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/JEIT241042
摘要:
在低空智联网中，以无人机(UAV)为载体的宽带频谱感知技术在实现高效频谱监测与利用方面起着至关重要的作用。然而，以奈奎斯特速率采样需要很高的硬件和计算成本，无人机的高移动性也会使其处于不断变化的无线频谱环境，进而严重影响感知精度，无人机宽带频谱感知面临严峻挑战。针对上述问题，该文首先设计了一个低复杂度的特征拆分宽带频谱感知神经网络(FS-WSSNet)，可在次奈奎斯特采样速率下实现高精度感知，以降低在无人机上的部署成本。随后，为充分整合利用低空智联网中多架无人机的频谱环境知识与计算资源，以适应其遇到的不同频谱环境，提出了一种基于差分隐私联邦迁移学习(DPFTL)的模型在线调整算法。该方法利用局部差分隐私，在协调多无人机上传模型参数至中心计算平台之前引入噪声，从而在无人机群体中同时实现频谱环境知识共享和数据隐私保护，使得其中每个无人机能够快速适应不断变化的频谱环境。仿真结果表明，同目前先进方案相比，FS-WSSNet在复杂度和感知性能方面均表现优越，使用所提的基于DPFTL的方案后，FS-WSSNet在无人机经历的多个新场景中无需模型调整，感知精度整体接近集中式训练。
在低空智联网中，以无人机(UAV)为载体的宽带频谱感知技术在实现高效频谱监测与利用方面起着至关重要的作用。然而，以奈奎斯特速率采样需要很高的硬件和计算成本，无人机的高移动性也会使其处于不断变化的无线频谱环境，进而严重影响感知精度，无人机宽带频谱感知面临严峻挑战。针对上述问题，该文首先设计了一个低复杂度的特征拆分宽带频谱感知神经网络(FS-WSSNet)，可在次奈奎斯特采样速率下实现高精度感知，以降低在无人机上的部署成本。随后，为充分整合利用低空智联网中多架无人机的频谱环境知识与计算资源，以适应其遇到的不同频谱环境，提出了一种基于差分隐私联邦迁移学习(DPFTL)的模型在线调整算法。该方法利用局部差分隐私，在协调多无人机上传模型参数至中心计算平台之前引入噪声，从而在无人机群体中同时实现频谱环境知识共享和数据隐私保护，使得其中每个无人机能够快速适应不断变化的频谱环境。仿真结果表明，同目前先进方案相比，FS-WSSNet在复杂度和感知性能方面均表现优越，使用所提的基于DPFTL的方案后，FS-WSSNet在无人机经历的多个新场景中无需模型调整，感知精度整体接近集中式训练。
, 最新更新时间 , doi: 10.11999/JEIT241050
摘要:
该文聚焦于低空智能网中多辐射源的定位技术研究，旨在利用搭载频谱监测设备的无人机采集的信号强度数据，精确解析低空目标区域内多个未知辐射源的空间位置。然而，实际应用场景面临多重挑战：无人机飞行轨迹受限导致测量数据稀疏；环境噪声及阴影衰落加剧数据波动；多个未知辐射源进一步加重了算法的复杂度，严重阻碍了现有低空多辐射源定位(MSL)技术的效能发挥。针对上述挑战，该文创新性地提出了一种基于稀疏张量补全与密度峰值聚类的低空智能网多辐射源定位算法。该算法将多辐射源定位问题解构为两个核心步骤：稀疏张量补全和张量密度峰值检测。具体而言，首先根据无人机的飞行轨迹将稀疏测量数据构建为3维稀疏张量，随后采用卷积自编码器网络对该张量进行高效补全，以复原目标空间内的完整信号强度张量图谱。在此基础上，利用改进的密度峰值聚类算法搜索张量中的密度峰值中心，从而实现多辐射源的精确定位。仿真结果表明，本文提出的算法能够有效利用稀疏测量数据对低空多辐射源进行定位，克服了因环境噪声带来的异常值影响，且展现出对辐射源数量的鲁棒性，为低空智能网中的多辐射源定位问题提供了有效的解决方案。
该文聚焦于低空智能网中多辐射源的定位技术研究，旨在利用搭载频谱监测设备的无人机采集的信号强度数据，精确解析低空目标区域内多个未知辐射源的空间位置。然而，实际应用场景面临多重挑战：无人机飞行轨迹受限导致测量数据稀疏；环境噪声及阴影衰落加剧数据波动；多个未知辐射源进一步加重了算法的复杂度，严重阻碍了现有低空多辐射源定位(MSL)技术的效能发挥。针对上述挑战，该文创新性地提出了一种基于稀疏张量补全与密度峰值聚类的低空智能网多辐射源定位算法。该算法将多辐射源定位问题解构为两个核心步骤：稀疏张量补全和张量密度峰值检测。具体而言，首先根据无人机的飞行轨迹将稀疏测量数据构建为3维稀疏张量，随后采用卷积自编码器网络对该张量进行高效补全，以复原目标空间内的完整信号强度张量图谱。在此基础上，利用改进的密度峰值聚类算法搜索张量中的密度峰值中心，从而实现多辐射源的精确定位。仿真结果表明，本文提出的算法能够有效利用稀疏测量数据对低空多辐射源进行定位，克服了因环境噪声带来的异常值影响，且展现出对辐射源数量的鲁棒性，为低空智能网中的多辐射源定位问题提供了有效的解决方案。
, 最新更新时间 , doi: 10.11999/JEIT240058
摘要:
为了解决传统去蜂窝大规模多输入多输出(CF-mMIMO)通信系统认知局限、资源短缺、覆盖盲区的问题，针对传统覆盖受限的去蜂窝网络下行传输系统，该文提出无人机-近地轨道卫星辅助的空天地一体化CF-mMIMO的功率分配和无人机位置部署方法。根据已知的用户位置以及地面接入点的部署缺陷，考虑各通信接入点的覆盖约束、最大功率约束、跨层干扰约束，以最大化用户最小速率为目标，建立联合用户关联、功率分配以及无人机放置的混合资源分配模型。基于块坐标下降方法和连续凸优化方法，将原本的非凸优化问题转化为3个子问题，并交替求得子问题近似解，最终得到原问题的最优近似解。仿真结果表明，所提方法能够合理安排系统的资源放置，显著提高系统通信覆盖，提升用户的平均吞吐量。
为了解决传统去蜂窝大规模多输入多输出(CF-mMIMO)通信系统认知局限、资源短缺、覆盖盲区的问题，针对传统覆盖受限的去蜂窝网络下行传输系统，该文提出无人机-近地轨道卫星辅助的空天地一体化CF-mMIMO的功率分配和无人机位置部署方法。根据已知的用户位置以及地面接入点的部署缺陷，考虑各通信接入点的覆盖约束、最大功率约束、跨层干扰约束，以最大化用户最小速率为目标，建立联合用户关联、功率分配以及无人机放置的混合资源分配模型。基于块坐标下降方法和连续凸优化方法，将原本的非凸优化问题转化为3个子问题，并交替求得子问题近似解，最终得到原问题的最优近似解。仿真结果表明，所提方法能够合理安排系统的资源放置，显著提高系统通信覆盖，提升用户的平均吞吐量。
, 最新更新时间 , doi: 10.11999/JEIT240870
摘要:
该文提出一种无监督自编码器及非线性滤波结合的室内定位可信性提升方法，设计了深度卷积神经网络辅助的降噪变分自编码器模型(DVAE-CNN)，分别从量测数据质量评估、目标状态转移方程表征以及环境先验信息辅助的权重更新策略多方面调控定位结果，克服复杂室内环境下由于信息丢失、出错、扰动等因素带来的定位可信性低的问题，相比未增加可信调控机制的定位结果平均定位精度提升了74.6%，定位可靠性提高了88.2%。最后，在2022北京冬奥会体育场馆内进行了大量试验，结果表明所提方法能够提供高鲁棒、高可信、高连续的位置服务能力，具有较大的应用及推广价值。
该文提出一种无监督自编码器及非线性滤波结合的室内定位可信性提升方法，设计了深度卷积神经网络辅助的降噪变分自编码器模型(DVAE-CNN)，分别从量测数据质量评估、目标状态转移方程表征以及环境先验信息辅助的权重更新策略多方面调控定位结果，克服复杂室内环境下由于信息丢失、出错、扰动等因素带来的定位可信性低的问题，相比未增加可信调控机制的定位结果平均定位精度提升了74.6%，定位可靠性提高了88.2%。最后，在2022北京冬奥会体育场馆内进行了大量试验，结果表明所提方法能够提供高鲁棒、高可信、高连续的位置服务能力，具有较大的应用及推广价值。
, 最新更新时间 , doi: 10.11999/JEIT240860
摘要:
低密度奇偶校验(LDPC)码基于神经网络的归一化最小和(NNMS)译码算法按照网络中权重的共享方式可分为不共享(NNMS)、全共享(SNNMS)、部分共享(VC-SNNMS和CV-SNNMS)等。该文针对LDPC码在使用NNMS, VC-SNNMS和CV-SNNMS译码时因高复杂度导致的过拟合问题，引入正则化(Regularization)优化了神经网络中边信息的权重训练，抑制了基于神经网络译码的过拟合问题，分别得到 RNNMS, RVC-SNNMS和RCV-SNNMS算法。仿真结果表明：采用共享权重可以减轻神经网络训练负担，降低LDPC 码基于神经网络译码的误比特率(BER)；正则化能有效缓解过拟合现象提升神经网络的译码性能。针对码长为576，码率为0.75的LDPC码，当误码率BER=10–6时，RNNMS, RVC-SNNMS和RCV-SNNMS算法相较于NNMS, VC-SNNMS和CV-SNNMS算法分别得到了0.18 dB, 0.22 dB和0.27 dB的信噪比(SNR)增益，其中最佳的RVC-SNNMS算法相较于BP算法、NNMS算法和SNNMS算法，分别获得了0.55 dB, 0.51 dB和0.22 dB的信噪比增益。
低密度奇偶校验(LDPC)码基于神经网络的归一化最小和(NNMS)译码算法按照网络中权重的共享方式可分为不共享(NNMS)、全共享(SNNMS)、部分共享(VC-SNNMS和CV-SNNMS)等。该文针对LDPC码在使用NNMS, VC-SNNMS和CV-SNNMS译码时因高复杂度导致的过拟合问题，引入正则化(Regularization)优化了神经网络中边信息的权重训练，抑制了基于神经网络译码的过拟合问题，分别得到 RNNMS, RVC-SNNMS和RCV-SNNMS算法。仿真结果表明：采用共享权重可以减轻神经网络训练负担，降低LDPC 码基于神经网络译码的误比特率(BER)；正则化能有效缓解过拟合现象提升神经网络的译码性能。针对码长为576，码率为0.75的LDPC码，当误码率BER=10–6时，RNNMS, RVC-SNNMS和RCV-SNNMS算法相较于NNMS, VC-SNNMS和CV-SNNMS算法分别得到了0.18 dB, 0.22 dB和0.27 dB的信噪比(SNR)增益，其中最佳的RVC-SNNMS算法相较于BP算法、NNMS算法和SNNMS算法，分别获得了0.55 dB, 0.51 dB和0.22 dB的信噪比增益。
, 最新更新时间 , doi: 10.11999/JEIT241034
摘要:
现有的雷达步态识别方法多局限于闭集设置，即假设测试阶段的所有身份类别均已包含在模板库中，不适用于库内已知身份类别和库外未知新身份类别共存的真实开放识别环境。针对非完备身份类别模板库条件下的步态识别问题，该文提出一种结合相似度预测和阈值自动求解的开集条件下毫米波雷达点云步态识别方法。在点云特征提取的基础上，结合对潜在未知类相似度得分分布的先验认知，设计了一种伪开放环境训练策略来学习相似度预测网络，提升相似度得分空间中已知类别与未知类别的鉴别性；最后，阈值自动求解模块通过极值理论对相似度得分的极值分布进行概率拟合，并通过最小虚警与漏检准则实现未知类拒判阈值的准确求解。基于实测毫米波雷达点云数据的实验结果表明了所提方法在开集条件下具有良好的识别稳健性。
现有的雷达步态识别方法多局限于闭集设置，即假设测试阶段的所有身份类别均已包含在模板库中，不适用于库内已知身份类别和库外未知新身份类别共存的真实开放识别环境。针对非完备身份类别模板库条件下的步态识别问题，该文提出一种结合相似度预测和阈值自动求解的开集条件下毫米波雷达点云步态识别方法。在点云特征提取的基础上，结合对潜在未知类相似度得分分布的先验认知，设计了一种伪开放环境训练策略来学习相似度预测网络，提升相似度得分空间中已知类别与未知类别的鉴别性；最后，阈值自动求解模块通过极值理论对相似度得分的极值分布进行概率拟合，并通过最小虚警与漏检准则实现未知类拒判阈值的准确求解。基于实测毫米波雷达点云数据的实验结果表明了所提方法在开集条件下具有良好的识别稳健性。
, 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/JEIT241003
摘要:
传统的鱼道(FP)监测系统为鱼类迁徙研究和水生生态保护提供了基础数据，但仍面临诸如数据处理繁琐、监测覆盖范围有限以及易受环境因素干扰等问题。为此，该文提出层次网络鱼道监测系统(HNFMS)，旨在减轻水坝建设对鱼类迁徙的负面影响，提升鱼道的生态功能。为确保该系统的高效应用，并促进鱼道生物多样性的保护，该文进一步开发了基于辅助序列的多任务学习模型——自适应序列自组织映射变换(AS-SOMVT)。该模型用于鱼道水位的实时、多维度预测，能够有效应对复杂环境下的水位变化。仿真结果表明，所提方法相较于传统预测模型在水位预测的准确性和稳定性方面具有显著提升，能够为生态保护和鱼道水资源管理提供更为精确的支持。
传统的鱼道(FP)监测系统为鱼类迁徙研究和水生生态保护提供了基础数据，但仍面临诸如数据处理繁琐、监测覆盖范围有限以及易受环境因素干扰等问题。为此，该文提出层次网络鱼道监测系统(HNFMS)，旨在减轻水坝建设对鱼类迁徙的负面影响，提升鱼道的生态功能。为确保该系统的高效应用，并促进鱼道生物多样性的保护，该文进一步开发了基于辅助序列的多任务学习模型——自适应序列自组织映射变换(AS-SOMVT)。该模型用于鱼道水位的实时、多维度预测，能够有效应对复杂环境下的水位变化。仿真结果表明，所提方法相较于传统预测模型在水位预测的准确性和稳定性方面具有显著提升，能够为生态保护和鱼道水资源管理提供更为精确的支持。
, 最新更新时间 , doi: 10.11999/JEIT241037
摘要:
不平衡数据分类是机器学习中的常见问题，过采样是解决方案之一。但现有过采样方法在处理复杂不均衡数据集时容易引入噪声样本导致类重叠，且无法有效解决低密度、小析取等子概念引起的类内不平衡问题。为此，该文提出一种基于超球体密度聚类的自适应过采样算法(DCHO)，该算法通过计算少数类样本密度动态确定聚类中心，构建超球体并将超球体内少数类样本归入相应簇，再按照不均衡比调整超球体半径。同时，根据超球体内样本局部密度和半径大小自适应分配过采样权重，进而解决类内不平衡问题。为防止类重叠，过采样过程均在每个超球体内部进行。此外，为进一步增强少数类边界以及探索未知区域，该文还构建一种新的边界偏好随机过采样策略。实验结果表明，所提算法在避免类重叠的同时，强化了低密度子概念的表达，有效解决了类间与类内不平衡问题。
不平衡数据分类是机器学习中的常见问题，过采样是解决方案之一。但现有过采样方法在处理复杂不均衡数据集时容易引入噪声样本导致类重叠，且无法有效解决低密度、小析取等子概念引起的类内不平衡问题。为此，该文提出一种基于超球体密度聚类的自适应过采样算法(DCHO)，该算法通过计算少数类样本密度动态确定聚类中心，构建超球体并将超球体内少数类样本归入相应簇，再按照不均衡比调整超球体半径。同时，根据超球体内样本局部密度和半径大小自适应分配过采样权重，进而解决类内不平衡问题。为防止类重叠，过采样过程均在每个超球体内部进行。此外，为进一步增强少数类边界以及探索未知区域，该文还构建一种新的边界偏好随机过采样策略。实验结果表明，所提算法在避免类重叠的同时，强化了低密度子概念的表达，有效解决了类间与类内不平衡问题。
, 最新更新时间 , doi: 10.11999/JEIT241084
摘要:
针对暗室近场信号模型且校正源位置存在误差情况下，校正精度低的问题，该文提出一种近场效应残差分离的高精度暗室大孔径阵列校正方法。该方法先后利用近场相位反补偿技术、标称坐标位置下的阵列幅相误差估计技术，估计受校正源位置误差影响的低精度阵列误差估计结果。然后利用近场相位残差分离技术，去除由校正源位置误差引起的近场效应相位残差，获得高精度阵列误差估计结果。仿真结果表明，该方法有效提升阵列校正性能，提升目标测向精度，并且对校正源位置坐标误差和大阵列孔径有较高的容忍度。相比于现有有源阵列校正算法，当信号频率高，阵列孔径较大时，该方法在空间有限的暗室中能够获得更良好的校正性能。
针对暗室近场信号模型且校正源位置存在误差情况下，校正精度低的问题，该文提出一种近场效应残差分离的高精度暗室大孔径阵列校正方法。该方法先后利用近场相位反补偿技术、标称坐标位置下的阵列幅相误差估计技术，估计受校正源位置误差影响的低精度阵列误差估计结果。然后利用近场相位残差分离技术，去除由校正源位置误差引起的近场效应相位残差，获得高精度阵列误差估计结果。仿真结果表明，该方法有效提升阵列校正性能，提升目标测向精度，并且对校正源位置坐标误差和大阵列孔径有较高的容忍度。相比于现有有源阵列校正算法，当信号频率高，阵列孔径较大时，该方法在空间有限的暗室中能够获得更良好的校正性能。
, 最新更新时间 , doi: 10.11999/JEIT241027
摘要:
针对燃气站场机器人智能巡检过程中由于突发任务导致的巡检效率下降、任务延迟和能耗增加问题，该文提出基于数字孪生辅助强化学习的燃气站场巡检任务分配算法。首先基于多机器人、差异化任务的执行状况，建立面向能耗、任务延迟的多目标联合优化巡检任务分配模型；其次利用李雅普诺夫理论对时间-能耗耦合下的巡检目标进行解耦，简化多目标联合优化问题；最后通过结合数字孪生技术和PPO(Proximal Policy Optimization)算法，对解耦后的优化目标进行求解来构建多机器人巡检任务分配策略。仿真结果表明，与现有方法相比，所提方法具有较高的任务完成率，有效地提高了多机器人系统的巡检效率。
针对燃气站场机器人智能巡检过程中由于突发任务导致的巡检效率下降、任务延迟和能耗增加问题，该文提出基于数字孪生辅助强化学习的燃气站场巡检任务分配算法。首先基于多机器人、差异化任务的执行状况，建立面向能耗、任务延迟的多目标联合优化巡检任务分配模型；其次利用李雅普诺夫理论对时间-能耗耦合下的巡检目标进行解耦，简化多目标联合优化问题；最后通过结合数字孪生技术和PPO(Proximal Policy Optimization)算法，对解耦后的优化目标进行求解来构建多机器人巡检任务分配策略。仿真结果表明，与现有方法相比，所提方法具有较高的任务完成率，有效地提高了多机器人系统的巡检效率。
, 最新更新时间 , doi: 10.11999/JEIT241018
摘要:
在外辐射源雷达系统中，不仅存在很强的直达波和零频多路径杂波，同时还存在非零频的杂波干扰。这些非零频杂波的多普勒频率具有很强的随机性，利用常规的杂波对消算法很难抑制掉。针对回波通道中的非零频杂波抑制问题，该文提出一种新的外辐射源雷达杂波抑制方法，在构建零频和非零频两种杂波子空间的基础上，建立新的代价函数并求解最优的杂波对消权值，实现零频和非零频杂波抑制。计算机仿真和实测数据分析表明，该方法在保持与现有方法相同杂波抑制性能的同时降低了杂波对消算法的运算量。
在外辐射源雷达系统中，不仅存在很强的直达波和零频多路径杂波，同时还存在非零频的杂波干扰。这些非零频杂波的多普勒频率具有很强的随机性，利用常规的杂波对消算法很难抑制掉。针对回波通道中的非零频杂波抑制问题，该文提出一种新的外辐射源雷达杂波抑制方法，在构建零频和非零频两种杂波子空间的基础上，建立新的代价函数并求解最优的杂波对消权值，实现零频和非零频杂波抑制。计算机仿真和实测数据分析表明，该方法在保持与现有方法相同杂波抑制性能的同时降低了杂波对消算法的运算量。
, 最新更新时间 , doi: 10.11999/JEIT250048
摘要:
量子计算的飞速发展威胁了传统密码系统的安全性，进而推动了后量子密码算法的研究与标准化。Dilithium数字签名算法基于格理论设计，于2024年被美国国家标准与技术研究院(NIST)选定为后量子密码算法标准。同时，对Dilithium的侧信道分析，特别是能量分析，也成为当前的研究热点。然而，现有的能量分析数据集主要针对经典分组密码算法，如AES等，缺乏Dilithium等新型算法的数据集，限制了相关侧信道分析方法的研究。为此，该文采集并公开首个针对Dilithium算法的能量分析数据集，旨在促进后量子密码算法的能量分析研究。该数据集基于Dilithium的开源参考实现，在Cortex M4处理器上运行，并通过专用设备采集，包含60000 条Dilithium签名过程中采集的能量迹，以及与每条能量迹对应的签名源数据和敏感中间值。进一步对构造的数据集进行可视化分析，详细研究了随机多项式生成函数polyz_unpack的执行过程及其对能量迹的影响。最后，使用模板分析和深度学习分析方法对数据集进行建模和测试，验证了该数据集的有效性和实用性。数据集和相关代码见https://doi.org/10.57760/sciencedb.j00173.00001 。
量子计算的飞速发展威胁了传统密码系统的安全性，进而推动了后量子密码算法的研究与标准化。Dilithium数字签名算法基于格理论设计，于2024年被美国国家标准与技术研究院(NIST)选定为后量子密码算法标准。同时，对Dilithium的侧信道分析，特别是能量分析，也成为当前的研究热点。然而，现有的能量分析数据集主要针对经典分组密码算法，如AES等，缺乏Dilithium等新型算法的数据集，限制了相关侧信道分析方法的研究。为此，该文采集并公开首个针对Dilithium算法的能量分析数据集，旨在促进后量子密码算法的能量分析研究。该数据集基于Dilithium的开源参考实现，在Cortex M4处理器上运行，并通过专用设备采集，包含
, 最新更新时间 , doi: 10.11999/JEIT241063
摘要:
在量子图像传感器(QIS)搭建的单光子成像系统中，场景信息蕴含于QIS输出的二值量化数据中，从二值比特流重建原始图像为极度不适定问题。针对现有重建算法在低过采样率重建质量低，对读出噪声敏感的问题，该文提出一种基于扩散模型和边缘信息引导的QIS图像重建算法，以实现快速高质量重建。该算法将测量子空间约束引入无条件的扩散模型反向扩散过程以满足数据一致性和自然图像数据分布的要求，最大似然估计算法重建图像的边缘轮廓成分作为辅助信息引导采样，在减少采样步数的同时提升重建质量。该算法在多个通用数据集上进行测试，并与典型的QIS图像重建算法和基于扩散模型的方法进行比较，实验结果表明，该算法有效地改善了图像重建质量，且对读出噪声具有较强的鲁棒性。
在量子图像传感器(QIS)搭建的单光子成像系统中，场景信息蕴含于QIS输出的二值量化数据中，从二值比特流重建原始图像为极度不适定问题。针对现有重建算法在低过采样率重建质量低，对读出噪声敏感的问题，该文提出一种基于扩散模型和边缘信息引导的QIS图像重建算法，以实现快速高质量重建。该算法将测量子空间约束引入无条件的扩散模型反向扩散过程以满足数据一致性和自然图像数据分布的要求，最大似然估计算法重建图像的边缘轮廓成分作为辅助信息引导采样，在减少采样步数的同时提升重建质量。该算法在多个通用数据集上进行测试，并与典型的QIS图像重建算法和基于扩散模型的方法进行比较，实验结果表明，该算法有效地改善了图像重建质量，且对读出噪声具有较强的鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT241090
摘要:
视听零次学习需要理解音频和视觉信息之间的关系，以便能够推理未见过的类别。尽管领域做出了许多努力并取得了重大进展，但往往专注于学习强大的表征，从而忽视了音频和视频之间的依赖关系和输出分布与目标分布不一致的问题。因此，该文提出了基于Transformer的视听广义零次学习方法。具体来说，使用注意力机制来学习数据的内部信息，增强不同模态的信息交互，以捕捉视听数据之间的语义一致性；为了度量不同概率分布之间的差异和类别之间的一致性，引入了Kullback-Leibler(KL)散度和余弦相似度损失。为了评估所提方法，在VGGSound-GZSLcls, UCF-GZSLcls和ActivityNet-GZSLcls 3个基准数据集上进行测试。大量的实验结果表明，所提方法在3个数据集上都取得了最先进的性能。
视听零次学习需要理解音频和视觉信息之间的关系，以便能够推理未见过的类别。尽管领域做出了许多努力并取得了重大进展，但往往专注于学习强大的表征，从而忽视了音频和视频之间的依赖关系和输出分布与目标分布不一致的问题。因此，该文提出了基于Transformer的视听广义零次学习方法。具体来说，使用注意力机制来学习数据的内部信息，增强不同模态的信息交互，以捕捉视听数据之间的语义一致性；为了度量不同概率分布之间的差异和类别之间的一致性，引入了Kullback-Leibler(KL)散度和余弦相似度损失。为了评估所提方法，在VGGSound-GZSLcls, UCF-GZSLcls和ActivityNet-GZSLcls 3个基准数据集上进行测试。大量的实验结果表明，所提方法在3个数据集上都取得了最先进的性能。
, 最新更新时间 , doi: 10.11999/JEIT240991
摘要:
智能反射表面(IRS)可以在一定程度上重构无线信道，在提升无线通信系统安全性方面具有较大潜力。然而，无线通信系统引入IRS进行安全辅助的同时，也引入了与IRS自身相关的安全问题。如果IRS的实时码本遭到恶意用户窃取，恶意用户可以推测出基站(BS)至IRS的波束方向，从而对其他合法接入的用户实施高效而隐蔽的窃听。该文首先提出根据窃取到的实时码本推测BS-IRS波束方向的方法。随后，针对这种码本攻击提出码本伪装方法，即部分IRS单元仅有相位，但并不辐射能量，属于未被激活的状态，其余IRS单元正常工作，属于激活态。伪装后的码本可以误导窃听者对BS-IRS信道的波束方向作出误判。为了确定伪装码本的拓扑结构和相位配置，该文采用了分割排序算法(DaS)和禁忌搜索算法(TS)，使得伪装码本的保密速率最大。实验结果表明，所提码本伪装方法能有效误导恶意用户，使其在窃听方向上的信号增益近似为0。
智能反射表面(IRS)可以在一定程度上重构无线信道，在提升无线通信系统安全性方面具有较大潜力。然而，无线通信系统引入IRS进行安全辅助的同时，也引入了与IRS自身相关的安全问题。如果IRS的实时码本遭到恶意用户窃取，恶意用户可以推测出基站(BS)至IRS的波束方向，从而对其他合法接入的用户实施高效而隐蔽的窃听。该文首先提出根据窃取到的实时码本推测BS-IRS波束方向的方法。随后，针对这种码本攻击提出码本伪装方法，即部分IRS单元仅有相位，但并不辐射能量，属于未被激活的状态，其余IRS单元正常工作，属于激活态。伪装后的码本可以误导窃听者对BS-IRS信道的波束方向作出误判。为了确定伪装码本的拓扑结构和相位配置，该文采用了分割排序算法(DaS)和禁忌搜索算法(TS)，使得伪装码本的保密速率最大。实验结果表明，所提码本伪装方法能有效误导恶意用户，使其在窃听方向上的信号增益近似为0。
, 最新更新时间 , doi: 10.11999/JEIT250051
摘要:
随着无人机技术的迅猛发展及其在多个领域的广泛应用，确保无人机的安全飞行和有效监管成为了一个重要的研究课题。该文提出一种基于小波熵特征和优化神经网络的无人机飞控射频信号分类识别方法，旨在解决复杂电磁环境中无人机信号识别的问题。通过提取射频信号的小波熵特征并构建特征向量，结合由大蔗鼠优化算法(GCRA)优化的支持向量机(SVM)分类器，实现了对不同型号无人机的有效分类。实验使用了公开数据集DroneRFa中的常见无人机射频信号，经过10-折交叉验证测试，该方法对于6种型号的无人机分类准确率达到了97%以上，最高可达99%，证明了所提方法的有效性和可靠性。该研究为无人机自主避障、路径规划以及多机协同作业提供了重要的技术支持。
随着无人机技术的迅猛发展及其在多个领域的广泛应用，确保无人机的安全飞行和有效监管成为了一个重要的研究课题。该文提出一种基于小波熵特征和优化神经网络的无人机飞控射频信号分类识别方法，旨在解决复杂电磁环境中无人机信号识别的问题。通过提取射频信号的小波熵特征并构建特征向量，结合由大蔗鼠优化算法(GCRA)优化的支持向量机(SVM)分类器，实现了对不同型号无人机的有效分类。实验使用了公开数据集DroneRFa中的常见无人机射频信号，经过10-折交叉验证测试，该方法对于6种型号的无人机分类准确率达到了97%以上，最高可达99%，证明了所提方法的有效性和可靠性。该研究为无人机自主避障、路径规划以及多机协同作业提供了重要的技术支持。
, 最新更新时间 , doi: 10.11999/JEIT240997
摘要:
格基属性加密方案兼具了格密码抵抗量子计算攻击的优势和属性基加密细粒度访问控制灵活授权的优势，是格密码研究的热点。已有的基于带误差学习问题/环上带误差学习问题(LWE/RLWE)的格基属性加密方案存在不支持叛逆者追踪与撤销的问题，即当解密密钥泄露时，无法准确确认用户的身份并及时撤销该叛逆用户，此外，访问策略中的属性可能会暴露敏感信息，需要对用户属性隐私进行保护。针对上述问题，该文基于2022 年国际密码学顶刊 (JoC)上提出的循环代数 LWE(CLWE)问题，提出一种支持叛逆用户追踪与撤销，并同时保护属性隐私的格基属性加密方案。该方案通过将用户唯一身份信息全局标识(GID)与完全二叉树的叶子节点值绑定，并根据解密密钥中的GID跟踪恶意用户，进而通过更新撤销列表和密文，实现叛逆者的追踪和撤销；另外，通过利用2维(属性标签，属性值)属性结构代替传统的1维(属性值)属性结构，并结合半访问策略结构和循环代数上的扩展型 Shamir 门限秘密共享方案，对用户的属性值进行隐藏，进而防止用户属性隐私泄露；最后，该方案在标准模型中被证明是安全的。性能分析表明，与其他相关格基属性加密方案相比，该方案的系统公钥尺寸、密文尺寸、平均意义下的密文膨胀率较小，且支持叛逆者的追踪撤销和属性隐私保护。
格基属性加密方案兼具了格密码抵抗量子计算攻击的优势和属性基加密细粒度访问控制灵活授权的优势，是格密码研究的热点。已有的基于带误差学习问题/环上带误差学习问题(LWE/RLWE)的格基属性加密方案存在不支持叛逆者追踪与撤销的问题，即当解密密钥泄露时，无法准确确认用户的身份并及时撤销该叛逆用户，此外，访问策略中的属性可能会暴露敏感信息，需要对用户属性隐私进行保护。针对上述问题，该文基于2022 年国际密码学顶刊 (JoC)上提出的循环代数 LWE(CLWE)问题，提出一种支持叛逆用户追踪与撤销，并同时保护属性隐私的格基属性加密方案。该方案通过将用户唯一身份信息全局标识(GID)与完全二叉树的叶子节点值绑定，并根据解密密钥中的GID跟踪恶意用户，进而通过更新撤销列表和密文，实现叛逆者的追踪和撤销；另外，通过利用2维(属性标签，属性值)属性结构代替传统的1维(属性值)属性结构，并结合半访问策略结构和循环代数上的扩展型 Shamir 门限秘密共享方案，对用户的属性值进行隐藏，进而防止用户属性隐私泄露；最后，该方案在标准模型中被证明是安全的。性能分析表明，与其他相关格基属性加密方案相比，该方案的系统公钥尺寸、密文尺寸、平均意义下的密文膨胀率较小，且支持叛逆者的追踪撤销和属性隐私保护。
, 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/JEIT241056
摘要:
正交时频空(OTFS)因其在高速移动场景下优异的误码率性能而受到广泛研究。针对OTFS接收机运算复杂度较高问题，该文提出一种基于最大比合并(MRC)的低复杂度接收机算法。首先，其核心思想在时延多普勒域利用最大比合并算法进行迭代，对接收的多径分量进行提取和相干组合，以提高组合信号的信噪比。其次，通过引入交织器和解交织器，信道矩阵转化为稀疏的上三角海森伯矩阵，有利于后续进行矩阵分解。再次，针对符号决策过程中矩阵求逆计算量大的问题，提出一种低复杂度的LDLH分解算法。最后，在此基础上进一步改进，提出了一种复杂度进一步降低的下三角矩阵求逆算法，以降低下三角矩阵求逆的复杂度。仿真结果表明，一方面该算法误码率与最大比合并算法相同，另一方面性能显著优于高阶调制的线性最小均方误差估计(LMMSE)线性均衡器与高斯−赛德尔(GS)迭代均衡算法。
正交时频空(OTFS)因其在高速移动场景下优异的误码率性能而受到广泛研究。针对OTFS接收机运算复杂度较高问题，该文提出一种基于最大比合并(MRC)的低复杂度接收机算法。首先，其核心思想在时延多普勒域利用最大比合并算法进行迭代，对接收的多径分量进行提取和相干组合，以提高组合信号的信噪比。其次，通过引入交织器和解交织器，信道矩阵转化为稀疏的上三角海森伯矩阵，有利于后续进行矩阵分解。再次，针对符号决策过程中矩阵求逆计算量大的问题，提出一种低复杂度的LDLH分解算法。最后，在此基础上进一步改进，提出了一种复杂度进一步降低的下三角矩阵求逆算法，以降低下三角矩阵求逆的复杂度。仿真结果表明，一方面该算法误码率与最大比合并算法相同，另一方面性能显著优于高阶调制的线性最小均方误差估计(LMMSE)线性均衡器与高斯−赛德尔(GS)迭代均衡算法。
, 最新更新时间 , doi: 10.11999/JEIT241055
摘要:
针对多无人机在环境监测传感器网络、灾害应急通信节点等设备位置部分未知场景下的数据收集需求，该文提出一种模型辅助的联邦强化学习多无人机路径规划方法。在联邦学习框架下，通过结合最大熵强化学习与单调价值函数分解机制，引入动态熵温度参数和注意力机制，优化了多无人机协作的探索效率与策略稳定性。此外，设计了一种基于信道建模与位置估计的混合模拟环境构建方法，利用改进的粒子群算法快速估计未知设备位置，显著降低了真实环境交互成本。仿真结果表明，所提算法能够实现高效数据收集，相较于传统多智能体强化学习方法，数据收集率提升4.4%，路径长度减少8.4%，验证了所提算法的有效性和优越性。
针对多无人机在环境监测传感器网络、灾害应急通信节点等设备位置部分未知场景下的数据收集需求，该文提出一种模型辅助的联邦强化学习多无人机路径规划方法。在联邦学习框架下，通过结合最大熵强化学习与单调价值函数分解机制，引入动态熵温度参数和注意力机制，优化了多无人机协作的探索效率与策略稳定性。此外，设计了一种基于信道建模与位置估计的混合模拟环境构建方法，利用改进的粒子群算法快速估计未知设备位置，显著降低了真实环境交互成本。仿真结果表明，所提算法能够实现高效数据收集，相较于传统多智能体强化学习方法，数据收集率提升4.4%，路径长度减少8.4%，验证了所提算法的有效性和优越性。
, 最新更新时间 , doi: 10.11999/JEIT250013
摘要:
正交时频空(OTFS)调制在解决高速移动通信中的性能瓶颈方面具有独特优势，但传统均衡算法难以有效消除复杂环境下的符号间干扰(ISI)和多普勒间干扰(IDI)，同时还存在复杂度高的问题。针对上述问题，该文提出一种低复杂度的基于分块矩阵的变换域OTFS信道均衡算法。首先，基于时延-多普勒(DD)域信道响应的分块稀疏性，结合保护间隔设计，逐步消除OTFS系统扩散引起的ISI，建立子块的均衡模型。其次，利用信道子矩阵托普利兹循环矩阵的性质，将其进行变换域处理变为对角矩阵，从而在均衡操作中消除IDI并降低算法复杂度。最后，在此算法的基础上引入判决反馈，进一步提升算法的性能增益。系统仿真表明，该文所提算法在复杂度与性能方面均具有良好的折中性能且适合多种实际场景，同时能在一定程度上降低信道估计过程中的导频开销，增加数据传输效率。
正交时频空(OTFS)调制在解决高速移动通信中的性能瓶颈方面具有独特优势，但传统均衡算法难以有效消除复杂环境下的符号间干扰(ISI)和多普勒间干扰(IDI)，同时还存在复杂度高的问题。针对上述问题，该文提出一种低复杂度的基于分块矩阵的变换域OTFS信道均衡算法。首先，基于时延-多普勒(DD)域信道响应的分块稀疏性，结合保护间隔设计，逐步消除OTFS系统扩散引起的ISI，建立子块的均衡模型。其次，利用信道子矩阵托普利兹循环矩阵的性质，将其进行变换域处理变为对角矩阵，从而在均衡操作中消除IDI并降低算法复杂度。最后，在此算法的基础上引入判决反馈，进一步提升算法的性能增益。系统仿真表明，该文所提算法在复杂度与性能方面均具有良好的折中性能且适合多种实际场景，同时能在一定程度上降低信道估计过程中的导频开销，增加数据传输效率。
, 最新更新时间 , doi: 10.11999/JEIT240670
摘要:
针对低空监视技术广域多点定位(WAM)时间同步困难或复杂度高，影响定位精度的问题，该文构建了基于到达时间(TOA)的时间同步及“同一消息”提取的数学模型，通过计算地面传感器的“同步启动时间”完成同步，计算复杂度低且易于实现。在此基础上，利用同一消息提取模型筛选出TOA用于定位计算。为了提高TOA估计值的精度，减小同步误差。提出了可变滑动滤波与卡尔曼滤波结合 (VMAF-Kalman)的联合滤波方法，提高可编程门阵列 (FPGA)基准时钟的稳定性，减小时钟延迟引起的TOA计数误差。仿真结果表明，联合滤波比单一滤波算法效果更好，TOA计数误差分别降低37.21%和25.36%。对无人机和民航飞机的定位测验结果都表现出较高的定位准确率，定位误差和位置更新速率符合标准要求，证明该文所提模型，具有实用性且有较好的同步精度。
针对低空监视技术广域多点定位(WAM)时间同步困难或复杂度高，影响定位精度的问题，该文构建了基于到达时间(TOA)的时间同步及“同一消息”提取的数学模型，通过计算地面传感器的“同步启动时间”完成同步，计算复杂度低且易于实现。在此基础上，利用同一消息提取模型筛选出TOA用于定位计算。为了提高TOA估计值的精度，减小同步误差。提出了可变滑动滤波与卡尔曼滤波结合 (VMAF-Kalman)的联合滤波方法，提高可编程门阵列 (FPGA)基准时钟的稳定性，减小时钟延迟引起的TOA计数误差。仿真结果表明，联合滤波比单一滤波算法效果更好，TOA计数误差分别降低37.21%和25.36%。对无人机和民航飞机的定位测验结果都表现出较高的定位准确率，定位误差和位置更新速率符合标准要求，证明该文所提模型，具有实用性且有较好的同步精度。
, 最新更新时间 , doi: 10.11999/JEIT240709
摘要:
在战场环境中，针对多波束干扰系统突防组网雷达场景下干扰资源分配的问题，该文提出一种引入柯西变异和全局协同控制策略的改进秘书鸟算法(ISBOA)对战场上的干扰资源进行优化分配。首先，建立突防场景下的多波束干扰系统模型，并将组网雷达检测融合概率作为多干扰机协同压制干扰组网雷达的性能评估指标；其次，以最小化检测概率为目标函数，对多干扰机干扰样式、干扰波束和功率资源进行联合优化分配；最后，利用ISBOA进行求解。实验结果经过对比表明，ISBOA算法搜索能力更强，收敛精度更高，具有更强的稳定性，能够更加合理地分配战场上的干扰资源。
在战场环境中，针对多波束干扰系统突防组网雷达场景下干扰资源分配的问题，该文提出一种引入柯西变异和全局协同控制策略的改进秘书鸟算法(ISBOA)对战场上的干扰资源进行优化分配。首先，建立突防场景下的多波束干扰系统模型，并将组网雷达检测融合概率作为多干扰机协同压制干扰组网雷达的性能评估指标；其次，以最小化检测概率为目标函数，对多干扰机干扰样式、干扰波束和功率资源进行联合优化分配；最后，利用ISBOA进行求解。实验结果经过对比表明，ISBOA算法搜索能力更强，收敛精度更高，具有更强的稳定性，能够更加合理地分配战场上的干扰资源。
, 最新更新时间 , doi: 10.11999/JEIT240864
摘要:
自适应光正交频分复用符号分解串行传输(O-OFDM-ASDST)可以有效抑制可见光通信(VLC)中发光二极管(LED)的非线性限幅失真，然而，O-OFDM-ASDST在接收端合并分解符号时会导致加性高斯白噪声(AWGN)叠加，从而引起误码率(BER)恶化。为此，该文基于人工智能粒计算的粗糙集理论(RST)信息系统与不可分辨关系，提出一种O-OFDM-ASDST信号检测算法。首先，将接收端时域抽样值作为论域，并将信号特征作为条件属性构建信息系统。通过决策规则对接收的分解符号进行分类，尽可能分类决策出原本等于门限值和零值的时域抽样值；然后，根据制定的决策规则导出不可分辨关系，并通过属性约简提取处于门限值之间的时域抽样值并进行重构，以达到降低重构算法复杂度的目的；最后，采用蒙特卡罗仿真方法，验证检测算法的性能。结果表明，与对比信号检测算法相比，该文检测算法在房间中心位置的BER性能可获得5.4 dB和1 dB的信噪比(SNR)增益；即使在房间边缘位置，也可以获得5.5 dB和0.8 dB的SNR增益。此外，检测算法的复杂度仅为对比信号检测算法的1/10。综上所述，所提检测算法能够有效抑制加性高斯白噪声(AWGN)，提高误码率(BER)性能，并显著降低算法复杂度和处理时延。
自适应光正交频分复用符号分解串行传输(O-OFDM-ASDST)可以有效抑制可见光通信(VLC)中发光二极管(LED)的非线性限幅失真，然而，O-OFDM-ASDST在接收端合并分解符号时会导致加性高斯白噪声(AWGN)叠加，从而引起误码率(BER)恶化。为此，该文基于人工智能粒计算的粗糙集理论(RST)信息系统与不可分辨关系，提出一种O-OFDM-ASDST信号检测算法。首先，将接收端时域抽样值作为论域，并将信号特征作为条件属性构建信息系统。通过决策规则对接收的分解符号进行分类，尽可能分类决策出原本等于门限值和零值的时域抽样值；然后，根据制定的决策规则导出不可分辨关系，并通过属性约简提取处于门限值之间的时域抽样值并进行重构，以达到降低重构算法复杂度的目的；最后，采用蒙特卡罗仿真方法，验证检测算法的性能。结果表明，与对比信号检测算法相比，该文检测算法在房间中心位置的BER性能可获得5.4 dB和1 dB的信噪比(SNR)增益；即使在房间边缘位置，也可以获得5.5 dB和0.8 dB的SNR增益。此外，检测算法的复杂度仅为对比信号检测算法的1/10。综上所述，所提检测算法能够有效抑制加性高斯白噪声(AWGN)，提高误码率(BER)性能，并显著降低算法复杂度和处理时延。
, 最新更新时间 , doi: 10.11999/JEIT240682
摘要:
针对全球导航卫星系统(GNSS)在遮挡环境下定位精度受限以及差分方法在较长基线时难以消除电离层延迟的问题，该文提出一种改进的部分模糊度解算(MPAR)方法。该方法融合了无几何模式下的基于电离层延迟改正模型的级联整数解算(ICIR)与几何模式下的最小二乘降相关平差(LAMBDA)。通过引入电离层延迟改正模型并将其融入ICIR方法中，有效解决了电离层延迟误差对模糊度解算(AR)的影响，提高了长基线条件下的定位精度。同时，为提升观测值质量不佳时的数据利用率，本研究利用卫星三频最优子集信息辅助非三频子集进行AR。具体而言，对最优子集卫星采用改进的ICIR方法进行解算，而对非三频卫星子集则结合最优子集的辅助信息，采用LAMBDA方法进行解算。两阶段解算策略不仅降低了计算复杂度，还显著提高了AR的成功率和可靠性，从而全面提升了GNSS定位的性能。实验结果表明，MPARICIR方法在各种基线条件和卫星数据质量下均表现出优异的定位精度和稳定性。
针对全球导航卫星系统(GNSS)在遮挡环境下定位精度受限以及差分方法在较长基线时难以消除电离层延迟的问题，该文提出一种改进的部分模糊度解算(MPAR)方法。该方法融合了无几何模式下的基于电离层延迟改正模型的级联整数解算(ICIR)与几何模式下的最小二乘降相关平差(LAMBDA)。通过引入电离层延迟改正模型并将其融入ICIR方法中，有效解决了电离层延迟误差对模糊度解算(AR)的影响，提高了长基线条件下的定位精度。同时，为提升观测值质量不佳时的数据利用率，本研究利用卫星三频最优子集信息辅助非三频子集进行AR。具体而言，对最优子集卫星采用改进的ICIR方法进行解算，而对非三频卫星子集则结合最优子集的辅助信息，采用LAMBDA方法进行解算。两阶段解算策略不仅降低了计算复杂度，还显著提高了AR的成功率和可靠性，从而全面提升了GNSS定位的性能。实验结果表明，MPARICIR方法在各种基线条件和卫星数据质量下均表现出优异的定位精度和稳定性。
, 最新更新时间 , doi: 10.11999/JEIT240974
摘要:
自21世纪以来，我国航天事业快速发展，遥感卫星已成为国土资源普查以及防灾减灾的关键资源。然而，点群、多频和大区域等复杂目标需求的涌现、卫星资源的差异化以及多类复杂目标一体化调度，对现有卫星任务规划技术提出了挑战。针对该问题，该文设计了一种可演进星群智能任务规划引擎架构，以解决异构星群多元目标的一体化调度问题。通过深入研究模型与算法，实现了“约束-决策-收益”模型的解耦，开发了“全局演化+局部搜索+数据驱动”的优化算法模块。在模型层面，通过目标分解来生成标准任务，并构建了多元复杂目标调度模型。在算法层面，提出了一种基于双模型演化的学习型模因算法(LMA)，包括初始解生成策略、全局优化策略及通用化邻域搜索算子模板，增强了解的多样性和全局探索能力。此外，通过数据驱动优化策略和动态多阶段快速插入策略满足了动态调度需求。实验结果表明，该算法在求解质量和速度上均优于经典算法和先进算法，并具有良好的鲁棒性。消融实验验证了初始解生成策略、双模型演进及数据驱动策略的有效性。在不同难度的场景中，该算法能够快速提供高质量的调度方案，展示了其在航天任务调度中的应用潜力。
自21世纪以来，我国航天事业快速发展，遥感卫星已成为国土资源普查以及防灾减灾的关键资源。然而，点群、多频和大区域等复杂目标需求的涌现、卫星资源的差异化以及多类复杂目标一体化调度，对现有卫星任务规划技术提出了挑战。针对该问题，该文设计了一种可演进星群智能任务规划引擎架构，以解决异构星群多元目标的一体化调度问题。通过深入研究模型与算法，实现了“约束-决策-收益”模型的解耦，开发了“全局演化+局部搜索+数据驱动”的优化算法模块。在模型层面，通过目标分解来生成标准任务，并构建了多元复杂目标调度模型。在算法层面，提出了一种基于双模型演化的学习型模因算法(LMA)，包括初始解生成策略、全局优化策略及通用化邻域搜索算子模板，增强了解的多样性和全局探索能力。此外，通过数据驱动优化策略和动态多阶段快速插入策略满足了动态调度需求。实验结果表明，该算法在求解质量和速度上均优于经典算法和先进算法，并具有良好的鲁棒性。消融实验验证了初始解生成策略、双模型演进及数据驱动策略的有效性。在不同难度的场景中，该算法能够快速提供高质量的调度方案，展示了其在航天任务调度中的应用潜力。
, 最新更新时间 , doi: 10.11999/JEIT250024
摘要:
连续探测自由活动大鼠的神经活动对于研究大脑功能具有重要意义，但同时也是一个挑战。该文研究旨在通过双脑区探测提供全面的大脑活动信息。为此，设计了一种符合双脑区形状的四探针微电极阵列(MEA)，并使用聚吡咯/银纳米线(PPy/AgNW)纳米复合材料进行表面修饰。优化后，PPy/AgNW纳米复合材料修饰的MEA展现出低阻抗(53.01 ± 2.59 kΩ)，增强了信号采集性能。进一步研究了PPy/AgNW纳米复合材料修饰的MEA的稳定性。经过1000 次循环伏安扫描后，电容保持率为92.51% ± 2.21%，阻抗未显著增加，表明其具有长期体内探测的高稳定性。MEA植入大鼠相应脑区后不影响其自由活动，并成功检测到连续两周的空间认知过程中尖峰信号和局部场电位信号，确认了记录神经元中存在位置细胞。为了评估神经元动态的变化，我们计算了神经元之间的互信息、特别关注单脑区内以及双脑区之间的交互信息。在初始记忆阶段，观察到双脑区间显著的信息交换，可能与记忆存储有关。总之，本研究成功地使用纳米材料修饰的MEA实现了对移动大鼠双脑区的动态探测，揭示了参与空间记忆过程的神经动态。这一见解对于更深入地理解大脑活动机制和相关疾病具有重要意义。
连续探测自由活动大鼠的神经活动对于研究大脑功能具有重要意义，但同时也是一个挑战。该文研究旨在通过双脑区探测提供全面的大脑活动信息。为此，设计了一种符合双脑区形状的四探针微电极阵列(MEA)，并使用聚吡咯/银纳米线(PPy/AgNW)纳米复合材料进行表面修饰。优化后，PPy/AgNW纳米复合材料修饰的MEA展现出低阻抗(53.01 ± 2.59 kΩ)，增强了信号采集性能。进一步研究了PPy/AgNW纳米复合材料修饰的MEA的稳定性。经过
, 最新更新时间 , doi: 10.11999/JEIT250105
摘要:
正交时频空间(OTFS)调制技术在低轨卫星与地面通信场景下具有良好的应用前景。然而，LEO高多普勒频移变化率和高延迟会导致信道老化问题，实时的信道估计不仅增大了星载接收机计算复杂度，而且大量的信令开销降低了传输效率。本文针对Ka频段MISO-OTFS星地通信系统，设计了一种基于上行信道估计的下行信道预测方案，提出了一种基于数据辅助匹配滤波的高精度信道估计方法提取上行信道状态信息，构建了一种基于大语言模型的信道预测网络(ASLLM)预测下行信道状态信息。仿真结果将所提出的方法与其他现有方法对比，证明其在可接受计算复杂度内具有更优的NMSE、BER预测性能和多场景泛化能力。
正交时频空间(OTFS)调制技术在低轨卫星与地面通信场景下具有良好的应用前景。然而，LEO高多普勒频移变化率和高延迟会导致信道老化问题，实时的信道估计不仅增大了星载接收机计算复杂度，而且大量的信令开销降低了传输效率。本文针对Ka频段MISO-OTFS星地通信系统，设计了一种基于上行信道估计的下行信道预测方案，提出了一种基于数据辅助匹配滤波的高精度信道估计方法提取上行信道状态信息，构建了一种基于大语言模型的信道预测网络(ASLLM)预测下行信道状态信息。仿真结果将所提出的方法与其他现有方法对比，证明其在可接受计算复杂度内具有更优的NMSE、BER预测性能和多场景泛化能力。
, 最新更新时间 , doi: 10.11959/j.issn.1000−436x
摘要:
为顺应未来网络向密集化与空间化方向的发展趋势，该文提出构建一种多基站共存的空地结合超密集复杂网络，并开发半分布式方案以优化网络资源。首先，建立包括宏基站、微基站和无人机(UAV)空中基站在内的多种基站共存的超密集复杂网络构架。在此基础上，针对传统完全集中式方案存在的计算负担重、响应速度慢以及分布式方案缺乏全局优化视角等问题，提出一种半分布式的双深度Q网络(DDQN)功率控制方案。该方案旨在优化网络能效，通过分布式决策与集中训练相结合的方式，有效平衡了计算复杂度和性能优化。具体而言，半分布式方案利用DDQN算法在基站侧进行分布式决策，同时引入集中式网络训练器以确保整体网络的能效最优。仿真结果表明，所提出的半分布式DDQN方案能够很好地适应密集复杂网络结构，与传统深度Q网络(DQN)相比，在能效和总吞吐量方面均取得了显著提升。
为顺应未来网络向密集化与空间化方向的发展趋势，该文提出构建一种多基站共存的空地结合超密集复杂网络，并开发半分布式方案以优化网络资源。首先，建立包括宏基站、微基站和无人机(UAV)空中基站在内的多种基站共存的超密集复杂网络构架。在此基础上，针对传统完全集中式方案存在的计算负担重、响应速度慢以及分布式方案缺乏全局优化视角等问题，提出一种半分布式的双深度Q网络(DDQN)功率控制方案。该方案旨在优化网络能效，通过分布式决策与集中训练相结合的方式，有效平衡了计算复杂度和性能优化。具体而言，半分布式方案利用DDQN算法在基站侧进行分布式决策，同时引入集中式网络训练器以确保整体网络的能效最优。仿真结果表明，所提出的半分布式DDQN方案能够很好地适应密集复杂网络结构，与传统深度Q网络(DQN)相比，在能效和总吞吐量方面均取得了显著提升。
, 最新更新时间 , doi: 10.11999/JEIT241157
摘要:
现有对抗防御策略大多针对特定攻击方式进行对抗样本判别，计算复杂度高、迁移性差，且无法实现噪声的像素级检测。对于大尺寸遥感图像，对抗噪声往往集中于局部关键地物区域。为此，该文结合对抗噪声高不确定性特征，面向遥感图像提出一种不确定性驱动的像素级对抗噪声检测方法。首先设计带蒙特卡罗批归一化的特征提取网络，通过多次前向传播生成蒙特卡罗样本，并将样本的均值和标准差分别作为输出图像和不确定性图。依据输出图像的均方误差判断其是否属于对抗样本，若属于则进一步结合不确定性图实现多种类型对抗噪声的像素级检测。在遥感数据集上的实验结果表明，该方法能够准确检测出对抗噪声，并在不同攻击方式下展现出强鲁棒性与良好的泛化性能。
现有对抗防御策略大多针对特定攻击方式进行对抗样本判别，计算复杂度高、迁移性差，且无法实现噪声的像素级检测。对于大尺寸遥感图像，对抗噪声往往集中于局部关键地物区域。为此，该文结合对抗噪声高不确定性特征，面向遥感图像提出一种不确定性驱动的像素级对抗噪声检测方法。首先设计带蒙特卡罗批归一化的特征提取网络，通过多次前向传播生成蒙特卡罗样本，并将样本的均值和标准差分别作为输出图像和不确定性图。依据输出图像的均方误差判断其是否属于对抗样本，若属于则进一步结合不确定性图实现多种类型对抗噪声的像素级检测。在遥感数据集上的实验结果表明，该方法能够准确检测出对抗噪声，并在不同攻击方式下展现出强鲁棒性与良好的泛化性能。
, 最新更新时间 , doi: 10.11999/JEIT250121
摘要:
为满足空间引力波探测中时延干涉算法(TDI)对米级精度星间距数据的需求，基于激光链路建立星间绝对距离测量系统。该文以空间引力波探测太极计划为背景，通过分析空间引力波探测中星间测距的实现原理，设计了基于伪随机码(PRN)低深度相位调制的星间测距模型，分析了测距精度的主要影响因素，并基于直接数字合成器(DDS)模拟外差干涉信号，进行了伪码测距系统的FPGA仿真验证。仿真结果表明，采用该模型可获得的理论测距精度可达厘米量级，达到了空间引力波探测的米级精度需求。该激光测距方案对卫星导航和天基引力波探测的工程应用具有参考价值。
为满足空间引力波探测中时延干涉算法(TDI)对米级精度星间距数据的需求，基于激光链路建立星间绝对距离测量系统。该文以空间引力波探测太极计划为背景，通过分析空间引力波探测中星间测距的实现原理，设计了基于伪随机码(PRN)低深度相位调制的星间测距模型，分析了测距精度的主要影响因素，并基于直接数字合成器(DDS)模拟外差干涉信号，进行了伪码测距系统的FPGA仿真验证。仿真结果表明，采用该模型可获得的理论测距精度可达厘米量级，达到了空间引力波探测的米级精度需求。该激光测距方案对卫星导航和天基引力波探测的工程应用具有参考价值。
, 最新更新时间 , doi: 10.11999/JEIT250052
摘要:
针对非正交椭圆球面波(PSWFs)信号因相互干扰导致信号检测性能低的难题，该文将信号时频域特性引入信号检测，提出了基于信号间交叉项的非正交PSWFs信号检测方法，将信号检测由“时域/频域1维能量域”拓展到“时频2维能量域”，并利用时频域局部区域能量进行信号检测，有效降低了非正交PSWFs信号间干扰、提升了非正交PSWFs信号检测性能。理论与仿真分析表明，相对于相干检测，所提方法具有更优的信号检测性能，当误比特率为4×10-5时，系统误码性能提升约1 dB。
针对非正交椭圆球面波(PSWFs)信号因相互干扰导致信号检测性能低的难题，该文将信号时频域特性引入信号检测，提出了基于信号间交叉项的非正交PSWFs信号检测方法，将信号检测由“时域/频域1维能量域”拓展到“时频2维能量域”，并利用时频域局部区域能量进行信号检测，有效降低了非正交PSWFs信号间干扰、提升了非正交PSWFs信号检测性能。理论与仿真分析表明，相对于相干检测，所提方法具有更优的信号检测性能，当误比特率为4×10-5时，系统误码性能提升约1 dB。
, 最新更新时间 , doi: 10.11999/JEIT250012
摘要:
在低空智联网中，随着用户数量的急剧增加与空域环境的日益复杂，无人机(UAVs)搭载活动基站为多用户提供通信服务时难以兼顾数据传输性能与飞行安全。因此，该文创新性构建了基于碰撞概率地图避障的无人机避障通信系统模型，为解决低空混合障碍下最大化无人机通信能效的问题，提出了用户调度优化的多智能体深度确定性策略梯度(MADDPG)算法，实现了多机协同航迹规划。仿真分析表明，该文所提策略在混合障碍物空域中可有效提升无人机系统能效的同时，平均碰撞概率相比传统避障方法降低了约8倍。
在低空智联网中，随着用户数量的急剧增加与空域环境的日益复杂，无人机(UAVs)搭载活动基站为多用户提供通信服务时难以兼顾数据传输性能与飞行安全。因此，该文创新性构建了基于碰撞概率地图避障的无人机避障通信系统模型，为解决低空混合障碍下最大化无人机通信能效的问题，提出了用户调度优化的多智能体深度确定性策略梯度(MADDPG)算法，实现了多机协同航迹规划。仿真分析表明，该文所提策略在混合障碍物空域中可有效提升无人机系统能效的同时，平均碰撞概率相比传统避障方法降低了约8倍。
, 最新更新时间 , doi: 10.11999/JEIT240966
摘要:
空中交通管理系统是关乎空天安全和人民生命财产安全的国家大型关键信息基础设施。随着信息化、网络化和智能化技术的广泛应用，现代空中交通管理系统已经演化成为由多利益相关方异构融合的空天地海一体化网络。尽管系统的开放性和连接性提升了空中交通管理效率，但也引入了新的网络安全威胁，扩大了系统攻击面，使得网络安全生态复杂且形势严峻。该文以资产梳理、威胁分析、攻击建模、防御机制为主线，从不同的利益相关方(Stakeholders)出发，如电子使能飞机、空中交通管理(CNS/ATM)、智慧机场、智能决策等方面对空中交通管理系统的网络安全研究现状进行了全面系统的综述，并提出了动态网络安全分析、攻击影响传播建模、人在回路网络安全分析、分布式入侵检测系统等方面的研究问题与挑战。
空中交通管理系统是关乎空天安全和人民生命财产安全的国家大型关键信息基础设施。随着信息化、网络化和智能化技术的广泛应用，现代空中交通管理系统已经演化成为由多利益相关方异构融合的空天地海一体化网络。尽管系统的开放性和连接性提升了空中交通管理效率，但也引入了新的网络安全威胁，扩大了系统攻击面，使得网络安全生态复杂且形势严峻。该文以资产梳理、威胁分析、攻击建模、防御机制为主线，从不同的利益相关方(Stakeholders)出发，如电子使能飞机、空中交通管理(CNS/ATM)、智慧机场、智能决策等方面对空中交通管理系统的网络安全研究现状进行了全面系统的综述，并提出了动态网络安全分析、攻击影响传播建模、人在回路网络安全分析、分布式入侵检测系统等方面的研究问题与挑战。
, 最新更新时间 , doi: 10.11999/JEIT241044
摘要:
无人机自组织网络中，各个节点的流量不均衡，容易导致网络拥塞和时隙资源利用率低的问题。该文研究了无人机自组网中饱和节点和不饱和节点共存的场景下的接入控制问题，旨在让更多的节点共享不饱和节点的空闲时隙，提升网络的吞吐量。针对无人机多跳自组织网络接入控制问题，该文提出一种基于深度强化学习的多跳无人机自组织网络MAC协议(DQL-MHTDMA)，将饱和节点联合为一个大智能体，学习网络拓扑信息和时隙占用规律，选择最优的接入动作，实现每个时隙上的最大吞吐量或最佳能效。仿真结果表明，所提DQL-MHTDMA协议能够学习时隙的占用规律，并且可以感知多跳拓扑，在多种不饱和流量到达规律下获得最优的吞吐量或最佳的能量效率。
无人机自组织网络中，各个节点的流量不均衡，容易导致网络拥塞和时隙资源利用率低的问题。该文研究了无人机自组网中饱和节点和不饱和节点共存的场景下的接入控制问题，旨在让更多的节点共享不饱和节点的空闲时隙，提升网络的吞吐量。针对无人机多跳自组织网络接入控制问题，该文提出一种基于深度强化学习的多跳无人机自组织网络MAC协议(DQL-MHTDMA)，将饱和节点联合为一个大智能体，学习网络拓扑信息和时隙占用规律，选择最优的接入动作，实现每个时隙上的最大吞吐量或最佳能效。仿真结果表明，所提DQL-MHTDMA协议能够学习时隙的占用规律，并且可以感知多跳拓扑，在多种不饱和流量到达规律下获得最优的吞吐量或最佳的能量效率。
, 最新更新时间 , doi: 10.11999/JEIT241082
摘要:
通感一体化波形的多普勒容忍性和低旁瓣电平对于通感一体化场景中的目标探测和信息传输至关重要，但其设计面临着诸多挑战。为此，该文提出一种基于多普勒容忍的通感一体化波形与接收滤波器联合设计方法。以最小化加权积分旁瓣电平和处理增益损失为优化指标，同时考虑发射波形的恒模约束、发射波形与通信波形之间的相位差约束以及失配滤波器的能量约束，提出了基于迭代扭曲近似算法的框架来解决波形优化设计问题。仿真结果表明，该文提出的一体化波形在小处理增益损失的情况下，在感兴趣时延区间宽度上实现了很低的旁瓣电平和误符号率，可有效提升雷达感知性能和通信质量。
通感一体化波形的多普勒容忍性和低旁瓣电平对于通感一体化场景中的目标探测和信息传输至关重要，但其设计面临着诸多挑战。为此，该文提出一种基于多普勒容忍的通感一体化波形与接收滤波器联合设计方法。以最小化加权积分旁瓣电平和处理增益损失为优化指标，同时考虑发射波形的恒模约束、发射波形与通信波形之间的相位差约束以及失配滤波器的能量约束，提出了基于迭代扭曲近似算法的框架来解决波形优化设计问题。仿真结果表明，该文提出的一体化波形在小处理增益损失的情况下，在感兴趣时延区间宽度上实现了很低的旁瓣电平和误符号率，可有效提升雷达感知性能和通信质量。
, 最新更新时间 , doi: 10.11999/JEIT240797
摘要:
针对目前雷达有源干扰识别方法在低干噪比下识别精度低和训练样本难以高效获取的问题，该文提出一种孪生网络辅助下多域特征融合的雷达有源干扰识别方法。首先，为了实现低干噪比下干扰特征的有效提取，构建了一种多域特征融合子网络；具体地，结合半软阈值函数和注意力机制，提出半软阈值收缩模块，以有效提取时域特征，避免手工提取阈值的不足，同时引入多尺度卷积模块和注意力模块，以增强时频域特征提取能力。然后，为了降低识别模型对样本的依赖，设计了一种权值共享的孪生网络，通过对比样本间相似度扩大训练次数，以解决样本不足问题。最后，联合改进的加权对比度损失函数、自适应交叉熵损失函数和3元组损失函数，实现干扰特征的类内聚集、类间分离。实验结果表明，在干噪比为–6 dB且每类干扰为20个训练样本时，对10种典型有源干扰的识别率达到96.88%。
针对目前雷达有源干扰识别方法在低干噪比下识别精度低和训练样本难以高效获取的问题，该文提出一种孪生网络辅助下多域特征融合的雷达有源干扰识别方法。首先，为了实现低干噪比下干扰特征的有效提取，构建了一种多域特征融合子网络；具体地，结合半软阈值函数和注意力机制，提出半软阈值收缩模块，以有效提取时域特征，避免手工提取阈值的不足，同时引入多尺度卷积模块和注意力模块，以增强时频域特征提取能力。然后，为了降低识别模型对样本的依赖，设计了一种权值共享的孪生网络，通过对比样本间相似度扩大训练次数，以解决样本不足问题。最后，联合改进的加权对比度损失函数、自适应交叉熵损失函数和3元组损失函数，实现干扰特征的类内聚集、类间分离。实验结果表明，在干噪比为–6 dB且每类干扰为20个训练样本时，对10种典型有源干扰的识别率达到96.88%。
, 最新更新时间 , doi: 10.11999/JEIT241059
摘要:
印章在文书认证、合同签署等场景中具有重要的法律效力，是确保文件真实性和合法性的重要标志。然而，随着数字技术的快速发展，印章伪造手段日益精进，对现有的印章核验技术提出了新的挑战，尤其是在图像质量不佳或存在模糊的情况下，核验难度显著增加。为应对此问题，该文提出一种基于双流模型的印章自动核验系统SealVerifier。该系统结合了EfficientNet与高效视觉Transformer(SViT)，SViT在Transformer编码器中引入高维多层感知器和去归一化机制，以增强特征表示能力和泛化能力。此外，该文引入数据分布适配器以应对实际场景中多样化的印章，并采用双重损失函数提升模型的精度和泛化能力。在包含30 699对图像的自建中文印章数据集上，SealVerifier的精确率、召回率和F1值分别达到了91.34%, 96.83%和93.57%，显著优于现有的印章核验技术。
印章在文书认证、合同签署等场景中具有重要的法律效力，是确保文件真实性和合法性的重要标志。然而，随着数字技术的快速发展，印章伪造手段日益精进，对现有的印章核验技术提出了新的挑战，尤其是在图像质量不佳或存在模糊的情况下，核验难度显著增加。为应对此问题，该文提出一种基于双流模型的印章自动核验系统SealVerifier。该系统结合了EfficientNet与高效视觉Transformer(SViT)，SViT在Transformer编码器中引入高维多层感知器和去归一化机制，以增强特征表示能力和泛化能力。此外，该文引入数据分布适配器以应对实际场景中多样化的印章，并采用双重损失函数提升模型的精度和泛化能力。在包含30 699对图像的自建中文印章数据集上，SealVerifier的精确率、召回率和F1值分别达到了91.34%, 96.83%和93.57%，显著优于现有的印章核验技术。
, 最新更新时间 , doi: 10.11999/JEIT250004
摘要:
车联网拓扑的动态性和资源分配的随机性增大了竞争接入相同资源的碰撞概率，降低了频谱资源效率。该文基于高密度车辆运动位置的邻接稳定性，提出了应用深度强化学习算法的能量特征图谱资源分配算法。首先，应用资源感知过程测量值计算候选资源块的时隙接收信号强度指数和子载波信干噪比值，构建候选资源库的时频能量特征图谱。随后，将能量特征图谱输入构建的两层深度神经网络(DNN)，以系统吞吐量为奖励函数训练DNN权值系数矩阵，建立匹配车辆运动状态的双DQN智能体模型，并存储于车载用户终端(VUE)。当车间通信请求分配资源建立通信链路时，VUE将感知过程计算的接收信号强度指数和信干噪比值输入存储的主DQN模型，根据训练后的DNN权值系数矩阵为车间通信选择高质量资源。应用离散时间马尔可夫链推导了资源接入碰撞概率、链路失效率与能量特征指数间的表达式。在高密度车间通信中，所提出的算法提高了交通安全消息传播可靠性和频谱效率，降低了端到端传播时延。在车辆密度不超过160 veh/km时，提出算法的消息分组正确接收率超过95%、时延低于4 ms，有效资源利用率高于0.6，满足编队行驶等车联网应用的性能要求。
车联网拓扑的动态性和资源分配的随机性增大了竞争接入相同资源的碰撞概率，降低了频谱资源效率。该文基于高密度车辆运动位置的邻接稳定性，提出了应用深度强化学习算法的能量特征图谱资源分配算法。首先，应用资源感知过程测量值计算候选资源块的时隙接收信号强度指数和子载波信干噪比值，构建候选资源库的时频能量特征图谱。随后，将能量特征图谱输入构建的两层深度神经网络(DNN)，以系统吞吐量为奖励函数训练DNN权值系数矩阵，建立匹配车辆运动状态的双DQN智能体模型，并存储于车载用户终端(VUE)。当车间通信请求分配资源建立通信链路时，VUE将感知过程计算的接收信号强度指数和信干噪比值输入存储的主DQN模型，根据训练后的DNN权值系数矩阵为车间通信选择高质量资源。应用离散时间马尔可夫链推导了资源接入碰撞概率、链路失效率与能量特征指数间的表达式。在高密度车间通信中，所提出的算法提高了交通安全消息传播可靠性和频谱效率，降低了端到端传播时延。在车辆密度不超过160 veh/km时，提出算法的消息分组正确接收率超过95%、时延低于4 ms，有效资源利用率高于0.6，满足编队行驶等车联网应用的性能要求。
, 最新更新时间 , doi: 10.11999/JEIT240882
摘要:
地表异常检测是遥感图像处理领域颇具挑战的前沿问题。一方面，地表异常样本搜集困难，可训练样本稀缺。另一方面，地表异常场景类内差异大，类间相似性高，分类混淆问题突出。因此，该文提出一种融合遥感指数协同推理的地表异常检测方法(DeepIndex)。DeepIndex在大规模预训练视觉语言模型基础上，设计轻量级自适应微调模块，实现少样本高效学习。同时，DeepIndex引入具有物理机理的遥感指数先验辅助模型推理，改善分类混淆问题。为了验证方法有效性，该文构建了一个多光谱地表异常检测数据集(MS-ESAD)，包含2 768张多光谱遥感图像，红、绿、蓝、红外等6个波段以及野火、绿潮、蓝藻3种地表异常类型。DeepIndex在MS-ESAD和NWPU45数据集上均表现优异，在少量样本训练(20%)条件下，分别取得92.36%和94.39%的分类精度。同时，消融实验表明，融合遥感指数协同推理能够显著改善模型分类混淆问题。
地表异常检测是遥感图像处理领域颇具挑战的前沿问题。一方面，地表异常样本搜集困难，可训练样本稀缺。另一方面，地表异常场景类内差异大，类间相似性高，分类混淆问题突出。因此，该文提出一种融合遥感指数协同推理的地表异常检测方法(DeepIndex)。DeepIndex在大规模预训练视觉语言模型基础上，设计轻量级自适应微调模块，实现少样本高效学习。同时，DeepIndex引入具有物理机理的遥感指数先验辅助模型推理，改善分类混淆问题。为了验证方法有效性，该文构建了一个多光谱地表异常检测数据集(MS-ESAD)，包含2 768张多光谱遥感图像，红、绿、蓝、红外等6个波段以及野火、绿潮、蓝藻3种地表异常类型。DeepIndex在MS-ESAD和NWPU45数据集上均表现优异，在少量样本训练(20%)条件下，分别取得92.36%和94.39%的分类精度。同时，消融实验表明，融合遥感指数协同推理能够显著改善模型分类混淆问题。
, 最新更新时间 , doi: 10.11999/JEIT240775
摘要:
左心房疤痕的分布情况与严重程度能够为房颤的生理病理学研究提供重要信息，因此，实现左心房疤痕的自动化分割对房颤的临床诊断与治疗有着重要意义。但由于左心房疤痕具有形状多样化、目标小、分布离散等特点，现有的左心房疤痕分割方法往往难以取得好的分割效果。该文利用疤痕通常分布在左心房壁上的先验知识，提出一种基于左心房边界特征增强的左心房疤痕分割方法，通过提出的跨模态特征激励模块与双分支交叉注意力融合模块在U型网络的编码器与瓶颈层分别对核磁共振图像与左心房边界符号距离图进行特征增强引导与深层语义信息融合增强，实现从特征层面提高模型对左心房边界特性信息的关注度。该文所提分割模型在LAScarQS2022数据集上进行验证，分割结果评估明显优于当前主流的分割方法。Dice分数和准确率相比基线网络分别高出了2.17%，4.82%。
左心房疤痕的分布情况与严重程度能够为房颤的生理病理学研究提供重要信息，因此，实现左心房疤痕的自动化分割对房颤的临床诊断与治疗有着重要意义。但由于左心房疤痕具有形状多样化、目标小、分布离散等特点，现有的左心房疤痕分割方法往往难以取得好的分割效果。该文利用疤痕通常分布在左心房壁上的先验知识，提出一种基于左心房边界特征增强的左心房疤痕分割方法，通过提出的跨模态特征激励模块与双分支交叉注意力融合模块在U型网络的编码器与瓶颈层分别对核磁共振图像与左心房边界符号距离图进行特征增强引导与深层语义信息融合增强，实现从特征层面提高模型对左心房边界特性信息的关注度。该文所提分割模型在LAScarQS2022数据集上进行验证，分割结果评估明显优于当前主流的分割方法。Dice分数和准确率相比基线网络分别高出了2.17%，4.82%。
, 最新更新时间 , doi: 10.11999/JEIT250018
摘要:
自适应滤波是滤除传感输出中宽带噪声的常用方法。自适应过程跟随传感信号统计特征的变化进行调整，收敛时自适应滤波器输出为传感信号的最优估计，而收敛前的调整过程中输出并非最优，且会产生畸变引入额外噪声。该文根据噪声标准差\begin{document}$\sigma $\end{document}
自适应滤波是滤除传感输出中宽带噪声的常用方法。自适应过程跟随传感信号统计特征的变化进行调整，收敛时自适应滤波器输出为传感信号的最优估计，而收敛前的调整过程中输出并非最优，且会产生畸变引入额外噪声。该文根据噪声标准差
, 最新更新时间 , doi: 10.11999/JEIT241026
摘要:
低空空域的开放和无人机的大规模应用使得低空飞行活动日益增多，航迹规划是确保无人机在复杂低空环境下有序飞行的关键。然而由于无线遥控链路中存在的干扰、欺骗等各种攻击，导致无人机偏离规划的航迹，给低空安全带来严峻挑战。为减小位置欺骗攻击引起的航迹异常，该文提出一种多模型融合的无人机异常航迹校正方法，通过预测无人机的位置参数进行航迹校正。为了降低长期预测误差对无人机航迹校正的影响，提出融合长短期记忆网络(LSTM)和Transformer的长短期记忆网络-Transformer (LSTM-Transformer)预测模型，并在此基础上提出了分块注意力优化策略，以降低Transformer子模型的计算复杂度，提高无人机异常航迹的校正效率。基于公开数据集，通过与基准方法比较和消融实验，证明了所提方法相比其它方法能够降低无人机异常航迹的校正误差，实现对无人机异常航迹的校正。
低空空域的开放和无人机的大规模应用使得低空飞行活动日益增多，航迹规划是确保无人机在复杂低空环境下有序飞行的关键。然而由于无线遥控链路中存在的干扰、欺骗等各种攻击，导致无人机偏离规划的航迹，给低空安全带来严峻挑战。为减小位置欺骗攻击引起的航迹异常，该文提出一种多模型融合的无人机异常航迹校正方法，通过预测无人机的位置参数进行航迹校正。为了降低长期预测误差对无人机航迹校正的影响，提出融合长短期记忆网络(LSTM)和Transformer的长短期记忆网络-Transformer (LSTM-Transformer)预测模型，并在此基础上提出了分块注意力优化策略，以降低Transformer子模型的计算复杂度，提高无人机异常航迹的校正效率。基于公开数据集，通过与基准方法比较和消融实验，证明了所提方法相比其它方法能够降低无人机异常航迹的校正误差，实现对无人机异常航迹的校正。
, 最新更新时间 , doi: 10.11999/JEIT240738
摘要:
针对多无人机(UAV)分布式感知开展研究，为协调各UAV行为，该文设计了任务感知-数据回传协议，并建立了UAV任务分配、数据回传基站关联与飞行策略联合优化混合整数非线性规划问题模型。鉴于该问题数学结构的复杂性，以及集中式优化算法设计面临计算复杂度高且信息交互开销大等不足，提出将该问题转化为协作式马尔可夫博弈(MG)，定义了基于成本-效用复合的收益函数。考虑到MG问题连续-离散动作空间复杂耦合特点，设计了基于独立学习者(IL)的复合动作表演评论家(MA-IL-CA2C)的MG问题求解算法。仿真分析结果表明，相对于基线算法，所提算法能显著提高系统收益并降低网络能耗。
针对多无人机(UAV)分布式感知开展研究，为协调各UAV行为，该文设计了任务感知-数据回传协议，并建立了UAV任务分配、数据回传基站关联与飞行策略联合优化混合整数非线性规划问题模型。鉴于该问题数学结构的复杂性，以及集中式优化算法设计面临计算复杂度高且信息交互开销大等不足，提出将该问题转化为协作式马尔可夫博弈(MG)，定义了基于成本-效用复合的收益函数。考虑到MG问题连续-离散动作空间复杂耦合特点，设计了基于独立学习者(IL)的复合动作表演评论家(MA-IL-CA2C)的MG问题求解算法。仿真分析结果表明，相对于基线算法，所提算法能显著提高系统收益并降低网络能耗。
, 最新更新时间 , doi: 10.11999/JEIT240835
摘要:
作为新质生产力的低空智联网(LAIN)，通过构建多种应用场景下的3维网络体系，可协助实现泛在覆盖和万物互联的美好愿景。然而，随着LAIN的快速发展，在数据采集和利用过程中，分布式飞行器和地面设备在运营过程中所产生的数据来源广泛、格式各异，但由于尚未形成对数据的统一表征标准，极大地限制了LAIN中信息共享和有效利用。因此，该文首先总结了当前国内外相关研究现状，分析了LAIN下潜在的异构数据类型，指明其主要特征和应用场景；然后，设计了LAIN数据集成与融合的示范平台；其次，剖析了实现LAIN下多维异构信息统一表征所面临的挑战；进而，基于数据融合技术、时空栅格化技术、多模态协同推理以及知识图谱，提出潜在的融合与集成表征方法，构建统一的知识表征模型框架，以期实现不同信息源数据的语义对齐和集成；最后，对所述内容进行总结，并展望了未来的研究方向，旨在为LAIN的进一步发展提供理论基础和技术支持，推动LAIN信息资源的高效利用和智能化发展。
作为新质生产力的低空智联网(LAIN)，通过构建多种应用场景下的3维网络体系，可协助实现泛在覆盖和万物互联的美好愿景。然而，随着LAIN的快速发展，在数据采集和利用过程中，分布式飞行器和地面设备在运营过程中所产生的数据来源广泛、格式各异，但由于尚未形成对数据的统一表征标准，极大地限制了LAIN中信息共享和有效利用。因此，该文首先总结了当前国内外相关研究现状，分析了LAIN下潜在的异构数据类型，指明其主要特征和应用场景；然后，设计了LAIN数据集成与融合的示范平台；其次，剖析了实现LAIN下多维异构信息统一表征所面临的挑战；进而，基于数据融合技术、时空栅格化技术、多模态协同推理以及知识图谱，提出潜在的融合与集成表征方法，构建统一的知识表征模型框架，以期实现不同信息源数据的语义对齐和集成；最后，对所述内容进行总结，并展望了未来的研究方向，旨在为LAIN的进一步发展提供理论基础和技术支持，推动LAIN信息资源的高效利用和智能化发展。
, 最新更新时间 , doi: 10.11999/JEIT241074
摘要:
针对传统深度学习意图识别方法难以在噪声标签存在时获得可靠模型的问题，该文提出基于信息分类处理(ICP)网络和多尺度鲁棒学习的空中目标意图识别(ATIR)方法。首先，基于空中目标属性性质，构建基于ICP的编码器，以获得更具可分性的嵌入；随后，设计了从精细到粗糙的跨尺度嵌入融合机制，利用不同尺度的目标序列，训练多个编码器来学习判别模式；同时，利用不同尺度的互补信息，以交叉教学的方式训练每个编码器，以选择小损失样本作为干净标签；对于未选定的大损失样本，基于多尺度嵌入图和说话者-倾听者标签传播算法(SLPA)，使用干净样本的标签进行校正。在不同标签噪声类型、多级噪声水平的ATIR数据集上的实验结果表明，该方法的测试准确率和Macro F1分数显著优于其他基线方法，说明其具有更强的噪声标签鲁棒性。
针对传统深度学习意图识别方法难以在噪声标签存在时获得可靠模型的问题，该文提出基于信息分类处理(ICP)网络和多尺度鲁棒学习的空中目标意图识别(ATIR)方法。首先，基于空中目标属性性质，构建基于ICP的编码器，以获得更具可分性的嵌入；随后，设计了从精细到粗糙的跨尺度嵌入融合机制，利用不同尺度的目标序列，训练多个编码器来学习判别模式；同时，利用不同尺度的互补信息，以交叉教学的方式训练每个编码器，以选择小损失样本作为干净标签；对于未选定的大损失样本，基于多尺度嵌入图和说话者-倾听者标签传播算法(SLPA)，使用干净样本的标签进行校正。在不同标签噪声类型、多级噪声水平的ATIR数据集上的实验结果表明，该方法的测试准确率和Macro F1分数显著优于其他基线方法，说明其具有更强的噪声标签鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT240799
摘要:
作为新质生产力的低空智联网(LAIN)，主要由低空各类飞行器组成，可辅助实现空基多接入边缘计算(MEC)功能，能够有效应对实时数据处理和超低时延通信的挑战。考虑到任务的数据量大小具有随机性，该文聚焦研究基于LAIN的MEC网络中任务的卸载决策问题，以优化最差情况下的系统时延，保障服务的鲁棒性。首先，为刻画任务量的不确定性，利用历史数据构建基于概率距离度量的不确定集合，并建模了相应的分布鲁棒优化问题，以最小化最差任务大小概率分布情况下的系统时延。然后，为求解该最小化最大混合整数规划问题，将问题分解为嵌套的内层问题和外层问题，并基于分支定界法和二进制鲸鱼算法机制，设计了一种基于不确定任务大小的分布式鲁棒任务卸载优化算法(DRTOOA)。最后，通过仿真验证，结果表明所提DRTOOA 能够优化系统时延，且具有较高的求解效率。
作为新质生产力的低空智联网(LAIN)，主要由低空各类飞行器组成，可辅助实现空基多接入边缘计算(MEC)功能，能够有效应对实时数据处理和超低时延通信的挑战。考虑到任务的数据量大小具有随机性，该文聚焦研究基于LAIN的MEC网络中任务的卸载决策问题，以优化最差情况下的系统时延，保障服务的鲁棒性。首先，为刻画任务量的不确定性，利用历史数据构建基于概率距离度量的不确定集合，并建模了相应的分布鲁棒优化问题，以最小化最差任务大小概率分布情况下的系统时延。然后，为求解该最小化最大混合整数规划问题，将问题分解为嵌套的内层问题和外层问题，并基于分支定界法和二进制鲸鱼算法机制，设计了一种基于不确定任务大小的分布式鲁棒任务卸载优化算法(DRTOOA)。最后，通过仿真验证，结果表明所提DRTOOA 能够优化系统时延，且具有较高的求解效率。
, 最新更新时间 , doi: 10.11999/JEIT240847
摘要:
无人机(UAV)辅助联邦边缘学习的通信能够有效解决终端设备数据孤岛问题和数据泄露风险。然而，窃听者可能利用联邦边缘学习中的模型更新来恢复终端设备的原始隐私数据，从而对系统的隐私安全构成极大威胁。为了克服这一挑战，该文在无人机辅助联邦边缘学习通信系统提出一种有效的安全聚合和资源优化方案。具体来说，终端设备利用其本地数据进行局部模型训练来更新参数，并将其发送给全局无人机，无人机据此聚合出新的全局模型参数。窃听者试图通过窃听终端设备发送的模型参数信号来恢复终端设备的原始数据。该文通过联合优化终端设备的传输带宽、CPU频率、发送功率以及无人机的CPU频率，最大化安全隐私能效。为了解决该优化问题，该文提出一种演进深度确定性策略梯度(DDPG)算法，通过和系统智能交互，在保证基本时延和能耗需求的情况下获得安全聚合和资源优化方案。最后，通过和基准方案对比，验证了所提方案的有效性。
无人机(UAV)辅助联邦边缘学习的通信能够有效解决终端设备数据孤岛问题和数据泄露风险。然而，窃听者可能利用联邦边缘学习中的模型更新来恢复终端设备的原始隐私数据，从而对系统的隐私安全构成极大威胁。为了克服这一挑战，该文在无人机辅助联邦边缘学习通信系统提出一种有效的安全聚合和资源优化方案。具体来说，终端设备利用其本地数据进行局部模型训练来更新参数，并将其发送给全局无人机，无人机据此聚合出新的全局模型参数。窃听者试图通过窃听终端设备发送的模型参数信号来恢复终端设备的原始数据。该文通过联合优化终端设备的传输带宽、CPU频率、发送功率以及无人机的CPU频率，最大化安全隐私能效。为了解决该优化问题，该文提出一种演进深度确定性策略梯度(DDPG)算法，通过和系统智能交互，在保证基本时延和能耗需求的情况下获得安全聚合和资源优化方案。最后，通过和基准方案对比，验证了所提方案的有效性。
, 最新更新时间 , doi: 10.11999/JEIT240898
摘要:
卫星遥感提供了全球、连续、多尺度的地表观测能力。近年来，神经辐射场(NeRF)因其连续渲染和隐式重建特性，在自动驾驶与大场景重建等领域表现出良好鲁棒性，受到广泛关注。然而，NeRF在卫星对地观测中的应用效果有限，主要因其训练需大量多视角图像，而卫星影像获取受限。在视角稀疏时，模型易对训练视角过拟合，导致新视角下性能下降。针对上述问题，该文提出一种新的方法，通过在NeRF的训练过程中引入场景深度与表面法线的几何约束，旨在提升在稀疏视角条件下的渲染与数字表面模型(DSM)生成能力。通过在DFC2019数据集上进行广泛实验，验证了所提出方法的有效性。实验结果表明，采用几何约束的NeRF模型在稀疏视角条件下的新视角合成和DSM生成任务上均取得了领先的结果，显示出其在稀疏视角条件下卫星观测场景中的应用潜力。
卫星遥感提供了全球、连续、多尺度的地表观测能力。近年来，神经辐射场(NeRF)因其连续渲染和隐式重建特性，在自动驾驶与大场景重建等领域表现出良好鲁棒性，受到广泛关注。然而，NeRF在卫星对地观测中的应用效果有限，主要因其训练需大量多视角图像，而卫星影像获取受限。在视角稀疏时，模型易对训练视角过拟合，导致新视角下性能下降。针对上述问题，该文提出一种新的方法，通过在NeRF的训练过程中引入场景深度与表面法线的几何约束，旨在提升在稀疏视角条件下的渲染与数字表面模型(DSM)生成能力。通过在DFC2019数据集上进行广泛实验，验证了所提出方法的有效性。实验结果表明，采用几何约束的NeRF模型在稀疏视角条件下的新视角合成和DSM生成任务上均取得了领先的结果，显示出其在稀疏视角条件下卫星观测场景中的应用潜力。
, 最新更新时间 , doi: 10.11999/JEIT250161
摘要:
针对苛刻通信场景下调制方式识别精度低且泛化难的问题，该文提出一种改进Kolmogorov-Arnold混合卷积神经网络模型KA-CNN。首先，通过双树复小波包变换将信号分解至多维小波域，结合不同频率分量构建多尺度信号表征，促使神经网络模型学习各频率下的一致性特征；然后设计集成样条函数和非线性激活函数的深度学习结构，利用样条函数解决维度诅咒问题，增强周期性特征的持续学习能力；最后，采用Lipschitz正则化约束的多级网格训练，改善模型面对不同信号参数的适应性，增强跨通信场景的泛化能力。在公开数据集RadioML 2016.10a、RadioML 2018.01a和CSPB.ML.2023的实验表明，KA-CNN具有优异的调制识别精度，当信噪比在16 dB时能够取得90%以上的识别率。相较于其它深度学习方法，整体识别精度提升3%～10%，并在各种信噪比条件下具备更强的特征学习能力和泛化性。
针对苛刻通信场景下调制方式识别精度低且泛化难的问题，该文提出一种改进Kolmogorov-Arnold混合卷积神经网络模型KA-CNN。首先，通过双树复小波包变换将信号分解至多维小波域，结合不同频率分量构建多尺度信号表征，促使神经网络模型学习各频率下的一致性特征；然后设计集成样条函数和非线性激活函数的深度学习结构，利用样条函数解决维度诅咒问题，增强周期性特征的持续学习能力；最后，采用Lipschitz正则化约束的多级网格训练，改善模型面对不同信号参数的适应性，增强跨通信场景的泛化能力。在公开数据集RadioML 2016.10a、RadioML 2018.01a和CSPB.ML.2023的实验表明，KA-CNN具有优异的调制识别精度，当信噪比在16 dB时能够取得90%以上的识别率。相较于其它深度学习方法，整体识别精度提升3%～10%，并在各种信噪比条件下具备更强的特征学习能力和泛化性。
, 最新更新时间 , doi: 10.11999/JEIT241133
摘要:
近年来，医疗数据泄露频发，严重威胁患者隐私与健康安全，亟需有效的解决方案以保护医疗数据在传输过程中的隐私与安全性。该文提出了一种基于双忆阻类脑混沌神经网络的医疗物联网(Internet of Medical Things, IoMT)数据隐私保护方法，以应对这一挑战。首先，利用忆阻器的突触仿生特性，构建了一种基于Hopfield神经网络的双忆阻类脑混沌神经网络模型，并通过分岔图、Lyapunov指数谱、相图、时域图及吸引盆等非线性动力学工具，深入揭示了模型的复杂混沌动力学特性。研究结果表明，该网络不仅展现出复杂的网格多结构混沌吸引子特性，还具有平面初值位移调控能力，从而显著增强了其密码学应用潜力。为了验证其实用性与可靠性，基于微控制器单元(MCU)搭建了硬件平台，并通过硬件实验进一步确认了模型的复杂动力学行为。基于此模型，该文设计了一种结合双忆阻类脑混沌神经网络复杂混沌特性的高效IoMT数据隐私保护方法。在此基础上，对彩色医疗图像数据的加密效果进行了全面的安全性分析。实验结果表明，该方法在关键性能指标上表现优异，包括大密钥空间、低像素相关性、高密钥敏感性，以及对噪声与数据丢失攻击的强鲁棒性。该研究为IoMT环境下的医疗数据隐私保护提供了一种创新且有效的解决方案，为未来的智能医疗安全技术发展奠定了坚实基础。
近年来，医疗数据泄露频发，严重威胁患者隐私与健康安全，亟需有效的解决方案以保护医疗数据在传输过程中的隐私与安全性。该文提出了一种基于双忆阻类脑混沌神经网络的医疗物联网(Internet of Medical Things, IoMT)数据隐私保护方法，以应对这一挑战。首先，利用忆阻器的突触仿生特性，构建了一种基于Hopfield神经网络的双忆阻类脑混沌神经网络模型，并通过分岔图、Lyapunov指数谱、相图、时域图及吸引盆等非线性动力学工具，深入揭示了模型的复杂混沌动力学特性。研究结果表明，该网络不仅展现出复杂的网格多结构混沌吸引子特性，还具有平面初值位移调控能力，从而显著增强了其密码学应用潜力。为了验证其实用性与可靠性，基于微控制器单元(MCU)搭建了硬件平台，并通过硬件实验进一步确认了模型的复杂动力学行为。基于此模型，该文设计了一种结合双忆阻类脑混沌神经网络复杂混沌特性的高效IoMT数据隐私保护方法。在此基础上，对彩色医疗图像数据的加密效果进行了全面的安全性分析。实验结果表明，该方法在关键性能指标上表现优异，包括大密钥空间、低像素相关性、高密钥敏感性，以及对噪声与数据丢失攻击的强鲁棒性。该研究为IoMT环境下的医疗数据隐私保护提供了一种创新且有效的解决方案，为未来的智能医疗安全技术发展奠定了坚实基础。
, 最新更新时间 , doi: 10.11999/JEIT241122
摘要:
在地铁隧道等退化场景下，主流的激光或视觉SLAM算法实用性低，无法有效完成三维重建工作。该文提出一种基于路径似然模型(PLM)与隐马尔可夫(HMM)序列匹配的大规模地铁隧道三维重建方法，将三维重建问题分解为里程计定位与基于图优化的高精度三维重建两个过程。针对里程计定位，该文提出一种融合路径似然模型的里程计方法。在粒子滤波框架下，将轨道约束转化为观测，并与IMU和轮速计数据融合，实现在轨机器人定位。此外，还提出一种基于HMM序列匹配的回环检测方法，将回环检测问题转化为序列匹配问题，提升回环检测的性能。针对重建问题，提出一种基于大规模因子图优化的三维重建方法，通过多约束条件完成位姿图优化，从而实现大规模地铁隧道的高精度三维重建。在成都韦家碾-双水碾和沙河源-洞子口两段地铁站之间进行了实地测试。实验结果表明，该文提出的PLM和HMM序列匹配可以有效提升里程计定位精度和回环检测性能，从而实现大规模地铁隧道场景的高精度三维重建。
在地铁隧道等退化场景下，主流的激光或视觉SLAM算法实用性低，无法有效完成三维重建工作。该文提出一种基于路径似然模型(PLM)与隐马尔可夫(HMM)序列匹配的大规模地铁隧道三维重建方法，将三维重建问题分解为里程计定位与基于图优化的高精度三维重建两个过程。针对里程计定位，该文提出一种融合路径似然模型的里程计方法。在粒子滤波框架下，将轨道约束转化为观测，并与IMU和轮速计数据融合，实现在轨机器人定位。此外，还提出一种基于HMM序列匹配的回环检测方法，将回环检测问题转化为序列匹配问题，提升回环检测的性能。针对重建问题，提出一种基于大规模因子图优化的三维重建方法，通过多约束条件完成位姿图优化，从而实现大规模地铁隧道的高精度三维重建。在成都韦家碾-双水碾和沙河源-洞子口两段地铁站之间进行了实地测试。实验结果表明，该文提出的PLM和HMM序列匹配可以有效提升里程计定位精度和回环检测性能，从而实现大规模地铁隧道场景的高精度三维重建。
, 最新更新时间 , doi: 10.11999/JEIT241009
摘要:
焊接技术在工业制造中占据着举足轻重的作用，而X射线图像评定是保障焊缝内部质量的关键检测方式。鉴于焊缝X射线图像评定环节中存在工作量大、效率难以提升等问题，该文提出一种基于DETR网络改进的CADETR焊缝缺陷检测模型。此模型以DETR网络为基础，设计了CEC网络结构，拓宽了卷积核的感受野，增强了模型对于不同尺度缺陷的特征提取性能；同时设计了AFPN网络，该结构能够有效融合高分辨率与低分辨率的多尺度特征图；设计了PCE-Loss损失函数，增大了模型对缺陷图像预测错误的损失惩罚。构建了大型结构件焊缝X射线图像数据集，经过测试CADETR模型展现出良好的缺陷检测性能，其平均精度达到了91.6%，可作为后续焊缝缺陷智能检测系统的算法基础。
焊接技术在工业制造中占据着举足轻重的作用，而X射线图像评定是保障焊缝内部质量的关键检测方式。鉴于焊缝X射线图像评定环节中存在工作量大、效率难以提升等问题，该文提出一种基于DETR网络改进的CADETR焊缝缺陷检测模型。此模型以DETR网络为基础，设计了CEC网络结构，拓宽了卷积核的感受野，增强了模型对于不同尺度缺陷的特征提取性能；同时设计了AFPN网络，该结构能够有效融合高分辨率与低分辨率的多尺度特征图；设计了PCE-Loss损失函数，增大了模型对缺陷图像预测错误的损失惩罚。构建了大型结构件焊缝X射线图像数据集，经过测试CADETR模型展现出良好的缺陷检测性能，其平均精度达到了91.6%，可作为后续焊缝缺陷智能检测系统的算法基础。
, 最新更新时间 , doi: 10.11999/JEIT240755
摘要:
在医学影像分析领域，精准分割视频中的病灶对于疾病的早期诊断和治疗至关重要。该文创新性地提出一种融合邻域注意力机制与状态空间模型的算法，旨在全面而精细地捕捉医学视频中的时空特征，从而对视频中的病灶进行准确分割。该算法通过两阶段的精心设计，显著提升了分割性能：第1阶段，通过深度卷积网络捕获低层次的空间语义信息，并借助邻域注意力机制，挖掘相邻帧间的局部时序语义关联。第2阶段，引入状态空间模型来捕捉全面的时序信息，并再次应用邻域注意力模块，进一步增强对局部时序特征的敏感度。该方法不仅有效整合了视频中丰富的时序信息，而且在局部和全局层面上实现了空间与时间特征的协同优化。相较于使用具有2次计算复杂度的自注意力机制，该文采用了具有线性计算复杂度的状态空间模型，显著提升了模型的训练效率和推理速度。所提算法在甲状腺超声视频数据集以及结肠息肉视频数据集CVC-ClinicDB和CVC-ColonDB上的交并比(IOU)指标分别达到了72.7%, 82.3%和72.5%，在分割精度上优于当前其他主流算法，相比该文的基线模型Vivim分别提高了5.7%, 1.7%和5.5%。此外，消融实验进一步揭示了邻域注意力模块和状态空间模型在提取时序信息中发挥的关键作用。
在医学影像分析领域，精准分割视频中的病灶对于疾病的早期诊断和治疗至关重要。该文创新性地提出一种融合邻域注意力机制与状态空间模型的算法，旨在全面而精细地捕捉医学视频中的时空特征，从而对视频中的病灶进行准确分割。该算法通过两阶段的精心设计，显著提升了分割性能：第1阶段，通过深度卷积网络捕获低层次的空间语义信息，并借助邻域注意力机制，挖掘相邻帧间的局部时序语义关联。第2阶段，引入状态空间模型来捕捉全面的时序信息，并再次应用邻域注意力模块，进一步增强对局部时序特征的敏感度。该方法不仅有效整合了视频中丰富的时序信息，而且在局部和全局层面上实现了空间与时间特征的协同优化。相较于使用具有2次计算复杂度的自注意力机制，该文采用了具有线性计算复杂度的状态空间模型，显著提升了模型的训练效率和推理速度。所提算法在甲状腺超声视频数据集以及结肠息肉视频数据集CVC-ClinicDB和CVC-ColonDB上的交并比(IOU)指标分别达到了72.7%, 82.3%和72.5%，在分割精度上优于当前其他主流算法，相比该文的基线模型Vivim分别提高了5.7%, 1.7%和5.5%。此外，消融实验进一步揭示了邻域注意力模块和状态空间模型在提取时序信息中发挥的关键作用。
, 最新更新时间 , doi: 10.11999/JEIT241079
摘要:
随着重用方法学被引入到超大规模集成电路设计中，宏单元的使用率大幅提高。宏单元与标准单元之间巨大的尺寸差异给电路布局器带来了严峻的挑战。该文提出并实现了基于张力微调和线长驱动的宏单元布局器 WIMPlace。该文方法结合了基于权重的分割方法和受液体表面张力原理启发的宏单元微调技术，以实现有效的宏放置。WIMPlace算法采用4步流程：预处理、预布局、宏微调和宏合法化，并在其中宏微调阶段合理利用标准单元密度和线长函数进行优化。该文采用DREAMPlace2.0布局工具作为后端布局器，并在现代混合尺寸(MMS)测试集上进行实验。实验结果表明，与学术界领先的混合尺寸布局器ePlace-MS和最新的DREAMPlace4.0结果相比，在总共16个案例中的15个中，该文所提的WIMPlace算法都实现了最短的线长(HPWL)，这表明该文方法在优化线长方面非常有效。
随着重用方法学被引入到超大规模集成电路设计中，宏单元的使用率大幅提高。宏单元与标准单元之间巨大的尺寸差异给电路布局器带来了严峻的挑战。该文提出并实现了基于张力微调和线长驱动的宏单元布局器 WIMPlace。该文方法结合了基于权重的分割方法和受液体表面张力原理启发的宏单元微调技术，以实现有效的宏放置。WIMPlace算法采用4步流程：预处理、预布局、宏微调和宏合法化，并在其中宏微调阶段合理利用标准单元密度和线长函数进行优化。该文采用DREAMPlace2.0布局工具作为后端布局器，并在现代混合尺寸(MMS)测试集上进行实验。实验结果表明，与学术界领先的混合尺寸布局器ePlace-MS和最新的DREAMPlace4.0结果相比，在总共16个案例中的15个中，该文所提的WIMPlace算法都实现了最短的线长(HPWL)，这表明该文方法在优化线长方面非常有效。
, 最新更新时间 , doi: 10.11999/JEIT250045
摘要:
为了应对目前设备到设备 (D2D) 隐蔽通信研究中引入额外不确定性源而带来高成本、高功耗的问题，该文提出一种智能超表面 (RIS) 赋能的D2D隐蔽传输方法。该方法借助RIS为合法用户创造更好的无线传播条件的同时，利用RIS的相移不确定性来混淆监听者的检测。为探究所提方法的隐蔽性能增益，在保证监听者低检测概率以及满足蜂窝用户服务质量的条件下，构建通过联合优化蜂窝用户、D2D发射机的发射功率以及RIS相移来最大化D2D用户的隐蔽速率的优化问题。为解决上述变量和约束高度耦合的非凸优化问题，提出一种高效的基于高斯随机化的交替优化算法，求解出最优的蜂窝用户和D2D发射机的发射功率以及RIS相移。仿真结果表明，RIS的辅助给D2D隐蔽传输系统带来了显著的性能提升，通过增加RIS反射元件数量，或提升蜂窝用户发射功率为D2D隐蔽传输提供更好的掩体都可以进一步提升隐蔽通信性能。
为了应对目前设备到设备 (D2D) 隐蔽通信研究中引入额外不确定性源而带来高成本、高功耗的问题，该文提出一种智能超表面 (RIS) 赋能的D2D隐蔽传输方法。该方法借助RIS为合法用户创造更好的无线传播条件的同时，利用RIS的相移不确定性来混淆监听者的检测。为探究所提方法的隐蔽性能增益，在保证监听者低检测概率以及满足蜂窝用户服务质量的条件下，构建通过联合优化蜂窝用户、D2D发射机的发射功率以及RIS相移来最大化D2D用户的隐蔽速率的优化问题。为解决上述变量和约束高度耦合的非凸优化问题，提出一种高效的基于高斯随机化的交替优化算法，求解出最优的蜂窝用户和D2D发射机的发射功率以及RIS相移。仿真结果表明，RIS的辅助给D2D隐蔽传输系统带来了显著的性能提升，通过增加RIS反射元件数量，或提升蜂窝用户发射功率为D2D隐蔽传输提供更好的掩体都可以进一步提升隐蔽通信性能。
, 最新更新时间 , doi: 10.11999/JEIT250099
摘要:
单侧差分隐私机制具有敏感屏蔽特性，能确保攻击者无法显著降低其对记录敏感性的不确定性，但是该机制中的单侧差分隐私随机响应算法仅适用于敏感记录百分比较低的数据集。为克服上述算法在敏感记录百分比较高数据集中的局限性，该文提出一种新的算法——单侧个性化差分隐私随机响应算法。该算法引入敏感规范函数的定义，为不同用户的各项数据分别赋予不同的敏感级别，然后设计新的个性化采样方法，并基于用户数据权重值进行个性化采样和加噪处理。相对于单侧差分隐私随机响应算法，该文所提随机响应算法更细致地考虑到用户对不同数据的敏感程度。特别地，该文将综合权重值映射到需要添加的噪声量以满足严格的隐私保护要求。最后，在合成数据集和真实数据集上进行仿真实验，对比了单侧个性化差分隐私随机响应算法与现有的随机响应算法。实验结果表明，在不同的上限阈值下，该文所提算法不仅在敏感记录百分比较低时提供更优的数据效用，而且适用于敏感记录百分比较高的场景，并显著提高了查询结果的准确性和稳健性。
单侧差分隐私机制具有敏感屏蔽特性，能确保攻击者无法显著降低其对记录敏感性的不确定性，但是该机制中的单侧差分隐私随机响应算法仅适用于敏感记录百分比较低的数据集。为克服上述算法在敏感记录百分比较高数据集中的局限性，该文提出一种新的算法——单侧个性化差分隐私随机响应算法。该算法引入敏感规范函数的定义，为不同用户的各项数据分别赋予不同的敏感级别，然后设计新的个性化采样方法，并基于用户数据权重值进行个性化采样和加噪处理。相对于单侧差分隐私随机响应算法，该文所提随机响应算法更细致地考虑到用户对不同数据的敏感程度。特别地，该文将综合权重值映射到需要添加的噪声量以满足严格的隐私保护要求。最后，在合成数据集和真实数据集上进行仿真实验，对比了单侧个性化差分隐私随机响应算法与现有的随机响应算法。实验结果表明，在不同的上限阈值下，该文所提算法不仅在敏感记录百分比较低时提供更优的数据效用，而且适用于敏感记录百分比较高的场景，并显著提高了查询结果的准确性和稳健性。
, 最新更新时间 , doi: 10.11999/JEIT241132
摘要:
针对现有基于深度强化学习的路由算法采用单一神经网络结构，无法全面感知各链路状态的复杂依赖关系，导致算法在网络状态时变条件下的路由决策准确性和鲁棒性受限的问题，该文提出一种基于链路状态感知增强的战术通信网络智能路由算法(DRL-SGA)。该算法在利用近端策略优化(PPO)智能体采集网络状态序列的基础上，构建替代PPO中全连接神经网络(FCNN)的链路状态感知增强模块，以捕获网络状态序列之间的时空依赖关系，提升路由决策模型对时变网络状态的适应能力。进一步，将链路状态感知增强模块输出的动作与网络环境进行周期性交互，以探索满足时延敏感、带宽敏感、可靠性敏感等异质业务差异化传输需求的最佳路由。实验结果表明，与OSPF、DQN、DDPG、A3C、DRL-ST等基准路由算法相比，该文提出的DRL-SGA路由算法在平均端到端时延、平均网络吞吐量、平均丢包率等性能上均有不同程度的优势，且对带宽资源受限、拓扑动态变化等复杂场景具有更强的适应能力。
针对现有基于深度强化学习的路由算法采用单一神经网络结构，无法全面感知各链路状态的复杂依赖关系，导致算法在网络状态时变条件下的路由决策准确性和鲁棒性受限的问题，该文提出一种基于链路状态感知增强的战术通信网络智能路由算法(DRL-SGA)。该算法在利用近端策略优化(PPO)智能体采集网络状态序列的基础上，构建替代PPO中全连接神经网络(FCNN)的链路状态感知增强模块，以捕获网络状态序列之间的时空依赖关系，提升路由决策模型对时变网络状态的适应能力。进一步，将链路状态感知增强模块输出的动作与网络环境进行周期性交互，以探索满足时延敏感、带宽敏感、可靠性敏感等异质业务差异化传输需求的最佳路由。实验结果表明，与OSPF、DQN、DDPG、A3C、DRL-ST等基准路由算法相比，该文提出的DRL-SGA路由算法在平均端到端时延、平均网络吞吐量、平均丢包率等性能上均有不同程度的优势，且对带宽资源受限、拓扑动态变化等复杂场景具有更强的适应能力。
, 最新更新时间 , doi: 10.11999/JEIT241107
摘要:
针对智能反射面(IRS)辅助的下行多用户多输入单输出(MISO)系统，该文以最大化系统频谱效率为目标，在满足基站发射功率和IRS反射单元模约束的条件下，设计基站处主动波束成形向量和IRS的相移矩阵。首先为了实现更高的波束形成自由度，采用了基于空间时间块编码(STBC)的秩二波束形成方案。随后为了求解非凸深度耦合的优化问题，提出了一种交替优化算法。针对IRS相移矩阵的求解，提出了一种改进的黎曼流形共轭梯度法(IRMG)进行优化，同时使用加权最小均方误差(WMMSE)设计主动波束形成向量。仿真结果验证了所提算法具有更快的收敛速度，同时能有效提升系统频谱效率。
针对智能反射面(IRS)辅助的下行多用户多输入单输出(MISO)系统，该文以最大化系统频谱效率为目标，在满足基站发射功率和IRS反射单元模约束的条件下，设计基站处主动波束成形向量和IRS的相移矩阵。首先为了实现更高的波束形成自由度，采用了基于空间时间块编码(STBC)的秩二波束形成方案。随后为了求解非凸深度耦合的优化问题，提出了一种交替优化算法。针对IRS相移矩阵的求解，提出了一种改进的黎曼流形共轭梯度法(IRMG)进行优化，同时使用加权最小均方误差(WMMSE)设计主动波束形成向量。仿真结果验证了所提算法具有更快的收敛速度，同时能有效提升系统频谱效率。
, 最新更新时间 , doi: 10.11999/JEIT240977
摘要:
在日益复杂的电磁环境中，卫星导航信号极易受到欺骗干扰，因此有必要对欺骗干扰进行检测。针对多种欺骗干扰场景下，单一参数欺骗检测方法不通用、不够鲁棒的问题，该文提出了一种基于门控机制的并行CNN-Transformer神经网络(PCTN)的多参数欺骗干扰信号检测算法，用于检测接收机是否受到欺骗信号的干扰。该算法考虑了欺骗干扰在跟踪阶段对接收机各参数的影响，并从中提取出多个特征信息组成多维时间序列。对序列进行预处理后，利用PCTN网络提取序列的时间前后联系和多个维度上的特征信息。实验结果表明，所提算法在TEXBAT数据集以及实采数据集上分别取得了99%和94.5%以上的总体检测率，能够有效提升多场景下欺骗干扰检测算法的通用性和泛化性。
在日益复杂的电磁环境中，卫星导航信号极易受到欺骗干扰，因此有必要对欺骗干扰进行检测。针对多种欺骗干扰场景下，单一参数欺骗检测方法不通用、不够鲁棒的问题，该文提出了一种基于门控机制的并行CNN-Transformer神经网络(PCTN)的多参数欺骗干扰信号检测算法，用于检测接收机是否受到欺骗信号的干扰。该算法考虑了欺骗干扰在跟踪阶段对接收机各参数的影响，并从中提取出多个特征信息组成多维时间序列。对序列进行预处理后，利用PCTN网络提取序列的时间前后联系和多个维度上的特征信息。实验结果表明，所提算法在TEXBAT数据集以及实采数据集上分别取得了99%和94.5%以上的总体检测率，能够有效提升多场景下欺骗干扰检测算法的通用性和泛化性。
, 最新更新时间 , doi: 10.11999/JEIT241071
摘要:
无人机辅助移动边缘计算(MEC)具有灵活部署、快速响应、广域覆盖、分布计算和可扩展性等优势，在智慧城市、环境监测和应急救援等领域具有广阔应用前景，是提升低空智能网联服务质量的重要研究方向。该文围绕无人机辅助MEC场景的飞行轨迹与资源分配联合优化，从离线优化和在线优化两个维度展开分析：针对离线联合优化，以不同优化性能指标为切入点，从网络场景、性能控制方法和算法设计3个方面梳理研究现状；针对在线联合优化，以优化框架为基础，从网络场景、性能指标和控制方法3个方面梳理研究现状；针对离线与在线混合优化，阐述当前研究成果。最后，聚焦无人机辅助MEC网络与其它网络制式融合时产生的新问题，讨论离线优化环境状态收集、离线优化智能化求解、在线优化多无人机实时协同、在线优化实时信息反馈、无人机能效优化和空-地通信安全保障等关键技术挑战及其未来研究方向。
无人机辅助移动边缘计算(MEC)具有灵活部署、快速响应、广域覆盖、分布计算和可扩展性等优势，在智慧城市、环境监测和应急救援等领域具有广阔应用前景，是提升低空智能网联服务质量的重要研究方向。该文围绕无人机辅助MEC场景的飞行轨迹与资源分配联合优化，从离线优化和在线优化两个维度展开分析：针对离线联合优化，以不同优化性能指标为切入点，从网络场景、性能控制方法和算法设计3个方面梳理研究现状；针对在线联合优化，以优化框架为基础，从网络场景、性能指标和控制方法3个方面梳理研究现状；针对离线与在线混合优化，阐述当前研究成果。最后，聚焦无人机辅助MEC网络与其它网络制式融合时产生的新问题，讨论离线优化环境状态收集、离线优化智能化求解、在线优化多无人机实时协同、在线优化实时信息反馈、无人机能效优化和空-地通信安全保障等关键技术挑战及其未来研究方向。
, 最新更新时间 , doi: 10.11999/JEIT241150
摘要:
为了提高场面监视效率，实现场面运动目标精准跟踪，考虑到传统交互多模型由于固定马尔可夫转移概率矩阵导致模型跟踪精度降低，该文提出一种转移概率自适应改进的交互多模型滤波算法。该算法利用观测数据和滤波残差数据，结合模糊推理算法，构建机动强弱模糊推理系统，推理出观测数据与隐马尔可夫显状态集合的映射关系，得到显状态集下的状态序列；根据隐马尔可夫模型中的Baum-Welch算法实时求解状态转移矩阵和更新观测概率矩阵，优化状态转移概率矩阵自适应更新策略；将机动强弱模糊推理系统和隐马尔可夫模型融入交互多模型算法中，构成机动目标实时估计的模糊隐马尔可夫-交互多模型算法，以提高跟踪精度；最后，基于实际场面ADS-B轨迹数据进行了验证，验证结果显示，改进后的交互多模型能够在非等间隔预测条件下实现参数的自适应调整，且在双维度4项统计指标中，位置跟踪精度方面分别提高了63.5%, 54.3%, 40.3%, 22.7%，速度和加速度的轨迹拟合精度均得到了提高，验证了改进算法的优越性。
为了提高场面监视效率，实现场面运动目标精准跟踪，考虑到传统交互多模型由于固定马尔可夫转移概率矩阵导致模型跟踪精度降低，该文提出一种转移概率自适应改进的交互多模型滤波算法。该算法利用观测数据和滤波残差数据，结合模糊推理算法，构建机动强弱模糊推理系统，推理出观测数据与隐马尔可夫显状态集合的映射关系，得到显状态集下的状态序列；根据隐马尔可夫模型中的Baum-Welch算法实时求解状态转移矩阵和更新观测概率矩阵，优化状态转移概率矩阵自适应更新策略；将机动强弱模糊推理系统和隐马尔可夫模型融入交互多模型算法中，构成机动目标实时估计的模糊隐马尔可夫-交互多模型算法，以提高跟踪精度；最后，基于实际场面ADS-B轨迹数据进行了验证，验证结果显示，改进后的交互多模型能够在非等间隔预测条件下实现参数的自适应调整，且在双维度4项统计指标中，位置跟踪精度方面分别提高了63.5%, 54.3%, 40.3%, 22.7%，速度和加速度的轨迹拟合精度均得到了提高，验证了改进算法的优越性。
, 最新更新时间 , doi: 10.11999/JEIT240664
摘要:
针对发射站位置与速度未知时的运动目标定位问题，该文提出一种低复杂度的两阶段定位算法。首先，利用直接路径时间迟延和多普勒频移量测构建一个基于约束加权最小二乘(CWLS)模型获得发射站的位置和速度。然后，将发射站位置和速度估计值代入直接路径和间接路径联合模型，建立基于CWLS的目标位置和速度估计模型，利用拟牛顿法求解目标的位置和速度。理论分析和仿真结果显示所提算法定位性能达到克拉美罗下界(CRLB)。
针对发射站位置与速度未知时的运动目标定位问题，该文提出一种低复杂度的两阶段定位算法。首先，利用直接路径时间迟延和多普勒频移量测构建一个基于约束加权最小二乘(CWLS)模型获得发射站的位置和速度。然后，将发射站位置和速度估计值代入直接路径和间接路径联合模型，建立基于CWLS的目标位置和速度估计模型，利用拟牛顿法求解目标的位置和速度。理论分析和仿真结果显示所提算法定位性能达到克拉美罗下界(CRLB)。
, 最新更新时间 , doi: 10.11999/JEIT241029
摘要:
可重构智能表面(RIS)被视为未来无线通信中前景广泛的关键技术之一。超对角可重构智能表面(BD-RIS)作为RIS的一种新型架构，相移矩阵不限于对角矩阵的结构，为通信系统设计带来了更高的自由度。该文针对组连接BD-RIS辅助的上行通信系统展开研究，通过联合优化均衡器、用户发射功率和BD-RIS的相移矩阵来降低通信系统的总发射功耗。具体来说，采用最小均方差(MMSE)均衡器使得各个用户接收信干噪比(SINR)最大，接着推导了用户发射功率与相移矩阵之间的表达式，并进一步将相移优化问题转化为无约束的单变量优化问题，最后交替优化均衡器、用户发射功率和BD-RIS相移矩阵使得系统发射功率最小。仿真结果表明，与多种基准方案相比，该文提出的组连接BD-RIS辅助的上行通信系统传输方案能有效降低系统功耗。
可重构智能表面(RIS)被视为未来无线通信中前景广泛的关键技术之一。超对角可重构智能表面(BD-RIS)作为RIS的一种新型架构，相移矩阵不限于对角矩阵的结构，为通信系统设计带来了更高的自由度。该文针对组连接BD-RIS辅助的上行通信系统展开研究，通过联合优化均衡器、用户发射功率和BD-RIS的相移矩阵来降低通信系统的总发射功耗。具体来说，采用最小均方差(MMSE)均衡器使得各个用户接收信干噪比(SINR)最大，接着推导了用户发射功率与相移矩阵之间的表达式，并进一步将相移优化问题转化为无约束的单变量优化问题，最后交替优化均衡器、用户发射功率和BD-RIS相移矩阵使得系统发射功率最小。仿真结果表明，与多种基准方案相比，该文提出的组连接BD-RIS辅助的上行通信系统传输方案能有效降低系统功耗。
, 最新更新时间 , doi: 10.11999/JEIT250109
摘要:
波束成形(Beamforming)阵列技术是现代无线电系统的核心使能技术，其发展历程贯穿电磁学理论突破、半导体工艺革新和系统体制迭代3个维度。移动通信的演进进一步驱动了波束成形阵列技术的发展，特别地，混合波束成形阵列技术在5G 3GPP Release 15标准中被确立为5G毫米波通信的关键技术之一。为适应未来6G通信与感知的需求，毫米波波束成形阵列技术将向超大规模(>1 000单元)、智能化(AI赋能)、异构(光电量融合)方向持续演进，为构建泛在智能连接提供核心使能基础。该文主要探讨面向6G毫米波通信的最优和次优大规模波束成形阵列架构。
波束成形(Beamforming)阵列技术是现代无线电系统的核心使能技术，其发展历程贯穿电磁学理论突破、半导体工艺革新和系统体制迭代3个维度。移动通信的演进进一步驱动了波束成形阵列技术的发展，特别地，混合波束成形阵列技术在5G 3GPP Release 15标准中被确立为5G毫米波通信的关键技术之一。为适应未来6G通信与感知的需求，毫米波波束成形阵列技术将向超大规模(>1 000单元)、智能化(AI赋能)、异构(光电量融合)方向持续演进，为构建泛在智能连接提供核心使能基础。该文主要探讨面向6G毫米波通信的最优和次优大规模波束成形阵列架构。
, 最新更新时间 , doi: 10.11999/JEIT241017
摘要:
文本检测作为计算机视觉领域一项重要分支，在文字翻译、自动驾驶和票据信息处理等方面具有重要的应用价值。当前文本检测算法仍无法解决实际拍摄图像的部分文本分辨率低、尺度变化大和有效特征不足的问题。针对上述待解决的问题，该文提出一种基于高分辨扩展金字塔的场景文本检测方法(HREPNet)。首先，构造一种改进型特征金字塔，引入高分辨扩展层和超分辨特征模块，有效增强文本分辨率特征，解决部分文本分辨率低的问题；同时，在主干网络传递特征过程中引入多尺度特征提取模块，通过多分支空洞卷积结构与注意力机制，充分获取文本多尺度特征，解决文本尺度变化大的问题；最后，提出高效特征融合模块，选择性融合高分辨特征和多尺度特征，从而减少模型的空间信息的丢失，解决有效特征不足的问题。实验结果表明，HREPNet在公开数据集ICDAR2015, CTW1500和Total-Text上综合指标F值分别提高了7.6%, 5.5%和3.0%，在准确率召回率上都得到显著提升；此外，HREPNet对不同尺度和分辨率的文本检测效果均有明显提升，对小尺度和低分辨率文本提升尤为显著。
文本检测作为计算机视觉领域一项重要分支，在文字翻译、自动驾驶和票据信息处理等方面具有重要的应用价值。当前文本检测算法仍无法解决实际拍摄图像的部分文本分辨率低、尺度变化大和有效特征不足的问题。针对上述待解决的问题，该文提出一种基于高分辨扩展金字塔的场景文本检测方法(HREPNet)。首先，构造一种改进型特征金字塔，引入高分辨扩展层和超分辨特征模块，有效增强文本分辨率特征，解决部分文本分辨率低的问题；同时，在主干网络传递特征过程中引入多尺度特征提取模块，通过多分支空洞卷积结构与注意力机制，充分获取文本多尺度特征，解决文本尺度变化大的问题；最后，提出高效特征融合模块，选择性融合高分辨特征和多尺度特征，从而减少模型的空间信息的丢失，解决有效特征不足的问题。实验结果表明，HREPNet在公开数据集ICDAR2015, CTW1500和Total-Text上综合指标F值分别提高了7.6%, 5.5%和3.0%，在准确率召回率上都得到显著提升；此外，HREPNet对不同尺度和分辨率的文本检测效果均有明显提升，对小尺度和低分辨率文本提升尤为显著。
, 最新更新时间 , doi: 10.11999/JEIT240928
摘要:
早期阶段火灾的目标较小，且易受到遮挡、类火物体的干扰。Faster RCNN, YOLO等火灾检测模型因参数量过大导致推理速度较慢，无法满足实时检测；早期火灾边缘和颜色特征在模型中丢失，造成检测精度较低。针对上述问题，该文提出了一种粗细粒度搜索与焦点调制的早期阶段火灾识别模型CFS-YOLO。通过粗粒度搜索优化特征提取网络，最大化提高推理速度，细粒度搜索用于获取早期火灾的边缘和颜色信息，避免特征信息丢失。采用焦点调制注意力机制，精准地处理关键信息，有效减少干扰。引入一种新型损失函数ShapeIoU，以进一步提高模型收敛速度和检测准确性。在真实火灾场景数据集下的实验结果表明，CFS-YOLO的检测精度和召回率分别达到了98.23%和98.76%。相较于基准模型，所提出的CFS-YOLO参数量降低14.7M，精度、召回率和F1分别提高13.33% , 4.96%和9.36%，FPS达到75帧，验证了CFS-YOLO在满足高精度的同时，达到了较高的推理速度，实现了实时检测。与一系列主流模型相比，该文模型的检测精度和速度均表现出优异性能。
早期阶段火灾的目标较小，且易受到遮挡、类火物体的干扰。Faster RCNN, YOLO等火灾检测模型因参数量过大导致推理速度较慢，无法满足实时检测；早期火灾边缘和颜色特征在模型中丢失，造成检测精度较低。针对上述问题，该文提出了一种粗细粒度搜索与焦点调制的早期阶段火灾识别模型CFS-YOLO。通过粗粒度搜索优化特征提取网络，最大化提高推理速度，细粒度搜索用于获取早期火灾的边缘和颜色信息，避免特征信息丢失。采用焦点调制注意力机制，精准地处理关键信息，有效减少干扰。引入一种新型损失函数ShapeIoU，以进一步提高模型收敛速度和检测准确性。在真实火灾场景数据集下的实验结果表明，CFS-YOLO的检测精度和召回率分别达到了98.23%和98.76%。相较于基准模型，所提出的CFS-YOLO参数量降低14.7M，精度、召回率和F1分别提高13.33% , 4.96%和9.36%，FPS达到75帧，验证了CFS-YOLO在满足高精度的同时，达到了较高的推理速度，实现了实时检测。与一系列主流模型相比，该文模型的检测精度和速度均表现出优异性能。
, 最新更新时间 , doi: 10.11999/JEIT240936
摘要:
移动群智感知是收集数据的重要手段之一，其中一个基本的问题就是如何从众多质量不同的感知数据中发现“真值”。为解决真值发现过程中可能存在的隐私泄露问题，现有方法通常结合本地差分隐私技术来对工人提交数据进行保护。然而这些方法往往没有充分考虑到数据中存在的表示工人质量的高斯噪音对噪音“真值”的准确度带来的负面影响。此外，直接采用拉普拉斯机制进行隐私保护会由于拉普拉斯分布的随机性和无界性导致大量噪音注入。为解决上述问题，该文提出一种基于混合分布的本地差分隐私真值发现算法(MOON)。该算法结合了工人质量的高斯噪音和隐私保护的拉普拉斯噪音，通过优化混合噪音模型，设计求解算法以提高“真值”精度。理论分析表明，MOON在保证隐私保护的同时，具有较低的计算和通信复杂度。在两个真实数据集上实验结果表明，相对于最新成果，在增加较少计算开销的前提下，MOON在求得的“真值”精度上提高了20%。
移动群智感知是收集数据的重要手段之一，其中一个基本的问题就是如何从众多质量不同的感知数据中发现“真值”。为解决真值发现过程中可能存在的隐私泄露问题，现有方法通常结合本地差分隐私技术来对工人提交数据进行保护。然而这些方法往往没有充分考虑到数据中存在的表示工人质量的高斯噪音对噪音“真值”的准确度带来的负面影响。此外，直接采用拉普拉斯机制进行隐私保护会由于拉普拉斯分布的随机性和无界性导致大量噪音注入。为解决上述问题，该文提出一种基于混合分布的本地差分隐私真值发现算法(MOON)。该算法结合了工人质量的高斯噪音和隐私保护的拉普拉斯噪音，通过优化混合噪音模型，设计求解算法以提高“真值”精度。理论分析表明，MOON在保证隐私保护的同时，具有较低的计算和通信复杂度。在两个真实数据集上实验结果表明，相对于最新成果，在增加较少计算开销的前提下，MOON在求得的“真值”精度上提高了20%。
, 最新更新时间 , doi: 10.11999/JEIT241022
摘要:
在传统AirComp系统中，汇聚节点接收到来自不同发送端的信号相位是否严格对齐将直接影响AirComp的计算精度，将AirComp引入分布式联邦学习和分布式推理系统中，由于相位对齐问题造成的计算误差则会导致模型训练精度和推理精度下降。目前，现有的AirComp分布式联邦学习和分布式推理系统，无论在训练还是推理过程中，基本上都未考虑信道对模型性能的影响，导致其推理精度远低于本地训练和推理的结果，这一点在低信噪比时表现得尤为突出。该文提出了一种MOSI-AirComp系统，其中同一轮参与计算的发射信号来自同一节点，因此可以忽略信号的相位对齐问题。此外，该文设计了一种双支路训练模型，上支路基于原始模型的基础上添加Loss层模拟信道干扰，而下支路保持原始的网络模型结构用于推理任务，以实现更好的抗衰落和抗噪声能力。该文还提出了一种基于权重的功率控制方案和路径选择算法，根据节点间距离和模型权重选择最优的传输回路，并将模型权重作为功率控制因子的一部分来调节传输功率，以此实现卷积过程中的乘法操作，同时利用AirComp的叠加特性完成加法操作，从而实现空中卷积。仿真结果证明了MOSI-AirComp系统的有效性。与传统模型相比，双支路训练模型在小尺度衰落场景下，MNIST数据集和CIFAR10数据集在不同信噪比下的推理精度分别提高了2%～18%和0.4%～11.2%。
在传统AirComp系统中，汇聚节点接收到来自不同发送端的信号相位是否严格对齐将直接影响AirComp的计算精度，将AirComp引入分布式联邦学习和分布式推理系统中，由于相位对齐问题造成的计算误差则会导致模型训练精度和推理精度下降。目前，现有的AirComp分布式联邦学习和分布式推理系统，无论在训练还是推理过程中，基本上都未考虑信道对模型性能的影响，导致其推理精度远低于本地训练和推理的结果，这一点在低信噪比时表现得尤为突出。该文提出了一种MOSI-AirComp系统，其中同一轮参与计算的发射信号来自同一节点，因此可以忽略信号的相位对齐问题。此外，该文设计了一种双支路训练模型，上支路基于原始模型的基础上添加Loss层模拟信道干扰，而下支路保持原始的网络模型结构用于推理任务，以实现更好的抗衰落和抗噪声能力。该文还提出了一种基于权重的功率控制方案和路径选择算法，根据节点间距离和模型权重选择最优的传输回路，并将模型权重作为功率控制因子的一部分来调节传输功率，以此实现卷积过程中的乘法操作，同时利用AirComp的叠加特性完成加法操作，从而实现空中卷积。仿真结果证明了MOSI-AirComp系统的有效性。与传统模型相比，双支路训练模型在小尺度衰落场景下，MNIST数据集和CIFAR10数据集在不同信噪比下的推理精度分别提高了2%～18%和0.4%～11.2%。
, 最新更新时间 , doi: 10.11999/JEIT250180
摘要:
该文提出一种集成肖特基二极管结构的新型分裂栅碳化硅MOSFET器件，有效改善传统DT-MOS器件的反向恢复与开关特性。该新型结构首先采用元胞内集成肖特基二极管技术替代传统DT-MOS的右侧沟道，其次采用分裂栅极集成技术代替传统槽栅设计，将栅极分成了栅极G和源极S两个部分，中间由二氧化硅进行介质隔离。其作用包括：集成肖特基二极管抑制体二极管导通并消除双极退化效应；集成分裂栅与源极短接，减小栅漏耦合面积来降低反馈电容与栅电荷，且在接入高电位时形成电子积累层以提高电子密度。其结果显示：反向导通状态下，电流将从肖特基二极管流出，连接源极的分裂栅极将提升电子浓度从而提高电流密度；动态开关状态下，分裂栅结构通过屏蔽设计减小了栅极与漏极的耦合面积，有效降低了米勒平台电荷QGD并改善了开关性能。
该文提出一种集成肖特基二极管结构的新型分裂栅碳化硅MOSFET器件，有效改善传统DT-MOS器件的反向恢复与开关特性。该新型结构首先采用元胞内集成肖特基二极管技术替代传统DT-MOS的右侧沟道，其次采用分裂栅极集成技术代替传统槽栅设计，将栅极分成了栅极G和源极S两个部分，中间由二氧化硅进行介质隔离。其作用包括：集成肖特基二极管抑制体二极管导通并消除双极退化效应；集成分裂栅与源极短接，减小栅漏耦合面积来降低反馈电容与栅电荷，且在接入高电位时形成电子积累层以提高电子密度。其结果显示：反向导通状态下，电流将从肖特基二极管流出，连接源极的分裂栅极将提升电子浓度从而提高电流密度；动态开关状态下，分裂栅结构通过屏蔽设计减小了栅极与漏极的耦合面积，有效降低了米勒平台电荷QGD并改善了开关性能。
, 最新更新时间 , doi: 10.11999/JEIT241105
摘要:
在无人机应用、空中旅游、应急救援等新兴业务驱动下，到达时差(TDOA)定位技术不断发展，逐渐成为低空智能网联的关键技术之一。但现有解析类迭代定位算法计算量过高，难以满足低延迟实时定位需求。因此，该文提出基于空间栅格梯度的TDOA快速迭代定位方法。在定位前，首先进行预处理，包括构建空间栅格、根据已建立的空间栅格计算栅格间的TDOA梯度，并基于这些梯度构建栅格迭代矩阵。在定位过程中，根据定位初值调用迭代矩阵，计算并补偿定位初值相对于目标位置的偏差，从而避免传统迭代定位的大量计算，显著降低计算时间。该文借鉴空间栅格化思路，进一步挖掘利用了栅格间的内在梯度关系，从而将栅格化框架融入到迭代补偿模型，克服了栅格宽度对经典栅格化算法的性能制约，提升了迭代定位时效性。依据仿真和实测数据可知，所提算法在保证定位精度的同时，相比传统迭代定位算法节省了76%以上的计算时间，满足低空智能网络的实时定位需求。
在无人机应用、空中旅游、应急救援等新兴业务驱动下，到达时差(TDOA)定位技术不断发展，逐渐成为低空智能网联的关键技术之一。但现有解析类迭代定位算法计算量过高，难以满足低延迟实时定位需求。因此，该文提出基于空间栅格梯度的TDOA快速迭代定位方法。在定位前，首先进行预处理，包括构建空间栅格、根据已建立的空间栅格计算栅格间的TDOA梯度，并基于这些梯度构建栅格迭代矩阵。在定位过程中，根据定位初值调用迭代矩阵，计算并补偿定位初值相对于目标位置的偏差，从而避免传统迭代定位的大量计算，显著降低计算时间。该文借鉴空间栅格化思路，进一步挖掘利用了栅格间的内在梯度关系，从而将栅格化框架融入到迭代补偿模型，克服了栅格宽度对经典栅格化算法的性能制约，提升了迭代定位时效性。依据仿真和实测数据可知，所提算法在保证定位精度的同时，相比传统迭代定位算法节省了76%以上的计算时间，满足低空智能网络的实时定位需求。
, 最新更新时间 , doi: 10.11999/JEIT250003
摘要:
在万物互联的云时代，云应用程序编程接口(API)是数字经济建设和服务化软件开发的关键数字基础设施。然而，云API数量的持续增长给用户决策和推广带来挑战，设计有效的推荐方法成为亟待解决的重要问题。现有研究多利用调用偏好、搜索关键词或二者结合进行建模，主要解决为给定Mashup推荐合适云API的问题，未考虑开发者对个性化高阶互补云API的实际需求。该文提出一种基于个性化张量分解的高阶互补云API推荐方法(Personalized Tensor Decomposition based High-order Complementary cloud API Recommendation, PTDHCR)。首先，将Mashup与云API之间的调用关系，以及云API与云API之间的互补关系建模为三维张量，并利用RECAL张量分解技术对这两种关系进行共同学习，以挖掘云API之间的个性化非对称互补关系。然后，考虑到不同互补关系对推荐结果的影响程度不同，构建个性化高阶互补感知网络，充分利用Mashup、查询云API以及候选云API的多模态特征，动态计算Mashup对不同查询和候选云API之间互补关系的关注程度。在此基础上，将个性化互补关系拓展到高阶，得到候选云API与查询云API集合的整体个性化互补性。最后，利用两个真实云API数据集进行实验，结果表明，相较于传统方法，PTDHCR在挖掘个性化互补关系和推荐方面具有较大的优势。
在万物互联的云时代，云应用程序编程接口(API)是数字经济建设和服务化软件开发的关键数字基础设施。然而，云API数量的持续增长给用户决策和推广带来挑战，设计有效的推荐方法成为亟待解决的重要问题。现有研究多利用调用偏好、搜索关键词或二者结合进行建模，主要解决为给定Mashup推荐合适云API的问题，未考虑开发者对个性化高阶互补云API的实际需求。该文提出一种基于个性化张量分解的高阶互补云API推荐方法(Personalized Tensor Decomposition based High-order Complementary cloud API Recommendation, PTDHCR)。首先，将Mashup与云API之间的调用关系，以及云API与云API之间的互补关系建模为三维张量，并利用RECAL张量分解技术对这两种关系进行共同学习，以挖掘云API之间的个性化非对称互补关系。然后，考虑到不同互补关系对推荐结果的影响程度不同，构建个性化高阶互补感知网络，充分利用Mashup、查询云API以及候选云API的多模态特征，动态计算Mashup对不同查询和候选云API之间互补关系的关注程度。在此基础上，将个性化互补关系拓展到高阶，得到候选云API与查询云API集合的整体个性化互补性。最后，利用两个真实云API数据集进行实验，结果表明，相较于传统方法，PTDHCR在挖掘个性化互补关系和推荐方面具有较大的优势。
, 最新更新时间 , doi: 10.11999/JEIT240848
摘要:
针对低信噪比(SNRs)下低截获概率(LPI)雷达脉内波形识别准确率低的问题，该文提出一种基于时频分析(TFA)、混合扩张卷积(HDC)、卷积块注意力模块(CBAM)和GhostNet网络的LPI雷达辐射源信号识别方法，旨在提升LPI雷达信号的识别性能。该方法先从信号预处理角度给出一种适合LPI雷达信号的时频图像增强处理方法，并基于双时频特征融合技术，有效提升了后续网络对LPI雷达信号脉内调制的识别准确率。接着改造了一种高效轻量级网络，用于对LPI雷达脉内调制信号识别，该网络在GhostNet基础上，结合HDC和CBAM，形成了改进型GhostNet，扩大了特征图的感受野并增强了网络获取通道和位置信息的能力。仿真结果表明，在–8 dB信噪比下，该方法的雷达信号识别准确率依然能够达到98.98%，并在参数数量上也优于对比网络。该文所提方法在低信噪比环境下显著提高了LPI雷达脉内波形识别的准确率，为LPI雷达信号识别领域提供了新的技术途径。
针对低信噪比(SNRs)下低截获概率(LPI)雷达脉内波形识别准确率低的问题，该文提出一种基于时频分析(TFA)、混合扩张卷积(HDC)、卷积块注意力模块(CBAM)和GhostNet网络的LPI雷达辐射源信号识别方法，旨在提升LPI雷达信号的识别性能。该方法先从信号预处理角度给出一种适合LPI雷达信号的时频图像增强处理方法，并基于双时频特征融合技术，有效提升了后续网络对LPI雷达信号脉内调制的识别准确率。接着改造了一种高效轻量级网络，用于对LPI雷达脉内调制信号识别，该网络在GhostNet基础上，结合HDC和CBAM，形成了改进型GhostNet，扩大了特征图的感受野并增强了网络获取通道和位置信息的能力。仿真结果表明，在–8 dB信噪比下，该方法的雷达信号识别准确率依然能够达到98.98%，并在参数数量上也优于对比网络。该文所提方法在低信噪比环境下显著提高了LPI雷达脉内波形识别的准确率，为LPI雷达信号识别领域提供了新的技术途径。
, 最新更新时间 , doi: 10.11999/JEIT241091
摘要:
针对协作频谱感知易遭受频谱感知数据篡改(SSDF)攻击导致无法准确识别恶意用户的问题，该文提出一种基于多尺度熵的协作频谱感知方法。该方法通过滑动窗对用户进行多次本地感知以获取信誉值。随后引入多尺度熵算法，对用户的感知结果进一步实施多尺度分析，利用分析结果作为权重更新信誉值，归一化处理后对用户进行判定并做出最终全局判决。仿真结果表明，对于不同的攻击策略，在攻击概率超过0.4的情况下，所提算法与其它对比算法相比恶意用户检测率分别平均提升3.56%, 0.77%和6.45%, 36.92%，具有良好的抗攻击能力。且与熵加权算法相比，其复杂度更低。
针对协作频谱感知易遭受频谱感知数据篡改(SSDF)攻击导致无法准确识别恶意用户的问题，该文提出一种基于多尺度熵的协作频谱感知方法。该方法通过滑动窗对用户进行多次本地感知以获取信誉值。随后引入多尺度熵算法，对用户的感知结果进一步实施多尺度分析，利用分析结果作为权重更新信誉值，归一化处理后对用户进行判定并做出最终全局判决。仿真结果表明，对于不同的攻击策略，在攻击概率超过0.4的情况下，所提算法与其它对比算法相比恶意用户检测率分别平均提升3.56%, 0.77%和6.45%, 36.92%，具有良好的抗攻击能力。且与熵加权算法相比，其复杂度更低。
, 最新更新时间 , doi: 10.11999/JEIT240927
摘要:
在带频谱认知的车联网中，由于车辆终端的高动态移动性和无线电环境的复杂性，使频谱的稳定性难以评估。该文提出一种评估频谱稳定性的动态频谱接入算法。首先，基于信噪比、接收信号强度和带宽参数，利用长短期记忆神经网络预测出参数在未来1个周期内多时刻的值，并计算各参数1个周期的变化率，将结果作为频谱稳定性的评估指标。其次，利用K-Means算法对变化率向量进行聚类，构建稳定性评估模型。再次，根据稳定性评估结果重构了状态空间和奖励函数，提出一种基于强化学习的动态频谱接入算法。最后，实验结果表明，所提算法能够满足不同车辆终端业务的稳定性需求，提高频谱资源的利用率，同时降低频谱接入过程中的碰撞概率。
在带频谱认知的车联网中，由于车辆终端的高动态移动性和无线电环境的复杂性，使频谱的稳定性难以评估。该文提出一种评估频谱稳定性的动态频谱接入算法。首先，基于信噪比、接收信号强度和带宽参数，利用长短期记忆神经网络预测出参数在未来1个周期内多时刻的值，并计算各参数1个周期的变化率，将结果作为频谱稳定性的评估指标。其次，利用K-Means算法对变化率向量进行聚类，构建稳定性评估模型。再次，根据稳定性评估结果重构了状态空间和奖励函数，提出一种基于强化学习的动态频谱接入算法。最后，实验结果表明，所提算法能够满足不同车辆终端业务的稳定性需求，提高频谱资源的利用率，同时降低频谱接入过程中的碰撞概率。
, 最新更新时间 , doi: 10.11999/JEIT240905
摘要:
具有良好相关特性的正交波形集可以提高多输入多输出(MIMO)雷达系统的目标检测性能和抗干扰能力。为此，该文提出主瓣增益和动态范围约束下最小化广义互模糊函数积分旁瓣(ISL)的发射序列集和接收滤波器组联合设计方法。该方法采用最大块改进算法(MBI)将非凸优化问题分解为多个子问题，再利用连续凸近似方法(SCA)迭代求解子问题。为了进一步降低运算量，该文还提出了具有并行实现潜力的交替方向惩罚法(ADPM)求解SCA的子问题。最后，通过仿真实验从收敛速度、积分旁瓣电平等方面验证了该方法的有效性。
具有良好相关特性的正交波形集可以提高多输入多输出(MIMO)雷达系统的目标检测性能和抗干扰能力。为此，该文提出主瓣增益和动态范围约束下最小化广义互模糊函数积分旁瓣(ISL)的发射序列集和接收滤波器组联合设计方法。该方法采用最大块改进算法(MBI)将非凸优化问题分解为多个子问题，再利用连续凸近似方法(SCA)迭代求解子问题。为了进一步降低运算量，该文还提出了具有并行实现潜力的交替方向惩罚法(ADPM)求解SCA的子问题。最后，通过仿真实验从收敛速度、积分旁瓣电平等方面验证了该方法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT241008
摘要:
高性能微机电系统电场传感器是大气电场及非接触电压测量的核心部件，模态局域化效应可显著提升传感器的分辨力等性能，是电场传感器的重要发展方向。然而，基于弱耦合的谐振系统在品质因子较低时会出现模态混叠现象，难以读取有效振幅信息。该文提出一种高品质因子的新型模态局域化MEMS电场传感结构，采用双端音叉设计和T形系绳固定锚点的结构以减少能量损耗，实现了高品质因子和高分辨力，有效避免了模态混叠现象。对该结构进行了理论分析和数值模拟，制备了传感器原理样机，在\begin{document}$ {10}^{-3}\;\mathrm{P}\mathrm{a} $\end{document} \begin{document}$ 32\mathrm{ }(\mathrm{V}/\mathrm{m})/\sqrt {\mathrm{H}\mathrm{z}} $\end{document}
高性能微机电系统电场传感器是大气电场及非接触电压测量的核心部件，模态局域化效应可显著提升传感器的分辨力等性能，是电场传感器的重要发展方向。然而，基于弱耦合的谐振系统在品质因子较低时会出现模态混叠现象，难以读取有效振幅信息。该文提出一种高品质因子的新型模态局域化MEMS电场传感结构，采用双端音叉设计和T形系绳固定锚点的结构以减少能量损耗，实现了高品质因子和高分辨力，有效避免了模态混叠现象。对该结构进行了理论分析和数值模拟，制备了传感器原理样机，在
, 最新更新时间 , doi: 10.11999/JEIT240891
摘要:
当前面向跟踪器的对抗样本生成研究主要集中于可见光谱段，无法在多谱段条件下实现对跟踪器的有效攻击。为了填补这一空缺，该文提出一种基于多谱段的目标跟踪补丁式对抗样本生成网络，有效提升了对抗样本在多谱段条件下的攻击有效性。具体来说，该网络包含对抗纹理生成模块与对抗形状优化策略，对可见光谱段下跟踪器对目标纹理的理解进行语义干扰，并显著破坏对热显著目标相关特征的提取。此外，根据不同跟踪器的特点设计误回归损失和掩膜干扰损失对多谱段跟踪模型补丁式对抗样本生成提供指引，实现跟踪预测框扩大或者脱离目标的效果，引入最大特征差异损失削弱特征空间中模版帧和搜索帧间的相关性，进而实现对跟踪器的有效攻击。定性和定量实验证明该文对抗样本可以有效提升多谱段环境下对跟踪器的攻击成功率。
当前面向跟踪器的对抗样本生成研究主要集中于可见光谱段，无法在多谱段条件下实现对跟踪器的有效攻击。为了填补这一空缺，该文提出一种基于多谱段的目标跟踪补丁式对抗样本生成网络，有效提升了对抗样本在多谱段条件下的攻击有效性。具体来说，该网络包含对抗纹理生成模块与对抗形状优化策略，对可见光谱段下跟踪器对目标纹理的理解进行语义干扰，并显著破坏对热显著目标相关特征的提取。此外，根据不同跟踪器的特点设计误回归损失和掩膜干扰损失对多谱段跟踪模型补丁式对抗样本生成提供指引，实现跟踪预测框扩大或者脱离目标的效果，引入最大特征差异损失削弱特征空间中模版帧和搜索帧间的相关性，进而实现对跟踪器的有效攻击。定性和定量实验证明该文对抗样本可以有效提升多谱段环境下对跟踪器的攻击成功率。
, 最新更新时间 , doi: 10.11999/JEIT240980
摘要:
同步定位与地图构建(SLAM)技术是移动机器人智能导航的基础。该文针对单一传感器SLAM技术存在的问题，提出一种基于激光雷达多层迭代最近点(MICP)点云匹配闭环检测的误差状态卡尔曼滤波(ESKF)多传感器紧耦合2D-SLAM算法。在完成视觉与激光雷达多模态数据的时空同步后，建立了里程计误差模型以及激光雷达与机器视觉点云匹配误差模型，并将其应用于误差状态卡尔曼滤波进行多模态数据融合，以提高SLAM的准确性和实时性。在公共数据集KITTI下进行的Gazebo环境仿真结果表明，该所提算法能够完整还原单一激光2D-SLAM无法获取到的环境障碍物信息，并能显著提高机器人轨迹估计和相对位姿估计精度。最后，采用Turtlebot2机器人在复杂实际大场景下进行了SLAM实验验证，结果表明所提多模态融合SLAM方法可以完整复原环境信息，实现实时的高精度2D地图构建。
同步定位与地图构建(SLAM)技术是移动机器人智能导航的基础。该文针对单一传感器SLAM技术存在的问题，提出一种基于激光雷达多层迭代最近点(MICP)点云匹配闭环检测的误差状态卡尔曼滤波(ESKF)多传感器紧耦合2D-SLAM算法。在完成视觉与激光雷达多模态数据的时空同步后，建立了里程计误差模型以及激光雷达与机器视觉点云匹配误差模型，并将其应用于误差状态卡尔曼滤波进行多模态数据融合，以提高SLAM的准确性和实时性。在公共数据集KITTI下进行的Gazebo环境仿真结果表明，该所提算法能够完整还原单一激光2D-SLAM无法获取到的环境障碍物信息，并能显著提高机器人轨迹估计和相对位姿估计精度。最后，采用Turtlebot2机器人在复杂实际大场景下进行了SLAM实验验证，结果表明所提多模态融合SLAM方法可以完整复原环境信息，实现实时的高精度2D地图构建。
, 最新更新时间 , doi: 10.11999/JEIT240953
摘要:
网络安全实体识别作为威胁信息抽取、构建知识图谱的基础，对于发现和应对网络威胁具有至关重要的作用。该文针对当前主流的命名实体识别方法在网络安全领域泛化能力欠佳、难以清晰判断网络安全实体边界的问题，提出一种基于字符表示学习与时序边界扩散的网络安全实体识别方法。该方法首先将命名实体识别任务分解为实体边界检测与实体分类两个子任务，分别进行处理；其次，对于实体边界检测任务，使用基于问答的方法将预定义的问题与数据进行编码，采用膨胀卷积残差字符网络进行数据的字符级特征提取，并使用时序边界扩散网络判断实体边界；然后，对于实体分类任务，同样使用问答方法，并独立训练分类器进行实体类型判断；最后将实体边界检测任务的结果输入实体分类任务判断实体的类型。为验证方法有效性，在网络威胁情报数据集DNRTI上进行测试。实验结果表明，边界检测效率的提升能够有效增强命名实体识别的性能。该方法在网络安全实体识别任务中不仅资源开销较小，且对比近年提出的基线方法性能有所提升，其中较最近两年的方法在F1分数上提升了0.40%～1.65%。
网络安全实体识别作为威胁信息抽取、构建知识图谱的基础，对于发现和应对网络威胁具有至关重要的作用。该文针对当前主流的命名实体识别方法在网络安全领域泛化能力欠佳、难以清晰判断网络安全实体边界的问题，提出一种基于字符表示学习与时序边界扩散的网络安全实体识别方法。该方法首先将命名实体识别任务分解为实体边界检测与实体分类两个子任务，分别进行处理；其次，对于实体边界检测任务，使用基于问答的方法将预定义的问题与数据进行编码，采用膨胀卷积残差字符网络进行数据的字符级特征提取，并使用时序边界扩散网络判断实体边界；然后，对于实体分类任务，同样使用问答方法，并独立训练分类器进行实体类型判断；最后将实体边界检测任务的结果输入实体分类任务判断实体的类型。为验证方法有效性，在网络威胁情报数据集DNRTI上进行测试。实验结果表明，边界检测效率的提升能够有效增强命名实体识别的性能。该方法在网络安全实体识别任务中不仅资源开销较小，且对比近年提出的基线方法性能有所提升，其中较最近两年的方法在F1分数上提升了0.40%～1.65%。
, 最新更新时间 , doi: 10.11999/JEIT241053
摘要:
配备存储部件的机会无人机打开了数据传输的机会时间窗口，在低空数据收集系统中呈现巨大的潜力。为了提高数据收集效率，移动用户可以主动组网，将数据预先集聚到具备位置优势的簇头节点，由簇头节点负责上传，实现时空维度的流量塑形。该文研究了机会无人机辅助数据收集的组网和资源分配方法。具体而言，如何根据机会无人机的既定航迹，通过联合优化用户的子网数据传输策略、子网资源分配策略和子网形成策略，最大化全网数据上传总量。上述问题高度耦合且具有海量的状态空间，较难求解。该文通过推导闭式表达式求解子网数据传输和资源分配子问题，通过联盟博弈求解子网形成子问题。最终提出了一种迭代优化算法来获得具有高效、可靠、自组织和低复杂度的解决方案。仿真结果表明所提方法能够有效提升数据收集效率。同独立上传策略以及基于距离聚类和传统联盟博弈组网策略相比，所提方案的数据上传总量分别提升了56.3%，51.6%和17.8%。
配备存储部件的机会无人机打开了数据传输的机会时间窗口，在低空数据收集系统中呈现巨大的潜力。为了提高数据收集效率，移动用户可以主动组网，将数据预先集聚到具备位置优势的簇头节点，由簇头节点负责上传，实现时空维度的流量塑形。该文研究了机会无人机辅助数据收集的组网和资源分配方法。具体而言，如何根据机会无人机的既定航迹，通过联合优化用户的子网数据传输策略、子网资源分配策略和子网形成策略，最大化全网数据上传总量。上述问题高度耦合且具有海量的状态空间，较难求解。该文通过推导闭式表达式求解子网数据传输和资源分配子问题，通过联盟博弈求解子网形成子问题。最终提出了一种迭代优化算法来获得具有高效、可靠、自组织和低复杂度的解决方案。仿真结果表明所提方法能够有效提升数据收集效率。同独立上传策略以及基于距离聚类和传统联盟博弈组网策略相比，所提方案的数据上传总量分别提升了56.3%，51.6%和17.8%。
, 最新更新时间 , doi: 10.11999/JEIT240503
摘要:
针对无人机探测与避让(DAA)系统中无人机飞行碰撞避免的决策问题，该文提出一种将无人机系统检测和避免警报逻辑(DAIDALUS)和马尔可夫决策过程(MDP)相结合的方法。DAIDALUS算法的引导逻辑可以根据当前状态空间计算无人机避撞策略，将这些策略作为MDP的动作空间，并设置合适的奖励函数和状态转移概率，建立MDP模型，探究不同折扣因子对无人机飞行避撞过程的影响。仿真结果表明：相比于DAIDALUS，本方法的效率提升27.2%；当折扣因子设置为0.99时，可以平衡长期与短期收益；净空入侵率为5.8%，威胁机与本机最近距离为343 m，该方法可以满足无人机飞行过程中避撞的要求。
针对无人机探测与避让(DAA)系统中无人机飞行碰撞避免的决策问题，该文提出一种将无人机系统检测和避免警报逻辑(DAIDALUS)和马尔可夫决策过程(MDP)相结合的方法。DAIDALUS算法的引导逻辑可以根据当前状态空间计算无人机避撞策略，将这些策略作为MDP的动作空间，并设置合适的奖励函数和状态转移概率，建立MDP模型，探究不同折扣因子对无人机飞行避撞过程的影响。仿真结果表明：相比于DAIDALUS，本方法的效率提升27.2%；当折扣因子设置为0.99时，可以平衡长期与短期收益；净空入侵率为5.8%，威胁机与本机最近距离为343 m，该方法可以满足无人机飞行过程中避撞的要求。
, 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/JEIT240703
摘要:
有限角度计算机断层扫描(LACT)旨在通过减少扫描角度的范围来减少辐射剂量。由于投影数据是不完备的且未考虑联合有限角度和金属伪影校正(LAMAR)任务，传统方法重建的CT图像往往存在伪影，特别是当患者携带金属植入物时，伪影将进一步加重，影响后期医疗诊断及下游任务的精度。为解决这一问题，该文利用双域知识和深度展开技术，融合Transformer的非局部特性捕获能力和卷积神经网络(CNN)的局部特征提取能力，提出了能够联合解决LAMAR和LACT任务的模型与数据双驱动双域重建网络，记为MD3Net。该文首先构建了双域优化模型，使用邻近梯度下降算法对优化模型进行求解，并将其展开成模型驱动的CT重建网络。其次，设计了任务选择(TS)模块，通过判断初始估计CT图像中有无金属以利用同一模型同时处理有金属和无金属的重建任务。在数据驱动网络中，构建了融合Transformer和CNN的双分支的迹感知投影域邻近子网络和结合通道注意力、空间注意力的图像域邻近子网络，进而提升网络表示能力。实验结果表明，与现有方法相比，所提算法在联合LACT和LAMAR任务上重建效果更好。
有限角度计算机断层扫描(LACT)旨在通过减少扫描角度的范围来减少辐射剂量。由于投影数据是不完备的且未考虑联合有限角度和金属伪影校正(LAMAR)任务，传统方法重建的CT图像往往存在伪影，特别是当患者携带金属植入物时，伪影将进一步加重，影响后期医疗诊断及下游任务的精度。为解决这一问题，该文利用双域知识和深度展开技术，融合Transformer的非局部特性捕获能力和卷积神经网络(CNN)的局部特征提取能力，提出了能够联合解决LAMAR和LACT任务的模型与数据双驱动双域重建网络，记为MD3Net。该文首先构建了双域优化模型，使用邻近梯度下降算法对优化模型进行求解，并将其展开成模型驱动的CT重建网络。其次，设计了任务选择(TS)模块，通过判断初始估计CT图像中有无金属以利用同一模型同时处理有金属和无金属的重建任务。在数据驱动网络中，构建了融合Transformer和CNN的双分支的迹感知投影域邻近子网络和结合通道注意力、空间注意力的图像域邻近子网络，进而提升网络表示能力。实验结果表明，与现有方法相比，所提算法在联合LACT和LAMAR任务上重建效果更好。
, 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。
