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/JEIT260061
摘要:
词义消歧(WSD)是生物医学文本理解与信息挖掘的核心技术，广泛应用于医学文献分析、临床数据处理等领域。为解决现有模型在生物医学场景中面临的术语语义易受噪声干扰、细粒度语义类区分难、小样本泛化不足等问题，该文提出了一种将生物医学术语中的词形、词性、语义类作为核心消歧特征，输入至Electra、mDeBERTa与T5 3路模型中来获取领域适配的动态词向量，使用Focal loss和Margin loss组合的复合损失函数3路并行架构。该文引入卡方统计量引导的注意力机制，筛选高代表性特征，有效抑制冗余噪声干扰。在模型训练阶段，采用两阶段困难样本挖掘策略：第1阶段精准挖掘困难样本，第2阶段针对性攻克样本学习难题。同时引入基于生物医学术语裁剪的对比学习方法，构建语义一致的双视图进行对比训练，显著增强特征的语义鲁棒性与区分能力。实验结果证明，该方法能够显著提升模型对近义语义类的区分能力，并增强模型在噪声高、少样本场景下的鲁棒性与泛化能力，表现出更优秀的生物医学词义消歧性能。
词义消歧(WSD)是生物医学文本理解与信息挖掘的核心技术，广泛应用于医学文献分析、临床数据处理等领域。为解决现有模型在生物医学场景中面临的术语语义易受噪声干扰、细粒度语义类区分难、小样本泛化不足等问题，该文提出了一种将生物医学术语中的词形、词性、语义类作为核心消歧特征，输入至Electra、mDeBERTa与T5 3路模型中来获取领域适配的动态词向量，使用Focal loss和Margin loss组合的复合损失函数3路并行架构。该文引入卡方统计量引导的注意力机制，筛选高代表性特征，有效抑制冗余噪声干扰。在模型训练阶段，采用两阶段困难样本挖掘策略：第1阶段精准挖掘困难样本，第2阶段针对性攻克样本学习难题。同时引入基于生物医学术语裁剪的对比学习方法，构建语义一致的双视图进行对比训练，显著增强特征的语义鲁棒性与区分能力。实验结果证明，该方法能够显著提升模型对近义语义类的区分能力，并增强模型在噪声高、少样本场景下的鲁棒性与泛化能力，表现出更优秀的生物医学词义消歧性能。
, 最新更新时间 , doi: 10.11999/JEIT260045
摘要:
针对复杂不确定性环境下的多目标跟踪问题，该文提出了一种基于双延迟深度确定性策略梯度(Twin-Delayed Deep Deterministic Policy Gradient algorithm, TD3)学习机制的标签多伯努利滤波器(Labeled Multi-Bernoulli, LMB)传感器管理方法。首先，联合深度强化学习和有限集统计(Finite Set Statistics, FISST)理论，基于LMB多目标运动感知结果构建信念空间，将传感器管理任务转化为该空间内的连续动作决策问题，使智能体能够根据当前多目标信念状态选择移动传感器的下一步观测动作。其次，为精准量化传感器配置对感知效能的增量贡献，引入柯西-施瓦茨(Cauchy-Schwarz, CS)散度动态评估候选策略驱动下的多目标概率密度信息增益，并据此设计信息驱动型奖励函数。通过TD3网络的双评论家架构、目标策略平滑与延迟更新机制，智能体能够在连续动作空间内学习观测配置，实现对传感器管理的闭环决策。实验结果表明，该方法能够改善LMB滤波器的状态估计性能和传感器轨迹连续性。
针对复杂不确定性环境下的多目标跟踪问题，该文提出了一种基于双延迟深度确定性策略梯度(Twin-Delayed Deep Deterministic Policy Gradient algorithm, TD3)学习机制的标签多伯努利滤波器(Labeled Multi-Bernoulli, LMB)传感器管理方法。首先，联合深度强化学习和有限集统计(Finite Set Statistics, FISST)理论，基于LMB多目标运动感知结果构建信念空间，将传感器管理任务转化为该空间内的连续动作决策问题，使智能体能够根据当前多目标信念状态选择移动传感器的下一步观测动作。其次，为精准量化传感器配置对感知效能的增量贡献，引入柯西-施瓦茨(Cauchy-Schwarz, CS)散度动态评估候选策略驱动下的多目标概率密度信息增益，并据此设计信息驱动型奖励函数。通过TD3网络的双评论家架构、目标策略平滑与延迟更新机制，智能体能够在连续动作空间内学习观测配置，实现对传感器管理的闭环决策。实验结果表明，该方法能够改善LMB滤波器的状态估计性能和传感器轨迹连续性。
, 最新更新时间 , doi: 10.11999/JEIT260138
摘要:
针对复杂动态环境下多无人机协同任务规划中任务动态到达、平台故障、禁飞约束与链路质量波动并存所导致的任务分配与航路规划强耦合问题，该文构建动态韧性任务与航路耦合规划模型，将任务价值、航路代价、能耗、干扰惩罚、时间窗、能力约束、冲突消解和链路质量纳入统一优化框架，并以补偿负载与韧性指标刻画中断风险对系统效能的影响。在此基础上提出韧性感知混合群智能优化算法(RAHSO)：以聚类与遗传初始化生成高质量初始解，用粪甲虫优化器(DBO)与粒子群优化(PSO)混合搜索结合遗传算法(GA)与变邻域搜索(VNS)实现全局探索与局部精修，引入死锁检测与修复保障分配结果的无环一致性，并设计基于近端策略优化(PPO)的事件驱动在线重规划模块以应对紧急任务插入与无人机故障。在仿真平台上构建静态、规模扩展、动态事件和中断4类场景开展对比与消融实验，结果表明RAHSO在任务完成率、累计任务价值、平均能耗、恢复时间和韧性指数等指标上具备稳定优势，并在保证在线重规划实时性的前提下兼顾任务效率与系统韧性。
针对复杂动态环境下多无人机协同任务规划中任务动态到达、平台故障、禁飞约束与链路质量波动并存所导致的任务分配与航路规划强耦合问题，该文构建动态韧性任务与航路耦合规划模型，将任务价值、航路代价、能耗、干扰惩罚、时间窗、能力约束、冲突消解和链路质量纳入统一优化框架，并以补偿负载与韧性指标刻画中断风险对系统效能的影响。在此基础上提出韧性感知混合群智能优化算法(RAHSO)：以聚类与遗传初始化生成高质量初始解，用粪甲虫优化器(DBO)与粒子群优化(PSO)混合搜索结合遗传算法(GA)与变邻域搜索(VNS)实现全局探索与局部精修，引入死锁检测与修复保障分配结果的无环一致性，并设计基于近端策略优化(PPO)的事件驱动在线重规划模块以应对紧急任务插入与无人机故障。在仿真平台上构建静态、规模扩展、动态事件和中断4类场景开展对比与消融实验，结果表明RAHSO在任务完成率、累计任务价值、平均能耗、恢复时间和韧性指数等指标上具备稳定优势，并在保证在线重规划实时性的前提下兼顾任务效率与系统韧性。
, 最新更新时间 , doi: 10.11999/JEIT260040
摘要:
针对红外小目标在深层卷积神经网络中特征弥散、易受复杂背景干扰而导致检测性能下降的问题，该文提出一种基于多维融合注意力机制的红外小目标检测方法。设计通道-空间注意力特征增强模块，通过并行分支结构聚合跨维度显著性特征，抑制目标特征在深层网络的弥散趋势；通过自适应跨维度信息交互，建立通道-空间的跨域依赖关系，增强微弱目标在深层网络的特征响应。该方法仅需极低计算复杂度即可灵活嵌入基线模型，实现目标深度特征聚拢。在NUDT-SIRST数据集上的实验表明，所提方法在高杂波、低信噪比场景下表现出更强的鲁棒性和泛化能力。基于自研的轻量化智能处理单元进行边缘部署性能验证，实测单帧推理时延为46.7 ms，满足工程应用中实时性与高精度要求。
针对红外小目标在深层卷积神经网络中特征弥散、易受复杂背景干扰而导致检测性能下降的问题，该文提出一种基于多维融合注意力机制的红外小目标检测方法。设计通道-空间注意力特征增强模块，通过并行分支结构聚合跨维度显著性特征，抑制目标特征在深层网络的弥散趋势；通过自适应跨维度信息交互，建立通道-空间的跨域依赖关系，增强微弱目标在深层网络的特征响应。该方法仅需极低计算复杂度即可灵活嵌入基线模型，实现目标深度特征聚拢。在NUDT-SIRST数据集上的实验表明，所提方法在高杂波、低信噪比场景下表现出更强的鲁棒性和泛化能力。基于自研的轻量化智能处理单元进行边缘部署性能验证，实测单帧推理时延为46.7 ms，满足工程应用中实时性与高精度要求。
, 最新更新时间 , doi: 10.11999/JEIT260118
摘要:
在网络流量规模持续增长、攻击手段日趋复杂的背景下，现有异常流量检测方法面临流特征提取效率低、对标注数据依赖强以及缺乏通信关系上下文建模的问题。为此，该文提出一种融合流数据压缩与图自监督学习的异常流量检测方法SketchGNN。首先，设计基于流数据压缩的自适应特征提取机制，依据流量分布动态调整数据结构，在有限内存开销下高效提取多样化流特征，并显著提升测量精度；之后，构建基于自监督学习的图神经网络模型，通过消息传递机制学习拓扑结构以建模流量上下文，生成对正常流量波动具备鲁棒性的高质量边嵌入，最终结合无监督分类算法实现无标注数据依赖的高效异常检测。实验结果表明，SketchGNN在多种无监督分类器上的检测准确率均不低于95.2%，且相比基线方案在特征测量误差关键指标上降低至少31.0%，验证了所提方法在大规模网络异常流量检测场景中的有效性与可扩展性。
在网络流量规模持续增长、攻击手段日趋复杂的背景下，现有异常流量检测方法面临流特征提取效率低、对标注数据依赖强以及缺乏通信关系上下文建模的问题。为此，该文提出一种融合流数据压缩与图自监督学习的异常流量检测方法SketchGNN。首先，设计基于流数据压缩的自适应特征提取机制，依据流量分布动态调整数据结构，在有限内存开销下高效提取多样化流特征，并显著提升测量精度；之后，构建基于自监督学习的图神经网络模型，通过消息传递机制学习拓扑结构以建模流量上下文，生成对正常流量波动具备鲁棒性的高质量边嵌入，最终结合无监督分类算法实现无标注数据依赖的高效异常检测。实验结果表明，SketchGNN在多种无监督分类器上的检测准确率均不低于95.2%，且相比基线方案在特征测量误差关键指标上降低至少31.0%，验证了所提方法在大规模网络异常流量检测场景中的有效性与可扩展性。
, 最新更新时间 , doi: 10.11999/JEIT251384
摘要:
针对多航天器轨道追逃博弈问题，该文构建了一个尚未得到系统研究的新型研究场景。为提升航天器决策能力，使其在复杂多智能体博弈环境下生成更加稳健的博弈策略，文中提出一种基于渐进式对抗训练框架的多智能体深度强化学习算法，用于求解各航天器博弈策略。研究设置两组具备不同轨道特性的算例以及多组仿真条件开展数值模拟，并结合行为偏差分析完成策略鲁棒性验证，探究轨道特性、仿真条件与行为偏差对航天器博弈策略的影响规律。仿真结果表明，所提算法能够为各航天器生成有效博弈策略，所得策略满足全部约束条件，具备良好的鲁棒性能。
针对多航天器轨道追逃博弈问题，该文构建了一个尚未得到系统研究的新型研究场景。为提升航天器决策能力，使其在复杂多智能体博弈环境下生成更加稳健的博弈策略，文中提出一种基于渐进式对抗训练框架的多智能体深度强化学习算法，用于求解各航天器博弈策略。研究设置两组具备不同轨道特性的算例以及多组仿真条件开展数值模拟，并结合行为偏差分析完成策略鲁棒性验证，探究轨道特性、仿真条件与行为偏差对航天器博弈策略的影响规律。仿真结果表明，所提算法能够为各航天器生成有效博弈策略，所得策略满足全部约束条件，具备良好的鲁棒性能。
, 最新更新时间 , doi: 10.11999/JEIT260143
摘要:
面向复杂动态环境下智能化装备体系效能评估中存在的层级割裂、协同机理弱显式和长期适应能力难表征等问题，该文围绕单装自主性、系统协同性和体系学习性，提出面向复杂多智能体系统的跨层规则演化与协同优化框架。首先，在单装层采用部分可观测马尔可夫决策过程(POMDP)描述异构个体在部分可观测条件下的局部感知、风险评估与自主决策过程；其次，在系统层构建分布式部分可观测马尔可夫决策过程(Dec-POMDP)与动态有向加权图结合的协同建模框架，并引入图神经网络(GNN)刻画多智能体交互结构、联合价值与关键支撑链路；进一步，在体系层构建元分布式部分可观测马尔可夫决策过程(Meta-Dec-POMDP)规则演化模型，通过元状态、规则记忆与任务上下文条件化设计长期认知演化的收敛趋势、多样性保持与振荡抑制机制，实现跨任务学习与长期自适应。在此基础上，设计了行为上行归纳-规则下行塑形的跨层闭环机制，实现局部状态特征、协同结构语义与规则参数之间的复用传递和统一约束。仿真实验表明，所提完整闭环模型在基准及多类非平稳场景下均优于对比模型。研究表明，跨层闭环并非附加结构，而是将局部学习优势稳定转化为整体效能提升的关键机制，可为复杂多智能体系统的效能评估与自适应协同优化提供理论依据和方法支撑。
面向复杂动态环境下智能化装备体系效能评估中存在的层级割裂、协同机理弱显式和长期适应能力难表征等问题，该文围绕单装自主性、系统协同性和体系学习性，提出面向复杂多智能体系统的跨层规则演化与协同优化框架。首先，在单装层采用部分可观测马尔可夫决策过程(POMDP)描述异构个体在部分可观测条件下的局部感知、风险评估与自主决策过程；其次，在系统层构建分布式部分可观测马尔可夫决策过程(Dec-POMDP)与动态有向加权图结合的协同建模框架，并引入图神经网络(GNN)刻画多智能体交互结构、联合价值与关键支撑链路；进一步，在体系层构建元分布式部分可观测马尔可夫决策过程(Meta-Dec-POMDP)规则演化模型，通过元状态、规则记忆与任务上下文条件化设计长期认知演化的收敛趋势、多样性保持与振荡抑制机制，实现跨任务学习与长期自适应。在此基础上，设计了行为上行归纳-规则下行塑形的跨层闭环机制，实现局部状态特征、协同结构语义与规则参数之间的复用传递和统一约束。仿真实验表明，所提完整闭环模型在基准及多类非平稳场景下均优于对比模型。研究表明，跨层闭环并非附加结构，而是将局部学习优势稳定转化为整体效能提升的关键机制，可为复杂多智能体系统的效能评估与自适应协同优化提供理论依据和方法支撑。
, 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/JEIT260083
摘要:
中波红外探测器具备高灵敏度和优异的温度分辨能力，在国土安全、工业测温、医疗诊断以及遥感监测等民用与军用领域均扮演着至关重要的角色。二类超晶格(T2SL)材料因其能带可调和低俄歇复合率等优势，成为最具潜力的第3代红外探测器材料体系。该文首先阐述量子效率、暗电流密度与比探测率等关键光电参数对探测器性能的影响；随后，聚焦于InAs/GaSb和InAs/InAsSb两大材料体系，系统综述了在暗电流抑制与光响应提升两方面的最新进展，包括势垒结构设计、外延生长优化及器件工艺改进等关键技术，通过这些关键技术研发，探测器性能和工作温度不断提升；最后，对比分析了两类探测器的主要性能指标，并展望了中波超晶格探测技术未来的发展将集中于结构创新设计、大尺寸高质量材料生长、大规模焦平面集成等方面，并有望通过多机制耦合进一步拓展探测性能与应用边界。
中波红外探测器具备高灵敏度和优异的温度分辨能力，在国土安全、工业测温、医疗诊断以及遥感监测等民用与军用领域均扮演着至关重要的角色。二类超晶格(T2SL)材料因其能带可调和低俄歇复合率等优势，成为最具潜力的第3代红外探测器材料体系。该文首先阐述量子效率、暗电流密度与比探测率等关键光电参数对探测器性能的影响；随后，聚焦于InAs/GaSb和InAs/InAsSb两大材料体系，系统综述了在暗电流抑制与光响应提升两方面的最新进展，包括势垒结构设计、外延生长优化及器件工艺改进等关键技术，通过这些关键技术研发，探测器性能和工作温度不断提升；最后，对比分析了两类探测器的主要性能指标，并展望了中波超晶格探测技术未来的发展将集中于结构创新设计、大尺寸高质量材料生长、大规模焦平面集成等方面，并有望通过多机制耦合进一步拓展探测性能与应用边界。
, 最新更新时间 , doi: 10.11999/JEIT260330
摘要:
针对现有基于心脏电影磁共振成像的瘢痕心肌分型方法中运动表征过于离散化且多模态融合机制难以挖掘深层病理关联的问题，该文提出一种基于运动引导纹理学习的瘢痕心肌分型方法(MGTNet)。该方法旨在通过精细化的运动场先验主动引导纹理特征的提取，实现运动与纹理的深度协同。首先引入流体力学中的雷诺分解思想构建雷诺分解运动网络，将心肌运动场解耦为规律性的平均运动与异常性的脉动运动以捕捉微小的运动异常。其次设计运动引导注意力模块，以提炼后的运动特征作为查询向量，通过交叉注意力机制定向增强纹理特征对病灶区域的感知能力。最后结合帧间运动交互与帧内纹理提取模块，实现端到端的精确分型。在CMRD与公开的ACDC数据集上的实验结果表明，该方法在各项关键指标上均优于现有的单模态及多模态融合方法。具体而言，MGTNet在两个数据集上的准确率分别达到95.6%和97.3%，AUC值均超过0.960。相比于基线网络运动与纹理网络(MTNet)，该方法在准确率和F1分数上最高分别提升了1.4%和2.3%。结果证实MGTNet通过利用运动先验信息引导纹理特征提取的策略，有效提升了瘢痕心肌的无创诊断精度。
针对现有基于心脏电影磁共振成像的瘢痕心肌分型方法中运动表征过于离散化且多模态融合机制难以挖掘深层病理关联的问题，该文提出一种基于运动引导纹理学习的瘢痕心肌分型方法(MGTNet)。该方法旨在通过精细化的运动场先验主动引导纹理特征的提取，实现运动与纹理的深度协同。首先引入流体力学中的雷诺分解思想构建雷诺分解运动网络，将心肌运动场解耦为规律性的平均运动与异常性的脉动运动以捕捉微小的运动异常。其次设计运动引导注意力模块，以提炼后的运动特征作为查询向量，通过交叉注意力机制定向增强纹理特征对病灶区域的感知能力。最后结合帧间运动交互与帧内纹理提取模块，实现端到端的精确分型。在CMRD与公开的ACDC数据集上的实验结果表明，该方法在各项关键指标上均优于现有的单模态及多模态融合方法。具体而言，MGTNet在两个数据集上的准确率分别达到95.6%和97.3%，AUC值均超过0.960。相比于基线网络运动与纹理网络(MTNet)，该方法在准确率和F1分数上最高分别提升了1.4%和2.3%。结果证实MGTNet通过利用运动先验信息引导纹理特征提取的策略，有效提升了瘢痕心肌的无创诊断精度。
, 最新更新时间 , doi: 10.11999/JEIT260889
摘要:
多模态信息融合技术可有效改善反无人机探测系统的泛化能力、鲁棒性与场景适配能力。针对现有反无人机探测数据集在模态种类、无人机型号和标注信息等方面的缺陷，该文公开了DroneRFc-MM多模态反无人机探测数据集。该数据集同步采集了云台相机、广角相机、射频天线、激光雷达、毫米波雷达和传声器阵列6类传感器数据，覆盖6种消费级无人机机型，并提供机型、定位、姿态和速度等细粒度标注，可支持目标探测、机型识别和运动方向推理等任务，并提供了易用的样本提取工具代码。最后，作为该数据集的使用示范，该文评估了Qwen系列最新模型在无人机飞行方向推理任务的表现。
多模态信息融合技术可有效改善反无人机探测系统的泛化能力、鲁棒性与场景适配能力。针对现有反无人机探测数据集在模态种类、无人机型号和标注信息等方面的缺陷，该文公开了DroneRFc-MM多模态反无人机探测数据集。该数据集同步采集了云台相机、广角相机、射频天线、激光雷达、毫米波雷达和传声器阵列6类传感器数据，覆盖6种消费级无人机机型，并提供机型、定位、姿态和速度等细粒度标注，可支持目标探测、机型识别和运动方向推理等任务，并提供了易用的样本提取工具代码。最后，作为该数据集的使用示范，该文评估了Qwen系列最新模型在无人机飞行方向推理任务的表现。
, 最新更新时间 , doi: 10.11999/JEIT260565
摘要:
随着混合专家(MoE)的广泛应用，基于硅通孔(TSV)的三维集成电路(3D IC)成为突破诸多瓶颈的关键技术。然而，高密度TSV阵列在高吞吐量、高并发传输场景下面临严峻的信号完整性与可靠性问题，且MoE推理任务具有动态变化的通信模式，静态TSV分配难以适配突发性大批量数据传输。针对上述问题，该文面向大规模TSV阵列的高优化复杂度提出簇规模划分方案，提升优化效率和灵活性。此外，围绕MoE专用加速器高并发数据传输场景下不同阶段数据流特征差异，提出了基于容错机制的计算阶段和负载感知的动态数据映射(PLDM)优化策略，根据不同计算阶段的特点动态调整数据映射，并依据簇级误码率和簇负载状态动态分配数据。TSV簇传输仿真实验表明，相比静态映射，动态映射使得平均带宽利用率提升约12.6%，簇负载均衡度提升2.2倍。该文随后在三层堆叠系统上部署MoE推理并进行系统验证。在系统级错误注入情况下，本方案可以将模型推理困惑度损失控制在0.02以内，带宽利用率提升约15%，簇负载均衡性提升约3.4倍。
随着混合专家(MoE)的广泛应用，基于硅通孔(TSV)的三维集成电路(3D IC)成为突破诸多瓶颈的关键技术。然而，高密度TSV阵列在高吞吐量、高并发传输场景下面临严峻的信号完整性与可靠性问题，且MoE推理任务具有动态变化的通信模式，静态TSV分配难以适配突发性大批量数据传输。针对上述问题，该文面向大规模TSV阵列的高优化复杂度提出簇规模划分方案，提升优化效率和灵活性。此外，围绕MoE专用加速器高并发数据传输场景下不同阶段数据流特征差异，提出了基于容错机制的计算阶段和负载感知的动态数据映射(PLDM)优化策略，根据不同计算阶段的特点动态调整数据映射，并依据簇级误码率和簇负载状态动态分配数据。TSV簇传输仿真实验表明，相比静态映射，动态映射使得平均带宽利用率提升约12.6%，簇负载均衡度提升2.2倍。该文随后在三层堆叠系统上部署MoE推理并进行系统验证。在系统级错误注入情况下，本方案可以将模型推理困惑度损失控制在0.02以内，带宽利用率提升约15%，簇负载均衡性提升约3.4倍。
, 最新更新时间 , doi: 10.11999/JEIT260958
摘要:
利用截短输入消息构造校验节点(Check Node, CN)的网格图，可以实现多进制低密度奇偶校验(Low-Density Parity-Check, LDPC)码CN更新的高效并行处理。然而，该类译码算法的变量节点(Variable Node, VN)更新过程通常以串行方式逐一处理候选域元素，制约了译码复杂度的进一步降低。为此，该文提出了一种双网格图消息传递的多进制LDPC码译码算法。该算法在CN网格图更新的基础上，构造了基于截短输入消息的VN网格图，通过对VN网格图节点逐行剪枝，并差异化更新输出向量，实现了VN更新的高效并行处理。实验结果表明，在相同CN网格图消息传递方法下，所提VN并行更新方法较原始VN更新显著降低了计算复杂度，且纠错性能和收敛速度基本一致；与近似置信传播译码算法相比，所提译码算法具有相近的译码性能和更低的复杂度。
利用截短输入消息构造校验节点(Check Node, CN)的网格图，可以实现多进制低密度奇偶校验(Low-Density Parity-Check, LDPC)码CN更新的高效并行处理。然而，该类译码算法的变量节点(Variable Node, VN)更新过程通常以串行方式逐一处理候选域元素，制约了译码复杂度的进一步降低。为此，该文提出了一种双网格图消息传递的多进制LDPC码译码算法。该算法在CN网格图更新的基础上，构造了基于截短输入消息的VN网格图，通过对VN网格图节点逐行剪枝，并差异化更新输出向量，实现了VN更新的高效并行处理。实验结果表明，在相同CN网格图消息传递方法下，所提VN并行更新方法较原始VN更新显著降低了计算复杂度，且纠错性能和收敛速度基本一致；与近似置信传播译码算法相比，所提译码算法具有相近的译码性能和更低的复杂度。
, 最新更新时间 , doi: 10.11999/JEIT260922
摘要:
针对山地环境下对流层散射通信中的“开门见山”工程难题，首次将可重构智能超表面(Reconfigurable Intelligent Surface, RIS)引入散射通信领域，构建RIS辅助的散射通信系统框架模型，并对RIS部署优化开展系统性研究。提出了包含越障固有约束、优化上界约束、辐射近场区约束及硬件有效工作角度约束等工程约束在内的三维部署可行区域模型；建立了卡塞格伦天线仰角动态增益衰减的量化模型，并结合散射传输损耗和自由空间路径损耗(Free Space Path Loss, FSPL)，构建起RIS部署优化目标函数；提出并分析、验证目标函数的降维特性，将三维空间中的RIS部署优化问题降维至二维流形曲面求解；在此基础上，设计并提出带动量与自适应回溯线搜索的改进梯度下降(Gradient Descent, GD)算法IGD-M&ABLS，实现对RIS部署位置的高效解析寻优。理论分析和仿真实验测试结果表明，与基线算法相比，新算法能够稳定输出对应最佳目标函数值的RIS部署点位，且具有更低复杂度，其具体运行时间有数量级上的显著优势。
针对山地环境下对流层散射通信中的“开门见山”工程难题，首次将可重构智能超表面(Reconfigurable Intelligent Surface, RIS)引入散射通信领域，构建RIS辅助的散射通信系统框架模型，并对RIS部署优化开展系统性研究。提出了包含越障固有约束、优化上界约束、辐射近场区约束及硬件有效工作角度约束等工程约束在内的三维部署可行区域模型；建立了卡塞格伦天线仰角动态增益衰减的量化模型，并结合散射传输损耗和自由空间路径损耗(Free Space Path Loss, FSPL)，构建起RIS部署优化目标函数；提出并分析、验证目标函数的降维特性，将三维空间中的RIS部署优化问题降维至二维流形曲面求解；在此基础上，设计并提出带动量与自适应回溯线搜索的改进梯度下降(Gradient Descent, GD)算法IGD-M&ABLS，实现对RIS部署位置的高效解析寻优。理论分析和仿真实验测试结果表明，与基线算法相比，新算法能够稳定输出对应最佳目标函数值的RIS部署点位，且具有更低复杂度，其具体运行时间有数量级上的显著优势。
, 最新更新时间 , doi: 10.11999/JEIT260024
摘要:
针对非正交椭圆球面波函数(PSWFs)信号间相互干扰严重，传统检测方法难以有效分离干扰导致性能下降的难题，该文提出一种基于时序-空间特征自适应融合(ATSFF)的非正交PSWFs信号检测方法。该方法构建时序-空间双路径并行特征提取架构，分别提取信号的一维时序相关特征与二维空间结构特征，设计基于预测置信度的自适应概率加权融合机制实现特征互补增强。仿真结果表明，在误比特率为 4×10–5时，所提方法系统误码性能比交叉项检测方法提升约0.2 dB。
针对非正交椭圆球面波函数(PSWFs)信号间相互干扰严重，传统检测方法难以有效分离干扰导致性能下降的难题，该文提出一种基于时序-空间特征自适应融合(ATSFF)的非正交PSWFs信号检测方法。该方法构建时序-空间双路径并行特征提取架构，分别提取信号的一维时序相关特征与二维空间结构特征，设计基于预测置信度的自适应概率加权融合机制实现特征互补增强。仿真结果表明，在误比特率为 4×10–5时，所提方法系统误码性能比交叉项检测方法提升约0.2 dB。
, 最新更新时间 , doi: 10.11999/JEIT260221
摘要:
视频场景图生成是一项从视频中提取目标及其相互关系的高级视觉理解任务。目前相关研究多聚焦于自然场景，在遥感领域仍有待深入探索。无人机视频视角变化明显且目标尺度差异大，使得数据标注成本显著增加，缺乏大规模基准数据集是现阶段无人机视频场景图生成研究的主要障碍。该文构建了一个无人机视频关系理解数据集，在50个无人机视频中标注了12个目标类别，共计876687 个目标框；并基于目标框标注了20个关系类别，共计459164 个关系三元组。同时，提出了一种时空超图增强关系理解方法，利用超图结构对无人机视频复杂目标关联进行建模，从而实现更有效的特征聚合，增强了无人机视频关系理解能力。为评估主流方法在该数据集上的性能表现，该文对目标检测任务及场景图生成的三个子任务进行了全面测试与对比。结果表明，所提方法在场景图生成三个子任务共18个精度指标中8个优于基线方法。
视频场景图生成是一项从视频中提取目标及其相互关系的高级视觉理解任务。目前相关研究多聚焦于自然场景，在遥感领域仍有待深入探索。无人机视频视角变化明显且目标尺度差异大，使得数据标注成本显著增加，缺乏大规模基准数据集是现阶段无人机视频场景图生成研究的主要障碍。该文构建了一个无人机视频关系理解数据集，在50个无人机视频中标注了12个目标类别，共计
, 最新更新时间 , doi: 10.11999/JEIT260648
摘要:
针对水声通信网络中单源双汇多跳传输可靠性不足和冗余开销较高的问题，该文提出一种融合随机线性网络编码与协作转发的可靠传输协议(NCCRTP)。该协议构建多种传输模式，根据链路质量和剩余跳数计算不同模式下满足可靠性要求的发送预算，并结合结构收益评估选择更有利于编码信息互补利用的转发结构，使中继节点能够分布式积累并联合利用编码信息，从而提高多跳高误包率条件下的数据恢复能力。同时，NCCRTP采用轻量化编码表示降低编码头部开销，并结合冗余预算控制减少无效发送。仿真结果表明，相比基于向量的转发(VBF)、聚焦波路由(FBR)等典型路由协议与重复冗余传输、随机线性网络编码(RLNC)等传输层可靠性机制组合形成的对比方案，NCCRTP在规则拓扑和随机拓扑下均获得更高的联合投递率；在中高误包率或多跳传输条件下，联合投递率最高提升约50%，等效单位成功投递发送开销最高降低约40%。
针对水声通信网络中单源双汇多跳传输可靠性不足和冗余开销较高的问题，该文提出一种融合随机线性网络编码与协作转发的可靠传输协议(NCCRTP)。该协议构建多种传输模式，根据链路质量和剩余跳数计算不同模式下满足可靠性要求的发送预算，并结合结构收益评估选择更有利于编码信息互补利用的转发结构，使中继节点能够分布式积累并联合利用编码信息，从而提高多跳高误包率条件下的数据恢复能力。同时，NCCRTP采用轻量化编码表示降低编码头部开销，并结合冗余预算控制减少无效发送。仿真结果表明，相比基于向量的转发(VBF)、聚焦波路由(FBR)等典型路由协议与重复冗余传输、随机线性网络编码(RLNC)等传输层可靠性机制组合形成的对比方案，NCCRTP在规则拓扑和随机拓扑下均获得更高的联合投递率；在中高误包率或多跳传输条件下，联合投递率最高提升约50%，等效单位成功投递发送开销最高降低约40%。
, 最新更新时间 , doi: 10.11999/JEIT260375
摘要:
针对多波束低轨卫星(LEO)通信系统中全频率复用引发的波束间干扰，以及现有组播预编码算法计算复杂度高、用户分组公平性不足的挑战，该文提出一种高效的联合优化方案。首先，设计了一种基于卷积神经网络-长短期记忆网络(CNN-LSTM)混合架构的无监督深度学习预编码模型。该模型能够从信道状态信息(CSI)和信噪比(SNR)中有效提取特征，在满足单天线功率约束(PAC)的前提下最大化系统总速率，其在线计算复杂度仅随天线数量线性增长，显著低于传统方法的立方级复杂度。其次，针对DVB-S2X标准下基于帧的组播预编码对等容量用户分组的硬性要求，提出约束K-means(CK-means)和公平感知MAUG(FA-MAUG)用户分组算法。前者可在保证每组用户数量严格一致的同时维持较高的组内信道相似度；后者通过优先保障边缘弱用户分组质量，有效提升了系统公平性和整体鲁棒性。仿真结果表明，所提深度学习预编码方案在总速率性能上显著优于传统MMSE算法，在不同SNR下平均提升约48%。同时，改进的用户分组算法进一步增强了组内信道一致性并显著提高了系统吞吐量。研究结果展现了所提算法良好的实用价值和工程适用性，为多波束低轨卫星通信系统的资源优化提供了有效技术途径。
针对多波束低轨卫星(LEO)通信系统中全频率复用引发的波束间干扰，以及现有组播预编码算法计算复杂度高、用户分组公平性不足的挑战，该文提出一种高效的联合优化方案。首先，设计了一种基于卷积神经网络-长短期记忆网络(CNN-LSTM)混合架构的无监督深度学习预编码模型。该模型能够从信道状态信息(CSI)和信噪比(SNR)中有效提取特征，在满足单天线功率约束(PAC)的前提下最大化系统总速率，其在线计算复杂度仅随天线数量线性增长，显著低于传统方法的立方级复杂度。其次，针对DVB-S2X标准下基于帧的组播预编码对等容量用户分组的硬性要求，提出约束K-means(CK-means)和公平感知MAUG(FA-MAUG)用户分组算法。前者可在保证每组用户数量严格一致的同时维持较高的组内信道相似度；后者通过优先保障边缘弱用户分组质量，有效提升了系统公平性和整体鲁棒性。仿真结果表明，所提深度学习预编码方案在总速率性能上显著优于传统MMSE算法，在不同SNR下平均提升约48%。同时，改进的用户分组算法进一步增强了组内信道一致性并显著提高了系统吞吐量。研究结果展现了所提算法良好的实用价值和工程适用性，为多波束低轨卫星通信系统的资源优化提供了有效技术途径。
, 最新更新时间 , doi: 10.11999/JEIT260751
摘要:
针对卷积神经网络在复杂场景中过度依赖正相关特征响应，导致特征关注由目标主体向局部区域偏移的问题，该文提出互补衰减学习的图像分类网络(CDLNet)。首先，提出空间互补衰减(SCD)模块，将特征划分为正响应、负响应与全局响应三类分支，并分别进行幅值衰减调节，使前景细节、背景结构与整体信息在空间上得到保留；然后，设计通道互补衰减(CCD)模块，通过对通道幅值施加指数衰减处理，降低少数高响应通道的主导作用，保留中低幅值通道信息；随后，设计互补衰减注意力(CDA)模块，并嵌入残差块中，实现空间结构与通道语义的协同调节。在CIFAR-10、CIFAR-100、SVHN、Imagenette、Imagewoof和ImageNet数据集上分别取得96.68%、81.81%、97.38%、92.45%、85.46%和62.00%的分类准确率。实验结果表明，CDLNet能够有效缓解高响应特征主导引起的特征关注漂移问题，增强低幅值与负响应信息的表达能力，提升图像分类能力。
针对卷积神经网络在复杂场景中过度依赖正相关特征响应，导致特征关注由目标主体向局部区域偏移的问题，该文提出互补衰减学习的图像分类网络(CDLNet)。首先，提出空间互补衰减(SCD)模块，将特征划分为正响应、负响应与全局响应三类分支，并分别进行幅值衰减调节，使前景细节、背景结构与整体信息在空间上得到保留；然后，设计通道互补衰减(CCD)模块，通过对通道幅值施加指数衰减处理，降低少数高响应通道的主导作用，保留中低幅值通道信息；随后，设计互补衰减注意力(CDA)模块，并嵌入残差块中，实现空间结构与通道语义的协同调节。在CIFAR-10、CIFAR-100、SVHN、Imagenette、Imagewoof和ImageNet数据集上分别取得96.68%、81.81%、97.38%、92.45%、85.46%和62.00%的分类准确率。实验结果表明，CDLNet能够有效缓解高响应特征主导引起的特征关注漂移问题，增强低幅值与负响应信息的表达能力，提升图像分类能力。
, 最新更新时间 , doi: 10.11999/JEIT260365
摘要:
现有文本分类模型在标注数据稀缺场景下性能受限，其训练过程通常依赖单一视图的弱监督学习，易受噪声干扰，且难以挖掘难例样本在其他视图中的潜在判别信息。为解决上述问题，本文提出一种基于异构多视图语义融合的文本分类模型训练方法(HMVSF)。首先，在词频视图以双聚类一致性构建聚类一致样本集并进行一次轻量更新，提升伪监督可靠性；其次，开展主题建模，自适应选择主题数，生成硬标签与软分布，引导一次难例重训以充分挖掘其主题视图潜在特征；最后，两阶段共享同一编码器，在小规模标注集上统一微调，形成不依赖于特定的预训练起点的训练流程。在DBpedia、AG News、ISEAR、SMS Spam、Subjectivity、Polarity 6个公开数据集上，基于BERT分别设置两条初始化实验路线，实验结果表明，HMVSF整体优于代表性基线与单阶段变体，低标注预算下的提升尤为显著。
现有文本分类模型在标注数据稀缺场景下性能受限，其训练过程通常依赖单一视图的弱监督学习，易受噪声干扰，且难以挖掘难例样本在其他视图中的潜在判别信息。为解决上述问题，本文提出一种基于异构多视图语义融合的文本分类模型训练方法(HMVSF)。首先，在词频视图以双聚类一致性构建聚类一致样本集并进行一次轻量更新，提升伪监督可靠性；其次，开展主题建模，自适应选择主题数，生成硬标签与软分布，引导一次难例重训以充分挖掘其主题视图潜在特征；最后，两阶段共享同一编码器，在小规模标注集上统一微调，形成不依赖于特定的预训练起点的训练流程。在DBpedia、AG News、ISEAR、SMS Spam、Subjectivity、Polarity 6个公开数据集上，基于BERT分别设置两条初始化实验路线，实验结果表明，HMVSF整体优于代表性基线与单阶段变体，低标注预算下的提升尤为显著。
, 最新更新时间 , doi: 10.11999/JEIT260877
摘要:
随着高空电磁脉冲数字化实验和在线评估技术的快速发展，迫切需要对高空电磁脉冲波形分布进行实时计算。传统的高空电磁脉冲环境数值计算方法比较费时，需要2-3小时完成1次波形分布的计算，无法满足系统需要的实时在线计算需求。该文提出了一种贝叶斯优化的神经网络快速求解方法，结合数值推导，建立了不同条件下一定范围内任意爆炸高度、伽马当量和位置在地面高空电磁脉冲波形参数的预测模型。实验结果表明该方法预测波形参数与仿真计算的波形参数误差小于3.12%，计算时间从小时量级减低到了秒量级，时间复杂度从O(n5)减低到O(n2)。该方法为高空电磁脉冲的快速推演和依赖于环境激励的仿真计算提供了基础，支持大规模场景的快速对比分析，可在分钟内完成数百种不同场景的波形分布计算与横向对比。
随着高空电磁脉冲数字化实验和在线评估技术的快速发展，迫切需要对高空电磁脉冲波形分布进行实时计算。传统的高空电磁脉冲环境数值计算方法比较费时，需要2-3小时完成1次波形分布的计算，无法满足系统需要的实时在线计算需求。该文提出了一种贝叶斯优化的神经网络快速求解方法，结合数值推导，建立了不同条件下一定范围内任意爆炸高度、伽马当量和位置在地面高空电磁脉冲波形参数的预测模型。实验结果表明该方法预测波形参数与仿真计算的波形参数误差小于3.12%，计算时间从小时量级减低到了秒量级，时间复杂度从O(n5)减低到O(n2)。该方法为高空电磁脉冲的快速推演和依赖于环境激励的仿真计算提供了基础，支持大规模场景的快速对比分析，可在分钟内完成数百种不同场景的波形分布计算与横向对比。
, 最新更新时间 , doi: 10.11999/JEIT260436
摘要:
水体中的金属元素主要来源于人为活动与自然过程，其组成与含量直接影响着生态环境与生物健康。针对水体中Cu、Na、K等金属元素的现场实时快速检测问题，本研究设计并开发了一种基于超声雾化辉光放电(UNGD)的高灵敏快速探测器。该探测器的超声雾化单元设计带有空间约束转接口的雾化导流腔室与可快速拆卸的雾化片固定结构，采用路径较短的气路，以达到液体样品的快速雾化和高效输送；同时，为了实现激发能量的集中，等离子体激发单元的钨针电极对采用180°对向共轴放置方式，构成点对点式的放电结构，对样品进行激发。本研究系统评估并确定了UNGD探测器的最优参数条件：放电电流38 mA、氩气流速0.5 L/min、电极间距1 mm、采样距离22 mm。在最优参数条件下，Cu I 324.7 nm、Na I 589.0 nm和K I 766.5 nm的检出限分别为141.29 μg/L、9.54 μg/L和12.05 μg/L，相对标准偏差分别为6.8%、6.1%和5.5%。此外，UNGD探测器对样品中共存的高浓度Ca、Mg、Zn、Fe、Co、Ni等离子具有良好的抗干扰能力。上述结果表明，本研究提出的高敏快速微型探测器可在无需额外样品预处理和驱动泵设备的前提下，实现快速进样与定量分析，为水体中Cu、Na、K等金属元素的现场实时快速监测提供了一种可靠且具有应用前景的技术支持，并有望进一步拓展至其他金属元素的检测。
水体中的金属元素主要来源于人为活动与自然过程，其组成与含量直接影响着生态环境与生物健康。针对水体中Cu、Na、K等金属元素的现场实时快速检测问题，本研究设计并开发了一种基于超声雾化辉光放电(UNGD)的高灵敏快速探测器。该探测器的超声雾化单元设计带有空间约束转接口的雾化导流腔室与可快速拆卸的雾化片固定结构，采用路径较短的气路，以达到液体样品的快速雾化和高效输送；同时，为了实现激发能量的集中，等离子体激发单元的钨针电极对采用180°对向共轴放置方式，构成点对点式的放电结构，对样品进行激发。本研究系统评估并确定了UNGD探测器的最优参数条件：放电电流38 mA、氩气流速0.5 L/min、电极间距1 mm、采样距离22 mm。在最优参数条件下，Cu I 324.7 nm、Na I 589.0 nm和K I 766.5 nm的检出限分别为141.29 μg/L、9.54 μg/L和12.05 μg/L，相对标准偏差分别为6.8%、6.1%和5.5%。此外，UNGD探测器对样品中共存的高浓度Ca、Mg、Zn、Fe、Co、Ni等离子具有良好的抗干扰能力。上述结果表明，本研究提出的高敏快速微型探测器可在无需额外样品预处理和驱动泵设备的前提下，实现快速进样与定量分析，为水体中Cu、Na、K等金属元素的现场实时快速监测提供了一种可靠且具有应用前景的技术支持，并有望进一步拓展至其他金属元素的检测。
, 最新更新时间 , doi: 10.11999/JEIT260651
摘要:
针对人工表面等离激元(SSPPs)漏波天线多参数强耦合导致传统优化计算量大、效率低的问题，本文提出一种贴片正弦调制SSPPs漏波天线。该结构保持均匀槽深与完整接地，在传输线两侧加载宽度正弦变化的贴片阵列以灵活调控泄漏率。构建9维结构参数到6维性能指标的随机森林(RF)代理模型，平均决定系数达0.9554 ，并将其嵌入粒子群优化(PSO)算法中协同寻优。优化后天线增益由13.84 dBi提升至14.52 dBi，旁瓣电平由−17 dB降至−19 dB，峰值总效率由84.9% 升至92.9%，反射系数改善4.66 dB，扫描角扩展4.29°。全波仿真验证了该方法的有效性，相较于传统PSO直接调用全波仿真，全波仿真次数降低约90%。参数敏感性分析表明设计鲁棒性好。与近期同类SSPPs漏波天线相比，该天线在增益、旁瓣抑制和效率上均具明显优势，并将机器学习代理模型引入SSPPs漏波天线的优化设计。
针对人工表面等离激元(SSPPs)漏波天线多参数强耦合导致传统优化计算量大、效率低的问题，本文提出一种贴片正弦调制SSPPs漏波天线。该结构保持均匀槽深与完整接地，在传输线两侧加载宽度正弦变化的贴片阵列以灵活调控泄漏率。构建9维结构参数到6维性能指标的随机森林(RF)代理模型，平均决定系数达
, 最新更新时间 , doi: 10.11999/JEIT260867
摘要:
针对大规模机器类通信高负载随机接入场景中基于逐次干扰消除(SIC)的方案易因无碰撞时隙不足而出现译码停滞的问题。本文提出一种物理层网络编码辅助的极化时隙随机接入译码算法，该算法将多用户时隙碰撞等效建模为有限域上的网络编码(NC)方程组。接收端利用包级极化译码提取可靠叠加包构建稀疏线性方程组，引入广义矩阵求逆(GMI)判据解耦可恢复用户数据，并将已恢复数据反馈至SIC环节，形成“极化译码—NC求解—SIC消除”的闭环迭代，逐步降低剩余碰撞空间的维数。仿真结果表明，所提算法缓解了高并发下的译码停滞，系统峰值吞吐量达0.87包/时隙，较极化时隙ALOHA方案提升约15%，有效负载上限由0.75拓展至0.90。
针对大规模机器类通信高负载随机接入场景中基于逐次干扰消除(SIC)的方案易因无碰撞时隙不足而出现译码停滞的问题。本文提出一种物理层网络编码辅助的极化时隙随机接入译码算法，该算法将多用户时隙碰撞等效建模为有限域上的网络编码(NC)方程组。接收端利用包级极化译码提取可靠叠加包构建稀疏线性方程组，引入广义矩阵求逆(GMI)判据解耦可恢复用户数据，并将已恢复数据反馈至SIC环节，形成“极化译码—NC求解—SIC消除”的闭环迭代，逐步降低剩余碰撞空间的维数。仿真结果表明，所提算法缓解了高并发下的译码停滞，系统峰值吞吐量达0.87包/时隙，较极化时隙ALOHA方案提升约15%，有效负载上限由0.75拓展至0.90。
, 最新更新时间 , doi: 10.11999/JEIT260694
摘要:
超图神经网络(HGNN)凭借高阶关系建模能力被广泛关注，但其计算量大、推理效率低，难以在实际场景部署。现有HGNN向多层感知机(MLP)知识蒸馏方法存在可解释性差、精度偏低等问题，主要原因在于：MLP激活函数单一且层间解耦、Softmax软标签存在信息丢失、未关注节点可靠性差异。为此，本文提出面向快速推理的超图神经网络知识蒸馏框架DH2KAN。该方法以柯尔莫哥洛夫阿诺德网络(KAN)为学生模型，用可学习单变量样条函数提升表征能力；设计表征相似性蒸馏，以节点表征监督KAN训练；提出高可靠节点感知蒸馏，基于信息熵量化节点可靠性并利用可靠节点软标签强化指导。在11个真实数据集上的实验表明，DH2KAN在精度与HGNN相当甚至更优的前提下，推理速度提升75倍；相比KAN在速度相近的情况下，准确率提升10.53%，适用于大规模低延迟场景。本文代码已开源至GitHub：https://github.com/ljzology/DH2KAN。
超图神经网络(HGNN)凭借高阶关系建模能力被广泛关注，但其计算量大、推理效率低，难以在实际场景部署。现有HGNN向多层感知机(MLP)知识蒸馏方法存在可解释性差、精度偏低等问题，主要原因在于：MLP激活函数单一且层间解耦、Softmax软标签存在信息丢失、未关注节点可靠性差异。为此，本文提出面向快速推理的超图神经网络知识蒸馏框架DH2KAN。该方法以柯尔莫哥洛夫阿诺德网络(KAN)为学生模型，用可学习单变量样条函数提升表征能力；设计表征相似性蒸馏，以节点表征监督KAN训练；提出高可靠节点感知蒸馏，基于信息熵量化节点可靠性并利用可靠节点软标签强化指导。在11个真实数据集上的实验表明，DH2KAN在精度与HGNN相当甚至更优的前提下，推理速度提升75倍；相比KAN在速度相近的情况下，准确率提升10.53%，适用于大规模低延迟场景。本文代码已开源至GitHub：https://github.com/ljzology/DH2KAN。
, 最新更新时间 , doi: 10.11999/JEIT260287
摘要:
针对物联网通信中通信距离短、覆盖能力差和信息泄露的问题，该文研究基于中继选择和模式选择的隐蔽通信系统。源节点通过中继与目的节点进行隐蔽信息传输，考虑中继分别工作在最优中继-半双工模式/全双工模式，最优中继-随机传输模式，最优传输模式-随机中继和最优中继-最优传输模式，在Nakagami-m衰落信道下推导非法监听者在半双工和全双工最优中继下的检测错误概率表达式，以及该通信系统在各传输方案下的传输中断概率和隐蔽速率的闭式表达式。结果表明检测阈值或干扰功率增大时，非法监听者检测隐蔽信息的能力减弱，检测错误概率增大并趋近于1；联合中继与模式选择方案在可靠性和隐蔽性方面始终表现最佳，在目标传输速率等于\begin{document}$ \text{6.5 bit/(s}\cdot \text{Hz)} $\end{document}
针对物联网通信中通信距离短、覆盖能力差和信息泄露的问题，该文研究基于中继选择和模式选择的隐蔽通信系统。源节点通过中继与目的节点进行隐蔽信息传输，考虑中继分别工作在最优中继-半双工模式/全双工模式，最优中继-随机传输模式，最优传输模式-随机中继和最优中继-最优传输模式，在Nakagami-m衰落信道下推导非法监听者在半双工和全双工最优中继下的检测错误概率表达式，以及该通信系统在各传输方案下的传输中断概率和隐蔽速率的闭式表达式。结果表明检测阈值或干扰功率增大时，非法监听者检测隐蔽信息的能力减弱，检测错误概率增大并趋近于1；联合中继与模式选择方案在可靠性和隐蔽性方面始终表现最佳，在目标传输速率等于
, 最新更新时间 , doi: 10.11999/JEIT260317
摘要:
面对遥感影像中广泛分布的小目标，现有遥感影像目标检测方法仍面临严峻挑战，检测精度尚显不足。遥感影像小目标检测核心瓶颈在于小目标正样本匮乏与特征表示弱两大问题。因此，该文提出一种跨域协同增强的遥感影像小目标检测方法(CDCEDet)，通过在空间域优化小目标标签分配，在频域提高小目标特征表示，以提升小目标检测性能。具体而言，该文首先设计尺度自适应锚框生成器，依据目标空间分布与几何尺度特性动态生成匹配锚框集合，有效缓解了锚框与小目标之间的尺度失配问题，显著提升了小目标正样本数量。在此基础上，提出分位数自适应标签分配机制，通过建模每个目标与其对应锚框的交并比统计分布动态调整标签分配阈值，有效缓解了固定阈值标签分配下的尺度偏差问题。此外，针对小目标特征表示弱的问题，从频域视角出发，构建频率自适应融合模块，利用自适应高通滤波器以增强小目标细节信息，并结合自适应低通滤波器维持上采样后小目标内部特征的语义一致性，从而提升小目标的特征表示能力。实验结果表明，在AI-TODv2数据集上，所提方法在AP50和AP50-95指标上较现有最优方法提升1.8%和0.7%；在AI-TOD-R数据集上，两项指标分别提升2.6%和0.7%，展现出良好的小目标检测能力和泛化能力。
面对遥感影像中广泛分布的小目标，现有遥感影像目标检测方法仍面临严峻挑战，检测精度尚显不足。遥感影像小目标检测核心瓶颈在于小目标正样本匮乏与特征表示弱两大问题。因此，该文提出一种跨域协同增强的遥感影像小目标检测方法(CDCEDet)，通过在空间域优化小目标标签分配，在频域提高小目标特征表示，以提升小目标检测性能。具体而言，该文首先设计尺度自适应锚框生成器，依据目标空间分布与几何尺度特性动态生成匹配锚框集合，有效缓解了锚框与小目标之间的尺度失配问题，显著提升了小目标正样本数量。在此基础上，提出分位数自适应标签分配机制，通过建模每个目标与其对应锚框的交并比统计分布动态调整标签分配阈值，有效缓解了固定阈值标签分配下的尺度偏差问题。此外，针对小目标特征表示弱的问题，从频域视角出发，构建频率自适应融合模块，利用自适应高通滤波器以增强小目标细节信息，并结合自适应低通滤波器维持上采样后小目标内部特征的语义一致性，从而提升小目标的特征表示能力。实验结果表明，在AI-TODv2数据集上，所提方法在AP50和AP50-95指标上较现有最优方法提升1.8%和0.7%；在AI-TOD-R数据集上，两项指标分别提升2.6%和0.7%，展现出良好的小目标检测能力和泛化能力。
, 最新更新时间 , doi: 10.11999/JEIT260416
摘要:
面向6G智能空口、智能化网络及AI与通信的深度融合需求，如何从结构化环境信息中提取与传播路径相关的知识，是构建环境驱动信道模型的重要问题。针对传统信道建模方法难以刻画发射端(Tx)、接收端(Rx)与散射体间空间结构及交互关系的局限性，该文提出融合信号传播机制的环境图结构建模方法，将Tx, Rx及散射体抽象为图节点，根据节点间的空间距离与可视性构建边特征，并基于边增强图同构网络(EGIN)学习环境图中的结构关联，实现参与传播的有效散射体检测；进一步根据候选散射体构建单跳与双跳候选路径，设计路径特征学习网络与有效性排序模型，实现候选传播路径预测。该文在单一工业物联网室内仿真场景的3381 个Rx位置上进行验证，结果表明所提方法能够在该场景内提取与传播路径相关的结构特征，提高有效散射体检测与候选路径排序的准确性。
面向6G智能空口、智能化网络及AI与通信的深度融合需求，如何从结构化环境信息中提取与传播路径相关的知识，是构建环境驱动信道模型的重要问题。针对传统信道建模方法难以刻画发射端(Tx)、接收端(Rx)与散射体间空间结构及交互关系的局限性，该文提出融合信号传播机制的环境图结构建模方法，将Tx, Rx及散射体抽象为图节点，根据节点间的空间距离与可视性构建边特征，并基于边增强图同构网络(EGIN)学习环境图中的结构关联，实现参与传播的有效散射体检测；进一步根据候选散射体构建单跳与双跳候选路径，设计路径特征学习网络与有效性排序模型，实现候选传播路径预测。该文在单一工业物联网室内仿真场景的
, 最新更新时间 , doi: 10.11999/JEIT260151
摘要:
在移动多站协同电子侦察场景中，观测站位置随时间变化使雷达辐射源信号的到达时间差(TDOA)呈现明显的时变特性。传统多站信号分选方法通常基于固定时差模型构建，当观测站运动发生运动时，难以准确表征到达时间差的演化过程，易引发雷达簇误分裂与增批现象，导致分选稳定性下降。针对上述问题，该文提出一种面向移动多站协同雷达信号分选的时差先验增量密度聚类方法。该方法首先对多站到达时间差观测数据进行在线微簇构建，并利用微簇之间的时空关联关系实现初始聚合成宏簇；在此基础上，根据观测站运动信息建立时差随时间变化的线性先验状态模型，采用卡尔曼滤波(KF)对宏簇的时差演化轨迹进行递推预测。预测得到的时差先验被引入增量聚类更新过程，通过构建时空联合得分函数约束新到样本与微簇的关联判定。在增量聚类更新过程中，基于预测得到的时差先验，结合双重马氏距离统计判据，对发生漂移的雷达簇进行合并，从而有效抑制雷达簇增批现象。仿真结果表明，在到达时间(TOA)测量误差为150 ns、干扰率为15%的移动多站场景下，所提方法的分选正确率达到96.5%。
在移动多站协同电子侦察场景中，观测站位置随时间变化使雷达辐射源信号的到达时间差(TDOA)呈现明显的时变特性。传统多站信号分选方法通常基于固定时差模型构建，当观测站运动发生运动时，难以准确表征到达时间差的演化过程，易引发雷达簇误分裂与增批现象，导致分选稳定性下降。针对上述问题，该文提出一种面向移动多站协同雷达信号分选的时差先验增量密度聚类方法。该方法首先对多站到达时间差观测数据进行在线微簇构建，并利用微簇之间的时空关联关系实现初始聚合成宏簇；在此基础上，根据观测站运动信息建立时差随时间变化的线性先验状态模型，采用卡尔曼滤波(KF)对宏簇的时差演化轨迹进行递推预测。预测得到的时差先验被引入增量聚类更新过程，通过构建时空联合得分函数约束新到样本与微簇的关联判定。在增量聚类更新过程中，基于预测得到的时差先验，结合双重马氏距离统计判据，对发生漂移的雷达簇进行合并，从而有效抑制雷达簇增批现象。仿真结果表明，在到达时间(TOA)测量误差为150 ns、干扰率为15%的移动多站场景下，所提方法的分选正确率达到96.5%。
, 最新更新时间 , doi: 10.11999/JEIT260595
摘要:
遥感影像建筑物变化检测可为城市规划、土地资源管理和违章建筑排查等提供重要信息，但像素级标注成本高昂，限制了其在大规模场景中的应用。针对现有图像级弱监督建筑物变化检测方法存在语义先验利用不足、变化区域缺乏空间约束以及定位结果不完整等问题，该文设计了一种差异感知提示学习与密集语义对齐的弱监督建筑物变化检测方法(DAPL−CD)。为了在降低像素级标注依赖的同时提升变化区域定位能力，该方法利用对比语言-图像预训练模型(CLIP)的跨模态表征能力，将文本语义与双时相影像差异特征映射至统一匹配空间，为变化区域定位提供语义参照。设计差异感知可学习文本提示自适应双时相影像中的复杂差异语义，缓解固定文本模板难以适配遥感场景的问题。针对CLIP全局图文对齐缺乏局部定位约束的问题，引入像素−文本密集对齐机制，约束局部视觉特征与前景、背景文本特征之间的匹配关系，增强变化区域与未变化区域的语义判别能力。实验结果表明，在仅依赖图像级标签的情况下，所提方法在WHU−CD和LEVIR−CD两个数据集上均取得了较优结果，能获得更完整、准确的变化区域定位效果，为大规模城市监测与违建排查等应用提供了一种低标注成本的技术思路。
遥感影像建筑物变化检测可为城市规划、土地资源管理和违章建筑排查等提供重要信息，但像素级标注成本高昂，限制了其在大规模场景中的应用。针对现有图像级弱监督建筑物变化检测方法存在语义先验利用不足、变化区域缺乏空间约束以及定位结果不完整等问题，该文设计了一种差异感知提示学习与密集语义对齐的弱监督建筑物变化检测方法(DAPL−CD)。为了在降低像素级标注依赖的同时提升变化区域定位能力，该方法利用对比语言-图像预训练模型(CLIP)的跨模态表征能力，将文本语义与双时相影像差异特征映射至统一匹配空间，为变化区域定位提供语义参照。设计差异感知可学习文本提示自适应双时相影像中的复杂差异语义，缓解固定文本模板难以适配遥感场景的问题。针对CLIP全局图文对齐缺乏局部定位约束的问题，引入像素−文本密集对齐机制，约束局部视觉特征与前景、背景文本特征之间的匹配关系，增强变化区域与未变化区域的语义判别能力。实验结果表明，在仅依赖图像级标签的情况下，所提方法在WHU−CD和LEVIR−CD两个数据集上均取得了较优结果，能获得更完整、准确的变化区域定位效果，为大规模城市监测与违建排查等应用提供了一种低标注成本的技术思路。
, 最新更新时间 , doi: 10.11999/JEIT260198
摘要:
针对深度学习侧信道分析(DL-SCA)模型评估中存在的维度单一、公平性不足以及与工程场景脱节的问题，该文提出一种基于系统工程的多维度场景化评估框架。该框架首先构建覆盖攻击效能、资源开销与环境适应性的层次化评估指标体系；其次，设计一种CRITIC-AHP混合多属性决策机制，融合数据驱动的客观赋权与场景导向的主观权重，实现评估与不同应用需求的精准匹配；在此基础上，定义多维度攻击性能指标，融合多维度信息，生成直观、可比的综合评分，为模型优选提供统一量化依据。基于ASCAD数据集的实验表明，所提框架在资源受限、高性能、高噪声及实时等典型场景下均能有效区分模型优势，如在资源受限场景中CNN综合评分最高(0.723)，在高噪声环境下CNN-LSTM表现最优(0.863)，显著提升了模型选型的科学性与可解释性。
针对深度学习侧信道分析(DL-SCA)模型评估中存在的维度单一、公平性不足以及与工程场景脱节的问题，该文提出一种基于系统工程的多维度场景化评估框架。该框架首先构建覆盖攻击效能、资源开销与环境适应性的层次化评估指标体系；其次，设计一种CRITIC-AHP混合多属性决策机制，融合数据驱动的客观赋权与场景导向的主观权重，实现评估与不同应用需求的精准匹配；在此基础上，定义多维度攻击性能指标，融合多维度信息，生成直观、可比的综合评分，为模型优选提供统一量化依据。基于ASCAD数据集的实验表明，所提框架在资源受限、高性能、高噪声及实时等典型场景下均能有效区分模型优势，如在资源受限场景中CNN综合评分最高(0.723)，在高噪声环境下CNN-LSTM表现最优(0.863)，显著提升了模型选型的科学性与可解释性。
, 最新更新时间 , doi: 10.11999/JEIT260413
摘要:
目前三值逻辑电路设计面临所需器件多、涉及无源元件以及与传统互补金属氧化物半导体(CMOS)工艺兼容性差等诸多挑战。对此，该文提出一种基于量子隧穿与漂移扩散机制相结合的新型隧穿-漂移扩散场效应晶体管(TDMOSFET)，该器件具有常数关态电流特性，适合于三值逻辑电路。该文分析了TDMOSFET工作原理，采用人工神经网络(ANN)对其建模，所建立ANN模型可以精确模拟器件电流-电压和电容-电压特性，预测精度高达99%。此外，将ANN模型转换为Verilog-A语言，嵌入到HSPICE工具中，仿真了基于TDMOSFET的标准三值反相器(STI)、负三值反相器(NTI)、正三值反相器(PTI)、三值与非门(T-NAND)及三值或非门(T-NOR)等基本单元电路，这些电路不涉及无源元件，可兼容于CMOS工艺，对于后续三值逻辑的研究具有重要参考意义。
目前三值逻辑电路设计面临所需器件多、涉及无源元件以及与传统互补金属氧化物半导体(CMOS)工艺兼容性差等诸多挑战。对此，该文提出一种基于量子隧穿与漂移扩散机制相结合的新型隧穿-漂移扩散场效应晶体管(TDMOSFET)，该器件具有常数关态电流特性，适合于三值逻辑电路。该文分析了TDMOSFET工作原理，采用人工神经网络(ANN)对其建模，所建立ANN模型可以精确模拟器件电流-电压和电容-电压特性，预测精度高达99%。此外，将ANN模型转换为Verilog-A语言，嵌入到HSPICE工具中，仿真了基于TDMOSFET的标准三值反相器(STI)、负三值反相器(NTI)、正三值反相器(PTI)、三值与非门(T-NAND)及三值或非门(T-NOR)等基本单元电路，这些电路不涉及无源元件，可兼容于CMOS工艺，对于后续三值逻辑的研究具有重要参考意义。
, 最新更新时间 , doi: 10.11999/JEIT260616
摘要:
经典多雷达融合检测常假设杂波幅度分布和目标信杂比一致，并在此基础上进行联合处理。然而，多部雷达的工作参数差异会导致杂波幅度分布和目标信杂比的差异，使现有检测器在实际应用时模型失配。针对这一问题，该文针对瑞利分布的S波段海杂波和韦布尔分布的X波段海杂波融合检测场景，提出一种双雷达自适应融合检测方法。该方法根据各雷达局部检验统计量与信杂比估计结果，自适应确定融合权重与全局检验统计量。同时推导了虚警概率与检测概率关于判决门限的闭式表达式，蒙特卡罗仿真验证了闭式表达式的准确性。基于实测海杂波数据的实验表明，在任意信杂比组合的条件下，所提方法比传统的OR融合和AND融合方法具有更优的检测性能。
经典多雷达融合检测常假设杂波幅度分布和目标信杂比一致，并在此基础上进行联合处理。然而，多部雷达的工作参数差异会导致杂波幅度分布和目标信杂比的差异，使现有检测器在实际应用时模型失配。针对这一问题，该文针对瑞利分布的S波段海杂波和韦布尔分布的X波段海杂波融合检测场景，提出一种双雷达自适应融合检测方法。该方法根据各雷达局部检验统计量与信杂比估计结果，自适应确定融合权重与全局检验统计量。同时推导了虚警概率与检测概率关于判决门限的闭式表达式，蒙特卡罗仿真验证了闭式表达式的准确性。基于实测海杂波数据的实验表明，在任意信杂比组合的条件下，所提方法比传统的OR融合和AND融合方法具有更优的检测性能。
, 最新更新时间 , doi: 10.11999/JEIT260633
摘要:
受封装资源、微凸点数量和布线约束限制，2.5D芯粒系统的边界接口数量通常有限，并影响片内访问、中介层注入和接口失效后的流量重映射。该文将边界接口配置抽象为片间互连结构参数，建立节点到接口映射和接口服务区域模型，并定义距离、负载均衡和故障退化等图级评价指标。图级分析表明，增加接口数量能够缩短通信距离，但性能收益呈边际递减趋势；相同接口预算下，不同接口位置会诱导不同服务区域并改变接口负载分布；接口失效后，原服务区域向剩余健康接口迁移，主要风险表现为负载再集中。进一步在gem5中构建包含4个内部采用\begin{document}$ 4\times 4 $\end{document} \begin{document}$ 4\times 4 $\end{document} \begin{document}$ k=1 $\end{document} \begin{document}$ k=4 $\end{document}
受封装资源、微凸点数量和布线约束限制，2.5D芯粒系统的边界接口数量通常有限，并影响片内访问、中介层注入和接口失效后的流量重映射。该文将边界接口配置抽象为片间互连结构参数，建立节点到接口映射和接口服务区域模型，并定义距离、负载均衡和故障退化等图级评价指标。图级分析表明，增加接口数量能够缩短通信距离，但性能收益呈边际递减趋势；相同接口预算下，不同接口位置会诱导不同服务区域并改变接口负载分布；接口失效后，原服务区域向剩余健康接口迁移，主要风险表现为负载再集中。进一步在gem5中构建包含4个内部采用
, 最新更新时间 , doi: 10.11999/JEIT260636
摘要:
针对传统基于自回归(AR)模型的卡尔曼滤波语音增强算法在非平稳噪声环境下噪声模型难以自适应更新、突发噪声易导致模型失配以及协方差参数调节缺乏环境感知机制等问题，该文提出一种用于突发噪声抑制与双时间尺度感知驱动的自适应卡尔曼语音增强方法。首先，引入基于频谱能量熵(EER)构建的环境偏离比，用于刻画当前帧与背景环境统计特性的偏离程度。在此基础上，建立短时与长时双时间尺度EER跟踪机制，分别用于表示瞬时变化与稳定环境统计，并利用两者之间差异构造自适应偏离强度因子，从而实现对语音过程噪声协方差与观测噪声协方差的联合调节。其次，结合突发噪声的核心特性，提出一种基于能量突变阈值和频谱平坦度结合的突发噪声帧判断策略，用于有效区分时域能量突变且带有弱有色或白噪声特性的突发噪声，另外，提出一种基于线性预测残差方差比的语音可建模性因子判决准则，用于进一步区分语音结构与突发噪声成分，避免中等能量强度突发噪声误判导致语音模型污染，从而提升噪声建模的鲁棒性与可靠性。该文算法实验采用NOIZEUS数据库上的音频样本，结果表明，该文所用方法在短时客观可懂度(STOI)、感知语音质量评价指标(PESQ)和分段信噪比(SegSNR)等客观指标上优于传统的AR卡尔曼滤波，以及基于\begin{document}$ {J}_{1} $\end{document}
针对传统基于自回归(AR)模型的卡尔曼滤波语音增强算法在非平稳噪声环境下噪声模型难以自适应更新、突发噪声易导致模型失配以及协方差参数调节缺乏环境感知机制等问题，该文提出一种用于突发噪声抑制与双时间尺度感知驱动的自适应卡尔曼语音增强方法。首先，引入基于频谱能量熵(EER)构建的环境偏离比，用于刻画当前帧与背景环境统计特性的偏离程度。在此基础上，建立短时与长时双时间尺度EER跟踪机制，分别用于表示瞬时变化与稳定环境统计，并利用两者之间差异构造自适应偏离强度因子，从而实现对语音过程噪声协方差与观测噪声协方差的联合调节。其次，结合突发噪声的核心特性，提出一种基于能量突变阈值和频谱平坦度结合的突发噪声帧判断策略，用于有效区分时域能量突变且带有弱有色或白噪声特性的突发噪声，另外，提出一种基于线性预测残差方差比的语音可建模性因子判决准则，用于进一步区分语音结构与突发噪声成分，避免中等能量强度突发噪声误判导致语音模型污染，从而提升噪声建模的鲁棒性与可靠性。该文算法实验采用NOIZEUS数据库上的音频样本，结果表明，该文所用方法在短时客观可懂度(STOI)、感知语音质量评价指标(PESQ)和分段信噪比(SegSNR)等客观指标上优于传统的AR卡尔曼滤波，以及基于
, 最新更新时间 , doi: 10.11999/JEIT260397
摘要:
指令采样是一种广泛应用于硬件设计评估的技术，能够在加快评估速度的同时保证评估精度。然而在大语言模型(LLM)推理场景下，模型结构、软件框架和专用加速器指令等软硬件技术快速演进，使得每一次加速器迭代评估时都需要在指令集模拟器(ISS)上重新执行完整的应用负载以获得最新指令流完成采样。此外，加速器指令在ISS中通常以解释执行的方式运行，导致指令采样时间长，因此ISS上的执行效率逐渐成为评估流程的主要瓶颈。针对上述问题，该文提出一种面向LLM推理负载的指令采样加速方法SkipSync。该方法基于如下观察：LLM算子内部的程序控制流通常与张量计算结果无关，因此可以在这类算子中跳过高开销的加速器指令执行过程，从而提升ISS的执行速度。同时为保障程序的后续执行与采样准确性，SkipSync通过轻量级数据同步机制用宿主机的正确计算结果校正模拟器上的运行状态。基于QEMU指令集模拟器的实验结果表明，在多种模型规模及推理阶段下，SkipSync可获得平均5.08倍的加速效果，显著提升了基于指令采样的LLM加速器性能评估效率，且不影响采样的准确性。另外，该方法无需针对新型加速器指令进行定制实现，具有良好的可扩展性，能够有效支撑快速演进背景下的LLM加速器性能评估与设计迭代。
指令采样是一种广泛应用于硬件设计评估的技术，能够在加快评估速度的同时保证评估精度。然而在大语言模型(LLM)推理场景下，模型结构、软件框架和专用加速器指令等软硬件技术快速演进，使得每一次加速器迭代评估时都需要在指令集模拟器(ISS)上重新执行完整的应用负载以获得最新指令流完成采样。此外，加速器指令在ISS中通常以解释执行的方式运行，导致指令采样时间长，因此ISS上的执行效率逐渐成为评估流程的主要瓶颈。针对上述问题，该文提出一种面向LLM推理负载的指令采样加速方法SkipSync。该方法基于如下观察：LLM算子内部的程序控制流通常与张量计算结果无关，因此可以在这类算子中跳过高开销的加速器指令执行过程，从而提升ISS的执行速度。同时为保障程序的后续执行与采样准确性，SkipSync通过轻量级数据同步机制用宿主机的正确计算结果校正模拟器上的运行状态。基于QEMU指令集模拟器的实验结果表明，在多种模型规模及推理阶段下，SkipSync可获得平均5.08倍的加速效果，显著提升了基于指令采样的LLM加速器性能评估效率，且不影响采样的准确性。另外，该方法无需针对新型加速器指令进行定制实现，具有良好的可扩展性，能够有效支撑快速演进背景下的LLM加速器性能评估与设计迭代。
, 最新更新时间 , doi: 10.11999/JEIT260414
摘要:
针对弱信号场景下导航直扩信号传统检测方法性能受限，以及现有深度学习检测模型普遍缺乏有效虚警率控制机制的问题，该文提出一种虚警率可控的直扩信号深度学习检测方法。该方法创新性地提出了基于噪声分数池的检测阈值自适应标定机制，同时设计了适配I/Q信号一维序列输入的改进的残差神经网络。通过统计噪声数据集经网络处理后输出的置信度分数的经验分布，根据预设虚警率来标定检测判决阈值，从而将深度学习模型纳入经典的恒虚警率评估框架。此外，该文验证了有无归一化处理的数据预处理策略对弱信号检测的影响。仿真结果表明，该文所提模型整体检测性能较传统自相关方法提升3～4 dB，无归一化处理策略相较于归一化处理性能提升约1 dB。在非理想的高斯色噪声环境下，该模型同样展现出优于传统方法的检测性能与稳健的泛化能力。
针对弱信号场景下导航直扩信号传统检测方法性能受限，以及现有深度学习检测模型普遍缺乏有效虚警率控制机制的问题，该文提出一种虚警率可控的直扩信号深度学习检测方法。该方法创新性地提出了基于噪声分数池的检测阈值自适应标定机制，同时设计了适配I/Q信号一维序列输入的改进的残差神经网络。通过统计噪声数据集经网络处理后输出的置信度分数的经验分布，根据预设虚警率来标定检测判决阈值，从而将深度学习模型纳入经典的恒虚警率评估框架。此外，该文验证了有无归一化处理的数据预处理策略对弱信号检测的影响。仿真结果表明，该文所提模型整体检测性能较传统自相关方法提升3～4 dB，无归一化处理策略相较于归一化处理性能提升约1 dB。在非理想的高斯色噪声环境下，该模型同样展现出优于传统方法的检测性能与稳健的泛化能力。
, 最新更新时间 , doi: 10.11999/JEIT260368
摘要:
针对低轨(LEO)卫星星座高动态拓扑导致的计算开销暴增问题，现有方法主要基于国际电信联盟(ITU)标准的全量物理迭代方法。然而，在轨LEO卫星数量的急剧增加导致干扰预测与检测的计算复杂度阶跃式上升。全量物理迭代仿真下，单个地面站完成单周期干扰评估需超过30个小时。为此，该文提出一种空间特征映射与时序Transformer协同驱动的低轨星座干扰预测与检测算法。首先，建立多星座共存场景下的干扰物理模型，解析出干扰函数的置换不变性、空间稀疏性和时间连续性。调整构建结合可变注意力机制的空间特征映射模块，通过自适应聚焦和对称聚合实现无序变长结构的高效降维压缩。最后，依托时序Transformer精准捕获干扰轨迹的全局演化规律，通过预测未来干扰噪声比(I/N)的时序轨迹，实现干扰事件的敏捷检测。模拟LEO卫星星座场景并以ITU标准为基准进行仿真验证。结果表明：在干扰预测方面，该文算法在20 s长程预测下的均方根误差为0.45 dB；在干扰检测方面，模型能精准刻画物理边界并维持较高的干扰召回率。单次推理耗时稳定在14.2 ms，仅为物理迭代的4.1%。与基线相比，该文算法在多尺度预测步长和动态开销下具有更强自适应性。
针对低轨(LEO)卫星星座高动态拓扑导致的计算开销暴增问题，现有方法主要基于国际电信联盟(ITU)标准的全量物理迭代方法。然而，在轨LEO卫星数量的急剧增加导致干扰预测与检测的计算复杂度阶跃式上升。全量物理迭代仿真下，单个地面站完成单周期干扰评估需超过30个小时。为此，该文提出一种空间特征映射与时序Transformer协同驱动的低轨星座干扰预测与检测算法。首先，建立多星座共存场景下的干扰物理模型，解析出干扰函数的置换不变性、空间稀疏性和时间连续性。调整构建结合可变注意力机制的空间特征映射模块，通过自适应聚焦和对称聚合实现无序变长结构的高效降维压缩。最后，依托时序Transformer精准捕获干扰轨迹的全局演化规律，通过预测未来干扰噪声比(I/N)的时序轨迹，实现干扰事件的敏捷检测。模拟LEO卫星星座场景并以ITU标准为基准进行仿真验证。结果表明：在干扰预测方面，该文算法在20 s长程预测下的均方根误差为0.45 dB；在干扰检测方面，模型能精准刻画物理边界并维持较高的干扰召回率。单次推理耗时稳定在14.2 ms，仅为物理迭代的4.1%。与基线相比，该文算法在多尺度预测步长和动态开销下具有更强自适应性。
, 最新更新时间 , doi: 10.11999/JEIT260609
摘要:
相较于传统的货架FPGA，嵌入式FPGA的最大区别在于允许开发者根据特定应用的需求独立选择最合适的硬件架构参数(K, N、互连拓扑等)，这就使得架构空间探索不再仅仅是纯学术领域的研究方法，也是必须评估数十上百份架构文件并反复迭代选型的实际工程任务。现有的架构描述框架仍以手工编写架构文件与批处理脚本为主，每次参数调整都要在多份后端文件间逐处同步，难以支撑规模化的架构探索。针对此问题，该文提出一种支持多后端架构文件统一描述的参数化架构描述框架，该框架将架构参数按独立性分为工艺常量、耦合参数与独立参数3层，各后端描述由独立的渲染函数自动派生。目前该框架已适配VPR, OpenFPGA, Yosys 3路后端并成功扩展至COFFE，并已通过跨工具链全流程验证。依托该框架批量生成架构描述文件，提出基于参数扫描的架构探索方法，系统扫描了查找表(LUT)输入数K与簇规模N的取值组合，从面积、关键路径延迟及二者乘积3个维度衡量每种参数配置的质量结果。结果显示，面积与延迟在(K,N)参数的优化偏好上呈相反方向。还公开发布了一份涵盖5个应用域、包含同构与异构架构的Quality of Results(QoR)数据集，可作为eFPGA架构空间探索的公共标准测试集。
相较于传统的货架FPGA，嵌入式FPGA的最大区别在于允许开发者根据特定应用的需求独立选择最合适的硬件架构参数(K, N、互连拓扑等)，这就使得架构空间探索不再仅仅是纯学术领域的研究方法，也是必须评估数十上百份架构文件并反复迭代选型的实际工程任务。现有的架构描述框架仍以手工编写架构文件与批处理脚本为主，每次参数调整都要在多份后端文件间逐处同步，难以支撑规模化的架构探索。针对此问题，该文提出一种支持多后端架构文件统一描述的参数化架构描述框架，该框架将架构参数按独立性分为工艺常量、耦合参数与独立参数3层，各后端描述由独立的渲染函数自动派生。目前该框架已适配VPR, OpenFPGA, Yosys 3路后端并成功扩展至COFFE，并已通过跨工具链全流程验证。依托该框架批量生成架构描述文件，提出基于参数扫描的架构探索方法，系统扫描了查找表(LUT)输入数K与簇规模N的取值组合，从面积、关键路径延迟及二者乘积3个维度衡量每种参数配置的质量结果。结果显示，面积与延迟在(K,N)参数的优化偏好上呈相反方向。还公开发布了一份涵盖5个应用域、包含同构与异构架构的Quality of Results(QoR)数据集，可作为eFPGA架构空间探索的公共标准测试集。
, 最新更新时间 , doi: 10.11999/JEIT260556
摘要:
随着物联网与智能穿戴设备的普及，在本地进行低延迟、高隐私的中文文本分析已成为刚需。然而，基于神经网络的语言模型计算量大、参数量大，难以在资源受限的边缘设备上运行。超维计算(HDC)作为一种新兴的类脑计算范式，通过2K～10K维度的超向量表征文本，以轻量级的“编码-查询”机制替代了复杂的多层网络结构，提供了硬件友好型的技术路径。然而，现有HDC研究主要面向由少量字母构成的拼音文字系统如英文。对于拥有庞大字符集的中文，现有方法会因基超向量数量的剧增而导致存储开销显著上升，这直接破坏了其在边缘侧部署的轻量化优势。为突破中文文本在边缘侧的高效表征瓶颈，该文基于汉字独特的书写与结构特征，提出一种高效的汉字超维编码方法，并构建了专为边缘侧中文文本分类设计的超维计算框架HDChinese。此外，为进一步适配边缘硬件环境，该文还设计了与HDChinese适配的加速器架构。实验结果表明，在维持分类准确率相当的前提下，HDChinese及其硬件加速器能够将模型复杂度大幅缩减99%以上，同时实现4.91%～77.36%的训练时间缩短以及6.67%～47.25%的推理延迟降低。该研究有效兼顾了准确性与极低开销，为边缘设备上的中文文本分析任务提供了理想的硬件解决方案。
随着物联网与智能穿戴设备的普及，在本地进行低延迟、高隐私的中文文本分析已成为刚需。然而，基于神经网络的语言模型计算量大、参数量大，难以在资源受限的边缘设备上运行。超维计算(HDC)作为一种新兴的类脑计算范式，通过2K～10K维度的超向量表征文本，以轻量级的“编码-查询”机制替代了复杂的多层网络结构，提供了硬件友好型的技术路径。然而，现有HDC研究主要面向由少量字母构成的拼音文字系统如英文。对于拥有庞大字符集的中文，现有方法会因基超向量数量的剧增而导致存储开销显著上升，这直接破坏了其在边缘侧部署的轻量化优势。为突破中文文本在边缘侧的高效表征瓶颈，该文基于汉字独特的书写与结构特征，提出一种高效的汉字超维编码方法，并构建了专为边缘侧中文文本分类设计的超维计算框架HDChinese。此外，为进一步适配边缘硬件环境，该文还设计了与HDChinese适配的加速器架构。实验结果表明，在维持分类准确率相当的前提下，HDChinese及其硬件加速器能够将模型复杂度大幅缩减99%以上，同时实现4.91%～77.36%的训练时间缩短以及6.67%～47.25%的推理延迟降低。该研究有效兼顾了准确性与极低开销，为边缘设备上的中文文本分析任务提供了理想的硬件解决方案。
, 最新更新时间 , doi: 10.11999/JEIT260391
摘要:
Grain系列密码算法广泛应用于射频识别(RFID)、物联网等资源受限的硬件环境，但通用处理器(GPP)实现性能低，专用集成电路(ASIC)实现灵活性差且成本高。针对该问题，该文采用专用指令扩展方式，提出一种基于RISC-V协处理器的Grain密码算法可重构并行化实现方案。该方案分析Grain系列算法中线性反馈移位寄存器和非线性反馈移位寄存器结构共性与差异，采用相同移位寄存器架构与面向算法的抽头网络，设计可重构并行化实现架构及相应的扩展指令，可高效支持Grain-80, Grain-128, Grain-128a与Grain-128AEAD 4种算法，并行粒度1～8灵活可调。实验结果表明，与无指令扩展的软件实现相比，基于蜂鸟E203平台，该方案完成密码处理流程的时钟周期数与指令条数由数万级降至129个与53条，吞吐率由0.33～9.18 Mbit/(s·Hz)提升至约200 Mbit/(s·Hz)；硬件综合表明，该方案在65 nm工艺下面积为7252.55 μm2，吞吐率达1.56 Gbit/(s·Hz)，虽较单算法ASIC实现面积略有增加，但可在同一架构上支持4种算法。该文所提实现方案在灵活性、处理效率与硬件开销之间实现了良好平衡。
Grain系列密码算法广泛应用于射频识别(RFID)、物联网等资源受限的硬件环境，但通用处理器(GPP)实现性能低，专用集成电路(ASIC)实现灵活性差且成本高。针对该问题，该文采用专用指令扩展方式，提出一种基于RISC-V协处理器的Grain密码算法可重构并行化实现方案。该方案分析Grain系列算法中线性反馈移位寄存器和非线性反馈移位寄存器结构共性与差异，采用相同移位寄存器架构与面向算法的抽头网络，设计可重构并行化实现架构及相应的扩展指令，可高效支持Grain-80, Grain-128, Grain-128a与Grain-128AEAD 4种算法，并行粒度1～8灵活可调。实验结果表明，与无指令扩展的软件实现相比，基于蜂鸟E203平台，该方案完成密码处理流程的时钟周期数与指令条数由数万级降至129个与53条，吞吐率由0.33～9.18 Mbit/(s·Hz)提升至约200 Mbit/(s·Hz)；硬件综合表明，该方案在65 nm工艺下面积为
, 最新更新时间 , doi: 10.11999/JEIT260520
摘要:
针对6G多无人机中继网络在动态环境下面临的通信资源受限与传输效能瓶颈，该文引入语义通信范式以降低系统对高带宽的依赖，并提出一种基于两阶段混合强化学习的联合资源优化方法。首先，综合考虑语义符号数量、无人机飞行轨迹、功率控制与信道分配，构建了以最大化语义通信服务质量和长期用户公平性为目标的资源优化模型。其次，设计了两阶段资源分配框架，利用改进的容量感知K均值算法进行负载均衡预部署以规避无效探索，并采用带参数共享的循环独立近端策略优化算法求解动态联合策略。仿真结果表明，该文所提方法具有良好的收敛性，能在保证用户公平性的同时有效提升语义传输效率并降低传输时延。
针对6G多无人机中继网络在动态环境下面临的通信资源受限与传输效能瓶颈，该文引入语义通信范式以降低系统对高带宽的依赖，并提出一种基于两阶段混合强化学习的联合资源优化方法。首先，综合考虑语义符号数量、无人机飞行轨迹、功率控制与信道分配，构建了以最大化语义通信服务质量和长期用户公平性为目标的资源优化模型。其次，设计了两阶段资源分配框架，利用改进的容量感知K均值算法进行负载均衡预部署以规避无效探索，并采用带参数共享的循环独立近端策略优化算法求解动态联合策略。仿真结果表明，该文所提方法具有良好的收敛性，能在保证用户公平性的同时有效提升语义传输效率并降低传输时延。
, 最新更新时间 , doi: 10.11999/JEIT260442
摘要:
根据语言指令准确地抓取目标物体，是服务机器人实现自然人机交互的必要前提。现有研究多采用大规模数据驱动训练或层次化特征融合策略实现视觉信息与指令文本的模态对齐，普遍忽视了底层视觉特征中目标与环境的强耦合特性，导致其在跨视角和未知背景下的组合泛化能力显著下降。针对上述挑战，该文构建了一个双视角跨场景同步抓取检测和定位数据集，用于系统评估并针对性提升现有模型的组合泛化能力。在此基础上，提出一种指令驱动下的同步抓取检测和物体定位网络(SGL-Net)。首先，引入跨模态全局上下文调制模块(CGCMM)，利用自然语言指令的语义先验，在视觉特征提取的早期阶段对网络视觉通道进行自适应视角校正与背景干扰抑制。其次，设计了词-像素跨模态交叉对齐模块(WPCAM)，采用扁平化注意力机制实现细粒度语义解耦，用以提升网络对动态复杂场景的语义理解能力。最后，采用统一解码器架构解耦融合后的多模态特征，实现目标物体位置与最优抓取位姿的同步输出。充足的定量与可视化实验结果表明，所提网络在多种不同场景视角的组合情况下均取得了最优的性能，并具备在真实物理世界中部署应用的能力。
根据语言指令准确地抓取目标物体，是服务机器人实现自然人机交互的必要前提。现有研究多采用大规模数据驱动训练或层次化特征融合策略实现视觉信息与指令文本的模态对齐，普遍忽视了底层视觉特征中目标与环境的强耦合特性，导致其在跨视角和未知背景下的组合泛化能力显著下降。针对上述挑战，该文构建了一个双视角跨场景同步抓取检测和定位数据集，用于系统评估并针对性提升现有模型的组合泛化能力。在此基础上，提出一种指令驱动下的同步抓取检测和物体定位网络(SGL-Net)。首先，引入跨模态全局上下文调制模块(CGCMM)，利用自然语言指令的语义先验，在视觉特征提取的早期阶段对网络视觉通道进行自适应视角校正与背景干扰抑制。其次，设计了词-像素跨模态交叉对齐模块(WPCAM)，采用扁平化注意力机制实现细粒度语义解耦，用以提升网络对动态复杂场景的语义理解能力。最后，采用统一解码器架构解耦融合后的多模态特征，实现目标物体位置与最优抓取位姿的同步输出。充足的定量与可视化实验结果表明，所提网络在多种不同场景视角的组合情况下均取得了最优的性能，并具备在真实物理世界中部署应用的能力。
, 最新更新时间 , doi: 10.11999/JEIT260522
摘要:
毫米波雷达步态识别在智能安防领域具有重要应用潜力，但在实际应用中，复杂着装(如大衣、背包等)会引入非稳定高频干扰，降低了现有模型的识别性能。其主要原因是现有方法没能充分考虑多普勒频率与人体运动之间的物理映射关系。针对上述问题，该文提出一种基于物理感知微多普勒重构与自适应干扰抑制的步态识别框架。该框架利用人体运动产生的多普勒频率与生物力学机理间的映射关系，将混叠的原始微多普勒频谱分离为躯干与四肢专属频带，从物理特征层面隔离复杂着装因素(如穿大衣、挎包等)引入的噪声干扰。在此基础上，设计加权注意力抑制机制，对衣服遮挡引起的高频异常噪声进行自适应建模，并增强判别性躯干特征表示，实现鲁棒特征融合。在公开数据集MMRGait-1.0上的实验结果表明，所提方法在仅0.75 GFLOPs的计算开销下取得了89.7%的平均Rank-1识别率；在大衣遮挡等复杂场景下仍可达到85.1%的识别精度，较基线方法提升近18%。实验结果验证了该方法在复杂着装条件下的有效性与鲁棒性。
毫米波雷达步态识别在智能安防领域具有重要应用潜力，但在实际应用中，复杂着装(如大衣、背包等)会引入非稳定高频干扰，降低了现有模型的识别性能。其主要原因是现有方法没能充分考虑多普勒频率与人体运动之间的物理映射关系。针对上述问题，该文提出一种基于物理感知微多普勒重构与自适应干扰抑制的步态识别框架。该框架利用人体运动产生的多普勒频率与生物力学机理间的映射关系，将混叠的原始微多普勒频谱分离为躯干与四肢专属频带，从物理特征层面隔离复杂着装因素(如穿大衣、挎包等)引入的噪声干扰。在此基础上，设计加权注意力抑制机制，对衣服遮挡引起的高频异常噪声进行自适应建模，并增强判别性躯干特征表示，实现鲁棒特征融合。在公开数据集MMRGait-1.0上的实验结果表明，所提方法在仅0.75 GFLOPs的计算开销下取得了89.7%的平均Rank-1识别率；在大衣遮挡等复杂场景下仍可达到85.1%的识别精度，较基线方法提升近18%。实验结果验证了该方法在复杂着装条件下的有效性与鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT260420
摘要:
针对太赫兹超大规模MIMO系统在混合场传播与AoSA架构下，现有压缩感知与深度展开方法在低信噪比(SNR)及噪声统计失配条件下易出现性能饱和与泛化性较差问题。为此，该文提出一种噪声条件化不动点展开网络(FPN-NCAS)。该方法在保持不动点理论框架的同时，将由重复导频差分获得的粗噪声功率估计值作为条件控制量耦合至非线性恢复过程，从而实现随噪声水平自适应调节的估计策略。在此基础上，设计噪声条件化的块稀疏近端恢复模块Block Shrink，通过噪声感知阈值与平滑切换机制增强混合场稀疏结构恢复能力；构造Token-Gate模块对子阵级特征进行轻量可靠性校准，并构建门控混合多尺度细化(G-HMTD)模块对主恢复后的残余误差进行全局-局部协同细化。仿真结果表明，所提方法在不同SNR条件下均取得更优的归一化均方误差(NMSE)性能；此外，在多种非理想信道与噪声条件下，所提方法仍表现出良好的鲁棒性。
针对太赫兹超大规模MIMO系统在混合场传播与AoSA架构下，现有压缩感知与深度展开方法在低信噪比(SNR)及噪声统计失配条件下易出现性能饱和与泛化性较差问题。为此，该文提出一种噪声条件化不动点展开网络(FPN-NCAS)。该方法在保持不动点理论框架的同时，将由重复导频差分获得的粗噪声功率估计值作为条件控制量耦合至非线性恢复过程，从而实现随噪声水平自适应调节的估计策略。在此基础上，设计噪声条件化的块稀疏近端恢复模块Block Shrink，通过噪声感知阈值与平滑切换机制增强混合场稀疏结构恢复能力；构造Token-Gate模块对子阵级特征进行轻量可靠性校准，并构建门控混合多尺度细化(G-HMTD)模块对主恢复后的残余误差进行全局-局部协同细化。仿真结果表明，所提方法在不同SNR条件下均取得更优的归一化均方误差(NMSE)性能；此外，在多种非理想信道与噪声条件下，所提方法仍表现出良好的鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT260512
摘要:
在港口散货装卸作业中，抓斗作为门座式起重机的关键执行部件，其连续轨迹提取易受尺度变化、局部遮挡、边界退化和帧间形态波动等因素影响。为此，该文提出一种面向抓斗轨迹稳定提取的空间与时序协同优化方法。该方法从空间表征增强与时序一致性约束两个层面展开：前者通过多尺度特征交互和边界细节增强，提高复杂背景与遮挡条件下抓斗区域的分割完整性；后者在分割表征层引入时序一致性约束，减弱局部误分、边界波动和短时漏检对轨迹连续性的影响，并通过联合优化目标实现端到端训练。实验结果表明，该方法在DAVIS2016, SegTrackV2和实际门座式起重机抓斗数据集上均表现出较优综合性能，其中在DAVIS2016上区域相似度J和轮廓精度F分别达到74.79%和74.70%，在实际抓斗数据集上平均绝对误差MAE和均方根误差RMSE较YOLOv8-seg分别下降约55.3%和52.6%，漏检率Miss rate由2.95%降至0.56%。遮挡实验进一步表明，该方法能够减弱轨迹抖动与短时中断，在复杂港口作业场景下具有较强的连续目标提取能力。同时，改进后模型推理速度保持在33 fps以上，具备实时应用潜力。
在港口散货装卸作业中，抓斗作为门座式起重机的关键执行部件，其连续轨迹提取易受尺度变化、局部遮挡、边界退化和帧间形态波动等因素影响。为此，该文提出一种面向抓斗轨迹稳定提取的空间与时序协同优化方法。该方法从空间表征增强与时序一致性约束两个层面展开：前者通过多尺度特征交互和边界细节增强，提高复杂背景与遮挡条件下抓斗区域的分割完整性；后者在分割表征层引入时序一致性约束，减弱局部误分、边界波动和短时漏检对轨迹连续性的影响，并通过联合优化目标实现端到端训练。实验结果表明，该方法在DAVIS2016, SegTrackV2和实际门座式起重机抓斗数据集上均表现出较优综合性能，其中在DAVIS2016上区域相似度J和轮廓精度F分别达到74.79%和74.70%，在实际抓斗数据集上平均绝对误差MAE和均方根误差RMSE较YOLOv8-seg分别下降约55.3%和52.6%，漏检率Miss rate由2.95%降至0.56%。遮挡实验进一步表明，该方法能够减弱轨迹抖动与短时中断，在复杂港口作业场景下具有较强的连续目标提取能力。同时，改进后模型推理速度保持在33 fps以上，具备实时应用潜力。
, 最新更新时间 , doi: 10.11999/JEIT251168
摘要:
通感一体化(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(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，该文对于RIS辅助多用户ISAC系统提出一种基于条件生成对抗网络(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(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(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，该文对于RIS辅助多用户ISAC系统提出一种基于条件生成对抗网络(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/JEIT260005
摘要:
跳频信号参数盲估计是跳频通信侦察对抗的关键技术。针对现有盲估计方法在估计精度与处理数字调制信号方面存在不足以及计算复杂度较高的问题，该文提出基于改进最大似然(ML)的相移键控(PSK)调制跳频信号参数盲估计方法。首先，基于短时傅里叶变换从持续多个跳频周期的PSK调制跳频信号中截取仅含单次跳频的短切片；然后，基于ML估计方法的代价函数，从短切片中提取适配ML估计模型的信号，克服传统基于ML的估计方法处理含PSK调制的信号时模型失配的问题；最后，提出一种加权迭代求解方法，实现跳频频率与跳频时刻的稳健估计。该方法摆脱了基于传统时频分析及压缩感知的估计框架约束，且计算复杂度较低。仿真结果表明，该方法可以同时实现PSK调制跳频信号跳频频率与跳频时刻的高精度估计。
跳频信号参数盲估计是跳频通信侦察对抗的关键技术。针对现有盲估计方法在估计精度与处理数字调制信号方面存在不足以及计算复杂度较高的问题，该文提出基于改进最大似然(ML)的相移键控(PSK)调制跳频信号参数盲估计方法。首先，基于短时傅里叶变换从持续多个跳频周期的PSK调制跳频信号中截取仅含单次跳频的短切片；然后，基于ML估计方法的代价函数，从短切片中提取适配ML估计模型的信号，克服传统基于ML的估计方法处理含PSK调制的信号时模型失配的问题；最后，提出一种加权迭代求解方法，实现跳频频率与跳频时刻的稳健估计。该方法摆脱了基于传统时频分析及压缩感知的估计框架约束，且计算复杂度较低。仿真结果表明，该方法可以同时实现PSK调制跳频信号跳频频率与跳频时刻的高精度估计。
, 最新更新时间 , doi: 10.11999/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3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3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3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，3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3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3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3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，3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/JEIT260140
摘要:
侧信道攻击是密码芯片物理安全的主要威胁之一，利用深度学习技术恢复密钥已成为侧信道攻击领域内研究热点。然而，现有基于深度学习的攻击方法在特征提取阶段往往缺乏对关键泄露区间的聚焦能力。特别是在长波形和高维噪声场景下，模型容易被无关背景噪声干扰，导致特征提取效率低下、猜测熵收敛缓慢。针对上述问题，该文提出一种融合卷积块注意力机制与3元组度量学习的侧信道攻击方法。该方法从泄露特征提取入手，在卷积神经网络中嵌入通道注意力与空间注意力模块，对不同特征通道和时域位置进行自适应加权，以增强泄露相关特征并减弱噪声干扰。在此基础上，引入3元组损失作为优化目标，用于引导注意力加权后的特征在嵌入空间中形成可分的簇结构。实验结果表明，该文方法在公开数据集上均优于度量学习及深度学习方法，其中在ASCAD_f(HW)场景下，攻击性能提升9.4%以上；在ASCAD_r(HW)场景下，该文方法实现猜测熵收敛所需的攻击轨迹数量减少10.7%以上。此外，去同步实验与消融实验进一步证实了该方法具备鲁棒性，并验证了核心组件协同设计的合理性。
侧信道攻击是密码芯片物理安全的主要威胁之一，利用深度学习技术恢复密钥已成为侧信道攻击领域内研究热点。然而，现有基于深度学习的攻击方法在特征提取阶段往往缺乏对关键泄露区间的聚焦能力。特别是在长波形和高维噪声场景下，模型容易被无关背景噪声干扰，导致特征提取效率低下、猜测熵收敛缓慢。针对上述问题，该文提出一种融合卷积块注意力机制与3元组度量学习的侧信道攻击方法。该方法从泄露特征提取入手，在卷积神经网络中嵌入通道注意力与空间注意力模块，对不同特征通道和时域位置进行自适应加权，以增强泄露相关特征并减弱噪声干扰。在此基础上，引入3元组损失作为优化目标，用于引导注意力加权后的特征在嵌入空间中形成可分的簇结构。实验结果表明，该文方法在公开数据集上均优于度量学习及深度学习方法，其中在ASCAD_f(HW)场景下，攻击性能提升9.4%以上；在ASCAD_r(HW)场景下，该文方法实现猜测熵收敛所需的攻击轨迹数量减少10.7%以上。此外，去同步实验与消融实验进一步证实了该方法具备鲁棒性，并验证了核心组件协同设计的合理性。
, 最新更新时间 , doi: 10.11999/JEIT251260
摘要:
网络安全领域命名实体识别作为支撑威胁情报分析、安全事件响应及漏洞管理的核心技术，面临着标注数据稀缺、专业术语密集与语义融合不足等严峻挑战，而现有的大语言模型方法又存在领域语义融合不足和稀有实体召回率低等缺陷。针对以上挑战，该文提出了一种面向大语言模型轻量化适配的语义增强型网络安全命名实体识别方法。该方法集成LLM2Vec与低秩适配的轻量化适配策略以保留深层语义编码并降低训练成本，设计稀疏门控注意力机制以强化领域关键词融合，并引入基于SecRoBERTa的语义增强组件以提升小样本场景下的特征鲁棒性，最终采用掩蔽条件随机场约束标签路径的合法性。在DNRTI和APTNER两个公开数据集上的实验结果表明，所提方法在精确率、召回率和F1分数上均优于现有主流方法，其中在DNRTI数据集上F1分数达到91.91%，较当前最优模型提升2.14%，验证了其在网络安全实体识别任务中的有效性。该方法为低资源场景下的网络安全命名实体识别提供了高效、轻量化的解决方案，对推动威胁情报自动化分析与安全防护体系智能化具有实际意义。
网络安全领域命名实体识别作为支撑威胁情报分析、安全事件响应及漏洞管理的核心技术，面临着标注数据稀缺、专业术语密集与语义融合不足等严峻挑战，而现有的大语言模型方法又存在领域语义融合不足和稀有实体召回率低等缺陷。针对以上挑战，该文提出了一种面向大语言模型轻量化适配的语义增强型网络安全命名实体识别方法。该方法集成LLM2Vec与低秩适配的轻量化适配策略以保留深层语义编码并降低训练成本，设计稀疏门控注意力机制以强化领域关键词融合，并引入基于SecRoBERTa的语义增强组件以提升小样本场景下的特征鲁棒性，最终采用掩蔽条件随机场约束标签路径的合法性。在DNRTI和APTNER两个公开数据集上的实验结果表明，所提方法在精确率、召回率和F1分数上均优于现有主流方法，其中在DNRTI数据集上F1分数达到91.91%，较当前最优模型提升2.14%，验证了其在网络安全实体识别任务中的有效性。该方法为低资源场景下的网络安全命名实体识别提供了高效、轻量化的解决方案，对推动威胁情报自动化分析与安全防护体系智能化具有实际意义。
, 最新更新时间 , doi: 10.11999/JEIT251297
摘要:
随着全球自然灾害频发以及各类突发事件风险上升，如何依托智能遥感技术对受灾目标开展快速、精准的评估，已成为支撑应急响应与灾后重建的重要任务。近年来，基于深度学习的遥感灾害评估方法不断涌现，大大提高了灾害评估的精度和智能化程度，然而，该领域发展迅速但仍缺乏系统性综述。该文全面梳理了遥感目标灾害智能评估的技术内涵；对现有研究中常用的目标损伤等级标准、公开数据集及性能评价指标进行了归纳；围绕双时相变化检测、多时相序列建模、多模态数据融合、数据受限场景下灾害评估4类技术框架进行深入分析，叙述了各类方法的技术路径及其优势与不足；最后，该文进一步探讨了该领域未来的发展方向，旨在为遥感智能灾害评估技术在人为及自然灾害应对中的应用提供理论支持与方法参考。
随着全球自然灾害频发以及各类突发事件风险上升，如何依托智能遥感技术对受灾目标开展快速、精准的评估，已成为支撑应急响应与灾后重建的重要任务。近年来，基于深度学习的遥感灾害评估方法不断涌现，大大提高了灾害评估的精度和智能化程度，然而，该领域发展迅速但仍缺乏系统性综述。该文全面梳理了遥感目标灾害智能评估的技术内涵；对现有研究中常用的目标损伤等级标准、公开数据集及性能评价指标进行了归纳；围绕双时相变化检测、多时相序列建模、多模态数据融合、数据受限场景下灾害评估4类技术框架进行深入分析，叙述了各类方法的技术路径及其优势与不足；最后，该文进一步探讨了该领域未来的发展方向，旨在为遥感智能灾害评估技术在人为及自然灾害应对中的应用提供理论支持与方法参考。
, 最新更新时间 , doi: 10.11999/JEIT260426
摘要:
深度伪造检测模型在未知伪造方法、跨数据集和复杂退化场景中易受分布偏移影响。训练数据中的伪造样本既包含由生成方式、数据来源和后处理条件引起的模式差异，也包含跨潜在模式稳定存在的共享判别结构。针对二者难以协同建模的问题，提出层次化原型学习与共享子空间分解方法(HPL-SF)。该方法依次完成类内差异观测、共享结构分解和样本级结构利用。训练阶段，多个特异伪造原型在真伪二分类监督下形成差异化响应，以表征伪造类内部的潜在子模式。随后，从原型矩阵的主导低秩方向中分解共享伪造子空间，并聚合各原型的共享投影，构造共性伪造原型。推理阶段，固定真实原型、共性伪造原型和共享伪造子空间，并根据测试样本对两个语义原型的相对响应，自适应融合原始表征与共享投影表征。在跨数据集、跨伪造类型和扩散人脸伪造评估中，受试者工作特征曲线下面积的平均值分别达到91.67%、92.41%和84.39%。原型分配、共享—特异成分和测试时权重分析进一步支持了上述三个阶段之间的递进关系。
深度伪造检测模型在未知伪造方法、跨数据集和复杂退化场景中易受分布偏移影响。训练数据中的伪造样本既包含由生成方式、数据来源和后处理条件引起的模式差异，也包含跨潜在模式稳定存在的共享判别结构。针对二者难以协同建模的问题，提出层次化原型学习与共享子空间分解方法(HPL-SF)。该方法依次完成类内差异观测、共享结构分解和样本级结构利用。训练阶段，多个特异伪造原型在真伪二分类监督下形成差异化响应，以表征伪造类内部的潜在子模式。随后，从原型矩阵的主导低秩方向中分解共享伪造子空间，并聚合各原型的共享投影，构造共性伪造原型。推理阶段，固定真实原型、共性伪造原型和共享伪造子空间，并根据测试样本对两个语义原型的相对响应，自适应融合原始表征与共享投影表征。在跨数据集、跨伪造类型和扩散人脸伪造评估中，受试者工作特征曲线下面积的平均值分别达到91.67%、92.41%和84.39%。原型分配、共享—特异成分和测试时权重分析进一步支持了上述三个阶段之间的递进关系。
, 最新更新时间 , doi: 10.11999/JEIT251093
摘要:
在磁共振成像(MRI)中通过对\begin{document}$ k $\end{document} 0.0037 、0.0029 。
在磁共振成像(MRI)中通过对
, 最新更新时间 , doi: 10.11999/JEIT260482
摘要:
海上异构无线网络通信场景中多种通信体制并存，面临互联互通与资源协同面临双重挑战，而现有基于深度强化学习的路由算法对动态拓扑的表征能力不足，难以在网络拓扑频繁变化时做出高效的路由决策。这主要归因于现有主流框架多采用标准图神经网络(GNN)或全连接网络进行状态编码，难以有效捕捉高动态拓扑下的结构特征。为此，本文提出了一种支持5G与自组网融合的多无线接入网关，并构建融合对比消息传递图神经网络与深度强化学习的路由方法，以提升网络服务质量与转发效率，实现资源的优化分配。实验结果表明，与最优基准方法相比，所提方法端到端时延降低20.8%～47.7%，丢包率降低0.3%～5.3%，吞吐量提升5.2%～14.2%，验证了其动态适应性与泛化能力。
海上异构无线网络通信场景中多种通信体制并存，面临互联互通与资源协同面临双重挑战，而现有基于深度强化学习的路由算法对动态拓扑的表征能力不足，难以在网络拓扑频繁变化时做出高效的路由决策。这主要归因于现有主流框架多采用标准图神经网络(GNN)或全连接网络进行状态编码，难以有效捕捉高动态拓扑下的结构特征。为此，本文提出了一种支持5G与自组网融合的多无线接入网关，并构建融合对比消息传递图神经网络与深度强化学习的路由方法，以提升网络服务质量与转发效率，实现资源的优化分配。实验结果表明，与最优基准方法相比，所提方法端到端时延降低20.8%～47.7%，丢包率降低0.3%～5.3%，吞吐量提升5.2%～14.2%，验证了其动态适应性与泛化能力。
, 最新更新时间 , doi: 10.11999/JEIT260500
摘要:
针对广域海面非合作机动舰船位置不确定性随未观测时间持续扩散，以及星群多功能载荷在搜索—跟踪模式、姿态机动和能量消耗方面存在强耦合约束的问题，提出一种基于动态信息增益的协同搜索与跟踪方法。首先，依据目标上一确认状态、航速/航向扰动和未观测时长生成参数化概率网格，以离散信息熵表征目标位置不确定性，并结合连续命中状态构建状态驱动的双模收益模型：稳健跟踪态采用窄视场模式，以任务视场内的先验捕获概率评价观测收益；丢失搜索态采用宽视场模式，以Kullback-Leibler(KL)散度的信息论定义为基础，利用二元Hit/Miss事件熵近似评价候选区域的搜索信息价值。其次，建立同时考虑目标动态优先级、跟踪收益、搜索收益和能量消耗的滚动多目标规划模型，并将单星时域互斥、姿态切换稳定时间及能量预算作为物理硬约束。在此基础上，提出基于非支配排序遗传算法(NSGA-II)的多目标协同演化规划算法(Cooperative Evolutionary Planning-Multi-Objective, CEP-MO)，通过全局整数索引编码、约束感知启发式初始化、卫星分组交叉、自适应修复和理想点决策，提高强约束大规模任务空间中的可行解生成与协同规划效率。仿真实验表明，在200艘机动目标的大规模场景下，相较于标准NSGA-II，所提CEP-MO算法保障了规划方案在星群能源与姿态等物理硬约束下的可行性，降低了目标位置不确定性对系统调度效能的影响，将平均重访间隔缩短了62.8%，提高不确定性目标的再捕获与持续监视能力。
针对广域海面非合作机动舰船位置不确定性随未观测时间持续扩散，以及星群多功能载荷在搜索—跟踪模式、姿态机动和能量消耗方面存在强耦合约束的问题，提出一种基于动态信息增益的协同搜索与跟踪方法。首先，依据目标上一确认状态、航速/航向扰动和未观测时长生成参数化概率网格，以离散信息熵表征目标位置不确定性，并结合连续命中状态构建状态驱动的双模收益模型：稳健跟踪态采用窄视场模式，以任务视场内的先验捕获概率评价观测收益；丢失搜索态采用宽视场模式，以Kullback-Leibler(KL)散度的信息论定义为基础，利用二元Hit/Miss事件熵近似评价候选区域的搜索信息价值。其次，建立同时考虑目标动态优先级、跟踪收益、搜索收益和能量消耗的滚动多目标规划模型，并将单星时域互斥、姿态切换稳定时间及能量预算作为物理硬约束。在此基础上，提出基于非支配排序遗传算法(NSGA-II)的多目标协同演化规划算法(Cooperative Evolutionary Planning-Multi-Objective, CEP-MO)，通过全局整数索引编码、约束感知启发式初始化、卫星分组交叉、自适应修复和理想点决策，提高强约束大规模任务空间中的可行解生成与协同规划效率。仿真实验表明，在200艘机动目标的大规模场景下，相较于标准NSGA-II，所提CEP-MO算法保障了规划方案在星群能源与姿态等物理硬约束下的可行性，降低了目标位置不确定性对系统调度效能的影响，将平均重访间隔缩短了62.8%，提高不确定性目标的再捕获与持续监视能力。
, 最新更新时间 , doi: 10.11999/JEIT260870
摘要:
星载双波束顺轨干涉合成孔径雷达(Dual-Beam Along-Track Interferometric Synthetic Aperture Radar, DBATI-SAR)可通过前、后视观测获取不同方向的海表径向速度，为二维海面流场矢量反演提供观测基础。二维流速反演的稳定性与两次雷达视线(Radar Line-of-Sight, RLOS)在目标点局部地表切平面内的投影关系密切相关，当前、后视RLOS地表投影接近正交时，径向速度误差向水平流速分量的几何放大较小。然而，传统前、后视几何参数求解多基于平地几何和匀速直线运动假设，难以刻画轨道曲率、地球曲率和地球自转共同作用下的星载非对称几何，易导致实际RLOS地表投影偏离理想正交构型。针对该问题，本文提出一种星载非对称几何下DBATI-SAR关键几何参数求解方法，以RLOS地表投影正交性作为直接约束。首先，在地心地固坐标系(Earth-Centered Earth-Fixed, ECEF)下建立星载观测几何模型，定义RLOS地表投影夹角、斜视角和下视角，并将观测时间、斜视角和下视角等关键几何参数的求解表述为满足RLOS地表投影正交约束的观测时间反问题。其次，在零斜视参考点邻域内推导观测时间偏置关于RLOS地表投影夹角的解析主项，用于解释观测时间尺度及主要几何控制因素。最后，基于完整ECEF正向几何采样构建多项式数值逆映射模型，实现给定投影夹角条件下关键几何参数的高精度求解。仿真结果表明，当采用 7 阶多项式且采样点数量不少于 20 时，500组随机轨道参数下的RLOS地表投影夹角平均误差约为0.04°；相比传统平地几何模型约 6.5° 的正交误差，几何约束精度显著提高，对应归一化几何放大因子由约 1.12 降至1.0007 。所提方法可在完整星载非对称几何下实现前、后视观测时间、斜视角和下视角等关键几何参数的高精度求解。
星载双波束顺轨干涉合成孔径雷达(Dual-Beam Along-Track Interferometric Synthetic Aperture Radar, DBATI-SAR)可通过前、后视观测获取不同方向的海表径向速度，为二维海面流场矢量反演提供观测基础。二维流速反演的稳定性与两次雷达视线(Radar Line-of-Sight, RLOS)在目标点局部地表切平面内的投影关系密切相关，当前、后视RLOS地表投影接近正交时，径向速度误差向水平流速分量的几何放大较小。然而，传统前、后视几何参数求解多基于平地几何和匀速直线运动假设，难以刻画轨道曲率、地球曲率和地球自转共同作用下的星载非对称几何，易导致实际RLOS地表投影偏离理想正交构型。针对该问题，本文提出一种星载非对称几何下DBATI-SAR关键几何参数求解方法，以RLOS地表投影正交性作为直接约束。首先，在地心地固坐标系(Earth-Centered Earth-Fixed, ECEF)下建立星载观测几何模型，定义RLOS地表投影夹角、斜视角和下视角，并将观测时间、斜视角和下视角等关键几何参数的求解表述为满足RLOS地表投影正交约束的观测时间反问题。其次，在零斜视参考点邻域内推导观测时间偏置关于RLOS地表投影夹角的解析主项，用于解释观测时间尺度及主要几何控制因素。最后，基于完整ECEF正向几何采样构建多项式数值逆映射模型，实现给定投影夹角条件下关键几何参数的高精度求解。仿真结果表明，当采用 7 阶多项式且采样点数量不少于 20 时，500组随机轨道参数下的RLOS地表投影夹角平均误差约为0.04°；相比传统平地几何模型约 6.5° 的正交误差，几何约束精度显著提高，对应归一化几何放大因子由约 1.12 降至
, 最新更新时间 , doi: 10.11999/JEIT260702
摘要:
针对地面无人平台在复杂多径环境下的短突发可靠通信问题，该文研究强多径、载波频率偏移(Carrier Frequency Offset, CFO)、定时偏移(Timing Offset, TO)、采样频率偏移(Sampling Frequency Offset, SFO)与带内干扰共同作用下鲁棒检测技术，构造前导参考循环互相关线性调频扩频(Preamble-Referenced Cyclic Cross-Correlation CSS, PRCC-CSS)方法。该方法联合设计帧结构、同步估计与载荷检测：前导up-chirp与帧同步定界符down-chirp的互补频域索引联合估计整数CFO与TO；相邻前导相位差、平均谱主峰邻域和跨符号bin漂移分别估计小数CFO、小数TO和SFO；载荷检测以前导平均谱构造帧参考谱，与载荷谱循环互相关完成符号判决。本文参数设置下的仿真表明，在加性高斯白噪声、扩展典型城市(Extended Typical Urban, ETU)信道模型及ETU叠加干扰场景下，PRCC-CSS较直接序列扩频获得更低能量门限；在ETU加干扰下较非相干和相干峰值检测获得更低信干噪比门限。此外，基于软件无线电原型验证系统在ETU、5dB干扰信号功率比条件下可靠帧保留率达90%以上，通过筛选的可靠帧内未观测到符号与比特错误。因此，所提技术将多径频域结构由不利扰动转化为可匹配参考特征，可作为复杂短突发可靠通信的候选物理层方案。
针对地面无人平台在复杂多径环境下的短突发可靠通信问题，该文研究强多径、载波频率偏移(Carrier Frequency Offset, CFO)、定时偏移(Timing Offset, TO)、采样频率偏移(Sampling Frequency Offset, SFO)与带内干扰共同作用下鲁棒检测技术，构造前导参考循环互相关线性调频扩频(Preamble-Referenced Cyclic Cross-Correlation CSS, PRCC-CSS)方法。该方法联合设计帧结构、同步估计与载荷检测：前导up-chirp与帧同步定界符down-chirp的互补频域索引联合估计整数CFO与TO；相邻前导相位差、平均谱主峰邻域和跨符号bin漂移分别估计小数CFO、小数TO和SFO；载荷检测以前导平均谱构造帧参考谱，与载荷谱循环互相关完成符号判决。本文参数设置下的仿真表明，在加性高斯白噪声、扩展典型城市(Extended Typical Urban, ETU)信道模型及ETU叠加干扰场景下，PRCC-CSS较直接序列扩频获得更低能量门限；在ETU加干扰下较非相干和相干峰值检测获得更低信干噪比门限。此外，基于软件无线电原型验证系统在ETU、5dB干扰信号功率比条件下可靠帧保留率达90%以上，通过筛选的可靠帧内未观测到符号与比特错误。因此，所提技术将多径频域结构由不利扰动转化为可匹配参考特征，可作为复杂短突发可靠通信的候选物理层方案。
, 最新更新时间 , doi: 10.11999/JEIT260189
摘要:
遥感图文检索(RS-ITR)通过建立遥感影像与自然语言描述之间的跨模态语义关联，为海量地理空间数据的语义理解与智能检索提供了重要支撑。随着高分辨率对地观测数据持续积累，复杂场景、多尺度结构、专业语义表达及标注稀缺等因素，使传统手工特征方法和常规深度跨模态模型在语义建模、跨场景泛化和开放环境适应方面受到明显制约。围绕视觉-语言基础模型(VLM)驱动的遥感图文检索研究，该文系统梳理了任务建模、领域挑战、评价基准与技术演进脉络，重点归纳了模型架构范式、遥感领域适配策略和跨模态语义对齐机制，并结合代表性数据集、典型方法及性能比较总结了当前研究进展。分析表明，视觉-语言基础模型在缓解语义鸿沟、提升零样本迁移能力和增强复杂语义理解方面展现出显著优势，但多源异构数据统一建模、地理知识增强、开放场景持续学习以及轻量化部署仍是该方向亟待突破的关键问题。相关综述可为遥感多模态信息理解、跨模态检索模型设计及工程应用提供系统参考。
遥感图文检索(RS-ITR)通过建立遥感影像与自然语言描述之间的跨模态语义关联，为海量地理空间数据的语义理解与智能检索提供了重要支撑。随着高分辨率对地观测数据持续积累，复杂场景、多尺度结构、专业语义表达及标注稀缺等因素，使传统手工特征方法和常规深度跨模态模型在语义建模、跨场景泛化和开放环境适应方面受到明显制约。围绕视觉-语言基础模型(VLM)驱动的遥感图文检索研究，该文系统梳理了任务建模、领域挑战、评价基准与技术演进脉络，重点归纳了模型架构范式、遥感领域适配策略和跨模态语义对齐机制，并结合代表性数据集、典型方法及性能比较总结了当前研究进展。分析表明，视觉-语言基础模型在缓解语义鸿沟、提升零样本迁移能力和增强复杂语义理解方面展现出显著优势，但多源异构数据统一建模、地理知识增强、开放场景持续学习以及轻量化部署仍是该方向亟待突破的关键问题。相关综述可为遥感多模态信息理解、跨模态检索模型设计及工程应用提供系统参考。
, 最新更新时间 , doi: 10.11999/JEIT260823
摘要:
针对信道时变及链路相关条件下多标签双站反向散射通信系统的安全传输问题，该文提出一种基于反向散射链路信道增益排序的标签选择方案。充分考虑标签选择阶段与传输阶段之间的信道状态信息不一致，以及合法链路与窃听链路之间的相关性，在独立非同分布瑞利信道下，推导了系统保密中断概率的闭式表达式及高发射功率下的渐近表达式，并从合法链路与窃听链路增益比的角度分析了系统保密性能的变化规律。分析结果表明：信道状态信息过时会显著削弱系统保密性能；当合法链路与窃听链路增益比固定时，系统在高发射功率区域存在保密中断平层，而提高该增益比可有效缓解该性能瓶颈；此外，在该文考虑的模型下，合法链路与窃听链路的相关性能够降低窃听链路相对占优的概率，从而改善系统保密性能。最后，蒙特卡罗仿真验证了理论推导的准确性，并表明所提方案在信道状态信息过时条件下仍能有效提升系统保密性能。
针对信道时变及链路相关条件下多标签双站反向散射通信系统的安全传输问题，该文提出一种基于反向散射链路信道增益排序的标签选择方案。充分考虑标签选择阶段与传输阶段之间的信道状态信息不一致，以及合法链路与窃听链路之间的相关性，在独立非同分布瑞利信道下，推导了系统保密中断概率的闭式表达式及高发射功率下的渐近表达式，并从合法链路与窃听链路增益比的角度分析了系统保密性能的变化规律。分析结果表明：信道状态信息过时会显著削弱系统保密性能；当合法链路与窃听链路增益比固定时，系统在高发射功率区域存在保密中断平层，而提高该增益比可有效缓解该性能瓶颈；此外，在该文考虑的模型下，合法链路与窃听链路的相关性能够降低窃听链路相对占优的概率，从而改善系统保密性能。最后，蒙特卡罗仿真验证了理论推导的准确性，并表明所提方案在信道状态信息过时条件下仍能有效提升系统保密性能。
, 最新更新时间 , doi: 10.11999/JEIT260536
摘要:
当前，传统雷达天线通过发射高频电磁信号以及材料结构设计实现主动电磁干扰和雷达散射截面积缩小的带内隐身。同时，又需要大规模TR组件或机械控制实现多向雷达通信。因此，实现带内隐身与多向辐射的集成化动态调制，成为当前电磁调控领域面临的一项巨大技术挑战。在此，该文提出一种工作于X波段能够同时实现波束扫描和电磁隐身的时空编码超表面，该器件采用时-空相位联合编码策略，通过协同调控电磁波的空间域与频率域特性，重构传播方向并调控谐波功率分布，实现了谐波波束转向以及雷达散射截面积(RCS)缩减。作为概念验证，该文采用印制电路板(PCB)工艺制作了一个8×8的超表面模型，利用FPGA开发板进行控制并通过矢量网络分析仪采集回波信号增益。所设计的超表面成功实现–45°～+45°范围内波束扫描和回波增益降低最大值为14.83 dB的RCS缩减。相信该设计能够为自适应多维度电磁波调控及先进电磁对抗技术提供了新路径与实验支撑。
当前，传统雷达天线通过发射高频电磁信号以及材料结构设计实现主动电磁干扰和雷达散射截面积缩小的带内隐身。同时，又需要大规模TR组件或机械控制实现多向雷达通信。因此，实现带内隐身与多向辐射的集成化动态调制，成为当前电磁调控领域面临的一项巨大技术挑战。在此，该文提出一种工作于X波段能够同时实现波束扫描和电磁隐身的时空编码超表面，该器件采用时-空相位联合编码策略，通过协同调控电磁波的空间域与频率域特性，重构传播方向并调控谐波功率分布，实现了谐波波束转向以及雷达散射截面积(RCS)缩减。作为概念验证，该文采用印制电路板(PCB)工艺制作了一个8×8的超表面模型，利用FPGA开发板进行控制并通过矢量网络分析仪采集回波信号增益。所设计的超表面成功实现–45°～+45°范围内波束扫描和回波增益降低最大值为14.83 dB的RCS缩减。相信该设计能够为自适应多维度电磁波调控及先进电磁对抗技术提供了新路径与实验支撑。
, 最新更新时间 , doi: 10.11999/JEIT260462
摘要:
有源可重构智能表面(RIS)通过集成射频放大器可提升系统性能，但同时引入放大噪声与能耗挑战。此外，基站对RIS的高精度数字调相会带来较大的通信开销。鉴于此，该文研究离散有源RIS增强通信系统的能效性能。首先，基于大数定律与泰勒展开，推导了用户处能效损失及近似损失表达式。其次，结合费拉里法与朗伯W函数，获得了使能效最大化的功率分配因子与RIS元件数的近似最优解。最后，基于朗伯W函数揭示了RIS处与用户处能效关系。仿真表明：当总功率\begin{document}$ {P}_{\text{t}}=1 $\end{document} \begin{document}$ N=256 $\end{document}
有源可重构智能表面(RIS)通过集成射频放大器可提升系统性能，但同时引入放大噪声与能耗挑战。此外，基站对RIS的高精度数字调相会带来较大的通信开销。鉴于此，该文研究离散有源RIS增强通信系统的能效性能。首先，基于大数定律与泰勒展开，推导了用户处能效损失及近似损失表达式。其次，结合费拉里法与朗伯W函数，获得了使能效最大化的功率分配因子与RIS元件数的近似最优解。最后，基于朗伯W函数揭示了RIS处与用户处能效关系。仿真表明：当总功率
, 最新更新时间 , doi: 10.11999/JEIT260075
摘要:
高速移动场景下显著多普勒频移引发信道快速时变特性及子载波间干扰加剧，导致MIMO-OFDM系统信道估计精度下降及鲁棒性不足，该文提出一种基于特征线性调制(FiLM)的自适应Transformer信道估计模型——AdaFiT。首先，采用可分离二维线性上采样获取全时频域信道估计，并利用点卷积在通道维度对多天线复数信道的实部与虚部进行联合建模，结合卷积特征增强模块提取多尺度时频特征；然后，设计信道自适应特征调制模块，将信道参数作为先验条件信息，基于FiLM机制生成特征层面的缩放系数与偏移系数，仿射调制Transformer网络的块嵌入序列，实现对信道统计变化的条件自适应；最后，通过二维可学习位置编码的Transformer编码器全局建模块级特征，并结合残差重建结构融合局部与全局特征，完成高精度信道重建。结果表明，所提AdaFiT模型在C型簇延迟线信道(CDL-C)和A型簇延迟线信道(CDL-A)两种信道模型下均优于最小二乘双线性插值(LS-Blinear)、线性最小均方误差(LMMSE)及现有自适应方法，对不同信道模型具有较好的适应性。其中，在CDL-C信道模型下的动态信噪比、多普勒频移及不同时延扩展条件下，均方根误差最大可提升7 dB。
高速移动场景下显著多普勒频移引发信道快速时变特性及子载波间干扰加剧，导致MIMO-OFDM系统信道估计精度下降及鲁棒性不足，该文提出一种基于特征线性调制(FiLM)的自适应Transformer信道估计模型——AdaFiT。首先，采用可分离二维线性上采样获取全时频域信道估计，并利用点卷积在通道维度对多天线复数信道的实部与虚部进行联合建模，结合卷积特征增强模块提取多尺度时频特征；然后，设计信道自适应特征调制模块，将信道参数作为先验条件信息，基于FiLM机制生成特征层面的缩放系数与偏移系数，仿射调制Transformer网络的块嵌入序列，实现对信道统计变化的条件自适应；最后，通过二维可学习位置编码的Transformer编码器全局建模块级特征，并结合残差重建结构融合局部与全局特征，完成高精度信道重建。结果表明，所提AdaFiT模型在C型簇延迟线信道(CDL-C)和A型簇延迟线信道(CDL-A)两种信道模型下均优于最小二乘双线性插值(LS-Blinear)、线性最小均方误差(LMMSE)及现有自适应方法，对不同信道模型具有较好的适应性。其中，在CDL-C信道模型下的动态信噪比、多普勒频移及不同时延扩展条件下，均方根误差最大可提升7 dB。
, 最新更新时间 , doi: 10.11999/JEIT260452
摘要:
航天器的6自由度位姿估计，是指确定目标航天器相对于服务航天器在空间坐标系中的相对姿态的处理过程。该技术是失效卫星清理、太空垃圾捕获、航天器在轨操控、空间站交会对接等一系列近距离操作任务的关键步骤。近年来，基于CNN的6D位姿估计方法受到广泛关注，但其过度依赖卷积网络结构，容易导致对图像纹理的敏感，并缺乏对远程上下文信息的有效建模能力。此外，当前主流方法通常采用由目标检测与姿态估计构成的流水线设计，其特征提取多样性有限，对低光照和复杂背景干扰较为敏感。针对上述问题，本文提出一种基于多频谱特征交互与动态融合的航天器位姿估计网络。首先，该网络利用不同感受野的主干网络分别提取图像的空间高频特征(如语义与边缘细节)和空间低频特征(如全局结构信息)；在此基础上，基于Transformer的特征匹配机制，进行自特征与跨特征注意力交互，实现长范围上下文信息的聚合；为进一步利用丰富的频域特征表示，引入频率引导特征模块，动态融合多频谱特征。最后，在航天器位姿估计数据集上的大量实验表明，所提出方法具有竞争力，并展现了较强的泛化能力，相比于现有方法具有优势。
航天器的6自由度位姿估计，是指确定目标航天器相对于服务航天器在空间坐标系中的相对姿态的处理过程。该技术是失效卫星清理、太空垃圾捕获、航天器在轨操控、空间站交会对接等一系列近距离操作任务的关键步骤。近年来，基于CNN的6D位姿估计方法受到广泛关注，但其过度依赖卷积网络结构，容易导致对图像纹理的敏感，并缺乏对远程上下文信息的有效建模能力。此外，当前主流方法通常采用由目标检测与姿态估计构成的流水线设计，其特征提取多样性有限，对低光照和复杂背景干扰较为敏感。针对上述问题，本文提出一种基于多频谱特征交互与动态融合的航天器位姿估计网络。首先，该网络利用不同感受野的主干网络分别提取图像的空间高频特征(如语义与边缘细节)和空间低频特征(如全局结构信息)；在此基础上，基于Transformer的特征匹配机制，进行自特征与跨特征注意力交互，实现长范围上下文信息的聚合；为进一步利用丰富的频域特征表示，引入频率引导特征模块，动态融合多频谱特征。最后，在航天器位姿估计数据集上的大量实验表明，所提出方法具有竞争力，并展现了较强的泛化能力，相比于现有方法具有优势。
, 最新更新时间 , doi: 10.11999/JEIT260847
摘要:
针对红外弱小目标检测中目标尺度小、纹理弱导致的细节表征衰减、低频背景渗透，以及实时检测变换器(RT-DETR)在跨尺度融合中易传播背景冗余、空间约束不足的问题，提出一种频域解耦与空间先验约束的端到端检测模型。该模型以子空间渐进注意力补偿浅层局部细节，以频域非对称解耦交互分离目标细节与背景低频成分，并通过高阶空间关系建模与空间先验注入增强跨尺度融合，约束同质杂波关联。在IRSTD-1k和NUAA-SIRST数据集上，所提模型较RT-DETR基准的mAP@0.5分别提升3.39和3.08个百分点，参数量和计算量分别降低13.24%和11.42%。结果表明，该模型能在降低开销的同时提升检测精度与定位鲁棒性。
针对红外弱小目标检测中目标尺度小、纹理弱导致的细节表征衰减、低频背景渗透，以及实时检测变换器(RT-DETR)在跨尺度融合中易传播背景冗余、空间约束不足的问题，提出一种频域解耦与空间先验约束的端到端检测模型。该模型以子空间渐进注意力补偿浅层局部细节，以频域非对称解耦交互分离目标细节与背景低频成分，并通过高阶空间关系建模与空间先验注入增强跨尺度融合，约束同质杂波关联。在IRSTD-1k和NUAA-SIRST数据集上，所提模型较RT-DETR基准的mAP@0.5分别提升3.39和3.08个百分点，参数量和计算量分别降低13.24%和11.42%。结果表明，该模型能在降低开销的同时提升检测精度与定位鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT260857
摘要:
针对现有单域图像隐写方法面临的难以同时兼顾隐蔽性、抗隐写分析能力与运行效率，以及高性能模型结构复杂、难以轻量化部署等问题，该文提出一种基于改进经验模态分解与双域图卷积的轻量化图像隐写网络模型。首先，利用改进的二维经验模态分解模块将秘密图像自适应分解为多尺度分量，以实现隐秘信息在不同形态组件中的自适应层级分散；其次，设计多尺度空频块，通过融合多分支扩张卷积、注意力机制与频域感知单元，实现空间域与频域特征的深度融合与协同优化，在增强抗检测能力的同时确保秘密信息的高保真提取；最后，引入改进的图特征神经网络作为瓶颈层，利用高效的稀疏图卷积操作显式建模远距离像素关联，在有效表征非连续纹理区修改模式的同时大幅降低模型计算复杂度。实验结果表明，该模型参数量仅为8.00 M，计算成本仅为7.88 GFLOPs，单幅图像推理时延低至76 ms，展现出显著的轻量化特征与高运行效率，更适用于资源受限的实际部署环境。
针对现有单域图像隐写方法面临的难以同时兼顾隐蔽性、抗隐写分析能力与运行效率，以及高性能模型结构复杂、难以轻量化部署等问题，该文提出一种基于改进经验模态分解与双域图卷积的轻量化图像隐写网络模型。首先，利用改进的二维经验模态分解模块将秘密图像自适应分解为多尺度分量，以实现隐秘信息在不同形态组件中的自适应层级分散；其次，设计多尺度空频块，通过融合多分支扩张卷积、注意力机制与频域感知单元，实现空间域与频域特征的深度融合与协同优化，在增强抗检测能力的同时确保秘密信息的高保真提取；最后，引入改进的图特征神经网络作为瓶颈层，利用高效的稀疏图卷积操作显式建模远距离像素关联，在有效表征非连续纹理区修改模式的同时大幅降低模型计算复杂度。实验结果表明，该模型参数量仅为8.00 M，计算成本仅为7.88 GFLOPs，单幅图像推理时延低至76 ms，展现出显著的轻量化特征与高运行效率，更适用于资源受限的实际部署环境。
, 最新更新时间 , doi: 10.11999/JEIT260525
摘要:
针对极低带宽条件下传统信源编码在低码率场景中易出现“数字悬崖”效应，且现有语义通信方法难以同时兼顾结构保真、色彩一致性与低时延的问题，该文提出一种面向低带宽网络的结构保真语义传输方法。该方法构建语义—结构—外观多模态解耦表示框架，通过引入对象感知的语义引导编码机制，实现关键区域驱动的自适应码率分配；同时设计确定性双流生成重建模型，以结构约束与语义调制协同引导图像重建，从而降低推理复杂度与时延。实验在Set14、DIV2K数据集及基于USRP的LoRa实际物理链路环境下开展，结果表明，在约0.3 bpp的极低码率条件下，该方法可实现低于60 ms的端到端推理时延，并在主体结构一致性与视觉自然度方面优于传统编码方法。研究结果表明，所提方法在受限带宽条件下能够有效提升传输效率与重建质量，适用于高可靠低时延的边缘视觉通信场景。本文相关代码已公开发布于 ScienceDB和github平台，可通过公开链接访问，永久标识符(DOI)为： 10.57760/sciencedb.33990 。
针对极低带宽条件下传统信源编码在低码率场景中易出现“数字悬崖”效应，且现有语义通信方法难以同时兼顾结构保真、色彩一致性与低时延的问题，该文提出一种面向低带宽网络的结构保真语义传输方法。该方法构建语义—结构—外观多模态解耦表示框架，通过引入对象感知的语义引导编码机制，实现关键区域驱动的自适应码率分配；同时设计确定性双流生成重建模型，以结构约束与语义调制协同引导图像重建，从而降低推理复杂度与时延。实验在Set14、DIV2K数据集及基于USRP的LoRa实际物理链路环境下开展，结果表明，在约0.3 bpp的极低码率条件下，该方法可实现低于60 ms的端到端推理时延，并在主体结构一致性与视觉自然度方面优于传统编码方法。研究结果表明，所提方法在受限带宽条件下能够有效提升传输效率与重建质量，适用于高可靠低时延的边缘视觉通信场景。本文相关代码已公开发布于 ScienceDB和github平台，可通过公开链接访问，永久标识符(DOI)为： 10.57760/sciencedb.33990 。
, 最新更新时间 , doi: 10.11999/JEIT260582
摘要:
红外弱小目标检测因目标尺寸微小、信噪比低及背景杂波复杂而极具挑战性。因此，该文提出一种基于动态频率引导与语义净化的红外弱小目标检测方法。针对弱小目标在深度神经网络中易被淹没的问题，通过可学习的步进卷积替代传统的最大池化层，有效保留编码过程中的目标细节。其次，设计了动态频率引导模块，使用小型网络动态预测高通滤波截止半径，实现对不同场景下目标的自适应频率引导。为进一步抑制背景杂波，提出了单向语义净化模块，利用高层语义特征生成空间注意力权重，对频率引导图进行过滤和强化，从而突出目标细节并增强模型的感知能力。在SIRST-Aug和IRSTD-1k两个公开数据集上的实验结果表明，所提方法性能优于现有的主流方法，特别是在SIRST-Aug数据集上的检测率Pd达到了99.17 %，有效克服了红外弱小目标检测中误检与漏检的问题。
红外弱小目标检测因目标尺寸微小、信噪比低及背景杂波复杂而极具挑战性。因此，该文提出一种基于动态频率引导与语义净化的红外弱小目标检测方法。针对弱小目标在深度神经网络中易被淹没的问题，通过可学习的步进卷积替代传统的最大池化层，有效保留编码过程中的目标细节。其次，设计了动态频率引导模块，使用小型网络动态预测高通滤波截止半径，实现对不同场景下目标的自适应频率引导。为进一步抑制背景杂波，提出了单向语义净化模块，利用高层语义特征生成空间注意力权重，对频率引导图进行过滤和强化，从而突出目标细节并增强模型的感知能力。在SIRST-Aug和IRSTD-1k两个公开数据集上的实验结果表明，所提方法性能优于现有的主流方法，特别是在SIRST-Aug数据集上的检测率Pd达到了99.17 %，有效克服了红外弱小目标检测中误检与漏检的问题。
, 最新更新时间 , doi: 10.11999/JEIT260819
摘要:
面向地面网络覆盖薄弱和全球导航卫星系统受限环境中智能终端的差异化通信定位需求，该文研究了无地面基站场景下无人机网络通信定位一体化服务的资源分配与节点部署问题。具体而言，如何通过无人机网络的资源分配与节点部署，最大程度满足终端的差异化通信定位服务需求。由于网络中物理资源被通信与定位服务共享且节点部署位置同时影响数据传输与协同定位，导致上述问题高度耦合且具有海量状态空间，较难求解。该文综合考虑终端在传输数据量、最低通信速率、定位精度门限等方面的差异以及终端服务优先级的不同，构建依赖无人机拓扑的网络服务价值模型。针对资源分配与节点部署耦合形成的混合非凸问题，提出一种网络服务价值驱动的迭代优化算法：在每轮迭代中，首先针对当前节点部署构造服务级连续资源代理，以分段一维搜索和价格二分交替优化时频资源，并将连续解恢复为原问题的可行解；随后依据资源响应生成结构化部署候选，经代理排序与束搜索筛选后，对保留的候选部署在新的服务关系下执行资源响应，以网络服务价值作为新部署及其对应资源分配结果的验收依据，直至无候选部署能够带来超过阈值的改进从而结束迭代。仿真结果表明，所提方法能够有效提高无人机网络的服务价值，并在双功能服务之间实现面向终端需求的资源权衡。
面向地面网络覆盖薄弱和全球导航卫星系统受限环境中智能终端的差异化通信定位需求，该文研究了无地面基站场景下无人机网络通信定位一体化服务的资源分配与节点部署问题。具体而言，如何通过无人机网络的资源分配与节点部署，最大程度满足终端的差异化通信定位服务需求。由于网络中物理资源被通信与定位服务共享且节点部署位置同时影响数据传输与协同定位，导致上述问题高度耦合且具有海量状态空间，较难求解。该文综合考虑终端在传输数据量、最低通信速率、定位精度门限等方面的差异以及终端服务优先级的不同，构建依赖无人机拓扑的网络服务价值模型。针对资源分配与节点部署耦合形成的混合非凸问题，提出一种网络服务价值驱动的迭代优化算法：在每轮迭代中，首先针对当前节点部署构造服务级连续资源代理，以分段一维搜索和价格二分交替优化时频资源，并将连续解恢复为原问题的可行解；随后依据资源响应生成结构化部署候选，经代理排序与束搜索筛选后，对保留的候选部署在新的服务关系下执行资源响应，以网络服务价值作为新部署及其对应资源分配结果的验收依据，直至无候选部署能够带来超过阈值的改进从而结束迭代。仿真结果表明，所提方法能够有效提高无人机网络的服务价值，并在双功能服务之间实现面向终端需求的资源权衡。
, 最新更新时间 , doi: 10.11999/JEIT260423
摘要:
工业系统中的信号常因传感器不稳定或通信丢包而出现不规则采样，传统插值与重采样易破坏底层动态特性，连续时间模型和深度学习方法虽能处理不均匀间隔，但训练开销大、对数据量要求高。针对该问题，本文提出一种自适应衰减储备池网络(Adaptive Decay Reservoir Network, ADRN)的模型空间学习框架。ADRN通过指数衰减机制在不规则时间间隔上更新隐藏状态，利用岭回归为每条信号拟合一个读出模型作为其表示，将后续分析转移到由拟合模型构成的模型空间中，并以时间间隔加权的重构损失和基于Fisher准则的可分离性损失联合优化模型空间的拟合质量与判别能力。在CWRU轴承数据集和SU齿轮箱数据集上的实验表明，所提方法在仅200条训练信号的低资源条件下于8个实验设置中的7个取得最高准确率，在SU数据集不同缺失率下的性能波动仅为2.8%，表现出更强的鲁棒性。在非旋转机械的TEP化工过程数据集上，本文方法在三种缺失率下的准确率均高于对比方法，验证了对不同工业对象的适应性。此外，训练时间较神经常微分方程方法降低约两个数量级。
工业系统中的信号常因传感器不稳定或通信丢包而出现不规则采样，传统插值与重采样易破坏底层动态特性，连续时间模型和深度学习方法虽能处理不均匀间隔，但训练开销大、对数据量要求高。针对该问题，本文提出一种自适应衰减储备池网络(Adaptive Decay Reservoir Network, ADRN)的模型空间学习框架。ADRN通过指数衰减机制在不规则时间间隔上更新隐藏状态，利用岭回归为每条信号拟合一个读出模型作为其表示，将后续分析转移到由拟合模型构成的模型空间中，并以时间间隔加权的重构损失和基于Fisher准则的可分离性损失联合优化模型空间的拟合质量与判别能力。在CWRU轴承数据集和SU齿轮箱数据集上的实验表明，所提方法在仅200条训练信号的低资源条件下于8个实验设置中的7个取得最高准确率，在SU数据集不同缺失率下的性能波动仅为2.8%，表现出更强的鲁棒性。在非旋转机械的TEP化工过程数据集上，本文方法在三种缺失率下的准确率均高于对比方法，验证了对不同工业对象的适应性。此外，训练时间较神经常微分方程方法降低约两个数量级。
, 最新更新时间 , doi: 10.11999/JEIT260600
摘要:
在数字集成电路物理设计中，跳变时间是表征数字电路信号边沿过渡快慢的重要电气特性参数，最大跳变时间违例会导致门延迟增大、时序裕量下降，并可能带来额外功耗和信号完整性风险。传统修复方法通常依赖工程师对目标违例路径进行手工分析与处理，效率较低，且在多负载网络场景下容易出现修复不准确和冗余插入等问题。该文提出一种面向多负载违例路径的缓冲器插入优化方法，首先根据目标网络的物理路由信息恢复其物理拓扑结构，并利用向量投影法将违例端点映射到物理拓扑图中，再结合Dijkstra最短路径搜索恢复驱动端到目标违例负载端之间的实际物理路径。基于Elmore模型，将路径中点设为初始插入候选点，并构建缓冲器有效插入候选区间；针对多条违例路径共享公共物理段的情况，进一步提出基于候选区间交集的共享缓冲器优化策略，以减少冗余缓冲器插入数量。基于UMC 28 nm下5个设计的测试结果表明，该文方法对最大跳变时间违例的整体修复率达到98.98%，多负载违例路径修复率达到99.39%，且对整体时序扰动小，为复杂数字集成电路设计后期多负载网络最大跳变时间违例的ECO修复提供了具有实用性的思路。
在数字集成电路物理设计中，跳变时间是表征数字电路信号边沿过渡快慢的重要电气特性参数，最大跳变时间违例会导致门延迟增大、时序裕量下降，并可能带来额外功耗和信号完整性风险。传统修复方法通常依赖工程师对目标违例路径进行手工分析与处理，效率较低，且在多负载网络场景下容易出现修复不准确和冗余插入等问题。该文提出一种面向多负载违例路径的缓冲器插入优化方法，首先根据目标网络的物理路由信息恢复其物理拓扑结构，并利用向量投影法将违例端点映射到物理拓扑图中，再结合Dijkstra最短路径搜索恢复驱动端到目标违例负载端之间的实际物理路径。基于Elmore模型，将路径中点设为初始插入候选点，并构建缓冲器有效插入候选区间；针对多条违例路径共享公共物理段的情况，进一步提出基于候选区间交集的共享缓冲器优化策略，以减少冗余缓冲器插入数量。基于UMC 28 nm下5个设计的测试结果表明，该文方法对最大跳变时间违例的整体修复率达到98.98%，多负载违例路径修复率达到99.39%，且对整体时序扰动小，为复杂数字集成电路设计后期多负载网络最大跳变时间违例的ECO修复提供了具有实用性的思路。
, 最新更新时间 , doi: 10.11999/JEIT260523
摘要:
语义通信若面向实际系统部署，既需要与现有数字调制体制适配，又需要适应不同信道条件下的传输需求。语义导向调制(Semantic-Oriented Modulation, SOM)能够将连续语义特征映射为分层数字星座符号，但其离散映射与分层量化过程会引入结构化非高斯失真，从而增加数字语义接收端的恢复难度。针对该问题，该文提出一种面向数字语义通信的信道自适应降噪器。该方法由量化噪声预测器(Quantization Noise Predictor, QNP)和扩散恢复模块构成。其中，QNP对SOM引入的结构化量化失真进行前置补偿，扩散模块依据接收信噪比自适应选择降噪步数，对补偿后的语义表示进行进一步恢复。QNP采用分类分支与回归分支相结合的双分支结构，通过特征级线性调制融合SOM参数与信道状态，并在损失函数中引入分布约束项以改善补偿后残差的统计特性。实验结果表明，QNP单独使用可以稳定改善数字语义恢复性能，在不同信道条件下相较于未使用QNP的基线平均提升1.77 dB的PSNR和26.08%的MS-SSIM。在此基础上，与扩散恢复联合后可进一步获得最优效果，相较于未降噪的SOM数字语义基线和仅采用扩散降噪的SOM数字语义基线，PSNR和MS-SSIM平均分别提升3.67 dB、58.79%以及1.89 dB、18.64%。该文结果表明，所提方法能够在保持数字通信体制兼容性的前提下有效缓解SOM结构化失真对后续恢复的不利影响，从而提升数字语义通信系统的恢复性能与信道自适应能力。
语义通信若面向实际系统部署，既需要与现有数字调制体制适配，又需要适应不同信道条件下的传输需求。语义导向调制(Semantic-Oriented Modulation, SOM)能够将连续语义特征映射为分层数字星座符号，但其离散映射与分层量化过程会引入结构化非高斯失真，从而增加数字语义接收端的恢复难度。针对该问题，该文提出一种面向数字语义通信的信道自适应降噪器。该方法由量化噪声预测器(Quantization Noise Predictor, QNP)和扩散恢复模块构成。其中，QNP对SOM引入的结构化量化失真进行前置补偿，扩散模块依据接收信噪比自适应选择降噪步数，对补偿后的语义表示进行进一步恢复。QNP采用分类分支与回归分支相结合的双分支结构，通过特征级线性调制融合SOM参数与信道状态，并在损失函数中引入分布约束项以改善补偿后残差的统计特性。实验结果表明，QNP单独使用可以稳定改善数字语义恢复性能，在不同信道条件下相较于未使用QNP的基线平均提升1.77 dB的PSNR和26.08%的MS-SSIM。在此基础上，与扩散恢复联合后可进一步获得最优效果，相较于未降噪的SOM数字语义基线和仅采用扩散降噪的SOM数字语义基线，PSNR和MS-SSIM平均分别提升3.67 dB、58.79%以及1.89 dB、18.64%。该文结果表明，所提方法能够在保持数字通信体制兼容性的前提下有效缓解SOM结构化失真对后续恢复的不利影响，从而提升数字语义通信系统的恢复性能与信道自适应能力。
, 最新更新时间 , doi: 10.11999/JEIT260171
摘要:
速率拆分多址接入技术(RSMA)凭借灵活的干扰管理能力，被视为提升6G网络的频谱效率的关键使能技术。然而，现有RSMA方案仍存在用户公平性不足、可扩展性差及固定信道约束等问题。为此，该文提出双智能反射面(RIS)协作的RSMA通信系统，以充分挖掘RIS的信道重构潜力。系统通过双RIS间的联合反射建立级联视距链路，从而增强公共流解码性能并抑制复杂干扰。在满足用户服务质量(QoS)约束下，该文建立了以系统总传输速率最大化为目标的资源分配方案，对基站侧波束成形(BF)、速率拆分(RS)以及双RIS相位配置进行联合优化。针对变量强耦合与非凸性，该文提出了基于半正定松弛(SDR)和逐次凸逼近(SCA)的低复杂度交替优化算法。仿真结果表明，所提算法能有效收敛至高质量次优解；与现有先进方案相比，双RIS协作的RSMA系统在总传输速率上至少提升11.9%的增益，并显著改善了用户公平性和系统鲁棒性。
速率拆分多址接入技术(RSMA)凭借灵活的干扰管理能力，被视为提升6G网络的频谱效率的关键使能技术。然而，现有RSMA方案仍存在用户公平性不足、可扩展性差及固定信道约束等问题。为此，该文提出双智能反射面(RIS)协作的RSMA通信系统，以充分挖掘RIS的信道重构潜力。系统通过双RIS间的联合反射建立级联视距链路，从而增强公共流解码性能并抑制复杂干扰。在满足用户服务质量(QoS)约束下，该文建立了以系统总传输速率最大化为目标的资源分配方案，对基站侧波束成形(BF)、速率拆分(RS)以及双RIS相位配置进行联合优化。针对变量强耦合与非凸性，该文提出了基于半正定松弛(SDR)和逐次凸逼近(SCA)的低复杂度交替优化算法。仿真结果表明，所提算法能有效收敛至高质量次优解；与现有先进方案相比，双RIS协作的RSMA系统在总传输速率上至少提升11.9%的增益，并显著改善了用户公平性和系统鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT260216
摘要:
工业物联网(IIoT)往往具有节点数量多、通信可靠性与时延要求严格等特点。大规模节点导致信道状态信息(CSI)反馈开销大，难以实时获取。然而，基于过期CSI的资源分配，往往需要以冗余的发射功率、码长等资源配置来保障通信的可靠性，严重制约了系统能效。针对该问题，该文以最大化能效为目标，提出一种基于连续凸近似(SCA)辅助深度强化学习(DRL)的功率码长联合分配算法。首先，基于SCA算法对功率和码长进行预分配，获得具有物理可解释性的基准解；进而，以基准解为先验信息，设计基于双延迟深度确定性策略梯度(TD3)的DRL算法进行增量式优化。仿真表明，所提算法能有效应对信道动态变化，显著提升系统能效。
工业物联网(IIoT)往往具有节点数量多、通信可靠性与时延要求严格等特点。大规模节点导致信道状态信息(CSI)反馈开销大，难以实时获取。然而，基于过期CSI的资源分配，往往需要以冗余的发射功率、码长等资源配置来保障通信的可靠性，严重制约了系统能效。针对该问题，该文以最大化能效为目标，提出一种基于连续凸近似(SCA)辅助深度强化学习(DRL)的功率码长联合分配算法。首先，基于SCA算法对功率和码长进行预分配，获得具有物理可解释性的基准解；进而，以基准解为先验信息，设计基于双延迟深度确定性策略梯度(TD3)的DRL算法进行增量式优化。仿真表明，所提算法能有效应对信道动态变化，显著提升系统能效。
, 最新更新时间 , doi: 10.11999/JEIT260149
摘要:
针对高比例新能源并网加剧电网供需不平衡的问题，聚合大规模变频空调集群作为虚拟储能参与需求响应，是提升电网灵活性的有效途径。然而，现有调度策略常面临高维寻优的维数灾难，且传统基于罚函数的软约束方法难以严格满足聚合功率的等式约束，易产生稳态误差。为此，该文提出一种基于约束面投影的位势协同自适应粒子群算法(SFA-PSO)。首先，基于等效热参数模型构建了兼顾群体热舒适度与响应公平性的多目标优化框架；其次，针对传统算法易出现功率越限的局限性，设计了约束面投影机制，将粒子的搜索路径严格限制在功率守恒超平面内，从而实现对网侧调度指令的精确跟踪；此外，针对高维空间寻优易早熟的难题，提出空间-适应度协同演化策略，通过量化粒子适应度与空间距离的认知偏差动态调节学习因子，以提升算法跳出局部最优的能力。最后，在包含多源热扰动与通信丢包等复杂动态环境下进行了连续调度仿真实验。结果表明，SFA-PSO算法在千节点级高维场景中表现出良好的鲁棒性，能够在严格满足电网侧功率管控要求的前提下，以较低的计算开销实现用户侧舒适度与公平性的有效协同。
针对高比例新能源并网加剧电网供需不平衡的问题，聚合大规模变频空调集群作为虚拟储能参与需求响应，是提升电网灵活性的有效途径。然而，现有调度策略常面临高维寻优的维数灾难，且传统基于罚函数的软约束方法难以严格满足聚合功率的等式约束，易产生稳态误差。为此，该文提出一种基于约束面投影的位势协同自适应粒子群算法(SFA-PSO)。首先，基于等效热参数模型构建了兼顾群体热舒适度与响应公平性的多目标优化框架；其次，针对传统算法易出现功率越限的局限性，设计了约束面投影机制，将粒子的搜索路径严格限制在功率守恒超平面内，从而实现对网侧调度指令的精确跟踪；此外，针对高维空间寻优易早熟的难题，提出空间-适应度协同演化策略，通过量化粒子适应度与空间距离的认知偏差动态调节学习因子，以提升算法跳出局部最优的能力。最后，在包含多源热扰动与通信丢包等复杂动态环境下进行了连续调度仿真实验。结果表明，SFA-PSO算法在千节点级高维场景中表现出良好的鲁棒性，能够在严格满足电网侧功率管控要求的前提下，以较低的计算开销实现用户侧舒适度与公平性的有效协同。
, 最新更新时间 , doi: 10.11999/JEIT260631
摘要:
侧信道泄露严重威胁密码核设计的实现安全性。现有侧信道泄露检测方法主要依赖数据驱动的量化评估，缺乏严格的数学模型，完备性有限。针对上述问题，提出了一种密码侧信道安全建模与形式化验证方法。该方法通过构建侧信道安全模型，利用信息流分析实现对时间侧信道泄露、能量侧信道泄露和故障传播行为的统一建模，进一步提取侧信道安全属性，并通过形式化验证所提取的安全属性来识别密码核设计中潜在的侧信道泄露风险。实验结果表明，本文所提出的方法能够准确识别出AES、SM4、LED、PRESENT和IDEA密码核设计中潜在的侧信道泄露风险，并可评估掩码与故障感染防御机制的有效性。
侧信道泄露严重威胁密码核设计的实现安全性。现有侧信道泄露检测方法主要依赖数据驱动的量化评估，缺乏严格的数学模型，完备性有限。针对上述问题，提出了一种密码侧信道安全建模与形式化验证方法。该方法通过构建侧信道安全模型，利用信息流分析实现对时间侧信道泄露、能量侧信道泄露和故障传播行为的统一建模，进一步提取侧信道安全属性，并通过形式化验证所提取的安全属性来识别密码核设计中潜在的侧信道泄露风险。实验结果表明，本文所提出的方法能够准确识别出AES、SM4、LED、PRESENT和IDEA密码核设计中潜在的侧信道泄露风险，并可评估掩码与故障感染防御机制的有效性。
, 最新更新时间 , doi: 10.11999/JEIT260464
摘要:
针对低信噪比环境下传统射频指纹识别方法特征提取鲁棒性较弱，且现有深度学习模型参数量庞大、无法适配战术边缘设备部署的问题，本文提出一种面向无人机射频识别的轻量化双流卷积网络特征融合方法。该方法构建静态与动态双分支并行架构，依托元素级相加融合策略实现特征互补优化。静态分支以短时傅里叶变换时频图为输入，通过卷积模块提取信号频谱纹理特征；动态分支引入时间梯度一阶差分运算，有效抑制静态背景噪声，提升低信噪比下信号时频特征的表征对比度。基于DroneRF公开数据集的实验结果表明，该方法识别准确率可达95.65%，相较单流网络提升5个百分点，平均信噪比提升1 dB以上；模型参数量仅0.58 M，可满足战术边缘设备实时识别需求。消融实验与特征可视化结果证明，静态频谱特征与动态时间梯度特征的互补特性，是提升无人机射频识别性能的核心关键。
针对低信噪比环境下传统射频指纹识别方法特征提取鲁棒性较弱，且现有深度学习模型参数量庞大、无法适配战术边缘设备部署的问题，本文提出一种面向无人机射频识别的轻量化双流卷积网络特征融合方法。该方法构建静态与动态双分支并行架构，依托元素级相加融合策略实现特征互补优化。静态分支以短时傅里叶变换时频图为输入，通过卷积模块提取信号频谱纹理特征；动态分支引入时间梯度一阶差分运算，有效抑制静态背景噪声，提升低信噪比下信号时频特征的表征对比度。基于DroneRF公开数据集的实验结果表明，该方法识别准确率可达95.65%，相较单流网络提升5个百分点，平均信噪比提升1 dB以上；模型参数量仅0.58 M，可满足战术边缘设备实时识别需求。消融实验与特征可视化结果证明，静态频谱特征与动态时间梯度特征的互补特性，是提升无人机射频识别性能的核心关键。
, 最新更新时间 , doi: 10.11999/JEIT260499
摘要:
在复杂电磁环境下，无人机群执行协同通信与动态频谱接入任务时，亟需对频谱占用状态及干扰重叠区域进行准确、快速的感知。现有频谱感知方法多将任务简化为单一信号检测，普遍存在低信噪比条件下鲁棒性不足、重叠干扰识别能力有限以及预处理开销较大等问题，难以满足复杂场景下无人机群对精细化电磁环境认知与实时感知的需求。针对上述问题，本文提出一种面向无人机群复杂电磁环境的复数域频谱联合感知方法。该方法构建复数域深度感知网络RadioSEUnet，直接对原始同相/正交(In-phase/Quadrature, I/Q)信号，并结合极坐标特征变换与通道注意力机制，形成幅度—相位双通道输入表征，实现频谱占用状态与干扰重叠区域的联合检测。实验在包含48000 条仿真数据与24000 条实测数据的频谱感知数据集上开展评估。结果表明，在–15 dB低信噪比条件下，所提方法在频谱占用检测任务上取得0.768的交并比和0.846召回率，在干扰重叠识别任务上取得0.456的交并比和0.768的精确率，均优于主流基线方法，同时，得益于高效的端到端处理范式，单次感知总时延仅约26 ms。上述结果表明，所提方法在检测精度、环境鲁棒性与实时处理能力上实现了良好平衡，可为无人机群复杂电磁环境下的动态频谱接入与抗干扰通信提供有效的感知支撑。
在复杂电磁环境下，无人机群执行协同通信与动态频谱接入任务时，亟需对频谱占用状态及干扰重叠区域进行准确、快速的感知。现有频谱感知方法多将任务简化为单一信号检测，普遍存在低信噪比条件下鲁棒性不足、重叠干扰识别能力有限以及预处理开销较大等问题，难以满足复杂场景下无人机群对精细化电磁环境认知与实时感知的需求。针对上述问题，本文提出一种面向无人机群复杂电磁环境的复数域频谱联合感知方法。该方法构建复数域深度感知网络RadioSEUnet，直接对原始同相/正交(In-phase/Quadrature, I/Q)信号，并结合极坐标特征变换与通道注意力机制，形成幅度—相位双通道输入表征，实现频谱占用状态与干扰重叠区域的联合检测。实验在包含
, 最新更新时间 , doi: 10.11999/JEIT260362
摘要:
高光谱图像与激光雷达在光谱表征和空间结构刻画方面具有天然互补性，其有效融合被认为是提升遥感地物分类性能的重要途径。然而，现有方法多将融合过程建模为固定映射下的一次性静态聚合，隐含地假设同一融合策略能够适用于不同区域，因而难以应对遥感影像中普遍存在的空间异质性和样本复杂性。为此，该文提出一种决策-学习-修正网络，将传统静态融合重构为面向局部上下文的序列决策过程，使模型能够在连续交互中学习上下文依赖的自适应融合策略。针对关键样本易被忽视的问题，构建关键样本导向采样模块，依据样本决策困难度提高复杂区域样本的训练参与度。针对融合动作可能破坏模态特性的问题，设计模态保真约束机制，对不合理动作进行修正，以保证融合特征质量。实验结果表明，所提方法在Houston2013, Trento和MUUFL 3个基准数据集上的总体精度分别提升0.82%, 0.38%和1.76%，验证了该方法在复杂场景下的有效性与优越性。
高光谱图像与激光雷达在光谱表征和空间结构刻画方面具有天然互补性，其有效融合被认为是提升遥感地物分类性能的重要途径。然而，现有方法多将融合过程建模为固定映射下的一次性静态聚合，隐含地假设同一融合策略能够适用于不同区域，因而难以应对遥感影像中普遍存在的空间异质性和样本复杂性。为此，该文提出一种决策-学习-修正网络，将传统静态融合重构为面向局部上下文的序列决策过程，使模型能够在连续交互中学习上下文依赖的自适应融合策略。针对关键样本易被忽视的问题，构建关键样本导向采样模块，依据样本决策困难度提高复杂区域样本的训练参与度。针对融合动作可能破坏模态特性的问题，设计模态保真约束机制，对不合理动作进行修正，以保证融合特征质量。实验结果表明，所提方法在Houston2013, Trento和MUUFL 3个基准数据集上的总体精度分别提升0.82%, 0.38%和1.76%，验证了该方法在复杂场景下的有效性与优越性。
, 最新更新时间 , doi: 10.11999/JEIT260396
摘要:
该文提出一种具备抗单粒子烧毁(SEB)能力的复合叉指栅柱结构氧化镓金属氧化物半导体场效应晶体管(CSG-MOSFET)。该器件在N型Ga2O3沟道层上方引入P型NiO层，并通过叉指栅柱将其与延伸栅场板实现电气连接。基于P-NiO/N-Ga2O3异质结的电荷补偿效应，该结构显著优化了沟道内的电场分布。同时，叉指栅柱作为关键的电场调制单元，与延伸场板协同作用，不仅有效抑制了传统器件(C-MOSFET)中栅极场板边缘的电场拥挤效应，更将易诱发单粒子雪崩击穿的峰值电场区域从脆弱的栅极边缘主动转移至最外侧栅柱边缘。TCAD仿真结果表明，在重离子辐照下，所提CSG-MOSFET将其SEB阈值电压(VSEB)从传统器件的240 V大幅提升至2280 V，充分证实了该复合结构在提升Ga2O3功率器件抗辐射性能方面的优势。
该文提出一种具备抗单粒子烧毁(SEB)能力的复合叉指栅柱结构氧化镓金属氧化物半导体场效应晶体管(CSG-MOSFET)。该器件在N型Ga2O3沟道层上方引入P型NiO层，并通过叉指栅柱将其与延伸栅场板实现电气连接。基于P-NiO/N-Ga2O3异质结的电荷补偿效应，该结构显著优化了沟道内的电场分布。同时，叉指栅柱作为关键的电场调制单元，与延伸场板协同作用，不仅有效抑制了传统器件(C-MOSFET)中栅极场板边缘的电场拥挤效应，更将易诱发单粒子雪崩击穿的峰值电场区域从脆弱的栅极边缘主动转移至最外侧栅柱边缘。TCAD仿真结果表明，在重离子辐照下，所提CSG-MOSFET将其SEB阈值电压(VSEB)从传统器件的240 V大幅提升至
, 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，该文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，该文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/JEIT260401
摘要:
针对高脉冲丢失环境下多站辐射源时差分选中真实峰难以累积、高重频条件下脉冲重复间隔模糊易诱发伴生伪峰、大量孤立脉冲难归并以及跨片轨迹易断裂的问题，提出一种以到达时间序列为核心观测量的多站辐射源闭环时差分选方法。首先，对候选脉冲对构造多尺度核密度估计(Kernel Density Estimation, KDE)，重构稀疏时差分布并自适应提取候选到达时间差(Time Difference of Arrival, TDOA)峰；其次，利用主峰提取后伪峰显著坍塌的特性，构建动态记忆矩阵，对候选峰进行坍塌率校验与伪峰屏蔽；然后，针对未配对孤立脉冲，采用动态时间规整(Dynamic Time Warping, DTW)度量残缺序列与已提取序列的间隔相似性，实现孤立脉冲归并；最后，利用卡尔曼滤波对多基线TDOA轨迹进行跨片关联与平滑，降低高丢失场景下的身份标识切换。构建高重频、参数混叠、消融实验和10部多体制混合四组测试场景，并与现有方法进行对比。结果表明，在10部多体制混合且整体丢失率为50%的场景下，所提方法的脉冲提取正确率达到92.72%，TDOA检测虚警率控制在8%以内，且身份标识切换均值低于对比方法。
针对高脉冲丢失环境下多站辐射源时差分选中真实峰难以累积、高重频条件下脉冲重复间隔模糊易诱发伴生伪峰、大量孤立脉冲难归并以及跨片轨迹易断裂的问题，提出一种以到达时间序列为核心观测量的多站辐射源闭环时差分选方法。首先，对候选脉冲对构造多尺度核密度估计(Kernel Density Estimation, KDE)，重构稀疏时差分布并自适应提取候选到达时间差(Time Difference of Arrival, TDOA)峰；其次，利用主峰提取后伪峰显著坍塌的特性，构建动态记忆矩阵，对候选峰进行坍塌率校验与伪峰屏蔽；然后，针对未配对孤立脉冲，采用动态时间规整(Dynamic Time Warping, DTW)度量残缺序列与已提取序列的间隔相似性，实现孤立脉冲归并；最后，利用卡尔曼滤波对多基线TDOA轨迹进行跨片关联与平滑，降低高丢失场景下的身份标识切换。构建高重频、参数混叠、消融实验和10部多体制混合四组测试场景，并与现有方法进行对比。结果表明，在10部多体制混合且整体丢失率为50%的场景下，所提方法的脉冲提取正确率达到92.72%，TDOA检测虚警率控制在8%以内，且身份标识切换均值低于对比方法。
, 最新更新时间 , doi: 10.11999/JEIT260400
摘要:
工业物联网路由转发设备相关的控制指令、状态信息及感知数据，但在洪泛攻击下可引发网络拥塞与通信资源耗尽。现有安全路由方法采用强化学习基于网络拓扑等信息优化下一跳，绕开拥塞节点以缓解洪泛攻击的影响。然而，工业物联网节点在链路带宽和队列容量等方面存在异构性，导致网络负载分布不均，在洪泛攻击下易引发区域拥塞。为此，提出防御洪泛攻击的大模型辅助工业物联网安全路由方法，云服务器部署大模型获取全局负载分布和异常流量分布等全局安全态势，以此优化多路径选择，均衡网络负载，抵御洪泛攻击。基于各感知节点、交换节点和工业网关等节点获取的链路状态信息，采用参数量不小于270亿的大模型推断全局安全态势，反馈至物联网节点以辅助强化学习状态构建和路由风险评估。设计基于洪泛攻击行为特征以及时延和数据包到达率等业务需求的风险评估网络，降低路由中断风险，支撑设备协同控制、系统安全运行和环境监测等业务，提升工业物联网安全。在节点资源异构的工业物联网环境下，恶意设备发起数据包洪泛攻击，结果表明所提方案可提升数据包到达率，降低路由能耗和端到端时延。
工业物联网路由转发设备相关的控制指令、状态信息及感知数据，但在洪泛攻击下可引发网络拥塞与通信资源耗尽。现有安全路由方法采用强化学习基于网络拓扑等信息优化下一跳，绕开拥塞节点以缓解洪泛攻击的影响。然而，工业物联网节点在链路带宽和队列容量等方面存在异构性，导致网络负载分布不均，在洪泛攻击下易引发区域拥塞。为此，提出防御洪泛攻击的大模型辅助工业物联网安全路由方法，云服务器部署大模型获取全局负载分布和异常流量分布等全局安全态势，以此优化多路径选择，均衡网络负载，抵御洪泛攻击。基于各感知节点、交换节点和工业网关等节点获取的链路状态信息，采用参数量不小于270亿的大模型推断全局安全态势，反馈至物联网节点以辅助强化学习状态构建和路由风险评估。设计基于洪泛攻击行为特征以及时延和数据包到达率等业务需求的风险评估网络，降低路由中断风险，支撑设备协同控制、系统安全运行和环境监测等业务，提升工业物联网安全。在节点资源异构的工业物联网环境下，恶意设备发起数据包洪泛攻击，结果表明所提方案可提升数据包到达率，降低路由能耗和端到端时延。
, 最新更新时间 , doi: 10.11999/JEIT260392
摘要:
针对目标宽带电磁散射特性分析中待求频点阻抗矩阵重复计算、矩阵方程重复求解的问题，该文提出一种基于压缩感知框架的自适应交叉近似(ACA)驱动测量矩阵插值(MMI)的高效计算方法。该方法首先在最高频率点通过ACA提取主导行索引并全频段复用，实现测量矩阵确定性构建；其次采用MMI技术，通过少量采样频点的低维测量矩阵插值避免完整阻抗矩阵冗余计算；最后对插值后矩阵的远场组再次进行ACA分解，进一步加速矩阵向量积运算，实现传感矩阵的快速构建，将电流系数求解转换成压缩感知模型下超定方程的求解，实现待求频点电流快速求解。研究结果表明，该方法在保证计算精度的前提下，有效提高了测量矩阵的构造效率，显著降低插值的矩阵维数，大幅提升了目标宽带散射分析的效率。
针对目标宽带电磁散射特性分析中待求频点阻抗矩阵重复计算、矩阵方程重复求解的问题，该文提出一种基于压缩感知框架的自适应交叉近似(ACA)驱动测量矩阵插值(MMI)的高效计算方法。该方法首先在最高频率点通过ACA提取主导行索引并全频段复用，实现测量矩阵确定性构建；其次采用MMI技术，通过少量采样频点的低维测量矩阵插值避免完整阻抗矩阵冗余计算；最后对插值后矩阵的远场组再次进行ACA分解，进一步加速矩阵向量积运算，实现传感矩阵的快速构建，将电流系数求解转换成压缩感知模型下超定方程的求解，实现待求频点电流快速求解。研究结果表明，该方法在保证计算精度的前提下，有效提高了测量矩阵的构造效率，显著降低插值的矩阵维数，大幅提升了目标宽带散射分析的效率。
, 最新更新时间 , doi: 10.11999/JEIT260343
摘要:
电磁干扰(EMI)严重影响同步系统可靠性。现有5G方案采用全频带Zadoff-Chu(ZC)序列，在高密度接入场景下受限于正交码资源，面临明显的容量瓶颈。针对此挑战，该文提出一种跳频(FH)与ZC序列结合的方案。通过构造关于Peng-Fan-Lee界最优的多子集低碰撞区(LHZ)跳频序列集，利用其多子集结构为车联网局部簇同步资源划分提供序列支撑。仿真结果表明，在子带选择性阻塞干扰环境下，所提FH-ZC同步方案相较于全频带ZC基准方案具有更高的同步检测概率，同时，所提多子集按簇分配方式能够更好地适配局部簇同步场景的竞争结构，并在多用户并发条件下表现出更优的同步检测鲁棒性。
电磁干扰(EMI)严重影响同步系统可靠性。现有5G方案采用全频带Zadoff-Chu(ZC)序列，在高密度接入场景下受限于正交码资源，面临明显的容量瓶颈。针对此挑战，该文提出一种跳频(FH)与ZC序列结合的方案。通过构造关于Peng-Fan-Lee界最优的多子集低碰撞区(LHZ)跳频序列集，利用其多子集结构为车联网局部簇同步资源划分提供序列支撑。仿真结果表明，在子带选择性阻塞干扰环境下，所提FH-ZC同步方案相较于全频带ZC基准方案具有更高的同步检测概率，同时，所提多子集按簇分配方式能够更好地适配局部簇同步场景的竞争结构，并在多用户并发条件下表现出更优的同步检测鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT260357
摘要:
针对动态环境下无人机集群避障过程中出现的行为模式切换不连续和控制抖振的问题，该文提出一种多稳态势能场驱动的无人机集群相变避障方法。该方法基于局部环境风险感知构建全局风险共识机制，并通过非线性映射生成形态因子作为集群行为演化的序参量；进一步构建包含编队势、避障势与导航势的统一时变势能场模型，通过形态因子驱动势能场的连续重构，使集群不同相态对应于势能场中的多稳态势阱，设计了基于势能场负梯度的分布式一致性控制律，引入阻尼项耗散系统动能，从而将集群行为变化刻画为势能场稳态结构的连续相变过程。仿真结果表明，相较阈值切换法，集群控制输入变化率降低约26%，控制峰值降低约18%。相较仿生分流方法，平均恢复时间缩短约16%，表明所提方法在动态环境下能够实现行为模式的连续演化与平滑控制，有效抑制抖振并提升集群整体稳定性与协同效率。
针对动态环境下无人机集群避障过程中出现的行为模式切换不连续和控制抖振的问题，该文提出一种多稳态势能场驱动的无人机集群相变避障方法。该方法基于局部环境风险感知构建全局风险共识机制，并通过非线性映射生成形态因子作为集群行为演化的序参量；进一步构建包含编队势、避障势与导航势的统一时变势能场模型，通过形态因子驱动势能场的连续重构，使集群不同相态对应于势能场中的多稳态势阱，设计了基于势能场负梯度的分布式一致性控制律，引入阻尼项耗散系统动能，从而将集群行为变化刻画为势能场稳态结构的连续相变过程。仿真结果表明，相较阈值切换法，集群控制输入变化率降低约26%，控制峰值降低约18%。相较仿生分流方法，平均恢复时间缩短约16%，表明所提方法在动态环境下能够实现行为模式的连续演化与平滑控制，有效抑制抖振并提升集群整体稳定性与协同效率。
, 最新更新时间 , doi: 10.11999/JEIT260798
摘要:
针对双鱼眼图像经等距柱状投影(Equirectangular Projection, ERP)展开后存在重叠带狭长、左右周期边界处不连续、以及平面单应模型在球面成像下引入冗余自由度而放大噪声等问题，该文提出一种基于SO(3)流形约束的双鱼眼全景图像配准方法。首先，设计ERP重叠带感兴趣区域(Region of Interest, ROI)提取与边界环绕机制，通过经度方向循环重排恢复跨边界的特征连续性；其次，构建三维旋转群SO(3)上的鲁棒估计模块，以球面角残差替代平面像素残差作为内点判据，消除冗余自由度；最后，在李代数so(3)上进行自适应非线性精化以抑制长尾残差。在PanoraMIS数据集上，以序列帧间相对旋转为定量评测，该方法配准成功率达97.10%，P95角残差0.549°，时序稳定性0.313°，较SuperPoint+LightGlue在P95残差和时序稳定性上分别降低22.8%和77.3%，较Efficient LoFTR峰值显存降低52.7%。在配准精度、时序稳定性与资源开销之间取得了良好平衡，具备面向端侧双鱼眼全景拼接前端的部署潜力。
针对双鱼眼图像经等距柱状投影(Equirectangular Projection, ERP)展开后存在重叠带狭长、左右周期边界处不连续、以及平面单应模型在球面成像下引入冗余自由度而放大噪声等问题，该文提出一种基于SO(3)流形约束的双鱼眼全景图像配准方法。首先，设计ERP重叠带感兴趣区域(Region of Interest, ROI)提取与边界环绕机制，通过经度方向循环重排恢复跨边界的特征连续性；其次，构建三维旋转群SO(3)上的鲁棒估计模块，以球面角残差替代平面像素残差作为内点判据，消除冗余自由度；最后，在李代数so(3)上进行自适应非线性精化以抑制长尾残差。在PanoraMIS数据集上，以序列帧间相对旋转为定量评测，该方法配准成功率达97.10%，P95角残差0.549°，时序稳定性0.313°，较SuperPoint+LightGlue在P95残差和时序稳定性上分别降低22.8%和77.3%，较Efficient LoFTR峰值显存降低52.7%。在配准精度、时序稳定性与资源开销之间取得了良好平衡，具备面向端侧双鱼眼全景拼接前端的部署潜力。
, 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，该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，该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/JEIT260263
摘要:
针对手机直连卫星(SD2D)系统对邻国边境国际移动通信(IMT)网络产生的同频下行干扰，该文推导了保护IMT终端和基站所需的功率通量密度(PFD)和等效功率通量密度(EPFD) 限值，并构建了动态仿真框架进行验证。仿真基于典型低轨星座，并按ITU-R推荐的信道传播、地物遮挡及天线辐射模型建立；综合考虑同频波束隔离、波束调度与建链策略等工程约束，采用分段搜索算法确定满足IMT保护要求的最小隔离距离及其对应的PFD/EPFD统计值。基线仿真及其稳定性验证结果表明，在I/N 门限–6 dB、百分位99.5%的保护准则下，典型系统 Starlink-1满足边境 IMT 终端/基站保护所需最小隔离距离的基线值为195 km/290 km，稳定性验证范围为195～210 km/290～300 km；Starlink-2对应基线值为272 km/420 km，稳定性验证范围为266～290 km/370～420 km。敏感性测试显示：地物遮挡可显著降低终端侧干扰并压缩所需隔离距离，但对基站侧影响有限；保护百分位仅改变从样本中提取“尾部事件”的统计口径；最低工作仰角、极化复用、同频波束数以及建链策略等参数会改变活跃波束的选择与分布，从而导致隔离距离呈现非线性甚至非单调变化。
针对手机直连卫星(SD2D)系统对邻国边境国际移动通信(IMT)网络产生的同频下行干扰，该文推导了保护IMT终端和基站所需的功率通量密度(PFD)和等效功率通量密度(EPFD) 限值，并构建了动态仿真框架进行验证。仿真基于典型低轨星座，并按ITU-R推荐的信道传播、地物遮挡及天线辐射模型建立；综合考虑同频波束隔离、波束调度与建链策略等工程约束，采用分段搜索算法确定满足IMT保护要求的最小隔离距离及其对应的PFD/EPFD统计值。基线仿真及其稳定性验证结果表明，在I/N 门限–6 dB、百分位99.5%的保护准则下，典型系统 Starlink-1满足边境 IMT 终端/基站保护所需最小隔离距离的基线值为195 km/290 km，稳定性验证范围为195～210 km/290～300 km；Starlink-2对应基线值为272 km/420 km，稳定性验证范围为266～290 km/370～420 km。敏感性测试显示：地物遮挡可显著降低终端侧干扰并压缩所需隔离距离，但对基站侧影响有限；保护百分位仅改变从样本中提取“尾部事件”的统计口径；最低工作仰角、极化复用、同频波束数以及建链策略等参数会改变活跃波束的选择与分布，从而导致隔离距离呈现非线性甚至非单调变化。
, 最新更新时间 , doi: 10.11999/JEIT260219
摘要:
细粒度图像识别任务中，模型需在类间差异较小的条件下，同时捕捉局部判别线索与全局结构特征，且在复杂背景、姿态变化及长尾数据分布下，仍能保持稳定的泛化性能。该文提出一种基于路由机制的多粒度专家集成模型(MG-MoE)，依托样本自适应条件计算机制，在可控推理开销内实现判别性能的提升。针对路由学习的稳定性与泛化性问题，提出两阶段优化策略。第1阶段为动态簇级训练，基于验证集统计构建簇级软教师分布，借助KL散度正则化稳定路由行为，推动专家间形成有效分工；第2阶段为残差微调，在保持特征驱动路由形式不变的前提下，按簇对Top-2专家的分类头进行解冻，并以分组学习率对门控与专家头联合微调，从而缓解专家融合偏差并增强模型对困难样本与长尾类别的判别能力。在CUB-200-2011与Bird-1445两个基准数据集上的实验结果表明，所提MG-MoE具有较好的有效性。其中，在CUB-200-2011上，MG-MoE取得了92.89%的准确率；在Bird-1445抽样集上，MG-MoE的准确率达到96.80%，均达到常见模型中的最佳准确率；消融分析进一步表明，受控的Top-2融合与4专家互补结构共同决定了性能上限，并在专家过少或同质扩展时呈现出可解释的退化规律。该研究为细粒度场景下的多粒度专家建模与路由训练提供了可复用的实现范式与分析框架。
细粒度图像识别任务中，模型需在类间差异较小的条件下，同时捕捉局部判别线索与全局结构特征，且在复杂背景、姿态变化及长尾数据分布下，仍能保持稳定的泛化性能。该文提出一种基于路由机制的多粒度专家集成模型(MG-MoE)，依托样本自适应条件计算机制，在可控推理开销内实现判别性能的提升。针对路由学习的稳定性与泛化性问题，提出两阶段优化策略。第1阶段为动态簇级训练，基于验证集统计构建簇级软教师分布，借助KL散度正则化稳定路由行为，推动专家间形成有效分工；第2阶段为残差微调，在保持特征驱动路由形式不变的前提下，按簇对Top-2专家的分类头进行解冻，并以分组学习率对门控与专家头联合微调，从而缓解专家融合偏差并增强模型对困难样本与长尾类别的判别能力。在CUB-200-2011与Bird-1445两个基准数据集上的实验结果表明，所提MG-MoE具有较好的有效性。其中，在CUB-200-2011上，MG-MoE取得了92.89%的准确率；在Bird-1445抽样集上，MG-MoE的准确率达到96.80%，均达到常见模型中的最佳准确率；消融分析进一步表明，受控的Top-2融合与4专家互补结构共同决定了性能上限，并在专家过少或同质扩展时呈现出可解释的退化规律。该研究为细粒度场景下的多粒度专家建模与路由训练提供了可复用的实现范式与分析框架。
, 最新更新时间 , doi: 10.11999/JEIT260086
摘要:
针对移动边缘计算环境中计算密集型深度神经网络推理任务面临的通算资源受限与边缘服务器长期能耗约束等挑战，该文提出一种能量感知与注意力驱动的边端协同推理与资源分配方法，旨在最小化多用户推理任务的长期平均端到端处理时延。首先，基于李雅普诺夫优化理论构建边缘端虚拟能量赤字队列，量化能耗预算偏差，将长期能耗硬约束转化为单时隙内的动态惩罚权重，实现对模型分割点的实时能量感知调节。其次，设计基于键-值-查询范式的联合注意力机制，综合考量任务紧急度、剩余计算量及边缘端能量赤字状态，动态生成资源分配权重，实现上行带宽与边缘算力的快速协同分配。仿真实验表明，该方法能够在严格遵守长期能耗预算的前提下，提升通算资源利用效率，在不同负载场景下显著降低多用户推理任务的平均端到端时延。
针对移动边缘计算环境中计算密集型深度神经网络推理任务面临的通算资源受限与边缘服务器长期能耗约束等挑战，该文提出一种能量感知与注意力驱动的边端协同推理与资源分配方法，旨在最小化多用户推理任务的长期平均端到端处理时延。首先，基于李雅普诺夫优化理论构建边缘端虚拟能量赤字队列，量化能耗预算偏差，将长期能耗硬约束转化为单时隙内的动态惩罚权重，实现对模型分割点的实时能量感知调节。其次，设计基于键-值-查询范式的联合注意力机制，综合考量任务紧急度、剩余计算量及边缘端能量赤字状态，动态生成资源分配权重，实现上行带宽与边缘算力的快速协同分配。仿真实验表明，该方法能够在严格遵守长期能耗预算的前提下，提升通算资源利用效率，在不同负载场景下显著降低多用户推理任务的平均端到端时延。
, 最新更新时间 , doi: 10.11999/JEIT260567
摘要:
为抑制非正交多址接入(Non-Orthogonal Multiple Access, NOMA)方案多用户组内干扰导致的可靠性差问题，通常是引入空时块编码(Space-Time Block Coding, STBC)技术中最经典的Alamouti编码设计来实现分集提升。然而，现有基于Alamouti辅助的NOMA方案是一种中心与边缘用户需求符号采用等额发送的编码模式。这种模式传承的是传统正交方案所需的Alamouti编码风格，它忽视了非正交传输下中心与边缘用户存在的显著信道差异的事实，不仅浪费中心用户天然信道好的优势，还无形中削弱了STBC技术抑制用户组内干扰的性能。基于此，本文根据用户信道差异显著的特点，提出了非正交通信场景下边缘与中心用户需求符号采用不等额发送的Alamouti编码设计，即构造Alamouti分组发送码的边缘用户需求符号通常比中心用户少。这种通过减少发送符号的做法，一方面对本身信道质量就差的边缘用户来说非常有好处，它可以极大地降低了组内的多用户干扰；另一方面，边缘用户自身符号发送数量的减少会带来它单位发送符号所获得功率的增大，在极大地提升接收端的信干噪比的同时提供更宽的功率优化空间，使得低信噪比场景下还可以获得更高的系统和速率。我们还推导了所提方案在可达和速率与中断概率的精确闭式解。数值仿真显示了所提方案的有效性。
为抑制非正交多址接入(Non-Orthogonal Multiple Access, NOMA)方案多用户组内干扰导致的可靠性差问题，通常是引入空时块编码(Space-Time Block Coding, STBC)技术中最经典的Alamouti编码设计来实现分集提升。然而，现有基于Alamouti辅助的NOMA方案是一种中心与边缘用户需求符号采用等额发送的编码模式。这种模式传承的是传统正交方案所需的Alamouti编码风格，它忽视了非正交传输下中心与边缘用户存在的显著信道差异的事实，不仅浪费中心用户天然信道好的优势，还无形中削弱了STBC技术抑制用户组内干扰的性能。基于此，本文根据用户信道差异显著的特点，提出了非正交通信场景下边缘与中心用户需求符号采用不等额发送的Alamouti编码设计，即构造Alamouti分组发送码的边缘用户需求符号通常比中心用户少。这种通过减少发送符号的做法，一方面对本身信道质量就差的边缘用户来说非常有好处，它可以极大地降低了组内的多用户干扰；另一方面，边缘用户自身符号发送数量的减少会带来它单位发送符号所获得功率的增大，在极大地提升接收端的信干噪比的同时提供更宽的功率优化空间，使得低信噪比场景下还可以获得更高的系统和速率。我们还推导了所提方案在可达和速率与中断概率的精确闭式解。数值仿真显示了所提方案的有效性。
, 最新更新时间 , doi: 10.11999/JEIT260645
摘要:
从大规模门级网表中学习高质量电路表示是将机器学习技术应用于电子设计自动化的核心挑战之一。随着数字集成电路规模的跃升，现有基于图Transformer的方法因计算与内存开销过高而难以扩展。为此，该文提出一种功能感知划分驱动的层次化电路表示学习框架。该框架受大语言模型分词机制启发，提出以功能独立性比率(FIR)为优化目标将大规模网表划分为功能内聚的电路元作为表示学习的基本单元。在此基础上，该文设计二阶段自监督预训练框架以适配电路元级表示学习。第一阶段通过掩码自编码器与边预测学习电路元级全局表示；第二阶段在冻结电路元嵌入的条件下，通过布尔等价变换驱动的对比学习算法，学习具有全局上下文感知的门级判别性表示。在多个从小规模到超大规模电路上的实验表明，基于FIR的划分相较当前最佳方案提升超过24%，在下游全电路功能识别与门级功能识别任务中，该文方法在所有可比较数据集上均显著优于当前最先进方法，且是唯一可扩展至BOOM(8.12M门)与OpenC910(22.3M门)的方案。
从大规模门级网表中学习高质量电路表示是将机器学习技术应用于电子设计自动化的核心挑战之一。随着数字集成电路规模的跃升，现有基于图Transformer的方法因计算与内存开销过高而难以扩展。为此，该文提出一种功能感知划分驱动的层次化电路表示学习框架。该框架受大语言模型分词机制启发，提出以功能独立性比率(FIR)为优化目标将大规模网表划分为功能内聚的电路元作为表示学习的基本单元。在此基础上，该文设计二阶段自监督预训练框架以适配电路元级表示学习。第一阶段通过掩码自编码器与边预测学习电路元级全局表示；第二阶段在冻结电路元嵌入的条件下，通过布尔等价变换驱动的对比学习算法，学习具有全局上下文感知的门级判别性表示。在多个从小规模到超大规模电路上的实验表明，基于FIR的划分相较当前最佳方案提升超过24%，在下游全电路功能识别与门级功能识别任务中，该文方法在所有可比较数据集上均显著优于当前最先进方法，且是唯一可扩展至BOOM(8.12M门)与OpenC910(22.3M门)的方案。
, 最新更新时间 , doi: 10.11999/JEIT260695
摘要:
集中式多输入多输出(MIMO)雷达资源分配算法可有效提升多目标跟踪精度，而传统优化算法仅优化下一时刻跟踪性能，难以实现全时域多目标累积跟踪精度提升；同时，传统优化算法的计算复杂度较高，难以满足资源分配过程的实时性要求。针对该问题，该文提出一种强化学习(RL)驱动的集中式MIMO雷达功率分配算法。首先，利用后验克拉美罗界(PCRLB)构建RL模型的状态与奖励函数，将功率资源分配过程建模为马尔可夫决策过程(MDP)，建立RL驱动的资源分配优化模型；其次，结合工程实际与算法收敛性要求，采用对决双深度Q网络(D3QN)算法对模型进行求解。仿真结果表明，相较于固定功率分配与传统优化分配算法，所提算法可实现功率资源的自适应合理分配，显著提升全时域累积跟踪精度；并且训练后的网络可以根据状态进行实时决策输出资源分配结果，提升了算法实时性。
集中式多输入多输出(MIMO)雷达资源分配算法可有效提升多目标跟踪精度，而传统优化算法仅优化下一时刻跟踪性能，难以实现全时域多目标累积跟踪精度提升；同时，传统优化算法的计算复杂度较高，难以满足资源分配过程的实时性要求。针对该问题，该文提出一种强化学习(RL)驱动的集中式MIMO雷达功率分配算法。首先，利用后验克拉美罗界(PCRLB)构建RL模型的状态与奖励函数，将功率资源分配过程建模为马尔可夫决策过程(MDP)，建立RL驱动的资源分配优化模型；其次，结合工程实际与算法收敛性要求，采用对决双深度Q网络(D3QN)算法对模型进行求解。仿真结果表明，相较于固定功率分配与传统优化分配算法，所提算法可实现功率资源的自适应合理分配，显著提升全时域累积跟踪精度；并且训练后的网络可以根据状态进行实时决策输出资源分配结果，提升了算法实时性。
, 最新更新时间 , doi: 10.11999/JEIT260192
摘要:
针对复杂电网系统中的电力巡检任务，现有基于多无人机的巡检方法普遍存在协同调度能力不足、难以准确构建巡检节点间拓扑结构关系的问题，该文提出一种基于层次注意力机制的多无人机巡检路径规划方法(HAPPI)。该方法采用编码器-解码器架构，通过设计多层次注意力机制，进而增强全局信息感知能力，避免决策过程中的短视问题。在此基础上，通过显式学习充电站之间的拓扑关系与巡检设备点的空间分布特征，提出一种无人机路径选择策略，在严格电量约束的前提下，实现无人机编队总飞行距离的最小化。为验证方法性能，设计3种不同规模的场景进行实验评估。在这些规模场景中，所提方法相比基线方法平均性能提升约12%。实验结果表明，在不同问题规模、节点分布及充电站数量变化的情况下，HAPPI均表现出优越且稳定的性能，具有良好的泛化能力和路径规划效能。
针对复杂电网系统中的电力巡检任务，现有基于多无人机的巡检方法普遍存在协同调度能力不足、难以准确构建巡检节点间拓扑结构关系的问题，该文提出一种基于层次注意力机制的多无人机巡检路径规划方法(HAPPI)。该方法采用编码器-解码器架构，通过设计多层次注意力机制，进而增强全局信息感知能力，避免决策过程中的短视问题。在此基础上，通过显式学习充电站之间的拓扑关系与巡检设备点的空间分布特征，提出一种无人机路径选择策略，在严格电量约束的前提下，实现无人机编队总飞行距离的最小化。为验证方法性能，设计3种不同规模的场景进行实验评估。在这些规模场景中，所提方法相比基线方法平均性能提升约12%。实验结果表明，在不同问题规模、节点分布及充电站数量变化的情况下，HAPPI均表现出优越且稳定的性能，具有良好的泛化能力和路径规划效能。
, 最新更新时间 , doi: 10.11999/JEIT260267
摘要:
在智能家居场景中，WiFi网络将多个物联网(IoT)设备相连，为实现室内被动人体跟踪提供了新路径。然而，多链路跟踪需要考虑信号融合、设备自定位等问题。为此，该文提出一种适用于商用WiFi的多链路协同跟踪方法。针对商用网卡的测量信号噪声，该方法首先进行信号预处理，从高维的原始信道状态信息(CSI)数据中提取多普勒频移(DFS)。随后，对多链路DFS进行融合，以实现协同跟踪。该方法在没有WiFi设备位置先验知识的条件下也能实现设备自定位，为跟踪算法提供输入。最后，该文搭建了一个多发单收网络结构的原型验证系统，在未知设备位置的情况下实现了小于50 cm的中位跟踪误差，相比传统方法提升了约70%。在复杂场景的测试中表明，该系统能达到亚米级的跟踪精度，对设备位置误差具有鲁棒性，并显示出一定实时运行潜力。
在智能家居场景中，WiFi网络将多个物联网(IoT)设备相连，为实现室内被动人体跟踪提供了新路径。然而，多链路跟踪需要考虑信号融合、设备自定位等问题。为此，该文提出一种适用于商用WiFi的多链路协同跟踪方法。针对商用网卡的测量信号噪声，该方法首先进行信号预处理，从高维的原始信道状态信息(CSI)数据中提取多普勒频移(DFS)。随后，对多链路DFS进行融合，以实现协同跟踪。该方法在没有WiFi设备位置先验知识的条件下也能实现设备自定位，为跟踪算法提供输入。最后，该文搭建了一个多发单收网络结构的原型验证系统，在未知设备位置的情况下实现了小于50 cm的中位跟踪误差，相比传统方法提升了约70%。在复杂场景的测试中表明，该系统能达到亚米级的跟踪精度，对设备位置误差具有鲁棒性，并显示出一定实时运行潜力。
, 最新更新时间 , doi: 10.11999/JEIT260327
摘要:
针对甲骨文识别场景中普遍存在的类别长尾分布问题，以及现有方法难以兼顾头部类别判别力与尾部稀缺样本识别性能的技术瓶颈，该文提出一种两阶段解耦学习方法。第1阶段结合混合数据增强与标签分布感知间隔损失，学习全局泛化的特征空间并构建鲁棒决策边界；第2阶段冻结骨干网络，提出基于类别识别难度的自适应采样策略，结合类别加权损失优化分类器，通过动态分配采样权重聚焦尾部与困难类别，实现头部与尾部类别识别性能的协同提升。在OBC306公开数据集上的实验结果表明，该文方法总识别准确率达94.34%，平均识别准确率达89.89%，综合性能优于主流方法，可为低资源古文字识别提供技术支撑。
针对甲骨文识别场景中普遍存在的类别长尾分布问题，以及现有方法难以兼顾头部类别判别力与尾部稀缺样本识别性能的技术瓶颈，该文提出一种两阶段解耦学习方法。第1阶段结合混合数据增强与标签分布感知间隔损失，学习全局泛化的特征空间并构建鲁棒决策边界；第2阶段冻结骨干网络，提出基于类别识别难度的自适应采样策略，结合类别加权损失优化分类器，通过动态分配采样权重聚焦尾部与困难类别，实现头部与尾部类别识别性能的协同提升。在OBC306公开数据集上的实验结果表明，该文方法总识别准确率达94.34%，平均识别准确率达89.89%，综合性能优于主流方法，可为低资源古文字识别提供技术支撑。
, 最新更新时间 , doi: 10.11999/JEIT260283
摘要:
随着生物计算与分子电路技术的发展，基于DNA链置换的分子器件因其高度并行性、可编程性及低功耗特性，已成为构建新一代信息处理系统的重要方向。该文以忆阻器及滤波电路现有研究为基础，开展DNA链置换忆阻器及其在滤波电路中的应用研究。首先，通过忆阻器的DNA链置换反应模块，完成多稳态忆阻器的构建，并通过调控忆阻器内部状态变量，验证了该DNA链置换忆阻器的多稳态性能。其次，基于所设计的忆阻器DNA链置换反应模块，设计1阶低通忆阻器滤波电路，选取方波信号与正弦波信号对该电路进行性能测试，结果表明，DNA链置换1阶忆阻器滤波电路的性能与电路结构及内部状态变量密切相关。最后，依托忆阻器DNA链置换反应模块搭建2阶低通忆阻器滤波电路，通过Visual DSD与MATLAB仿真软件验证了该电路设计的合理性与可行性。研究结果表明，相较于传统滤波电路，DNA链置换忆阻器滤波电路在电路参数调节与工作稳定性方面均具备显著优势。
随着生物计算与分子电路技术的发展，基于DNA链置换的分子器件因其高度并行性、可编程性及低功耗特性，已成为构建新一代信息处理系统的重要方向。该文以忆阻器及滤波电路现有研究为基础，开展DNA链置换忆阻器及其在滤波电路中的应用研究。首先，通过忆阻器的DNA链置换反应模块，完成多稳态忆阻器的构建，并通过调控忆阻器内部状态变量，验证了该DNA链置换忆阻器的多稳态性能。其次，基于所设计的忆阻器DNA链置换反应模块，设计1阶低通忆阻器滤波电路，选取方波信号与正弦波信号对该电路进行性能测试，结果表明，DNA链置换1阶忆阻器滤波电路的性能与电路结构及内部状态变量密切相关。最后，依托忆阻器DNA链置换反应模块搭建2阶低通忆阻器滤波电路，通过Visual DSD与MATLAB仿真软件验证了该电路设计的合理性与可行性。研究结果表明，相较于传统滤波电路，DNA链置换忆阻器滤波电路在电路参数调节与工作稳定性方面均具备显著优势。
, 最新更新时间 , doi: 10.11999/JEIT260296
摘要:
无人智能系统在复杂电磁环境下的可靠通信是保障其自主任务能力的关键。尤其对于无人机这类典型的空中通信节点，其通信链路直接暴露于开放电磁空间，面临的干扰威胁尤为突出。然而，在实际应用中，由于对干扰特征、期望信号来向及多径传播等信息认知不足，导致传统空域抗干扰方法的性能严重下降。针对先验信息缺失场景，该文研究了一种面向无人系统空域抗干扰方法。具体而言，首先采用空间平滑算法对接收信号进行解相干处理，随后进行空间谱估计以检测出潜在入射信号的来向。然后，遍历估计的谱峰，采用协方差矩阵重构波束形成算法依次提取该方向的信号，实现混合信号的分离。最后，设计了一种基于频谱相似度和时延的信号类型识别方法，将分离的信号分别归类为干扰、直射和多径信号，并根据信号类型，在保留直射信号、抑制干扰的前提下，对多径信号进行选择性合并或抑制等灵活处理。仿真实验验证了所提算法的可行性与有效性。结果表明，所提算法能够在先验信息缺失的条件下有效抑制干扰并灵活处理多径，改善了通信性能。
无人智能系统在复杂电磁环境下的可靠通信是保障其自主任务能力的关键。尤其对于无人机这类典型的空中通信节点，其通信链路直接暴露于开放电磁空间，面临的干扰威胁尤为突出。然而，在实际应用中，由于对干扰特征、期望信号来向及多径传播等信息认知不足，导致传统空域抗干扰方法的性能严重下降。针对先验信息缺失场景，该文研究了一种面向无人系统空域抗干扰方法。具体而言，首先采用空间平滑算法对接收信号进行解相干处理，随后进行空间谱估计以检测出潜在入射信号的来向。然后，遍历估计的谱峰，采用协方差矩阵重构波束形成算法依次提取该方向的信号，实现混合信号的分离。最后，设计了一种基于频谱相似度和时延的信号类型识别方法，将分离的信号分别归类为干扰、直射和多径信号，并根据信号类型，在保留直射信号、抑制干扰的前提下，对多径信号进行选择性合并或抑制等灵活处理。仿真实验验证了所提算法的可行性与有效性。结果表明，所提算法能够在先验信息缺失的条件下有效抑制干扰并灵活处理多径，改善了通信性能。
, 最新更新时间 , doi: 10.11999/JEIT260516
摘要:
忆阻Hopfield神经网络是将忆阻器引入传统Hopfield神经网络(HNN)，借助忆阻器模拟神经元突触来实现突触权重动态调节的类脑神经网络模型。该文提出一种含符号函数的多分段非线性磁控忆阻器，并将其应用于三神经元HNN系统的自连接突触，构建了四维忆阻HNN系统。首先，利用分岔图和李雅普诺夫指数谱，分析忆阻自连接突触耦合强度对系统动力学行为的调控作用，揭示了与系统初值相关的共存吸引子及其演化规律。同时，发现该系统具备多涡卷吸引子的单向拓展特性，以及多涡卷吸引子数目随忆阻器控制参数的变化而改变。在此基础上，通过施加多级逻辑脉冲电流进行调控，构建了一种新型嵌套多涡卷忆阻HNN系统，促使系统产生具有嵌套结构的特殊多涡卷吸引子，并分析了加入多级逻辑脉冲电流前后系统复杂度的变化情况。最后，采用Multisim模拟电路仿真与FPGA数字电路实验，双重验证了MATLAB数值仿真结果的正确性。
忆阻Hopfield神经网络是将忆阻器引入传统Hopfield神经网络(HNN)，借助忆阻器模拟神经元突触来实现突触权重动态调节的类脑神经网络模型。该文提出一种含符号函数的多分段非线性磁控忆阻器，并将其应用于三神经元HNN系统的自连接突触，构建了四维忆阻HNN系统。首先，利用分岔图和李雅普诺夫指数谱，分析忆阻自连接突触耦合强度对系统动力学行为的调控作用，揭示了与系统初值相关的共存吸引子及其演化规律。同时，发现该系统具备多涡卷吸引子的单向拓展特性，以及多涡卷吸引子数目随忆阻器控制参数的变化而改变。在此基础上，通过施加多级逻辑脉冲电流进行调控，构建了一种新型嵌套多涡卷忆阻HNN系统，促使系统产生具有嵌套结构的特殊多涡卷吸引子，并分析了加入多级逻辑脉冲电流前后系统复杂度的变化情况。最后，采用Multisim模拟电路仿真与FPGA数字电路实验，双重验证了MATLAB数值仿真结果的正确性。
, 最新更新时间 , doi: 10.11999/JEIT260514
摘要:
Ka波段是未来新一代高通量卫星的核心频段，卫星通信发射系统对功率放大器提出了高回退效率的严苛要求。Doherty功率放大器(DPA)通过有源负载调制显著提高了功率回退状态下的工作效率，但Doherty架构的固有阻抗变换网络严重限制了其工作带宽，同时，其在毫米波段的饱和与回退效率均大幅下降，这成为制约其在毫米波高通量卫星通信系统中应用的关键瓶颈。针对上述问题，该文提出一种超宽带增强型有源负载调制技术，有效突破Doherty功率放大器带宽和回退效率相互制约的瓶颈，实现毫米波Doherty架构的效率增强和带宽扩展。同时，创新地提出了一种超宽带相位补偿非等分功率分配网络，扩展了高效率带宽，同时缩小了芯片面积。为验证所提理论，基于0.15 μm GaN工艺，设计了一款毫米波超宽带高效率Doherty功率放大器芯片，最终在24～33 GHz(相对带宽达到31.6%)的超宽频带内，实现了21.8～23.8 dB的小信号增益，28.9～31.0 dBm的饱和输出功率，饱和功率附加效率(PAE)为25.2%～33.5%，6 dB回退PAE为15.5%～19.8%。在目前所报道的相近频带的毫米波GaN Doherty功放中，具有最高的小信号增益及饱和PAE，高的饱和输出功率和6 dB回退PAE等一系列优异性能，同时在目前所报道的2～3级DPA芯片中具有最小的芯片面积。
Ka波段是未来新一代高通量卫星的核心频段，卫星通信发射系统对功率放大器提出了高回退效率的严苛要求。Doherty功率放大器(DPA)通过有源负载调制显著提高了功率回退状态下的工作效率，但Doherty架构的固有阻抗变换网络严重限制了其工作带宽，同时，其在毫米波段的饱和与回退效率均大幅下降，这成为制约其在毫米波高通量卫星通信系统中应用的关键瓶颈。针对上述问题，该文提出一种超宽带增强型有源负载调制技术，有效突破Doherty功率放大器带宽和回退效率相互制约的瓶颈，实现毫米波Doherty架构的效率增强和带宽扩展。同时，创新地提出了一种超宽带相位补偿非等分功率分配网络，扩展了高效率带宽，同时缩小了芯片面积。为验证所提理论，基于0.15 μm GaN工艺，设计了一款毫米波超宽带高效率Doherty功率放大器芯片，最终在24～33 GHz(相对带宽达到31.6%)的超宽频带内，实现了21.8～23.8 dB的小信号增益，28.9～31.0 dBm的饱和输出功率，饱和功率附加效率(PAE)为25.2%～33.5%，6 dB回退PAE为15.5%～19.8%。在目前所报道的相近频带的毫米波GaN Doherty功放中，具有最高的小信号增益及饱和PAE，高的饱和输出功率和6 dB回退PAE等一系列优异性能，同时在目前所报道的2～3级DPA芯片中具有最小的芯片面积。
, 最新更新时间 , doi: 10.11999/JEIT260418
摘要:
在环境反向散射通信(AmBC)中，阅读器利用能量检测器恢复出标签信号，其检测门限所需参数由含有标签未知符号“1”和“0”的接收信号平均功率确定。现有参数估计方法假设标签以等概率发送符号“1”和“0”，因此直接对排序后的接收信号样本功率进行等分。但标签发送的符号数有限，因此符号“1”和“0”的数量并非严格相等，此时等分会导致样本错分，使得检测门限偏离最优值。为此，该文设计了一种基于迭代更新的检测门限参数估计方法，其核心思想是利用已有的判决结果对排序样本进行重新分组，并对门限参数进行迭代更新，实现检测门限的逐步修正。为了验证所提方法的有效性，在复高斯源、PSK源和QAM源3种典型环境射频源条件下进行了仿真。仿真结果表明，该方法能有效降低门限参数估计偏差，相较于现有排序分组的参数估计方法，仅需1次迭代更新，其检测误码率在复高斯源、PSK源和QAM源下即可实现约0.1, 1.5和1.3个数量级的性能提升。
在环境反向散射通信(AmBC)中，阅读器利用能量检测器恢复出标签信号，其检测门限所需参数由含有标签未知符号“1”和“0”的接收信号平均功率确定。现有参数估计方法假设标签以等概率发送符号“1”和“0”，因此直接对排序后的接收信号样本功率进行等分。但标签发送的符号数有限，因此符号“1”和“0”的数量并非严格相等，此时等分会导致样本错分，使得检测门限偏离最优值。为此，该文设计了一种基于迭代更新的检测门限参数估计方法，其核心思想是利用已有的判决结果对排序样本进行重新分组，并对门限参数进行迭代更新，实现检测门限的逐步修正。为了验证所提方法的有效性，在复高斯源、PSK源和QAM源3种典型环境射频源条件下进行了仿真。仿真结果表明，该方法能有效降低门限参数估计偏差，相较于现有排序分组的参数估计方法，仅需1次迭代更新，其检测误码率在复高斯源、PSK源和QAM源下即可实现约0.1, 1.5和1.3个数量级的性能提升。
, 最新更新时间 , doi: 10.11999/JEIT260154
摘要:
针对当前骨架动作识别方法在引入大语言模型(LLM)时存在的语义引导与空间拓扑学习脱节、时间建模缺乏层次化语义支持、传统分类范式泛化能力不足的3大问题，该文提出一种基于LLM增强的骨架动作识别新方法(LLMA-GCN)。该方法首先提出一种基于LLM的混合图拓扑学习策略，将物理骨架结构先验知识与LLM提取的动作语义信息深度融合以指导空间建模；其次，将混合图拓扑学习策略与层次化视觉序列编码器相结合，通过设计的LLM精炼块实现语义引导下的多尺度时空特征提取；最后，构建了LLM驱动的文本原型引导决策学习机制，实现语义引导的视觉-文本对齐和分类决策联合学习，从而提升模型整体性能。在NTU RGB+D 60, NTU RGB+D 120以及PKU-MMD公开数据集上进行了大量对比实验及消融实验，证明了新方法的有效性和先进性。
针对当前骨架动作识别方法在引入大语言模型(LLM)时存在的语义引导与空间拓扑学习脱节、时间建模缺乏层次化语义支持、传统分类范式泛化能力不足的3大问题，该文提出一种基于LLM增强的骨架动作识别新方法(LLMA-GCN)。该方法首先提出一种基于LLM的混合图拓扑学习策略，将物理骨架结构先验知识与LLM提取的动作语义信息深度融合以指导空间建模；其次，将混合图拓扑学习策略与层次化视觉序列编码器相结合，通过设计的LLM精炼块实现语义引导下的多尺度时空特征提取；最后，构建了LLM驱动的文本原型引导决策学习机制，实现语义引导的视觉-文本对齐和分类决策联合学习，从而提升模型整体性能。在NTU RGB+D 60, NTU RGB+D 120以及PKU-MMD公开数据集上进行了大量对比实验及消融实验，证明了新方法的有效性和先进性。
, 最新更新时间 , doi: 10.11999/JEIT260447
摘要:
到达方向(DOA)估计是声纳目标定位的关键环节，随着复杂环境下高精度方向估计需求的不断提升，用于估计的阵元数量也趋向大规模化，这在提高测向精度与分辨率的同时，也导致了传统方向估计算法面临着巨大的计算负担。针对这一问题，该文构建了一种低复杂度复合分级接收阵列结构，并基于此结构提出了两种快速相位模糊消除方法复合分级全局近邻匹配算法和复合分级互相关协方差合并算法。其中，复合分级全局近邻匹配算法充分利用复合分级阵列所形成的各子阵相位差关系和信号源的一致性特征，以较低的计算代价完成模糊解算与角度匹配，但由于未充分考虑所有阵元之间的相关信息，其估计性能存在一定的性能损失；复合分级互相关协方差合并算法首先对复合分级结构进行均分调整。在保持较低计算复杂度的前提下，同时利用组内子阵及组间阵元之间的相关信息，并结合协方差分块处理策略，从而获得更高精度的方向估计。仿真结果表明，所提的两种算法在阵元数量增多的情况下能够显著降低计算压力。其中，复合分级全局近邻匹配算法能够以较低的计算复杂度实现粗略的方向估计，更适用于对实时性要求较高的场景；复合分级互相关协方差合并算法则通过增加少量计算开销，实现了方向估计精度与计算复杂度之间的良好平衡。
到达方向(DOA)估计是声纳目标定位的关键环节，随着复杂环境下高精度方向估计需求的不断提升，用于估计的阵元数量也趋向大规模化，这在提高测向精度与分辨率的同时，也导致了传统方向估计算法面临着巨大的计算负担。针对这一问题，该文构建了一种低复杂度复合分级接收阵列结构，并基于此结构提出了两种快速相位模糊消除方法复合分级全局近邻匹配算法和复合分级互相关协方差合并算法。其中，复合分级全局近邻匹配算法充分利用复合分级阵列所形成的各子阵相位差关系和信号源的一致性特征，以较低的计算代价完成模糊解算与角度匹配，但由于未充分考虑所有阵元之间的相关信息，其估计性能存在一定的性能损失；复合分级互相关协方差合并算法首先对复合分级结构进行均分调整。在保持较低计算复杂度的前提下，同时利用组内子阵及组间阵元之间的相关信息，并结合协方差分块处理策略，从而获得更高精度的方向估计。仿真结果表明，所提的两种算法在阵元数量增多的情况下能够显著降低计算压力。其中，复合分级全局近邻匹配算法能够以较低的计算复杂度实现粗略的方向估计，更适用于对实时性要求较高的场景；复合分级互相关协方差合并算法则通过增加少量计算开销，实现了方向估计精度与计算复杂度之间的良好平衡。
, 最新更新时间 , doi: 10.11999/JEIT260404
摘要:
超大规模天线阵列场景下用户多处于近场区域，现有通信与感知算法面临离格功率泄露、幅度衰减导致模型失配等问题，且大多依赖导频辅助感知。为此，该文提出一种离格盲近场通信感知一体化(NF-ISAC)算法，可在无导频条件下实现近场用户的高精度坐标感知、信道估计与符号检测。该算法首先构建NF-ISAC系统的因子图模型，提出幅度-相位分离的混合导向矢量建模方法，通过神经网络实现拟合，并将其作为函数节点嵌入因子图；其次结合矩阵分解与消息传递算法，实现因子图中神经网络的穿透计算，完成离格盲NF-ISAC算法的完整推导；同时推导了基于神经网络的近场感知克拉美罗下界，明确了近场位置感知的理论极限。仿真结果表明，所提算法以与主流算法同阶的计算复杂度，在通信误码率与感知精度上均取得显著性能提升，感知精度较现有近场离格算法提升2～3 dB，且性能最接近理论下界。
超大规模天线阵列场景下用户多处于近场区域，现有通信与感知算法面临离格功率泄露、幅度衰减导致模型失配等问题，且大多依赖导频辅助感知。为此，该文提出一种离格盲近场通信感知一体化(NF-ISAC)算法，可在无导频条件下实现近场用户的高精度坐标感知、信道估计与符号检测。该算法首先构建NF-ISAC系统的因子图模型，提出幅度-相位分离的混合导向矢量建模方法，通过神经网络实现拟合，并将其作为函数节点嵌入因子图；其次结合矩阵分解与消息传递算法，实现因子图中神经网络的穿透计算，完成离格盲NF-ISAC算法的完整推导；同时推导了基于神经网络的近场感知克拉美罗下界，明确了近场位置感知的理论极限。仿真结果表明，所提算法以与主流算法同阶的计算复杂度，在通信误码率与感知精度上均取得显著性能提升，感知精度较现有近场离格算法提升2～3 dB，且性能最接近理论下界。
, 最新更新时间 , doi: 10.11999/JEIT260124
摘要:
白细胞类型与形态是血常规分析的关键，然而传统镜检方法依赖主观经验，现有深度学习方法在空谱特征建模和计算效率方面仍存在不足。为此，该文将偏振高光谱成像技术应用于白细胞分析，提出一种轻量化空谱双分支Transformer网络(LSDBT)用于白细胞偏振高光谱图像分类。该网络通过双分支特征提取模块联合学习局部空间和空间−光谱特征，并结合轻量化设计降低计算复杂度。结果表明，LSDBT在实现高精度分类的同时兼顾模型轻量化，验证了偏振高光谱成像在白细胞分类中的应用价值，为临床辅助诊断提供高效可靠的技术方案。
白细胞类型与形态是血常规分析的关键，然而传统镜检方法依赖主观经验，现有深度学习方法在空谱特征建模和计算效率方面仍存在不足。为此，该文将偏振高光谱成像技术应用于白细胞分析，提出一种轻量化空谱双分支Transformer网络(LSDBT)用于白细胞偏振高光谱图像分类。该网络通过双分支特征提取模块联合学习局部空间和空间−光谱特征，并结合轻量化设计降低计算复杂度。结果表明，LSDBT在实现高精度分类的同时兼顾模型轻量化，验证了偏振高光谱成像在白细胞分类中的应用价值，为临床辅助诊断提供高效可靠的技术方案。
, 最新更新时间 , doi: 10.11999/JEIT260458
摘要:
面向低地球轨道(LEO)卫星多用户下行大规模多输入多输出(MIMO)通信系统，该文研究结合低分辨率移相器(PSs)与天线-射频(RF)链自适应映射的混合波束赋形设计问题，以提升系统频谱效率。具体地，该文首先建立了LEO卫星多用户下行混合波束赋形系统模型，并以系统频谱效率最大化为目标构建优化问题。针对所构建的变量耦合非凸优化问题，该文通过加权最小均方误差(WMMSE)等价转化，并引入辅助变量对问题进行重构。在此基础上，结合块坐标下降(BCD)方法与惩罚对偶分解(PDD)方法进行交替迭代求解。进一步地，针对天线-RF链自适应映射设计，该文提出一种基于匈牙利算法的自适应映射方法，以获得在所构造线性指派模型下的最优映射结果。为降低大规模天线阵列下的计算开销，进一步提出一种基于天线优先级排序的自适应映射方法。仿真结果表明，该文所提方法相较于传统固定子阵和贪心动态子阵方案具有显著性能优势，并能够在系统性能与计算复杂度之间实现较好的权衡。
面向低地球轨道(LEO)卫星多用户下行大规模多输入多输出(MIMO)通信系统，该文研究结合低分辨率移相器(PSs)与天线-射频(RF)链自适应映射的混合波束赋形设计问题，以提升系统频谱效率。具体地，该文首先建立了LEO卫星多用户下行混合波束赋形系统模型，并以系统频谱效率最大化为目标构建优化问题。针对所构建的变量耦合非凸优化问题，该文通过加权最小均方误差(WMMSE)等价转化，并引入辅助变量对问题进行重构。在此基础上，结合块坐标下降(BCD)方法与惩罚对偶分解(PDD)方法进行交替迭代求解。进一步地，针对天线-RF链自适应映射设计，该文提出一种基于匈牙利算法的自适应映射方法，以获得在所构造线性指派模型下的最优映射结果。为降低大规模天线阵列下的计算开销，进一步提出一种基于天线优先级排序的自适应映射方法。仿真结果表明，该文所提方法相较于传统固定子阵和贪心动态子阵方案具有显著性能优势，并能够在系统性能与计算复杂度之间实现较好的权衡。
, 最新更新时间 , doi: 10.11999/JEIT260388
摘要:
随着移动通信系统中天线阵列规模的持续增大，多用户多输入多输出(Multiuser Multi-Input Multi-Output, MU-MIMO)预编码在显著提高系统性能的同时，也带来了高计算复杂度与高能耗等挑战。本文针对MU-MIMO预编码策略学习问题，研究在神经网络结构设计中引入无线策略数学先验(简称“无线先验”)知识对深度学习计算和能耗的影响。为此，首先分析MU-MIMO预编码策略的多维联合置换等变性和不变性，在此基础上构建一种注意力图神经网络(Attention-based Graph Neural Network, AGNN)；然后，基于3GPP标准信道数据集开展仿真与硬件实测，对AGNN与传统数值算法和Transformer模型进行比较。研究结果表明，AGNN在频谱效率、计算复杂度和推理能耗方面均优于仅满足一维置换等变性的Transformer模型，表明充分利用无线先验对高效学习的重要影响。同时，随着天线规模与带宽的扩大，传统数值算法的计算复杂度和能耗增长速度明显高于性能增益；而AGNN能够在提高系统性能的同时，显著降低推理时间与推理能耗，表明融入无线先验的学习方法是未来6G预编码优化的有效技术路径。
随着移动通信系统中天线阵列规模的持续增大，多用户多输入多输出(Multiuser Multi-Input Multi-Output, MU-MIMO)预编码在显著提高系统性能的同时，也带来了高计算复杂度与高能耗等挑战。本文针对MU-MIMO预编码策略学习问题，研究在神经网络结构设计中引入无线策略数学先验(简称“无线先验”)知识对深度学习计算和能耗的影响。为此，首先分析MU-MIMO预编码策略的多维联合置换等变性和不变性，在此基础上构建一种注意力图神经网络(Attention-based Graph Neural Network, AGNN)；然后，基于3GPP标准信道数据集开展仿真与硬件实测，对AGNN与传统数值算法和Transformer模型进行比较。研究结果表明，AGNN在频谱效率、计算复杂度和推理能耗方面均优于仅满足一维置换等变性的Transformer模型，表明充分利用无线先验对高效学习的重要影响。同时，随着天线规模与带宽的扩大，传统数值算法的计算复杂度和能耗增长速度明显高于性能增益；而AGNN能够在提高系统性能的同时，显著降低推理时间与推理能耗，表明融入无线先验的学习方法是未来6G预编码优化的有效技术路径。
, 最新更新时间 , doi: 10.11999/JEIT260344
摘要:
联邦学习(FL)通过分布式协同训练保护数据隐私，但数据统计异构性、本地数据集动态更新及客户端参与异步性，导致现有方法在非独立同分布(Non-IID)场景下难以兼顾全局泛化与本地个性化需求。为此，本文提出了一种基于Fisher信息矩阵的自适应聚合与客户端协同优化的个性化联邦学习(FedFACO)方法，该方法通过自适应聚合(AA)机制与协同优化(CO)机制，增强了模型对异构数据的适应能力。首先，AA机制动态调整全局模型与本地模型的融合权重，有效缓解分布不匹配的问题并增强个性化能力；其次，CO机制执行双阶段协同优化，客户端采用参数对齐策略通过特征对齐与全局正则化约束实现全局知识与历史特征的平衡融合；服务器端采用基于Fisher信息矩阵(FIM)与数据量加权的复合客户端同步策略，有效抑制训练不足客户端的负面影响，提升了算法在极端异步环境和动态客户端场景下的适应性。实验结果表明，FedFACO在处理数据异构性时不仅可以显著提高模型在各客户端上的泛化性能，同时也保证了通信效率和模型鲁棒性。在多个非独立同分布数据集(MNIST、CIFAR-10/100、Tiny-ImageNet)上的实验表明，FedFACO相较于现有主流方法在准确率上提升了约3.1%，并在更具挑战性的Tiny-ImageNet数据集上，相较于最优基线，达到收敛所需的总训练时间降低了约4.8%。
联邦学习(FL)通过分布式协同训练保护数据隐私，但数据统计异构性、本地数据集动态更新及客户端参与异步性，导致现有方法在非独立同分布(Non-IID)场景下难以兼顾全局泛化与本地个性化需求。为此，本文提出了一种基于Fisher信息矩阵的自适应聚合与客户端协同优化的个性化联邦学习(FedFACO)方法，该方法通过自适应聚合(AA)机制与协同优化(CO)机制，增强了模型对异构数据的适应能力。首先，AA机制动态调整全局模型与本地模型的融合权重，有效缓解分布不匹配的问题并增强个性化能力；其次，CO机制执行双阶段协同优化，客户端采用参数对齐策略通过特征对齐与全局正则化约束实现全局知识与历史特征的平衡融合；服务器端采用基于Fisher信息矩阵(FIM)与数据量加权的复合客户端同步策略，有效抑制训练不足客户端的负面影响，提升了算法在极端异步环境和动态客户端场景下的适应性。实验结果表明，FedFACO在处理数据异构性时不仅可以显著提高模型在各客户端上的泛化性能，同时也保证了通信效率和模型鲁棒性。在多个非独立同分布数据集(MNIST、CIFAR-10/100、Tiny-ImageNet)上的实验表明，FedFACO相较于现有主流方法在准确率上提升了约3.1%，并在更具挑战性的Tiny-ImageNet数据集上，相较于最优基线，达到收敛所需的总训练时间降低了约4.8%。
, 最新更新时间 , doi: 10.11999/JEIT260780
摘要:
组合优化问题巨大的解空间使得基于穷举搜索的策略难以在可行时间内找到高质量解。受量子启发的伊辛机为加速求解组合优化问题提供了新的计算范式，但实现兼具高速度、高能效和高精度的CMOS基伊辛机仍然是一项重大挑战。对这一问题，本文基于65 nm CMOS工艺设计并流片了一款面向组合优化问题的高并行度模拟绝热分岔专用处理器。该处理器利用模拟绝热分岔算法的全并行自旋更新特性，构建支持全连接拓扑的硬件架构，并提出自旋流水线更新策略，将耦合系数访问、动量更新和位置更新划分为三级流水线，实现无气泡迭代计算。为降低全连接耦合矩阵带来的存储开销，本文进一步设计折叠式耦合系数存储阵列，利用矩阵对称性减少冗余存储，使存储面积降低52%。同时，动量更新单元和位置更新单元采用定点数实现，在较低硬件开销下完成模拟绝热分岔演化。测试结果表明，该芯片在200 MHz下功耗为14 mW，求解64节点最大割问题仅需要25ns，求解40子句、8变量的SAT问题不超过16 μs，验证了所提架构在组合优化加速中的有效性。
组合优化问题巨大的解空间使得基于穷举搜索的策略难以在可行时间内找到高质量解。受量子启发的伊辛机为加速求解组合优化问题提供了新的计算范式，但实现兼具高速度、高能效和高精度的CMOS基伊辛机仍然是一项重大挑战。对这一问题，本文基于65 nm CMOS工艺设计并流片了一款面向组合优化问题的高并行度模拟绝热分岔专用处理器。该处理器利用模拟绝热分岔算法的全并行自旋更新特性，构建支持全连接拓扑的硬件架构，并提出自旋流水线更新策略，将耦合系数访问、动量更新和位置更新划分为三级流水线，实现无气泡迭代计算。为降低全连接耦合矩阵带来的存储开销，本文进一步设计折叠式耦合系数存储阵列，利用矩阵对称性减少冗余存储，使存储面积降低52%。同时，动量更新单元和位置更新单元采用定点数实现，在较低硬件开销下完成模拟绝热分岔演化。测试结果表明，该芯片在200 MHz下功耗为14 mW，求解64节点最大割问题仅需要25ns，求解40子句、8变量的SAT问题不超过16 μs，验证了所提架构在组合优化加速中的有效性。
, 最新更新时间 , doi: 10.11999/JEIT260188
摘要:
面向长航时固定翼无人机推进系统关键状态预测的工程应用需求，该文优化设计出一种融合多尺度嵌入与分组通道注意力的时序卷积模型(Grouped Squeeze-and-Excitation Multi-scale Temporal Convolutional Networks, GEMS-TCN)。该模型采用多尺度嵌入层自适应提取短期波动与长期趋势的混合时序表征，通过分组通道注意力实现变量内与跨变量特征的层次化加权。基于实飞数据集的实验结果表明，GEMS-TCN在推进系统16维关键状态的单步预测精度优越，测试集中平均绝对误差(Mean Absolute Error, MAE)、均方误差(Mean Squared Error, MSE)分别达到0.171、0.069，且在不同特征及昼夜工况下均保持一致的精度优势，为固定翼无人机推进系统多维状态预测提供了切实可行且性能优异的实现方案。
面向长航时固定翼无人机推进系统关键状态预测的工程应用需求，该文优化设计出一种融合多尺度嵌入与分组通道注意力的时序卷积模型(Grouped Squeeze-and-Excitation Multi-scale Temporal Convolutional Networks, GEMS-TCN)。该模型采用多尺度嵌入层自适应提取短期波动与长期趋势的混合时序表征，通过分组通道注意力实现变量内与跨变量特征的层次化加权。基于实飞数据集的实验结果表明，GEMS-TCN在推进系统16维关键状态的单步预测精度优越，测试集中平均绝对误差(Mean Absolute Error, MAE)、均方误差(Mean Squared Error, MSE)分别达到0.171、0.069，且在不同特征及昼夜工况下均保持一致的精度优势，为固定翼无人机推进系统多维状态预测提供了切实可行且性能优异的实现方案。
, 最新更新时间 , doi: 10.11999/JEIT260328
摘要:
单晶钨针尖是常用的场致发射阴极材料，其尖端形貌直接影响场发射性能。然而，传统电化学腐蚀法制备的针尖呈现尖锥形貌，涂覆氧化锆涂层后很难获得有效发射。为此，本文提出电化学腐蚀与高温通氧处理相结合的工艺路线，系统研究了氧分压、温度及通氧时间对针尖形貌演化的影响。研究发现，氧分压决定重构方向：富氧条件下发生钝化重构，针尖形貌演变为“圆柱段+半球冠”结构，适用于热场发射阴极；欠氧条件下发生锐化重构，尖端曲率半径可缩减至28 nm，适用于冷场发射阴极。基于上述机制，本研究实现了对不同曲率半径针尖形貌尺寸的精确调控，突破了传统电化学腐蚀工艺的局限，实现了钨针尖的定制化制备与缺陷修正，为高性能场发射阴极的可控制备提供了新的技术路径。
单晶钨针尖是常用的场致发射阴极材料，其尖端形貌直接影响场发射性能。然而，传统电化学腐蚀法制备的针尖呈现尖锥形貌，涂覆氧化锆涂层后很难获得有效发射。为此，本文提出电化学腐蚀与高温通氧处理相结合的工艺路线，系统研究了氧分压、温度及通氧时间对针尖形貌演化的影响。研究发现，氧分压决定重构方向：富氧条件下发生钝化重构，针尖形貌演变为“圆柱段+半球冠”结构，适用于热场发射阴极；欠氧条件下发生锐化重构，尖端曲率半径可缩减至28 nm，适用于冷场发射阴极。基于上述机制，本研究实现了对不同曲率半径针尖形貌尺寸的精确调控，突破了传统电化学腐蚀工艺的局限，实现了钨针尖的定制化制备与缺陷修正，为高性能场发射阴极的可控制备提供了新的技术路径。
, 最新更新时间 , doi: 10.11999/JEIT260379
摘要:
目前，第三代合作伙伴计划(3rd Generation Partnership Project, 3GPP)的业务与系统技术规范组第4工作组(TSG SA Working Group 4, SA4) 已经开始研究基于人工智能(Artificial Intelligence, AI)的语音编解码器。本文首次以3GPP地球静止轨道(Geostationary Earth Orbit, GEO)语音典型的物理层参数配置与目前SA4正在研究的Descript 音频编解码器(Descript Audio Codec, DAC)作为评估基线，保证了基线结果的公平性，并首次提出了总功率限制的DAC信源信道调制联合优化方案、恒模限制的DAC信源信道调制联合优化方案和DAC信源信道联合编解码方案。在语音质量可接受的前提下，所提方案相比于基线方案有2.5 dB～4 dB的覆盖增益。希望为GEO语音的后续研究提供有益思路。
目前，第三代合作伙伴计划(3rd Generation Partnership Project, 3GPP)的业务与系统技术规范组第4工作组(TSG SA Working Group 4, SA4) 已经开始研究基于人工智能(Artificial Intelligence, AI)的语音编解码器。本文首次以3GPP地球静止轨道(Geostationary Earth Orbit, GEO)语音典型的物理层参数配置与目前SA4正在研究的Descript 音频编解码器(Descript Audio Codec, DAC)作为评估基线，保证了基线结果的公平性，并首次提出了总功率限制的DAC信源信道调制联合优化方案、恒模限制的DAC信源信道调制联合优化方案和DAC信源信道联合编解码方案。在语音质量可接受的前提下，所提方案相比于基线方案有2.5 dB～4 dB的覆盖增益。希望为GEO语音的后续研究提供有益思路。
, 最新更新时间 , doi: 10.11999/JEIT260370
摘要:
针对资源受限的无人机(UAV)平台，如何在图像传输过程中实现高效且个性化的语义通信仍面临重要挑战。为此，该文提出一种轻量级个性化UAV语义通信(LPUSC)系统，旨在实现计算开销、传输带宽与个性化需求之间的有效平衡。该系统基于低开销的语义索引交互实现用户个性化内容传输，且无需对新接入用户进行兴趣预训练。首先，针对UAV端计算资源受限的问题，提出的LPUSC系统采用轻量且灵活的语义提取模块，利用YOLO11s实现高效的语义目标识别从而定位用户感兴趣区域，并结合MobileSAM模型实现基于目标框的精准分割，从而提取出个性化的语义内容，兼顾语义提取的轻量化、精准度与个性化。其次，该文构建了高质量语义图像重建的端到端传输网络，针对语义图像特性设计一种面向语义区域的加权混合损失训练策略，有效提升了个性化语义内容的重建质量。仿真结果表明，相较于传统的DeepJSCC和JPEG方法，所提LPUSC在语义图像重建质量上获得了显著提升，包括峰值信噪比分别提高了4.8%和79.5%，结构相似性指数分别提高了1.3%和43%，且在不同信道下保持了良好的鲁棒性。
针对资源受限的无人机(UAV)平台，如何在图像传输过程中实现高效且个性化的语义通信仍面临重要挑战。为此，该文提出一种轻量级个性化UAV语义通信(LPUSC)系统，旨在实现计算开销、传输带宽与个性化需求之间的有效平衡。该系统基于低开销的语义索引交互实现用户个性化内容传输，且无需对新接入用户进行兴趣预训练。首先，针对UAV端计算资源受限的问题，提出的LPUSC系统采用轻量且灵活的语义提取模块，利用YOLO11s实现高效的语义目标识别从而定位用户感兴趣区域，并结合MobileSAM模型实现基于目标框的精准分割，从而提取出个性化的语义内容，兼顾语义提取的轻量化、精准度与个性化。其次，该文构建了高质量语义图像重建的端到端传输网络，针对语义图像特性设计一种面向语义区域的加权混合损失训练策略，有效提升了个性化语义内容的重建质量。仿真结果表明，相较于传统的DeepJSCC和JPEG方法，所提LPUSC在语义图像重建质量上获得了显著提升，包括峰值信噪比分别提高了4.8%和79.5%，结构相似性指数分别提高了1.3%和43%，且在不同信道下保持了良好的鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT260152
摘要:
忆阻器门控循环单元 (GRU) 网络对于时序数据处理系统的嵌入式部署提供了新的解决途径，但是由于网络规模大、权值精度高，难以直接部署到嵌入式端侧设备。为此，该文对忆阻器轻量化GRU网络模型设计展开研究，构建能够部署在有限资源上的GRU网络模型，设计忆阻器交叉阵列的映射方式，提出基于性能分析与器件感知的融合量化方法，综合考虑网络性能与权值部署、激活函数计算的不同器件实现方式，使用权值对称量化、激活值非对称量化的策略对忆阻器GRU网络模型进行量化，采用权值加噪的方式提升网络模型对忆阻器件非理想因素的包容性。仿真实验表明，该文所设计的忆阻器GRU网络模型在公开的UrbanSound8K数据集上的分类准确率为93.94%，量化至6 bit后模型分类准确率为92.68%，相比于全精度的Dilated Convolution, LM-MFCC+GRU及TFFS-DNN模型分别高出14.68%, 0.68%和3.94%，且权值加噪训练能够有效提升轻量化网络模型对忆阻器件非理想因素的适应能力。此外，还验证了该网络模型在真假轨迹判别任务上的性能，在自建的真假轨迹数据集上的分类准确率为97.35%，量化至6 bit后分类准确率仅下降0.84%。
忆阻器门控循环单元 (GRU) 网络对于时序数据处理系统的嵌入式部署提供了新的解决途径，但是由于网络规模大、权值精度高，难以直接部署到嵌入式端侧设备。为此，该文对忆阻器轻量化GRU网络模型设计展开研究，构建能够部署在有限资源上的GRU网络模型，设计忆阻器交叉阵列的映射方式，提出基于性能分析与器件感知的融合量化方法，综合考虑网络性能与权值部署、激活函数计算的不同器件实现方式，使用权值对称量化、激活值非对称量化的策略对忆阻器GRU网络模型进行量化，采用权值加噪的方式提升网络模型对忆阻器件非理想因素的包容性。仿真实验表明，该文所设计的忆阻器GRU网络模型在公开的UrbanSound8K数据集上的分类准确率为93.94%，量化至6 bit后模型分类准确率为92.68%，相比于全精度的Dilated Convolution, LM-MFCC+GRU及TFFS-DNN模型分别高出14.68%, 0.68%和3.94%，且权值加噪训练能够有效提升轻量化网络模型对忆阻器件非理想因素的适应能力。此外，还验证了该网络模型在真假轨迹判别任务上的性能，在自建的真假轨迹数据集上的分类准确率为97.35%，量化至6 bit后分类准确率仅下降0.84%。
, 最新更新时间 , doi: 10.11999/JEIT260133
摘要:
面向移动目标的成像卫星协同任务规划是实现天基对地观测系统从“静态区域覆盖”向“广域搜索—动态跟踪—反馈补搜”动态闭环转型的关键技术，在应急响应、海洋监测、广域态势感知与重点目标持续观测等领域具有重要意义。其核心挑战源于移动目标未来状态的不确定性与传统任务规划模型对确定性输入依赖之间的矛盾。该文从不确定性驱动视角出发，结合海面、空天、地面3类典型移动目标的运动特征与观测需求，系统梳理该领域近年来的主要技术进展。重点剖析运动状态预测与时空不确定性表征、多星协同观测任务规划及闭环重规划等关键环节，对比模型驱动与数据驱动预测方法在不确定性表征和规划可用性的差异，分析集中式、分布式与混合式架构的算法选择逻辑与动态响应能力。最后，该文指出该领域正由开环静态规划向闭环动态调度转型，总结预测不确定性信息在规划决策中利用不足、分布式协同中状态认知不一致等关键瓶颈，并展望了跨层级耦合建模、大语言模型赋能的智能优化等未来发展方向。
面向移动目标的成像卫星协同任务规划是实现天基对地观测系统从“静态区域覆盖”向“广域搜索—动态跟踪—反馈补搜”动态闭环转型的关键技术，在应急响应、海洋监测、广域态势感知与重点目标持续观测等领域具有重要意义。其核心挑战源于移动目标未来状态的不确定性与传统任务规划模型对确定性输入依赖之间的矛盾。该文从不确定性驱动视角出发，结合海面、空天、地面3类典型移动目标的运动特征与观测需求，系统梳理该领域近年来的主要技术进展。重点剖析运动状态预测与时空不确定性表征、多星协同观测任务规划及闭环重规划等关键环节，对比模型驱动与数据驱动预测方法在不确定性表征和规划可用性的差异，分析集中式、分布式与混合式架构的算法选择逻辑与动态响应能力。最后，该文指出该领域正由开环静态规划向闭环动态调度转型，总结预测不确定性信息在规划决策中利用不足、分布式协同中状态认知不一致等关键瓶颈，并展望了跨层级耦合建模、大语言模型赋能的智能优化等未来发展方向。
, 最新更新时间 , doi: 10.11999/JEIT260373
摘要:
面对无人机集群和智能巡飞弹等大规模、高速度饱和攻击威胁带来的海量、突发且异质预警任务的严峻挑战，如何依托组网雷达设计可拓展的协同调度架构，释放防空预警体系抗饱和攻击潜力亟待解决。针对现有架构动态协同僵化和异质任务调度能力不足等局限，该文深入分析饱和攻击场景多雷达多目标多任务调度难题，将非凸的协同调度问题解耦为多维资源动态协同和自适应异质任务调度多阶段决策过程，通过针对性引入派单机制和分层强化学习，以可拓展性为目标提出了一种决策层次上融合了集中式动态目标分配和分布式异质任务调度的混合架构，并具体设计了执行-再派单认知闭环、目标派单算法和分层式指挥调度方法。仿真表明所提架构面对大规模高速度饱和攻击时，能实时动态协同组网雷达以调度搜索、确认和跟踪3类异质预警任务，并在适用处理规模、环境自适应能力、长期调度能力、可拓展性和可解释性等方面具有改进。
面对无人机集群和智能巡飞弹等大规模、高速度饱和攻击威胁带来的海量、突发且异质预警任务的严峻挑战，如何依托组网雷达设计可拓展的协同调度架构，释放防空预警体系抗饱和攻击潜力亟待解决。针对现有架构动态协同僵化和异质任务调度能力不足等局限，该文深入分析饱和攻击场景多雷达多目标多任务调度难题，将非凸的协同调度问题解耦为多维资源动态协同和自适应异质任务调度多阶段决策过程，通过针对性引入派单机制和分层强化学习，以可拓展性为目标提出了一种决策层次上融合了集中式动态目标分配和分布式异质任务调度的混合架构，并具体设计了执行-再派单认知闭环、目标派单算法和分层式指挥调度方法。仿真表明所提架构面对大规模高速度饱和攻击时，能实时动态协同组网雷达以调度搜索、确认和跟踪3类异质预警任务，并在适用处理规模、环境自适应能力、长期调度能力、可拓展性和可解释性等方面具有改进。
, 最新更新时间 , doi: 10.11999/JEIT260359
摘要:
针对具有批量到达特征的物联网(IoT)状态更新系统，该文以决策年龄(AuD)和决策失真(DaD)作为性能指标研究了系统决策的新鲜度和失真度。利用排队论，该文在批量大小服从一般分布的条件下推导得出平均AuD与平均DaD的解析表达式。在此基础上，考虑具有典型随机波动特征的几何分布批量大小，采用交替迭代优化算法对批到达率、平均批量大小和决策阈值进行联合优化，从而实现最小化平均AuD和平均DaD的加权和。仿真结果验证了理论分析的正确性。该研究发现，在一般分布的批量大小条件下，系统决策的新鲜度和失真度之间存在明显的权衡关系；在批量大小服从几何分布的典型场景下，该文所设计的算法能够在平均AuD和平均DaD之间实现帕累托最优权衡。
针对具有批量到达特征的物联网(IoT)状态更新系统，该文以决策年龄(AuD)和决策失真(DaD)作为性能指标研究了系统决策的新鲜度和失真度。利用排队论，该文在批量大小服从一般分布的条件下推导得出平均AuD与平均DaD的解析表达式。在此基础上，考虑具有典型随机波动特征的几何分布批量大小，采用交替迭代优化算法对批到达率、平均批量大小和决策阈值进行联合优化，从而实现最小化平均AuD和平均DaD的加权和。仿真结果验证了理论分析的正确性。该研究发现，在一般分布的批量大小条件下，系统决策的新鲜度和失真度之间存在明显的权衡关系；在批量大小服从几何分布的典型场景下，该文所设计的算法能够在平均AuD和平均DaD之间实现帕累托最优权衡。
, 最新更新时间 , doi: 10.11999/JEIT260430
摘要:
空地行人重识别(AG-PReID)旨在实现无人机视角与地面摄像视角下同一身份行人的跨平台匹配。由于空地视角差异显著且跨域分布偏移严重，现有方法中依赖线性特征变换的分类监督分支难以充分建模复杂非线性判别关系。针对上述问题，该文提出一种柯尔莫哥洛夫-阿诺德非线性增强模块(KANEM)，置于主干网络输出特征与线性分类层之间，用于替代传统的线性特征变换过程。该模块借鉴柯尔莫哥洛夫-阿诺德表示思想，通过可学习的样条函数对特征进行自适应非线性重构与增强，从而强化监督映射过程，促进更具判别性的空地跨视角表征学习。在CARGO和AG-ReID数据集上的实验结果表明，所提方法优于现有同类前沿方法。尤其在最具挑战性的空地跨视角检索协议下，两个数据集上的Rank-1分别达到58.75%和84.41%，较基线方法分别提升10.63%和1.99%，表明该方法具有较强的跨视角检索能力。
空地行人重识别(AG-PReID)旨在实现无人机视角与地面摄像视角下同一身份行人的跨平台匹配。由于空地视角差异显著且跨域分布偏移严重，现有方法中依赖线性特征变换的分类监督分支难以充分建模复杂非线性判别关系。针对上述问题，该文提出一种柯尔莫哥洛夫-阿诺德非线性增强模块(KANEM)，置于主干网络输出特征与线性分类层之间，用于替代传统的线性特征变换过程。该模块借鉴柯尔莫哥洛夫-阿诺德表示思想，通过可学习的样条函数对特征进行自适应非线性重构与增强，从而强化监督映射过程，促进更具判别性的空地跨视角表征学习。在CARGO和AG-ReID数据集上的实验结果表明，所提方法优于现有同类前沿方法。尤其在最具挑战性的空地跨视角检索协议下，两个数据集上的Rank-1分别达到58.75%和84.41%，较基线方法分别提升10.63%和1.99%，表明该方法具有较强的跨视角检索能力。
, 最新更新时间 , doi: 10.11999/JEIT260217
摘要:
空天地一体化网络(SAGIN)通过低轨卫星(LEO)、无人机(UAV)与地面设备的协同，构建了面向计算密集型移动应用的高效融合架构。然而，由于无人机轨迹控制、任务卸载与资源分配之间存在强耦合关系，加之任务负载的动态性和不确定性，实现时延与能耗兼顾的高效任务卸载仍面临挑战。该文以任务完成时延与无人机飞行能耗加权成本最小化为优化目标，将优化问题建模为去中心化部分可观测马尔可夫决策过程(DEC-POMDP)，并提出一种任务预测增强的多智能体近端策略优化算法(PA-MAPPO)。该方法在多智能体强化学习框架中引入轻量化任务负载预测模块，以增强多智能体之间的前瞻性决策能力，从而在动态SAGIN环境下实现无人机轨迹规划、任务卸载与计算资源分配的联合优化。仿真结果表明，所提算法能够有效降低系统综合成本，并在平均任务时延与无人机飞行能耗之间取得良好平衡。
空天地一体化网络(SAGIN)通过低轨卫星(LEO)、无人机(UAV)与地面设备的协同，构建了面向计算密集型移动应用的高效融合架构。然而，由于无人机轨迹控制、任务卸载与资源分配之间存在强耦合关系，加之任务负载的动态性和不确定性，实现时延与能耗兼顾的高效任务卸载仍面临挑战。该文以任务完成时延与无人机飞行能耗加权成本最小化为优化目标，将优化问题建模为去中心化部分可观测马尔可夫决策过程(DEC-POMDP)，并提出一种任务预测增强的多智能体近端策略优化算法(PA-MAPPO)。该方法在多智能体强化学习框架中引入轻量化任务负载预测模块，以增强多智能体之间的前瞻性决策能力，从而在动态SAGIN环境下实现无人机轨迹规划、任务卸载与计算资源分配的联合优化。仿真结果表明，所提算法能够有效降低系统综合成本，并在平均任务时延与无人机飞行能耗之间取得良好平衡。
, 最新更新时间 , doi: 10.11999/JEIT260505
摘要:
随着5G毫米波通信系统对终端天线高增益、宽波束扫描及高信道容量的需求，该文针对兼具宽频带与稳定辐射特性的磁电偶极子天线，提出并设计了一种加载差分馈电的双极化天线阵列。旨在通过差分馈电结构抑制共模干扰、实现低交叉极化特性，并解决差分天线与单端射频电路的高效集成问题。首先设计了一种基于带状线-缝隙-带状线的叠层差分馈电巴伦。该巴伦采用T型缝隙-微带转换结构，实现了单端信号至差分信号的高效、宽带转换，为后续天线设计提供了良好的馈电基础。在此基础上，完成了单极化差分馈电磁电偶极子天线的设计与性能验证。进而，将研究扩展至双极化阵列。通过优化双极化差分馈电单元结构，并合理规划阵列排布，最终研制了一款1×4双极化差分馈电磁电偶极子天线阵列。该设计有效平衡了宽频带、宽角波束扫描与高集成度等多重性能指标。结果表明，所提阵列方案能够满足5G毫米波终端对高性能天线模组的要求，为相关工程应用提供了一种有效的技术路径。
随着5G毫米波通信系统对终端天线高增益、宽波束扫描及高信道容量的需求，该文针对兼具宽频带与稳定辐射特性的磁电偶极子天线，提出并设计了一种加载差分馈电的双极化天线阵列。旨在通过差分馈电结构抑制共模干扰、实现低交叉极化特性，并解决差分天线与单端射频电路的高效集成问题。首先设计了一种基于带状线-缝隙-带状线的叠层差分馈电巴伦。该巴伦采用T型缝隙-微带转换结构，实现了单端信号至差分信号的高效、宽带转换，为后续天线设计提供了良好的馈电基础。在此基础上，完成了单极化差分馈电磁电偶极子天线的设计与性能验证。进而，将研究扩展至双极化阵列。通过优化双极化差分馈电单元结构，并合理规划阵列排布，最终研制了一款1×4双极化差分馈电磁电偶极子天线阵列。该设计有效平衡了宽频带、宽角波束扫描与高集成度等多重性能指标。结果表明，所提阵列方案能够满足5G毫米波终端对高性能天线模组的要求，为相关工程应用提供了一种有效的技术路径。
, 最新更新时间 , doi: 10.11999/JEIT260177
摘要:
卫星隐蔽通信具有保护信息内容和隐藏通信行为的双重能力，已成为信息对抗和保障战略通信连续性的关键技术。本文全面综述卫星隐蔽通信的理论基础、关键技术现状及未来发展挑战。首先，基于Alice-Bob-Willie模型，深入分析卫星信道特性对隐蔽容量的影响机制，阐明多普勒频移等因素对隐蔽通信速率的制约关系，并探讨修正型平方根定律下的理论边界。其次，围绕天基、空基、地基三层协同架构，系统梳理信号伪装编码、波束成形、频谱分集、量子加密与人工智能辅助等核心技术，并总结抗监听与抗干扰的多层级防护机制。最后，结合当前典型安全威胁，探讨卫星隐蔽通信面临的主要挑战，展望低轨动态组网、非理想信道鲁棒传输、人工智能与量子技术深度融合等未来发展方向，为构建高安全性、强隐蔽性的空间通信网络提供理论依据和技术支撑。
卫星隐蔽通信具有保护信息内容和隐藏通信行为的双重能力，已成为信息对抗和保障战略通信连续性的关键技术。本文全面综述卫星隐蔽通信的理论基础、关键技术现状及未来发展挑战。首先，基于Alice-Bob-Willie模型，深入分析卫星信道特性对隐蔽容量的影响机制，阐明多普勒频移等因素对隐蔽通信速率的制约关系，并探讨修正型平方根定律下的理论边界。其次，围绕天基、空基、地基三层协同架构，系统梳理信号伪装编码、波束成形、频谱分集、量子加密与人工智能辅助等核心技术，并总结抗监听与抗干扰的多层级防护机制。最后，结合当前典型安全威胁，探讨卫星隐蔽通信面临的主要挑战，展望低轨动态组网、非理想信道鲁棒传输、人工智能与量子技术深度融合等未来发展方向，为构建高安全性、强隐蔽性的空间通信网络提供理论依据和技术支撑。
, 最新更新时间 , doi: 10.11999/JEIT260121
摘要:
为解决侧信道安全领域暂无系统化攻防策略选择模型的现状，通过引入行为经济学和层次分析法，构建了一种侧信道攻防策略结构化成本量化模型。首先，从博弈论基本要素出发，将侧信道分析者与防护设计者映射为博弈双方，建立策略空间与收益函数。随后，提出基于层次分析法的成本量化框架，通过构建多维度判断矩阵，系统量化攻防策略的客观成本，克服传统主观赋值法的随意性与不可复现性。在此基础上，创新性地引入前景理论和风险规避理论，建立不完全信息静态博弈模型，并采用贝叶斯-纳什均衡求解最优策略。进一步结合安全工程ALARP原则，提出安全等级依赖的动态决策模型。结果表明，该模型能够为不同安全等级的场景提供基于风险偏好和成本效益原则量化的策略选择指导，明确识别出资产价值与防护强度的非线性临界关系，有效实现防护强度与资产价值的自适应匹配。通过构建“心理-经济-工程”三重维度的决策框架，不仅为侧信道攻防策略选择提供了首个系统化、可复现的理论模型，也为密码模块的“适度安全”设计提供了跨学科的量化决策依据。
为解决侧信道安全领域暂无系统化攻防策略选择模型的现状，通过引入行为经济学和层次分析法，构建了一种侧信道攻防策略结构化成本量化模型。首先，从博弈论基本要素出发，将侧信道分析者与防护设计者映射为博弈双方，建立策略空间与收益函数。随后，提出基于层次分析法的成本量化框架，通过构建多维度判断矩阵，系统量化攻防策略的客观成本，克服传统主观赋值法的随意性与不可复现性。在此基础上，创新性地引入前景理论和风险规避理论，建立不完全信息静态博弈模型，并采用贝叶斯-纳什均衡求解最优策略。进一步结合安全工程ALARP原则，提出安全等级依赖的动态决策模型。结果表明，该模型能够为不同安全等级的场景提供基于风险偏好和成本效益原则量化的策略选择指导，明确识别出资产价值与防护强度的非线性临界关系，有效实现防护强度与资产价值的自适应匹配。通过构建“心理-经济-工程”三重维度的决策框架，不仅为侧信道攻防策略选择提供了首个系统化、可复现的理论模型，也为密码模块的“适度安全”设计提供了跨学科的量化决策依据。
, 最新更新时间 , doi: 10.11999/JEIT260399
摘要:
随着以智能网联新能源汽车、人工智能终端、智能机器人为代表的新型智能终端快速普及，多模态大模型等新兴应用不断向端侧落地，泛在智能业务持续拓展。在此背景下，终端算力开销急剧增长。受制于体积、功耗与成本，智能终端设备普遍面临能耗过高、续航不足的问题。第6代(6G)无线通信网络通过无线接入网(RAN)架构增强与算力下沉，有望承接终端侧高能耗、高算力任务，赋能新型终端实现轻量化、低成本、长续航升级。该文首先阐述了增强型RAN赋能的6G端–边协同服务框架，并建立终端计算与传输能耗理论模型。然后，该文系统梳理了面向端–边协同推理的典型节能技术，并提出面向动态无线环境的通算联合自适应优化机制，实现通信与计算能耗的协同优化。最后，以具身智能终端为典型场景验证所提机制的节能效果，并总结当前研究在资源协同、全局优化与标准化落地等方面的挑战与未来方向。
随着以智能网联新能源汽车、人工智能终端、智能机器人为代表的新型智能终端快速普及，多模态大模型等新兴应用不断向端侧落地，泛在智能业务持续拓展。在此背景下，终端算力开销急剧增长。受制于体积、功耗与成本，智能终端设备普遍面临能耗过高、续航不足的问题。第6代(6G)无线通信网络通过无线接入网(RAN)架构增强与算力下沉，有望承接终端侧高能耗、高算力任务，赋能新型终端实现轻量化、低成本、长续航升级。该文首先阐述了增强型RAN赋能的6G端–边协同服务框架，并建立终端计算与传输能耗理论模型。然后，该文系统梳理了面向端–边协同推理的典型节能技术，并提出面向动态无线环境的通算联合自适应优化机制，实现通信与计算能耗的协同优化。最后，以具身智能终端为典型场景验证所提机制的节能效果，并总结当前研究在资源协同、全局优化与标准化落地等方面的挑战与未来方向。
, 最新更新时间 , doi: 10.11999/JEIT260218
摘要:
在网络边缘部署大语言模型(Large Language Models, LLMs)对泛在人工智能(Artificial Intelligence, AI)至关重要。与单一LLM相比，多LLM协同推理可以显著提高系统的稳健性，但严格的资源约束对可靠推理提出了挑战。本文提出了门控自适应重复查询(Gating Adaptive Repeat Query, G-ARQ)框架，将协同推理转化为语义驱动的闭环过程，增强了系统的健壮性。在G-ARQ中，语义空间对齐和错误引导重传(Semantic-Space Alignment and Error-Guided Retransmission, SEMAR)机制将不同类型的LLM输出对齐到一个统一的语义空间，并使用推理错误信息来指导下一次重复查询LLM的选择，而轨迹优化器在不需要显式系统动态的情况下联合优化LLM门控和资源分配。在SQuAD和TriviaQA混合数据集上的实验表明，在严格的时延和能耗约束下，G-ARQ相比基线方案的准确率最大提高2.2%。G-ARQ框架建立了一个帕累托边界来表征准确率和时延之间的权衡，为可靠的第六代(Sixth-Generation, 6G)边缘智能提供了一条实用的路径。
在网络边缘部署大语言模型(Large Language Models, LLMs)对泛在人工智能(Artificial Intelligence, AI)至关重要。与单一LLM相比，多LLM协同推理可以显著提高系统的稳健性，但严格的资源约束对可靠推理提出了挑战。本文提出了门控自适应重复查询(Gating Adaptive Repeat Query, G-ARQ)框架，将协同推理转化为语义驱动的闭环过程，增强了系统的健壮性。在G-ARQ中，语义空间对齐和错误引导重传(Semantic-Space Alignment and Error-Guided Retransmission, SEMAR)机制将不同类型的LLM输出对齐到一个统一的语义空间，并使用推理错误信息来指导下一次重复查询LLM的选择，而轨迹优化器在不需要显式系统动态的情况下联合优化LLM门控和资源分配。在SQuAD和TriviaQA混合数据集上的实验表明，在严格的时延和能耗约束下，G-ARQ相比基线方案的准确率最大提高2.2%。G-ARQ框架建立了一个帕累托边界来表征准确率和时延之间的权衡，为可靠的第六代(Sixth-Generation, 6G)边缘智能提供了一条实用的路径。
, 最新更新时间 , doi: 10.11999/JEIT260275
摘要:
针对低空无人机通感一体化(UAV-ISAC)系统中的数据到达量随机、机体抖动以及窃听威胁等问题，该文提出了一种基于队列稳定性约束的鲁棒安全波束成形算法。首先，构建以最小化系统长时隙平均发射功率为目标函数，以队列稳定性、安全通信速率下限、感知性能下限和发射功率上限为约束的长时隙队列稳定性优化问题。其次，由于长时隙优化问题难以直接求解，采用Lyapunov优化框架将长时隙随机性优化问题转化为前后时隙关联的短时隙优化问题；在短时隙优化中利用二阶泰勒展开对UAV机体抖动导致的通信链路角度误差进行近似处理，并提出一种基于惩罚连续凸逼近的鲁棒安全优化算法。仿真结果表明，所提算法与多种基准方案相比，可有效保障UAV-ISAC系统在抖动场景下的数据传输稳定性与安全性。
针对低空无人机通感一体化(UAV-ISAC)系统中的数据到达量随机、机体抖动以及窃听威胁等问题，该文提出了一种基于队列稳定性约束的鲁棒安全波束成形算法。首先，构建以最小化系统长时隙平均发射功率为目标函数，以队列稳定性、安全通信速率下限、感知性能下限和发射功率上限为约束的长时隙队列稳定性优化问题。其次，由于长时隙优化问题难以直接求解，采用Lyapunov优化框架将长时隙随机性优化问题转化为前后时隙关联的短时隙优化问题；在短时隙优化中利用二阶泰勒展开对UAV机体抖动导致的通信链路角度误差进行近似处理，并提出一种基于惩罚连续凸逼近的鲁棒安全优化算法。仿真结果表明，所提算法与多种基准方案相比，可有效保障UAV-ISAC系统在抖动场景下的数据传输稳定性与安全性。
, 最新更新时间 , doi: 10.11999/JEIT260240
摘要:
基于毫米波雷达的手势识别已经成为一种很有前景的人机交互方式并应用于多个领域。然而，大规模训练数据的不足严重阻碍了开发鲁棒和普适的深度学习模型，尤其在用户躺姿场景更为显著。现有的毫米波雷达数据生成方法由于缺乏足够的数据源而效果不佳。为此，本文提出了一种新颖的雷达数据生成系统VT2R，其利用视频或文本数据生成大规模逼真的雷达数据，解决了视频和文本到雷达数据的映射关系难构建的关键问题。VT2R由四个组件组成：视频特征编码网络、文本特征编码网络和雷达特征编码网络分别建模三种模态输入的特征表示，随后数据拟合与解码网络基于变分自编码器机制对潜在分布进行对齐与解码，从而生成逼真的大规模雷达数据。最后，在生成与自采数据集上进行了广泛的实验验证，结果表明VT2R在识别躺姿场景下的手势方面显著优于现有最先进方法。
基于毫米波雷达的手势识别已经成为一种很有前景的人机交互方式并应用于多个领域。然而，大规模训练数据的不足严重阻碍了开发鲁棒和普适的深度学习模型，尤其在用户躺姿场景更为显著。现有的毫米波雷达数据生成方法由于缺乏足够的数据源而效果不佳。为此，本文提出了一种新颖的雷达数据生成系统VT2R，其利用视频或文本数据生成大规模逼真的雷达数据，解决了视频和文本到雷达数据的映射关系难构建的关键问题。VT2R由四个组件组成：视频特征编码网络、文本特征编码网络和雷达特征编码网络分别建模三种模态输入的特征表示，随后数据拟合与解码网络基于变分自编码器机制对潜在分布进行对齐与解码，从而生成逼真的大规模雷达数据。最后，在生成与自采数据集上进行了广泛的实验验证，结果表明VT2R在识别躺姿场景下的手势方面显著优于现有最先进方法。
, 最新更新时间 , doi: 10.11999/JEIT260234
摘要:
闪电临近预报对气象预警与设施安全至关重要。然而，现有深度学习方法常受限于数据的极端稀疏性，且预测目标多为二值落区而非频次与区域的协同优化。该文提出一种多任务临近预报模型——时空聚焦感知与协同加权损失网络(STF-Net)，实现闪电频次与区域的联合预测。首先，设计闪电自适应注意力模块(LAAM)，显式建模长程时空依赖并精准聚焦对流敏感区；其次，构建时空加权混合损失函数，联合优化时间加权均方误差与双重加权交叉熵(DWCE)，以有效抑制极端稀疏分布诱发的优化偏误与虚警；最后，引入时空双分支生成对抗机制，提升预测场的细节保真度与时序连贯性。基于高分辨率甚低频闪电数据集的实验表明，STF-Net在1 h预报窗口内的临界成功指数(CSI)达0.663，较基线提升14.5%，虚警率(FAR)显著降至0.216，有效缓解了长时效预报的性能衰减。该研究为业务化闪电预警系统提供了一种高效、具备稀疏自适应能力的端到端解决方案。
闪电临近预报对气象预警与设施安全至关重要。然而，现有深度学习方法常受限于数据的极端稀疏性，且预测目标多为二值落区而非频次与区域的协同优化。该文提出一种多任务临近预报模型——时空聚焦感知与协同加权损失网络(STF-Net)，实现闪电频次与区域的联合预测。首先，设计闪电自适应注意力模块(LAAM)，显式建模长程时空依赖并精准聚焦对流敏感区；其次，构建时空加权混合损失函数，联合优化时间加权均方误差与双重加权交叉熵(DWCE)，以有效抑制极端稀疏分布诱发的优化偏误与虚警；最后，引入时空双分支生成对抗机制，提升预测场的细节保真度与时序连贯性。基于高分辨率甚低频闪电数据集的实验表明，STF-Net在1 h预报窗口内的临界成功指数(CSI)达0.663，较基线提升14.5%，虚警率(FAR)显著降至0.216，有效缓解了长时效预报的性能衰减。该研究为业务化闪电预警系统提供了一种高效、具备稀疏自适应能力的端到端解决方案。
, 最新更新时间 , doi: 10.11999/JEIT260249
摘要:
物联网(IoT)设备通过移动边缘计算(MEC)技术将任务卸载到附近的MEC服务器以降低处理能耗和时延，多个MEC服务器在辅助单个移动用户处理计算任务时可通过共享信息实施联合推断攻击，带来更加严重的位置隐私泄露风险。因此，该文提出一种抗多服务器联合推断攻击的智能隐私感知计算卸载方法，构建一种基于差分隐私(DP)的任务卸载率扰动方案，通过增加卸载到不同MEC服务器任务量的随机性，实现保护用户位置隐私，同时使用隐私熵评估隐私保护程度；设计截断拉普拉斯机制约束扰动范围并证明其满足DP。此外，为了在隐私感知的计算卸载动态场景中实现系统效益最大化，提出一种基于异步优势演员-评论家(A3C)算法的抗多服务器联合推断攻击的智能隐私感知计算卸载(AIPCO)方案，利用多线程异步训练机制高效获取最优卸载决策。仿真结果表明所提方案相较于基准方案能够保障位置隐私，获得较高的系统效益。
物联网(IoT)设备通过移动边缘计算(MEC)技术将任务卸载到附近的MEC服务器以降低处理能耗和时延，多个MEC服务器在辅助单个移动用户处理计算任务时可通过共享信息实施联合推断攻击，带来更加严重的位置隐私泄露风险。因此，该文提出一种抗多服务器联合推断攻击的智能隐私感知计算卸载方法，构建一种基于差分隐私(DP)的任务卸载率扰动方案，通过增加卸载到不同MEC服务器任务量的随机性，实现保护用户位置隐私，同时使用隐私熵评估隐私保护程度；设计截断拉普拉斯机制约束扰动范围并证明其满足DP。此外，为了在隐私感知的计算卸载动态场景中实现系统效益最大化，提出一种基于异步优势演员-评论家(A3C)算法的抗多服务器联合推断攻击的智能隐私感知计算卸载(AIPCO)方案，利用多线程异步训练机制高效获取最优卸载决策。仿真结果表明所提方案相较于基准方案能够保障位置隐私，获得较高的系统效益。
, 最新更新时间 , doi: 10.11999/JEIT260494
摘要:
针对传统掘进机轴承故障诊断方法难以有效感知跨模态多尺度故障信息的问题，该文提出跨模态核聚球空间学习(CKFSL)的掘进机轴承故障诊断方法。该方法首先在高维核空间中采用对偶极值点锚定和极向近邻分配机制来捕获核空间中具有相似同构信息的故障样本集群以形成核聚球。随后设计了新颖的自适应二叉剖分策略，该策略根据核聚球内部故障样本的几何跨度进行自适应剖分，形成微近邻核聚球空间，在微尺度上实现了对掘进机轴承故障样本的高同构性流形聚合。为进一步刻画微近邻核聚球间的广域拓扑关联，该文提出广域拓扑同构约束，该约束在微近邻核聚球空间中量化故障样本的秩次散度与相对散度因子，从而构建微近邻核聚球间的广域动态同构图，实现微近邻核聚球广域拓扑关联的重构。最后整合跨模态故障样本的局部流形同构性与广域拓扑关联，形成了CKFSL模型的目标优化函数，实现模型对跨模态多尺度故障信息的感知。该文在理论上推导出微近邻核聚球空间投影方向解析解，进而利用空间投影来直接获得掘进机跨模态故障样本的跨模态核聚球空间同构特征，该特征不仅能够有效感知掘进机轴承跨模态多尺度故障信息，且具有良好的鉴别力。在自建的AUST掘进机数据集和帕德博恩轴承数据集上进行的实验结果表明了CKFSL方法的有效性。
针对传统掘进机轴承故障诊断方法难以有效感知跨模态多尺度故障信息的问题，该文提出跨模态核聚球空间学习(CKFSL)的掘进机轴承故障诊断方法。该方法首先在高维核空间中采用对偶极值点锚定和极向近邻分配机制来捕获核空间中具有相似同构信息的故障样本集群以形成核聚球。随后设计了新颖的自适应二叉剖分策略，该策略根据核聚球内部故障样本的几何跨度进行自适应剖分，形成微近邻核聚球空间，在微尺度上实现了对掘进机轴承故障样本的高同构性流形聚合。为进一步刻画微近邻核聚球间的广域拓扑关联，该文提出广域拓扑同构约束，该约束在微近邻核聚球空间中量化故障样本的秩次散度与相对散度因子，从而构建微近邻核聚球间的广域动态同构图，实现微近邻核聚球广域拓扑关联的重构。最后整合跨模态故障样本的局部流形同构性与广域拓扑关联，形成了CKFSL模型的目标优化函数，实现模型对跨模态多尺度故障信息的感知。该文在理论上推导出微近邻核聚球空间投影方向解析解，进而利用空间投影来直接获得掘进机跨模态故障样本的跨模态核聚球空间同构特征，该特征不仅能够有效感知掘进机轴承跨模态多尺度故障信息，且具有良好的鉴别力。在自建的AUST掘进机数据集和帕德博恩轴承数据集上进行的实验结果表明了CKFSL方法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT260335
摘要:
当前卫星遥感已成为国土资源普查和防灾减灾的关键工具，随着卫星制造和发射能力不断增强，卫星数量规模快速扩展，遥感星群任务规划显得尤为重要，星群任务规划算法面临从单星静态调度到星群动态协同的范式跃迁。星群任务规划需要根据各颗卫星轨道分布、载荷约束条件以及任务要求，为每颗卫星制定观测计划，实现星群整体观测效益最大化。然而当前学术界对遥感卫星星群任务规划算法测评尚未形成统一的量化标准，不同研究涉及的问题规模和场景跨度巨大，这使得跨论文的性能比较几乎不可能。本文提出面向遥感卫星星群任务规划算法的通用测评框架RSCMP-Bench，主要贡献体现为3个方面： 多场景标准任务库、多维效能评估指标体系、仿真与评测平台。通过开展基准测试，验证了RSCMP-Bench测试流程的可行性、可复现性及其对算法性能评估的区分能力。测评框架及运行环境已发布在天智杯在线平台，RSCMP-Bench旨在为领域建立类似大规模标注图像数据集(ImageNet)之于计算机视觉、通用语言理解评测集(GLUE)之于自然语言处理的统一基准，推动卫星任务规划算法从“孤立实验”走向“标准化竞技”，最终加速面向下一代智能遥感星群的规划技术突破。
当前卫星遥感已成为国土资源普查和防灾减灾的关键工具，随着卫星制造和发射能力不断增强，卫星数量规模快速扩展，遥感星群任务规划显得尤为重要，星群任务规划算法面临从单星静态调度到星群动态协同的范式跃迁。星群任务规划需要根据各颗卫星轨道分布、载荷约束条件以及任务要求，为每颗卫星制定观测计划，实现星群整体观测效益最大化。然而当前学术界对遥感卫星星群任务规划算法测评尚未形成统一的量化标准，不同研究涉及的问题规模和场景跨度巨大，这使得跨论文的性能比较几乎不可能。本文提出面向遥感卫星星群任务规划算法的通用测评框架RSCMP-Bench，主要贡献体现为3个方面： 多场景标准任务库、多维效能评估指标体系、仿真与评测平台。通过开展基准测试，验证了RSCMP-Bench测试流程的可行性、可复现性及其对算法性能评估的区分能力。测评框架及运行环境已发布在天智杯在线平台，RSCMP-Bench旨在为领域建立类似大规模标注图像数据集(ImageNet)之于计算机视觉、通用语言理解评测集(GLUE)之于自然语言处理的统一基准，推动卫星任务规划算法从“孤立实验”走向“标准化竞技”，最终加速面向下一代智能遥感星群的规划技术突破。
, 最新更新时间 , doi: 10.11999/JEIT260194
摘要:
在智能网联车路云协同系统部署背景下，从路侧视角理清微观车流交互行为与风险场分布的相互作用机理，具有重要理论与应用价值。该文针对多车交互风险的统一建模与动态演化问题，提出一种基于多车动态风险场与双模型预测控制(MPC)的轨迹规划方法。建立面向车路协同的智能网联交通风险场模型，实现驾驶环境风险的连续空间化表征，并引入方向不均匀系数刻画车辆对前向与侧后方风险的感知非对称性。设计基于双MPC的分层决策与运动规划架构，上层基于风险场评估候选驾驶行为，输出最优行为模式；下层根据行为模式激活纵向速度规划MPC或换道轨迹规划MPC，将风险场嵌入代价函数以引导轨迹生成。选用HighD数据集(高速公路)与NGSIM数据集(城市快速路)进行验证，实验结果表明，所提方法能够有效刻画车流风险的时空演化特征，在RMSE、MAE、MAPE等指标上优于现有对比模型，有助于增强路侧系统对局部车流的实时感知与动态风险评估能力。
在智能网联车路云协同系统部署背景下，从路侧视角理清微观车流交互行为与风险场分布的相互作用机理，具有重要理论与应用价值。该文针对多车交互风险的统一建模与动态演化问题，提出一种基于多车动态风险场与双模型预测控制(MPC)的轨迹规划方法。建立面向车路协同的智能网联交通风险场模型，实现驾驶环境风险的连续空间化表征，并引入方向不均匀系数刻画车辆对前向与侧后方风险的感知非对称性。设计基于双MPC的分层决策与运动规划架构，上层基于风险场评估候选驾驶行为，输出最优行为模式；下层根据行为模式激活纵向速度规划MPC或换道轨迹规划MPC，将风险场嵌入代价函数以引导轨迹生成。选用HighD数据集(高速公路)与NGSIM数据集(城市快速路)进行验证，实验结果表明，所提方法能够有效刻画车流风险的时空演化特征，在RMSE、MAE、MAPE等指标上优于现有对比模型，有助于增强路侧系统对局部车流的实时感知与动态风险评估能力。
, 最新更新时间 , doi: 10.11999/JEIT260128
摘要:
针对脑肿瘤尺度差异大、边界模糊、小病灶易漏检以及现有分割模型难以兼顾分割性能和参数规模等问题，该文以三维U型卷积神经网络(3DUNet)为基线，提出多尺度边缘语义引导的图卷积序列脑肿瘤分割方法—MGM-3DUNet。通过多尺度边缘语义引导模块(MEGM)将可学习的边缘检测与多尺度语义特征融合，精准捕捉肿瘤边界细节，生成边缘预测图提供辅助监督；通过图卷积序列模块(GCSM)融合图卷积的局部拓扑聚合能力与高效长程建模优势，缓解现有长序列特征建模方法在特征编码过程中局部细粒度细节易衰减、空间精细结构保留不足的问题；多尺度上下文感知模块(MCPM)对不同尺度特征动态加权融合，使解码器自适应匹配水肿区与核心区的特征需求，缓解尺度失衡导致的小病灶漏检。最后，在开源数据集BraTS2020, BraTS2021上进行了实验验证。结果表明，模型以2.3 M的轻量级参数在整体肿瘤(WT)、肿瘤核心(TC)和增强肿瘤(ET)区域分别达到了91.2%, 90.4%和89.2%的Dice系数，整体性能优于现有主流模型，在保持低计算成本的同时，实现了关键区域的精准分割。
针对脑肿瘤尺度差异大、边界模糊、小病灶易漏检以及现有分割模型难以兼顾分割性能和参数规模等问题，该文以三维U型卷积神经网络(3DUNet)为基线，提出多尺度边缘语义引导的图卷积序列脑肿瘤分割方法—MGM-3DUNet。通过多尺度边缘语义引导模块(MEGM)将可学习的边缘检测与多尺度语义特征融合，精准捕捉肿瘤边界细节，生成边缘预测图提供辅助监督；通过图卷积序列模块(GCSM)融合图卷积的局部拓扑聚合能力与高效长程建模优势，缓解现有长序列特征建模方法在特征编码过程中局部细粒度细节易衰减、空间精细结构保留不足的问题；多尺度上下文感知模块(MCPM)对不同尺度特征动态加权融合，使解码器自适应匹配水肿区与核心区的特征需求，缓解尺度失衡导致的小病灶漏检。最后，在开源数据集BraTS2020, BraTS2021上进行了实验验证。结果表明，模型以2.3 M的轻量级参数在整体肿瘤(WT)、肿瘤核心(TC)和增强肿瘤(ET)区域分别达到了91.2%, 90.4%和89.2%的Dice系数，整体性能优于现有主流模型，在保持低计算成本的同时，实现了关键区域的精准分割。
, 最新更新时间 , doi: 10.11999/JEIT260163
摘要:
JESD204C串行(SerDes)接口作为高速芯片互连和边缘AI计算网络的核心器件，其链路初始化延迟长、同步过程功耗高等问题制约了系统实时性与能效。为此，该文提出一种基于迭代式集合筛查(ISS)的同步头(SH)检测方法，旨在提升检测效率。该方法利用同步头序列固有的极性翻转特性，构建并行筛查机制，动态压缩搜索空间，高效剔除无效候选位置，实现同步头的快速精准定位。所提电路已集成至JESD204C接收链路，并在FPGA平台完成验证。实验结果表明：对比典型方案，该设计将同步头锁定时间缩短70%，且检测时延对同步头的位置不敏感，同步过程稳定性与能效同步提升。
JESD204C串行(SerDes)接口作为高速芯片互连和边缘AI计算网络的核心器件，其链路初始化延迟长、同步过程功耗高等问题制约了系统实时性与能效。为此，该文提出一种基于迭代式集合筛查(ISS)的同步头(SH)检测方法，旨在提升检测效率。该方法利用同步头序列固有的极性翻转特性，构建并行筛查机制，动态压缩搜索空间，高效剔除无效候选位置，实现同步头的快速精准定位。所提电路已集成至JESD204C接收链路，并在FPGA平台完成验证。实验结果表明：对比典型方案，该设计将同步头锁定时间缩短70%，且检测时延对同步头的位置不敏感，同步过程稳定性与能效同步提升。
, 最新更新时间 , doi: 10.11999/JEIT260184
摘要:
面向第6代移动通信网络(6G)在超大规模连接、高可靠低时延等典型场景下的安全高效传输需求，语义隐蔽通信能够通过联合语义感知、语义压缩与隐蔽传输控制，在降低传输开销的同时实现信息的安全隐蔽传输，并提升低信噪比条件下的鲁棒性与资源利用率。此外，随着人工智能(AI)技术的快速发展，其具备的语义感知理解、智能决策优化与动态适应能力能够支撑语义重要性判别、自适应隐蔽策略优化以及语义驱动的智能隐蔽传输决策，为复杂动态场景下的智能语义隐蔽通信提供重要支撑。该文针对智能语义隐蔽通信展开综述。首先，介绍了语义通信、隐蔽通信以及语义隐蔽通信的基础概念。之后，探讨了人工智能赋能的智能语义隐蔽通信及其架构，并讨论了智能语义隐蔽通信的典型应用场景。然后，讨论了信道估计、频谱预测、波形设计等关键技术在智能语义隐蔽通信中的作用。最后，讨论了智能语义隐蔽通信面临的挑战和未来研究方向。
面向第6代移动通信网络(6G)在超大规模连接、高可靠低时延等典型场景下的安全高效传输需求，语义隐蔽通信能够通过联合语义感知、语义压缩与隐蔽传输控制，在降低传输开销的同时实现信息的安全隐蔽传输，并提升低信噪比条件下的鲁棒性与资源利用率。此外，随着人工智能(AI)技术的快速发展，其具备的语义感知理解、智能决策优化与动态适应能力能够支撑语义重要性判别、自适应隐蔽策略优化以及语义驱动的智能隐蔽传输决策，为复杂动态场景下的智能语义隐蔽通信提供重要支撑。该文针对智能语义隐蔽通信展开综述。首先，介绍了语义通信、隐蔽通信以及语义隐蔽通信的基础概念。之后，探讨了人工智能赋能的智能语义隐蔽通信及其架构，并讨论了智能语义隐蔽通信的典型应用场景。然后，讨论了信道估计、频谱预测、波形设计等关键技术在智能语义隐蔽通信中的作用。最后，讨论了智能语义隐蔽通信面临的挑战和未来研究方向。
, 最新更新时间 , doi: 10.11999/JEIT260289
摘要:
针对传统天然气能量计量方法在复杂工况下存在动态响应延迟、参数辨识困难、物理简化过度及抗干扰能力弱等问题，该文提出一种基于逆向混合建模的天然气能量计量数字孪生系统。系统以“算法-系统-场景”3层级架构为核心，整合热值、流量、能量机理模型与多源实时数据流，引入变分自编码器(VAE)实现无监督工况特征挖掘，结合动态贝叶斯网络与变分期望最大化(VEM)系统校准构建参数自矫正循环，解决传统模型对海量标注数据的依赖。集成超声波流量计、气相色谱仪等工业级设备，保障数据实时传输与闭环控制。覆盖动态压力波动、含氢混合气、多气源切换等核心工况，确保模型与实际应用高度适配。通过全尺寸工业级实验平台25周连续验证，结果表明，系统运行延迟≤3.8 s，应用层端到端延迟抖动≤0.5 s，单设备日均能耗≤1.2 kW·h，平均无故障工作时间(MTBF)≥4 100 h，能量计量误差≤0.25%，热值误差≤0.12%，流量示值误差≤0.2%。同时，系统通过工业以太网加密与权限分级控制满足安全需求，为智能管网优化与标准化集成提供工程支撑。
针对传统天然气能量计量方法在复杂工况下存在动态响应延迟、参数辨识困难、物理简化过度及抗干扰能力弱等问题，该文提出一种基于逆向混合建模的天然气能量计量数字孪生系统。系统以“算法-系统-场景”3层级架构为核心，整合热值、流量、能量机理模型与多源实时数据流，引入变分自编码器(VAE)实现无监督工况特征挖掘，结合动态贝叶斯网络与变分期望最大化(VEM)系统校准构建参数自矫正循环，解决传统模型对海量标注数据的依赖。集成超声波流量计、气相色谱仪等工业级设备，保障数据实时传输与闭环控制。覆盖动态压力波动、含氢混合气、多气源切换等核心工况，确保模型与实际应用高度适配。通过全尺寸工业级实验平台25周连续验证，结果表明，系统运行延迟≤3.8 s，应用层端到端延迟抖动≤0.5 s，单设备日均能耗≤1.2 kW·h，平均无故障工作时间(MTBF)≥4 100 h，能量计量误差≤0.25%，热值误差≤0.12%，流量示值误差≤0.2%。同时，系统通过工业以太网加密与权限分级控制满足安全需求，为智能管网优化与标准化集成提供工程支撑。
, 最新更新时间 , doi: 10.11999/JEIT260348
摘要:
面向全球覆盖、高速移动、低延迟、高可靠的民用航空通信需求，近些年来正在蓬勃发展的非地面网络(NTN)显得愈加重要。在此背景下，该文回顾了面向民用航空的NTN技术发展历程，并追踪了国内外对民航NTN网络技术研究的最新动态。为了实现NTN网络更好服务我国民用航空这一美好愿景，分别介绍了NTN网络中的组网架构，接入和移动性管理以及新型资源管控等关键技术。首先建立了以低轨卫星与高空平台为枢纽的按需隔离的NTN组网框架，随后提出了以星历图为表征的接入和移动性管理技术，最后针对新型智能衍生的算存资源提出了面向民用航空的NTN网络资源管控方案。最后，该文也对面向民用航空的NTN网络关键技术的未来发展提出了展望。
面向全球覆盖、高速移动、低延迟、高可靠的民用航空通信需求，近些年来正在蓬勃发展的非地面网络(NTN)显得愈加重要。在此背景下，该文回顾了面向民用航空的NTN技术发展历程，并追踪了国内外对民航NTN网络技术研究的最新动态。为了实现NTN网络更好服务我国民用航空这一美好愿景，分别介绍了NTN网络中的组网架构，接入和移动性管理以及新型资源管控等关键技术。首先建立了以低轨卫星与高空平台为枢纽的按需隔离的NTN组网框架，随后提出了以星历图为表征的接入和移动性管理技术，最后针对新型智能衍生的算存资源提出了面向民用航空的NTN网络资源管控方案。最后，该文也对面向民用航空的NTN网络关键技术的未来发展提出了展望。
, 最新更新时间 , doi: 10.11999/JEIT260239
摘要:
无人机(UAV)因自身的机动性和按需覆盖能力，可作为空中基站实现空地之间的可见光通信(VLC)。然而，空地之间的通信链路暴露在开放环境中，这使得VLC容易受到数据窃听和恶意检测。针对此问题，从物理层安全和隐蔽通信的角度提出了面向UAV的VLC系统中的安全隐蔽传输策略。该策略在考虑隐蔽通信要求、照明目标要求、UAV发射功率和悬停高度限制的基础上，对UAV发射功率和部署高度进行了联合优化以最大化系统的保密容量。由于所构建的优化问题高度非凸，因此设计了基于粒子群优化的双层优化算法对该问题进行求解。仿真结果表明，所提算法能够较快收敛，并且相较于基准方案能够提高系统的保密性能。
无人机(UAV)因自身的机动性和按需覆盖能力，可作为空中基站实现空地之间的可见光通信(VLC)。然而，空地之间的通信链路暴露在开放环境中，这使得VLC容易受到数据窃听和恶意检测。针对此问题，从物理层安全和隐蔽通信的角度提出了面向UAV的VLC系统中的安全隐蔽传输策略。该策略在考虑隐蔽通信要求、照明目标要求、UAV发射功率和悬停高度限制的基础上，对UAV发射功率和部署高度进行了联合优化以最大化系统的保密容量。由于所构建的优化问题高度非凸，因此设计了基于粒子群优化的双层优化算法对该问题进行求解。仿真结果表明，所提算法能够较快收敛，并且相较于基准方案能够提高系统的保密性能。
, 最新更新时间 , doi: 10.11999/JEIT260139
摘要:
伴随未来低空业务的爆发式增长，有限射频(RF)频谱资源成为无人机(UAV)中继通信系统性能提升的关键瓶颈。为此，该文引入自由空间光(FSO)通信，提出一种基于非正交多址接入(NOMA)的混合RF/FSO UAV中继通信方法。针对FSO链路易受遮挡导致通信不稳定的问题，在UAV中继端引入缓存机制，有效解耦RF接入与FSO回传过程。进一步地，针对低空空域环境障碍物密集、遮挡频发等复杂特征，综合地考虑用户功率约束、UAV航迹避障、速度与加速度等飞行动力学约束，提出面向能效优化的联合功率分配与避障航迹规划算法，在满足飞行动力学约束和避障安全的同时，有效地提升了单位能耗下的系统吞吐性能。仿真结果表明，所提方法在系统能效方面显著优于基准方法。
伴随未来低空业务的爆发式增长，有限射频(RF)频谱资源成为无人机(UAV)中继通信系统性能提升的关键瓶颈。为此，该文引入自由空间光(FSO)通信，提出一种基于非正交多址接入(NOMA)的混合RF/FSO UAV中继通信方法。针对FSO链路易受遮挡导致通信不稳定的问题，在UAV中继端引入缓存机制，有效解耦RF接入与FSO回传过程。进一步地，针对低空空域环境障碍物密集、遮挡频发等复杂特征，综合地考虑用户功率约束、UAV航迹避障、速度与加速度等飞行动力学约束，提出面向能效优化的联合功率分配与避障航迹规划算法，在满足飞行动力学约束和避障安全的同时，有效地提升了单位能耗下的系统吞吐性能。仿真结果表明，所提方法在系统能效方面显著优于基准方法。
, 最新更新时间 , doi: 10.11999/JEIT260111
摘要:
现有的约束投影方法通常采用投影-聚类两步独立策略，导致投影误差直接传递至聚类过程；此外，成对约束仅局限于投影阶段，偏离由先验知识引导聚类的核心思想。为此，该文提出两行更新策略的成对约束投影-聚类联合优化方法。首先，将约束投影目标函数作为正则化项统一到聚类框架中，二者在交替优化的过程中共同逼近全局最优解；其次，为克服传统K-means易陷入局部次优解的缺陷，并旨在提升计算效率，采用了一种融合增量计算、提前存储、变量更新3步加速策略的改进坐标下降法求解指示矩阵；最后，将成对约束嵌入到聚类指示矩阵中，使有限的监督信息贯穿于整个学习流程，并设计了一种新颖的两行同时优化策略，在每次循环中精准且直接地分配勿连约束。仿真实验验证了该文所提方法的优越性。
现有的约束投影方法通常采用投影-聚类两步独立策略，导致投影误差直接传递至聚类过程；此外，成对约束仅局限于投影阶段，偏离由先验知识引导聚类的核心思想。为此，该文提出两行更新策略的成对约束投影-聚类联合优化方法。首先，将约束投影目标函数作为正则化项统一到聚类框架中，二者在交替优化的过程中共同逼近全局最优解；其次，为克服传统K-means易陷入局部次优解的缺陷，并旨在提升计算效率，采用了一种融合增量计算、提前存储、变量更新3步加速策略的改进坐标下降法求解指示矩阵；最后，将成对约束嵌入到聚类指示矩阵中，使有限的监督信息贯穿于整个学习流程，并设计了一种新颖的两行同时优化策略，在每次循环中精准且直接地分配勿连约束。仿真实验验证了该文所提方法的优越性。
, 最新更新时间 , doi: 10.11999/JEIT260090
摘要:
针对低空边缘网络中因任务数据量的突发性与无人机飞行位置抖动所引起的服务质量下降问题，该文提出一种基于分布鲁棒优化的系统能耗最小化方法。首先，综合考虑任务大小和飞行位置不确定性因素，建立以最小化系统加权总能耗为目标的网络模型，并对无人机飞行轨迹、任务划分以及计算与通信资源进行协同设计。其次，将该非凸且复杂的优化问题建模为马尔可夫决策过程，并提出基于分布鲁棒优化的软演员-评论家算法。该算法通过构建任务需求分布的模糊集以处理分布不确定性，并借助最大熵强化学习框架，在连续动作空间中求解最坏概率分布下的最优策略。仿真结果表明，所提算法在动态环境中具有更快的收敛速度，且在不同任务负载及位置扰动下均能显著降低系统加权能耗，其中用户和无人机能耗分别降低了21.1%和15.9%。
针对低空边缘网络中因任务数据量的突发性与无人机飞行位置抖动所引起的服务质量下降问题，该文提出一种基于分布鲁棒优化的系统能耗最小化方法。首先，综合考虑任务大小和飞行位置不确定性因素，建立以最小化系统加权总能耗为目标的网络模型，并对无人机飞行轨迹、任务划分以及计算与通信资源进行协同设计。其次，将该非凸且复杂的优化问题建模为马尔可夫决策过程，并提出基于分布鲁棒优化的软演员-评论家算法。该算法通过构建任务需求分布的模糊集以处理分布不确定性，并借助最大熵强化学习框架，在连续动作空间中求解最坏概率分布下的最优策略。仿真结果表明，所提算法在动态环境中具有更快的收敛速度，且在不同任务负载及位置扰动下均能显著降低系统加权能耗，其中用户和无人机能耗分别降低了21.1%和15.9%。
, 最新更新时间 , doi: 10.11999/JEIT251224
摘要:
提出了一种联合信源信道编码调制的高斯信源传输方案。在所提方案中，Lloyd-Max量化器将高斯信源序列量化为多元符号序列。对于多元量化符号序列，构造了与其相匹配的多元傅里叶变换对码，且调制方式采用与其相适应的多元脉冲幅度调制。特别地，调制后的多元符号序列以分组马尔可夫叠加的方式传输。此外，为了获得成形增益，还提出了星座几何成形方案。仿真结果表明：1)可以根据目标性能选择合适的传输方案；2)所提几何成形方案可以获得约0.3dB的误符号性能增益；3)所提几何成形方案在高SNR区域有更低的失真性能。
提出了一种联合信源信道编码调制的高斯信源传输方案。在所提方案中，Lloyd-Max量化器将高斯信源序列量化为多元符号序列。对于多元量化符号序列，构造了与其相匹配的多元傅里叶变换对码，且调制方式采用与其相适应的多元脉冲幅度调制。特别地，调制后的多元符号序列以分组马尔可夫叠加的方式传输。此外，为了获得成形增益，还提出了星座几何成形方案。仿真结果表明：1)可以根据目标性能选择合适的传输方案；2)所提几何成形方案可以获得约0.3dB的误符号性能增益；3)所提几何成形方案在高SNR区域有更低的失真性能。
, 最新更新时间 , doi: 10.11999/JEIT260377
摘要:
真随机数发生器(TRNG)作为一种重要的硬件安全原语，通过提取物理随机变量产生无法预测的真随机序列，为安全系统构建硬件可信根。然而，为了提升TRNG的随机性，往往需要引入大量熵源，导致整体硬件开销较高。为解决这一问题，本文提出一种基于链式耦合振荡环的轻量级TRNG。首先，通过推导伽罗瓦振荡环的状态方程，分析不规则振荡机理，为熵源电路设计提供指导。然后，设计延迟反馈异或环，以此构建链式熵源电路，并进行不规则振荡行为建模。最后通过实验验证，所提出的TRNG通过了NIST SP 800-22和NIST SP 800-90B测试，在Xilinx Artix-7 FPGA上的吞吐量为200Mbps，且硬件开销仅为11个LUT和4个DFF，在资源受限的轻量级场景具有良好的应用前景。
真随机数发生器(TRNG)作为一种重要的硬件安全原语，通过提取物理随机变量产生无法预测的真随机序列，为安全系统构建硬件可信根。然而，为了提升TRNG的随机性，往往需要引入大量熵源，导致整体硬件开销较高。为解决这一问题，本文提出一种基于链式耦合振荡环的轻量级TRNG。首先，通过推导伽罗瓦振荡环的状态方程，分析不规则振荡机理，为熵源电路设计提供指导。然后，设计延迟反馈异或环，以此构建链式熵源电路，并进行不规则振荡行为建模。最后通过实验验证，所提出的TRNG通过了NIST SP 800-22和NIST SP 800-90B测试，在Xilinx Artix-7 FPGA上的吞吐量为200Mbps，且硬件开销仅为11个LUT和4个DFF，在资源受限的轻量级场景具有良好的应用前景。
, 最新更新时间 , doi: 10.11999/JEIT260158
摘要:
触觉感知是机器人理解物体物理属性并实现精细交互的重要基础，在视觉受限或复杂场景中具有不可替代的作用。相比连续触觉信号，事件驱动的脉冲触觉以异步稀疏的方式编码接触动态变化，具备更高时间分辨率与能效优势。然而，受限于高采集成本与小样本规模，现有监督触觉识别方法在开放世界场景中面临显著泛化瓶颈。尽管零样本学习可缓解数据稀缺，但现有方法多依赖视觉辅助或人工粗粒度语义，难以适配脉冲触觉的复杂时空动态结构，且缺乏稳定的跨模态语义对齐机制。针对上述问题，该文提出一种面向脉冲触觉信号的零样本物体识别方法。首先，构建仿生脉冲图神经网络，对脉冲触觉时空演化进行建模，提取判别性且具生物可解释性的触觉表征；其次，引入大语言模型生成细粒度结构化触觉语义空间，并为各类别构建一致维度的语义原型；在此基础上，设计触觉到语义的正向映射与语义到触觉的反向重构，形成循环一致的跨模态对齐框架，从而提升对齐稳定性与未见类别泛化能力。在标准的零样本设定下，该文在脉冲触觉数据集上进行了系统实验评估，实验结果表明，该方法在平均类别准确率、Top-k准确率及语义对齐一致性等指标上均优于现有方法，验证了其在脉冲触觉零样本识别任务中的有效性与鲁棒性。该研究为脉冲触觉语义理解及开放环境下的机器人感知提供了新的技术路径。
触觉感知是机器人理解物体物理属性并实现精细交互的重要基础，在视觉受限或复杂场景中具有不可替代的作用。相比连续触觉信号，事件驱动的脉冲触觉以异步稀疏的方式编码接触动态变化，具备更高时间分辨率与能效优势。然而，受限于高采集成本与小样本规模，现有监督触觉识别方法在开放世界场景中面临显著泛化瓶颈。尽管零样本学习可缓解数据稀缺，但现有方法多依赖视觉辅助或人工粗粒度语义，难以适配脉冲触觉的复杂时空动态结构，且缺乏稳定的跨模态语义对齐机制。针对上述问题，该文提出一种面向脉冲触觉信号的零样本物体识别方法。首先，构建仿生脉冲图神经网络，对脉冲触觉时空演化进行建模，提取判别性且具生物可解释性的触觉表征；其次，引入大语言模型生成细粒度结构化触觉语义空间，并为各类别构建一致维度的语义原型；在此基础上，设计触觉到语义的正向映射与语义到触觉的反向重构，形成循环一致的跨模态对齐框架，从而提升对齐稳定性与未见类别泛化能力。在标准的零样本设定下，该文在脉冲触觉数据集上进行了系统实验评估，实验结果表明，该方法在平均类别准确率、Top-k准确率及语义对齐一致性等指标上均优于现有方法，验证了其在脉冲触觉零样本识别任务中的有效性与鲁棒性。该研究为脉冲触觉语义理解及开放环境下的机器人感知提供了新的技术路径。
, 最新更新时间 , doi: 10.11999/JEIT260237
摘要:
针对野外生态监测录音数据中包括人为干扰声在内的背景噪声导致生物多样性声学指数失真问题，利用声学指数典型应用场景中人为干扰声通常具有的空域点声源和时域多线谱特征，结合对麦克风阵列空时二维频响起伏不敏感的依频声学多样性指数，提出一种基于间距互质子阵融合的空时自适应降噪方法，进而形成一种新的噪声鲁棒声学指数——自适应干扰对消依频声学多样性指数(AIC-FADI)。该方法采用三个麦克风构建两个间距较宽且互质的双元子阵组成非均匀线阵，两个子阵分别进行空时自适应白化滤波滤除平稳定向干扰，然后利用宽间距阵列的高空间分辨性质及间距互质子阵空时二维频响之间的空域混叠零陷交错特性，通过对两者输出信号的二值化时频谱进行逐点取大互补融合，重构生物声信号在干扰方向二维零陷之外的二值化时频分布结构特征，缓解无约束干扰对消导致的目标自消问题，使所提AIC-FADI的计算结果能在抑制定向干扰及其它背景噪声影响的同时，尽可能完整保留全空域生物声学信息的统计特征，从而推动声学指数的实际应用场景和时空覆盖范围实现实质性拓展。
针对野外生态监测录音数据中包括人为干扰声在内的背景噪声导致生物多样性声学指数失真问题，利用声学指数典型应用场景中人为干扰声通常具有的空域点声源和时域多线谱特征，结合对麦克风阵列空时二维频响起伏不敏感的依频声学多样性指数，提出一种基于间距互质子阵融合的空时自适应降噪方法，进而形成一种新的噪声鲁棒声学指数——自适应干扰对消依频声学多样性指数(AIC-FADI)。该方法采用三个麦克风构建两个间距较宽且互质的双元子阵组成非均匀线阵，两个子阵分别进行空时自适应白化滤波滤除平稳定向干扰，然后利用宽间距阵列的高空间分辨性质及间距互质子阵空时二维频响之间的空域混叠零陷交错特性，通过对两者输出信号的二值化时频谱进行逐点取大互补融合，重构生物声信号在干扰方向二维零陷之外的二值化时频分布结构特征，缓解无约束干扰对消导致的目标自消问题，使所提AIC-FADI的计算结果能在抑制定向干扰及其它背景噪声影响的同时，尽可能完整保留全空域生物声学信息的统计特征，从而推动声学指数的实际应用场景和时空覆盖范围实现实质性拓展。
, 最新更新时间 , doi: 10.11999/JEIT260282
摘要:
随着通信网络安全需求的日益增长，隐蔽通信和量子通信领域技术研发不断演进。然而，当前隐蔽通信仍存在内生安全漏洞与信息泄露风险，且量子通信易受窃听干扰导致传输可靠性受限。因此，兼顾通信行为隐蔽与无条件安全的量子隐蔽通信成为近期研究热点。基于此，该文聚焦于量子隐蔽通信融合方案及应用场景展开综述。首先，介绍了隐蔽通信的原理与典型赋能技术。其次，介绍了量子通信协议与重要技术。进而，针对不同应用场景归纳出三类量子隐蔽通信融合方案：赋能融合方案、隐匿融合方案、共生融合方案。最后，提出了量子隐蔽通信的现有挑战与发展方向。该文对量子隐蔽通信的进一步发展，具有一定的推动作用与参考价值。
随着通信网络安全需求的日益增长，隐蔽通信和量子通信领域技术研发不断演进。然而，当前隐蔽通信仍存在内生安全漏洞与信息泄露风险，且量子通信易受窃听干扰导致传输可靠性受限。因此，兼顾通信行为隐蔽与无条件安全的量子隐蔽通信成为近期研究热点。基于此，该文聚焦于量子隐蔽通信融合方案及应用场景展开综述。首先，介绍了隐蔽通信的原理与典型赋能技术。其次，介绍了量子通信协议与重要技术。进而，针对不同应用场景归纳出三类量子隐蔽通信融合方案：赋能融合方案、隐匿融合方案、共生融合方案。最后，提出了量子隐蔽通信的现有挑战与发展方向。该文对量子隐蔽通信的进一步发展，具有一定的推动作用与参考价值。
, 最新更新时间 , doi: 10.11999/JEIT260145
摘要:
为提高通感一体化(ISAC)系统中信息传输的隐蔽性，该文研究基于超大规模同时透射与反射可重构智能表面(XL-STAR-RIS)辅助的近场通感一体化系统，旨在实现隐蔽通信的资源优化。首先，建立近场球面波信道模型与信号传输模型，分析窃听者Willie的最优检测性能，并推导其最小检测错误概率的闭合下界表达式。在此基础上，根据通信要求，以最大化隐蔽通信速率为目标，综合考虑发射功率约束、感知信噪比约束及隐蔽性要求，构建了联合波束成形优化问题。为解决该非凸问题，该文提出一种融合半定松弛(SDR)、Dinkelbach型迭代与惩罚函数的分层交替优化算法，实现了主动发射波束与被动STAR-RIS系数的协同设计。仿真结果表明，所提方案在隐蔽通信速率、感知精度与收敛性能方面均优于传统被动RIS及无RIS基准方案。
为提高通感一体化(ISAC)系统中信息传输的隐蔽性，该文研究基于超大规模同时透射与反射可重构智能表面(XL-STAR-RIS)辅助的近场通感一体化系统，旨在实现隐蔽通信的资源优化。首先，建立近场球面波信道模型与信号传输模型，分析窃听者Willie的最优检测性能，并推导其最小检测错误概率的闭合下界表达式。在此基础上，根据通信要求，以最大化隐蔽通信速率为目标，综合考虑发射功率约束、感知信噪比约束及隐蔽性要求，构建了联合波束成形优化问题。为解决该非凸问题，该文提出一种融合半定松弛(SDR)、Dinkelbach型迭代与惩罚函数的分层交替优化算法，实现了主动发射波束与被动STAR-RIS系数的协同设计。仿真结果表明，所提方案在隐蔽通信速率、感知精度与收敛性能方面均优于传统被动RIS及无RIS基准方案。
, 最新更新时间 , doi: 10.11999/JEIT260274
摘要:
空对地信道的精准预测是实现无人机通信链路自适应传输与高效资源调度的关键。然而，现有方法往往面临环境表征冗余、物理可解释性不足等问题。为此，本文提出一种无人机传播环境视觉信息辅助的毫米波空对地信道预测。首先，构建时空严格对齐的通信感知一体化数据集，实现视觉感知数据与信道参数的联合获取；其次，从RGB图像与深度图像中提取建筑物坐标、高度、体积和收发机距离等低维空间特征，以刻画传播环境的关键几何结构，并验证了空间特征与信道之间存在显著关联；最后，设计了Transformer与多层感知机融合网络，学习空间特征与路径损耗、接收功率及均方根时延扩展之间的非线性映射关系。实验结果表明，所提方法在三类信道参数预测任务上均优于对比模型，具有较高的预测精度和鲁棒性。
空对地信道的精准预测是实现无人机通信链路自适应传输与高效资源调度的关键。然而，现有方法往往面临环境表征冗余、物理可解释性不足等问题。为此，本文提出一种无人机传播环境视觉信息辅助的毫米波空对地信道预测。首先，构建时空严格对齐的通信感知一体化数据集，实现视觉感知数据与信道参数的联合获取；其次，从RGB图像与深度图像中提取建筑物坐标、高度、体积和收发机距离等低维空间特征，以刻画传播环境的关键几何结构，并验证了空间特征与信道之间存在显著关联；最后，设计了Transformer与多层感知机融合网络，学习空间特征与路径损耗、接收功率及均方根时延扩展之间的非线性映射关系。实验结果表明，所提方法在三类信道参数预测任务上均优于对比模型，具有较高的预测精度和鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT260354
摘要:
阻变存储器中的SPI会引发不可预测的单元间相关性，显著提高信号检测的复杂度。传统检测方法通常依赖已知的信道噪声状态假设，在实际应用中泛化能力有限。为解决这一问题，提出了三种基于卷积神经网络(CNN)的数据检测方法，无需依赖先验信道信息即可有效建模并抑制干扰：其一，结合约束编码与多层CNN，通过约束编码判断潜路径干扰状态并进行数据恢复；其二，采用双CNN框架，首先利用轻量CNN进行SPI识别，再通过多层CNN实现精细化检测；其三，引入迁移学习机制，在保持检测精度的同时，将所需训练样本规模降低至传统方法的千分之一。仿真结果表明，所提方法在未知信道状态下均实现误码率性能的显著提升，误比特率相比现有算法至少降低一半，逼近性能极限。此外，迁移学习机制的引入将训练样本需求由\begin{document}$ {10}^{6} $\end{document} \begin{document}$ 1000 $\end{document}
阻变存储器中的SPI会引发不可预测的单元间相关性，显著提高信号检测的复杂度。传统检测方法通常依赖已知的信道噪声状态假设，在实际应用中泛化能力有限。为解决这一问题，提出了三种基于卷积神经网络(CNN)的数据检测方法，无需依赖先验信道信息即可有效建模并抑制干扰：其一，结合约束编码与多层CNN，通过约束编码判断潜路径干扰状态并进行数据恢复；其二，采用双CNN框架，首先利用轻量CNN进行SPI识别，再通过多层CNN实现精细化检测；其三，引入迁移学习机制，在保持检测精度的同时，将所需训练样本规模降低至传统方法的千分之一。仿真结果表明，所提方法在未知信道状态下均实现误码率性能的显著提升，误比特率相比现有算法至少降低一半，逼近性能极限。此外，迁移学习机制的引入将训练样本需求由
, 最新更新时间 , doi: 10.11999/JEIT260338
摘要:
与网络加密技术不同，可见光通信(VLC)的物理层安全(PLS)作为一种新型安全传输技术备受关注。由于存在显著差异，传统射频无线通信的PLS技术并不能直接运用到VLC中。近年来，国内外学者对VLC的PLS技术进行了研究。遗憾的是，VLC的PLS技术所涉及的基础理论、关键技术以及未来挑战尚缺乏系统性地梳理。基于此，建立了VLC的PLS系统模型，构建了包括瞬时性能指标、统计性能指标和渐近性能指标的性能评估综合理论体系，进一步讨论了安全波束成形技术、人工辅助技术、物理区域防护技术、安全编码技术、安全分集技术等各种PLS性能提升关键技术，并结合当前研究的局限性对未来工作进行了展望。
与网络加密技术不同，可见光通信(VLC)的物理层安全(PLS)作为一种新型安全传输技术备受关注。由于存在显著差异，传统射频无线通信的PLS技术并不能直接运用到VLC中。近年来，国内外学者对VLC的PLS技术进行了研究。遗憾的是，VLC的PLS技术所涉及的基础理论、关键技术以及未来挑战尚缺乏系统性地梳理。基于此，建立了VLC的PLS系统模型，构建了包括瞬时性能指标、统计性能指标和渐近性能指标的性能评估综合理论体系，进一步讨论了安全波束成形技术、人工辅助技术、物理区域防护技术、安全编码技术、安全分集技术等各种PLS性能提升关键技术，并结合当前研究的局限性对未来工作进行了展望。
, 最新更新时间 , doi: 10.11999/JEIT260164
摘要:
碳化硅(SiC)功率金属-氧化物-半导体场效应晶体管(MOSFET)凭借耐压高、导通电阻低和功耗小的优势，已广泛应用于中高压电力电子系统中，在提升系统效率与功率密度方面具有重要意义。该文基于TCAD仿真平台，开展1200 V等级沟槽型SiC MOSFET的结构设计与电学特性仿真研究。通过双侧P型柱(PCL)与电流扩展层(CSL)协同设计，有效优化了器件在阻断状态下的电场分布与导通状态下的电流输运性能。系统仿真分析了外延层掺杂浓度(NEpi)、沟槽宽度与深度、P型阱区(PW)注入剂量、PCL间距及CSL注入剂量等关键结构参数对器件比导通电阻(Ron,sp)、阈值电压(VTH)、击穿电压(BV)及栅氧峰值电场(Eox-max)的影响机制。研究结果表明，优化后的器件可实现VTH=4.7 V, Ron,sp=1.57 mΩ·cm2, BV=1708 V, Eox-max=2.5 MV/cm的良好性能折衷。该研究为开发高性能沟槽型SiC MOSFET提供了系统的仿真方法与设计依据。
碳化硅(SiC)功率金属-氧化物-半导体场效应晶体管(MOSFET)凭借耐压高、导通电阻低和功耗小的优势，已广泛应用于中高压电力电子系统中，在提升系统效率与功率密度方面具有重要意义。该文基于TCAD仿真平台，开展
, 最新更新时间 , doi: 10.11999/JEIT260119
摘要:
智能反射面(RIS)作为第六代移动通信中的关键技术之一，主要通过智能重构无线信道来改善通信的服务质量。然而，传统固定式RIS在面对非正对信号时存在角度失配损耗和高电路能耗问题，难以满足绿色通信的低功耗要求。本文研究一种基于可旋转混合式智能反射面(H-RIS)辅助的通信系统，旨在通过联合优化基站发射功率、子阵列开关状态、物理旋转角度及电子相移以解决机械旋转与开关控制下的下行通信资源分配问题，实现频谱效率与系统功耗的有效折衷。针对该非凸的混合整数非线性规划(MINLP)优化问题，本文采用基于块坐标下降(BCD)的交替优化框架进行求解：首先，提出一种基于信道贡献度的排序策略以降低二元开关变量的搜索复杂度；其次，利用Dinkelbach算法将原分式目标函数转化为参数化减式形式进行功率优化；最后，通过黄金分割搜索法迭代求解旋转角度与电子相移。仿真结果表明，所提方案能根据用户位置灵活调整H-RIS的面板朝向与激活规模，在保证通信质量的同时，能够显著降低系统冗余功耗。
智能反射面(RIS)作为第六代移动通信中的关键技术之一，主要通过智能重构无线信道来改善通信的服务质量。然而，传统固定式RIS在面对非正对信号时存在角度失配损耗和高电路能耗问题，难以满足绿色通信的低功耗要求。本文研究一种基于可旋转混合式智能反射面(H-RIS)辅助的通信系统，旨在通过联合优化基站发射功率、子阵列开关状态、物理旋转角度及电子相移以解决机械旋转与开关控制下的下行通信资源分配问题，实现频谱效率与系统功耗的有效折衷。针对该非凸的混合整数非线性规划(MINLP)优化问题，本文采用基于块坐标下降(BCD)的交替优化框架进行求解：首先，提出一种基于信道贡献度的排序策略以降低二元开关变量的搜索复杂度；其次，利用Dinkelbach算法将原分式目标函数转化为参数化减式形式进行功率优化；最后，通过黄金分割搜索法迭代求解旋转角度与电子相移。仿真结果表明，所提方案能根据用户位置灵活调整H-RIS的面板朝向与激活规模，在保证通信质量的同时，能够显著降低系统冗余功耗。
, 最新更新时间 , doi: 10.11999/JEIT260120
摘要:
针对智能超表面(reconfigurable intelligent surface, RIS)辅助的室内可见光定位(visible light positioning, VLP)系统性能优化问题，本文分别研究了近场与远场下针对系统克拉美罗下届(Cramer-Rao lower bound, CRLB)优化方法。通过优化RIS配置，以提升系统定位精度与整体定位性能公平性。在远场信道模型假设下，可将RIS方向优化问题建模为接收功率最大化问题，并应用一种结合粒子群优化与N步迭代的定位算法，在接收机位置未知的情况下实现了RIS方向的动态最优调整。在近场信道模型假设下，可将RIS单元与发光二极管(light-emitting diode, LED的分配问题构建为马尔可夫决策过程，并设计一种基于经验回放与知识利用的强化学习方法进行求解，在最小化CRLB的同时，兼顾不同区域用户的定位公平性。仿真结果表明，所提算法在两种模型下均能有效提升系统定位精度，且在近场模型中显著改善了全域定位性能。
针对智能超表面(reconfigurable intelligent surface, RIS)辅助的室内可见光定位(visible light positioning, VLP)系统性能优化问题，本文分别研究了近场与远场下针对系统克拉美罗下届(Cramer-Rao lower bound, CRLB)优化方法。通过优化RIS配置，以提升系统定位精度与整体定位性能公平性。在远场信道模型假设下，可将RIS方向优化问题建模为接收功率最大化问题，并应用一种结合粒子群优化与N步迭代的定位算法，在接收机位置未知的情况下实现了RIS方向的动态最优调整。在近场信道模型假设下，可将RIS单元与发光二极管(light-emitting diode, LED的分配问题构建为马尔可夫决策过程，并设计一种基于经验回放与知识利用的强化学习方法进行求解，在最小化CRLB的同时，兼顾不同区域用户的定位公平性。仿真结果表明，所提算法在两种模型下均能有效提升系统定位精度，且在近场模型中显著改善了全域定位性能。
, 最新更新时间 , doi: 10.11999/JEIT260214
摘要:
针对低信噪比环境下射频指纹特征易被噪声掩盖、多径效应引发非线性失真，以及现有方法在特征提取与未知设备检测能力上的不足，该文提出一种结合多尺度小波与超球面表示的射频指纹开集识别方法。首先，设计基于一维平稳小波变换的多尺度特征提取前端，实现对I/Q信号的全分辨率、多尺度分解，为后续网络提供高判别性输入。其次，构建多尺度残差注意力网络，融合深度残差学习、全局自注意力机制与双向长短时记忆网络，增强模型对微弱指纹特征的感知能力与长程时序依赖建模能力。最后，引入超球面度量学习，将特征空间约束至单位超球面，通过优化角度间隔构建类内紧凑、类间可分离的特征分布，并基于余弦相似度实现未知设备的有效检测。在基于IEEE 802.11协议的高保真仿真数据集上的实验结果表明，所提方法在–5～20 dB信噪比范围内均能保持较高的开集识别准确率，平均分类准确率达65.34%，在–5 dB低信噪比下曲线下面积(AUC)达0.81，显著优于现有对比方法，验证了其在极端恶劣信道环境下的鲁棒性与有效性。
针对低信噪比环境下射频指纹特征易被噪声掩盖、多径效应引发非线性失真，以及现有方法在特征提取与未知设备检测能力上的不足，该文提出一种结合多尺度小波与超球面表示的射频指纹开集识别方法。首先，设计基于一维平稳小波变换的多尺度特征提取前端，实现对I/Q信号的全分辨率、多尺度分解，为后续网络提供高判别性输入。其次，构建多尺度残差注意力网络，融合深度残差学习、全局自注意力机制与双向长短时记忆网络，增强模型对微弱指纹特征的感知能力与长程时序依赖建模能力。最后，引入超球面度量学习，将特征空间约束至单位超球面，通过优化角度间隔构建类内紧凑、类间可分离的特征分布，并基于余弦相似度实现未知设备的有效检测。在基于IEEE 802.11协议的高保真仿真数据集上的实验结果表明，所提方法在–5～20 dB信噪比范围内均能保持较高的开集识别准确率，平均分类准确率达65.34%，在–5 dB低信噪比下曲线下面积(AUC)达0.81，显著优于现有对比方法，验证了其在极端恶劣信道环境下的鲁棒性与有效性。
, 最新更新时间 , doi: 10.11999/JEIT251301
摘要:
在现代安防监控领域，高空球型摄像机因部署位置易受外部干扰，导致视频画面出现抖动、模糊等问题，严重影响监控效果与后期分析精度。视频压缩算法中，高精度运动补偿对提升编码效率至关重要，而当前的终极运动矢量表达(UMVE)技术存在精度和自适应调整不足等问题，图像配准编码模式(RCM)等虽能实现高精度运动补偿，但计算量和成本过高。针对这些问题，该研究提出了支持跨精度运动补偿的终极运动矢量表达技术(UMVE_CPMC)，该技术融合基础运动矢量(BaseMV)与精细化微调运动矢量(MMV)，通过构造扩展的升精度运动矢量(UPMV)提升运动补偿精度，且仅在1/8精度级别提供增量候选，实现计算复杂度与压缩效率的平衡。在步长自适应调整方面，提出6种模式的改进方案，编码器可根据场景灵活切换，以适应不同应用需求。实验表明，UMVE_CPMC在A类高清晰度运动场景下，编码增益显著，同时开启其他高精度运动补偿工具时，部分序列增益达1%–2%，在无其它高精度运动补偿工具时，部分序列增益超10%；在B类低清晰度场景下，通过帧级别自适应调整接口维持原有增益。此外，该技术在计算效率与资源占用间实现良好平衡，为解决高空球型摄像机视频编码问题提供了新的有效途径。
在现代安防监控领域，高空球型摄像机因部署位置易受外部干扰，导致视频画面出现抖动、模糊等问题，严重影响监控效果与后期分析精度。视频压缩算法中，高精度运动补偿对提升编码效率至关重要，而当前的终极运动矢量表达(UMVE)技术存在精度和自适应调整不足等问题，图像配准编码模式(RCM)等虽能实现高精度运动补偿，但计算量和成本过高。针对这些问题，该研究提出了支持跨精度运动补偿的终极运动矢量表达技术(UMVE_CPMC)，该技术融合基础运动矢量(BaseMV)与精细化微调运动矢量(MMV)，通过构造扩展的升精度运动矢量(UPMV)提升运动补偿精度，且仅在1/8精度级别提供增量候选，实现计算复杂度与压缩效率的平衡。在步长自适应调整方面，提出6种模式的改进方案，编码器可根据场景灵活切换，以适应不同应用需求。实验表明，UMVE_CPMC在A类高清晰度运动场景下，编码增益显著，同时开启其他高精度运动补偿工具时，部分序列增益达1%–2%，在无其它高精度运动补偿工具时，部分序列增益超10%；在B类低清晰度场景下，通过帧级别自适应调整接口维持原有增益。此外，该技术在计算效率与资源占用间实现良好平衡，为解决高空球型摄像机视频编码问题提供了新的有效途径。
, 最新更新时间 , doi: 10.11999/JEIT251357
摘要:
针对现有基于图表示学习的下一个兴趣点推荐方法无法有效平衡不同域的节点分布、未充分考虑异质关系之间的特征差异等问题，该文提出基于语义关系增强的自适应图表示学习下一个兴趣点推荐方法(SR-GRL)。该方法利用兴趣点(POI)、POI类别、区域3种类型实体构建异构转移图，设计自适应平衡随机游走算法进行跨域节点采样，通过跳跃和停留动态平衡不同域上的节点分布，避免采样序列偏向于局部结构。然后建立类型感知注意力机制捕捉不同类型节点之间的语义关联关系形成POI解耦表示，有效区分了不同类型节点间的特征差异。在此基础上，结合自注意力机制聚合用户行为的时序偏好特征，通过Softmax函数实现下一个POI推荐。3个真实数据集上的对比实验结果表明，SR-GRL方法相比于其他对比方法具有更好的推荐性能。
针对现有基于图表示学习的下一个兴趣点推荐方法无法有效平衡不同域的节点分布、未充分考虑异质关系之间的特征差异等问题，该文提出基于语义关系增强的自适应图表示学习下一个兴趣点推荐方法(SR-GRL)。该方法利用兴趣点(POI)、POI类别、区域3种类型实体构建异构转移图，设计自适应平衡随机游走算法进行跨域节点采样，通过跳跃和停留动态平衡不同域上的节点分布，避免采样序列偏向于局部结构。然后建立类型感知注意力机制捕捉不同类型节点之间的语义关联关系形成POI解耦表示，有效区分了不同类型节点间的特征差异。在此基础上，结合自注意力机制聚合用户行为的时序偏好特征，通过Softmax函数实现下一个POI推荐。3个真实数据集上的对比实验结果表明，SR-GRL方法相比于其他对比方法具有更好的推荐性能。
, 最新更新时间 , doi: 10.11999/JEIT251300
摘要:
在智能物联网(AIoT)中，边缘服务器可以通过利用存储的人工智能生成内容(AIGC)模型向AIoT设备提供智能服务。然而，边缘服务器的计算能力和模型存储容量有限，难以支撑大规模的模型存储以实现异构AIGC服务。针对此问题，该文基于AIGC服务的异构性，将AIGC服务划分为请求轻量型、计算密集型以及预处理型，并提出一种云边协同与边边协同相结合的通算存资源优化方案。该方案协同云计算与边缘计算的优势，在考虑边缘服务器计算和存储资源限制的基础上，联合优化AIoT设备和基站的发射功率、计算资源分配、AIGC模型部署及服务请求决策以最小化AIGC服务总时延。由于所构建的优化问题是一个混合整数非线性规划问题，因此设计了一种基于交替优化的算法，该算法将问题分解为3个子问题，并分别采用连续凸逼近方法、卡罗需-库恩-塔克条件和改进的哈里斯鹰算法进行求解。仿真结果表明，所提方案具有较快的收敛速度，并且与基准方案相比能够降低AIGC服务总时延。
在智能物联网(AIoT)中，边缘服务器可以通过利用存储的人工智能生成内容(AIGC)模型向AIoT设备提供智能服务。然而，边缘服务器的计算能力和模型存储容量有限，难以支撑大规模的模型存储以实现异构AIGC服务。针对此问题，该文基于AIGC服务的异构性，将AIGC服务划分为请求轻量型、计算密集型以及预处理型，并提出一种云边协同与边边协同相结合的通算存资源优化方案。该方案协同云计算与边缘计算的优势，在考虑边缘服务器计算和存储资源限制的基础上，联合优化AIoT设备和基站的发射功率、计算资源分配、AIGC模型部署及服务请求决策以最小化AIGC服务总时延。由于所构建的优化问题是一个混合整数非线性规划问题，因此设计了一种基于交替优化的算法，该算法将问题分解为3个子问题，并分别采用连续凸逼近方法、卡罗需-库恩-塔克条件和改进的哈里斯鹰算法进行求解。仿真结果表明，所提方案具有较快的收敛速度，并且与基准方案相比能够降低AIGC服务总时延。
, 最新更新时间 , doi: 10.11999/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/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/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/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/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/JEIT251268
摘要:
干涉逆合成孔径雷达(InISAR)是一种非合作目标三维重建技术。然而，在对具有复杂运动特性的舰船目标成像时，复杂三维旋转运动会导致目标多普勒频率变化不稳定，直接影响目标三维重建质量，同时，ISAR成像不可避免地存在目标叠掩和遮挡问题，致使单一投影平面的InISAR技术无法实现目标三维信息完全重建。针对上述问题，该文提出了一种复杂运动舰船目标多投影平面InISAR三维重建方法。首先，在分析高海情下长相干积累时间内舰船目标多维复杂运动特性的基础上，结合主成分分析算法选择多个不同成像投影平面的成像时间段，获取多个不同投影平面的高质量舰船目标逆合成孔径雷达(ISAR)图像及其三维重建结果。其次，结合加权随机采样一致性与分层迭代最近点方法，高精度提取和匹配多投影平面三维图像的同名特征点，实现多投影平面InISAR三维图像的高效高精度配准与融合。舰船点目标散射模型和电磁仿真模型的实验结果表明，与单一投影平面下的目标三维重建结果相比，该文所提方法获得的InISAR三维重建质量得到了显著提升。
干涉逆合成孔径雷达(InISAR)是一种非合作目标三维重建技术。然而，在对具有复杂运动特性的舰船目标成像时，复杂三维旋转运动会导致目标多普勒频率变化不稳定，直接影响目标三维重建质量，同时，ISAR成像不可避免地存在目标叠掩和遮挡问题，致使单一投影平面的InISAR技术无法实现目标三维信息完全重建。针对上述问题，该文提出了一种复杂运动舰船目标多投影平面InISAR三维重建方法。首先，在分析高海情下长相干积累时间内舰船目标多维复杂运动特性的基础上，结合主成分分析算法选择多个不同成像投影平面的成像时间段，获取多个不同投影平面的高质量舰船目标逆合成孔径雷达(ISAR)图像及其三维重建结果。其次，结合加权随机采样一致性与分层迭代最近点方法，高精度提取和匹配多投影平面三维图像的同名特征点，实现多投影平面InISAR三维图像的高效高精度配准与融合。舰船点目标散射模型和电磁仿真模型的实验结果表明，与单一投影平面下的目标三维重建结果相比，该文所提方法获得的InISAR三维重建质量得到了显著提升。
, 最新更新时间 , doi: 10.11999/JEIT260156
摘要:
在5G/6G驱动的多接入边缘计算(MEC)环境中，提高资源利用率的同时，确保异构网络切片的服务质量(QoS)具有重要意义。然而，当前方法在异构环境下缺乏动态适应性，无法协同优化缓存、带宽和计算资源，存在资源利用率下降、服务成功率下降等问题。该文首先形式化定义了网络切片资源分配问题，并通过将多维0-1背包问题归约到该问题来证明其是NP-难问题。然后提出了一种具有缓存感知的双层闭环协同资源分配框架，上层构建一种群体协同的全局搜索机制，通过候选解演化、历史最优引导与自适应参数调整，在复杂约束条件下生成高质量资源候选分配方案，下层构建一个多维权重评估模型以准确将低延迟、高带宽的服务需求指标转化为QoS约束，通过上下双层闭环协同实现缓存、带宽和计算资源的联合优化，进而改善了异构网络切片的QoS。大量实验表明，与基线方法相比，所提方法使资源利用率提升2.29%～24.50%，用户评分提升4.13%～59.34%，为异构MEC环境提供了一种鲁棒的资源分配解决方案。
在5G/6G驱动的多接入边缘计算(MEC)环境中，提高资源利用率的同时，确保异构网络切片的服务质量(QoS)具有重要意义。然而，当前方法在异构环境下缺乏动态适应性，无法协同优化缓存、带宽和计算资源，存在资源利用率下降、服务成功率下降等问题。该文首先形式化定义了网络切片资源分配问题，并通过将多维0-1背包问题归约到该问题来证明其是NP-难问题。然后提出了一种具有缓存感知的双层闭环协同资源分配框架，上层构建一种群体协同的全局搜索机制，通过候选解演化、历史最优引导与自适应参数调整，在复杂约束条件下生成高质量资源候选分配方案，下层构建一个多维权重评估模型以准确将低延迟、高带宽的服务需求指标转化为QoS约束，通过上下双层闭环协同实现缓存、带宽和计算资源的联合优化，进而改善了异构网络切片的QoS。大量实验表明，与基线方法相比，所提方法使资源利用率提升2.29%～24.50%，用户评分提升4.13%～59.34%，为异构MEC环境提供了一种鲁棒的资源分配解决方案。
, 最新更新时间 , doi: 10.11999/JEIT251358
摘要:
密文检索机制(Ciphertext Retrieval)支持密态数据下的安全检索，对称可搜索加密（SSE）是其核心研究分支。在实际应用中，云服务器为节约算力，可能返回错误或不完整的检索结果；同时攻击者可利用搜索与访问模式的泄露信息逆向推导关键字，引发严重的隐私泄露问题。因此，实现检索结果可验证性，并兼顾搜索与访问模式的隐私保护，具备重要的研究意义。现有支持模式隐私保护的可验证SSE方案，普遍依赖关键字遍历机制，验证效率较低，会显著增加用户的计算与通信开销，难以满足高效安全的密文检索需求。针对上述性能瓶颈，该文提出一种基于可信执行环境(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，有效降低了计算和通信成本；其二，该方案仅需存储两个随机数即可实现可验证功能，大幅降低了用户本地存储开销。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在效率上显著优于其他具备相同功能的方案。
密文检索机制(Ciphertext Retrieval)支持密态数据下的安全检索，对称可搜索加密（SSE）是其核心研究分支。在实际应用中，云服务器为节约算力，可能返回错误或不完整的检索结果；同时攻击者可利用搜索与访问模式的泄露信息逆向推导关键字，引发严重的隐私泄露问题。因此，实现检索结果可验证性，并兼顾搜索与访问模式的隐私保护，具备重要的研究意义。现有支持模式隐私保护的可验证SSE方案，普遍依赖关键字遍历机制，验证效率较低，会显著增加用户的计算与通信开销，难以满足高效安全的密文检索需求。针对上述性能瓶颈，该文提出一种基于可信执行环境(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，有效降低了计算和通信成本；其二，该方案仅需存储两个随机数即可实现可验证功能，大幅降低了用户本地存储开销。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在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/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。
