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/JEIT250294
摘要:
芯粒技术作为后摩尔时代提升计算性能与实现异构集成的关键途径，其内部互连网络的性能与可靠性直接影响系统整体效能。然而，芯粒互连网络面临链路故障频发与动态网络拥塞并发存在且相互耦合的严峻挑战，难以满足高性能、高可靠芯粒系统的需求。针对此问题，该文提出一种故障与拥塞联合感知自适应路由算法，通过实时感知链路故障状态与网络拥塞程度，创新性地构建了综合评估故障、拥塞及距离因素的联合代价函数，动态地选择最优路径。通过详细的仿真评估，与多种基准算法对比，结果表明：该算法能够显著降低平均包延迟、提高网络饱和吞吐率。尤其在高故障率和非均衡流量等恶劣条件下展现出优越的性能和鲁棒性。基于65 nm工艺的硬件综合与功耗分析显示，该算法体现了良好的性能和成本效益。研究表明，该算法为应对芯粒互连网络中故障与拥塞并发的关键挑战提供了一种有效且实用的解决方案。
芯粒技术作为后摩尔时代提升计算性能与实现异构集成的关键途径，其内部互连网络的性能与可靠性直接影响系统整体效能。然而，芯粒互连网络面临链路故障频发与动态网络拥塞并发存在且相互耦合的严峻挑战，难以满足高性能、高可靠芯粒系统的需求。针对此问题，该文提出一种故障与拥塞联合感知自适应路由算法，通过实时感知链路故障状态与网络拥塞程度，创新性地构建了综合评估故障、拥塞及距离因素的联合代价函数，动态地选择最优路径。通过详细的仿真评估，与多种基准算法对比，结果表明：该算法能够显著降低平均包延迟、提高网络饱和吞吐率。尤其在高故障率和非均衡流量等恶劣条件下展现出优越的性能和鲁棒性。基于65 nm工艺的硬件综合与功耗分析显示，该算法体现了良好的性能和成本效益。研究表明，该算法为应对芯粒互连网络中故障与拥塞并发的关键挑战提供了一种有效且实用的解决方案。
, 最新更新时间 , doi: 10.11999/JEIT250551
摘要:
该文提出一种适应于比特筛选的静态随机存取存储器物理不可克隆功能(SRAM PUF)密钥提取新方案，使用SRAM的噪声单元生成密钥，使用SRAM的稳定单元重建PUF。该方案利用噪声单元的高熵特性，提高密钥熵值；基于稳定单元的低误码率优势，构建轻量级编解码体系，该方案的运算复杂度比方案2减少40%，比方案3减少98.9%，比方案4减少99.12%；通过实验数据统计出PUF单元变化率，并推导出PUF单元变化率与密钥重构成功率的关系，该方案密钥重构失败概率极低(1.4876E–9)，比方案2和方案3降低4个数量级，比方案5降低1个数量级。最后，实验数据表明1 024字节的SRAM空间可提取128位满熵值密钥。
该文提出一种适应于比特筛选的静态随机存取存储器物理不可克隆功能(SRAM PUF)密钥提取新方案，使用SRAM的噪声单元生成密钥，使用SRAM的稳定单元重建PUF。该方案利用噪声单元的高熵特性，提高密钥熵值；基于稳定单元的低误码率优势，构建轻量级编解码体系，该方案的运算复杂度比方案2减少40%，比方案3减少98.9%，比方案4减少99.12%；通过实验数据统计出PUF单元变化率，并推导出PUF单元变化率与密钥重构成功率的关系，该方案密钥重构失败概率极低(1.4876E–9)，比方案2和方案3降低4个数量级，比方案5降低1个数量级。最后，实验数据表明1 024字节的SRAM空间可提取128位满熵值密钥。
, 最新更新时间 , doi: 10.11999/JEIT250364
摘要:
由于近存架构对数据密集型程序加速的潜力，Samsung等公司推出基于高带宽存储器与存内计算(HBM-PIM)的近存芯片用于大模型加速，得益于HBM的高带宽和天然并行特性，近存计算表现出对大模型极佳的加速。该文发现，矩阵规模变化时，HBM-PIM架构的加速性能表现出不稳定性，限制了大模型部署的加速提升。为了释放HBM-PIM的加速潜力，该文深度分析了不同规模算子在HBM-PIM上性能差异的根本原因在于当前HBM-PIM对矩阵乘数据划分、映射和执行的支持不足，进而提出融合动态Bank分配、奇偶Bank交错式地址映射与分片虚拟化计算优化方法，有效提高了资源利用率和计算并行性。评估结果表明，所提方法对不同规模的矩阵计算都取得了1.894～8.225的加速比，相比优化前，性能平均提升了2.7倍。该文所提方案有效增强了PIM体系结构在多尺度任务下的可扩展性与适配能力，为AI算子在存内计算平台上的高效映射与调度提供了有益参考。
由于近存架构对数据密集型程序加速的潜力，Samsung等公司推出基于高带宽存储器与存内计算(HBM-PIM)的近存芯片用于大模型加速，得益于HBM的高带宽和天然并行特性，近存计算表现出对大模型极佳的加速。该文发现，矩阵规模变化时，HBM-PIM架构的加速性能表现出不稳定性，限制了大模型部署的加速提升。为了释放HBM-PIM的加速潜力，该文深度分析了不同规模算子在HBM-PIM上性能差异的根本原因在于当前HBM-PIM对矩阵乘数据划分、映射和执行的支持不足，进而提出融合动态Bank分配、奇偶Bank交错式地址映射与分片虚拟化计算优化方法，有效提高了资源利用率和计算并行性。评估结果表明，所提方法对不同规模的矩阵计算都取得了1.894～8.225的加速比，相比优化前，性能平均提升了2.7倍。该文所提方案有效增强了PIM体系结构在多尺度任务下的可扩展性与适配能力，为AI算子在存内计算平台上的高效映射与调度提供了有益参考。
, 最新更新时间 , doi: 10.11999/JEIT250362
摘要:
处理器安全是近年来的热点前沿研究领域，各种处理器安全漏洞层出不穷。然而，现有处理器漏洞挖掘主要采取各类测试手段，存在自动化程度低、漏洞挖掘效率和完备性不高等局限性，特别是在权限正确性验证与漏洞挖掘方面。该文提出一种基于符号执行和属性验证的RISC-V处理器权限正确性验证与提权漏洞自动挖掘方法。首先，对于特权级访问控制机制，形式化地定义了访问保护(AP)、异常处理(EH)、指令解码(ID)、寄存器安全(RS)和特权绕过(PB)5类特权提升漏洞类型；该文还提出了属性驱动的状态空间归约、路径引导等策略，有效提升了安全验证效率；设计了一个权限正确性验证与提权漏洞挖掘自动化框架，实现了对处理器设计的软硬件联合安全验证、特权提升漏洞检测和概念验证(PoC)自动生成。在OR1200, Ibex, PicoRV32和PULPino 4款开源处理器上的实验结果表明本文所提方法能够实现权限正确性属性的形式化验证并有效捕捉提权类漏洞，验证效率平均提升66.1%，同时能够自动生成高质量PoC。该文所提方法能够显著提升RISC-V处理器特权提升漏洞的自动化挖掘能力，为处理器设计安全评估提供一种新思路和技术手段。
处理器安全是近年来的热点前沿研究领域，各种处理器安全漏洞层出不穷。然而，现有处理器漏洞挖掘主要采取各类测试手段，存在自动化程度低、漏洞挖掘效率和完备性不高等局限性，特别是在权限正确性验证与漏洞挖掘方面。该文提出一种基于符号执行和属性验证的RISC-V处理器权限正确性验证与提权漏洞自动挖掘方法。首先，对于特权级访问控制机制，形式化地定义了访问保护(AP)、异常处理(EH)、指令解码(ID)、寄存器安全(RS)和特权绕过(PB)5类特权提升漏洞类型；该文还提出了属性驱动的状态空间归约、路径引导等策略，有效提升了安全验证效率；设计了一个权限正确性验证与提权漏洞挖掘自动化框架，实现了对处理器设计的软硬件联合安全验证、特权提升漏洞检测和概念验证(PoC)自动生成。在OR1200, Ibex, PicoRV32和PULPino 4款开源处理器上的实验结果表明本文所提方法能够实现权限正确性属性的形式化验证并有效捕捉提权类漏洞，验证效率平均提升66.1%，同时能够自动生成高质量PoC。该文所提方法能够显著提升RISC-V处理器特权提升漏洞的自动化挖掘能力，为处理器设计安全评估提供一种新思路和技术手段。
, 最新更新时间 , doi: 10.11999/JEIT250369
摘要:
组合优化问题在诸多领域应用广泛，大多属于非确定多项式时间难题，基于冯·诺依曼架构的传统数字计算机难以满足其极高计算复杂度的需求。具有阈值电压可编程特性和多端口输入结构的铁电晶体管(FeFET)为高效求解组合优化问题提供了新的机遇。基于FeFET的存算一体架构具有能效高、延时低等特点，同时支持对向量-矩阵及向量-矩阵-向量乘法等复杂算子的加速，非常适合求解组合优化问题。该文回顾了FeFET的器件特性，介绍了组合优化问题的基本求解过程，并进一步探讨了近年来面向等式约束、不等式约束和纳什均衡场景下基于FeFET的存算一体组合优化求解器工作。最后，该文从多个方面分析并展望了基于FeFET的存算一体组合优化求解器的前景与挑战。
组合优化问题在诸多领域应用广泛，大多属于非确定多项式时间难题，基于冯·诺依曼架构的传统数字计算机难以满足其极高计算复杂度的需求。具有阈值电压可编程特性和多端口输入结构的铁电晶体管(FeFET)为高效求解组合优化问题提供了新的机遇。基于FeFET的存算一体架构具有能效高、延时低等特点，同时支持对向量-矩阵及向量-矩阵-向量乘法等复杂算子的加速，非常适合求解组合优化问题。该文回顾了FeFET的器件特性，介绍了组合优化问题的基本求解过程，并进一步探讨了近年来面向等式约束、不等式约束和纳什均衡场景下基于FeFET的存算一体组合优化求解器工作。最后，该文从多个方面分析并展望了基于FeFET的存算一体组合优化求解器的前景与挑战。
, 最新更新时间 , doi: 10.11999/JEIT250382
摘要:
Rivest-Shamir-Adleman(RSA)加密算法作为一种非对称加密算法，被认为是目前最安全的加密方法之一。传统RSA私钥存在存储开销大、功耗高和易受攻击等问题，针对RSA私钥面临非易失性存储器(NVM)存储依赖及物理探测攻击，该文提出一种新型RSA私钥生成架构，该方案基于SMIC 180 nm 标准CMOS工艺，利用全定制开关电容物理不可克隆函数(SC-PUF)单元产生随机密钥，采用片上1次可编程单元(OTP)将SC-PUF的输出随机密钥直接映射为满足要求的RSA私钥，完全消除NVM依赖。同时SC-PUF提供的容性敏感金属层能够有效保护OTP的编辑状态不被攻击者获取，保证了整个密钥产生电路的安全性。实验结果显示，芯片总体面积为18.77 mm2，功耗218 mW，基于SC-PUF和OTP的RSA私钥产生电路不仅能够有效产生密钥，且整个RSA算法工作正常，验证了该新型RSA私钥生成架构的可行性和安全性。
Rivest-Shamir-Adleman(RSA)加密算法作为一种非对称加密算法，被认为是目前最安全的加密方法之一。传统RSA私钥存在存储开销大、功耗高和易受攻击等问题，针对RSA私钥面临非易失性存储器(NVM)存储依赖及物理探测攻击，该文提出一种新型RSA私钥生成架构，该方案基于SMIC 180 nm 标准CMOS工艺，利用全定制开关电容物理不可克隆函数(SC-PUF)单元产生随机密钥，采用片上1次可编程单元(OTP)将SC-PUF的输出随机密钥直接映射为满足要求的RSA私钥，完全消除NVM依赖。同时SC-PUF提供的容性敏感金属层能够有效保护OTP的编辑状态不被攻击者获取，保证了整个密钥产生电路的安全性。实验结果显示，芯片总体面积为18.77 mm2，功耗218 mW，基于SC-PUF和OTP的RSA私钥产生电路不仅能够有效产生密钥，且整个RSA算法工作正常，验证了该新型RSA私钥生成架构的可行性和安全性。
, 最新更新时间 , doi: 10.11999/JEIT250367
摘要:
双线性对运算是基于身份的标识密码算法的核心运算，而在边缘设备中实现该运算需要在性能与面积两方面进行折衷。采用指令扩展方式进行软硬件协同设计是具备灵活性和可扩展性的设计方式，但在双线性对运算方面的研究忽略了数据交互过程的时间损耗。该文结合双线性对算法与软硬件协同设计的特点，提出了适配总线传输的模乘运算模式用于减少数据交互过程中的时间损耗，同时设计适配该模式的模乘单元与阔域运算的时序排布，完成基于国产RISC-V处理器进行素数域运算和扩域运算的自定义指令扩展，并使用C语言调度硬件指令实现软硬件协同设计方案。所设计的协处理器在Xilinx ZYNQ-7000 FPGA平台上实现，共消耗8.3k个Slice与134个数字处理单元 (DSP)，素数域模乘的执行时间为0.3 μs，2次扩域模乘的执行时间为0.6 μs，双线性对的执行时间约为17.5 ms。实验结果表明，该文设计的协处理器兼顾性能与面积，与同类设计在性能上相比提升6.7%， 能够高效地实现双线性对运算。
双线性对运算是基于身份的标识密码算法的核心运算，而在边缘设备中实现该运算需要在性能与面积两方面进行折衷。采用指令扩展方式进行软硬件协同设计是具备灵活性和可扩展性的设计方式，但在双线性对运算方面的研究忽略了数据交互过程的时间损耗。该文结合双线性对算法与软硬件协同设计的特点，提出了适配总线传输的模乘运算模式用于减少数据交互过程中的时间损耗，同时设计适配该模式的模乘单元与阔域运算的时序排布，完成基于国产RISC-V处理器进行素数域运算和扩域运算的自定义指令扩展，并使用C语言调度硬件指令实现软硬件协同设计方案。所设计的协处理器在Xilinx ZYNQ-7000 FPGA平台上实现，共消耗8.3k个Slice与134个数字处理单元 (DSP)，素数域模乘的执行时间为0.3 μs，2次扩域模乘的执行时间为0.6 μs，双线性对的执行时间约为17.5 ms。实验结果表明，该文设计的协处理器兼顾性能与面积，与同类设计在性能上相比提升6.7%， 能够高效地实现双线性对运算。
, 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/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/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机率。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机率。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/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/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/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/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；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；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/JEIT250288
摘要:
针对干扰环境下双功能雷达通信一体化(DFRC)系统感知性能下降的问题，该文提出一种发射波形和接收滤波器联合设计来提高系统性能。首先，为了保证系统通信性能，利用符号级预编码(SLP)设计通信建设性干扰(CI)约束。基于此，构建以最大化雷达接收回波信干噪比(SINR)为优化准则，以通信CI为约束条件的优化问题。此外，引入恒模约束避免发射波形的非线性失真。针对发射波形和接收滤波器联合优化问题，该文提出一种基于交替优化的迭代算法。当固定发射波形时，子问题可转换为最小方差无失真响应(MVDR)问题。当固定接收滤波器时，将通信CI约束转化为惩罚项纳入子问题目标函数中，从而将原问题转化为黎曼复圆流形中的无约束问题，利用黎曼共轭梯度法进行有效求解。仿真结果表明所提方法能够以较低的时间成本有效提高系统在干扰环境中的感知和通信性能。
针对干扰环境下双功能雷达通信一体化(DFRC)系统感知性能下降的问题，该文提出一种发射波形和接收滤波器联合设计来提高系统性能。首先，为了保证系统通信性能，利用符号级预编码(SLP)设计通信建设性干扰(CI)约束。基于此，构建以最大化雷达接收回波信干噪比(SINR)为优化准则，以通信CI为约束条件的优化问题。此外，引入恒模约束避免发射波形的非线性失真。针对发射波形和接收滤波器联合优化问题，该文提出一种基于交替优化的迭代算法。当固定发射波形时，子问题可转换为最小方差无失真响应(MVDR)问题。当固定接收滤波器时，将通信CI约束转化为惩罚项纳入子问题目标函数中，从而将原问题转化为黎曼复圆流形中的无约束问题，利用黎曼共轭梯度法进行有效求解。仿真结果表明所提方法能够以较低的时间成本有效提高系统在干扰环境中的感知和通信性能。
, 最新更新时间 , doi: 10.11999/JEIT250509
摘要:
随着深度学习驱动的图像压缩技术迅速发展，面向深度神经网络(DNN)的图像压缩亟需一种高性能熵编码架构，以满足对高速压缩的实际需求。针对传统熵编码在硬件实现中面临的运算延迟与资源开销瓶颈，该文提出并实现了一种基于现场可编程逻辑门阵列(FPGA)的高效Range Asymmetric Numeral Systems (RANS)算术编码架构。在设计优化方面，首先引入硬件友好的除法变乘法策略降低除法与取模运算的延迟；其次结合细粒度量化与精度校准机制，在减少资源消耗的同时保证计算精度；最后，基于交织并行设计思想实现可调多通道高速压缩路径，大幅提升系统吞吐率。该架构部署于Xilinx Kintex-7 XC7K325T FPGA平台，在可控压缩率损失下，实现了高达191.97 M Symbol/s的吞吐性能，与现有最新熵编码硬件方案齐平，同时在资源利用率与系统扩展性方面也展现出显著优势，具备良好的工程应用潜力。
随着深度学习驱动的图像压缩技术迅速发展，面向深度神经网络(DNN)的图像压缩亟需一种高性能熵编码架构，以满足对高速压缩的实际需求。针对传统熵编码在硬件实现中面临的运算延迟与资源开销瓶颈，该文提出并实现了一种基于现场可编程逻辑门阵列(FPGA)的高效Range Asymmetric Numeral Systems (RANS)算术编码架构。在设计优化方面，首先引入硬件友好的除法变乘法策略降低除法与取模运算的延迟；其次结合细粒度量化与精度校准机制，在减少资源消耗的同时保证计算精度；最后，基于交织并行设计思想实现可调多通道高速压缩路径，大幅提升系统吞吐率。该架构部署于Xilinx Kintex-7 XC7K325T FPGA平台，在可控压缩率损失下，实现了高达191.97 M Symbol/s的吞吐性能，与现有最新熵编码硬件方案齐平，同时在资源利用率与系统扩展性方面也展现出显著优势，具备良好的工程应用潜力。
, 最新更新时间 , doi: 10.11999/JEIT250627
摘要:
随着人工智能研究的不断深入，卷积神经网络(Convolutional Neural Networks, CNN)在资源受限环境中的部署需求不断上升。然而，受限于冯诺依曼架构，CNN加速器随着部署模型深度增加，卷积核逐层堆叠所引发的乘累加运算呈现超线性增长趋势。为此，该文提出一种基于自旋转移矩磁性随机存储器(Spin Transfer Torque-Magnetoresistive Random Access Memory, STT-MRAM)的轻量型加法神经网络(AdderNet)加速电路设计方案。该方案首先将L1范数引入存算一体架构，提出STT-MRAM绝对差值原位计算方法，以轻量级加法取代乘累加运算；其次，设计基于磁阻状态映射的可配置全加器，结合稀疏优化策略，跳过零值参与的冗余逻辑判断；最后，进一步构建支持单周期进位链更新的并行全加器阵列，实现高效的卷积核映射与多核L1范数并行计算。实验结果显示，在CIFAR-10数据集上，该加速器实现90.66%的识别准确率，仅较软件模型下降1.18%，同时在133 MHz频率下达到32.31 GOPS的最大吞吐量与494.56 GOPS/W的峰值能效。
随着人工智能研究的不断深入，卷积神经网络(Convolutional Neural Networks, CNN)在资源受限环境中的部署需求不断上升。然而，受限于冯诺依曼架构，CNN加速器随着部署模型深度增加，卷积核逐层堆叠所引发的乘累加运算呈现超线性增长趋势。为此，该文提出一种基于自旋转移矩磁性随机存储器(Spin Transfer Torque-Magnetoresistive Random Access Memory, STT-MRAM)的轻量型加法神经网络(AdderNet)加速电路设计方案。该方案首先将L1范数引入存算一体架构，提出STT-MRAM绝对差值原位计算方法，以轻量级加法取代乘累加运算；其次，设计基于磁阻状态映射的可配置全加器，结合稀疏优化策略，跳过零值参与的冗余逻辑判断；最后，进一步构建支持单周期进位链更新的并行全加器阵列，实现高效的卷积核映射与多核L1范数并行计算。实验结果显示，在CIFAR-10数据集上，该加速器实现90.66%的识别准确率，仅较软件模型下降1.18%，同时在133 MHz频率下达到32.31 GOPS的最大吞吐量与494.56 GOPS/W的峰值能效。
, 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/JEIT250236
摘要:
针对复杂地形多输入多输出(MIMO)雷达低仰角估计算法存在的孔径利用效率与计算复杂度的矛盾问题，该文提出了一种张量框架下的两步估计方法。首先构建三维张量观测模型以完整保留信号的多维结构特征，通过高阶奇异值分解(HOSVD)得到张量信号子空间并对其去冗余。然后采用稀疏贝叶斯学习(SBL)方法快速确定目标仰角和多径角度的初始估计。最后根据初始值和完整的张量信号子空间，通过交替迭代广义多重信号分类法(GMUSIC)获得目标仰角的精确估计。该方法适用于复杂地形，并且完整利用了阵列孔径，在估计性能和计算复杂度之间实现了良好的平衡。仿真实验和实测数据验证了该方法的有效性。
针对复杂地形多输入多输出(MIMO)雷达低仰角估计算法存在的孔径利用效率与计算复杂度的矛盾问题，该文提出了一种张量框架下的两步估计方法。首先构建三维张量观测模型以完整保留信号的多维结构特征，通过高阶奇异值分解(HOSVD)得到张量信号子空间并对其去冗余。然后采用稀疏贝叶斯学习(SBL)方法快速确定目标仰角和多径角度的初始估计。最后根据初始值和完整的张量信号子空间，通过交替迭代广义多重信号分类法(GMUSIC)获得目标仰角的精确估计。该方法适用于复杂地形，并且完整利用了阵列孔径，在估计性能和计算复杂度之间实现了良好的平衡。仿真实验和实测数据验证了该方法的有效性。
, 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/JEIT250238
摘要:
针对城市复杂道路环境中车辆检测面临的多尺度目标、密集车流遮挡等难题，该文提出了一种轻量化YOLO-SCDI车辆检测算法。首先，采用改进的C2f-SCSA模块替换骨干网络中的C2f模块，通过动态融合多尺度卷积核提取的局部与全局特征，同时结合空间-通道双维度注意力机制，从而实现精准的特征选择。其次，创新性地在颈部网络引入跨尺度特征融合模块(CCFM)，通过4个卷积同步完成通道压缩与跨通道信息融合，显著增强了模型对不同尺度目标的适应性，同时降低了模型参数。再次，用Dynamic Head检测头替换传统检测头，通过尺度-空间-任务三维注意力机制动态调节特征响应，并引入动态卷积核生成网络，自适应调整检测头参数配置。最后，提出了Inner-ShapeIoU度量方法以优化边界框回归过程。实验结果表明，在精简后的UA-DETRAC数据集上，YOLO-SCDI在mAP@0.5和精确度(P)上分别达到了95.8%和95.9%，同时模型的参数量为2.37M，相较于基准模型YOLOv8n，精度分别提升了2.5%和4.1%，参数量减少了21.3%，具有更高的检测精度和更精简的模型参数。
针对城市复杂道路环境中车辆检测面临的多尺度目标、密集车流遮挡等难题，该文提出了一种轻量化YOLO-SCDI车辆检测算法。首先，采用改进的C2f-SCSA模块替换骨干网络中的C2f模块，通过动态融合多尺度卷积核提取的局部与全局特征，同时结合空间-通道双维度注意力机制，从而实现精准的特征选择。其次，创新性地在颈部网络引入跨尺度特征融合模块(CCFM)，通过4个卷积同步完成通道压缩与跨通道信息融合，显著增强了模型对不同尺度目标的适应性，同时降低了模型参数。再次，用Dynamic Head检测头替换传统检测头，通过尺度-空间-任务三维注意力机制动态调节特征响应，并引入动态卷积核生成网络，自适应调整检测头参数配置。最后，提出了Inner-ShapeIoU度量方法以优化边界框回归过程。实验结果表明，在精简后的UA-DETRAC数据集上，YOLO-SCDI在mAP@0.5和精确度(P)上分别达到了95.8%和95.9%，同时模型的参数量为2.37M，相较于基准模型YOLOv8n，精度分别提升了2.5%和4.1%，参数量减少了21.3%，具有更高的检测精度和更精简的模型参数。
, 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/JEIT250053
摘要:
基于ATE的集成电路制造测试是芯片产业链的重要一环，而逻辑测试向量的编解码及应用效率，对芯片的测试成本有着重要影响。因此，结合现代FPGA内集成高速BRAM的特点，该文提出一种基于分量统计的测试向量编码方案，用于将被测芯片的全部测试向量生成分量编码表文件。与此同时，设计了一种BRAM分段同步查表控制电路，采用并行单端口BRAM结构多段地址分配模块和写优先访问时序模式，实现测试向量各分量的同步查表和并行输出。该文采用Vivado与Xilinx K7 FPGA开发平台，对查表电路进行了设计和仿真。配置了宽度64 bit和定制分段地址深度的BRAM，结合数据传输和存储地址产生控制逻辑，利用UART接口将分量编码表COE文件下载到目标BRAM中，并取得分量在BRAM中的地址，将其应用于BRAM分段同步查表电路。仿真结果充分验证了同步查表电路功能的正确性。将建议方案用于工程ATE测试板的设计，可以有效提高ATE逻辑测试指令的执行效率。
基于ATE的集成电路制造测试是芯片产业链的重要一环，而逻辑测试向量的编解码及应用效率，对芯片的测试成本有着重要影响。因此，结合现代FPGA内集成高速BRAM的特点，该文提出一种基于分量统计的测试向量编码方案，用于将被测芯片的全部测试向量生成分量编码表文件。与此同时，设计了一种BRAM分段同步查表控制电路，采用并行单端口BRAM结构多段地址分配模块和写优先访问时序模式，实现测试向量各分量的同步查表和并行输出。该文采用Vivado与Xilinx K7 FPGA开发平台，对查表电路进行了设计和仿真。配置了宽度64 bit和定制分段地址深度的BRAM，结合数据传输和存储地址产生控制逻辑，利用UART接口将分量编码表COE文件下载到目标BRAM中，并取得分量在BRAM中的地址，将其应用于BRAM分段同步查表电路。仿真结果充分验证了同步查表电路功能的正确性。将建议方案用于工程ATE测试板的设计，可以有效提高ATE逻辑测试指令的执行效率。
, 最新更新时间 , doi: 10.11999/JEIT250412
摘要:
数据预取器是现代处理器用于提高性能的重要微架构组件。然而，由于在设计之初缺乏系统性的安全评估与考量，主流商用处理器中的预取器近年来被揭示出存在严重安全隐患，已被用于针对浏览器、操作系统和可信执行环境的侧信道攻击。面对这类新型微架构攻击，处理器安全研究亟需解决以下关键问题：如何系统性地分析攻击方法，全面认识预取器潜在风险，量化评估预取器安全程度，从而设计更加安全的数据预取器。为解决这些问题，该文系统调研了商用处理器中已知预取器设计及相关侧信道攻击，通过提取内存访问模式，为7种预取器建立行为模型，并基于此为20种侧信道攻击建立攻击模型，系统整理了各类攻击的触发条件和泄露信息，并分析可能存在的其他攻击方法。在此基础上，该文提出1套包含3个维度和24个指标的安全性评估体系，为数据预取器的安全性提供全面量化评估。最后，该文深入探讨了防御策略、安全预取器设计思路及未来研究方向。作为首篇聚焦于商用处理器数据预取器安全问题的综述性文章，该文有助于深入了解数据预取器面临的安全挑战，推动预取器的安全性量化评估体系构建，从而为设计更加安全的数据预取器提供指导。
数据预取器是现代处理器用于提高性能的重要微架构组件。然而，由于在设计之初缺乏系统性的安全评估与考量，主流商用处理器中的预取器近年来被揭示出存在严重安全隐患，已被用于针对浏览器、操作系统和可信执行环境的侧信道攻击。面对这类新型微架构攻击，处理器安全研究亟需解决以下关键问题：如何系统性地分析攻击方法，全面认识预取器潜在风险，量化评估预取器安全程度，从而设计更加安全的数据预取器。为解决这些问题，该文系统调研了商用处理器中已知预取器设计及相关侧信道攻击，通过提取内存访问模式，为7种预取器建立行为模型，并基于此为20种侧信道攻击建立攻击模型，系统整理了各类攻击的触发条件和泄露信息，并分析可能存在的其他攻击方法。在此基础上，该文提出1套包含3个维度和24个指标的安全性评估体系，为数据预取器的安全性提供全面量化评估。最后，该文深入探讨了防御策略、安全预取器设计思路及未来研究方向。作为首篇聚焦于商用处理器数据预取器安全问题的综述性文章，该文有助于深入了解数据预取器面临的安全挑战，推动预取器的安全性量化评估体系构建，从而为设计更加安全的数据预取器提供指导。
, 最新更新时间 , doi: 10.11999/JEIT250466
摘要:
视觉感知系统通过算法提取信息，但其能效受限于感知过程中数据转换与搬移的功耗开销。采用片上缓存实现边缘端系统中数据的存储与交互，通过减少对冗余信息的传输与搬运过程中的功耗，可有效降低系统的整体功耗。该研究提出了一种面向边缘计算的低功耗片上缓冲存储器(Cache)设计方案。该方案基于静态随机存取存储器(SRAM)单元，根据系统中二值神经网络层间数据量峰值，将缓存容量定制为40.5 Kb，集成在芯片内，专用于存储视觉感知系统的神经网络层间数据。针对传统单体式片上缓存功耗过高的问题，该方案采用分块式存储架构，依据二值神经网络最大池化层输出特征，将缓存阵列划分为8个独立可关断的72×72位子阵列。通过分块存储机制，数据存取过程中的动态功耗得到了有效降低。同时，该文进一步提出动态存储控制策略，利用卷积运算时层间数据量逐层递减的特性，在存取第2层卷积数据时，仅激活必要子阵列，由存储控制模块动态关闭未使用区块，实现功耗深度优化。在TSMC 180 nm CMOS工艺下仿真，结果表明时钟频率在10 MHz时，相较于单一式架构，分块式缓存在存储第1层卷积数据时，读写动态功耗降低64.97%；结合动态存储控制策略后，存储第2层卷积数据时的读写动态功耗进一步降低52.9%。该设计为边缘端视觉感知系统提供了高能效的片上存储解决方案。
视觉感知系统通过算法提取信息，但其能效受限于感知过程中数据转换与搬移的功耗开销。采用片上缓存实现边缘端系统中数据的存储与交互，通过减少对冗余信息的传输与搬运过程中的功耗，可有效降低系统的整体功耗。该研究提出了一种面向边缘计算的低功耗片上缓冲存储器(Cache)设计方案。该方案基于静态随机存取存储器(SRAM)单元，根据系统中二值神经网络层间数据量峰值，将缓存容量定制为40.5 Kb，集成在芯片内，专用于存储视觉感知系统的神经网络层间数据。针对传统单体式片上缓存功耗过高的问题，该方案采用分块式存储架构，依据二值神经网络最大池化层输出特征，将缓存阵列划分为8个独立可关断的72×72位子阵列。通过分块存储机制，数据存取过程中的动态功耗得到了有效降低。同时，该文进一步提出动态存储控制策略，利用卷积运算时层间数据量逐层递减的特性，在存取第2层卷积数据时，仅激活必要子阵列，由存储控制模块动态关闭未使用区块，实现功耗深度优化。在TSMC 180 nm CMOS工艺下仿真，结果表明时钟频率在10 MHz时，相较于单一式架构，分块式缓存在存储第1层卷积数据时，读写动态功耗降低64.97%；结合动态存储控制策略后，存储第2层卷积数据时的读写动态功耗进一步降低52.9%。该设计为边缘端视觉感知系统提供了高能效的片上存储解决方案。
, 最新更新时间 , doi: 10.11999/JEIT250377
摘要:
三维集成电路(3D IC)以其低延迟和高密度等优势，成为后摩尔时期的重要研究方向之一。其中硅通孔(TSV)作为3D IC中层间互连的关键技术，相关热、电、信号问题已有了广泛的研究。为更好地了解TSV技术的原理及研究现状，该文概述了近年来TSV技术在3D IC设计中的研究进展。首先，针对TSV热问题，综述了3D IC的热建模方法和TSV的热管理策略。其次，针对电源完整性问题，介绍了布局优化、背面供电网络(BPDN)技术等解决方案。之后，针对信号完整性问题，阐述了电磁屏蔽、应用低介电常数材料、新型互连等方法。最后，对TSV目前仍存在的局限性进行了总结，并在此基础上重点展望了多物理场协同优化、纳米级TSV(nTSV)与背面供电网络集成设计、新型材料与TSV阵列以及智能优化方法在未来的发展空间。
三维集成电路(3D IC)以其低延迟和高密度等优势，成为后摩尔时期的重要研究方向之一。其中硅通孔(TSV)作为3D IC中层间互连的关键技术，相关热、电、信号问题已有了广泛的研究。为更好地了解TSV技术的原理及研究现状，该文概述了近年来TSV技术在3D IC设计中的研究进展。首先，针对TSV热问题，综述了3D IC的热建模方法和TSV的热管理策略。其次，针对电源完整性问题，介绍了布局优化、背面供电网络(BPDN)技术等解决方案。之后，针对信号完整性问题，阐述了电磁屏蔽、应用低介电常数材料、新型互连等方法。最后，对TSV目前仍存在的局限性进行了总结，并在此基础上重点展望了多物理场协同优化、纳米级TSV(nTSV)与背面供电网络集成设计、新型材料与TSV阵列以及智能优化方法在未来的发展空间。
, 最新更新时间 , doi: 10.11999/JEIT250437
摘要:
荷电状态是衡量锂离子电池剩余电量的关键指标，其准确估计对电池管理系统至关重要。该文提出了一种粒子群约束下的多胞空间滤波算法，用于解决系统存在未知但有界噪声时的状态估计问题。该算法能够准确检测并重新映射异常粒子，从而确保搜索过程的稳定性。通过采用法向量缩放的方法调整超平面位置，将粒子群限制在多胞搜索空间区域内，以优化状态估计的效率。该粒子群优化算法具备良好的适应性，能够有效减少估计冗余并增强鲁棒性，尤其适用于高维系统。将该算法应用于锂离子电池荷电状态分析的实验结果表明，该算法能够对锂离子电池荷电状态变化情况进行有效估计。
荷电状态是衡量锂离子电池剩余电量的关键指标，其准确估计对电池管理系统至关重要。该文提出了一种粒子群约束下的多胞空间滤波算法，用于解决系统存在未知但有界噪声时的状态估计问题。该算法能够准确检测并重新映射异常粒子，从而确保搜索过程的稳定性。通过采用法向量缩放的方法调整超平面位置，将粒子群限制在多胞搜索空间区域内，以优化状态估计的效率。该粒子群优化算法具备良好的适应性，能够有效减少估计冗余并增强鲁棒性，尤其适用于高维系统。将该算法应用于锂离子电池荷电状态分析的实验结果表明，该算法能够对锂离子电池荷电状态变化情况进行有效估计。
, 最新更新时间 , doi: 10.11999/JEIT250144
摘要:
基于传统密码技术的车联网数据共享正面临着量子计算威胁。NTRU格是当前保障抗量子数据共享的有效手段。该文提出基于NTRU格的去中心化车联网数据共享方案，环中带错误学习 (RLWE)问题和环中小整数解 (RSIS)问题的难解性下具有抗量子安全性，NTRU格密钥尺寸短且存储空间小的特性能够保证低计算复杂度。通过区块链技术实现车辆身份验证、权限管理、密钥分发及智能合约自动化执行。所提方案能够为智能安全交通未来发展奠定技术支撑。
基于传统密码技术的车联网数据共享正面临着量子计算威胁。NTRU格是当前保障抗量子数据共享的有效手段。该文提出基于NTRU格的去中心化车联网数据共享方案，环中带错误学习 (RLWE)问题和环中小整数解 (RSIS)问题的难解性下具有抗量子安全性，NTRU格密钥尺寸短且存储空间小的特性能够保证低计算复杂度。通过区块链技术实现车辆身份验证、权限管理、密钥分发及智能合约自动化执行。所提方案能够为智能安全交通未来发展奠定技术支撑。
, 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/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/JEIT250084
摘要:
集群目标通信网络在非合作场景中极大增加了电磁环境探测的难度。针对非合作环境下缺乏拓扑先验信息的挑战，该文提出基于图结构数据驱动的拓扑推断方法。通过场景假设分析与图神经网络建模，构建了基于因果推断与GNN结合的拓扑推断混合模型，其中因果推断包括多维霍克斯过程(MHP)、Peter–Clarks瞬时条件独立性检测(PCMCI)。实验表明在节点数8～13、连边概率0.45的条件下，PCMCI+GED方法的F1分数较PCMCI提升31.2%，较GCN方法提升23.9%。研究证实因果先验与图神经网络的协同机制可有效提高拓扑推断精度，50%节点特征输入的混合模型在保持93%精度的同时减少88.6%计算耗时，为大规模网络场景提供可行解决方案。
集群目标通信网络在非合作场景中极大增加了电磁环境探测的难度。针对非合作环境下缺乏拓扑先验信息的挑战，该文提出基于图结构数据驱动的拓扑推断方法。通过场景假设分析与图神经网络建模，构建了基于因果推断与GNN结合的拓扑推断混合模型，其中因果推断包括多维霍克斯过程(MHP)、Peter–Clarks瞬时条件独立性检测(PCMCI)。实验表明在节点数8～13、连边概率0.45的条件下，PCMCI+GED方法的F1分数较PCMCI提升31.2%，较GCN方法提升23.9%。研究证实因果先验与图神经网络的协同机制可有效提高拓扑推断精度，50%节点特征输入的混合模型在保持93%精度的同时减少88.6%计算耗时，为大规模网络场景提供可行解决方案。
, 最新更新时间 , doi: 10.11999/JEIT250231
摘要:
感知通信一体化(ISAC)是第6代移动通信的重要研究方向之一，它使无线通信网络具备了感知能力。超大规模多输入多输出(XL-MIMO)的研究使得通信研究从远场转向近场，但ISAC在近场区域的研究还不充分。该文针对近场区域中存在散射体干扰的场景，研究了多用户XL-MIMO ISAC系统的波束成形设计，致力于探讨ISAC系统中通感性能的折衷问题。为此，该文首先导出了感知互信息的一般形式，并通过引入辅助变量和舒尔补(Schur complement)将其转化为半定规划问题进行优化。针对复杂的多用户信干噪比(SINR)表达式，利用Dinkelbach算法将其转化为凸函数形式，以降低优化难度。进一步，提出一种多目标优化框架，旨在同时最大化多用户信干噪比和感知互信息，并通过构建系统效用函数求解帕累托最优解。仿真结果表明，所提方法能够平衡用户通信和目标感知性能，实现两者之间的最优折衷。研究还揭示了散射体在距离上对感知目标的干扰规律，为ISAC系统的设计提供了重要参考。
感知通信一体化(ISAC)是第6代移动通信的重要研究方向之一，它使无线通信网络具备了感知能力。超大规模多输入多输出(XL-MIMO)的研究使得通信研究从远场转向近场，但ISAC在近场区域的研究还不充分。该文针对近场区域中存在散射体干扰的场景，研究了多用户XL-MIMO ISAC系统的波束成形设计，致力于探讨ISAC系统中通感性能的折衷问题。为此，该文首先导出了感知互信息的一般形式，并通过引入辅助变量和舒尔补(Schur complement)将其转化为半定规划问题进行优化。针对复杂的多用户信干噪比(SINR)表达式，利用Dinkelbach算法将其转化为凸函数形式，以降低优化难度。进一步，提出一种多目标优化框架，旨在同时最大化多用户信干噪比和感知互信息，并通过构建系统效用函数求解帕累托最优解。仿真结果表明，所提方法能够平衡用户通信和目标感知性能，实现两者之间的最优折衷。研究还揭示了散射体在距离上对感知目标的干扰规律，为ISAC系统的设计提供了重要参考。
, 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/JEIT250260
摘要:
人机融合智能是人工智能发展到一定阶段的产物，构成了由弱人工智能向强人工智能过渡的关键中间智能形态。该领域的研究不仅涵盖人工智能基础理论与技术的探索，还涉及人类、机器与环境之间复杂关系的系统性分析。在军事、医疗和驾驶等应用场景中，探索人机融合智能在复杂决策中的应用具有重要的研究意义和实用价值。该文阐述了人机融合智能的概念，分析实现人机融合智能决策的意义；归纳了人机融合智能决策系统的一般框架，并依据决策任务的特性及其中体现的人机关系，总结了人机融合智能决策的3种具体方式，即人类主导型决策、机器主导型决策和人机协同型决策；介绍了人机融合智能决策的典型应用；讨论了人机融合智能决策存在的问题和未来的研究方向。
人机融合智能是人工智能发展到一定阶段的产物，构成了由弱人工智能向强人工智能过渡的关键中间智能形态。该领域的研究不仅涵盖人工智能基础理论与技术的探索，还涉及人类、机器与环境之间复杂关系的系统性分析。在军事、医疗和驾驶等应用场景中，探索人机融合智能在复杂决策中的应用具有重要的研究意义和实用价值。该文阐述了人机融合智能的概念，分析实现人机融合智能决策的意义；归纳了人机融合智能决策系统的一般框架，并依据决策任务的特性及其中体现的人机关系，总结了人机融合智能决策的3种具体方式，即人类主导型决策、机器主导型决策和人机协同型决策；介绍了人机融合智能决策的典型应用；讨论了人机融合智能决策存在的问题和未来的研究方向。
, 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/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/JEIT250279
摘要:
为了应对物联网(IoT)设备在通过无人机(UAV)接入地面网络过程中可能面临的窃听和伪造攻击等安全威胁，以及避免因超海量设备并发接入导致的信令冲突和关键节点拥塞等问题，同时结合物联网设备低计算和存储能力等特点，利用物理不可克隆函数，该文提出一种基于无人机辅助的物联网设备多簇并发接入与切换认证方案。在该方案中，基于预共享密钥机制，无人机首先安全接入地面网络。随后，基于物理不可克隆函数，多簇物联网设备可以并发安全高效地通过无人机接入地面网，并且抵抗物理攻击、假冒攻击、中间人攻击等威胁，同时显著降低物联网设备侧的计算和存储开销。此外，当新无人机替换旧无人机时，多簇物联网设备可以并发安全高效地切换至新无人机，确保了设备网络服务的连续性。安全性和性能分析结果表明，该方案在计算和存储开销均较低的情况下，能够提供较为健壮的安全属性。此外，该方案在处理超海量设备并发接入时，能够有效减少信令开销，避免信令冲突和关键节点拥塞故障等问题。
为了应对物联网(IoT)设备在通过无人机(UAV)接入地面网络过程中可能面临的窃听和伪造攻击等安全威胁，以及避免因超海量设备并发接入导致的信令冲突和关键节点拥塞等问题，同时结合物联网设备低计算和存储能力等特点，利用物理不可克隆函数，该文提出一种基于无人机辅助的物联网设备多簇并发接入与切换认证方案。在该方案中，基于预共享密钥机制，无人机首先安全接入地面网络。随后，基于物理不可克隆函数，多簇物联网设备可以并发安全高效地通过无人机接入地面网，并且抵抗物理攻击、假冒攻击、中间人攻击等威胁，同时显著降低物联网设备侧的计算和存储开销。此外，当新无人机替换旧无人机时，多簇物联网设备可以并发安全高效地切换至新无人机，确保了设备网络服务的连续性。安全性和性能分析结果表明，该方案在计算和存储开销均较低的情况下，能够提供较为健壮的安全属性。此外，该方案在处理超海量设备并发接入时，能够有效减少信令开销，避免信令冲突和关键节点拥塞故障等问题。
, 最新更新时间 , doi: 10.11999/JEIT250278
摘要:
通用滤波多载波(UFMC)通过在正交频分复用(OFDM)技术中引入原型滤波器实现更优的载波间干扰(ICI)抑制能力，成为未来无线通信的重要波形。研究聚焦于UFMC系统在载波频率偏移(CFO)影响下进一步强化ICI抑制能力。该文首先研究了存在CFO时，UFMC系统的信号与干扰噪声比(SINR)表达式，其次构建了一个以最小化平均误码率(SER)为目标的滤波器优化设计模型。通过采用连续凸近似(SCA)处理，对原始非凸非线性问题进行了转换，并提出了一种原型滤波器最优设计方法。仿真结果表明，该文设计的最优原型滤波器在SER性能上优于过去推荐的切比雪夫(DC)滤波器，具有较强的抗干扰能力。对于UFMC在ICI严重场景中应用具有重要价值。
通用滤波多载波(UFMC)通过在正交频分复用(OFDM)技术中引入原型滤波器实现更优的载波间干扰(ICI)抑制能力，成为未来无线通信的重要波形。研究聚焦于UFMC系统在载波频率偏移(CFO)影响下进一步强化ICI抑制能力。该文首先研究了存在CFO时，UFMC系统的信号与干扰噪声比(SINR)表达式，其次构建了一个以最小化平均误码率(SER)为目标的滤波器优化设计模型。通过采用连续凸近似(SCA)处理，对原始非凸非线性问题进行了转换，并提出了一种原型滤波器最优设计方法。仿真结果表明，该文设计的最优原型滤波器在SER性能上优于过去推荐的切比雪夫(DC)滤波器，具有较强的抗干扰能力。对于UFMC在ICI严重场景中应用具有重要价值。
, 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/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/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/JEIT250191
摘要:
现有的多站时差信号分选方法依赖辐射源数目或脉冲参数测量误差等先验信息，并且无法对配对失败的脉冲进行准确分选。针对这一问题，该文提出一种Dirichlet过程混合模型(DPMM)驱动的多站时差分选方法。该方法首先引入时差窗与多参数约束条件，实现大部分脉冲的成功配对，同时部分脉冲会由于脉冲丢失与噪声干扰而配对失败；接着，采用DPMM对配对成功后获得的到达时差信息进行聚类分析，从而实现对配对成功脉冲的分选，并构建雷达脉冲集合；最后，通过计算配对失败脉冲相对于脉冲集合的归属度，完成对配对失败脉冲的归类。仿真结果表明，与现有方法相比，该方法无需事先确定辐射源数目或参数测量误差等参数，且在脉冲丢失和干扰严重的情况下，仍能保持较高的分选准确率。
现有的多站时差信号分选方法依赖辐射源数目或脉冲参数测量误差等先验信息，并且无法对配对失败的脉冲进行准确分选。针对这一问题，该文提出一种Dirichlet过程混合模型(DPMM)驱动的多站时差分选方法。该方法首先引入时差窗与多参数约束条件，实现大部分脉冲的成功配对，同时部分脉冲会由于脉冲丢失与噪声干扰而配对失败；接着，采用DPMM对配对成功后获得的到达时差信息进行聚类分析，从而实现对配对成功脉冲的分选，并构建雷达脉冲集合；最后，通过计算配对失败脉冲相对于脉冲集合的归属度，完成对配对失败脉冲的归类。仿真结果表明，与现有方法相比，该方法无需事先确定辐射源数目或参数测量误差等参数，且在脉冲丢失和干扰严重的情况下，仍能保持较高的分选准确率。
, 最新更新时间 , doi: 10.11999/JEIT250440
摘要:
随着量子计算的兴起与飞速发展， 它以其独特的并行计算能力和叠加特性冲击着传统密码算法的安全性。评估经典密码算法在量子计算环境下的抗量子攻击能力并设计出相应改进策略，已成为当前密码学领域的研究热点。该文以韩国分组密码算法标准ARIA为研究对象，基于塔域分解完成ARIA算法4种S盒的量子电路设计，所设计的S盒量子电路在NCT门集下仅需21个量子比特，是现有需要量子比特数最少的ARIA算法S盒量子电路实现方案。针对线性层，该文设计出深度为15的量子电路新方案，相较已有方案在深度方面优化11.7%，为目前该组件最优in-place量子实现。该文通过Grover密钥搜索攻击模型对ARIA系列算法进行了抗量子攻击安全性评估。结果表明，ARIA系列算法在新方案下的实现效率均有提升，ARIA-128/192/256在电路总深度\begin{document}$ \times $\end{document} \begin{document}$ D \times G $\end{document} \begin{document}$ {\mathrm{Td}} \times M $\end{document}
随着量子计算的兴起与飞速发展， 它以其独特的并行计算能力和叠加特性冲击着传统密码算法的安全性。评估经典密码算法在量子计算环境下的抗量子攻击能力并设计出相应改进策略，已成为当前密码学领域的研究热点。该文以韩国分组密码算法标准ARIA为研究对象，基于塔域分解完成ARIA算法4种S盒的量子电路设计，所设计的S盒量子电路在NCT门集下仅需21个量子比特，是现有需要量子比特数最少的ARIA算法S盒量子电路实现方案。针对线性层，该文设计出深度为15的量子电路新方案，相较已有方案在深度方面优化11.7%，为目前该组件最优in-place量子实现。该文通过Grover密钥搜索攻击模型对ARIA系列算法进行了抗量子攻击安全性评估。结果表明，ARIA系列算法在新方案下的实现效率均有提升，ARIA-128/192/256在电路总深度
, 最新更新时间 , doi: 10.11999/JEIT250359
摘要:
物理不可克隆函数(PUF)作为硬件安全原语，为资源受限的物联网设备提供低成本的密钥生成与设备身份认证。然而，PUF电路的可靠性问题已经成为大规模部署的瓶颈。为此，该文提出一种基于自检测修复的比特配置高可靠PUF电路方案。该方案首先研究电桥失衡效应和亚阈值电流特性，利用亚阈值指数级电流特性放大随机工艺偏差，提升输出熵源随机性。其次，构建可配置位单元拓扑结构，结合比特配置策略，在不增加额外硬件开销的情况下，可灵活切换电桥PUF与分压PUF模式。最后，提出一种自检测与修复机制以提升PUF电路的可靠性，并结合掩蔽操作进一步降低误码率(BER)。在TSMC 28 nm工艺下实现64×64位PUF电路设计，全定制版图面积为3283.3 μm2。实验结果表明，电桥PUF和分压PUF唯一性和自相关性分别为50.03%/50.08%和0.027 7/0.027 3，且通过NIST800-22随机性测试。此外，在0 °C～80 °C的温度范围和0.81～0.99 V的电压范围内，对29%的不稳定位进行修复或掩蔽处理，最终误码率为1.62E–9。
物理不可克隆函数(PUF)作为硬件安全原语，为资源受限的物联网设备提供低成本的密钥生成与设备身份认证。然而，PUF电路的可靠性问题已经成为大规模部署的瓶颈。为此，该文提出一种基于自检测修复的比特配置高可靠PUF电路方案。该方案首先研究电桥失衡效应和亚阈值电流特性，利用亚阈值指数级电流特性放大随机工艺偏差，提升输出熵源随机性。其次，构建可配置位单元拓扑结构，结合比特配置策略，在不增加额外硬件开销的情况下，可灵活切换电桥PUF与分压PUF模式。最后，提出一种自检测与修复机制以提升PUF电路的可靠性，并结合掩蔽操作进一步降低误码率(BER)。在TSMC 28 nm工艺下实现64×64位PUF电路设计，全定制版图面积为
, 最新更新时间 , doi: 10.11999/JEIT250361
摘要:
现代处理器广泛采用的分支预测技术虽然提升了指令流水线效率，但其推测执行机制产生的瞬态执行窗口已成为攻击的突破口。该文对现代处理器的分支预测技术进行了详细的分析，并对X86指令集中的指令进行了瞬态窗口的测量，发现X86架构中基于RCX寄存器值进行分支预测的循环指令(LOOP, LOOPZ, LOOPNZ)以及JRCXZ指令能够导致潜在的瞬态执行攻击。基此，该文构建了一种新型瞬态攻击原语，成功实现了4类攻击场景：(1)跨用户态/内核态边界实现数据泄露；(2)突破同步多线程(SMT)隔离构建隐蔽信道；(3)穿透Intel SGX安全区进行私密数据窃取；(4)推测内核地址空间布局随机化(KASLR)防护机制的内核基址。该文提出的攻击方法在真实处理器环境中得到验证，其攻击成功率较传统JCC指令实现方案平均提升90%。
现代处理器广泛采用的分支预测技术虽然提升了指令流水线效率，但其推测执行机制产生的瞬态执行窗口已成为攻击的突破口。该文对现代处理器的分支预测技术进行了详细的分析，并对X86指令集中的指令进行了瞬态窗口的测量，发现X86架构中基于RCX寄存器值进行分支预测的循环指令(LOOP, LOOPZ, LOOPNZ)以及JRCXZ指令能够导致潜在的瞬态执行攻击。基此，该文构建了一种新型瞬态攻击原语，成功实现了4类攻击场景：(1)跨用户态/内核态边界实现数据泄露；(2)突破同步多线程(SMT)隔离构建隐蔽信道；(3)穿透Intel SGX安全区进行私密数据窃取；(4)推测内核地址空间布局随机化(KASLR)防护机制的内核基址。该文提出的攻击方法在真实处理器环境中得到验证，其攻击成功率较传统JCC指令实现方案平均提升90%。
, 最新更新时间 , doi: 10.11999/JEIT250212
摘要:
忆阻器可作为突触引入人工神经网络，提升神经元间连接的合理性，并丰富网络的类脑化动力学行为。该文基于忆阻器提出了一种仅含单向突触连接的极简环形神经网络的混沌化方法，以三节点神经网络为例构造了一类动力学行为丰富且结构简单的忆阻环形神经网络。基于单参数和双参数分岔图以及Lyapunov指数谱，研究了这类网络关于忆阻器耦合强度与内部参数的丰富动力学演化过程，如倍周期分岔与反倍周期分岔。借助相平面图和吸引盆刻画了网络的丰富多稳态行为，如点吸引子与点吸引子、点吸引子与周期吸引子、点吸引子与混沌吸引子。依赖于忆阻器耦合强度的多变量调幅控制行为也被发现和研究。通过电子电路实验检验了所提出网络的物理存在性。此外，针对所提出网络潜在的应用需求，设计了一种新型多幂次趋近律，用于在固定时间内实现混沌同步。数值仿真结果表明了同步策略的可行性与有效性。
忆阻器可作为突触引入人工神经网络，提升神经元间连接的合理性，并丰富网络的类脑化动力学行为。该文基于忆阻器提出了一种仅含单向突触连接的极简环形神经网络的混沌化方法，以三节点神经网络为例构造了一类动力学行为丰富且结构简单的忆阻环形神经网络。基于单参数和双参数分岔图以及Lyapunov指数谱，研究了这类网络关于忆阻器耦合强度与内部参数的丰富动力学演化过程，如倍周期分岔与反倍周期分岔。借助相平面图和吸引盆刻画了网络的丰富多稳态行为，如点吸引子与点吸引子、点吸引子与周期吸引子、点吸引子与混沌吸引子。依赖于忆阻器耦合强度的多变量调幅控制行为也被发现和研究。通过电子电路实验检验了所提出网络的物理存在性。此外，针对所提出网络潜在的应用需求，设计了一种新型多幂次趋近律，用于在固定时间内实现混沌同步。数值仿真结果表明了同步策略的可行性与有效性。
, 最新更新时间 , doi: 10.11999/JEIT250471
摘要:
缓存作为处理器中缓解主存访问延迟的重要结构，在提升系统性能的同时，其共享性也为攻击者实施侧信道攻击提供了条件。近年来，针对数据缓存的多种侧信道攻击手段相继被提出，严重威胁处理器系统的安全性。为应对此类威胁，各类防护策略也不断涌现。现有基于缓存映射随机化的方案通常伴随较高的硬件开销，不适用于资源受限的一级缓存；而基于缓存刷写的方案则存在效率较低的问题。针对上述问题，该文提出基于快速刷写的缓存侧信道攻击缓解技术，通过在数据缓存中引入生存时间标识，在执行缓存刷写时，有选择地执行缓存写回操作，提高缓存刷写效率。该文基于 (RISC-V)架构处理器对上述防护策略进行了实现，并在FPGA平台上对其硬件开销进行了评估，相较于原始缓存刷写方法可减少70%左右的刷写执行时间，相比于原有数据缓存结构，所带来的额外硬件逻辑开销为8%左右，引入标记位的额外存储开销仅为0.01%左右。
缓存作为处理器中缓解主存访问延迟的重要结构，在提升系统性能的同时，其共享性也为攻击者实施侧信道攻击提供了条件。近年来，针对数据缓存的多种侧信道攻击手段相继被提出，严重威胁处理器系统的安全性。为应对此类威胁，各类防护策略也不断涌现。现有基于缓存映射随机化的方案通常伴随较高的硬件开销，不适用于资源受限的一级缓存；而基于缓存刷写的方案则存在效率较低的问题。针对上述问题，该文提出基于快速刷写的缓存侧信道攻击缓解技术，通过在数据缓存中引入生存时间标识，在执行缓存刷写时，有选择地执行缓存写回操作，提高缓存刷写效率。该文基于 (RISC-V)架构处理器对上述防护策略进行了实现，并在FPGA平台上对其硬件开销进行了评估，相较于原始缓存刷写方法可减少70%左右的刷写执行时间，相比于原有数据缓存结构，所带来的额外硬件逻辑开销为8%左右，引入标记位的额外存储开销仅为0.01%左右。
, 最新更新时间 , doi: 10.11999/JEIT250413
摘要:
随机计算是一种以概率信号替代确定性二进制数值的新型计算范式，其核心在于将确定性数值映射为概率化比特数流，通过统计特性而非精确位权实现算术运算。相较于传统确定性数值计算，随机计算具有低硬件开销、高渐进精度与高容错性等优势，广泛应用于数字信号处理、神经网络加速及边缘计算。然而，该技术的发展面临三大关键挑战：序列长度制约的精度与效率权衡、概率转换电路的开销过高以及随机比特流相关性导致的误差累积。该文系统梳理了随机计算的发展脉络与基本原理，重点聚焦其在低功耗滤波、实时图像处理及容错神经网络中的典型应用与实现机制。同时，深入剖析了应对上述挑战的研究策略，包括随机比特流相关性的度量、抑制与反用技术，概率转换电路硬件开销的优化策略，以及动态渐进精度调节机制的最新进展与局限。该文旨在为研究者清晰呈现随机计算的技术现状、应用潜力及未来突破方向。
随机计算是一种以概率信号替代确定性二进制数值的新型计算范式，其核心在于将确定性数值映射为概率化比特数流，通过统计特性而非精确位权实现算术运算。相较于传统确定性数值计算，随机计算具有低硬件开销、高渐进精度与高容错性等优势，广泛应用于数字信号处理、神经网络加速及边缘计算。然而，该技术的发展面临三大关键挑战：序列长度制约的精度与效率权衡、概率转换电路的开销过高以及随机比特流相关性导致的误差累积。该文系统梳理了随机计算的发展脉络与基本原理，重点聚焦其在低功耗滤波、实时图像处理及容错神经网络中的典型应用与实现机制。同时，深入剖析了应对上述挑战的研究策略，包括随机比特流相关性的度量、抑制与反用技术，概率转换电路硬件开销的优化策略，以及动态渐进精度调节机制的最新进展与局限。该文旨在为研究者清晰呈现随机计算的技术现状、应用潜力及未来突破方向。
, 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/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/JEIT250633
摘要:
随着航天技术的快速发展，天基计算芯片作为空间信息系统的核心器件，承担着数据处理、任务控制和通信支持等关键功能，其重要性日益凸显。天基计算芯片不仅决定了空间任务的执行效率和可靠性，还在极端环境下为航天器的长期稳定运行提供保障。该文通过回顾天基计算芯片的发展历程，以探讨其未来发展方向。首先按照结构功能划分，从通用处理器(CPU)、现场可编程门阵列(FPGA)和专用芯片3方面对天基计算芯片的发展现状进行归纳和总结；然后深入分析其与地面芯片的主要区别，探讨针对辐射效应等空间环境挑战的关键容错技术，并从不同层面阐述已有的技术方法；最后论述了天基计算芯片未来的主要发展方向，即大算力、商用现货 (COTS)器件广泛应用、第五代精简指令集(RISC-V)架构。该文能够帮助读者了解该领域现状，掌握关键问题，并为后续的相关研究工作提供有价值的参考和启示。
随着航天技术的快速发展，天基计算芯片作为空间信息系统的核心器件，承担着数据处理、任务控制和通信支持等关键功能，其重要性日益凸显。天基计算芯片不仅决定了空间任务的执行效率和可靠性，还在极端环境下为航天器的长期稳定运行提供保障。该文通过回顾天基计算芯片的发展历程，以探讨其未来发展方向。首先按照结构功能划分，从通用处理器(CPU)、现场可编程门阵列(FPGA)和专用芯片3方面对天基计算芯片的发展现状进行归纳和总结；然后深入分析其与地面芯片的主要区别，探讨针对辐射效应等空间环境挑战的关键容错技术，并从不同层面阐述已有的技术方法；最后论述了天基计算芯片未来的主要发展方向，即大算力、商用现货 (COTS)器件广泛应用、第五代精简指令集(RISC-V)架构。该文能够帮助读者了解该领域现状，掌握关键问题，并为后续的相关研究工作提供有价值的参考和启示。
, 最新更新时间 , doi: 10.11999/JEIT250128
摘要:
针对时变等式约束的2次规划问题，该文提出3幂次加速的抗噪终态零化神经网络，实现神经计算误差固定时间收敛。相比于常规双幂次型终态零化神经网络，所提网络收敛速度更快，抗噪性能更强。分析不同参数情况下的收敛过程并给出具体的收敛时间表达式；理论证明该神经网络系统对渐消噪声具有抑制能力。针对冗余机械臂重复运动规划问题，采用3幂次加速的抗噪终态零化神经网络作为求解器，实现固定时间获取末端执行器的期望轨迹。考虑重复运动规划中定常增益优化指标的局限性，设计时变增益优化指标以提高冗余机械臂作业效率。时变2次规划和冗余机械臂的数值仿真结果分别验证3幂次加速的抗噪终态零化神经网络和时变增益优化指标的有效性。
针对时变等式约束的2次规划问题，该文提出3幂次加速的抗噪终态零化神经网络，实现神经计算误差固定时间收敛。相比于常规双幂次型终态零化神经网络，所提网络收敛速度更快，抗噪性能更强。分析不同参数情况下的收敛过程并给出具体的收敛时间表达式；理论证明该神经网络系统对渐消噪声具有抑制能力。针对冗余机械臂重复运动规划问题，采用3幂次加速的抗噪终态零化神经网络作为求解器，实现固定时间获取末端执行器的期望轨迹。考虑重复运动规划中定常增益优化指标的局限性，设计时变增益优化指标以提高冗余机械臂作业效率。时变2次规划和冗余机械臂的数值仿真结果分别验证3幂次加速的抗噪终态零化神经网络和时变增益优化指标的有效性。
, 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/JEIT250527
摘要:
逻辑加密通过向硬件设计中插入密钥驱动的门电路来混淆原始电路，其能够有效预防集成电路中的知识产权窃取和硬件木马等安全问题。逻辑加密方法的安全程度主要在于其结构的安全性和输出混淆度，前者决定了攻击者排除错误密钥或找到正确密钥的效率，而后者决定了攻击者寻找近似密钥方案的可行性。该文研究如何将线性规划应用于逻辑加密，并在此基础上提出一种自增长的密钥选择算法以最优化错误密钥情况下的电路输出混淆度。实验结果验证了线性规划在提升逻辑加密输出混淆度方面的有效性。
逻辑加密通过向硬件设计中插入密钥驱动的门电路来混淆原始电路，其能够有效预防集成电路中的知识产权窃取和硬件木马等安全问题。逻辑加密方法的安全程度主要在于其结构的安全性和输出混淆度，前者决定了攻击者排除错误密钥或找到正确密钥的效率，而后者决定了攻击者寻找近似密钥方案的可行性。该文研究如何将线性规划应用于逻辑加密，并在此基础上提出一种自增长的密钥选择算法以最优化错误密钥情况下的电路输出混淆度。实验结果验证了线性规划在提升逻辑加密输出混淆度方面的有效性。
, 最新更新时间 , doi: 10.11999/JEIT250626
摘要:
芯粒集成技术凭借封装集成的可扩展性，成为后摩尔时代算力拓展的有效途径。然而，芯粒集成芯片架构与封装的紧密耦合导致复杂的多目标权衡问题，同时体积集成密度的提高加剧了可靠性挑战，仅依靠封装层面设计难以解决，传统架构与封装分离的设计范式失效，架构-封装协同设计成为保障芯粒集成芯片性能与可靠性的必要手段。该工作总结芯粒集成驱动的新兴架构特征，梳理芯粒集成芯片架构与封装的紧密耦合关系，阐明协同设计的必要性；理清架构层与封装层核心设计要素对系统关键指标的影响机制，在此基础上定义架构层和封装层协同界面；最后结合已有工作提出架构-封装协同设计的关键组成和协同方法。
芯粒集成技术凭借封装集成的可扩展性，成为后摩尔时代算力拓展的有效途径。然而，芯粒集成芯片架构与封装的紧密耦合导致复杂的多目标权衡问题，同时体积集成密度的提高加剧了可靠性挑战，仅依靠封装层面设计难以解决，传统架构与封装分离的设计范式失效，架构-封装协同设计成为保障芯粒集成芯片性能与可靠性的必要手段。该工作总结芯粒集成驱动的新兴架构特征，梳理芯粒集成芯片架构与封装的紧密耦合关系，阐明协同设计的必要性；理清架构层与封装层核心设计要素对系统关键指标的影响机制，在此基础上定义架构层和封装层协同界面；最后结合已有工作提出架构-封装协同设计的关键组成和协同方法。
, 最新更新时间 , doi: 10.11999/JEIT250458
摘要:
随着特征尺寸的不断缩小，寄生参数提取对于整体电路性能变得越来越重要。为了实现更快的设计收敛，该文提出一种基于概率的寄生参数提取算法，用于全局布线后的时序分析。通过一种新颖的基于网格的数据表示方法，该文开发了一种分区策略，以有效地捕获耦合导线段；然后构建了一个基于概率的平均模型，用于加速导线间距的计算；最后提出一种耦合效应感知的提取方法，以计算出精确的互连寄生参数。该文使用28 nm和7 nm技术节点下的工业电路评估所提出的算法。实验结果表明，所生成的寄生参数与领先的商业工具 Innovus具有强相关性，并且运行时间比Innovus快了21.6%。
随着特征尺寸的不断缩小，寄生参数提取对于整体电路性能变得越来越重要。为了实现更快的设计收敛，该文提出一种基于概率的寄生参数提取算法，用于全局布线后的时序分析。通过一种新颖的基于网格的数据表示方法，该文开发了一种分区策略，以有效地捕获耦合导线段；然后构建了一个基于概率的平均模型，用于加速导线间距的计算；最后提出一种耦合效应感知的提取方法，以计算出精确的互连寄生参数。该文使用28 nm和7 nm技术节点下的工业电路评估所提出的算法。实验结果表明，所生成的寄生参数与领先的商业工具 Innovus具有强相关性，并且运行时间比Innovus快了21.6%。
, 最新更新时间 , doi: 10.11999/JEIT250501
摘要:
有序可靠位猜测随机加性噪声译码(ORBGRAND)凭借其平均时延短、通用等优点受到广泛关注。然而，目前ORBGRAND算法和硬件实现仍然面临挑战，如最差时延长、吞吐率受限等。为了改善上述问题，该文提出将特殊的编码校验关系融入现有串行和展开架构的ORBGRAND译码器以提升硬件效率。针对串行架构，利用全局奇偶校验比特控制逻辑重量和汉明重量的迭代过程，跳过部分无效错误模式的生成与校验过程；针对展开架构，根据全局奇偶校验比特将错误模式按照HW奇偶性进行分类存储与测试。采用现有文献中的归一化方法处理后的硬件实现结果表明，所提优化的串行架构译码器吞吐率提升了80.9%，面积效率提升了48.1%；所提优化的展开架构译码器吞吐率提升了584%，面积效率提升了1223 %。
有序可靠位猜测随机加性噪声译码(ORBGRAND)凭借其平均时延短、通用等优点受到广泛关注。然而，目前ORBGRAND算法和硬件实现仍然面临挑战，如最差时延长、吞吐率受限等。为了改善上述问题，该文提出将特殊的编码校验关系融入现有串行和展开架构的ORBGRAND译码器以提升硬件效率。针对串行架构，利用全局奇偶校验比特控制逻辑重量和汉明重量的迭代过程，跳过部分无效错误模式的生成与校验过程；针对展开架构，根据全局奇偶校验比特将错误模式按照HW奇偶性进行分类存储与测试。采用现有文献中的归一化方法处理后的硬件实现结果表明，所提优化的串行架构译码器吞吐率提升了80.9%，面积效率提升了48.1%；所提优化的展开架构译码器吞吐率提升了584%，面积效率提升了
, 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/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，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程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，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程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/JEIT250343
摘要:
受电弓-接触网系统的耦合性能是影响高速列车受流稳定性和整体运行效率的关键因素。该文旨在提出一种能应对复杂工况的主动控制策略，以降低弓网接触力波动。然而，现有主流方法各有瓶颈，如强化学习存在样本效率低、易陷入局部最优的问题，而模型预测控制则受限于短期优化视野。为融合二者优势，该文提出一种基于强化学习指导模型预测控制(RL-GMPC)的受电弓主动控制算法。首先，建立有限元弓网耦合模型，用于生成多工况弓网交互数据；其次，基于强化学习框架提出一种自适应潜在动力学模型，其从弓网交互数据中学习系统动力学世界模型，并基于时序差分思想训练状态价值函数；进一步，提出一种基于强化学习指导的模型预测控制框架，其在滚动时域内使用学习的动力学模型进行局部轨迹优化，并使用学习的终端状态价值函数来估计轨迹末端状态的预期累计奖励。实现了短期累计奖励回报和长期奖励估计的有效结合。最后对算法进行了有效性测试和鲁棒性分析，实验结果表明，在京沪线运行条件下，基于RL-GMPC算法对受电弓进行主动控制，列车在290, 320, 350和380 km/h工况下的接触力标准差分别降低了14.29%, 18.07%, 21.52%和34.87%，有效抑制了接触力波动。另外，该文算法在面对随机风扰动及接触网线路参数变化时也表现出优异的鲁棒性。
受电弓-接触网系统的耦合性能是影响高速列车受流稳定性和整体运行效率的关键因素。该文旨在提出一种能应对复杂工况的主动控制策略，以降低弓网接触力波动。然而，现有主流方法各有瓶颈，如强化学习存在样本效率低、易陷入局部最优的问题，而模型预测控制则受限于短期优化视野。为融合二者优势，该文提出一种基于强化学习指导模型预测控制(RL-GMPC)的受电弓主动控制算法。首先，建立有限元弓网耦合模型，用于生成多工况弓网交互数据；其次，基于强化学习框架提出一种自适应潜在动力学模型，其从弓网交互数据中学习系统动力学世界模型，并基于时序差分思想训练状态价值函数；进一步，提出一种基于强化学习指导的模型预测控制框架，其在滚动时域内使用学习的动力学模型进行局部轨迹优化，并使用学习的终端状态价值函数来估计轨迹末端状态的预期累计奖励。实现了短期累计奖励回报和长期奖励估计的有效结合。最后对算法进行了有效性测试和鲁棒性分析，实验结果表明，在京沪线运行条件下，基于RL-GMPC算法对受电弓进行主动控制，列车在290, 320, 350和380 km/h工况下的接触力标准差分别降低了14.29%, 18.07%, 21.52%和34.87%，有效抑制了接触力波动。另外，该文算法在面对随机风扰动及接触网线路参数变化时也表现出优异的鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT250226
摘要:
锂离子电池作为是一种具有高度复杂电化学反应的系统，为了满足电动汽车的功率和能量需求，需要将大量电池串并联组成电池组。然而，电池组的安全问题成为其广泛应用的关键挑战。现有电池组诊断方法在实际应用中存在不足，主要受限于运行条件的多变性和故障样本的稀缺性。此外，电池组电压呈现复杂的非高斯分布，使得基于差异的领域自适应方法仅能表征有限的故障统计特征。针对上述问题，该文提出一种高阶矩匹配的动态分布自适应电动汽车电池组多故障诊断方法，该方法在源域中学习可迁移特征，从而实现目标域中的故障诊断，可诊断的故障类型包括内部短路、电压传感器漂移故障、电压传感器噪声故障和电池不一致故障。所提方法通过动态因子评估边缘和条件分布的相对重要性，动态学习域不变特征。此外，该方法还利用高阶矩匹配对非高斯分布的电池放电特征进行精细化领域对齐。在3种不同的电动汽车标准运行工况下进行的跨域故障诊断实验结果表明，该方法优于现有的基线方法，并实现了平均 95% F1分数的故障诊断性能。
锂离子电池作为是一种具有高度复杂电化学反应的系统，为了满足电动汽车的功率和能量需求，需要将大量电池串并联组成电池组。然而，电池组的安全问题成为其广泛应用的关键挑战。现有电池组诊断方法在实际应用中存在不足，主要受限于运行条件的多变性和故障样本的稀缺性。此外，电池组电压呈现复杂的非高斯分布，使得基于差异的领域自适应方法仅能表征有限的故障统计特征。针对上述问题，该文提出一种高阶矩匹配的动态分布自适应电动汽车电池组多故障诊断方法，该方法在源域中学习可迁移特征，从而实现目标域中的故障诊断，可诊断的故障类型包括内部短路、电压传感器漂移故障、电压传感器噪声故障和电池不一致故障。所提方法通过动态因子评估边缘和条件分布的相对重要性，动态学习域不变特征。此外，该方法还利用高阶矩匹配对非高斯分布的电池放电特征进行精细化领域对齐。在3种不同的电动汽车标准运行工况下进行的跨域故障诊断实验结果表明，该方法优于现有的基线方法，并实现了平均 95% F1分数的故障诊断性能。
, 最新更新时间 , doi: 10.11999/JEIT250220
摘要:
多元时间序列应用广泛，但极易发生缺失，影响相关规律的有效挖掘。已有插补方法大多面向低缺失率场景设计，应用至高缺失率场景通常面临梯度消失、时空依赖关系建模不足、复杂非线性特征表征困难等难题。该文提出一种融合空间自注意力感知的严重缺失多元时间序列插补算法(SSAImpute)。该算法采用双分支孪生结构，分别设计了空间自注意力感知和时域自注意力编码模块。其中，空间自注意力感知模块通过融合数据源位置等空间信息增强序列的相关性建模能力；时域自注意力编码模块设计了掩码自适应自注意力机制有效捕获时间层面的时间前后依赖性和特征相关性，避免了梯度消失现象。孪生分支之间通过动态加权融合，优化最终的插补输出。实现结果表明，与7个现有时间序列插补模型对比，该文所提方法在Inter-Sensor的4个子数据集均能有效提升严重缺失场景下的多元时间序列插补精度，在PeMS 3个子数据集的插补结果RMSE比次优方法分别提升5.7%, 7.4%和5.3%。该算法有望为严重缺失场景下的多元时间序列提供更准确的解决方案，进而为下游基于数据驱动的分析和决策任务提供更可靠的数据基础。
多元时间序列应用广泛，但极易发生缺失，影响相关规律的有效挖掘。已有插补方法大多面向低缺失率场景设计，应用至高缺失率场景通常面临梯度消失、时空依赖关系建模不足、复杂非线性特征表征困难等难题。该文提出一种融合空间自注意力感知的严重缺失多元时间序列插补算法(SSAImpute)。该算法采用双分支孪生结构，分别设计了空间自注意力感知和时域自注意力编码模块。其中，空间自注意力感知模块通过融合数据源位置等空间信息增强序列的相关性建模能力；时域自注意力编码模块设计了掩码自适应自注意力机制有效捕获时间层面的时间前后依赖性和特征相关性，避免了梯度消失现象。孪生分支之间通过动态加权融合，优化最终的插补输出。实现结果表明，与7个现有时间序列插补模型对比，该文所提方法在Inter-Sensor的4个子数据集均能有效提升严重缺失场景下的多元时间序列插补精度，在PeMS 3个子数据集的插补结果RMSE比次优方法分别提升5.7%, 7.4%和5.3%。该算法有望为严重缺失场景下的多元时间序列提供更准确的解决方案，进而为下游基于数据驱动的分析和决策任务提供更可靠的数据基础。
, 最新更新时间 , doi: 10.11999/JEIT250303
摘要:
图神经网络(GNNs)的对抗鲁棒性对其在安全关键场景中的应用具有重要意义。近年来，对抗攻击尤其是基于迁移的黑盒攻击引起了研究人员的广泛关注，但这些方法过度依赖代理模型的梯度信息导致生成的对抗样本迁移性较差。此外，现有方法多从全局视角出发选择扰动策略导致攻击效率低下。为了解决以上问题，该文探索熵与节点脆弱性之间的关联，并创新性地提出一种全新的对抗攻击思路。具体而言，针对同构图神经网络，利用节点熵来捕获节点的邻居子图的特征平滑性，提出基于节点熵的图神经网络迁移对抗攻击方法(NEAttack)。在此基础上，提出基于图熵的异构图神经网络对抗攻击方法(GEHAttack)。通过在多个模型和数据集上的大量实验，验证了所提方法的有效性，揭示了节点熵与节点脆弱性之间的关联关系在提升对抗攻击性能中的重要作用。
图神经网络(GNNs)的对抗鲁棒性对其在安全关键场景中的应用具有重要意义。近年来，对抗攻击尤其是基于迁移的黑盒攻击引起了研究人员的广泛关注，但这些方法过度依赖代理模型的梯度信息导致生成的对抗样本迁移性较差。此外，现有方法多从全局视角出发选择扰动策略导致攻击效率低下。为了解决以上问题，该文探索熵与节点脆弱性之间的关联，并创新性地提出一种全新的对抗攻击思路。具体而言，针对同构图神经网络，利用节点熵来捕获节点的邻居子图的特征平滑性，提出基于节点熵的图神经网络迁移对抗攻击方法(NEAttack)。在此基础上，提出基于图熵的异构图神经网络对抗攻击方法(GEHAttack)。通过在多个模型和数据集上的大量实验，验证了所提方法的有效性，揭示了节点熵与节点脆弱性之间的关联关系在提升对抗攻击性能中的重要作用。
, 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/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/JEIT250078
摘要:
由于地面用户与基站之间有障碍物遮挡，致使直连链路被阻断，该文考虑基于双联路通道的空天地一体化网络(SAGIN)，利用空中智能超表面(ARIS)辅助地面用户与基站间的通信，以及高空平台(HAP)辅助低轨卫星(LEO)与地面基站间的通信。具体而言，在第1段上行链路传输中，地面用户将利用ARIS作为无源中继传输信息至基站。在第2段上行链路传输中，LEO作为通信用户先将信号发射至HAP，再由HAP放大信号转发至地面基站，其中HAP和地面基站通信链路可能存在云层阻挡仍需依靠ARIS辅助通信。综上所述，由于地面用户数量远远大于ARIS数量，该文以最大化系统能效为目标，利用1对多双边匹配论算法对地面用户们进行分组，且组内用户采用非正交多址接入(NOMA)方式进行传输，组间用户则采用频分多址接入(FDMA)方式。进一步，在考虑地面用户分组、地面用户功率分配、LEO波束赋形、ARIS群波束赋形等约束条件后，该文所提ARIS赋能交替迭代网络效能优化算法(APIA-SAGIN)设计方案，并通过仿真验证了所提算法的可行性。
由于地面用户与基站之间有障碍物遮挡，致使直连链路被阻断，该文考虑基于双联路通道的空天地一体化网络(SAGIN)，利用空中智能超表面(ARIS)辅助地面用户与基站间的通信，以及高空平台(HAP)辅助低轨卫星(LEO)与地面基站间的通信。具体而言，在第1段上行链路传输中，地面用户将利用ARIS作为无源中继传输信息至基站。在第2段上行链路传输中，LEO作为通信用户先将信号发射至HAP，再由HAP放大信号转发至地面基站，其中HAP和地面基站通信链路可能存在云层阻挡仍需依靠ARIS辅助通信。综上所述，由于地面用户数量远远大于ARIS数量，该文以最大化系统能效为目标，利用1对多双边匹配论算法对地面用户们进行分组，且组内用户采用非正交多址接入(NOMA)方式进行传输，组间用户则采用频分多址接入(FDMA)方式。进一步，在考虑地面用户分组、地面用户功率分配、LEO波束赋形、ARIS群波束赋形等约束条件后，该文所提ARIS赋能交替迭代网络效能优化算法(APIA-SAGIN)设计方案，并通过仿真验证了所提算法的可行性。
, 最新更新时间 , doi: 10.11999/JEIT250160
摘要:
去中心化金融(DeFi)依托区块链技术，实现了金融交易和服务的去中心化，重塑了传统金融体系中的信任机制，成为近年来学术界和工业界的研究热点。然而，DeFi的开放性、匿名性和无需许可的特征，虽然赋予用户更大的灵活性和自主权，但也带来了严峻的监管挑战，导致金融欺诈行为频发，尤其是地毯拉动骗局(Rug Pull)屡见不鲜。针对这一问题，该文提出一种基于异构图神经网络的地毯拉动骗局早期检测算法(HNN4RP)，用于识别和预警DeFi生态中的地毯拉动骗局。具体而言，将以太坊交易数据建模为异构图，并结合重启随机游走采样策略、异构节点特征提取技术和基于双向长短期记忆网络的时序特征融合方法，以有效应对数据分布不均、异构节点特征提取困难以及时序信息缺失等3大关键挑战。实验结果表明，通过在真实的以太坊数据集上，HNN4RP取得了96%的精确率和94%的召回率，相较于基线方法精确率提升了12%，显著优于传统检测方法，并能够提供及时的欺诈预警。此外，消融实验和敏感性分析验证了模型的鲁棒性。
去中心化金融(DeFi)依托区块链技术，实现了金融交易和服务的去中心化，重塑了传统金融体系中的信任机制，成为近年来学术界和工业界的研究热点。然而，DeFi的开放性、匿名性和无需许可的特征，虽然赋予用户更大的灵活性和自主权，但也带来了严峻的监管挑战，导致金融欺诈行为频发，尤其是地毯拉动骗局(Rug Pull)屡见不鲜。针对这一问题，该文提出一种基于异构图神经网络的地毯拉动骗局早期检测算法(HNN4RP)，用于识别和预警DeFi生态中的地毯拉动骗局。具体而言，将以太坊交易数据建模为异构图，并结合重启随机游走采样策略、异构节点特征提取技术和基于双向长短期记忆网络的时序特征融合方法，以有效应对数据分布不均、异构节点特征提取困难以及时序信息缺失等3大关键挑战。实验结果表明，通过在真实的以太坊数据集上，HNN4RP取得了96%的精确率和94%的召回率，相较于基线方法精确率提升了12%，显著优于传统检测方法，并能够提供及时的欺诈预警。此外，消融实验和敏感性分析验证了模型的鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT250189
摘要:
针对传统无蜂窝大规模多输入多输出(MIMO)非正交多址接入(NOMA)系统频谱效率优化算法复杂度高的问题，该文提出一种低复杂度的用户分簇与功率分配联合优化算法。首先构建下行链路总频谱效率最大化模型，将其分解为用户分簇与功率分配子问题；然后提出基于簇首选择与信道差异最大化的用户分簇算法，通过优化簇首选择降低配对搜索复杂度。基于分簇结果，引入用户最小速率增强约束机制，结合逐次凸逼近(SCA)方法将非凸功率分配问题转化为凸优化形式。通过理论分析与仿真验证，对比了不同用户分簇算法和功率分配方案下系统的频谱效率以及计算复杂度。结果表明：所提分簇算法在不同接入点部署和天线配置下能显著提升系统性能，且复杂度较统计学分簇方法降低47.5%；联合功率分配方案较全功率控制方案在频谱效率与用户公平性方面均展现出显著优势，验证了所提方案的高效性与实用性。
针对传统无蜂窝大规模多输入多输出(MIMO)非正交多址接入(NOMA)系统频谱效率优化算法复杂度高的问题，该文提出一种低复杂度的用户分簇与功率分配联合优化算法。首先构建下行链路总频谱效率最大化模型，将其分解为用户分簇与功率分配子问题；然后提出基于簇首选择与信道差异最大化的用户分簇算法，通过优化簇首选择降低配对搜索复杂度。基于分簇结果，引入用户最小速率增强约束机制，结合逐次凸逼近(SCA)方法将非凸功率分配问题转化为凸优化形式。通过理论分析与仿真验证，对比了不同用户分簇算法和功率分配方案下系统的频谱效率以及计算复杂度。结果表明：所提分簇算法在不同接入点部署和天线配置下能显著提升系统性能，且复杂度较统计学分簇方法降低47.5%；联合功率分配方案较全功率控制方案在频谱效率与用户公平性方面均展现出显著优势，验证了所提方案的高效性与实用性。
, 最新更新时间 , doi: 10.11999/JEIT250355
摘要:
高频开关器件的大量接入，以及可再生能源与电压源型变流器(VSCs)的深度融合，使电力系统仿真面临微秒级暂态分析和亚微秒步长仿真的挑战。现有仿真器在应对包含数百个电力电子开关的系统时，普遍存在计算扩展性不足、通信延迟偏高的问题。为此，该文提出一种面向实时电力系统仿真的中央处理器-现场可编程门阵列(CPU-FPGA)异构集群架构，能够在1 μs步长下完成对480个开关器件构成的新能源系统的实时仿真。该系统主要包含3项核心创新：(1)提出基于时间步长解耦的计算负载感知调度策略，实现4片FPGA的并行计算调度；(2)结合混合精度量化与矩阵-向量重组技术，相较传统定点方法，在400 ns计算窗口内实现资源占用大幅下降，查找表(LUT)、触发器(F)与数字信号处理单元(DSP)分别降低32.0%, 24.2%与43.8%；(3)基于数据平面开发工具包(DPDK)设计零拷贝通信机制，实现29 μs的端到端通信延迟。实验验证表明，该系统验证了异构集群架构在大规模高频电力系统仿真中的有效性，并具备良好的扩展性与工程应用潜力。
高频开关器件的大量接入，以及可再生能源与电压源型变流器(VSCs)的深度融合，使电力系统仿真面临微秒级暂态分析和亚微秒步长仿真的挑战。现有仿真器在应对包含数百个电力电子开关的系统时，普遍存在计算扩展性不足、通信延迟偏高的问题。为此，该文提出一种面向实时电力系统仿真的中央处理器-现场可编程门阵列(CPU-FPGA)异构集群架构，能够在1 μs步长下完成对480个开关器件构成的新能源系统的实时仿真。该系统主要包含3项核心创新：(1)提出基于时间步长解耦的计算负载感知调度策略，实现4片FPGA的并行计算调度；(2)结合混合精度量化与矩阵-向量重组技术，相较传统定点方法，在400 ns计算窗口内实现资源占用大幅下降，查找表(LUT)、触发器(F)与数字信号处理单元(DSP)分别降低32.0%, 24.2%与43.8%；(3)基于数据平面开发工具包(DPDK)设计零拷贝通信机制，实现29 μs的端到端通信延迟。实验验证表明，该系统验证了异构集群架构在大规模高频电力系统仿真中的有效性，并具备良好的扩展性与工程应用潜力。
, 最新更新时间 , doi: 10.11999/JEIT250285
摘要:
在集成芯片的制造过程中，硅通孔(TSV)中可能会出现许多缺陷，这些缺陷会影响通过硅通孔信号的完整性，因此在早期生产阶段检测这些缺陷至关重要。现有的测试方法存在测试面积和时间开销大、测试精度低的问题。该文选择N型金属氧化物半导体场效应管(NMOS)和P型金属氧化物半导体场效应管(PMOS)作为选通门，以减小共享测试的面积开销；采用两级电压比较器放大测试TSV和参考电容的电压差，可以检测大于等于50 Ω的电阻性开路缺陷和小于等于9 MΩ的泄漏缺陷。 与其他方案对比，该方案具有电阻性开路缺陷检测精度高、最小的测试面积和时间开销的优点。
在集成芯片的制造过程中，硅通孔(TSV)中可能会出现许多缺陷，这些缺陷会影响通过硅通孔信号的完整性，因此在早期生产阶段检测这些缺陷至关重要。现有的测试方法存在测试面积和时间开销大、测试精度低的问题。该文选择N型金属氧化物半导体场效应管(NMOS)和P型金属氧化物半导体场效应管(PMOS)作为选通门，以减小共享测试的面积开销；采用两级电压比较器放大测试TSV和参考电容的电压差，可以检测大于等于50 Ω的电阻性开路缺陷和小于等于9 MΩ的泄漏缺陷。 与其他方案对比，该方案具有电阻性开路缺陷检测精度高、最小的测试面积和时间开销的优点。
, 最新更新时间 , doi: 10.11999/JEIT250258
摘要:
随着量子通信和量子计算技术的飞速发展，高效量子纠错编码技术已成为保障量子系统可靠性的核心需求。传统量子纠错码在参数灵活性和最小距离约束方面存在显著局限性，难以适应复杂量子通信场景中的动态需求。该文基于扭曲的Reed-Solomon(TGRS)码，根据码长中\begin{document}$ i $\end{document} \begin{document}$ \boldsymbol{G}{\boldsymbol{G}}^{\mathrm{H}} $\end{document}
随着量子通信和量子计算技术的飞速发展，高效量子纠错编码技术已成为保障量子系统可靠性的核心需求。传统量子纠错码在参数灵活性和最小距离约束方面存在显著局限性，难以适应复杂量子通信场景中的动态需求。该文基于扭曲的Reed-Solomon(TGRS)码，根据码长中
, 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/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/JEIT250396
摘要:
针对毫米波Massive MIMO系统中混合波束成形算法存在着的复杂度高、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着的复杂度高、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/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/JEIT250506
摘要:
芯粒集成将多颗不同功能、工艺的芯粒封装在一起，为高性能芯片发展开辟了新的思路。芯粒间互连接口电路作为数据传输的纽带，其带宽密度、误码率和功耗对芯片算力、数据吞吐量等关键性能至关重要。针对带宽密度提升带来的信号反射、串扰等问题，该文提出了一种具备回波、近端串扰、远端串扰消除功能的全双工收发机电路，并基于28 nm工艺进行了流片验证。其利用全双工技术提升了单通道数据速率，利用动态阈值判决技术实现了双向收发信号分离、回波与近端串扰消除，利用信道间容性与感性耦合的平衡实现了远端串扰消除。此外，延时匹配的源同步时钟结构降低了时钟相对数据抖动、提升了噪声容限，驻波与重置信号传输电路实现了发送信号的同步，提高了近端串扰消除精度。测试结果表明，在3 mm长的无屏蔽互连信道上，此收发机可以64 Gb/s的单通道速率、10.5 Tb/s/mm的带宽密度，实现低于10–16的误码率，能效为1.21 pJ/b。
芯粒集成将多颗不同功能、工艺的芯粒封装在一起，为高性能芯片发展开辟了新的思路。芯粒间互连接口电路作为数据传输的纽带，其带宽密度、误码率和功耗对芯片算力、数据吞吐量等关键性能至关重要。针对带宽密度提升带来的信号反射、串扰等问题，该文提出了一种具备回波、近端串扰、远端串扰消除功能的全双工收发机电路，并基于28 nm工艺进行了流片验证。其利用全双工技术提升了单通道数据速率，利用动态阈值判决技术实现了双向收发信号分离、回波与近端串扰消除，利用信道间容性与感性耦合的平衡实现了远端串扰消除。此外，延时匹配的源同步时钟结构降低了时钟相对数据抖动、提升了噪声容限，驻波与重置信号传输电路实现了发送信号的同步，提高了近端串扰消除精度。测试结果表明，在3 mm长的无屏蔽互连信道上，此收发机可以64 Gb/s的单通道速率、10.5 Tb/s/mm的带宽密度，实现低于10–16的误码率，能效为1.21 pJ/b。
, 最新更新时间 , doi: 10.11999/JEIT250263
摘要:
目前以铁电晶体管(FeFET)为基础的存算一体逻辑电路的映射以阵列为主，该文提出一种以铁电晶体管-数据选择器(FeFET-MUX)为基本电路单元存算一体逻辑电路的实现方法。该方法主要包含两方面内容：(1) 提出一种可重构的FeFET-MUX电路，该电路具有结构共享、数据输入端可扩展的特点。(2) 提出适合该FeFET-MUX映射的逻辑函数分割方法，通过将待实现的逻辑函数表示成二元决策图(BDD)，然后将BDD分割成适合FeFET-MUX映射的子BDD集合，最后完成逻辑函数用FeFET-MUX的映射。该文所提FeFET-MUX电路的逻辑功能用已有的FeFET模型进行仿真验证，用于映射的BDD分割算法用C++实现。实验结果表明，相比于传统的非结构共享二选一FeFET-MUX电路的映射结果，采用所提结构共享FeFET-MUX电路结合BDD分割算法，FeFET的使用数量平均可以减少79.9%。
目前以铁电晶体管(FeFET)为基础的存算一体逻辑电路的映射以阵列为主，该文提出一种以铁电晶体管-数据选择器(FeFET-MUX)为基本电路单元存算一体逻辑电路的实现方法。该方法主要包含两方面内容：(1) 提出一种可重构的FeFET-MUX电路，该电路具有结构共享、数据输入端可扩展的特点。(2) 提出适合该FeFET-MUX映射的逻辑函数分割方法，通过将待实现的逻辑函数表示成二元决策图(BDD)，然后将BDD分割成适合FeFET-MUX映射的子BDD集合，最后完成逻辑函数用FeFET-MUX的映射。该文所提FeFET-MUX电路的逻辑功能用已有的FeFET模型进行仿真验证，用于映射的BDD分割算法用C++实现。实验结果表明，相比于传统的非结构共享二选一FeFET-MUX电路的映射结果，采用所提结构共享FeFET-MUX电路结合BDD分割算法，FeFET的使用数量平均可以减少79.9%。
, 最新更新时间 , doi: 10.11999/JEIT250313
摘要:
近年来，新能源汽车凭借环保与高效的优势迅速崛起，然而随着其市场规模的持续扩大，新能源汽车故障频发，安全性问题日益凸显。其中，内短路故障因其隐蔽性强、危害性大，成为最常见且最具威胁的故障之一。若不进行准确的诊断和处理，可能会导致严重的安全事故。因此，开发高效且精准的内短路故障诊断方法具有重要的现实意义。该文提出了一种电池相平面方法结合卷积增强Transformer-双向门控循环单元(Conformer-BiGRU)网络的电池包内短路故障诊断方法。首先，利用改进的电池相平面对电池电压序列进行二维特征提取，以捕捉更深层次的空间和结构信息。其次，提出Conformer-BiGRU网络对电池电压序列进行特征学习。该网络包含卷积神经网络(CNN)分支和Transformer分支，用于提取局部特征和全局表示，通过特征耦合单元融合后输入BiGRU模块，对电池包中的电池单体进行分类，判断是否存在内短路故障。该文基于实验平台采集的故障数据对所提出的方法进行测试，其严重内短路故障的精确率在3种国际标准工况下分别达到94.30%, 92.77%和94.85%。同时，该方法在轻度、中度和严重内短路故障数据集中，所提出方法的召回率和F1分数在3种工况下平均达到91.26%, 85.17%和88.09%。实验结果表明该方法具有更好的鲁棒性，为提升新能源汽车的安全性提供了新的解决方案。
近年来，新能源汽车凭借环保与高效的优势迅速崛起，然而随着其市场规模的持续扩大，新能源汽车故障频发，安全性问题日益凸显。其中，内短路故障因其隐蔽性强、危害性大，成为最常见且最具威胁的故障之一。若不进行准确的诊断和处理，可能会导致严重的安全事故。因此，开发高效且精准的内短路故障诊断方法具有重要的现实意义。该文提出了一种电池相平面方法结合卷积增强Transformer-双向门控循环单元(Conformer-BiGRU)网络的电池包内短路故障诊断方法。首先，利用改进的电池相平面对电池电压序列进行二维特征提取，以捕捉更深层次的空间和结构信息。其次，提出Conformer-BiGRU网络对电池电压序列进行特征学习。该网络包含卷积神经网络(CNN)分支和Transformer分支，用于提取局部特征和全局表示，通过特征耦合单元融合后输入BiGRU模块，对电池包中的电池单体进行分类，判断是否存在内短路故障。该文基于实验平台采集的故障数据对所提出的方法进行测试，其严重内短路故障的精确率在3种国际标准工况下分别达到94.30%, 92.77%和94.85%。同时，该方法在轻度、中度和严重内短路故障数据集中，所提出方法的召回率和F1分数在3种工况下平均达到91.26%, 85.17%和88.09%。实验结果表明该方法具有更好的鲁棒性，为提升新能源汽车的安全性提供了新的解决方案。
, 最新更新时间 , doi: 10.11999/JEIT241145
摘要:
室内环境下超宽带(UWB)误差标定困难，静态和动态目标在视距和非视距情况下的定位精度均难以保证。为此该文提出了一种高斯过程回归(GPR)误差标定辅助的室内惯性测量单元(IMU)与UWB融合定位算法(GIU-EKF)。在视距情况下通过对视距环境UWB测距误差进行采样分析，建立GPR误差标定模型关联二维坐标与测距误差。使用误差标定模型计算所有坐标点UWB测距值的概率分布集合，利用待测点范围内的坐标样本及其归一化概率计算测距拟合值，实时抑制视距环境测距误差。当UWB测距增量超过阈值判别为非视距环境。非视距情况下通过子级扩展卡尔曼滤波器(EKF)融合UWB信息和短时IMU信息实时修正运动过程中测距值的非视距误差，并将其送入主EKF实现运动状态估计更新。实验结果表明，在视距情况下标签处于静态和动态时经GPR粗差修正后的定位误差较修正前分别下降64%和58%，GIU-EKF算法在论文所述的3种非视距环境下对低速运动目标能保持稳健的运动状态估计，平均定位误差达到7.5 cm；运动速度为0.2～0.8 m/s的标签，定位误差小于10 cm。
室内环境下超宽带(UWB)误差标定困难，静态和动态目标在视距和非视距情况下的定位精度均难以保证。为此该文提出了一种高斯过程回归(GPR)误差标定辅助的室内惯性测量单元(IMU)与UWB融合定位算法(GIU-EKF)。在视距情况下通过对视距环境UWB测距误差进行采样分析，建立GPR误差标定模型关联二维坐标与测距误差。使用误差标定模型计算所有坐标点UWB测距值的概率分布集合，利用待测点范围内的坐标样本及其归一化概率计算测距拟合值，实时抑制视距环境测距误差。当UWB测距增量超过阈值判别为非视距环境。非视距情况下通过子级扩展卡尔曼滤波器(EKF)融合UWB信息和短时IMU信息实时修正运动过程中测距值的非视距误差，并将其送入主EKF实现运动状态估计更新。实验结果表明，在视距情况下标签处于静态和动态时经GPR粗差修正后的定位误差较修正前分别下降64%和58%，GIU-EKF算法在论文所述的3种非视距环境下对低速运动目标能保持稳健的运动状态估计，平均定位误差达到7.5 cm；运动速度为0.2～0.8 m/s的标签，定位误差小于10 cm。
, 最新更新时间 , doi: 10.11999/JEIT250026
摘要:
针对物联网设备计算能力有限、电池供电受限等问题导致的数据处理延迟与能量不足，该文提出一种改进的多目标深度确定性策略梯度算法，用于优化边缘计算系统中无人机资源的调度与分配。该方法将资源优化建模为一个多目标决策问题，综合考虑总数据速率、总收集能量、系统能耗和边缘计算传输时延4个关键指标进行联合优化。无人机采用“飞行-悬停-通信”协议，并在悬停阶段以全双工模式与物联网设备通信，同时考虑推进功耗与非线性能量收集模型。智能体通过环境交互学习最优调度策略，动态响应设备优先级与数据卸载需求，有效降低传输延迟与数据溢出风险。实验结果显示，所提算法在不同场景下均能实现4项性能指标的协同优化，尤其在总能量收集方面始终优于对比方案，验证了该方法在复杂环境下的适应性和有效性。
针对物联网设备计算能力有限、电池供电受限等问题导致的数据处理延迟与能量不足，该文提出一种改进的多目标深度确定性策略梯度算法，用于优化边缘计算系统中无人机资源的调度与分配。该方法将资源优化建模为一个多目标决策问题，综合考虑总数据速率、总收集能量、系统能耗和边缘计算传输时延4个关键指标进行联合优化。无人机采用“飞行-悬停-通信”协议，并在悬停阶段以全双工模式与物联网设备通信，同时考虑推进功耗与非线性能量收集模型。智能体通过环境交互学习最优调度策略，动态响应设备优先级与数据卸载需求，有效降低传输延迟与数据溢出风险。实验结果显示，所提算法在不同场景下均能实现4项性能指标的协同优化，尤其在总能量收集方面始终优于对比方案，验证了该方法在复杂环境下的适应性和有效性。
, 最新更新时间 , doi: 10.11999/JEIT250135
摘要:
为了应对车联网中车辆终端计算资源有限、车辆高移动性导致的网络拓扑环境频繁变化对传输效率和可靠性的影响，解决边缘算力服务设备资源利用不充分等问题，面向车载边缘计算环境，该文提出一种基于车辆路径预测的任务切分卸载与资源分配方法。针对多车辆多边缘设备的任务卸载与资源分配场景，基于Transformer模型对不同车辆的路径预测结果建立智能任务切分模型。基于多智能体深度强化学习(MADRL)算法将计算资源分配问题表述为优化问题，在考虑移动边缘计算(MEC)服务器计算资源的约束条件下，以车辆任务的处理时延和MEC服务器的计算资源利用率为优化目标，实现计算资源的优化分配。仿真结果表明，与基准方法相比，该文所提方法降低54.1%的卸载计算延迟，提升资源利用率达13.3%。
为了应对车联网中车辆终端计算资源有限、车辆高移动性导致的网络拓扑环境频繁变化对传输效率和可靠性的影响，解决边缘算力服务设备资源利用不充分等问题，面向车载边缘计算环境，该文提出一种基于车辆路径预测的任务切分卸载与资源分配方法。针对多车辆多边缘设备的任务卸载与资源分配场景，基于Transformer模型对不同车辆的路径预测结果建立智能任务切分模型。基于多智能体深度强化学习(MADRL)算法将计算资源分配问题表述为优化问题，在考虑移动边缘计算(MEC)服务器计算资源的约束条件下，以车辆任务的处理时延和MEC服务器的计算资源利用率为优化目标，实现计算资源的优化分配。仿真结果表明，与基准方法相比，该文所提方法降低54.1%的卸载计算延迟，提升资源利用率达13.3%。
, 最新更新时间 , doi: 10.11999/JEIT250141
摘要:
针对实际海域中来自水流、船舶、海洋生物等噪声源的干扰使得接收信号的信噪比较低，进而导致传统波达方向(DOA)估计算法性能下降的问题。该文提出一种结合维纳滤波降噪的深度学习算法。首先，维纳滤波算法在频域需要依靠噪声和信号功率谱，然而这些参数往往难以获取，因此将其转化为对信号空间域进行降噪，并使用降噪后的数据集进行神经网络训练，从而减小低信噪比条件下对方位角估计的影响。其次，为了实现网络的分类和回归估计功能，使用改进的二进制交叉熵函数作为网络的损失函数。最后，在模型训练完成后，通过小数标签策略预测网络输出结果中的离格误差，并对这些误差进行修正以提高算法估计精度。仿真结果与海试数据验证结果表明，在低信噪比情况下，以均方根误差为性能指标，网络整体性能提升了25.20%，在–20 dB信噪比条件下，所提方法的均方根误差相较MUSIC和ESPRIT算法分别降低了93.42%和92.14%。研究结果表明，本文算法能够充分提取空间特征，满足实际应用对算法鲁棒性的需求，为浅海复杂环境的目标检测和定位任务提供了新的方案。
针对实际海域中来自水流、船舶、海洋生物等噪声源的干扰使得接收信号的信噪比较低，进而导致传统波达方向(DOA)估计算法性能下降的问题。该文提出一种结合维纳滤波降噪的深度学习算法。首先，维纳滤波算法在频域需要依靠噪声和信号功率谱，然而这些参数往往难以获取，因此将其转化为对信号空间域进行降噪，并使用降噪后的数据集进行神经网络训练，从而减小低信噪比条件下对方位角估计的影响。其次，为了实现网络的分类和回归估计功能，使用改进的二进制交叉熵函数作为网络的损失函数。最后，在模型训练完成后，通过小数标签策略预测网络输出结果中的离格误差，并对这些误差进行修正以提高算法估计精度。仿真结果与海试数据验证结果表明，在低信噪比情况下，以均方根误差为性能指标，网络整体性能提升了25.20%，在–20 dB信噪比条件下，所提方法的均方根误差相较MUSIC和ESPRIT算法分别降低了93.42%和92.14%。研究结果表明，本文算法能够充分提取空间特征，满足实际应用对算法鲁棒性的需求，为浅海复杂环境的目标检测和定位任务提供了新的方案。
, 最新更新时间 , doi: 10.11999/JEIT250224
摘要:
现有的一些利用频域信息的图像超分辨率重建方法在处理高频细节时仍存在一定的改进空间，在某些场景下难以避免模糊或失真的现象。为了解决这一问题，该文提出一种基于频域扩散模型的超分辨率重建网络SR-FDN。具体来说，SR-FDN引入双分支频域注意力机制，在频域与空间域进行特征融合，能够有效地捕捉频域特征并恢复高频信息，进一步提升细节恢复效果。SR-FDN还使用了小波下采样代替传统U-Net噪声预测器中的卷积下采样，在降低图像尺寸的同时保留更多的细节信息。此外，SR-FDN通过频域损失函数的约束和条件图像的引导，使得生成的高分辨率图像在细节和纹理方面具有更高的精确度。在多个基准数据集上的实验表明，所提的SR-FDN可以重建出质量更好、细节更丰富的图像，并且在定性和定量比较中均有明显优势。
现有的一些利用频域信息的图像超分辨率重建方法在处理高频细节时仍存在一定的改进空间，在某些场景下难以避免模糊或失真的现象。为了解决这一问题，该文提出一种基于频域扩散模型的超分辨率重建网络SR-FDN。具体来说，SR-FDN引入双分支频域注意力机制，在频域与空间域进行特征融合，能够有效地捕捉频域特征并恢复高频信息，进一步提升细节恢复效果。SR-FDN还使用了小波下采样代替传统U-Net噪声预测器中的卷积下采样，在降低图像尺寸的同时保留更多的细节信息。此外，SR-FDN通过频域损失函数的约束和条件图像的引导，使得生成的高分辨率图像在细节和纹理方面具有更高的精确度。在多个基准数据集上的实验表明，所提的SR-FDN可以重建出质量更好、细节更丰富的图像，并且在定性和定量比较中均有明显优势。
, 最新更新时间 , doi: 10.11999/JEIT250252
摘要:
海上无线通信网络面临动态拓扑漂移、大尺度信道衰落与跨层资源竞争等多重挑战，使得传统单层资源分配优化方法难以维持有限网络资源下的高质量通信和多种类业务需求之间的平衡，导致业务服务质量(QoS)下降，业务保障失衡。为此，该文提出跨层协同联合资源分配框架，通过物理层功率控制与网络层业务调度的跨层闭环优化，实现系统吞吐量与QoS保障的均衡提升。首先，从物理层信道容量与传输层传输控制协议(TCP)吞吐量的耦合机理出发，构建跨层无线网络传输模型；其次，在经典注水框架中引入信噪比与QoS双水位调节机制，提出服务质量感知的双阈值注水算法，以可控的吞吐量损失换取高需求业务Qos的提升；进一步，在孪生深度强化学习架构中设计出双通道特征解耦与冲突消解的策略优化滤波器，实现节点-业务动态匹配的在线决策。仿真表明，所提框架在对照实验中使QoS平均评分提升9.51%，关键业务完成量增加1.3%，同时维持系统吞吐量下降幅度不超过10%。
海上无线通信网络面临动态拓扑漂移、大尺度信道衰落与跨层资源竞争等多重挑战，使得传统单层资源分配优化方法难以维持有限网络资源下的高质量通信和多种类业务需求之间的平衡，导致业务服务质量(QoS)下降，业务保障失衡。为此，该文提出跨层协同联合资源分配框架，通过物理层功率控制与网络层业务调度的跨层闭环优化，实现系统吞吐量与QoS保障的均衡提升。首先，从物理层信道容量与传输层传输控制协议(TCP)吞吐量的耦合机理出发，构建跨层无线网络传输模型；其次，在经典注水框架中引入信噪比与QoS双水位调节机制，提出服务质量感知的双阈值注水算法，以可控的吞吐量损失换取高需求业务Qos的提升；进一步，在孪生深度强化学习架构中设计出双通道特征解耦与冲突消解的策略优化滤波器，实现节点-业务动态匹配的在线决策。仿真表明，所提框架在对照实验中使QoS平均评分提升9.51%，关键业务完成量增加1.3%，同时维持系统吞吐量下降幅度不超过10%。
, 最新更新时间 , doi: 10.11999/JEIT250241
摘要:
随着集成电路设计与制造全球化，通过供应链植入硬件木马的潜在威胁日益显著。传统旁路检测方法依赖人工特征提取，易受噪声干扰且泛化能力不足，导致检测耗时且准确率不高。为此，该文提出一种基于一维卷积神经网络(CNN)及其与长短期记忆网络(LSTM)的组合架构(1D-CNN-LSTM)的硬件木马旁路检测方法，分别从局部空间特征与时序依赖关系两方面捕获硬件木马动态功耗信号特征，构建算法模型进行硬件木马检测。另外为了提高检测效率和算法鲁棒性，本文结合硬件木马特征对瞬态功耗原始数据进行预处理，并引入高斯噪声进行样本增强。以流片后的ASIC芯片为对象，开展硬件木马检测实验，结果显示经数据预处理后，1D-CNN-LSTM模型的训练效率提升近10倍，算法在4分类任务中的整体检测精度达到99.6%。论文所提出的方法可有效降低计算资源消耗、消除噪声干扰并实现高精度检测。
随着集成电路设计与制造全球化，通过供应链植入硬件木马的潜在威胁日益显著。传统旁路检测方法依赖人工特征提取，易受噪声干扰且泛化能力不足，导致检测耗时且准确率不高。为此，该文提出一种基于一维卷积神经网络(CNN)及其与长短期记忆网络(LSTM)的组合架构(1D-CNN-LSTM)的硬件木马旁路检测方法，分别从局部空间特征与时序依赖关系两方面捕获硬件木马动态功耗信号特征，构建算法模型进行硬件木马检测。另外为了提高检测效率和算法鲁棒性，本文结合硬件木马特征对瞬态功耗原始数据进行预处理，并引入高斯噪声进行样本增强。以流片后的ASIC芯片为对象，开展硬件木马检测实验，结果显示经数据预处理后，1D-CNN-LSTM模型的训练效率提升近10倍，算法在4分类任务中的整体检测精度达到99.6%。论文所提出的方法可有效降低计算资源消耗、消除噪声干扰并实现高精度检测。
, 最新更新时间 , doi: 10.11999/JEIT250357
摘要:
处理器安全是计算机安全的基石，然而，最近几年处理器硬件漏洞层出不穷，给计算机安全带来了严重的挑战，已成为一种新兴的安全威胁。该文对处理器硬件漏洞相关的研究进行综述与分析，首先介绍导致处理器硬件漏洞的性能优化技术，然后基于现有工作从漏洞发现、攻击实现和漏洞利用3个角度对硬件漏洞总结建立3步攻击模型和全新的攻击场景模型，并总结提出4种常用的漏洞发现方法。随后，依据硬件漏洞的攻击路径与微架构依赖特征，将现有硬件漏洞进行系统性地分类，并对每一类别进一步细分与详述。此外，在现有 Cache侧信道攻击9项评估指标的基础上，该文总结形成针对侧信道类漏洞的8项评估指标，从攻击效果、隐蔽性、适用性等多个维度综合评估其潜在威胁，为漏洞的量化分析与对比研究提供指引。更重要的是，该文在多款来自不同厂商、涵盖多种微架构和代际的处理器平台上，对代表性的漏洞进行了实验验证，系统分析了各类漏洞在不同平台下的攻击效果与行为特征。然后，该文基于漏洞攻击流程中的3个关键步骤，整理了当前已提出的缓解方案的缓解思路，为后续防护机制的设计与优化提供了实证支撑与理论指导。最后，对当前硬件漏洞研究的进展与趋势进行了分析与前瞻性讨论。
处理器安全是计算机安全的基石，然而，最近几年处理器硬件漏洞层出不穷，给计算机安全带来了严重的挑战，已成为一种新兴的安全威胁。该文对处理器硬件漏洞相关的研究进行综述与分析，首先介绍导致处理器硬件漏洞的性能优化技术，然后基于现有工作从漏洞发现、攻击实现和漏洞利用3个角度对硬件漏洞总结建立3步攻击模型和全新的攻击场景模型，并总结提出4种常用的漏洞发现方法。随后，依据硬件漏洞的攻击路径与微架构依赖特征，将现有硬件漏洞进行系统性地分类，并对每一类别进一步细分与详述。此外，在现有 Cache侧信道攻击9项评估指标的基础上，该文总结形成针对侧信道类漏洞的8项评估指标，从攻击效果、隐蔽性、适用性等多个维度综合评估其潜在威胁，为漏洞的量化分析与对比研究提供指引。更重要的是，该文在多款来自不同厂商、涵盖多种微架构和代际的处理器平台上，对代表性的漏洞进行了实验验证，系统分析了各类漏洞在不同平台下的攻击效果与行为特征。然后，该文基于漏洞攻击流程中的3个关键步骤，整理了当前已提出的缓解方案的缓解思路，为后续防护机制的设计与优化提供了实证支撑与理论指导。最后，对当前硬件漏洞研究的进展与趋势进行了分析与前瞻性讨论。
, 最新更新时间 , doi: 10.11999/JEIT250237
摘要:
传统双沟槽碳化硅金属氧化物半导体场效应晶体管(SiC MOSFET)在高频开关电路和反向续流应用中显现出显著的性能瓶颈，主要表现为开关损耗较高、反向导通电压偏大、反向恢复电荷过多，以及长时间反向续流易引发双极退化等问题。为突破这些技术限制，该文采用TCAD仿真技术，基于PN结空间电荷区内能带弯曲的物理机制，设计一种集成结型场效应晶体管(JFET)的双沟槽SiC MOSFET (IJ-MOS)。与传统SiC MOSFET (CON-MOS)相比，IJ-MOS在性能上取得了显著提升：其反向导通电压从CON-MOS的2.92 V降至1.83 V，反向恢复电荷减少43.6%，反向恢复峰值电流下降31.6%，总开关损耗削减24.2%。此外，IJ-MOS通过有效抑制反向续流时体二极管的激活，显著降低了双极退化的发生概率，从而增强了器件的长期可靠性。这一新型设计使IJ-MOS成为高频开关电路和反向续流应用中更为优越的解决方案。
传统双沟槽碳化硅金属氧化物半导体场效应晶体管(SiC MOSFET)在高频开关电路和反向续流应用中显现出显著的性能瓶颈，主要表现为开关损耗较高、反向导通电压偏大、反向恢复电荷过多，以及长时间反向续流易引发双极退化等问题。为突破这些技术限制，该文采用TCAD仿真技术，基于PN结空间电荷区内能带弯曲的物理机制，设计一种集成结型场效应晶体管(JFET)的双沟槽SiC MOSFET (IJ-MOS)。与传统SiC MOSFET (CON-MOS)相比，IJ-MOS在性能上取得了显著提升：其反向导通电压从CON-MOS的2.92 V降至1.83 V，反向恢复电荷减少43.6%，反向恢复峰值电流下降31.6%，总开关损耗削减24.2%。此外，IJ-MOS通过有效抑制反向续流时体二极管的激活，显著降低了双极退化的发生概率，从而增强了器件的长期可靠性。这一新型设计使IJ-MOS成为高频开关电路和反向续流应用中更为优越的解决方案。
, 最新更新时间 , doi: 10.11999/JEIT250200
摘要:
随着对海上目标检测识别需求的不断提高，多源信息联合处理快速发展。针对多源特征融合的目标检测问题：该文提取了3类9种物理可解释特征，包括雷达特征(径向尺寸、峰值个数、位置分布熵、横向尺寸、相对平均幅度)、可见光图像特征(边缘点数、水平投影宽度)和红外图像特征(高温连通区域数、热纹理能量)。采用斯皮尔曼相关系数衡量非同源数据特征之间的相关性，并结合假设检验方法判别相关显著性，以揭示多源特征的内在联系。实验结果表明，在多源特征间，尺寸特征稳定性较强，相关性较高；结构特征受观测条件影响显著，相关性较低。雷达极化方式、舰船运动状态及船只类型均对雷达回波特征提取有重要影响。可见光图像在结构信息提取上具有优势，红外图像尺寸特征在复杂环境中更稳定。研究结果揭示了多源特征的互补性，为后续多源特征融合目标检测算法提供了理论支撑。
随着对海上目标检测识别需求的不断提高，多源信息联合处理快速发展。针对多源特征融合的目标检测问题：该文提取了3类9种物理可解释特征，包括雷达特征(径向尺寸、峰值个数、位置分布熵、横向尺寸、相对平均幅度)、可见光图像特征(边缘点数、水平投影宽度)和红外图像特征(高温连通区域数、热纹理能量)。采用斯皮尔曼相关系数衡量非同源数据特征之间的相关性，并结合假设检验方法判别相关显著性，以揭示多源特征的内在联系。实验结果表明，在多源特征间，尺寸特征稳定性较强，相关性较高；结构特征受观测条件影响显著，相关性较低。雷达极化方式、舰船运动状态及船只类型均对雷达回波特征提取有重要影响。可见光图像在结构信息提取上具有优势，红外图像尺寸特征在复杂环境中更稳定。研究结果揭示了多源特征的互补性，为后续多源特征融合目标检测算法提供了理论支撑。
, 最新更新时间 , doi: 10.11999/JEIT250169
摘要:
被动合成孔径(PSA)技术在干扰源定位中具有广泛应用前景。针对低空低速无人机平台下全球导航卫星系统(GNSS)干扰源定位问题，该文提出一种基于无人机平台单天线合成孔径的GNSS干扰源定位方法。首先将不同类型干扰去基带调制，得到统一的信号表示；其次基于斜距精确表示的距离多普勒(RD)算法实现距离搜索与方位聚焦，获取粗定位结果；然后基于该结果构建高分辨率网格并运用后向投影(BP)算法得到代价函数；最后对代价函数进行峰值搜索，得到最终定位结果。仿真实验表明，所提算法能够实现高精度定位且性能稳定。
被动合成孔径(PSA)技术在干扰源定位中具有广泛应用前景。针对低空低速无人机平台下全球导航卫星系统(GNSS)干扰源定位问题，该文提出一种基于无人机平台单天线合成孔径的GNSS干扰源定位方法。首先将不同类型干扰去基带调制，得到统一的信号表示；其次基于斜距精确表示的距离多普勒(RD)算法实现距离搜索与方位聚焦，获取粗定位结果；然后基于该结果构建高分辨率网格并运用后向投影(BP)算法得到代价函数；最后对代价函数进行峰值搜索，得到最终定位结果。仿真实验表明，所提算法能够实现高精度定位且性能稳定。
, 最新更新时间 , doi: 10.11999/JEIT250309
摘要:
该文提出一种基于频率选择表面的P波段超薄双极化吸波-透波一体化电磁表面设计新方法。该方法采用单元级联和渐变弯折线结构增加有效电流路径，并通过集成集总器件实现低频宽带可调吸波，进一步通过分析频率选择表面透波结构和吸波结构的等效电路，基于电路结构的差异，在尽可能减小吸波、透波功能电磁耦合的前提下，实现了吸波-透波一体化设计。为了阐明该方法，设计了一款超薄双极化吸波-透波功能单元，同时实现了高效透波与P波段宽带可调吸波性能，并详细分析了其工作机理。结果表明：设计的一体化单元分别在P波段和C波段实现了双极化吸波-透波功能，且所需电子器件少、工作频带宽和结构超薄。所提方法综合利用场路分析，不仅实现了P波段吸波，还减小了电磁表面多功能间的相互影响，实现了不同功能结构的一体化集成设计，降低了多功能电磁表面优化设计的难度。
该文提出一种基于频率选择表面的P波段超薄双极化吸波-透波一体化电磁表面设计新方法。该方法采用单元级联和渐变弯折线结构增加有效电流路径，并通过集成集总器件实现低频宽带可调吸波，进一步通过分析频率选择表面透波结构和吸波结构的等效电路，基于电路结构的差异，在尽可能减小吸波、透波功能电磁耦合的前提下，实现了吸波-透波一体化设计。为了阐明该方法，设计了一款超薄双极化吸波-透波功能单元，同时实现了高效透波与P波段宽带可调吸波性能，并详细分析了其工作机理。结果表明：设计的一体化单元分别在P波段和C波段实现了双极化吸波-透波功能，且所需电子器件少、工作频带宽和结构超薄。所提方法综合利用场路分析，不仅实现了P波段吸波，还减小了电磁表面多功能间的相互影响，实现了不同功能结构的一体化集成设计，降低了多功能电磁表面优化设计的难度。
, 最新更新时间 , doi: 10.11999/JEIT250301
摘要:
为提升巡检机器人在城市动态环境中的定位精度与鲁棒性，该文提出一种基于第3代定向快速与旋转简要同步定位与建图系统 (ORB-SLAM3)的轻量级语义视觉同步定位与建图(SLAM)框架。该框架通过紧耦合所提出的轻量级语义分割模型(DHSR-YOLOSeg)输出的语义信息，实现动态特征点的精准剔除与稳健跟踪，从而有效缓解动态目标干扰带来的特征漂移与建图误差累积问题。DHSR-YOLOSeg基于YOLO第11代轻量级分割模型(YOLOv11n-seg)架构，融合动态卷积模块(C3k2_DynamicConv)、轻量特征融合模块(DyCANet)与复用共享卷积分割(RSCS)头，在分割精度小幅提升的同时，有效降低了计算资源开销，整体展现出良好的轻量化与高效性。在COCO数据集上，相较于基础模型，DHSR-YOLOSeg实现参数量减少13.8%、109次浮点运算(GFLOPs)降低23.1%、平均精度指标(mAP50)提升约2%；在KITTI数据集上，DHSR-YOLOSeg相比其他主流分割模型及YOLO系列不同版本，在保持较高分割精度的同时，进一步压缩了模型参数量与计算开销，系统整体帧率得到有效提升。同时，所提语义SLAM系统通过动态特征点剔除有效提升了定位精度，平均轨迹误差相比ORB-SLAM3降低8.78%；在此基础上，系统平均每帧处理时间较主流方法如DS-SLAM和DynaSLAM分别降低约18.55%与41.83%。研究结果表明，该语义视觉SLAM框架兼具实时性与部署效率，显著提升了动态环境下的定位稳定性与感知能力。
为提升巡检机器人在城市动态环境中的定位精度与鲁棒性，该文提出一种基于第3代定向快速与旋转简要同步定位与建图系统 (ORB-SLAM3)的轻量级语义视觉同步定位与建图(SLAM)框架。该框架通过紧耦合所提出的轻量级语义分割模型(DHSR-YOLOSeg)输出的语义信息，实现动态特征点的精准剔除与稳健跟踪，从而有效缓解动态目标干扰带来的特征漂移与建图误差累积问题。DHSR-YOLOSeg基于YOLO第11代轻量级分割模型(YOLOv11n-seg)架构，融合动态卷积模块(C3k2_DynamicConv)、轻量特征融合模块(DyCANet)与复用共享卷积分割(RSCS)头，在分割精度小幅提升的同时，有效降低了计算资源开销，整体展现出良好的轻量化与高效性。在COCO数据集上，相较于基础模型，DHSR-YOLOSeg实现参数量减少13.8%、109次浮点运算(GFLOPs)降低23.1%、平均精度指标(mAP50)提升约2%；在KITTI数据集上，DHSR-YOLOSeg相比其他主流分割模型及YOLO系列不同版本，在保持较高分割精度的同时，进一步压缩了模型参数量与计算开销，系统整体帧率得到有效提升。同时，所提语义SLAM系统通过动态特征点剔除有效提升了定位精度，平均轨迹误差相比ORB-SLAM3降低8.78%；在此基础上，系统平均每帧处理时间较主流方法如DS-SLAM和DynaSLAM分别降低约18.55%与41.83%。研究结果表明，该语义视觉SLAM框架兼具实时性与部署效率，显著提升了动态环境下的定位稳定性与感知能力。
, 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/JEIT250125
摘要:
针对工程应用中阵元位置和阵元数量受限条件下的稀疏圆形阵列布阵场景，为了满足在通道数有限的前提下保证阵列波达方向(DOA)估计性能的需求，该文提出一种基于双深度Q学习(DDQN)的稀疏圆形阵列优化设计算法，实现了更加灵活和高效的阵列优化设计策略生成。首先，为了保证优化阵列的DOA估计精度以及角度分辨力，以最小化2维DOA估计Ziv-Zakai下界(ZZB)和峰值旁瓣电平(PSL)为优化目标完成稀疏圆形阵列优化问题建模。然后，构造动作空间、状态空间、奖励值函数等模型，采用DDQN算法对优化问题进行求解，最终设计出稀疏圆形优化阵列。实验结果表明，在布阵场景受限条件下，算法收敛性能良好，稀疏圆形阵列优化设计的有效性得到验证，且设计出的稀疏圆形优化阵列具备稳健的DOA估计综合性能。
针对工程应用中阵元位置和阵元数量受限条件下的稀疏圆形阵列布阵场景，为了满足在通道数有限的前提下保证阵列波达方向(DOA)估计性能的需求，该文提出一种基于双深度Q学习(DDQN)的稀疏圆形阵列优化设计算法，实现了更加灵活和高效的阵列优化设计策略生成。首先，为了保证优化阵列的DOA估计精度以及角度分辨力，以最小化2维DOA估计Ziv-Zakai下界(ZZB)和峰值旁瓣电平(PSL)为优化目标完成稀疏圆形阵列优化问题建模。然后，构造动作空间、状态空间、奖励值函数等模型，采用DDQN算法对优化问题进行求解，最终设计出稀疏圆形优化阵列。实验结果表明，在布阵场景受限条件下，算法收敛性能良好，稀疏圆形阵列优化设计的有效性得到验证，且设计出的稀疏圆形优化阵列具备稳健的DOA估计综合性能。
, 最新更新时间 , doi: 10.11999/JEIT250360
摘要:
物理不可克隆函数(PUF)作为芯片的唯一身份标识，在资源受限的物联网设备中应用前景广阔，但面临着硬件成本过高和其自身易受攻击而导致安全性不足的问题。该文基于双稳态电路的物理特性，提出一种交叉耦合结构的低开销、高安全性强PUF电路。首先，同时激活多个双稳态单元字线，指数级提升激励响应对数量；然后，利用异或树结构混淆多路PUF，提高PUF均匀性与抗攻击能力；最后，利用Virtuoso软件在TSMC 28 nm工艺下仿真验证，并分析其抗机器学习攻击能力与统计特性。实验结果表明，当机器学习训练集激励响应对数量达104时，逻辑回归、支持向量机、人工神经网络等经典机器学习算法预测率均接近50%的随机猜测，且PUF电路的随机性、唯一性和可靠性等性能均表现良好，硬件开销低于传统仲裁器PUF(APUF)，适合应用在低成本的物联网设备认证场景。
物理不可克隆函数(PUF)作为芯片的唯一身份标识，在资源受限的物联网设备中应用前景广阔，但面临着硬件成本过高和其自身易受攻击而导致安全性不足的问题。该文基于双稳态电路的物理特性，提出一种交叉耦合结构的低开销、高安全性强PUF电路。首先，同时激活多个双稳态单元字线，指数级提升激励响应对数量；然后，利用异或树结构混淆多路PUF，提高PUF均匀性与抗攻击能力；最后，利用Virtuoso软件在TSMC 28 nm工艺下仿真验证，并分析其抗机器学习攻击能力与统计特性。实验结果表明，当机器学习训练集激励响应对数量达104时，逻辑回归、支持向量机、人工神经网络等经典机器学习算法预测率均接近50%的随机猜测，且PUF电路的随机性、唯一性和可靠性等性能均表现良好，硬件开销低于传统仲裁器PUF(APUF)，适合应用在低成本的物联网设备认证场景。
, 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、音频和文本四种模态，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、音频和文本四种模态，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/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/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/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/JEIT250157
摘要:
在人工智能对抗攻击领域中，传统的白盒梯度攻击方法在生成对抗样本的迭代过程中，往往会因替代模型的局部最优解而陷入停滞，难以实现跨模型的泛化效果。当前研究普遍认为，这种现象的主要原因在于对抗样本生成过程中输入特征的多样性不足，致使生成的样本过度拟合于替代模型。针对这一问题，该文提出提升模型泛化能力的数据增强技术。与以往的研究在图像的空间域上进行诸如旋转、裁剪等变换不同，该文从频域视角入手，提出一种基于频谱系数衰减的输入变换方法。通过在输入图像的频域中衰减各频率分量的幅度信息，提高迭代中输入的多样性，有效降低对源模型特定的依赖，减小过拟合风险。在ImageNet验证集上的测试表明，该方法及两种优化方法在基于卷积和Transformer架构的模型上均能有效提升无目标对抗样本的迁移能力。
在人工智能对抗攻击领域中，传统的白盒梯度攻击方法在生成对抗样本的迭代过程中，往往会因替代模型的局部最优解而陷入停滞，难以实现跨模型的泛化效果。当前研究普遍认为，这种现象的主要原因在于对抗样本生成过程中输入特征的多样性不足，致使生成的样本过度拟合于替代模型。针对这一问题，该文提出提升模型泛化能力的数据增强技术。与以往的研究在图像的空间域上进行诸如旋转、裁剪等变换不同，该文从频域视角入手，提出一种基于频谱系数衰减的输入变换方法。通过在输入图像的频域中衰减各频率分量的幅度信息，提高迭代中输入的多样性，有效降低对源模型特定的依赖，减小过拟合风险。在ImageNet验证集上的测试表明，该方法及两种优化方法在基于卷积和Transformer架构的模型上均能有效提升无目标对抗样本的迁移能力。
, 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/JEIT250292
摘要:
后量子密码算法CRYSTALS-Kyber已被美国国家标准与技术研究院(NIST)标准化为唯一的模块化格基密钥封装机制方案 (ML-KEM)，以抵御大规模量子计算机的攻击。虽然后量子密码通过数学理论保证了算法的安全性，但在密码实现运算过程中仍面临侧信道威胁。该文针对当前后量子密码算法硬件实现中存在的侧信道泄露风险，提出一种随机伪轮隐藏防护技术，通过动态插入冗余模运算与线性反馈移位寄存器(LFSR)随机调度机制，破坏多项式逐点乘法(PWM)关键操作的时序特征，从而混淆侧信道信息相关性。为了验证其有效性，在Xilinx Spartan-6 FPGA平台对安全增强前后的Kyber解密模块进行实现，并开展基于选择密文的相关功耗分析(CPA)。实验结果表明，防护前攻击者仅需897～1 650条功耗迹线即可恢复Kyber长期密钥；防护后在10 000条迹线下仍无法成功破解，破解密钥所需迹线数量显著提高。同时，相较现有的Kyber防护实现方案，该文的安全增强设计在面积开销上优于其他的隐藏方案。
后量子密码算法CRYSTALS-Kyber已被美国国家标准与技术研究院(NIST)标准化为唯一的模块化格基密钥封装机制方案 (ML-KEM)，以抵御大规模量子计算机的攻击。虽然后量子密码通过数学理论保证了算法的安全性，但在密码实现运算过程中仍面临侧信道威胁。该文针对当前后量子密码算法硬件实现中存在的侧信道泄露风险，提出一种随机伪轮隐藏防护技术，通过动态插入冗余模运算与线性反馈移位寄存器(LFSR)随机调度机制，破坏多项式逐点乘法(PWM)关键操作的时序特征，从而混淆侧信道信息相关性。为了验证其有效性，在Xilinx Spartan-6 FPGA平台对安全增强前后的Kyber解密模块进行实现，并开展基于选择密文的相关功耗分析(CPA)。实验结果表明，防护前攻击者仅需897～1 650条功耗迹线即可恢复Kyber长期密钥；防护后在10 000条迹线下仍无法成功破解，破解密钥所需迹线数量显著提高。同时，相较现有的Kyber防护实现方案，该文的安全增强设计在面积开销上优于其他的隐藏方案。
, 最新更新时间 , doi: 10.11999/JEIT250198
摘要:
侧信道分析(SCA)对加密算法的电路实现造成了巨大的威胁。掩码作为硬件防护的常用手段，有效地提高了设计的抗性。但是，在已有的掩码方法中，算法级掩码要求对算法结构的深入了解并且无法保证硬件层面的强化效果；实施在寄存器传输级(RTL)电路的掩码在向硬件电路转换时，由于需要经过逻辑优化，因此难以保持结构，并且难以向高阶发展。实施在门级电路的掩码虽然有其独特的优势，但这类方法要求对泄漏精准地定位并且在部署后容易造成无法控制的开销。此外，单一阶数的掩码方法共有的局限性是，在面对比自身阶数更高的分析方法时往往难以保证防护效果。因此，为解决掩码方案共有局限和实施层级问题，该文提出一种混合阶数掩码方法。该方法针对于门级网表电路设计，融合了不同阶数掩码结构，混淆了传统的单一阶数概念，随机化了敏感变量进而大大提升设计的侧信道分析抗性。同时，该方法保证了更小的硬件开销。为了快速、有效地部署该方案，开发了自动化的掩码框架，集成了电路拓扑分析、泄漏识别和掩码防护。最终，通过模拟仿真方法，评估经过掩码的加密电路门级设计。实验结果表明，该方法实现了1 600倍以上的抗性提升，仅仅造成1.2%的额外面积开销。
侧信道分析(SCA)对加密算法的电路实现造成了巨大的威胁。掩码作为硬件防护的常用手段，有效地提高了设计的抗性。但是，在已有的掩码方法中，算法级掩码要求对算法结构的深入了解并且无法保证硬件层面的强化效果；实施在寄存器传输级(RTL)电路的掩码在向硬件电路转换时，由于需要经过逻辑优化，因此难以保持结构，并且难以向高阶发展。实施在门级电路的掩码虽然有其独特的优势，但这类方法要求对泄漏精准地定位并且在部署后容易造成无法控制的开销。此外，单一阶数的掩码方法共有的局限性是，在面对比自身阶数更高的分析方法时往往难以保证防护效果。因此，为解决掩码方案共有局限和实施层级问题，该文提出一种混合阶数掩码方法。该方法针对于门级网表电路设计，融合了不同阶数掩码结构，混淆了传统的单一阶数概念，随机化了敏感变量进而大大提升设计的侧信道分析抗性。同时，该方法保证了更小的硬件开销。为了快速、有效地部署该方案，开发了自动化的掩码框架，集成了电路拓扑分析、泄漏识别和掩码防护。最终，通过模拟仿真方法，评估经过掩码的加密电路门级设计。实验结果表明，该方法实现了1 600倍以上的抗性提升，仅仅造成1.2%的额外面积开销。
, 最新更新时间 , doi: 10.11999/JEIT250410
摘要:
为进一步提升三维结构快闪存储器(3D NAND)架构的性能表现，行业内涌现出一系列水平与垂直微缩设计思路。这些创新设计方案在突破存储密度瓶颈的同时，也带来了新的集成挑战，其中制造过程中的热机械应力影响尤为突出，制约器件生产的良率及性能表现。该文基于局部代表性体积单元(RVE)有限元过程相关建模框架，针对多层堆叠结构及不同区块(Block)架构设计的技术特点，构建了高精度的3D NAND工艺力学模型。通过系统性研究，深入剖析了3D NAND制造过程中不均匀应力产生的根源，并动态监测了不同微缩方案下机械应力水平及分布规律。研究成果对提高良率和器件可靠性具有重要潜在价值，为提升3D NAND存储密度过程中面临的关键难题提供了有效方案。
为进一步提升三维结构快闪存储器(3D NAND)架构的性能表现，行业内涌现出一系列水平与垂直微缩设计思路。这些创新设计方案在突破存储密度瓶颈的同时，也带来了新的集成挑战，其中制造过程中的热机械应力影响尤为突出，制约器件生产的良率及性能表现。该文基于局部代表性体积单元(RVE)有限元过程相关建模框架，针对多层堆叠结构及不同区块(Block)架构设计的技术特点，构建了高精度的3D NAND工艺力学模型。通过系统性研究，深入剖析了3D NAND制造过程中不均匀应力产生的根源，并动态监测了不同微缩方案下机械应力水平及分布规律。研究成果对提高良率和器件可靠性具有重要潜在价值，为提升3D NAND存储密度过程中面临的关键难题提供了有效方案。
, 最新更新时间 , doi: 10.11999/JEIT250280
摘要:
针对雷达对抗侦察中脉冲描述字(PDW)数据稀缺及生成质量不足的问题，该文提出时序条件生成对抗网络(Time-CondGAN)。该方法通过多模态条件生成框架融合脉冲序列时域特征与辐射源分类信息，采用双向门控循环单元 (GRU)监督器与特征匹配损失实现时序连续性与统计分布的双重约束。网络架构包含3个核心模块：(1)条件编码网络将调制类型嵌入为128维特征向量，通过时序维度扩展与潜在噪声拼接，实现类别可控生成；(2)多任务判别器联合执行对抗判别与信号分类，通过共享双向GRU-注意力特征提取层捕捉长程依赖关系；(3)时序-统计联合优化器整合对抗损失、监督损失与特征匹配损失，在对抗训练阶段同步更新生成器与判别器参数。实验表明，Time-CondGAN生成的PDW数据在关键时序参数的KL散度较Time-CondGAN平均降低28.25%，显著提升物理合理性；可视化结果证明模型性能满足要求，消融实验证明改进模块的有效性。在下游任务验证中，生成数据使VGG16与LSTM分类器的识别准确率最高提升37.2%，较Time-CondGAN生成数据平均高8.25%(VGG16)与4.2%(LSTM)。
针对雷达对抗侦察中脉冲描述字(PDW)数据稀缺及生成质量不足的问题，该文提出时序条件生成对抗网络(Time-CondGAN)。该方法通过多模态条件生成框架融合脉冲序列时域特征与辐射源分类信息，采用双向门控循环单元 (GRU)监督器与特征匹配损失实现时序连续性与统计分布的双重约束。网络架构包含3个核心模块：(1)条件编码网络将调制类型嵌入为128维特征向量，通过时序维度扩展与潜在噪声拼接，实现类别可控生成；(2)多任务判别器联合执行对抗判别与信号分类，通过共享双向GRU-注意力特征提取层捕捉长程依赖关系；(3)时序-统计联合优化器整合对抗损失、监督损失与特征匹配损失，在对抗训练阶段同步更新生成器与判别器参数。实验表明，Time-CondGAN生成的PDW数据在关键时序参数的KL散度较Time-CondGAN平均降低28.25%，显著提升物理合理性；可视化结果证明模型性能满足要求，消融实验证明改进模块的有效性。在下游任务验证中，生成数据使VGG16与LSTM分类器的识别准确率最高提升37.2%，较Time-CondGAN生成数据平均高8.25%(VGG16)与4.2%(LSTM)。
, 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/JEIT250162
摘要:
针对智能反射面(RIS)辅助空间调制(SM)系统(RIS-SM)在未知信道状态信息(CSI)条件下的信号检测问题，该文提出一种新型无监督聚类检测算法。考虑到RIS的无源特性及传统检测方法对完美CSI的依赖难以满足实际部署需求，将RIS-SM系统的盲检测任务转化为聚类问题，并在K-means算法基础上引入信道统计特性指导的初始化机制。该方法有效利用RIS-SM系统中等效信道的幅度与相位分布特征，在不依赖任何先验CSI的条件下，实现高效且低复杂度的信号检测。仿真结果验证了所提算法在多种系统配置下均可逼近最优最大似然(ML)性能，充分展示了其在理论研究与实际应用中的可行性与优势。
针对智能反射面(RIS)辅助空间调制(SM)系统(RIS-SM)在未知信道状态信息(CSI)条件下的信号检测问题，该文提出一种新型无监督聚类检测算法。考虑到RIS的无源特性及传统检测方法对完美CSI的依赖难以满足实际部署需求，将RIS-SM系统的盲检测任务转化为聚类问题，并在K-means算法基础上引入信道统计特性指导的初始化机制。该方法有效利用RIS-SM系统中等效信道的幅度与相位分布特征，在不依赖任何先验CSI的条件下，实现高效且低复杂度的信号检测。仿真结果验证了所提算法在多种系统配置下均可逼近最优最大似然(ML)性能，充分展示了其在理论研究与实际应用中的可行性与优势。
, 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/JEIT250302
摘要:
针对低光照图像目标特征弱、检测精度不足等问题，该文提出了一种基于图像增强与特征自适应联合学习的目标检测模型，该模型采用串联结构，将有监督的图像增强模块与YOLOv5目标检测模块相结合，以端到端的方式实现低光照图像目标检测。首先，利用正常光数据集生成匹配的正常光与低光图像对，实现数据集增强，并据此指导图像增强模块的学习；其次，联合图像增强损失、特征匹配损失和目标检测损失，从像素级和特征级两个层面优化目标检测结果；最后，基于真实低光照数据集进行模型参数的优化和微调。实验结果表明，该方法在仅使用真实正常光数据集训练的情况下，在LLVIP和Polar3000低光照数据集上的检测精度分别达到79.5%和85.7%，进一步在真实低光照数据集上微调后，检测精度分别提升至91.7%和92.3%，显著优于主流的低光照图像目标检测方法，并在ExDark和DarkFace的泛化实验中取得最佳检测效果。此外，该方法在提升检测精度的同时，仅带来2.5%的参数增加，具有良好的实时检测性能。
针对低光照图像目标特征弱、检测精度不足等问题，该文提出了一种基于图像增强与特征自适应联合学习的目标检测模型，该模型采用串联结构，将有监督的图像增强模块与YOLOv5目标检测模块相结合，以端到端的方式实现低光照图像目标检测。首先，利用正常光数据集生成匹配的正常光与低光图像对，实现数据集增强，并据此指导图像增强模块的学习；其次，联合图像增强损失、特征匹配损失和目标检测损失，从像素级和特征级两个层面优化目标检测结果；最后，基于真实低光照数据集进行模型参数的优化和微调。实验结果表明，该方法在仅使用真实正常光数据集训练的情况下，在LLVIP和Polar3000低光照数据集上的检测精度分别达到79.5%和85.7%，进一步在真实低光照数据集上微调后，检测精度分别提升至91.7%和92.3%，显著优于主流的低光照图像目标检测方法，并在ExDark和DarkFace的泛化实验中取得最佳检测效果。此外，该方法在提升检测精度的同时，仅带来2.5%的参数增加，具有良好的实时检测性能。
, 最新更新时间 , doi: 10.11999/JEIT250366
摘要:
现代操作系统采用内核地址空间随机化(KASLR)技术来抵御内核代码重用攻击。处理器微架构侧信道能够泄漏内核代码段的页表信息，进而可以被用来绕过KASLR 保护，但是现有研究局限于MOV, CMASKMOV, PREFETCHNTA和CLDEMOTE等少数的几条指令来探测内核地址，攻击面有限。为系统评估KASLR攻击面，该文从指令多样性出发，设计一个自动化分析框架，挖掘可以绕过 KASLR 保护并暴露计算机系统安全脆弱性的指令。该框架不需要逆向微架构部件的实现细节，专注于攻击任务本身，首先将攻击流程抽象为环境准备、内存探测、微架构信息记录和差分分析的4个阶段，然后定位绕过 KASLR 保护的关键攻击代码，最后研究不同指令在替换关键代码后的攻击效果。该文分别从指令的汇编形式和字节形式出发提出两套KASLR攻击面的评估算法，互相验证和补充。实验结果表明，该文在Intel x86指令集挖掘出699条可实现KASLR绕过的汇编指令，相比现有研究依赖的6条指令，实现了KASLR脆弱性指令的跨数量级增长。此外，从字节形式出发的实验数据表明，Intel x86指令集有39个单字节操作码、121个双字节操作码和24个3字节操作码指令可以实现KASLR绕过。该文的发现不仅显著扩展了KASLR的攻击面，更为基于特征检测的防御机制带来挑战和新思路。
现代操作系统采用内核地址空间随机化(KASLR)技术来抵御内核代码重用攻击。处理器微架构侧信道能够泄漏内核代码段的页表信息，进而可以被用来绕过KASLR 保护，但是现有研究局限于MOV, CMASKMOV, PREFETCHNTA和CLDEMOTE等少数的几条指令来探测内核地址，攻击面有限。为系统评估KASLR攻击面，该文从指令多样性出发，设计一个自动化分析框架，挖掘可以绕过 KASLR 保护并暴露计算机系统安全脆弱性的指令。该框架不需要逆向微架构部件的实现细节，专注于攻击任务本身，首先将攻击流程抽象为环境准备、内存探测、微架构信息记录和差分分析的4个阶段，然后定位绕过 KASLR 保护的关键攻击代码，最后研究不同指令在替换关键代码后的攻击效果。该文分别从指令的汇编形式和字节形式出发提出两套KASLR攻击面的评估算法，互相验证和补充。实验结果表明，该文在Intel x86指令集挖掘出699条可实现KASLR绕过的汇编指令，相比现有研究依赖的6条指令，实现了KASLR脆弱性指令的跨数量级增长。此外，从字节形式出发的实验数据表明，Intel x86指令集有39个单字节操作码、121个双字节操作码和24个3字节操作码指令可以实现KASLR绕过。该文的发现不仅显著扩展了KASLR的攻击面，更为基于特征检测的防御机制带来挑战和新思路。
, 最新更新时间 , doi: 10.11999/JEIT250152
摘要:
针对现有网络化雷达难以实现群目标的高分辨率多目标跟踪问题，该文提出一种用于网络化雷达系统的波束选择与多维资源管理(BSMRM)策略，以提高目标分辨能力和多目标跟踪(MTT)精度。首先推导了概率数据关联(PDA)融合规则和交互多模型-扩展卡尔曼滤波器(IMM-EKF)下的贝叶斯克拉美-罗下限(BCRLB)，以此作为跟踪精度的性能指标，并通过归一化波束内观测目标与非观测目标的模糊函数幅值，量化了系统的分辨性能。随后构建基于对数障碍法的效用函数用于全局性能量化，将多维资源管理建模为优化问题，其目标函数为全局性能最优化，约束条件为给定的系统资源限制。最后采用基于网格搜索法和梯度下降算法的3阶段快速算法进行求解。仿真结果表明，与现有算法相比，该文所提方法能够在减少频谱占用和功率消耗的情况下，实现相当的目标分辨能力和多目标跟踪精度。
针对现有网络化雷达难以实现群目标的高分辨率多目标跟踪问题，该文提出一种用于网络化雷达系统的波束选择与多维资源管理(BSMRM)策略，以提高目标分辨能力和多目标跟踪(MTT)精度。首先推导了概率数据关联(PDA)融合规则和交互多模型-扩展卡尔曼滤波器(IMM-EKF)下的贝叶斯克拉美-罗下限(BCRLB)，以此作为跟踪精度的性能指标，并通过归一化波束内观测目标与非观测目标的模糊函数幅值，量化了系统的分辨性能。随后构建基于对数障碍法的效用函数用于全局性能量化，将多维资源管理建模为优化问题，其目标函数为全局性能最优化，约束条件为给定的系统资源限制。最后采用基于网格搜索法和梯度下降算法的3阶段快速算法进行求解。仿真结果表明，与现有算法相比，该文所提方法能够在减少频谱占用和功率消耗的情况下，实现相当的目标分辨能力和多目标跟踪精度。
, 最新更新时间 , doi: 10.11999/JEIT250188
摘要:
近年来，网络协议模糊测试(NPF)领域产生了大量研究成果，然而目前缺乏针对NPF的系统性综述。为此，该文首先厘清网络协议软件相较其它模糊测试对象的特异性，这体现在严格消息格式、异步网络交互、复杂状态维护等。提出一种问题导向型NPF分类方法，基于NPF三大核心问题——协议数据包构造、协议状态感知、协议栈效率优化，梳理归纳近八年来NPF研究成果，对比不同NPF技术的能力现状与局限性。总结制约NPF发展的关键技术挑战，并结合新兴技术探讨了未来发展方向与潜在课题，旨在为协议分析领域研究者们提供具有参考价值的洞见与启示。
近年来，网络协议模糊测试(NPF)领域产生了大量研究成果，然而目前缺乏针对NPF的系统性综述。为此，该文首先厘清网络协议软件相较其它模糊测试对象的特异性，这体现在严格消息格式、异步网络交互、复杂状态维护等。提出一种问题导向型NPF分类方法，基于NPF三大核心问题——协议数据包构造、协议状态感知、协议栈效率优化，梳理归纳近八年来NPF研究成果，对比不同NPF技术的能力现状与局限性。总结制约NPF发展的关键技术挑战，并结合新兴技术探讨了未来发展方向与潜在课题，旨在为协议分析领域研究者们提供具有参考价值的洞见与启示。
, 最新更新时间 , doi: 10.11999/JEIT250262
摘要:
在工业物联网(IIoT)场景下，移动边缘计算(MEC)在提供高可靠低时延通信(URLLC)服务的同时，需确保数据传输的安全性。针对多址接入MEC网络中存在潜在窃听者的物理层安全(PLS)增强问题，该文研究了通信与计算阶段的联合优化，以提升系统的整体安全性与可靠性。基于有限码长(FBL)理论，构建了通信阶段MEC服务器与窃听者之间的解码性能差异模型，并利用极值理论(EVT)分析计算阶段的延迟违规概率。在系统极端情况下，推导出端到端泄露错误概率(LFP)的闭式表达式，并将其作为衡量系统联合安全性与可靠性的关键指标。为最小化LFP，该文提出一种高效的资源分配优化算法。具体而言，为了平衡安全性与可靠性，设计一种满足时延约束的通信与计算阶段时间分配方案，并以两阶段时间为优化变量，构建联合优化问题。然而，由于变量间耦合且目标函数非凸，无法直接求解。因此，采用局部线性化与凸松弛技术对问题进行重构，并提出一种基于连续凸近似(SCA)的优化算法来求解。针对任务规模增大时算法收敛性下降的问题，该文提出一种加速SCA(A-SCA)算法。该算法通过分析问题结构，推导了系统最优可靠性对应时间分配策略的闭式表达式，并优化了初始点选择机制。仿真结果验证了所提算法的准确性、收敛性与适应性，同时揭示了安全性与可靠性之间的权衡关系。
在工业物联网(IIoT)场景下，移动边缘计算(MEC)在提供高可靠低时延通信(URLLC)服务的同时，需确保数据传输的安全性。针对多址接入MEC网络中存在潜在窃听者的物理层安全(PLS)增强问题，该文研究了通信与计算阶段的联合优化，以提升系统的整体安全性与可靠性。基于有限码长(FBL)理论，构建了通信阶段MEC服务器与窃听者之间的解码性能差异模型，并利用极值理论(EVT)分析计算阶段的延迟违规概率。在系统极端情况下，推导出端到端泄露错误概率(LFP)的闭式表达式，并将其作为衡量系统联合安全性与可靠性的关键指标。为最小化LFP，该文提出一种高效的资源分配优化算法。具体而言，为了平衡安全性与可靠性，设计一种满足时延约束的通信与计算阶段时间分配方案，并以两阶段时间为优化变量，构建联合优化问题。然而，由于变量间耦合且目标函数非凸，无法直接求解。因此，采用局部线性化与凸松弛技术对问题进行重构，并提出一种基于连续凸近似(SCA)的优化算法来求解。针对任务规模增大时算法收敛性下降的问题，该文提出一种加速SCA(A-SCA)算法。该算法通过分析问题结构，推导了系统最优可靠性对应时间分配策略的闭式表达式，并优化了初始点选择机制。仿真结果验证了所提算法的准确性、收敛性与适应性，同时揭示了安全性与可靠性之间的权衡关系。
, 最新更新时间 , doi: 10.11999/JEIT250146
摘要:
该文聚焦于通信感知一体化(ISAC)系统性能优化问题，提出一种可移动天线(MA)赋能的创新解决方案。针对传统固定天线阵列因空间自由度受限导致的波束调控能力不足，该研究通过动态调整发射端MA元素的位置来充分利用无线信道空间特性。在满足用户通信与雷达感知需求的约束条件下，建立了包含MA元素离散位置、波束赋形向量和感知信号协方差矩阵的联合优化模型，以最小化系统发射功率。为解决优化变量耦合度高且包含二元离散变量的难题，该文采用离散二进制粒子群优化(BPSO)算法框架进行求解。具体地，首先，通过适应度函数迭代地确定MA元素的离散位置，并运用半正定松弛(SDR)和逐次凸近似(SCA)技术处理非凸约束，进一步求解波束赋形向量和感知协方差矩阵。仿真结果表明，相较于传统固定天线阵列基准方案，所提方案在降低ISAC系统发射功率方面具有显著优势。该文为MA赋能ISAC系统的能耗优化提供了新的思路，对下一代无线通信系统的通信感知融合网络设计具有重要指导意义。
该文聚焦于通信感知一体化(ISAC)系统性能优化问题，提出一种可移动天线(MA)赋能的创新解决方案。针对传统固定天线阵列因空间自由度受限导致的波束调控能力不足，该研究通过动态调整发射端MA元素的位置来充分利用无线信道空间特性。在满足用户通信与雷达感知需求的约束条件下，建立了包含MA元素离散位置、波束赋形向量和感知信号协方差矩阵的联合优化模型，以最小化系统发射功率。为解决优化变量耦合度高且包含二元离散变量的难题，该文采用离散二进制粒子群优化(BPSO)算法框架进行求解。具体地，首先，通过适应度函数迭代地确定MA元素的离散位置，并运用半正定松弛(SDR)和逐次凸近似(SCA)技术处理非凸约束，进一步求解波束赋形向量和感知协方差矩阵。仿真结果表明，相较于传统固定天线阵列基准方案，所提方案在降低ISAC系统发射功率方面具有显著优势。该文为MA赋能ISAC系统的能耗优化提供了新的思路，对下一代无线通信系统的通信感知融合网络设计具有重要指导意义。
, 最新更新时间 , doi: 10.11999/JEIT250112
摘要:
基于图像级标签的弱监督语义分割(WSSS)旨在通过类激活映射(CAM)生成伪标签(种子)，然后将其用于训练语义分割模型，为耗时且昂贵的像素级标注节省大量人力和财力。现有方法主要围绕CAM进行改进以获取单个优良的种子，同时通过一些后处理手段进一步提升种子的质量，但其得到的种子仍存在不等程度的噪声。为了减少噪声标签对分割网络造成的影响，考虑多个不同种子更能有效提取出正确信息，该文从多种子信息互补的角度，提出一种基于多种子信息聚合和正负混合学习的弱监督图像语义分割方法，通过在分类网络中改变输入图像尺度以及调整Dropout层随机隐藏神经元的概率，获取多个优良种子；依据它们对每个像素分配的类别标签情况进行优选获得聚合种子，并进一步区分该像素标签为干净标签还是噪声标签；利用正负混合学习训练语义分割网络，引入预测约束损失以避免网络对噪声标签给予过高的预测值，进而对干净标签应用正学习发挥正确信息的准确性，对噪声标签应用负学习抑制错误信息的影响，从而有效提升分割网络的性能。在PASCAL VOC 2012和MS COCO 2014验证集上实验结果表明，该文方法在基于卷积神经网络框架的分割网络中，mIoU分别达到了72.5%和40.8%，与RCA及URN方法相比分别提升了0.3%与0.1%；在基于Transformer框架的分割网络中，mIoU则提升至76.8%和46.7%，与CoBra及ECA方法相比分别提升了2.5%与1.6%，验证了方法的有效性。
基于图像级标签的弱监督语义分割(WSSS)旨在通过类激活映射(CAM)生成伪标签(种子)，然后将其用于训练语义分割模型，为耗时且昂贵的像素级标注节省大量人力和财力。现有方法主要围绕CAM进行改进以获取单个优良的种子，同时通过一些后处理手段进一步提升种子的质量，但其得到的种子仍存在不等程度的噪声。为了减少噪声标签对分割网络造成的影响，考虑多个不同种子更能有效提取出正确信息，该文从多种子信息互补的角度，提出一种基于多种子信息聚合和正负混合学习的弱监督图像语义分割方法，通过在分类网络中改变输入图像尺度以及调整Dropout层随机隐藏神经元的概率，获取多个优良种子；依据它们对每个像素分配的类别标签情况进行优选获得聚合种子，并进一步区分该像素标签为干净标签还是噪声标签；利用正负混合学习训练语义分割网络，引入预测约束损失以避免网络对噪声标签给予过高的预测值，进而对干净标签应用正学习发挥正确信息的准确性，对噪声标签应用负学习抑制错误信息的影响，从而有效提升分割网络的性能。在PASCAL VOC 2012和MS COCO 2014验证集上实验结果表明，该文方法在基于卷积神经网络框架的分割网络中，mIoU分别达到了72.5%和40.8%，与RCA及URN方法相比分别提升了0.3%与0.1%；在基于Transformer框架的分割网络中，mIoU则提升至76.8%和46.7%，与CoBra及ECA方法相比分别提升了2.5%与1.6%，验证了方法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT250251
摘要:
随着城市空中交通(UAM)概念的提出，为应对可预见的未来该场景下飞行器数量激增，迫切需要研究第2代通用接入收发器(UAT2)数据链的时隙分配算法以获得更大的监视容量。该文以UAT2数据链为研究对象，围绕下行报文的时隙分配管理，分析原始时隙分配算法及局限性。根据报文特性，提出基于状态位图并引入随机漂移机制的改进时隙分配算法。此外，研究提出3种时隙数目扩充传输方案并建立监视容量计算模型，最后对各传输方案在不同时隙分配情况下的性能表现进行仿真分析。结果表明所提优化时隙分配算法在各传输方案达到最大监视容量时，较原始算法报文时隙碰撞概率减小16.14%，时隙使用率提升16.13%，较固定时间窗实时动态时隙分配算法报文时隙碰撞概率减小9.36%，时隙使用率提高10.48%，使得监视容量均有显著提升。
随着城市空中交通(UAM)概念的提出，为应对可预见的未来该场景下飞行器数量激增，迫切需要研究第2代通用接入收发器(UAT2)数据链的时隙分配算法以获得更大的监视容量。该文以UAT2数据链为研究对象，围绕下行报文的时隙分配管理，分析原始时隙分配算法及局限性。根据报文特性，提出基于状态位图并引入随机漂移机制的改进时隙分配算法。此外，研究提出3种时隙数目扩充传输方案并建立监视容量计算模型，最后对各传输方案在不同时隙分配情况下的性能表现进行仿真分析。结果表明所提优化时隙分配算法在各传输方案达到最大监视容量时，较原始算法报文时隙碰撞概率减小16.14%，时隙使用率提升16.13%，较固定时间窗实时动态时隙分配算法报文时隙碰撞概率减小9.36%，时隙使用率提高10.48%，使得监视容量均有显著提升。
, 最新更新时间 , doi: 10.11999/JEIT250151
摘要:
随着数字化医疗的快速发展，电子健康记录(EHR)已成为提升医疗服务质量的重要手段，医疗机构想要获取患者的EHR用于医疗研究。然而，传统的电子健康记录系统面临信息孤岛、数据安全共享困难、隐私泄露等问题。该文设计了分布式的KBB索引树多关键词模糊排序搜索方案，旨在解决以上问题，并实现安全、高效、可追溯的电子健康记录共享。该方案使用K-means聚类技术对EHR分类，在IPFS上分类存储加密的EHR，实现密文的分布式存储。使用波特词干提取法把关键词转换为统一形式，基于聚类的EHR构造KBB索引树，达到模糊搜索并提高搜索效率。此外，可以通过智能合约实现对用户身份的验证。搜索节点在KBB树中排序搜索，星际文件系统(IPFS)返回前k个加密EHR给用户，用户在区块链上验证数据的完整性后解密。性能分析表明该方案的算法具有安全性，在已知密文模型中是语义安全的，同时具有良好的实现效率。
随着数字化医疗的快速发展，电子健康记录(EHR)已成为提升医疗服务质量的重要手段，医疗机构想要获取患者的EHR用于医疗研究。然而，传统的电子健康记录系统面临信息孤岛、数据安全共享困难、隐私泄露等问题。该文设计了分布式的KBB索引树多关键词模糊排序搜索方案，旨在解决以上问题，并实现安全、高效、可追溯的电子健康记录共享。该方案使用K-means聚类技术对EHR分类，在IPFS上分类存储加密的EHR，实现密文的分布式存储。使用波特词干提取法把关键词转换为统一形式，基于聚类的EHR构造KBB索引树，达到模糊搜索并提高搜索效率。此外，可以通过智能合约实现对用户身份的验证。搜索节点在KBB树中排序搜索，星际文件系统(IPFS)返回前k个加密EHR给用户，用户在区块链上验证数据的完整性后解密。性能分析表明该方案的算法具有安全性，在已知密文模型中是语义安全的，同时具有良好的实现效率。
, 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，受限于算力与显存限制，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，受限于算力与显存限制，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/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/JEIT250305
摘要:
大规模工业物联网设备的高效互联互通与智能管控是我国制造业数字化、网络化、智能化转型升级和高质量发展的关键。由于通信、计算和网络资源受限，传输环境复杂，感知、传输、控制系统分离设计，传统工业网络面临感知传输效率低、异构系统互操作性差、难以高效协同的严峻挑战。首先，该文调研并总结了工业物联网发展的核心需求与瓶颈问题，其次，重点聚焦智能感传控融合的工业网络架构、工业物联网智能感知方法、认知智能驱动的工业语义通信以及边缘智能感知-高效传输-最优控制联合设计等关键技术问题，讨论了工业物联网智能感知-传输-控制融合的研究进展，最后总结了工业大模型与工业智能体、工业5.0、工业跨模态协同交互、工业数字孪生等具有重要意义和发展潜力的未来研究方向。
大规模工业物联网设备的高效互联互通与智能管控是我国制造业数字化、网络化、智能化转型升级和高质量发展的关键。由于通信、计算和网络资源受限，传输环境复杂，感知、传输、控制系统分离设计，传统工业网络面临感知传输效率低、异构系统互操作性差、难以高效协同的严峻挑战。首先，该文调研并总结了工业物联网发展的核心需求与瓶颈问题，其次，重点聚焦智能感传控融合的工业网络架构、工业物联网智能感知方法、认知智能驱动的工业语义通信以及边缘智能感知-高效传输-最优控制联合设计等关键技术问题，讨论了工业物联网智能感知-传输-控制融合的研究进展，最后总结了工业大模型与工业智能体、工业5.0、工业跨模态协同交互、工业数字孪生等具有重要意义和发展潜力的未来研究方向。
, 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/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/JEIT250291
摘要:
在工业智能化场景中，深度神经网络(DNN)的推理任务因有向无环图(DAG)复杂结构特性与动态资源约束，面临延迟与精度难以协同优化的挑战。现有方法多局限于链式DNN，且缺乏对网络波动与异构计算资源的自适应支持。为此，该文提出一种边-端协作下基于早期退出机制的DNN动态自适应分区框架(DAPDEE)，通过边-端协作实现高精度低延迟推理。其核心创新如下：将链式与复杂DNN统一表征为DAG结构，为分区优化提供通用拓扑基础；基于多任务学习离线优化各层早期退出分类器，部署时仅需加载预训练模型参数，结合实时网络带宽、终端计算负载等指标，动态选择最优退出点与分区策略；通过逆向搜索机制联合优化延迟与精度，轻负载下最小化单帧端到端延迟，重负载下最大化系统吞吐量。实验表明，在CIFAR-10数据集与VGG16和AlexNet模型上，DAPDEE在CAT1/3G/4G网络中较Device-Only方法降低延迟达7.7%(重负载)与7.5%(轻负载)，吞吐量提升9.9倍，且精度损失始终低于1.2%。该框架为智能制造、自动驾驶等时敏场景中DAG结构DNN的高效推理提供了理论与技术支撑。
在工业智能化场景中，深度神经网络(DNN)的推理任务因有向无环图(DAG)复杂结构特性与动态资源约束，面临延迟与精度难以协同优化的挑战。现有方法多局限于链式DNN，且缺乏对网络波动与异构计算资源的自适应支持。为此，该文提出一种边-端协作下基于早期退出机制的DNN动态自适应分区框架(DAPDEE)，通过边-端协作实现高精度低延迟推理。其核心创新如下：将链式与复杂DNN统一表征为DAG结构，为分区优化提供通用拓扑基础；基于多任务学习离线优化各层早期退出分类器，部署时仅需加载预训练模型参数，结合实时网络带宽、终端计算负载等指标，动态选择最优退出点与分区策略；通过逆向搜索机制联合优化延迟与精度，轻负载下最小化单帧端到端延迟，重负载下最大化系统吞吐量。实验表明，在CIFAR-10数据集与VGG16和AlexNet模型上，DAPDEE在CAT1/3G/4G网络中较Device-Only方法降低延迟达7.7%(重负载)与7.5%(轻负载)，吞吐量提升9.9倍，且精度损失始终低于1.2%。该框架为智能制造、自动驾驶等时敏场景中DAG结构DNN的高效推理提供了理论与技术支撑。
, 最新更新时间 , doi: 10.11999/JEIT250274
摘要:
针对无人机(UAV)携带智能反射面(RIS)与固定RIS共同辅助移动的用户车辆(UE)通信的场景，建立UAV飞行轨迹和双RIS相移联合优化问题，使UE在移动过程中始终保持通信速率最大。由于系统的复杂性和环境的动态性，该文提出一种基于深度确定性策略梯度算法和相移对齐方法来处理连续轨迹和RIS相移的优化问题。仿真结果验证了所提的联合优化算法在1 000个Episode以内便能得到较稳定的奖励值，通过与其它基准方法对比，表明了所提算法可在双RIS部署的环境中比使用随机轨迹和相移算法时通信速率至少可提高3 dB。最后给出了不同基站和RIS的部署位置下的UAV的最优轨迹，并对不同车速下算法的适用性进行了仿真分析。
针对无人机(UAV)携带智能反射面(RIS)与固定RIS共同辅助移动的用户车辆(UE)通信的场景，建立UAV飞行轨迹和双RIS相移联合优化问题，使UE在移动过程中始终保持通信速率最大。由于系统的复杂性和环境的动态性，该文提出一种基于深度确定性策略梯度算法和相移对齐方法来处理连续轨迹和RIS相移的优化问题。仿真结果验证了所提的联合优化算法在1 000个Episode以内便能得到较稳定的奖励值，通过与其它基准方法对比，表明了所提算法可在双RIS部署的环境中比使用随机轨迹和相移算法时通信速率至少可提高3 dB。最后给出了不同基站和RIS的部署位置下的UAV的最优轨迹，并对不同车速下算法的适用性进行了仿真分析。
, 最新更新时间 , doi: 10.11999/JEIT250240
摘要:
铝矾土作为关键的非金属矿产资源，在铝工业等领域具有不可替代的作用。为实现资源高效利用并解决低品位矿石冶炼浪费问题，精确测定其品质参数至关重要。传统化学分析方法存在操作流程复杂、检测周期长、成本高昂等局限，而现有快检技术多聚焦单一参数预测，忽略参数间相关性。为此，该文提出一种基于近红外光谱的多指标协同检测模型——门控深度点卷积网络(G-DPN)。该模型创新性地采用大尺寸卷积核深度卷积提取单通道长距离相关特征，结合点卷积实现通道信息融合，并引入空间注意力机制强化关键特征表达能力。进一步设计定制门控模块，通过正交约束分离共享特征与任务特定特征，实现二者的动态加权融合，同时对参数标签归一化以消除量纲差异，有效构建光谱特征与品质参数间的非线性映射关系。基于424个铝矾土样本的实验表明，G-DPN在铝含量、硅含量和铁含量预测中的\begin{document}${R^2}$\end{document} 0.9226 , 0.9377 和0.9683 ，性能显著优于传统机器学习方法及多种深度学习模型。本研究证实近红外光谱技术结合G-DPN模型在铝矾土品质分析中具有显著应用价值，为矿产资源高效利用提供了新的技术支撑。
铝矾土作为关键的非金属矿产资源，在铝工业等领域具有不可替代的作用。为实现资源高效利用并解决低品位矿石冶炼浪费问题，精确测定其品质参数至关重要。传统化学分析方法存在操作流程复杂、检测周期长、成本高昂等局限，而现有快检技术多聚焦单一参数预测，忽略参数间相关性。为此，该文提出一种基于近红外光谱的多指标协同检测模型——门控深度点卷积网络(G-DPN)。该模型创新性地采用大尺寸卷积核深度卷积提取单通道长距离相关特征，结合点卷积实现通道信息融合，并引入空间注意力机制强化关键特征表达能力。进一步设计定制门控模块，通过正交约束分离共享特征与任务特定特征，实现二者的动态加权融合，同时对参数标签归一化以消除量纲差异，有效构建光谱特征与品质参数间的非线性映射关系。基于424个铝矾土样本的实验表明，G-DPN在铝含量、硅含量和铁含量预测中的
, 最新更新时间 , doi: 10.11999/JEIT250130
摘要:
针对高光谱图像(HSI)由于受采集、传输等过程的客观因素影响而存在各种噪声的问题，该文提出一种基于低秩张量分解与克罗内克积乘积图拉普拉斯正则化(LRTDKGLR)的HSI去噪算法。首先，该算法基于HSI的空间和光谱特性，利用图信号处理(GSP)理论分别构建空间图和光谱图，并通过克罗内克积将二者结合为乘积图，用于刻画HSI数据的空间-光谱联合关联特性。随后，通过Tucker分解提取空间和光谱维度的联合低维表示，进一步挖掘HSI图像的结构特征。此外，采用乘积图模型对HSI数据在空间和光谱维度上的分段平滑特性进行建模，从而增强空间-光谱维度间的关联性。随后，将HSI去噪问题转化为一个包含低秩张量分解和克罗内克积的图拉普拉斯正则化(KGLR)的优化问题，并通过增广拉格朗日乘子法(ALM)高效求解。模拟数据和真实数据实验结果表明，该文所提出的LRTDKGLR方法在去噪性能上优于现有方法，验证了其在HSI去噪中的有效性。
针对高光谱图像(HSI)由于受采集、传输等过程的客观因素影响而存在各种噪声的问题，该文提出一种基于低秩张量分解与克罗内克积乘积图拉普拉斯正则化(LRTDKGLR)的HSI去噪算法。首先，该算法基于HSI的空间和光谱特性，利用图信号处理(GSP)理论分别构建空间图和光谱图，并通过克罗内克积将二者结合为乘积图，用于刻画HSI数据的空间-光谱联合关联特性。随后，通过Tucker分解提取空间和光谱维度的联合低维表示，进一步挖掘HSI图像的结构特征。此外，采用乘积图模型对HSI数据在空间和光谱维度上的分段平滑特性进行建模，从而增强空间-光谱维度间的关联性。随后，将HSI去噪问题转化为一个包含低秩张量分解和克罗内克积的图拉普拉斯正则化(KGLR)的优化问题，并通过增广拉格朗日乘子法(ALM)高效求解。模拟数据和真实数据实验结果表明，该文所提出的LRTDKGLR方法在去噪性能上优于现有方法，验证了其在HSI去噪中的有效性。
, 最新更新时间 , doi: 10.11999/JEIT250181
摘要:
为满足第6代移动通信(6G)在高速移动场景下高可靠、安全传输需求，针对正交时频空(OTFS)调制的通信链路，该文设计一种新的三维星座加密方案，充分发挥了OTFS与三维星座的性能优势。首先，设计了一种新型三维星座分布图，16个星座点分布在以原点为中心的球体表面，由球面与坐标轴的6个交点及两个平行于XOY平面的正五边形顶点构成，优化后星座点间最小欧氏距离提升5%，平均功率降低11%，星座图性能指数提升10%，改善了误码率性能。此外，提出了一种三维星座映射与旋转加密方案，通过16位量化混沌序列动态选择映射方式，并结合两次星座点旋转操作，实现了三维星座的高效加密。仿真结果表明，相较于现有方案，所提出的方案在确保通信性能的同时，安全性能有较好提升，误码率性能提升约0.6 dB，且密钥空间达10120，能够有效抵抗暴力破解，加密后图像直方图分布均匀，相关系数趋近于0，具有强抗统计攻击能力，且密钥敏感性和鲁棒性测试进一步验证了其安全性能。
为满足第6代移动通信(6G)在高速移动场景下高可靠、安全传输需求，针对正交时频空(OTFS)调制的通信链路，该文设计一种新的三维星座加密方案，充分发挥了OTFS与三维星座的性能优势。首先，设计了一种新型三维星座分布图，16个星座点分布在以原点为中心的球体表面，由球面与坐标轴的6个交点及两个平行于XOY平面的正五边形顶点构成，优化后星座点间最小欧氏距离提升5%，平均功率降低11%，星座图性能指数提升10%，改善了误码率性能。此外，提出了一种三维星座映射与旋转加密方案，通过16位量化混沌序列动态选择映射方式，并结合两次星座点旋转操作，实现了三维星座的高效加密。仿真结果表明，相较于现有方案，所提出的方案在确保通信性能的同时，安全性能有较好提升，误码率性能提升约0.6 dB，且密钥空间达10120，能够有效抵抗暴力破解，加密后图像直方图分布均匀，相关系数趋近于0，具有强抗统计攻击能力，且密钥敏感性和鲁棒性测试进一步验证了其安全性能。
, 最新更新时间 , doi: 10.11999/JEIT250077
摘要:
针对空天地网络中图像传输面临的带宽受限和信道损伤等挑战，该文提出一种弹性语义通信方案。该方案基于信息瓶颈(IB)理论构建了增强的率失真(RD)函数，采用Gumbel-Softmax方法和可变速率网络实现动态速率自适应，并设计了加权多重非对称高斯分布来表征不同语义特征的概率密度。在架构设计上，该方案采用注意力机制和残差学习，根据信噪比(SNR)要求自适应地选择网络模块，实现计算效率和传输可靠性之间的最佳权衡。实验表明，与传统方案相比，所提方案在信道带宽比(CBR)和重建质量方面均取得了显著提升，特别是在具有挑战性的信道条件下，表现出更强的鲁棒性和更高的图像保真度。
针对空天地网络中图像传输面临的带宽受限和信道损伤等挑战，该文提出一种弹性语义通信方案。该方案基于信息瓶颈(IB)理论构建了增强的率失真(RD)函数，采用Gumbel-Softmax方法和可变速率网络实现动态速率自适应，并设计了加权多重非对称高斯分布来表征不同语义特征的概率密度。在架构设计上，该方案采用注意力机制和残差学习，根据信噪比(SNR)要求自适应地选择网络模块，实现计算效率和传输可靠性之间的最佳权衡。实验表明，与传统方案相比，所提方案在信道带宽比(CBR)和重建质量方面均取得了显著提升，特别是在具有挑战性的信道条件下，表现出更强的鲁棒性和更高的图像保真度。
, 最新更新时间 , doi: 10.11999/JEIT250221
摘要:
无人机部署为空中通信节点可为地面用户提供更为灵活、更高质量的服务。然而，无人机易受到外界恶意干扰导致通信性能严重下降。传统抗干扰方案如跳频抗干扰计算量大，在计算资源与能量受限的无人机上难以适用。针对上述问题，该文综合采用多点协作(CoMP)技术和符号级预编码(SLP)技术，提出多无人机信干噪比适配的符号级预编码与位置联合抗干扰优化策略。针对三维空间和存在同一节点属于多个集合等挑战，巧妙地设计了3D-Kmeans++协作集划分的空地多节点匹配机制。为了解决预编码矩阵和位置联合优化时计算量大的问题，基于最优预编码矩阵和位置之间的关联关系，提出基于粒子重构的低复杂度迭代优化算法，可同时求解出无人机的预编码矩阵和位置。另外，针对用户所受干扰和噪声的差异化功率特征，提出信干噪比(SINR)适配的符号级预编码，实现了多架无人机功率分配的优化设计。仿真结果表明，与不划分协作集对比，采用该文所提空地多节点匹配机制后受干扰通信用户的信干噪比提升5 dB左右；与传统符号级预编码对比，采用该文所提预编码和迭代优化算法，受干扰通信用户的信干噪比能提升12～13 dB，同时保证普通通信用户的正常通信不受影响，提升了系统能量效率，降低了计算复杂度。
无人机部署为空中通信节点可为地面用户提供更为灵活、更高质量的服务。然而，无人机易受到外界恶意干扰导致通信性能严重下降。传统抗干扰方案如跳频抗干扰计算量大，在计算资源与能量受限的无人机上难以适用。针对上述问题，该文综合采用多点协作(CoMP)技术和符号级预编码(SLP)技术，提出多无人机信干噪比适配的符号级预编码与位置联合抗干扰优化策略。针对三维空间和存在同一节点属于多个集合等挑战，巧妙地设计了3D-Kmeans++协作集划分的空地多节点匹配机制。为了解决预编码矩阵和位置联合优化时计算量大的问题，基于最优预编码矩阵和位置之间的关联关系，提出基于粒子重构的低复杂度迭代优化算法，可同时求解出无人机的预编码矩阵和位置。另外，针对用户所受干扰和噪声的差异化功率特征，提出信干噪比(SINR)适配的符号级预编码，实现了多架无人机功率分配的优化设计。仿真结果表明，与不划分协作集对比，采用该文所提空地多节点匹配机制后受干扰通信用户的信干噪比提升5 dB左右；与传统符号级预编码对比，采用该文所提预编码和迭代优化算法，受干扰通信用户的信干噪比能提升12～13 dB，同时保证普通通信用户的正常通信不受影响，提升了系统能量效率，降低了计算复杂度。
, 最新更新时间 , doi: 10.11999/JEIT250242
摘要:
通感算一体化技术与人工智能算法相结合已成为一个非常重要的领域，因其频谱利用率高、硬件成本低等优点，已经成为第6代(6G)网络中的关键技术之一。人工智能(AI)赋能的通感算一体化系统通过集成感知、通信、计算和人工智能功能，可在日益复杂和动态的环境中实现快速数据处理、实时资源优化和智能决策，已经广泛应用于智能车载网络，包括无人机和自动汽车，以及雷达应用、定位和跟踪、波束成形等领域。该文在引入人工智能算法来提高通感算一体化系统性能的基础上，简要介绍了人工智能和通感算一体化的特征与优势，重点讨论了AI赋能的通感算一体化系统的智能网络框架、应用前景、性能指标和关键技术，并在最后对AI赋能的通感算一体化面临的挑战进行了研究展望，未来的6G无线通信网络将超越纯粹的数据传输管道，成为一个集成传感、通信、计算和智能的综合平台，以提供无处不在的人工智能服务。
通感算一体化技术与人工智能算法相结合已成为一个非常重要的领域，因其频谱利用率高、硬件成本低等优点，已经成为第6代(6G)网络中的关键技术之一。人工智能(AI)赋能的通感算一体化系统通过集成感知、通信、计算和人工智能功能，可在日益复杂和动态的环境中实现快速数据处理、实时资源优化和智能决策，已经广泛应用于智能车载网络，包括无人机和自动汽车，以及雷达应用、定位和跟踪、波束成形等领域。该文在引入人工智能算法来提高通感算一体化系统性能的基础上，简要介绍了人工智能和通感算一体化的特征与优势，重点讨论了AI赋能的通感算一体化系统的智能网络框架、应用前景、性能指标和关键技术，并在最后对AI赋能的通感算一体化面临的挑战进行了研究展望，未来的6G无线通信网络将超越纯粹的数据传输管道，成为一个集成传感、通信、计算和智能的综合平台，以提供无处不在的人工智能服务。
, 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/JEIT250182
摘要:
轨道交通网络站点中心性研究对轨道交通系统安全至关重要。识别轨道交通网络的关键节点有助于提前设置预案，降低站点故障影响，确保运行安全。根据现有研究分析，静态拓扑和动态客流是影响站点中心性的两大关键因素。鉴于此，该文提出一种融合静态拓扑和动态客流的轨道交通站点中心性指标。该指标基于PageRank与改进K核评估轨道交通网络的静态拓扑中心性，并充分考虑进站人数和出站人数评估动态客流中心性。此外，该文还提出了一种动态客流对于静态拓扑重要性的增强方法，确保二者的有机融合。基于上海市轨道交通网络真实数据的级联失效实验表明该文方法能够有效、稳定地识别轨道交通网络的关键站点。对这些站点进行重点保护，可以增强轨道交通网络对级联失效的抗毁性，提升整体系统安全。
轨道交通网络站点中心性研究对轨道交通系统安全至关重要。识别轨道交通网络的关键节点有助于提前设置预案，降低站点故障影响，确保运行安全。根据现有研究分析，静态拓扑和动态客流是影响站点中心性的两大关键因素。鉴于此，该文提出一种融合静态拓扑和动态客流的轨道交通站点中心性指标。该指标基于PageRank与改进K核评估轨道交通网络的静态拓扑中心性，并充分考虑进站人数和出站人数评估动态客流中心性。此外，该文还提出了一种动态客流对于静态拓扑重要性的增强方法，确保二者的有机融合。基于上海市轨道交通网络真实数据的级联失效实验表明该文方法能够有效、稳定地识别轨道交通网络的关键站点。对这些站点进行重点保护，可以增强轨道交通网络对级联失效的抗毁性，提升整体系统安全。
, 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/JEIT250208
摘要:
该文考虑一种低轨(LEO)卫星通感一体化系统中的隐蔽通信传输方案，在确保系统的感知性能不低于预设阈值的同时，利用雷达波束干扰监听者，提高卫星通信的隐蔽性。首先，提出了LEO卫星通感一体化系统的系统模型，分析了系统中的隐蔽性约束。其次，在此基础之上，构建了以最大化多用户隐蔽通信速率总和为目标函数，以卫星功率上限、雷达功率上限、感知性能下限和隐蔽性要求为约束的优化问题。该优化问题非凸且变量耦合严重，无法直接求解，可以采用交替优化算法和连续凸近似(SCA)算法等方式对原问题进行转换和迭代求解。最后仿真结果表明，与无雷达波束干扰的卫星隐蔽通信系统相比，所提出的有雷达波束干扰的系统能够有效降低监听者的检测性能，从而提高通信的隐蔽性和速率。
该文考虑一种低轨(LEO)卫星通感一体化系统中的隐蔽通信传输方案，在确保系统的感知性能不低于预设阈值的同时，利用雷达波束干扰监听者，提高卫星通信的隐蔽性。首先，提出了LEO卫星通感一体化系统的系统模型，分析了系统中的隐蔽性约束。其次，在此基础之上，构建了以最大化多用户隐蔽通信速率总和为目标函数，以卫星功率上限、雷达功率上限、感知性能下限和隐蔽性要求为约束的优化问题。该优化问题非凸且变量耦合严重，无法直接求解，可以采用交替优化算法和连续凸近似(SCA)算法等方式对原问题进行转换和迭代求解。最后仿真结果表明，与无雷达波束干扰的卫星隐蔽通信系统相比，所提出的有雷达波束干扰的系统能够有效降低监听者的检测性能，从而提高通信的隐蔽性和速率。
, 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/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/JEIT221203
摘要:
为克服联邦学习(FL)客户端数据和模型均需同构的局限性并且提高训练精度，该文提出一种基于合作博弈和知识蒸馏的个性化联邦学习(pFedCK)算法。在该算法中，每个客户端将在公共数据集上训练得到的局部软预测上传到中心服务器并根据余弦相似度从服务器下载最相近的k个软预测形成一个联盟，然后利用合作博弈中的夏普利值来衡量客户端之间多重协作的影响，量化所下载软预测对本地个性化学习效果的累计贡献值，以此确定联盟中每个客户端的最佳聚合系数，从而得到更优的聚合模型。最后采用知识蒸馏将聚合模型的知识迁移到本地模型，并在隐私数据集上进行本地训练。仿真结果表明，与其他算法相比，pFedCK算法可以将个性化精度提升约10%。
为克服联邦学习(FL)客户端数据和模型均需同构的局限性并且提高训练精度，该文提出一种基于合作博弈和知识蒸馏的个性化联邦学习(pFedCK)算法。在该算法中，每个客户端将在公共数据集上训练得到的局部软预测上传到中心服务器并根据余弦相似度从服务器下载最相近的k个软预测形成一个联盟，然后利用合作博弈中的夏普利值来衡量客户端之间多重协作的影响，量化所下载软预测对本地个性化学习效果的累计贡献值，以此确定联盟中每个客户端的最佳聚合系数，从而得到更优的聚合模型。最后采用知识蒸馏将聚合模型的知识迁移到本地模型，并在隐私数据集上进行本地训练。仿真结果表明，与其他算法相比，pFedCK算法可以将个性化精度提升约10%。
, 最新更新时间 , doi: 10.11999/JEIT210265
摘要:
应用频控阵式多输入多输出(FDA-MIMO)雷达实现目标距离-角度联合估计越来越受到人们的重视，利用FDA同时获得发射波束图在角度和距离的自由度。但其性能因波束图的周期性和时变性而降低。因此，该文基于时间调制和距离补偿FDA-MIMO(TMRC-FDA-MIMO)雷达的新波形合成模型，提出了一种改进的基于旋转不变技术的信号参数估计(ESPRIT)算法。最后，通过距离和角度估计的克拉美罗下界和均方根误差，与固定频偏FDA-MIMO、对数频偏FDA-MIMO雷达系统和多信号分类(MUSIC)算法进行了对比，验证了所提方法的优异性能。
应用频控阵式多输入多输出(FDA-MIMO)雷达实现目标距离-角度联合估计越来越受到人们的重视，利用FDA同时获得发射波束图在角度和距离的自由度。但其性能因波束图的周期性和时变性而降低。因此，该文基于时间调制和距离补偿FDA-MIMO(TMRC-FDA-MIMO)雷达的新波形合成模型，提出了一种改进的基于旋转不变技术的信号参数估计(ESPRIT)算法。最后，通过距离和角度估计的克拉美罗下界和均方根误差，与固定频偏FDA-MIMO、对数频偏FDA-MIMO雷达系统和多信号分类(MUSIC)算法进行了对比，验证了所提方法的优异性能。
, 最新更新时间 , doi: 10.11999/JEIT201066
摘要:
针对增强型罗兰(eLORAN)系统增补发射台站建设中的组重复周期(GRI)选择问题，该文主要从数学的角度出发，提出一种基于交叉干扰率的筛选算法。该算法首先考虑了最小可用组重复周期以及秒信息量的要求，并在此基础上通过比较与临近的罗兰C台站间的相对交叉干扰率进行1次筛选；之后通过排列组合进行两两比较并2次筛选；最后，综合考虑数据率要求、系统规范、无交叉干扰等条件，得到最优组重复周期组合。随后，鉴于新型eLORAN系统的高精度授时要求，在GRI最优组合中进行了优选。分析结果表明，该方法得出的优选组合的平均交叉干扰率与现有导航台链相当，同时可兼顾授时需求，可以为高精度地基授时系统建设提供参考性建议和理论依据。
针对增强型罗兰(eLORAN)系统增补发射台站建设中的组重复周期(GRI)选择问题，该文主要从数学的角度出发，提出一种基于交叉干扰率的筛选算法。该算法首先考虑了最小可用组重复周期以及秒信息量的要求，并在此基础上通过比较与临近的罗兰C台站间的相对交叉干扰率进行1次筛选；之后通过排列组合进行两两比较并2次筛选；最后，综合考虑数据率要求、系统规范、无交叉干扰等条件，得到最优组重复周期组合。随后，鉴于新型eLORAN系统的高精度授时要求，在GRI最优组合中进行了优选。分析结果表明，该方法得出的优选组合的平均交叉干扰率与现有导航台链相当，同时可兼顾授时需求，可以为高精度地基授时系统建设提供参考性建议和理论依据。
