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/JEIT250855
摘要:
压缩感知凭借其突破奈奎斯特采样定理限制、实现超低采样率的高质量信号处理与重构的优势，成为通信信号高效接收处理的研究热点。本文依据压缩感知原理，按照字典矩阵设计、测量矩阵设计和信号重构三个主要研究方向对技术发展脉络进行了梳理，提出了当前压缩感知技术研究面临的挑战。基于现阶段工程应用面临的问题，对压缩感知技术发展趋势进行展望。
压缩感知凭借其突破奈奎斯特采样定理限制、实现超低采样率的高质量信号处理与重构的优势，成为通信信号高效接收处理的研究热点。本文依据压缩感知原理，按照字典矩阵设计、测量矩阵设计和信号重构三个主要研究方向对技术发展脉络进行了梳理，提出了当前压缩感知技术研究面临的挑战。基于现阶段工程应用面临的问题，对压缩感知技术发展趋势进行展望。
, 最新更新时间 , doi: 10.11999/JEIT250435
摘要:
电网作为连接电力传输与终端用户的重要枢纽，其数据的管理与分析在保障电网稳定性和提升供电质量方面扮演着举足轻重的角色。电网相关数据涵盖范围广泛，内容复杂，包括用户用电模式、气象条件、设备信息及营销数据等多个层面。这些多源异构数据在采集和传输过程中，常受到噪声信号等冗余信息的影响，容易出现数据缺失现象。数据不完整不仅使运行状态监测变得更加困难，也严重制约了故障诊断、健康评估及运维决策等关键工作的效率与准确性。为了提高电网数据的效用性，更好地利用其来保障电网稳定运行，该文提出一种基于扩散模型的电网数据恢复方法，通过独特设计的双层扩散流，能将时序序列嵌入为条件信息，大幅优化了扩散网络在电网场景下的表现。模型将输入的高斯噪声映射到缺失数据的目标分布空间，从而按照其原始分布规律恢复出缺失数据，增强了数据的可用性和价值。实验表明，与以往的方法相比，该方法能够达到领先的恢复效果。
电网作为连接电力传输与终端用户的重要枢纽，其数据的管理与分析在保障电网稳定性和提升供电质量方面扮演着举足轻重的角色。电网相关数据涵盖范围广泛，内容复杂，包括用户用电模式、气象条件、设备信息及营销数据等多个层面。这些多源异构数据在采集和传输过程中，常受到噪声信号等冗余信息的影响，容易出现数据缺失现象。数据不完整不仅使运行状态监测变得更加困难，也严重制约了故障诊断、健康评估及运维决策等关键工作的效率与准确性。为了提高电网数据的效用性，更好地利用其来保障电网稳定运行，该文提出一种基于扩散模型的电网数据恢复方法，通过独特设计的双层扩散流，能将时序序列嵌入为条件信息，大幅优化了扩散网络在电网场景下的表现。模型将输入的高斯噪声映射到缺失数据的目标分布空间，从而按照其原始分布规律恢复出缺失数据，增强了数据的可用性和价值。实验表明，与以往的方法相比，该方法能够达到领先的恢复效果。
, 最新更新时间 , doi: 10.11999/JEIT250704
摘要:
随着《中华人民共和国数据安全法》、欧盟《通用数据保护条例》(GDPR)等国内外法规条例的逐步施行，数据合规检测成为规范数据处理活动、保障数据安全、保护个人与组织合法权益的重要手段。然而，物联网场景下异构设备数据冗长多变、非结构化、内容模糊等特点加剧了数据合规检测的难度，导致传统规则匹配方法容易产生大量的误报。针对上述挑战，该文提出一种新型面向物联网场景的大模型驱动数据合规检测方法：第1阶段，基于全量规则库，利用快速正则匹配算法高效筛查出所有潜在违规数据，并输出结构化初步检测结果；第2阶段，利用大语言模型进行语义级合规复核，设计差异化分类检测策略，针对不同违规类型构建基于思维链与少样本提示融合的增强提示词，用于减少规则差异性与语义模糊性带来的错误结果。该文采集了52种物联网设备的日志与流量数据，形成共计55 080条原始违规检测数据，并在8个主流大模型底座以及不同影响设置参数上开展对比实验。研究结果表明原有仅第1阶段基于规则匹配的检测方法在真实物联网环境下误报率为64.3%，而经第2阶段大模型驱动的复核检测后降至6.9%，且大模型自身引入的错误率控制在0.01%以下。
随着《中华人民共和国数据安全法》、欧盟《通用数据保护条例》(GDPR)等国内外法规条例的逐步施行，数据合规检测成为规范数据处理活动、保障数据安全、保护个人与组织合法权益的重要手段。然而，物联网场景下异构设备数据冗长多变、非结构化、内容模糊等特点加剧了数据合规检测的难度，导致传统规则匹配方法容易产生大量的误报。针对上述挑战，该文提出一种新型面向物联网场景的大模型驱动数据合规检测方法：第1阶段，基于全量规则库，利用快速正则匹配算法高效筛查出所有潜在违规数据，并输出结构化初步检测结果；第2阶段，利用大语言模型进行语义级合规复核，设计差异化分类检测策略，针对不同违规类型构建基于思维链与少样本提示融合的增强提示词，用于减少规则差异性与语义模糊性带来的错误结果。该文采集了52种物联网设备的日志与流量数据，形成共计55 080条原始违规检测数据，并在8个主流大模型底座以及不同影响设置参数上开展对比实验。研究结果表明原有仅第1阶段基于规则匹配的检测方法在真实物联网环境下误报率为64.3%，而经第2阶段大模型驱动的复核检测后降至6.9%，且大模型自身引入的错误率控制在0.01%以下。
, 最新更新时间 , doi: 10.11999/JEIT251000
摘要:
地表异常(ESA)是指地球表面因自然或人为因素引发的突发性灾害事件，具有强破坏性和广泛影响，及时准确地发现各类地表异常事件对社会安全与可持续发展具有重要意义。遥感技术是地表异常检测的重要手段，但受限于标注数据匮乏、地表异常遥感影像背景复杂，以及多源遥感影像分布差异等因素，基于深度学习的异常检测模型性能有限。因此，该文提出一种知识引导的小样本学习方法，在异常遥感影像样本稀缺时引入语言知识提升分类性能。该方法利用大语言模型为不同遥感影像类别生成抽象化的文本描述，从语言模态角度刻画常规地物与异常地物的特征及其空间语义关系。然后通过文本编码器将文本描述映射到语言特征空间，并设计跨模态语义知识生成模块，自动学习并融合语言与视觉模态的语义表征。同时建立自注意力机制建模上下文关系，将提取的语义上下文信息与视觉原型特征融合，形成跨模态联合表征。该方法有效增强了小样本任务中原型特征的判别性，提高了目标域异常样本与多模态原型特征的匹配准确度。实验表明，该方法能够充分利用语言知识，弥补视觉信息的不足，提升小样本学习模型对地表异常遥感影像的表征能力，在跨域和域内小样本分类任务上均表现出一定优势。
地表异常(ESA)是指地球表面因自然或人为因素引发的突发性灾害事件，具有强破坏性和广泛影响，及时准确地发现各类地表异常事件对社会安全与可持续发展具有重要意义。遥感技术是地表异常检测的重要手段，但受限于标注数据匮乏、地表异常遥感影像背景复杂，以及多源遥感影像分布差异等因素，基于深度学习的异常检测模型性能有限。因此，该文提出一种知识引导的小样本学习方法，在异常遥感影像样本稀缺时引入语言知识提升分类性能。该方法利用大语言模型为不同遥感影像类别生成抽象化的文本描述，从语言模态角度刻画常规地物与异常地物的特征及其空间语义关系。然后通过文本编码器将文本描述映射到语言特征空间，并设计跨模态语义知识生成模块，自动学习并融合语言与视觉模态的语义表征。同时建立自注意力机制建模上下文关系，将提取的语义上下文信息与视觉原型特征融合，形成跨模态联合表征。该方法有效增强了小样本任务中原型特征的判别性，提高了目标域异常样本与多模态原型特征的匹配准确度。实验表明，该方法能够充分利用语言知识，弥补视觉信息的不足，提升小样本学习模型对地表异常遥感影像的表征能力，在跨域和域内小样本分类任务上均表现出一定优势。
, 最新更新时间 , doi: 10.11999/JEIT250685
摘要:
面向6G系统的通信感知一体化(ISAC)技术具备感知物理世界的能力。视觉可以感知环境进而辅助通信，同样无线信号可以辅助突破视觉感知的局限。该文首先探明环境视觉与无线通信的内在关联机理，进而阐述基于视觉感知辅助通信的算法，包括波束预测、遮挡预判和多基站多用户的资源调度分配方法；然后基于无线信号辅助视觉感知，探索基于无线信号辅助视觉的环境感知，提出静态环境重建和动态目标感知方法,从而辅助恶劣天气、不良光照等非理想条件下的鲁棒感知；形成一套完整的融合视觉的多模态无线通信感知一体化理论和技术方法。同时，进行了软硬件仿真测试与原型平台验证。实验结果表明，具备视觉支持的多模态ISAC系统的应用潜力巨大。
面向6G系统的通信感知一体化(ISAC)技术具备感知物理世界的能力。视觉可以感知环境进而辅助通信，同样无线信号可以辅助突破视觉感知的局限。该文首先探明环境视觉与无线通信的内在关联机理，进而阐述基于视觉感知辅助通信的算法，包括波束预测、遮挡预判和多基站多用户的资源调度分配方法；然后基于无线信号辅助视觉感知，探索基于无线信号辅助视觉的环境感知，提出静态环境重建和动态目标感知方法,从而辅助恶劣天气、不良光照等非理想条件下的鲁棒感知；形成一套完整的融合视觉的多模态无线通信感知一体化理论和技术方法。同时，进行了软硬件仿真测试与原型平台验证。实验结果表明，具备视觉支持的多模态ISAC系统的应用潜力巨大。
, 最新更新时间 , doi: 10.11999/JEIT250709
摘要:
语音深度生成技术已经能够生成逼真的语音。其在丰富人们娱乐和生活的同时，也易被不法分子滥用进行语音伪造，从而对个人隐私与社会安全带来巨大隐患。作为语音伪造的主流防御手段，现有的主动防御技术虽然已取得了一定成效，但在防御能力与防御样本不可感知性的平衡以及鲁棒性上仍然一般。为此，该文提出一种抵抗语音转换伪造的扩散重构式主动防御方法。该方法利用扩散声码器PriorGrad作为生成器，借助基于待保护语音的扩散先验指导逐步去噪过程，从而重构待保护语音直接得到防御语音样本。而且，该方法还设计了多尺度人耳感知损失，重点抑制人耳敏感频段的扰动幅度，进一步提升防御样本不可感知性。针对4个先进的语音转换模型的实验表明：该方法在兼顾语音防御样本不可感知性的前提下，基于说话人验证精度客观评价指标，防御能力相比次优方法在白盒场景下平均提升约32%，在黑盒场景下平均提升约16%，实现了防御能力与样本不可感知性之间更好的平衡；而且，针对3种不同有损压缩和高斯滤波攻击，该方法均取得了比现有方法更好的鲁棒性。
语音深度生成技术已经能够生成逼真的语音。其在丰富人们娱乐和生活的同时，也易被不法分子滥用进行语音伪造，从而对个人隐私与社会安全带来巨大隐患。作为语音伪造的主流防御手段，现有的主动防御技术虽然已取得了一定成效，但在防御能力与防御样本不可感知性的平衡以及鲁棒性上仍然一般。为此，该文提出一种抵抗语音转换伪造的扩散重构式主动防御方法。该方法利用扩散声码器PriorGrad作为生成器，借助基于待保护语音的扩散先验指导逐步去噪过程，从而重构待保护语音直接得到防御语音样本。而且，该方法还设计了多尺度人耳感知损失，重点抑制人耳敏感频段的扰动幅度，进一步提升防御样本不可感知性。针对4个先进的语音转换模型的实验表明：该方法在兼顾语音防御样本不可感知性的前提下，基于说话人验证精度客观评价指标，防御能力相比次优方法在白盒场景下平均提升约32%，在黑盒场景下平均提升约16%，实现了防御能力与样本不可感知性之间更好的平衡；而且，针对3种不同有损压缩和高斯滤波攻击，该方法均取得了比现有方法更好的鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT250720
摘要:
智能反射面(IRS)的部署能够提升短包通信的传输可靠性，现有研究大多通过优化IRS的反射相位来增强短包通信的性能，而该文则重点研究如何在无线网络中优化IRS的部署策略，以实现更高的通信时效性。该文研究一种IRS辅助的短包通信系统，其中多个终端设备在IRS的协助下向接入节点(AP)传输短包。针对该系统，该文考虑了两种典型IRS部署方案：分布式IRS与集中式IRS。在分布式IRS中，每个设备附近都部署一个配备M个反射单元的IRS，而在集中式IRS中，相同数量和规模的IRS均部署于AP附近。为了比较分布式IRS和集中式IRS辅助短包通信的时效性能，该文采用平均信息年龄(AoI)作为系统的性能指标。然而，复合信道增益的概率分布具有高度复杂性，导致平均AoI的闭式表达式难以直接推导，为此该文采用矩匹配(MM)近似法来获得复合信道增益的近似分布，并在考虑导频开销的情况下，推导出两种部署方案的平均AoI表达式。仿真结果表明：当IRS反射单元数量较大或AP与设备距离较远时，分布式IRS系统展现出更优的AoI性能；而当传输功率较高或系统带宽充足时，集中式IRS系统具有更好的时效性表现。
智能反射面(IRS)的部署能够提升短包通信的传输可靠性，现有研究大多通过优化IRS的反射相位来增强短包通信的性能，而该文则重点研究如何在无线网络中优化IRS的部署策略，以实现更高的通信时效性。该文研究一种IRS辅助的短包通信系统，其中多个终端设备在IRS的协助下向接入节点(AP)传输短包。针对该系统，该文考虑了两种典型IRS部署方案：分布式IRS与集中式IRS。在分布式IRS中，每个设备附近都部署一个配备M个反射单元的IRS，而在集中式IRS中，相同数量和规模的IRS均部署于AP附近。为了比较分布式IRS和集中式IRS辅助短包通信的时效性能，该文采用平均信息年龄(AoI)作为系统的性能指标。然而，复合信道增益的概率分布具有高度复杂性，导致平均AoI的闭式表达式难以直接推导，为此该文采用矩匹配(MM)近似法来获得复合信道增益的近似分布，并在考虑导频开销的情况下，推导出两种部署方案的平均AoI表达式。仿真结果表明：当IRS反射单元数量较大或AP与设备距离较远时，分布式IRS系统展现出更优的AoI性能；而当传输功率较高或系统带宽充足时，集中式IRS系统具有更好的时效性表现。
, 最新更新时间 , doi: 10.11999/JEIT250734
摘要:
星间激光通信因其具有超大信道容量、极低传输损耗和物理层高安全性，已成为下一代低轨巨型星座实现全球高速数据传输的核心技术。然而，低轨卫星的高速相对运动与复杂轨道摄动，对激光终端的快速建链与稳定跟踪构成了严峻挑战。为实现稳定可靠的通信链路，必须在全空间范围内建立粗指向机构(CPA)与探测器间微弧度量级的光学标定关系。该文提出一种面向低轨星座的全视场微弧度级光学标定方法，将复杂光机耦合误差统一建模为线性映射关系，利用CPA的随机微扰动运动构建其转角微偏移量与探测器光斑位移间的共轭关系，从而精确估计光学标定矩阵。实验结果表明，该方法可有效抑制光学像旋、跨象限运动、异常跟踪及镜像等系统误差，全空间跟踪精度优于5 μrad，显著提升了终端动态跟踪性能。
星间激光通信因其具有超大信道容量、极低传输损耗和物理层高安全性，已成为下一代低轨巨型星座实现全球高速数据传输的核心技术。然而，低轨卫星的高速相对运动与复杂轨道摄动，对激光终端的快速建链与稳定跟踪构成了严峻挑战。为实现稳定可靠的通信链路，必须在全空间范围内建立粗指向机构(CPA)与探测器间微弧度量级的光学标定关系。该文提出一种面向低轨星座的全视场微弧度级光学标定方法，将复杂光机耦合误差统一建模为线性映射关系，利用CPA的随机微扰动运动构建其转角微偏移量与探测器光斑位移间的共轭关系，从而精确估计光学标定矩阵。实验结果表明，该方法可有效抑制光学像旋、跨象限运动、异常跟踪及镜像等系统误差，全空间跟踪精度优于5 μrad，显著提升了终端动态跟踪性能。
, 最新更新时间 , doi: 10.11999/JEIT250790
摘要:
自2020年5G设备开始大规模商用部署后，全球业界已经开始了6G技术的研究。在5G/6G时代，通信系统需要适应更加复杂的信道环境，如超高密度的城市环境、远海、沙漠、森林等地域。因此，如果能够有一种低能耗的方式，对无线通信信道进行自适应的调整和重构，将不仅有助于无线通信设备向传输时延更低、传输速率更快、接收能力更强等方面进一步迈进，而且可以帮助无线通信设备更好地部署于复杂信道环境的地域。智能反射面(IRS)被认为是实现信道环境重构的一种有效的设备。这些IRS设备大多是无源设备，因此，不会带来过多的能耗。当IRS与单输入单输出(SISO)、多输入单输出(MISO)、多输入多输出(MIMO)等技术相结合，将进一步提高无线通信传输的传输速率、降低无线通信的能耗、增强无线通信设备对复杂信道环境的适应性。该文对IRS辅助的SISO,MISO和MIMO系统的信号传输模型进行系统总结，分析了IRS辅助的SISO,MISO和MIMO的信号传输建模方式，并对IRS辅助的SISO,MISO和MIMO系统的波束赋形和相移技术进行了综述。
自2020年5G设备开始大规模商用部署后，全球业界已经开始了6G技术的研究。在5G/6G时代，通信系统需要适应更加复杂的信道环境，如超高密度的城市环境、远海、沙漠、森林等地域。因此，如果能够有一种低能耗的方式，对无线通信信道进行自适应的调整和重构，将不仅有助于无线通信设备向传输时延更低、传输速率更快、接收能力更强等方面进一步迈进，而且可以帮助无线通信设备更好地部署于复杂信道环境的地域。智能反射面(IRS)被认为是实现信道环境重构的一种有效的设备。这些IRS设备大多是无源设备，因此，不会带来过多的能耗。当IRS与单输入单输出(SISO)、多输入单输出(MISO)、多输入多输出(MIMO)等技术相结合，将进一步提高无线通信传输的传输速率、降低无线通信的能耗、增强无线通信设备对复杂信道环境的适应性。该文对IRS辅助的SISO,MISO和MIMO系统的信号传输模型进行系统总结，分析了IRS辅助的SISO,MISO和MIMO的信号传输建模方式，并对IRS辅助的SISO,MISO和MIMO系统的波束赋形和相移技术进行了综述。
, 最新更新时间 , doi: 10.11999/JEIT250378
摘要:
在电子对抗中，己方通信信号极易受到敌方干扰。针对非合作干扰信号抑制，通常选择辅助天线来提取干扰信号样本，对受扰的通信信号进行干扰抑制，进而保证通信质量。但辅助天线可能同时收到干扰信号和通信信号，影响干扰信号样本的获取，降低干扰抑制能力。该文在非合作干扰场景下，提出了一种快速独立成分分析联合模拟退火最大化输出信干噪比的干扰抑制方法，该方法通过快速独立成分分析方法来估计信干噪比、模拟退火算法搜索重建系数、重建滤波器结合重建系数得到干扰抑制后信号。仿真和实验证明：当双天线的信干噪比差异较大，或通信信号和辅助信号各自到达双天线的信道相关性较弱时，所提方法具备更优异的干扰抑制性能。在双天线具有14.8 dB的信干噪比差时，该方法可实现34.4 dB的干扰抑制比。
在电子对抗中，己方通信信号极易受到敌方干扰。针对非合作干扰信号抑制，通常选择辅助天线来提取干扰信号样本，对受扰的通信信号进行干扰抑制，进而保证通信质量。但辅助天线可能同时收到干扰信号和通信信号，影响干扰信号样本的获取，降低干扰抑制能力。该文在非合作干扰场景下，提出了一种快速独立成分分析联合模拟退火最大化输出信干噪比的干扰抑制方法，该方法通过快速独立成分分析方法来估计信干噪比、模拟退火算法搜索重建系数、重建滤波器结合重建系数得到干扰抑制后信号。仿真和实验证明：当双天线的信干噪比差异较大，或通信信号和辅助信号各自到达双天线的信道相关性较弱时，所提方法具备更优异的干扰抑制性能。在双天线具有14.8 dB的信干噪比差时，该方法可实现34.4 dB的干扰抑制比。
, 最新更新时间 , doi: 10.11999/JEIT250846
摘要:
随着智能航运系统的快速发展，船舶定位数据在无线传输过程中面临严重的隐私泄露风险。传统隐私保护方法如差分隐私和同态加密存在数据失真、计算开销大或依赖高成本通信链路等问题，难以在保证数据完整性的同时实现高效防护。本文针对船舶稳定系统的特点，提出一种基于时间扰动增强的动态编码方案。该方案结合扩展卡尔曼滤波(EKF)，在编码过程中引入不稳定的时间扰动项，利用接收方对发送方发出的信息进行确认这一机制(ACK反馈)实现参考时间同步，并利用共享随机种子独立生成同步的扰动项。理论分析与仿真实验表明，该方案能够在合法接收方实现近乎零精度损失的状态估计的同时，使窃听者在单次丢包后解码误差随时间呈指数增长趋势，有效阻断单通道与多通道窃听攻击。方案采用共享随机种子同步机制，避免了复杂的密钥管理，显著降低了通信与计算开销，适用于资源受限的海上无线传感器网络环境，为船舶安全定位提供了有效保障。
随着智能航运系统的快速发展，船舶定位数据在无线传输过程中面临严重的隐私泄露风险。传统隐私保护方法如差分隐私和同态加密存在数据失真、计算开销大或依赖高成本通信链路等问题，难以在保证数据完整性的同时实现高效防护。本文针对船舶稳定系统的特点，提出一种基于时间扰动增强的动态编码方案。该方案结合扩展卡尔曼滤波(EKF)，在编码过程中引入不稳定的时间扰动项，利用接收方对发送方发出的信息进行确认这一机制(ACK反馈)实现参考时间同步，并利用共享随机种子独立生成同步的扰动项。理论分析与仿真实验表明，该方案能够在合法接收方实现近乎零精度损失的状态估计的同时，使窃听者在单次丢包后解码误差随时间呈指数增长趋势，有效阻断单通道与多通道窃听攻击。方案采用共享随机种子同步机制，避免了复杂的密钥管理，显著降低了通信与计算开销，适用于资源受限的海上无线传感器网络环境，为船舶安全定位提供了有效保障。
, 最新更新时间 , doi: 10.11999/JEIT250601
摘要:
车路协同场景完成三维目标检测需解决车载端和路侧端之间通信带宽受限和信息聚合能力有限两个问题。该文基于空间过滤理论，设计了自适应特征选择的车路协同3D目标检测方案(AFS-VIC3D)。首先，为解决通信带宽受限问题，在路侧端设计了包含两个基本模块的自适应特征选择方案：(1)图结构特征增强模块(GSFEM)利用图神经网络(GNN)通过交互更新节点和边的权重来增强前景目标区域特征响应，并减少背景区域特征响应，以提升目标区域特征判别性；(2)自适应特征通信掩码构建模块(ACMGM)通过动态分析特征重要性分布，自适应选择信息量高的特征以构建稀疏二维通信掩码图实现特征优化传输；其次，为了提升信息聚合能力，在车载端设计了多尺度特征聚合模块(MSFA)，通过空间-通道聚合协同机制，在尺度、空间和通道层次上融合车载端和路侧端特征，提高目标检测精度和鲁棒性。所提AFS-VIC3D在公开数据集DAIR-V2X和V2XSet上进行验证，均以交互比(IoU)阈值分别为0.3/0.5/0.7时平均精度(AP)为指标。在DAIR-V2X数据集上，该方案以\begin{document}$ {2^{20.15}} $\end{document} \begin{document}$ {2^{20.16}} $\end{document}
车路协同场景完成三维目标检测需解决车载端和路侧端之间通信带宽受限和信息聚合能力有限两个问题。该文基于空间过滤理论，设计了自适应特征选择的车路协同3D目标检测方案(AFS-VIC3D)。首先，为解决通信带宽受限问题，在路侧端设计了包含两个基本模块的自适应特征选择方案：(1)图结构特征增强模块(GSFEM)利用图神经网络(GNN)通过交互更新节点和边的权重来增强前景目标区域特征响应，并减少背景区域特征响应，以提升目标区域特征判别性；(2)自适应特征通信掩码构建模块(ACMGM)通过动态分析特征重要性分布，自适应选择信息量高的特征以构建稀疏二维通信掩码图实现特征优化传输；其次，为了提升信息聚合能力，在车载端设计了多尺度特征聚合模块(MSFA)，通过空间-通道聚合协同机制，在尺度、空间和通道层次上融合车载端和路侧端特征，提高目标检测精度和鲁棒性。所提AFS-VIC3D在公开数据集DAIR-V2X和V2XSet上进行验证，均以交互比(IoU)阈值分别为0.3/0.5/0.7时平均精度(AP)为指标。在DAIR-V2X数据集上，该方案以
, 最新更新时间 , doi: 10.11999/JEIT250713
摘要:
近年来，最先进的说话人确认模型大多数以牺牲参数量和计算量的代价来实现感受野的固定获取，鉴于语音信号内部蕴含着丰富且多层次的信息，然而通过高度自主选择的动态感受野来描绘复杂信息是相对未被探索的，更没有直观的解释是什么构成了关于有效感受野的最佳实践。潮涌现象表现为潮水前端形成陡立水墙并伴随轰鸣声高速推进，受其非线性耦合行为的启发，提出潮涌卷积(TR-Conv)“使用潮涌感受野(T-RRF)，获得更有效感受野”。首先采用二幂插值操作构建窗口内的主/从感受野，随后分别采用扫描-池化机制聚焦提取窗口外的关键信息、算子机制精细感知窗口内的差异信息，最后融合三重感受野，得到兼具多尺度、动态性、有效性的可变感受野。为全面验证潮涌卷积的表现，建立潮涌卷积神经网络(TR-CNN)。另外，针对数据集的错误标签问题，提出动态归一化的非目标(NTDN)损失与具有两个子中心的加性角边距(Sub-Center AAM)损失变体加权融合的总损失，以提升模型性能。实验结果表明，与ECAPA-TDNN(C=512)相比，TR-CNN(C=512, n=1)分别在测试集Vox1-O、Vox1-E、Vox1-H上的等错误率(EER)和最小检测代价函数(MinDCF)相对降低了4.95%、31.55%，4.03%、17.14%和6.03%、17.42%，参数量和乘加累积操作次数相对减少了32.7%、23.5%。进一步，TR-CNN(C=1024 , n=1)的EER/MinDCF分别是0.85%、0.0762 ，1.10%、0.1048 ，2.05%、0.1739 。本研究代码已开源：https://github.com/splab-HRBUST/TR-CNN。
近年来，最先进的说话人确认模型大多数以牺牲参数量和计算量的代价来实现感受野的固定获取，鉴于语音信号内部蕴含着丰富且多层次的信息，然而通过高度自主选择的动态感受野来描绘复杂信息是相对未被探索的，更没有直观的解释是什么构成了关于有效感受野的最佳实践。潮涌现象表现为潮水前端形成陡立水墙并伴随轰鸣声高速推进，受其非线性耦合行为的启发，提出潮涌卷积(TR-Conv)“使用潮涌感受野(T-RRF)，获得更有效感受野”。首先采用二幂插值操作构建窗口内的主/从感受野，随后分别采用扫描-池化机制聚焦提取窗口外的关键信息、算子机制精细感知窗口内的差异信息，最后融合三重感受野，得到兼具多尺度、动态性、有效性的可变感受野。为全面验证潮涌卷积的表现，建立潮涌卷积神经网络(TR-CNN)。另外，针对数据集的错误标签问题，提出动态归一化的非目标(NTDN)损失与具有两个子中心的加性角边距(Sub-Center AAM)损失变体加权融合的总损失，以提升模型性能。实验结果表明，与ECAPA-TDNN(C=512)相比，TR-CNN(C=512, n=1)分别在测试集Vox1-O、Vox1-E、Vox1-H上的等错误率(EER)和最小检测代价函数(MinDCF)相对降低了4.95%、31.55%，4.03%、17.14%和6.03%、17.42%，参数量和乘加累积操作次数相对减少了32.7%、23.5%。进一步，TR-CNN(C=
, 最新更新时间 , doi: 10.11999/JEIT250842
摘要:
数据驱动的深度学习方法已展现出优越性能，但其成功实施往往依赖于大量细粒度标注训练数据。此外，医疗数据通常呈“数据孤岛”状态，复杂的数据共享过程可能会存在患者隐私泄露的风险。联邦学习 (FL)能够使多个医疗中心在不共享数据的情况下协同训练一个深度学习模型。然而，在计算病理学领域，源自不同医疗中心的病理图像之间普遍存在数据异质性。这些固有的数据异质性可能会显著影响模型性能。针对以上问题，该研究提出一种适用于计算病理学领域千兆像素全切片图像 (WSI)的隐私保护FL方法，该方法结合弱监督的注意力多实例学习 (MIL)与差分隐私技术。具体而言，对于各个参与客户端，使用一种弱监督的多尺度注意力MIL方法，仅需要切片级标签监督本地模型训练，以应对千兆像素病理WSI标注成本高昂的问题。在联邦权重聚合阶段，引入本地化差分隐私技术，进一步降低敏感数据泄露风险；同时采用一种新的联邦自适应重加权策略，旨在克服客户端之间病理图像异质性所带来的挑战。在两种癌症组织学分型任务上评估了所提出FL方法的有效性。实验结果表明，在保障患者数据隐私的前提下，该研究所提出的FL方法相较于本地化模型及其它FL方法，表现出更高的分类准确率；即便与中心化模型相比，其分类性能仍然具备一定竞争力。
数据驱动的深度学习方法已展现出优越性能，但其成功实施往往依赖于大量细粒度标注训练数据。此外，医疗数据通常呈“数据孤岛”状态，复杂的数据共享过程可能会存在患者隐私泄露的风险。联邦学习 (FL)能够使多个医疗中心在不共享数据的情况下协同训练一个深度学习模型。然而，在计算病理学领域，源自不同医疗中心的病理图像之间普遍存在数据异质性。这些固有的数据异质性可能会显著影响模型性能。针对以上问题，该研究提出一种适用于计算病理学领域千兆像素全切片图像 (WSI)的隐私保护FL方法，该方法结合弱监督的注意力多实例学习 (MIL)与差分隐私技术。具体而言，对于各个参与客户端，使用一种弱监督的多尺度注意力MIL方法，仅需要切片级标签监督本地模型训练，以应对千兆像素病理WSI标注成本高昂的问题。在联邦权重聚合阶段，引入本地化差分隐私技术，进一步降低敏感数据泄露风险；同时采用一种新的联邦自适应重加权策略，旨在克服客户端之间病理图像异质性所带来的挑战。在两种癌症组织学分型任务上评估了所提出FL方法的有效性。实验结果表明，在保障患者数据隐私的前提下，该研究所提出的FL方法相较于本地化模型及其它FL方法，表现出更高的分类准确率；即便与中心化模型相比，其分类性能仍然具备一定竞争力。
, 最新更新时间 , doi: 10.11999/JEIT250395
摘要:
针对复杂室内环境中由频率偏移、多径传播以及噪声干扰等因素导致定位精度不足的问题，该文提出一种复数子空间神经网络(CSNN)驱动的均匀圆阵三维定位方法。首先，构建基于信号参考周期与采样周期的双估计频率补偿算法。通过预估计对精估计的频率模糊进行修正，以获得精确的频偏值实现频率补偿。其次，提出基于复数子空间神经网络的二维角度估计算法。利用复数卷积神经网络(CVCNN)重构信号协方差矩阵，抑制非主径分量与噪声的影响，恢复信号与噪声子空间的正交性，并利用模式空间转换与子空间算法实现高精度二维角度估计。在此基础上，设计了基于均匀圆阵的原型系统进行实验。结果表明，该方法在跨场景迁移后二维与三维定位的平均误差分别为28.9 cm和36.5 cm，验证了所提方法的定位精度与泛化能力。
针对复杂室内环境中由频率偏移、多径传播以及噪声干扰等因素导致定位精度不足的问题，该文提出一种复数子空间神经网络(CSNN)驱动的均匀圆阵三维定位方法。首先，构建基于信号参考周期与采样周期的双估计频率补偿算法。通过预估计对精估计的频率模糊进行修正，以获得精确的频偏值实现频率补偿。其次，提出基于复数子空间神经网络的二维角度估计算法。利用复数卷积神经网络(CVCNN)重构信号协方差矩阵，抑制非主径分量与噪声的影响，恢复信号与噪声子空间的正交性，并利用模式空间转换与子空间算法实现高精度二维角度估计。在此基础上，设计了基于均匀圆阵的原型系统进行实验。结果表明，该方法在跨场景迁移后二维与三维定位的平均误差分别为28.9 cm和36.5 cm，验证了所提方法的定位精度与泛化能力。
, 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/JEIT250941
摘要:
植被高度是刻画森林垂直结构、碳储量和生态系统功能的重要参数，在生态学、气候变化和生物地理等领域具有广泛应用。随着人工智能尤其是大模型技术的发展，森林生态研究对大规模、标准化训练数据的需求愈加迫切。然而，目前公开数据仍缺乏覆盖广区域、统一规范的林冠高度预测数据集，限制了先进智能方法的应用。为此，该文构建了面向山地森林区域的植被高度预测数据集(VHP-Dataset)，融合多光谱遥感影像、数字高程模型(DEM)、植被覆盖度和覆盖类型等多源数据，以全球生态系统动力学调查(GEDI)冠层高度为目标变量，形成18维输入特征。该文介绍了数据集的构建流程，并通过空间分布、模型验证和特征重要性分析等实验进行评估。结果表明，VHP-Dataset能够有效支持监督学习建模，在多地貌、多区域的植被高度预测中展现出良好的科学性与适用性，为森林结构反演提供了标准化训练样本支撑。
植被高度是刻画森林垂直结构、碳储量和生态系统功能的重要参数，在生态学、气候变化和生物地理等领域具有广泛应用。随着人工智能尤其是大模型技术的发展，森林生态研究对大规模、标准化训练数据的需求愈加迫切。然而，目前公开数据仍缺乏覆盖广区域、统一规范的林冠高度预测数据集，限制了先进智能方法的应用。为此，该文构建了面向山地森林区域的植被高度预测数据集(VHP-Dataset)，融合多光谱遥感影像、数字高程模型(DEM)、植被覆盖度和覆盖类型等多源数据，以全球生态系统动力学调查(GEDI)冠层高度为目标变量，形成18维输入特征。该文介绍了数据集的构建流程，并通过空间分布、模型验证和特征重要性分析等实验进行评估。结果表明，VHP-Dataset能够有效支持监督学习建模，在多地貌、多区域的植被高度预测中展现出良好的科学性与适用性，为森林结构反演提供了标准化训练样本支撑。
, 最新更新时间 , doi: 10.11999/JEIT250681
摘要:
在无人机(UAV)辅助通信网络的实际部署中，禁飞区(NFZs)会收缩可行空域并迫使无人机绕行，致使路径损耗加剧，从而引发通信性能下降。为恢复并增强覆盖，该文将可重构智能表面(RIS)集成于无人机平台并实施协同相位控制以构建可编程反射链路。然而，可重构智能表面的指向性增益对无人机姿态高度敏感，进而影响系统性能。为此，该文提出一种无人机搭载可重构智能表面的新型通信框架，考虑到多禁飞区环境，通过联合优化无人机轨迹、可重构智能表面相移、无人机姿态和基站波束赋形，建立通信速率最大化问题，并提出基于积分路径的完全规避禁飞区方案，在严格绕行禁飞区的同时保障禁飞区内外用户的通信。鉴于该优化问题具有高度复杂性，该文将其构建为马尔可夫决策(MDP)过程，并提出基于软演员-评论家的深度强化学习算法进行求解。仿真结果表明，在保证完全绕行禁飞区的同时，所提方法能够显著提升通信速率，并在可扩展性与稳定性方面优于基线方案。
在无人机(UAV)辅助通信网络的实际部署中，禁飞区(NFZs)会收缩可行空域并迫使无人机绕行，致使路径损耗加剧，从而引发通信性能下降。为恢复并增强覆盖，该文将可重构智能表面(RIS)集成于无人机平台并实施协同相位控制以构建可编程反射链路。然而，可重构智能表面的指向性增益对无人机姿态高度敏感，进而影响系统性能。为此，该文提出一种无人机搭载可重构智能表面的新型通信框架，考虑到多禁飞区环境，通过联合优化无人机轨迹、可重构智能表面相移、无人机姿态和基站波束赋形，建立通信速率最大化问题，并提出基于积分路径的完全规避禁飞区方案，在严格绕行禁飞区的同时保障禁飞区内外用户的通信。鉴于该优化问题具有高度复杂性，该文将其构建为马尔可夫决策(MDP)过程，并提出基于软演员-评论家的深度强化学习算法进行求解。仿真结果表明，在保证完全绕行禁飞区的同时，所提方法能够显著提升通信速率，并在可扩展性与稳定性方面优于基线方案。
, 最新更新时间 , doi: 10.11999/JEIT250741
摘要:
该文研究了多步随机观测滞后和丢包系统的极大极小鲁棒Kalman滤波问题。系统噪声方差不确定但有已知保守上界，传感器到估值器的多步随机观测滞后和丢包通过一组概率已知的伯努利分布随机变量描述。利用哈达玛乘积改进模型转换方法，设计了极大极小鲁棒时变Kalman估值器。利用矩阵初等变换、盖尔圆盘定理和哈达玛乘积定理证明了广义李雅普诺夫方程解的半正定性，进而应用矩阵分解和李雅普诺夫方程方法证明了所设计估值器的鲁棒性，即对所有容许的不确定性，确保实际估计误差方差有最小上界。给出时变广义李雅普诺夫方程存在稳态唯一半正定解的条件，进而设计了鲁棒稳态估值器。证明了时变和稳态估值器的按实现收敛性。仿真实例验证了其有效性。
该文研究了多步随机观测滞后和丢包系统的极大极小鲁棒Kalman滤波问题。系统噪声方差不确定但有已知保守上界，传感器到估值器的多步随机观测滞后和丢包通过一组概率已知的伯努利分布随机变量描述。利用哈达玛乘积改进模型转换方法，设计了极大极小鲁棒时变Kalman估值器。利用矩阵初等变换、盖尔圆盘定理和哈达玛乘积定理证明了广义李雅普诺夫方程解的半正定性，进而应用矩阵分解和李雅普诺夫方程方法证明了所设计估值器的鲁棒性，即对所有容许的不确定性，确保实际估计误差方差有最小上界。给出时变广义李雅普诺夫方程存在稳态唯一半正定解的条件，进而设计了鲁棒稳态估值器。证明了时变和稳态估值器的按实现收敛性。仿真实例验证了其有效性。
, 最新更新时间 , doi: 10.11999/JEIT250800
摘要:
针对短包多输入单输出(MISO)通信系统中面临窃听与检测双重安全威胁的问题，该文提出一种短包安全隐蔽通信设计与优化方案，分析了系统的隐蔽性能和物理层安全性能，在此基础上，提出衡量系统安全隐蔽性能的平均有效安全隐蔽速率(AESCR)，该指标统一量化了系统隐蔽性、保密性和可靠性，且主要受包长和发射功率影响。构建了最大化AESCR的双变量优化问题并求解。仿真结果表明，所提方案与优化发射功率的基准方案相比，可以有效提高系统中的AESCR；系统AESCR随发射天线数单调递增，且存在最优包长权衡传输效率与隐蔽性。
针对短包多输入单输出(MISO)通信系统中面临窃听与检测双重安全威胁的问题，该文提出一种短包安全隐蔽通信设计与优化方案，分析了系统的隐蔽性能和物理层安全性能，在此基础上，提出衡量系统安全隐蔽性能的平均有效安全隐蔽速率(AESCR)，该指标统一量化了系统隐蔽性、保密性和可靠性，且主要受包长和发射功率影响。构建了最大化AESCR的双变量优化问题并求解。仿真结果表明，所提方案与优化发射功率的基准方案相比，可以有效提高系统中的AESCR；系统AESCR随发射天线数单调递增，且存在最优包长权衡传输效率与隐蔽性。
, 最新更新时间 , doi: 10.11999/JEIT250838
摘要:
状态更新是卫星物联网(S-IoT)的重要场景。该文研究了状态更新S-IoT中基于基站辅助的用户组网问题。首先，建立了地面用户经基站向卫星网络传输的双层正交接入状态更新模型，并分析推导了地面用户的平均信息年龄(aAoI)的闭合表达式和高信噪比下的渐进表达式。其次，基于联盟形成博弈(CFG)，提出一种双层CFG用户-基站-卫星组网算法。接着，利用精确势能博弈，证明了所提博弈算法具有纳什均衡解，能够形成稳定的基站-用户-卫星网络。最后，仿真结果表明，aAoI的理论分析的正确性以及所提算法的较传统算法的性能提升。
状态更新是卫星物联网(S-IoT)的重要场景。该文研究了状态更新S-IoT中基于基站辅助的用户组网问题。首先，建立了地面用户经基站向卫星网络传输的双层正交接入状态更新模型，并分析推导了地面用户的平均信息年龄(aAoI)的闭合表达式和高信噪比下的渐进表达式。其次，基于联盟形成博弈(CFG)，提出一种双层CFG用户-基站-卫星组网算法。接着，利用精确势能博弈，证明了所提博弈算法具有纳什均衡解，能够形成稳定的基站-用户-卫星网络。最后，仿真结果表明，aAoI的理论分析的正确性以及所提算法的较传统算法的性能提升。
, 最新更新时间 , doi: 10.11999/JEIT250020
摘要:
利用纠缠态光量子的时间关联特性能够实现对目标的精确定位，但现有量子定位算法主要针对相对静止目标，难以适用于动态目标。于是，该文提出一种基于光量子传输距离矩阵构建的动态目标定位方法，以实现对运动目标的高精度定位。首先，通过对量子回波信号进行分析，结合符合计数结果估计背景噪声，优化检测阈值，实现了高灵敏度的目标检测。其次，利用速度测量矩阵进行自适应光量子分组，以提升定位系统的精确度。最后，通过构建光量子传输距离矩阵，求解光源坐标、目标位置与光量子传输距离的方程组，实现了动态目标位置估计。实测结果表明，该文方法实现了对动态目标的高精度定位，定位误差为厘米级，该方法定位误差在0.06 m内的置信概率达85%，相较于现有光量子定位方法的置信概率提高了69%，相较于传统单光子激光雷达动态目标定位方法提高了31%。
利用纠缠态光量子的时间关联特性能够实现对目标的精确定位，但现有量子定位算法主要针对相对静止目标，难以适用于动态目标。于是，该文提出一种基于光量子传输距离矩阵构建的动态目标定位方法，以实现对运动目标的高精度定位。首先，通过对量子回波信号进行分析，结合符合计数结果估计背景噪声，优化检测阈值，实现了高灵敏度的目标检测。其次，利用速度测量矩阵进行自适应光量子分组，以提升定位系统的精确度。最后，通过构建光量子传输距离矩阵，求解光源坐标、目标位置与光量子传输距离的方程组，实现了动态目标位置估计。实测结果表明，该文方法实现了对动态目标的高精度定位，定位误差为厘米级，该方法定位误差在0.06 m内的置信概率达85%，相较于现有光量子定位方法的置信概率提高了69%，相较于传统单光子激光雷达动态目标定位方法提高了31%。
, 最新更新时间 , doi: 10.11999/JEIT250306
摘要:
超大规模可重构智能表面(XL-RIS)辅助通信系统的信道估计，需解决混合远-近场级联信道建模、远/近场分量区分及参数估计等问题。该文建立了混合远-近场级联信道参数化模型，并针对性地提出两阶段的混合场级联信道参数估计方案：第1阶段估计基站侧的角度参数；第2阶段基于所提出的混合场前向空间平滑降秩多信号分类算法估计RIS侧的远/近场角度参数和近场距离参数，其中根据混合场效应处理远/近场分量，设计了功率谱对比方案区分远/近场分量及路径数量。仿真结果表示，相比于单一远场、近场估计方案和基于混合场正交匹配跟踪算法的估计方案，所提算法可以实现更高的估计精度。
超大规模可重构智能表面(XL-RIS)辅助通信系统的信道估计，需解决混合远-近场级联信道建模、远/近场分量区分及参数估计等问题。该文建立了混合远-近场级联信道参数化模型，并针对性地提出两阶段的混合场级联信道参数估计方案：第1阶段估计基站侧的角度参数；第2阶段基于所提出的混合场前向空间平滑降秩多信号分类算法估计RIS侧的远/近场角度参数和近场距离参数，其中根据混合场效应处理远/近场分量，设计了功率谱对比方案区分远/近场分量及路径数量。仿真结果表示，相比于单一远场、近场估计方案和基于混合场正交匹配跟踪算法的估计方案，所提算法可以实现更高的估计精度。
, 最新更新时间 , doi: 10.11999/JEIT250542
摘要:
携带轨道角动量(Orbital Angular Momentum, OAM)的涡旋电磁波(Vortex ElectroMagnetic Wave, VEMW)由于不同OAM模式之间的正交性，在雷达前视成像方面表现出重要的应用潜力，引起国内外学者的广泛关注。在VEMW成像技术中，通常采用均匀圆环阵列(Uniform Circular Array, UCA)来生成和发射多模态VEMW照射成像目标，以获得回波。然而，UCA产生的VEMW主瓣发散的特点，导致在自由空间中产生的电磁波能量分布不集中，从而使得雷达回波能量相对较弱。此外，传统涡旋电磁波雷达在工作过程中需要不断切换OAM模式，这一过程增加了系统的复杂性。为了应对上述挑战，该文首先建立了准圆环阵列(Quasi-Circular Array, QCA)的电场模型，通过QCA得到了能量更加集中的准涡旋电磁波。同时，提出了一种对每个阵元的接收回波进行多OAM模式相位加权的方法，得到等效多模式接收回波。仿真结果表明，相比于基于UCA的涡旋电磁波雷达成像方法，该文所提方法方位分辨率提高了两倍以上，并且有效地提高了回波能量，在信噪比低至–15 dB的环境下，重建的目标仍然清晰可见。该文所提方法在雷达前视成像领域具有较大的实际应用潜力。
携带轨道角动量(Orbital Angular Momentum, OAM)的涡旋电磁波(Vortex ElectroMagnetic Wave, VEMW)由于不同OAM模式之间的正交性，在雷达前视成像方面表现出重要的应用潜力，引起国内外学者的广泛关注。在VEMW成像技术中，通常采用均匀圆环阵列(Uniform Circular Array, UCA)来生成和发射多模态VEMW照射成像目标，以获得回波。然而，UCA产生的VEMW主瓣发散的特点，导致在自由空间中产生的电磁波能量分布不集中，从而使得雷达回波能量相对较弱。此外，传统涡旋电磁波雷达在工作过程中需要不断切换OAM模式，这一过程增加了系统的复杂性。为了应对上述挑战，该文首先建立了准圆环阵列(Quasi-Circular Array, QCA)的电场模型，通过QCA得到了能量更加集中的准涡旋电磁波。同时，提出了一种对每个阵元的接收回波进行多OAM模式相位加权的方法，得到等效多模式接收回波。仿真结果表明，相比于基于UCA的涡旋电磁波雷达成像方法，该文所提方法方位分辨率提高了两倍以上，并且有效地提高了回波能量，在信噪比低至–15 dB的环境下，重建的目标仍然清晰可见。该文所提方法在雷达前视成像领域具有较大的实际应用潜力。
, 最新更新时间 , doi: 10.11999/JEIT250407
摘要:
混合专家已经成为当前进一步提升大语言模型推理能力的重要方法。当下，受限于算力与显存，通过扩大稠密大语言模型参数规模来提高模型推理能力的方法已经陷入瓶颈，即全参数激活带来了严重的显存与算力不足问题。混合专家机制通过构建由多个专家子网络组成的分布“知识库”，在提升大语言模型参数规模的同时，通过路由函数动态选择专家子网络来控制单次推理计算总量。然而，这种动态专家选择机制带来了显著的资源管理和调度问题，需要在加速系统和硬件架构层面有针对性地开展优化。该文将聚焦于混合专家大语言模型部署的系统与架构层：首先，概述了混合专家大模型的定义和发展趋势；之后，详细介绍了现有混合专家大语言模型的系统与架构优化技术并深入分析；最后，该文对混合专家大模型的优化技术进行总结和展望。
混合专家已经成为当前进一步提升大语言模型推理能力的重要方法。当下，受限于算力与显存，通过扩大稠密大语言模型参数规模来提高模型推理能力的方法已经陷入瓶颈，即全参数激活带来了严重的显存与算力不足问题。混合专家机制通过构建由多个专家子网络组成的分布“知识库”，在提升大语言模型参数规模的同时，通过路由函数动态选择专家子网络来控制单次推理计算总量。然而，这种动态专家选择机制带来了显著的资源管理和调度问题，需要在加速系统和硬件架构层面有针对性地开展优化。该文将聚焦于混合专家大语言模型部署的系统与架构层：首先，概述了混合专家大模型的定义和发展趋势；之后，详细介绍了现有混合专家大语言模型的系统与架构优化技术并深入分析；最后，该文对混合专家大模型的优化技术进行总结和展望。
, 最新更新时间 , doi: 10.11999/JEIT250321
摘要:
面向电力灾害预警场景，传统针对不同场景设计专有、独立预警系统的方式存在数据采集冗余和开发成本高昂问题。为提高预警精度并降低成本，基于AI大模型的综合预警系统是未来研究的主要方向之一，但大模型通常需要部署在云侧，而无线频谱资源限制使得所有数据上传至云侧面临挑战。通过将模型规模大幅压缩获得轻量模型并在端侧部署，可绕过频谱资源受限瓶颈，但这不可避免地会降低模型性能。为此，该文提出一种基于云-端协同的大模型与轻量模型联合部署方案：在云侧部署高精度大模型处理复杂任务，在端侧部署轻量模型处理简单任务，并通过可信阈值实现任务分流；在此基础上，该文引入功率域非正交多址技术，使得多个终端可共享同一时频资源，进而通过增加云侧处理任务比例提高系统检测精度；然后针对仅考虑上行共享信道带宽约束场景、同时考虑终端接入碰撞约束与共享信道带宽约束场景，分别设计给定带宽时系统可支持的最大终端数量求解算法和检测准确率最优的可信阈值求解算法。数值结果表明，所提方案在系统可支持终端数量、检测精度方面显著优于多种对比方案，验证了所提方案的有效性和优越性。
面向电力灾害预警场景，传统针对不同场景设计专有、独立预警系统的方式存在数据采集冗余和开发成本高昂问题。为提高预警精度并降低成本，基于AI大模型的综合预警系统是未来研究的主要方向之一，但大模型通常需要部署在云侧，而无线频谱资源限制使得所有数据上传至云侧面临挑战。通过将模型规模大幅压缩获得轻量模型并在端侧部署，可绕过频谱资源受限瓶颈，但这不可避免地会降低模型性能。为此，该文提出一种基于云-端协同的大模型与轻量模型联合部署方案：在云侧部署高精度大模型处理复杂任务，在端侧部署轻量模型处理简单任务，并通过可信阈值实现任务分流；在此基础上，该文引入功率域非正交多址技术，使得多个终端可共享同一时频资源，进而通过增加云侧处理任务比例提高系统检测精度；然后针对仅考虑上行共享信道带宽约束场景、同时考虑终端接入碰撞约束与共享信道带宽约束场景，分别设计给定带宽时系统可支持的最大终端数量求解算法和检测准确率最优的可信阈值求解算法。数值结果表明，所提方案在系统可支持终端数量、检测精度方面显著优于多种对比方案，验证了所提方案的有效性和优越性。
, 最新更新时间 , doi: 10.11999/JEIT250348
摘要:
时域有限差分法(FDTD)作为计算介质电磁特性的有效方法，往往受到模型结构及其网格剖分的预处理限制。为了探究多层/多孔材料的电磁散射特性问题，提高电磁仿真的计算效率，该文提出一种基于FDTD的电磁分析加速方案。通过计算几何算法来快速完成复杂材料的Yee网格划分，由三维体素数组定义材料构建分布矩阵与电磁分量的统一排布，针对体素数据的特点实现了非解析几何介质的雷达散射截面的高效计算。现今大多数体网格剖分需要解析公式来描述几何体，该文开创性地将射线求交法与有向距离相结合，并通过切平面与交点计算减少网格生成过程中的无效遍历、降低几何运算复杂度，加速实现多孔非解析几何体的电磁参数网格化定义。该文设计了3种关于多层/多孔材料的时域电磁分析场景，计算了这些场景在不同条件下的雷达散射截面。与主流电磁仿真软件任意复杂电磁场计算(FEKO)、计算机仿真技术(CST)和高频结构仿真软件(HFSS)的计算相比，该方法的计算数据呈现出高度的吻合性，表现出了优越的效率。电磁分析加速方案拓展了使用FDTD进行电磁仿真的介质结构及材料类型，在保证计算精度的前提下显著节省了计算时间与内存，为体网格剖分加速和内部结构处理提供了新的研究思绪。
时域有限差分法(FDTD)作为计算介质电磁特性的有效方法，往往受到模型结构及其网格剖分的预处理限制。为了探究多层/多孔材料的电磁散射特性问题，提高电磁仿真的计算效率，该文提出一种基于FDTD的电磁分析加速方案。通过计算几何算法来快速完成复杂材料的Yee网格划分，由三维体素数组定义材料构建分布矩阵与电磁分量的统一排布，针对体素数据的特点实现了非解析几何介质的雷达散射截面的高效计算。现今大多数体网格剖分需要解析公式来描述几何体，该文开创性地将射线求交法与有向距离相结合，并通过切平面与交点计算减少网格生成过程中的无效遍历、降低几何运算复杂度，加速实现多孔非解析几何体的电磁参数网格化定义。该文设计了3种关于多层/多孔材料的时域电磁分析场景，计算了这些场景在不同条件下的雷达散射截面。与主流电磁仿真软件任意复杂电磁场计算(FEKO)、计算机仿真技术(CST)和高频结构仿真软件(HFSS)的计算相比，该方法的计算数据呈现出高度的吻合性，表现出了优越的效率。电磁分析加速方案拓展了使用FDTD进行电磁仿真的介质结构及材料类型，在保证计算精度的前提下显著节省了计算时间与内存，为体网格剖分加速和内部结构处理提供了新的研究思绪。
, 最新更新时间 , doi: 10.11999/JEIT250894
摘要:
Meta公司提出的分割一切模型(SAM)作为计算机视觉领域的基础模型，在图像分割、目标检测与跟踪等任务中展现出强大的零样本泛化能力。然而，SAM模型依赖计算密集型的图像编码器(如ViT-H)和复杂的任务解码架构，导致高昂的计算资源消耗和存储需求，严重限制了其在边缘设备、移动终端等资源受限场景中的实际部署。为提升SAM的实用性，近年来研究者提出了多种轻量化方法。该文系统性综述了相关进展：首先，从任务范式、模型架构、数据引擎和应用领域等多方面简要介绍了SAM的基本情况。其次，回顾了高效基础架构替换、知识蒸馏、模型量化和模型剪枝等模型压缩方法。在此基础上，进一步概述了重构模型结构和轻量化网络替代等方法在当前SAM轻量化研究中的具体应用情况。最后，聚焦效率和精度上的平衡问题，对SAM轻量化模型未来的发展方向进行了深入分析和讨论。
Meta公司提出的分割一切模型(SAM)作为计算机视觉领域的基础模型，在图像分割、目标检测与跟踪等任务中展现出强大的零样本泛化能力。然而，SAM模型依赖计算密集型的图像编码器(如ViT-H)和复杂的任务解码架构，导致高昂的计算资源消耗和存储需求，严重限制了其在边缘设备、移动终端等资源受限场景中的实际部署。为提升SAM的实用性，近年来研究者提出了多种轻量化方法。该文系统性综述了相关进展：首先，从任务范式、模型架构、数据引擎和应用领域等多方面简要介绍了SAM的基本情况。其次，回顾了高效基础架构替换、知识蒸馏、模型量化和模型剪枝等模型压缩方法。在此基础上，进一步概述了重构模型结构和轻量化网络替代等方法在当前SAM轻量化研究中的具体应用情况。最后，聚焦效率和精度上的平衡问题，对SAM轻量化模型未来的发展方向进行了深入分析和讨论。
, 最新更新时间 , doi: 10.11999/JEIT250947
摘要:
低空智联网作为低空数字经济的关键基础设施，通过深度融合各类有人/无人航空器及其地面支撑网络，构建了低空空域人-机-物三元融合的智能互联体系。该文系统梳理了低空智联网的最新研究进展，从网络架构、资源优化、安全威胁与防护以及大模型赋能四个维度展开深入分析。首先，探讨了低空智联网的现有标准、组成架构、关键特性及组网模式；其次，研究了空域资源管理、频谱资源分配、计算资源调度和能量资源优化等关键问题；再次，从感知层、网络层、应用层和系统层剖析了核心安全威胁并综述了多层次防护策略；接着，探讨了大模型技术在低空智联网的应用前景，并分析了其在任务优化与安全防护中的潜力；最后，讨论了低空智联网的未来研究方向，为构建高效、安全、智能的低空智联网体系提供了理论参考和技术指导。
低空智联网作为低空数字经济的关键基础设施，通过深度融合各类有人/无人航空器及其地面支撑网络，构建了低空空域人-机-物三元融合的智能互联体系。该文系统梳理了低空智联网的最新研究进展，从网络架构、资源优化、安全威胁与防护以及大模型赋能四个维度展开深入分析。首先，探讨了低空智联网的现有标准、组成架构、关键特性及组网模式；其次，研究了空域资源管理、频谱资源分配、计算资源调度和能量资源优化等关键问题；再次，从感知层、网络层、应用层和系统层剖析了核心安全威胁并综述了多层次防护策略；接着，探讨了大模型技术在低空智联网的应用前景，并分析了其在任务优化与安全防护中的潜力；最后，讨论了低空智联网的未来研究方向，为构建高效、安全、智能的低空智联网体系提供了理论参考和技术指导。
, 最新更新时间 , doi: 10.11999/JEIT250537
摘要:
随着信息物理系统(CPS)在关键基础设施中的广泛部署，其面临的安全威胁日益严峻，特别是虚假数据注入攻击对系统感知与控制能力构成了实质性挑战。针对这一问题，该文提出了一种融合攻击检测、状态估计与控制策略学习的安全控制框架。该方法通过构建传感器数据的安全评估指标，实现对潜在虚假观测数据的实时检测，并在无攻击先验信息的条件下，动态估计可能存在的攻击信号。在此基础上，进一步提出融合多源传感器观测的状态估计策略，以提高对系统真实状态的重构精度。此外，该文还提出了一种基于动态权重在线更新的自适应学习控制方法，利用梯度下降法逼近最优控制策略，从而增强系统在复杂环境中的稳态性能与抗攻击能力。仿真实验结果验证了该方法在虚假数据注入攻击环境下的有效性与安全性能。
随着信息物理系统(CPS)在关键基础设施中的广泛部署，其面临的安全威胁日益严峻，特别是虚假数据注入攻击对系统感知与控制能力构成了实质性挑战。针对这一问题，该文提出了一种融合攻击检测、状态估计与控制策略学习的安全控制框架。该方法通过构建传感器数据的安全评估指标，实现对潜在虚假观测数据的实时检测，并在无攻击先验信息的条件下，动态估计可能存在的攻击信号。在此基础上，进一步提出融合多源传感器观测的状态估计策略，以提高对系统真实状态的重构精度。此外，该文还提出了一种基于动态权重在线更新的自适应学习控制方法，利用梯度下降法逼近最优控制策略，从而增强系统在复杂环境中的稳态性能与抗攻击能力。仿真实验结果验证了该方法在虚假数据注入攻击环境下的有效性与安全性能。
, 最新更新时间 , doi: 10.11999/JEIT250643
摘要:
基于人工智能的跨模态医学图像生成技术为急性缺血性脑卒中的快速多模态诊疗提供了新的路径。针对现有医学图像生成方法仅依赖图像数据本身的统计特征、忽略医学图像的解剖结构，从而造成病灶模糊和结构偏差问题，该文提出了一种新的联合掩码与多频双重注意力GAN模型，用于急性脑缺血性卒中CT到DWI影像生成。该模型主要包含：(1)掩码引导特征融合模块：通过CT图像与掩码图像的卷积融合，引入解剖结构的空间先验信息，增强脑区及病灶区域的特征表达；(2)多频域注意力编码器：采用离散小波变换分解低频全局特征与高频边缘特征，通过双通路注意力跨尺度融合，减少深层信息的丢失；(3)自适应融合权重模块：结合卷积神经网络与注意力机制，自动学习每个输入特征的自适应权重系数。该研究在临床CT到DWI多模态急性脑缺血性卒中数据集上开展了实验验证，分别在全局尺度采用均方误差、峰值信噪比、结构相似度指数进行评估，在局部尺度基于超像素分割后统计灰度均值相关性进行分析。结果表明，所提模型在各项指标上均优于当前先进方法，对脑区轮廓和病灶区域具有更高的准确性和还原性。
基于人工智能的跨模态医学图像生成技术为急性缺血性脑卒中的快速多模态诊疗提供了新的路径。针对现有医学图像生成方法仅依赖图像数据本身的统计特征、忽略医学图像的解剖结构，从而造成病灶模糊和结构偏差问题，该文提出了一种新的联合掩码与多频双重注意力GAN模型，用于急性脑缺血性卒中CT到DWI影像生成。该模型主要包含：(1)掩码引导特征融合模块：通过CT图像与掩码图像的卷积融合，引入解剖结构的空间先验信息，增强脑区及病灶区域的特征表达；(2)多频域注意力编码器：采用离散小波变换分解低频全局特征与高频边缘特征，通过双通路注意力跨尺度融合，减少深层信息的丢失；(3)自适应融合权重模块：结合卷积神经网络与注意力机制，自动学习每个输入特征的自适应权重系数。该研究在临床CT到DWI多模态急性脑缺血性卒中数据集上开展了实验验证，分别在全局尺度采用均方误差、峰值信噪比、结构相似度指数进行评估，在局部尺度基于超像素分割后统计灰度均值相关性进行分析。结果表明，所提模型在各项指标上均优于当前先进方法，对脑区轮廓和病灶区域具有更高的准确性和还原性。
, 最新更新时间 , doi: 10.11999/JEIT250293
摘要:
针对肝肿瘤分割任务中由于边界复杂性以及肿瘤尺寸较小导致分割结果不准确的问题，该文提出一种高效的轻量化肝肿瘤分割方法。首先，提出一种基于张量列(TT)分解的多尺度卷积注意力(TT-MSCA)模块，通过张量列分解的线性层(TT_Layer)优化多尺度特征融合，提升复杂边界和小尺寸目标的分割准确性；其次，设计一种多分支残差结构的特征提取模块(IncepRes Block)，以较小的计算成本提取肝肿瘤图像中的全局上下文信息；最后，解耦标准3×3卷积为两个连续的条形卷积，减少参数量和计算成本。实验结果表明，该方法在LiTS2017和3Dircadb两个公开数据集上，肝脏分割的Dice值分别达到98.54%和97.95%，肿瘤分割的Dice值分别达到94.11%和94.35%。提出方法能够有效解决肝肿瘤边界复杂以及肿瘤目标较小等因素导致的分割结果不准确问题，且能够满足实时部署需求，为肝肿瘤分割提供了一种新的选择。
针对肝肿瘤分割任务中由于边界复杂性以及肿瘤尺寸较小导致分割结果不准确的问题，该文提出一种高效的轻量化肝肿瘤分割方法。首先，提出一种基于张量列(TT)分解的多尺度卷积注意力(TT-MSCA)模块，通过张量列分解的线性层(TT_Layer)优化多尺度特征融合，提升复杂边界和小尺寸目标的分割准确性；其次，设计一种多分支残差结构的特征提取模块(IncepRes Block)，以较小的计算成本提取肝肿瘤图像中的全局上下文信息；最后，解耦标准3×3卷积为两个连续的条形卷积，减少参数量和计算成本。实验结果表明，该方法在LiTS2017和3Dircadb两个公开数据集上，肝脏分割的Dice值分别达到98.54%和97.95%，肿瘤分割的Dice值分别达到94.11%和94.35%。提出方法能够有效解决肝肿瘤边界复杂以及肿瘤目标较小等因素导致的分割结果不准确问题，且能够满足实时部署需求，为肝肿瘤分割提供了一种新的选择。
, 最新更新时间 , doi: 10.11999/JEIT250606
摘要:
为降低移动边缘计算(MEC)网络安全卸载过程的能耗，该文设计了一种基于协作非正交多址(NOMA)的安全卸载模式，利用协作节点的通信和计算能力置换系统的安全性能。考虑设备计算和通信等资源分配的联合设计，提出了保密中断概率(SOP)约束下的系统加权总能耗最小化问题。针对该非凸优化问题，将其分解为时隙与任务分配和功率分配两个子问题，并提出了一种基于交替和逐次凸逼近(SCA)的迭代算法求解，依据信道状态和计算资源调整用户节点与协作节点之间的负载、功率和时隙分配。理论分析与仿真结果表明，该文提出的算法收敛且具有低复杂度，相比于现有的NOMA转发卸载方案、友好干扰方案和NOMA迁移计算方案，可显著降低系统能耗，同时具备更高负载能力和更强的抗窃听能力，实现了节点在通信、计算和安全之间的权衡折衷。
为降低移动边缘计算(MEC)网络安全卸载过程的能耗，该文设计了一种基于协作非正交多址(NOMA)的安全卸载模式，利用协作节点的通信和计算能力置换系统的安全性能。考虑设备计算和通信等资源分配的联合设计，提出了保密中断概率(SOP)约束下的系统加权总能耗最小化问题。针对该非凸优化问题，将其分解为时隙与任务分配和功率分配两个子问题，并提出了一种基于交替和逐次凸逼近(SCA)的迭代算法求解，依据信道状态和计算资源调整用户节点与协作节点之间的负载、功率和时隙分配。理论分析与仿真结果表明，该文提出的算法收敛且具有低复杂度，相比于现有的NOMA转发卸载方案、友好干扰方案和NOMA迁移计算方案，可显著降低系统能耗，同时具备更高负载能力和更强的抗窃听能力，实现了节点在通信、计算和安全之间的权衡折衷。
, 最新更新时间 , doi: 10.11999/JEIT250336
摘要:
近场通信作为未来移动通信的关键方向，凭借其低时延及高精度定位等特性，成为6G网络演进的重要支撑。针对现有物理层安全技术仍集中在远场通信，该文系统梳理了6G近场通信物理层安全的研究进展，深入分析其核心技术与挑战。首先，阐述了近场通信的信道特性及与远场的本质区别，介绍了近场通信的体系架构，提出保密容量、保密速率等物理层关键性能指标。其次，针对不同目标与传输环境，总结了基于波束聚焦、人工噪声及多技术融合的物理层安全技术。再次，进一步探讨了视距、非视距及混合远近场环境下的安全传输策略。然后，指出复杂信道建模、安全与性能平衡及多网融合抗干扰等未来挑战。最后，对近场通信物理层安全的未来研究方向进行了展望，对推动近场通信物理层安全发展及标准化具有重要参考价值。
近场通信作为未来移动通信的关键方向，凭借其低时延及高精度定位等特性，成为6G网络演进的重要支撑。针对现有物理层安全技术仍集中在远场通信，该文系统梳理了6G近场通信物理层安全的研究进展，深入分析其核心技术与挑战。首先，阐述了近场通信的信道特性及与远场的本质区别，介绍了近场通信的体系架构，提出保密容量、保密速率等物理层关键性能指标。其次，针对不同目标与传输环境，总结了基于波束聚焦、人工噪声及多技术融合的物理层安全技术。再次，进一步探讨了视距、非视距及混合远近场环境下的安全传输策略。然后，指出复杂信道建模、安全与性能平衡及多网融合抗干扰等未来挑战。最后，对近场通信物理层安全的未来研究方向进行了展望，对推动近场通信物理层安全发展及标准化具有重要参考价值。
, 最新更新时间 , doi: 10.11999/JEIT250434
摘要:
在网络通信加密技术广泛应用的背景下，加密流量识别已成为网络安全领域亟待攻克的核心难题。传统基于载荷内容的识别方法，因加密算法的持续升级，面临特征失效的风险，进而在动态网络环境中产生检测盲区。与此同时，报头作为协议交互的关键载体，其结构化特征价值尚未得到充分挖掘。此外，随着加密协议的不断发展，现有的加密流量识别方法还面临特征解释性不足、模型在对抗攻击下鲁棒性薄弱等问题。针对上述挑战，该文提出一种报头特征驱动的加密流量跨维度协同识别框架，分别从网络流量特征选取与识别性能、量化特征贡献度的可解释性评估以及对抗性扰动对模型稳健性影响3个维度进行分析，系统地揭示和证明了报头特征在加密流量识别中占主导作用，突破了传统单视角分析的局限性，革新了传统方法依赖载荷数据的固有认知。该识别框架不仅能分析深度模型的性能边界、评估决策的可信性，而且能通过有效筛选特征剪除冗余，在降低模型复杂度的基础上提升加密场景下的抗干扰能力，进而设计更轻量化、更加稳健的加密流量识别模型。最后，在ISCXVPN2016和ISCXTor2016数据集上的对比实验表明：在识别性能维度，仅基于报头特征的模型F1分数较完整流量模型最高提升6%，较仅基于有载荷特征的模型最高提升61%，验证了报头特征在分类任务中的有效性；在可解释性评估中，通过特征贡献度量化方法发现，报头特征相关性得分的平均占比相较于载荷特征最多高出 89.8%，凸显其在模型决策中的主导性影响；在抗干扰鲁棒性方面，含报头特征的模型在同等带宽扰动下的最大抗干扰性能保持率较纯载荷模型相比，优势显著，最大差距达 98.46%，证实了报头特征对增强模型鲁棒性的关键作用。
在网络通信加密技术广泛应用的背景下，加密流量识别已成为网络安全领域亟待攻克的核心难题。传统基于载荷内容的识别方法，因加密算法的持续升级，面临特征失效的风险，进而在动态网络环境中产生检测盲区。与此同时，报头作为协议交互的关键载体，其结构化特征价值尚未得到充分挖掘。此外，随着加密协议的不断发展，现有的加密流量识别方法还面临特征解释性不足、模型在对抗攻击下鲁棒性薄弱等问题。针对上述挑战，该文提出一种报头特征驱动的加密流量跨维度协同识别框架，分别从网络流量特征选取与识别性能、量化特征贡献度的可解释性评估以及对抗性扰动对模型稳健性影响3个维度进行分析，系统地揭示和证明了报头特征在加密流量识别中占主导作用，突破了传统单视角分析的局限性，革新了传统方法依赖载荷数据的固有认知。该识别框架不仅能分析深度模型的性能边界、评估决策的可信性，而且能通过有效筛选特征剪除冗余，在降低模型复杂度的基础上提升加密场景下的抗干扰能力，进而设计更轻量化、更加稳健的加密流量识别模型。最后，在ISCXVPN2016和ISCXTor2016数据集上的对比实验表明：在识别性能维度，仅基于报头特征的模型F1分数较完整流量模型最高提升6%，较仅基于有载荷特征的模型最高提升61%，验证了报头特征在分类任务中的有效性；在可解释性评估中，通过特征贡献度量化方法发现，报头特征相关性得分的平均占比相较于载荷特征最多高出 89.8%，凸显其在模型决策中的主导性影响；在抗干扰鲁棒性方面，含报头特征的模型在同等带宽扰动下的最大抗干扰性能保持率较纯载荷模型相比，优势显著，最大差距达 98.46%，证实了报头特征对增强模型鲁棒性的关键作用。
, 最新更新时间 , doi: 10.11999/JEIT250475
摘要:
基于索引调制的正交线性调频分复用系统(OCDM-IM)要求部分子载波保持静默状态，这一方面削弱了正交线性调频分复用系统(OCDM)的时频扩展增益，导致OCDM-IM系统在高动态场景下受多普勒频移的影响仍然较为严重；另一方面，静默的子载波不携带传输信息，造成了吞吐量的损失。针对以上问题，该文提出一种新型的双模辅助索引调制的OCDM通信系统架构(DM-OCDM-IM)。该系统在OCDM系统的基础上，引入双模索引映射方案，拓展调制维度，既保留了OCDM系统在高动态场景下时频二维扩展抗干扰能力的核心优势，又实现了低阶星座调制下的高频谱效率。为了降低接收端复杂度，提出利用离散菲涅尔变换(DFnT)的特征分解来简化DM-OCDM-IM系统数字信号处理的接收算法。仿真结果表明，与现有的双模辅助索引调制的OFDM系统(DM-OFDM-IM)相比，所提的DM-OCDM-IM系统具有更强的抗多径衰落和抗多普勒频移的能力；与OCDM-IM系统相比，所提的DM-OCDM-IM系统提高了频谱效率的同时，仍然具有更强的抗衰落能力。
基于索引调制的正交线性调频分复用系统(OCDM-IM)要求部分子载波保持静默状态，这一方面削弱了正交线性调频分复用系统(OCDM)的时频扩展增益，导致OCDM-IM系统在高动态场景下受多普勒频移的影响仍然较为严重；另一方面，静默的子载波不携带传输信息，造成了吞吐量的损失。针对以上问题，该文提出一种新型的双模辅助索引调制的OCDM通信系统架构(DM-OCDM-IM)。该系统在OCDM系统的基础上，引入双模索引映射方案，拓展调制维度，既保留了OCDM系统在高动态场景下时频二维扩展抗干扰能力的核心优势，又实现了低阶星座调制下的高频谱效率。为了降低接收端复杂度，提出利用离散菲涅尔变换(DFnT)的特征分解来简化DM-OCDM-IM系统数字信号处理的接收算法。仿真结果表明，与现有的双模辅助索引调制的OFDM系统(DM-OFDM-IM)相比，所提的DM-OCDM-IM系统具有更强的抗多径衰落和抗多普勒频移的能力；与OCDM-IM系统相比，所提的DM-OCDM-IM系统提高了频谱效率的同时，仍然具有更强的抗衰落能力。
, 最新更新时间 , doi: 10.11999/JEIT250901
摘要:
人类视觉系统通过多层神经元相互配合，实现了具备自适应性、灵敏度高、响应速度快的光感知功能。本文通过研究人类视觉系统中感光细胞的工作原理，提出了一种基于忆阻器的视杆细胞光感电路，并应用于脉冲相机。首先，通过总结视杆细胞感光过程中离子变化机制提出了视杆细胞数学模型。其次，提出两种忆阻器模型以模拟感光细胞中钠离子和钙离子通道的特性。之后，构建了视杆细胞光感电路，实现光电转换，电路具备自适应性，同时具有速度高、功耗低、动态范围广等优势。最后将视杆细胞光感电路应用于脉冲相机，电路仿真结果表明，与采用简化神经元光感电路和传统CMOS方案的脉冲相机相比，基于视杆细胞光感电路的脉冲相机转换速度提升了20%和150%，系统功耗相比于传统CMOS电路降低了30%。
人类视觉系统通过多层神经元相互配合，实现了具备自适应性、灵敏度高、响应速度快的光感知功能。本文通过研究人类视觉系统中感光细胞的工作原理，提出了一种基于忆阻器的视杆细胞光感电路，并应用于脉冲相机。首先，通过总结视杆细胞感光过程中离子变化机制提出了视杆细胞数学模型。其次，提出两种忆阻器模型以模拟感光细胞中钠离子和钙离子通道的特性。之后，构建了视杆细胞光感电路，实现光电转换，电路具备自适应性，同时具有速度高、功耗低、动态范围广等优势。最后将视杆细胞光感电路应用于脉冲相机，电路仿真结果表明，与采用简化神经元光感电路和传统CMOS方案的脉冲相机相比，基于视杆细胞光感电路的脉冲相机转换速度提升了20%和150%，系统功耗相比于传统CMOS电路降低了30%。
, 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。本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(Momentum-based Optimization)与伴随法(Adjoint Method)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 nm至250 nm之间，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 -1540nm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。本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(Momentum-based Optimization)与伴随法(Adjoint Method)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 nm至250 nm之间，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/JEIT250363
摘要:
深度学习已被广泛应用于漏洞检测，其主流方法可分为基于代码序列和基于代码图两类：前者易因忽视结构而误报，后者则难以捕获执行顺序。此外，两者普遍缺乏可解释性，难以定位漏洞根源。为此，该文提出一个基于图和代码切片的可解释性漏洞检测方法GSVD。该模型通过门控图卷积网络提取代码多维度图(AST, DDG, CDG)的结构语义，并结合“污点”分析驱动的代码切片与双向长短时记忆网络精准捕获代码序列特征，实现二者优势互补。同时，引入HITS算法思想，设计VDExplainer解释器，直观揭示了模型的决策过程。实验表明，GSVD在Devign数据集上准确率达64.57%，优于多种基线模型，证明了其在有效检测漏洞的同时，能实现代码行级的可解释定位。
深度学习已被广泛应用于漏洞检测，其主流方法可分为基于代码序列和基于代码图两类：前者易因忽视结构而误报，后者则难以捕获执行顺序。此外，两者普遍缺乏可解释性，难以定位漏洞根源。为此，该文提出一个基于图和代码切片的可解释性漏洞检测方法GSVD。该模型通过门控图卷积网络提取代码多维度图(AST, DDG, CDG)的结构语义，并结合“污点”分析驱动的代码切片与双向长短时记忆网络精准捕获代码序列特征，实现二者优势互补。同时，引入HITS算法思想，设计VDExplainer解释器，直观揭示了模型的决策过程。实验表明，GSVD在Devign数据集上准确率达64.57%，优于多种基线模型，证明了其在有效检测漏洞的同时，能实现代码行级的可解释定位。
, 最新更新时间 , doi: 10.11999/JEIT250457
摘要:
随着电力工业互联网的快速发展，电力系统与互联网的深度融合在推动产业智能化升级的同时，也带来了严峻的安全挑战。资源受限的终端使电力设备易遭受恶意攻击，亟需高效安全的身份认证机制以保障系统内的数据安全传输。然而，现有认证方案计算开销较大，且在应对常见攻击时仍存在安全隐患，难以满足电力工业互联网的实际需求。针对这一问题，本文设计了一种安全轻量的身份认证方案。在设备注册阶段引入隐式证书技术，将公钥认证信息嵌入签名中，从而无需显式传输完整的证书信息。相比传统证书，隐式证书更短且验证效率更高，有效降低了传输与验证开销。在此基础上，本文构建了仅依赖哈希、异或及椭圆曲线模乘运算的轻量级认证流程，实现设备间的安全身份认证与会话密钥协商，更适用于资源受限终端。随后，本文通过形式化方法分析了方案安全性，证明其具备安全相互认证、会话密钥保密性与前向安全性，并能有效抵御重放与中间人等典型攻击。最后，通过实验对所提方案与现有先进方案进行了全面对比，结果验证了本文提出的方案具备更低的计算和通信开销。
随着电力工业互联网的快速发展，电力系统与互联网的深度融合在推动产业智能化升级的同时，也带来了严峻的安全挑战。资源受限的终端使电力设备易遭受恶意攻击，亟需高效安全的身份认证机制以保障系统内的数据安全传输。然而，现有认证方案计算开销较大，且在应对常见攻击时仍存在安全隐患，难以满足电力工业互联网的实际需求。针对这一问题，本文设计了一种安全轻量的身份认证方案。在设备注册阶段引入隐式证书技术，将公钥认证信息嵌入签名中，从而无需显式传输完整的证书信息。相比传统证书，隐式证书更短且验证效率更高，有效降低了传输与验证开销。在此基础上，本文构建了仅依赖哈希、异或及椭圆曲线模乘运算的轻量级认证流程，实现设备间的安全身份认证与会话密钥协商，更适用于资源受限终端。随后，本文通过形式化方法分析了方案安全性，证明其具备安全相互认证、会话密钥保密性与前向安全性，并能有效抵御重放与中间人等典型攻击。最后，通过实验对所提方案与现有先进方案进行了全面对比，结果验证了本文提出的方案具备更低的计算和通信开销。
, 最新更新时间 , doi: 10.11999/JEIT250807
摘要:
车路协同网络的拓扑结构变化频繁、业务需求呈现多样性等特征，给数据高效可靠传输带来了挑战。基于地理位置信息的网络协议标准，结合多模态网络的柔性可扩展架构，提出并设计了一种地理空间标识网络模态，在三层网络层协议上将IP替换为地理空间标识网络协议，并在可编程多模态网元设备上实现了基于地理空间信息的寻址和路由。为了验证地理空间标识网络模态的可用性，面向智慧交通场景研制了支持地理空间标识寻址机制的车路协同智慧交通系统，有效实现车路协同系统中包括道路安全和交通信息的传播。系统实验表明该系统具备良好的稳定性和高效性，可应用于泛连接、弹性业务流量等典型车路协同交通场景。
车路协同网络的拓扑结构变化频繁、业务需求呈现多样性等特征，给数据高效可靠传输带来了挑战。基于地理位置信息的网络协议标准，结合多模态网络的柔性可扩展架构，提出并设计了一种地理空间标识网络模态，在三层网络层协议上将IP替换为地理空间标识网络协议，并在可编程多模态网元设备上实现了基于地理空间信息的寻址和路由。为了验证地理空间标识网络模态的可用性，面向智慧交通场景研制了支持地理空间标识寻址机制的车路协同智慧交通系统，有效实现车路协同系统中包括道路安全和交通信息的传播。系统实验表明该系统具备良好的稳定性和高效性，可应用于泛连接、弹性业务流量等典型车路协同交通场景。
, 最新更新时间 , doi: 10.11999/JEIT250849
摘要:
目的 本研究旨在比较DeepSeek-V3.1与ChatGPT-5在结直肠癌肝转移(CRLM)多学科团队(MDT)决策中的应用表现，评估其与MDT专家意见的一致性，为大语言模型(LLMs)的临床实践提供循证依据与优化方向。 方法 研究团队基于真实世界数据与最新指南，设计了6例涵盖不同肿瘤负荷、基因突变谱和体能状态的虚拟CRLM病例，通过结构化的提示策略，在DeepSeek-V3.1与ChatGPT-5模型中分别生成MDT治疗建议。由4名MDT专家(消化肿瘤内科、胃肠外科、肝胆外科、放疗科各1名)采用7维度5级李克特量表对模型输出进行独立评审。并通过统计学分析对两款模型在各个病例、各项维度和各个学科的表现分别进行比较。 结果 两款大语言模型在所有病例中的综合得分均≥ 4.0分(满分5分)，表明其在复杂的MDT决策场景下具备可接受的临床效能。在跨维度分析中，两者在清晰度、个体化程度、抗幻觉能力和伦理安全四项上得分较高，而在准确性、全面性和前沿性方面仍有一定提升空间。DeepSeek-V3.1在整体表现(4.27 ± 0.77 vs 4.08 ± 0.86)、前沿性(3.90 ± 0.65 vs 3.42 ± 0.72)与伦理安全(4.87 ± 0.34 vs 4.58 ± 0.65)方面显著优于ChatGPT-5(P < 0.05)；在放疗领域亦明显领先(4.55 ± 0.67 vs 3.38 ± 0.91，P<0.001)。ChatGPT-5则在胃肠外科领域表现优于DeepSeek-V3.1(4.48 ± 0.67 vs 4.17 ± 0.85，P = 0.02)。 结论 DeepSeek-V3.1与ChatGPT-5均表现出为CRLM-MDT决策提供可靠建议的良好能力。其中，DeepSeek-V3.1在前沿知识整合、伦理安全性及放射肿瘤学领域展现出显著优势，而ChatGPT-5则在胃肠外科方面表现更优，二者形成优势互补。本研究证实了大型语言模型作为“MDT协作者”的可行性，为缩小地域间诊疗水平差距、提升临床决策效率提供了一项便捷可靠的技术方案。然而，模型幻觉与证据等级不足仍是其当前面临的主要局限。未来，通过真实世界临床验证、证据体系追溯及人类反馈强化学习等机制，有望进一步推动LLMs成为CRLM-MDT决策中更为强大的辅助工具。
目的 本研究旨在比较DeepSeek-V3.1与ChatGPT-5在结直肠癌肝转移(CRLM)多学科团队(MDT)决策中的应用表现，评估其与MDT专家意见的一致性，为大语言模型(LLMs)的临床实践提供循证依据与优化方向。 方法 研究团队基于真实世界数据与最新指南，设计了6例涵盖不同肿瘤负荷、基因突变谱和体能状态的虚拟CRLM病例，通过结构化的提示策略，在DeepSeek-V3.1与ChatGPT-5模型中分别生成MDT治疗建议。由4名MDT专家(消化肿瘤内科、胃肠外科、肝胆外科、放疗科各1名)采用7维度5级李克特量表对模型输出进行独立评审。并通过统计学分析对两款模型在各个病例、各项维度和各个学科的表现分别进行比较。 结果 两款大语言模型在所有病例中的综合得分均≥ 4.0分(满分5分)，表明其在复杂的MDT决策场景下具备可接受的临床效能。在跨维度分析中，两者在清晰度、个体化程度、抗幻觉能力和伦理安全四项上得分较高，而在准确性、全面性和前沿性方面仍有一定提升空间。DeepSeek-V3.1在整体表现(4.27 ± 0.77 vs 4.08 ± 0.86)、前沿性(3.90 ± 0.65 vs 3.42 ± 0.72)与伦理安全(4.87 ± 0.34 vs 4.58 ± 0.65)方面显著优于ChatGPT-5(P < 0.05)；在放疗领域亦明显领先(4.55 ± 0.67 vs 3.38 ± 0.91，P<0.001)。ChatGPT-5则在胃肠外科领域表现优于DeepSeek-V3.1(4.48 ± 0.67 vs 4.17 ± 0.85，P = 0.02)。 结论 DeepSeek-V3.1与ChatGPT-5均表现出为CRLM-MDT决策提供可靠建议的良好能力。其中，DeepSeek-V3.1在前沿知识整合、伦理安全性及放射肿瘤学领域展现出显著优势，而ChatGPT-5则在胃肠外科方面表现更优，二者形成优势互补。本研究证实了大型语言模型作为“MDT协作者”的可行性，为缩小地域间诊疗水平差距、提升临床决策效率提供了一项便捷可靠的技术方案。然而，模型幻觉与证据等级不足仍是其当前面临的主要局限。未来，通过真实世界临床验证、证据体系追溯及人类反馈强化学习等机制，有望进一步推动LLMs成为CRLM-MDT决策中更为强大的辅助工具。
, 最新更新时间 , doi: 10.11999/JEIT250934
摘要:
水轮发电机组作为水电站的核心动力设备，其安全稳定运行对于整个水电站具有重要意义。近年来，非接触式声学测量作为一种有效的检测手段受到广泛关注，然而水轮发电机组的实际运行的异常声信号难以采集，传统异常检测方法及基于监督学习的分类策略在该领域的应用受到限制。针对上述挑战，该文提出了一种预训练音频大模型与密度估计k近邻(k-NN)的水轮发电机声学无监督异常检测方法。首先验证了预训练音频模型提取的通用音频特征在异常检测中的有效性；随后设计了一种融合注意力统计池化与warm-up的参数微调策略，实现模型的迁移优化，在推理阶段设计了一种密度估计的k近邻实现鲁棒的距离度量。实验结果表明，该方法在风洞环境达到了98.7%的多指标调和平均数，在滑环室则高达99.9%，为水电站的声学异常检测提供了切实可行且性能优异的解决方案。项目开源地址：https://github.com/EthanWu99/Hydropower_generator_abnormality_detection
水轮发电机组作为水电站的核心动力设备，其安全稳定运行对于整个水电站具有重要意义。近年来，非接触式声学测量作为一种有效的检测手段受到广泛关注，然而水轮发电机组的实际运行的异常声信号难以采集，传统异常检测方法及基于监督学习的分类策略在该领域的应用受到限制。针对上述挑战，该文提出了一种预训练音频大模型与密度估计k近邻(k-NN)的水轮发电机声学无监督异常检测方法。首先验证了预训练音频模型提取的通用音频特征在异常检测中的有效性；随后设计了一种融合注意力统计池化与warm-up的参数微调策略，实现模型的迁移优化，在推理阶段设计了一种密度估计的k近邻实现鲁棒的距离度量。实验结果表明，该方法在风洞环境达到了98.7%的多指标调和平均数，在滑环室则高达99.9%，为水电站的声学异常检测提供了切实可行且性能优异的解决方案。项目开源地址：
, 最新更新时间 , doi: 10.11999/JEIT250631
摘要:
生物神经系统在低功耗计算、动态存储方面具有显著的优势，这与神经元通过定向分泌递质来传递神经信号的工作机制密切相关。神经信号的产生涉及刺激信号的放大和运算，其工作机制可以利用忆阻器容控混沌振荡器实现。本文利用局部有源忆阻器随外接电容改变形成稳定的倍周期分叉的电压信号振荡，获得了电路中电容与忆阻器两端电压信号之间稳定的映射关系，电路中电容的改变使得忆阻器两端串行输出不同形态的电信号，其电压幅值稳定的周期改变。使得改变的电容与输出的电压信号之间形成稳定的多状态映射关系，从而构成存算单元。结合蔡氏结型忆阻器模型建立了三阶忆阻器电路，当忆阻器工作在局部有源区其三阶电路构成的振荡器能够同时完成信号放大、运算和存储。
生物神经系统在低功耗计算、动态存储方面具有显著的优势，这与神经元通过定向分泌递质来传递神经信号的工作机制密切相关。神经信号的产生涉及刺激信号的放大和运算，其工作机制可以利用忆阻器容控混沌振荡器实现。本文利用局部有源忆阻器随外接电容改变形成稳定的倍周期分叉的电压信号振荡，获得了电路中电容与忆阻器两端电压信号之间稳定的映射关系，电路中电容的改变使得忆阻器两端串行输出不同形态的电信号，其电压幅值稳定的周期改变。使得改变的电容与输出的电压信号之间形成稳定的多状态映射关系，从而构成存算单元。结合蔡氏结型忆阻器模型建立了三阶忆阻器电路，当忆阻器工作在局部有源区其三阶电路构成的振荡器能够同时完成信号放大、运算和存储。
, 最新更新时间 , doi: 10.11999/JEIT250689
摘要:
空间目标姿态分类是空间态势感知中的关键环节，针对现有方法存在计算复杂度高、训练数据依赖性强、分类粒度粗糙，以及时序运动建模和小样本分类能力不足等问题，该文提出一种面向小样本、融合运动建模与模糊理论的姿态模糊分类方法。所提方法依托地基逆合成孔径雷达成像与图像解译技术，构建融合地平坐标系、UNW轨道坐标系和机体坐标系的映射模型，从姿态与特征间映射关系出发，结合傅里叶级数深入目标时序运动建模，利用特征设计细化分类粒度，并引入模糊理论实现小样本下线性阶计算复杂度姿态模糊分类。仿真实验验证了该方法小样本场景不同成像角度与异常干扰下的稳健性。横向对比显示所提方法无需训练，并在实时性和小样本处理能力等方面具有性能提升。
空间目标姿态分类是空间态势感知中的关键环节，针对现有方法存在计算复杂度高、训练数据依赖性强、分类粒度粗糙，以及时序运动建模和小样本分类能力不足等问题，该文提出一种面向小样本、融合运动建模与模糊理论的姿态模糊分类方法。所提方法依托地基逆合成孔径雷达成像与图像解译技术，构建融合地平坐标系、UNW轨道坐标系和机体坐标系的映射模型，从姿态与特征间映射关系出发，结合傅里叶级数深入目标时序运动建模，利用特征设计细化分类粒度，并引入模糊理论实现小样本下线性阶计算复杂度姿态模糊分类。仿真实验验证了该方法小样本场景不同成像角度与异常干扰下的稳健性。横向对比显示所提方法无需训练，并在实时性和小样本处理能力等方面具有性能提升。
, 最新更新时间 , doi: 10.11999/JEIT250500
摘要:
实际海洋环境噪声通常具有突发性尖峰等非高斯特性，导致基于高斯假设的传统信号检测方法性能显著下降甚至失效。针对非高斯背景下未知确定性瞬态信号的被动检测与到达时间(ToA)估计的问题，该文利用Alpha稳定分布为非高斯背景噪声建模并设计了一种数据预处理降噪-短时互相关熵检测(DP-STCCD)方法。该方法首先借鉴数据清洗思想对含噪信号进行异常值处理实现初级降噪，然后采用多级滤波技术进一步抑制噪声，最终利用降噪信号的短时互相关熵特征构建检测器并实现ToA估计。仿真结果表明，经预处理降噪的能量检测器(DP-ED)在一定程度上恢复了检测性能。但在相同条件下，DP-STCCD算法的检测性能与ToA估计精度显著优于DP-ED算法：当特征指数\begin{document}$ \alpha = 1.5 $\end{document}
实际海洋环境噪声通常具有突发性尖峰等非高斯特性，导致基于高斯假设的传统信号检测方法性能显著下降甚至失效。针对非高斯背景下未知确定性瞬态信号的被动检测与到达时间(ToA)估计的问题，该文利用Alpha稳定分布为非高斯背景噪声建模并设计了一种数据预处理降噪-短时互相关熵检测(DP-STCCD)方法。该方法首先借鉴数据清洗思想对含噪信号进行异常值处理实现初级降噪，然后采用多级滤波技术进一步抑制噪声，最终利用降噪信号的短时互相关熵特征构建检测器并实现ToA估计。仿真结果表明，经预处理降噪的能量检测器(DP-ED)在一定程度上恢复了检测性能。但在相同条件下，DP-STCCD算法的检测性能与ToA估计精度显著优于DP-ED算法：当特征指数
, 最新更新时间 , doi: 10.11999/JEIT250729
摘要:
信息物理系统(Cyber-Physical System, CPS)完整性攻击针对系统数据流发起攻击，破坏输入输出数据一致性，由于其攻击方式多变、隐蔽性强的特性，较其他CPS攻击在检测及防护上更为困难。为此，本文提出了一种控制-输出双通道的数据加性-乘性联合编码检测方案，旨在检测完整性攻击并在三种典型攻击上进行验证，包括控制通道偏置攻击、输出通道重放攻击以及双通道隐蔽攻击。完整性攻击通过部分或全面系统信息的获取及掌控可使卡方检测器检测值小于阈值，从而实现对CPS系统“隐形”。为此，本文方案创新性地在通道两侧布置加性正负水印对以及乘性编码/解码矩阵对，未知信号及部件的引入为攻击者带来了信息不确定性，使残差统计特性偏离其期望数值。此外，水印对与矩阵对之间通过不同机制实现了解耦，其正负或互逆形式使得无攻击时不影响系统的控制性能，并且以时变形式防止攻击者对其重构。最后，通过计算推导出引入本文方案后三种攻击前后残差统计特性的变化，并以飞行器飞行轨迹仿真为例，说明方案的有效性和先进性。
信息物理系统(Cyber-Physical System, CPS)完整性攻击针对系统数据流发起攻击，破坏输入输出数据一致性，由于其攻击方式多变、隐蔽性强的特性，较其他CPS攻击在检测及防护上更为困难。为此，本文提出了一种控制-输出双通道的数据加性-乘性联合编码检测方案，旨在检测完整性攻击并在三种典型攻击上进行验证，包括控制通道偏置攻击、输出通道重放攻击以及双通道隐蔽攻击。完整性攻击通过部分或全面系统信息的获取及掌控可使卡方检测器检测值小于阈值，从而实现对CPS系统“隐形”。为此，本文方案创新性地在通道两侧布置加性正负水印对以及乘性编码/解码矩阵对，未知信号及部件的引入为攻击者带来了信息不确定性，使残差统计特性偏离其期望数值。此外，水印对与矩阵对之间通过不同机制实现了解耦，其正负或互逆形式使得无攻击时不影响系统的控制性能，并且以时变形式防止攻击者对其重构。最后，通过计算推导出引入本文方案后三种攻击前后残差统计特性的变化，并以飞行器飞行轨迹仿真为例，说明方案的有效性和先进性。
, 最新更新时间 , doi: 10.11999/JEIT250926
摘要:
目前高质量深度伪造视频检测方法大多基于隐式注意力机制的监督二分类模型。虽然该类模型能够通过自学习，判别伪造痕迹，鉴别异常区域，但在面对未经学习的伪造技术时，对伪造区域的敏感性降低，泛化性不足。基于此，本文提出一种伪造注意图驱动的多任务深伪视频检测模型(F-BiFPN-MTLNet)。首先，设计了一种融合伪造注意图的新型加权双向特征金字塔网络(F-BiFPN)，通过伪造注意图监督低层和高层特征图的融合过程，在减少信息冗余的同时，增强模型对高质量伪造区域的敏感性。然后，定义了一种基于显式注意力机制的多任务学习网络(MTLNet)。一方面，该网络在原有基于监督二分类器的单任务模型的基础上，结合基于可学习掩码的注意策略与增强自一致性的注意策略，实现多任务加权判别，提高模型检测的可靠性；另一方面，引入显式注意力机制，通过生成的伪造位置标签对特征图进行监督，显式的指导模型聚焦于容易产生伪影的敏感区域，提高模型的泛化能力。实验结果表明，本文构建的F-BiFPN-MTLNet模型在多个基准测试中均表现出了较好性能，在曲线下面积(AUC)和平均精度(AP)等指标上取得了显著的提升。
目前高质量深度伪造视频检测方法大多基于隐式注意力机制的监督二分类模型。虽然该类模型能够通过自学习，判别伪造痕迹，鉴别异常区域，但在面对未经学习的伪造技术时，对伪造区域的敏感性降低，泛化性不足。基于此，本文提出一种伪造注意图驱动的多任务深伪视频检测模型(F-BiFPN-MTLNet)。首先，设计了一种融合伪造注意图的新型加权双向特征金字塔网络(F-BiFPN)，通过伪造注意图监督低层和高层特征图的融合过程，在减少信息冗余的同时，增强模型对高质量伪造区域的敏感性。然后，定义了一种基于显式注意力机制的多任务学习网络(MTLNet)。一方面，该网络在原有基于监督二分类器的单任务模型的基础上，结合基于可学习掩码的注意策略与增强自一致性的注意策略，实现多任务加权判别，提高模型检测的可靠性；另一方面，引入显式注意力机制，通过生成的伪造位置标签对特征图进行监督，显式的指导模型聚焦于容易产生伪影的敏感区域，提高模型的泛化能力。实验结果表明，本文构建的F-BiFPN-MTLNet模型在多个基准测试中均表现出了较好性能，在曲线下面积(AUC)和平均精度(AP)等指标上取得了显著的提升。
, 最新更新时间 , doi: 10.11999/JEIT250634
摘要:
视距信道是实现高效无线供能NOMA通信的必要条件，然而其强相关性将严重限制空间自由度，导致传统空间复用技术难以获得容量增益。利用新维度的轨道角动量(Orbital Angular Momentum, OAM)，该文设计了基于OAM的无线供能NOMA通信系统，其可以通过模态复用独立传输多路信息从而在视距信道下显著提高通信容量。通过转化收集能量为信息上传的可实现容量，该文在通信容量和收集能量的阈值约束下构建了系统的总容量最大化问题。然后，将系统总容量最大化问题分解为两个子问题，推导了最优功率分割因子的闭式表达式，并利用次梯度方法获得了最优的功率分配。仿真结果表明，与传统无线通信系统相比，所提出的基于OAM的无线供能NOMA通信系统能够有效提高容量性能。
视距信道是实现高效无线供能NOMA通信的必要条件，然而其强相关性将严重限制空间自由度，导致传统空间复用技术难以获得容量增益。利用新维度的轨道角动量(Orbital Angular Momentum, OAM)，该文设计了基于OAM的无线供能NOMA通信系统，其可以通过模态复用独立传输多路信息从而在视距信道下显著提高通信容量。通过转化收集能量为信息上传的可实现容量，该文在通信容量和收集能量的阈值约束下构建了系统的总容量最大化问题。然后，将系统总容量最大化问题分解为两个子问题，推导了最优功率分割因子的闭式表达式，并利用次梯度方法获得了最优的功率分配。仿真结果表明，与传统无线通信系统相比，所提出的基于OAM的无线供能NOMA通信系统能够有效提高容量性能。
, 最新更新时间 , doi: 10.11999/JEIT250679
摘要:
为了解决基于耦合器的传统参考信号取样方式在大功率射频系统部署难题，该文提出了一种采用定向天线和接收链路的数字干扰对消系统。针对该系统，基于干扰信号矩形带限频谱特征的假设，分别推导了接收信道和取样信道在多径环境下干扰对消比性能闭式表达式。此外，进一步给出了对消比性能上限表达式。最后，利用蒙特卡罗仿真验证了3种典型调制方式下推导结果的准确性，并分析了系统参数对于对消比的性能影响。结果表明，基于空间参考信号的数字干扰对消系统对消比性能受接收通道干噪比、取样通道干噪比、滤波器抽头数目、多径时延扩展长度、多径数目和时延匹配误差影响。
为了解决基于耦合器的传统参考信号取样方式在大功率射频系统部署难题，该文提出了一种采用定向天线和接收链路的数字干扰对消系统。针对该系统，基于干扰信号矩形带限频谱特征的假设，分别推导了接收信道和取样信道在多径环境下干扰对消比性能闭式表达式。此外，进一步给出了对消比性能上限表达式。最后，利用蒙特卡罗仿真验证了3种典型调制方式下推导结果的准确性，并分析了系统参数对于对消比的性能影响。结果表明，基于空间参考信号的数字干扰对消系统对消比性能受接收通道干噪比、取样通道干噪比、滤波器抽头数目、多径时延扩展长度、多径数目和时延匹配误差影响。
, 最新更新时间 , doi: 10.11999/JEIT250651
摘要:
控制器局域网(CAN)因安全机制缺失易遭受网络攻击，现有入侵检测系统在多类攻击识别和车载部署上仍存在挑战。该文提出一种融合时序与深度特征的二阶段CAN总线攻击识别方法，通过“先检测、后分类”的策略，将复杂任务分解，实现效率与精度统一。第1阶段设计了数据负载熵(PDE)与ID频率均值偏差(IFMD)特征，从内容与行为2个维度量化报文异常，并利用双向长短期记忆网络(BiLSTM)捕捉时序依赖，实现高效异常检测；第2阶段针对异常样本，引入一维轻量化ParC1D-Net，通过深度特征精细分析实现多类攻击分类。公开数据集实验表明，该方法在Car-Hacking数据集上准确率和F1分数均达99.99%，优于多种先进方法；消融实验验证PDE与IFMD特征在提升异常检测敏感性和鲁棒性方面的关键作用。此外，方法在GPU和模拟嵌入式CPU环境下测试，模型大小仅0.39 MB，实时检测时延分别为0.62 ms和0.93 ms，具备良好部署与实时处理能力。
控制器局域网(CAN)因安全机制缺失易遭受网络攻击，现有入侵检测系统在多类攻击识别和车载部署上仍存在挑战。该文提出一种融合时序与深度特征的二阶段CAN总线攻击识别方法，通过“先检测、后分类”的策略，将复杂任务分解，实现效率与精度统一。第1阶段设计了数据负载熵(PDE)与ID频率均值偏差(IFMD)特征，从内容与行为2个维度量化报文异常，并利用双向长短期记忆网络(BiLSTM)捕捉时序依赖，实现高效异常检测；第2阶段针对异常样本，引入一维轻量化ParC1D-Net，通过深度特征精细分析实现多类攻击分类。公开数据集实验表明，该方法在Car-Hacking数据集上准确率和F1分数均达99.99%，优于多种先进方法；消融实验验证PDE与IFMD特征在提升异常检测敏感性和鲁棒性方面的关键作用。此外，方法在GPU和模拟嵌入式CPU环境下测试，模型大小仅0.39 MB，实时检测时延分别为0.62 ms和0.93 ms，具备良好部署与实时处理能力。
, 最新更新时间 , doi: 10.11999/JEIT250719
摘要:
随着5G毫米波技术的快速发展，对天线的高增益、宽波束覆盖和小尺寸提出了更高要求。该文基于人工磁导体(AMC)结构，设计了一种毫米波频段的具有大角域扫描能力的单极化一维阵列天线。通过利用AMC结构的同相反射特性，天线阵列在提升带宽和增益的同时，实现了显著的宽角扫描能力。天线单元采用单极化设计，通过堆叠式结构优化电流分布，改善了带宽和端口隔离度。阵列以4.6 mm(26 GHz时的0.4波长)间距组阵，加载AMC结构后，阵中天线单元的增益提升至5 dBi，且相邻单元的方形贴片参与辐射，进一步展宽了辐射方向图。仿真结果表明，天线阵列覆盖23.7～28 GHz频段，最大增益达13.8 dBi，在26 GHz时实现了±80°的宽角扫描性能。此外，加工测试验证了设计的可行性，实测结果与仿真吻合良好，隔离度优于\begin{document}$ - $\end{document}
随着5G毫米波技术的快速发展，对天线的高增益、宽波束覆盖和小尺寸提出了更高要求。该文基于人工磁导体(AMC)结构，设计了一种毫米波频段的具有大角域扫描能力的单极化一维阵列天线。通过利用AMC结构的同相反射特性，天线阵列在提升带宽和增益的同时，实现了显著的宽角扫描能力。天线单元采用单极化设计，通过堆叠式结构优化电流分布，改善了带宽和端口隔离度。阵列以4.6 mm(26 GHz时的0.4波长)间距组阵，加载AMC结构后，阵中天线单元的增益提升至5 dBi，且相邻单元的方形贴片参与辐射，进一步展宽了辐射方向图。仿真结果表明，天线阵列覆盖23.7～28 GHz频段，最大增益达13.8 dBi，在26 GHz时实现了±80°的宽角扫描性能。此外，加工测试验证了设计的可行性，实测结果与仿真吻合良好，隔离度优于
, 最新更新时间 , doi: 10.11999/JEIT250617
摘要:
随着毫米波雷达在智能驾驶领域的广泛应用，雷达间的相互干扰问题日益凸显。干扰在时域表现为尖锐脉冲及频域本底噪声的显著升高，严重影响目标信息的获取，威胁道路交通安全。随着干扰雷达数量的增多，采用置零或插值的传统方法已无法有效抑制多干扰。为解决这一问题，该文提出了一种基于信号时域特征的联合包络修复信号重构算法，算法包括干扰区域检测与信号重构2个关键环节，首先通过干扰包络检测与包络内变换点检测的双重判据机制，提升了多干扰环境下干扰与干扰间片段有用信号检测准确性，使得干扰区域内的信号重构不仅可以利用无干扰区域有用信号也可以利用较短区域的片段有用信号。为了克服片段有用信号预测带来的信号幅度发散问题，利用希尔伯特变换对重构出的信号包络幅度协同归一化处理，使得重构出的信号更加整体连续，提升了信号重构精度。实验结果表明，当输入信干噪比(SINR)大于等于–10 dB时，输出SINR可达10 dB以上、较对比算法提升3～5 dB，且算法在实测数据中得到良好验证。
随着毫米波雷达在智能驾驶领域的广泛应用，雷达间的相互干扰问题日益凸显。干扰在时域表现为尖锐脉冲及频域本底噪声的显著升高，严重影响目标信息的获取，威胁道路交通安全。随着干扰雷达数量的增多，采用置零或插值的传统方法已无法有效抑制多干扰。为解决这一问题，该文提出了一种基于信号时域特征的联合包络修复信号重构算法，算法包括干扰区域检测与信号重构2个关键环节，首先通过干扰包络检测与包络内变换点检测的双重判据机制，提升了多干扰环境下干扰与干扰间片段有用信号检测准确性，使得干扰区域内的信号重构不仅可以利用无干扰区域有用信号也可以利用较短区域的片段有用信号。为了克服片段有用信号预测带来的信号幅度发散问题，利用希尔伯特变换对重构出的信号包络幅度协同归一化处理，使得重构出的信号更加整体连续，提升了信号重构精度。实验结果表明，当输入信干噪比(SINR)大于等于–10 dB时，输出SINR可达10 dB以上、较对比算法提升3～5 dB，且算法在实测数据中得到良好验证。
, 最新更新时间 , doi: 10.11999/JEIT250670
摘要:
低地球轨道(LEO)卫星网络凭借其全球无缝覆盖与低传输延迟的优势，被视为空天地一体化通信系统的关键组成部分。然而，用户请求若未命中本地卫星缓存，则需通过星间链路或星地链路回源，从而引入较高延迟。同时，受限于星载硬件资源，卫星节点的存储容量极为有限，难以支持大规模内容缓存，这对动态自适应的缓存部署机制设计提出了严峻挑战。该文聚焦LEO卫星网络中的缓存部署问题，基于拥塞感知和内容价值，提出一种自适应缓存部署方案，根据网络的实时状态实施缓存决策，从而提升缓存命中率、降低星地回传负载、优化用户服务质量。首先，卫星节点实时监测链路拥塞状态，并将链路拥塞的概率通过数据包反馈给下游节点；其次，结合兴趣包的内容流行度、数据包的新鲜度构建二维价值评估模型；最后，依据拥塞等级动态调整缓存阈值，再结合跳数控制因子进行缓存决策。仿真结果表明，所提策略在缓存命中率、平均路由跳数及平均请求时延3项核心指标上均优于基于流行度感知的邻近度缓存(PaCC)与处处缓存(LCE)策略：在缓存容量动态变化场景下，缓存命中率较PaCC和LCE策略分别提升9.5%和43.7%；在Zipf分布参数变化场景下，缓存命中率较上述2种策略分别提升8.7%和29.1%；在网络传输性能方面，所提策略的平均路由跳数较PaCC策略总体下降2.24%，平均请求时延则较PaCC和LCE策略总体下降2.8%和9.5%。
低地球轨道(LEO)卫星网络凭借其全球无缝覆盖与低传输延迟的优势，被视为空天地一体化通信系统的关键组成部分。然而，用户请求若未命中本地卫星缓存，则需通过星间链路或星地链路回源，从而引入较高延迟。同时，受限于星载硬件资源，卫星节点的存储容量极为有限，难以支持大规模内容缓存，这对动态自适应的缓存部署机制设计提出了严峻挑战。该文聚焦LEO卫星网络中的缓存部署问题，基于拥塞感知和内容价值，提出一种自适应缓存部署方案，根据网络的实时状态实施缓存决策，从而提升缓存命中率、降低星地回传负载、优化用户服务质量。首先，卫星节点实时监测链路拥塞状态，并将链路拥塞的概率通过数据包反馈给下游节点；其次，结合兴趣包的内容流行度、数据包的新鲜度构建二维价值评估模型；最后，依据拥塞等级动态调整缓存阈值，再结合跳数控制因子进行缓存决策。仿真结果表明，所提策略在缓存命中率、平均路由跳数及平均请求时延3项核心指标上均优于基于流行度感知的邻近度缓存(PaCC)与处处缓存(LCE)策略：在缓存容量动态变化场景下，缓存命中率较PaCC和LCE策略分别提升9.5%和43.7%；在Zipf分布参数变化场景下，缓存命中率较上述2种策略分别提升8.7%和29.1%；在网络传输性能方面，所提策略的平均路由跳数较PaCC策略总体下降2.24%，平均请求时延则较PaCC和LCE策略总体下降2.8%和9.5%。
, 最新更新时间 , doi: 10.11999/JEIT250561
摘要:
频控阵(FDA)具有随快时间变化的发射方向图和空时耦合导向矢量，在多目标跟踪、宽覆盖探测、抗主瓣干扰等应用中有潜在优势。空域调制方法和基带波形设计是决定FDA模糊函数性能的两个互相关联的重要因素。针对目前FDA波形难以兼顾高距离分辨率及低旁瓣水平的问题，该文提出一种空域线性调频加权与时域相位编码结合的空时联合FDA波形，该波形通过空时联合调制抑制条带样高增益旁瓣，通过空域线性调频加权降低多普勒敏感性，具有距离分辨力高、旁瓣水平低、多普勒容限高等特点。仿真实验表明，该波形在距离分辨、旁瓣水平及多普勒容限性等方面存在优势。
频控阵(FDA)具有随快时间变化的发射方向图和空时耦合导向矢量，在多目标跟踪、宽覆盖探测、抗主瓣干扰等应用中有潜在优势。空域调制方法和基带波形设计是决定FDA模糊函数性能的两个互相关联的重要因素。针对目前FDA波形难以兼顾高距离分辨率及低旁瓣水平的问题，该文提出一种空域线性调频加权与时域相位编码结合的空时联合FDA波形，该波形通过空时联合调制抑制条带样高增益旁瓣，通过空域线性调频加权降低多普勒敏感性，具有距离分辨力高、旁瓣水平低、多普勒容限高等特点。仿真实验表明，该波形在距离分辨、旁瓣水平及多普勒容限性等方面存在优势。
, 最新更新时间 , doi: 10.11999/JEIT250495
摘要:
针对空中对抗场景中飞行机动标注数据获取困难、时序特征提取不充分等问题，该文提出一种基于对比学习的弱监督机动识别方法，旨在提升机动识别性能。通过将视觉表征对比学习的简单框架(SimCLR)创新性地扩展至时间序列分析，设计针对时间序列的数据增强策略，构建具有时序不变性的特征空间。进而结合对比学习机制，在特征空间内形成正负样本组的竞争关系，有效抑制伪标签噪声干扰。最后结合微调技术，在DCS World飞行模拟数据上进行实验验证。结果表明，该方法能有效利用时间序列数据潜在信息，在缺乏标注数据情况下展现出良好性能，为空中对抗机动识别及时间序列分析领域提供了新的思路与方法。
针对空中对抗场景中飞行机动标注数据获取困难、时序特征提取不充分等问题，该文提出一种基于对比学习的弱监督机动识别方法，旨在提升机动识别性能。通过将视觉表征对比学习的简单框架(SimCLR)创新性地扩展至时间序列分析，设计针对时间序列的数据增强策略，构建具有时序不变性的特征空间。进而结合对比学习机制，在特征空间内形成正负样本组的竞争关系，有效抑制伪标签噪声干扰。最后结合微调技术，在DCS World飞行模拟数据上进行实验验证。结果表明，该方法能有效利用时间序列数据潜在信息，在缺乏标注数据情况下展现出良好性能，为空中对抗机动识别及时间序列分析领域提供了新的思路与方法。
, 最新更新时间 , doi: 10.11999/JEIT250138
摘要:
为适应海上船只目标智能感知发展趋势，针对现有海上船只目标感知数据集信源单一、船只目标类别少、场景简单等问题，该文研制了由雷达、可见光、红外、激光、AIS、GPS等传感器构成的海上目标集成采集设备，开展了近2个月船载海上观测实验，累计时长达到200小时，收集海上多源原始数据90 TB；进一步对海量数据进行处理标注，并针对所采集原始数据海量、价值密度低的问题，设计了一套自动标注与人工校验相结合的数据快速标注流程，经多次智能标注模型训练与大量人工校验，目前已构建海上船只目标多源数据集的可见光图像部分(MSMS-VF)。该数据集涵盖客船、货船、快艇、帆船、渔船、浮标、漂浮物及海上平台等9种目标类别，包含265,233张图像，1,097,268个边界标注框，小目标占比达到55.88%，覆盖了多样化的海洋目标环境，可为目标检测、目标识别、目标跟踪等智能算法研究提供训练测试数据原料。未来，团队将陆续发布数据集的其他部分，并结合新的观测实验，对数据集进行不断更新。
为适应海上船只目标智能感知发展趋势，针对现有海上船只目标感知数据集信源单一、船只目标类别少、场景简单等问题，该文研制了由雷达、可见光、红外、激光、AIS、GPS等传感器构成的海上目标集成采集设备，开展了近2个月船载海上观测实验，累计时长达到200小时，收集海上多源原始数据90 TB；进一步对海量数据进行处理标注，并针对所采集原始数据海量、价值密度低的问题，设计了一套自动标注与人工校验相结合的数据快速标注流程，经多次智能标注模型训练与大量人工校验，目前已构建海上船只目标多源数据集的可见光图像部分(MSMS-VF)。该数据集涵盖客船、货船、快艇、帆船、渔船、浮标、漂浮物及海上平台等9种目标类别，包含265,233张图像，1,097,268个边界标注框，小目标占比达到55.88%，覆盖了多样化的海洋目标环境，可为目标检测、目标识别、目标跟踪等智能算法研究提供训练测试数据原料。未来，团队将陆续发布数据集的其他部分，并结合新的观测实验，对数据集进行不断更新。
, 最新更新时间 , doi: 10.11999/JEIT250798
摘要:
糖尿病及其发并发症的联合预测对于降低慢性病危害、改善患者预后具有重要意义。然而，现有预测方法面临数据异构性和稀疏性、实体关系复杂以及疾病与医学概念间高阶关联难以精确捕捉等挑战，限制了预测准确性和多病症识别能力。针对上述问题，该文提出一种基于表示学习与知识图谱推理的糖尿病及其并发症预测模型(REKG-MDP)。通过整合电子健康记录与医学补充知识构建医疗知识图谱，在患者侧完善个人基本信息、检查指标及现病史，在疾病侧补充疾病共病信息、多发人群、常见病因及诊断依据，从而缓解数据稀疏性与异构性问题。综合考虑对称、反对称、反转和组合4种关系连接模式，并设计层次化注意力机制与图卷积网络相结合的推理模块，在全局和局部动态调整邻居节点权重，有效聚合多阶邻居信息并捕捉高阶语义关系。基于MIMIC-IV数据集的实验结果表明，所提模型在糖尿病及发并发症联合预测任务中明显优于现有方法，预测准确率和多病症识别能力均有显著提升。
糖尿病及其发并发症的联合预测对于降低慢性病危害、改善患者预后具有重要意义。然而，现有预测方法面临数据异构性和稀疏性、实体关系复杂以及疾病与医学概念间高阶关联难以精确捕捉等挑战，限制了预测准确性和多病症识别能力。针对上述问题，该文提出一种基于表示学习与知识图谱推理的糖尿病及其并发症预测模型(REKG-MDP)。通过整合电子健康记录与医学补充知识构建医疗知识图谱，在患者侧完善个人基本信息、检查指标及现病史，在疾病侧补充疾病共病信息、多发人群、常见病因及诊断依据，从而缓解数据稀疏性与异构性问题。综合考虑对称、反对称、反转和组合4种关系连接模式，并设计层次化注意力机制与图卷积网络相结合的推理模块，在全局和局部动态调整邻居节点权重，有效聚合多阶邻居信息并捕捉高阶语义关系。基于MIMIC-IV数据集的实验结果表明，所提模型在糖尿病及发并发症联合预测任务中明显优于现有方法，预测准确率和多病症识别能力均有显著提升。
, 最新更新时间 , doi: 10.11999/JEIT250489
摘要:
低剂量CT(LDCT)图像中的伪影和噪声影响疾病的早期诊断和治疗。基于卷积神经网络的去噪方法在远程建模方面能力有限。与Transformer架构的远程建模方法相比，基于Mamba模型在建模时计算复杂度低，然而现有的Mamba模型存在信息丢失或噪声残留的缺点。为此，该文提出一种基于小波Mamba的去噪模型Wave-MambaCT。首先利用小波变换的多尺度分解解耦噪声和低频内容信息。其次，构建残差模块结合状态空间模型的Mamba模块提取高低频带的局部和全局信息，并用无噪的低频特征通过基于注意力的跨频Mamba模块校正并增强同尺度的高频特征，在去除噪声的同时保持更多细节。最后，分阶段采用逆小波变换渐进恢复图像，并设置相应的损失函数提高网络的稳定性。实验结果表明Wave-MambaCT在较低的计算复杂度和参数量下，不仅提高了低剂量CT图像的视觉效果，而且在PSNR，SSIM，VIF和MSE 4种定量指标上均优于现有的去噪方法。
低剂量CT(LDCT)图像中的伪影和噪声影响疾病的早期诊断和治疗。基于卷积神经网络的去噪方法在远程建模方面能力有限。与Transformer架构的远程建模方法相比，基于Mamba模型在建模时计算复杂度低，然而现有的Mamba模型存在信息丢失或噪声残留的缺点。为此，该文提出一种基于小波Mamba的去噪模型Wave-MambaCT。首先利用小波变换的多尺度分解解耦噪声和低频内容信息。其次，构建残差模块结合状态空间模型的Mamba模块提取高低频带的局部和全局信息，并用无噪的低频特征通过基于注意力的跨频Mamba模块校正并增强同尺度的高频特征，在去除噪声的同时保持更多细节。最后，分阶段采用逆小波变换渐进恢复图像，并设置相应的损失函数提高网络的稳定性。实验结果表明Wave-MambaCT在较低的计算复杂度和参数量下，不仅提高了低剂量CT图像的视觉效果，而且在PSNR，SSIM，VIF和MSE 4种定量指标上均优于现有的去噪方法。
, 最新更新时间 , doi: 10.11999/JEIT250470
摘要:
针对现有源代码漏洞检测方法无法充分提取并有效融合代码特征，导致检测模型学习不全面、漏洞检测性能不佳等问题，该文提出一种融合代码序列与属性图的源代码漏洞检测方法。首先，获取代码序列特征表示和代码属性图特征表示。其次，使用预训练模型UniXcoder提取代码语义特征并使用残差门控图卷积网络提取代码图结构特征。然后，构建一种用于特征融合的多模态注意力融合网络，通过学习代码的语义特征与图结构特征之间的交互关系，形成对漏洞检测任务更有价值的融合特征。最后，通过引入插值预测分类器并调整模型关注点，提升模型针对不同特性样本的泛化性并优化漏洞检测性能。多个数据集上的实验结果表明，所提方法具有良好检测效果，准确率可提升0.08%～1.38%，精确率可提升5.19%～8.15%。
针对现有源代码漏洞检测方法无法充分提取并有效融合代码特征，导致检测模型学习不全面、漏洞检测性能不佳等问题，该文提出一种融合代码序列与属性图的源代码漏洞检测方法。首先，获取代码序列特征表示和代码属性图特征表示。其次，使用预训练模型UniXcoder提取代码语义特征并使用残差门控图卷积网络提取代码图结构特征。然后，构建一种用于特征融合的多模态注意力融合网络，通过学习代码的语义特征与图结构特征之间的交互关系，形成对漏洞检测任务更有价值的融合特征。最后，通过引入插值预测分类器并调整模型关注点，提升模型针对不同特性样本的泛化性并优化漏洞检测性能。多个数据集上的实验结果表明，所提方法具有良好检测效果，准确率可提升0.08%～1.38%，精确率可提升5.19%～8.15%。
, 最新更新时间 , doi: 10.11999/JEIT250680
摘要:
通感一体化(ISAC)利用一种波形实现雷达感知与无线通信两种功能，能够消除雷达与通信电磁互扰，显著提高频谱效率、信息交互效率，已经成为6G潜在关键技术。目前，如何设计ISAC信号波形成为一体化设计广泛研究重点。方向调制(DM)一体化信号波形，因其独特的信号设计特点，能够在一体化信号设计种呈现出天然优势。该文从DM技术出发，介绍DM一体化波形设计理论、优势及挑战，并提出多载波DM一体化信号波形旁瓣干扰抑制机理，分析DM一体化波形参数对安全通信及雷达感知性能影响，为一体化波形在复杂环境中的安全、抗干扰需求设计提供新思路。
通感一体化(ISAC)利用一种波形实现雷达感知与无线通信两种功能，能够消除雷达与通信电磁互扰，显著提高频谱效率、信息交互效率，已经成为6G潜在关键技术。目前，如何设计ISAC信号波形成为一体化设计广泛研究重点。方向调制(DM)一体化信号波形，因其独特的信号设计特点，能够在一体化信号设计种呈现出天然优势。该文从DM技术出发，介绍DM一体化波形设计理论、优势及挑战，并提出多载波DM一体化信号波形旁瓣干扰抑制机理，分析DM一体化波形参数对安全通信及雷达感知性能影响，为一体化波形在复杂环境中的安全、抗干扰需求设计提供新思路。
, 最新更新时间 , doi: 10.11999/JEIT250769
摘要:
围绕软件项目开发过程中存在的不确定因素，建立一种考虑任务工作量不确定性的多目标软件项目调度模型。该模型采用非对称三角区间二型模糊数描述工作量的不确定性。为了提高不确定环境下的决策质量，提出一种基于策略梯度的超启发式算法求解该模型。该算法将强化学习中的一种策略梯度算法(即Actor-Critic算法)作为高层策略，根据算法的当前运行状态选择合适的低层启发式策略。同时引入优先经验回放法，以利用历史经验信息更新网络参数，加快收敛速度并降低学习成本。将所提算法与6种代表性算法在12个人工合成算例和3个实例上进行了对比。实验结果表明，所提算法在不确定调度环境中能够搜索到一组收敛性和多样性更好的非支配解。
围绕软件项目开发过程中存在的不确定因素，建立一种考虑任务工作量不确定性的多目标软件项目调度模型。该模型采用非对称三角区间二型模糊数描述工作量的不确定性。为了提高不确定环境下的决策质量，提出一种基于策略梯度的超启发式算法求解该模型。该算法将强化学习中的一种策略梯度算法(即Actor-Critic算法)作为高层策略，根据算法的当前运行状态选择合适的低层启发式策略。同时引入优先经验回放法，以利用历史经验信息更新网络参数，加快收敛速度并降低学习成本。将所提算法与6种代表性算法在12个人工合成算例和3个实例上进行了对比。实验结果表明，所提算法在不确定调度环境中能够搜索到一组收敛性和多样性更好的非支配解。
, 最新更新时间 , doi: 10.11999/JEIT250841
摘要:
神经衰减场是一种具有前景的三维医学图像重建方法，此方法利用稀疏辐射测量实现与完整观察相接近的重构精度。本文提出了一种无监督三维医学影像分割方法，将无监督分割与神经衰减场集成为一个端到端的网络架构。具体而言，所提出的网络架构包括两个阶段：稀疏测量重建和交互式三维图像分割。两个阶段可通过联合学习自适应实现互惠优化。为解决类似肛肠等复杂病灶中边界模糊和区域过度扩展的难题，所提三维分割网络的交互式三维分割阶段设计了密度引导模块，有效利用衰减系数的先验知识，调节密度感知的注意力机制，提升三维分割泛化性能。通过与南京市中医院合作构建的结直肠癌数据集以及两个公开数据集上的大量实验证明所提出方法的优越性，例如与基于全辐射观测的SAM-MED3D算法相比，所提出的网络仅使用14%稀疏观测值，在三个数据集的平均 Dice 系数提升 2.0%。
神经衰减场是一种具有前景的三维医学图像重建方法，此方法利用稀疏辐射测量实现与完整观察相接近的重构精度。本文提出了一种无监督三维医学影像分割方法，将无监督分割与神经衰减场集成为一个端到端的网络架构。具体而言，所提出的网络架构包括两个阶段：稀疏测量重建和交互式三维图像分割。两个阶段可通过联合学习自适应实现互惠优化。为解决类似肛肠等复杂病灶中边界模糊和区域过度扩展的难题，所提三维分割网络的交互式三维分割阶段设计了密度引导模块，有效利用衰减系数的先验知识，调节密度感知的注意力机制，提升三维分割泛化性能。通过与南京市中医院合作构建的结直肠癌数据集以及两个公开数据集上的大量实验证明所提出方法的优越性，例如与基于全辐射观测的SAM-MED3D算法相比，所提出的网络仅使用14%稀疏观测值，在三个数据集的平均 Dice 系数提升 2.0%。
, 最新更新时间 , doi: 10.11999/JEIT250852
摘要:
在无人机辅助电力巡检场景中，为保障电网安全运行，无人机需实时采集并回传电网关键状态参数和图像、视频等多模态数据，控制中心基于此对电网进行调度与调控。无人机巡检任务中的数据采集与回传具有超可靠低时延和实时大带宽等通信需求。然而，无线通信资源的稀缺性和无人机能量约束使得上述异构需求难满足，进而导致巡检数据的时效性和巡检任务的有效性难保障。针对上述挑战，本文提出了数据传输调度与通信资源分配的协同优化算法，在任务性能与约束下，降低系统开销，并基于非正交多址接入技术设计长短包混合帧结构，满足异构通信需求。在无人机数据传输调度方面，将调度决策建模为马尔可夫决策过程，并将通信消耗纳入决策成本。在通信资源优化方面，联合优化长短包功率配置、短包包长和导频长度，进而在保障长包传输需求的前提下，提升短包传输的可靠性，满足异构通信需求，实现低开销的无人机电力巡检策略。仿真结果表明，该方法能够在保障传输可靠性的同时，显著降低通信成本，为无人机辅助电力巡检场景中的异构数据传输提供有效支撑。
在无人机辅助电力巡检场景中，为保障电网安全运行，无人机需实时采集并回传电网关键状态参数和图像、视频等多模态数据，控制中心基于此对电网进行调度与调控。无人机巡检任务中的数据采集与回传具有超可靠低时延和实时大带宽等通信需求。然而，无线通信资源的稀缺性和无人机能量约束使得上述异构需求难满足，进而导致巡检数据的时效性和巡检任务的有效性难保障。针对上述挑战，本文提出了数据传输调度与通信资源分配的协同优化算法，在任务性能与约束下，降低系统开销，并基于非正交多址接入技术设计长短包混合帧结构，满足异构通信需求。在无人机数据传输调度方面，将调度决策建模为马尔可夫决策过程，并将通信消耗纳入决策成本。在通信资源优化方面，联合优化长短包功率配置、短包包长和导频长度，进而在保障长包传输需求的前提下，提升短包传输的可靠性，满足异构通信需求，实现低开销的无人机电力巡检策略。仿真结果表明，该方法能够在保障传输可靠性的同时，显著降低通信成本，为无人机辅助电力巡检场景中的异构数据传输提供有效支撑。
, 最新更新时间 , doi: 10.11999/JEIT250687
摘要:
针对格基后量子密码(PQC)算法中基-2数论变换(NTT)计算效率较低以及原位计算内存访问模式复杂的问题，该文提出一种高面积效率的基-4 NTT硬件设计。首先，介绍了负包裹卷积方法的运算流程及适用条件，在此基础上提出了一种恒定几何(CG)结构的低计算复杂度基-4 NTT/INTT算法。其次，深入分析不同PQC算法中模数的共性特征，设计了基于K2-RED约简的可扩展模乘单元。最后，通过优化存储器与蝶形单元之间的数据分解与重组，提出一种基于顺序循环和阶梯循环访存的读写地址生成方案，实现了高效的无访存冲突。与传统的乒乓存储模式相比，该方案可减少12.5%的存储空间。实验结果表明，在(项数,模数位宽)分别为(256, 13)、(256, 23)和(1024 , 14)的3种配置下，该设计的面积-时间积(ATP)较现有方案分别降低56.4%、69.8%和50.3%以上，具有更高的面积效率。
针对格基后量子密码(PQC)算法中基-2数论变换(NTT)计算效率较低以及原位计算内存访问模式复杂的问题，该文提出一种高面积效率的基-4 NTT硬件设计。首先，介绍了负包裹卷积方法的运算流程及适用条件，在此基础上提出了一种恒定几何(CG)结构的低计算复杂度基-4 NTT/INTT算法。其次，深入分析不同PQC算法中模数的共性特征，设计了基于K2-RED约简的可扩展模乘单元。最后，通过优化存储器与蝶形单元之间的数据分解与重组，提出一种基于顺序循环和阶梯循环访存的读写地址生成方案，实现了高效的无访存冲突。与传统的乒乓存储模式相比，该方案可减少12.5%的存储空间。实验结果表明，在(项数,模数位宽)分别为(256, 13)、(256, 23)和(
, 最新更新时间 , doi: 10.11999/JEIT250761
摘要:
针对物联网(IoT)通信中海量设备接入、频谱资源受限与高可靠传输需求，本文在硬件损伤下，研究了双智能反射面(RIS)辅助的多天线协作非正交多址接入(NOMA)短包通信系统的可靠性能。特别的，一个RIS用于辅助多天线基站(BS)与近用户之间的通信，另一个RIS用于辅助近用户与远用户之间的通信。在最优天线选择方案下，推导出近用户和远用户平均误块率(BLER)的闭式表达式。在此基础上，进一步给出了系统有效吞吐量的闭式表达式，并在可靠性和传输时延约束下确定了使有效吞吐量最大化的最优块长。仿真结果验证了理论分析的正确性，并表明双RIS辅助传输方案相比单RIS辅助传输方案和无RIS辅助传输方案可以获得更优的性能。此外，受限于中继链路，远用户的平均BLER并不会随着BS天线数目的增加而一直减小。
针对物联网(IoT)通信中海量设备接入、频谱资源受限与高可靠传输需求，本文在硬件损伤下，研究了双智能反射面(RIS)辅助的多天线协作非正交多址接入(NOMA)短包通信系统的可靠性能。特别的，一个RIS用于辅助多天线基站(BS)与近用户之间的通信，另一个RIS用于辅助近用户与远用户之间的通信。在最优天线选择方案下，推导出近用户和远用户平均误块率(BLER)的闭式表达式。在此基础上，进一步给出了系统有效吞吐量的闭式表达式，并在可靠性和传输时延约束下确定了使有效吞吐量最大化的最优块长。仿真结果验证了理论分析的正确性，并表明双RIS辅助传输方案相比单RIS辅助传输方案和无RIS辅助传输方案可以获得更优的性能。此外，受限于中继链路，远用户的平均BLER并不会随着BS天线数目的增加而一直减小。
, 最新更新时间 , doi: 10.11999/JEIT250811
摘要:
针对有源可重构智能表面(RIS)辅助共生安全通信的系统总功耗问题，该文提出一种基于惩罚的鲁棒资源分配算法。考虑不完美的串行干扰消除，在主系统安全性、次系统可靠性，以及有源RIS的相移与功率约束下，通过联合优化发射机波束赋形向量与有源RIS反射系数矩阵，建立了一个基于线性函数模型的鲁棒系统总功耗最小化资源分配问题。利用交替优化方法将上述变量与约束高度耦合的非凸问题解耦，通过变量替换、等价转换与基于惩罚的连续凸逼近将子问题转换成凸优化问题，最后利用CVX对子问题进行求解。仿真结果表明，所提算法具有良好的收敛性，且相比经典的无源RIS，系统总功耗降低89%。
针对有源可重构智能表面(RIS)辅助共生安全通信的系统总功耗问题，该文提出一种基于惩罚的鲁棒资源分配算法。考虑不完美的串行干扰消除，在主系统安全性、次系统可靠性，以及有源RIS的相移与功率约束下，通过联合优化发射机波束赋形向量与有源RIS反射系数矩阵，建立了一个基于线性函数模型的鲁棒系统总功耗最小化资源分配问题。利用交替优化方法将上述变量与约束高度耦合的非凸问题解耦，通过变量替换、等价转换与基于惩罚的连续凸逼近将子问题转换成凸优化问题，最后利用CVX对子问题进行求解。仿真结果表明，所提算法具有良好的收敛性，且相比经典的无源RIS，系统总功耗降低89%。
, 最新更新时间 , doi: 10.11999/JEIT250828
摘要:
大模型在辅助诊断方面潜力大，但本地算力限制和云端医疗数据隐私风险制约其落地。针对此现状，提出一种云边大模型协同推理框架与算法，核心为云边协同推理智能体，集成智能路由与动态语义脱敏能力，实现边缘侧(医院端)与云端(区域云)推理任务的动态分配。智能路由机制基于问题语义特征与历史决策数据优化路径，平衡模型使用成本与诊断精度；动态语义脱敏技术通过识别与分级脱敏策略，在保证隐私安全的同时实现数据安全传输与有效推理。实验表明，该框架在医学实体理解等任务中表现优异，诊断准确率与云端大模型相当，且显著降低模型使用成本，为医疗人工智能系统提供技术范式。未来将聚焦算网资源智能调度、属地化大模型结合检索增强生成(RAG)优化，以及医疗诊断评估指标扩展。
大模型在辅助诊断方面潜力大，但本地算力限制和云端医疗数据隐私风险制约其落地。针对此现状，提出一种云边大模型协同推理框架与算法，核心为云边协同推理智能体，集成智能路由与动态语义脱敏能力，实现边缘侧(医院端)与云端(区域云)推理任务的动态分配。智能路由机制基于问题语义特征与历史决策数据优化路径，平衡模型使用成本与诊断精度；动态语义脱敏技术通过识别与分级脱敏策略，在保证隐私安全的同时实现数据安全传输与有效推理。实验表明，该框架在医学实体理解等任务中表现优异，诊断准确率与云端大模型相当，且显著降低模型使用成本，为医疗人工智能系统提供技术范式。未来将聚焦算网资源智能调度、属地化大模型结合检索增强生成(RAG)优化，以及医疗诊断评估指标扩展。
, 最新更新时间 , doi: 10.11999/JEIT250746
摘要:
基于学习策略和切换系统理论，该文研究了拒绝服务(DoS)攻击下未知信息物理系统(CPSs)的安全分析与控制问题。考虑到攻击能量有限性，采用攻击频率和持续时间来描述DoS攻击。特别地，不同于现有的安全学习方法，该文利用切换系统理论提出了一种在线模态依赖的切换-Q-学习控制新算法及相应的数据驱动安全评估新准则。首先，将休眠和活跃DoS攻击下的未知CPSs分别转化为一类含有稳定和不稳定子系统的未知切换系统。随后设计了一种新颖的在线模态依赖的切换-Q-学习算法，进而获得数据驱动的最优安全控制增益。同时通过约束子系统阶段和切换阶段的能量函数，提出了一种具有攻击频率和持续时间约束的数据驱动安全评估准则。最后通过网络化轮式机器人系统的对比实验验证了该方法的高效性和优越性。
基于学习策略和切换系统理论，该文研究了拒绝服务(DoS)攻击下未知信息物理系统(CPSs)的安全分析与控制问题。考虑到攻击能量有限性，采用攻击频率和持续时间来描述DoS攻击。特别地，不同于现有的安全学习方法，该文利用切换系统理论提出了一种在线模态依赖的切换-Q-学习控制新算法及相应的数据驱动安全评估新准则。首先，将休眠和活跃DoS攻击下的未知CPSs分别转化为一类含有稳定和不稳定子系统的未知切换系统。随后设计了一种新颖的在线模态依赖的切换-Q-学习算法，进而获得数据驱动的最优安全控制增益。同时通过约束子系统阶段和切换阶段的能量函数，提出了一种具有攻击频率和持续时间约束的数据驱动安全评估准则。最后通过网络化轮式机器人系统的对比实验验证了该方法的高效性和优越性。
, 最新更新时间
摘要:
欺骗干扰不仅会使雷达无法分辨真实目标与虚假目标，还会对真实目标的参数估计精度和跟踪性能产生极大影响。针对机载分布式雷达中的欺骗干扰鉴别问题，该文提出了一种基于相位起伏的欺骗干扰鉴别方法。该方法首先对机载分布式雷达系统中影响回波信号相位的同步误差进行校正；然后对接收到的多站回波进行精细化处理以获取多站目标散射相位矢量；最后根据真假目标散射特性差异，采用相位矢量的起伏方差鉴别真假目标。所提方法可以增强机载分布式雷达系统在复杂电磁环境中的抗干扰性能，仿真结果验证了该方法的有效性。
欺骗干扰不仅会使雷达无法分辨真实目标与虚假目标，还会对真实目标的参数估计精度和跟踪性能产生极大影响。针对机载分布式雷达中的欺骗干扰鉴别问题，该文提出了一种基于相位起伏的欺骗干扰鉴别方法。该方法首先对机载分布式雷达系统中影响回波信号相位的同步误差进行校正；然后对接收到的多站回波进行精细化处理以获取多站目标散射相位矢量；最后根据真假目标散射特性差异，采用相位矢量的起伏方差鉴别真假目标。所提方法可以增强机载分布式雷达系统在复杂电磁环境中的抗干扰性能，仿真结果验证了该方法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT250165
摘要:
协方差向量具有比原始阵列输出更高的信噪比增益，该文将远近场混合源模型扩展到协方差域，并针对稀疏重构远近场混合源定位算法时间复杂度高的问题，提出了一种基于协方差域阵列信号模型和广义近似消息传递(GAMP)-变分贝叶斯推断(VBI)的远近场混合源定位改进算法(FN-GAMP-CVBI)，实现了计算效率与定位精度的有效平衡。数值仿真表明，与现有的远近场混合源定位算法相比，该文所提算法具有更高的远近场源定位精度和较低的计算时间。湖试数据结果进一步验证了该文所提算法的高效性和有效性。
协方差向量具有比原始阵列输出更高的信噪比增益，该文将远近场混合源模型扩展到协方差域，并针对稀疏重构远近场混合源定位算法时间复杂度高的问题，提出了一种基于协方差域阵列信号模型和广义近似消息传递(GAMP)-变分贝叶斯推断(VBI)的远近场混合源定位改进算法(FN-GAMP-CVBI)，实现了计算效率与定位精度的有效平衡。数值仿真表明，与现有的远近场混合源定位算法相比，该文所提算法具有更高的远近场源定位精度和较低的计算时间。湖试数据结果进一步验证了该文所提算法的高效性和有效性。
, 最新更新时间 , doi: 10.11999/JEIT250166
摘要:
电磁辐射防护吸波材料的性能主要由厚度、最大反射损耗和有效吸收带宽决定。研究集中在金属有机框架、碳基和陶瓷吸波材料上，利用弱人工智能分析WAM(Wave absorption materials)数据集。划分训练集和测试集后进行数据增强以及相关性和主成分分析。采用决策树算法制定分类指标，发现MOFs(Metal organic frameworks)类材料的反射损耗优于碳基材料类，MOFs类材料容易满足最大反射损耗值小于-45dB。多次训练后，随机森林算法泛化性能比决策树算法好，ROC-AUC值更高。运用神经网络进行分类研究，结果表明自组织映射神经网络在分类上表现更佳，而概率神经网络效果较差。将二分类问题扩展到三分类问题后，使用非线性分类、聚类和Boosting算法，发现最大反射损耗是关键指标。进一步分析表明，WAM数据集非线性可分，模糊聚类效果较好。人工智能有助于揭示材料特性与吸波性能的关系，加速新材料研发，支持吸波材料知识图谱和知识库的建设。
电磁辐射防护吸波材料的性能主要由厚度、最大反射损耗和有效吸收带宽决定。研究集中在金属有机框架、碳基和陶瓷吸波材料上，利用弱人工智能分析WAM(Wave absorption materials)数据集。划分训练集和测试集后进行数据增强以及相关性和主成分分析。采用决策树算法制定分类指标，发现MOFs(Metal organic frameworks)类材料的反射损耗优于碳基材料类，MOFs类材料容易满足最大反射损耗值小于-45dB。多次训练后，随机森林算法泛化性能比决策树算法好，ROC-AUC值更高。运用神经网络进行分类研究，结果表明自组织映射神经网络在分类上表现更佳，而概率神经网络效果较差。将二分类问题扩展到三分类问题后，使用非线性分类、聚类和Boosting算法，发现最大反射损耗是关键指标。进一步分析表明，WAM数据集非线性可分，模糊聚类效果较好。人工智能有助于揭示材料特性与吸波性能的关系，加速新材料研发，支持吸波材料知识图谱和知识库的建设。
, 最新更新时间 , doi: 10.11999/JEIT250612
摘要:
车载元宇宙作为元宇宙与智能交通系统融合演进的新兴范式，正逐步成为汽车产业变革的重要推力。在这一背景下，智能孪生体作为覆盖车辆全生命周期并管理车载应用的数字化副本，为用户提供沉浸式车载元宇宙服务。针对车载元宇宙中孪生体迁移的服务连续性与网络安全性问题，该文提出了一种基于路侧单元(RSU)链构建的孪生体全局安全动态迁移方案，以确保在面临多种类型分布式拒绝服务(DDoS)攻击时，孪生体能够高效安全迁移。具体而言，该方案通过通信不中断机制构建可靠RSU链集合，实现孪生体在不同RSU间的无缝迁移。然后，将全局迁移过程建模为部分可观测马尔可夫决策过程，综合考虑RSU负载、计算能力及攻击类型等动态环境因素。最后，利用多智能体深度Q网络算法对安全迁移优化问题进行求解。实验结果表明，在多种DDoS攻击场景下所提方案显著提升了迁移过程的效率与安全性，使孪生体有效避免与受攻击的RSU连接，从而保障全局迁移的高效可靠性。
车载元宇宙作为元宇宙与智能交通系统融合演进的新兴范式，正逐步成为汽车产业变革的重要推力。在这一背景下，智能孪生体作为覆盖车辆全生命周期并管理车载应用的数字化副本，为用户提供沉浸式车载元宇宙服务。针对车载元宇宙中孪生体迁移的服务连续性与网络安全性问题，该文提出了一种基于路侧单元(RSU)链构建的孪生体全局安全动态迁移方案，以确保在面临多种类型分布式拒绝服务(DDoS)攻击时，孪生体能够高效安全迁移。具体而言，该方案通过通信不中断机制构建可靠RSU链集合，实现孪生体在不同RSU间的无缝迁移。然后，将全局迁移过程建模为部分可观测马尔可夫决策过程，综合考虑RSU负载、计算能力及攻击类型等动态环境因素。最后，利用多智能体深度Q网络算法对安全迁移优化问题进行求解。实验结果表明，在多种DDoS攻击场景下所提方案显著提升了迁移过程的效率与安全性，使孪生体有效避免与受攻击的RSU连接，从而保障全局迁移的高效可靠性。
, 最新更新时间 , doi: 10.11999/JEIT250887
摘要:
本研究提出了一种基于正弦约束的类Rulkov超混沌映射(SRHC)系统，并将其应用于全覆盖路径规划算法(SRHC-CCPP)中，以解决智能机器人在复杂任务场景中的全覆盖路径规划问题。通过引入超混沌序列，该算法显著提升了机器人运动路径的随机性和动态性，避免了传统算法因规律性过强而可能陷入局部循环的问题。同时，结合记忆效应，算法能够动态记录网格访问历史，优先覆盖未访问区域，从而有效减少重复访问，提升覆盖效率。在障碍物处理方面，设计了碰撞检测与法线向量反射机制，使机器人能够灵活应对复杂环境中的障碍物干扰，并通过轻微扰动避免局部振荡。实验结果表明，SRHC-CCPP算法在无障碍和有障碍物条件下均表现出较高的覆盖速度和均匀性，展现了良好的初始值敏感性和鲁棒性。此外，算法的计算复杂度较低，适合大规模应用场景。本研究为智能机器人在灾区救援、火灾扑灭及未知地域勘探等高风险任务中的应用提供了新的技术支持。
本研究提出了一种基于正弦约束的类Rulkov超混沌映射(SRHC)系统，并将其应用于全覆盖路径规划算法(SRHC-CCPP)中，以解决智能机器人在复杂任务场景中的全覆盖路径规划问题。通过引入超混沌序列，该算法显著提升了机器人运动路径的随机性和动态性，避免了传统算法因规律性过强而可能陷入局部循环的问题。同时，结合记忆效应，算法能够动态记录网格访问历史，优先覆盖未访问区域，从而有效减少重复访问，提升覆盖效率。在障碍物处理方面，设计了碰撞检测与法线向量反射机制，使机器人能够灵活应对复杂环境中的障碍物干扰，并通过轻微扰动避免局部振荡。实验结果表明，SRHC-CCPP算法在无障碍和有障碍物条件下均表现出较高的覆盖速度和均匀性，展现了良好的初始值敏感性和鲁棒性。此外，算法的计算复杂度较低，适合大规模应用场景。本研究为智能机器人在灾区救援、火灾扑灭及未知地域勘探等高风险任务中的应用提供了新的技术支持。
, 最新更新时间 , doi: 10.11999/JEIT250350
摘要:
针对波达方向(Direction Of Arrival, DOA)估计在实际测向系统中系统复杂度受接收通道数目影响的问题，该文提出了一种基于FRIDA(Finite Rate of Innovation Direction-of-Arrival)的多通道切换阵列DOA估计算法。该算法首先利用开关将特定子阵接收的数据传输至通道从而减少测向系统中使用的通道数目，然后通过切换不同的子阵接入通道并采样得到多个少通道接收数据协方差矩阵，利用这些协方差矩阵重构出全通道接收数据向量，以此来构建基于有限新息率(Finite Rate of Innovation, FRI)的DOA估计模型，最后通过近端梯度下降算法获得信号入射方向的估计结果。仿真实验与对实测数据的实验验证了该算法优于同等条件下的其它算法。
针对波达方向(Direction Of Arrival, DOA)估计在实际测向系统中系统复杂度受接收通道数目影响的问题，该文提出了一种基于FRIDA(Finite Rate of Innovation Direction-of-Arrival)的多通道切换阵列DOA估计算法。该算法首先利用开关将特定子阵接收的数据传输至通道从而减少测向系统中使用的通道数目，然后通过切换不同的子阵接入通道并采样得到多个少通道接收数据协方差矩阵，利用这些协方差矩阵重构出全通道接收数据向量，以此来构建基于有限新息率(Finite Rate of Innovation, FRI)的DOA估计模型，最后通过近端梯度下降算法获得信号入射方向的估计结果。仿真实验与对实测数据的实验验证了该算法优于同等条件下的其它算法。
, 最新更新时间 , doi: 10.11999/JEIT250637
摘要:
智能超表面通常采用有线供电方式，电源线就像一条“尾巴”，严重限制了智能超表面在室外部署的机动灵活性。本文聚焦智能超表面与射频能量采集技术结合的自供能智能超表面(Self-sustainable Intelligent Metasurface，SIM)，针对SIM面临的能量与信息双重中断挑战，分别提出基于静态无线供电和基于动态无线供电的SIM通信策略，探究两种策略下非放大型SIM和放大型SIM(即U-SIM和A-SIM)的通信机理；分别从通信可靠性和安全性两个角度提出并分析所提策略下U-SIM和A-SIM的能量与信息一体化性能，即能量与信息联合中断概率、联合截获概率。结果表明，动态无线供电策略可有效缓解采集能量不足导致的SIM通信可靠性问题；A-SIM的噪声放大虽然会抑制其通信可靠性提升，但也会增强通信安全性；静态或动态同一策略下，随SIM反射单元数增多，A-SIM安全性更好，U-SIM可靠性更好。
智能超表面通常采用有线供电方式，电源线就像一条“尾巴”，严重限制了智能超表面在室外部署的机动灵活性。本文聚焦智能超表面与射频能量采集技术结合的自供能智能超表面(Self-sustainable Intelligent Metasurface，SIM)，针对SIM面临的能量与信息双重中断挑战，分别提出基于静态无线供电和基于动态无线供电的SIM通信策略，探究两种策略下非放大型SIM和放大型SIM(即U-SIM和A-SIM)的通信机理；分别从通信可靠性和安全性两个角度提出并分析所提策略下U-SIM和A-SIM的能量与信息一体化性能，即能量与信息联合中断概率、联合截获概率。结果表明，动态无线供电策略可有效缓解采集能量不足导致的SIM通信可靠性问题；A-SIM的噪声放大虽然会抑制其通信可靠性提升，但也会增强通信安全性；静态或动态同一策略下，随SIM反射单元数增多，A-SIM安全性更好，U-SIM可靠性更好。
, 最新更新时间 , doi: 10.11999/JEIT250455
摘要:
近年来，基于残差学习的单幅图像细节增强算法备受关注，其通过更新残差层来拟合图像细节层，并与原图像线性叠加实现图像细节增强。然而，此更新过程使用的方法是贪心算法，极易使系统陷入局部最优解，进而限制了系统性能。鉴于此，受行星运动规律的启发，本研究将残差更新类比为行星空间位置的动态调整，借鉴开普勒定律，通过计算确定行星的全局最优位置，进而实现残差层的精准更新。具体而言，将输入图像分块，对每个原始图像块，将其候选图像块视为“行星”，最佳匹配块视为“恒星”。通过计算每个“行星”与原始图像块之间的差异、“行星”的速度和“恒星”的引力，更新“行星”和“恒星”的位置，直至“恒星”的位置达到收敛状态，确定全局最佳匹配块的位置。实验结果显示，本研究提出的算法在视觉效果及量化评估方面均优于当前方法。值得一提的是，在BSDS200数据集4倍增强因子的结果中，本研究提出的方法比当前流行方法QWLS的量化指标PSNR和SSIM分别高出1.51 dB和0.0413 ，彰显了本研究算法的优越性。
近年来，基于残差学习的单幅图像细节增强算法备受关注，其通过更新残差层来拟合图像细节层，并与原图像线性叠加实现图像细节增强。然而，此更新过程使用的方法是贪心算法，极易使系统陷入局部最优解，进而限制了系统性能。鉴于此，受行星运动规律的启发，本研究将残差更新类比为行星空间位置的动态调整，借鉴开普勒定律，通过计算确定行星的全局最优位置，进而实现残差层的精准更新。具体而言，将输入图像分块，对每个原始图像块，将其候选图像块视为“行星”，最佳匹配块视为“恒星”。通过计算每个“行星”与原始图像块之间的差异、“行星”的速度和“恒星”的引力，更新“行星”和“恒星”的位置，直至“恒星”的位置达到收敛状态，确定全局最佳匹配块的位置。实验结果显示，本研究提出的算法在视觉效果及量化评估方面均优于当前方法。值得一提的是，在BSDS200数据集4倍增强因子的结果中，本研究提出的方法比当前流行方法QWLS的量化指标PSNR和SSIM分别高出1.51 dB和
, 最新更新时间 , doi: 10.11999/JEIT250476
摘要:
针对换衣行人重识别(CC Re-ID)任务中存在的有效特征提取困难和训练样本不足的问题，提出了一种融合三重感知细粒度重构的换衣行人重识别方法，利用细粒度纹理感知模块处理后的纹理特征与深度特征进行拼接，提高服装变化下的识别能力，引入Transformer注意力机制的ResFormer50网络增强模型对图像特征提取的感知能力，通过自适应混合池化模块(AHP)进行通道级自主感知聚合，对特征进行深层次细粒度挖掘，从而达到整体表征一致性与服装变化泛化性并重的效果。新的自适应细粒度重构策略(AFR)通过细粒度级别的对抗性扰动与选择性重构，在不依赖显式监督的前提下，显著提升模型对服装变换、局部细节扰动的鲁棒性和泛化能力，从而提高模型在实际场景中的识别准确率。大量实验结果表明了所提方法的有效性，在LTCC和PRCC数据集换衣场景下，Rank-1/mAP分别达到了45.6%/19.8%和70.6%/69.1%，优于同类前沿方法。
针对换衣行人重识别(CC Re-ID)任务中存在的有效特征提取困难和训练样本不足的问题，提出了一种融合三重感知细粒度重构的换衣行人重识别方法，利用细粒度纹理感知模块处理后的纹理特征与深度特征进行拼接，提高服装变化下的识别能力，引入Transformer注意力机制的ResFormer50网络增强模型对图像特征提取的感知能力，通过自适应混合池化模块(AHP)进行通道级自主感知聚合，对特征进行深层次细粒度挖掘，从而达到整体表征一致性与服装变化泛化性并重的效果。新的自适应细粒度重构策略(AFR)通过细粒度级别的对抗性扰动与选择性重构，在不依赖显式监督的前提下，显著提升模型对服装变换、局部细节扰动的鲁棒性和泛化能力，从而提高模型在实际场景中的识别准确率。大量实验结果表明了所提方法的有效性，在LTCC和PRCC数据集换衣场景下，Rank-1/mAP分别达到了45.6%/19.8%和70.6%/69.1%，优于同类前沿方法。
, 最新更新时间 , doi: 10.11999/JEIT250554
摘要:
当前无人机集群在复杂战场环境中的高效突防与生存能力着重依赖于精确的航迹规划，然而动态威胁环境下多种探测与拦截手段的存在，使得传统航迹规划难以同时满足隐身性、可行性和安全性要求。为此，本文提出一种动态威胁下基于改进人工势场(Artificial Potential Field, APF)与快速随机扩展树星(Rapidly-Exploring Random Trees Star, RRT*)算法的无人机集群隐身航迹规划算法。首先，构建包含雷达、高射炮及固定障碍物的多元威胁环境模型，并结合无人机雷达散射截面(Radar Cross Section, RCS)，推导包含航程、组网雷达检测概率及高射炮威胁概率的无人机集群隐身航迹规划综合代价函数。其次，以最小化无人机集群隐身航迹规划的综合代价函数为优化目标，结合航迹可行性判定和无人机集群动力学等限制为约束条件，构建动态威胁下无人机集群隐身航迹规划模型。最后，提出了一种改进APF-RRT*算法，并对上述优化模型进行求解。仿真结果表明，所提算法在保证航迹可行性及动力学约束的前提下，相较于现有方法能够有效降低无人机集群的综合代价，提高了无人机集群航迹的隐身性能，实现更优的协同突防效果。
当前无人机集群在复杂战场环境中的高效突防与生存能力着重依赖于精确的航迹规划，然而动态威胁环境下多种探测与拦截手段的存在，使得传统航迹规划难以同时满足隐身性、可行性和安全性要求。为此，本文提出一种动态威胁下基于改进人工势场(Artificial Potential Field, APF)与快速随机扩展树星(Rapidly-Exploring Random Trees Star, RRT*)算法的无人机集群隐身航迹规划算法。首先，构建包含雷达、高射炮及固定障碍物的多元威胁环境模型，并结合无人机雷达散射截面(Radar Cross Section, RCS)，推导包含航程、组网雷达检测概率及高射炮威胁概率的无人机集群隐身航迹规划综合代价函数。其次，以最小化无人机集群隐身航迹规划的综合代价函数为优化目标，结合航迹可行性判定和无人机集群动力学等限制为约束条件，构建动态威胁下无人机集群隐身航迹规划模型。最后，提出了一种改进APF-RRT*算法，并对上述优化模型进行求解。仿真结果表明，所提算法在保证航迹可行性及动力学约束的前提下，相较于现有方法能够有效降低无人机集群的综合代价，提高了无人机集群航迹的隐身性能，实现更优的协同突防效果。
, 最新更新时间 , doi: 10.11999/JEIT250655
摘要:
无蜂窝大规模多输入多输出(Cell-free massive Multiple-input Multiple-output, CF-mMIMO)系统需要支持大量用户接入，这使得信道估计变得更加复杂。基于常规导频配置的信道估计方法占用较大开销，使得数据传输可用符号大大减少，导致传输速率下降，该问题在短包传输场景中尤为明显。对此，该文研究了CF-mMIMO系统中基于叠加导频(Superimposed Pilots, SP)的下行短包传输方案。首先，基于最大比传输预编码方案，在非完美信道状态信息下推导了下行可达速率的闭式表达式。为了减小SP配置下导频与数据之间的干扰，进一步提出了基于几何规划和连续凸近似的迭代优化算法，以优化导频和数据间的功率分配。最后，仿真结果验证了下行可达速率闭式表达式的正确性，并表明所提的SP功率优化算法能够显著提高短包传输性能。
无蜂窝大规模多输入多输出(Cell-free massive Multiple-input Multiple-output, CF-mMIMO)系统需要支持大量用户接入，这使得信道估计变得更加复杂。基于常规导频配置的信道估计方法占用较大开销，使得数据传输可用符号大大减少，导致传输速率下降，该问题在短包传输场景中尤为明显。对此，该文研究了CF-mMIMO系统中基于叠加导频(Superimposed Pilots, SP)的下行短包传输方案。首先，基于最大比传输预编码方案，在非完美信道状态信息下推导了下行可达速率的闭式表达式。为了减小SP配置下导频与数据之间的干扰，进一步提出了基于几何规划和连续凸近似的迭代优化算法，以优化导频和数据间的功率分配。最后，仿真结果验证了下行可达速率闭式表达式的正确性，并表明所提的SP功率优化算法能够显著提高短包传输性能。
, 最新更新时间 , doi: 10.11999/JEIT250396
摘要:
针对毫米波Massive MIMO系统中混合波束成形算法存在的复杂度高、运行时间长、能量效率低的问题，该文提出一种基于黎曼流形优化与非单调线性搜索的混合波束成形算法(MO-NMLS)。该算法首先采用数字预编码器的最小二乘解重构目标函数，以降低求解维度；其次构建黎曼流形计算新目标函数的黎曼梯度，从而将模拟域的恒模约束转化为无约束优化；然后基于当前迭代点与历史迭代点梯度信息的非单调线性搜索算法计算动态步长因子，以提升数字预编码器的收敛速度；最后采用数字预编码器优化模拟预编码器，以实现混合预编码器的迭代更新。仿真结果表明，在全连接结构下，所提算法在保持等效频谱效率时，相比CG算法减少了75.3%的运行时间；尤其是在重叠子阵结构子阵偏移量为8时，所提算法的能量效率较全连接结构提升了10.9%。
针对毫米波Massive MIMO系统中混合波束成形算法存在的复杂度高、运行时间长、能量效率低的问题，该文提出一种基于黎曼流形优化与非单调线性搜索的混合波束成形算法(MO-NMLS)。该算法首先采用数字预编码器的最小二乘解重构目标函数，以降低求解维度；其次构建黎曼流形计算新目标函数的黎曼梯度，从而将模拟域的恒模约束转化为无约束优化；然后基于当前迭代点与历史迭代点梯度信息的非单调线性搜索算法计算动态步长因子，以提升数字预编码器的收敛速度；最后采用数字预编码器优化模拟预编码器，以实现混合预编码器的迭代更新。仿真结果表明，在全连接结构下，所提算法在保持等效频谱效率时，相比CG算法减少了75.3%的运行时间；尤其是在重叠子阵结构子阵偏移量为8时，所提算法的能量效率较全连接结构提升了10.9%。
, 最新更新时间 , doi: 10.11999/JEIT250806
摘要:
随着云网融合技术的发展，多样化的网络业务需求催生了对多模态网络报文柔性化处理的需求。本文提出了一种基于多模态网元抽象模型与前-中-后端三段式编译架构的协议报文柔性化处理编译机制，通过中间表示切片算法将多种网络模态混合的处理逻辑拆解并映射至ASIC、FPGA、CPU等异构硬件资源上，构建支持自定义配置的柔性流水线以适应不同的网络业务传输要求。本文详细介绍该架构的设计理念、中间表示结构及中间表示切片算法，并验证所提出的柔性流水线在构造效果和功能满足方面的优越性。实验表明，该机制能构建从1段到5段等多种流水线样式，在原型系统上实现的多模态处理流水线平均延迟最低可达15.48us。因此，该机制能够有效提升网络服务的灵活性和效率，为超融合云网环境下的网络报文处理提供了新的思路。
随着云网融合技术的发展，多样化的网络业务需求催生了对多模态网络报文柔性化处理的需求。本文提出了一种基于多模态网元抽象模型与前-中-后端三段式编译架构的协议报文柔性化处理编译机制，通过中间表示切片算法将多种网络模态混合的处理逻辑拆解并映射至ASIC、FPGA、CPU等异构硬件资源上，构建支持自定义配置的柔性流水线以适应不同的网络业务传输要求。本文详细介绍该架构的设计理念、中间表示结构及中间表示切片算法，并验证所提出的柔性流水线在构造效果和功能满足方面的优越性。实验表明，该机制能构建从1段到5段等多种流水线样式，在原型系统上实现的多模态处理流水线平均延迟最低可达15.48us。因此，该机制能够有效提升网络服务的灵活性和效率，为超融合云网环境下的网络报文处理提供了新的思路。
, 最新更新时间 , doi: 10.11999/JEIT250747
摘要:
随着低空物联网的发展，低空经济逐渐成为国家战略性新兴产业。面向低空经济的通感一体化技术能够在复杂环境中执行多任务协同操作，可显著提升无人机的安全性、灵活性和多场景适应性。本文系统综述面向低空经济的通感一体化关键技术。首先，概述了通感一体化和低空经济的理论基础，并讨论面向低空经济的通感一体化技术的优势；然后，探讨隐蔽通信、智能反射面、毫米波通信等第6代(6G)网络关键前沿技术在面向低空经济的通感一体化网络中的潜在应用；最后，总结了未来面向低空经济的通感一体化技术的关键挑战和研究方向。
随着低空物联网的发展，低空经济逐渐成为国家战略性新兴产业。面向低空经济的通感一体化技术能够在复杂环境中执行多任务协同操作，可显著提升无人机的安全性、灵活性和多场景适应性。本文系统综述面向低空经济的通感一体化关键技术。首先，概述了通感一体化和低空经济的理论基础，并讨论面向低空经济的通感一体化技术的优势；然后，探讨隐蔽通信、智能反射面、毫米波通信等第6代(6G)网络关键前沿技术在面向低空经济的通感一体化网络中的潜在应用；最后，总结了未来面向低空经济的通感一体化技术的关键挑战和研究方向。
, 最新更新时间 , doi: 10.11999/JEIT250552
摘要:
针对量子纠错码中置信传播-顺序统计译码(BP-OSD)在单一归一化因子下搜索空间受限、易陷入局部最优而影响性能的问题，该文提出一种兼顾复杂度且提升译码性能的改进方案。所提增强型BP-OSD算法的核心思想是在前处理BP译码阶段对归一化因子\begin{document}$ \alpha $\end{document} \begin{document}$ \alpha $\end{document} \begin{document}$ \alpha $\end{document}
针对量子纠错码中置信传播-顺序统计译码(BP-OSD)在单一归一化因子下搜索空间受限、易陷入局部最优而影响性能的问题，该文提出一种兼顾复杂度且提升译码性能的改进方案。所提增强型BP-OSD算法的核心思想是在前处理BP译码阶段对归一化因子
, 最新更新时间 , doi: 10.11999/JEIT250132
摘要:
当前，后端编译器相关工作主要针对软件可编程交换机(BMv2)、现场可编程门阵列(FPGA)、Intel Tofino系列芯片等可编程设备进行设计和优化，不适用于国产盛科TsingMa.MX交换芯片上多模态网络程序的编译。为此，本文提出面向TsingMa.MX交换芯片的多模态网络后端编译器p4c-TsingMa，实现了高级网络编程语言到TsingMa.MX交换芯片的编译，使TsingMa.MX交换芯片同时支持多种网络模态报文的解析与转发。p4c-TsingMa首先使用先序遍历方法从中间表示中提取出协议类型、协议字段、动作等关键信息，然后根据所提取的信息进行指令转译，最终生成TsingMa.MX芯片控制命令。同时，p4c-TsingMa采用用户自定义字段(UDF)合并方法，将不同网络模态的匹配指令合并在一个查找表中，从而一次提取多个模态的匹配项，提高芯片资源利用率。实验结果表明，p4c-TsingMa可实现对多种网络模态程序的正确编译，相较于未启用 UDF 表项合并算法、单端口独立配置各模态UDF规则的场景，其可将寄存器资源利用率提升37.5%～75%。
当前，后端编译器相关工作主要针对软件可编程交换机(BMv2)、现场可编程门阵列(FPGA)、Intel Tofino系列芯片等可编程设备进行设计和优化，不适用于国产盛科TsingMa.MX交换芯片上多模态网络程序的编译。为此，本文提出面向TsingMa.MX交换芯片的多模态网络后端编译器p4c-TsingMa，实现了高级网络编程语言到TsingMa.MX交换芯片的编译，使TsingMa.MX交换芯片同时支持多种网络模态报文的解析与转发。p4c-TsingMa首先使用先序遍历方法从中间表示中提取出协议类型、协议字段、动作等关键信息，然后根据所提取的信息进行指令转译，最终生成TsingMa.MX芯片控制命令。同时，p4c-TsingMa采用用户自定义字段(UDF)合并方法，将不同网络模态的匹配指令合并在一个查找表中，从而一次提取多个模态的匹配项，提高芯片资源利用率。实验结果表明，p4c-TsingMa可实现对多种网络模态程序的正确编译，相较于未启用 UDF 表项合并算法、单端口独立配置各模态UDF规则的场景，其可将寄存器资源利用率提升37.5%～75%。
, 最新更新时间 , doi: 10.11999/JEIT250530
摘要:
针对毫米波通信系统中传统波束管理方法在动态场景下面临的高时延问题以及视觉辅助波束预测技术在恶劣环境下性能显著退化的问题，该文提出一种基于测试时间自适应(TTA)的夜间图像辅助波束预测方法。毫米波通信依赖大规模多进多出(MIMO)技术实现高增益窄波束对准，但传统波束扫描机制存在指数级复杂度与时延瓶颈，难以满足车联网等高动态场景需求。现有视觉辅助方法通过深度学习模型提取图像特征并映射波束参数，但在低照度、雨雾等突发恶劣环境下，因训练数据与实时图像特征分布偏移导致预测精度急剧下降。该文创新性地引入测试时间自适应机制，突破传统静态推理模式，仅需在推理阶段对实时采集的低质量图像执行模型的单次梯度反向传播，即可实现跨域特征分布动态对齐，无需预先采集或标注恶劣场景数据。具体而言，设计基于熵最小化的一致性学习策略，通过对原始视图与数据增强视图的预测一致性约束，驱动模型参数向预测置信度最大化方向迭代更新，降低预测不确定性。实验表明，在真实夜间场景下，该文所提方法的top-3波束预测准确率达93.01%，较静态部署方案提升约25%，且显著优于传统低光照增强方法。该方法充分利用基站固定部署场景中背景语义的跨域一致性特性，通过轻量化在线自适应机制实现模型鲁棒性增强，为毫米波通信系统在复杂开放环境中的高效波束管理提供了新路径。
针对毫米波通信系统中传统波束管理方法在动态场景下面临的高时延问题以及视觉辅助波束预测技术在恶劣环境下性能显著退化的问题，该文提出一种基于测试时间自适应(TTA)的夜间图像辅助波束预测方法。毫米波通信依赖大规模多进多出(MIMO)技术实现高增益窄波束对准，但传统波束扫描机制存在指数级复杂度与时延瓶颈，难以满足车联网等高动态场景需求。现有视觉辅助方法通过深度学习模型提取图像特征并映射波束参数，但在低照度、雨雾等突发恶劣环境下，因训练数据与实时图像特征分布偏移导致预测精度急剧下降。该文创新性地引入测试时间自适应机制，突破传统静态推理模式，仅需在推理阶段对实时采集的低质量图像执行模型的单次梯度反向传播，即可实现跨域特征分布动态对齐，无需预先采集或标注恶劣场景数据。具体而言，设计基于熵最小化的一致性学习策略，通过对原始视图与数据增强视图的预测一致性约束，驱动模型参数向预测置信度最大化方向迭代更新，降低预测不确定性。实验表明，在真实夜间场景下，该文所提方法的top-3波束预测准确率达93.01%，较静态部署方案提升约25%，且显著优于传统低光照增强方法。该方法充分利用基站固定部署场景中背景语义的跨域一致性特性，通过轻量化在线自适应机制实现模型鲁棒性增强，为毫米波通信系统在复杂开放环境中的高效波束管理提供了新路径。
, 最新更新时间 , doi: 10.11999/JEIT250425
摘要:
空间众包任务分配依托平台将具有地理位置属性的任务指派给周边工人，然而工人在上传实时位置信息过程中，行踪易被泄露或滥用，存在隐私风险。现有方法虽采用可信第3方或差分隐私进行位置扰动，但在多技能任务及技能分布不均场景下难以兼顾隐私保护与分配效率。为此，该文提出一种融合隐私保护与技能感知的协同分配算法。首先采用截断拉普拉斯机制对工人位置加噪，在满足本地差分隐私的同时降低定位偏差；其次引入基于信息熵的技能多样性评估指标，并设计动态策略优化工人集合技能分布；最后再构建基于技能贡献值的贪婪算法，并结合时空与预算约束提出3种剪枝策略提升计算效率。实验结果表明，该方法在服务质量损失、任务完成率与平均预算剩余率等方面表现优良，实现了隐私保护与任务分配效率之间的有效平衡。
空间众包任务分配依托平台将具有地理位置属性的任务指派给周边工人，然而工人在上传实时位置信息过程中，行踪易被泄露或滥用，存在隐私风险。现有方法虽采用可信第3方或差分隐私进行位置扰动，但在多技能任务及技能分布不均场景下难以兼顾隐私保护与分配效率。为此，该文提出一种融合隐私保护与技能感知的协同分配算法。首先采用截断拉普拉斯机制对工人位置加噪，在满足本地差分隐私的同时降低定位偏差；其次引入基于信息熵的技能多样性评估指标，并设计动态策略优化工人集合技能分布；最后再构建基于技能贡献值的贪婪算法，并结合时空与预算约束提出3种剪枝策略提升计算效率。实验结果表明，该方法在服务质量损失、任务完成率与平均预算剩余率等方面表现优良，实现了隐私保护与任务分配效率之间的有效平衡。
, 最新更新时间 , doi: 10.11999/JEIT250540
摘要:
聚焦深度估计(DFF)通过分析图像中各像素的焦点变化来推断场景深度，任务的关键在于定位焦堆栈中的最佳聚焦像素点。然而弱纹理区域中焦点变化通常较为细微，导致聚焦区域检测困难，影响深度估计的准确性。因此，该文提出了一种结合聚焦度量与上下文信息的焦堆栈深度估计网络，方法能够精确识别焦堆栈中最佳聚焦像素，并推断出可靠的深度图。文中将聚焦度量算子概念融入深度学习框架，通过增强聚焦区域的特征表达，提升网络对弱纹理区域细微焦点变化的感知能力。此外，文章引入语义上下文引导机制，利用整合的场景语义信息，指导焦点体积的滤波优化。这使网络能同时捕获局部焦点细节与全局上下文信息，实现对弱纹理区域焦点状态的全面推断。综合实验结果，所提出的模型在主观质量和客观指标相比其他算法都有明显提升，具有良好的泛化能力。
聚焦深度估计(DFF)通过分析图像中各像素的焦点变化来推断场景深度，任务的关键在于定位焦堆栈中的最佳聚焦像素点。然而弱纹理区域中焦点变化通常较为细微，导致聚焦区域检测困难，影响深度估计的准确性。因此，该文提出了一种结合聚焦度量与上下文信息的焦堆栈深度估计网络，方法能够精确识别焦堆栈中最佳聚焦像素，并推断出可靠的深度图。文中将聚焦度量算子概念融入深度学习框架，通过增强聚焦区域的特征表达，提升网络对弱纹理区域细微焦点变化的感知能力。此外，文章引入语义上下文引导机制，利用整合的场景语义信息，指导焦点体积的滤波优化。这使网络能同时捕获局部焦点细节与全局上下文信息，实现对弱纹理区域焦点状态的全面推断。综合实验结果，所提出的模型在主观质量和客观指标相比其他算法都有明显提升，具有良好的泛化能力。
, 最新更新时间 , doi: 10.11999/JEIT250667
摘要:
在轨目标天基逆合成孔径雷达(ISAR)成像技术的发展为空间态势感知提供了关键技术支撑。针对天基ISAR空间目标成像中复杂相对运动导致的高阶三维空变距离徙动与相位误差问题，该文提出一种联合高分辨成像与姿态反演的态势感知算法，从而实现更为全面的空间目标状态评估过程。该文首先对卫星目标的成像特性进行分析，建立了目标多普勒参数与图像域散射点间的映射模型，并对空变多普勒参数的空间分布进行估计与重建；进而设计自适应区域分割机制实现三维空时误差的区域化一致性补偿，显著提升成像分辨率，同时基于卫星平面部件成像特性推导多普勒参数与卫星姿态间的显式关联，采用主成分分析法直接拟合平面系数反演目标姿态，避免依赖于传统的矩形状部件分割方法；最后，该文通过不同成像条件下的仿真结果验证了文中算法的有效性。
在轨目标天基逆合成孔径雷达(ISAR)成像技术的发展为空间态势感知提供了关键技术支撑。针对天基ISAR空间目标成像中复杂相对运动导致的高阶三维空变距离徙动与相位误差问题，该文提出一种联合高分辨成像与姿态反演的态势感知算法，从而实现更为全面的空间目标状态评估过程。该文首先对卫星目标的成像特性进行分析，建立了目标多普勒参数与图像域散射点间的映射模型，并对空变多普勒参数的空间分布进行估计与重建；进而设计自适应区域分割机制实现三维空时误差的区域化一致性补偿，显著提升成像分辨率，同时基于卫星平面部件成像特性推导多普勒参数与卫星姿态间的显式关联，采用主成分分析法直接拟合平面系数反演目标姿态，避免依赖于传统的矩形状部件分割方法；最后，该文通过不同成像条件下的仿真结果验证了文中算法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT250533
摘要:
随着智能物联网的出现，海量物联网设备间的短包通信在低时延、高可靠和极短数据包长方面的严苛要求给信道编译码方案的设计带来了新的挑战。极化调整卷积(PAC)码在短码长下的某些码型下具有接近散度近似(DA)的纠错性能，但其极高的译码运算复杂度限制了在短包通信中的应用。针对这一问题，该文提出了低复杂度Fano序贯(LC-FS)译码算法和低复杂度堆栈(LC-S)译码算法。首先，LC-FS译码算法将译码码树中的特殊节点分为低码率和高码率两类，并提出了相应的特殊节点译码器和回溯策略，从而在译码码树更高层完成译码以避免冗余运算。其次，LC-FS译码算法中的特殊节点分类方法被扩展到堆栈类译码算法，进一步提出了LC-S译码算法。该算法在保留堆栈类译码算法低回溯次数特点的同时具有更低的运算复杂度。最后，仿真结果表明在对码长为256和信息长度为128的PAC码进行译码时，相较于快速Fano序贯(FFS)译码算法和传统堆栈译码算法，所提LC-FS译码算法和LC-S译码算法在保证纠错性能基本无损的同时运算复杂度平均降低了13.77%和56.48%。
随着智能物联网的出现，海量物联网设备间的短包通信在低时延、高可靠和极短数据包长方面的严苛要求给信道编译码方案的设计带来了新的挑战。极化调整卷积(PAC)码在短码长下的某些码型下具有接近散度近似(DA)的纠错性能，但其极高的译码运算复杂度限制了在短包通信中的应用。针对这一问题，该文提出了低复杂度Fano序贯(LC-FS)译码算法和低复杂度堆栈(LC-S)译码算法。首先，LC-FS译码算法将译码码树中的特殊节点分为低码率和高码率两类，并提出了相应的特殊节点译码器和回溯策略，从而在译码码树更高层完成译码以避免冗余运算。其次，LC-FS译码算法中的特殊节点分类方法被扩展到堆栈类译码算法，进一步提出了LC-S译码算法。该算法在保留堆栈类译码算法低回溯次数特点的同时具有更低的运算复杂度。最后，仿真结果表明在对码长为256和信息长度为128的PAC码进行译码时，相较于快速Fano序贯(FFS)译码算法和传统堆栈译码算法，所提LC-FS译码算法和LC-S译码算法在保证纠错性能基本无损的同时运算复杂度平均降低了13.77%和56.48%。
, 最新更新时间 , doi: 10.11999/JEIT250649
摘要:
多模态情感分析(MSA)通过多种模态信息来全面揭示人类情感状态。现有MSA研究在面临现实世界中的复杂场景时，仍然面临两方面的关键挑战:(1)忽略了现实世界复杂场景下的模态信息缺失，以及模型鲁棒性问题。(2)缺乏模态间丰富的高阶语义关联学习和跨模态信息传递机制。为了克服这些问题，该文提出一种带全局噪声增强的多模态超图学习引导情感分析方法(MHLGNE)，旨在增强现实世界复杂场景中模态信息缺失条件下的多模态情感分析性能。具体而言，MHLGNE通过专门设计的自适应全局噪声采样模块从全局视角补充缺失的模态信息，从而增强模型的鲁棒性，并提高泛化能力。此外，还提出一个多模态超图学习引导模块来学习模态间丰富的高阶语义关联并引导跨模态信息传递。在公共数据集上的大量实验评估表明，MHLGNE在克服这些挑战方面表现优异。
多模态情感分析(MSA)通过多种模态信息来全面揭示人类情感状态。现有MSA研究在面临现实世界中的复杂场景时，仍然面临两方面的关键挑战:(1)忽略了现实世界复杂场景下的模态信息缺失，以及模型鲁棒性问题。(2)缺乏模态间丰富的高阶语义关联学习和跨模态信息传递机制。为了克服这些问题，该文提出一种带全局噪声增强的多模态超图学习引导情感分析方法(MHLGNE)，旨在增强现实世界复杂场景中模态信息缺失条件下的多模态情感分析性能。具体而言，MHLGNE通过专门设计的自适应全局噪声采样模块从全局视角补充缺失的模态信息，从而增强模型的鲁棒性，并提高泛化能力。此外，还提出一个多模态超图学习引导模块来学习模态间丰富的高阶语义关联并引导跨模态信息传递。在公共数据集上的大量实验评估表明，MHLGNE在克服这些挑战方面表现优异。
, 最新更新时间 , doi: 10.11999/JEIT250694
摘要:
针对自然灾害应急救援中无人机路径规划面临的复杂约束和时效性要求，该文提出一种熵增强量子涟漪协同优化算法(E2QRSA)。该文构建了以受困人员生存概率最大化为目标的数学模型，将生存概率随时间指数衰减的特征融入目标函数，并综合考虑禁飞区、警戒区、动态障碍物等多重约束；设计了基于信息熵的量子态初始化策略，通过评估搜索空间的不确定性分布引导初始种群生成；提出多涟漪协同干涉机制，利用干涉场的建设性叠加强化优质解特征传播；建立了熵驱动的参数自适应调控方法，根据搜索熵变化率动态调整涟漪传播参数。结果表明：与PSO, QRO, ATLA, IVCSA, SEWOA等5种算法相比，E2QRSA的平均生存概率较次优算法提升4.3%～5.4%，显著提升了复杂灾害环境下无人机路径规划的时效性、安全性与决策科学性。
针对自然灾害应急救援中无人机路径规划面临的复杂约束和时效性要求，该文提出一种熵增强量子涟漪协同优化算法(E2QRSA)。该文构建了以受困人员生存概率最大化为目标的数学模型，将生存概率随时间指数衰减的特征融入目标函数，并综合考虑禁飞区、警戒区、动态障碍物等多重约束；设计了基于信息熵的量子态初始化策略，通过评估搜索空间的不确定性分布引导初始种群生成；提出多涟漪协同干涉机制，利用干涉场的建设性叠加强化优质解特征传播；建立了熵驱动的参数自适应调控方法，根据搜索熵变化率动态调整涟漪传播参数。结果表明：与PSO, QRO, ATLA, IVCSA, SEWOA等5种算法相比，E2QRSA的平均生存概率较次优算法提升4.3%～5.4%，显著提升了复杂灾害环境下无人机路径规划的时效性、安全性与决策科学性。
, 最新更新时间 , doi: 10.11999/JEIT250764
摘要:
在特定信息领域，尤其是开源信息领域，传统模型命名实体识别面临缺乏充足标注数据、难以满足复杂信息抽取任务等困难。该文聚焦开源信息领域，提出一种基于大语言模型的命名实体识别方法，旨在通过大语言模型强大的语义推理能力准确理解复杂的抽取要求，并自动完成抽取任务。通过指令微调和利用检索增强生成将专家知识融入模型，结合问题回归模块，使低参数通用型大模型基座能够快速适应开源信息这一特定领域，形成领域专家模型。实验结果表明，仅需少量的成本，便能构建一个高效的领域专家系统，为开源信息领域的命名实体识别提供了一种更为有效的解决方案。
在特定信息领域，尤其是开源信息领域，传统模型命名实体识别面临缺乏充足标注数据、难以满足复杂信息抽取任务等困难。该文聚焦开源信息领域，提出一种基于大语言模型的命名实体识别方法，旨在通过大语言模型强大的语义推理能力准确理解复杂的抽取要求，并自动完成抽取任务。通过指令微调和利用检索增强生成将专家知识融入模型，结合问题回归模块，使低参数通用型大模型基座能够快速适应开源信息这一特定领域，形成领域专家模型。实验结果表明，仅需少量的成本，便能构建一个高效的领域专家系统，为开源信息领域的命名实体识别提供了一种更为有效的解决方案。
, 最新更新时间 , doi: 10.11999/JEIT250249
摘要:
为解决三维空间中水下无线传感器网络(UWSN)在异常情况下进行目标跟踪时精度不佳的问题，该文提出一种基于优化Grubbs准则的信息熵加权数据融合和改进粒子滤波(IPF)的三维水下目标跟踪算法(OGIE-IPF)。首先，在粒子滤波框架中融合无迹卡尔曼滤波(UKF)算法以构建重要性密度函数，从而抑制粒子退化现象；同时，在重采样阶段提出一种动态自适应分层权重优化机制，通过差异化修正高、中、低权重粒子的分布，以增强粒子多样性并抑制贫化现象。其次，基于标准Grubbs准则提出以马氏距离替代传统的标准化残差思想构建异常统计量，通过融合多维变量的协方差矩阵，实现多维数据的异常检测。最后，基于IPF实现局部目标跟踪，结合优化的Grubbs准则进行异常检测与传感器信任评估，并通过信息熵加权的多源融合算法完成全局状态估计。仿真实验结果表明，所提改进算法相较于PF算法，粒子权重分布方差降低了约97.26%，而在低噪声和高噪声场景下相比于粒子滤波(PF)、扩展粒子滤波(EPF)、无迹粒子滤波(UPF)均方根误差分别降低了79.78%, 66.78%, 56.41%和83.41%, 70.38%, 21.68%。该文所提改进算法有效提高了水下异常情况下的目标跟踪精度，展现出良好的鲁棒性。
为解决三维空间中水下无线传感器网络(UWSN)在异常情况下进行目标跟踪时精度不佳的问题，该文提出一种基于优化Grubbs准则的信息熵加权数据融合和改进粒子滤波(IPF)的三维水下目标跟踪算法(OGIE-IPF)。首先，在粒子滤波框架中融合无迹卡尔曼滤波(UKF)算法以构建重要性密度函数，从而抑制粒子退化现象；同时，在重采样阶段提出一种动态自适应分层权重优化机制，通过差异化修正高、中、低权重粒子的分布，以增强粒子多样性并抑制贫化现象。其次，基于标准Grubbs准则提出以马氏距离替代传统的标准化残差思想构建异常统计量，通过融合多维变量的协方差矩阵，实现多维数据的异常检测。最后，基于IPF实现局部目标跟踪，结合优化的Grubbs准则进行异常检测与传感器信任评估，并通过信息熵加权的多源融合算法完成全局状态估计。仿真实验结果表明，所提改进算法相较于PF算法，粒子权重分布方差降低了约97.26%，而在低噪声和高噪声场景下相比于粒子滤波(PF)、扩展粒子滤波(EPF)、无迹粒子滤波(UPF)均方根误差分别降低了79.78%, 66.78%, 56.41%和83.41%, 70.38%, 21.68%。该文所提改进算法有效提高了水下异常情况下的目标跟踪精度，展现出良好的鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT250613
摘要:
现有红外无人机目标跟踪方法在多尺度特征融合过程中存在空间和语义信息丢失问题，导致跟踪器无法精准定位无人机目标位置，降低了跟踪任务的成功率。针对上述问题，该文提出一种空间语义联合感知的红外无人机目标跟踪方法。首先，提出了空间语义联合注意模块，通过空间多尺度注意模块提取多尺度长程依赖特征，增强空间上下文信息的关注，并通过全局-局部通道语义注意模块交互全局和局部通道特征，确保重要语义信息的捕获。其次，设计了双分支全局特征交互模块对模板和搜索分支特征进行有效整合，显著提高了网络的整体性能。在红外无人机数据集Anti-UAV上进行了广泛实验验证，结果表明：与现有方法相比，该方法具有更好的跟踪性能，平均状态精度达到0.769，成功率达到0.743，精确度达到0.935，均优于对比方法，并且有效性、泛化性和先进性也得到了验证。
现有红外无人机目标跟踪方法在多尺度特征融合过程中存在空间和语义信息丢失问题，导致跟踪器无法精准定位无人机目标位置，降低了跟踪任务的成功率。针对上述问题，该文提出一种空间语义联合感知的红外无人机目标跟踪方法。首先，提出了空间语义联合注意模块，通过空间多尺度注意模块提取多尺度长程依赖特征，增强空间上下文信息的关注，并通过全局-局部通道语义注意模块交互全局和局部通道特征，确保重要语义信息的捕获。其次，设计了双分支全局特征交互模块对模板和搜索分支特征进行有效整合，显著提高了网络的整体性能。在红外无人机数据集Anti-UAV上进行了广泛实验验证，结果表明：与现有方法相比，该方法具有更好的跟踪性能，平均状态精度达到0.769，成功率达到0.743，精确度达到0.935，均优于对比方法，并且有效性、泛化性和先进性也得到了验证。
, 最新更新时间 , doi: 10.11999/JEIT250674
摘要:
随着第六代无线通信系统向太赫兹频段以及空天地海一体化网络发展，通信环境呈现出高度异构化和超密集化的趋势，对自动调制识别技术提出了亚符号周期级别的精度要求。在复杂信道条件下，自动调制识别技术面临着时变多径信道引起的特征混叠、低信噪比环境下传统方法识别性能衰减以及稀疏码多址技术引发的混合调制信号检测复杂性提升等多重挑战。基于上述技术难题，该文从通信系统的信号传输特性出发，探讨自动调制分类方法设计的关键约束，系统回顾了深度学习使能的自动调制分类技术，综述了不同应用场景下自动调制分类方法面临的挑战，对经典深度学习模型进行了性能评估，最后概述了自动调制分类存在的问题及未来关键研究方向。
随着第六代无线通信系统向太赫兹频段以及空天地海一体化网络发展，通信环境呈现出高度异构化和超密集化的趋势，对自动调制识别技术提出了亚符号周期级别的精度要求。在复杂信道条件下，自动调制识别技术面临着时变多径信道引起的特征混叠、低信噪比环境下传统方法识别性能衰减以及稀疏码多址技术引发的混合调制信号检测复杂性提升等多重挑战。基于上述技术难题，该文从通信系统的信号传输特性出发，探讨自动调制分类方法设计的关键约束，系统回顾了深度学习使能的自动调制分类技术，综述了不同应用场景下自动调制分类方法面临的挑战，对经典深度学习模型进行了性能评估，最后概述了自动调制分类存在的问题及未来关键研究方向。
, 最新更新时间 , doi: 10.11999/JEIT250452
摘要:
该文研究了智能反射面(IRS)辅助基于速率分割多址接入(RSMA)技术的无人机(UAV)系统安全传输问题。针对存在多个窃听者的通信场景，提出一种联合优化预编码向量、公共安全速率分配、IRS相移和UAV位置的资源分配方案。针对该非凸优化问题，采用分层优化方法将其分解为内层和外层优化两部分。对于内层优化，给定UAV位置，交替优化预编码向量、公共安全速率分配子问题和IRS相移子问题，通过逐次凸逼近、1阶泰勒展开和半正定松弛等方法将非凸问题转化为凸优化问题求解；外层优化，给定其他优化变量，采用粒子群优化算法实现UAV的位置优化。仿真结果表明，所提算法能够有效提高系统安全速率，并优于现有的基准方案。
该文研究了智能反射面(IRS)辅助基于速率分割多址接入(RSMA)技术的无人机(UAV)系统安全传输问题。针对存在多个窃听者的通信场景，提出一种联合优化预编码向量、公共安全速率分配、IRS相移和UAV位置的资源分配方案。针对该非凸优化问题，采用分层优化方法将其分解为内层和外层优化两部分。对于内层优化，给定UAV位置，交替优化预编码向量、公共安全速率分配子问题和IRS相移子问题，通过逐次凸逼近、1阶泰勒展开和半正定松弛等方法将非凸问题转化为凸优化问题求解；外层优化，给定其他优化变量，采用粒子群优化算法实现UAV的位置优化。仿真结果表明，所提算法能够有效提高系统安全速率，并优于现有的基准方案。
, 最新更新时间 , doi: 10.11999/JEIT250647
摘要:
随着人工智能技术的快速发展，基于深度学习的计算机视觉、声学智能分析和多模态融合技术为生态监测领域提供了重要技术手段，广泛应用于鸟类物种识别与调查等业务场景。然而，现有鸟类数据集存在实采数据获取难度大、专业标注人力成本高、珍稀物种数据样本少且数据模态单一等诸多问题，难以满足大模型等人工智能技术在生态监测与保护领域的训练与应用需求。针对此问题，该文提出一种面向专业领域的大规模多模态数据集高效构建方法，通过多源异构数据采集、智能化半自动标注和基于异构注意力融合的多模型协同校验机制，有效降低专业标注成本并保证数据质量。该文设计了基于多尺度注意力融合的数据集校验方法，通过构建多模型协同校验系统，利用类别敏感权重分配机制提升数据集校验的准确度和效率。基于以上方法，该文构建了大规模多模态鸟类数据集BIRD1445，涵盖1,445种鸟类物种，包含图像、视频、音频和文本4种模态，共计354万个样本，能够支持目标检测、密度估计、细粒度识别等智能分析任务，为人工智能技术在生态监测与保护领域的应用提供了重要数据基础。
随着人工智能技术的快速发展，基于深度学习的计算机视觉、声学智能分析和多模态融合技术为生态监测领域提供了重要技术手段，广泛应用于鸟类物种识别与调查等业务场景。然而，现有鸟类数据集存在实采数据获取难度大、专业标注人力成本高、珍稀物种数据样本少且数据模态单一等诸多问题，难以满足大模型等人工智能技术在生态监测与保护领域的训练与应用需求。针对此问题，该文提出一种面向专业领域的大规模多模态数据集高效构建方法，通过多源异构数据采集、智能化半自动标注和基于异构注意力融合的多模型协同校验机制，有效降低专业标注成本并保证数据质量。该文设计了基于多尺度注意力融合的数据集校验方法，通过构建多模型协同校验系统，利用类别敏感权重分配机制提升数据集校验的准确度和效率。基于以上方法，该文构建了大规模多模态鸟类数据集BIRD1445，涵盖1,445种鸟类物种，包含图像、视频、音频和文本4种模态，共计354万个样本，能够支持目标检测、密度估计、细粒度识别等智能分析任务，为人工智能技术在生态监测与保护领域的应用提供了重要数据基础。
, 最新更新时间 , doi: 10.11999/JEIT250600
摘要:
一体化雷达干扰系统的核心在于一体化干扰波形设计。现有雷达干扰一体化信号存在设计自由度局限，其探测与干扰的综合性能尚未达最优。该文提出基于脉内-脉间多相调制的雷达干扰一体化波形：探测方面，通过回波信号的相位补偿与互补合成技术生成线性调频(LFM)信号，使该波形具备理想探测性能；干扰方面，借助脉内-脉间多参数调制机制，可显著提升对敌方探测结果中距离-多普勒图干扰能量分布的调控自由度。仿真分析与实验结果证实，该波形在探测-干扰综合性能方面具有显著优势。
一体化雷达干扰系统的核心在于一体化干扰波形设计。现有雷达干扰一体化信号存在设计自由度局限，其探测与干扰的综合性能尚未达最优。该文提出基于脉内-脉间多相调制的雷达干扰一体化波形：探测方面，通过回波信号的相位补偿与互补合成技术生成线性调频(LFM)信号，使该波形具备理想探测性能；干扰方面，借助脉内-脉间多参数调制机制，可显著提升对敌方探测结果中距离-多普勒图干扰能量分布的调控自由度。仿真分析与实验结果证实，该波形在探测-干扰综合性能方面具有显著优势。
, 最新更新时间 , doi: 10.11999/JEIT250659
摘要:
智能电网(Smart Grid, SG)基于大量传感与检测单元，通过先进的网络通信、监测、调度与优化技术，显著提升了传统电网的管理和调节能力。然而，智能电网的开放性和互联性大幅提高的同时，也加剧了遭受恶意攻击的风险。特别是，攻击者可能通过同时干扰信息层和物理层的感知与决策过程，削弱系统的控制和恢复能力。以往研究通常根据攻击的对象或类型进行分类，而该文提出了一种涵盖智能电网主要组件和通信链路的综合性架构，从整体性的抽象视角对涉及智能电网组件的多种攻击类型进行系统性的信息物理风险评估。此外，该文还从多个角度探讨了智能电网中信息物理融合攻击的检测与防御问题。最后，基于现有的研究进展和趋势，该文对未来智能电网信息物理安全的研究方向进行了讨论与展望。
智能电网(Smart Grid, SG)基于大量传感与检测单元，通过先进的网络通信、监测、调度与优化技术，显著提升了传统电网的管理和调节能力。然而，智能电网的开放性和互联性大幅提高的同时，也加剧了遭受恶意攻击的风险。特别是，攻击者可能通过同时干扰信息层和物理层的感知与决策过程，削弱系统的控制和恢复能力。以往研究通常根据攻击的对象或类型进行分类，而该文提出了一种涵盖智能电网主要组件和通信链路的综合性架构，从整体性的抽象视角对涉及智能电网组件的多种攻击类型进行系统性的信息物理风险评估。此外，该文还从多个角度探讨了智能电网中信息物理融合攻击的检测与防御问题。最后，基于现有的研究进展和趋势，该文对未来智能电网信息物理安全的研究方向进行了讨论与展望。
, 最新更新时间 , doi: 10.11999/JEIT250594
摘要:
针对单模态自动调制方式识别方法难以在低信噪比条件下可靠识别结果的问题，该文融合对比学习和Kolmogorov-Arnold表示定理，提出一种面向低信噪比序列的多模态联合两阶段自动调制方式识别方法。第1阶段，构建对比学习模块，利用多模态数据在时间、强度等显著联系，实现时域Token和变换域Token序列的初步显式对齐；第2阶段，设计特征融合模块，利用长短时记忆网络LSTM、卷积神经网络CNN从初步对齐特征中提取时序特性，并利用表征学习增大类间距离，从多角度捕获时域和变换域2种模态特征之间的隐式对齐关系，实现多模态特征融合；最后，通过Kolmogorov-Arnold网络学习边缘权重，得到调制方式识别结果。在经典通信信号调制方式识别数据集RadioML2016.10a, RadioML2016.10b和HisarMod2019.1上的实验结果表明，在–20～0 dB信噪比条件下，该文方法的调制方式识别精度相比于经典的FEA-T, AMC-NET和MCLDNN等方法以相近的参数量提高了2.62%～11.63%。
针对单模态自动调制方式识别方法难以在低信噪比条件下可靠识别结果的问题，该文融合对比学习和Kolmogorov-Arnold表示定理，提出一种面向低信噪比序列的多模态联合两阶段自动调制方式识别方法。第1阶段，构建对比学习模块，利用多模态数据在时间、强度等显著联系，实现时域Token和变换域Token序列的初步显式对齐；第2阶段，设计特征融合模块，利用长短时记忆网络LSTM、卷积神经网络CNN从初步对齐特征中提取时序特性，并利用表征学习增大类间距离，从多角度捕获时域和变换域2种模态特征之间的隐式对齐关系，实现多模态特征融合；最后，通过Kolmogorov-Arnold网络学习边缘权重，得到调制方式识别结果。在经典通信信号调制方式识别数据集RadioML2016.10a, RadioML2016.10b和HisarMod2019.1上的实验结果表明，在–20～0 dB信噪比条件下，该文方法的调制方式识别精度相比于经典的FEA-T, AMC-NET和MCLDNN等方法以相近的参数量提高了2.62%～11.63%。
, 最新更新时间 , doi: 10.11999/JEIT250340
摘要:
针对铁路复杂环境运维时无线传感网存在监测点网络信号差、传感器更换电池难及监测数据计算量大等挑战，该文提出一种多无人机辅助的铁路无线传感网智能数据收集与计算任务卸载方法。为保障铁路运营安全，方案考虑了铁路安全保护区对无人机飞行的限制，并对不同类型无线传感业务进行优先级划分，优先保障安全型传感业务传输性能，利用基站与列车的可用计算资源进行传感数据计算处理，设计了基于多智能体软演员-评论家(MASAC)深度强化学习算法的多无人机飞行轨迹与数据卸载决策联合优化，实现无人机能耗、无线传感网能耗以及数据信息年龄的加权和最小化。仿真结果表明，所提算法能够显著提升系统整体能耗和数据信息新鲜度性能。
针对铁路复杂环境运维时无线传感网存在监测点网络信号差、传感器更换电池难及监测数据计算量大等挑战，该文提出一种多无人机辅助的铁路无线传感网智能数据收集与计算任务卸载方法。为保障铁路运营安全，方案考虑了铁路安全保护区对无人机飞行的限制，并对不同类型无线传感业务进行优先级划分，优先保障安全型传感业务传输性能，利用基站与列车的可用计算资源进行传感数据计算处理，设计了基于多智能体软演员-评论家(MASAC)深度强化学习算法的多无人机飞行轨迹与数据卸载决策联合优化，实现无人机能耗、无线传感网能耗以及数据信息年龄的加权和最小化。仿真结果表明，所提算法能够显著提升系统整体能耗和数据信息新鲜度性能。
, 最新更新时间 , doi: 10.11999/JEIT250342
摘要:
心率变异性通过分析心跳间期的微小波动反映自主神经系统的调节功能，是飞行员飞行监测中不可或缺的生理参数，尤其在疲劳分层、神经功能评估和应激预警方面具有独特价值。传统的基于心电图的心率变异性监测等方法应用于飞行环境下存在佩戴不便、监测难度大等问题。该研究设计了一种基于飞行保护头盔的心冲击图心率变异性监测装置，实现了对飞行员心脏机械活动的无创、连续监测，并采用小波分析方法对心冲击图信号进行多时间尺度分解，实现心率变异性分析。实验结果表明，该装置R-R间期监测指标与心电监测结果一致性较好，其中SDNN的一致性范围为95.80%，RMSSD的一致性范围为94.08%。后续将结合头盔式眼动监测、脑电监测等集成设计，实现飞行员飞行过程中的多维生理指标监测和数据融合，为飞行应激监测、飞行疲劳预警以及飞行认知负荷评估提供技术支撑。
心率变异性通过分析心跳间期的微小波动反映自主神经系统的调节功能，是飞行员飞行监测中不可或缺的生理参数，尤其在疲劳分层、神经功能评估和应激预警方面具有独特价值。传统的基于心电图的心率变异性监测等方法应用于飞行环境下存在佩戴不便、监测难度大等问题。该研究设计了一种基于飞行保护头盔的心冲击图心率变异性监测装置，实现了对飞行员心脏机械活动的无创、连续监测，并采用小波分析方法对心冲击图信号进行多时间尺度分解，实现心率变异性分析。实验结果表明，该装置R-R间期监测指标与心电监测结果一致性较好，其中SDNN的一致性范围为95.80%，RMSSD的一致性范围为94.08%。后续将结合头盔式眼动监测、脑电监测等集成设计，实现飞行员飞行过程中的多维生理指标监测和数据融合，为飞行应激监测、飞行疲劳预警以及飞行认知负荷评估提供技术支撑。
, 最新更新时间 , doi: 10.11999/JEIT250405
摘要:
针对现有基于非正交多址接入的直传与中继协同传输(NOMA-CDRT)难以支持海量蜂窝物联网数据融合通信的问题，该文提出一种基于反向散射的互惠NOMA-CDRT方法。首先，借助反向散射调制与功率域叠加编码，构建信息传输和辅助一体化双向通信策略，实现蜂窝用户与物联网设备的频谱共享与互惠共生。其次，在理想和非理想串行干扰消除条件下，推导所提方法遍历和速率(ESR)的闭合表达式，以精确表征其系统性能。在此基础上，进一步设计基于改进粒子群优化算法的功率分配方案，以最大化ESR。仿真结果验证了理论分析及优化方案的有效性，并显示所提方法在ESR性能上显著优于传统NOMA-CDRT与正交多址接入方法。
针对现有基于非正交多址接入的直传与中继协同传输(NOMA-CDRT)难以支持海量蜂窝物联网数据融合通信的问题，该文提出一种基于反向散射的互惠NOMA-CDRT方法。首先，借助反向散射调制与功率域叠加编码，构建信息传输和辅助一体化双向通信策略，实现蜂窝用户与物联网设备的频谱共享与互惠共生。其次，在理想和非理想串行干扰消除条件下，推导所提方法遍历和速率(ESR)的闭合表达式，以精确表征其系统性能。在此基础上，进一步设计基于改进粒子群优化算法的功率分配方案，以最大化ESR。仿真结果验证了理论分析及优化方案的有效性，并显示所提方法在ESR性能上显著优于传统NOMA-CDRT与正交多址接入方法。
, 最新更新时间 , doi: 10.11999/JEIT241106
摘要:
极低频磁场(ELF-MF)已被证实可以对多种常见疾病产生积极影响，但其对阿尔茨海默病(AD)的影响仍然知之甚少。该文将免疫荧光检测、行为学和电生理学相结合，通过计算完成对象位置任务(OLT)的行为认知指数(CI)，探究ELF-MF暴露对小鼠空间工作记忆(SWM)的影响；应用时频分布和相位-幅值耦合分析方法，探究小鼠进行OLT过程中海马CA1区局部场电位信号(LFPs)的theta频段和gamma频段神经振荡的变化规律；进一步通过免疫荧光技术定量分析了小鼠海马区域Aβ42的沉积情况，探究ELF-MF暴露对AD病理标志物的影响。此外，还分析了CI与海马CA1区theta频段和gamma频段神经振荡的时频分布及相位-幅值耦合之间的相关性，旨在探究ELF-MF对认知功能和神经振荡模式的调控机制。结果表明，ELF-MF可以减少AD小鼠海马区Aβ42含量，增强AD模型小鼠的SWM能力，且这种增强与小鼠SWM任务期间海马CA1区theta和gamma频段神经振荡的时频能量以及theta-gamma相位-幅值耦合增强有关。
极低频磁场(ELF-MF)已被证实可以对多种常见疾病产生积极影响，但其对阿尔茨海默病(AD)的影响仍然知之甚少。该文将免疫荧光检测、行为学和电生理学相结合，通过计算完成对象位置任务(OLT)的行为认知指数(CI)，探究ELF-MF暴露对小鼠空间工作记忆(SWM)的影响；应用时频分布和相位-幅值耦合分析方法，探究小鼠进行OLT过程中海马CA1区局部场电位信号(LFPs)的theta频段和gamma频段神经振荡的变化规律；进一步通过免疫荧光技术定量分析了小鼠海马区域Aβ42的沉积情况，探究ELF-MF暴露对AD病理标志物的影响。此外，还分析了CI与海马CA1区theta频段和gamma频段神经振荡的时频分布及相位-幅值耦合之间的相关性，旨在探究ELF-MF对认知功能和神经振荡模式的调控机制。结果表明，ELF-MF可以减少AD小鼠海马区Aβ42含量，增强AD模型小鼠的SWM能力，且这种增强与小鼠SWM任务期间海马CA1区theta和gamma频段神经振荡的时频能量以及theta-gamma相位-幅值耦合增强有关。
, 最新更新时间 , doi: 10.11999/JEIT250449
摘要:
Verilog作为主流硬件描述语言之一，其代码质量直接影响电路的功耗、性能和面积(PPA)。当前，基于大语言模型(LLM)生成硬件描述语言的应用面临一个关键挑战：如何引入基于PPA指标的设计反馈机制，以有效指导模型优化，而不仅停留在Verilog语法和功能正确性层面。针对这一问题，该文公开了名为VCodePPA的数据集，该数据集将Verilog代码结构与功耗、性能、面积指标进行了精准关联，共包含17 342条高质量样本数据。该文所做工作为：构建了包含基本算术运算模块、存储架构模块等20种功能分类的3 500条规模的种子数据集；设计了基于蒙特卡罗搜索(MCTS)的多维代码数据增强方案，通过架构层、逻辑层和时序层3个维度的九种变换器对种子数据集进行代码变化，生成大规模功能等同但PPA指标差异显著的Verilog代码集。每条数据均包含如板上资源占用量、关键路径延迟、最大工作频率等多种硬件设计指标，用于训练模型在硬件设计PPA指标的冲突-平衡规律知识。实验表明经此数据集训练后，新模型相比基线模型在各种Verilog设计任务上平均减少了10%～15%的板上资源占用，降低了8%～12%的功耗，并缩短了5%～8%的关键路径延迟。
Verilog作为主流硬件描述语言之一，其代码质量直接影响电路的功耗、性能和面积(PPA)。当前，基于大语言模型(LLM)生成硬件描述语言的应用面临一个关键挑战：如何引入基于PPA指标的设计反馈机制，以有效指导模型优化，而不仅停留在Verilog语法和功能正确性层面。针对这一问题，该文公开了名为VCodePPA的数据集，该数据集将Verilog代码结构与功耗、性能、面积指标进行了精准关联，共包含17 342条高质量样本数据。该文所做工作为：构建了包含基本算术运算模块、存储架构模块等20种功能分类的3 500条规模的种子数据集；设计了基于蒙特卡罗搜索(MCTS)的多维代码数据增强方案，通过架构层、逻辑层和时序层3个维度的九种变换器对种子数据集进行代码变化，生成大规模功能等同但PPA指标差异显著的Verilog代码集。每条数据均包含如板上资源占用量、关键路径延迟、最大工作频率等多种硬件设计指标，用于训练模型在硬件设计PPA指标的冲突-平衡规律知识。实验表明经此数据集训练后，新模型相比基线模型在各种Verilog设计任务上平均减少了10%～15%的板上资源占用，降低了8%～12%的功耗，并缩短了5%～8%的关键路径延迟。
, 最新更新时间 , doi: 10.11999/JEIT250624
摘要:
由于粗粒度可重构密码逻辑阵列(CGRCA)的设计空间规模巨大，导致设计评估耗时长，手工探索优化解的质量不高且搜索效率较低。为此，该文面向CGRCA架构的高维空间、多目标优化特性，提出了基于贝叶斯优化的多目标设计空间探索方法，在平衡吞吐量、面积和FU利用率的同时提升解的质量。首先，该方法利用知识感知的无监督学习采样策略获得初始样本，确保初始样本的代表性与多样性。其次，建立快速评估模型对样本进行量化评估，缩短评估性能的时长。再者，设计自适应的多采集函数并建立基于贪心的混合代理模型，提出多目标贝叶斯优化方法来搜索最优的CGRCA架构，提升搜索效率和通用性。实验结果表明，该文提出的设计空间探索方法较其他设计空间探索方法，与参考集的平均距离(ADRS)至多降低34.9%，超体积提升28.7%，吞吐量提升29.9%，面积减少6.0%，FU利用率提升11.6%，并且展现出优异的跨算法稳定性。
由于粗粒度可重构密码逻辑阵列(CGRCA)的设计空间规模巨大，导致设计评估耗时长，手工探索优化解的质量不高且搜索效率较低。为此，该文面向CGRCA架构的高维空间、多目标优化特性，提出了基于贝叶斯优化的多目标设计空间探索方法，在平衡吞吐量、面积和FU利用率的同时提升解的质量。首先，该方法利用知识感知的无监督学习采样策略获得初始样本，确保初始样本的代表性与多样性。其次，建立快速评估模型对样本进行量化评估，缩短评估性能的时长。再者，设计自适应的多采集函数并建立基于贪心的混合代理模型，提出多目标贝叶斯优化方法来搜索最优的CGRCA架构，提升搜索效率和通用性。实验结果表明，该文提出的设计空间探索方法较其他设计空间探索方法，与参考集的平均距离(ADRS)至多降低34.9%，超体积提升28.7%，吞吐量提升29.9%，面积减少6.0%，FU利用率提升11.6%，并且展现出优异的跨算法稳定性。
, 最新更新时间 , doi: 10.11999/JEIT250524
摘要:
探地雷达因其无损、快速、高分辨的检测能力广泛应用于城市地下空间、公路铁路轨道交通、地球物理探测和军事等领域。然而，由于收发天线的宽频带和宽波束特性，以及复杂探测场景中的感兴趣目标受到的非均匀背景媒质和临近目标的影响，探地雷达回波中无可避免地包含了相当多成分的杂波信号。杂波信号与感兴趣目标的回波信号在时频域部分重叠，对其产生干扰，严重影响了后续的目标定位、成像、参数估计、结构反演和分类识别等任务。在探地雷达数据处理中，通常需要先进行杂波抑制工作。该文是对冲激脉冲体制探地雷达杂波抑制方法的综述，分析了冲激脉冲体制探地雷达的各典型杂波的成因和杂波抑制效果评估的定量指标，对基于信号模型的杂波抑制和基于神经网络模型的杂波抑制这两大类方法进行了系统的分析和阐述。最后，讨论了将深度学习技术应用于探地雷达杂波抑制时面临的挑战和未来的发展方向。
探地雷达因其无损、快速、高分辨的检测能力广泛应用于城市地下空间、公路铁路轨道交通、地球物理探测和军事等领域。然而，由于收发天线的宽频带和宽波束特性，以及复杂探测场景中的感兴趣目标受到的非均匀背景媒质和临近目标的影响，探地雷达回波中无可避免地包含了相当多成分的杂波信号。杂波信号与感兴趣目标的回波信号在时频域部分重叠，对其产生干扰，严重影响了后续的目标定位、成像、参数估计、结构反演和分类识别等任务。在探地雷达数据处理中，通常需要先进行杂波抑制工作。该文是对冲激脉冲体制探地雷达杂波抑制方法的综述，分析了冲激脉冲体制探地雷达的各典型杂波的成因和杂波抑制效果评估的定量指标，对基于信号模型的杂波抑制和基于神经网络模型的杂波抑制这两大类方法进行了系统的分析和阐述。最后，讨论了将深度学习技术应用于探地雷达杂波抑制时面临的挑战和未来的发展方向。
, 最新更新时间 , doi: 10.11999/JEIT250338
摘要:
与非晶带和非晶薄膜相比，非晶丝表现出更高的巨磁阻抗效应(GMI)性能，是制作GMI磁传感器的理想材料。但受限于其柔性异构的形态，非晶丝在器件制备过程中不易实现精准定位。另外，由于非晶丝润湿性差，焊接时接触电阻难以控制，器件性能一致性差。该文提出一种基于非晶丝的GMI磁传感器微加工制造方法，利用玻璃通孔作为对准标记和辅助固定，将非晶丝精确定位并固定在玻璃晶圆上，通过光刻、电镀等微加工工艺制备焊盘，实现非晶丝与焊盘之间的电互连，形成非晶丝的器件级加工与制造。采用绕线机在器件表面绕制信号拾取线圈，最终完成GMI磁传感器制备。该设计避免了直接在非晶丝上绕制信号拾取线圈产生的变形和应力积累问题，提高了非晶丝GMI磁传感器的可制造性。对制备的GMI磁传感器进行测试，结果表明该传感器在−1Oe～+1Oe具有良好的线性度和稳定性。
与非晶带和非晶薄膜相比，非晶丝表现出更高的巨磁阻抗效应(GMI)性能，是制作GMI磁传感器的理想材料。但受限于其柔性异构的形态，非晶丝在器件制备过程中不易实现精准定位。另外，由于非晶丝润湿性差，焊接时接触电阻难以控制，器件性能一致性差。该文提出一种基于非晶丝的GMI磁传感器微加工制造方法，利用玻璃通孔作为对准标记和辅助固定，将非晶丝精确定位并固定在玻璃晶圆上，通过光刻、电镀等微加工工艺制备焊盘，实现非晶丝与焊盘之间的电互连，形成非晶丝的器件级加工与制造。采用绕线机在器件表面绕制信号拾取线圈，最终完成GMI磁传感器制备。该设计避免了直接在非晶丝上绕制信号拾取线圈产生的变形和应力积累问题，提高了非晶丝GMI磁传感器的可制造性。对制备的GMI磁传感器进行测试，结果表明该传感器在−1Oe～+1Oe具有良好的线性度和稳定性。
, 最新更新时间 , doi: 10.11999/JEIT250334
摘要:
在进行墙后人体目标三维成像时，系统需具备获取距离、方位和俯仰三维信息的能力。然而，通常采用的二维平面阵列存在通道数量多导致的校准难、成本高等问题。为此，该文提出了一种基于阵列拼接的遮蔽人体目标三维成像方法，通过单台小孔径雷达分时顺序拼接或多台独立工作的雷达同时空间拼接，实现低成本化的穿墙遮蔽人体目标三维成像。具体而言，首先通过三维加权总变分方法将各个横向阵列及纵向阵列的雷达回波数据进行初步成像；然后，将各个横向阵列获取的成像结果与纵向阵列的成像结果乘性融合，并采用Lucy-Richardson反卷积算法进一步提升成像分辨率；最后采用三维小波变换融合方法，实现各个子图像的有效融合。仿真与实测实验验证了所提方法的有效性，为墙后人体目标三维成像提供了一种新颖、低成本的解决方案。
在进行墙后人体目标三维成像时，系统需具备获取距离、方位和俯仰三维信息的能力。然而，通常采用的二维平面阵列存在通道数量多导致的校准难、成本高等问题。为此，该文提出了一种基于阵列拼接的遮蔽人体目标三维成像方法，通过单台小孔径雷达分时顺序拼接或多台独立工作的雷达同时空间拼接，实现低成本化的穿墙遮蔽人体目标三维成像。具体而言，首先通过三维加权总变分方法将各个横向阵列及纵向阵列的雷达回波数据进行初步成像；然后，将各个横向阵列获取的成像结果与纵向阵列的成像结果乘性融合，并采用Lucy-Richardson反卷积算法进一步提升成像分辨率；最后采用三维小波变换融合方法，实现各个子图像的有效融合。仿真与实测实验验证了所提方法的有效性，为墙后人体目标三维成像提供了一种新颖、低成本的解决方案。
, 最新更新时间 , doi: 10.11999/JEIT250432
摘要:
鉴于当前保守混沌系统中多涡卷等复杂动力学行为的研究尚不充分，该文构建了五维保守超混沌系统，通过哈密顿能量函数的调控实现多涡卷保守混沌流的可控生成，进而探究其在图像加密领域的应用。基于哈密顿能量函数的驻点分析，该文揭示了涡卷结构的形成机制：系统运动轨迹沿哈密顿能量等值面演化，增加哈密顿能量函数的驻点可诱导多方向涡卷保守混沌流的形成。复杂度分析结果进一步验证了多涡卷保守混沌系统具有显著提升的谱熵复杂度。基于上述研究，该文设计了一种融合人脸检测技术的图像加密算法，实现针对人脸区域的信息加密。仿真结果表明该算法具备良好的安全性能。
鉴于当前保守混沌系统中多涡卷等复杂动力学行为的研究尚不充分，该文构建了五维保守超混沌系统，通过哈密顿能量函数的调控实现多涡卷保守混沌流的可控生成，进而探究其在图像加密领域的应用。基于哈密顿能量函数的驻点分析，该文揭示了涡卷结构的形成机制：系统运动轨迹沿哈密顿能量等值面演化，增加哈密顿能量函数的驻点可诱导多方向涡卷保守混沌流的形成。复杂度分析结果进一步验证了多涡卷保守混沌系统具有显著提升的谱熵复杂度。基于上述研究，该文设计了一种融合人脸检测技术的图像加密算法，实现针对人脸区域的信息加密。仿真结果表明该算法具备良好的安全性能。
, 最新更新时间 , doi: 10.11999/JEIT250453
摘要:
针对现有基于深度学习的源代码漏洞检测方法在特征利用不充分、易学习虚假特征及跨模态一致性优化不足的问题，该文提出一种深度蒸馏与多模态一致性提升的漏洞检测框架mVulD-DO。该方法通过程序依赖图和代码切片技术，从源代码中提取函数名、变量名、Token_type及局部代码片段等多个语义模态以提升代码语义的刻画精度，并结合异构邻接矩阵与图注意力网络构建结构模态；接着，引入多层特征蒸馏层对各语义模态进行深层蒸馏以提炼特征主峰，利用BLSTM捕获时序依赖，并通过自适应动态Sinkhorn正则化在全局范围内对齐语义与结构特征分布；最终，经过对齐的模态输入全局注意力层进行融合，融合特征经过softmax分类器实现二分类检测。大量对比与消融实验表明，mVulD-DO在准确率、F1-score和Recall等指标上达到87.11%, 86.37%, 83.59%，均优于主流方法，验证了多模态表征、深度蒸馏及联合优化在漏洞检测中的协同优势和泛化能力。
针对现有基于深度学习的源代码漏洞检测方法在特征利用不充分、易学习虚假特征及跨模态一致性优化不足的问题，该文提出一种深度蒸馏与多模态一致性提升的漏洞检测框架mVulD-DO。该方法通过程序依赖图和代码切片技术，从源代码中提取函数名、变量名、Token_type及局部代码片段等多个语义模态以提升代码语义的刻画精度，并结合异构邻接矩阵与图注意力网络构建结构模态；接着，引入多层特征蒸馏层对各语义模态进行深层蒸馏以提炼特征主峰，利用BLSTM捕获时序依赖，并通过自适应动态Sinkhorn正则化在全局范围内对齐语义与结构特征分布；最终，经过对齐的模态输入全局注意力层进行融合，融合特征经过softmax分类器实现二分类检测。大量对比与消融实验表明，mVulD-DO在准确率、F1-score和Recall等指标上达到87.11%, 86.37%, 83.59%，均优于主流方法，验证了多模态表征、深度蒸馏及联合优化在漏洞检测中的协同优势和泛化能力。
, 最新更新时间 , doi: 10.11999/JEIT250567
摘要:
深度神经网络图像压缩方法凭借其强大的建模能力与端到端优化机制，在信号保真、人眼感知和机器分析等多个维度展现出超越传统编码方法的优势。该文系统地梳理了该领域的最新研究进展，从3个核心方向展开综述：在面向信号保真的压缩方面，介绍了经典的码率-失真优化模型，并深入探讨了有损压缩的关键组件，包括非线性变换、量化策略、熵编码机制，以及支持多码率输出的可变码率压缩技术。在面向人眼感知的压缩方面，重点分析了码率-失真-感知联合优化框架，并对比了基于生成对抗网络和扩散模型的感知驱动方法。在面向机器分析的压缩方面，阐述了码率-失真-失准协同建模范式，并结合语义保真优化目标与架构设计进行了系统归纳。最后，文章对现有研究成果进行了总结，并展望了未来仍需解决的技术挑战与发展方向。
深度神经网络图像压缩方法凭借其强大的建模能力与端到端优化机制，在信号保真、人眼感知和机器分析等多个维度展现出超越传统编码方法的优势。该文系统地梳理了该领域的最新研究进展，从3个核心方向展开综述：在面向信号保真的压缩方面，介绍了经典的码率-失真优化模型，并深入探讨了有损压缩的关键组件，包括非线性变换、量化策略、熵编码机制，以及支持多码率输出的可变码率压缩技术。在面向人眼感知的压缩方面，重点分析了码率-失真-感知联合优化框架，并对比了基于生成对抗网络和扩散模型的感知驱动方法。在面向机器分析的压缩方面，阐述了码率-失真-失准协同建模范式，并结合语义保真优化目标与架构设计进行了系统归纳。最后，文章对现有研究成果进行了总结，并展望了未来仍需解决的技术挑战与发展方向。
, 最新更新时间 , doi: 10.11999/JEIT250759
摘要:
为实现最优不确定多目标分布式融合跟踪，该文提出一种高斯混合-概率假设密度(GM-PHD)滤波器的联邦均值融合算法，该算法具有分层式结构。每个传感器节点运行1个局域GM-PHD滤波器，从传感器量测中提取多目标状态估计。融合节点负责1个仅预测上一时刻融合结果的主滤波器，对所有滤波器的GM-PHD进行关联与合并，且为各滤波器分配融合结果和若干滤波器参数。关联将多目标密度融合分解为4种单目标估计融合，该文推导了有无漏检时的单目标最优估计融合方法。信息分配利用协方差上界理论消除了滤波器间的相关性，进而使所提算法能够获得与贝叶斯融合相同的精度。仿真结果表明，所提算法能够获得最优的跟踪精度，优于现有的算术平均(AA)融合算法，且可以灵活地调节各滤波器的相对可靠性。
为实现最优不确定多目标分布式融合跟踪，该文提出一种高斯混合-概率假设密度(GM-PHD)滤波器的联邦均值融合算法，该算法具有分层式结构。每个传感器节点运行1个局域GM-PHD滤波器，从传感器量测中提取多目标状态估计。融合节点负责1个仅预测上一时刻融合结果的主滤波器，对所有滤波器的GM-PHD进行关联与合并，且为各滤波器分配融合结果和若干滤波器参数。关联将多目标密度融合分解为4种单目标估计融合，该文推导了有无漏检时的单目标最优估计融合方法。信息分配利用协方差上界理论消除了滤波器间的相关性，进而使所提算法能够获得与贝叶斯融合相同的精度。仿真结果表明，所提算法能够获得最优的跟踪精度，优于现有的算术平均(AA)融合算法，且可以灵活地调节各滤波器的相对可靠性。
, 最新更新时间 , doi: 10.11999/JEIT250503
摘要:
随着物联网(IoT)设备数量的指数级增长和《个人信息保护法》等法规的相继实施，联邦遗忘学习在边缘计算(EC)中已成为保障数据“被遗忘权”的关键技术。然而，边缘节点普遍存在的资源异构性—计算能力、存储容量和网络带宽等差异，导致基于全局统一剪枝策略的类级遗忘方法(遗忘某类训练数据)面临训练效率下降的困境。为了应对上述挑战，该文针对类级遗忘场景，提出了一种基于自适应模型剪枝的联邦遗忘学习框架(FunAMP)，通过降低节点之间的等待时间提高模型训练效率。首先，该文建立了模型训练时间、节点资源与模型剪枝比之间的定量关系，并据此给出自适应模型剪枝问题的形式化定义。随后，设计了一种基于贪心策略的剪枝比决策算法，根据每个节点的计算和通信资源为其分配合适的剪枝比，并分析该算法的近似比，为算法性能提供理论保证。接着，确立了一种基于词频-逆文频的相关性指标来衡量模型参数与目标类数据之间的关系，根据该指标和分配的剪枝比将与目标类数据相关的模型参数去除，从而在实现目标类数据遗忘的同时最大限度地降低模型训练时间。实验结果表明，FunAMP在达到相同准确率的情况下，相比现有方法最高可实现11.8倍的加速比。
随着物联网(IoT)设备数量的指数级增长和《个人信息保护法》等法规的相继实施，联邦遗忘学习在边缘计算(EC)中已成为保障数据“被遗忘权”的关键技术。然而，边缘节点普遍存在的资源异构性—计算能力、存储容量和网络带宽等差异，导致基于全局统一剪枝策略的类级遗忘方法(遗忘某类训练数据)面临训练效率下降的困境。为了应对上述挑战，该文针对类级遗忘场景，提出了一种基于自适应模型剪枝的联邦遗忘学习框架(FunAMP)，通过降低节点之间的等待时间提高模型训练效率。首先，该文建立了模型训练时间、节点资源与模型剪枝比之间的定量关系，并据此给出自适应模型剪枝问题的形式化定义。随后，设计了一种基于贪心策略的剪枝比决策算法，根据每个节点的计算和通信资源为其分配合适的剪枝比，并分析该算法的近似比，为算法性能提供理论保证。接着，确立了一种基于词频-逆文频的相关性指标来衡量模型参数与目标类数据之间的关系，根据该指标和分配的剪枝比将与目标类数据相关的模型参数去除，从而在实现目标类数据遗忘的同时最大限度地降低模型训练时间。实验结果表明，FunAMP在达到相同准确率的情况下，相比现有方法最高可实现11.8倍的加速比。
, 最新更新时间 , doi: 10.11999/JEIT250462
摘要:
该文研究了近场通感一体化系统(ISAC)中多用户安全波束设计问题，其中多个单天线通信用户和一个雷达感知目标都位于发射机的近场区域内，雷达目标作为潜在窃听者，可能从联合波束中获取通信信息。为保证系统通信安全性和感知精度，该文以多用户可达安全和速率最大化为目标、以基站发射功率和感知性能为约束条件，构建了通信信号与雷达感知信号波束形成向量的联合优化模型。其中，雷达感知信号间兼具双重功能：一方面作为人工噪声，干扰窃听者对合法通信用户信息的解码；另一方面用于实现对目标的感知，其感知性能通过克拉美罗界(CRB)进行量化。为解决该多变量的非凸优化问题，该文提出了基于半正定松弛(SDR)和加权最小均方误差(WMMSE)的优化算法求解该优化问题。仿真结果表明近场模型所提供的距离自由度，以及引入人工噪声信号，能够为多用户ISAC通信安全带来性能增益。
该文研究了近场通感一体化系统(ISAC)中多用户安全波束设计问题，其中多个单天线通信用户和一个雷达感知目标都位于发射机的近场区域内，雷达目标作为潜在窃听者，可能从联合波束中获取通信信息。为保证系统通信安全性和感知精度，该文以多用户可达安全和速率最大化为目标、以基站发射功率和感知性能为约束条件，构建了通信信号与雷达感知信号波束形成向量的联合优化模型。其中，雷达感知信号间兼具双重功能：一方面作为人工噪声，干扰窃听者对合法通信用户信息的解码；另一方面用于实现对目标的感知，其感知性能通过克拉美罗界(CRB)进行量化。为解决该多变量的非凸优化问题，该文提出了基于半正定松弛(SDR)和加权最小均方误差(WMMSE)的优化算法求解该优化问题。仿真结果表明近场模型所提供的距离自由度，以及引入人工噪声信号，能够为多用户ISAC通信安全带来性能增益。
, 最新更新时间 , doi: 10.11999/JEIT250701
摘要:
合成孔径雷达(SAR)易受同频段电子设备产生的射频干扰影响，使SAR图像解译难度显著增加。射频干扰的检测与定位有利于将SAR回波数据中的干扰精准“剔除”，降低射频干扰对SAR图像解译的不利影响。针对射频干扰业务化、工程化的检测与定位，该文提出一种融合跨域多特征的SAR射频干扰检测与定位方法。首先，通过对时域矩峰度和时域一阶偏导数进行加权融合，实现回波信号的初步检测。然后，结合短时傅里叶变换与对数比差异变化能量检测技术，获取射频干扰在SAR回波数据时频域中的时空表征，最后，将射频干扰的时空表征映射至时域，得到射频干扰信号的精确位置。通过全方位多角度的仿真与实测数据实验，结果表明所提方法针对窄带干扰和宽带干扰的检测与定位精度均优于传统方法，为SAR系统工程化检测与定位射频干扰提供了可靠的技术方案。
合成孔径雷达(SAR)易受同频段电子设备产生的射频干扰影响，使SAR图像解译难度显著增加。射频干扰的检测与定位有利于将SAR回波数据中的干扰精准“剔除”，降低射频干扰对SAR图像解译的不利影响。针对射频干扰业务化、工程化的检测与定位，该文提出一种融合跨域多特征的SAR射频干扰检测与定位方法。首先，通过对时域矩峰度和时域一阶偏导数进行加权融合，实现回波信号的初步检测。然后，结合短时傅里叶变换与对数比差异变化能量检测技术，获取射频干扰在SAR回波数据时频域中的时空表征，最后，将射频干扰的时空表征映射至时域，得到射频干扰信号的精确位置。通过全方位多角度的仿真与实测数据实验，结果表明所提方法针对窄带干扰和宽带干扰的检测与定位精度均优于传统方法，为SAR系统工程化检测与定位射频干扰提供了可靠的技术方案。
, 最新更新时间 , doi: 10.11999/JEIT250535
摘要:
微波气象雷达探测降雨特征的应用前景较为广泛，但其数据维度单一，测量精度受限于传统反演算法局限性。该文提出基于双模(FMCW-CW)微波雷达联合雨量计的数据进行融合反演降雨强度。针对FMCW模式的雨滴谱数据特征，该文提出基于注意力机制(Attention)连接双层长短期记忆网络(LSTM)的融合算法(LSTM-Attention-LSTM)，通过Attention和 LSTM提取雨滴谱数据与实际降雨强度之间的依赖关系，聚焦重要特征并进行解码预测。同时，针对CW模式反演算法难以获取雨滴谱数据，仅能依赖反射率因子和降雨率(Z-R)关系的问题，提出基于扩展卡尔曼算法(EKF)优化Z-R关系，通过动态建模Z-R参数、融合多源数据、施加物理约束，以便准确拟合Z-R关系。实验结果表明：(1) LSTM-Attention-LSTM显著提升降雨率反演精度，相较实际测量降雨强度相关系数(R2)达到0.95，均方根误差(RMSE)为0.1623 mm/h。(2) 基于EKF优化动态Z-R关系法能够更加精准地确定Z-R关系的参数，拟合结果与实际数据分布情况相关度最高R2为0.972，RMSE为0.1076 mm/h。
微波气象雷达探测降雨特征的应用前景较为广泛，但其数据维度单一，测量精度受限于传统反演算法局限性。该文提出基于双模(FMCW-CW)微波雷达联合雨量计的数据进行融合反演降雨强度。针对FMCW模式的雨滴谱数据特征，该文提出基于注意力机制(Attention)连接双层长短期记忆网络(LSTM)的融合算法(LSTM-Attention-LSTM)，通过Attention和 LSTM提取雨滴谱数据与实际降雨强度之间的依赖关系，聚焦重要特征并进行解码预测。同时，针对CW模式反演算法难以获取雨滴谱数据，仅能依赖反射率因子和降雨率(Z-R)关系的问题，提出基于扩展卡尔曼算法(EKF)优化Z-R关系，通过动态建模Z-R参数、融合多源数据、施加物理约束，以便准确拟合Z-R关系。实验结果表明：(1) LSTM-Attention-LSTM显著提升降雨率反演精度，相较实际测量降雨强度相关系数(R2)达到0.95，均方根误差(RMSE)为
, 最新更新时间 , doi: 10.11999/JEIT250525
摘要:
随着空中平台向通信与感知一体化、成像和环境重构等复杂无线场景的快速发展，对大范围多径时延扩展信道的实时模拟提出了更高要求。现有实时信道模拟方法在处理大范围多径时延扩展信道时，面临硬件存储资源需求急剧膨胀的挑战。针对这一问题，该文提出一种基于动态约束建模的优化稀疏抽头延迟线算法。该算法通过深入分析抽头间的时延依赖关系，精确建立存储器资源占用、所需模拟多径数量与可模拟的多径时延扩展范围三者之间的解析约束关系模型，从而实现了目标性能约束下的资源需求量化设计。理论分析和仿真结果表明，相较于现有算法，所提算法在确保多径时延扩展范围精确模拟的同时，在典型配置下存储空间占用可减少50%以上。这一成果为大范围多径时延扩展实时信道模拟系统设计提供了关键技术支撑。
随着空中平台向通信与感知一体化、成像和环境重构等复杂无线场景的快速发展，对大范围多径时延扩展信道的实时模拟提出了更高要求。现有实时信道模拟方法在处理大范围多径时延扩展信道时，面临硬件存储资源需求急剧膨胀的挑战。针对这一问题，该文提出一种基于动态约束建模的优化稀疏抽头延迟线算法。该算法通过深入分析抽头间的时延依赖关系，精确建立存储器资源占用、所需模拟多径数量与可模拟的多径时延扩展范围三者之间的解析约束关系模型，从而实现了目标性能约束下的资源需求量化设计。理论分析和仿真结果表明，相较于现有算法，所提算法在确保多径时延扩展范围精确模拟的同时，在典型配置下存储空间占用可减少50%以上。这一成果为大范围多径时延扩展实时信道模拟系统设计提供了关键技术支撑。
, 最新更新时间 , doi: 10.11999/JEIT250502
摘要:
该文提出一种利用π型电路结构提升键合金丝补偿网络匹配带宽的方法，并设计了π型电路结构的砷化镓芯片，该结构极大提升了微波组件中跨深缝隙键合互联结构传输性能。与传统的50 Ω芯片的仿真结果相比，实现将跨深缝隙互联结构匹配带宽(S11≥15 dB)从20 GHz拓宽到了40 GHz。实测数据表明，该文提出的芯片及电路结构在DC～40 GHz宽频带范围内回波损耗≥17 dB，插入损耗≤0.7 dB，具有优异的射频传输性能。此外，此芯片和电路结构应用场景可拓展到任意单片微波集成电路(MMIC)与电路板互联结构中，应用频率可拓展到W波段的射频芯片键合互联结构。该文提出的芯片及电路互联结构射频性能优异，加工成本低，可靠性高，适用于高可靠微波产品。
该文提出一种利用π型电路结构提升键合金丝补偿网络匹配带宽的方法，并设计了π型电路结构的砷化镓芯片，该结构极大提升了微波组件中跨深缝隙键合互联结构传输性能。与传统的50 Ω芯片的仿真结果相比，实现将跨深缝隙互联结构匹配带宽(S11≥15 dB)从20 GHz拓宽到了40 GHz。实测数据表明，该文提出的芯片及电路结构在DC～40 GHz宽频带范围内回波损耗≥17 dB，插入损耗≤0.7 dB，具有优异的射频传输性能。此外，此芯片和电路结构应用场景可拓展到任意单片微波集成电路(MMIC)与电路板互联结构中，应用频率可拓展到W波段的射频芯片键合互联结构。该文提出的芯片及电路互联结构射频性能优异，加工成本低，可靠性高，适用于高可靠微波产品。
, 最新更新时间 , doi: 10.11999/JEIT250663
摘要:
近年来，人工智能(AI)计算服务的规模和复杂性迅速增长要求算力资源能够被灵活访问和高效使用。作为用户与算力资源间访问和交互的重要通道，网络的能力和性能也亟需进行提升以支持AI计算服务的应用需求，如低时延、高并发等。然而，传统的域名系统(DNS)和基于IP的调度机制在满足这些需求方面面临适应性不足和智能化缺失的问题。因此，计算与网络资源的一体化(即算网融合)成为了解决上述问题的关键途径。鉴于此，该文引入了一种面向AI计算的语义化服务标识(AISID)，用于对服务进行编码，AISID的引入实现了服务请求与资源位置的解耦，从而支持更灵活精确的服务调度。在此基础上，提出一种算网融合的轻量化增量部署方案，通过将智能路由与资源调度相结合以优化服务请求的路由及资源分配。通过对核心设备实施轻量化的增量部署，可在最小改动现有网络的情况下优化网络性能，并增强系统可扩展性。实验结果表明，在500个并发请求的负载条件下，相较于传统的DNS调度和网络架构，AISID机制将请求响应时间降低了61.3%；轻量化部署方案使链路带宽使用率方差和算力使用率方差分别降低32.8%和12.3%。这些结果验证了所提方法在提升AI计算服务性能和资源利用效率方面的有效性，表明该方法为实现算网融合提供了一种有效途径。
近年来，人工智能(AI)计算服务的规模和复杂性迅速增长要求算力资源能够被灵活访问和高效使用。作为用户与算力资源间访问和交互的重要通道，网络的能力和性能也亟需进行提升以支持AI计算服务的应用需求，如低时延、高并发等。然而，传统的域名系统(DNS)和基于IP的调度机制在满足这些需求方面面临适应性不足和智能化缺失的问题。因此，计算与网络资源的一体化(即算网融合)成为了解决上述问题的关键途径。鉴于此，该文引入了一种面向AI计算的语义化服务标识(AISID)，用于对服务进行编码，AISID的引入实现了服务请求与资源位置的解耦，从而支持更灵活精确的服务调度。在此基础上，提出一种算网融合的轻量化增量部署方案，通过将智能路由与资源调度相结合以优化服务请求的路由及资源分配。通过对核心设备实施轻量化的增量部署，可在最小改动现有网络的情况下优化网络性能，并增强系统可扩展性。实验结果表明，在500个并发请求的负载条件下，相较于传统的DNS调度和网络架构，AISID机制将请求响应时间降低了61.3%；轻量化部署方案使链路带宽使用率方差和算力使用率方差分别降低32.8%和12.3%。这些结果验证了所提方法在提升AI计算服务性能和资源利用效率方面的有效性，表明该方法为实现算网融合提供了一种有效途径。
, 最新更新时间 , doi: 10.11999/JEIT250387
摘要:
现有视觉定位方法在文本引导目标定位和特征融合方面存在显著不足，主要表现为未能充分利用文本信息，并且整体性能过于依赖特征提取后的融合过程。针对这一问题，该文提出一种多粒度文本感知分层特征交互的视觉定位方法。该方法在图像分支中引入分层特征交互模块，利用文本信息增强与文本相关的图像特征；多粒度文本感知模块深入挖掘文本语义内容，生成具有空间和语义增强的加权文本。在此基础上，采用基于哈达玛积的初步融合策略融合加权文本和图像，为跨模态特征融合提供更为精细的图像表示。利用Transformer编码器进行跨模态特征融合，通过多层感知机回归定位坐标。实验结果表明，该文方法在5个经典视觉定位数据集上均取得了显著的精度提升，成功解决了传统方法过度依赖特征融合模块而导致的性能瓶颈问题。
现有视觉定位方法在文本引导目标定位和特征融合方面存在显著不足，主要表现为未能充分利用文本信息，并且整体性能过于依赖特征提取后的融合过程。针对这一问题，该文提出一种多粒度文本感知分层特征交互的视觉定位方法。该方法在图像分支中引入分层特征交互模块，利用文本信息增强与文本相关的图像特征；多粒度文本感知模块深入挖掘文本语义内容，生成具有空间和语义增强的加权文本。在此基础上，采用基于哈达玛积的初步融合策略融合加权文本和图像，为跨模态特征融合提供更为精细的图像表示。利用Transformer编码器进行跨模态特征融合，通过多层感知机回归定位坐标。实验结果表明，该文方法在5个经典视觉定位数据集上均取得了显著的精度提升，成功解决了传统方法过度依赖特征融合模块而导致的性能瓶颈问题。
, 最新更新时间 , doi: 10.11999/JEIT250589
摘要:
传统恒虚警(Constant False Alarm Rate, CFAR)检测通过统计信号功率参数设定检测门限，其检测性能受限于信噪比，如何挖掘和利用功率参数之外的信号特征，实现更低信噪比的恒虚警检测是该文的研究重点。该文针对高斯白噪声背景下的弱小目标检测，提出了一种基于信号特征匹配的恒虚警检测方法，分析检测单元回波与理想回波信号的深度特征匹配度，以匹配度参数驱动目标检测，通过统计得到关于匹配度参数的恒虚警检测门限。仿真数据与多个频段雷达实测数据处理结果均表明，相比于传统CFAR检测方法及其他机器学习和深度学习方法而言，该文所提方法具有良好恒虚警特性的同时，表现出更佳的检测性能，等效信噪比改善2～5 dB。
传统恒虚警(Constant False Alarm Rate, CFAR)检测通过统计信号功率参数设定检测门限，其检测性能受限于信噪比，如何挖掘和利用功率参数之外的信号特征，实现更低信噪比的恒虚警检测是该文的研究重点。该文针对高斯白噪声背景下的弱小目标检测，提出了一种基于信号特征匹配的恒虚警检测方法，分析检测单元回波与理想回波信号的深度特征匹配度，以匹配度参数驱动目标检测，通过统计得到关于匹配度参数的恒虚警检测门限。仿真数据与多个频段雷达实测数据处理结果均表明，相比于传统CFAR检测方法及其他机器学习和深度学习方法而言，该文所提方法具有良好恒虚警特性的同时，表现出更佳的检测性能，等效信噪比改善2～5 dB。
, 最新更新时间 , doi: 10.11999/JEIT250657
摘要:
近年来，可编程调度器受到学术界与工业界的广泛关注，为提升网络服务质量提供了新的机会。针对实际应用中对低时延和低抖动的需求，可编程调度器通过采用先进先出(FIFO)或推入先出(PIFO)等设计，大幅提升了调度的准确性和可编程性，确保数据包按预定时间精准发送，从而优化了网络性能。该文对提升调度准确性和可编程性的可编程调度器研究进展进行了综述。首先，阐明了调度器在数据包调度流程中的作用和意义。随后，基于国内外相关文献，介绍了当前主流的可编程调度器设计方案。最后，总结了现有研究成果的提升空间，并展望了未来的发展方向和研究前景。
近年来，可编程调度器受到学术界与工业界的广泛关注，为提升网络服务质量提供了新的机会。针对实际应用中对低时延和低抖动的需求，可编程调度器通过采用先进先出(FIFO)或推入先出(PIFO)等设计，大幅提升了调度的准确性和可编程性，确保数据包按预定时间精准发送，从而优化了网络性能。该文对提升调度准确性和可编程性的可编程调度器研究进展进行了综述。首先，阐明了调度器在数据包调度流程中的作用和意义。随后，基于国内外相关文献，介绍了当前主流的可编程调度器设计方案。最后，总结了现有研究成果的提升空间，并展望了未来的发展方向和研究前景。
, 最新更新时间 , doi: 10.11999/JEIT250675
摘要:
大语言模型协同推断技术利用边缘服务器的算力增强推断性能，但在干扰攻击下由于数据卸载的时延和丢包大幅增加，导致推断任务完成率和速度等性能下降。为此，该文提出面向大语言模型的抗干扰协同推断方案，采用强化学习根据推断任务类型、多模态数据量大小、设备间信道增益和干扰强度等信息优化选择边缘服务器、大语言模型的稀疏率和量化精度、数据卸载的发射功率和传输信道。基于逐层无结构剪枝算法和参数量化技术部署不同稀疏率和量化精度的大语言模型，处理图片、文本、视频和温湿度等多模态数据的词元向量，以满足多样化任务的推断精度和速度需求。根据数据卸载的时延和丢包率评估推断性能下降的风险等级，避免选择可能使任务失败的抗干扰协同推断策略。最后，搭建移动无人车抗干扰协同推断系统，部署大语言模型LLaVA-1.5-7B以图片和文本数据为输入，支撑移动终端的人机问答和决策辅助等推断任务。实验结果表明，该方案可提升智能干扰攻击下的推断任务完成率、精度和速度。
大语言模型协同推断技术利用边缘服务器的算力增强推断性能，但在干扰攻击下由于数据卸载的时延和丢包大幅增加，导致推断任务完成率和速度等性能下降。为此，该文提出面向大语言模型的抗干扰协同推断方案，采用强化学习根据推断任务类型、多模态数据量大小、设备间信道增益和干扰强度等信息优化选择边缘服务器、大语言模型的稀疏率和量化精度、数据卸载的发射功率和传输信道。基于逐层无结构剪枝算法和参数量化技术部署不同稀疏率和量化精度的大语言模型，处理图片、文本、视频和温湿度等多模态数据的词元向量，以满足多样化任务的推断精度和速度需求。根据数据卸载的时延和丢包率评估推断性能下降的风险等级，避免选择可能使任务失败的抗干扰协同推断策略。最后，搭建移动无人车抗干扰协同推断系统，部署大语言模型LLaVA-1.5-7B以图片和文本数据为输入，支撑移动终端的人机问答和决策辅助等推断任务。实验结果表明，该方案可提升智能干扰攻击下的推断任务完成率、精度和速度。
, 最新更新时间 , doi: 10.11999/JEIT250436
摘要:
全息多输入多输出(HMIMO)技术因其高空间复用效率和信道容量被视为6G通信系统的关键技术之一，但电磁传播模型复杂、用户角度随机给电磁信道建模和估计带来较大困难。现有方法依赖简化假设或统计模型，存在模型失配问题，且难以同时解耦信道、位置与角度。针对上述挑战，该文提出一种融合神经网络、凸优化和因子图的混合信道建模与估计方法，该方法首先学习信道与坐标的非线性映射关系，构建参数化信道模型；其次基于欧拉角旋转理论描述用户角度，并将其嵌入因子图实现信道、坐标及角度的全局建模；最后利用消息传递算法完成参数联合解耦与信道估计。仿真结果表明，所提方法的信道估计误差较现有近似方法降低3 dB以上。该研究突破了现有方法对天线平行假设的依赖，为复杂电磁环境下的高精度信道估计与位置感知提供了新的解决方案。
全息多输入多输出(HMIMO)技术因其高空间复用效率和信道容量被视为6G通信系统的关键技术之一，但电磁传播模型复杂、用户角度随机给电磁信道建模和估计带来较大困难。现有方法依赖简化假设或统计模型，存在模型失配问题，且难以同时解耦信道、位置与角度。针对上述挑战，该文提出一种融合神经网络、凸优化和因子图的混合信道建模与估计方法，该方法首先学习信道与坐标的非线性映射关系，构建参数化信道模型；其次基于欧拉角旋转理论描述用户角度，并将其嵌入因子图实现信道、坐标及角度的全局建模；最后利用消息传递算法完成参数联合解耦与信道估计。仿真结果表明，所提方法的信道估计误差较现有近似方法降低3 dB以上。该研究突破了现有方法对天线平行假设的依赖，为复杂电磁环境下的高精度信道估计与位置感知提供了新的解决方案。
, 最新更新时间 , doi: 10.11999/JEIT250566
摘要:
针对无人机(UAV)在复杂电磁环境下通信易受干扰攻击的问题，该文提出一种多模式协同抗干扰架构。通过融合智能跳频(IFH)、基于干扰的反向散射通信(JBC)与能量采集(EH)技术，构建“规避-利用-转化”三位一体的防御体系，并设计二维迁移学习机制解决资源受限平台的实时决策难题。在任务维度建立模式间策略共享网络，提取决策共性特征并设计平行深度Q学习网络(DQN)进行策略学习，在抗干扰模式维度通过历史经验复用加速在线学习。仿真结果表明，该文所提方案较传统深度强化学习算法收敛速度提升64%，在动态干扰环境下通信中断概率始终低于20%。通过合理选择抗干扰模式与信道，系统在不同干扰模式下仍能维持高效通信，实现抗干扰性能与能耗的最优均衡。
针对无人机(UAV)在复杂电磁环境下通信易受干扰攻击的问题，该文提出一种多模式协同抗干扰架构。通过融合智能跳频(IFH)、基于干扰的反向散射通信(JBC)与能量采集(EH)技术，构建“规避-利用-转化”三位一体的防御体系，并设计二维迁移学习机制解决资源受限平台的实时决策难题。在任务维度建立模式间策略共享网络，提取决策共性特征并设计平行深度Q学习网络(DQN)进行策略学习，在抗干扰模式维度通过历史经验复用加速在线学习。仿真结果表明，该文所提方案较传统深度强化学习算法收敛速度提升64%，在动态干扰环境下通信中断概率始终低于20%。通过合理选择抗干扰模式与信道，系统在不同干扰模式下仍能维持高效通信，实现抗干扰性能与能耗的最优均衡。
, 最新更新时间 , doi: 10.11999/JEIT250347
摘要:
该文提出一种基于基片集成波导(SIW)的加载与辐射缝隙结构相同但尺寸缩小的寄生结构以克服开阻带问题同时改善阻抗匹配性能的Ku波段圆极化漏波天线设计方法。所设计的辐射缝隙能够有效激励圆极化波，而寄生缝隙则可在抑制开阻带效应的同时，展宽整体辐射的圆极化带宽。对加工的原型天线进行测试的结果表明，该天线在12.6～17.4 GHz频段内具有32%的3 dB轴比带宽，同时实现了–49°～14°的圆极化波束扫描，并且在频段内的增益保持稳定。与现有相近工作相比，扫描角度范围达到了最大。
该文提出一种基于基片集成波导(SIW)的加载与辐射缝隙结构相同但尺寸缩小的寄生结构以克服开阻带问题同时改善阻抗匹配性能的Ku波段圆极化漏波天线设计方法。所设计的辐射缝隙能够有效激励圆极化波，而寄生缝隙则可在抑制开阻带效应的同时，展宽整体辐射的圆极化带宽。对加工的原型天线进行测试的结果表明，该天线在12.6～17.4 GHz频段内具有32%的3 dB轴比带宽，同时实现了–49°～14°的圆极化波束扫描，并且在频段内的增益保持稳定。与现有相近工作相比，扫描角度范围达到了最大。
, 最新更新时间 , doi: 10.11999/JEIT250404
摘要:
心电图(ECG)是衡量一个人身体健康的重要指标，由于ECG图像组成复杂，特征较多，人眼识别往往会出现误差，因此该文提出一种基于数据生成的ECG病理信号分类算法。首先，扩散生成网络通过向真实的ECG信号添加噪声，逐步将其转换为接近纯噪声的分布，从而便于模型的处理。为了提高生成速度和减少内存占用，该文进一步提出了一种基于知识蒸馏的蒸馏-扩散生成 (KD-DGN)模型，该模型在内存和生成效率上优于传统的DGN。该文还讨论了KD-DGN的内存占用、生成效率及ECG数据的准确性，探讨了轻量化处理后生成的数据特征。最后，通过比较原始MIT-BIH数据集与扩展数据集(MIT-BIH-PLUS)在分类模型中的效果，表明卷积网络能够从DGN生成的扩展数据集中获取更多的特征信息，从而提升ECG病理信号的识别效果。
心电图(ECG)是衡量一个人身体健康的重要指标，由于ECG图像组成复杂，特征较多，人眼识别往往会出现误差，因此该文提出一种基于数据生成的ECG病理信号分类算法。首先，扩散生成网络通过向真实的ECG信号添加噪声，逐步将其转换为接近纯噪声的分布，从而便于模型的处理。为了提高生成速度和减少内存占用，该文进一步提出了一种基于知识蒸馏的蒸馏-扩散生成 (KD-DGN)模型，该模型在内存和生成效率上优于传统的DGN。该文还讨论了KD-DGN的内存占用、生成效率及ECG数据的准确性，探讨了轻量化处理后生成的数据特征。最后，通过比较原始MIT-BIH数据集与扩展数据集(MIT-BIH-PLUS)在分类模型中的效果，表明卷积网络能够从DGN生成的扩展数据集中获取更多的特征信息，从而提升ECG病理信号的识别效果。
, 最新更新时间 , doi: 10.11999/JEIT250322
摘要:
现代战场中，目标行为的复杂构成与演化不确定性显著增加了意图预测的难度。传统意图预测方法数据缺失的鲁棒应对不足、目标行为模态考虑较为固化，易受复杂战场环境影响，难以适应快速变化战场环境下的高价值目标意图识别与整体地面目标的态势感知。为此，该文提出一种融合威胁场建模与动态修复机制的门控循环单元(GRU)预测模型(TF-GRU)。该模型首先构建静态威胁场与动态威胁场以关联目标特性与意图，继而通过粒子滤波与动态时间规整的动态融合策略处理数据缺失，并引入邻域目标角度约束增强多目标预测能力，继而将轨迹数据与威胁场数据输入GRU捕捉目标行为的时序动态演化，从而在信息非完备条件下实现对地面目标整体意图的精准预测。实验结果表明，该方法显著提高了意图预测的准确性，可为战场态势感知和决策提供强有力的支持。
现代战场中，目标行为的复杂构成与演化不确定性显著增加了意图预测的难度。传统意图预测方法数据缺失的鲁棒应对不足、目标行为模态考虑较为固化，易受复杂战场环境影响，难以适应快速变化战场环境下的高价值目标意图识别与整体地面目标的态势感知。为此，该文提出一种融合威胁场建模与动态修复机制的门控循环单元(GRU)预测模型(TF-GRU)。该模型首先构建静态威胁场与动态威胁场以关联目标特性与意图，继而通过粒子滤波与动态时间规整的动态融合策略处理数据缺失，并引入邻域目标角度约束增强多目标预测能力，继而将轨迹数据与威胁场数据输入GRU捕捉目标行为的时序动态演化，从而在信息非完备条件下实现对地面目标整体意图的精准预测。实验结果表明，该方法显著提高了意图预测的准确性，可为战场态势感知和决策提供强有力的支持。
, 最新更新时间 , doi: 10.11999/JEIT250447
摘要:
5G高可靠低时延(URLLC)场景和未来6G极高可靠极低时延(HRLLC)场景对于通信可靠性和时延等具有极其严格的需求，这给短码研究带来了新的机遇与挑战。该文聚焦于顺序统计译码(OSD)，针对其重编码次数过多的问题，分别提出了基于软信息和额外校验的重编码跳过机制，并进一步提出了结合软信息和额外校验的联合跳过机制。具体地，基于软信息的跳过机制是根据当前列表中最优候选的软度量来判断是否跳过测试错误模式(TEP)的重编码；基于额外校验的跳过机制则是将TEP的搜索维度从\begin{document}$ k $\end{document} \begin{document}$ k+\delta $\end{document}
5G高可靠低时延(URLLC)场景和未来6G极高可靠极低时延(HRLLC)场景对于通信可靠性和时延等具有极其严格的需求，这给短码研究带来了新的机遇与挑战。该文聚焦于顺序统计译码(OSD)，针对其重编码次数过多的问题，分别提出了基于软信息和额外校验的重编码跳过机制，并进一步提出了结合软信息和额外校验的联合跳过机制。具体地，基于软信息的跳过机制是根据当前列表中最优候选的软度量来判断是否跳过测试错误模式(TEP)的重编码；基于额外校验的跳过机制则是将TEP的搜索维度从
, 最新更新时间 , doi: 10.11999/JEIT250386
摘要:
词义消歧(WSD)是提升计算机自然语言理解能力的关键技术，广泛应用于机器翻译、信息检索等领域。为解决现有模型在泛化与鲁棒性方面的不足，该文提出了一种基于预训练模型的双向门控循环单元(Bi-GRU)、交叉注意力(CA)和图卷积网络(GCN)融合的词义消歧模型，引入对抗训练(AT)来优化该模型。将歧义词左右词汇的词形、词性和语义类作为消歧特征，输入LERT获取动态词向量，利用交叉注意力融合Bi-GRU神经网络提取token序列的全局语义信息和CLS序列的局部语义信息，为消歧特征图生成更加完整的句子结点表示。将消歧特征图输入图卷积来更新结点之间的特征信息，然后利用插值预测层和语义分类层来确定歧义词的真实语义类别。计算输入动态词向量的梯度，生成细微的连续扰动，并将扰动加入到原始词向量矩阵中，生成对抗样本。利用对抗样本，融合网络的损失与对抗训练中的损失来优化消歧模型。实验结果表明，该方法不仅能够增强消歧模型处理复杂词汇歧义问题的能力，还能有效提高其鲁棒性和泛化能力，从而表现出更好的消歧性能。
词义消歧(WSD)是提升计算机自然语言理解能力的关键技术，广泛应用于机器翻译、信息检索等领域。为解决现有模型在泛化与鲁棒性方面的不足，该文提出了一种基于预训练模型的双向门控循环单元(Bi-GRU)、交叉注意力(CA)和图卷积网络(GCN)融合的词义消歧模型，引入对抗训练(AT)来优化该模型。将歧义词左右词汇的词形、词性和语义类作为消歧特征，输入LERT获取动态词向量，利用交叉注意力融合Bi-GRU神经网络提取token序列的全局语义信息和CLS序列的局部语义信息，为消歧特征图生成更加完整的句子结点表示。将消歧特征图输入图卷积来更新结点之间的特征信息，然后利用插值预测层和语义分类层来确定歧义词的真实语义类别。计算输入动态词向量的梯度，生成细微的连续扰动，并将扰动加入到原始词向量矩阵中，生成对抗样本。利用对抗样本，融合网络的损失与对抗训练中的损失来优化消歧模型。实验结果表明，该方法不仅能够增强消歧模型处理复杂词汇歧义问题的能力，还能有效提高其鲁棒性和泛化能力，从而表现出更好的消歧性能。
, 最新更新时间 , doi: 10.11999/JEIT250430
摘要:
人像年龄化要求在保留输入人像个体特征与身份信息的同时生成指定年龄人像。针对现有方法在嵌入阶段存在的特征解耦能力不足，头发、眼镜等非年龄化因素对皮肤纹理建模干扰产生伪影的问题，该文提出一种全局–局部协同嵌入与语义掩码驱动的年龄化方法(GLS-Age)。通过全局–局部协同嵌入策略对不同潜在空间分配差异化的学习任务，在保持人像全局一致性的同时，增强了对睫毛、皮肤纹理等局部细节的还原能力，显著改善了嵌入人像的感知质量；针对非年龄化因素对皮肤纹理建模的干扰，设计一种语义掩码驱动的非年龄化区域编辑模块，通过图像填充技术对输入人像进行重构去除非年龄化因素，从而避免在年龄化过程中引入伪影。为精确迁移输入人像中头发、眼镜等非年龄化要素，进一步构建可微生成器DsGAN实现迁移潜码与原始嵌入潜码的高效对齐，确保生成人像在语义与结构上的一致性。在CACD、CelebA等公开基准数据集上的实验结果表明，GLS-Age在确保年龄转化效果的同时显著提升了身份一致性。同时在Face++平台评估中，GLS-Age所生成人像在身份置信度和年龄预测分布等指标上均获得了优异的评分。
人像年龄化要求在保留输入人像个体特征与身份信息的同时生成指定年龄人像。针对现有方法在嵌入阶段存在的特征解耦能力不足，头发、眼镜等非年龄化因素对皮肤纹理建模干扰产生伪影的问题，该文提出一种全局–局部协同嵌入与语义掩码驱动的年龄化方法(GLS-Age)。通过全局–局部协同嵌入策略对不同潜在空间分配差异化的学习任务，在保持人像全局一致性的同时，增强了对睫毛、皮肤纹理等局部细节的还原能力，显著改善了嵌入人像的感知质量；针对非年龄化因素对皮肤纹理建模的干扰，设计一种语义掩码驱动的非年龄化区域编辑模块，通过图像填充技术对输入人像进行重构去除非年龄化因素，从而避免在年龄化过程中引入伪影。为精确迁移输入人像中头发、眼镜等非年龄化要素，进一步构建可微生成器DsGAN实现迁移潜码与原始嵌入潜码的高效对齐，确保生成人像在语义与结构上的一致性。在CACD、CelebA等公开基准数据集上的实验结果表明，GLS-Age在确保年龄转化效果的同时显著提升了身份一致性。同时在Face++平台评估中，GLS-Age所生成人像在身份置信度和年龄预测分布等指标上均获得了优异的评分。
, 最新更新时间 , doi: 10.11999/JEIT250529
摘要:
针对医学图像与文本深层语义关系建模不足的挑战，该文提出基于大语言模型(LLM)驱动的医学图像语义挖掘哈希方法。首先，联合大语言模型的语义泛化能力，设计了图像描述型、诊断报告总结型和联合模态推理型提示模板进行模态数据增强，从而实现了对医学图像和诊断报告数据的深层次语义挖掘。其次，设计了结构化编码层，以确保图像和文本的特征能够在统一的嵌入空间内进行精确匹配。然后，设计了提示指令模板，采用软提示和硬提示相结合的方式微调大语言模型，实现图像和文本特征的对齐。最后，引入高斯2元受限玻尔兹曼机进行概率化哈希映射，有效保留数据结构信息。实验验证，该方法与最近的经典跨模态哈希检索方法相比，在两个数据集上平均检索精度分别提升7.21%和7.72%。
针对医学图像与文本深层语义关系建模不足的挑战，该文提出基于大语言模型(LLM)驱动的医学图像语义挖掘哈希方法。首先，联合大语言模型的语义泛化能力，设计了图像描述型、诊断报告总结型和联合模态推理型提示模板进行模态数据增强，从而实现了对医学图像和诊断报告数据的深层次语义挖掘。其次，设计了结构化编码层，以确保图像和文本的特征能够在统一的嵌入空间内进行精确匹配。然后，设计了提示指令模板，采用软提示和硬提示相结合的方式微调大语言模型，实现图像和文本特征的对齐。最后，引入高斯2元受限玻尔兹曼机进行概率化哈希映射，有效保留数据结构信息。实验验证，该方法与最近的经典跨模态哈希检索方法相比，在两个数据集上平均检索精度分别提升7.21%和7.72%。
, 最新更新时间 , doi: 10.11999/JEIT250035
摘要:
目前，基于机器视觉的抑郁症识别筛查的方法往往忽略脸部的局部特征，在实际应用中一旦脸部被部分遮挡，会严重影响筛查的准确性，甚至无法进行有效筛查。为此，该文提出一种边缘视觉的抑郁症筛查方法，该方法通过构建一个全局-局部融合注意力网络同步识别被筛查对象的面部表情和眼部局部特征。为了提高对眼部局部特征的提取能力，该文在网络中引入卷积注意力模块，强化对眼动轨迹特征的捕捉能力。实验结果表明，该方法在抑郁症识别上表现优异，在自建数据集上(包含脸部遮挡情况)的精确率、召回率、F1分数分别达0.76, 0.78和0.77，较最新方法召回率提升10.76%，在AVEC2013和AVEC2014数据集上，平均绝对误差(MAE)分别低至5.74和5.79，较最新方法提升3.53%和1.2%。此外，通过可视化分析直观展现了模型对面部不同区域的关注度，进一步验证了方法的有效性和合理性。该方法部署于边缘设备后，平均处理时延不超过17.56 frame/s，为抑郁症筛查提供新方案。
目前，基于机器视觉的抑郁症识别筛查的方法往往忽略脸部的局部特征，在实际应用中一旦脸部被部分遮挡，会严重影响筛查的准确性，甚至无法进行有效筛查。为此，该文提出一种边缘视觉的抑郁症筛查方法，该方法通过构建一个全局-局部融合注意力网络同步识别被筛查对象的面部表情和眼部局部特征。为了提高对眼部局部特征的提取能力，该文在网络中引入卷积注意力模块，强化对眼动轨迹特征的捕捉能力。实验结果表明，该方法在抑郁症识别上表现优异，在自建数据集上(包含脸部遮挡情况)的精确率、召回率、F1分数分别达0.76, 0.78和0.77，较最新方法召回率提升10.76%，在AVEC2013和AVEC2014数据集上，平均绝对误差(MAE)分别低至5.74和5.79，较最新方法提升3.53%和1.2%。此外，通过可视化分析直观展现了模型对面部不同区域的关注度，进一步验证了方法的有效性和合理性。该方法部署于边缘设备后，平均处理时延不超过17.56 frame/s，为抑郁症筛查提供新方案。
, 最新更新时间 , doi: 10.11999/JEIT250317
摘要:
在智能化浪潮与数据激增的推动下，物联网设备、传感器及智能终端数量迅速增长，传统集中式网络与云计算架构在带宽、延迟与存储等方面面临严峻挑战。边缘计算作为一种将计算与存储资源部署至靠近用户的网络边缘的新型计算范式，成为应对大规模数据处理与低时延需求的有效解决方案。然而，如何在边缘计算环境下应对数据密集型业务带来的挑战，合理划分边缘节点集群并优化资源调度，成为关键问题。为此，该文提出一种融合改进Jaya和集群中心选择算法的边缘网络数据调度优化方法，针对数据密集型业务，将业务所涉及到的边缘节点划分集群，选择出集群中心，以集群为单位，将边缘节点的数据先汇聚到多个集群中心，再通过集群中心进一步上传到云端，实现边缘网络数据资源的调度和优化管理。首先通过对传统Jaya算法进行改进，引入非线性衰减策略和构建多阶段搜索策略，提升路径规划的全局搜索能力与局部精细调整能力，从而求解边缘节点间的最短路径。在此基础上，提出优化集群中心选择算法，综合考虑最短路径和可用网络资源，选择通信与资源条件最优的节点作为集群中心，并为每个集群中心划分集群成员，构建合理的边缘网络集群结构。实验结果表明，改进后的Jaya算法在收敛速度与寻优精度方面均优于对比算法，所提集群中心选择方法表现出良好的鲁棒性，并且验证了该方法在边缘计算场景资源调度中的可行性与有效性。
在智能化浪潮与数据激增的推动下，物联网设备、传感器及智能终端数量迅速增长，传统集中式网络与云计算架构在带宽、延迟与存储等方面面临严峻挑战。边缘计算作为一种将计算与存储资源部署至靠近用户的网络边缘的新型计算范式，成为应对大规模数据处理与低时延需求的有效解决方案。然而，如何在边缘计算环境下应对数据密集型业务带来的挑战，合理划分边缘节点集群并优化资源调度，成为关键问题。为此，该文提出一种融合改进Jaya和集群中心选择算法的边缘网络数据调度优化方法，针对数据密集型业务，将业务所涉及到的边缘节点划分集群，选择出集群中心，以集群为单位，将边缘节点的数据先汇聚到多个集群中心，再通过集群中心进一步上传到云端，实现边缘网络数据资源的调度和优化管理。首先通过对传统Jaya算法进行改进，引入非线性衰减策略和构建多阶段搜索策略，提升路径规划的全局搜索能力与局部精细调整能力，从而求解边缘节点间的最短路径。在此基础上，提出优化集群中心选择算法，综合考虑最短路径和可用网络资源，选择通信与资源条件最优的节点作为集群中心，并为每个集群中心划分集群成员，构建合理的边缘网络集群结构。实验结果表明，改进后的Jaya算法在收敛速度与寻优精度方面均优于对比算法，所提集群中心选择方法表现出良好的鲁棒性，并且验证了该方法在边缘计算场景资源调度中的可行性与有效性。
, 最新更新时间 , doi: 10.11999/JEIT250272
摘要:
为提升超融合(HCI)系统内异构域跨域的传输性能和稳定性，该文提出一种支持双传输模式的非透明桥(NTB)数据通路架构(D-MNTBA)。通过融合所提旁路架构下的快速传输模式和传统架构(TDPA)下的稳定传输模式，NTB能够结合HCI数据特性与跨域需求进行分流传输报文。通过对地址转换和ID转换进行硬件级优化，NTB中地址转换可支持更复杂的转换方案，并最大限度地压缩了ID转换时间。实验结果表明，在所构建的HCI环境中，D-MNTBA的最大带宽及吞吐量分别可达1500 MB/s和1.36 GB/s，ID转换时间降低至71 ns。相较于以太网卡，其带宽及吞吐量分别提升了约19.0%和40.2%。对比PEX8748，其ID转换时间缩短了约34.9%，带宽及吞吐量分别提升了约27.1%和51.1%，且系统稳定性更强，可有效支撑HCI中异构域的跨域传输。
为提升超融合(HCI)系统内异构域跨域的传输性能和稳定性，该文提出一种支持双传输模式的非透明桥(NTB)数据通路架构(D-MNTBA)。通过融合所提旁路架构下的快速传输模式和传统架构(TDPA)下的稳定传输模式，NTB能够结合HCI数据特性与跨域需求进行分流传输报文。通过对地址转换和ID转换进行硬件级优化，NTB中地址转换可支持更复杂的转换方案，并最大限度地压缩了ID转换时间。实验结果表明，在所构建的HCI环境中，D-MNTBA的最大带宽及吞吐量分别可达
, 最新更新时间 , doi: 10.11999/JEIT250394
摘要:
具有零相关区的序列集在无线通信以及雷达中具有重要的应用。然而，现有的序列集大都基于数学解析构造方法得到，其参数如序列长度和序列数目等受到一些限制，不能灵活设定，这限制了其在实际场景中的应用。因此，研究具有灵活参数的序列集构造方法成为一个有意义的课题。为得到更多灵活参数的序列集，该文利用牛顿优化方法来进行零相关区序列设计研究，具体提出了非周期零相关区互补序列集和非周期零相关区序列集的优化设计方法，得到的序列集参数可灵活调节。最后，通过互补峰值旁瓣水平(CPSL)和加权峰值旁瓣水平(WPSL)评估了序列集性能。
具有零相关区的序列集在无线通信以及雷达中具有重要的应用。然而，现有的序列集大都基于数学解析构造方法得到，其参数如序列长度和序列数目等受到一些限制，不能灵活设定，这限制了其在实际场景中的应用。因此，研究具有灵活参数的序列集构造方法成为一个有意义的课题。为得到更多灵活参数的序列集，该文利用牛顿优化方法来进行零相关区序列设计研究，具体提出了非周期零相关区互补序列集和非周期零相关区序列集的优化设计方法，得到的序列集参数可灵活调节。最后，通过互补峰值旁瓣水平(CPSL)和加权峰值旁瓣水平(WPSL)评估了序列集性能。
, 最新更新时间 , doi: 10.11999/JEIT250057
摘要:
针对异质和噪声文本，该文通过改进目标函数，聚合方式，本地更新方式等综合考虑，提出基于可信度评估的抗噪异质医疗对话联邦，增强了医疗对话联邦学习的鲁棒性。将模型训练划分为本地训练阶段和异质联邦学习阶段。在本地训练阶段，通过对称交叉熵损失缓解噪声文本问题，防止本地模型在噪声文本上过拟合。在异质联邦学习阶段，通过度量客户端文本质量进行自适应聚合模型以考虑干净，噪声(随机/非随机文本语法和语义)和异质文本。同时在本地参数更新时考虑局部和全局参数以持续自适应的更新参数，可以进一步提高抗噪和异质鲁棒性。实验结果显示，该方法在噪声和异质联邦学习场景下相比其他方法有显著提升。
针对异质和噪声文本，该文通过改进目标函数，聚合方式，本地更新方式等综合考虑，提出基于可信度评估的抗噪异质医疗对话联邦，增强了医疗对话联邦学习的鲁棒性。将模型训练划分为本地训练阶段和异质联邦学习阶段。在本地训练阶段，通过对称交叉熵损失缓解噪声文本问题，防止本地模型在噪声文本上过拟合。在异质联邦学习阶段，通过度量客户端文本质量进行自适应聚合模型以考虑干净，噪声(随机/非随机文本语法和语义)和异质文本。同时在本地参数更新时考虑局部和全局参数以持续自适应的更新参数，可以进一步提高抗噪和异质鲁棒性。实验结果显示，该方法在噪声和异质联邦学习场景下相比其他方法有显著提升。
, 最新更新时间 , doi: 10.11999/JEIT250033
摘要:
手是人体至关重要的组成部分，其高度的灵巧性使我们能够执行各种复杂任务，然而，手部功能障碍会严重影响患者的日常生活，使其难以完成基本的日常活动。该文提出一种基于8通道表面肌电信号(sEMG)的新颖手部运动估计方法，用于解析15个手部关节的运动，旨在提高手部功能障碍患者的生活质量。该方法采用连续去噪网络，结合稀疏注意力机制和多通道注意力机制，有效提取sEMG信号中蕴含的时空特征。网络采用双译码器结构，分别解析含噪姿态和姿态修正范围，并利用双向长短期记忆网络对含噪姿态进行修正，最终实现精准的手部姿态估计。实验结果表明，相比现有方法，该方法在多通道sEMG信号拟合连续手部姿态估计方面表现出更优越的性能，能够解析更多关节，且估计误差更小。
手是人体至关重要的组成部分，其高度的灵巧性使我们能够执行各种复杂任务，然而，手部功能障碍会严重影响患者的日常生活，使其难以完成基本的日常活动。该文提出一种基于8通道表面肌电信号(sEMG)的新颖手部运动估计方法，用于解析15个手部关节的运动，旨在提高手部功能障碍患者的生活质量。该方法采用连续去噪网络，结合稀疏注意力机制和多通道注意力机制，有效提取sEMG信号中蕴含的时空特征。网络采用双译码器结构，分别解析含噪姿态和姿态修正范围，并利用双向长短期记忆网络对含噪姿态进行修正，最终实现精准的手部姿态估计。实验结果表明，相比现有方法，该方法在多通道sEMG信号拟合连续手部姿态估计方面表现出更优越的性能，能够解析更多关节，且估计误差更小。
, 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/JEIT250093
摘要:
针对现代社会中日益严重的应激障碍问题，该文设计开发了一个基于脑电(EEG)的神经反馈的调控系统(ENR)，旨在缓解因应激反应调节机制异常引起的创伤后应激障碍(PTSD)症状及相关焦虑问题，从而减轻其对个体身心健康的负面影响。该文详细介绍了系统的设计理念、功能模块构成，以及针对PTSD和健康人群设计的在线神经反馈实验范式。通过招募被试者进行系统功能测试，并采用频谱分析对实验数据进行评估，可行性测试表明，该系统具备良好的实时性和有效性，是一种应用前景广阔的应对应激反应失调的辅助干预手段。
针对现代社会中日益严重的应激障碍问题，该文设计开发了一个基于脑电(EEG)的神经反馈的调控系统(ENR)，旨在缓解因应激反应调节机制异常引起的创伤后应激障碍(PTSD)症状及相关焦虑问题，从而减轻其对个体身心健康的负面影响。该文详细介绍了系统的设计理念、功能模块构成，以及针对PTSD和健康人群设计的在线神经反馈实验范式。通过招募被试者进行系统功能测试，并采用频谱分析对实验数据进行评估，可行性测试表明，该系统具备良好的实时性和有效性，是一种应用前景广阔的应对应激反应失调的辅助干预手段。
, 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/JEIT250429
摘要:
随着可重构智能超表面(RIS)技术的引入，更大的RIS阵列和更高的工作频率扩大了近场通信区域，而基于RIS的辅助定位技术也受到了极大关注。由于近场定位与传统的远场通信属于异构定位网络，其混合定位依赖于远场与近场通信系统网络融合的定位估计算法实现。因此，该文提出一种融合分层稀疏重构与4阶累积量(FOC)矩阵的混合场定位算法，通过引入混合型RIS(HRIS)架构捕获用户信号，有效解决了多跳信道累积误差的问题。该算法利用3组FOC矩阵，将二维角度谱搜索简化为两个一维谱搜索，分阶段实现仰角、方位角和距离参数的估计。在各阶段参数估计过程中结合分层稀疏字典与动态调谐因子衰减机制，逐层逼近真实参数，以进一步降低算法复杂度。仿真结果表明，在低信噪比与小快拍条件下，该文方法在大多数典型混合场景下，角度与距离估计的均方根误差(RMSE)均优于双阶段多重信号分类(TSMUSIC)算法与混合正交匹配追踪(OMP)算法以及基于全息多输入多输出(HMIMO)系统的混合场定位算法，同时展现出更强的抗噪性能与更低的计算开销，验证了其在复杂混合场场景下的有效性与鲁棒性。
随着可重构智能超表面(RIS)技术的引入，更大的RIS阵列和更高的工作频率扩大了近场通信区域，而基于RIS的辅助定位技术也受到了极大关注。由于近场定位与传统的远场通信属于异构定位网络，其混合定位依赖于远场与近场通信系统网络融合的定位估计算法实现。因此，该文提出一种融合分层稀疏重构与4阶累积量(FOC)矩阵的混合场定位算法，通过引入混合型RIS(HRIS)架构捕获用户信号，有效解决了多跳信道累积误差的问题。该算法利用3组FOC矩阵，将二维角度谱搜索简化为两个一维谱搜索，分阶段实现仰角、方位角和距离参数的估计。在各阶段参数估计过程中结合分层稀疏字典与动态调谐因子衰减机制，逐层逼近真实参数，以进一步降低算法复杂度。仿真结果表明，在低信噪比与小快拍条件下，该文方法在大多数典型混合场景下，角度与距离估计的均方根误差(RMSE)均优于双阶段多重信号分类(TSMUSIC)算法与混合正交匹配追踪(OMP)算法以及基于全息多输入多输出(HMIMO)系统的混合场定位算法，同时展现出更强的抗噪性能与更低的计算开销，验证了其在复杂混合场场景下的有效性与鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT250381
摘要:
不均衡数据集除数据不均衡外还存在类重叠、小析取、离群点、低密度等复杂因素，这些因素会导致分类器性能进一步下降，尤其是在处理多类不均衡数据分类问题时。鉴于此，该文提出一种基于多类不均衡数据局部分布特征的自适应过采样算法(MC-LDWO)。该算法首先以动态确定的所有少数类为球心，构建半径依赖于当前少数类分布的超球体。然后，基于超球体内样本分布选择参与过采样的少数类样本，并利用各类别局部密度指标设计自适应权重分配策略，确保低密度区域和边界附近的样本有更高的过采样概率。随后，根据组合多数类和少数类的局部分布信息计算低密度向量，引入随机向量并设置截断阈值以确定合成样本的生成位置。最后，利用优化后的特定分解策略解决多类不均衡数据分类问题。多个数据集上的实验结果表明，MC-LDWO在各类评估指标上显著优于其他对比算法，验证了其处理具有复杂因素多类不均衡数据分类问题的有效性。
不均衡数据集除数据不均衡外还存在类重叠、小析取、离群点、低密度等复杂因素，这些因素会导致分类器性能进一步下降，尤其是在处理多类不均衡数据分类问题时。鉴于此，该文提出一种基于多类不均衡数据局部分布特征的自适应过采样算法(MC-LDWO)。该算法首先以动态确定的所有少数类为球心，构建半径依赖于当前少数类分布的超球体。然后，基于超球体内样本分布选择参与过采样的少数类样本，并利用各类别局部密度指标设计自适应权重分配策略，确保低密度区域和边界附近的样本有更高的过采样概率。随后，根据组合多数类和少数类的局部分布信息计算低密度向量，引入随机向量并设置截断阈值以确定合成样本的生成位置。最后，利用优化后的特定分解策略解决多类不均衡数据分类问题。多个数据集上的实验结果表明，MC-LDWO在各类评估指标上显著优于其他对比算法，验证了其处理具有复杂因素多类不均衡数据分类问题的有效性。
, 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。
