道的精准预测是实现无人机通信链路自适应传输与高效资源调度的关键。然而，现有方法往往面临环境表征冗余、物理可解释性不足等问题。为此，本文提出一种无人机传播环境视觉信息辅助的毫米波空对地信道预测。首先，构建时空严格对齐的通信感知一体化数据集，实现视觉感知数据与信道参数的联合获取；其次，从RGB图像与深度图像中提取建筑物坐标、高度、体积和收发机距离等低维空间特征，以刻画传播环境的关键几何结构，并验证了空间特征与信道之间存在显著关联；最后，设计了Transformer与多层感知机融合网络，学习空间特征与路径损耗、接收功率及均方根时延扩展之间的非线性映射关系。实验结果表明，所提方法在三类信道参数预测任务上均优于对比模型，具有较高的预测精度和鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT260354
摘要:
阻变存储器中的SPI会引发不可预测的单元间相关性，显著提高信号检测的复杂度。传统检测方法通常依赖已知的信道噪声状态假设，在实际应用中泛化能力有限。为解决这一问题，提出了三种基于卷积神经网络(CNN)的数据检测方法，无需依赖先验信道信息即可有效建模并抑制干扰：其一，结合约束编码与多层CNN，通过约束编码判断潜路径干扰状态并进行数据恢复；其二，采用双CNN框架，首先利用轻量CNN进行SPI识别，再通过多层CNN实现精细化检测；其三，引入迁移学习机制，在保持检测精度的同时，将所需训练样本规模降低至传统方法的千分之一。仿真结果表明，所提方法在未知信道状态下均实现误码率性能的显著提升，误比特率相比现有算法至少降低一半，逼近性能极限。此外，迁移学习机制的引入将训练样本需求由\begin{document}$ {10}^{6} $\end{document} \begin{document}$ 1000 $\end{document}
阻变存储器中的SPI会引发不可预测的单元间相关性，显著提高信号检测的复杂度。传统检测方法通常依赖已知的信道噪声状态假设，在实际应用中泛化能力有限。为解决这一问题，提出了三种基于卷积神经网络(CNN)的数据检测方法，无需依赖先验信道信息即可有效建模并抑制干扰：其一，结合约束编码与多层CNN，通过约束编码判断潜路径干扰状态并进行数据恢复；其二，采用双CNN框架，首先利用轻量CNN进行SPI识别，再通过多层CNN实现精细化检测；其三，引入迁移学习机制，在保持检测精度的同时，将所需训练样本规模降低至传统方法的千分之一。仿真结果表明，所提方法在未知信道状态下均实现误码率性能的显著提升，误比特率相比现有算法至少降低一半，逼近性能极限。此外，迁移学习机制的引入将训练样本需求由
, 最新更新时间 , doi: 10.11999/JEIT260399
摘要:
随着以智能网联新能源汽车、人工智能终端、智能机器人为代表的新型智能终端快速普及，多模态大模型等新兴应用不断向端侧落地，泛在智能业务持续拓展。在此背景下，终端算力开销急剧增长。受制于体积、功耗与成本，智能终端设备普遍面临能耗过高、续航不足的问题。第六代(6G)无线通信网络通过无线接入网(RAN)架构增强与算力下沉，有望承接终端侧高能耗、高算力任务，赋能新型终端实现轻量化、低成本、长续航升级。该文首先阐述了增强型RAN赋能的6G端–边协同服务框架，并建立终端计算与传输能耗理论模型。然后，该文系统梳理了面向端–边协同推理的典型节能技术，并提出面向动态无线环境的通算联合自适应优化机制，实现通信与计算能耗的协同优化。最后，以具身智能终端为典型场景验证所提机制的节能效果，并总结当前研究在资源协同、全局优化与标准化落地等方面的挑战与未来方向。
随着以智能网联新能源汽车、人工智能终端、智能机器人为代表的新型智能终端快速普及，多模态大模型等新兴应用不断向端侧落地，泛在智能业务持续拓展。在此背景下，终端算力开销急剧增长。受制于体积、功耗与成本，智能终端设备普遍面临能耗过高、续航不足的问题。第六代(6G)无线通信网络通过无线接入网(RAN)架构增强与算力下沉，有望承接终端侧高能耗、高算力任务，赋能新型终端实现轻量化、低成本、长续航升级。该文首先阐述了增强型RAN赋能的6G端–边协同服务框架，并建立终端计算与传输能耗理论模型。然后，该文系统梳理了面向端–边协同推理的典型节能技术，并提出面向动态无线环境的通算联合自适应优化机制，实现通信与计算能耗的协同优化。最后，以具身智能终端为典型场景验证所提机制的节能效果，并总结当前研究在资源协同、全局优化与标准化落地等方面的挑战与未来方向。
, 最新更新时间 , doi: 10.11999/JEIT260370
摘要:
针对资源受限的无人机(UAV)平台，如何在图像传输过程中实现高效且个性化的语义通信仍面临重要挑战。为此，该文提出了一种轻量级个性化UAV语义通信(LPUSC)系统，旨在实现计算开销、传输带宽与个性化需求之间的有效平衡。该系统基于低开销的语义索引交互实现用户个性化内容传输，且无需对新接入用户进行兴趣预训练。首先，针对UAV端计算资源受限的问题，提出的LPUSC系统采用轻量且灵活的语义提取模块，利用YOLO11s实现高效的语义目标识别从而定位用户感兴趣区域，并结合MobileSAM模型实现基于目标框的精准分割，从而提取出个性化的语义内容，兼顾语义提取的轻量化、精准度与个性化。其次，本文构建了高质量语义图像重建的端到端传输网络，针对语义图像特性设计了一种面向语义区域的加权混合损失训练策略，有效提升了个性化语义内容的重建质量。仿真结果表明，相较于传统的DeepJSCC和JPEG方法，本文提出的LPUSC在语义图像重建质量上获得了显著提升，包括峰值信噪比分别提高了4.8%和79.5%，结构相似性指数分别提高了1.3%和43%，且在不同信道下保持了良好的鲁棒性。
针对资源受限的无人机(UAV)平台，如何在图像传输过程中实现高效且个性化的语义通信仍面临重要挑战。为此，该文提出了一种轻量级个性化UAV语义通信(LPUSC)系统，旨在实现计算开销、传输带宽与个性化需求之间的有效平衡。该系统基于低开销的语义索引交互实现用户个性化内容传输，且无需对新接入用户进行兴趣预训练。首先，针对UAV端计算资源受限的问题，提出的LPUSC系统采用轻量且灵活的语义提取模块，利用YOLO11s实现高效的语义目标识别从而定位用户感兴趣区域，并结合MobileSAM模型实现基于目标框的精准分割，从而提取出个性化的语义内容，兼顾语义提取的轻量化、精准度与个性化。其次，本文构建了高质量语义图像重建的端到端传输网络，针对语义图像特性设计了一种面向语义区域的加权混合损失训练策略，有效提升了个性化语义内容的重建质量。仿真结果表明，相较于传统的DeepJSCC和JPEG方法，本文提出的LPUSC在语义图像重建质量上获得了显著提升，包括峰值信噪比分别提高了4.8%和79.5%，结构相似性指数分别提高了1.3%和43%，且在不同信道下保持了良好的鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT260149
摘要:
针对高比例新能源并网加剧电网供需不平衡的问题，聚合大规模变频空调集群作为虚拟储能参与需求响应，是提升电网灵活性的有效途径。然而，现有调度策略常面临高维寻优的维数灾难，且传统基于罚函数的软约束方法难以严格满足聚合功率的等式约束，易产生稳态误差。为此，本文提出一种基于约束面投影的位势协同自适应粒子群算法(SFA-PSO)。首先，基于等效热参数模型构建了兼顾群体热舒适度与响应公平性的多目标优化框架；其次，针对传统算法易出现功率越限的局限性，设计了约束面投影机制，将粒子的搜索路径严格限制在功率守恒超平面内，从而实现对网侧调度指令的精确跟踪；此外，针对高维空间寻优易早熟的难题，提出空间-适应度协同演化策略，通过量化粒子适应度与空间距离的认知偏差动态调节学习因子，以提升算法跳出局部最优的能力。最后，在包含多源热扰动与通信丢包等复杂动态环境下进行了连续调度仿真实验。结果表明，SFA-PSO算法在千节点级高维场景中表现出良好的鲁棒性，能够在严格满足电网侧功率管控要求的前提下，以较低的计算开销实现用户侧舒适度与公平性的有效协同。
针对高比例新能源并网加剧电网供需不平衡的问题，聚合大规模变频空调集群作为虚拟储能参与需求响应，是提升电网灵活性的有效途径。然而，现有调度策略常面临高维寻优的维数灾难，且传统基于罚函数的软约束方法难以严格满足聚合功率的等式约束，易产生稳态误差。为此，本文提出一种基于约束面投影的位势协同自适应粒子群算法(SFA-PSO)。首先，基于等效热参数模型构建了兼顾群体热舒适度与响应公平性的多目标优化框架；其次，针对传统算法易出现功率越限的局限性，设计了约束面投影机制，将粒子的搜索路径严格限制在功率守恒超平面内，从而实现对网侧调度指令的精确跟踪；此外，针对高维空间寻优易早熟的难题，提出空间-适应度协同演化策略，通过量化粒子适应度与空间距离的认知偏差动态调节学习因子，以提升算法跳出局部最优的能力。最后，在包含多源热扰动与通信丢包等复杂动态环境下进行了连续调度仿真实验。结果表明，SFA-PSO算法在千节点级高维场景中表现出良好的鲁棒性，能够在严格满足电网侧功率管控要求的前提下，以较低的计算开销实现用户侧舒适度与公平性的有效协同。
, 最新更新时间 , doi: 10.11999/JEIT260171
摘要:
速率拆分多址接入技术(RSMA)凭借灵活的干扰管理能力，被视为提升6G网络的频谱效率的关键使能技术。然而，现有RSMA方案仍存在用户公平性不足、可扩展性差及固定信道约束等问题。为此，该文提出双智能反射面(RIS)协作的RSMA通信系统，以充分挖掘RIS的信道重构潜力。系统通过双RIS间的联合反射建立级联视距链路，从而增强公共流解码性能并抑制复杂干扰。在满足用户服务质量(QoS)约束下，该文建立了以系统总传输速率最大化为目标的资源分配方案，对基站侧波束成形(BF)、速率拆分(RS)以及双RIS相位配置进行联合优化。针对变量强耦合与非凸性，该文提出了基于半正定松弛(SDR)和逐次凸逼近(SCA)的低复杂度交替优化算法。仿真结果表明，所提算法能有效收敛至高质量次优解；与现有先进方案相比，双RIS协作的RSMA系统在总传输速率上至少提升11.9%的增益，并显著改善了用户公平性和系统鲁棒性。
速率拆分多址接入技术(RSMA)凭借灵活的干扰管理能力，被视为提升6G网络的频谱效率的关键使能技术。然而，现有RSMA方案仍存在用户公平性不足、可扩展性差及固定信道约束等问题。为此，该文提出双智能反射面(RIS)协作的RSMA通信系统，以充分挖掘RIS的信道重构潜力。系统通过双RIS间的联合反射建立级联视距链路，从而增强公共流解码性能并抑制复杂干扰。在满足用户服务质量(QoS)约束下，该文建立了以系统总传输速率最大化为目标的资源分配方案，对基站侧波束成形(BF)、速率拆分(RS)以及双RIS相位配置进行联合优化。针对变量强耦合与非凸性，该文提出了基于半正定松弛(SDR)和逐次凸逼近(SCA)的低复杂度交替优化算法。仿真结果表明，所提算法能有效收敛至高质量次优解；与现有先进方案相比，双RIS协作的RSMA系统在总传输速率上至少提升11.9%的增益，并显著改善了用户公平性和系统鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT250662
摘要:
精确的电离层建模对于空间天气监测和全球导航卫星系统(GNSS)定位至关重要，特别是在太阳活动导致地磁暴并引发电离层剧烈扰动的时段。本文提出了一种基于深度算子网络的电离层建模框架——DeepION模型，用于预测电离层关键参数，包括斜向总电子含量(STEC)、垂直总电子含量(VTEC)以及由STEC推导的总电子含量变化率指数(ROTI)。模型以卷积神经网络作为分支网络，从GNSS观测数据中提取射线特征，同时主干网络结合周期时间编码与时空坐标实现电离层参数的连续推理与预测。利用覆盖2024年5月一次典型地磁暴事件的连续28天全球GNSS数据集对模型进行训练与评估后，DeepION模型在STEC预报、高分辨率VTEC重构以及基于ROTI的电离层不规则扰动预测方面表现出了较强的鲁棒性。与传统的 CODE、NeQuick 和 Klobuchar 模型相比，DeepION 在电离层状态重构及 GNSS 单点定位(SPP)中均表现出更高的精度，并在扰动条件下显著降低了均方根误差(RMSE)，其中中纬度区域的定位误差较现有模型降低约 10%–50%。上述结果表明，所提出的 DeepION 模型在地磁暴扰动条件下能够有效提升电离层建模精度，并在单频 GNSS 定位改正中展现出良好的应用前景，为其在实际导航系统中的进一步应用奠定了基础。
精确的电离层建模对于空间天气监测和全球导航卫星系统(GNSS)定位至关重要，特别是在太阳活动导致地磁暴并引发电离层剧烈扰动的时段。本文提出了一种基于深度算子网络的电离层建模框架——DeepION模型，用于预测电离层关键参数，包括斜向总电子含量(STEC)、垂直总电子含量(VTEC)以及由STEC推导的总电子含量变化率指数(ROTI)。模型以卷积神经网络作为分支网络，从GNSS观测数据中提取射线特征，同时主干网络结合周期时间编码与时空坐标实现电离层参数的连续推理与预测。利用覆盖2024年5月一次典型地磁暴事件的连续28天全球GNSS数据集对模型进行训练与评估后，DeepION模型在STEC预报、高分辨率VTEC重构以及基于ROTI的电离层不规则扰动预测方面表现出了较强的鲁棒性。与传统的 CODE、NeQuick 和 Klobuchar 模型相比，DeepION 在电离层状态重构及 GNSS 单点定位(SPP)中均表现出更高的精度，并在扰动条件下显著降低了均方根误差(RMSE)，其中中纬度区域的定位误差较现有模型降低约 10%–50%。上述结果表明，所提出的 DeepION 模型在地磁暴扰动条件下能够有效提升电离层建模精度，并在单频 GNSS 定位改正中展现出良好的应用前景，为其在实际导航系统中的进一步应用奠定了基础。
, 最新更新时间 , doi: 10.11999/JEIT251112
摘要:
在大型集装箱港区堆场环境中，大量重复性语义特征以及部分退化场景导致无人机在大面积场景下难以实现高效可靠的三维重建。为此，该文提出一种基于无人机点云切片SLAM的大型集装箱港区三维重建方法，基于地面约束与点云密度梯度变化自适应提取多层切片点云，高效精准获取堆场语义信息，并基于同层切片点云匹配有效改善了里程计以及回环检测的精度。首先提出一种面向快速特征提取的点云切片方法，通过快速提取主方向并将点云划分为多层切片，高效获取多层语义点云。其次基于集装箱堆场场景特点进一步优化切片提取方法，基于重力方向简化场景主平面提取过程，并通过点云梯度变化自适应获取各层集装箱所在高程区间，构建多层切片点云。然后构建基于切片点云的递进式自适应激光里程计，利用高程切片自适应判别退化场景，同时在层间利用增量式迭代策略实现切片融合匹配，从而提升激光里程计精度、效率与稳定性。此外，设计融合激光点云切片信息的因子图优化方法，通过对多层切片点云匹配结果进行融合投票，筛除错误结果并减少大量重复结构对回环检测的影响，并利用切片因子来构建因子图边，从而提升全局优化水平，实现高效稳定的三维重建。最后，通过Carla仿真场景以及武汉某大型集装箱港区的实际场景测试，证实了该方法的可行性和有效性。
在大型集装箱港区堆场环境中，大量重复性语义特征以及部分退化场景导致无人机在大面积场景下难以实现高效可靠的三维重建。为此，该文提出一种基于无人机点云切片SLAM的大型集装箱港区三维重建方法，基于地面约束与点云密度梯度变化自适应提取多层切片点云，高效精准获取堆场语义信息，并基于同层切片点云匹配有效改善了里程计以及回环检测的精度。首先提出一种面向快速特征提取的点云切片方法，通过快速提取主方向并将点云划分为多层切片，高效获取多层语义点云。其次基于集装箱堆场场景特点进一步优化切片提取方法，基于重力方向简化场景主平面提取过程，并通过点云梯度变化自适应获取各层集装箱所在高程区间，构建多层切片点云。然后构建基于切片点云的递进式自适应激光里程计，利用高程切片自适应判别退化场景，同时在层间利用增量式迭代策略实现切片融合匹配，从而提升激光里程计精度、效率与稳定性。此外，设计融合激光点云切片信息的因子图优化方法，通过对多层切片点云匹配结果进行融合投票，筛除错误结果并减少大量重复结构对回环检测的影响，并利用切片因子来构建因子图边，从而提升全局优化水平，实现高效稳定的三维重建。最后，通过Carla仿真场景以及武汉某大型集装箱港区的实际场景测试，证实了该方法的可行性和有效性。
, 最新更新时间 , doi: 10.11999/JEIT260115
摘要:
服务质量(QoS)感知云应用程序编程接口(API)推荐系统通过指导用户发现高质量云API，有效缓解了云API数量持续增长导致的信息过载挑战。然而，现有QoS感知云API推荐系统的研究主要聚焦于提升推荐精准性，忽略了投毒攻击带来的安全风险。为此，本研究从以攻学防的角度提出基于一步重构扩散模型的偏好引导投毒攻击框架(PDPA)模拟投毒攻击，揭示云API推荐系统的脆弱性。首先，PDPA使用一步重构扩散模型分别建模真实用户关于云API的QoS和调用分布，生成与真实用户相似的虚假用户QoS和调用行为。接着，PDPA选择对目标云API具有调用偏好的虚假用户模拟投毒攻击，有效降低目标云API对虚假用户隐蔽性的干扰并且确保了虚假用户的攻击效果。最后，在真实世界的数据集中进行了广泛实验，实验结果证明了QoS感知云API推荐系统在投毒攻击下的脆弱性，以及PDPA生成的虚假用户有着优于基线方法的攻击效果和隐蔽性。
服务质量(QoS)感知云应用程序编程接口(API)推荐系统通过指导用户发现高质量云API，有效缓解了云API数量持续增长导致的信息过载挑战。然而，现有QoS感知云API推荐系统的研究主要聚焦于提升推荐精准性，忽略了投毒攻击带来的安全风险。为此，本研究从以攻学防的角度提出基于一步重构扩散模型的偏好引导投毒攻击框架(PDPA)模拟投毒攻击，揭示云API推荐系统的脆弱性。首先，PDPA使用一步重构扩散模型分别建模真实用户关于云API的QoS和调用分布，生成与真实用户相似的虚假用户QoS和调用行为。接着，PDPA选择对目标云API具有调用偏好的虚假用户模拟投毒攻击，有效降低目标云API对虚假用户隐蔽性的干扰并且确保了虚假用户的攻击效果。最后，在真实世界的数据集中进行了广泛实验，实验结果证明了QoS感知云API推荐系统在投毒攻击下的脆弱性，以及PDPA生成的虚假用户有着优于基线方法的攻击效果和隐蔽性。
, 最新更新时间 , doi: 10.11999/JEIT260338
摘要:
与网络加密技术不同，可见光通信(VLC)的物理层安全(PLS)作为一种新型安全传输技术备受关注。由于存在显著差异，传统射频无线通信的PLS技术并不能直接运用到VLC中。近年来，国内外学者对VLC的PLS技术进行了研究。遗憾的是，VLC的PLS技术所涉及的基础理论、关键技术以及未来挑战尚缺乏系统性地梳理。基于此，建立了VLC的PLS系统模型，构建了包括瞬时性能指标、统计性能指标和渐近性能指标的性能评估综合理论体系，进一步讨论了安全波束成形技术、人工辅助技术、物理区域防护技术、安全编码技术、安全分集技术等各种PLS性能提升关键技术，并结合当前研究的局限性对未来工作进行了展望。
与网络加密技术不同，可见光通信(VLC)的物理层安全(PLS)作为一种新型安全传输技术备受关注。由于存在显著差异，传统射频无线通信的PLS技术并不能直接运用到VLC中。近年来，国内外学者对VLC的PLS技术进行了研究。遗憾的是，VLC的PLS技术所涉及的基础理论、关键技术以及未来挑战尚缺乏系统性地梳理。基于此，建立了VLC的PLS系统模型，构建了包括瞬时性能指标、统计性能指标和渐近性能指标的性能评估综合理论体系，进一步讨论了安全波束成形技术、人工辅助技术、物理区域防护技术、安全编码技术、安全分集技术等各种PLS性能提升关键技术，并结合当前研究的局限性对未来工作进行了展望。
, 最新更新时间 , doi: 10.11999/JEIT260165
摘要:
航空对地观测在环境监测、灾害预警和城市规划等领域发挥着关键作用。然而，受限于飞行平台续航能力、任务窗口时效性等现实约束，所获取的航空图像往往难以完整刻画地表的长期演化过程。尽管预训练扩散模型在图像生成领域展现出巨大潜力，但其在航空领域的应用仍面临严峻挑战。一方面，航空观测易受天气及飞行条件制约，高质量的长时序标注样本获取困难，难以支撑模型的有效训练；另一方面，航空平台飞行高度灵活多变，地物尺度跨度大，使得文本描述语义难以与多尺度视觉特征精确匹配，进而引发语义-视觉对齐偏差问题。为应对上述挑战，该文提出一个用于航空时序图像生成的免训练框架(ASTIG)。该框架首先利用视觉语言模型构建航空时序地表演变描述，并引入动态语义分解过程将复杂的时序描述转化为帧级视觉提示，为推理阶段提供细粒度的语义引导。随后，创新性地提出一种语言绑定策略，在扩散模型的交叉注意力机制中建立文本中关键地物与对应视觉属性的显式关联，从而增强模型对语义特征的捕捉能力。最后，集成时序锚点注意力机制，利用双参考帧约束确保主体与背景在帧间的时序一致性，有效抑制帧间的时序内容偏移问题。定性和定量实验结果表明，所提方法在时序连续性及语义保真度上均优于基线模型，为航空时序图像生成提供了新范式。
航空对地观测在环境监测、灾害预警和城市规划等领域发挥着关键作用。然而，受限于飞行平台续航能力、任务窗口时效性等现实约束，所获取的航空图像往往难以完整刻画地表的长期演化过程。尽管预训练扩散模型在图像生成领域展现出巨大潜力，但其在航空领域的应用仍面临严峻挑战。一方面，航空观测易受天气及飞行条件制约，高质量的长时序标注样本获取困难，难以支撑模型的有效训练；另一方面，航空平台飞行高度灵活多变，地物尺度跨度大，使得文本描述语义难以与多尺度视觉特征精确匹配，进而引发语义-视觉对齐偏差问题。为应对上述挑战，该文提出一个用于航空时序图像生成的免训练框架(ASTIG)。该框架首先利用视觉语言模型构建航空时序地表演变描述，并引入动态语义分解过程将复杂的时序描述转化为帧级视觉提示，为推理阶段提供细粒度的语义引导。随后，创新性地提出一种语言绑定策略，在扩散模型的交叉注意力机制中建立文本中关键地物与对应视觉属性的显式关联，从而增强模型对语义特征的捕捉能力。最后，集成时序锚点注意力机制，利用双参考帧约束确保主体与背景在帧间的时序一致性，有效抑制帧间的时序内容偏移问题。定性和定量实验结果表明，所提方法在时序连续性及语义保真度上均优于基线模型，为航空时序图像生成提供了新范式。
, 最新更新时间 , doi: 10.11999/JEIT260093
摘要:
针对受阻塞无源可重构智能表面(RIS)辅助的多用户毫米波上行链路通信系统，该文对信道估计与阻塞诊断问题展开研究。现有研究多聚焦于单用户或单路径场景，该文重点解决多用户多路径共存下的估计难题。通过充分挖掘多用户级联信道的稀疏性与路径间的相关性，提出一种低复杂度的两阶段联合估计与诊断策略。第1阶段选取目标用户，利用高斯-逆伽马先验对阻塞向量的稀疏性进行建模，结合贝叶斯压缩感知技术迭代恢复信道参数与阻塞信息；第2阶段则利用所有用户共享RIS-基站信道且受相同阻塞影响的关键特性，构建公共信道矩阵，以估计其余用户的信道参数。仿真结果表明，所提方法能实现高精度的信道估计与可靠的阻塞诊断。
针对受阻塞无源可重构智能表面(RIS)辅助的多用户毫米波上行链路通信系统，该文对信道估计与阻塞诊断问题展开研究。现有研究多聚焦于单用户或单路径场景，该文重点解决多用户多路径共存下的估计难题。通过充分挖掘多用户级联信道的稀疏性与路径间的相关性，提出一种低复杂度的两阶段联合估计与诊断策略。第1阶段选取目标用户，利用高斯-逆伽马先验对阻塞向量的稀疏性进行建模，结合贝叶斯压缩感知技术迭代恢复信道参数与阻塞信息；第2阶段则利用所有用户共享RIS-基站信道且受相同阻塞影响的关键特性，构建公共信道矩阵，以估计其余用户的信道参数。仿真结果表明，所提方法能实现高精度的信道估计与可靠的阻塞诊断。
, 最新更新时间 , doi: 10.11999/JEIT251251
摘要:
量子通信作为未来信息安全传输的核心技术，在实际应用中高度依赖高效可靠的量子纠错编码方案。纠缠辅助量子纠错码(EAQECCs)通过引入预共享纠缠态，突破了传统量子纠错码对经典纠错码自正交性的条件限制，显著提升了编码设计的灵活性与性能。该文基于有限域上的扭曲Reed–Solomon(TRS)码，系统构造了几类新参数的极大距离可分(MDS)EAQECCs。通过分析TRS码关联的陪集和矩阵的秩，确定EAQECCs所需预共享纠缠态数量的精确条件，借助群的代数结构与陪集和严格证明了构造的EAQECCs具备最优的纠错性能。该文所构造的MDS EAQECCs码长突破了部分文献中所构造MDS EAQECCs码长选择的局限性，拓展了MDS EAQECCs的码长范围。该研究结果不仅深化了人们对MDS EAQECCs代数结构的认知，而且为面向量子通信系统高性能量子纠错码的设计提供了新的理论工具。
量子通信作为未来信息安全传输的核心技术，在实际应用中高度依赖高效可靠的量子纠错编码方案。纠缠辅助量子纠错码(EAQECCs)通过引入预共享纠缠态，突破了传统量子纠错码对经典纠错码自正交性的条件限制，显著提升了编码设计的灵活性与性能。该文基于有限域上的扭曲Reed–Solomon(TRS)码，系统构造了几类新参数的极大距离可分(MDS)EAQECCs。通过分析TRS码关联的陪集和矩阵的秩，确定EAQECCs所需预共享纠缠态数量的精确条件，借助群的代数结构与陪集和严格证明了构造的EAQECCs具备最优的纠错性能。该文所构造的MDS EAQECCs码长突破了部分文献中所构造MDS EAQECCs码长选择的局限性，拓展了MDS EAQECCs的码长范围。该研究结果不仅深化了人们对MDS EAQECCs代数结构的认知，而且为面向量子通信系统高性能量子纠错码的设计提供了新的理论工具。
, 最新更新时间 , doi: 10.11999/JEIT251377
摘要:
自动调制识别是无线通信频谱监测与安全保障的关键技术。针对当前基于深度学习的自动调制识别模型难以兼顾高识别准确率与低模型复杂度的问题，该文提出一种基于视觉目标检测的轻量化识别方法。首先利用短时傅里叶变换将IQ信号转化为时频图，并采用拼图形式进行预处理，将调制识别任务转化为视觉目标检测问题。随后以YOLOv10n为基座，构建了精度与轻量化结构YOLO(PLS-YOLO)模型。该模型通过重构网络核心模块、优化主干网络通道降维策略、设计新型下采样结构以及改进注意力模块的前馈网络，有效实现了识别性能与轻量化结构的平衡。在RadioML2016.10a和RadioML2016.10b数据集上的实验结果表明，PLS-YOLO的平均精度分别达到68.4%和73.30%。与YOLOv10n相比，其参数量减少了47.33%，浮点运算次数降低了34.15%，且帧率提升了5 帧/s。研究结果证实，PLS-YOLO模型在显著降低计算成本的同时，依然保持了优异的识别精度。
自动调制识别是无线通信频谱监测与安全保障的关键技术。针对当前基于深度学习的自动调制识别模型难以兼顾高识别准确率与低模型复杂度的问题，该文提出一种基于视觉目标检测的轻量化识别方法。首先利用短时傅里叶变换将IQ信号转化为时频图，并采用拼图形式进行预处理，将调制识别任务转化为视觉目标检测问题。随后以YOLOv10n为基座，构建了精度与轻量化结构YOLO(PLS-YOLO)模型。该模型通过重构网络核心模块、优化主干网络通道降维策略、设计新型下采样结构以及改进注意力模块的前馈网络，有效实现了识别性能与轻量化结构的平衡。在RadioML2016.10a和RadioML2016.10b数据集上的实验结果表明，PLS-YOLO的平均精度分别达到68.4%和73.30%。与YOLOv10n相比，其参数量减少了47.33%，浮点运算次数降低了34.15%，且帧率提升了5 帧/s。研究结果证实，PLS-YOLO模型在显著降低计算成本的同时，依然保持了优异的识别精度。
, 最新更新时间 , doi: 10.11999/JEIT260044
摘要:
农业害虫图像普遍存在复杂背景干扰、不同虫态时期外观差异显著、拍摄角度多样和尺度变化大等问题，导致现有细粒度图像分类模型在特征提取和虫态变化适应性方面仍存在不足。针对上述问题，该文构建了一个涵盖多虫态时期、多角度和多尺度的农业害虫多维数据集(APMD)，并提出一种基于动态聚焦与语义提示的细粒度害虫分类网络(DFS-PestNet)。该文构建主特征流与提示增强流相结合的解耦并行架构，通过空间形变建模模块(SDP)动态聚焦害虫斑点、翅脉等关键判别区域，以增强复杂背景下的局部细微特征提取能力；引入提示引导机制模块(AHVP)，在浅中层特征中融合类别语义与空间位置信息，提升对不同虫态形态变化的适应性；同时采用显著性双分支采样(DSS)，通过可学习原型部件和双分支显著性融合自适应聚合害虫关键部位特征，增强对微小害虫和早期幼虫等小目标的识别能力。实验结果表明，在IP102和APMD两个数据集上本文模型均取得了优于基线模型和现有主流方法的分类性能，验证了其在复杂场景下细粒度害虫分类任务中的有效性与应用潜力，为智慧农业中的虫害监测与精准防治提供技术参考。
农业害虫图像普遍存在复杂背景干扰、不同虫态时期外观差异显著、拍摄角度多样和尺度变化大等问题，导致现有细粒度图像分类模型在特征提取和虫态变化适应性方面仍存在不足。针对上述问题，该文构建了一个涵盖多虫态时期、多角度和多尺度的农业害虫多维数据集(APMD)，并提出一种基于动态聚焦与语义提示的细粒度害虫分类网络(DFS-PestNet)。该文构建主特征流与提示增强流相结合的解耦并行架构，通过空间形变建模模块(SDP)动态聚焦害虫斑点、翅脉等关键判别区域，以增强复杂背景下的局部细微特征提取能力；引入提示引导机制模块(AHVP)，在浅中层特征中融合类别语义与空间位置信息，提升对不同虫态形态变化的适应性；同时采用显著性双分支采样(DSS)，通过可学习原型部件和双分支显著性融合自适应聚合害虫关键部位特征，增强对微小害虫和早期幼虫等小目标的识别能力。实验结果表明，在IP102和APMD两个数据集上本文模型均取得了优于基线模型和现有主流方法的分类性能，验证了其在复杂场景下细粒度害虫分类任务中的有效性与应用潜力，为智慧农业中的虫害监测与精准防治提供技术参考。
, 最新更新时间 , doi: 10.11999/JEIT251243
摘要:
本文针对抗量子格基密码算法Kyber实现中潜在的能量侧信道泄露风险，研究了Kyber各核心模块的脆弱点与泄露原理，并对其嵌入式平台实现中各模块的能量侧信道泄露风险进行了评估。评估结果表明Kyber算法实现中多个模块可能存在侧信道安全脆弱性。针对泄露相对最严重的解码函数，本文提出了一种高效的选择密文能量侧信道攻击方法。该方法通过构造特定密文输入，结合简单能量分析，实现了私钥的高效恢复。实验结果显示，攻击Kyber512仅需6次选择密文输入，攻击Kyber768仅需9次，与现有工作相比，所需密文条数均降低了25.0%。本研究揭示了Kyber算法在实现层面潜在的安全脆弱性，可为其侧信道防护设计提供评估依据和手段。
本文针对抗量子格基密码算法Kyber实现中潜在的能量侧信道泄露风险，研究了Kyber各核心模块的脆弱点与泄露原理，并对其嵌入式平台实现中各模块的能量侧信道泄露风险进行了评估。评估结果表明Kyber算法实现中多个模块可能存在侧信道安全脆弱性。针对泄露相对最严重的解码函数，本文提出了一种高效的选择密文能量侧信道攻击方法。该方法通过构造特定密文输入，结合简单能量分析，实现了私钥的高效恢复。实验结果显示，攻击Kyber512仅需6次选择密文输入，攻击Kyber768仅需9次，与现有工作相比，所需密文条数均降低了25.0%。本研究揭示了Kyber算法在实现层面潜在的安全脆弱性，可为其侧信道防护设计提供评估依据和手段。
, 最新更新时间 , doi: 10.11999/JEIT251271
摘要:
图像篡改检测技术在新闻审查和司法鉴定等领域具有重要应用价值。针对现有方法在逐像素分类问题定义下存在的标签冲突问题，以及篡改线索挖掘多集中于空间域而忽略其它视角特征的问题，本文提出了一种基于图像内不一致性的图像篡改检测改进模型，及其基于多视角特征提取和双边缘对比学习的图像篡改检测算法。算法基于模型的思路实现。提出的模型针对局限性，能够有效避免标签冲突问题，增强对于篡改线索的挖掘力度，提升了泛化能力，克服了现有方法存在的问题。实验结果表明，本文方法在pF1与pIoU指标上相比现有主流方法平均提升了26.0%和10.1%。
图像篡改检测技术在新闻审查和司法鉴定等领域具有重要应用价值。针对现有方法在逐像素分类问题定义下存在的标签冲突问题，以及篡改线索挖掘多集中于空间域而忽略其它视角特征的问题，本文提出了一种基于图像内不一致性的图像篡改检测改进模型，及其基于多视角特征提取和双边缘对比学习的图像篡改检测算法。算法基于模型的思路实现。提出的模型针对局限性，能够有效避免标签冲突问题，增强对于篡改线索的挖掘力度，提升了泛化能力，克服了现有方法存在的问题。实验结果表明，本文方法在pF1与pIoU指标上相比现有主流方法平均提升了26.0%和10.1%。
, 最新更新时间 , doi: 10.11999/JEIT251303
摘要:
遥感成像技术的迅速发展为遥感地物分类带来了海量且多元的数据，如何利用多模态数据的互补性提升分类性能成为研究热点。近年来Mamba模型凭借其独特的架构与强大的全局建模能力在图像处理领域得到成功应用，其中多尺度视觉Mamba模型善于应对复杂的空间分布，契合遥感地物尺度差异大、朝向复杂等特点。为充分发挥Mamba模型提取与融合遥感数据特征的优势，该文提出基于Mamba的多模态多尺度融合模型用于遥感地物分类(M3RS)。首先，该模型采用多尺度空间编码器提取光探测与测距(LiDAR)图像和合成孔径雷达(SAR)图像的特征，并基于高光谱图像(HSI)独特的数据结构，提出多尺度空谱编码器提取其复杂的空间光谱特征。然后提出由交叉Mamba和通道拼接Mamba相结合得到的多模态特征融合模块，其中交叉Mamba通过交互状态空间参数高效融合多模态空间特征，通道拼接Mamba通过构造四种通道扫描方式充分融合多模态特征。最后该模型采用改进的多尺度特征融合模块逐层融合多尺度特征并提取具有高判别性的分类依据，可有效提升遥感地物分类的准确率。该文通过在Muufl, Houston2013和Augsburg 3个数据集上展开的分类实验验证了该分类模型M3RS的有效性。
遥感成像技术的迅速发展为遥感地物分类带来了海量且多元的数据，如何利用多模态数据的互补性提升分类性能成为研究热点。近年来Mamba模型凭借其独特的架构与强大的全局建模能力在图像处理领域得到成功应用，其中多尺度视觉Mamba模型善于应对复杂的空间分布，契合遥感地物尺度差异大、朝向复杂等特点。为充分发挥Mamba模型提取与融合遥感数据特征的优势，该文提出基于Mamba的多模态多尺度融合模型用于遥感地物分类(M3RS)。首先，该模型采用多尺度空间编码器提取光探测与测距(LiDAR)图像和合成孔径雷达(SAR)图像的特征，并基于高光谱图像(HSI)独特的数据结构，提出多尺度空谱编码器提取其复杂的空间光谱特征。然后提出由交叉Mamba和通道拼接Mamba相结合得到的多模态特征融合模块，其中交叉Mamba通过交互状态空间参数高效融合多模态空间特征，通道拼接Mamba通过构造四种通道扫描方式充分融合多模态特征。最后该模型采用改进的多尺度特征融合模块逐层融合多尺度特征并提取具有高判别性的分类依据，可有效提升遥感地物分类的准确率。该文通过在Muufl, Houston2013和Augsburg 3个数据集上展开的分类实验验证了该分类模型M3RS的有效性。
, 最新更新时间 , doi: 10.11999/JEIT260001
摘要:
针对超视距多目标的定位问题，该文提出一种基于最优加权子空间拟合(OWSF)的短波超短波协同直接定位(DPD)方法。首先建立了超视距定位场景下短波超短波信号传播模型，短波模型是通过电离层反射的二维到达方向(DoA)模型，涵盖了方位角和俯仰角信息；超短波模型是基于运动阵列观测的空时信号扩展模型，包含一维到达角度和多普勒频率信息。与现有依赖单频段信号的定位方法不同，新方法将两种观测信号的信号子空间与噪声子空间加权融合，实现了两种定位频段信号的优势互补，从而显著提高了定位精度。此外，该文还推导了地球椭球约束条件下定位估计误差克拉美罗界(CRB)。仿真结果显示，该方法在高信噪比条件下能够逼近克拉美罗界，且相较于已有算法具有更强的空间分辨能力，在低信噪比条件下具有显著的定位精度优势。
针对超视距多目标的定位问题，该文提出一种基于最优加权子空间拟合(OWSF)的短波超短波协同直接定位(DPD)方法。首先建立了超视距定位场景下短波超短波信号传播模型，短波模型是通过电离层反射的二维到达方向(DoA)模型，涵盖了方位角和俯仰角信息；超短波模型是基于运动阵列观测的空时信号扩展模型，包含一维到达角度和多普勒频率信息。与现有依赖单频段信号的定位方法不同，新方法将两种观测信号的信号子空间与噪声子空间加权融合，实现了两种定位频段信号的优势互补，从而显著提高了定位精度。此外，该文还推导了地球椭球约束条件下定位估计误差克拉美罗界(CRB)。仿真结果显示，该方法在高信噪比条件下能够逼近克拉美罗界，且相较于已有算法具有更强的空间分辨能力，在低信噪比条件下具有显著的定位精度优势。
, 最新更新时间 , doi: 10.11999/JEIT260084
摘要:
针对废旧家电塑料回收中低光谱分辨率条件下识别精度不足的问题，尤其是黑色塑料在可见-近红外波段因高吸光性与光谱重叠导致的特征可分性下降，该文提出一种面向受限光谱特征空间的自动识别方法。该方法基于可见-近红外多光谱传感系统，通过多层次特征工程增强低维光谱信息，并结合分阶段层级分类策略，将多类别识别分解为粗分类与细分类的联合推理过程，以抑制复杂样本的特征混叠对分类性能的干扰。在5折交叉验证条件下，模型取得97.4%的分类准确率，在独立测试集上取得93.1%的分类准确率，相较于单阶段分类及无特征增强方法表现出更优的分类性能。结果表明，该方法在低分辨率多光谱条件下对黑色塑料及其他常见家电塑料具有稳定的识别能力，有效提升了复杂样本的分类精度，为废旧家电塑料自动化分选系统的开发提供了理论与应用支持。
针对废旧家电塑料回收中低光谱分辨率条件下识别精度不足的问题，尤其是黑色塑料在可见-近红外波段因高吸光性与光谱重叠导致的特征可分性下降，该文提出一种面向受限光谱特征空间的自动识别方法。该方法基于可见-近红外多光谱传感系统，通过多层次特征工程增强低维光谱信息，并结合分阶段层级分类策略，将多类别识别分解为粗分类与细分类的联合推理过程，以抑制复杂样本的特征混叠对分类性能的干扰。在5折交叉验证条件下，模型取得97.4%的分类准确率，在独立测试集上取得93.1%的分类准确率，相较于单阶段分类及无特征增强方法表现出更优的分类性能。结果表明，该方法在低分辨率多光谱条件下对黑色塑料及其他常见家电塑料具有稳定的识别能力，有效提升了复杂样本的分类精度，为废旧家电塑料自动化分选系统的开发提供了理论与应用支持。
, 最新更新时间 , doi: 10.11999/JEIT260031
摘要:
为提高遥感图像域自适应语义分割(DASS)的跨域适应效果，该文提出基于协同训练与空间引导扩散模型的域自适应语义分割框架(CoSG-DASS)。CoSG-DASS使用空间引导扩散模型构成图像翻译减少域间差异，并利用协同训练提升模型对目标域的自适应能力：在图像翻译阶段，设计新型空间信息引导扩散模型，通过向潜在扩散模型注入水平语义分布伪标签与垂直语义分布深度估计重构空间引导信息，实现源域到目标域的语义无偏转换。其中针对伪标签质量问题，提出基于熵的引导强度自适应模块，通过熵值筛选高置信度区域特征以抑制噪声干扰，有效提升跨域成像差异下的语义对齐精度；在协同训练阶段，提出融合深度信息与对抗损失的训练策略，通过增强多维知识表征缩减类内差异并增大类间差异，提升模型的跨域自适应能力。通过在3类典型遥感跨域差异任务(跨地理环境、跨成像模式、标签语义异质)中仿真验证，该文所提CoSG-DASS表现优异，相较于已有方法在平均交并比(mIoU)分别有1.14%, 3.78%和2.49%的提升。
为提高遥感图像域自适应语义分割(DASS)的跨域适应效果，该文提出基于协同训练与空间引导扩散模型的域自适应语义分割框架(CoSG-DASS)。CoSG-DASS使用空间引导扩散模型构成图像翻译减少域间差异，并利用协同训练提升模型对目标域的自适应能力：在图像翻译阶段，设计新型空间信息引导扩散模型，通过向潜在扩散模型注入水平语义分布伪标签与垂直语义分布深度估计重构空间引导信息，实现源域到目标域的语义无偏转换。其中针对伪标签质量问题，提出基于熵的引导强度自适应模块，通过熵值筛选高置信度区域特征以抑制噪声干扰，有效提升跨域成像差异下的语义对齐精度；在协同训练阶段，提出融合深度信息与对抗损失的训练策略，通过增强多维知识表征缩减类内差异并增大类间差异，提升模型的跨域自适应能力。通过在3类典型遥感跨域差异任务(跨地理环境、跨成像模式、标签语义异质)中仿真验证，该文所提CoSG-DASS表现优异，相较于已有方法在平均交并比(mIoU)分别有1.14%, 3.78%和2.49%的提升。
, 最新更新时间 , doi: 10.11999/JEIT260289
摘要:
针对传统天然气能量计量方法在复杂工况下存在动态响应延迟、参数辨识困难、物理简化过度及抗干扰能力弱等问题，本文提出一种基于逆向混合建模的天然气能量计量数字孪生系统。系统以“算法-系统-场景”三层级架构为核心，整合热值、流量、能量机理模型与多源实时数据流，引入变分自编码器(VAE)实现无监督工况特征挖掘，结合动态贝叶斯网络与变分期望最大化(VEM)系统校准构建参数自矫正循环，解决传统模型对海量标注数据的依赖。集成超声波流量计、气相色谱仪等工业级设备，保障数据实时传输与闭环控制。覆盖动态压力波动、含氢混合气、多气源切换等核心工况，确保模型与实际应用高度适配。通过全尺寸工业级实验平台25周连续验证，结果表明，系统运行延迟≤3.8 s，数据传输抖动≤0.5 s，单设备日均能耗≤1.2 kW·h，平均无故障工作时间(MTBF)≥4 100 h，能量计量误差≤0.15%，热值误差≤0.12%，流量示值误差≤0.2%。同时，系统通过工业以太网加密与权限分级控制满足安全需求，为智能管网优化与标准化集成提供工程支撑。
针对传统天然气能量计量方法在复杂工况下存在动态响应延迟、参数辨识困难、物理简化过度及抗干扰能力弱等问题，本文提出一种基于逆向混合建模的天然气能量计量数字孪生系统。系统以“算法-系统-场景”三层级架构为核心，整合热值、流量、能量机理模型与多源实时数据流，引入变分自编码器(VAE)实现无监督工况特征挖掘，结合动态贝叶斯网络与变分期望最大化(VEM)系统校准构建参数自矫正循环，解决传统模型对海量标注数据的依赖。集成超声波流量计、气相色谱仪等工业级设备，保障数据实时传输与闭环控制。覆盖动态压力波动、含氢混合气、多气源切换等核心工况，确保模型与实际应用高度适配。通过全尺寸工业级实验平台25周连续验证，结果表明，系统运行延迟≤3.8 s，数据传输抖动≤0.5 s，单设备日均能耗≤1.2 kW·h，平均无故障工作时间(MTBF)≥4 100 h，能量计量误差≤0.15%，热值误差≤0.12%，流量示值误差≤0.2%。同时，系统通过工业以太网加密与权限分级控制满足安全需求，为智能管网优化与标准化集成提供工程支撑。
, 最新更新时间 , doi: 10.11999/JEIT260010
摘要:
点状波束可有效提高近程探测器空域低截获能力，该文聚焦于频控阵(FDA-MIMO)阵元频偏设置对波束合成的影响这一关键因素，提出基于阶段化引导深度确定性策略梯度(SG-DDPG)强化学习算法的低截获点状波束设计技术。首先构建了波束空域低截获性能评估模型，然后设计了多维阶段化引导奖励函数，通过Actor-Critic模型运用梯度上升的方法最大化奖励值，得到当前环境下波束汇聚性能较好的阵元频偏，突破了公式法计算阵元频偏需要近程探测器落角接近垂直的技术瓶颈。仿真表明，SG-DDPG算法优化后的阵元频偏使得FDA-MIMO波束在波束汇聚性能和低截获性能明显好于其他经典频偏设置方法，并适用于近程探测器各种落角下的低截获波束设计，有效提高了近程探测器的低截获性能。
点状波束可有效提高近程探测器空域低截获能力，该文聚焦于频控阵(FDA-MIMO)阵元频偏设置对波束合成的影响这一关键因素，提出基于阶段化引导深度确定性策略梯度(SG-DDPG)强化学习算法的低截获点状波束设计技术。首先构建了波束空域低截获性能评估模型，然后设计了多维阶段化引导奖励函数，通过Actor-Critic模型运用梯度上升的方法最大化奖励值，得到当前环境下波束汇聚性能较好的阵元频偏，突破了公式法计算阵元频偏需要近程探测器落角接近垂直的技术瓶颈。仿真表明，SG-DDPG算法优化后的阵元频偏使得FDA-MIMO波束在波束汇聚性能和低截获性能明显好于其他经典频偏设置方法，并适用于近程探测器各种落角下的低截获波束设计，有效提高了近程探测器的低截获性能。
, 最新更新时间 , doi: 10.11999/JEIT260164
摘要:
碳化硅(SiC)功率金属-氧化物-半导体场效应晶体管(MOSFET)凭借耐压高、导通电阻低和功耗小的优势，已广泛应用于中高压电力电子系统中，在提升系统效率与功率密度方面具有重要意义。该文基于TCAD仿真平台，开展1200 V等级沟槽型SiC MOSFET的结构设计与电学特性仿真研究。通过双侧P型柱(PCL)与电流扩展层(CSL)协同设计，有效优化了器件在阻断状态下的电场分布与导通状态下的电流输运性能。系统仿真分析了外延层掺杂浓度(NEpi)、沟槽宽度与深度、P型阱区(PW)注入剂量、PCL间距及CSL注入剂量等关键结构参数对器件比导通电阻(Ron,sp)、阈值电压(VTH)、击穿电压(BV)及栅氧峰值电场(Eox-max)的影响机制。研究结果表明，优化后的器件可实现VTH=4.7 V, Ron,sp=1.57 mΩ·cm2, BV=1708 V, Eox-max=2.5 MV/cm的良好性能折衷。该研究为开发高性能沟槽型SiC MOSFET提供了系统的仿真方法与设计依据。
碳化硅(SiC)功率金属-氧化物-半导体场效应晶体管(MOSFET)凭借耐压高、导通电阻低和功耗小的优势，已广泛应用于中高压电力电子系统中，在提升系统效率与功率密度方面具有重要意义。该文基于TCAD仿真平台，开展
, 最新更新时间 , doi: 10.11999/JEIT260002
摘要:
在无人机实时视频流传输场景中，可利用多路径传输协议的带宽聚合优势提升视频体验质量(QoE)。针对该协议在无人机网络环境下面临的动态异构挑战，该文提出一种基于神经置信上界(NeuralUCB)算法的多路径调度框架NeuroFly。首先，将多路径流量调度建模为上下文多臂老虎机(CMAB)问题。然后，基于NeuralUCB设计在线学习策略：融合多维度异构特征构建上下文空间，引入帧优先级驱动的冗余传输机制构建动作空间，并结合多目标奖励函数设计，实现动态异构网络下的自适应流量调度。此外，还设计一种上下文监控机制，能够实时检测上下文分布变化并适时重启学习过程，以提升NeuroFly对环境突变的应对能力。最后，仿真和野外环境下的实验结果表明，与现有先进调度算法和传输方案相比，NeuroFly第99百分位延迟降低19.9%～51.0%，并在多项视频QoE指标上取得显著领先：平均视频帧率提升最高达24.6%，图像结构相似性提升最高达49.2%，缓冲时间占比减少13.4%～77.6%，证明其在无人机动态异构网络下具有更为出色的持续传输优化能力，能够有效降低传输延迟并提升视频QoE。
在无人机实时视频流传输场景中，可利用多路径传输协议的带宽聚合优势提升视频体验质量(QoE)。针对该协议在无人机网络环境下面临的动态异构挑战，该文提出一种基于神经置信上界(NeuralUCB)算法的多路径调度框架NeuroFly。首先，将多路径流量调度建模为上下文多臂老虎机(CMAB)问题。然后，基于NeuralUCB设计在线学习策略：融合多维度异构特征构建上下文空间，引入帧优先级驱动的冗余传输机制构建动作空间，并结合多目标奖励函数设计，实现动态异构网络下的自适应流量调度。此外，还设计一种上下文监控机制，能够实时检测上下文分布变化并适时重启学习过程，以提升NeuroFly对环境突变的应对能力。最后，仿真和野外环境下的实验结果表明，与现有先进调度算法和传输方案相比，NeuroFly第99百分位延迟降低19.9%～51.0%，并在多项视频QoE指标上取得显著领先：平均视频帧率提升最高达24.6%，图像结构相似性提升最高达49.2%，缓冲时间占比减少13.4%～77.6%，证明其在无人机动态异构网络下具有更为出色的持续传输优化能力，能够有效降低传输延迟并提升视频QoE。
, 最新更新时间 , doi: 10.11999/JEIT260119
摘要:
智能反射面(RIS)作为第六代移动通信中的关键技术之一，主要通过智能重构无线信道来改善通信的服务质量。然而，传统固定式RIS在面对非正对信号时存在角度失配损耗和高电路能耗问题，难以满足绿色通信的低功耗要求。本文研究一种基于可旋转混合式智能反射面(H-RIS)辅助的通信系统，旨在通过联合优化基站发射功率、子阵列开关状态、物理旋转角度及电子相移以解决机械旋转与开关控制下的下行通信资源分配问题，实现频谱效率与系统功耗的有效折衷。针对该非凸的混合整数非线性规划(MINLP)优化问题，本文采用基于块坐标下降(BCD)的交替优化框架进行求解：首先，提出一种基于信道贡献度的排序策略以降低二元开关变量的搜索复杂度；其次，利用Dinkelbach算法将原分式目标函数转化为参数化减式形式进行功率优化；最后，通过黄金分割搜索法迭代求解旋转角度与电子相移。仿真结果表明，所提方案能根据用户位置灵活调整H-RIS的面板朝向与激活规模，在保证通信质量的同时，能够显著降低系统冗余功耗。
智能反射面(RIS)作为第六代移动通信中的关键技术之一，主要通过智能重构无线信道来改善通信的服务质量。然而，传统固定式RIS在面对非正对信号时存在角度失配损耗和高电路能耗问题，难以满足绿色通信的低功耗要求。本文研究一种基于可旋转混合式智能反射面(H-RIS)辅助的通信系统，旨在通过联合优化基站发射功率、子阵列开关状态、物理旋转角度及电子相移以解决机械旋转与开关控制下的下行通信资源分配问题，实现频谱效率与系统功耗的有效折衷。针对该非凸的混合整数非线性规划(MINLP)优化问题，本文采用基于块坐标下降(BCD)的交替优化框架进行求解：首先，提出一种基于信道贡献度的排序策略以降低二元开关变量的搜索复杂度；其次，利用Dinkelbach算法将原分式目标函数转化为参数化减式形式进行功率优化；最后，通过黄金分割搜索法迭代求解旋转角度与电子相移。仿真结果表明，所提方案能根据用户位置灵活调整H-RIS的面板朝向与激活规模，在保证通信质量的同时，能够显著降低系统冗余功耗。
, 最新更新时间 , doi: 10.11999/JEIT260120
摘要:
针对智能超表面(reconfigurable intelligent surface, RIS)辅助的室内可见光定位(visible light positioning, VLP)系统性能优化问题，本文分别研究了近场与远场下针对系统克拉美罗下届(Cramer-Rao lower bound, CRLB)优化方法。通过优化RIS配置，以提升系统定位精度与整体定位性能公平性。在远场信道模型假设下，可将RIS方向优化问题建模为接收功率最大化问题，并应用一种结合粒子群优化与N步迭代的定位算法，在接收机位置未知的情况下实现了RIS方向的动态最优调整。在近场信道模型假设下，可将RIS单元与发光二极管(light-emitting diode, LED的分配问题构建为马尔可夫决策过程，并设计一种基于经验回放与知识利用的强化学习方法进行求解，在最小化CRLB的同时，兼顾不同区域用户的定位公平性。仿真结果表明，所提算法在两种模型下均能有效提升系统定位精度，且在近场模型中显著改善了全域定位性能。
针对智能超表面(reconfigurable intelligent surface, RIS)辅助的室内可见光定位(visible light positioning, VLP)系统性能优化问题，本文分别研究了近场与远场下针对系统克拉美罗下届(Cramer-Rao lower bound, CRLB)优化方法。通过优化RIS配置，以提升系统定位精度与整体定位性能公平性。在远场信道模型假设下，可将RIS方向优化问题建模为接收功率最大化问题，并应用一种结合粒子群优化与N步迭代的定位算法，在接收机位置未知的情况下实现了RIS方向的动态最优调整。在近场信道模型假设下，可将RIS单元与发光二极管(light-emitting diode, LED的分配问题构建为马尔可夫决策过程，并设计一种基于经验回放与知识利用的强化学习方法进行求解，在最小化CRLB的同时，兼顾不同区域用户的定位公平性。仿真结果表明，所提算法在两种模型下均能有效提升系统定位精度，且在近场模型中显著改善了全域定位性能。
, 最新更新时间 , doi: 10.11999/JEIT260216
摘要:
工业物联网(IIoT)往往具有节点数量多、通信可靠性与时延要求严格等特点。大规模节点导致信道状态信息(CSI)反馈开销大，难以实时获取。然而，基于过期CSI的资源分配，往往需要以冗余的发射功率、码长等资源配置来保障通信的可靠性，严重制约了系统能效。针对该问题，本文以最大化能效为目标，提出一种基于连续凸近似(SCA)辅助深度强化学习(DRL)的功率码长联合分配算法。首先，基于SCA算法对功率和码长进行预分配，获得具有物理可解释性的基准解；进而，以基准解为先验信息，设计基于双延迟深度确定性策略梯度(TD3)的DRL算法进行增量式优化。仿真表明，所提算法能有效应对信道动态变化，显著提升系统能效。
工业物联网(IIoT)往往具有节点数量多、通信可靠性与时延要求严格等特点。大规模节点导致信道状态信息(CSI)反馈开销大，难以实时获取。然而，基于过期CSI的资源分配，往往需要以冗余的发射功率、码长等资源配置来保障通信的可靠性，严重制约了系统能效。针对该问题，本文以最大化能效为目标，提出一种基于连续凸近似(SCA)辅助深度强化学习(DRL)的功率码长联合分配算法。首先，基于SCA算法对功率和码长进行预分配，获得具有物理可解释性的基准解；进而，以基准解为先验信息，设计基于双延迟深度确定性策略梯度(TD3)的DRL算法进行增量式优化。仿真表明，所提算法能有效应对信道动态变化，显著提升系统能效。
, 最新更新时间 , doi: 10.11999/JEIT260025
摘要:
基于布尔可满足性的自动测试向量生成系统作为芯片故障检测的关键环节，系统效率受故障压缩策略、布尔可满足性建模策略及求解器传播能力共同制约，随着集成电路复杂度持续提升，其性能面临严峻挑战。该文提出一种面向自动测试向量生成系统的统一优化框架。构建检测点驱动的动态故障集，在保持可测故障覆盖完备性的前提下压缩待测故障规模。提出基于新型故障敏化约束的布尔可满足建模方法，通过显式敏化条件替代故障电路复制并约束于故障扇出锥内，减少合取范式变量与子句规模。引入面向扇出-重汇聚结构的动态蕴含学习，将结构相关性转化为增量蕴含以加强传播并提升冲突剪枝效率。实验结果表明，该方法能平均压缩故障集规模57.99%，子句和变量数开销平均降低11.44%和3.50%，平均将求解时间缩短22.43%，性能优于已有的测试向量生成系统。
基于布尔可满足性的自动测试向量生成系统作为芯片故障检测的关键环节，系统效率受故障压缩策略、布尔可满足性建模策略及求解器传播能力共同制约，随着集成电路复杂度持续提升，其性能面临严峻挑战。该文提出一种面向自动测试向量生成系统的统一优化框架。构建检测点驱动的动态故障集，在保持可测故障覆盖完备性的前提下压缩待测故障规模。提出基于新型故障敏化约束的布尔可满足建模方法，通过显式敏化条件替代故障电路复制并约束于故障扇出锥内，减少合取范式变量与子句规模。引入面向扇出-重汇聚结构的动态蕴含学习，将结构相关性转化为增量蕴含以加强传播并提升冲突剪枝效率。实验结果表明，该方法能平均压缩故障集规模57.99%，子句和变量数开销平均降低11.44%和3.50%，平均将求解时间缩短22.43%，性能优于已有的测试向量生成系统。
, 最新更新时间 , doi: 10.11999/JEIT260054
摘要:
针对无人机辅助移动边缘计算环境下计算资源受限、系统处理任务总开销过高问题，该文提出基于协同缓存自适应的分层多元宇宙优化(CCAH-MVO)算法优化卸载策略。首先，构建微云-边缘-本地3层网络架构，在无人机边缘服务器上预制缓存程序，采用细粒度部分卸载策略，并针对多无人机覆盖的终端设备制定无人机选择策略。然后，提出CCAH-MVO算法协同优化缓存、卸载和资源分配，并引入动态权重机制自适应平衡时延与能耗，得到最优卸载策略。仿真结果表明，所提策略的时延更优、能耗在裕度区内可控，综合性能优于基准卸载策略。
针对无人机辅助移动边缘计算环境下计算资源受限、系统处理任务总开销过高问题，该文提出基于协同缓存自适应的分层多元宇宙优化(CCAH-MVO)算法优化卸载策略。首先，构建微云-边缘-本地3层网络架构，在无人机边缘服务器上预制缓存程序，采用细粒度部分卸载策略，并针对多无人机覆盖的终端设备制定无人机选择策略。然后，提出CCAH-MVO算法协同优化缓存、卸载和资源分配，并引入动态权重机制自适应平衡时延与能耗，得到最优卸载策略。仿真结果表明，所提策略的时延更优、能耗在裕度区内可控，综合性能优于基准卸载策略。
, 最新更新时间 , doi: 10.11999/JEIT260214
摘要:
针对低信噪比环境下射频指纹特征易被噪声掩盖、多径效应引发非线性失真，以及现有方法在特征提取与未知设备检测能力上的不足，该文提出一种结合多尺度小波与超球面表示的射频指纹开集识别方法。首先，设计基于一维平稳小波变换的多尺度特征提取前端，实现对I/Q信号的全分辨率、多尺度分解，为后续网络提供高判别性输入。其次，构建多尺度残差注意力网络，融合深度残差学习、全局自注意力机制与双向长短时记忆网络，增强模型对微弱指纹特征的感知能力与长程时序依赖建模能力。最后，引入超球面度量学习，将特征空间约束至单位超球面，通过优化角度间隔构建类内紧凑、类间可分离的特征分布，并基于余弦相似度实现未知设备的有效检测。在基于IEEE 802.11协议的高保真仿真数据集上的实验结果表明，所提方法在–5～20 dB信噪比范围内均能保持较高的开集识别准确率，平均分类准确率达65.34%，在–5 dB低信噪比下曲线下面积(AUC)达0.81，显著优于现有对比方法，验证了其在极端恶劣信道环境下的鲁棒性与有效性。
针对低信噪比环境下射频指纹特征易被噪声掩盖、多径效应引发非线性失真，以及现有方法在特征提取与未知设备检测能力上的不足，该文提出一种结合多尺度小波与超球面表示的射频指纹开集识别方法。首先，设计基于一维平稳小波变换的多尺度特征提取前端，实现对I/Q信号的全分辨率、多尺度分解，为后续网络提供高判别性输入。其次，构建多尺度残差注意力网络，融合深度残差学习、全局自注意力机制与双向长短时记忆网络，增强模型对微弱指纹特征的感知能力与长程时序依赖建模能力。最后，引入超球面度量学习，将特征空间约束至单位超球面，通过优化角度间隔构建类内紧凑、类间可分离的特征分布，并基于余弦相似度实现未知设备的有效检测。在基于IEEE 802.11协议的高保真仿真数据集上的实验结果表明，所提方法在–5～20 dB信噪比范围内均能保持较高的开集识别准确率，平均分类准确率达65.34%，在–5 dB低信噪比下曲线下面积(AUC)达0.81，显著优于现有对比方法，验证了其在极端恶劣信道环境下的鲁棒性与有效性。
, 最新更新时间 , doi: 10.11999/JEIT251195
摘要:
主瓣压制干扰严重削弱雷达探测性能。干扰对消可抑制其影响，但易使主瓣畸变并引入测角误差。以未设差差通道的单脉冲体制相控阵雷达为对象，采用正态分布描述接收通道幅相误差波动特性，建立“干扰对消-和差测角”联合模型，通过蒙特卡洛仿真分析幅相误差在干扰对消前后对雷达测角误差的影响规律。结果表明：通道幅相差异不改变对消前后目标角度变化趋势；无干扰时，通道幅相误差引入的目标测角误差在波束法向附近最小；存在干扰并实施对消时，对消后通道幅相误差引入的目标测角误差在波束法向附近达到峰值，在远离法向后误差快速下降。研究为主瓣压制干扰条件下、采用对消且未设差差通道的单脉冲相控阵雷达测角误差评估与工程应用提供参考。
主瓣压制干扰严重削弱雷达探测性能。干扰对消可抑制其影响，但易使主瓣畸变并引入测角误差。以未设差差通道的单脉冲体制相控阵雷达为对象，采用正态分布描述接收通道幅相误差波动特性，建立“干扰对消-和差测角”联合模型，通过蒙特卡洛仿真分析幅相误差在干扰对消前后对雷达测角误差的影响规律。结果表明：通道幅相差异不改变对消前后目标角度变化趋势；无干扰时，通道幅相误差引入的目标测角误差在波束法向附近最小；存在干扰并实施对消时，对消后通道幅相误差引入的目标测角误差在波束法向附近达到峰值，在远离法向后误差快速下降。研究为主瓣压制干扰条件下、采用对消且未设差差通道的单脉冲相控阵雷达测角误差评估与工程应用提供参考。
, 最新更新时间 , doi: 10.11999/JEIT260026
摘要:
处理器芯片安全是信息安全的基石。长期以来，各种密码算法、应用程序和操作系统都以处理器作为可信基础。然而，随着摩尔定律的减缓，现代处理器在微架构设计中不断追求高性能和低功耗的目标，而忽视了安全性，导致近期安全漏洞频发。其中，以Meltdown和Spectre为代表的微架构时间信道漏洞备受关注，它们利用微架构状态变化引起的时间差异来突破基础的软硬件隔离，影响数10亿台主流CPU厂商的设备。此外，由于架构与微架构之间的界限变得模糊，催生了一系列新的攻击方式，使得时间信道从“硬件漏洞”发展为系统级安全问题。然而，现有文献主要基于硬件组件进行分类，掩盖了时序泄露的潜在共性，并限制了对软件信道分析的能力。该文对时间信道进行跨层综述，将基于硬件的和基于软件的泄漏统一在1个共同的抽象模型下。具体而言，我们首先分析了时间信道产生的4个基本条件，并根据核心泄露条件中共享可变状态的性质以及时间观测能力产生的机制将现有的软硬件攻击统一在1个分类模型下。基于该分类，该文全面回顾了近10年的攻击方法，系统地分析了它们的攻击步骤，并揭示了它们之间的共性。其次，基于阻断的泄露条件，对现有的防御技术进行分类，并指出防御的作用范围与失效原因。最后，总结了当前的自动化检测方法并对新兴平台下的时间信道安全研究与未来发展趋势进行了前瞻性的讨论。
处理器芯片安全是信息安全的基石。长期以来，各种密码算法、应用程序和操作系统都以处理器作为可信基础。然而，随着摩尔定律的减缓，现代处理器在微架构设计中不断追求高性能和低功耗的目标，而忽视了安全性，导致近期安全漏洞频发。其中，以Meltdown和Spectre为代表的微架构时间信道漏洞备受关注，它们利用微架构状态变化引起的时间差异来突破基础的软硬件隔离，影响数10亿台主流CPU厂商的设备。此外，由于架构与微架构之间的界限变得模糊，催生了一系列新的攻击方式，使得时间信道从“硬件漏洞”发展为系统级安全问题。然而，现有文献主要基于硬件组件进行分类，掩盖了时序泄露的潜在共性，并限制了对软件信道分析的能力。该文对时间信道进行跨层综述，将基于硬件的和基于软件的泄漏统一在1个共同的抽象模型下。具体而言，我们首先分析了时间信道产生的4个基本条件，并根据核心泄露条件中共享可变状态的性质以及时间观测能力产生的机制将现有的软硬件攻击统一在1个分类模型下。基于该分类，该文全面回顾了近10年的攻击方法，系统地分析了它们的攻击步骤，并揭示了它们之间的共性。其次，基于阻断的泄露条件，对现有的防御技术进行分类，并指出防御的作用范围与失效原因。最后，总结了当前的自动化检测方法并对新兴平台下的时间信道安全研究与未来发展趋势进行了前瞻性的讨论。
, 最新更新时间 , doi: 10.11999/JEIT251085
摘要:
浅海地声参数对水声传播特性的分析具有重要作用，然而，传统的反演方法在实际应用中面临计算复杂度和成本较高以及对模型准确性依赖性较强等问题。为此，该文提出一种基于矢量声场Stokes极化参数与注意力增强多任务U-Net的地声参数反演方法。针对单矢量水听器各通道所接收的信号实施warping变换处理，把将提取到的各阶简正波信号经计算和归一化后所得的Stokes参数作为网络输入特征；构建多任务U-Net神经网络模型，采用共享编码器与多分支独立预测纵波声速等地声参数，同时引入通道和空间注意力机制，增强关键特征提取能力并抑制无关特征；此外，采用多任务不确定性加权损失函数实现各地声参数反演任务的自适应平衡，使得反演结果更准确。200组测试集数据的仿真结果表明，引入注意力机制后模型预测波动范围降低，整体反演精度与稳定性均有所提升，该反演方法受模型参数失配影响较小，展现出较强的鲁棒性。进一步的海事实验数据验证表明，所提方法在实际浅海环境下的地声参数反演中具有高效性和可靠性。
浅海地声参数对水声传播特性的分析具有重要作用，然而，传统的反演方法在实际应用中面临计算复杂度和成本较高以及对模型准确性依赖性较强等问题。为此，该文提出一种基于矢量声场Stokes极化参数与注意力增强多任务U-Net的地声参数反演方法。针对单矢量水听器各通道所接收的信号实施warping变换处理，把将提取到的各阶简正波信号经计算和归一化后所得的Stokes参数作为网络输入特征；构建多任务U-Net神经网络模型，采用共享编码器与多分支独立预测纵波声速等地声参数，同时引入通道和空间注意力机制，增强关键特征提取能力并抑制无关特征；此外，采用多任务不确定性加权损失函数实现各地声参数反演任务的自适应平衡，使得反演结果更准确。200组测试集数据的仿真结果表明，引入注意力机制后模型预测波动范围降低，整体反演精度与稳定性均有所提升，该反演方法受模型参数失配影响较小，展现出较强的鲁棒性。进一步的海事实验数据验证表明，所提方法在实际浅海环境下的地声参数反演中具有高效性和可靠性。
, 最新更新时间 , doi: 10.11999/JEIT251289
摘要:
针对可重构智能表面(RIS)辅助多输入多输出(MIMO)索引调制系统中单块大规模RIS部署困难和发射端空间信号设计复杂度高的挑战，本文研究一种联合稀疏空间星座-双激活天线(SCTA)与多RIS块(MBRIS)选择的索引调制设计。本研究首先提出了一种基于稀疏空间星座-双激活天线的RIS空间调制(SCTA-RIS-SM)系统，其核心是在发射端构造一种基于双激活天线的稀疏空间矢量，通过混合主、次级脉冲幅度调制(PAM)与次级PAM(SPAM)星座设计，优化发射矢量之间的最小欧氏距离，从而显著提升了系统的抗干扰能力。为克服单块RIS的部署瓶颈，本研究进一步提出一种增强型方案：基于稀疏空间星座-双激活天线的多RIS块空间调制(SCTA-MBRIS-SM)系统。该系统采用分布式多RIS块阵列替代传统单块面板，通过动态选择激活一组特定的RIS块进行协同反射，将不同的“RIS块选择组合”状态作为一个新的索引调制维度。此增强型方案在不增加射频链路的条件下，额外提升了频谱效率，同时增强了部署的灵活性。理论分析与蒙特卡洛仿真结果表明，所提的两种系统在误比特率性能与频谱效率方面均优于现有典型方案，为未来高能效、高灵活性的RIS-MIMO通信系统提供了有效的解决方案。
针对可重构智能表面(RIS)辅助多输入多输出(MIMO)索引调制系统中单块大规模RIS部署困难和发射端空间信号设计复杂度高的挑战，本文研究一种联合稀疏空间星座-双激活天线(SCTA)与多RIS块(MBRIS)选择的索引调制设计。本研究首先提出了一种基于稀疏空间星座-双激活天线的RIS空间调制(SCTA-RIS-SM)系统，其核心是在发射端构造一种基于双激活天线的稀疏空间矢量，通过混合主、次级脉冲幅度调制(PAM)与次级PAM(SPAM)星座设计，优化发射矢量之间的最小欧氏距离，从而显著提升了系统的抗干扰能力。为克服单块RIS的部署瓶颈，本研究进一步提出一种增强型方案：基于稀疏空间星座-双激活天线的多RIS块空间调制(SCTA-MBRIS-SM)系统。该系统采用分布式多RIS块阵列替代传统单块面板，通过动态选择激活一组特定的RIS块进行协同反射，将不同的“RIS块选择组合”状态作为一个新的索引调制维度。此增强型方案在不增加射频链路的条件下，额外提升了频谱效率，同时增强了部署的灵活性。理论分析与蒙特卡洛仿真结果表明，所提的两种系统在误比特率性能与频谱效率方面均优于现有典型方案，为未来高能效、高灵活性的RIS-MIMO通信系统提供了有效的解决方案。
, 最新更新时间 , doi: 10.11999/JEIT251252
摘要:
现有的基于深度学习的遥感图像融合方法通常依赖于特定数据集进行训练，导致其泛化能力不足，难以适应多卫星场景的实际应用。为此，本文提出一种语义引导的一体化多尺度深度展开网络(SUM-DUN)。该网络基于传统融合问题的优化求解进行设计，采用3D架构以兼容不同波段数量的多光谱(MS)图像输入。通过引入多尺度特征分层处理机制，SUM-DUN能够有效提取并融合不同层级的特征。更重要的是，为实现一体化融合，本文创新性地引入多模态大语言模型，从输入的低分辨率多光谱(LRMS)图像与全色(PAN)图像中生成通用语义文本提示，以动态引导网络自适应地选择最优特征传递策略。多卫星实验结果表明，所提方法在多个数据集上的主观视觉效果和客观评价指标均得到显著提升。
现有的基于深度学习的遥感图像融合方法通常依赖于特定数据集进行训练，导致其泛化能力不足，难以适应多卫星场景的实际应用。为此，本文提出一种语义引导的一体化多尺度深度展开网络(SUM-DUN)。该网络基于传统融合问题的优化求解进行设计，采用3D架构以兼容不同波段数量的多光谱(MS)图像输入。通过引入多尺度特征分层处理机制，SUM-DUN能够有效提取并融合不同层级的特征。更重要的是，为实现一体化融合，本文创新性地引入多模态大语言模型，从输入的低分辨率多光谱(LRMS)图像与全色(PAN)图像中生成通用语义文本提示，以动态引导网络自适应地选择最优特征传递策略。多卫星实验结果表明，所提方法在多个数据集上的主观视觉效果和客观评价指标均得到显著提升。
, 最新更新时间 , doi: 10.11999/JEIT250749
摘要:
随着车联网和深度学习技术的发展，智能网联汽车(Connected Autonomous Vehicles, CAV)能够收集驾驶场景中的图像数据，并借助卷积神经网进行特征提取和处理，以实现对驾驶环境的高效感知。然而，由于驾驶场景的复杂性，单任务模型难以处理多样化的感知需求。此外，深度学习模型的优异表现依赖于海量数据，而单车收集的数据不足以训练出具有泛化性的模型。联邦学习技术打破了车辆间的信息孤岛，使车辆在不上传本地数据的情况下共享模型，通过上传本地模型至中心服务器进行模型聚合，从而获得性能更优的全局模型。因此，本文提出一种安全多任务全景感知算法。首先，构建了一个全景感知模型，使车辆能够并行执行驾驶场景中的多个感知任务，实现全景感知。其次，设计了一种基于混合评分的CAV选择算法，以筛选高质量的本地模型，最后，提出一种基于Shamir秘密共享的全局模型聚合算法，在聚合过程中采用秘密共享方法，避免因服务器遭受攻击或宕机导致的数据泄露。仿真结果验证了所提算法的有效性。
随着车联网和深度学习技术的发展，智能网联汽车(Connected Autonomous Vehicles, CAV)能够收集驾驶场景中的图像数据，并借助卷积神经网进行特征提取和处理，以实现对驾驶环境的高效感知。然而，由于驾驶场景的复杂性，单任务模型难以处理多样化的感知需求。此外，深度学习模型的优异表现依赖于海量数据，而单车收集的数据不足以训练出具有泛化性的模型。联邦学习技术打破了车辆间的信息孤岛，使车辆在不上传本地数据的情况下共享模型，通过上传本地模型至中心服务器进行模型聚合，从而获得性能更优的全局模型。因此，本文提出一种安全多任务全景感知算法。首先，构建了一个全景感知模型，使车辆能够并行执行驾驶场景中的多个感知任务，实现全景感知。其次，设计了一种基于混合评分的CAV选择算法，以筛选高质量的本地模型，最后，提出一种基于Shamir秘密共享的全局模型聚合算法，在聚合过程中采用秘密共享方法，避免因服务器遭受攻击或宕机导致的数据泄露。仿真结果验证了所提算法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT260189
摘要:
遥感图文检索(Remote Sensing Image-Text Retrieval, RS-TIR)通过建立遥感影像与自然语言描述之间的跨模态语义关联，为海量地理空间数据的语义理解与智能检索提供了重要支撑。随着高分辨率对地观测数据持续积累，复杂场景、多尺度结构、专业语义表达及标注稀缺等因素，使传统手工特征方法和常规深度跨模态模型在语义建模、跨场景泛化和开放环境适应方面受到明显制约。围绕视觉-语言基础模型(Vision-Language Models, VLM)驱动的遥感图文检索研究，系统梳理了任务建模、领域挑战、评价基准与技术演进脉络，重点归纳了模型架构范式、遥感领域适配策略和跨模态语义对齐机制，并结合代表性数据集、典型方法及性能比较总结了当前研究进展。分析表明，视觉-语言基础模型在缓解语义鸿沟、提升零样本迁移能力和增强复杂语义理解方面展现出显著优势，但多源异构数据统一建模、地理知识增强、开放场景持续学习以及轻量化部署仍是该方向亟待突破的关键问题。相关综述可为遥感多模态信息理解、跨模态检索模型设计及工程应用提供系统参考。
遥感图文检索(Remote Sensing Image-Text Retrieval, RS-TIR)通过建立遥感影像与自然语言描述之间的跨模态语义关联，为海量地理空间数据的语义理解与智能检索提供了重要支撑。随着高分辨率对地观测数据持续积累，复杂场景、多尺度结构、专业语义表达及标注稀缺等因素，使传统手工特征方法和常规深度跨模态模型在语义建模、跨场景泛化和开放环境适应方面受到明显制约。围绕视觉-语言基础模型(Vision-Language Models, VLM)驱动的遥感图文检索研究，系统梳理了任务建模、领域挑战、评价基准与技术演进脉络，重点归纳了模型架构范式、遥感领域适配策略和跨模态语义对齐机制，并结合代表性数据集、典型方法及性能比较总结了当前研究进展。分析表明，视觉-语言基础模型在缓解语义鸿沟、提升零样本迁移能力和增强复杂语义理解方面展现出显著优势，但多源异构数据统一建模、地理知识增强、开放场景持续学习以及轻量化部署仍是该方向亟待突破的关键问题。相关综述可为遥感多模态信息理解、跨模态检索模型设计及工程应用提供系统参考。
, 最新更新时间 , doi: 10.11999/JEIT250715
摘要:
面对日益增长的高带宽、低时延需求，6G网络技术正迅速发展， ISAC系统逐渐成为热门研究方向。环境重构作为该系统的核心环节，在实际应用中仍面临诸多挑战。本文针对以下三个问题进行了研究：(1) 在6G系统中，基站的密集部署使得建筑目标处于成像系统的近场区域，从而导致距离、方位和高度三个维度严重耦合；(2)由于终端的定位误差远大于信号波长，SAR成像中的自聚焦算法失效；(3)传统层析合成孔径雷达中各通道补偿的平动相位补偿不一致，在高度域聚焦过程中产生虚假目标。本文首先将逆合成孔径雷达成像中的非参数平动补偿方法用于单视复数图像生成，并基于双基SAR的成像场景推导出层析成像结果与目标真实空间坐标之间的数学映射关系，将坐标重构问题建模为非线性方程组，采用粒子群优化算法进行求解，实现对目标真实几何形状的精确恢复；其次，为了解决传统分通道处理中平动补偿不一致的问题，提出了一种联合相位校正的层析成像框架，可有效消除通道间的差异，显著提升了高度维聚焦效果和整体成像质量。仿真实验结果证明了本文算法的有效性。
面对日益增长的高带宽、低时延需求，6G网络技术正迅速发展， ISAC系统逐渐成为热门研究方向。环境重构作为该系统的核心环节，在实际应用中仍面临诸多挑战。本文针对以下三个问题进行了研究：(1) 在6G系统中，基站的密集部署使得建筑目标处于成像系统的近场区域，从而导致距离、方位和高度三个维度严重耦合；(2)由于终端的定位误差远大于信号波长，SAR成像中的自聚焦算法失效；(3)传统层析合成孔径雷达中各通道补偿的平动相位补偿不一致，在高度域聚焦过程中产生虚假目标。本文首先将逆合成孔径雷达成像中的非参数平动补偿方法用于单视复数图像生成，并基于双基SAR的成像场景推导出层析成像结果与目标真实空间坐标之间的数学映射关系，将坐标重构问题建模为非线性方程组，采用粒子群优化算法进行求解，实现对目标真实几何形状的精确恢复；其次，为了解决传统分通道处理中平动补偿不一致的问题，提出了一种联合相位校正的层析成像框架，可有效消除通道间的差异，显著提升了高度维聚焦效果和整体成像质量。仿真实验结果证明了本文算法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT250562
摘要:
传统稀疏正则化递归最小二乘算法 L1/L0 Norm Recursive Least Squares (L1/L0-RLS)在稀疏参数空间估计中展现出理论的优越性，已成为系统辨识和信道均衡领域的重要方法。但在有限数值精度条件下其协方差矩阵迭代计算过程易导致舍入误差逐次累积，诱发最小二乘解发散失稳现象。为解决该问题，本文提出基于逆QR分解(Inverse QR Decomposition, IQRD)框架的改进算法。该框架不仅有效抑制了传统正则化RLS算法中舍入误差的积累，而且省去了传统QR分解中权重系数回代的计算环节，从而显著提升了算法在有限精度环境下的数值鲁棒性与系统辨识效率。具体而言，本文首先系统构建了L1/L0约束逆QR分解架构下的L1-IQRD-RLS与L0-IQRD-RLS算法，通过理论推导得到了具有普适性的权重系数递推表达式，创新地将自动参数选择机制引入算法框架，解决了稀疏正则化参数的动态优化难题。为验证所提算法在稀疏约束与鲁棒性方面的效果，采用蒙特卡洛仿真实验对算法性能进行定量评估，结果表明L1-IQRD-RLS与L0-IQRD-RLS在系统稀疏表征、参数估计方差以及协方差矩阵条件数等关键指标上均展现出显著的性能优势。实测数据验证进一步证实，改进算法在精度受限环境下仍能保持数值稳定性，较传统方法鲁棒性显著提升。
传统稀疏正则化递归最小二乘算法 L1/L0 Norm Recursive Least Squares (L1/L0-RLS)在稀疏参数空间估计中展现出理论的优越性，已成为系统辨识和信道均衡领域的重要方法。但在有限数值精度条件下其协方差矩阵迭代计算过程易导致舍入误差逐次累积，诱发最小二乘解发散失稳现象。为解决该问题，本文提出基于逆QR分解(Inverse QR Decomposition, IQRD)框架的改进算法。该框架不仅有效抑制了传统正则化RLS算法中舍入误差的积累，而且省去了传统QR分解中权重系数回代的计算环节，从而显著提升了算法在有限精度环境下的数值鲁棒性与系统辨识效率。具体而言，本文首先系统构建了L1/L0约束逆QR分解架构下的L1-IQRD-RLS与L0-IQRD-RLS算法，通过理论推导得到了具有普适性的权重系数递推表达式，创新地将自动参数选择机制引入算法框架，解决了稀疏正则化参数的动态优化难题。为验证所提算法在稀疏约束与鲁棒性方面的效果，采用蒙特卡洛仿真实验对算法性能进行定量评估，结果表明L1-IQRD-RLS与L0-IQRD-RLS在系统稀疏表征、参数估计方差以及协方差矩阵条件数等关键指标上均展现出显著的性能优势。实测数据验证进一步证实，改进算法在精度受限环境下仍能保持数值稳定性，较传统方法鲁棒性显著提升。
, 最新更新时间 , doi: 10.11999/JEIT250697
摘要:
高海况海杂波数据在雷达目标检测性能验证中需求迫切，直接生成具有良好时频特征的高海况海杂波数据难度大。针对这一问题，该文提出融合复数变分自编码对抗网络(Complex Variational Autoencoder Wasserstein Generative Adversarial Network, CVAE-WGAN)与迁移学习的创新框架。通过构建复数域深度架构，通过复数卷积核保留信号正交特性，结合幅度-相位注意力模块(Amplitude-Phase Attention, APA)增强时频特征提取，并引入复数残差块优化梯度传播。设计物理约束导向的损失函数体系，利用时频脊损失捕捉非平稳能量演化轨迹，通过多普勒频带损失强化雷达相干处理特性；提出基于Kullback-Leibler散度(Kullback-Leibler Divergence, KLD)的自适应迁移机制——在源域预训练后，对目标域动态解冻高分布差异层实现跨场景知识迁移。实验验证生成数据在四级海况幅度统计特性、时间相关性和时频特征上均高度逼近实测数据；迁移至五级海况(20%目标域样本)后，仍保持优异的幅度分布与自相关特性，时频物理特征还原能力接近源域水平。消融研究证实APA对相位-幅度联合建模起决定性作用，样本量敏感性测试表明方法在15%目标数据量下性能稳定。该框架通过复数域物理约束与自适应迁移的协同创新，显著提升小样本海杂波生成质量，为雷达抗干扰算法提供可靠数据基础，极端稀缺样本场景的适应性优化将是后续重点。
高海况海杂波数据在雷达目标检测性能验证中需求迫切，直接生成具有良好时频特征的高海况海杂波数据难度大。针对这一问题，该文提出融合复数变分自编码对抗网络(Complex Variational Autoencoder Wasserstein Generative Adversarial Network, CVAE-WGAN)与迁移学习的创新框架。通过构建复数域深度架构，通过复数卷积核保留信号正交特性，结合幅度-相位注意力模块(Amplitude-Phase Attention, APA)增强时频特征提取，并引入复数残差块优化梯度传播。设计物理约束导向的损失函数体系，利用时频脊损失捕捉非平稳能量演化轨迹，通过多普勒频带损失强化雷达相干处理特性；提出基于Kullback-Leibler散度(Kullback-Leibler Divergence, KLD)的自适应迁移机制——在源域预训练后，对目标域动态解冻高分布差异层实现跨场景知识迁移。实验验证生成数据在四级海况幅度统计特性、时间相关性和时频特征上均高度逼近实测数据；迁移至五级海况(20%目标域样本)后，仍保持优异的幅度分布与自相关特性，时频物理特征还原能力接近源域水平。消融研究证实APA对相位-幅度联合建模起决定性作用，样本量敏感性测试表明方法在15%目标数据量下性能稳定。该框架通过复数域物理约束与自适应迁移的协同创新，显著提升小样本海杂波生成质量，为雷达抗干扰算法提供可靠数据基础，极端稀缺样本场景的适应性优化将是后续重点。
, 最新更新时间 , doi: 10.11999/JEIT251247
摘要:
针对传统圆信号频谱感知方案无法精确识别非圆信号的问题，该文提出一种皮尔逊相关系数驱动的融合感知方法。该方法通过实值复合表示形式捕捉非圆信号的2阶统计信息，并据此构建实值相干矩阵以获取接收天线间的皮尔逊相关强度。随后采用线性数据融合方法对不同天线间的皮尔逊相关系数进行加权叠加，并以偏因径系数为性能测度建立理论最优权重及其样本估计值，最终设计出无需依赖信道先验参数的非参量感知技术。通过分析平方皮尔逊相关系数和检验统计量的2阶特性及统计分布，建立虚警概率、感知阈值等关键指标的理论计算解析式。实验结果表明，所提方案相较于其他对比算法，在接收机工作特性(ROC)曲线、感知概率、偏因径系数和曲线下面积(AUC)等性能测度下均表现更优，尤其是在低信噪比环境中，其性能优势更为显著。
针对传统圆信号频谱感知方案无法精确识别非圆信号的问题，该文提出一种皮尔逊相关系数驱动的融合感知方法。该方法通过实值复合表示形式捕捉非圆信号的2阶统计信息，并据此构建实值相干矩阵以获取接收天线间的皮尔逊相关强度。随后采用线性数据融合方法对不同天线间的皮尔逊相关系数进行加权叠加，并以偏因径系数为性能测度建立理论最优权重及其样本估计值，最终设计出无需依赖信道先验参数的非参量感知技术。通过分析平方皮尔逊相关系数和检验统计量的2阶特性及统计分布，建立虚警概率、感知阈值等关键指标的理论计算解析式。实验结果表明，所提方案相较于其他对比算法，在接收机工作特性(ROC)曲线、感知概率、偏因径系数和曲线下面积(AUC)等性能测度下均表现更优，尤其是在低信噪比环境中，其性能优势更为显著。
, 最新更新时间 , doi: 10.11999/JEIT250727
摘要:
针对现有浅地层层界提取方法在在线应用中难以兼顾提取质量、虚警抑制与处理延迟的问题，该文提出了联合最大相关峭度解卷积与连续性约束的浅地层层界实时提取方法，并构建预处理、粗提取与精细提取的逐ping处理流程。预处理阶段采用带通滤波级联匹配滤波对回波信号增强，并对匹配滤波输出进行固定时延校正；粗提取阶段在多个切片步长下构造合成周期信号并应用最大相关峭度解卷积方法获得潜在层界序列，随后基于跨步长一致性对潜在层界进行筛选融合以抑制虚警；精细提取阶段引入层界连续性约束，对粗提取结果进行有效层界点的筛选、层界划分与曲线拟合修正，进一步抑制残余虚警并提高层界连续性。仿真结果表明，当回波信噪比高于–10 dB时，层界检测概率超过99.000%，虚警概率低于0.100%，层界定位误差约为1个样本点；实测数据处理结果显示，对不同层界的平均检测概率为91.833%，平均虚警概率为0.004%，平均定位误差约为10个样本点。仿真和实测数据处理均实现了海底表面和沉积层界的有效提取，验证了方法的有效性和实用价值。
针对现有浅地层层界提取方法在在线应用中难以兼顾提取质量、虚警抑制与处理延迟的问题，该文提出了联合最大相关峭度解卷积与连续性约束的浅地层层界实时提取方法，并构建预处理、粗提取与精细提取的逐ping处理流程。预处理阶段采用带通滤波级联匹配滤波对回波信号增强，并对匹配滤波输出进行固定时延校正；粗提取阶段在多个切片步长下构造合成周期信号并应用最大相关峭度解卷积方法获得潜在层界序列，随后基于跨步长一致性对潜在层界进行筛选融合以抑制虚警；精细提取阶段引入层界连续性约束，对粗提取结果进行有效层界点的筛选、层界划分与曲线拟合修正，进一步抑制残余虚警并提高层界连续性。仿真结果表明，当回波信噪比高于–10 dB时，层界检测概率超过99.000%，虚警概率低于0.100%，层界定位误差约为1个样本点；实测数据处理结果显示，对不同层界的平均检测概率为91.833%，平均虚警概率为0.004%，平均定位误差约为10个样本点。仿真和实测数据处理均实现了海底表面和沉积层界的有效提取，验证了方法的有效性和实用价值。
, 最新更新时间 , doi: 10.11999/JEIT251301
摘要:
在现代安防监控领域，高空球型摄像机因部署位置易受外部干扰，导致视频画面出现抖动、模糊等问题，严重影响监控效果与后期分析精度。视频压缩算法中，高精度运动补偿对提升编码效率至关重要，而当前的终极运动矢量表达(UMVE)技术存在精度和自适应调整不足等问题，图像配准编码模式(RCM)等虽能实现高精度运动补偿，但计算量和成本过高。针对这些问题，该研究提出了支持跨精度运动补偿的终极运动矢量表达技术(UMVE_CPMC)，该技术融合基础运动矢量(BaseMV)与精细化微调运动矢量(MMV)，通过构造扩展的升精度运动矢量(UPMV)提升运动补偿精度，且仅在1/8精度级别提供增量候选，实现计算复杂度与压缩效率的平衡。在步长自适应调整方面，提出6种模式的改进方案，编码器可根据场景灵活切换，以适应不同应用需求。实验表明，UMVE_CPMC在A类高清晰度运动场景下，编码增益显著，同时开启其他高精度运动补偿工具时，部分序列增益达1%–2%，在无其它高精度运动补偿工具时，部分序列增益超10%；在B类低清晰度场景下，通过帧级别自适应调整接口维持原有增益。此外，该技术在计算效率与资源占用间实现良好平衡，为解决高空球型摄像机视频编码问题提供了新的有效途径。
在现代安防监控领域，高空球型摄像机因部署位置易受外部干扰，导致视频画面出现抖动、模糊等问题，严重影响监控效果与后期分析精度。视频压缩算法中，高精度运动补偿对提升编码效率至关重要，而当前的终极运动矢量表达(UMVE)技术存在精度和自适应调整不足等问题，图像配准编码模式(RCM)等虽能实现高精度运动补偿，但计算量和成本过高。针对这些问题，该研究提出了支持跨精度运动补偿的终极运动矢量表达技术(UMVE_CPMC)，该技术融合基础运动矢量(BaseMV)与精细化微调运动矢量(MMV)，通过构造扩展的升精度运动矢量(UPMV)提升运动补偿精度，且仅在1/8精度级别提供增量候选，实现计算复杂度与压缩效率的平衡。在步长自适应调整方面，提出6种模式的改进方案，编码器可根据场景灵活切换，以适应不同应用需求。实验表明，UMVE_CPMC在A类高清晰度运动场景下，编码增益显著，同时开启其他高精度运动补偿工具时，部分序列增益达1%–2%，在无其它高精度运动补偿工具时，部分序列增益超10%；在B类低清晰度场景下，通过帧级别自适应调整接口维持原有增益。此外，该技术在计算效率与资源占用间实现良好平衡，为解决高空球型摄像机视频编码问题提供了新的有效途径。
, 最新更新时间 , doi: 10.11999/JEIT251028
摘要:
地月地(EME, Earth-Moon-Earth)通信长期以来是业余无线电爱好者开展远程通信实验的重要方式。传统EME通信系统多以低速率、窄带体制为主，主要用于摩尔斯电码、单边带语音或窄带数字通信模式(如JT65、FT8等)。这类系统在频谱利用率和数据传输速率方面存在明显限制，难以满足更高传输速率和宽带通信的需求。本文面向更高速率的宽带场景，从大尺度衰落与小尺度衰落两个层面提出了一种较为完整的宽带EME信道模型。大尺度衰落方面，基于双站雷达理论，建立了适用于不同波束宽度和高增益天线条件下的雷达散射截面分布(RCS)，并提出路径损耗的统一积分模型；同时，结合月球表面不规则地形特征分析了阴影效应的形成机制，并由此提出EME信道的阴影衰落模型。小尺度衰落方面，针对宽带系统中显著的时延扩展问题，结合月面散射特性，提出了融合准镜面反射与漫散射效应的分段式多径模型；同时进一步考虑地月轨道运动，系统构建了多普勒频移与扩展模型。数值分析表明，相比于传统路径损耗建模，所提路径损耗统一积分模型能够更加准确刻画窄波束引起的对月照射面积缩减及月表地形分布对链路损失的影响。仿真结果显示，宽带场景下存在的严重多径扩展导致现有均衡方案几乎失效，严重制约通信性能。相比之下，多普勒效应变化缓慢、扩展较小，现有校正算法能够有效补偿其影响，对通信性能的制约相对较弱。
地月地(EME, Earth-Moon-Earth)通信长期以来是业余无线电爱好者开展远程通信实验的重要方式。传统EME通信系统多以低速率、窄带体制为主，主要用于摩尔斯电码、单边带语音或窄带数字通信模式(如JT65、FT8等)。这类系统在频谱利用率和数据传输速率方面存在明显限制，难以满足更高传输速率和宽带通信的需求。本文面向更高速率的宽带场景，从大尺度衰落与小尺度衰落两个层面提出了一种较为完整的宽带EME信道模型。大尺度衰落方面，基于双站雷达理论，建立了适用于不同波束宽度和高增益天线条件下的雷达散射截面分布(RCS)，并提出路径损耗的统一积分模型；同时，结合月球表面不规则地形特征分析了阴影效应的形成机制，并由此提出EME信道的阴影衰落模型。小尺度衰落方面，针对宽带系统中显著的时延扩展问题，结合月面散射特性，提出了融合准镜面反射与漫散射效应的分段式多径模型；同时进一步考虑地月轨道运动，系统构建了多普勒频移与扩展模型。数值分析表明，相比于传统路径损耗建模，所提路径损耗统一积分模型能够更加准确刻画窄波束引起的对月照射面积缩减及月表地形分布对链路损失的影响。仿真结果显示，宽带场景下存在的严重多径扩展导致现有均衡方案几乎失效，严重制约通信性能。相比之下，多普勒效应变化缓慢、扩展较小，现有校正算法能够有效补偿其影响，对通信性能的制约相对较弱。
, 最新更新时间 , doi: 10.11999/JEIT260105
摘要:
该文提出一种具有超宽带(UWB)性能和低剖面特征的偶极贴片天线。天线的偶极贴片层采用Gielis曲线形状的金属结构，通过曲折技术减小了天线的横向尺寸。在辐射层末端加载金属短路壁并与接地面连接，共同形成背腔，从而提升了天线的增益。为进一步优化性能，设计了人工磁导体(AMC)单元，并在辐射贴片下方布置AMC阵列。该结构不仅改善了阻抗匹配，还显著降低了天线的剖面高度。此外，在贴片末端加载吸收电阻，进一步改善了电压驻波比(VSWR)。对天线模型进行了加工，并在暗室中测量，仿真与测量结果表明，在电尺寸仅为0.38λL × 0.18λL × 0.07λL(其中λL对应最低频率工作波长)的情况下，该天线实现了100～366 MHz的带宽，并表现出良好的定向辐射特性，峰值增益达6 dBi。
该文提出一种具有超宽带(UWB)性能和低剖面特征的偶极贴片天线。天线的偶极贴片层采用Gielis曲线形状的金属结构，通过曲折技术减小了天线的横向尺寸。在辐射层末端加载金属短路壁并与接地面连接，共同形成背腔，从而提升了天线的增益。为进一步优化性能，设计了人工磁导体(AMC)单元，并在辐射贴片下方布置AMC阵列。该结构不仅改善了阻抗匹配，还显著降低了天线的剖面高度。此外，在贴片末端加载吸收电阻，进一步改善了电压驻波比(VSWR)。对天线模型进行了加工，并在暗室中测量，仿真与测量结果表明，在电尺寸仅为0.38λL × 0.18λL × 0.07λL(其中λL对应最低频率工作波长)的情况下，该天线实现了100～366 MHz的带宽，并表现出良好的定向辐射特性，峰值增益达6 dBi。
, 最新更新时间 , doi: 10.11999/JEIT251357
摘要:
针对现有基于图表示学习的下一个兴趣点推荐方法无法有效平衡不同域的节点分布、未充分考虑异质关系之间的特征差异等问题，该文提出基于语义关系增强的自适应图表示学习下一个兴趣点推荐方法(SR-GRL)。该方法利用兴趣点(POI)、POI类别、区域3种类型实体构建异构转移图，设计自适应平衡随机游走算法进行跨域节点采样，通过跳跃和停留动态平衡不同域上的节点分布，避免采样序列偏向于局部结构。然后建立类型感知注意力机制捕捉不同类型节点之间的语义关联关系形成POI解耦表示，有效区分了不同类型节点间的特征差异。在此基础上，结合自注意力机制聚合用户行为的时序偏好特征，通过Softmax函数实现下一个POI推荐。3个真实数据集上的对比实验结果表明，SR-GRL方法相比于其他对比方法具有更好的推荐性能。
针对现有基于图表示学习的下一个兴趣点推荐方法无法有效平衡不同域的节点分布、未充分考虑异质关系之间的特征差异等问题，该文提出基于语义关系增强的自适应图表示学习下一个兴趣点推荐方法(SR-GRL)。该方法利用兴趣点(POI)、POI类别、区域3种类型实体构建异构转移图，设计自适应平衡随机游走算法进行跨域节点采样，通过跳跃和停留动态平衡不同域上的节点分布，避免采样序列偏向于局部结构。然后建立类型感知注意力机制捕捉不同类型节点之间的语义关联关系形成POI解耦表示，有效区分了不同类型节点间的特征差异。在此基础上，结合自注意力机制聚合用户行为的时序偏好特征，通过Softmax函数实现下一个POI推荐。3个真实数据集上的对比实验结果表明，SR-GRL方法相比于其他对比方法具有更好的推荐性能。
, 最新更新时间 , doi: 10.11999/JEIT251384
摘要:
针对多航天器轨道追逃博弈问题，本文介绍了一个新颖的研究场景，该场景尚未得到系统研究。为了增强航天器的决策能力，使其在复杂的多智能体博弈中制定更加稳健的策略，本文提出一种基于渐进式对抗训练框架的多智能体深度强化学习算法求解各航天器的博弈策略。并且设定两组不同轨道特性的算例和多种不同的仿真条件进行模拟验证，以及通过行为偏差分析验证策略的鲁棒性。分析不同轨道特性、仿真条件和行为偏差对各航天器的博弈策略的影响。仿真结果表明，本文所提出的方法可以使每个航天器都能制定出有效的博弈策略，策略满足所有设定的约束条件和具有良好的鲁棒性。
针对多航天器轨道追逃博弈问题，本文介绍了一个新颖的研究场景，该场景尚未得到系统研究。为了增强航天器的决策能力，使其在复杂的多智能体博弈中制定更加稳健的策略，本文提出一种基于渐进式对抗训练框架的多智能体深度强化学习算法求解各航天器的博弈策略。并且设定两组不同轨道特性的算例和多种不同的仿真条件进行模拟验证，以及通过行为偏差分析验证策略的鲁棒性。分析不同轨道特性、仿真条件和行为偏差对各航天器的博弈策略的影响。仿真结果表明，本文所提出的方法可以使每个航天器都能制定出有效的博弈策略，策略满足所有设定的约束条件和具有良好的鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT260014
摘要:
无蜂窝大规模多输入多输出(CF-mMIMO)系统通过密集部署接入点(AP)显著提升了频谱效率。然而，海量AP的持续激活会带来巨大的能量开销，尤其在低业务到达率场景下，这种能量浪费在长期来看将显著削弱系统的能量可持续性。为此，该文提出一种基于李雅普诺夫理论的动态资源调度策略。该策略构建了功率分配与AP开关控制的联合优化模型，利用李雅普诺夫理论将原随机优化问题分解为一系列逐时隙的优化问题，在保障队列稳定性的前提下，将每个时隙内的优化问题分解为功率分配和AP开关控制两个子问题，并采用交替优化算法求解，从而实现对网络状态及业务流量波动的自适应资源配置。仿真结果表明，相较于无AP开关控制方案，本文所提方案在功率放大器效率\begin{document}$ {\xi }_{m}=0.38 $\end{document} \begin{document}$ {\xi }_{m}=0.45 $\end{document}
无蜂窝大规模多输入多输出(CF-mMIMO)系统通过密集部署接入点(AP)显著提升了频谱效率。然而，海量AP的持续激活会带来巨大的能量开销，尤其在低业务到达率场景下，这种能量浪费在长期来看将显著削弱系统的能量可持续性。为此，该文提出一种基于李雅普诺夫理论的动态资源调度策略。该策略构建了功率分配与AP开关控制的联合优化模型，利用李雅普诺夫理论将原随机优化问题分解为一系列逐时隙的优化问题，在保障队列稳定性的前提下，将每个时隙内的优化问题分解为功率分配和AP开关控制两个子问题，并采用交替优化算法求解，从而实现对网络状态及业务流量波动的自适应资源配置。仿真结果表明，相较于无AP开关控制方案，本文所提方案在功率放大器效率
, 最新更新时间 , doi: 10.11999/JEIT251300
摘要:
在智能物联网(AIoT)中，边缘服务器可以通过利用存储的人工智能生成内容(AIGC)模型向AIoT设备提供智能服务。然而，边缘服务器的计算能力和模型存储容量有限，难以支撑大规模的模型存储以实现异构AIGC服务。针对此问题，该文基于AIGC服务的异构性，将AIGC服务划分为请求轻量型、计算密集型以及预处理型，并提出一种云边协同与边边协同相结合的通算存资源优化方案。该方案协同云计算与边缘计算的优势，在考虑边缘服务器计算和存储资源限制的基础上，联合优化AIoT设备和基站的发射功率、计算资源分配、AIGC模型部署及服务请求决策以最小化AIGC服务总时延。由于所构建的优化问题是一个混合整数非线性规划问题，因此设计了一种基于交替优化的算法，该算法将问题分解为3个子问题，并分别采用连续凸逼近方法、卡罗需-库恩-塔克条件和改进的哈里斯鹰算法进行求解。仿真结果表明，所提方案具有较快的收敛速度，并且与基准方案相比能够降低AIGC服务总时延。
在智能物联网(AIoT)中，边缘服务器可以通过利用存储的人工智能生成内容(AIGC)模型向AIoT设备提供智能服务。然而，边缘服务器的计算能力和模型存储容量有限，难以支撑大规模的模型存储以实现异构AIGC服务。针对此问题，该文基于AIGC服务的异构性，将AIGC服务划分为请求轻量型、计算密集型以及预处理型，并提出一种云边协同与边边协同相结合的通算存资源优化方案。该方案协同云计算与边缘计算的优势，在考虑边缘服务器计算和存储资源限制的基础上，联合优化AIoT设备和基站的发射功率、计算资源分配、AIGC模型部署及服务请求决策以最小化AIGC服务总时延。由于所构建的优化问题是一个混合整数非线性规划问题，因此设计了一种基于交替优化的算法，该算法将问题分解为3个子问题，并分别采用连续凸逼近方法、卡罗需-库恩-塔克条件和改进的哈里斯鹰算法进行求解。仿真结果表明，所提方案具有较快的收敛速度，并且与基准方案相比能够降低AIGC服务总时延。
, 最新更新时间 , doi: 10.11999/JEIT251340
摘要:
针对现有基于注意力机制的单声道语音分离模型在多尺度特征交互与时频信息融合方面的不足，该文提出一种融合时频域信息的多尺度注意力模型(MSA-TF)。该模型通过构建时频融合模块与多尺度交互分离器，引入频带分裂、动态门控与交叉注意力机制，实现时域与频域特征的高效互补；并借助跨尺度残差连接与自适应池化策略，促进全局语义与局部细节之间的双向流动，从而增强对语音信号中长短时依赖的联合建模能力。利用信号失真比(SDR)、尺度不变信噪比(SI-SNR)评价指标，在WSJ0-2mix和Libri-2mix数据集进行实验测试。研究表明，MSA-TF在WSJ0-2mix数据集上，测试结果相较于Conv-Tasnet基线模型在SI-SNR上平均提升2.3 dB，在未训练的Libri-2mix测试集上，泛化性能与在该集上训练的基线性能相当。由此可见，该文方法能通过提取不同尺度下的时域信息与频域信息进行互补与融合，促进全局语义与局部细节建模，获得更好更具泛化性的分离结果。
针对现有基于注意力机制的单声道语音分离模型在多尺度特征交互与时频信息融合方面的不足，该文提出一种融合时频域信息的多尺度注意力模型(MSA-TF)。该模型通过构建时频融合模块与多尺度交互分离器，引入频带分裂、动态门控与交叉注意力机制，实现时域与频域特征的高效互补；并借助跨尺度残差连接与自适应池化策略，促进全局语义与局部细节之间的双向流动，从而增强对语音信号中长短时依赖的联合建模能力。利用信号失真比(SDR)、尺度不变信噪比(SI-SNR)评价指标，在WSJ0-2mix和Libri-2mix数据集进行实验测试。研究表明，MSA-TF在WSJ0-2mix数据集上，测试结果相较于Conv-Tasnet基线模型在SI-SNR上平均提升2.3 dB，在未训练的Libri-2mix测试集上，泛化性能与在该集上训练的基线性能相当。由此可见，该文方法能通过提取不同尺度下的时域信息与频域信息进行互补与融合，促进全局语义与局部细节建模，获得更好更具泛化性的分离结果。
, 最新更新时间 , doi: 10.11999/JEIT251355
摘要:
针对多站雷达信号分选面临的传输受限、数据安全以及站间非独立同分布导致的泛化能力差等问题，该文提出一种基于联邦学习的多站协同分选方法。首先，构建了中心化联邦分选架构，设计了本地时序模型，通过双向长短时记忆网络与残差连接的结合，有效捕捉了脉冲序列的时序信息，在核心集上实现了超过96%的分选性能。其次，针对站间数据异构性问题，提出参数解耦与近端正则的站间聚合策略，有效缓解模型漂移。仿真表明，所提方法在扩展集上的F1-Score达到83.75%，较FedAvg算法提升了3.86%。在70%高脉冲丢失率或杂散干扰等极端场景下F1-Score保持在75%以上，表现出优异的鲁棒性。同时该方法将全周期通信总量降低了92.60%，实现了高效、鲁棒的多站分选处理。
针对多站雷达信号分选面临的传输受限、数据安全以及站间非独立同分布导致的泛化能力差等问题，该文提出一种基于联邦学习的多站协同分选方法。首先，构建了中心化联邦分选架构，设计了本地时序模型，通过双向长短时记忆网络与残差连接的结合，有效捕捉了脉冲序列的时序信息，在核心集上实现了超过96%的分选性能。其次，针对站间数据异构性问题，提出参数解耦与近端正则的站间聚合策略，有效缓解模型漂移。仿真表明，所提方法在扩展集上的F1-Score达到83.75%，较FedAvg算法提升了3.86%。在70%高脉冲丢失率或杂散干扰等极端场景下F1-Score保持在75%以上，表现出优异的鲁棒性。同时该方法将全周期通信总量降低了92.60%，实现了高效、鲁棒的多站分选处理。
, 最新更新时间 , doi: 10.11999/JEIT251360
摘要:
二维(2D)格雷-零相关区(Golay-ZCZ)阵列集在多输入多输出(MIMO)全向传输系统中具有潜在的应用前景，例如用于预编码矩阵、相控阵天线和声源阵列。然而，针对其构造研究的现有文献仍较为有限。该文分别基于2D多变量函数和级联法提出了3种2D Golay-ZCZ阵列集的构造方法，构造的阵列集具有灵活阵列尺寸和大的零相关区。与已有文献相比，本文所构造的阵列集在阵列尺寸和零相关区宽度方面不再局限于2的幂次形式，因此能够获得现有文献中没有的新参数，阵列集参数更加灵活，同时可将已有结果作为特例包含在内。
二维(2D)格雷-零相关区(Golay-ZCZ)阵列集在多输入多输出(MIMO)全向传输系统中具有潜在的应用前景，例如用于预编码矩阵、相控阵天线和声源阵列。然而，针对其构造研究的现有文献仍较为有限。该文分别基于2D多变量函数和级联法提出了3种2D Golay-ZCZ阵列集的构造方法，构造的阵列集具有灵活阵列尺寸和大的零相关区。与已有文献相比，本文所构造的阵列集在阵列尺寸和零相关区宽度方面不再局限于2的幂次形式，因此能够获得现有文献中没有的新参数，阵列集参数更加灵活，同时可将已有结果作为特例包含在内。
, 最新更新时间 , doi: 10.11999/JEIT251073
摘要:
仲裁物理不可克隆函数(APUF)作为轻量级安全原语，已广泛应用于身份认证和密钥生成等安全场景，但其响应一致性易受温度、电压等环境因素干扰，导致同一激励在不同条件下产生不一致响应，严重降低应用的可靠性。针对现有基于硬件改进和激励筛选的APUF可靠性提升方案普遍存在资源开销大、效率低的问题，该文提出一种基于延迟差异约束的激励生成策略(DCGS)，旨在提升资源受限场景下APUF的可靠性。该策略首先利用逻辑回归模型建模APUF的路径延迟特性，构建延迟权重向量；随后通过前缀比特初始化与逐位扩展机制构造激励，实时控制生成激励的延迟差介于设定阈值区间，最终直接生成具有高可靠性和高随机性的激励序列，无需额外候选激励筛选环节。仿真结果表明：DCGS生成的激励在实际应用面临的最大噪声强度下，可靠性仍保持100%，响应均匀性达50.02%，唯一性达50.46%，且生成1万条高可靠激励仅需0.017秒，在可靠性提升效果、分布均匀性、唯一性和生成效率四方面均优于基准方案。该策略无需增加硬件开销，能显著增强APUF在复杂环境中的适用性，适用于物联网节点、嵌入式设备等多类资源受限设备的双向认证和密钥生成场景。
仲裁物理不可克隆函数(APUF)作为轻量级安全原语，已广泛应用于身份认证和密钥生成等安全场景，但其响应一致性易受温度、电压等环境因素干扰，导致同一激励在不同条件下产生不一致响应，严重降低应用的可靠性。针对现有基于硬件改进和激励筛选的APUF可靠性提升方案普遍存在资源开销大、效率低的问题，该文提出一种基于延迟差异约束的激励生成策略(DCGS)，旨在提升资源受限场景下APUF的可靠性。该策略首先利用逻辑回归模型建模APUF的路径延迟特性，构建延迟权重向量；随后通过前缀比特初始化与逐位扩展机制构造激励，实时控制生成激励的延迟差介于设定阈值区间，最终直接生成具有高可靠性和高随机性的激励序列，无需额外候选激励筛选环节。仿真结果表明：DCGS生成的激励在实际应用面临的最大噪声强度下，可靠性仍保持100%，响应均匀性达50.02%，唯一性达50.46%，且生成1万条高可靠激励仅需0.017秒，在可靠性提升效果、分布均匀性、唯一性和生成效率四方面均优于基准方案。该策略无需增加硬件开销，能显著增强APUF在复杂环境中的适用性，适用于物联网节点、嵌入式设备等多类资源受限设备的双向认证和密钥生成场景。
, 最新更新时间 , doi: 10.11999/JEIT260011
摘要:
脑–机接口(BCI)在外部设备运动控制中的应用不断拓展，但以离散指令为主的控制方式难以满足连续控制与自然交互的需求，非侵入式连续运动控制BCI因兼具安全性与可推广性而受到广泛关注。本文系统综述了非侵入式连续运动控制BCI的研究进展，从控制范式、解码方法、应用场景及评价指标等方面进行了综合分析，重点讨论了连续控制实现机制及其对系统性能的影响。综述结果表明，非侵入式连续运动控制BCI已由早期概念验证任务逐步拓展至多类实际应用场景，但在范式优化、解码性能提升、真实场景适配和评价标准完善等方面仍有待进一步发展。本文在此基础上对相关研究进行了归纳总结，并对未来发展方向进行了展望，为非侵入式连续运动控制BCI的进一步研究与应用提供参考。
脑–机接口(BCI)在外部设备运动控制中的应用不断拓展，但以离散指令为主的控制方式难以满足连续控制与自然交互的需求，非侵入式连续运动控制BCI因兼具安全性与可推广性而受到广泛关注。本文系统综述了非侵入式连续运动控制BCI的研究进展，从控制范式、解码方法、应用场景及评价指标等方面进行了综合分析，重点讨论了连续控制实现机制及其对系统性能的影响。综述结果表明，非侵入式连续运动控制BCI已由早期概念验证任务逐步拓展至多类实际应用场景，但在范式优化、解码性能提升、真实场景适配和评价标准完善等方面仍有待进一步发展。本文在此基础上对相关研究进行了归纳总结，并对未来发展方向进行了展望，为非侵入式连续运动控制BCI的进一步研究与应用提供参考。
, 最新更新时间 , doi: 10.11999/JEIT250884
摘要:
针对阵列误差影响下圆和非圆信号混合入射的波达方向(DOA)估计问题，该文提出一种基于改进视觉转换器(ViT)模型的鲁棒测向算法。该算法通过构建六通道类图像输入架构，融合接收信号的协方差矩阵实部、虚部、相位、幅值及非圆扩展特性，利用梯度掩码机制实现核心特征与辅助特征的自适应融合，充分提取并挖掘了非圆信号伪协方差矩阵中蕴含的额外信息；同时改进传统ViT模型结构，增加特征融合及卷积模块，并设计前后双分类标记注意力机制，增强模型对信号的学习能力和适应性。实验结果表明，该算法在低信噪比、圆与非圆信号混合及多种阵列误差共存等复杂场景下，相比于现有方法展现出了更好的鲁棒性和测向精度。此外，该算法对快拍数变化及未知调制类型的信号亦表现出良好的适应性与稳定性，为复杂环境中的波达方向估计提供了一种新的有效方法。
针对阵列误差影响下圆和非圆信号混合入射的波达方向(DOA)估计问题，该文提出一种基于改进视觉转换器(ViT)模型的鲁棒测向算法。该算法通过构建六通道类图像输入架构，融合接收信号的协方差矩阵实部、虚部、相位、幅值及非圆扩展特性，利用梯度掩码机制实现核心特征与辅助特征的自适应融合，充分提取并挖掘了非圆信号伪协方差矩阵中蕴含的额外信息；同时改进传统ViT模型结构，增加特征融合及卷积模块，并设计前后双分类标记注意力机制，增强模型对信号的学习能力和适应性。实验结果表明，该算法在低信噪比、圆与非圆信号混合及多种阵列误差共存等复杂场景下，相比于现有方法展现出了更好的鲁棒性和测向精度。此外，该算法对快拍数变化及未知调制类型的信号亦表现出良好的适应性与稳定性，为复杂环境中的波达方向估计提供了一种新的有效方法。
, 最新更新时间 , doi: 10.11999/JEIT251264
摘要:
人工智能与光电感知技术的深度融合，有力推动了智能驾驶的发展。激光雷达作为核心光电传感器，能够获取高精度三维点云，已成为环境感知不可或缺的数据来源。然而，基于深度学习的点云识别模型在对抗样本面前表现脆弱，易受微小扰动影响而导致识别性能显著下降，对智能驾驶光电感知系统的安全构成了严峻挑战。现有攻击方法虽能实现一定攻击效果，但往往扰动明显、隐蔽性不足，且易产生离群点，难以在实际光电感知场景中有效应用。为此，该文提出一种基于梯度自适应调整驱动的点云对抗攻击方法(GAA)。该方法首先分析三维点云分类网络的决策脆弱性，筛选对模型输出影响显著的关键点集；进而结合各点的局部曲率信息自适应调整梯度权重，并在主曲率方向的几何约束下优化扰动生成，从而在保证较高攻击成功率的同时，有效维持对抗点云的几何一致性与视觉自然性。在多个公开数据集上的实验结果表明，该方法在实现高攻击成功率的同时，显著降低了扰动强度，以ModelNet40数据集为例，在PointNet模型上平均仅扰动28个点便可达到97.69%的攻击成功率，显著优于现有对比方法，为评估和提升智能驾驶光电感知系统的安全性提供了有效工具。
人工智能与光电感知技术的深度融合，有力推动了智能驾驶的发展。激光雷达作为核心光电传感器，能够获取高精度三维点云，已成为环境感知不可或缺的数据来源。然而，基于深度学习的点云识别模型在对抗样本面前表现脆弱，易受微小扰动影响而导致识别性能显著下降，对智能驾驶光电感知系统的安全构成了严峻挑战。现有攻击方法虽能实现一定攻击效果，但往往扰动明显、隐蔽性不足，且易产生离群点，难以在实际光电感知场景中有效应用。为此，该文提出一种基于梯度自适应调整驱动的点云对抗攻击方法(GAA)。该方法首先分析三维点云分类网络的决策脆弱性，筛选对模型输出影响显著的关键点集；进而结合各点的局部曲率信息自适应调整梯度权重，并在主曲率方向的几何约束下优化扰动生成，从而在保证较高攻击成功率的同时，有效维持对抗点云的几何一致性与视觉自然性。在多个公开数据集上的实验结果表明，该方法在实现高攻击成功率的同时，显著降低了扰动强度，以ModelNet40数据集为例，在PointNet模型上平均仅扰动28个点便可达到97.69%的攻击成功率，显著优于现有对比方法，为评估和提升智能驾驶光电感知系统的安全性提供了有效工具。
, 最新更新时间 , doi: 10.11999/JEIT251325
摘要:
有源电路与天线的无缝集成能有效改善链路性能与集成度。当前，有源集成天线主要是在保证天线辐射性能的前提下调控天线阻抗特性使其与有源晶体管实现直接匹配。天线复阻抗特性对有源通道的相位响应影响，及其在有源集成相控阵列中的应用还未进行充分分析。有源电路与天线的无缝集成能有效改善链路整体性能与集成度。该文提出一种用于有源集成阵列的通道相位自补偿方法。每个有源通道中的有源晶体管与辐射阵元需直接集成，即晶体管漏极输出端的负载阻抗与辐射阵元的输入阻抗匹配。通过在恒定有源增益下对该负载阻抗(复阻抗)求解，可以得到有源通道相位响应与负载阻抗的具体映射关系。进而针对各通道间对于移相范围的具体要求，选择合适的负载阻抗作为相应辐射阵元的输入阻抗，便可以在不采用外部移相结构的情况下，对每个通道施加一组相位分布，用以控制初始波束指向或者共形阵列中阵元之间波程差补偿等应用。该文设计、加工和测试了一个具有初始波束指向的有源集成相控阵天线设计实例，验证了该方法的有效性。
有源电路与天线的无缝集成能有效改善链路性能与集成度。当前，有源集成天线主要是在保证天线辐射性能的前提下调控天线阻抗特性使其与有源晶体管实现直接匹配。天线复阻抗特性对有源通道的相位响应影响，及其在有源集成相控阵列中的应用还未进行充分分析。有源电路与天线的无缝集成能有效改善链路整体性能与集成度。该文提出一种用于有源集成阵列的通道相位自补偿方法。每个有源通道中的有源晶体管与辐射阵元需直接集成，即晶体管漏极输出端的负载阻抗与辐射阵元的输入阻抗匹配。通过在恒定有源增益下对该负载阻抗(复阻抗)求解，可以得到有源通道相位响应与负载阻抗的具体映射关系。进而针对各通道间对于移相范围的具体要求，选择合适的负载阻抗作为相应辐射阵元的输入阻抗，便可以在不采用外部移相结构的情况下，对每个通道施加一组相位分布，用以控制初始波束指向或者共形阵列中阵元之间波程差补偿等应用。该文设计、加工和测试了一个具有初始波束指向的有源集成相控阵天线设计实例，验证了该方法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT260022
摘要:
当前交通场景感知依赖大规模高分辨率图像与雷达点云数据，在“感知-存储-计算”链路上面临采集成本高、存储压力大及计算资源消耗高等瓶颈。基于此，该文创新性地从轮胎视角出发，构建了一种新的多模态交通场景感知数据集(TTSPD)。具体地，该文采用橡胶基复合材料封装策略与低功耗蓝牙5.0自适应跳频技术，构建了一套集轮胎内置多参数传感与车载摄像头为一体的多模态传感器系统。该系统可在车辆行驶过程中同步采集径向加速度、胎温和胎压等6类轮胎传感器数据(约1 550 万字节，超过180万个传感器采样点)，并同时获取309 GB的交通场景图像数据(涵盖水泥、沥青、破损与积水4类典型路面)。通过对轮胎传感器数据与交通场景图像数据进行统一时间标记与跨模态关联，构建了具有场景一致性的多模态交通场景感知数据集TTSPD。进一步，为验证数据集的合理性和有效性，该文将TTSPD数据集应用于路面分类任务。实验结果表明，主流路面分类算法在该数据集上能够实现较高的分类精度(精度范围87.25%～93.75%)。同时，融合轮胎传感器数据(低维度)使模型在仅使用约38.75%原始数据量的情况下即可达到全量数据95%的分类精度，显著降低对高维度图像数据的依赖，减少了数据存储压力(存储规模下降约61.25%)、降低了计算资源开销，缩短了整体训练时间(缩短约54.10%)。该数据集为构建车规级算力约束下多模态环境感知与智能决策系统提供了新的数据形态，为我国智能交通技术的自主创新与可持续发展提供了助力。
当前交通场景感知依赖大规模高分辨率图像与雷达点云数据，在“感知-存储-计算”链路上面临采集成本高、存储压力大及计算资源消耗高等瓶颈。基于此，该文创新性地从轮胎视角出发，构建了一种新的多模态交通场景感知数据集(TTSPD)。具体地，该文采用橡胶基复合材料封装策略与低功耗蓝牙5.0自适应跳频技术，构建了一套集轮胎内置多参数传感与车载摄像头为一体的多模态传感器系统。该系统可在车辆行驶过程中同步采集径向加速度、胎温和胎压等6类轮胎传感器数据(约
, 最新更新时间 , doi: 10.11999/JEIT260005
摘要:
跳频信号参数盲估计是跳频通信侦察对抗的关键技术。针对现有盲估计方法在估计精度与处理数字调制信号方面存在不足以及计算复杂度较高的问题，该文提出基于改进最大似然(ML)的相移键控(PSK)调制跳频信号参数盲估计方法。首先，基于短时傅里叶变换从持续多个跳频周期的PSK调制跳频信号中截取仅含单次跳频的短切片；然后，基于ML估计方法的代价函数，从短切片中提取适配ML估计模型的信号，克服传统基于ML的估计方法处理含PSK调制的信号时模型失配的问题；最后，提出一种加权迭代求解方法，实现跳频频率与跳频时刻的稳健估计。该方法摆脱了基于传统时频分析及压缩感知的估计框架约束，且计算复杂度较低。仿真结果表明，该方法可以同时实现PSK调制跳频信号跳频频率与跳频时刻的高精度估计。
跳频信号参数盲估计是跳频通信侦察对抗的关键技术。针对现有盲估计方法在估计精度与处理数字调制信号方面存在不足以及计算复杂度较高的问题，该文提出基于改进最大似然(ML)的相移键控(PSK)调制跳频信号参数盲估计方法。首先，基于短时傅里叶变换从持续多个跳频周期的PSK调制跳频信号中截取仅含单次跳频的短切片；然后，基于ML估计方法的代价函数，从短切片中提取适配ML估计模型的信号，克服传统基于ML的估计方法处理含PSK调制的信号时模型失配的问题；最后，提出一种加权迭代求解方法，实现跳频频率与跳频时刻的稳健估计。该方法摆脱了基于传统时频分析及压缩感知的估计框架约束，且计算复杂度较低。仿真结果表明，该方法可以同时实现PSK调制跳频信号跳频频率与跳频时刻的高精度估计。
, 最新更新时间 , doi: 10.11999/JEIT251260
摘要:
网络安全领域命名实体识别作为支撑威胁情报分析、安全事件响应及漏洞管理的核心技术，面临着标注数据稀缺、专业术语密集与语义融合不足等严峻挑战，而现有的大语言模型方法又存在领域语义融合不足和稀有实体召回率低等缺陷。针对以上挑战，该文提出了一种面向大语言模型轻量化适配的语义增强型网络安全命名实体识别方法。该方法集成LLM2Vec与低秩适配的轻量化适配策略以保留深层语义编码并降低训练成本，设计稀疏门控注意力机制以强化领域关键词融合，并引入基于SecRoBERTa的语义增强组件以提升小样本场景下的特征鲁棒性，最终采用掩蔽条件随机场约束标签路径的合法性。在DNRTI和APTNER两个公开数据集上的实验结果表明，所提方法在精确率、召回率和F1分数上均优于现有主流方法，其中在DNRTI数据集上F1分数达到91.91%，较当前最优模型提升2.14%，验证了其在网络安全实体识别任务中的有效性。该方法为低资源场景下的网络安全命名实体识别提供了高效、轻量化的解决方案，对推动威胁情报自动化分析与安全防护体系智能化具有实际意义。
网络安全领域命名实体识别作为支撑威胁情报分析、安全事件响应及漏洞管理的核心技术，面临着标注数据稀缺、专业术语密集与语义融合不足等严峻挑战，而现有的大语言模型方法又存在领域语义融合不足和稀有实体召回率低等缺陷。针对以上挑战，该文提出了一种面向大语言模型轻量化适配的语义增强型网络安全命名实体识别方法。该方法集成LLM2Vec与低秩适配的轻量化适配策略以保留深层语义编码并降低训练成本，设计稀疏门控注意力机制以强化领域关键词融合，并引入基于SecRoBERTa的语义增强组件以提升小样本场景下的特征鲁棒性，最终采用掩蔽条件随机场约束标签路径的合法性。在DNRTI和APTNER两个公开数据集上的实验结果表明，所提方法在精确率、召回率和F1分数上均优于现有主流方法，其中在DNRTI数据集上F1分数达到91.91%，较当前最优模型提升2.14%，验证了其在网络安全实体识别任务中的有效性。该方法为低资源场景下的网络安全命名实体识别提供了高效、轻量化的解决方案，对推动威胁情报自动化分析与安全防护体系智能化具有实际意义。
, 最新更新时间 , doi: 10.11999/JEIT251162
摘要:
为解决现有眼动追踪技术精度低，在高速眼动场景下时间分辨率受限等问题。本文提出了一种基于事件相机与双通道差分照明的眼动追踪方法。相比于传统相机，事件相机能够异步输出有关亮度变化的事件流，具有高时间分辨率、高动态范围、低延迟等优势。首先，本文采用事件相机作为图像传感器，并结合双通道差分照明策略，增强高时间分辨率下角膜反射点事件的信噪比；其次，引入基于密度带有噪声的空间聚类算法(DBSCAN)，改善角膜反射点事件中大量离散点噪声导致的定位偏差，提升角膜反射点的定位精度。最后，重建世界坐标系下眼球的射线追踪模型，有效利用角膜反射点坐标并通过奇异值分解(SVD)和最小二乘法确定角膜曲率中心，从而完成注视方向的估计。在仿生眼数据集上的实验结果表明，本文提出的方法能够在25 kHz的时间分辨率下实现误差小于1°的注视方向估计，为下一代高性能眼动交互系统提供了可行的技术路径。
为解决现有眼动追踪技术精度低，在高速眼动场景下时间分辨率受限等问题。本文提出了一种基于事件相机与双通道差分照明的眼动追踪方法。相比于传统相机，事件相机能够异步输出有关亮度变化的事件流，具有高时间分辨率、高动态范围、低延迟等优势。首先，本文采用事件相机作为图像传感器，并结合双通道差分照明策略，增强高时间分辨率下角膜反射点事件的信噪比；其次，引入基于密度带有噪声的空间聚类算法(DBSCAN)，改善角膜反射点事件中大量离散点噪声导致的定位偏差，提升角膜反射点的定位精度。最后，重建世界坐标系下眼球的射线追踪模型，有效利用角膜反射点坐标并通过奇异值分解(SVD)和最小二乘法确定角膜曲率中心，从而完成注视方向的估计。在仿生眼数据集上的实验结果表明，本文提出的方法能够在25 kHz的时间分辨率下实现误差小于1°的注视方向估计，为下一代高性能眼动交互系统提供了可行的技术路径。
, 最新更新时间 , doi: 10.11999/JEIT251268
摘要:
干涉逆合成孔径雷达(InISAR)是一种非合作目标三维重建技术。然而，在对具有复杂运动特性的舰船目标成像时，复杂三维旋转运动会导致目标多普勒频率变化不稳定，直接影响目标三维重建质量，同时，ISAR成像不可避免地存在目标叠掩和遮挡问题，致使单一投影平面的InISAR技术无法实现目标三维信息完全重建。针对上述问题，该文提出了一种复杂运动舰船目标多投影平面InISAR三维重建方法。首先，在分析高海情下长相干积累时间内舰船目标多维复杂运动特性的基础上，结合主成分分析算法选择多个不同成像投影平面的成像时间段，获取多个不同投影平面的高质量舰船目标逆合成孔径雷达(ISAR)图像及其三维重建结果。其次，结合加权随机采样一致性与分层迭代最近点方法，高精度提取和匹配多投影平面三维图像的同名特征点，实现多投影平面InISAR三维图像的高效高精度配准与融合。舰船点目标散射模型和电磁仿真模型的实验结果表明，与单一投影平面下的目标三维重建结果相比，该文所提方法获得的InISAR三维重建质量得到了显著提升。
干涉逆合成孔径雷达(InISAR)是一种非合作目标三维重建技术。然而，在对具有复杂运动特性的舰船目标成像时，复杂三维旋转运动会导致目标多普勒频率变化不稳定，直接影响目标三维重建质量，同时，ISAR成像不可避免地存在目标叠掩和遮挡问题，致使单一投影平面的InISAR技术无法实现目标三维信息完全重建。针对上述问题，该文提出了一种复杂运动舰船目标多投影平面InISAR三维重建方法。首先，在分析高海情下长相干积累时间内舰船目标多维复杂运动特性的基础上，结合主成分分析算法选择多个不同成像投影平面的成像时间段，获取多个不同投影平面的高质量舰船目标逆合成孔径雷达(ISAR)图像及其三维重建结果。其次，结合加权随机采样一致性与分层迭代最近点方法，高精度提取和匹配多投影平面三维图像的同名特征点，实现多投影平面InISAR三维图像的高效高精度配准与融合。舰船点目标散射模型和电磁仿真模型的实验结果表明，与单一投影平面下的目标三维重建结果相比，该文所提方法获得的InISAR三维重建质量得到了显著提升。
, 最新更新时间 , doi: 10.11999/JEIT250853
摘要:
低密度奇偶校验码(Low-Density Parity-Check Codes, LDPC)译码器的输入是由接收信号转换而来的对数似然比，译码器的性能对输入敏感。在实际无线通信系统中，由于环境的变化，信道容易受到突发干扰，这些干扰会打乱译码器的输入分布从而导致性能损失。为了解决上述问题，本文提出了一种面向5G URLLC场景的LDPC码限幅归一化最小和列表译码算法。该算法通过复用空闲处理单元来生成多条译码路径，并根据输入分布为每条路径配备独立的限幅器以平滑突发干扰，在不增加硬件开销的情况下提升了译码器在干扰信道上的性能。实验表明，相较于单限幅分层NMS算法，该算法实现了0.5 dB左右的增益，并且处理单元的利用率平均提高了69%。
低密度奇偶校验码(Low-Density Parity-Check Codes, LDPC)译码器的输入是由接收信号转换而来的对数似然比，译码器的性能对输入敏感。在实际无线通信系统中，由于环境的变化，信道容易受到突发干扰，这些干扰会打乱译码器的输入分布从而导致性能损失。为了解决上述问题，本文提出了一种面向5G URLLC场景的LDPC码限幅归一化最小和列表译码算法。该算法通过复用空闲处理单元来生成多条译码路径，并根据输入分布为每条路径配备独立的限幅器以平滑突发干扰，在不增加硬件开销的情况下提升了译码器在干扰信道上的性能。实验表明，相较于单限幅分层NMS算法，该算法实现了0.5 dB左右的增益，并且处理单元的利用率平均提高了69%。
, 最新更新时间 , doi: 10.11999/JEIT251099
摘要:
药物响应预测是生物医学研究中的重要课题，对推动癌症个性化治疗具有重要意义。尽管目前已有方法在药物响应预测方面取得了一定进展，然而，细胞系多组学数据的有效整合与药物特征的高效提取仍是当前研究面临的关键挑战。针对这一问题，本文提出一种基于图拓扑注意力网络的药物分子特征提取方法，并使用注意力机制融合多组学特征，进而实现药物响应预测。实验结果表明，本文所提出的模型在CCLE和GDSC两个数据集上均优于现有主流方法，消融实验进一步验证了模型结构与特征提取策略在本任务中的有效性。
药物响应预测是生物医学研究中的重要课题，对推动癌症个性化治疗具有重要意义。尽管目前已有方法在药物响应预测方面取得了一定进展，然而，细胞系多组学数据的有效整合与药物特征的高效提取仍是当前研究面临的关键挑战。针对这一问题，本文提出一种基于图拓扑注意力网络的药物分子特征提取方法，并使用注意力机制融合多组学特征，进而实现药物响应预测。实验结果表明，本文所提出的模型在CCLE和GDSC两个数据集上均优于现有主流方法，消融实验进一步验证了模型结构与特征提取策略在本任务中的有效性。
, 最新更新时间 , doi: 10.11999/JEIT251111
摘要:
唇部运动的微小变化和相似音素的视觉歧义导致唇语识别模型的时空特征提取能力不足。为此，提出多维时空特征增强的唇语识别方法。首先设计自调节时空注意力(SaSTA)，关注全局时空关键特征；其次提出三维增强残差块(TE-ResBlock)，通过时序位移、多尺度卷积与通道混洗增强时空特征提取能力；然后设计多维时空增强网络(MSTEN)，逐层提取时空特征并深度融合时间、空间和通道特征；最后基于MSTEN和DC-TCN构建唇语识别模型，并在LRW数据集和GRID数据集上验证模型性能。实验结果表明，所提方法在LRW和GRID上的准确率分别达到91.18%和97.82%，优于所有对比方法。
唇部运动的微小变化和相似音素的视觉歧义导致唇语识别模型的时空特征提取能力不足。为此，提出多维时空特征增强的唇语识别方法。首先设计自调节时空注意力(SaSTA)，关注全局时空关键特征；其次提出三维增强残差块(TE-ResBlock)，通过时序位移、多尺度卷积与通道混洗增强时空特征提取能力；然后设计多维时空增强网络(MSTEN)，逐层提取时空特征并深度融合时间、空间和通道特征；最后基于MSTEN和DC-TCN构建唇语识别模型，并在LRW数据集和GRID数据集上验证模型性能。实验结果表明，所提方法在LRW和GRID上的准确率分别达到91.18%和97.82%，优于所有对比方法。
, 最新更新时间 , doi: 10.11999/JEIT260108
摘要:
商用现场可编程门阵列(FPGA)普遍采用6输入查找表(LUT)构建可编程逻辑块.而相关实验表明6输入LUT在电路中的应用平均不超过30%，造成了严重的可编程资源浪费。该文在可拆分因子概念基础上将6输入LUT进行不同粒度拆分并进行重新组合，构建出三种新的混合粒度可编程逻辑单元；然后基于混合粒度可编程逻辑单元组合成三种新的混合可编程逻辑块结构用以替换Xilinx的可编程逻辑块；同时提出了一种对映射后网表进行统计的优化评估算法；最后对三种改进结构进行相应实验验证和评估。结果表明：在不增加输入端口资源的情况下，三种混合粒度可编程逻辑块对Xilinx可编程逻辑块结构替换后面积优化平均超过30%；综合PLB使用数量和面积优化来看，可拆分因子N=3时候构建的混合可编程逻辑块结构优化效果最好，在MCNC电路集和VTR电路集下，资源利用率平均分别提高了8.27%和27.64%，有效提升了FPGA的资源利用率。
商用现场可编程门阵列(FPGA)普遍采用6输入查找表(LUT)构建可编程逻辑块.而相关实验表明6输入LUT在电路中的应用平均不超过30%，造成了严重的可编程资源浪费。该文在可拆分因子概念基础上将6输入LUT进行不同粒度拆分并进行重新组合，构建出三种新的混合粒度可编程逻辑单元；然后基于混合粒度可编程逻辑单元组合成三种新的混合可编程逻辑块结构用以替换Xilinx的可编程逻辑块；同时提出了一种对映射后网表进行统计的优化评估算法；最后对三种改进结构进行相应实验验证和评估。结果表明：在不增加输入端口资源的情况下，三种混合粒度可编程逻辑块对Xilinx可编程逻辑块结构替换后面积优化平均超过30%；综合PLB使用数量和面积优化来看，可拆分因子N=3时候构建的混合可编程逻辑块结构优化效果最好，在MCNC电路集和VTR电路集下，资源利用率平均分别提高了8.27%和27.64%，有效提升了FPGA的资源利用率。
, 最新更新时间 , doi: 10.11999/JEIT251358
摘要:
密文检索(Ciphertext Retrieval)机制能够实现密态数据上的检索功能。对称可搜索加密(Symmetric Searchable Encryption, SSE)是密文检索的一个重要分支。然而，出于节省算力等特定因素的考虑，云服务器有可能会返回错误或不完整的结果。此外，攻击者也能利用搜索与访问模式的泄露信息还原出关键字内容。因此，在实现搜索结果可验证性的同时，保护搜索模式和访问模式的隐私，是很有必要和有意义的。但现有支持搜索模式和访问模式隐私的可验证SSE方案普遍需要关键字遍历机制且其验证机制的运行效率不尽理想。这些情况使得数据用户面临较高的计算成本和通信开销。针对上述性能瓶颈，该文提出一种基于可信执行环境(Trusted Execution Environment, TEE)的高效可验证密文检索方案。为提升密文检索等效率，该方案借助硬件级安全隔离与不经意数据重排的协同实现关键字陷门尺寸独立于关键字字典的规模。同时，通过嵌入随机数以及盲化多项式常数项方式验证返回结果的正确性。得益于上述设计，该方案在效率层面取得了显著提升。具体而言，其一，该方案使得关键字陷门规模仅与查询关键字数量相关，而与全局字典规模无关，有效降低计算和通信成本；其二，该方案仅需存储两个随机数即可实现可验证功能，大幅降低用户本地存储开销。其三，数据用户与单服务器单轮交互中获取检索结果以及对称同态加密机制的应用等技术进一步提升了运行效率。此外，TEE中的密态计算弱化了对TEE的安全假设和信任程度。在通过模拟游戏方式完成对方案安全性的证明之后，该文对所提出的方案进行了综合的性能评估，评估结果证实了该方案效率上显著优于其他具备相同功能的方案。
密文检索(Ciphertext Retrieval)机制能够实现密态数据上的检索功能。对称可搜索加密(Symmetric Searchable Encryption, SSE)是密文检索的一个重要分支。然而，出于节省算力等特定因素的考虑，云服务器有可能会返回错误或不完整的结果。此外，攻击者也能利用搜索与访问模式的泄露信息还原出关键字内容。因此，在实现搜索结果可验证性的同时，保护搜索模式和访问模式的隐私，是很有必要和有意义的。但现有支持搜索模式和访问模式隐私的可验证SSE方案普遍需要关键字遍历机制且其验证机制的运行效率不尽理想。这些情况使得数据用户面临较高的计算成本和通信开销。针对上述性能瓶颈，该文提出一种基于可信执行环境(Trusted Execution Environment, TEE)的高效可验证密文检索方案。为提升密文检索等效率，该方案借助硬件级安全隔离与不经意数据重排的协同实现关键字陷门尺寸独立于关键字字典的规模。同时，通过嵌入随机数以及盲化多项式常数项方式验证返回结果的正确性。得益于上述设计，该方案在效率层面取得了显著提升。具体而言，其一，该方案使得关键字陷门规模仅与查询关键字数量相关，而与全局字典规模无关，有效降低计算和通信成本；其二，该方案仅需存储两个随机数即可实现可验证功能，大幅降低用户本地存储开销。其三，数据用户与单服务器单轮交互中获取检索结果以及对称同态加密机制的应用等技术进一步提升了运行效率。此外，TEE中的密态计算弱化了对TEE的安全假设和信任程度。在通过模拟游戏方式完成对方案安全性的证明之后，该文对所提出的方案进行了综合的性能评估，评估结果证实了该方案效率上显著优于其他具备相同功能的方案。
, 最新更新时间 , doi: 10.11999/JEIT251269
摘要:
物理层安全博弈理论分析终端和攻击者之间的交互机理，基于博弈均衡给出无线抗干扰和物理层认证等算法的性能界。在终端将海域图像等信息发给搭载大模型的岸边控制中心以支撑海域监测等业务场景下，现有博弈模型未考虑受到蒸导效应和海面反射影响的海域无线信道，难以准确分析大模型推断性能的变化。因此，构建面向大模型推断的海域抗干扰通信博弈，攻击者选择干扰功率和信道，以较低的干扰开销降低信干噪比，终端选择发射功率、传输信道、大模型稀疏率和岸边控制中心等策略以提高推断精度并降低时延。接着，构建面向大模型推断的海域认证博弈，攻击者选择虚假数据包数量，以较低攻击开销降低认证精度，岸边控制中心选择认证模式和阈值以提高认证精度并降低认证开销。基于包含70亿参数的大模型给出斯塔克伯格均衡，分析智能海域抗干扰推断和物理层认证算法性能极限，指导最大发射功率等系统参数选择，辅助快速设计物理层安全算法。
物理层安全博弈理论分析终端和攻击者之间的交互机理，基于博弈均衡给出无线抗干扰和物理层认证等算法的性能界。在终端将海域图像等信息发给搭载大模型的岸边控制中心以支撑海域监测等业务场景下，现有博弈模型未考虑受到蒸导效应和海面反射影响的海域无线信道，难以准确分析大模型推断性能的变化。因此，构建面向大模型推断的海域抗干扰通信博弈，攻击者选择干扰功率和信道，以较低的干扰开销降低信干噪比，终端选择发射功率、传输信道、大模型稀疏率和岸边控制中心等策略以提高推断精度并降低时延。接着，构建面向大模型推断的海域认证博弈，攻击者选择虚假数据包数量，以较低攻击开销降低认证精度，岸边控制中心选择认证模式和阈值以提高认证精度并降低认证开销。基于包含70亿参数的大模型给出斯塔克伯格均衡，分析智能海域抗干扰推断和物理层认证算法性能极限，指导最大发射功率等系统参数选择，辅助快速设计物理层安全算法。
, 最新更新时间 , doi: 10.11999/JEIT251375
摘要:
在单片三维集成电路中，单片层间通孔(MIV)是实现垂直互连的关键结构，其制造缺陷会严重影响芯片可靠性。然而，面对MIV数量庞大、电气参数微小、故障类型多样的特点，实现高精度、低开销的测试是一个重要挑战。该文提出一种基于时间数字转换器(TDC)的MIV并行测试方法。通过行列分组将待测MIV构建成行或列的测试链，并通过数控延迟线(DCDL)来生成具有特定相位关系的测试激励信号。利用TDC测量电路的响应，并通过分析响应序列的规律性偏差，可以实现MIV硬故障和小延迟故障的测试。仿真结果表明，该方法在45 nm工艺下可检测阻值高于8.4 kΩ的开路故障，低于67 kΩ的泄漏故障以及低于32 kΩ的短路故障，而且测试结果在不同工艺-电压-温度(PVT)条件下保持稳定。与现有方案相比，该方法在检测精度、条件鲁棒性及硬件开销方面展现出更好的综合性能，为高密度M3D IC的MIV测试提供了一种有效解决方案。
在单片三维集成电路中，单片层间通孔(MIV)是实现垂直互连的关键结构，其制造缺陷会严重影响芯片可靠性。然而，面对MIV数量庞大、电气参数微小、故障类型多样的特点，实现高精度、低开销的测试是一个重要挑战。该文提出一种基于时间数字转换器(TDC)的MIV并行测试方法。通过行列分组将待测MIV构建成行或列的测试链，并通过数控延迟线(DCDL)来生成具有特定相位关系的测试激励信号。利用TDC测量电路的响应，并通过分析响应序列的规律性偏差，可以实现MIV硬故障和小延迟故障的测试。仿真结果表明，该方法在45 nm工艺下可检测阻值高于8.4 kΩ的开路故障，低于67 kΩ的泄漏故障以及低于32 kΩ的短路故障，而且测试结果在不同工艺-电压-温度(PVT)条件下保持稳定。与现有方案相比，该方法在检测精度、条件鲁棒性及硬件开销方面展现出更好的综合性能，为高密度M3D IC的MIV测试提供了一种有效解决方案。
, 最新更新时间 , doi: 10.11999/JEIT251211
摘要:
针对高速移动通信场景下，多普勒频移与时变信道导致信号调制特征严重畸变，现有深度学习模型存在鲁棒性不足、推理延迟高的问题，本文提出了一种基于RollingQ动态融合与混合剪枝Transformer的调制识别方法。首先，引入RollingQ机制，动态评估与调整注意力查询方向，打破注意力固化，实现多维度信号表征的自适应均衡融合，提升了模型在复杂信道下的泛化能力。其次，设计多头注意力频域增强Transformer结构，通过轻量级卷积、多头/空间/通道注意力以及频域选择模块的协同，有效融合信号的局部与全局、时域与频域特征。最后，采用注意力动态混合剪枝策略，在推理时根据输入信号稀疏化激活计算路径，在几乎不损失精度的情况下实现了模型的结构轻量化与推理加速。在公开数据集RadioML 2016.10a和RML22上的实验表明，本文方法平均分类准确率分别达到63.84%和71.13%，且单条信号推理时间仅需2.2 ms。与多种主流深度学习模型相比，平均分类准确率提升4%～10%，显著兼顾了高速移动通信场景下调制识别的鲁棒性与实时性。
针对高速移动通信场景下，多普勒频移与时变信道导致信号调制特征严重畸变，现有深度学习模型存在鲁棒性不足、推理延迟高的问题，本文提出了一种基于RollingQ动态融合与混合剪枝Transformer的调制识别方法。首先，引入RollingQ机制，动态评估与调整注意力查询方向，打破注意力固化，实现多维度信号表征的自适应均衡融合，提升了模型在复杂信道下的泛化能力。其次，设计多头注意力频域增强Transformer结构，通过轻量级卷积、多头/空间/通道注意力以及频域选择模块的协同，有效融合信号的局部与全局、时域与频域特征。最后，采用注意力动态混合剪枝策略，在推理时根据输入信号稀疏化激活计算路径，在几乎不损失精度的情况下实现了模型的结构轻量化与推理加速。在公开数据集RadioML 2016.10a和RML22上的实验表明，本文方法平均分类准确率分别达到63.84%和71.13%，且单条信号推理时间仅需2.2 ms。与多种主流深度学习模型相比，平均分类准确率提升4%～10%，显著兼顾了高速移动通信场景下调制识别的鲁棒性与实时性。
, 最新更新时间 , doi: 10.11999/JEIT260019
摘要:
针对对抗性攻击下深度学习调制识别模型鲁棒性不足且现有防御方法依赖攻击先验、计算开销大的问题，本文提出一种盲对抗性攻击下的稳健调制识别框架。首先，特征净化自编码器从信号特征中提取高维流形结构，并在瓶颈层创新性地引入动态净化机制，通过基于统计特征的自适应阈值与Top-K稀疏化操作，精准识别并抑制由对抗扰动引起的异常特征激活，最后利用解码器将净化后的特征重构为逼近干净信号的表征。目标函数依次引入重构损失、特征稀疏性约束与语义一致性损失，确保净化后信号在结构与语义上均贴近干净样本。实验结果表明，在包含12种调制类型的仿真数据集上，所提框架在面对有/无目标下的白盒攻击与黑盒攻击时，能将调制识别准确率分别提升至83.2%/85.7%与86.1%/89.3%，验证了其在盲对抗性攻击场景下的有效性与稳健性。
针对对抗性攻击下深度学习调制识别模型鲁棒性不足且现有防御方法依赖攻击先验、计算开销大的问题，本文提出一种盲对抗性攻击下的稳健调制识别框架。首先，特征净化自编码器从信号特征中提取高维流形结构，并在瓶颈层创新性地引入动态净化机制，通过基于统计特征的自适应阈值与Top-K稀疏化操作，精准识别并抑制由对抗扰动引起的异常特征激活，最后利用解码器将净化后的特征重构为逼近干净信号的表征。目标函数依次引入重构损失、特征稀疏性约束与语义一致性损失，确保净化后信号在结构与语义上均贴近干净样本。实验结果表明，在包含12种调制类型的仿真数据集上，所提框架在面对有/无目标下的白盒攻击与黑盒攻击时，能将调制识别准确率分别提升至83.2%/85.7%与86.1%/89.3%，验证了其在盲对抗性攻击场景下的有效性与稳健性。
, 最新更新时间 , doi: 10.11999/JEIT251129
摘要:
针对现有水下目标检测方法在成像退化类型多样与背景干扰等复杂场景中鲁棒性差以及在设备资源受限条件下难以兼顾检测精度与模型轻量化的问题，本文提出基于冗余信息优化的轻量化水下目标检测网络(Underwater Faster YOLO Network Based on Redundancy Information Optimization, UWF-YOLO)，并进一步构建了复杂场景水下目标检测数据集(Underwater Object Detection Dataset with Complex Scene, CSUOD)。UWF-YOLO采用FasterNet Block重构C2f模块优化主干和颈部网络，通过特征通道选择机制减少冗余特征，并引入Ghost卷积增强颈部网络的多尺度特征融合能力；同时，通过基于分组卷积的参数共享检测头降低计算开销；最后，应用结构化通道剪枝技术进一步压缩网络规模。CSUOD数据集通过收集真实水下图像标注并进行分辨率标准化处理，覆盖雾化、色偏、非均匀照明等各种退化类型，可用于复杂场景下水下目标检测模型的鲁棒性训练与性能评测。在DUO，RUOD和TrashCan数据集上进行实验表明，相较于YOLOv8s，所提方法在计算量、权重大小与参数量三个指标上的分别降低了60.4%、77.3%和78.4%；与参数量相当的YOLOv9-tiny相比，mAP指标在三个数据集上分别提升了0.3%、2.3%和3.4%。同时，在自建CSUOD数据集上的主客观对比实验，进一步证实所提模型在实现显著轻量化的同时，能够有效避免背景干扰导致的误检、漏检等问题，特别在复杂水下环境中展现出优异的检测性能。此外，本文构建的复杂场景水下数据集将有助于推动水下目标检测方法的发展。
针对现有水下目标检测方法在成像退化类型多样与背景干扰等复杂场景中鲁棒性差以及在设备资源受限条件下难以兼顾检测精度与模型轻量化的问题，本文提出基于冗余信息优化的轻量化水下目标检测网络(Underwater Faster YOLO Network Based on Redundancy Information Optimization, UWF-YOLO)，并进一步构建了复杂场景水下目标检测数据集(Underwater Object Detection Dataset with Complex Scene, CSUOD)。UWF-YOLO采用FasterNet Block重构C2f模块优化主干和颈部网络，通过特征通道选择机制减少冗余特征，并引入Ghost卷积增强颈部网络的多尺度特征融合能力；同时，通过基于分组卷积的参数共享检测头降低计算开销；最后，应用结构化通道剪枝技术进一步压缩网络规模。CSUOD数据集通过收集真实水下图像标注并进行分辨率标准化处理，覆盖雾化、色偏、非均匀照明等各种退化类型，可用于复杂场景下水下目标检测模型的鲁棒性训练与性能评测。在DUO，RUOD和TrashCan数据集上进行实验表明，相较于YOLOv8s，所提方法在计算量、权重大小与参数量三个指标上的分别降低了60.4%、77.3%和78.4%；与参数量相当的YOLOv9-tiny相比，mAP指标在三个数据集上分别提升了0.3%、2.3%和3.4%。同时，在自建CSUOD数据集上的主客观对比实验，进一步证实所提模型在实现显著轻量化的同时，能够有效避免背景干扰导致的误检、漏检等问题，特别在复杂水下环境中展现出优异的检测性能。此外，本文构建的复杂场景水下数据集将有助于推动水下目标检测方法的发展。
, 最新更新时间 , doi: 10.11999/JEIT251244
摘要:
在复杂且动态变化的海洋环境中，通信性能起伏显著且难以预估，传统依赖反馈链路进行信道状态估计与参数调整的方法难以适用于深海远程水声通信。为此，该文提出一种基于深度学习声场不确定预估的水声通信性能分析与快速预报方法，在无反馈条件下实现通信参数与信道状态的高效匹配。该方法基于深度学习快速预测的传播损失概率分布，构建了从传播损失到信噪比，再到统计信道容量与中断容量的链式映射模型，实现环境不确定性与通信性能的量化映射。进一步结合典型深海单载波通信系统在特定信道条件下的链路性能与传播损失的统计特性，提出通信“速率-可靠性”预报方法，评估不同速率下的可靠通信概率，从而为复杂动态环境下的系统参数匹配提供依据。海上试验结果表明，所提方法在复杂信道环境下对通信“速率-可靠性”的预报与实测结果高度一致：会聚区与影区各速率点上的可靠概率偏差分别为0.9%～4%和1%～9%；以90%可靠通信概率为阈值时，预报的最大可靠速率与实测结果一致，验证了该方法在深海远程水声通信中的准确性和实用性。
在复杂且动态变化的海洋环境中，通信性能起伏显著且难以预估，传统依赖反馈链路进行信道状态估计与参数调整的方法难以适用于深海远程水声通信。为此，该文提出一种基于深度学习声场不确定预估的水声通信性能分析与快速预报方法，在无反馈条件下实现通信参数与信道状态的高效匹配。该方法基于深度学习快速预测的传播损失概率分布，构建了从传播损失到信噪比，再到统计信道容量与中断容量的链式映射模型，实现环境不确定性与通信性能的量化映射。进一步结合典型深海单载波通信系统在特定信道条件下的链路性能与传播损失的统计特性，提出通信“速率-可靠性”预报方法，评估不同速率下的可靠通信概率，从而为复杂动态环境下的系统参数匹配提供依据。海上试验结果表明，所提方法在复杂信道环境下对通信“速率-可靠性”的预报与实测结果高度一致：会聚区与影区各速率点上的可靠概率偏差分别为0.9%～4%和1%～9%；以90%可靠通信概率为阈值时，预报的最大可靠速率与实测结果一致，验证了该方法在深海远程水声通信中的准确性和实用性。
, 最新更新时间 , doi: 10.11999/JEIT251017
摘要:
现有基于监督学习范式的短波信号调制识别方法通常假设训练数据(源域)与测试数据(目标域)服从同一分布。然而，短波信道易受电离层变化影响，导致域间分布差异显著，进而引发模型性能退化。此外，无人平台边缘侧部署还面临设备资源受限、标注样本稀缺以及数据隐私保护等多重挑战。针对上述问题，本文提出一种基于源模型迁移的轻量化识别方法，能够在不访问源域数据的条件下实现隐私安全的模型迁移。该方法的优势主要体现在三个方面：首先，具备良好的轻量化特性，仅需在无标签目标域上进行单轮训练即可快速收敛，显著降低了计算开销；其次，具备优异的小样本适应能力，在目标域样本极少的场景下仍能保持较高的识别精度；最后，通过融合涵盖同相/正交分量、幅度/相位信息及频谱特征的多模态信号特征，充分利用特征互补性增强了模型鲁棒性。仿真实验结果表明，该方法在大幅降低资源消耗的同时，在小样本条件下仍能保持稳定的识别性能，验证了其兼具快速收敛、低资源需求和良好泛化能力的特性。
现有基于监督学习范式的短波信号调制识别方法通常假设训练数据(源域)与测试数据(目标域)服从同一分布。然而，短波信道易受电离层变化影响，导致域间分布差异显著，进而引发模型性能退化。此外，无人平台边缘侧部署还面临设备资源受限、标注样本稀缺以及数据隐私保护等多重挑战。针对上述问题，本文提出一种基于源模型迁移的轻量化识别方法，能够在不访问源域数据的条件下实现隐私安全的模型迁移。该方法的优势主要体现在三个方面：首先，具备良好的轻量化特性，仅需在无标签目标域上进行单轮训练即可快速收敛，显著降低了计算开销；其次，具备优异的小样本适应能力，在目标域样本极少的场景下仍能保持较高的识别精度；最后，通过融合涵盖同相/正交分量、幅度/相位信息及频谱特征的多模态信号特征，充分利用特征互补性增强了模型鲁棒性。仿真实验结果表明，该方法在大幅降低资源消耗的同时，在小样本条件下仍能保持稳定的识别性能，验证了其兼具快速收敛、低资源需求和良好泛化能力的特性。
, 最新更新时间 , doi: 10.11999/JEIT251021
摘要:
针对室内可见光定位(VLP)系统中接收器姿态扰动会破坏接收光功率(RSS)与空间位置的对应关系，导致定位精度下降的问题，提出一种光电传感器(PD)阵列结合机器学习(ML)的特征融合定位方法。首先利用阵列中不同PD接收光功率的差异构建约束方程，采用高斯–牛顿迭代算法估计入射角余弦值。其次设计融合卷积神经网络(CNN)与多层感知机(MLP)的优化模型，实现对RSS与入射角余弦特征的联合建模，缓解了单一RSS在接收器随机扰动条件下位置映射关系不稳定的问题，增强系统对接收器姿态扰动的鲁棒性。最后引入拉丁超立方抽样(LHS)策略构建训练数据集，提升训练样本的空间代表性。仿真结果表明，在4 m×4 m×2.5 m的室内环境，平均定位误差约4.6 cm；即使接收器倾斜至55°时，平均误差仍在11.7 cm以内。与现有方法相比，定位精度提升约2.5 cm，均方根误差(RMSE)降低31.58%，实现了接收器在姿态发生扰动时的高精度室内三维定位。
针对室内可见光定位(VLP)系统中接收器姿态扰动会破坏接收光功率(RSS)与空间位置的对应关系，导致定位精度下降的问题，提出一种光电传感器(PD)阵列结合机器学习(ML)的特征融合定位方法。首先利用阵列中不同PD接收光功率的差异构建约束方程，采用高斯–牛顿迭代算法估计入射角余弦值。其次设计融合卷积神经网络(CNN)与多层感知机(MLP)的优化模型，实现对RSS与入射角余弦特征的联合建模，缓解了单一RSS在接收器随机扰动条件下位置映射关系不稳定的问题，增强系统对接收器姿态扰动的鲁棒性。最后引入拉丁超立方抽样(LHS)策略构建训练数据集，提升训练样本的空间代表性。仿真结果表明，在4 m×4 m×2.5 m的室内环境，平均定位误差约4.6 cm；即使接收器倾斜至55°时，平均误差仍在11.7 cm以内。与现有方法相比，定位精度提升约2.5 cm，均方根误差(RMSE)降低31.58%，实现了接收器在姿态发生扰动时的高精度室内三维定位。
, 最新更新时间 , doi: 10.11999/JEIT250858
摘要:
片上偏振分束旋转器(Polarization Splitter-Rotator, PSR)作为调控光波偏振态的核心集成光子器件之一，其微型化设计是实现高密度光子集成电路(Photonic Integrated Circuit, PIC)的关键。该文基于绝缘体上硅平台(Silicon-On-Insulator, SOI)，采用逆向法设计了一种超紧凑偏振分束旋转器，通过将动量优化算法与伴随法相结合，提高了设计效率。并且，进一步通过空气孔融合将孔半径控制在50～250 nm，降低了器件的制造难度。数值分析结果表明：该器件在1520 ～1575 nm波段内实现了低插入损耗(TM0<1 dB，TE0<0.68 dB)，低串扰(TM0<–23 dB，TE0<–25.2 dB)和高偏振消光比(TM0>17 dB，TE0>28.5 dB)。器件尺寸仅为2.5 μm×5 μm。工艺容差分析表明，在蚀刻深度偏移±9 nm，蚀刻半径偏移±5 nm时，在1520 ～1540 nm带宽范围内，性能没有明显劣化，具有良好的制造鲁棒性。
片上偏振分束旋转器(Polarization Splitter-Rotator, PSR)作为调控光波偏振态的核心集成光子器件之一，其微型化设计是实现高密度光子集成电路(Photonic Integrated Circuit, PIC)的关键。该文基于绝缘体上硅平台(Silicon-On-Insulator, SOI)，采用逆向法设计了一种超紧凑偏振分束旋转器，通过将动量优化算法与伴随法相结合，提高了设计效率。并且，进一步通过空气孔融合将孔半径控制在50～250 nm，降低了器件的制造难度。数值分析结果表明：该器件在
, 最新更新时间 , doi: 10.11999/JEIT251023
摘要:
在障碍物密集、结构复杂的城市场景中，无人机编队进行辐射源定位常受到信号衰减、多径效应和建筑物遮挡等因素的影响，导致现有方法定位精度不高。针对这一问题，该文提出了一种基于动态队形调整的无人机编队辐射源定位方法。该方法通过优化无人机编队的几何构型，有效降低路径损耗与干扰，从而提升定位性能。具体而言，系统利用接收信号强度实时评估信号质量，并在编队运动过程中根据环境变化自适应调整队形，以优化信号传播路径。同时，结合几何定位精度因子、均方根误差等指标，对编队结构进行动态优化，从而提高距离估计与定位解算的可靠性。实验结果表明，相比传统方法，该方法在复杂城市环境中能够更快收敛并显著提升定位精度，定位误差降低了80%以上。同时，所提方法能够有效适应动态环境变化，展现出较强的鲁棒性与实用价值。
在障碍物密集、结构复杂的城市场景中，无人机编队进行辐射源定位常受到信号衰减、多径效应和建筑物遮挡等因素的影响，导致现有方法定位精度不高。针对这一问题，该文提出了一种基于动态队形调整的无人机编队辐射源定位方法。该方法通过优化无人机编队的几何构型，有效降低路径损耗与干扰，从而提升定位性能。具体而言，系统利用接收信号强度实时评估信号质量，并在编队运动过程中根据环境变化自适应调整队形，以优化信号传播路径。同时，结合几何定位精度因子、均方根误差等指标，对编队结构进行动态优化，从而提高距离估计与定位解算的可靠性。实验结果表明，相比传统方法，该方法在复杂城市环境中能够更快收敛并显著提升定位精度，定位误差降低了80%以上。同时，所提方法能够有效适应动态环境变化，展现出较强的鲁棒性与实用价值。
, 最新更新时间 , doi: 10.11999/JEIT251168
摘要:
通感一体化(Integrated Sensing and Communication, ISAC)技术作为未来无线通信发展的关键趋势，旨在通过频谱资源的高效利用，实现通信与感知功能的融合与协同。当智能反射表面(Reconfigurable Intelligent Surfaces, RIS)被引入ISAC系统后，可重构无线传播环境，从而显著提升通信质量及感知精度。然而，准确的信道估计对于保障可靠运行是至关重要的。尽管传统的深度学习方法在一定程度上能够应对信道估计问题，但在面对多用户复杂信道环境时，其泛化能力和估计精度仍存在不足。针对上述问题，本文对于RIS辅助多用户ISAC系统提出了一种基于条件生成对抗网络(Conditional Generative Adversarial Network, CGAN)的两阶段信道估计方法。该方法通过调整RIS的开关状态，分阶段完成对直射信道与反射信道的估计，以提高信道估计的准确性和稳定性。通过生成网络与判别网络的对抗训练，不仅能够学习观测信号与真实信道之间的映射关系，还能根据判别网络的反馈来不断优化输出，从而有效提升训练效率与估计精度。仿真结果表明，与传统深度学习方法相比，所提基于CGAN的方案在信道估计性能上均表现出显著优势。该结果验证了CGAN方法在RIS辅助ISAC系统下信道估计的应用潜力，并为实现更精准和可靠的系统部署奠定了基础。
通感一体化(Integrated Sensing and Communication, ISAC)技术作为未来无线通信发展的关键趋势，旨在通过频谱资源的高效利用，实现通信与感知功能的融合与协同。当智能反射表面(Reconfigurable Intelligent Surfaces, RIS)被引入ISAC系统后，可重构无线传播环境，从而显著提升通信质量及感知精度。然而，准确的信道估计对于保障可靠运行是至关重要的。尽管传统的深度学习方法在一定程度上能够应对信道估计问题，但在面对多用户复杂信道环境时，其泛化能力和估计精度仍存在不足。针对上述问题，本文对于RIS辅助多用户ISAC系统提出了一种基于条件生成对抗网络(Conditional Generative Adversarial Network, CGAN)的两阶段信道估计方法。该方法通过调整RIS的开关状态，分阶段完成对直射信道与反射信道的估计，以提高信道估计的准确性和稳定性。通过生成网络与判别网络的对抗训练，不仅能够学习观测信号与真实信道之间的映射关系，还能根据判别网络的反馈来不断优化输出，从而有效提升训练效率与估计精度。仿真结果表明，与传统深度学习方法相比，所提基于CGAN的方案在信道估计性能上均表现出显著优势。该结果验证了CGAN方法在RIS辅助ISAC系统下信道估计的应用潜力，并为实现更精准和可靠的系统部署奠定了基础。
, 最新更新时间 , doi: 10.11999/JEIT251221
摘要:
通过整合多模态信息，多模态联邦学习(MFL)在医疗保健和智能感知等领域往往优于单模态联邦学习(FL)。但在无线边缘场景下，能量受限且样本常缺失模态，直接对所有样本进行补全会放大计算与通信开销，整体能耗随之上升。为此该文提出基于跨模态检索增强的高能效多模态联邦学习(CREEMFL)框架。该框架的核心思想是选择性插补：仅对缺失模态的部分样本从公共多模态库中检索补充，剩余样本采用零填充以限制计算量。进一步，在系统级建立能耗模型，并将检索率作为变量纳入联合优化，以在单轮成本与整体能耗之间取得平衡。该文构造两层优化：外层用经验搜索确定检索率，内层在给定检索率下对上行传输时间、发射功率与中央处理器(CPU)频率进行协同分配，并给出闭式或半闭式更新。基于MIMIC-CXR胸部X射线数据集的实验表明，CREEMFL在保证或提升准确率的同时显著缩短完成时间并降低总能耗，验证了所提框架的有效性。
通过整合多模态信息，多模态联邦学习(MFL)在医疗保健和智能感知等领域往往优于单模态联邦学习(FL)。但在无线边缘场景下，能量受限且样本常缺失模态，直接对所有样本进行补全会放大计算与通信开销，整体能耗随之上升。为此该文提出基于跨模态检索增强的高能效多模态联邦学习(CREEMFL)框架。该框架的核心思想是选择性插补：仅对缺失模态的部分样本从公共多模态库中检索补充，剩余样本采用零填充以限制计算量。进一步，在系统级建立能耗模型，并将检索率作为变量纳入联合优化，以在单轮成本与整体能耗之间取得平衡。该文构造两层优化：外层用经验搜索确定检索率，内层在给定检索率下对上行传输时间、发射功率与中央处理器(CPU)频率进行协同分配，并给出闭式或半闭式更新。基于MIMIC-CXR胸部X射线数据集的实验表明，CREEMFL在保证或提升准确率的同时显著缩短完成时间并降低总能耗，验证了所提框架的有效性。
, 最新更新时间 , doi: 10.11999/JEIT250521
摘要:
为了解决超快激光无限视场加工中存在的高精度要求小视场与大范围加工需求之间的矛盾，该文提出一种基于自适应扰动观测器的有限时间滑模控制策略，该模型能够保证跟踪误差在有限时间内收敛到原点附近的邻域，有效补偿了未知负载扰动和输入端摩擦非线性行为。该文将被控系统中的未知负载扰动与摩擦非线性等复杂因素统一建模为集总扰动项，从而显著提升了系统动力学模型的普适性。该方法融合了径向基神经网络(RBFNN)设计有限时间自适应扰动观测器，实现对集总扰动的精确补偿。基于扰动观测构建的有限时间滑模控制方案，使得电机的输出角位置快速精确跟踪期望轨迹。最后，通过Matlab仿真分析验证了该控制方法的可行性和优越性。
为了解决超快激光无限视场加工中存在的高精度要求小视场与大范围加工需求之间的矛盾，该文提出一种基于自适应扰动观测器的有限时间滑模控制策略，该模型能够保证跟踪误差在有限时间内收敛到原点附近的邻域，有效补偿了未知负载扰动和输入端摩擦非线性行为。该文将被控系统中的未知负载扰动与摩擦非线性等复杂因素统一建模为集总扰动项，从而显著提升了系统动力学模型的普适性。该方法融合了径向基神经网络(RBFNN)设计有限时间自适应扰动观测器，实现对集总扰动的精确补偿。基于扰动观测构建的有限时间滑模控制方案，使得电机的输出角位置快速精确跟踪期望轨迹。最后，通过Matlab仿真分析验证了该控制方法的可行性和优越性。
, 最新更新时间 , doi: 10.11999/JEIT250352
摘要:
该研究报道了一种新型电子探针计算机(EPC60)在解决NP完全问题方面取得的重大突破。该系统采用混合串并行计算模型，通过7种探针算子实现大规模并行计算。在2000顶点图的三着色问题测试中，EPC60以100%准确率完胜主流算法Gurobi(仅6%)，并将计算时间从15天缩短至54 s。该系统具有高度可扩展性，为供应链、金融、通信等领域的复杂优化问题提供了通用解决方案。
该研究报道了一种新型电子探针计算机(EPC60)在解决NP完全问题方面取得的重大突破。该系统采用混合串并行计算模型，通过7种探针算子实现大规模并行计算。在2000顶点图的三着色问题测试中，EPC60以100%准确率完胜主流算法Gurobi(仅6%)，并将计算时间从15天缩短至54 s。该系统具有高度可扩展性，为供应链、金融、通信等领域的复杂优化问题提供了通用解决方案。
, 最新更新时间 , doi: 10.11999/JEIT221203
摘要:
为克服联邦学习(FL)客户端数据和模型均需同构的局限性并且提高训练精度，该文提出一种基于合作博弈和知识蒸馏的个性化联邦学习(pFedCK)算法。在该算法中，每个客户端将在公共数据集上训练得到的局部软预测上传到中心服务器并根据余弦相似度从服务器下载最相近的k个软预测形成一个联盟，然后利用合作博弈中的夏普利值来衡量客户端之间多重协作的影响，量化所下载软预测对本地个性化学习效果的累计贡献值，以此确定联盟中每个客户端的最佳聚合系数，从而得到更优的聚合模型。最后采用知识蒸馏将聚合模型的知识迁移到本地模型，并在隐私数据集上进行本地训练。仿真结果表明，与其他算法相比，pFedCK算法可以将个性化精度提升约10%。
为克服联邦学习(FL)客户端数据和模型均需同构的局限性并且提高训练精度，该文提出一种基于合作博弈和知识蒸馏的个性化联邦学习(pFedCK)算法。在该算法中，每个客户端将在公共数据集上训练得到的局部软预测上传到中心服务器并根据余弦相似度从服务器下载最相近的k个软预测形成一个联盟，然后利用合作博弈中的夏普利值来衡量客户端之间多重协作的影响，量化所下载软预测对本地个性化学习效果的累计贡献值，以此确定联盟中每个客户端的最佳聚合系数，从而得到更优的聚合模型。最后采用知识蒸馏将聚合模型的知识迁移到本地模型，并在隐私数据集上进行本地训练。仿真结果表明，与其他算法相比，pFedCK算法可以将个性化精度提升约10%。
, 最新更新时间 , doi: 10.11999/JEIT210265
摘要:
应用频控阵式多输入多输出(FDA-MIMO)雷达实现目标距离-角度联合估计越来越受到人们的重视，利用FDA同时获得发射波束图在角度和距离的自由度。但其性能因波束图的周期性和时变性而降低。因此，该文基于时间调制和距离补偿FDA-MIMO(TMRC-FDA-MIMO)雷达的新波形合成模型，提出了一种改进的基于旋转不变技术的信号参数估计(ESPRIT)算法。最后，通过距离和角度估计的克拉美罗下界和均方根误差，与固定频偏FDA-MIMO、对数频偏FDA-MIMO雷达系统和多信号分类(MUSIC)算法进行了对比，验证了所提方法的优异性能。
应用频控阵式多输入多输出(FDA-MIMO)雷达实现目标距离-角度联合估计越来越受到人们的重视，利用FDA同时获得发射波束图在角度和距离的自由度。但其性能因波束图的周期性和时变性而降低。因此，该文基于时间调制和距离补偿FDA-MIMO(TMRC-FDA-MIMO)雷达的新波形合成模型，提出了一种改进的基于旋转不变技术的信号参数估计(ESPRIT)算法。最后，通过距离和角度估计的克拉美罗下界和均方根误差，与固定频偏FDA-MIMO、对数频偏FDA-MIMO雷达系统和多信号分类(MUSIC)算法进行了对比，验证了所提方法的优异性能。
, 最新更新时间 , doi: 10.11999/JEIT201066
摘要:
针对增强型罗兰(eLORAN)系统增补发射台站建设中的组重复周期(GRI)选择问题，该文主要从数学的角度出发，提出一种基于交叉干扰率的筛选算法。该算法首先考虑了最小可用组重复周期以及秒信息量的要求，并在此基础上通过比较与临近的罗兰C台站间的相对交叉干扰率进行1次筛选；之后通过排列组合进行两两比较并2次筛选；最后，综合考虑数据率要求、系统规范、无交叉干扰等条件，得到最优组重复周期组合。随后，鉴于新型eLORAN系统的高精度授时要求，在GRI最优组合中进行了优选。分析结果表明，该方法得出的优选组合的平均交叉干扰率与现有导航台链相当，同时可兼顾授时需求，可以为高精度地基授时系统建设提供参考性建议和理论依据。
针对增强型罗兰(eLORAN)系统增补发射台站建设中的组重复周期(GRI)选择问题，该文主要从数学的角度出发，提出一种基于交叉干扰率的筛选算法。该算法首先考虑了最小可用组重复周期以及秒信息量的要求，并在此基础上通过比较与临近的罗兰C台站间的相对交叉干扰率进行1次筛选；之后通过排列组合进行两两比较并2次筛选；最后，综合考虑数据率要求、系统规范、无交叉干扰等条件，得到最优组重复周期组合。随后，鉴于新型eLORAN系统的高精度授时要求，在GRI最优组合中进行了优选。分析结果表明，该方法得出的优选组合的平均交叉干扰率与现有导航台链相当，同时可兼顾授时需求，可以为高精度地基授时系统建设提供参考性建议和理论依据。
