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/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/JEIT251188
摘要:
现有的主流时序预测方法在多尺度建模与频域特征提取方面，难以协同应对数据中复杂的周期性模式与局部动态变化，导致无法充分捕获关键时序特性。针对此问题，提出了一种基于多尺度频域适配器和双路注意力(Multi-scale Frequency Adapter and Dual-path Attention, MFADA)的时序预测方法。该方法采用多尺度频域适配器(Multi-scale Frequency Adapter, MFA)自适应提取时序数据的关键频率成分，获得其全局周期性先验。此外，还通过多尺度双路注意力(Multi-scale Dual-path Attention, MDA)机制，将频域先验嵌入时序与特征两条路径，实现跨粒度的动态协同建模，以增强对时序数据复杂演化规律的刻画能力。实验结果表明，提出的MFADA在8个公开时序数据集上显著超越现有主流预测方法，在预测精度与计算效率方面均取得优异表现，验证了提出的“频域引导—时域协同”框架的有效性和优越性，为复杂时序任务提供了新思路和解决方案。
现有的主流时序预测方法在多尺度建模与频域特征提取方面，难以协同应对数据中复杂的周期性模式与局部动态变化，导致无法充分捕获关键时序特性。针对此问题，提出了一种基于多尺度频域适配器和双路注意力(Multi-scale Frequency Adapter and Dual-path Attention, MFADA)的时序预测方法。该方法采用多尺度频域适配器(Multi-scale Frequency Adapter, MFA)自适应提取时序数据的关键频率成分，获得其全局周期性先验。此外，还通过多尺度双路注意力(Multi-scale Dual-path Attention, MDA)机制，将频域先验嵌入时序与特征两条路径，实现跨粒度的动态协同建模，以增强对时序数据复杂演化规律的刻画能力。实验结果表明，提出的MFADA在8个公开时序数据集上显著超越现有主流预测方法，在预测精度与计算效率方面均取得优异表现，验证了提出的“频域引导—时域协同”框架的有效性和优越性，为复杂时序任务提供了新思路和解决方案。
, 最新更新时间 , doi: 10.11999/JEIT251098
摘要:
心脏磁共振(CMR)对心动与呼吸极为敏感，稳定可靠的门控是保证成像质量与量化准确性的关键。针对高磁场环境下心电门控易受磁流体力学与梯度噪声干扰的问题，该文提出一种面向复杂电磁环境的CMR非接触光学心振触发方案。具体地，提出一种“近机光学采集-远机计算与触发”的分体式架构：近机端以离焦散斑成像捕获胸壁微振，远机端进行方向自适应位移合成、漂移屏蔽基线回正及因果多项式局部回归平滑，实现主动脉瓣开放等机械事件的实时触发。在20名健康志愿者、3类线圈遮挡条件下进行评估：在无线圈与超柔性体线圈条件下，心振信号相对同搏R波的后向生理延迟分别为44.7±24.8 ms与45.1±26.7 ms，拍间抖动通常为20～30 ms；可用率分别为95.7%与97.6%，F1分数分别为0.921与0.912。结果表明，良好的线圈-胸壁耦合与视野通畅对非接触机械门控至关重要；相较外周光体积信号与雷达门控，心振信号作为“近源”机械标记可显著缩短触发相位滞后，相较外周光体积信号与门控，更适用于高心率或时序约束更严格的CMR序列。总体而言，所提方案为高场环境下实现非接触、低延迟CMR门控提供了工程化实现路径。
心脏磁共振(CMR)对心动与呼吸极为敏感，稳定可靠的门控是保证成像质量与量化准确性的关键。针对高磁场环境下心电门控易受磁流体力学与梯度噪声干扰的问题，该文提出一种面向复杂电磁环境的CMR非接触光学心振触发方案。具体地，提出一种“近机光学采集-远机计算与触发”的分体式架构：近机端以离焦散斑成像捕获胸壁微振，远机端进行方向自适应位移合成、漂移屏蔽基线回正及因果多项式局部回归平滑，实现主动脉瓣开放等机械事件的实时触发。在20名健康志愿者、3类线圈遮挡条件下进行评估：在无线圈与超柔性体线圈条件下，心振信号相对同搏R波的后向生理延迟分别为44.7±24.8 ms与45.1±26.7 ms，拍间抖动通常为20～30 ms；可用率分别为95.7%与97.6%，F1分数分别为0.921与0.912。结果表明，良好的线圈-胸壁耦合与视野通畅对非接触机械门控至关重要；相较外周光体积信号与雷达门控，心振信号作为“近源”机械标记可显著缩短触发相位滞后，相较外周光体积信号与门控，更适用于高心率或时序约束更严格的CMR序列。总体而言，所提方案为高场环境下实现非接触、低延迟CMR门控提供了工程化实现路径。
, 最新更新时间 , doi: 10.11999/JEIT250796
摘要:
呼吸系统疾病严重危害人类健康，其病因学机制解析与新型药物靶点发掘一直是医学研究的重点领域。该文采用蛋白质组孟德尔随机化(MR)与共定位分析，利用大规模蛋白质定量性状位点汇总数据，评估血浆蛋白与27种呼吸系统疾病表型的因果关联，并进行共定位分析以控制混杂因素及连锁不平衡的潜在偏倚。采用验证队列MR分析以及基于汇总数据的孟德尔随机化分析(SMR)验证因果关联，并通过双向MR及Steiger检验评估反向因果关联。结果显示MR分析共识别出600组血浆蛋白-疾病表型关联，其中29组关联共定位分析结果为阳性(PP4>0.8)，26组关联SMR分析为阳性。该研究确定了NRX3A等5种蛋白与慢性阻塞性肺病、IL7R等3种蛋白与哮喘、FUT3_FUT5与特发性肺纤维化的显著关联，并发现CSF3与重症COVID-19, BTN2A1等与不同亚型肺癌的因果关联。综上，该研究揭示多种与呼吸系统疾病相关的血浆蛋白，为疾病机制研究及药物研发提供新方向。
呼吸系统疾病严重危害人类健康，其病因学机制解析与新型药物靶点发掘一直是医学研究的重点领域。该文采用蛋白质组孟德尔随机化(MR)与共定位分析，利用大规模蛋白质定量性状位点汇总数据，评估血浆蛋白与27种呼吸系统疾病表型的因果关联，并进行共定位分析以控制混杂因素及连锁不平衡的潜在偏倚。采用验证队列MR分析以及基于汇总数据的孟德尔随机化分析(SMR)验证因果关联，并通过双向MR及Steiger检验评估反向因果关联。结果显示MR分析共识别出600组血浆蛋白-疾病表型关联，其中29组关联共定位分析结果为阳性(PP4>0.8)，26组关联SMR分析为阳性。该研究确定了NRX3A等5种蛋白与慢性阻塞性肺病、IL7R等3种蛋白与哮喘、FUT3_FUT5与特发性肺纤维化的显著关联，并发现CSF3与重症COVID-19, BTN2A1等与不同亚型肺癌的因果关联。综上，该研究揭示多种与呼吸系统疾病相关的血浆蛋白，为疾病机制研究及药物研发提供新方向。
, 最新更新时间 , doi: 10.11999/JEIT250777
摘要:
针对室内指纹定位中降维技术导致的信号与物理空间的几何关联弱化、信号时变引起的在线映射偏差以及定位过程中伪近邻点干扰等问题，该文提出时空约束下优选近邻指纹定位算法。在离线降维建库阶段，引入空间关联约束，依据参考点间的物理距离调节低维特征空间结构，加强低维特征与物理坐标的耦合关系；同时设计时变一致约束，促使同一位置不同时刻的指纹在映射后的低维空间中保持聚集，以提升高维信号到低维特征的映射稳定性。在在线定位阶段，融合共享近邻相似度和欧氏距离生成邻距相似度，据此构建近邻集，进而采用基于Z-score阈值的迭代优化策略，分析内部相似度分布并剔除伪近邻点，保障近邻质量和定位精度。实验结果表明，所提算法在实测数据集上平均定位误差较基准方法降低至少12.42%，在公开数据集上降低至少7.08%，且在相同误差范围内的累计概率更高。
针对室内指纹定位中降维技术导致的信号与物理空间的几何关联弱化、信号时变引起的在线映射偏差以及定位过程中伪近邻点干扰等问题，该文提出时空约束下优选近邻指纹定位算法。在离线降维建库阶段，引入空间关联约束，依据参考点间的物理距离调节低维特征空间结构，加强低维特征与物理坐标的耦合关系；同时设计时变一致约束，促使同一位置不同时刻的指纹在映射后的低维空间中保持聚集，以提升高维信号到低维特征的映射稳定性。在在线定位阶段，融合共享近邻相似度和欧氏距离生成邻距相似度，据此构建近邻集，进而采用基于Z-score阈值的迭代优化策略，分析内部相似度分布并剔除伪近邻点，保障近邻质量和定位精度。实验结果表明，所提算法在实测数据集上平均定位误差较基准方法降低至少12.42%，在公开数据集上降低至少7.08%，且在相同误差范围内的累计概率更高。
, 最新更新时间 , doi: 10.11999/JEIT251204
摘要:
极大距离可分(MDS)码和近极大距离可分(NMDS)码因其具有良好的代数结构和纠错能力，在通信系统、数据存储和秘钥共享方案等领域有广泛的应用。该文利用偶特征有限域\begin{document}$ {\mathbb{F}}_{{{q}^{2}}} $\end{document} \begin{document}$ \mathbb{F}_{{q}^{2}}^{*} $\end{document} \begin{document}$ {U}_{q+1} $\end{document} \begin{document}$ q+3 $\end{document} \begin{document}$ {U}_{q+1} $\end{document}
极大距离可分(MDS)码和近极大距离可分(NMDS)码因其具有良好的代数结构和纠错能力，在通信系统、数据存储和秘钥共享方案等领域有广泛的应用。该文利用偶特征有限域
, 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/JEIT250874
摘要:
目的：本研究旨在建立并验证一种新的国际预后指数(International Prognostic Index, IPI)，并评估不同治疗方式对原发性肺非霍奇金淋巴瘤(Primary Pulmonary non-Hodgkin Lymphoma, PPL)患者的疗效。方法：本研究数据来源于美国癌症Surveillance, Epidemiology, and End Results数据库(SEER)以及三家中国医院的临床数据库。采用Cox回归分析筛选独立预后因素，并结合列线图和现有IPI模型构建了PPL-IPI，并通过一致性指数(Concordance-index, C指数)及校准曲线进行验证。在治疗效果评价中，采用逆概率加权法平衡组间差异，并通过Kaplan–Meier生存曲线及log-rank检验比较不同治疗方式的效果。结果：在SEER数据库中共纳入2000年至2019年确诊的4,313例患者，另有2010年至2021年确诊的107例来自中国外部验证队列的患者纳入本研究。PPL-IPI模型包含IPI的5个不良因素(年龄>60岁、血清乳酸脱氢酶高、Ann Arbor III/IV期、行为状态评分2 - 4分和结外侵犯数目超过1个)和Cox模型筛选的4个不良因素：性别(男性)、组织学类型(非黏膜相关淋巴组织［Mucosa-Associated Lymphoid Tissue, MALT］)、B症状(存在)、治疗(未接受)，并在原始IPI基础上显著提升预测效能(C-index, 0.932 vs. 0.834)。不同风险组3年生存率分别为：低危组(0–2个因素)96%，低中危组(3–4个因素)82%，高中危组(5个因素)50%，高危组(6–9个因素)11.11%(p<0.0001 )。在治疗方面，化疗显著降低了原发性肺MALT淋巴瘤患者的肿瘤特异性生存率(p<0.001)；手术与放疗在原发性肺MALT淋巴瘤及弥漫大B细胞淋巴瘤患者中的疗效差异均无统计学意义(p>0.05)。结论：基于国际多中心大型队列建立的PPL-IPI具有优异的预后预测能力。对于原发性肺MALT淋巴瘤患者，化疗可能不利于生存；而在原发性肺MALT淋巴瘤和弥漫大B细胞淋巴瘤中，手术和放疗的疗效价值均无显著差别。
目的：本研究旨在建立并验证一种新的国际预后指数(International Prognostic Index, IPI)，并评估不同治疗方式对原发性肺非霍奇金淋巴瘤(Primary Pulmonary non-Hodgkin Lymphoma, PPL)患者的疗效。方法：本研究数据来源于美国癌症Surveillance, Epidemiology, and End Results数据库(SEER)以及三家中国医院的临床数据库。采用Cox回归分析筛选独立预后因素，并结合列线图和现有IPI模型构建了PPL-IPI，并通过一致性指数(Concordance-index, C指数)及校准曲线进行验证。在治疗效果评价中，采用逆概率加权法平衡组间差异，并通过Kaplan–Meier生存曲线及log-rank检验比较不同治疗方式的效果。结果：在SEER数据库中共纳入2000年至2019年确诊的4,313例患者，另有2010年至2021年确诊的107例来自中国外部验证队列的患者纳入本研究。PPL-IPI模型包含IPI的5个不良因素(年龄>60岁、血清乳酸脱氢酶高、Ann Arbor III/IV期、行为状态评分2 - 4分和结外侵犯数目超过1个)和Cox模型筛选的4个不良因素：性别(男性)、组织学类型(非黏膜相关淋巴组织［Mucosa-Associated Lymphoid Tissue, MALT］)、B症状(存在)、治疗(未接受)，并在原始IPI基础上显著提升预测效能(C-index, 0.932 vs. 0.834)。不同风险组3年生存率分别为：低危组(0–2个因素)96%，低中危组(3–4个因素)82%，高中危组(5个因素)50%，高危组(6–9个因素)11.11%(p<
, 最新更新时间 , doi: 10.11999/JEIT251034
摘要:
针对通信与感知一体化(ISAC)系统中存在的信息泄露问题，该文提出一种面向ISAC的物理层密钥生成(PLKG)方法。首先，提出一种面向ISAC系统的PLKG协议，并推导了总密钥生成速率(SKGR) 和感知精度克拉美罗界(CRB)的闭式表达式。其次，在感知精度的约束下，建立了一个总密钥生成速率SKGR最大化问题。最后，提出一种基于双延迟深度确定性策略梯度(TD3)的联合通信与感知波束赋形算法，进一步提升系统安全性。仿真结果表明，所提方法相较于基准方法具有更好的有效性和优越性。
针对通信与感知一体化(ISAC)系统中存在的信息泄露问题，该文提出一种面向ISAC的物理层密钥生成(PLKG)方法。首先，提出一种面向ISAC系统的PLKG协议，并推导了总密钥生成速率(SKGR) 和感知精度克拉美罗界(CRB)的闭式表达式。其次，在感知精度的约束下，建立了一个总密钥生成速率SKGR最大化问题。最后，提出一种基于双延迟深度确定性策略梯度(TD3)的联合通信与感知波束赋形算法，进一步提升系统安全性。仿真结果表明，所提方法相较于基准方法具有更好的有效性和优越性。
, 最新更新时间 , doi: 10.11999/JEIT251155
摘要:
多智能体系统是实现协同协作的重要途径，而弹性一致性则是其安全支撑技术之一。该文针对二阶多智能体系统，研究在存在异常行为节点(包括恶意攻击和意外故障)情况下保证系统协同性能的弹性平均一致性问题。该问题面临双重挑战：如何实现分布式异常检测，以及如何通过一维加速度输入精确补偿二维状态误差。为解决该问题，该文首先推导了二阶平均一致性实现的充分条件。基于此，通过引入两跳通信信息设计了分布式检测机制，并提出能够精确补偿有限控制输入误差的方案。针对输入、速度、位置维度可能遭受的持续攻击，进一步提出具有容错机制的扩展算法。理论证明表明，所提算法能使节点在存在异常节点情况下渐近实现二阶平均一致性。最后，通过大量数值仿真和实验验证了所提方法的有效性。
多智能体系统是实现协同协作的重要途径，而弹性一致性则是其安全支撑技术之一。该文针对二阶多智能体系统，研究在存在异常行为节点(包括恶意攻击和意外故障)情况下保证系统协同性能的弹性平均一致性问题。该问题面临双重挑战：如何实现分布式异常检测，以及如何通过一维加速度输入精确补偿二维状态误差。为解决该问题，该文首先推导了二阶平均一致性实现的充分条件。基于此，通过引入两跳通信信息设计了分布式检测机制，并提出能够精确补偿有限控制输入误差的方案。针对输入、速度、位置维度可能遭受的持续攻击，进一步提出具有容错机制的扩展算法。理论证明表明，所提算法能使节点在存在异常节点情况下渐近实现二阶平均一致性。最后，通过大量数值仿真和实验验证了所提方法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT250828
摘要:
大模型在辅助诊断方面潜力大，但本地算力限制和云端医疗数据隐私风险制约其落地。针对此现状，该文提出一种云边大模型协同推理框架与算法，核心为云边协同推理智能体，集成智能路由与动态语义脱敏能力，实现边缘侧(医院端)与云端(区域云)推理任务的动态分配。智能路由机制基于问题语义特征与历史决策数据优化路径，平衡模型使用成本与诊断精度；动态语义脱敏技术通过识别与分级脱敏策略，在保证隐私安全的同时实现数据安全传输与有效推理。实验表明，该框架在医学实体理解等任务中表现优异，诊断准确率与云端大模型相当，且显著降低模型使用成本，为医疗人工智能系统提供技术范式。未来将聚焦算网资源智能调度、属地化大模型结合检索增强生成(RAG)优化，以及医疗诊断评估指标扩展。
大模型在辅助诊断方面潜力大，但本地算力限制和云端医疗数据隐私风险制约其落地。针对此现状，该文提出一种云边大模型协同推理框架与算法，核心为云边协同推理智能体，集成智能路由与动态语义脱敏能力，实现边缘侧(医院端)与云端(区域云)推理任务的动态分配。智能路由机制基于问题语义特征与历史决策数据优化路径，平衡模型使用成本与诊断精度；动态语义脱敏技术通过识别与分级脱敏策略，在保证隐私安全的同时实现数据安全传输与有效推理。实验表明，该框架在医学实体理解等任务中表现优异，诊断准确率与云端大模型相当，且显著降低模型使用成本，为医疗人工智能系统提供技术范式。未来将聚焦算网资源智能调度、属地化大模型结合检索增强生成(RAG)优化，以及医疗诊断评估指标扩展。
, 最新更新时间 , doi: 10.11999/JEIT250416
摘要:
加密流量分析是保障网络安全的关键技术之一，该文系统探讨了其核心应用与主流技术。特征工程基于统计和行为特征刻画流量模式，深度学习则采用卷积神经网络、循环神经网络与图神经网络等架构自动提取深层特征，例如，改进的多尺度卷积神经网络在ISCXVPN2016数据集上的分类准确率达到86.77%。Transformer凭借其强大的特征捕捉能力，进一步推动了该领域发展，如融合掩码自动编码器的流量Transformer方法在相同数据集上的分类准确率达98.07%。此外，联邦学习在保护隐私的同时实现对流量的高精度分类，已有案例验证，其模型精度与集中式学习相比，差距可缩小至0.8%。多模态特征融合技术通过综合流量异构特征提升模型效能，成功将多分类任务的准确率与F1分数分别提升至93.75%和91.95%。生成式模型则有效解决数据稀缺问题，如基于扩散模型方法所生成的流量在包大小和间隔等关键特征上，与真实流量的相似度相较基线模型提升达到43.4%和39.02%。文章最后总结了当前挑战，并展望了未来方向。
加密流量分析是保障网络安全的关键技术之一，该文系统探讨了其核心应用与主流技术。特征工程基于统计和行为特征刻画流量模式，深度学习则采用卷积神经网络、循环神经网络与图神经网络等架构自动提取深层特征，例如，改进的多尺度卷积神经网络在ISCXVPN2016数据集上的分类准确率达到86.77%。Transformer凭借其强大的特征捕捉能力，进一步推动了该领域发展，如融合掩码自动编码器的流量Transformer方法在相同数据集上的分类准确率达98.07%。此外，联邦学习在保护隐私的同时实现对流量的高精度分类，已有案例验证，其模型精度与集中式学习相比，差距可缩小至0.8%。多模态特征融合技术通过综合流量异构特征提升模型效能，成功将多分类任务的准确率与F1分数分别提升至93.75%和91.95%。生成式模型则有效解决数据稀缺问题，如基于扩散模型方法所生成的流量在包大小和间隔等关键特征上，与真实流量的相似度相较基线模型提升达到43.4%和39.02%。文章最后总结了当前挑战，并展望了未来方向。
, 最新更新时间 , doi: 10.11999/JEIT250818
摘要:
随着遥感应用不断从静态图像分析迈向智能化认知决策任务，构建覆盖多任务、多模态的信息融合数据体系已成为推动遥感基础模型发展的关键前提。该文围绕遥感智能体中的感知、认知需求，提出并构建了一个面向多任务图文指令的遥感多模态数据集，系统组织图像、文本指令、空间坐标与行为轨迹等多模态信息，统一支撑多阶段任务链路的训练与评估。该数据集涵盖9类核心任务，包括关系推理、指令分解、任务调度、定位描述与多模态感知等，共计21个子数据集，覆盖光学、SAR与红外3类遥感模态，总体数据规模超过2 000 000样本。在数据构建过程中，该文针对遥感图像的特性设计了标准化的指令格式，提出统一的输入输出范式，确保不同任务间的互通性与可迁移性。同时，设计自动化数据生成与转换流程，以提升多模态样本生成效率与一致性。此外，该文还介绍了在遥感基础模型上的基线性能评估结果，验证了该数据集在多任务泛化学习中的实用价值。该数据集可广泛服务于遥感领域多模态基础模型的构建与评估，尤其适用于统一感知-认知-决策闭环流程的智能体模型开发，具有良好的研究推广价值与工程应用前景。
随着遥感应用不断从静态图像分析迈向智能化认知决策任务，构建覆盖多任务、多模态的信息融合数据体系已成为推动遥感基础模型发展的关键前提。该文围绕遥感智能体中的感知、认知需求，提出并构建了一个面向多任务图文指令的遥感多模态数据集，系统组织图像、文本指令、空间坐标与行为轨迹等多模态信息，统一支撑多阶段任务链路的训练与评估。该数据集涵盖9类核心任务，包括关系推理、指令分解、任务调度、定位描述与多模态感知等，共计21个子数据集，覆盖光学、SAR与红外3类遥感模态，总体数据规模超过2 000 000样本。在数据构建过程中，该文针对遥感图像的特性设计了标准化的指令格式，提出统一的输入输出范式，确保不同任务间的互通性与可迁移性。同时，设计自动化数据生成与转换流程，以提升多模态样本生成效率与一致性。此外，该文还介绍了在遥感基础模型上的基线性能评估结果，验证了该数据集在多任务泛化学习中的实用价值。该数据集可广泛服务于遥感领域多模态基础模型的构建与评估，尤其适用于统一感知-认知-决策闭环流程的智能体模型开发，具有良好的研究推广价值与工程应用前景。
, 最新更新时间 , doi: 10.11999/JEIT251327
摘要:
扩频序列集是直接-序列码分多址系统中的关键组成部分，其性能可通过完全平方相关进行评估。在高速移动场景中，信号在传输过程中会产生多普勒效应，需同时考虑序列的时移和多普勒移位。此时，应使用二维模糊函数替代一维相关函数。该文主要研究二元序列集的非周期完全平方模糊函数(Aperiodic Total Squared Ambiguity Function, ATSAF)，推导了二元序列集的ATSAF理论下界。基于Hadamard矩阵、非周期互补集和特殊序列，设计了几类达到ATSAF理论下界的最优二元序列集。
扩频序列集是直接-序列码分多址系统中的关键组成部分，其性能可通过完全平方相关进行评估。在高速移动场景中，信号在传输过程中会产生多普勒效应，需同时考虑序列的时移和多普勒移位。此时，应使用二维模糊函数替代一维相关函数。该文主要研究二元序列集的非周期完全平方模糊函数(Aperiodic Total Squared Ambiguity Function, ATSAF)，推导了二元序列集的ATSAF理论下界。基于Hadamard矩阵、非周期互补集和特殊序列，设计了几类达到ATSAF理论下界的最优二元序列集。
, 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/JEIT250785
摘要:
动态视觉机制具有数据冗余低、事件采样频率高等优点，是远距离光电监视系统的理想探测方式，但其中的目标表现为稀疏事件流中的运动微小目标，针对常规有形态目标的方法难以适用。针对此问题，该文受类脑处理中的第三代神经网络启发，结合动态视觉机制的异步感知和脉冲表征特点，设计针对运动微小目标的长短时融合脉冲神经网络。针对目标形态扩散性，设计脉冲Swin Transformer模块，以脉冲自注意力机制自适应学习微小目标与相邻时空像素的关联性；针对目标运动连续性，对ConvLSTM神经元进行脉冲化建模，形成适应事件数据的脉冲ConvLSTM模块，自动学习长时域中的运动信息；并结合脉冲金字塔模块等结构，融合双链路多尺度特征，实现了从极其有限表层特征中挖掘高维度深度特征。基于实测数据测试表明，该文设计方法针对运动微小目标的召回率可达95%以上，消融实验验证了增加长时域特征学习模块并利用更长时间的事件数据，可有效提升性能。
动态视觉机制具有数据冗余低、事件采样频率高等优点，是远距离光电监视系统的理想探测方式，但其中的目标表现为稀疏事件流中的运动微小目标，针对常规有形态目标的方法难以适用。针对此问题，该文受类脑处理中的第三代神经网络启发，结合动态视觉机制的异步感知和脉冲表征特点，设计针对运动微小目标的长短时融合脉冲神经网络。针对目标形态扩散性，设计脉冲Swin Transformer模块，以脉冲自注意力机制自适应学习微小目标与相邻时空像素的关联性；针对目标运动连续性，对ConvLSTM神经元进行脉冲化建模，形成适应事件数据的脉冲ConvLSTM模块，自动学习长时域中的运动信息；并结合脉冲金字塔模块等结构，融合双链路多尺度特征，实现了从极其有限表层特征中挖掘高维度深度特征。基于实测数据测试表明，该文设计方法针对运动微小目标的召回率可达95%以上，消融实验验证了增加长时域特征学习模块并利用更长时间的事件数据，可有效提升性能。
, 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/JEIT251119
摘要:
在雷达海上探测场景中，当舰船与漂浮目标处于同一距离单元中，形成信号混叠的混合体目标时，如何实现混合体中单个目标的准确识别，当前仍未得到有效解决。针对该问题，本文提出一种基于模态重构与时频域差异特征的海上目标识别方法。不同于将混合体目标整体处理的传统思路，该方法采用变分模态分解(VMD)有效分离混合体中的多普勒通道，针对虚假模态和目标信息碎片化表达问题，提出基于能量约束的模态滤波方法和基于频谱一致性的模态聚类方法，实现多目标场景下回波模态重构处理。在此基础上，分别从图像层面和数据层面出发，提取微多普勒频率全变差(VF)和主多普勒通道等级熵(REDDC ) 两个识别特征，对目标的微多普勒和混乱度差异进行量化表征与联合识别。结果表明，本文算法在2～4级海况条件下对混合体中各目标的平均识别准确率达97.32%，整体性能优于已有方法。
在雷达海上探测场景中，当舰船与漂浮目标处于同一距离单元中，形成信号混叠的混合体目标时，如何实现混合体中单个目标的准确识别，当前仍未得到有效解决。针对该问题，本文提出一种基于模态重构与时频域差异特征的海上目标识别方法。不同于将混合体目标整体处理的传统思路，该方法采用变分模态分解(VMD)有效分离混合体中的多普勒通道，针对虚假模态和目标信息碎片化表达问题，提出基于能量约束的模态滤波方法和基于频谱一致性的模态聚类方法，实现多目标场景下回波模态重构处理。在此基础上，分别从图像层面和数据层面出发，提取微多普勒频率全变差(VF)和主多普勒通道等级熵(REDDC ) 两个识别特征，对目标的微多普勒和混乱度差异进行量化表征与联合识别。结果表明，本文算法在2～4级海况条件下对混合体中各目标的平均识别准确率达97.32%，整体性能优于已有方法。
, 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 $\end{document}
无蜂窝大规模多输入多输出(CF-mMIMO)系统通过密集部署接入点(AP)显著提升了频谱效率。然而，海量AP的持续激活会带来巨大的能量开销，尤其在低业务到达率场景下，这种能量浪费在长期来看将显著削弱系统的能量可持续性。为此，该文提出一种基于李雅普诺夫理论的动态资源调度策略。该策略构建了功率分配与AP开关控制的联合优化模型，利用李雅普诺夫理论将原随机优化问题分解为一系列逐时隙的优化问题，在保障队列稳定性的前提下，将每个时隙内的优化问题分解为功率分配和AP开关控制两个子问题，并采用交替优化算法求解，从而实现对网络状态及业务流量波动的自适应资源配置。仿真结果表明，相较于无AP开关控制方案，本文所提方案在功率放大器效率
, 最新更新时间 , doi: 10.11999/JEIT250967
摘要:
为应对动力电池供应链中的假冒风险并满足对电池全生命周期追溯的需求，该文提出一种面向电池防伪的混合型PUF标签生成技术。该技术利用PCB覆铜区与电池负极极耳构成的独特电容结构，结合分立电阻形成RC延时电路，并将其接入芯片内基于延时的传统仲裁器PUF(A PUF)，从而构建一个集“电池-PCB-芯片”三重物理耦合于一体的混合型PUF电路。该电路将电池、PCB和芯片制造过程中固有的工艺偏差转化为独一无二的电池ID，并集成延时补偿模块与可靠性自筛选模块，显著提升了ID标签的随机性与可靠性。实验结果表明，所生成的标签在随机性(48.85%)、唯一性(49.15%)和可靠性(99.98%)方面均表现优秀。在更换不同电池、PCB或芯片的情况下，数字标签的变化率分别达到14.86%、24.58%和41.66%，有效验证了该方案实现了“电池-PCB-芯片”之间的深度绑定，为电池真伪验证提供了物理层面上的有效保障。
为应对动力电池供应链中的假冒风险并满足对电池全生命周期追溯的需求，该文提出一种面向电池防伪的混合型PUF标签生成技术。该技术利用PCB覆铜区与电池负极极耳构成的独特电容结构，结合分立电阻形成RC延时电路，并将其接入芯片内基于延时的传统仲裁器PUF(A PUF)，从而构建一个集“电池-PCB-芯片”三重物理耦合于一体的混合型PUF电路。该电路将电池、PCB和芯片制造过程中固有的工艺偏差转化为独一无二的电池ID，并集成延时补偿模块与可靠性自筛选模块，显著提升了ID标签的随机性与可靠性。实验结果表明，所生成的标签在随机性(48.85%)、唯一性(49.15%)和可靠性(99.98%)方面均表现优秀。在更换不同电池、PCB或芯片的情况下，数字标签的变化率分别达到14.86%、24.58%和41.66%，有效验证了该方案实现了“电池-PCB-芯片”之间的深度绑定，为电池真伪验证提供了物理层面上的有效保障。
, 最新更新时间 , doi: 10.11999/JEIT251014
摘要:
HALFLOOP是一类基于调柄机制、结构类似AES的轻量级分组密码，用于保护第4代高频无线电系统中的自动链路消息。由于其行移位与列混合操作具有使差分快速扩散的特点，寻找具有实际可行性的长轮数、高概率的差分区分器，并实现对完整轮HALFLOOP-48的有效攻击仍是亟待解决的关键问题。为此，该文提出一个新的截断差分三明治区分器框架，并基于布尔可满足性(SAT)方法实现自动化搜索最优差分区分器。该框架将密码分为3个子密码层，\begin{document}$ {{E}}_{0} $\end{document} \begin{document}$ {{E}}_{1} $\end{document} \begin{document}$ {{E}}_{{m}} $\end{document} \begin{document}$ {{E}}_{0} $\end{document} \begin{document}$ {{E}}_{1} $\end{document} \begin{document}$ {2}^{-43.2} $\end{document} \begin{document}$ {2}^{25.4} $\end{document} \begin{document}$ {2}^{10} $\end{document}
HALFLOOP是一类基于调柄机制、结构类似AES的轻量级分组密码，用于保护第4代高频无线电系统中的自动链路消息。由于其行移位与列混合操作具有使差分快速扩散的特点，寻找具有实际可行性的长轮数、高概率的差分区分器，并实现对完整轮HALFLOOP-48的有效攻击仍是亟待解决的关键问题。为此，该文提出一个新的截断差分三明治区分器框架，并基于布尔可满足性(SAT)方法实现自动化搜索最优差分区分器。该框架将密码分为3个子密码层，
, 最新更新时间 , doi: 10.11999/JEIT250842
摘要:
数据驱动的深度学习方法已展现出优越性能，但其成功实施往往依赖于大量细粒度标注训练数据。此外，医疗数据通常呈“数据孤岛”状态，复杂的数据共享过程可能会存在患者隐私泄露的风险。联邦学习 (FL)能够使多个医疗中心在不共享数据的情况下协同训练一个深度学习模型。然而，在计算病理学领域，源自不同医疗中心的病理图像之间普遍存在数据异质性。这些固有的数据异质性可能会显著影响模型性能。针对以上问题，该研究提出一种适用于计算病理学领域千兆像素全切片图像 (WSI)的隐私保护FL方法，该方法结合弱监督的注意力多实例学习 (MIL)与差分隐私技术。具体而言，对于各个参与客户端，使用一种弱监督的多尺度注意力MIL方法，仅需要切片级标签监督本地模型训练，以应对千兆像素病理WSI标注成本高昂的问题。在联邦权重聚合阶段，引入本地化差分隐私技术，进一步降低敏感数据泄露风险；同时采用一种新的联邦自适应重加权策略，旨在克服客户端之间病理图像异质性所带来的挑战。最后，该文在两种癌症组织学分型任务上评估了所提出FL方法的有效性。实验结果表明，在保障患者数据隐私的前提下，该研究所提出的FL方法相较于本地化模型及其他FL方法，表现出更高的分类准确率；即便与中心化模型相比，其分类性能仍然具备一定竞争力。
数据驱动的深度学习方法已展现出优越性能，但其成功实施往往依赖于大量细粒度标注训练数据。此外，医疗数据通常呈“数据孤岛”状态，复杂的数据共享过程可能会存在患者隐私泄露的风险。联邦学习 (FL)能够使多个医疗中心在不共享数据的情况下协同训练一个深度学习模型。然而，在计算病理学领域，源自不同医疗中心的病理图像之间普遍存在数据异质性。这些固有的数据异质性可能会显著影响模型性能。针对以上问题，该研究提出一种适用于计算病理学领域千兆像素全切片图像 (WSI)的隐私保护FL方法，该方法结合弱监督的注意力多实例学习 (MIL)与差分隐私技术。具体而言，对于各个参与客户端，使用一种弱监督的多尺度注意力MIL方法，仅需要切片级标签监督本地模型训练，以应对千兆像素病理WSI标注成本高昂的问题。在联邦权重聚合阶段，引入本地化差分隐私技术，进一步降低敏感数据泄露风险；同时采用一种新的联邦自适应重加权策略，旨在克服客户端之间病理图像异质性所带来的挑战。最后，该文在两种癌症组织学分型任务上评估了所提出FL方法的有效性。实验结果表明，在保障患者数据隐私的前提下，该研究所提出的FL方法相较于本地化模型及其他FL方法，表现出更高的分类准确率；即便与中心化模型相比，其分类性能仍然具备一定竞争力。
, 最新更新时间 , doi: 10.11999/JEIT250757
摘要:
随着无人机技术的广泛应用，多机共存场景中机型识别对空域管理与黑飞无人机反制具有重要意义。针对射频(RF)信号的特征提取与机型识别需求，该文提出CNN|Triplet-DNN异构网络模型。该模型采用不同深度卷积层与三元组(Triplet)结合的三分支结构，通过交叉熵、中心及三元组损失的动态协同，从分类准确性、类内聚集性和类间分离性三个角度，提取并融合时频图的异构多层特征；进一步利用深度神经网络(DNN)增强特征的非线性拟合能力，提升机型的识别准确率。基于DroneRFa数据集进行消融实验，验证了模型分支设计的有效性；通过叠加DroneRFa中单无人机信号模拟4类及以下多机共存场景，CNN|Triplet-DNN模型的机型识别准确率达83%～100%；在实飞实验中，该模型对2~4类共存场景中的机型识别准确率分别为86%, 57%和73%。与CNN, Triplet-CNN和Transformer模型相比，CNN|Triplet-DNN模型的识别性能更优。
随着无人机技术的广泛应用，多机共存场景中机型识别对空域管理与黑飞无人机反制具有重要意义。针对射频(RF)信号的特征提取与机型识别需求，该文提出CNN|Triplet-DNN异构网络模型。该模型采用不同深度卷积层与三元组(Triplet)结合的三分支结构，通过交叉熵、中心及三元组损失的动态协同，从分类准确性、类内聚集性和类间分离性三个角度，提取并融合时频图的异构多层特征；进一步利用深度神经网络(DNN)增强特征的非线性拟合能力，提升机型的识别准确率。基于DroneRFa数据集进行消融实验，验证了模型分支设计的有效性；通过叠加DroneRFa中单无人机信号模拟4类及以下多机共存场景，CNN|Triplet-DNN模型的机型识别准确率达83%～100%；在实飞实验中，该模型对2~4类共存场景中的机型识别准确率分别为86%, 57%和73%。与CNN, Triplet-CNN和Transformer模型相比，CNN|Triplet-DNN模型的识别性能更优。
, 最新更新时间 , doi: 10.11999/JEIT251176
摘要:
为了在资源受限的本地电力通信网中尽可能地满足业务差异化服务质量(QoS)需求，该文提出一种混合专家驱动的资源分配与调度算法。首先，考虑业务差异化QoS需求、链路类型、信道数量和数据调制方式，建立了大规模异构本地电力通信网资源供需差异最小化问题。接着，为了求解该NP-hard问题，设计了一个包含专家网络和门控网络的混合专家模型，通过不同专家模型专门且并行学习资源分配与调度策略，以满足多样化业务对数据传输速率、时延和可靠性的个性化需求。其中，专家网络由共享型专家和特定于业务QoS的专家组成，用于生成最优下一跳以及节点对间链路、信道和调制方式的有效分配策略。门控网络通过自适应组合和重用多个专家模型来满足已有的和未知的业务QoS需求。最后，仿真结果表明，相较多种对比算法，所提出算法在资源利用率、时延和可靠性方面都有较好的表现。
为了在资源受限的本地电力通信网中尽可能地满足业务差异化服务质量(QoS)需求，该文提出一种混合专家驱动的资源分配与调度算法。首先，考虑业务差异化QoS需求、链路类型、信道数量和数据调制方式，建立了大规模异构本地电力通信网资源供需差异最小化问题。接着，为了求解该NP-hard问题，设计了一个包含专家网络和门控网络的混合专家模型，通过不同专家模型专门且并行学习资源分配与调度策略，以满足多样化业务对数据传输速率、时延和可靠性的个性化需求。其中，专家网络由共享型专家和特定于业务QoS的专家组成，用于生成最优下一跳以及节点对间链路、信道和调制方式的有效分配策略。门控网络通过自适应组合和重用多个专家模型来满足已有的和未知的业务QoS需求。最后，仿真结果表明，相较多种对比算法，所提出算法在资源利用率、时延和可靠性方面都有较好的表现。
, 最新更新时间 , doi: 10.11999/JEIT251202
摘要:
电磁波的多种物理自由度为实现超高信息容量的多功能超表面提供了广阔的维度复用空间。然而，现有的多维度复用超表面通常依赖复杂的多层设计或空间划分，导致器件制备成本较高，且信道间往往存在不可避免的串扰。为简化设计并提高信道隔离度，该研究提出了一种基于嵌套式双光谱超原子的无串扰频率-自旋复用单层超表面。通过精心设计，无串扰双光谱超原子的物理结构和电磁响应能够同时巧妙地表示为两个单光谱超原子的线性叠加，显著降低了复用设计的复杂度。作为概念验证，设计并制备了两款超表面器件，分别在由两个频率和两个自旋态组成的4个信道中实现了独立且无串扰的涡旋光束生成和全息成像功能。实验结果验证了多维复用超表面优异的信道隔离性能。该方法为超表面在提升信息容量方面提供了一种简单、低成本且无串扰的解决方案，并在6G多通道无线通信和全息成像等领域展现出广阔的应用前景。
电磁波的多种物理自由度为实现超高信息容量的多功能超表面提供了广阔的维度复用空间。然而，现有的多维度复用超表面通常依赖复杂的多层设计或空间划分，导致器件制备成本较高，且信道间往往存在不可避免的串扰。为简化设计并提高信道隔离度，该研究提出了一种基于嵌套式双光谱超原子的无串扰频率-自旋复用单层超表面。通过精心设计，无串扰双光谱超原子的物理结构和电磁响应能够同时巧妙地表示为两个单光谱超原子的线性叠加，显著降低了复用设计的复杂度。作为概念验证，设计并制备了两款超表面器件，分别在由两个频率和两个自旋态组成的4个信道中实现了独立且无串扰的涡旋光束生成和全息成像功能。实验结果验证了多维复用超表面优异的信道隔离性能。该方法为超表面在提升信息容量方面提供了一种简单、低成本且无串扰的解决方案，并在6G多通道无线通信和全息成像等领域展现出广阔的应用前景。
, 最新更新时间 , doi: 10.11999/JEIT251174
摘要:
推理大模型等人工智能的发展需要高能效、高算力芯片RRAM(阻变随机存取存储器)存算一体技术可以克服传统架构的“存储墙”瓶颈，大幅降低数据搬移的开销，实现高速、低功耗智能计算。当前，RRAM存算一体技术缺乏适配计算的高速、高精度编程方法，传统编程策略面临单器件校验耗时长以及电路非理想因素带来的精度损失挑战。为了提升RRAM高并行度模拟存算一体(CIM)的编程速度并提高权重编程精度，本文提出一种新型系统化编程策略：利用双向矩阵向量乘法(MVM)检测映射故障，并引入基于权重冗余行的原位偏移补偿方案，以高效校准不同通道的偏移。基于上述策略，制备了包含640×256子阵列与双通道ADC的RRAM存算一体芯片。在4位输入、4位权重、8位输出的配置下，该宏单元实现了编程延迟降低4倍，且在全并行MVM计算中取得0.64%的最低均方根(RMS)误差，提出的编程方法在图像识别任务中将识别准确率分别提升了4.7%和4.8%。
推理大模型等人工智能的发展需要高能效、高算力芯片RRAM(阻变随机存取存储器)存算一体技术可以克服传统架构的“存储墙”瓶颈，大幅降低数据搬移的开销，实现高速、低功耗智能计算。当前，RRAM存算一体技术缺乏适配计算的高速、高精度编程方法，传统编程策略面临单器件校验耗时长以及电路非理想因素带来的精度损失挑战。为了提升RRAM高并行度模拟存算一体(CIM)的编程速度并提高权重编程精度，本文提出一种新型系统化编程策略：利用双向矩阵向量乘法(MVM)检测映射故障，并引入基于权重冗余行的原位偏移补偿方案，以高效校准不同通道的偏移。基于上述策略，制备了包含640×256子阵列与双通道ADC的RRAM存算一体芯片。在4位输入、4位权重、8位输出的配置下，该宏单元实现了编程延迟降低4倍，且在全并行MVM计算中取得0.64%的最低均方根(RMS)误差，提出的编程方法在图像识别任务中将识别准确率分别提升了4.7%和4.8%。
, 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。本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。论文设计、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。本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。论文设计、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 (Tire-integrated Traffic Scene Perception Dataset)。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、胎压等6类轮胎传感器数据(约1550 万字节，超过180万个传感器采样点)，并同时获取309GB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 (Tire-integrated Traffic Scene Perception Dataset)。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、胎压等6类轮胎传感器数据(约
, 最新更新时间 , doi: 10.11999/JEIT250781
摘要:
利用脑电图(EEG)和功能性磁共振成像(fMRI)等无创脑成像技术研究视觉诱发响应，是探索人类视觉信息加工机制的重要途径。EEG-fMRI联合技术综合了EEG的高时间分辨优势与fMRI的高空间分辨优势，从更全面的神经时空活动视角为视觉诱发响应研究提供了方法支撑。该文系统综述了视觉诱发响应研究中EEG和fMRI的经典融合方法和EEG-fMRI联合技术在神经科学领域的应用情况，最后讨论了EEG-fMRI联合应用方法在视觉诱发响应研究中面临的技术挑战和未来发展方向。
利用脑电图(EEG)和功能性磁共振成像(fMRI)等无创脑成像技术研究视觉诱发响应，是探索人类视觉信息加工机制的重要途径。EEG-fMRI联合技术综合了EEG的高时间分辨优势与fMRI的高空间分辨优势，从更全面的神经时空活动视角为视觉诱发响应研究提供了方法支撑。该文系统综述了视觉诱发响应研究中EEG和fMRI的经典融合方法和EEG-fMRI联合技术在神经科学领域的应用情况，最后讨论了EEG-fMRI联合应用方法在视觉诱发响应研究中面临的技术挑战和未来发展方向。
, 最新更新时间 , doi: 10.11999/JEIT251135
摘要:
随着智能交通系统的快速发展，网联车辆队列作为其核心组成，在提升交通效率、行车安全性和能源利用率方面展现出巨大潜力。通过车辆间的信息交互与协同控制，车辆队列能够实现安全高效跟驰。然而，通信网络的开放性和脆弱性，使得车辆队列容易受到网络攻击的威胁，如拒绝服务 (Denial of Service, DoS) 和虚假数据注入 (False Data Injection, FDI) 等攻击。这些攻击可能导致信息中断或篡改，严重威胁车辆队列系统系统的安全性和稳定性。针对网络攻击下网联车辆队列的弹性控制问题，该文研究由DoS和FDI构成的混合攻击下基于攻击补偿的无模型自适应控制方法。首先，建立异构非线性纵向车辆动力学模型，并构建DoS与FDI共存的混合攻击模型。然后，分析混合攻击对伪梯度参数估计器的影响，设计DoS攻击期间的估计器更新策略，并构建基于历史控制输入信息的攻击补偿机制，以提升DoS攻击下的控制效果。理论分析表明，系统跟踪误差在混合攻击下可实现有界性。仿真实验验证，所提方法有效保障了非线性车辆队列在混合攻击下的跟踪性能。
随着智能交通系统的快速发展，网联车辆队列作为其核心组成，在提升交通效率、行车安全性和能源利用率方面展现出巨大潜力。通过车辆间的信息交互与协同控制，车辆队列能够实现安全高效跟驰。然而，通信网络的开放性和脆弱性，使得车辆队列容易受到网络攻击的威胁，如拒绝服务 (Denial of Service, DoS) 和虚假数据注入 (False Data Injection, FDI) 等攻击。这些攻击可能导致信息中断或篡改，严重威胁车辆队列系统系统的安全性和稳定性。针对网络攻击下网联车辆队列的弹性控制问题，该文研究由DoS和FDI构成的混合攻击下基于攻击补偿的无模型自适应控制方法。首先，建立异构非线性纵向车辆动力学模型，并构建DoS与FDI共存的混合攻击模型。然后，分析混合攻击对伪梯度参数估计器的影响，设计DoS攻击期间的估计器更新策略，并构建基于历史控制输入信息的攻击补偿机制，以提升DoS攻击下的控制效果。理论分析表明，系统跟踪误差在混合攻击下可实现有界性。仿真实验验证，所提方法有效保障了非线性车辆队列在混合攻击下的跟踪性能。
, 最新更新时间 , doi: 10.11999/JEIT251222
摘要:
机密业务在弹性光网络中传输和处理面临窃听攻击风险，论文提出一种网络编码(NC)和碎片感知的机密业务多路径传输资源分配方法。在该方法中，采用NC对机密业务进行加密传输；在路由选择阶段，设计感知窃听概率的路径代价函数和多路径保护方法确定业务传输的可靠性；在资源分配阶段，为机密业务设计满足NC约束的碎片感知频谱分配策略。仿真结果表明，与其他采用NC的路由算法相比，所提算法有效降低了业务阻塞率，提高了频谱利用率。
机密业务在弹性光网络中传输和处理面临窃听攻击风险，论文提出一种网络编码(NC)和碎片感知的机密业务多路径传输资源分配方法。在该方法中，采用NC对机密业务进行加密传输；在路由选择阶段，设计感知窃听概率的路径代价函数和多路径保护方法确定业务传输的可靠性；在资源分配阶段，为机密业务设计满足NC约束的碎片感知频谱分配策略。仿真结果表明，与其他采用NC的路由算法相比，所提算法有效降低了业务阻塞率，提高了频谱利用率。
, 最新更新时间 , doi: 10.11999/JEIT251281
摘要:
针对智能超表面(Reconfigurable Intelligent Surfaces, RIS)辅助下的密钥生成技术，从攻击与防御双视角开展研究。首先，基于攻击方视角提出了一种改进的联合密钥推测攻击策略，主动窃听者可结合注入信号和信道空间相关性进行联合密钥推测，显著加剧密钥生成过程的安全威胁；其次，从防御方视角提出了一种利用RIS随机化信道的抗注入式攻击密钥生成方案，合法用户通过调控RIS，在每个探测回合中主动随机化信道状态信息，迫使窃听者无法有效实施信号注入式攻击，从而降低密钥泄露风险并抑制密钥推测概率；进一步地；推导了该方案合法信道密钥容量和窃听信道密钥容量的理论表达式，定量分析了信噪比和窃听信道功率占比对合法信道密钥容量和窃听信道密钥容量的影响。仿真结果表明，相比现有方案，所提方案在克服准静态场景信道变化缓慢的基础上，提升了密钥生成系统的安全性。即使窃听者增大注入信号功率，窃听信道的密钥容量也呈现基本不变的趋势，有效抵御了信号注入式攻击的威胁。
针对智能超表面(Reconfigurable Intelligent Surfaces, RIS)辅助下的密钥生成技术，从攻击与防御双视角开展研究。首先，基于攻击方视角提出了一种改进的联合密钥推测攻击策略，主动窃听者可结合注入信号和信道空间相关性进行联合密钥推测，显著加剧密钥生成过程的安全威胁；其次，从防御方视角提出了一种利用RIS随机化信道的抗注入式攻击密钥生成方案，合法用户通过调控RIS，在每个探测回合中主动随机化信道状态信息，迫使窃听者无法有效实施信号注入式攻击，从而降低密钥泄露风险并抑制密钥推测概率；进一步地；推导了该方案合法信道密钥容量和窃听信道密钥容量的理论表达式，定量分析了信噪比和窃听信道功率占比对合法信道密钥容量和窃听信道密钥容量的影响。仿真结果表明，相比现有方案，所提方案在克服准静态场景信道变化缓慢的基础上，提升了密钥生成系统的安全性。即使窃听者增大注入信号功率，窃听信道的密钥容量也呈现基本不变的趋势，有效抵御了信号注入式攻击的威胁。
, 最新更新时间 , doi: 10.11999/JEIT251360
摘要:
二维(2-D)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2-D多变量函数和级联法提出了三种2-D 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。构造得到的阵列集不仅可以得到现有文献中没有的新参数，还可包含已有的结果为特例。
二维(2-D)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2-D多变量函数和级联法提出了三种2-D 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。构造得到的阵列集不仅可以得到现有文献中没有的新参数，还可包含已有的结果为特例。
, 最新更新时间 , doi: 10.11999/JEIT251063
摘要:
论文聚焦人脸识别生态，系统梳理了面向人脸识别可信应用的隐私保护计算研究进展。首先，概述了人脸识别系统的基本架构与流程，剖析非授权采集、信息泄露、梯度泄露、成员推理、人脸重建及非授权识别等关键隐私风险。随后，围绕数据变换、分布式、图像合成和对抗扰动四类主流隐私保护范式，解析加密计算、联邦学习、频域学习、特征模板保护、合成图像训练、身份保持匿名化、虚拟身份识别、差分隐私、重建攻击防御与对抗性隐私保护等十类代表性技术。最后，展望未来研究方向，包括隐私保护计算的效率提升、生成式大模型带来的新机遇与挑战、新型识别范式的构建以及标准化评估体系的建立。论文旨在为可信人脸识别研究提供系统性参考，推动其在信息物理系统中的安全与可信应用，进一步强化个人信息保护。
论文聚焦人脸识别生态，系统梳理了面向人脸识别可信应用的隐私保护计算研究进展。首先，概述了人脸识别系统的基本架构与流程，剖析非授权采集、信息泄露、梯度泄露、成员推理、人脸重建及非授权识别等关键隐私风险。随后，围绕数据变换、分布式、图像合成和对抗扰动四类主流隐私保护范式，解析加密计算、联邦学习、频域学习、特征模板保护、合成图像训练、身份保持匿名化、虚拟身份识别、差分隐私、重建攻击防御与对抗性隐私保护等十类代表性技术。最后，展望未来研究方向，包括隐私保护计算的效率提升、生成式大模型带来的新机遇与挑战、新型识别范式的构建以及标准化评估体系的建立。论文旨在为可信人脸识别研究提供系统性参考，推动其在信息物理系统中的安全与可信应用，进一步强化个人信息保护。
, 最新更新时间 , doi: 10.11999/JEIT251283
摘要:
合成孔径雷达(SAR)极易受到射频干扰(RFI)的影响。相关学者针对SAR干扰抑制已经开展了深入的研究，并提出了一系列干扰抑制算法。然而，目前大多数算法并未考虑到SAR接收机发生饱和的影响。实际上，当干扰功率较大时，SAR接收机非常容易发生饱和，使受干扰回波产生非线性畸变，导致饱和干扰与当前干扰抑制算法的模型失配。目前仍缺少能够精确描述饱和受干扰回波特性的数学模型以及饱和干扰抑制方法。为此，该文首先提出了精确饱和干扰分析模型，并验证了该模型在分析饱和干扰幅相信息时的准确性。基于该模型，提出了一种能有效缓解饱和干扰的抑制方法。首先，基于干扰基波大功率特性通过特征子空间分解来提取基波；然后，利用谐波与基波的相位关系，构建涵盖目标回波、干扰基波、干扰谐波以及互调谐波的综合完备字典；最后求解稀疏优化问题，完成饱和干扰的分离与抑制。通过实测数据验证，并与其他抑制方法进行对比，验证了所提方法在应对饱和干扰时的有效性。
合成孔径雷达(SAR)极易受到射频干扰(RFI)的影响。相关学者针对SAR干扰抑制已经开展了深入的研究，并提出了一系列干扰抑制算法。然而，目前大多数算法并未考虑到SAR接收机发生饱和的影响。实际上，当干扰功率较大时，SAR接收机非常容易发生饱和，使受干扰回波产生非线性畸变，导致饱和干扰与当前干扰抑制算法的模型失配。目前仍缺少能够精确描述饱和受干扰回波特性的数学模型以及饱和干扰抑制方法。为此，该文首先提出了精确饱和干扰分析模型，并验证了该模型在分析饱和干扰幅相信息时的准确性。基于该模型，提出了一种能有效缓解饱和干扰的抑制方法。首先，基于干扰基波大功率特性通过特征子空间分解来提取基波；然后，利用谐波与基波的相位关系，构建涵盖目标回波、干扰基波、干扰谐波以及互调谐波的综合完备字典；最后求解稀疏优化问题，完成饱和干扰的分离与抑制。通过实测数据验证，并与其他抑制方法进行对比，验证了所提方法在应对饱和干扰时的有效性。
, 最新更新时间 , doi: 10.11999/JEIT251080
摘要:
本文通过单一材料平台集成宽带微波散射(7.4 GHz带宽)与被动红外抑制，为跨波段隐身提供了一种解决方案，克服了传统隐身材料同时兼顾微波吸收与热管理之间的设计挑战。本文提出了一种新型全金属随机编码超表面，实现了跨波段隐身功能，兼具微波频段雷达散射截面(radar cross-section, RCS)缩减和红外隐身效果。该超表面整体采用铜结构，通过计算机数控加工制造，相比传统复合材料设计，消除了界面脱层的风险。同时，其单一材料构造使其能够同时调控微波散射特性和红外辐射特性。该结构通过遗传算法优化相位分布后，在11–18.4 GHz频段(73%带宽)内实现了超过10 dB的RCS缩减，在14.7 GHz频点处的最大抑制效果超过15 dB，相关结果已通过仿真和微波暗室测试验证。该全金属结构在8–14 μm红外波段展现出超过99.9%的红外反射率，且通过商业红外成像仪热成像实验证实其被动红外隐身能力，显示出在多光谱隐身应用中的潜力。所制造的CNC原型结构尺寸为150×150 mm2，包含10×10的单元阵列，在最大达60°的线极化斜入射角下仍保持良好的结构稳定性，验证了其在贴合式应用中推广的可行性。
本文通过单一材料平台集成宽带微波散射(7.4 GHz带宽)与被动红外抑制，为跨波段隐身提供了一种解决方案，克服了传统隐身材料同时兼顾微波吸收与热管理之间的设计挑战。本文提出了一种新型全金属随机编码超表面，实现了跨波段隐身功能，兼具微波频段雷达散射截面(radar cross-section, RCS)缩减和红外隐身效果。该超表面整体采用铜结构，通过计算机数控加工制造，相比传统复合材料设计，消除了界面脱层的风险。同时，其单一材料构造使其能够同时调控微波散射特性和红外辐射特性。该结构通过遗传算法优化相位分布后，在11–18.4 GHz频段(73%带宽)内实现了超过10 dB的RCS缩减，在14.7 GHz频点处的最大抑制效果超过15 dB，相关结果已通过仿真和微波暗室测试验证。该全金属结构在8–14 μm红外波段展现出超过99.9%的红外反射率，且通过商业红外成像仪热成像实验证实其被动红外隐身能力，显示出在多光谱隐身应用中的潜力。所制造的CNC原型结构尺寸为150×150 mm2，包含10×10的单元阵列，在最大达60°的线极化斜入射角下仍保持良好的结构稳定性，验证了其在贴合式应用中推广的可行性。
, 最新更新时间 , doi: 10.11999/JEIT250861
摘要:
图G的k-全着色是指使用k种颜色对图的顶点与边同时进行着色，使得任意相邻的顶点、相邻的边，以及任意关联的顶点与边之间均着不同颜色。全着色猜想断言：任何简单图均存在(Δ+2)-全着色，其中Δ代表图的最大度。自该猜想提出以来，一直受到广泛关注，并取得了丰富的研究进展。然而，尽管经过数十年的努力，全着色猜想至今仍未得到完全证明，甚至对平面图情形亦不例外。目前，对于平面图，仅剩最大度为6且同时含有4-扇子结构，或最大平均度不低于23/5的图类尚未被证实。该文针对这类平面图的全着色展开研究，提出一类称为嵌套多芒星的图类，其最大度为6、包含4-扇子结构，且最大平均度不低于23/5。该文证明了全着色猜想在此类图上成立。特别地，发现一类属于I-型图的嵌套多芒星，即存在7-全着色。这一结果进一步推进了对平面图全着色问题的理解。
图G的k-全着色是指使用k种颜色对图的顶点与边同时进行着色，使得任意相邻的顶点、相邻的边，以及任意关联的顶点与边之间均着不同颜色。全着色猜想断言：任何简单图均存在(Δ+2)-全着色，其中Δ代表图的最大度。自该猜想提出以来，一直受到广泛关注，并取得了丰富的研究进展。然而，尽管经过数十年的努力，全着色猜想至今仍未得到完全证明，甚至对平面图情形亦不例外。目前，对于平面图，仅剩最大度为6且同时含有4-扇子结构，或最大平均度不低于23/5的图类尚未被证实。该文针对这类平面图的全着色展开研究，提出一类称为嵌套多芒星的图类，其最大度为6、包含4-扇子结构，且最大平均度不低于23/5。该文证明了全着色猜想在此类图上成立。特别地，发现一类属于I-型图的嵌套多芒星，即存在7-全着色。这一结果进一步推进了对平面图全着色问题的理解。
, 最新更新时间 , doi: 10.11999/JEIT251045
摘要:
该文研究了有限域\begin{document}$ {\mathbb{F}}_{q} $\end{document} \begin{document}$ {C}_{k,\boldsymbol{h},\boldsymbol{\eta }}(\boldsymbol{\alpha },\boldsymbol{v}) $\end{document} \begin{document}$ {C}_{k,\boldsymbol{h},\boldsymbol{\eta }}(\boldsymbol{\alpha },\boldsymbol{v},{\boldsymbol{\infty}}) $\end{document} \begin{document}$ {C}_{k,\boldsymbol{h},\boldsymbol{\eta }}(\boldsymbol{\alpha },\boldsymbol{v}) $\end{document} \begin{document}$ {C}_{k,\boldsymbol{h},\boldsymbol{\eta }}(\boldsymbol{\alpha },\boldsymbol{v},{\boldsymbol{\infty}}) $\end{document} \begin{document}$ k\geq 4 $\end{document} \begin{document}$ {C}_{k,\boldsymbol{h},\boldsymbol{\eta }}(\boldsymbol{\alpha },\boldsymbol{v}) $\end{document} \begin{document}$ {C}_{k,\boldsymbol{h},\boldsymbol{\eta }}(\boldsymbol{\alpha },\boldsymbol{v},{\boldsymbol{\infty}}) $\end{document}
该文研究了有限域
, 最新更新时间 , doi: 10.11999/JEIT250487
摘要:
高功率微波(HPM)技术作为现代国防军事和民用科技领域的战略性前沿技术，正引发全球广泛关注和深入研究。然而，受物理机制、材料性能以及制造工艺等多重因素制约，单个HPM源的微波输出功率在提升过程中遭遇了瓶颈，难以实现突破性增长。为突破这一限制，研究人员提出了HPM合成技术，该技术有效地整合多个HPM源，成功实现了峰值功率输出的显著提升，为HPM技术的发展开辟了新的路径。该文聚焦于多路HPM源合成过程中的时间同步难题，设计了一种双路强流相对论电子束产生装置。该装置采用单台脉冲功率驱动源同步驱动双路二极管，并借助单个线圈磁体实现对双路电子束的有效约束。仿真与实验结果表明：该装置能够稳定产生高品质电子束，其电压高达800 kV、电流为20 kA，总功率达到16 GW。在45 ns电压半高宽区间内，电流波形保持稳定，未出现阻抗崩溃现象。此外，通过对阴极引杆结构的改进优化，电子束的角向电流波动从原有的33.17%大幅减小至3.13%，电子束的品质特性得到了显著提升。该研究结果为多路强流相对论电子束的产生和多路HPM源的功率合成提供了可靠的技术基础，在HPM技术领域具有重要的应用前景。
高功率微波(HPM)技术作为现代国防军事和民用科技领域的战略性前沿技术，正引发全球广泛关注和深入研究。然而，受物理机制、材料性能以及制造工艺等多重因素制约，单个HPM源的微波输出功率在提升过程中遭遇了瓶颈，难以实现突破性增长。为突破这一限制，研究人员提出了HPM合成技术，该技术有效地整合多个HPM源，成功实现了峰值功率输出的显著提升，为HPM技术的发展开辟了新的路径。该文聚焦于多路HPM源合成过程中的时间同步难题，设计了一种双路强流相对论电子束产生装置。该装置采用单台脉冲功率驱动源同步驱动双路二极管，并借助单个线圈磁体实现对双路电子束的有效约束。仿真与实验结果表明：该装置能够稳定产生高品质电子束，其电压高达800 kV、电流为20 kA，总功率达到16 GW。在45 ns电压半高宽区间内，电流波形保持稳定，未出现阻抗崩溃现象。此外，通过对阴极引杆结构的改进优化，电子束的角向电流波动从原有的33.17%大幅减小至3.13%，电子束的品质特性得到了显著提升。该研究结果为多路强流相对论电子束的产生和多路HPM源的功率合成提供了可靠的技术基础，在HPM技术领域具有重要的应用前景。
, 最新更新时间 , doi: 10.11999/JEIT251223
摘要:
脑机接口(BCI)正从实验室走向日常应用，其发展的核心瓶颈在于如何在不依赖笨重设备和同步线缆的前提下，实现高性能的脑电采集。现有无线系统难以在同步精度与系统微型化、无硬件束缚之间取得兼顾。为此，该文研制了一种采集端微型化且无需同步线缆的稳态视觉诱发电位(SSVEP)脑机接口系统。该系统采用分布式微型节点架构，将重量仅3.7 g、体积仅为3.05 cm3的微型采集节点隐蔽佩戴于头发间。在无需专用同步硬件、仅使用少量电极、且在非屏蔽普通室内环境下，搭建了40指令的在线SSVEP解码系统。结果显示，系统达到了(95.00±2.04)%的识别准确率与(147.24±30.52) bits/min的峰值信息传输速率。该研究为开发真正可穿戴的下一代脑机接口提供了可行的系统级解决方案。
脑机接口(BCI)正从实验室走向日常应用，其发展的核心瓶颈在于如何在不依赖笨重设备和同步线缆的前提下，实现高性能的脑电采集。现有无线系统难以在同步精度与系统微型化、无硬件束缚之间取得兼顾。为此，该文研制了一种采集端微型化且无需同步线缆的稳态视觉诱发电位(SSVEP)脑机接口系统。该系统采用分布式微型节点架构，将重量仅3.7 g、体积仅为3.05 cm3的微型采集节点隐蔽佩戴于头发间。在无需专用同步硬件、仅使用少量电极、且在非屏蔽普通室内环境下，搭建了40指令的在线SSVEP解码系统。结果显示，系统达到了(95.00±2.04)%的识别准确率与(147.24±30.52) bits/min的峰值信息传输速率。该研究为开发真正可穿戴的下一代脑机接口提供了可行的系统级解决方案。
, 最新更新时间 , doi: 10.11999/JEIT251233
摘要:
虚拟现实晕动症(VRMS)指在虚拟现实(VR)环境中用户因前庭-视觉信息失调引发的严重眩晕，该症状阻碍沉浸式VR技术应用和推广。该文提出一种小波变换与注意力机制协同的双路融合模型(WTATNet)，通过解耦VR运动刺激暴露后的休息态脑电(EEG)的时空特征，为VRMS的客观检测提供新方法。该模型分为两条支路，支路1对EEG时间维和导联维进行二维离散小波变换计算出小波系数，再将小波系数送入卷积层进行特征提取。支路2则是EEG经过一维卷积层滤波后，依次利用通道注意力模块和导联注意力模块强化通道维与导联维的关键特征。最后将两支路的特征融合并进行分类。该文使用VR游戏《超级滑翔翼2》诱发受试者的VRMS并记录他们在任务前后的休息态EEG评估WTATNet模型的性能，最终实现对受试者休息态下眩晕脑电与非眩晕脑电的分类。该模型对VRMS的识别准确率、F1-score、精确率和召回率(10折交叉验证的平均值)分别为98.39%, 98.39%, 98.38%和98.40%，优于目前的先进的EEG识别模型。结果表明所提方法可对VRMS进行检测，并用于进一步研究VRMS的产生因素和治理方法，对优化VR系统具有一定的指导意义。
虚拟现实晕动症(VRMS)指在虚拟现实(VR)环境中用户因前庭-视觉信息失调引发的严重眩晕，该症状阻碍沉浸式VR技术应用和推广。该文提出一种小波变换与注意力机制协同的双路融合模型(WTATNet)，通过解耦VR运动刺激暴露后的休息态脑电(EEG)的时空特征，为VRMS的客观检测提供新方法。该模型分为两条支路，支路1对EEG时间维和导联维进行二维离散小波变换计算出小波系数，再将小波系数送入卷积层进行特征提取。支路2则是EEG经过一维卷积层滤波后，依次利用通道注意力模块和导联注意力模块强化通道维与导联维的关键特征。最后将两支路的特征融合并进行分类。该文使用VR游戏《超级滑翔翼2》诱发受试者的VRMS并记录他们在任务前后的休息态EEG评估WTATNet模型的性能，最终实现对受试者休息态下眩晕脑电与非眩晕脑电的分类。该模型对VRMS的识别准确率、F1-score、精确率和召回率(10折交叉验证的平均值)分别为98.39%, 98.39%, 98.38%和98.40%，优于目前的先进的EEG识别模型。结果表明所提方法可对VRMS进行检测，并用于进一步研究VRMS的产生因素和治理方法，对优化VR系统具有一定的指导意义。
, 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/JEIT251086
摘要:
在5G非地面网络(5G-NTN)低轨卫星通信系统中，多普勒效应会带来载波频偏(CFO)、采样频偏(SFO)以及子载波间频偏(ISFO)。研究发现，当正交频分复用(OFDM)信号子载波数量较大且采用高阶调制时，ISFO会成为制约接收机性能的关键因素。现有算法多针对CFO和SFO的估计及补偿展开研究，极少考虑ISFO的影响。另外，采用传统的最大似然估计算法对CFO和SFO进行联合估计时，需要进行一维或二维网格搜索，计算复杂度非常高。针对上述问题，该文利用5G-NTN中导频信号的分布特点，提出两种低复杂度的CFO和SFO联合估计算法。首先，利用5G-NTN中解调参考信号的互相关向量在主瓣内的单峰特性，设计一种基于二分搜索的联合估计算法，可以实现快速收敛。然后，设计基于观测量自相关的L&R估计算法，推导了待估参数的近似闭式解。典型实例分析和仿真表明，两种算法性能接近采用一维或二维搜索的最大似然估计算法，且所提二分搜索估计算法运算量仅为二维搜索最大似然估计算法的4%、一维搜索最大似然估计算法的44%。
在5G非地面网络(5G-NTN)低轨卫星通信系统中，多普勒效应会带来载波频偏(CFO)、采样频偏(SFO)以及子载波间频偏(ISFO)。研究发现，当正交频分复用(OFDM)信号子载波数量较大且采用高阶调制时，ISFO会成为制约接收机性能的关键因素。现有算法多针对CFO和SFO的估计及补偿展开研究，极少考虑ISFO的影响。另外，采用传统的最大似然估计算法对CFO和SFO进行联合估计时，需要进行一维或二维网格搜索，计算复杂度非常高。针对上述问题，该文利用5G-NTN中导频信号的分布特点，提出两种低复杂度的CFO和SFO联合估计算法。首先，利用5G-NTN中解调参考信号的互相关向量在主瓣内的单峰特性，设计一种基于二分搜索的联合估计算法，可以实现快速收敛。然后，设计基于观测量自相关的L&R估计算法，推导了待估参数的近似闭式解。典型实例分析和仿真表明，两种算法性能接近采用一维或二维搜索的最大似然估计算法，且所提二分搜索估计算法运算量仅为二维搜索最大似然估计算法的4%、一维搜索最大似然估计算法的44%。
, 最新更新时间 , doi: 10.11999/JEIT251124
摘要:
针对时空动作检测中现有方法难以统一框架中高效协同建模外观语义与动态运动特征，以及主流框架往往因高计算复杂度和局部感受野限制，难以兼顾长程时序依赖建模与实时推理效率的问题。本文提出一种基于选择性状态空间模型的Mamba-YOWO轻量化时空动作检测框架。首先，引入Mamba模块重构YOWOv3的时序建模骨干，在保持线性计算复杂度的同时建模长程时序依赖。其次，设计高效多尺度时空融合模块，实现多尺度空间特征与动态时间上下文的有效融合，增强判别性表征。最后，在UCF101-24和JHMDB数据集上进行实验。结果表明，本方法较YOWOv3参数量减少7.3%，计算量(FLOPs)降低5.4%，帧级mAP分别达到90.24%和83.2%，显著优于现有实时检测方法。验证了所提方法在实时时空动作检测任务中的精度-效率平衡上的优势。
针对时空动作检测中现有方法难以统一框架中高效协同建模外观语义与动态运动特征，以及主流框架往往因高计算复杂度和局部感受野限制，难以兼顾长程时序依赖建模与实时推理效率的问题。本文提出一种基于选择性状态空间模型的Mamba-YOWO轻量化时空动作检测框架。首先，引入Mamba模块重构YOWOv3的时序建模骨干，在保持线性计算复杂度的同时建模长程时序依赖。其次，设计高效多尺度时空融合模块，实现多尺度空间特征与动态时间上下文的有效融合，增强判别性表征。最后，在UCF101-24和JHMDB数据集上进行实验。结果表明，本方法较YOWOv3参数量减少7.3%，计算量(FLOPs)降低5.4%，帧级mAP分别达到90.24%和83.2%，显著优于现有实时检测方法。验证了所提方法在实时时空动作检测任务中的精度-效率平衡上的优势。
, 最新更新时间 , doi: 10.11999/JEIT251066
摘要:
图像去雨是计算机视觉领域的基础任务，现有方法过度依赖假设雨模型或合成雨数据集，导致真实场景去雨效果泛化性能不足。该文分析发现CLIP模型图像编码器对雨纹干扰的鲁棒性，将去雨任务转化为基于视觉语义引导的像素级回归问题，提出基于冻结对比语言-图像预训练(Frozen Contrastive Language–Image Pretraining, FCLIP)策略的图像去雨模型FCLIP-UNet。该模型采用对称的编码器解码器结构(U-Net)：编码器截取CLIP-RN50图像编码器的4层结构实现雨纹与图像内容语义的自动解耦；解码阶段采用ConvNeXt-T与UpDWBlock串行结构，结合跳跃连接中嵌入层级差异化扰动策略实现高层语义引导下的细节恢复与泛化能力的协同增强。定量和定性实验结果表明，FCLIP-UNet在公开合成数据集和真实雨图数据集上均取得最优或具有竞争力的性能，并在包含真实雨图的多个独立数据集上表现出良好的泛化性能。
图像去雨是计算机视觉领域的基础任务，现有方法过度依赖假设雨模型或合成雨数据集，导致真实场景去雨效果泛化性能不足。该文分析发现CLIP模型图像编码器对雨纹干扰的鲁棒性，将去雨任务转化为基于视觉语义引导的像素级回归问题，提出基于冻结对比语言-图像预训练(Frozen Contrastive Language–Image Pretraining, FCLIP)策略的图像去雨模型FCLIP-UNet。该模型采用对称的编码器解码器结构(U-Net)：编码器截取CLIP-RN50图像编码器的4层结构实现雨纹与图像内容语义的自动解耦；解码阶段采用ConvNeXt-T与UpDWBlock串行结构，结合跳跃连接中嵌入层级差异化扰动策略实现高层语义引导下的细节恢复与泛化能力的协同增强。定量和定性实验结果表明，FCLIP-UNet在公开合成数据集和真实雨图数据集上均取得最优或具有竞争力的性能，并在包含真实雨图的多个独立数据集上表现出良好的泛化性能。
, 最新更新时间 , doi: 10.11999/JEIT251159
摘要:
随着空天地一体化网络日益发展，成为国家战略前沿，其深度融合的卫星遥感、导航定位和通信应用，均对人工智能的可靠性与透明度提出了严苛要求。特别地，空天信息系统面临着物理层、网络层到应用层的复合式安全挑战，在这些高风险敏感性场景中，发展高稳健性与可信度的智能检测技术已成为当务之急。为应对这一挑战，该文提出了一个新颖的可信人工智能框架ReXNet。该框架深度整合了不确定性量化(UQ)与可解释人工智能(XAI)技术，并允许灵活替换骨干模型，以适配多样化的空天安全任务。通过在UAV-GCS入侵检测、C-MAPSS故障诊断及ADS-B注入攻击等空天地三层典型安全场景数据集上的系统性实验验证，ReXNet框架在保持高精度异常检测性能的同时，能有效量化预测置信度、识别模型知识边界外的未知样本，并为决策提供逻辑一致且可追溯的归因解释。该框架的模块化与灵活性创新，为解决人工智能在安全关键系统中的应用瓶颈提供了有效的技术路径。通过系统性地提升模型的可靠性与透明度，本研究旨在推动智能检测技术在空天安全领域的应用范式从追求单一的“高精度”向兼顾“高可信”转变，显著增强了其场景适用性与整体可信度。
随着空天地一体化网络日益发展，成为国家战略前沿，其深度融合的卫星遥感、导航定位和通信应用，均对人工智能的可靠性与透明度提出了严苛要求。特别地，空天信息系统面临着物理层、网络层到应用层的复合式安全挑战，在这些高风险敏感性场景中，发展高稳健性与可信度的智能检测技术已成为当务之急。为应对这一挑战，该文提出了一个新颖的可信人工智能框架ReXNet。该框架深度整合了不确定性量化(UQ)与可解释人工智能(XAI)技术，并允许灵活替换骨干模型，以适配多样化的空天安全任务。通过在UAV-GCS入侵检测、C-MAPSS故障诊断及ADS-B注入攻击等空天地三层典型安全场景数据集上的系统性实验验证，ReXNet框架在保持高精度异常检测性能的同时，能有效量化预测置信度、识别模型知识边界外的未知样本，并为决策提供逻辑一致且可追溯的归因解释。该框架的模块化与灵活性创新，为解决人工智能在安全关键系统中的应用瓶颈提供了有效的技术路径。通过系统性地提升模型的可靠性与透明度，本研究旨在推动智能检测技术在空天安全领域的应用范式从追求单一的“高精度”向兼顾“高可信”转变，显著增强了其场景适用性与整体可信度。
, 最新更新时间 , doi: 10.11999/JEIT251220
摘要:
针对无参考图像质量评价方法在真实场景中存在鲁棒性不够、泛化能力不足、几何结构建模欠缺的问题，该文提出一种基于感知结构自适应质量网络(Perceptual Structure-Adaptive Quality Network, PSAQNet)的无参考图像质量评价方法。首先，利用预训练 CNN 提取多尺度特征，并通过高级失真增强模块对多分支特征进行门控筛选与适配，突出与失真相关的区域、抑制无关干扰；其次，引入通道感知自适应核卷积与空间引导卷积，从通道重标定、自适应采样以及空间引导调制等角度增强对旋转、扭曲等几何退化的建模与对齐能力；接着，将增强后的多尺度卷积特征经自适应池化与投影转换为token序列，并通过交叉注意力机制与Transformer全局表示进行选择性交互，实现局部细节与全局语义的有效融合；最后，在融合过程中结合分组卷积注意力进一步强调失真显著区域，通过预测头回归得到图像质量分数。在六个经典的数据库上进行实验结果显示，PSAQNet在PLCC/SRCC等相关性指标上优于多种代表性无参考图像质量评价方法。尤其在复杂失真和跨数据库测试中展现出更强的鲁棒性与泛化能力。
针对无参考图像质量评价方法在真实场景中存在鲁棒性不够、泛化能力不足、几何结构建模欠缺的问题，该文提出一种基于感知结构自适应质量网络(Perceptual Structure-Adaptive Quality Network, PSAQNet)的无参考图像质量评价方法。首先，利用预训练 CNN 提取多尺度特征，并通过高级失真增强模块对多分支特征进行门控筛选与适配，突出与失真相关的区域、抑制无关干扰；其次，引入通道感知自适应核卷积与空间引导卷积，从通道重标定、自适应采样以及空间引导调制等角度增强对旋转、扭曲等几何退化的建模与对齐能力；接着，将增强后的多尺度卷积特征经自适应池化与投影转换为token序列，并通过交叉注意力机制与Transformer全局表示进行选择性交互，实现局部细节与全局语义的有效融合；最后，在融合过程中结合分组卷积注意力进一步强调失真显著区域，通过预测头回归得到图像质量分数。在六个经典的数据库上进行实验结果显示，PSAQNet在PLCC/SRCC等相关性指标上优于多种代表性无参考图像质量评价方法。尤其在复杂失真和跨数据库测试中展现出更强的鲁棒性与泛化能力。
, 最新更新时间 , doi: 10.11999/JEIT250929
摘要:
多项式乘法作为格密码算法的核心运算，通过快速数论变换(NTT)/快速傅里叶变换(FFT)设计成多项式乘法架构能够降低计算复杂度，提升格密码算法的运算速度。为支持多参数的多项式乘法运算，并提升多项式乘法的运算速度，该文提出一种双域可重构多项式乘法运算单元架构。该文首先基于Kyber、Dilithium和Falcon算法中的参数特征，提取多项式乘法的运算网络，并对内部双域乘法运算在算法层进行优化设计。其次，基于多项式乘法运算网络设计出双域可重构多项式乘法运算单元架构，并对双域可重构乘法单元进行优化设计以提升运算速度。最后，为提高运算单元架构的资源利用率，该文对多项式乘法运算单元架构进行并行度分析，当支持1路64 bit、2路32 bit或4路16 bit的运算时，多项式乘法运算架构的面积效率最高。该文在Xilinx FPGA xc7v2000tflg1925上进行实验验证，能够支持Kyber、Dilithium和Falcon算法中所有多项式乘法运算，工作频率达到169 MHz，面积时间积降低了50%以上。
多项式乘法作为格密码算法的核心运算，通过快速数论变换(NTT)/快速傅里叶变换(FFT)设计成多项式乘法架构能够降低计算复杂度，提升格密码算法的运算速度。为支持多参数的多项式乘法运算，并提升多项式乘法的运算速度，该文提出一种双域可重构多项式乘法运算单元架构。该文首先基于Kyber、Dilithium和Falcon算法中的参数特征，提取多项式乘法的运算网络，并对内部双域乘法运算在算法层进行优化设计。其次，基于多项式乘法运算网络设计出双域可重构多项式乘法运算单元架构，并对双域可重构乘法单元进行优化设计以提升运算速度。最后，为提高运算单元架构的资源利用率，该文对多项式乘法运算单元架构进行并行度分析，当支持1路64 bit、2路32 bit或4路16 bit的运算时，多项式乘法运算架构的面积效率最高。该文在Xilinx FPGA xc7v2000tflg1925上进行实验验证，能够支持Kyber、Dilithium和Falcon算法中所有多项式乘法运算，工作频率达到169 MHz，面积时间积降低了50%以上。
, 最新更新时间 , doi: 10.11999/JEIT251100
摘要:
针对多层低轨星座在软件定义网络架构下节点数量庞大、网络拓扑动态性强以及控制器对全网状态的感知滞后导致难以确定端到端数据传输时延的问题，提出了一种基于控制器间协作的多层低轨星座确定性时延路由算法。首先，构建多层低轨星座的区域划分与控制器部署策略，以及星间链路的建立准则，消除节点数量和状态感知滞后的影响；其次，设计时变增量图模型刻画卫星网络拓扑与链路资源属性，在链路的带宽、卫星队列大小与链路间持续时间的约束下，提出基于控制器间协作的确定性时延路由算法，并通过控制器间状态实时感知和交互，及多目的拉格朗日的松弛聚合算法优化传输路径；最后，构建基于NS-3和Ryu的仿真平台验证可行性。结果表明，相较链路效用的自适应路由算法，所提算法在平均端到端时延、时延抖动与丢包率上分别降低16.0%、37.9%、37.2%，平均吞吐量提升约 2%，且具有较低计算复杂度与信令开销。
针对多层低轨星座在软件定义网络架构下节点数量庞大、网络拓扑动态性强以及控制器对全网状态的感知滞后导致难以确定端到端数据传输时延的问题，提出了一种基于控制器间协作的多层低轨星座确定性时延路由算法。首先，构建多层低轨星座的区域划分与控制器部署策略，以及星间链路的建立准则，消除节点数量和状态感知滞后的影响；其次，设计时变增量图模型刻画卫星网络拓扑与链路资源属性，在链路的带宽、卫星队列大小与链路间持续时间的约束下，提出基于控制器间协作的确定性时延路由算法，并通过控制器间状态实时感知和交互，及多目的拉格朗日的松弛聚合算法优化传输路径；最后，构建基于NS-3和Ryu的仿真平台验证可行性。结果表明，相较链路效用的自适应路由算法，所提算法在平均端到端时延、时延抖动与丢包率上分别降低16.0%、37.9%、37.2%，平均吞吐量提升约 2%，且具有较低计算复杂度与信令开销。
, 最新更新时间 , doi: 10.11999/JEIT251172
摘要:
滤波正交频分复用(f-OFDM)使用子带滤波器对不同子带进行了有效隔离，实现了子带参数的灵活配置和异步传输，但代价是引入了一定量的固有干扰，尤其是由于子带的带外辐射(OOBE)而导致的子带间干扰(ITBI)，造成了系统性能下降。因此抑制子带的OOBE对于降低ITBI，提升f-OFDM系统性能具有重要作用。该文根据f-OFDM的系统结构特点，构建了f-OFDM中的降复杂度主动干扰抵消(CRAIC)优化模型，并设计了对应的数域转换和类型转换方法，将CRAIC的优化模型转化为二阶锥规划问题进行了求解。该文还通过计算机仿真对所提CRAIC算法进行了验证，仿真结果显示，该文提出的CRAIC算法可以有效降低f-OFDM子带的OOBE，从而降低对相邻子带的ITBI，提高其性能。此外，该文还对消除子载波(CCs)个数、参与生成CCs的数据子载波个数，以及带外目标抑制频点个数等主要参数对CRAIC算法性能的影响进行了仿真分析，从功率谱密度、误码率等角度揭示了f-OFDM中CRAIC算法参数设置的内在特性。
滤波正交频分复用(f-OFDM)使用子带滤波器对不同子带进行了有效隔离，实现了子带参数的灵活配置和异步传输，但代价是引入了一定量的固有干扰，尤其是由于子带的带外辐射(OOBE)而导致的子带间干扰(ITBI)，造成了系统性能下降。因此抑制子带的OOBE对于降低ITBI，提升f-OFDM系统性能具有重要作用。该文根据f-OFDM的系统结构特点，构建了f-OFDM中的降复杂度主动干扰抵消(CRAIC)优化模型，并设计了对应的数域转换和类型转换方法，将CRAIC的优化模型转化为二阶锥规划问题进行了求解。该文还通过计算机仿真对所提CRAIC算法进行了验证，仿真结果显示，该文提出的CRAIC算法可以有效降低f-OFDM子带的OOBE，从而降低对相邻子带的ITBI，提高其性能。此外，该文还对消除子载波(CCs)个数、参与生成CCs的数据子载波个数，以及带外目标抑制频点个数等主要参数对CRAIC算法性能的影响进行了仿真分析，从功率谱密度、误码率等角度揭示了f-OFDM中CRAIC算法参数设置的内在特性。
, 最新更新时间 , doi: 10.11999/JEIT251274
摘要:
无人机(UAV)集群能够实现单平台无法完成的复杂任务，各节点之间的精密时间同步是无人机集群完成资源调度、协同定位以及数据融合的重要基础。随着UAV集群规模越来越大，UAV集群编队飞行中节点之间的时间比对链路连通性具有明显的时变特性，对连续、可靠的高精度时间同步实现提出了挑战。面向UAV集群全部节点的领导跟随一致性时间同步(LFCTS)，本文提出了观测时隙聚合(OTSA)模型和时变拓扑聚合(TVTA)模型，并进行了误差建模与仿真分析。OTSA模型通过系统时间同步周期内多个时隙同步样本的有效利用，可有效提升全局时间同步的鲁棒性和时间同步精度，实现的同步精度优于2.56ns，性能优于传统的分时比对同步体制。TVTA模型通过跨周期时间同步链路状态聚合和中继节点多跳时间同步措施，能够实现集群起飞集合、队形变换过程中的连续时间同步，典型的大规模集群全局同步的预测精度可优于8.60ns，并基于小规模UAV集群飞行试验验正了模型的鲁棒性。所提出的方法能够为无人机集群的复杂协同应用提供必要保障。
无人机(UAV)集群能够实现单平台无法完成的复杂任务，各节点之间的精密时间同步是无人机集群完成资源调度、协同定位以及数据融合的重要基础。随着UAV集群规模越来越大，UAV集群编队飞行中节点之间的时间比对链路连通性具有明显的时变特性，对连续、可靠的高精度时间同步实现提出了挑战。面向UAV集群全部节点的领导跟随一致性时间同步(LFCTS)，本文提出了观测时隙聚合(OTSA)模型和时变拓扑聚合(TVTA)模型，并进行了误差建模与仿真分析。OTSA模型通过系统时间同步周期内多个时隙同步样本的有效利用，可有效提升全局时间同步的鲁棒性和时间同步精度，实现的同步精度优于2.56ns，性能优于传统的分时比对同步体制。TVTA模型通过跨周期时间同步链路状态聚合和中继节点多跳时间同步措施，能够实现集群起飞集合、队形变换过程中的连续时间同步，典型的大规模集群全局同步的预测精度可优于8.60ns，并基于小规模UAV集群飞行试验验正了模型的鲁棒性。所提出的方法能够为无人机集群的复杂协同应用提供必要保障。
, 最新更新时间 , doi: 10.11999/JEIT250760
摘要:
单目视角下的立体图像生成通常依赖深度真值作为先验，易存在几何错位、遮挡伪影及纹理模糊等问题。为此，本文提出一种多尺度可变形对齐感知的双向门控特征聚合立体图像生成网络，在无需深度真值监督的条件下实现端到端训练。该方法引入多尺度可变形对齐模块(MSDA)根据内容自适应调整采样位置，在不同尺度上自适应对齐源特征与目标特征，缓解固定卷积难以适应几何变形和视差变化引起的错位问题；此外，构建纹理结构双向门控特征聚合模块(Bi-GFA)，提出一种约束网络浅层学习纹理、深层建模结构的特征解耦策略，实现纹理与结构信息的动态互补与高效融合；同时，设计可学习的对齐引导损失(LAG)，进一步提升特征对齐精度与语义一致性。在KITTI、MPEG-FTV及多视点深度视频序列数据集上的实验结果表明，所提方法在结构还原性、纹理质量及视角一致性等方面优于现有先进方法。
单目视角下的立体图像生成通常依赖深度真值作为先验，易存在几何错位、遮挡伪影及纹理模糊等问题。为此，本文提出一种多尺度可变形对齐感知的双向门控特征聚合立体图像生成网络，在无需深度真值监督的条件下实现端到端训练。该方法引入多尺度可变形对齐模块(MSDA)根据内容自适应调整采样位置，在不同尺度上自适应对齐源特征与目标特征，缓解固定卷积难以适应几何变形和视差变化引起的错位问题；此外，构建纹理结构双向门控特征聚合模块(Bi-GFA)，提出一种约束网络浅层学习纹理、深层建模结构的特征解耦策略，实现纹理与结构信息的动态互补与高效融合；同时，设计可学习的对齐引导损失(LAG)，进一步提升特征对齐精度与语义一致性。在KITTI、MPEG-FTV及多视点深度视频序列数据集上的实验结果表明，所提方法在结构还原性、纹理质量及视角一致性等方面优于现有先进方法。
, 最新更新时间 , doi: 10.11999/JEIT251254
摘要:
分割一切模型(Segment Anything Model, SAM)作为通用分割大模型，在多类二维视觉任务中展现出强大迁移能力，但原生SAM主要针对2D平面图像设计，缺乏对360°全景图像球面几何特性的建模能力，难以直接应用于360°全景图像显著目标检测(360° SOD)。为了将SAM应用于360° SOD并解决其不足，本文提出一种采用球面几何引导和频率增强SAM的360° SOD网络，具体包括多认知适配器(Multi-Cognitive Adapter, MCA)，受人类视觉感知机制的启发，通过引入多尺度、多路径特征建模提升全景图像的上下文感知能力;球面几何引导注意力(Spherical Geometry-Guided Attention, SGGA)，利用球面几何先验缓解等矩形投影中的畸变与边界不连续性;以及空频域联合感知模块(Spatial-Frequency Joint Perception Module, SFJPM)，结合多尺度空洞卷积与频域注意力，增强全局与局部信息的协同建模，提升360° SOD性能。本文在现有的两个公开360° SOD数据集(360-SOD，360-SSOD)上进行了大量实验，结果表明，本文方法在客观指标和主观结果上的表现均优于现有的7种代表性2D SOD方法和7种360° SOD方法。
分割一切模型(Segment Anything Model, SAM)作为通用分割大模型，在多类二维视觉任务中展现出强大迁移能力，但原生SAM主要针对2D平面图像设计，缺乏对360°全景图像球面几何特性的建模能力，难以直接应用于360°全景图像显著目标检测(360° SOD)。为了将SAM应用于360° SOD并解决其不足，本文提出一种采用球面几何引导和频率增强SAM的360° SOD网络，具体包括多认知适配器(Multi-Cognitive Adapter, MCA)，受人类视觉感知机制的启发，通过引入多尺度、多路径特征建模提升全景图像的上下文感知能力;球面几何引导注意力(Spherical Geometry-Guided Attention, SGGA)，利用球面几何先验缓解等矩形投影中的畸变与边界不连续性;以及空频域联合感知模块(Spatial-Frequency Joint Perception Module, SFJPM)，结合多尺度空洞卷积与频域注意力，增强全局与局部信息的协同建模，提升360° SOD性能。本文在现有的两个公开360° SOD数据集(360-SOD，360-SSOD)上进行了大量实验，结果表明，本文方法在客观指标和主观结果上的表现均优于现有的7种代表性2D SOD方法和7种360° SOD方法。
, 最新更新时间 , doi: 10.11999/JEIT250726
摘要:
病理图像分类对于癌症诊断至关重要，但现有方法存在依赖随机采样、多层级信息利用不足等问题。为此，该文提出一种层级融合多实例学习方法。首先，对病理图像的不同层级进行切分并用ResNet-50提取特征；然后，针对伪包标签不准确及背景噪声问题，提出基于注意力评价函数的伪包划分方法，利用门控注意力对低分辨率特征进行重要性评估，依据得分将特征划分为低分辨率伪包，并通过索引映射得到对应高分辨率伪包；最后，针对多层级信息利用不足的问题设计两阶段分类模型，第一阶段对低分辨率伪包进行初步分类，并依据预测置信度筛选出高判别性的关键区域及其对应的高分辨率特征；第二阶段通过交叉注意力机制，将筛选出的低分辨率特征与对应的高分辨率特征进行深度融合，随后将其与经过门控注意力聚合的高分辨率伪包特征进行拼接，以利用局部细节结合全局信息进行分析。在训练过程中，采用双分支交叉熵损失函数，联合优化低分辨率初步分类任务与高分辨率最终分类任务。实验使用了两个公开数据集Camelyon16、TCGA-LUNG及一个私有皮肤癌数据集NBU-Skin对模型进行测试，结果表明，该方法在多中心公开数据集和私有数据集上性能均优于CLAM、TransMIL等算法，其中在NBU-Skin数据集上五折交叉验证的平均准确率达到90.5%，平均AUC达到0.976。此外，该方法在跨病种、跨中心数据中表现稳定，为癌症病理的人工智能诊断提供了新的思路。
病理图像分类对于癌症诊断至关重要，但现有方法存在依赖随机采样、多层级信息利用不足等问题。为此，该文提出一种层级融合多实例学习方法。首先，对病理图像的不同层级进行切分并用ResNet-50提取特征；然后，针对伪包标签不准确及背景噪声问题，提出基于注意力评价函数的伪包划分方法，利用门控注意力对低分辨率特征进行重要性评估，依据得分将特征划分为低分辨率伪包，并通过索引映射得到对应高分辨率伪包；最后，针对多层级信息利用不足的问题设计两阶段分类模型，第一阶段对低分辨率伪包进行初步分类，并依据预测置信度筛选出高判别性的关键区域及其对应的高分辨率特征；第二阶段通过交叉注意力机制，将筛选出的低分辨率特征与对应的高分辨率特征进行深度融合，随后将其与经过门控注意力聚合的高分辨率伪包特征进行拼接，以利用局部细节结合全局信息进行分析。在训练过程中，采用双分支交叉熵损失函数，联合优化低分辨率初步分类任务与高分辨率最终分类任务。实验使用了两个公开数据集Camelyon16、TCGA-LUNG及一个私有皮肤癌数据集NBU-Skin对模型进行测试，结果表明，该方法在多中心公开数据集和私有数据集上性能均优于CLAM、TransMIL等算法，其中在NBU-Skin数据集上五折交叉验证的平均准确率达到90.5%，平均AUC达到0.976。此外，该方法在跨病种、跨中心数据中表现稳定，为癌症病理的人工智能诊断提供了新的思路。
, 最新更新时间 , doi: 10.11999/JEIT250743
摘要:
针对车联网中无人机辅助移动边缘计算场景下，基于深度强化学习的时延优化方法因车辆规模增大导致动作空间维度爆炸、训练效率低的问题，该文提出一种无人机辅助移动边缘计算的双层混合优化方案。首先，通过联合优化任务卸载、计算与通信资源分配以及无人机飞行控制，构建满足飞行与能耗约束条件下最小化系统计算任务总时延的模型。其次，该文通过双层算法结构将深度强化学习与贪婪算法相结合，提出混合分层深度强化学习(Hybrid Hierarchical Deep Reinforcement Learning, HHDRL)算法对问题求解，以降低训练复杂度并加快收敛。仿真结果表明，该算法在保持时延性能接近传统深度强化学习算法的同时，提升了收敛速度。
针对车联网中无人机辅助移动边缘计算场景下，基于深度强化学习的时延优化方法因车辆规模增大导致动作空间维度爆炸、训练效率低的问题，该文提出一种无人机辅助移动边缘计算的双层混合优化方案。首先，通过联合优化任务卸载、计算与通信资源分配以及无人机飞行控制，构建满足飞行与能耗约束条件下最小化系统计算任务总时延的模型。其次，该文通过双层算法结构将深度强化学习与贪婪算法相结合，提出混合分层深度强化学习(Hybrid Hierarchical Deep Reinforcement Learning, HHDRL)算法对问题求解，以降低训练复杂度并加快收敛。仿真结果表明，该算法在保持时延性能接近传统深度强化学习算法的同时，提升了收敛速度。
, 最新更新时间 , doi: 10.11999/JEIT250865
摘要:
脑肿瘤分类是医学影像分析中的关键任务，但现有深度学习方法在应对扫描参数差异、解剖位置偏移等因素时仍面临特征混淆问题，且难以建模肿瘤异质性引发的复杂非线性关系。针对这一挑战，本文提出一种因果推理引导的KAN注意力分类框架。首先，基于CLIP模型进行无监督特征提取，捕捉MRI数据中的高层语义特征；其次，基于K-means聚类设计混淆均衡度指标，筛选混淆因子图像。并设计因果干预机制，显式引入混淆样本，同时提出因果增强的损失函数以优化模型的判别能力；最后，在预训练ResNet主干网中引入KAN注意力模块，强化模型对肿瘤局部坏死区与强化边缘的非线性关联建模能力。实验表明，所提出的方法在脑肿瘤分类任务中优于传统CNN与Transformer模型，验证了其在判别能力和鲁棒性方面的优势。本研究为医学影像的因果推理与高阶非线性建模提供了新的技术路径。
脑肿瘤分类是医学影像分析中的关键任务，但现有深度学习方法在应对扫描参数差异、解剖位置偏移等因素时仍面临特征混淆问题，且难以建模肿瘤异质性引发的复杂非线性关系。针对这一挑战，本文提出一种因果推理引导的KAN注意力分类框架。首先，基于CLIP模型进行无监督特征提取，捕捉MRI数据中的高层语义特征；其次，基于K-means聚类设计混淆均衡度指标，筛选混淆因子图像。并设计因果干预机制，显式引入混淆样本，同时提出因果增强的损失函数以优化模型的判别能力；最后，在预训练ResNet主干网中引入KAN注意力模块，强化模型对肿瘤局部坏死区与强化边缘的非线性关联建模能力。实验表明，所提出的方法在脑肿瘤分类任务中优于传统CNN与Transformer模型，验证了其在判别能力和鲁棒性方面的优势。本研究为医学影像的因果推理与高阶非线性建模提供了新的技术路径。
, 最新更新时间 , doi: 10.11999/JEIT250909
摘要:
随着人工智能技术的快速发展，大语言模型正在中医医疗领域广泛试点应用。但基层中医医院部署大模型面临GPU资源受限、中医非结构化病历利用率低的双重痛点。为此，本论文提出一种轻量化的中医病历智能结构化模型。所提模型不仅借助知识蒸馏实现文本编码器轻量化，更为重要是在传统文本编码其中引入多模态融合模块，实现轻量化舌诊图像表征。具体而言，提出了一种基于记忆约束的多模态表征轻量化方法。所提方法将长短时记忆网络作为剪枝决策器，分析历史信息中长时依赖关系，以此来学习并量化多模态表征中特征连接的重要性。在此基础上，引入增强学习方法对舌诊特征提取模型参数进行反向更新，进一步提升剪枝决策的准确性。实验采用多中心21家三甲医院的10500 份脱敏中医电子病历及舌像图像关联文本进行训练与验证。所提模型F1-score达91.7%，显存占用3.8GB，推理速度22rec/s，较BERT-Large提升27.2%效率且显存降低75%。消融实验表明，动态批次裁剪对显存节省贡献75%(较BERT-Large基准)，在模型自身消融对比中节省62%显存，中医术语增强词表使罕见实体F1提升6.2%。
随着人工智能技术的快速发展，大语言模型正在中医医疗领域广泛试点应用。但基层中医医院部署大模型面临GPU资源受限、中医非结构化病历利用率低的双重痛点。为此，本论文提出一种轻量化的中医病历智能结构化模型。所提模型不仅借助知识蒸馏实现文本编码器轻量化，更为重要是在传统文本编码其中引入多模态融合模块，实现轻量化舌诊图像表征。具体而言，提出了一种基于记忆约束的多模态表征轻量化方法。所提方法将长短时记忆网络作为剪枝决策器，分析历史信息中长时依赖关系，以此来学习并量化多模态表征中特征连接的重要性。在此基础上，引入增强学习方法对舌诊特征提取模型参数进行反向更新，进一步提升剪枝决策的准确性。实验采用多中心21家三甲医院的
, 最新更新时间 , doi: 10.11999/JEIT250958
摘要:
磁异常延拓是地磁空间信息获取与处理的重要技术手段。针对现有的频率域方法在向下延拓中具有不适定性，以及传统等效源方法难以兼顾多尺度场源拟合精度的问题，该文提出了一种磁异常空间延拓的优化多层等效源方法。该方法采用基于功率谱分析的深度估计与变分模态分解技术构建多层等效源参数设定框架，并引入真菌生长算法对等效源反演过程进行协同优化。理论模型与EMAG2仿真实验表明，该方法显著降低了模型构建的主观性，在5%高斯噪声干扰下仍能保持较高的信号保真度与抗噪鲁棒性。基于澳大利亚实测磁异常网格数据的应用验证，该方法在复杂构造区与平缓基底区均具有优异的普适性与延拓精度。
磁异常延拓是地磁空间信息获取与处理的重要技术手段。针对现有的频率域方法在向下延拓中具有不适定性，以及传统等效源方法难以兼顾多尺度场源拟合精度的问题，该文提出了一种磁异常空间延拓的优化多层等效源方法。该方法采用基于功率谱分析的深度估计与变分模态分解技术构建多层等效源参数设定框架，并引入真菌生长算法对等效源反演过程进行协同优化。理论模型与EMAG2仿真实验表明，该方法显著降低了模型构建的主观性，在5%高斯噪声干扰下仍能保持较高的信号保真度与抗噪鲁棒性。基于澳大利亚实测磁异常网格数据的应用验证，该方法在复杂构造区与平缓基底区均具有优异的普适性与延拓精度。
, 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/JEIT251056
摘要:
癌症发病率和死亡率持续攀升，有效的患者教育是降低疾病负担的重要手段。近年来，大语言模型在医学领域中展现出潜力，但其在癌症患者教育中的应用效果尚缺乏系统评估。本研究旨在比较三种国产大模型(豆包、Kimi、DeepSeek)在癌症患者健康教育中的表现。 通过肿瘤内科护士小组讨论收集常见教育问题，筛选出10个高频问题，涵盖饮食、营养、治疗及预后。分别输入三种模型进行回答，并采用盲法评价。13名住院癌症患者从“易理解性、有效性”两方面评分，6名资深肿瘤医生从“准确性、全面性、专业性”三方面评分。评分采用Likert五级量表，并应用单因素方差分析、Welch方差分析及多重比较方法进行统计学处理。结果表明 三种模型总体得分均在4分左右，总体差异有统计学意义(P=0.004)。患者维度评价中，Kimi在易理解性(4.615±0.534)和有效性(4.476±0.560)方面表现最佳；医生维度评价中，DeepSeek在准确性(4.117±0.846)、全面性(4.100±0.681)和专业性(3.917±0.645)方面表现最佳。豆包整体表现中等。综上所述， 国产大模型在癌症患者教育中展现出显著潜力。Kimi适合患者视角的信息传递，DeepSeek的信息输出更符合专业医学要求。研究提示患者评分与医生评分存在差异错位，未来可探索分层呈现或双重验证机制的文本生成策略，兼顾可理解性与专业性，并通过检索增强、微调等技术进一步优化，以推动建立智能化、精准化的癌症健康教育体系。
癌症发病率和死亡率持续攀升，有效的患者教育是降低疾病负担的重要手段。近年来，大语言模型在医学领域中展现出潜力，但其在癌症患者教育中的应用效果尚缺乏系统评估。本研究旨在比较三种国产大模型(豆包、Kimi、DeepSeek)在癌症患者健康教育中的表现。 通过肿瘤内科护士小组讨论收集常见教育问题，筛选出10个高频问题，涵盖饮食、营养、治疗及预后。分别输入三种模型进行回答，并采用盲法评价。13名住院癌症患者从“易理解性、有效性”两方面评分，6名资深肿瘤医生从“准确性、全面性、专业性”三方面评分。评分采用Likert五级量表，并应用单因素方差分析、Welch方差分析及多重比较方法进行统计学处理。结果表明 三种模型总体得分均在4分左右，总体差异有统计学意义(P=0.004)。患者维度评价中，Kimi在易理解性(4.615±0.534)和有效性(4.476±0.560)方面表现最佳；医生维度评价中，DeepSeek在准确性(4.117±0.846)、全面性(4.100±0.681)和专业性(3.917±0.645)方面表现最佳。豆包整体表现中等。综上所述， 国产大模型在癌症患者教育中展现出显著潜力。Kimi适合患者视角的信息传递，DeepSeek的信息输出更符合专业医学要求。研究提示患者评分与医生评分存在差异错位，未来可探索分层呈现或双重验证机制的文本生成策略，兼顾可理解性与专业性，并通过检索增强、微调等技术进一步优化，以推动建立智能化、精准化的癌症健康教育体系。
, 最新更新时间 , doi: 10.11999/JEIT251126
摘要:
无人机航拍图像因其分辨率高、视角广、部署灵活的特点，在智能交通领域得到广泛应用。针对无人机航拍图像中目标尺度变化大、背景复杂、小目标密集等问题，提出一种面向复杂环境的无人机航拍目标检测算法HAR-DETR。首先，对骨干网络的最后两层BasicBlock重新设计，添加聚合感知注意力以提取目标的多尺度特征，增大了感受野和对细粒度目标的感知效果；其次，设计高分辨率检测分支，提高模型对小目标检测的敏感度。最后，提出基于特征金字塔的重校准特征融合网络(RFF-FPN)，将小目标的浅层边界特征与深层语义特征结合，更好地捕捉多尺度目标的语义信息，同时简化颈部网络的结构。实验结果表明，在VisDrone2019数据集上，HAR-DETR算法的mAP50相比原RT-DETR模型提升3.8%，mAP50-95提升3.2%。在RSOD数据集上展现出良好的泛化性能，在小目标检测任务中表现优异，具有较强的实用价值和推广前景。
无人机航拍图像因其分辨率高、视角广、部署灵活的特点，在智能交通领域得到广泛应用。针对无人机航拍图像中目标尺度变化大、背景复杂、小目标密集等问题，提出一种面向复杂环境的无人机航拍目标检测算法HAR-DETR。首先，对骨干网络的最后两层BasicBlock重新设计，添加聚合感知注意力以提取目标的多尺度特征，增大了感受野和对细粒度目标的感知效果；其次，设计高分辨率检测分支，提高模型对小目标检测的敏感度。最后，提出基于特征金字塔的重校准特征融合网络(RFF-FPN)，将小目标的浅层边界特征与深层语义特征结合，更好地捕捉多尺度目标的语义信息，同时简化颈部网络的结构。实验结果表明，在VisDrone2019数据集上，HAR-DETR算法的mAP50相比原RT-DETR模型提升3.8%，mAP50-95提升3.2%。在RSOD数据集上展现出良好的泛化性能，在小目标检测任务中表现优异，具有较强的实用价值和推广前景。
, 最新更新时间 , doi: 10.11999/JEIT251138
摘要:
人工智能的快速发展为无线通信系统性能的优化和提升提供了新思路。针对瑞利衰落信道下常规深度神经网络(DNN)译码算法性能受限的问题，提出了一种融合特征提取与恢复机制的SCUNet译码算法，记为SCUNetDec。该网络设计中融入了数据预处理、特征提取与恢复以及噪声水平图三方面机制：首先通过升维操作将一维信号映射为二维特征图，以挖掘更丰富的结构信息；继而利用特征提取与恢复模块削弱维度转换中产生的不相关干扰，从而提升译码效果；同时引入噪声水平图，使网络能够更敏锐地感知和建模信噪比的变化，进一步增强在复杂信道环境下的适应能力。仿真结果表明，SCUNetDec在瑞利衰落信道下的误码性能优于常规神经网络译码方法，接近传统最优译码算法，且同时具备更快的译码速度。
人工智能的快速发展为无线通信系统性能的优化和提升提供了新思路。针对瑞利衰落信道下常规深度神经网络(DNN)译码算法性能受限的问题，提出了一种融合特征提取与恢复机制的SCUNet译码算法，记为SCUNetDec。该网络设计中融入了数据预处理、特征提取与恢复以及噪声水平图三方面机制：首先通过升维操作将一维信号映射为二维特征图，以挖掘更丰富的结构信息；继而利用特征提取与恢复模块削弱维度转换中产生的不相关干扰，从而提升译码效果；同时引入噪声水平图，使网络能够更敏锐地感知和建模信噪比的变化，进一步增强在复杂信道环境下的适应能力。仿真结果表明，SCUNetDec在瑞利衰落信道下的误码性能优于常规神经网络译码方法，接近传统最优译码算法，且同时具备更快的译码速度。
, 最新更新时间 , doi: 10.11999/JEIT250723
摘要:
该文提出一种新颖的集成式时频分析技术，即非均匀四线性自相关函数(NQAF)，用于针对高斯白噪声背景下二次调频(QFM)信号的检测与参数估计。所提方法的核心思路在于利用非均匀采样技术构建高阶自相关函数实现信号在时间-延迟时间域的相参积累与检测，并利用de-chirp技术分步完成信号的参数估计。该方法扩展了自相关处理的框架，降低了核函数的非线性度。理论分析与数值模拟表明，与主流先进算法相比，该文所提方法对于采样样本的处理方法更为灵活，在性能方面拥有较低的计算复杂度与信噪比阈值。
该文提出一种新颖的集成式时频分析技术，即非均匀四线性自相关函数(NQAF)，用于针对高斯白噪声背景下二次调频(QFM)信号的检测与参数估计。所提方法的核心思路在于利用非均匀采样技术构建高阶自相关函数实现信号在时间-延迟时间域的相参积累与检测，并利用de-chirp技术分步完成信号的参数估计。该方法扩展了自相关处理的框架，降低了核函数的非线性度。理论分析与数值模拟表明，与主流先进算法相比，该文所提方法对于采样样本的处理方法更为灵活，在性能方面拥有较低的计算复杂度与信噪比阈值。
, 最新更新时间 , doi: 10.11999/JEIT250731
摘要:
作为新型流式微流控生物芯片，完全可编程阀门阵列(FPVA)生物芯片拥有出色的灵活性和可编程性，能够满足多种复杂的实验需求。而作为架构综合的重要阶段，FPVA组件布局会影响包括生物测定完成时间、流体运输路径总长度和交叉污染程度在内的多个性能指标。此外，单元复用是FPVA芯片灵活性和可编程性的重要表现。然而，现有的FPVA组件布局相关研究工作均没有考虑单元复用过程中试剂种类的差异对这些重要指标的影响。为此，该文聚焦于FPVA组件布局过程中单元复用的试剂种类差异问题，提出了基于深度强化学习的考虑单元复用中试剂种类差异的FPVA组件布局算法。首先，通过考虑试剂之间的差异和组件重叠对交叉污染的影响，设计了单元复用复杂度和含有相同试剂组件平均距离两个指标，分别用于量化组件布局方案中各个单元的单元复用复杂程度和含有相同试剂组件的聚集程度。其次，引入了包括组件布局区域限制约束和并发组件不重叠约束在内的约束条件，这些约束确保组件布局方案的合法性。最后，通过设计奖励函数最小化单元复用复杂度和减小含有相同种类试剂的组件间距离，从而达成最小化最终组件布局方案的交叉污染程度、流体运输路径总长度和生物测定完成时间的目标。通过仿真实验，对所提组件布局算法进行了评估。实验结果表明，所提算法能够得到高质量的考虑单元复用中试剂种类差异的FPVA组件布局方案，验证了所提算法的有效性。
作为新型流式微流控生物芯片，完全可编程阀门阵列(FPVA)生物芯片拥有出色的灵活性和可编程性，能够满足多种复杂的实验需求。而作为架构综合的重要阶段，FPVA组件布局会影响包括生物测定完成时间、流体运输路径总长度和交叉污染程度在内的多个性能指标。此外，单元复用是FPVA芯片灵活性和可编程性的重要表现。然而，现有的FPVA组件布局相关研究工作均没有考虑单元复用过程中试剂种类的差异对这些重要指标的影响。为此，该文聚焦于FPVA组件布局过程中单元复用的试剂种类差异问题，提出了基于深度强化学习的考虑单元复用中试剂种类差异的FPVA组件布局算法。首先，通过考虑试剂之间的差异和组件重叠对交叉污染的影响，设计了单元复用复杂度和含有相同试剂组件平均距离两个指标，分别用于量化组件布局方案中各个单元的单元复用复杂程度和含有相同试剂组件的聚集程度。其次，引入了包括组件布局区域限制约束和并发组件不重叠约束在内的约束条件，这些约束确保组件布局方案的合法性。最后，通过设计奖励函数最小化单元复用复杂度和减小含有相同种类试剂的组件间距离，从而达成最小化最终组件布局方案的交叉污染程度、流体运输路径总长度和生物测定完成时间的目标。通过仿真实验，对所提组件布局算法进行了评估。实验结果表明，所提算法能够得到高质量的考虑单元复用中试剂种类差异的FPVA组件布局方案，验证了所提算法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT250380
摘要:
基于深度学习的指静脉识别方法已被广泛应用于生物特征识别领域，然而现有模型普遍存在复杂度与分类性能失衡的问题，难以在内存受限和计算资源稀缺环境下高效完成识别任务。针对上述问题，该文提出了一种融合注意力机制的轻量化双通道卷积神经网络模型。该模型设计有双分支协同架构，旨在分别提取核心特征与辅助特征，从而丰富特征集合并增强网络对远程依赖特征的捕捉能力。通过设计一种并行双重注意力机制，以促进融合特征间的信息交互，引导模型聚焦于高价值信息，学习更具区分度的特征表示。实验结果显示，此模型在USM、HKPU和SDUMLA 3个公开数据集上的识别准确率分别达到99.70%、98.33%和98.27%，比现有先进方法分别提升2.34%、1.79%和2.03%，而参数量减少11.35%～60.19%，表明提出的双卷积模型实现了网络规模与识别准确率之间的有效平衡。
基于深度学习的指静脉识别方法已被广泛应用于生物特征识别领域，然而现有模型普遍存在复杂度与分类性能失衡的问题，难以在内存受限和计算资源稀缺环境下高效完成识别任务。针对上述问题，该文提出了一种融合注意力机制的轻量化双通道卷积神经网络模型。该模型设计有双分支协同架构，旨在分别提取核心特征与辅助特征，从而丰富特征集合并增强网络对远程依赖特征的捕捉能力。通过设计一种并行双重注意力机制，以促进融合特征间的信息交互，引导模型聚焦于高价值信息，学习更具区分度的特征表示。实验结果显示，此模型在USM、HKPU和SDUMLA 3个公开数据集上的识别准确率分别达到99.70%、98.33%和98.27%，比现有先进方法分别提升2.34%、1.79%和2.03%，而参数量减少11.35%～60.19%，表明提出的双卷积模型实现了网络规模与识别准确率之间的有效平衡。
, 最新更新时间 , doi: 10.11999/JEIT250869
摘要:
为满足5G/6G通信系统对小型化、高集成以及宽阻带的需求，该文提出一种基于高温共烧陶瓷(HTCC)技术的八分之一模折叠基片集成波导(FSIW)4阶带通滤波器。该滤波器融合折叠SIW的小型化优势与 HTCC的三维集成特性，通过八分之一模FSIW腔体结构实现尺寸缩减，滤波器尺寸仅为0.29λg×0.29λg，其中λg为其中心工作频率(f0)下对应的波导波长。采用金属通孔抑制高次模耦合，加载弯折微带线引入传输零点，增加L型枝节优化高频响应，在上阻带形成3个可控的传输零点，实现20 dB@3.73f0的宽阻带特性。实测结果显示，该滤波器中心频率为6.4 GHz，虽存在一定频偏与插入损耗，但相较现有研究，在小型化、阻带宽度及传输零点数量上均具明显优势，有望应用于高密度集成通信系统中。
为满足5G/6G通信系统对小型化、高集成以及宽阻带的需求，该文提出一种基于高温共烧陶瓷(HTCC)技术的八分之一模折叠基片集成波导(FSIW)4阶带通滤波器。该滤波器融合折叠SIW的小型化优势与 HTCC的三维集成特性，通过八分之一模FSIW腔体结构实现尺寸缩减，滤波器尺寸仅为0.29λg×0.29λg，其中λg为其中心工作频率(f0)下对应的波导波长。采用金属通孔抑制高次模耦合，加载弯折微带线引入传输零点，增加L型枝节优化高频响应，在上阻带形成3个可控的传输零点，实现20 dB@3.73f0的宽阻带特性。实测结果显示，该滤波器中心频率为6.4 GHz，虽存在一定频偏与插入损耗，但相较现有研究，在小型化、阻带宽度及传输零点数量上均具明显优势，有望应用于高密度集成通信系统中。
, 最新更新时间 , doi: 10.11999/JEIT250821
摘要:
针对多网联无人机协同作业场景中，因冲突规避引发的个体服务质量不均衡问题，该文提出了一种基于无线电地图辅助的协同路径规划方案。该方案以最小化所有无人机中最大任务完成时间与通信断联时间加权和为目标，构建了多无人机路径规划模型，并设计了一种改进的冲突搜索(ICBS)算法进行求解。该算法采用分层搜索架构：高层结构通过引入邻近冲突检测以确保满足安全距离约束，并基于重构的代价函数引导以公平性为导向的冲突消解与路径选择；低层结构则采用基于双向A*的最优路径算法，通过双向并行搜索机制提升寻优效率。仿真结果表明，相较于基准方案，所提方案能够有效降低所有无人机中最大加权时间，显著提升多无人机协同的公平性与整体性能。
针对多网联无人机协同作业场景中，因冲突规避引发的个体服务质量不均衡问题，该文提出了一种基于无线电地图辅助的协同路径规划方案。该方案以最小化所有无人机中最大任务完成时间与通信断联时间加权和为目标，构建了多无人机路径规划模型，并设计了一种改进的冲突搜索(ICBS)算法进行求解。该算法采用分层搜索架构：高层结构通过引入邻近冲突检测以确保满足安全距离约束，并基于重构的代价函数引导以公平性为导向的冲突消解与路径选择；低层结构则采用基于双向A*的最优路径算法，通过双向并行搜索机制提升寻优效率。仿真结果表明，相较于基准方案，所提方案能够有效降低所有无人机中最大加权时间，显著提升多无人机协同的公平性与整体性能。
, 最新更新时间 , doi: 10.11999/JEIT250732
摘要:
三维骨折图像分割是临床骨科术前方案量化的关键，其中骨折面分割性能直接影响手术决策的安全性与有效性。针对三维骨折图像分割中存在的深层全局特征捕获不足、骨折面细节方向纹理模糊以及骨折图像几何结构利用不充分的问题，该文提出动态小波多向感知与几何轴解引导的三维CT骨折图像分割方法(Dynamic Wavelet multi-directional perception and geometry Axis-solution Guided Network, DWAG-Net)。首先，为充分提取多维度视角下全局特征，设计动态可学习参数插值重构三平面视角特征，并与全维特征聚合实现多维度提取骨折图像全局信息。其次，引入三维小波变换，通过各方向高频子带的跨子带特征融合，增强模型对模糊骨折面中方向特征的纹理细节感知。最后，根据骨骼结构相似性与骨折面局部突变性设计几何轴解引导模块，通过几何亲和与距离衰减引导模型轴解分割，并重新分配类别权重缓解其不平衡问题，约束损失函数梯度向最优方向下降。在自建胫骨骨折数据集上，DWAG-Net模型相比现有先进模型展现出优越分割性能，平均Dice Score为71.20%其中骨折面类较基准提升了7.12%，平均HD95为1.38 mm，其中骨折面类降低了3.70 mm，与前沿3D分割算法nnWNet相比，平均Dice Score提升了4.63%。实验结果表明，DWAG-Net模型可有效实现三维骨折图像分割任务，为术前穿钉角度量化与固定位置精确选择提供了图像依据，对辅助医生优化术前方案具有重要意义。
三维骨折图像分割是临床骨科术前方案量化的关键，其中骨折面分割性能直接影响手术决策的安全性与有效性。针对三维骨折图像分割中存在的深层全局特征捕获不足、骨折面细节方向纹理模糊以及骨折图像几何结构利用不充分的问题，该文提出动态小波多向感知与几何轴解引导的三维CT骨折图像分割方法(Dynamic Wavelet multi-directional perception and geometry Axis-solution Guided Network, DWAG-Net)。首先，为充分提取多维度视角下全局特征，设计动态可学习参数插值重构三平面视角特征，并与全维特征聚合实现多维度提取骨折图像全局信息。其次，引入三维小波变换，通过各方向高频子带的跨子带特征融合，增强模型对模糊骨折面中方向特征的纹理细节感知。最后，根据骨骼结构相似性与骨折面局部突变性设计几何轴解引导模块，通过几何亲和与距离衰减引导模型轴解分割，并重新分配类别权重缓解其不平衡问题，约束损失函数梯度向最优方向下降。在自建胫骨骨折数据集上，DWAG-Net模型相比现有先进模型展现出优越分割性能，平均Dice Score为71.20%其中骨折面类较基准提升了7.12%，平均HD95为1.38 mm，其中骨折面类降低了3.70 mm，与前沿3D分割算法nnWNet相比，平均Dice Score提升了4.63%。实验结果表明，DWAG-Net模型可有效实现三维骨折图像分割任务，为术前穿钉角度量化与固定位置精确选择提供了图像依据，对辅助医生优化术前方案具有重要意义。
, 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/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/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/JEIT251300
摘要:
在智能物联网(Artificial Intelligence of Things, AIoT)中，边缘服务器可以通过利用存储的人工智能生成内容(AI-Generated Content, 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，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三类，并提出了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三个子问题，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(Artificial Intelligence of Things, AIoT)中，边缘服务器可以通过利用存储的人工智能生成内容(AI-Generated Content, 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，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三类，并提出了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三个子问题，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/JEIT250917
摘要:
可见光与红外光作为智能交通场景中常用的两种图像模态，在长时间、广范围的车辆再辨识中具有重要应用价值。但是，由于成像机制与光谱响应的差异，两种模态的视觉表现特性并不一致，干扰身份表征学习，制约跨模态车辆再辨识。为此，该文提出通道关系谱对齐(CaRS-Align)方法，以通道关系谱而非通道特征作为对齐目标，从关系结构层面削弱成像风格差异的干扰。具体地，首先在模态内构建通道关系谱，通过稳定的相关建模获取语义协同的通道—通道关系谱；随后，在跨模态层面最大化两模态对应通道关系谱的相关性，实现通道关系谱一致性对齐。CaRS-Align 对齐的是关系结构而非强度幅值，对光照、对比度与成像条件变化更不敏感，有效提升跨模态再辨识性能。实验表明，在公开的MSVR310和RGBN300数据集上，所提CaRS-Align方法优于现有先进方法，例如，在MSVR310数据集上，红外光－可见光检索模式下，CaRS-Align的Rank-1识别率达到64.35%，较之现有先进方法提升了2.58%。
可见光与红外光作为智能交通场景中常用的两种图像模态，在长时间、广范围的车辆再辨识中具有重要应用价值。但是，由于成像机制与光谱响应的差异，两种模态的视觉表现特性并不一致，干扰身份表征学习，制约跨模态车辆再辨识。为此，该文提出通道关系谱对齐(CaRS-Align)方法，以通道关系谱而非通道特征作为对齐目标，从关系结构层面削弱成像风格差异的干扰。具体地，首先在模态内构建通道关系谱，通过稳定的相关建模获取语义协同的通道—通道关系谱；随后，在跨模态层面最大化两模态对应通道关系谱的相关性，实现通道关系谱一致性对齐。CaRS-Align 对齐的是关系结构而非强度幅值，对光照、对比度与成像条件变化更不敏感，有效提升跨模态再辨识性能。实验表明，在公开的MSVR310和RGBN300数据集上，所提CaRS-Align方法优于现有先进方法，例如，在MSVR310数据集上，红外光－可见光检索模式下，CaRS-Align的Rank-1识别率达到64.35%，较之现有先进方法提升了2.58%。
, 最新更新时间 , doi: 10.11999/JEIT251193
摘要:
随着工业自动化与智能制造的发展，机器人在精密装配任务中应用广泛，尤其在螺栓装配等高精度作业环节中发挥着重要作用。然而，在螺栓装配过程中，存在目标物体位姿不确定、微小孔位识别困难以及末端执行器姿态缺乏动态闭环修正等问题。为此，该文提出一种面向机器人螺栓装配的视觉感知与力控协同方法。首先，构建语义增强的6D位姿估计算法，通过融合开放词汇目标检测模块与通用分割模块增强目标感知能力，提升初始位姿精度，并在连续帧跟踪中引入语义约束与平移修正，实现动态环境下稳健跟踪。其次，设计基于改进NanoDet的螺纹孔检测算法，采用轻量级MobileNetV3作为特征提取网络，并增加圆形分支检测头，有效提高微小孔位的识别精度与边界拟合能力，为后续装配提供可靠特征基础。最后，提出分层视觉引导与力控协同的装配策略，通过全局粗定位与局部精定位逐级优化目标位姿，并结合末端力觉反馈进行姿态微调，实现螺栓与螺纹孔的高精度对准与稳定装配。实验结果表明，该文方法在装配精度、鲁棒性及稳定性方面均具有显著优势，具备良好的工程应用前景。
随着工业自动化与智能制造的发展，机器人在精密装配任务中应用广泛，尤其在螺栓装配等高精度作业环节中发挥着重要作用。然而，在螺栓装配过程中，存在目标物体位姿不确定、微小孔位识别困难以及末端执行器姿态缺乏动态闭环修正等问题。为此，该文提出一种面向机器人螺栓装配的视觉感知与力控协同方法。首先，构建语义增强的6D位姿估计算法，通过融合开放词汇目标检测模块与通用分割模块增强目标感知能力，提升初始位姿精度，并在连续帧跟踪中引入语义约束与平移修正，实现动态环境下稳健跟踪。其次，设计基于改进NanoDet的螺纹孔检测算法，采用轻量级MobileNetV3作为特征提取网络，并增加圆形分支检测头，有效提高微小孔位的识别精度与边界拟合能力，为后续装配提供可靠特征基础。最后，提出分层视觉引导与力控协同的装配策略，通过全局粗定位与局部精定位逐级优化目标位姿，并结合末端力觉反馈进行姿态微调，实现螺栓与螺纹孔的高精度对准与稳定装配。实验结果表明，该文方法在装配精度、鲁棒性及稳定性方面均具有显著优势，具备良好的工程应用前景。
, 最新更新时间 , doi: 10.11999/JEIT250873
摘要:
随着工业互联网的发展，Web管理平台与工业路由器等边界组件被广泛配置为可达生产内网，显著扩大了工业控制系统的攻击面。针对这一风险，渗透测试已成为保障工控系统安全的重要手段。近年来，部分研究尝试引入大语言模型(LLMs)以实现智能化渗透测试，进而降低人力消耗。然而，工控安全测试任务空间庞大且利用链条复杂，同时测试过程容错空间有限、语义约束严格，现有系统在此类场景下易出现“策略漂移”和“意图漂移”问题，导致无法有效完成测试任务。为此，该文提出了一种智能化 Web 漏洞测试与利用系统 AutoPenGPT。该系统通过引入与测试目标一致的上下文约束，引导LLMs收敛测试空间，以缓解复杂任务场景下的策略漂移问题；同时，AutoPenGPT 基于语义分析从反馈数据中提取并组织关键信息，对多步骤漏洞利用过程进行依赖建模，从而降低意图漂移对测试连贯性的影响。针对工控系统测试任务参数复杂且上下文动态变化的特点，系统进一步设计了高灵活性的半结构化提示词框架，以支持不同测试场景下的语义对齐与任务适配，最终实现与用户需求一致的自动化漏洞检测与利用。实验结果显示，AutoPenGPT在CTF测试集中漏洞类型探测准确率达97.62%，需求完成率为80.95%；在多个工控、通用Web平台的脆弱性测试中达到约70%的需求完成率，并成功发现7个未披露漏洞，其中已有两个漏洞获得CVE和CNVD编号，验证了其在真实场景下的实用性。
随着工业互联网的发展，Web管理平台与工业路由器等边界组件被广泛配置为可达生产内网，显著扩大了工业控制系统的攻击面。针对这一风险，渗透测试已成为保障工控系统安全的重要手段。近年来，部分研究尝试引入大语言模型(LLMs)以实现智能化渗透测试，进而降低人力消耗。然而，工控安全测试任务空间庞大且利用链条复杂，同时测试过程容错空间有限、语义约束严格，现有系统在此类场景下易出现“策略漂移”和“意图漂移”问题，导致无法有效完成测试任务。为此，该文提出了一种智能化 Web 漏洞测试与利用系统 AutoPenGPT。该系统通过引入与测试目标一致的上下文约束，引导LLMs收敛测试空间，以缓解复杂任务场景下的策略漂移问题；同时，AutoPenGPT 基于语义分析从反馈数据中提取并组织关键信息，对多步骤漏洞利用过程进行依赖建模，从而降低意图漂移对测试连贯性的影响。针对工控系统测试任务参数复杂且上下文动态变化的特点，系统进一步设计了高灵活性的半结构化提示词框架，以支持不同测试场景下的语义对齐与任务适配，最终实现与用户需求一致的自动化漏洞检测与利用。实验结果显示，AutoPenGPT在CTF测试集中漏洞类型探测准确率达97.62%，需求完成率为80.95%；在多个工控、通用Web平台的脆弱性测试中达到约70%的需求完成率，并成功发现7个未披露漏洞，其中已有两个漏洞获得CVE和CNVD编号，验证了其在真实场景下的实用性。
, 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/JEIT251156
摘要:
随着新能源汽车的快速发展，其使用规模不断扩大，电池组故障的概率和严重程度随之增加，迫切需要高效的故障诊断方法。近年来，尽管基于深度学习的电池故障诊断方法已取得显著进展，但现有研究在内短路(ISC)、传感器噪声、传感器漂移及荷电状态(SOC)不平衡故障的多故障下的工况的覆盖性以及故障间耦合关系的挖掘方面仍存在不足。针对既有挑战，该文提出一种双视角频谱注意力融合算法。该算法由两大核心模块组成：一是双视角分词模块，负责全链路捕捉电池组的时空信息；二是频谱注意力机制，负责非平稳特征处理与长期依赖挖掘。这种特征工程与频域分析的深度结合，有效增强了模型的故障诊断鲁棒性。所提方法在联邦城市驾驶循环(FUDS)、城市测功机行驶工况(UDDS)和补充联邦测试程序(US06)3种典型工况下的诊断性能均显著优于现有主流算法，其平均精确率提升了10.98%，召回率提升了12.64%，F1分数提升了13.84%，准确率提升了13.45%。此外，该文设计并实施了系统的消融实验与鲁棒性分析，对比了各核心模块对模型整体性能的贡献机理，同时充分验证了所提方法在复杂噪声环境下的抗干扰能力与鲁棒性。该文所提双视角频谱注意力框架不仅提升了多故障诊断性能，也为复杂时空特征建模提供了新思路，为提升汽车安全性提供新的方案。
随着新能源汽车的快速发展，其使用规模不断扩大，电池组故障的概率和严重程度随之增加，迫切需要高效的故障诊断方法。近年来，尽管基于深度学习的电池故障诊断方法已取得显著进展，但现有研究在内短路(ISC)、传感器噪声、传感器漂移及荷电状态(SOC)不平衡故障的多故障下的工况的覆盖性以及故障间耦合关系的挖掘方面仍存在不足。针对既有挑战，该文提出一种双视角频谱注意力融合算法。该算法由两大核心模块组成：一是双视角分词模块，负责全链路捕捉电池组的时空信息；二是频谱注意力机制，负责非平稳特征处理与长期依赖挖掘。这种特征工程与频域分析的深度结合，有效增强了模型的故障诊断鲁棒性。所提方法在联邦城市驾驶循环(FUDS)、城市测功机行驶工况(UDDS)和补充联邦测试程序(US06)3种典型工况下的诊断性能均显著优于现有主流算法，其平均精确率提升了10.98%，召回率提升了12.64%，F1分数提升了13.84%，准确率提升了13.45%。此外，该文设计并实施了系统的消融实验与鲁棒性分析，对比了各核心模块对模型整体性能的贡献机理，同时充分验证了所提方法在复杂噪声环境下的抗干扰能力与鲁棒性。该文所提双视角频谱注意力框架不仅提升了多故障诊断性能，也为复杂时空特征建模提供了新思路，为提升汽车安全性提供新的方案。
, 最新更新时间 , doi: 10.11999/JEIT250729
摘要:
信息物理系统(CPS)完整性攻击针对系统数据流发起攻击，破坏输入输出数据一致性，由于其攻击方式多变、隐蔽性强的特性，较其他CPS攻击在检测及防护上更为困难。为此，该文提出一种控制-输出双通道的数据加性-乘性联合编码检测方案，旨在检测完整性攻击并在3种典型攻击上进行验证，包括控制通道偏置攻击、输出通道重放攻击以及双通道隐蔽攻击。完整性攻击通过部分或全面系统信息的获取及掌控可使卡方检测器检测值小于阈值，从而实现对CPS系统“隐形”。为此，该文方案创新性地在通道两侧布置加性正负水印对以及乘性编码/解码矩阵对，未知信号及部件的引入为攻击者带来了信息不确定性，使残差统计特性偏离其期望数值。此外，水印对与矩阵对之间通过不同机制实现了解耦，其正负或互逆形式使得无攻击时不影响系统的控制性能，并且以时变形式防止攻击者对其重构。最后，通过计算推导出引入该文方案后3种攻击前后残差统计特性的变化，并以飞行器飞行轨迹仿真为例，说明方案的有效性和先进性。
信息物理系统(CPS)完整性攻击针对系统数据流发起攻击，破坏输入输出数据一致性，由于其攻击方式多变、隐蔽性强的特性，较其他CPS攻击在检测及防护上更为困难。为此，该文提出一种控制-输出双通道的数据加性-乘性联合编码检测方案，旨在检测完整性攻击并在3种典型攻击上进行验证，包括控制通道偏置攻击、输出通道重放攻击以及双通道隐蔽攻击。完整性攻击通过部分或全面系统信息的获取及掌控可使卡方检测器检测值小于阈值，从而实现对CPS系统“隐形”。为此，该文方案创新性地在通道两侧布置加性正负水印对以及乘性编码/解码矩阵对，未知信号及部件的引入为攻击者带来了信息不确定性，使残差统计特性偏离其期望数值。此外，水印对与矩阵对之间通过不同机制实现了解耦，其正负或互逆形式使得无攻击时不影响系统的控制性能，并且以时变形式防止攻击者对其重构。最后，通过计算推导出引入该文方案后3种攻击前后残差统计特性的变化，并以飞行器飞行轨迹仿真为例，说明方案的有效性和先进性。
, 最新更新时间 , doi: 10.11999/JEIT251058
摘要:
连续微流控生物芯片因其微型化、高可靠性和低样品消耗等优势，广泛应用于生物医学领域。然而，随着芯片集成度提升，其设计复杂性显著增加，传统分步式设计方法将绑定、调度、布局和布线等任务分步处理，各环节间信息交互不足，导致方案质量低、设计周期长。为此，该文提出一种基于深度强化学习的连续微流控生物芯片一步式架构综合方法。首先，通过图卷积神经网络提取状态特征，有效捕捉节点及其关系的信息；其次，在近端策略优化算法中结合A*算法和列表调度算法，从而得到具体的架构设计方案；最后，设计了一种多目标奖励函数，将生化反应时间、流道总长度及阀门数量进行归一化加权组合，并通过近端策略优化算法的策略梯度更新机制实现复杂决策空间的高效探索。实验表明，在基准测试用例上，与现有方法相比，该文方法在生化反应时间上优化了2.1%，流道总长度减少21.3%，阀门数量减少65.0%，且在较大规模芯片上仍能生成可行解。
连续微流控生物芯片因其微型化、高可靠性和低样品消耗等优势，广泛应用于生物医学领域。然而，随着芯片集成度提升，其设计复杂性显著增加，传统分步式设计方法将绑定、调度、布局和布线等任务分步处理，各环节间信息交互不足，导致方案质量低、设计周期长。为此，该文提出一种基于深度强化学习的连续微流控生物芯片一步式架构综合方法。首先，通过图卷积神经网络提取状态特征，有效捕捉节点及其关系的信息；其次，在近端策略优化算法中结合A*算法和列表调度算法，从而得到具体的架构设计方案；最后，设计了一种多目标奖励函数，将生化反应时间、流道总长度及阀门数量进行归一化加权组合，并通过近端策略优化算法的策略梯度更新机制实现复杂决策空间的高效探索。实验表明，在基准测试用例上，与现有方法相比，该文方法在生化反应时间上优化了2.1%，流道总长度减少21.3%，阀门数量减少65.0%，且在较大规模芯片上仍能生成可行解。
, 最新更新时间 , doi: 10.11999/JEIT250940
摘要:
定位感兴趣区域(ROI)是掌纹识别流程中的关键环节，然而，在实际应用中，光照变化与手掌姿态的多样性常常导致ROI定位出现偏移，进而影响识别系统的性能。为缓解此问题，该文提出一种新颖的多尺度ROI特征融合机制，并据此设计了一个双分支协同工作的深度学习模型。该模型由特征提取网络和权重预测网络构成：前者负责从多个不同尺度的ROI中并行提取特征，后者则自适应地为各尺度特征分配权重。该融合机制的核心思想在于，不同尺度的ROI既共享了掌纹的核心纹理等本质特征，又各自包含了独特的尺度相关信息。通过对这些特征进行加权融合，模型能够强化共有的本质特征，同时抑制由定位不准引入的噪声和冗余信息，从而生成更具鲁棒性的特征。在IITD, MPD和NTU-CP等多个公开掌纹数据集上的综合实验表明，该模型在存在显著定位误差时，其识别精度仅出现小幅下降，展现出远超传统单尺度ROI模型的抗误差能力。特别是在NTU-CP定位误差测试中，该模型的等错误率(EER)仅从1.96%小幅上升至5.01%，而其他对比模型的EER均超过10%，这充分证实了所提多尺度ROI特征融合机制的有效性与优越性。
定位感兴趣区域(ROI)是掌纹识别流程中的关键环节，然而，在实际应用中，光照变化与手掌姿态的多样性常常导致ROI定位出现偏移，进而影响识别系统的性能。为缓解此问题，该文提出一种新颖的多尺度ROI特征融合机制，并据此设计了一个双分支协同工作的深度学习模型。该模型由特征提取网络和权重预测网络构成：前者负责从多个不同尺度的ROI中并行提取特征，后者则自适应地为各尺度特征分配权重。该融合机制的核心思想在于，不同尺度的ROI既共享了掌纹的核心纹理等本质特征，又各自包含了独特的尺度相关信息。通过对这些特征进行加权融合，模型能够强化共有的本质特征，同时抑制由定位不准引入的噪声和冗余信息，从而生成更具鲁棒性的特征。在IITD, MPD和NTU-CP等多个公开掌纹数据集上的综合实验表明，该模型在存在显著定位误差时，其识别精度仅出现小幅下降，展现出远超传统单尺度ROI模型的抗误差能力。特别是在NTU-CP定位误差测试中，该模型的等错误率(EER)仅从1.96%小幅上升至5.01%，而其他对比模型的EER均超过10%，这充分证实了所提多尺度ROI特征融合机制的有效性与优越性。
, 最新更新时间 , doi: 10.11999/JEIT250643
摘要:
基于人工智能的跨模态医学图像生成技术为急性缺血性脑卒中的快速多模态诊疗提供了新的路径。针对现有医学图像生成方法仅依赖图像数据本身的统计特征、忽略医学图像的解剖结构，从而造成病灶模糊和结构偏差问题，该文提出了一种新的联合掩码与多频双重注意力GAN模型，用于急性脑缺血性卒中CT到DWI影像生成。该模型主要包含：(1)掩码引导特征融合模块：通过CT图像与掩码图像的卷积融合，引入解剖结构的空间先验信息，增强脑区及病灶区域的特征表达；(2)多频域注意力编码器：采用离散小波变换分解低频全局特征与高频边缘特征，通过双通路注意力跨尺度融合，减少深层信息的丢失；(3)自适应融合权重模块：结合卷积神经网络与注意力机制，自动学习每个输入特征的自适应权重系数。该研究在临床CT到DWI多模态急性脑缺血性卒中数据集上开展了实验验证，分别在全局尺度采用均方误差、峰值信噪比、结构相似度指数进行评估，在局部尺度基于超像素分割后统计灰度均值相关性进行分析。结果表明，所提模型在各项指标上均优于当前先进方法，对脑区轮廓和病灶区域具有更高的准确性和还原性。
基于人工智能的跨模态医学图像生成技术为急性缺血性脑卒中的快速多模态诊疗提供了新的路径。针对现有医学图像生成方法仅依赖图像数据本身的统计特征、忽略医学图像的解剖结构，从而造成病灶模糊和结构偏差问题，该文提出了一种新的联合掩码与多频双重注意力GAN模型，用于急性脑缺血性卒中CT到DWI影像生成。该模型主要包含：(1)掩码引导特征融合模块：通过CT图像与掩码图像的卷积融合，引入解剖结构的空间先验信息，增强脑区及病灶区域的特征表达；(2)多频域注意力编码器：采用离散小波变换分解低频全局特征与高频边缘特征，通过双通路注意力跨尺度融合，减少深层信息的丢失；(3)自适应融合权重模块：结合卷积神经网络与注意力机制，自动学习每个输入特征的自适应权重系数。该研究在临床CT到DWI多模态急性脑缺血性卒中数据集上开展了实验验证，分别在全局尺度采用均方误差、峰值信噪比、结构相似度指数进行评估，在局部尺度基于超像素分割后统计灰度均值相关性进行分析。结果表明，所提模型在各项指标上均优于当前先进方法，对脑区轮廓和病灶区域具有更高的准确性和还原性。
, 最新更新时间 , doi: 10.11999/JEIT250659
摘要:
智能电网(Smart Grid, SG)基于大量传感与检测单元，通过先进的网络通信、监测、调度与优化技术，显著提升了传统电网的管理和调节能力。然而，智能电网的开放性和互联性大幅提高的同时，也加剧了遭受恶意攻击的风险。特别是，攻击者可能通过同时干扰信息层和物理层的感知与决策过程，削弱系统的控制和恢复能力。以往研究通常根据攻击的对象或类型进行分类，而该文提出了一种涵盖智能电网主要组件和通信链路的综合性架构，从整体性的抽象视角对涉及智能电网组件的多种攻击类型进行系统性的信息物理风险评估。此外，该文还从多个角度探讨了智能电网中信息物理融合攻击的检测与防御问题。最后，基于现有的研究进展和趋势，该文对未来智能电网信息物理安全的研究方向进行了讨论与展望。
智能电网(Smart Grid, SG)基于大量传感与检测单元，通过先进的网络通信、监测、调度与优化技术，显著提升了传统电网的管理和调节能力。然而，智能电网的开放性和互联性大幅提高的同时，也加剧了遭受恶意攻击的风险。特别是，攻击者可能通过同时干扰信息层和物理层的感知与决策过程，削弱系统的控制和恢复能力。以往研究通常根据攻击的对象或类型进行分类，而该文提出了一种涵盖智能电网主要组件和通信链路的综合性架构，从整体性的抽象视角对涉及智能电网组件的多种攻击类型进行系统性的信息物理风险评估。此外，该文还从多个角度探讨了智能电网中信息物理融合攻击的检测与防御问题。最后，基于现有的研究进展和趋势，该文对未来智能电网信息物理安全的研究方向进行了讨论与展望。
, 最新更新时间 , doi: 10.11999/JEIT251050
摘要:
该文设计了一款加载人工磁导体(AMC)的三频可穿戴天线，分别设计了三叉戟结构的三频单极子天线和3层方形环状的三频AMC单元，天线和AMC均采用半柔性基板Rogers 4003，通过在天线背面加载4×5的AMC阵列，获得的集成天线实测工作带宽为2.38～2.52 GHz, 3.3～3.86 GHz和5.54～7.86 GHz 3个频段，覆盖ISM科学频段(2.4～2.4835 GHz)、5G-n78频段(3.3～3.8 GHz)和5G-WiFi 5.8 GHz频段(5.725～5.875 GHz)。在2.4 GHz, 3.5 GHz和5.8 GHz处实测增益分别提升了5.3 dB, 4.6 dB和2.2 dB；前后比(FBR)较不加载AMC时分别提升了19.8 dB, 16.7 dB和12.4 dB。此外，AMC反射板能够有效降低比吸收率(SAR值)，使得集成天线SAR值均在0.025 W/kg/g以下，远低于美国联邦通信委员会(FCC)标准和欧洲联邦通信委员会(ETSI)标准，并对天线附着在人体胸腔、背部和大腿上时的性能进行实测，测试结果表明，所设计的天线能够安全、灵活地应用于人体。
该文设计了一款加载人工磁导体(AMC)的三频可穿戴天线，分别设计了三叉戟结构的三频单极子天线和3层方形环状的三频AMC单元，天线和AMC均采用半柔性基板Rogers 4003，通过在天线背面加载4×5的AMC阵列，获得的集成天线实测工作带宽为2.38～2.52 GHz, 3.3～3.86 GHz和5.54～7.86 GHz 3个频段，覆盖ISM科学频段(2.4～
, 最新更新时间 , doi: 10.11999/JEIT250737
摘要:
脑电图(EEG)作为一种非侵入式的神经信号获取手段，蕴含丰富的情感和认知信息，在脑科学研究与情感识别中具有广泛应用。当前Transformer在脑电图情绪识别中虽具备良好的全局建模能力，但其多头自注意力机制忽略了脑电图是由大脑活动产生的数据，会有遗忘效应，人在当前时刻会对其它时刻产生的状态产生遗忘，而目前的Transformer仅关注当前时刻与其它时刻相关性大小，忽略了遗忘效应，限制了模型在脑电图情绪识别中的作用。因此，亟需设计一种兼顾相关性大小与遗忘效应的脑电图情绪识别模型，该文提出一种融合记忆力遗忘机制和自注意力机制的脑电情感识别模型(MSA)，在兼顾相关性大小的同时注入符合人类遗忘机制的遗忘机制，在几乎不增加额外参数和计算量的情况下提升模型的性能。该模型首先利用聚合卷积神经网络(ACNN)聚合各通道的时空特征，再借助MSA结构建模全局依赖关系和记忆关系。再通过分类头得出最终分类结果。在DEAP二分类任务中，MSA模型在效价和唤醒维度上分别获得98.87%与98.30%的分类准确率；在SEED三分类任务中达到97.64%的分类准确率，在SEED-IV四分类任务中获得95.90%的准确率，均优于现有主流方法。实验结果验证了所提模型在多类别情感识别任务中的有效性与鲁棒性。
脑电图(EEG)作为一种非侵入式的神经信号获取手段，蕴含丰富的情感和认知信息，在脑科学研究与情感识别中具有广泛应用。当前Transformer在脑电图情绪识别中虽具备良好的全局建模能力，但其多头自注意力机制忽略了脑电图是由大脑活动产生的数据，会有遗忘效应，人在当前时刻会对其它时刻产生的状态产生遗忘，而目前的Transformer仅关注当前时刻与其它时刻相关性大小，忽略了遗忘效应，限制了模型在脑电图情绪识别中的作用。因此，亟需设计一种兼顾相关性大小与遗忘效应的脑电图情绪识别模型，该文提出一种融合记忆力遗忘机制和自注意力机制的脑电情感识别模型(MSA)，在兼顾相关性大小的同时注入符合人类遗忘机制的遗忘机制，在几乎不增加额外参数和计算量的情况下提升模型的性能。该模型首先利用聚合卷积神经网络(ACNN)聚合各通道的时空特征，再借助MSA结构建模全局依赖关系和记忆关系。再通过分类头得出最终分类结果。在DEAP二分类任务中，MSA模型在效价和唤醒维度上分别获得98.87%与98.30%的分类准确率；在SEED三分类任务中达到97.64%的分类准确率，在SEED-IV四分类任务中获得95.90%的准确率，均优于现有主流方法。实验结果验证了所提模型在多类别情感识别任务中的有效性与鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT251047
摘要:
侧信道分析(SCA)是一种强大的密码分析技术，但其攻击效率受到原始功耗轨迹信噪比低、冗余高维数据掩盖局部泄露以及关键参数设定依赖经验等挑战的严重制约。针对上述问题，该文提出自适应B样条降维与协同去噪的侧信道分析方法，以实现高效且鲁棒的侧信道攻击。该框架包含3个核心步骤。首先，构建协同去噪框架(CDF)，通过整合基于皮尔逊相关系数的轨迹筛选机制和基于奇异值模板的去噪方法，有效提升了功耗轨迹的信噪比。其次，设计一种新颖的基于邻域不对称性聚类(NAC)的方法，用于自适应地确定CDF中的关键阈值，从而增强方法的鲁棒性。最后，首次将B样条技术引入功耗轨迹的降维处理，并提出基于自适应B样条降维(ABDR)的高效局部建模降维方法，在大幅度压缩数据量的同时，最大限度地保留了关键泄漏信息，显著降低后续侧信道分析的计算开销。实验结果表明，在数据集OSR2560上，信噪比提升了60%，密钥恢复所需的痕迹数量从3 000 条减少至1 200 条。在数据集OSR407上，信噪比提升了150%，将痕迹数量从2 400 条减少至1 500 条，在显著降低数据维度的基础上，有效增强了正确密钥与错误猜测密钥的区分度，进而提高了攻击效率。
侧信道分析(SCA)是一种强大的密码分析技术，但其攻击效率受到原始功耗轨迹信噪比低、冗余高维数据掩盖局部泄露以及关键参数设定依赖经验等挑战的严重制约。针对上述问题，该文提出自适应B样条降维与协同去噪的侧信道分析方法，以实现高效且鲁棒的侧信道攻击。该框架包含3个核心步骤。首先，构建协同去噪框架(CDF)，通过整合基于皮尔逊相关系数的轨迹筛选机制和基于奇异值模板的去噪方法，有效提升了功耗轨迹的信噪比。其次，设计一种新颖的基于邻域不对称性聚类(NAC)的方法，用于自适应地确定CDF中的关键阈值，从而增强方法的鲁棒性。最后，首次将B样条技术引入功耗轨迹的降维处理，并提出基于自适应B样条降维(ABDR)的高效局部建模降维方法，在大幅度压缩数据量的同时，最大限度地保留了关键泄漏信息，显著降低后续侧信道分析的计算开销。实验结果表明，在数据集OSR2560上，信噪比提升了60%，密钥恢复所需的痕迹数量从
, 最新更新时间 , doi: 10.11999/JEIT250844
摘要:
在考虑地球扁率J2摄动的影响下，该文针对限定携带燃料和限定转移时间下的异面轨道航天器远距离快速转移的最省燃料轨迹优化问题，基于近端策略优化(PPO)设计脉冲机动的时长与脉冲增量大小，实现最省燃料消耗的转移轨迹设计。首先构筑J2摄动下航天器转移变轨的动力学模型，并进行航天器在轨运行中的不确定性分析，其次，将问题转化为最优控制问题，并建立强化学习训练框架；此后，设计基于过程约束和终端约束的合适的奖励函数，提高算法的探索能力和训练过程的稳定性；最后，在该强化学习框架下进行训练得到模型，生成变轨机动策略，通过仿真并进行对比实验验证算法性能。相较已有深度强化学习(DRL)方法，该文设计的改进型密集奖励函数结合位置势函数与速度引导机制，显著提升了算法的收敛速度、鲁棒性与燃料优化性能，仿真结果表明，该方法能够很好地生成策略并达到预期抵近要求。
在考虑地球扁率J2摄动的影响下，该文针对限定携带燃料和限定转移时间下的异面轨道航天器远距离快速转移的最省燃料轨迹优化问题，基于近端策略优化(PPO)设计脉冲机动的时长与脉冲增量大小，实现最省燃料消耗的转移轨迹设计。首先构筑J2摄动下航天器转移变轨的动力学模型，并进行航天器在轨运行中的不确定性分析，其次，将问题转化为最优控制问题，并建立强化学习训练框架；此后，设计基于过程约束和终端约束的合适的奖励函数，提高算法的探索能力和训练过程的稳定性；最后，在该强化学习框架下进行训练得到模型，生成变轨机动策略，通过仿真并进行对比实验验证算法性能。相较已有深度强化学习(DRL)方法，该文设计的改进型密集奖励函数结合位置势函数与速度引导机制，显著提升了算法的收敛速度、鲁棒性与燃料优化性能，仿真结果表明，该方法能够很好地生成策略并达到预期抵近要求。
, 最新更新时间 , doi: 10.11999/JEIT250830
摘要:
射血分数保留心衰(HFpEF)是一种高度异质性的临床综合征，在肥厚型心肌病患者(HCM)中较为常见。由于其诊断流程复杂，开展初步筛查与早期识别具有重要意义。对此，该文基于患者智能手机所采集的心音信号，提取了梅尔频率倒谱系数和短时傅里叶变换时频谱特征，并基于此分别构建了支持向量机与卷积神经网络两个基分类器。随后将两者预测概率作为新特征，构建并训练了以逻辑回归为元分类器的集成学习模型，用于HCM合并HFpEF的识别。结果显示，集成模型在测试集的曲线下面积(AUC)达到了0.900，准确率、灵敏度和特异度分别达到了0.813, 0.768和0.854，有效提升了预测性能。结果表明，该文设计的分类模型可以基于智能手机采集的心音实现HCM合并HFpEF的高效识别，有望用于HCM患者对自身病情的动态监测和HFpEF初步筛查，从而缩短诊断延迟。
射血分数保留心衰(HFpEF)是一种高度异质性的临床综合征，在肥厚型心肌病患者(HCM)中较为常见。由于其诊断流程复杂，开展初步筛查与早期识别具有重要意义。对此，该文基于患者智能手机所采集的心音信号，提取了梅尔频率倒谱系数和短时傅里叶变换时频谱特征，并基于此分别构建了支持向量机与卷积神经网络两个基分类器。随后将两者预测概率作为新特征，构建并训练了以逻辑回归为元分类器的集成学习模型，用于HCM合并HFpEF的识别。结果显示，集成模型在测试集的曲线下面积(AUC)达到了0.900，准确率、灵敏度和特异度分别达到了0.813, 0.768和0.854，有效提升了预测性能。结果表明，该文设计的分类模型可以基于智能手机采集的心音实现HCM合并HFpEF的高效识别，有望用于HCM患者对自身病情的动态监测和HFpEF初步筛查，从而缩短诊断延迟。
, 最新更新时间 , doi: 10.11999/JEIT251076
摘要:
变压器作为电网的核心枢纽设备，其运行状态直接影响电力系统的安全性与稳定性。传统监测技术存在依赖人工经验、实时性不足等问题，声纹故障诊断技术凭借非接触式监测等优势成为当前变压器故障诊断领域的研究热点。该文梳理了变压器声纹故障诊断领域的研究进展，明晰变压器主要故障类型与监测技术差异，归纳时域、频域及时频域3类声纹特征提取方法，剖析主流机器学习与深度学习模型的优劣势及适用场景等，并针对当前研究中存在的噪声鲁棒性不足、样本分布不平衡、模型可解释性差、标准化体系缺失、跨模态融合不足等关键问题深入分析，展望未来研究方向，以期为该领域的理论研究与工程应用提供系统性参考。
变压器作为电网的核心枢纽设备，其运行状态直接影响电力系统的安全性与稳定性。传统监测技术存在依赖人工经验、实时性不足等问题，声纹故障诊断技术凭借非接触式监测等优势成为当前变压器故障诊断领域的研究热点。该文梳理了变压器声纹故障诊断领域的研究进展，明晰变压器主要故障类型与监测技术差异，归纳时域、频域及时频域3类声纹特征提取方法，剖析主流机器学习与深度学习模型的优劣势及适用场景等，并针对当前研究中存在的噪声鲁棒性不足、样本分布不平衡、模型可解释性差、标准化体系缺失、跨模态融合不足等关键问题深入分析，展望未来研究方向，以期为该领域的理论研究与工程应用提供系统性参考。
, 最新更新时间 , doi: 10.11999/JEIT250900
摘要:
针对行人轨迹预测中多模态特征捕捉不足及群体动态关系缺失的问题，该文提出了一种新颖的多模态行人轨迹预测框架——MSGD (Multi-Scale Spatio-Temporal Group Modeling and Diffusion)，首先我们利用多尺度时空特征，准确构建多尺度时空群体；其次，设计时空交互三元组编码机制，对个体—邻居—群体的时空关系进行联合建模，兼顾局部交互细节与全局动态结构，提升对群体行为演化的表征能力。最后利用扩散模型的逆过程在生成阶段逐步减少可行区域内的不确定性，最终生成多样、合理且逼真的目标轨迹。该文在三个公开数据集(ETH、UCY和NBA数据集)上对所提出的方法进行了广泛评估，并与当前最先进的方法进行了比较。实验结果表明，MSGD框架在预测性能方面取得了显著提升，具体表现为平均偏移误差(ADE)和最终偏移误差(FDE)指标的显著改善，展现了其在建模复杂行人行为方面的有效性。
针对行人轨迹预测中多模态特征捕捉不足及群体动态关系缺失的问题，该文提出了一种新颖的多模态行人轨迹预测框架——MSGD (Multi-Scale Spatio-Temporal Group Modeling and Diffusion)，首先我们利用多尺度时空特征，准确构建多尺度时空群体；其次，设计时空交互三元组编码机制，对个体—邻居—群体的时空关系进行联合建模，兼顾局部交互细节与全局动态结构，提升对群体行为演化的表征能力。最后利用扩散模型的逆过程在生成阶段逐步减少可行区域内的不确定性，最终生成多样、合理且逼真的目标轨迹。该文在三个公开数据集(ETH、UCY和NBA数据集)上对所提出的方法进行了广泛评估，并与当前最先进的方法进行了比较。实验结果表明，MSGD框架在预测性能方面取得了显著提升，具体表现为平均偏移误差(ADE)和最终偏移误差(FDE)指标的显著改善，展现了其在建模复杂行人行为方面的有效性。
, 最新更新时间 , doi: 10.11999/JEIT251109
摘要:
智能反射面(RIS)通常由大量可编程反射单元密集排布而成，当反射单元间距小于入射信号半波长时，电磁互耦效应会显著影响RIS部署的整体性能。为此，该文针对RIS辅助的无线通信系统，研究基于近邻互耦矩阵的简化信道模型以及可调阻抗优化方法。首先，依据互阻抗强度随间隔单元数增加而快速衰减的电磁特性，提取紧邻和次紧邻互耦参数，并结合对应的映射矩阵构建近邻互耦矩阵；其次，在远场条件下，基于等效耦合距离对收发端与RIS间互阻抗计算表达式进行简化，进而建立低复杂度互耦感知信道模型。进一步，基于简化模型并采用阻抗分解法，推导RIS可调阻抗的最优闭式解，其求解复杂度显著低于诺伊曼级数近似算法，并且不受反射单元间距和数量影响。仿真结果表明，所提信道模型和阻抗优化方法在反射单元间距小于等于1/4信号波长时具备较高的准确性和有效性。
智能反射面(RIS)通常由大量可编程反射单元密集排布而成，当反射单元间距小于入射信号半波长时，电磁互耦效应会显著影响RIS部署的整体性能。为此，该文针对RIS辅助的无线通信系统，研究基于近邻互耦矩阵的简化信道模型以及可调阻抗优化方法。首先，依据互阻抗强度随间隔单元数增加而快速衰减的电磁特性，提取紧邻和次紧邻互耦参数，并结合对应的映射矩阵构建近邻互耦矩阵；其次，在远场条件下，基于等效耦合距离对收发端与RIS间互阻抗计算表达式进行简化，进而建立低复杂度互耦感知信道模型。进一步，基于简化模型并采用阻抗分解法，推导RIS可调阻抗的最优闭式解，其求解复杂度显著低于诺伊曼级数近似算法，并且不受反射单元间距和数量影响。仿真结果表明，所提信道模型和阻抗优化方法在反射单元间距小于等于1/4信号波长时具备较高的准确性和有效性。
, 最新更新时间 , doi: 10.11999/JEIT250846
摘要:
随着智能航运系统的快速发展，船舶定位数据在无线传输过程中面临严重的隐私泄露风险。传统隐私保护方法如差分隐私和同态加密存在数据失真、计算开销大或依赖高成本通信链路等问题，难以在保证数据完整性的同时实现高效防护。本文针对船舶稳定系统的特点，提出一种基于时间扰动增强的动态编码方案。该方案结合扩展卡尔曼滤波(EKF)，在编码过程中引入不稳定的时间扰动项，利用接收方对发送方发出的信息进行确认这一机制(ACK反馈)实现参考时间同步，并利用共享随机种子独立生成同步的扰动项。理论分析与仿真实验表明，该方案能够在合法接收方实现近乎零精度损失的状态估计的同时，使窃听者在单次丢包后解码误差随时间呈指数增长趋势，有效阻断单通道与多通道窃听攻击。方案采用共享随机种子同步机制，避免了复杂的密钥管理，显著降低了通信与计算开销，适用于资源受限的海上无线传感器网络环境，为船舶安全定位提供了有效保障。
随着智能航运系统的快速发展，船舶定位数据在无线传输过程中面临严重的隐私泄露风险。传统隐私保护方法如差分隐私和同态加密存在数据失真、计算开销大或依赖高成本通信链路等问题，难以在保证数据完整性的同时实现高效防护。本文针对船舶稳定系统的特点，提出一种基于时间扰动增强的动态编码方案。该方案结合扩展卡尔曼滤波(EKF)，在编码过程中引入不稳定的时间扰动项，利用接收方对发送方发出的信息进行确认这一机制(ACK反馈)实现参考时间同步，并利用共享随机种子独立生成同步的扰动项。理论分析与仿真实验表明，该方案能够在合法接收方实现近乎零精度损失的状态估计的同时，使窃听者在单次丢包后解码误差随时间呈指数增长趋势，有效阻断单通道与多通道窃听攻击。方案采用共享随机种子同步机制，避免了复杂的密钥管理，显著降低了通信与计算开销，适用于资源受限的海上无线传感器网络环境，为船舶安全定位提供了有效保障。
, 最新更新时间 , doi: 10.11999/JEIT250841
摘要:
神经衰减场是一种具有前景的三维医学图像重建方法，此方法利用稀疏辐射测量实现与完整观察相接近的重构精度。该文提出一种无监督三维医学影像分割方法，将无监督分割与神经衰减场集成为一个端到端的网络架构。具体而言，所提网络架构包括两个阶段：稀疏测量重建和交互式三维图像分割。两个阶段可通过联合学习自适应实现互惠优化。为解决类似肛肠等复杂病灶中边界模糊和区域过度扩展的难题，所提三维分割网络的交互式三维分割阶段设计了密度引导模块，有效利用衰减系数的先验知识，调节密度感知的注意力机制，提升三维分割泛化性能。通过与南京市中医院合作构建的结直肠癌数据集以及两个公开数据集上的大量实验证明所提方法的优越性，例如与基于全辐射观测的SAM-MED3D算法相比，所提网络仅使用14%稀疏观测值，在3个数据集的平均 Dice 系数提升 2.0%。
神经衰减场是一种具有前景的三维医学图像重建方法，此方法利用稀疏辐射测量实现与完整观察相接近的重构精度。该文提出一种无监督三维医学影像分割方法，将无监督分割与神经衰减场集成为一个端到端的网络架构。具体而言，所提网络架构包括两个阶段：稀疏测量重建和交互式三维图像分割。两个阶段可通过联合学习自适应实现互惠优化。为解决类似肛肠等复杂病灶中边界模糊和区域过度扩展的难题，所提三维分割网络的交互式三维分割阶段设计了密度引导模块，有效利用衰减系数的先验知识，调节密度感知的注意力机制，提升三维分割泛化性能。通过与南京市中医院合作构建的结直肠癌数据集以及两个公开数据集上的大量实验证明所提方法的优越性，例如与基于全辐射观测的SAM-MED3D算法相比，所提网络仅使用14%稀疏观测值，在3个数据集的平均 Dice 系数提升 2.0%。
, 最新更新时间 , doi: 10.11999/JEIT250640
摘要:
工业物联网中，多模终端应用需求的复杂和多样性对使用边缘计算卸载任务提出了更高的要求。多接入边缘计算网络的灵活切换为多模终端应用提供了更高效任务处理方案的机会，如何在工业无线局域网与5G公网协作系统中，在异构网络资源分配约束下，设计网络选择机制，以及使用公网资源的额外成本开销条件下，用户任务卸载方案制定，成为降低用户任务执行成本，提高任务卸载量与执行效率的关键挑战。该文研究了面向多模终端的多接入边缘计算网络中，任务卸载与网络选择的联合优化问题，建立了基于拍卖模型的系统成本优化模型，根据异构网络通信资源与边缘服务器计算资源的动态分配变化，提出了基于拍卖机制的动态资源感知与任务卸载算法，设计终端用户任务卸载机制与异构网络节点匹配，最小化系统成本开销，提高任务执行效率及用户服务体验。通过仿真实验证明，该算法机制对比基准算法能够降低至少5–15%系统成本开销，并能够平均提高10%的任务卸载数据量比例，有效提高多模终端任务处理效率。
工业物联网中，多模终端应用需求的复杂和多样性对使用边缘计算卸载任务提出了更高的要求。多接入边缘计算网络的灵活切换为多模终端应用提供了更高效任务处理方案的机会，如何在工业无线局域网与5G公网协作系统中，在异构网络资源分配约束下，设计网络选择机制，以及使用公网资源的额外成本开销条件下，用户任务卸载方案制定，成为降低用户任务执行成本，提高任务卸载量与执行效率的关键挑战。该文研究了面向多模终端的多接入边缘计算网络中，任务卸载与网络选择的联合优化问题，建立了基于拍卖模型的系统成本优化模型，根据异构网络通信资源与边缘服务器计算资源的动态分配变化，提出了基于拍卖机制的动态资源感知与任务卸载算法，设计终端用户任务卸载机制与异构网络节点匹配，最小化系统成本开销，提高任务执行效率及用户服务体验。通过仿真实验证明，该算法机制对比基准算法能够降低至少5–15%系统成本开销，并能够平均提高10%的任务卸载数据量比例，有效提高多模终端任务处理效率。
, 最新更新时间 , doi: 10.11999/JEIT250733
摘要:
针对多节串联电池组采样电路存在通道漏电流导致各节电池电压不一致和影响采样精度的问题，本文提出了一种应用于14节串联锂电池的低漏电流电池电压采样方法。通过分析漏电流的产生机制，采用运放隔离有源驱动技术，减小各节电池的通道漏电流，同时为了减小高压MOSFET带来的面积开销，改进了高压域运算放大器。基于0.35 μm高压BCD(Bipolar CMOS DMOS)工艺对电路进行了详细设计和完整性能验证，结果表明，所设计的电池电压采样电路版图面积仅为3.105×0.638 mm2，在不同的温度和工艺角组合下，最大通道漏电流低至48.9 pA。在全面的PVT(Process Voltage Temperature)验证下，电池电压采样最大测量误差小于1.25 mV。该方法将采样过程对电池电压不一致性的影响从18.56%降低至2.122 ppm，为高可靠高精度多节串联电池管理系统提供了有效的解决方案。
针对多节串联电池组采样电路存在通道漏电流导致各节电池电压不一致和影响采样精度的问题，本文提出了一种应用于14节串联锂电池的低漏电流电池电压采样方法。通过分析漏电流的产生机制，采用运放隔离有源驱动技术，减小各节电池的通道漏电流，同时为了减小高压MOSFET带来的面积开销，改进了高压域运算放大器。基于0.35 μm高压BCD(Bipolar CMOS DMOS)工艺对电路进行了详细设计和完整性能验证，结果表明，所设计的电池电压采样电路版图面积仅为3.105×0.638 mm2，在不同的温度和工艺角组合下，最大通道漏电流低至48.9 pA。在全面的PVT(Process Voltage Temperature)验证下，电池电压采样最大测量误差小于1.25 mV。该方法将采样过程对电池电压不一致性的影响从18.56%降低至2.122 ppm，为高可靠高精度多节串联电池管理系统提供了有效的解决方案。
, 最新更新时间 , doi: 10.11999/JEIT250834
摘要:
多中心协同验证是临床研究的必然趋势，但患者隐私保护、跨机构数据分布异质性以及精确标注稀缺，使传统集中式医学图像分割方法难以直接应用。为此，本文提出一种融合动态客户端管理机制的联邦半监督医学图像分割框架，利用客户端性能驱动的加权聚合和教师–学生知识蒸馏，在保护隐私的前提下充分挖掘无标签客户端价值；并设计多尺度特征融合UNet (Multi-scale Feature Fusion UNet, MFF-UNet)作为分割骨干，以增强多中心异构影像的特征表征能力，实现对前列腺区域的精准分割。基于来自6家医疗机构的T2加权前列腺MRI数据的实验表明，本方法在有标签和无标签客户端上分别获得0.8405 /0.7868 的Dice系数和8.04/8.67的HD95，均优于多种现有联邦半监督医学图像分割方法。
多中心协同验证是临床研究的必然趋势，但患者隐私保护、跨机构数据分布异质性以及精确标注稀缺，使传统集中式医学图像分割方法难以直接应用。为此，本文提出一种融合动态客户端管理机制的联邦半监督医学图像分割框架，利用客户端性能驱动的加权聚合和教师–学生知识蒸馏，在保护隐私的前提下充分挖掘无标签客户端价值；并设计多尺度特征融合UNet (Multi-scale Feature Fusion UNet, MFF-UNet)作为分割骨干，以增强多中心异构影像的特征表征能力，实现对前列腺区域的精准分割。基于来自6家医疗机构的T2加权前列腺MRI数据的实验表明，本方法在有标签和无标签客户端上分别获得
, 最新更新时间 , doi: 10.11999/JEIT250957
摘要:
雷诺定受体(RyR)是调控心肌细胞钙稳态的关键蛋白，主要介导肌浆网的钙离子释放。RyR的功能异常，无论是过度激活还是功能减弱，均可触发异常钙释放，诱发早期后去极化(EADs)和/或延迟后去极化(DADs)，这是心律失常发生和发展的重要机制。为深入探究RyR在生理及病理状态下的行为特性，研究者已开发并广泛应用多种融合其随机门控特性的数学与计算模型。本文系统梳理了RyR的结构特征和关键生理功能，重点归纳了其建模策略，总结了RyR模型在心肌细胞钙循环模型中的整合研究进展及其在不同类型心肌细胞中的应用，并深入剖析了RyR功能异常介导心律失常的机制及其靶向药物的研发现状。进一步地，本文讨论了人工智能(AI)、数字孪生等新兴方法在 RyR 建模中的潜在作用，并对现有模型的适用性与发展方向进行了展望。
雷诺定受体(RyR)是调控心肌细胞钙稳态的关键蛋白，主要介导肌浆网的钙离子释放。RyR的功能异常，无论是过度激活还是功能减弱，均可触发异常钙释放，诱发早期后去极化(EADs)和/或延迟后去极化(DADs)，这是心律失常发生和发展的重要机制。为深入探究RyR在生理及病理状态下的行为特性，研究者已开发并广泛应用多种融合其随机门控特性的数学与计算模型。本文系统梳理了RyR的结构特征和关键生理功能，重点归纳了其建模策略，总结了RyR模型在心肌细胞钙循环模型中的整合研究进展及其在不同类型心肌细胞中的应用，并深入剖析了RyR功能异常介导心律失常的机制及其靶向药物的研发现状。进一步地，本文讨论了人工智能(AI)、数字孪生等新兴方法在 RyR 建模中的潜在作用，并对现有模型的适用性与发展方向进行了展望。
, 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/JEIT250805
摘要:
配电网动态状态估计是保障电力物理信息系统安全稳定运行的关键技术，但系统的强非线性、高维特性及虚假数据注入攻击(FDIA)严重制约了其精度与安全。针对上述问题，该文提出一种融合高阶容积卡尔曼滤波(HCKF)与长短期记忆网络(LSTM)的动态状态估计方法。首先，建立基于混合量测的配电系统状态估计模型，并利用HCKF通过高阶容积点生成策略提升对强非线性高维配电网的状态估计精度；其次，结合加权最小二乘法(WLS)与HCKF的状态估计值，基于残差分析实现FDIA的快速检测；最后，当检测到FDIA时，利用LSTM模型对受攻击节点的量测数据进行时序预测与重构，修正状态估计结果。在IEEE33节点配电系统上的实验表明，在无FDIA时基于HCKF的动态状态估计算法对电压幅值和相角的估计精度高于现有方法。在FDIA场景下，验证了基于残差分析的攻击检测方法、基于LSTM的量测数据预测，以及所提动态状态估计算法的有效性。
配电网动态状态估计是保障电力物理信息系统安全稳定运行的关键技术，但系统的强非线性、高维特性及虚假数据注入攻击(FDIA)严重制约了其精度与安全。针对上述问题，该文提出一种融合高阶容积卡尔曼滤波(HCKF)与长短期记忆网络(LSTM)的动态状态估计方法。首先，建立基于混合量测的配电系统状态估计模型，并利用HCKF通过高阶容积点生成策略提升对强非线性高维配电网的状态估计精度；其次，结合加权最小二乘法(WLS)与HCKF的状态估计值，基于残差分析实现FDIA的快速检测；最后，当检测到FDIA时，利用LSTM模型对受攻击节点的量测数据进行时序预测与重构，修正状态估计结果。在IEEE33节点配电系统上的实验表明，在无FDIA时基于HCKF的动态状态估计算法对电压幅值和相角的估计精度高于现有方法。在FDIA场景下，验证了基于残差分析的攻击检测方法、基于LSTM的量测数据预测，以及所提动态状态估计算法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT250867
摘要:
卷积神经网络在边缘计算和嵌入式领域的实时应用对硬件加速器的性能和能效提出了严峻挑战。针对基于FPGA的卷积神经网络加速器中普遍存在的数据搬运瓶颈、资源利用率不足和计算单元效率低下等核心问题，提出一种脉动阵列协同层融合的混合卷积神经网络加速器架构，将计算密集型邻接层进行深度绑定，在同一级阵列内完成连续计算，减少中间结果向片外存储的频繁存取，降低数据搬运次数和功耗，提升计算速度和整体能效比；设计动态可配置脉动阵列方法，在硬件层面自适应支持多维度矩阵乘法计算，避免为不同规模运算分别部署专用硬件的资源浪费，降低整体FPGA逻辑资源的消耗，提升硬件资源的适应性与灵活性；通过精心规划计算流与控制逻辑，设计流式脉动阵列计算方法，确保脉动阵列计算单元始终保持在高效工作状态，数据在计算引擎中以高度流水化和并行方式持续流动，提升脉动阵列内部处理单元利用率，减少计算空洞期，提升整体吞吐率。实验结果表明，在Xilinx Zynq-7100 平台上，VGG16、ResNet50以及Yolov8n在所提出加速器上的性能分别达到390.25GOPS、360.27GOPS和348.08GOPS，为部署高性能、低功耗的CNN推理至资源受限的边缘设备提供了有效的FPGA实现途径。
卷积神经网络在边缘计算和嵌入式领域的实时应用对硬件加速器的性能和能效提出了严峻挑战。针对基于FPGA的卷积神经网络加速器中普遍存在的数据搬运瓶颈、资源利用率不足和计算单元效率低下等核心问题，提出一种脉动阵列协同层融合的混合卷积神经网络加速器架构，将计算密集型邻接层进行深度绑定，在同一级阵列内完成连续计算，减少中间结果向片外存储的频繁存取，降低数据搬运次数和功耗，提升计算速度和整体能效比；设计动态可配置脉动阵列方法，在硬件层面自适应支持多维度矩阵乘法计算，避免为不同规模运算分别部署专用硬件的资源浪费，降低整体FPGA逻辑资源的消耗，提升硬件资源的适应性与灵活性；通过精心规划计算流与控制逻辑，设计流式脉动阵列计算方法，确保脉动阵列计算单元始终保持在高效工作状态，数据在计算引擎中以高度流水化和并行方式持续流动，提升脉动阵列内部处理单元利用率，减少计算空洞期，提升整体吞吐率。实验结果表明，在Xilinx Zynq-
, 最新更新时间 , doi: 10.11999/JEIT250786
摘要:
降水临近预报，作为气象预测领域最具代表性的任务之一，通过利用雷达回波或降水序列来预测未来0-2小时的降水情况。当前的主流方法普遍存在局部细节丢失、条件信息挖掘不充分、对复杂地区适配性不足等问题。因此，该文提出了一种基于扩散网络模型的PredUMamba模型。在该模型中，一方面，引入了一种基于自适应蛇形扫描机制的Mamba块，不仅充分挖掘到关键的局部细节信息，且有效降低了计算复杂度；另一方面，设计了一种多尺度时空相关注意力模型，在增强时空层次化特征交互能力的同时实现了条件信息的全面表示。更重要地，构建了一个针对复杂地区降水临近预报任务的雷达回波数据集，即皖南山区雷达数据集，以验证模型对复杂地区突发性极端强降水的精准预报能力。此外，在领域内一些公开数据集上进一步开展了对比实验。实验结果表明，PredUMamba模型在上海雷达数据集和皖南山区雷达数据集上取得了最好的结果。同时，在SEVIR数据集上也取得了非常有竞争力的结果。
降水临近预报，作为气象预测领域最具代表性的任务之一，通过利用雷达回波或降水序列来预测未来0-2小时的降水情况。当前的主流方法普遍存在局部细节丢失、条件信息挖掘不充分、对复杂地区适配性不足等问题。因此，该文提出了一种基于扩散网络模型的PredUMamba模型。在该模型中，一方面，引入了一种基于自适应蛇形扫描机制的Mamba块，不仅充分挖掘到关键的局部细节信息，且有效降低了计算复杂度；另一方面，设计了一种多尺度时空相关注意力模型，在增强时空层次化特征交互能力的同时实现了条件信息的全面表示。更重要地，构建了一个针对复杂地区降水临近预报任务的雷达回波数据集，即皖南山区雷达数据集，以验证模型对复杂地区突发性极端强降水的精准预报能力。此外，在领域内一些公开数据集上进一步开展了对比实验。实验结果表明，PredUMamba模型在上海雷达数据集和皖南山区雷达数据集上取得了最好的结果。同时，在SEVIR数据集上也取得了非常有竞争力的结果。
, 最新更新时间 , doi: 10.11999/JEIT250849
摘要:
该文旨在比较DeepSeek-V3.1与ChatGPT-5在结直肠癌肝转移(CRLM)多学科团队(MDT)决策中的应用表现，评估其与MDT专家意见的一致性，为大语言模型(LLMs)的临床实践提供循证依据与优化方向。该文基于真实世界数据与最新指南，设计了6例涵盖不同肿瘤负荷、基因突变谱和体能状态的虚拟CRLM病例，通过结构化的提示策略，在DeepSeek-V3.1与ChatGPT-5模型中分别生成MDT治疗建议。由4名MDT专家采用7维度5级李克特量表对模型输出进行独立评审。并通过统计学分析对两款模型在各个病例、各项维度和各个学科的表现分别进行比较。2款大语言模型在所有病例中的综合得分均≥ 4.0分(满分5分)，表明其在复杂的MDT决策场景下具备可接受的临床效能。在跨维度分析中，两者在清晰度、个体化程度、抗幻觉能力和伦理安全4项上得分较高，而在准确性、全面性和前沿性方面仍有一定提升空间。DeepSeek-V3.1在整体表现(4.27±0.77 vs 4.08±0.86)、前沿性(3.90±0.65 vs 3.24±0.72)与伦理安全(4.87±0.34 vs 4.58±0.65)方面显著优于ChatGPT-5(P<0.05)；在放疗领域亦明显领先(4.55±0.67 vs 3.38±0.91, P<0.01)。ChatGPT-5则在胃肠外科领域表现优于DeepSeek-V3.1(4.48±0.67 vs 4.17±0.85, P =0.02)。DeepSeek-V3.1与ChatGPT-5均表现出为CRLM-MDT决策提供可靠建议的良好能力。其中，DeepSeek-V3.1在前沿知识整合、伦理安全性及放射肿瘤学领域展现出显著优势，而ChatGPT-5则在胃肠外科方面表现更优，二者形成优势互补。该文证实了大型语言模型作为“MDT协作者”的可行性，为缩小地域间诊疗水平差距、提升临床决策效率提供了一项便捷可靠的技术方案。
该文旨在比较DeepSeek-V3.1与ChatGPT-5在结直肠癌肝转移(CRLM)多学科团队(MDT)决策中的应用表现，评估其与MDT专家意见的一致性，为大语言模型(LLMs)的临床实践提供循证依据与优化方向。该文基于真实世界数据与最新指南，设计了6例涵盖不同肿瘤负荷、基因突变谱和体能状态的虚拟CRLM病例，通过结构化的提示策略，在DeepSeek-V3.1与ChatGPT-5模型中分别生成MDT治疗建议。由4名MDT专家采用7维度5级李克特量表对模型输出进行独立评审。并通过统计学分析对两款模型在各个病例、各项维度和各个学科的表现分别进行比较。2款大语言模型在所有病例中的综合得分均≥ 4.0分(满分5分)，表明其在复杂的MDT决策场景下具备可接受的临床效能。在跨维度分析中，两者在清晰度、个体化程度、抗幻觉能力和伦理安全4项上得分较高，而在准确性、全面性和前沿性方面仍有一定提升空间。DeepSeek-V3.1在整体表现(4.27±0.77 vs 4.08±0.86)、前沿性(3.90±0.65 vs 3.24±0.72)与伦理安全(4.87±0.34 vs 4.58±0.65)方面显著优于ChatGPT-5(P<0.05)；在放疗领域亦明显领先(4.55±0.67 vs 3.38±0.91, P<0.01)。ChatGPT-5则在胃肠外科领域表现优于DeepSeek-V3.1(4.48±0.67 vs 4.17±0.85, P =0.02)。DeepSeek-V3.1与ChatGPT-5均表现出为CRLM-MDT决策提供可靠建议的良好能力。其中，DeepSeek-V3.1在前沿知识整合、伦理安全性及放射肿瘤学领域展现出显著优势，而ChatGPT-5则在胃肠外科方面表现更优，二者形成优势互补。该文证实了大型语言模型作为“MDT协作者”的可行性，为缩小地域间诊疗水平差距、提升临床决策效率提供了一项便捷可靠的技术方案。
, 最新更新时间 , doi: 10.11999/JEIT250704
摘要:
随着《中华人民共和国数据安全法》、欧盟《通用数据保护条例》(GDPR)等国内外法规条例的逐步施行，数据合规检测成为规范数据处理活动、保障数据安全、保护个人与组织合法权益的重要手段。然而，物联网场景下异构设备数据冗长多变、非结构化、内容模糊等特点加剧了数据合规检测的难度，导致传统规则匹配方法容易产生大量的误报。针对上述挑战，该文提出一种新型面向物联网场景的大模型驱动数据合规检测方法：第1阶段，基于全量规则库，利用快速正则匹配算法高效筛查出所有潜在违规数据，并输出结构化初步检测结果；第2阶段，利用大语言模型进行语义级合规复核，设计差异化分类检测策略，针对不同违规类型构建基于思维链与少样本提示融合的增强提示词，用于减少规则差异性与语义模糊性带来的错误结果。该文采集了52种物联网设备的日志与流量数据，形成共计55 080条原始违规检测数据，并在8个主流大模型底座以及不同影响设置参数上开展对比实验。研究结果表明原有仅第1阶段基于规则匹配的检测方法在真实物联网环境下误报率为64.3%，而经第2阶段大模型驱动的复核检测后降至6.9%，且大模型自身引入的错误率控制在0.01%以下。
随着《中华人民共和国数据安全法》、欧盟《通用数据保护条例》(GDPR)等国内外法规条例的逐步施行，数据合规检测成为规范数据处理活动、保障数据安全、保护个人与组织合法权益的重要手段。然而，物联网场景下异构设备数据冗长多变、非结构化、内容模糊等特点加剧了数据合规检测的难度，导致传统规则匹配方法容易产生大量的误报。针对上述挑战，该文提出一种新型面向物联网场景的大模型驱动数据合规检测方法：第1阶段，基于全量规则库，利用快速正则匹配算法高效筛查出所有潜在违规数据，并输出结构化初步检测结果；第2阶段，利用大语言模型进行语义级合规复核，设计差异化分类检测策略，针对不同违规类型构建基于思维链与少样本提示融合的增强提示词，用于减少规则差异性与语义模糊性带来的错误结果。该文采集了52种物联网设备的日志与流量数据，形成共计55 080条原始违规检测数据，并在8个主流大模型底座以及不同影响设置参数上开展对比实验。研究结果表明原有仅第1阶段基于规则匹配的检测方法在真实物联网环境下误报率为64.3%，而经第2阶段大模型驱动的复核检测后降至6.9%，且大模型自身引入的错误率控制在0.01%以下。
, 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/JEIT250947
摘要:
低空智联网作为低空数字经济的关键基础设施，通过深度融合各类有人/无人航空器及其地面支撑网络，构建了低空空域人-机-物三元融合的智能互联体系。该文系统梳理了低空智联网的最新研究进展，从网络架构、资源优化、安全威胁与防护以及大模型赋能四个维度展开深入分析。首先，探讨了低空智联网的现有标准、组成架构、关键特性及组网模式；其次，研究了空域资源管理、频谱资源分配、计算资源调度和能量资源优化等关键问题；再次，从感知层、网络层、应用层和系统层剖析了核心安全威胁并综述了多层次防护策略；接着，探讨了大模型技术在低空智联网的应用前景，并分析了其在任务优化与安全防护中的潜力；最后，讨论了低空智联网的未来研究方向，为构建高效、安全、智能的低空智联网体系提供了理论参考和技术指导。
低空智联网作为低空数字经济的关键基础设施，通过深度融合各类有人/无人航空器及其地面支撑网络，构建了低空空域人-机-物三元融合的智能互联体系。该文系统梳理了低空智联网的最新研究进展，从网络架构、资源优化、安全威胁与防护以及大模型赋能四个维度展开深入分析。首先，探讨了低空智联网的现有标准、组成架构、关键特性及组网模式；其次，研究了空域资源管理、频谱资源分配、计算资源调度和能量资源优化等关键问题；再次，从感知层、网络层、应用层和系统层剖析了核心安全威胁并综述了多层次防护策略；接着，探讨了大模型技术在低空智联网的应用前景，并分析了其在任务优化与安全防护中的潜力；最后，讨论了低空智联网的未来研究方向，为构建高效、安全、智能的低空智联网体系提供了理论参考和技术指导。
, 最新更新时间 , doi: 10.11999/JEIT250537
摘要:
随着信息物理系统(CPS)在关键基础设施中的广泛部署，其面临的安全威胁日益严峻，特别是虚假数据注入攻击对系统感知与控制能力构成了实质性挑战。针对这一问题，该文提出了一种融合攻击检测、状态估计与控制策略学习的安全控制框架。该方法通过构建传感器数据的安全评估指标，实现对潜在虚假观测数据的实时检测，并在无攻击先验信息的条件下，动态估计可能存在的攻击信号。在此基础上，进一步提出融合多源传感器观测的状态估计策略，以提高对系统真实状态的重构精度。此外，该文还提出了一种基于动态权重在线更新的自适应学习控制方法，利用梯度下降法逼近最优控制策略，从而增强系统在复杂环境中的稳态性能与抗攻击能力。仿真实验结果验证了该方法在虚假数据注入攻击环境下的有效性与安全性能。
随着信息物理系统(CPS)在关键基础设施中的广泛部署，其面临的安全威胁日益严峻，特别是虚假数据注入攻击对系统感知与控制能力构成了实质性挑战。针对这一问题，该文提出了一种融合攻击检测、状态估计与控制策略学习的安全控制框架。该方法通过构建传感器数据的安全评估指标，实现对潜在虚假观测数据的实时检测，并在无攻击先验信息的条件下，动态估计可能存在的攻击信号。在此基础上，进一步提出融合多源传感器观测的状态估计策略，以提高对系统真实状态的重构精度。此外，该文还提出了一种基于动态权重在线更新的自适应学习控制方法，利用梯度下降法逼近最优控制策略，从而增强系统在复杂环境中的稳态性能与抗攻击能力。仿真实验结果验证了该方法在虚假数据注入攻击环境下的有效性与安全性能。
, 最新更新时间 , doi: 10.11999/JEIT250651
摘要:
控制器局域网(CAN)因安全机制缺失易遭受网络攻击，现有入侵检测系统在多类攻击识别和车载部署上仍存在挑战。该文提出一种融合时序与深度特征的二阶段CAN总线攻击识别方法，通过“先检测、后分类”的策略，将复杂任务分解，实现效率与精度统一。第1阶段设计了数据负载熵(PDE)与ID频率均值偏差(IFMD)特征，从内容与行为2个维度量化报文异常，并利用双向长短期记忆网络(BiLSTM)捕捉时序依赖，实现高效异常检测；第2阶段针对异常样本，引入一维轻量化ParC1D-Net，通过深度特征精细分析实现多类攻击分类。公开数据集实验表明，该方法在Car-Hacking数据集上准确率和F1分数均达99.99%，优于多种先进方法；消融实验验证PDE与IFMD特征在提升异常检测敏感性和鲁棒性方面的关键作用。此外，方法在GPU和模拟嵌入式CPU环境下测试，模型大小仅0.39 MB，实时检测时延分别为0.62 ms和0.93 ms，具备良好部署与实时处理能力。
控制器局域网(CAN)因安全机制缺失易遭受网络攻击，现有入侵检测系统在多类攻击识别和车载部署上仍存在挑战。该文提出一种融合时序与深度特征的二阶段CAN总线攻击识别方法，通过“先检测、后分类”的策略，将复杂任务分解，实现效率与精度统一。第1阶段设计了数据负载熵(PDE)与ID频率均值偏差(IFMD)特征，从内容与行为2个维度量化报文异常，并利用双向长短期记忆网络(BiLSTM)捕捉时序依赖，实现高效异常检测；第2阶段针对异常样本，引入一维轻量化ParC1D-Net，通过深度特征精细分析实现多类攻击分类。公开数据集实验表明，该方法在Car-Hacking数据集上准确率和F1分数均达99.99%，优于多种先进方法；消融实验验证PDE与IFMD特征在提升异常检测敏感性和鲁棒性方面的关键作用。此外，方法在GPU和模拟嵌入式CPU环境下测试，模型大小仅0.39 MB，实时检测时延分别为0.62 ms和0.93 ms，具备良好部署与实时处理能力。
, 最新更新时间 , doi: 10.11999/JEIT250798
摘要:
糖尿病及其发并发症的联合预测对于降低慢性病危害、改善患者预后具有重要意义。然而，现有预测方法面临数据异构性和稀疏性、实体关系复杂以及疾病与医学概念间高阶关联难以精确捕捉等挑战，限制了预测准确性和多病症识别能力。针对上述问题，该文提出一种基于表示学习与知识图谱推理的糖尿病及其并发症预测模型(REKG-MDP)。通过整合电子健康记录与医学补充知识构建医疗知识图谱，在患者侧完善个人基本信息、检查指标及现病史，在疾病侧补充疾病共病信息、多发人群、常见病因及诊断依据，从而缓解数据稀疏性与异构性问题。综合考虑对称、反对称、反转和组合4种关系连接模式，并设计层次化注意力机制与图卷积网络相结合的推理模块，在全局和局部动态调整邻居节点权重，有效聚合多阶邻居信息并捕捉高阶语义关系。基于MIMIC-IV数据集的实验结果表明，所提模型在糖尿病及发并发症联合预测任务中明显优于现有方法，预测准确率和多病症识别能力均有显著提升。
糖尿病及其发并发症的联合预测对于降低慢性病危害、改善患者预后具有重要意义。然而，现有预测方法面临数据异构性和稀疏性、实体关系复杂以及疾病与医学概念间高阶关联难以精确捕捉等挑战，限制了预测准确性和多病症识别能力。针对上述问题，该文提出一种基于表示学习与知识图谱推理的糖尿病及其并发症预测模型(REKG-MDP)。通过整合电子健康记录与医学补充知识构建医疗知识图谱，在患者侧完善个人基本信息、检查指标及现病史，在疾病侧补充疾病共病信息、多发人群、常见病因及诊断依据，从而缓解数据稀疏性与异构性问题。综合考虑对称、反对称、反转和组合4种关系连接模式，并设计层次化注意力机制与图卷积网络相结合的推理模块，在全局和局部动态调整邻居节点权重，有效聚合多阶邻居信息并捕捉高阶语义关系。基于MIMIC-IV数据集的实验结果表明，所提模型在糖尿病及发并发症联合预测任务中明显优于现有方法，预测准确率和多病症识别能力均有显著提升。
, 最新更新时间 , doi: 10.11999/JEIT250489
摘要:
低剂量CT(LDCT)图像中的伪影和噪声影响疾病的早期诊断和治疗。基于卷积神经网络的去噪方法在远程建模方面能力有限。与Transformer架构的远程建模方法相比，基于Mamba模型在建模时计算复杂度低，然而现有的Mamba模型存在信息丢失或噪声残留的缺点。为此，该文提出一种基于小波Mamba的去噪模型Wave-MambaCT。首先利用小波变换的多尺度分解解耦噪声和低频内容信息。其次，构建残差模块结合状态空间模型的Mamba模块提取高低频带的局部和全局信息，并用无噪的低频特征通过基于注意力的跨频Mamba模块校正并增强同尺度的高频特征，在去除噪声的同时保持更多细节。最后，分阶段采用逆小波变换渐进恢复图像，并设置相应的损失函数提高网络的稳定性。实验结果表明Wave-MambaCT在较低的计算复杂度和参数量下，不仅提高了低剂量CT图像的视觉效果，而且在PSNR，SSIM，VIF和MSE 4种定量指标上均优于现有的去噪方法。
低剂量CT(LDCT)图像中的伪影和噪声影响疾病的早期诊断和治疗。基于卷积神经网络的去噪方法在远程建模方面能力有限。与Transformer架构的远程建模方法相比，基于Mamba模型在建模时计算复杂度低，然而现有的Mamba模型存在信息丢失或噪声残留的缺点。为此，该文提出一种基于小波Mamba的去噪模型Wave-MambaCT。首先利用小波变换的多尺度分解解耦噪声和低频内容信息。其次，构建残差模块结合状态空间模型的Mamba模块提取高低频带的局部和全局信息，并用无噪的低频特征通过基于注意力的跨频Mamba模块校正并增强同尺度的高频特征，在去除噪声的同时保持更多细节。最后，分阶段采用逆小波变换渐进恢复图像，并设置相应的损失函数提高网络的稳定性。实验结果表明Wave-MambaCT在较低的计算复杂度和参数量下，不仅提高了低剂量CT图像的视觉效果，而且在PSNR，SSIM，VIF和MSE 4种定量指标上均优于现有的去噪方法。
, 最新更新时间 , doi: 10.11999/JEIT250746
摘要:
基于学习策略和切换系统理论，该文研究了拒绝服务(DoS)攻击下未知信息物理系统(CPSs)的安全分析与控制问题。考虑到攻击能量有限性，采用攻击频率和持续时间来描述DoS攻击。特别地，不同于现有的安全学习方法，该文利用切换系统理论提出了一种在线模态依赖的切换-Q-学习控制新算法及相应的数据驱动安全评估新准则。首先，将休眠和活跃DoS攻击下的未知CPSs分别转化为一类含有稳定和不稳定子系统的未知切换系统。随后设计了一种新颖的在线模态依赖的切换-Q-学习算法，进而获得数据驱动的最优安全控制增益。同时通过约束子系统阶段和切换阶段的能量函数，提出了一种具有攻击频率和持续时间约束的数据驱动安全评估准则。最后通过网络化轮式机器人系统的对比实验验证了该方法的高效性和优越性。
基于学习策略和切换系统理论，该文研究了拒绝服务(DoS)攻击下未知信息物理系统(CPSs)的安全分析与控制问题。考虑到攻击能量有限性，采用攻击频率和持续时间来描述DoS攻击。特别地，不同于现有的安全学习方法，该文利用切换系统理论提出了一种在线模态依赖的切换-Q-学习控制新算法及相应的数据驱动安全评估新准则。首先，将休眠和活跃DoS攻击下的未知CPSs分别转化为一类含有稳定和不稳定子系统的未知切换系统。随后设计了一种新颖的在线模态依赖的切换-Q-学习算法，进而获得数据驱动的最优安全控制增益。同时通过约束子系统阶段和切换阶段的能量函数，提出了一种具有攻击频率和持续时间约束的数据驱动安全评估准则。最后通过网络化轮式机器人系统的对比实验验证了该方法的高效性和优越性。
, 最新更新时间 , doi: 10.11999/JEIT250694
摘要:
针对自然灾害应急救援中无人机路径规划面临的复杂约束和时效性要求，该文提出一种熵增强量子涟漪协同优化算法(E2QRSA)。该文构建了以受困人员生存概率最大化为目标的数学模型，将生存概率随时间指数衰减的特征融入目标函数，并综合考虑禁飞区、警戒区、动态障碍物等多重约束；设计了基于信息熵的量子态初始化策略，通过评估搜索空间的不确定性分布引导初始种群生成；提出多涟漪协同干涉机制，利用干涉场的建设性叠加强化优质解特征传播；建立了熵驱动的参数自适应调控方法，根据搜索熵变化率动态调整涟漪传播参数。结果表明：与PSO, QRO, ATLA, IVCSA, SEWOA等5种算法相比，E2QRSA的平均生存概率较次优算法提升4.3%～5.4%，显著提升了复杂灾害环境下无人机路径规划的时效性、安全性与决策科学性。
针对自然灾害应急救援中无人机路径规划面临的复杂约束和时效性要求，该文提出一种熵增强量子涟漪协同优化算法(E2QRSA)。该文构建了以受困人员生存概率最大化为目标的数学模型，将生存概率随时间指数衰减的特征融入目标函数，并综合考虑禁飞区、警戒区、动态障碍物等多重约束；设计了基于信息熵的量子态初始化策略，通过评估搜索空间的不确定性分布引导初始种群生成；提出多涟漪协同干涉机制，利用干涉场的建设性叠加强化优质解特征传播；建立了熵驱动的参数自适应调控方法，根据搜索熵变化率动态调整涟漪传播参数。结果表明：与PSO, QRO, ATLA, IVCSA, SEWOA等5种算法相比，E2QRSA的平均生存概率较次优算法提升4.3%～5.4%，显著提升了复杂灾害环境下无人机路径规划的时效性、安全性与决策科学性。
, 最新更新时间 , doi: 10.11999/JEIT250452
摘要:
该文研究了智能反射面(IRS)辅助基于速率分割多址接入(RSMA)技术的无人机(UAV)系统安全传输问题。针对存在多个窃听者的通信场景，提出一种联合优化预编码向量、公共安全速率分配、IRS相移和UAV位置的资源分配方案。针对该非凸优化问题，采用分层优化方法将其分解为内层和外层优化两部分。对于内层优化，给定UAV位置，交替优化预编码向量、公共安全速率分配子问题和IRS相移子问题，通过逐次凸逼近、1阶泰勒展开和半正定松弛等方法将非凸问题转化为凸优化问题求解；外层优化，给定其他优化变量，采用粒子群优化算法实现UAV的位置优化。仿真结果表明，所提算法能够有效提高系统安全速率，并优于现有的基准方案。
该文研究了智能反射面(IRS)辅助基于速率分割多址接入(RSMA)技术的无人机(UAV)系统安全传输问题。针对存在多个窃听者的通信场景，提出一种联合优化预编码向量、公共安全速率分配、IRS相移和UAV位置的资源分配方案。针对该非凸优化问题，采用分层优化方法将其分解为内层和外层优化两部分。对于内层优化，给定UAV位置，交替优化预编码向量、公共安全速率分配子问题和IRS相移子问题，通过逐次凸逼近、1阶泰勒展开和半正定松弛等方法将非凸问题转化为凸优化问题求解；外层优化，给定其他优化变量，采用粒子群优化算法实现UAV的位置优化。仿真结果表明，所提算法能够有效提高系统安全速率，并优于现有的基准方案。
, 最新更新时间 , doi: 10.11999/JEIT250759
摘要:
为实现最优不确定多目标分布式融合跟踪，该文提出一种高斯混合-概率假设密度(GM-PHD)滤波器的联邦均值融合算法，该算法具有分层式结构。每个传感器节点运行1个局域GM-PHD滤波器，从传感器量测中提取多目标状态估计。融合节点负责1个仅预测上一时刻融合结果的主滤波器，对所有滤波器的GM-PHD进行关联与合并，且为各滤波器分配融合结果和若干滤波器参数。关联将多目标密度融合分解为4种单目标估计融合，该文推导了有无漏检时的单目标最优估计融合方法。信息分配利用协方差上界理论消除了滤波器间的相关性，进而使所提算法能够获得与贝叶斯融合相同的精度。仿真结果表明，所提算法能够获得最优的跟踪精度，优于现有的算术平均(AA)融合算法，且可以灵活地调节各滤波器的相对可靠性。
为实现最优不确定多目标分布式融合跟踪，该文提出一种高斯混合-概率假设密度(GM-PHD)滤波器的联邦均值融合算法，该算法具有分层式结构。每个传感器节点运行1个局域GM-PHD滤波器，从传感器量测中提取多目标状态估计。融合节点负责1个仅预测上一时刻融合结果的主滤波器，对所有滤波器的GM-PHD进行关联与合并，且为各滤波器分配融合结果和若干滤波器参数。关联将多目标密度融合分解为4种单目标估计融合，该文推导了有无漏检时的单目标最优估计融合方法。信息分配利用协方差上界理论消除了滤波器间的相关性，进而使所提算法能够获得与贝叶斯融合相同的精度。仿真结果表明，所提算法能够获得最优的跟踪精度，优于现有的算术平均(AA)融合算法，且可以灵活地调节各滤波器的相对可靠性。
, 最新更新时间 , doi: 10.11999/JEIT250404
摘要:
心电图(ECG)是衡量一个人身体健康的重要指标，由于ECG图像组成复杂，特征较多，人眼识别往往会出现误差，因此该文提出一种基于数据生成的ECG病理信号分类算法。首先，扩散生成网络通过向真实的ECG信号添加噪声，逐步将其转换为接近纯噪声的分布，从而便于模型的处理。为了提高生成速度和减少内存占用，该文进一步提出了一种基于知识蒸馏的蒸馏-扩散生成 (KD-DGN)模型，该模型在内存和生成效率上优于传统的DGN。该文还讨论了KD-DGN的内存占用、生成效率及ECG数据的准确性，探讨了轻量化处理后生成的数据特征。最后，通过比较原始MIT-BIH数据集与扩展数据集(MIT-BIH-PLUS)在分类模型中的效果，表明卷积网络能够从DGN生成的扩展数据集中获取更多的特征信息，从而提升ECG病理信号的识别效果。
心电图(ECG)是衡量一个人身体健康的重要指标，由于ECG图像组成复杂，特征较多，人眼识别往往会出现误差，因此该文提出一种基于数据生成的ECG病理信号分类算法。首先，扩散生成网络通过向真实的ECG信号添加噪声，逐步将其转换为接近纯噪声的分布，从而便于模型的处理。为了提高生成速度和减少内存占用，该文进一步提出了一种基于知识蒸馏的蒸馏-扩散生成 (KD-DGN)模型，该模型在内存和生成效率上优于传统的DGN。该文还讨论了KD-DGN的内存占用、生成效率及ECG数据的准确性，探讨了轻量化处理后生成的数据特征。最后，通过比较原始MIT-BIH数据集与扩展数据集(MIT-BIH-PLUS)在分类模型中的效果，表明卷积网络能够从DGN生成的扩展数据集中获取更多的特征信息，从而提升ECG病理信号的识别效果。
, 最新更新时间 , doi: 10.11999/JEIT250529
摘要:
针对医学图像与文本深层语义关系建模不足的挑战，该文提出基于大语言模型(LLM)驱动的医学图像语义挖掘哈希方法。首先，联合大语言模型的语义泛化能力，设计了图像描述型、诊断报告总结型和联合模态推理型提示模板进行模态数据增强，从而实现了对医学图像和诊断报告数据的深层次语义挖掘。其次，设计了结构化编码层，以确保图像和文本的特征能够在统一的嵌入空间内进行精确匹配。然后，设计了提示指令模板，采用软提示和硬提示相结合的方式微调大语言模型，实现图像和文本特征的对齐。最后，引入高斯2元受限玻尔兹曼机进行概率化哈希映射，有效保留数据结构信息。实验验证，该方法与最近的经典跨模态哈希检索方法相比，在两个数据集上平均检索精度分别提升7.21%和7.72%。
针对医学图像与文本深层语义关系建模不足的挑战，该文提出基于大语言模型(LLM)驱动的医学图像语义挖掘哈希方法。首先，联合大语言模型的语义泛化能力，设计了图像描述型、诊断报告总结型和联合模态推理型提示模板进行模态数据增强，从而实现了对医学图像和诊断报告数据的深层次语义挖掘。其次，设计了结构化编码层，以确保图像和文本的特征能够在统一的嵌入空间内进行精确匹配。然后，设计了提示指令模板，采用软提示和硬提示相结合的方式微调大语言模型，实现图像和文本特征的对齐。最后，引入高斯2元受限玻尔兹曼机进行概率化哈希映射，有效保留数据结构信息。实验验证，该方法与最近的经典跨模态哈希检索方法相比，在两个数据集上平均检索精度分别提升7.21%和7.72%。
, 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。
