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/JEIT240464
摘要:
针对移动用户数量迅猛增长和地面基础设施分布稀疏所带来的挑战，该文提出一种能量收集辅助的空地协同计算卸载架构。该架构充分利用无人机(UAVs)的灵活机动性和路侧单元(RSUs)及基站(BS)的强大算力，实现了任务计算的动态实时分发。特别地，无人机通过能量收集来维持其持续运行和稳定的计算性能。考虑到无人机与地面车辆的高动态性、车辆计算任务的随机性，以及信道模型的时变性，提出一个能耗受限的长期优化问题，旨在从全局角度有效降低整个系统的平均时延。为了解决这一复杂的混合整数规划(MIP)问题，提出一种基于改进演员-评论家(Actor-Critic)强化学习算法的计算卸载策略(IACA)。该算法运用李雅普诺夫优化技术，将长期系统时延优化问题分解为一系列易于处理的帧级子问题。然后，利用遗传算法计算目标Q值替代目标神经网络输出以调整强化学习进化方向，有效避免了算法陷入局部最优，从而实现动态车辆网络中的高效卸载和资源优化。通过综合仿真验证了所提计算卸载架构和算法的可行性和优越性。
针对移动用户数量迅猛增长和地面基础设施分布稀疏所带来的挑战，该文提出一种能量收集辅助的空地协同计算卸载架构。该架构充分利用无人机(UAVs)的灵活机动性和路侧单元(RSUs)及基站(BS)的强大算力，实现了任务计算的动态实时分发。特别地，无人机通过能量收集来维持其持续运行和稳定的计算性能。考虑到无人机与地面车辆的高动态性、车辆计算任务的随机性，以及信道模型的时变性，提出一个能耗受限的长期优化问题，旨在从全局角度有效降低整个系统的平均时延。为了解决这一复杂的混合整数规划(MIP)问题，提出一种基于改进演员-评论家(Actor-Critic)强化学习算法的计算卸载策略(IACA)。该算法运用李雅普诺夫优化技术，将长期系统时延优化问题分解为一系列易于处理的帧级子问题。然后，利用遗传算法计算目标Q值替代目标神经网络输出以调整强化学习进化方向，有效避免了算法陷入局部最优，从而实现动态车辆网络中的高效卸载和资源优化。通过综合仿真验证了所提计算卸载架构和算法的可行性和优越性。
, 最新更新时间 , doi: 10.11999/JEIT240677
摘要:
作为全球化通信网络的重要组成部分，卫星通信因其能够实现全球无缝覆盖和构建天地一体化信息网络而备受关注。跳时(TH)作为一种常用的卫星通信方式，具备强大的抗干扰能力、灵活的频谱利用和高安全性。该文提出一种适用于卫星通信的TH图案随机变化系统，以进一步增强数据传输过程的安全性。针对发射功率受限的问题，该文中提出了多跳信号相干合并策略，并进一步在该策略指导下，面对接收信号信噪比(SNR)低的约束，提出了交叉熵(CE)迭代辅助的跳时图案与多跳载波相位联合估计算法，以合并信噪比损失为目标函数，自适应调整待估参数的概率分布，从而快速收敛至最优解附近。仿真实验证明了该算法在迭代收敛速度、参数估计误差以及合并解调误码率等方面的优异性能。与传统算法相比，该文所提算法在保持较低复杂度的同时，误码率(BER)性能接近理论最优，有效提高了卫星TH通信系统在复杂环境下的稳定性和可靠性。
作为全球化通信网络的重要组成部分，卫星通信因其能够实现全球无缝覆盖和构建天地一体化信息网络而备受关注。跳时(TH)作为一种常用的卫星通信方式，具备强大的抗干扰能力、灵活的频谱利用和高安全性。该文提出一种适用于卫星通信的TH图案随机变化系统，以进一步增强数据传输过程的安全性。针对发射功率受限的问题，该文中提出了多跳信号相干合并策略，并进一步在该策略指导下，面对接收信号信噪比(SNR)低的约束，提出了交叉熵(CE)迭代辅助的跳时图案与多跳载波相位联合估计算法，以合并信噪比损失为目标函数，自适应调整待估参数的概率分布，从而快速收敛至最优解附近。仿真实验证明了该算法在迭代收敛速度、参数估计误差以及合并解调误码率等方面的优异性能。与传统算法相比，该文所提算法在保持较低复杂度的同时，误码率(BER)性能接近理论最优，有效提高了卫星TH通信系统在复杂环境下的稳定性和可靠性。
, 最新更新时间 , doi: 10.11999/JEIT240650
摘要:
低轨导航星座卫星数量多，信号多普勒频偏大，接收机冷启动搜索空间巨大，捕获速度慢，该文提出一种伪码调相-线性调频(CSK-LFM)的导航信号波形，线性调频提高信号的多普勒容限，不同伪码相位实现不同卫星的多址播发，可以极大压缩卫星号、时延、多普勒3维搜索空间，加快了捕获信号捕获速度。仿真和实验结果表明，当信号强度为40 dBHz时，采用CSK-LFM调制的导航信号，其捕获性能比同等条件下的传统直接扩频序列(DSSS)调制的导航信号高1 dB左右，且信号搜索空间可降低为直接扩频序列调制的1/10。
低轨导航星座卫星数量多，信号多普勒频偏大，接收机冷启动搜索空间巨大，捕获速度慢，该文提出一种伪码调相-线性调频(CSK-LFM)的导航信号波形，线性调频提高信号的多普勒容限，不同伪码相位实现不同卫星的多址播发，可以极大压缩卫星号、时延、多普勒3维搜索空间，加快了捕获信号捕获速度。仿真和实验结果表明，当信号强度为40 dBHz时，采用CSK-LFM调制的导航信号，其捕获性能比同等条件下的传统直接扩频序列(DSSS)调制的导航信号高1 dB左右，且信号搜索空间可降低为直接扩频序列调制的1/10。
, 最新更新时间 , doi: 10.11999/JEIT240663
摘要:
隐蔽通信可以在被监控的情况下安全传输数据，是网络安全领域重要分支。然而，实际通信系统具有通信环境复杂、覆盖范围广等特点，这使得隐蔽通信很难部署。为此，该文提出一种基于智能反射面(IRS)与无人机(UAV)辅助的无线隐蔽通信系统。引入智能反射表面作为中继节点转发发送者的信号，使用无人机作为发送者的友元节点，该友元节点通过发送人工噪声来干扰恶意用户对隐蔽通信的检测。在监听者接收噪声不确定的情况下，推导了最小错误检测概率，并与中断概率作为约束，以最大化隐蔽通信速率为目标 ，建立了系统的优化问题，采用Dinkelbach算法求解。仿真结果表明，当智能反射阵元的相位、干扰无人机的发射能量取得最优时，所提系统的隐蔽通信速率比单独配置智能反射表面的无线通信系统平均提高了37.9%，比单独配置无人机的系统评价速率提高了1.17倍。
隐蔽通信可以在被监控的情况下安全传输数据，是网络安全领域重要分支。然而，实际通信系统具有通信环境复杂、覆盖范围广等特点，这使得隐蔽通信很难部署。为此，该文提出一种基于智能反射面(IRS)与无人机(UAV)辅助的无线隐蔽通信系统。引入智能反射表面作为中继节点转发发送者的信号，使用无人机作为发送者的友元节点，该友元节点通过发送人工噪声来干扰恶意用户对隐蔽通信的检测。在监听者接收噪声不确定的情况下，推导了最小错误检测概率，并与中断概率作为约束，以最大化隐蔽通信速率为目标 ，建立了系统的优化问题，采用Dinkelbach算法求解。仿真结果表明，当智能反射阵元的相位、干扰无人机的发射能量取得最优时，所提系统的隐蔽通信速率比单独配置智能反射表面的无线通信系统平均提高了37.9%，比单独配置无人机的系统评价速率提高了1.17倍。
, 最新更新时间 , doi: 10.11999/JEIT240624
摘要:
基于单智能体强化学习的任务卸载算法在解决大规模多接入边缘计算(MEC)系统任务卸载时，存在智能体之间相互影响，策略退化的问题。而以多智能体深度确定性策略梯度(MADDPG)为代表的传统多智能体算法的联合动作空间维度随着系统内智能体的数量增加而成比例增加，导致系统扩展性变差。为解决以上问题，该文将大规模多接入边缘计算任务卸载问题，描述为部分可观测马尔可夫决策过程(POMDP)，提出基于平均场多智能体的任务卸载算法。通过引入长短期记忆网络(LSTM)解决局部观测问题，引入平均场近似理论降低联合动作空间维度。仿真结果表明，所提算法在任务时延与任务掉线率上的性能优于单智能体任务卸载算法，并且在降低联合动作空间的维度情况下，任务时延与任务掉线率上的性能与MADDPG一致。
基于单智能体强化学习的任务卸载算法在解决大规模多接入边缘计算(MEC)系统任务卸载时，存在智能体之间相互影响，策略退化的问题。而以多智能体深度确定性策略梯度(MADDPG)为代表的传统多智能体算法的联合动作空间维度随着系统内智能体的数量增加而成比例增加，导致系统扩展性变差。为解决以上问题，该文将大规模多接入边缘计算任务卸载问题，描述为部分可观测马尔可夫决策过程(POMDP)，提出基于平均场多智能体的任务卸载算法。通过引入长短期记忆网络(LSTM)解决局部观测问题，引入平均场近似理论降低联合动作空间维度。仿真结果表明，所提算法在任务时延与任务掉线率上的性能优于单智能体任务卸载算法，并且在降低联合动作空间的维度情况下，任务时延与任务掉线率上的性能与MADDPG一致。
, 最新更新时间 , doi: 10.11999/JEIT240308
摘要:
反演光刻技术(ILT)相比传统的光学临近效应修正(OPC)，生成的掩模具有成像效果更好，工艺窗口更大等优点，在当前芯片制造的工艺尺寸不断减小的背景下，逐渐成为主流的光刻掩模修正技术。该文首先介绍了反演光刻算法的基本原理和几种主流实现方法；其次，调研了当前反演光刻技术应用在光刻掩模优化问题上的研究进展，分析了反演光刻技术的优势和存在的问题。以希望为计算光刻及相关研究领域的研究人员提供参考，为我国先进集成电路产业的发展提供技术支持。
反演光刻技术(ILT)相比传统的光学临近效应修正(OPC)，生成的掩模具有成像效果更好，工艺窗口更大等优点，在当前芯片制造的工艺尺寸不断减小的背景下，逐渐成为主流的光刻掩模修正技术。该文首先介绍了反演光刻算法的基本原理和几种主流实现方法；其次，调研了当前反演光刻技术应用在光刻掩模优化问题上的研究进展，分析了反演光刻技术的优势和存在的问题。以希望为计算光刻及相关研究领域的研究人员提供参考，为我国先进集成电路产业的发展提供技术支持。
, 最新更新时间 , doi: 10.11999/JEIT240648
摘要:
针对单传感器和单模态信号特征信息不足的问题，该文提出一种基于多模态融合的端到端深度聚类旋转机械多传感器故障诊断方法(EDCM-MFF)。首先，利用门控递归单元自编码模块提取多传感器故障信号的深度时序特征。然后，应用短时傅里叶变换(STFT)将故障信号转换为时频图像，并通过卷积自编码器提取这些图像的深度空间特征。接着，设计了一种模态融合注意力机制，通过计算不同模态深度特征之间的亲和矩阵，实现模态特征的融合。最后，采用Kullback-Leibler(KL)散度聚类，以端到端方式实现故障类型的识别。实验结果显示，该方法在东南大学齿轮箱和轴承数据集上的识别准确率分别为99.16%和98.63%。与现有的无监督学习方法相比，所提方法能够更有效地实现多传感器和多模态的旋转机械故障诊断。
针对单传感器和单模态信号特征信息不足的问题，该文提出一种基于多模态融合的端到端深度聚类旋转机械多传感器故障诊断方法(EDCM-MFF)。首先，利用门控递归单元自编码模块提取多传感器故障信号的深度时序特征。然后，应用短时傅里叶变换(STFT)将故障信号转换为时频图像，并通过卷积自编码器提取这些图像的深度空间特征。接着，设计了一种模态融合注意力机制，通过计算不同模态深度特征之间的亲和矩阵，实现模态特征的融合。最后，采用Kullback-Leibler(KL)散度聚类，以端到端方式实现故障类型的识别。实验结果显示，该方法在东南大学齿轮箱和轴承数据集上的识别准确率分别为99.16%和98.63%。与现有的无监督学习方法相比，所提方法能够更有效地实现多传感器和多模态的旋转机械故障诊断。
, 最新更新时间 , doi: 10.11999/JEIT240595
摘要:
在复杂的海洋环境中，目标的可知信息受环境噪声、混响等的干扰严重，导致目标跟踪效果较差，而从这些干扰中提取目标的可利用特征及其困难。该文将目标与环境的耦合特征融入目标跟踪算法中，提出了一种基于主动波导不变量分布的改进扩展卡尔曼滤波跟踪方法。首先基于浅海波导中目标散射特性基本理论，推导了收发分置条件下的主动波导不变量表征的数学模型，获得了距离、频率以及主动波导不变量分布的约束关系；然后将该约束加入到扩展卡尔曼滤波的状态向量中，通过增加新的约束来提高目标运动模型与真实目标运动轨迹的契合度进而提高目标跟踪的精度；最后通过仿真实验和实测数据验证了该方法的跟踪性能，结果显示：该方法较常规扩展卡尔曼滤波跟踪方法能够更好地提高目标跟踪精度，仿真中结果的优化率约能达到50%，实测数据处理结果的优化率约在60%左右。
在复杂的海洋环境中，目标的可知信息受环境噪声、混响等的干扰严重，导致目标跟踪效果较差，而从这些干扰中提取目标的可利用特征及其困难。该文将目标与环境的耦合特征融入目标跟踪算法中，提出了一种基于主动波导不变量分布的改进扩展卡尔曼滤波跟踪方法。首先基于浅海波导中目标散射特性基本理论，推导了收发分置条件下的主动波导不变量表征的数学模型，获得了距离、频率以及主动波导不变量分布的约束关系；然后将该约束加入到扩展卡尔曼滤波的状态向量中，通过增加新的约束来提高目标运动模型与真实目标运动轨迹的契合度进而提高目标跟踪的精度；最后通过仿真实验和实测数据验证了该方法的跟踪性能，结果显示：该方法较常规扩展卡尔曼滤波跟踪方法能够更好地提高目标跟踪精度，仿真中结果的优化率约能达到50%，实测数据处理结果的优化率约在60%左右。
, 最新更新时间 , doi: 10.11999/JEIT240469
摘要:
针对存在突变测量偏差和未知时变量测噪声场景下的目标跟踪问题，该文提出一种偏差未补偿自适应边缘化容积卡尔曼滤波跟踪方法。首先通过建立差分量测方程来消除恒定的测量偏差，同时构建满足beta-Bernoulli分布的指示变量识别突变测量偏差，将相邻时刻目标状态扩维以满足实时滤波需求，利用逆Wishart分布建模未知量测噪声协方差矩阵，从而建立目标状态、指示变量、噪声协方差矩阵的联合分布，并通过变分贝叶斯推断来求解各个参数的近似后验。为减小滤波负担，对扩维后的状态向量进行边缘化处理，结合容积卡尔曼滤波方法实现边缘化容积卡尔曼滤波跟踪。仿真实验结果表明，所提方法能够同时处理突变测量偏差和未知时变量测噪声，从而对目标进行有效跟踪。
针对存在突变测量偏差和未知时变量测噪声场景下的目标跟踪问题，该文提出一种偏差未补偿自适应边缘化容积卡尔曼滤波跟踪方法。首先通过建立差分量测方程来消除恒定的测量偏差，同时构建满足beta-Bernoulli分布的指示变量识别突变测量偏差，将相邻时刻目标状态扩维以满足实时滤波需求，利用逆Wishart分布建模未知量测噪声协方差矩阵，从而建立目标状态、指示变量、噪声协方差矩阵的联合分布，并通过变分贝叶斯推断来求解各个参数的近似后验。为减小滤波负担，对扩维后的状态向量进行边缘化处理，结合容积卡尔曼滤波方法实现边缘化容积卡尔曼滤波跟踪。仿真实验结果表明，所提方法能够同时处理突变测量偏差和未知时变量测噪声，从而对目标进行有效跟踪。
, 最新更新时间 , doi: 10.11999/JEIT240735
摘要:
为在不增加网络参数规模的情况下提升目标分割性能，该文提出一种基于Transformer特征金字塔的自蒸馏目标分割方法，提升了Transformer分割模型的实用性。首先，以Swin Transformer为主干网构建了像素级的目标分割模型；然后，设计了适合Transformer的蒸馏辅助分支，该分支由密集连接空间空洞金字塔(DenseASPP)、相邻特征融合模块(AFFM)和得分模块构建而成，通过自蒸馏方式指导主干网络学习蒸馏知识；最后，利用自上而下的学习策略指导模型学习，以保证自蒸馏学习的一致性。实验表明，在4个公开数据集上所提方法均能有效提升目标分割精度，在伪装目标检测(COD)数据集上比次优的Transformer知识蒸馏(TKD)方法Fβ值提高了约1.6%。
为在不增加网络参数规模的情况下提升目标分割性能，该文提出一种基于Transformer特征金字塔的自蒸馏目标分割方法，提升了Transformer分割模型的实用性。首先，以Swin Transformer为主干网构建了像素级的目标分割模型；然后，设计了适合Transformer的蒸馏辅助分支，该分支由密集连接空间空洞金字塔(DenseASPP)、相邻特征融合模块(AFFM)和得分模块构建而成，通过自蒸馏方式指导主干网络学习蒸馏知识；最后，利用自上而下的学习策略指导模型学习，以保证自蒸馏学习的一致性。实验表明，在4个公开数据集上所提方法均能有效提升目标分割精度，在伪装目标检测(COD)数据集上比次优的Transformer知识蒸馏(TKD)方法Fβ值提高了约1.6%。
, 最新更新时间 , doi: 10.11999/JEIT240640
摘要:
通感一体化(ISAC)作为一种6G关键技术，将通信和感知功能集成到Wi-Fi设备，为室内人体呼吸频率感知提供一种有效的方法。针对当前基于ISAC的呼吸频率感知存在鲁棒性低和“盲点”的问题，该文提出一种基于信号变分模态分解(VMD)- 希尔伯特-黄变换(HHT)呼吸频率感知算法。首先，选择对环境感知敏感度较强的Wi-Fi链路构建信道状态信息(CSI)比值模型。其次，将滤波后的CSI比值时间序列的各子载波进行投影，结合幅相信息生成不同呼吸模式信号的候选集。再次，对于每一个子载波，根据周期性在候选集中选择一个短期呼吸噪声比最大的候选序列作为最终的呼吸模式，然后设置阈值选择子载波，并对其进行VMD和HHT时频分析，去除人体呼吸频率成分以外的模态分量，并重构剩余模态分量。在此基础上，利用主成分分析(PCA)对所有重构的子载波降维，选择方差贡献率达到99%以上的主成分分量，并使用ReliefF算法重新构建呼吸信号，得到融合信号。最后，对融合信号利用峰值检测算法计算呼吸频率。实验结果表明，该感知方法在会议办公室和走廊两种场景下的平均估计精度超过97%，显著提高了鲁棒性并克服了“盲点”问题，优于其他现有的感知方案。
通感一体化(ISAC)作为一种6G关键技术，将通信和感知功能集成到Wi-Fi设备，为室内人体呼吸频率感知提供一种有效的方法。针对当前基于ISAC的呼吸频率感知存在鲁棒性低和“盲点”的问题，该文提出一种基于信号变分模态分解(VMD)- 希尔伯特-黄变换(HHT)呼吸频率感知算法。首先，选择对环境感知敏感度较强的Wi-Fi链路构建信道状态信息(CSI)比值模型。其次，将滤波后的CSI比值时间序列的各子载波进行投影，结合幅相信息生成不同呼吸模式信号的候选集。再次，对于每一个子载波，根据周期性在候选集中选择一个短期呼吸噪声比最大的候选序列作为最终的呼吸模式，然后设置阈值选择子载波，并对其进行VMD和HHT时频分析，去除人体呼吸频率成分以外的模态分量，并重构剩余模态分量。在此基础上，利用主成分分析(PCA)对所有重构的子载波降维，选择方差贡献率达到99%以上的主成分分量，并使用ReliefF算法重新构建呼吸信号，得到融合信号。最后，对融合信号利用峰值检测算法计算呼吸频率。实验结果表明，该感知方法在会议办公室和走廊两种场景下的平均估计精度超过97%，显著提高了鲁棒性并克服了“盲点”问题，优于其他现有的感知方案。
, 最新更新时间 , doi: 10.11999/JEIT240590
摘要:
针对农村偏远地区通信不畅的临时突发性问题，该文提出一种自适应的多无人机(UAV)辅助通感一体化(ISAC)机制，在地面用户和感测目标呈簇状随机分布的情况下，通过合理调度多无人机实现覆盖式通信保障，为无人机使能的通感一体系统提供了一种新的解决思路和方案。该文主要研究了无人机空间部署及其对地面设备的波束成形等问题，在空地关联约束条件下，系统可通过优化无人机的通信和感知波束成形变量组，最大限度地提高用户传输可达速率的下限，同时保证基本的通感需求。为了有效解决所考虑的非凸优化问题，该文借助基于高斯核的均值漂移算法(MS)，用以处理关联策略中的混合整型线性问题，此外，结合2次变换与连续凸逼近(SCA)的相关技巧，采用块坐标下降(BCD)的方式优化波束成形，以获取次优解。数值结果验证了自适应机制的有效性。
针对农村偏远地区通信不畅的临时突发性问题，该文提出一种自适应的多无人机(UAV)辅助通感一体化(ISAC)机制，在地面用户和感测目标呈簇状随机分布的情况下，通过合理调度多无人机实现覆盖式通信保障，为无人机使能的通感一体系统提供了一种新的解决思路和方案。该文主要研究了无人机空间部署及其对地面设备的波束成形等问题，在空地关联约束条件下，系统可通过优化无人机的通信和感知波束成形变量组，最大限度地提高用户传输可达速率的下限，同时保证基本的通感需求。为了有效解决所考虑的非凸优化问题，该文借助基于高斯核的均值漂移算法(MS)，用以处理关联策略中的混合整型线性问题，此外，结合2次变换与连续凸逼近(SCA)的相关技巧，采用块坐标下降(BCD)的方式优化波束成形，以获取次优解。数值结果验证了自适应机制的有效性。
, 最新更新时间 , doi: 10.11999/JEIT240012
摘要:
通信感知一体化(ISAC)需要通信和感知共用无线电频段和硬件资源。多频段、大带宽、通信感知对硬件的要求不同等特点对通信感知一体化硬件设计提出更高要求。该文对后5G, 6G, WiFi等通信感知一体化的硬件设计、验证技术，以及硬件系统性验证平台进行归纳，对国内外近年相关硬件设计研究及其验证情况进行综述，关注通信感知两种系统对硬件的需求矛盾、带内全双工(IBFD)自干扰消除(SIC)、功放(PA)效率、电路性能对建模要求更高等硬件设计挑战。首先，总结、比较已有研究中通信感知一体化收发信机架构设计。然后，介绍、分析现有通信感知一体化带内全双工自干扰抑制方案、低峰均功率比(PAPR)波形与高性能PA设计、器件高精度建模方法以及硬件系统性验证平台。最后，总结全文并对未来通信感知一体化硬件设计所面临的开放性问题进行展望。
通信感知一体化(ISAC)需要通信和感知共用无线电频段和硬件资源。多频段、大带宽、通信感知对硬件的要求不同等特点对通信感知一体化硬件设计提出更高要求。该文对后5G, 6G, WiFi等通信感知一体化的硬件设计、验证技术，以及硬件系统性验证平台进行归纳，对国内外近年相关硬件设计研究及其验证情况进行综述，关注通信感知两种系统对硬件的需求矛盾、带内全双工(IBFD)自干扰消除(SIC)、功放(PA)效率、电路性能对建模要求更高等硬件设计挑战。首先，总结、比较已有研究中通信感知一体化收发信机架构设计。然后，介绍、分析现有通信感知一体化带内全双工自干扰抑制方案、低峰均功率比(PAPR)波形与高性能PA设计、器件高精度建模方法以及硬件系统性验证平台。最后，总结全文并对未来通信感知一体化硬件设计所面临的开放性问题进行展望。
, 最新更新时间 , doi: 10.11999/JEIT240601
摘要:
由于通信与目标感知波形的耦合共用，通感一体(ISAC)系统更容易面临信息泄露的风险。该文从隐蔽通信角度，研究了具有可移动阵元的同时透射和反射智能超表面(ME-STAR-RIS)辅助的ISAC系统。首先引入了ME-STAR-RIS，其阵元可在一定范围内移动，以获取更有利的信道条件。根据离散阵元部署位置模型，构建了ME-STAR-RIS辅助ISAC系统的波束优化模型，旨在联合设计ISAC基站(BS)处的主动波束成形以及ME-STAR-RIS处的柔性被动波束成形(包括阵元位置、相移和振幅系数)，在隐蔽通信质量约束下，最大化感知目标的探测波束增益。进而提出一种双层迭代优化算法有效求解主动和柔性被动波束成形。仿真结果验证了所提算法的有效性，并表明阵元移动能够有利于提升ISAC系统性能。
由于通信与目标感知波形的耦合共用，通感一体(ISAC)系统更容易面临信息泄露的风险。该文从隐蔽通信角度，研究了具有可移动阵元的同时透射和反射智能超表面(ME-STAR-RIS)辅助的ISAC系统。首先引入了ME-STAR-RIS，其阵元可在一定范围内移动，以获取更有利的信道条件。根据离散阵元部署位置模型，构建了ME-STAR-RIS辅助ISAC系统的波束优化模型，旨在联合设计ISAC基站(BS)处的主动波束成形以及ME-STAR-RIS处的柔性被动波束成形(包括阵元位置、相移和振幅系数)，在隐蔽通信质量约束下，最大化感知目标的探测波束增益。进而提出一种双层迭代优化算法有效求解主动和柔性被动波束成形。仿真结果验证了所提算法的有效性，并表明阵元移动能够有利于提升ISAC系统性能。
, 最新更新时间 , doi: 10.11999/JEIT240659
摘要:
为满足远郊和灾区物联网(IoT)设备的时延与能耗需求，该文构建了由IoT终端、低地球轨道(LEO)卫星和云计算中心组成的新型动态卫星物联网模型。在时延、能耗等实际约束条件下，将系统时延与能耗加权和视为系统开销，构造了最小化系统开销的任务卸载、功率和计算资源联合分配问题。针对动态任务到达场景，提出一种模型辅助的自适应深度强化学习(MADRL)算法，实现任务卸载决策、通信资源和计算资源的联合配置。该算法将问题分为两部分解决，第1部分通过模型辅助、二分搜索算法和梯度下降法优化了通信资源与计算资源；第2部分通过自适应深度强化学习算法训练出Q网络以适应随机任务的到达，进行卸载决策优化。该算法实现了有效的资源分配和可靠及时的任务卸载决策，且在降低系统开销方面表现出优异的效果。仿真结果表明，引入卫星的移动性，使得系统开销降低了41%。引入星间协作技术，使系统开销降低了22.1%。此外，该文所提算法收敛性能好。与基准算法相比，该算法的系统开销降低了3%，在不同环境下的性能表现都是最优。
为满足远郊和灾区物联网(IoT)设备的时延与能耗需求，该文构建了由IoT终端、低地球轨道(LEO)卫星和云计算中心组成的新型动态卫星物联网模型。在时延、能耗等实际约束条件下，将系统时延与能耗加权和视为系统开销，构造了最小化系统开销的任务卸载、功率和计算资源联合分配问题。针对动态任务到达场景，提出一种模型辅助的自适应深度强化学习(MADRL)算法，实现任务卸载决策、通信资源和计算资源的联合配置。该算法将问题分为两部分解决，第1部分通过模型辅助、二分搜索算法和梯度下降法优化了通信资源与计算资源；第2部分通过自适应深度强化学习算法训练出Q网络以适应随机任务的到达，进行卸载决策优化。该算法实现了有效的资源分配和可靠及时的任务卸载决策，且在降低系统开销方面表现出优异的效果。仿真结果表明，引入卫星的移动性，使得系统开销降低了41%。引入星间协作技术，使系统开销降低了22.1%。此外，该文所提算法收敛性能好。与基准算法相比，该算法的系统开销降低了3%，在不同环境下的性能表现都是最优。
, 最新更新时间 , doi: 10.11999/JEIT240029
摘要:
针对当前网络拓扑欺骗防御方法仅从空间维度进行决策，没有考虑云原生网络环境下如何进行时空多维度拓扑欺骗防御的问题，该文提出基于深度强化学习的多阶段Flipit博弈网络拓扑欺骗防御方法来混淆云原生网络中的侦察攻击。首先分析了云原生网络环境下的拓扑欺骗攻防模型，接着在引入折扣因子和转移概率的基础上，构建了基于Flipit的多阶段博弈网络拓扑欺骗防御模型。在分析博弈攻防策略的前提下，构建了基于深度强化学习的拓扑欺骗生成方法求解多阶段博弈模型的拓扑欺骗防御策略。最后，通过搭建实验环境，验证了所提方法能够有效建模分析云原生网络的拓扑欺骗攻防场景，且所提算法相比于其他算法具有明显的优势。
针对当前网络拓扑欺骗防御方法仅从空间维度进行决策，没有考虑云原生网络环境下如何进行时空多维度拓扑欺骗防御的问题，该文提出基于深度强化学习的多阶段Flipit博弈网络拓扑欺骗防御方法来混淆云原生网络中的侦察攻击。首先分析了云原生网络环境下的拓扑欺骗攻防模型，接着在引入折扣因子和转移概率的基础上，构建了基于Flipit的多阶段博弈网络拓扑欺骗防御模型。在分析博弈攻防策略的前提下，构建了基于深度强化学习的拓扑欺骗生成方法求解多阶段博弈模型的拓扑欺骗防御策略。最后，通过搭建实验环境，验证了所提方法能够有效建模分析云原生网络的拓扑欺骗攻防场景，且所提算法相比于其他算法具有明显的优势。
, 最新更新时间 , doi: 10.11999/JEIT240087
摘要:
为提升情感识别模型的准确率，解决情感特征提取不充分的问题，对语音和面部图像的双模态情感识别进行研究。语音模态提出一种结合通道-空间注意力机制的多分支卷积神经网络(Multi-branch Convolutional Neural Networks, MCNN)特征提取模型，在时间、空间和局部特征维度对语音频谱图提取情感特征；面部图像模态提出一种残差混合卷积神经网络(Residual Hybrid Convolutional Neural Network, RHCNN)的特征提取模型，进一步建立并行注意力机制关注全局情感特征，提高识别准确率；将提取到的语音和面部图像特征分别通过分类层进行分类识别，并使用决策融合对识别结果进行最终的融合分类。实验结果表明，所提双模态融合模型在RAVDESS, eNTERFACE’05, RML三个数据集上的识别准确率分别达到了97.22%, 94.78%和96.96%，比语音单模态的识别准确率分别提升了11.02%, 4.24%, 8.83%，比面部图像单模态的识别准确率分别提升了4.60%, 6.74%, 4.10%，且与近年来对应数据集上的相关方法相比均有所提升。说明了所提的双模态融合模型能有效聚焦情感信息，从而提升情感识别的准确率。
为提升情感识别模型的准确率，解决情感特征提取不充分的问题，对语音和面部图像的双模态情感识别进行研究。语音模态提出一种结合通道-空间注意力机制的多分支卷积神经网络(Multi-branch Convolutional Neural Networks, MCNN)特征提取模型，在时间、空间和局部特征维度对语音频谱图提取情感特征；面部图像模态提出一种残差混合卷积神经网络(Residual Hybrid Convolutional Neural Network, RHCNN)的特征提取模型，进一步建立并行注意力机制关注全局情感特征，提高识别准确率；将提取到的语音和面部图像特征分别通过分类层进行分类识别，并使用决策融合对识别结果进行最终的融合分类。实验结果表明，所提双模态融合模型在RAVDESS, eNTERFACE’05, RML三个数据集上的识别准确率分别达到了97.22%, 94.78%和96.96%，比语音单模态的识别准确率分别提升了11.02%, 4.24%, 8.83%，比面部图像单模态的识别准确率分别提升了4.60%, 6.74%, 4.10%，且与近年来对应数据集上的相关方法相比均有所提升。说明了所提的双模态融合模型能有效聚焦情感信息，从而提升情感识别的准确率。
, 最新更新时间 , doi: 10.11999/JEIT240399
摘要:
地电极电流场透地通信可以为地下强遮蔽空间信息传输提供解决方案。针对接收的电流场信号信噪比(SNR)低、易畸变且受载波频偏影响大导致捕获困难的问题，该文设计一种长同步信号帧结构，在此基础上提出一种联合频偏粗估计和精估计的两阶段长相关信号捕获算法。该算法第1阶段利用接收时域信号中的训练符号，依据最大似然算法进行采样间隔偏差粗估计，并计算采样点补偿间隔粗估计值。第2阶段结合粗估计值和接收信噪比，确定采样点补偿间隔精估计值的遍历范围，进而设计本地补偿后的长相关模板信号，实现电流场信号的精确捕获。本研究在距离地面30.26 m的地下强遮蔽空间中进行了算法性能验证。实验结果表明，与传统的滑动相关算法相比，该文所提算法具有更高的捕获成功概率。
地电极电流场透地通信可以为地下强遮蔽空间信息传输提供解决方案。针对接收的电流场信号信噪比(SNR)低、易畸变且受载波频偏影响大导致捕获困难的问题，该文设计一种长同步信号帧结构，在此基础上提出一种联合频偏粗估计和精估计的两阶段长相关信号捕获算法。该算法第1阶段利用接收时域信号中的训练符号，依据最大似然算法进行采样间隔偏差粗估计，并计算采样点补偿间隔粗估计值。第2阶段结合粗估计值和接收信噪比，确定采样点补偿间隔精估计值的遍历范围，进而设计本地补偿后的长相关模板信号，实现电流场信号的精确捕获。本研究在距离地面30.26 m的地下强遮蔽空间中进行了算法性能验证。实验结果表明，与传统的滑动相关算法相比，该文所提算法具有更高的捕获成功概率。
, 最新更新时间 , doi: 10.11999/JEIT240299
摘要:
随着摩尔定律的逐步失效，芯片制造工艺的提升愈发困难，芯片性能的提升面临“面积墙”问题，chiplet(芯粒)技术开始被广泛采用来解决此问题。然而，面向chiplet引入的架构设计参数，目前的体系结构模拟器面临新的挑战。为了能够探索chiplet架构的特定设计参数，现有工作通常只会为模拟器增加单一的功能，导致其难以用于探索多个参数对chiplet芯片的整体影响。为了能够较为全面地探索和评估chiplet芯片架构，该文基于现有gem5模拟器实现了面向通用处理器芯粒架构探索和评估的系统级模拟器(SEEChiplet)模拟器框架。首先，总结了现在chiplet芯片设计关注的3类设计参数，包括：(1) 芯片cache系统设计；(2) 封装方式模拟；(3) chiplet间的互连网络。其次，针对上述3类参数：(1)设计并实现了私有末级缓存系统，扩大了cache系统设计空间；(2) 修改了gem5已有的全局目录，以适配私有末级缓存(LLC)系统；(3) 建模了两种常见的chiplet封装方式以及chiplet间互连网络。最后，该文在SEEChiplet框架中进行了系统级的模拟评估，在被测chiplet架构通用处理器上运行操作系统及PARSEC 3.0基准测试程序，验证了SEEChiplet的功能，证明SEEChiplet可以对chiplet设计空间进行探索和评估。
随着摩尔定律的逐步失效，芯片制造工艺的提升愈发困难，芯片性能的提升面临“面积墙”问题，chiplet(芯粒)技术开始被广泛采用来解决此问题。然而，面向chiplet引入的架构设计参数，目前的体系结构模拟器面临新的挑战。为了能够探索chiplet架构的特定设计参数，现有工作通常只会为模拟器增加单一的功能，导致其难以用于探索多个参数对chiplet芯片的整体影响。为了能够较为全面地探索和评估chiplet芯片架构，该文基于现有gem5模拟器实现了面向通用处理器芯粒架构探索和评估的系统级模拟器(SEEChiplet)模拟器框架。首先，总结了现在chiplet芯片设计关注的3类设计参数，包括：(1) 芯片cache系统设计；(2) 封装方式模拟；(3) chiplet间的互连网络。其次，针对上述3类参数：(1)设计并实现了私有末级缓存系统，扩大了cache系统设计空间；(2) 修改了gem5已有的全局目录，以适配私有末级缓存(LLC)系统；(3) 建模了两种常见的chiplet封装方式以及chiplet间互连网络。最后，该文在SEEChiplet框架中进行了系统级的模拟评估，在被测chiplet架构通用处理器上运行操作系统及PARSEC 3.0基准测试程序，验证了SEEChiplet的功能，证明SEEChiplet可以对chiplet设计空间进行探索和评估。
, 最新更新时间 , doi: 10.11999/JEIT240407
摘要:
深度强化学习(DRL)在智能驾驶决策中的应用日益广泛，通过与环境的持续交互，能够有效提高智能驾驶系统的决策能力。然而，DRL在实际应用中面临学习效率低和数据共享安全性差的问题。为了解决这些问题，该文提出一种基于有向无环图(DAG)区块链辅助深度强化学习的智能驾驶策略优化(D-IDSO)算法。首先，构建了基于DAG区块链的双层安全数据共享架构，以确保模型数据共享的效率和安全性。其次，设计了一个基于DRL的智能驾驶决策模型，综合考虑安全性、舒适性和高效性设定多目标奖励函数，优化智能驾驶决策。此外，提出了一种改进型优先经验回放的双延时确定策略梯度(IPER-TD3)方法，以提升训练效率。最后，在CARLA仿真平台中选取制动和变道场景对智能网联汽车(CAV)进行训练。实验结果表明，所提算法显著提高了智能驾驶场景中模型训练效率，在确保模型数据安全共享的基础上，有效提升了智能驾驶的安全性、舒适性和高效性。
深度强化学习(DRL)在智能驾驶决策中的应用日益广泛，通过与环境的持续交互，能够有效提高智能驾驶系统的决策能力。然而，DRL在实际应用中面临学习效率低和数据共享安全性差的问题。为了解决这些问题，该文提出一种基于有向无环图(DAG)区块链辅助深度强化学习的智能驾驶策略优化(D-IDSO)算法。首先，构建了基于DAG区块链的双层安全数据共享架构，以确保模型数据共享的效率和安全性。其次，设计了一个基于DRL的智能驾驶决策模型，综合考虑安全性、舒适性和高效性设定多目标奖励函数，优化智能驾驶决策。此外，提出了一种改进型优先经验回放的双延时确定策略梯度(IPER-TD3)方法，以提升训练效率。最后，在CARLA仿真平台中选取制动和变道场景对智能网联汽车(CAV)进行训练。实验结果表明，所提算法显著提高了智能驾驶场景中模型训练效率，在确保模型数据安全共享的基础上，有效提升了智能驾驶的安全性、舒适性和高效性。
, 最新更新时间 , doi: 10.11999/JEIT240491
摘要:
在合成孔径雷达(SAR)图像飞机目标检测识别中，飞机目标图像呈现离散特性以及结构之间的相似性会降低飞机检测与识别的准确率。为此该文设计了一种目标区域特征增强的SAR图像飞机目标检测与识别网络。网络由3部分组成：保护飞机特征的跨阶段部分网络(FP-CSPDarnet)、自适应特征融合的特征金字塔(FPN-A)以及目标区域散射特征提取与增强的检测头(D-Head)。FP-CSPDarnet在提取特征的同时可以有效保护SAR图像飞机特征；FPN-A采用多层次特征自适应融合、细化，来增强飞机特征；D-Head在检测前有效增强飞机可辨别特征，提升飞机检测与识别精度。利用SAR-ADRD数据集的实验结果证明了该文所提方法有效性，其平均精度相对与基线网络YOLOv5s提升了2.0%。
在合成孔径雷达(SAR)图像飞机目标检测识别中，飞机目标图像呈现离散特性以及结构之间的相似性会降低飞机检测与识别的准确率。为此该文设计了一种目标区域特征增强的SAR图像飞机目标检测与识别网络。网络由3部分组成：保护飞机特征的跨阶段部分网络(FP-CSPDarnet)、自适应特征融合的特征金字塔(FPN-A)以及目标区域散射特征提取与增强的检测头(D-Head)。FP-CSPDarnet在提取特征的同时可以有效保护SAR图像飞机特征；FPN-A采用多层次特征自适应融合、细化，来增强飞机特征；D-Head在检测前有效增强飞机可辨别特征，提升飞机检测与识别精度。利用SAR-ADRD数据集的实验结果证明了该文所提方法有效性，其平均精度相对与基线网络YOLOv5s提升了2.0%。
, 最新更新时间 , doi: 10.11999/JEIT240426
摘要:
在组合导航系统中，信息融合和定位精度取决于惯性系统和传感器的特性，然而在实际应用中获取先验知识仍然具有挑战性。为解决车辆导航中卫星信号质量的变化及系统非线性降低组合导航系统性能的问题，该文提出一种基于多卡尔曼滤波器的模糊自适应交互式多模型算法(FAIMM-MKF)，将基于卫星信号质量的模糊控制器(Fuzzy Controller)与自适应交互多模型(AIMM)相结合，通过组合无迹卡尔曼滤波(UKF)、迭代扩展卡尔曼滤波(IEKF)和平方根容积卡尔曼滤波(SRCKF)3种不同的滤波器，适配车辆动力学模型，并通过车载半实物仿真实验验证该方法的性能。结果表明，在卫星信号质量发生改变的情况下，与传统的交互式多模型算法相比，该方法显著提高了车辆在复杂环境中的定位精度。
在组合导航系统中，信息融合和定位精度取决于惯性系统和传感器的特性，然而在实际应用中获取先验知识仍然具有挑战性。为解决车辆导航中卫星信号质量的变化及系统非线性降低组合导航系统性能的问题，该文提出一种基于多卡尔曼滤波器的模糊自适应交互式多模型算法(FAIMM-MKF)，将基于卫星信号质量的模糊控制器(Fuzzy Controller)与自适应交互多模型(AIMM)相结合，通过组合无迹卡尔曼滤波(UKF)、迭代扩展卡尔曼滤波(IEKF)和平方根容积卡尔曼滤波(SRCKF)3种不同的滤波器，适配车辆动力学模型，并通过车载半实物仿真实验验证该方法的性能。结果表明，在卫星信号质量发生改变的情况下，与传统的交互式多模型算法相比，该方法显著提高了车辆在复杂环境中的定位精度。
, 最新更新时间 , doi: 10.11999/JEIT240427
摘要:
边缘计算通过在网络边缘侧为用户提供计算资源和缓存服务,可以有效降低执行时延和能耗。由于用户的移动性和网络的随机性，缓存服务和用户任务会频繁地在边缘服务器之间迁移，增加了系统成本。该文构建了一种基于预缓存的迁移计算模型，研究了资源分配、服务缓存和迁移决策的联合优化问题。针对这一混合整数非线性规划问题，通过分解原问题，分别采用库恩塔克条件和二分搜索法对资源分配进行优化，并提出一种基于贪婪策略的迁移决策和服务缓存联合优化算法(JMSGS)获得最优迁移决策和缓存决策。仿真结果验证了所提算法的有效性，实现系统能耗和时延加权和最小。
边缘计算通过在网络边缘侧为用户提供计算资源和缓存服务,可以有效降低执行时延和能耗。由于用户的移动性和网络的随机性，缓存服务和用户任务会频繁地在边缘服务器之间迁移，增加了系统成本。该文构建了一种基于预缓存的迁移计算模型，研究了资源分配、服务缓存和迁移决策的联合优化问题。针对这一混合整数非线性规划问题，通过分解原问题，分别采用库恩塔克条件和二分搜索法对资源分配进行优化，并提出一种基于贪婪策略的迁移决策和服务缓存联合优化算法(JMSGS)获得最优迁移决策和缓存决策。仿真结果验证了所提算法的有效性，实现系统能耗和时延加权和最小。
, 最新更新时间 , doi: 10.11999/JEIT231366
摘要:
针对信道估计误差会导致传统最优资源分配算法失效的问题，该文提出一种基于不完美信道状态信息(CSI)的多输入单输出(MISO)共生无线电系统鲁棒资源分配算法。考虑每个用户最小吞吐量约束、传输时间约束、基站最大发射功率约束和用户反射系数约束，基于有界信道不确定性模型，建立了一个传输时间、波束成形向量和反射系数联合优化的鲁棒吞吐量最大化资源分配问题。利用拉格朗日对偶、变量替换和交替优化方法将原问题转换成凸优化问题求解。仿真结果表明，与传统非共生资源分配算法相比，所提算法的吞吐量提升11.7%，中断概率减小5.31%。
针对信道估计误差会导致传统最优资源分配算法失效的问题，该文提出一种基于不完美信道状态信息(CSI)的多输入单输出(MISO)共生无线电系统鲁棒资源分配算法。考虑每个用户最小吞吐量约束、传输时间约束、基站最大发射功率约束和用户反射系数约束，基于有界信道不确定性模型，建立了一个传输时间、波束成形向量和反射系数联合优化的鲁棒吞吐量最大化资源分配问题。利用拉格朗日对偶、变量替换和交替优化方法将原问题转换成凸优化问题求解。仿真结果表明，与传统非共生资源分配算法相比，所提算法的吞吐量提升11.7%，中断概率减小5.31%。
, 最新更新时间 , doi: 10.11999/JEIT240398
摘要:
建立准确的电力负荷短期预测模型对于电力系统的稳定运行和智能化进程至关重要。目前的主流预测方法无法很好地突破数据波动性和模型不确定性两个问题。基于此，该文提出一种基于贝叶斯Autoformer的多维自适应短期电力负荷概率预测方法。具体地，提出自适应特征提取方法获取多维度特征，通过捕捉多尺度特征和时频局部信息，增强模型对负荷数据中高波动性和非线性特征的处理能力。其次，提出基于贝叶斯Autoformer的预测模型，它可以捕获负荷数据中重要子序列特征以及不确定性，并通过贝叶斯优化方法实现概率预测分布和参数分布的动态更新。所提模型在3个量级(GW, MW, KW)的实际负荷数据集上进行一系列实验分析(对比分析、自适应分析、鲁棒性分析)。结果表明，所提预测模型在自适应和准确性方面具有优越的性能，均方根误差(RMSE)、弹球损失(Pinball Loss)、连续概率评分(CRPS)，相较对比方法分别提升1.9%, 24.2%, 4.5%。
建立准确的电力负荷短期预测模型对于电力系统的稳定运行和智能化进程至关重要。目前的主流预测方法无法很好地突破数据波动性和模型不确定性两个问题。基于此，该文提出一种基于贝叶斯Autoformer的多维自适应短期电力负荷概率预测方法。具体地，提出自适应特征提取方法获取多维度特征，通过捕捉多尺度特征和时频局部信息，增强模型对负荷数据中高波动性和非线性特征的处理能力。其次，提出基于贝叶斯Autoformer的预测模型，它可以捕获负荷数据中重要子序列特征以及不确定性，并通过贝叶斯优化方法实现概率预测分布和参数分布的动态更新。所提模型在3个量级(GW, MW, KW)的实际负荷数据集上进行一系列实验分析(对比分析、自适应分析、鲁棒性分析)。结果表明，所提预测模型在自适应和准确性方面具有优越的性能，均方根误差(RMSE)、弹球损失(Pinball Loss)、连续概率评分(CRPS)，相较对比方法分别提升1.9%, 24.2%, 4.5%。
, 最新更新时间 , doi: 10.11999/JEIT240428
摘要:
在大数据时代，表格广泛存在于各类文档图像中，进行表格检测对于表格信息再利用具有重要意义。针对现有的基于卷积神经网络的表格检测算法存在感受野受限、依赖于预设的候选区域以及表格边界定位不准确等问题，该文提出一种基于 DINO模型的表格检测网络。首先，设计一种图像预处理方法，旨在增强表格的角点和线特征，以更好地区分表格与文本等其他文档元素。其次，设计一种主干网络SwTNet-50，通过在ResNet中引入Swin Transformer Blocks (STB)，有效地进行局部-全局特征信息的提取，提高模型的特征提取能力以及对表格边界的检测准确性。最后，为了弥补DINO模型在1对1匹配中编码器特征学习不足问题，采用协同混合匹配训练策略，提高编码器的特征学习能力，提升模型检测精度。与多种基于深度学习的表格检测方法进行对比，该文模型在表格检测数据集TNCR上优于对比算法，在IoU阈值为0.5, 0.75和0.9时F1-Score分别达到98.2%, 97.4%和93.3%。在IIIT-AR-13K数据集上，IoU阈值为0.5时F1-Score为98.6%。
在大数据时代，表格广泛存在于各类文档图像中，进行表格检测对于表格信息再利用具有重要意义。针对现有的基于卷积神经网络的表格检测算法存在感受野受限、依赖于预设的候选区域以及表格边界定位不准确等问题，该文提出一种基于 DINO模型的表格检测网络。首先，设计一种图像预处理方法，旨在增强表格的角点和线特征，以更好地区分表格与文本等其他文档元素。其次，设计一种主干网络SwTNet-50，通过在ResNet中引入Swin Transformer Blocks (STB)，有效地进行局部-全局特征信息的提取，提高模型的特征提取能力以及对表格边界的检测准确性。最后，为了弥补DINO模型在1对1匹配中编码器特征学习不足问题，采用协同混合匹配训练策略，提高编码器的特征学习能力，提升模型检测精度。与多种基于深度学习的表格检测方法进行对比，该文模型在表格检测数据集TNCR上优于对比算法，在IoU阈值为0.5, 0.75和0.9时F1-Score分别达到98.2%, 97.4%和93.3%。在IIIT-AR-13K数据集上，IoU阈值为0.5时F1-Score为98.6%。
, 最新更新时间 , doi: 10.11999/JEIT240432
摘要:
电磁灵敏度分析是评估设计参数变化对电磁性能影响的一种方法，它通过计算灵敏度信息指导结构模型分析，以满足设计规范。商业软件在进行电磁结构优化设计时，常通过调整几何结构并使用传统算法，但这种方法计算耗时且资源占用大。为了提高模型设计的效率，该文提出一种稳定高效的处理方案，即伴随变量法(AVM)，利用仅有2次算法模拟条件下，实现在参数变换上进行1～2阶灵敏度估计。当前AVM的绝大多数应用局限在矩形边界参数的灵敏度分析，该文首次开拓性地将AVM拓展到弧形边界参数的灵敏度分析。基于固定的本构参数、频率依赖性目标函数以及瞬态脉冲函数的3种不同情形设计的条件，实现了对弧形结构的电磁灵敏度的高效分析。与有限差分方法(FDM)相比，该方法在计算效率上得到了显著的提高。该方法有效实施显著拓宽了AVM在弧形边界上的应用范围，可应用于等离子体模型的电磁结构、复杂天线模型的边缘结构等优化问题上。当计算资源较少的情况下，可满足电磁结构优化的可靠性和稳定性。
电磁灵敏度分析是评估设计参数变化对电磁性能影响的一种方法，它通过计算灵敏度信息指导结构模型分析，以满足设计规范。商业软件在进行电磁结构优化设计时，常通过调整几何结构并使用传统算法，但这种方法计算耗时且资源占用大。为了提高模型设计的效率，该文提出一种稳定高效的处理方案，即伴随变量法(AVM)，利用仅有2次算法模拟条件下，实现在参数变换上进行1～2阶灵敏度估计。当前AVM的绝大多数应用局限在矩形边界参数的灵敏度分析，该文首次开拓性地将AVM拓展到弧形边界参数的灵敏度分析。基于固定的本构参数、频率依赖性目标函数以及瞬态脉冲函数的3种不同情形设计的条件，实现了对弧形结构的电磁灵敏度的高效分析。与有限差分方法(FDM)相比，该方法在计算效率上得到了显著的提高。该方法有效实施显著拓宽了AVM在弧形边界上的应用范围，可应用于等离子体模型的电磁结构、复杂天线模型的边缘结构等优化问题上。当计算资源较少的情况下，可满足电磁结构优化的可靠性和稳定性。
, 最新更新时间 , doi: 10.11999/JEIT240411
摘要:
利用无人机(UAV)作为空中中继节点，构建空地一体化的边缘计算网络，可以有效克服地面环境局限，拓展网络覆盖范围，为用户提供便利计算服务。该文面向无人机中继辅助的多用户、多服务器边缘计算网络场景，以最大化任务完成量为目标，研究了无人机部署位置、用户-服务器关联策略、无人机带宽分配的联合优化问题。由于该问题包含连续与离散变量，故该文综合运用差分进化、粒子群优化等工具，提出了一种基于块坐标下降(BCD)的次优算法进行求解。所提算法将原问题解耦为3个子问题独立求解，并通过迭代逼近原始问题最优解。仿真实验表明，所提算法可在满足用户任务时延需求的前提下，最大化系统总任务完成量，优于其他对比算法。
利用无人机(UAV)作为空中中继节点，构建空地一体化的边缘计算网络，可以有效克服地面环境局限，拓展网络覆盖范围，为用户提供便利计算服务。该文面向无人机中继辅助的多用户、多服务器边缘计算网络场景，以最大化任务完成量为目标，研究了无人机部署位置、用户-服务器关联策略、无人机带宽分配的联合优化问题。由于该问题包含连续与离散变量，故该文综合运用差分进化、粒子群优化等工具，提出了一种基于块坐标下降(BCD)的次优算法进行求解。所提算法将原问题解耦为3个子问题独立求解，并通过迭代逼近原始问题最优解。仿真实验表明，所提算法可在满足用户任务时延需求的前提下，最大化系统总任务完成量，优于其他对比算法。
, 最新更新时间 , doi: 10.11999/JEIT231278
摘要:
在主动式电扫描毫米波安检成像中，均匀阵列天线存在成本受限以及复杂度高等瓶颈问题，难以在实际工程中大规模运用。由此，该文提出一种强稀疏低副瓣的近场聚焦稀疏阵列设计方法，并进一步利用改进3维时域成像算法实现高精度3维重建。首先，以近场聚焦位置以及峰值旁瓣电平为约束，以权向量的\begin{document}$ {\ell _p} $\end{document}
在主动式电扫描毫米波安检成像中，均匀阵列天线存在成本受限以及复杂度高等瓶颈问题，难以在实际工程中大规模运用。由此，该文提出一种强稀疏低副瓣的近场聚焦稀疏阵列设计方法，并进一步利用改进3维时域成像算法实现高精度3维重建。首先，以近场聚焦位置以及峰值旁瓣电平为约束，以权向量的
, 最新更新时间 , doi: 10.11999/JEIT240370
摘要:
为解决传统分数傅里叶变换(FrFT)在检测频移Chirp信号时脉冲分散问题，该文提出一种自适应FrFT的检测方法。该方法基于短包的结构模型以及Neyman-Pearson检测模型，引出了借助评价函数和判定阈值对信号帧检测的虚警概率和漏检概率的分析方法。结合传统FrFT对完整Chirp信号的脉冲特性，给出了对分数傅里叶积分算子的修正方案，推导出自适应FrFT对频移Chirp码元的峰值分布函数。针对自适应FrFT检测过程存在搜索时移问题，分析了该情况下频移Chirp码元峰值大小及分布情况，证明了相比于传统FrFT，自适应FrFT检测捕获无前导短数据包的性能更加优越。
为解决传统分数傅里叶变换(FrFT)在检测频移Chirp信号时脉冲分散问题，该文提出一种自适应FrFT的检测方法。该方法基于短包的结构模型以及Neyman-Pearson检测模型，引出了借助评价函数和判定阈值对信号帧检测的虚警概率和漏检概率的分析方法。结合传统FrFT对完整Chirp信号的脉冲特性，给出了对分数傅里叶积分算子的修正方案，推导出自适应FrFT对频移Chirp码元的峰值分布函数。针对自适应FrFT检测过程存在搜索时移问题，分析了该情况下频移Chirp码元峰值大小及分布情况，证明了相比于传统FrFT，自适应FrFT检测捕获无前导短数据包的性能更加优越。
, 最新更新时间 , doi: 10.11999/JEIT240417
摘要:
卷积神经网络(CNN)具有平移不变性，但缺乏旋转不变性。近几年，为卷积神经网络进行旋转编码已成为解决这一技术痛点的主流方法，但这需要大量的参数和计算资源。鉴于图像是计算机视觉的主要焦点，该文提出一种名为图像偏移角和多分支卷积神经网络(OAMC)的模型用于实现旋转不变。首先检测输入图像的偏移角，并根据偏移角反向旋转图像；将旋转后的图像输入无旋转编码的多分支结构卷积神经网络，优化响应模块，以输出最佳分支作为模型的最终预测。OAMC模型在旋转后的手写数字数据集上以最少的8 k参数量实现了96.98%的最佳分类精度。与在遥感数据集上的现有研究相比，模型仅用前人模型的1/3的参数量就可将精度最高提高8%。
卷积神经网络(CNN)具有平移不变性，但缺乏旋转不变性。近几年，为卷积神经网络进行旋转编码已成为解决这一技术痛点的主流方法，但这需要大量的参数和计算资源。鉴于图像是计算机视觉的主要焦点，该文提出一种名为图像偏移角和多分支卷积神经网络(OAMC)的模型用于实现旋转不变。首先检测输入图像的偏移角，并根据偏移角反向旋转图像；将旋转后的图像输入无旋转编码的多分支结构卷积神经网络，优化响应模块，以输出最佳分支作为模型的最终预测。OAMC模型在旋转后的手写数字数据集上以最少的8 k参数量实现了96.98%的最佳分类精度。与在遥感数据集上的现有研究相比，模型仅用前人模型的1/3的参数量就可将精度最高提高8%。
, 最新更新时间 , doi: 10.11999/JEIT240241
摘要:
第六代(6G)移动通信网络需要为大规模节点提供高可靠低时延通信(URLLC)服务。为此，该文针对多用户大规模多输入多输出(MIMO)技术辅助的URLLC下行通信场景，基于有限码长( FBL)域理论表征系统性能，以用户速率公平性为目标，提出一种高效的功率分配算法。具体而言，该文首先针对传统MIMO中基于全局奇异值分解(SVD)的线性预编码方案复杂度高、不能兼顾用户公平性等问题，设计基于局部SVD的预编码方案，以相对较低的复杂度实现对MIMO用户间干扰和用户内干扰的有效抑制。其次，该文以功率分配因子为优化变量、以最大化最小用户速率(MMR)为目标构建优化问题。为解决所构建的高维变量耦合非凸问题，该文通过引入辅助变量、分段McCormick包络将目标函数中香农容量相关项凸松弛处理，实现MMR问题重构。进而该文提出基于连续凸近似(SCA)的优化算法有效求解MMR问题。仿真结果验证了所提优化算法的收敛性与准确性，同时也表明所提优化方案相比于现有方案在系统MMR性能和鲁棒性上均具有优势。
第六代(6G)移动通信网络需要为大规模节点提供高可靠低时延通信(URLLC)服务。为此，该文针对多用户大规模多输入多输出(MIMO)技术辅助的URLLC下行通信场景，基于有限码长( FBL)域理论表征系统性能，以用户速率公平性为目标，提出一种高效的功率分配算法。具体而言，该文首先针对传统MIMO中基于全局奇异值分解(SVD)的线性预编码方案复杂度高、不能兼顾用户公平性等问题，设计基于局部SVD的预编码方案，以相对较低的复杂度实现对MIMO用户间干扰和用户内干扰的有效抑制。其次，该文以功率分配因子为优化变量、以最大化最小用户速率(MMR)为目标构建优化问题。为解决所构建的高维变量耦合非凸问题，该文通过引入辅助变量、分段McCormick包络将目标函数中香农容量相关项凸松弛处理，实现MMR问题重构。进而该文提出基于连续凸近似(SCA)的优化算法有效求解MMR问题。仿真结果验证了所提优化算法的收敛性与准确性，同时也表明所提优化方案相比于现有方案在系统MMR性能和鲁棒性上均具有优势。
, 最新更新时间 , doi: 10.11999/JEIT240348
摘要:
互质阵列因具有较低的互耦效应而备受关注，但交替部署的子阵却在一定程度上限制了连续自由度的提升。针对上述问题，该文在分析子阵互差集中冗余虚拟阵元产生条件的基础上，提出了两种子阵移位互质阵列(Coprime Array with Translated Subarray, CATrS)，以改善自由度性能。首先，将子阵平移至适当位置以优化布阵结构，并分析了子阵的平移距离。随后，推导了CATrS结构的自由度、连续自由度、孔洞位置和虚拟阵元权重的闭合表达式。理论分析表明，CATrS结构能够在保持物理阵元数量不变的条件下，有效增加自由度和连续自由度，并抑制阵元互耦。最后，利用仿真实验验证了CATrS结构在波达方向估计中的优越性。
互质阵列因具有较低的互耦效应而备受关注，但交替部署的子阵却在一定程度上限制了连续自由度的提升。针对上述问题，该文在分析子阵互差集中冗余虚拟阵元产生条件的基础上，提出了两种子阵移位互质阵列(Coprime Array with Translated Subarray, CATrS)，以改善自由度性能。首先，将子阵平移至适当位置以优化布阵结构，并分析了子阵的平移距离。随后，推导了CATrS结构的自由度、连续自由度、孔洞位置和虚拟阵元权重的闭合表达式。理论分析表明，CATrS结构能够在保持物理阵元数量不变的条件下，有效增加自由度和连续自由度，并抑制阵元互耦。最后，利用仿真实验验证了CATrS结构在波达方向估计中的优越性。
, 最新更新时间 , doi: 10.11999/JEIT240395
摘要:
环境反向散射通信(AmBC)是一种新型的低功耗通信技术，它能利用周围环境中的射频(RF)信号源实现无源信息传输，但由于其存在双重衰落、障碍物阻挡等问题，导致反射链路信号强度弱。为此，该文将智能反射面(IRS)引入到AmBC系统中用以增强反射链路增益。然而，IRS与标签均为无源器件使得信道估计极具挑战性。为此，该文提出了一种IRS辅助的AmBC系统信道估计方案。首先，将信道分解为多个子信道，其中，反射链路的每个子信道对应一个IRS反射单元。然后，将最小二乘(LS)法作为估计准则，以最小化均方误差(MSE)为目标，探索了IRS反射模式与信道估计的联合设计。仿真结果表明，该信道估计方案具有良好的估计性能。
环境反向散射通信(AmBC)是一种新型的低功耗通信技术，它能利用周围环境中的射频(RF)信号源实现无源信息传输，但由于其存在双重衰落、障碍物阻挡等问题，导致反射链路信号强度弱。为此，该文将智能反射面(IRS)引入到AmBC系统中用以增强反射链路增益。然而，IRS与标签均为无源器件使得信道估计极具挑战性。为此，该文提出了一种IRS辅助的AmBC系统信道估计方案。首先，将信道分解为多个子信道，其中，反射链路的每个子信道对应一个IRS反射单元。然后，将最小二乘(LS)法作为估计准则，以最小化均方误差(MSE)为目标，探索了IRS反射模式与信道估计的联合设计。仿真结果表明，该信道估计方案具有良好的估计性能。
, 最新更新时间 , doi: 10.11999/JEIT240666
摘要:
在监控物联网中，一些感知设备需要在能耗受限条件下及时地将采集信息回传给接入节点(AP)，信息年龄(AoI)和能量效率(EE)对系统都很重要。该文研究了多设备监控物联网中时效与能效之间的折衷问题，其中感知设备在智能反射面(IRS)辅助下通过短包传输监控信息给AP。为了避免多个感知设备占用同一资源块导致包的碰撞，该文提出了一个接入控制协议，并推导了平均AoI和EE的闭式表达式。在此基础上，引入了平均AoI和EE之比这个指标，通过优化传输功率来最小化平均AoI和EE之比，以折衷时效性能与能效性能。仿真结果验证了该文理论分析的正确性，并且表明所提协议能够实现更好的时效和能效性能。此外，所提算法能够有效找出最优的时效-能效折衷点。
在监控物联网中，一些感知设备需要在能耗受限条件下及时地将采集信息回传给接入节点(AP)，信息年龄(AoI)和能量效率(EE)对系统都很重要。该文研究了多设备监控物联网中时效与能效之间的折衷问题，其中感知设备在智能反射面(IRS)辅助下通过短包传输监控信息给AP。为了避免多个感知设备占用同一资源块导致包的碰撞，该文提出了一个接入控制协议，并推导了平均AoI和EE的闭式表达式。在此基础上，引入了平均AoI和EE之比这个指标，通过优化传输功率来最小化平均AoI和EE之比，以折衷时效性能与能效性能。仿真结果验证了该文理论分析的正确性，并且表明所提协议能够实现更好的时效和能效性能。此外，所提算法能够有效找出最优的时效-能效折衷点。
, 最新更新时间 , doi: 10.11999/JEIT240645
摘要:
针对变压器油下图像存在颜色失真、亮度低和细节失真问题，该文提出一种多尺度加权Retinex变压器油下图像增强算法。首先，为了缓解变压器油下图像颜色失真问题，提出一种混合动态颜色通道补偿算法，根据拍摄图像各通道的衰减状态对衰减通道进行动态补偿。然后，为了解决细节失真问题，提出一种锐化权重加权策略。最后，该文创新性采用金字塔多尺度融合策略对不同尺度Retinex反射分量和相应权重图进行加权融合得到变压器油下清晰图像。实验结果表明所提算法可以有效解决变压器油下图像复杂退化问题。
针对变压器油下图像存在颜色失真、亮度低和细节失真问题，该文提出一种多尺度加权Retinex变压器油下图像增强算法。首先，为了缓解变压器油下图像颜色失真问题，提出一种混合动态颜色通道补偿算法，根据拍摄图像各通道的衰减状态对衰减通道进行动态补偿。然后，为了解决细节失真问题，提出一种锐化权重加权策略。最后，该文创新性采用金字塔多尺度融合策略对不同尺度Retinex反射分量和相应权重图进行加权融合得到变压器油下清晰图像。实验结果表明所提算法可以有效解决变压器油下图像复杂退化问题。
, 最新更新时间 , doi: 10.11999/JEIT240388
摘要:
生成对抗网络因其为盲超分辨率重构提供了新的思路而备受关注。针对现有方法未充分考虑图像退化过程中的低频保留特性而对高低频成分采用相同的处理方式，缺乏对频率细节有效利用，难以获得较好重构效果的问题，该文提出一种基于密集残差和质量评估引导的频率分离生成对抗超分辨率重构网络。该网络采用频率分离思想，对图像的高频和低频信息分开处理，从而提高高频信息捕捉能力，简化低频特征处理。该文对生成器中的基础块进行设计，将空间特征变换层融入密集宽激活残差中，增强深层特征表征能力的同时对局部信息差异化处理。此外，利用视觉几何组网络(VGG)设计了专门针对超分辨率重构图像的无参考质量评估网络，为重构网络提供全新的质量评估损失，进一步提高重构图像的视觉效果。实验结果表明，同当前先进的同类方法比，该方法在多个数据集上具有更佳的重构效果。由此表明，采用频率分离思想的生成对抗网络进行超分辨率重构，可以有效利用图像频率成分，提高重构效果。
生成对抗网络因其为盲超分辨率重构提供了新的思路而备受关注。针对现有方法未充分考虑图像退化过程中的低频保留特性而对高低频成分采用相同的处理方式，缺乏对频率细节有效利用，难以获得较好重构效果的问题，该文提出一种基于密集残差和质量评估引导的频率分离生成对抗超分辨率重构网络。该网络采用频率分离思想，对图像的高频和低频信息分开处理，从而提高高频信息捕捉能力，简化低频特征处理。该文对生成器中的基础块进行设计，将空间特征变换层融入密集宽激活残差中，增强深层特征表征能力的同时对局部信息差异化处理。此外，利用视觉几何组网络(VGG)设计了专门针对超分辨率重构图像的无参考质量评估网络，为重构网络提供全新的质量评估损失，进一步提高重构图像的视觉效果。实验结果表明，同当前先进的同类方法比，该方法在多个数据集上具有更佳的重构效果。由此表明，采用频率分离思想的生成对抗网络进行超分辨率重构，可以有效利用图像频率成分，提高重构效果。
, 最新更新时间 , doi: 10.11999/JEIT240521
摘要:
非完备、高动态有源干扰对抗作战环境下，现阶段针对库内多类型单一有源干扰样本所优化训练的静态模型，在面对库外类型多样、参数多变、组合方式多元的复合干扰时，模型无法快速更新且难以应对测试样本数非均衡问题。针对此问题，该文提出一种基于零记忆增量学习的雷达复合有源干扰识别方法。首先，利用元学习训练模式对库内单一干扰进行原型学习，训练出高效的特征提取器，使其具备对库外复合干扰特征有效提取能力。进而，基于超维空间和余弦相似度计算，构建零记忆增量学习网络(ZMILN)，将复合干扰原型向量映射到超维空间并存储，从而实现识别模型动态更新。此外，为解决样本数非均衡下复合干扰识别问题，设计直推式信息最大化(TIM)测试模块，通过在互信息损失函数中加入散度约束，对识别模型进一步强化训练以应对非均衡测试样本。实验结果表明，该文所提方法在非均衡测试条件下对4种单一干扰和7种复合干扰进行增量学习后，平均识别准确率达到了93.62%。该方法通过对库内多类型单一干扰知识充分提取，实现对多种组合条件下库外复合干扰的快速动态识别。
非完备、高动态有源干扰对抗作战环境下，现阶段针对库内多类型单一有源干扰样本所优化训练的静态模型，在面对库外类型多样、参数多变、组合方式多元的复合干扰时，模型无法快速更新且难以应对测试样本数非均衡问题。针对此问题，该文提出一种基于零记忆增量学习的雷达复合有源干扰识别方法。首先，利用元学习训练模式对库内单一干扰进行原型学习，训练出高效的特征提取器，使其具备对库外复合干扰特征有效提取能力。进而，基于超维空间和余弦相似度计算，构建零记忆增量学习网络(ZMILN)，将复合干扰原型向量映射到超维空间并存储，从而实现识别模型动态更新。此外，为解决样本数非均衡下复合干扰识别问题，设计直推式信息最大化(TIM)测试模块，通过在互信息损失函数中加入散度约束，对识别模型进一步强化训练以应对非均衡测试样本。实验结果表明，该文所提方法在非均衡测试条件下对4种单一干扰和7种复合干扰进行增量学习后，平均识别准确率达到了93.62%。该方法通过对库内多类型单一干扰知识充分提取，实现对多种组合条件下库外复合干扰的快速动态识别。
, 最新更新时间 , doi: 10.11999/JEIT240236
摘要:
作为一种通过算法智能地控制信号反射来重构无线通信环境的新技术，智能反射面(IRS)近年来受到了广泛关注。与传统的中继系统相比，IRS辅助的中继系统可有效节约成本和能耗，并显著提高系统性能。然而，配备离散移相器的IRS会导致相位量化误差，从而降低接收机的接收性能。为了分析IRS相位量化误差导致的性能损失，该文基于弱大数定律和瑞利分布，在瑞利信道下，推导了关于移相器量化比特数的双IRS辅助放大转发中继网络的信噪比性能损失与可达速率的闭合表达式。此外，基于Taylor级数展开表达式，推导了其近似性能损失闭合表达式。仿真结果表明，系统的信噪比和可达速率性能损失随着量化比特数的增加而逐渐减小，而随着 IRS 相移元件数的增加而逐渐增大。当IRS相移元件数为 4时，系统的信噪比和可达速率性能损失分别小于0.06 dB 和0.03 bits/(s·Hz)。
作为一种通过算法智能地控制信号反射来重构无线通信环境的新技术，智能反射面(IRS)近年来受到了广泛关注。与传统的中继系统相比，IRS辅助的中继系统可有效节约成本和能耗，并显著提高系统性能。然而，配备离散移相器的IRS会导致相位量化误差，从而降低接收机的接收性能。为了分析IRS相位量化误差导致的性能损失，该文基于弱大数定律和瑞利分布，在瑞利信道下，推导了关于移相器量化比特数的双IRS辅助放大转发中继网络的信噪比性能损失与可达速率的闭合表达式。此外，基于Taylor级数展开表达式，推导了其近似性能损失闭合表达式。仿真结果表明，系统的信噪比和可达速率性能损失随着量化比特数的增加而逐渐减小，而随着 IRS 相移元件数的增加而逐渐增大。当IRS相移元件数为 4时，系统的信噪比和可达速率性能损失分别小于0.06 dB 和0.03 bits/(s·Hz)。
, 最新更新时间 , doi: 10.11999/JEIT240446
摘要:
未来6G将实现万物智能互联、虚拟和现实结合的全新时代，这离不开通信与感知技术的发展。但由于频率资源的稀缺，二者在频率资源上的共享是一个亟待解决的问题。通信感知一体化(ISAC)技术为解决这一问题提供了新的思路，它允许通信与感知共用一套设备、共享频率资源，可以同时完成目标探测和信息通信，被认为是6G的关键技术之一。同时我国是一个海洋大国，海洋资源丰富，海洋通信与海上目标感知需求急剧增加。该文对海洋环境下的ISAC技术进行了研究，提出一种海洋环境下的加权波形优化设计方法。通过仿真实验发现通信与感知的功率比值在[0.2, 0.5]区间内时，一体化波形不仅具有良好的通信性能，也具有不错的感知性能。最后对未来的工作内容进行了展望。
未来6G将实现万物智能互联、虚拟和现实结合的全新时代，这离不开通信与感知技术的发展。但由于频率资源的稀缺，二者在频率资源上的共享是一个亟待解决的问题。通信感知一体化(ISAC)技术为解决这一问题提供了新的思路，它允许通信与感知共用一套设备、共享频率资源，可以同时完成目标探测和信息通信，被认为是6G的关键技术之一。同时我国是一个海洋大国，海洋资源丰富，海洋通信与海上目标感知需求急剧增加。该文对海洋环境下的ISAC技术进行了研究，提出一种海洋环境下的加权波形优化设计方法。通过仿真实验发现通信与感知的功率比值在[0.2, 0.5]区间内时，一体化波形不仅具有良好的通信性能，也具有不错的感知性能。最后对未来的工作内容进行了展望。
, 最新更新时间 , doi: 10.11999/JEIT240377
摘要:
飞行自组网(FANETs)因具有高机动、自组织等特点，被广泛应用于应急救援场景。在应急场景中，大量用户寻呼请求造成局部流量激增与有限频谱资源之间产生难以协调的矛盾，FANET中面临严重的信道干扰问题，亟需将频谱利用率高的部分重叠信道(POCs)扩展到应急场景中。然而，POCs的邻信道特性，导致干扰复杂难以刻画。因此，该文研究了FANET部分重叠信道分配方法，通过几何预测重构时变干扰图和无干扰最小信道间隔矩阵刻画POCs干扰模型，在此基础上提出一种基于上界置信区间的POCs动态分配算法(UCB-DAL)，通过分布式决策求解近似最优信道分配方案。仿真结果表明，该算法实现了网络干扰和信道切换次数之间性能折中，具有较好的收敛性能。
飞行自组网(FANETs)因具有高机动、自组织等特点，被广泛应用于应急救援场景。在应急场景中，大量用户寻呼请求造成局部流量激增与有限频谱资源之间产生难以协调的矛盾，FANET中面临严重的信道干扰问题，亟需将频谱利用率高的部分重叠信道(POCs)扩展到应急场景中。然而，POCs的邻信道特性，导致干扰复杂难以刻画。因此，该文研究了FANET部分重叠信道分配方法，通过几何预测重构时变干扰图和无干扰最小信道间隔矩阵刻画POCs干扰模型，在此基础上提出一种基于上界置信区间的POCs动态分配算法(UCB-DAL)，通过分布式决策求解近似最优信道分配方案。仿真结果表明，该算法实现了网络干扰和信道切换次数之间性能折中，具有较好的收敛性能。
, 最新更新时间 , doi: 10.11999/JEIT240302
摘要:
随着无人机(UAV)系统的规模持续扩大以及对更高通信速率的需求增长，UAV光移动通信(UAV-OMC)已经成为一个有前景的技术方向。然而，传统的UAV-OMC难以支持多UAV之间的通信。该文基于光学智能反射表面(OIRS)技术，提出一个适用于UAV群的分布式OMC系统。通过在特定的UAV上设置OIRS，利用OIRS将光信号从单个UAV节点扩散到多个UAV节点。这一系统在保留UAV-OMC系统的高能效和高速度的同时，能够支持分布式UAV群的通信。对所提出的系统进行了数学建模，考虑了一系列现实因素，如OIRS的光束控制、UAV之间的相对运动和UAV的抖动等，这些因素都符合实际系统的特点。此外，该文还推导出了系统的误比特率(BER)和渐进中断概率的闭式表达式。基于理论分析和模拟结果，讨论了各个参数和系统设计的影响。
随着无人机(UAV)系统的规模持续扩大以及对更高通信速率的需求增长，UAV光移动通信(UAV-OMC)已经成为一个有前景的技术方向。然而，传统的UAV-OMC难以支持多UAV之间的通信。该文基于光学智能反射表面(OIRS)技术，提出一个适用于UAV群的分布式OMC系统。通过在特定的UAV上设置OIRS，利用OIRS将光信号从单个UAV节点扩散到多个UAV节点。这一系统在保留UAV-OMC系统的高能效和高速度的同时，能够支持分布式UAV群的通信。对所提出的系统进行了数学建模，考虑了一系列现实因素，如OIRS的光束控制、UAV之间的相对运动和UAV的抖动等，这些因素都符合实际系统的特点。此外，该文还推导出了系统的误比特率(BER)和渐进中断概率的闭式表达式。基于理论分析和模拟结果，讨论了各个参数和系统设计的影响。
, 最新更新时间 , doi: 10.11999/JEIT240518
摘要:
可重构智能超表面(RIS)作为6G移动通信中的潜在关键技术之一，具有低成本、低能耗和易于部署等特点。该文提出将RIS技术引入至海洋无线通信场景中，可使无线传输环境从不可控变为可控。然而，现有的信道模型难以充分揭示RIS使能基站-海面无人船近场通信信号独特的传输机理，信道特性分析方法与建模理论难以在计算准确性与复杂度之间实现平衡。因此，该文通过对RIS使能近场海洋通信中各子信道进行建模，提出空时频多域信号传播机理分析方法，建立RIS使能基站-无人船近场海洋通信参数化统计信道模型，解决现有RIS信道建模方法难以兼顾精度与效率的技术瓶颈问题，提高RIS使能近场海洋通信系统设计过程中的信道模型匹配效率，为我国6G移动通信产业的快速发展提供技术支撑。
可重构智能超表面(RIS)作为6G移动通信中的潜在关键技术之一，具有低成本、低能耗和易于部署等特点。该文提出将RIS技术引入至海洋无线通信场景中，可使无线传输环境从不可控变为可控。然而，现有的信道模型难以充分揭示RIS使能基站-海面无人船近场通信信号独特的传输机理，信道特性分析方法与建模理论难以在计算准确性与复杂度之间实现平衡。因此，该文通过对RIS使能近场海洋通信中各子信道进行建模，提出空时频多域信号传播机理分析方法，建立RIS使能基站-无人船近场海洋通信参数化统计信道模型，解决现有RIS信道建模方法难以兼顾精度与效率的技术瓶颈问题，提高RIS使能近场海洋通信系统设计过程中的信道模型匹配效率，为我国6G移动通信产业的快速发展提供技术支撑。
, 最新更新时间 , doi: 10.11999/JEIT240003
摘要:
作为一种基于软硬件资源共享和信息共享的新型信息通信技术，通感一体化(ISAC)可将无线感知集成到Wi-Fi平台，为低成本的室内定位提供一种高效的方法。针对室内定位参数估计实时性与准确性问题，该文提出一种基于3维矩阵束(MP)联合参数估计算法。首先，对信道状态信息(CSI)数据进行分析，构建包含到达角(AoA)、飞行时间(ToF)和多普勒频移(DFS)的3维矩阵。其次，对3维矩阵进行平滑处理并利用3维MP算法进行参数估计，通过聚类找到直达径。最后，利用双角定位法进行定位，验证该文所提算法的有效性。实验结果表明，与多重信号分类(MUSIC)参数估计算法相比，无需复杂的峰值搜索步骤，降低了90%计算复杂度。与2维MP算法相比，加入多普勒参数，使AoA估计误差均值在会议室和教室两种场景下分别降低了1.45°和2°。该文通过实际测试验证了所提算法在室内可以达到在置信度67%处平均0.56 m的定位精度。因此，该文所提算法有效地改善了现有室内定位参数估计的实时性和准确性。
作为一种基于软硬件资源共享和信息共享的新型信息通信技术，通感一体化(ISAC)可将无线感知集成到Wi-Fi平台，为低成本的室内定位提供一种高效的方法。针对室内定位参数估计实时性与准确性问题，该文提出一种基于3维矩阵束(MP)联合参数估计算法。首先，对信道状态信息(CSI)数据进行分析，构建包含到达角(AoA)、飞行时间(ToF)和多普勒频移(DFS)的3维矩阵。其次，对3维矩阵进行平滑处理并利用3维MP算法进行参数估计，通过聚类找到直达径。最后，利用双角定位法进行定位，验证该文所提算法的有效性。实验结果表明，与多重信号分类(MUSIC)参数估计算法相比，无需复杂的峰值搜索步骤，降低了90%计算复杂度。与2维MP算法相比，加入多普勒参数，使AoA估计误差均值在会议室和教室两种场景下分别降低了1.45°和2°。该文通过实际测试验证了所提算法在室内可以达到在置信度67%处平均0.56 m的定位精度。因此，该文所提算法有效地改善了现有室内定位参数估计的实时性和准确性。
, 最新更新时间 , doi: 10.11999/JEIT240503
摘要:
针对无人机探测与避让(DAA)系统中无人机飞行碰撞避免的决策问题，该文提出一种将无人机系统检测和避免警报逻辑(DAIDALUS)和马尔可夫决策过程(MDP)相结合的方法。DAIDALUS算法的引导逻辑可以根据当前状态空间计算无人机避撞策略，将这些策略作为MDP的动作空间，并设置合适的奖励函数和状态转移概率，建立MDP模型，探究不同折扣因子对无人机飞行避撞过程的影响。仿真结果表明：相比于DAIDALUS，本方法的效率提升27.2%；当折扣因子设置为0.99时，可以平衡长期与短期收益；净空入侵率为5.8%，威胁机与本机最近距离为343 m，该方法可以满足无人机飞行过程中避撞的要求。
针对无人机探测与避让(DAA)系统中无人机飞行碰撞避免的决策问题，该文提出一种将无人机系统检测和避免警报逻辑(DAIDALUS)和马尔可夫决策过程(MDP)相结合的方法。DAIDALUS算法的引导逻辑可以根据当前状态空间计算无人机避撞策略，将这些策略作为MDP的动作空间，并设置合适的奖励函数和状态转移概率，建立MDP模型，探究不同折扣因子对无人机飞行避撞过程的影响。仿真结果表明：相比于DAIDALUS，本方法的效率提升27.2%；当折扣因子设置为0.99时，可以平衡长期与短期收益；净空入侵率为5.8%，威胁机与本机最近距离为343 m，该方法可以满足无人机飞行过程中避撞的要求。
, 最新更新时间 , doi: 10.11999/JEIT240612
摘要:
近年来，有源可重构智能表面(ARIS)技术获得了学术界的广泛关注。然而，ARIS在多RIS辅助无线通信系统中的应用还缺乏相关研究。针对此问题，该文提出基于双RIS辅助的无线通信系统模型。模型假设基站(BS)和用户之间的直连链路受阻，仅通过RIS形成的反射链路进行通信。在此基础上，根据ARIS与被动RIS(PRIS)的不同组合情况，提出4种RIS组合模型。模型的目标是优化基站波束赋形、RIS的相移矩阵和功率分配因子，以最大化系统通信容量。由于该优化问题为非凸问题，该文采用了交替优化算法(AO)与连续凸逼近(SCA)对问题进行处理。仿真结果表明，无论基站发射功率高或低，TAAR组合模型的性能均显著优于传统单ARIS配置。
近年来，有源可重构智能表面(ARIS)技术获得了学术界的广泛关注。然而，ARIS在多RIS辅助无线通信系统中的应用还缺乏相关研究。针对此问题，该文提出基于双RIS辅助的无线通信系统模型。模型假设基站(BS)和用户之间的直连链路受阻，仅通过RIS形成的反射链路进行通信。在此基础上，根据ARIS与被动RIS(PRIS)的不同组合情况，提出4种RIS组合模型。模型的目标是优化基站波束赋形、RIS的相移矩阵和功率分配因子，以最大化系统通信容量。由于该优化问题为非凸问题，该文采用了交替优化算法(AO)与连续凸逼近(SCA)对问题进行处理。仿真结果表明，无论基站发射功率高或低，TAAR组合模型的性能均显著优于传统单ARIS配置。
, 最新更新时间 , doi: 10.11999/JEIT240018
摘要:
同时透射和反射可重构智能表面(STAR-RIS)能够创建全空间智能无线电环境，有效提高无线通信系统性能，具有广阔的研究潜力。因此，该文提出一种大规模STAR-RIS辅助的近场通感一体化(ISAC)方法，并对感知目标3维参数估计的克拉美罗界(CRB)进行优化。首先，搭建近场系统模型，分别推导基站、STAR-RIS、通信用户、感知目标与传感器之间的导向矢量。其次，通过设计基站发射波束成形矩阵、发射信号协方差矩阵和STAR-RIS透射反射系数，实现感知性能最优化。再次，针对非凸优化问题利用半正定松弛方法进行求解。仿真结果表明了所提出ISAC方案的有效性，以及近场额外距离自由度所带来的定位性能优势。
同时透射和反射可重构智能表面(STAR-RIS)能够创建全空间智能无线电环境，有效提高无线通信系统性能，具有广阔的研究潜力。因此，该文提出一种大规模STAR-RIS辅助的近场通感一体化(ISAC)方法，并对感知目标3维参数估计的克拉美罗界(CRB)进行优化。首先，搭建近场系统模型，分别推导基站、STAR-RIS、通信用户、感知目标与传感器之间的导向矢量。其次，通过设计基站发射波束成形矩阵、发射信号协方差矩阵和STAR-RIS透射反射系数，实现感知性能最优化。再次，针对非凸优化问题利用半正定松弛方法进行求解。仿真结果表明了所提出ISAC方案的有效性，以及近场额外距离自由度所带来的定位性能优势。
, 最新更新时间 , doi: 10.11999/JEIT240561
摘要:
针对传统联合波束成形方法在智能超表面(RIS)辅助无人机(UAV)通信系统优化中存在的局限性，包括针对RIS仅考虑相移矩阵优化、优化方法缺乏应用普适性等问题，该文面向RIS辅助无人机通信服务多用户场景，创新性提出一种基于合作协同进化(CCEA)的联合波束优化方法。该方法利用两个子种群的独立进化将联合波束成形问题分解成RIS反射波波束设计和发射端波束设计两个子问题进行求解，通过进化过程中的信息交互与协作来实现联合波束成形设计。数值仿真结果表明，相较于仅考虑RIS相移矩阵设计的联合波束优化，CCEA通过设计RIS反射波波束形状改变了反射波在3维空间中的能量分布，进而提升了接收端信干噪比(SINR)和频谱效率；此外，基于种群的CCEA算法能够产生更加多样的解，因此在UAV和用户的不同位置设置下均能实现反射波对用户方向的有效覆盖，相对于传统方法能够避免局部最优、具有更强的应用普适性。
针对传统联合波束成形方法在智能超表面(RIS)辅助无人机(UAV)通信系统优化中存在的局限性，包括针对RIS仅考虑相移矩阵优化、优化方法缺乏应用普适性等问题，该文面向RIS辅助无人机通信服务多用户场景，创新性提出一种基于合作协同进化(CCEA)的联合波束优化方法。该方法利用两个子种群的独立进化将联合波束成形问题分解成RIS反射波波束设计和发射端波束设计两个子问题进行求解，通过进化过程中的信息交互与协作来实现联合波束成形设计。数值仿真结果表明，相较于仅考虑RIS相移矩阵设计的联合波束优化，CCEA通过设计RIS反射波波束形状改变了反射波在3维空间中的能量分布，进而提升了接收端信干噪比(SINR)和频谱效率；此外，基于种群的CCEA算法能够产生更加多样的解，因此在UAV和用户的不同位置设置下均能实现反射波对用户方向的有效覆盖，相对于传统方法能够避免局部最优、具有更强的应用普适性。
, 最新更新时间 , doi: 10.11999/JEIT240092
摘要:
合成孔径雷达(SAR)是一种微波遥感成像雷达。近年来，随着数字化技术和射频电子技术的进步，针对SAR成像的干扰技术不断发展，基于数字射频存储技术(DRFM)的有源欺骗干扰更是给民用和军用的SAR成像系统带来了前所未有的考验。针对欺骗干扰开展SAR成像抗干扰研究，该文首先引入带有循环前缀的正交频分复用(CP-OFDM)波形进行正交波形分集设计与波形优化，获取具备优异自相关峰值旁瓣水平和互相关峰值水平的CP-OFDM宽带正交波形集；然后引入稀疏SAR成像理论，将CP-OFDM波形与稀疏SAR成像相结合，采用稀疏重构算法对CP-OFDM回波进行成像，实现具备抗欺骗干扰能力的高质量、高精度SAR成像。最终，开展了点目标、面目标以及基于真实数据模拟的复杂场景仿真实验，证明了所提方法可以将欺骗干扰产生的假目标完全去除，并对旁瓣进行抑制，实现高精度成像。
合成孔径雷达(SAR)是一种微波遥感成像雷达。近年来，随着数字化技术和射频电子技术的进步，针对SAR成像的干扰技术不断发展，基于数字射频存储技术(DRFM)的有源欺骗干扰更是给民用和军用的SAR成像系统带来了前所未有的考验。针对欺骗干扰开展SAR成像抗干扰研究，该文首先引入带有循环前缀的正交频分复用(CP-OFDM)波形进行正交波形分集设计与波形优化，获取具备优异自相关峰值旁瓣水平和互相关峰值水平的CP-OFDM宽带正交波形集；然后引入稀疏SAR成像理论，将CP-OFDM波形与稀疏SAR成像相结合，采用稀疏重构算法对CP-OFDM回波进行成像，实现具备抗欺骗干扰能力的高质量、高精度SAR成像。最终，开展了点目标、面目标以及基于真实数据模拟的复杂场景仿真实验，证明了所提方法可以将欺骗干扰产生的假目标完全去除，并对旁瓣进行抑制，实现高精度成像。
, 最新更新时间 , doi: 10.11999/JEIT240488
摘要:
当基站(BS)和用户的位置固定，基站到智能反射面(IRS)与IRS到用户的距离和一定时，该文在视距信道和瑞利信道下基于最大化系统可达速率准则对无源和有源IRS的最优放置位置进行分析。首先，运用相位对齐和大数定律推导了无源和有源IRS辅助无线网络可达速率的闭合表达式；然后，分析了基站到IRS的路径损耗指数\begin{document}${\beta _1}$\end{document} \begin{document}${\beta _2}$\end{document} \begin{document}${\beta _{\text{1}}} \gt {\beta _{\text{2}}}$\end{document} \begin{document}${\beta _1}$\end{document} \begin{document}${\beta _2}$\end{document} \begin{document}${\beta _1} \lt {\beta _2}$\end{document} \begin{document}${\beta _1} = {\beta _2}$\end{document}
当基站(BS)和用户的位置固定，基站到智能反射面(IRS)与IRS到用户的距离和一定时，该文在视距信道和瑞利信道下基于最大化系统可达速率准则对无源和有源IRS的最优放置位置进行分析。首先，运用相位对齐和大数定律推导了无源和有源IRS辅助无线网络可达速率的闭合表达式；然后，分析了基站到IRS的路径损耗指数
, 最新更新时间 , doi: 10.11999/JEIT240431
摘要:
显著目标检测(SOD)旨在模仿人类视觉系统注意力机制和认知机制来自动提取场景中的显著物体。虽然现有基于卷积神经网络 (CNN)或Transformer的模型不断刷新该领域方法的性能，但较少研究关注以下两个问题：(1)此领域多数方法常采用逐像素点的密集预测方式以获取像素显著值，然而该方式不符合基于人类视觉系统的场景解析机制，即人眼通常对语义区域进行整体分析而非关注像素级信息；(2)增强上下文信息关联在SOD任务中受到广泛关注，但通过Transformer主干结构获取长程关联特征不一定具有优势。SOD应更关注目标在适当区域内其中心-邻域差异性而非全局长程依赖。针对上述问题，该文提出一种新的显著目标检测模型，将CNN形式的自适应注意力和掩码注意力集成到网络中，以提高显著目标检测的性能。该算法设计了基于掩码感知的解码模块，通过将交叉注意力限制在预测的掩码区域来感知图像特征，有助于网络更好地聚焦于显著目标的整体区域。同时，该文设计了基于卷积注意力的上下文特征增强模块，与Transformer逐层建立长程关系不同，该模块仅捕获最高层特征中的适当上下文关联，避免引入无关的全局信息。该文在4个广泛使用的数据集上进行了实验评估，结果表明，该文提出的方法在不同场景下均取得了显著的性能提升，具有良好的泛化能力和稳定性。
显著目标检测(SOD)旨在模仿人类视觉系统注意力机制和认知机制来自动提取场景中的显著物体。虽然现有基于卷积神经网络 (CNN)或Transformer的模型不断刷新该领域方法的性能，但较少研究关注以下两个问题：(1)此领域多数方法常采用逐像素点的密集预测方式以获取像素显著值，然而该方式不符合基于人类视觉系统的场景解析机制，即人眼通常对语义区域进行整体分析而非关注像素级信息；(2)增强上下文信息关联在SOD任务中受到广泛关注，但通过Transformer主干结构获取长程关联特征不一定具有优势。SOD应更关注目标在适当区域内其中心-邻域差异性而非全局长程依赖。针对上述问题，该文提出一种新的显著目标检测模型，将CNN形式的自适应注意力和掩码注意力集成到网络中，以提高显著目标检测的性能。该算法设计了基于掩码感知的解码模块，通过将交叉注意力限制在预测的掩码区域来感知图像特征，有助于网络更好地聚焦于显著目标的整体区域。同时，该文设计了基于卷积注意力的上下文特征增强模块，与Transformer逐层建立长程关系不同，该模块仅捕获最高层特征中的适当上下文关联，避免引入无关的全局信息。该文在4个广泛使用的数据集上进行了实验评估，结果表明，该文提出的方法在不同场景下均取得了显著的性能提升，具有良好的泛化能力和稳定性。
, 最新更新时间 , doi: 10.11999/JEIT240524
摘要:
Draco算法是首次基于初始向量和密钥前缀组合(CIVK)方案构造的一个流密码设计实例，其声称对于时空数据折中(TMDTO)攻击具有完全可证明的安全性。但因Draco算法的选择函数存在周期小的结构缺陷，攻击者给出了突破其安全界限的分析结果。针对Draco算法存在的安全缺陷等问题，该文提出一种基于状态位索引和动态初始化的改进算法Draco-F算法。首先，Draco-F算法通过使用状态位索引的方法增加了选择函数的周期并降低硬件成本；其次，在保障非线性反馈移位寄存器(NFSR)状态位使用均匀性的前提下，Draco-F算法通过简化输出函数进一步降低算法的硬件成本；最后，Draco-F算法引入动态初始化技术以防止密钥回溯。对Draco-F算法的安全性分析和软硬件测试结果表明：相对于Draco算法，Draco-F算法避免了Draco算法的安全漏洞，可以以128 bit的实际内部状态提供128 bit的安全级别；同时，Draco-F算法具有更高的密钥流吞吐率和更小的电路面积。
Draco算法是首次基于初始向量和密钥前缀组合(CIVK)方案构造的一个流密码设计实例，其声称对于时空数据折中(TMDTO)攻击具有完全可证明的安全性。但因Draco算法的选择函数存在周期小的结构缺陷，攻击者给出了突破其安全界限的分析结果。针对Draco算法存在的安全缺陷等问题，该文提出一种基于状态位索引和动态初始化的改进算法Draco-F算法。首先，Draco-F算法通过使用状态位索引的方法增加了选择函数的周期并降低硬件成本；其次，在保障非线性反馈移位寄存器(NFSR)状态位使用均匀性的前提下，Draco-F算法通过简化输出函数进一步降低算法的硬件成本；最后，Draco-F算法引入动态初始化技术以防止密钥回溯。对Draco-F算法的安全性分析和软硬件测试结果表明：相对于Draco算法，Draco-F算法避免了Draco算法的安全漏洞，可以以128 bit的实际内部状态提供128 bit的安全级别；同时，Draco-F算法具有更高的密钥流吞吐率和更小的电路面积。
, 最新更新时间 , doi: 10.11999/JEIT240059
摘要:
近年来，因对电磁波具备灵活的调控能力，超表面天线技术受到来自通信、雷达以及天线领域学者的广泛关注。其中，超表面天线单元中所使用的有源调控器件，是决定整个系统性能的最关键部件之一。基于0.13 μm SiGe BiCMOS工艺设计了一个95～105 GHz的五位宽带数控衰减器芯片。该衰减器采用了反射式和简化T型两种拓扑结构，其中4 dB与8 dB反射式衰减单元采用交叉耦合宽带耦合器代替传统的3 dB耦合器或定向耦合器，同时获得了高衰减精度和低插入损耗；而0.5 dB, 1 dB, 2 dB三个衰减单元均采用简化T型结构。此外，利用RC正斜率和负斜率校正网络分别应用于不同的衰减单元进行相位补偿，极大地改善了衰减器的附加相移。经过仿真验证，在95～105 GHz的感兴趣工作频率内，衰减器芯片在0.12 mm2的紧凑的尺寸下实现了0～15.5 dB的衰减范围，步进为0.5 dB，基态插入损耗小于2.5 dB，幅度均方根误差小于0.31 dB，附加相移均方根误差小于2.2º。所提出的W波段衰减器可作为一个关键部件赋能集成T/R的辐散一体化超表面天线系统的硬件实现。
近年来，因对电磁波具备灵活的调控能力，超表面天线技术受到来自通信、雷达以及天线领域学者的广泛关注。其中，超表面天线单元中所使用的有源调控器件，是决定整个系统性能的最关键部件之一。基于0.13 μm SiGe BiCMOS工艺设计了一个95～105 GHz的五位宽带数控衰减器芯片。该衰减器采用了反射式和简化T型两种拓扑结构，其中4 dB与8 dB反射式衰减单元采用交叉耦合宽带耦合器代替传统的3 dB耦合器或定向耦合器，同时获得了高衰减精度和低插入损耗；而0.5 dB, 1 dB, 2 dB三个衰减单元均采用简化T型结构。此外，利用RC正斜率和负斜率校正网络分别应用于不同的衰减单元进行相位补偿，极大地改善了衰减器的附加相移。经过仿真验证，在95～105 GHz的感兴趣工作频率内，衰减器芯片在0.12 mm2的紧凑的尺寸下实现了0～15.5 dB的衰减范围，步进为0.5 dB，基态插入损耗小于2.5 dB，幅度均方根误差小于0.31 dB，附加相移均方根误差小于2.2º。所提出的W波段衰减器可作为一个关键部件赋能集成T/R的辐散一体化超表面天线系统的硬件实现。
, 最新更新时间 , doi: 10.11999/JEIT240297
摘要:
随着新兴应用的不断涌现，频谱拥堵问题日益严重。通信雷达一体化(DFRC)是解决频谱拥堵问题的关键技术之一。然而，如何解决通信与雷达之间的相互干扰并实现高通信速率是通信雷达一体化亟待解决的基础难题。该文以多载波互补码分多址技术为基础，设计一种适用于多用户场景的新型通信雷达一体化信号。理论分析和仿真结果表明，与典型的扩频方案相比，所提方案可以实现通信雷达的无扰传输，并具有低的误码率与高的通信速率。
随着新兴应用的不断涌现，频谱拥堵问题日益严重。通信雷达一体化(DFRC)是解决频谱拥堵问题的关键技术之一。然而，如何解决通信与雷达之间的相互干扰并实现高通信速率是通信雷达一体化亟待解决的基础难题。该文以多载波互补码分多址技术为基础，设计一种适用于多用户场景的新型通信雷达一体化信号。理论分析和仿真结果表明，与典型的扩频方案相比，所提方案可以实现通信雷达的无扰传输，并具有低的误码率与高的通信速率。
, 最新更新时间 , doi: 10.11999/JEIT240083
摘要:
为了解决6G通感一体化系统(ISAC)中信息传输安全以及频谱紧张的问题，该文提出一种智能反射面(IRS)辅助ISAC系统安全资源分配算法。首先，在IRS-ISAC系统中，用户受到窃听者的恶意攻击时，通过干扰机发射的干扰信号和IRS智能地调节反射相移，重新配置传输环境，以提高系统的物理层安全。其次，考虑在基站和干扰机的最大发射功率约束，IRS反射相移约束以及雷达的信干噪比约束下，建立一个联合优化基站发射波束成形、干扰机预编码和IRS相移的系统保密率最大化优化问题。然后，利用交替优化和半正定松弛(SDR)算法等方法对原非凸优化问题进行转换，求出一个能够得到确定解的凸优化问题。最后提出一种基于交替迭代的安全资源分配算法。仿真结果验证了所提算法的安全性和有效性以及IRS-ISAC系统的优越性。
为了解决6G通感一体化系统(ISAC)中信息传输安全以及频谱紧张的问题，该文提出一种智能反射面(IRS)辅助ISAC系统安全资源分配算法。首先，在IRS-ISAC系统中，用户受到窃听者的恶意攻击时，通过干扰机发射的干扰信号和IRS智能地调节反射相移，重新配置传输环境，以提高系统的物理层安全。其次，考虑在基站和干扰机的最大发射功率约束，IRS反射相移约束以及雷达的信干噪比约束下，建立一个联合优化基站发射波束成形、干扰机预编码和IRS相移的系统保密率最大化优化问题。然后，利用交替优化和半正定松弛(SDR)算法等方法对原非凸优化问题进行转换，求出一个能够得到确定解的凸优化问题。最后提出一种基于交替迭代的安全资源分配算法。仿真结果验证了所提算法的安全性和有效性以及IRS-ISAC系统的优越性。
, 最新更新时间 , doi: 10.11999/JEIT240051
摘要:
针对可重构智能超表面(RIS)辅助多用户系统中基站和RIS联合波束成形设计问题，该文提出通用低复杂度联合波束成形设计方案。首先，分析RIS辅助多用户系统以最大化和数据速率为目标的联合波束成形非凸优化问题。其次，利用波束导向矢量近似正交性设计RIS反射矩阵，进一步利用迫零方法设计基站发射波束成形，并对多用户进行功率分配优化。最后，讨论该方案适用性并对比该方案的计算复杂度相比现有方案降低了一个数量级。仿真结果表明，所提通用低复杂度波束成形设计可以获得较高和数据速率，并且采用最优功率分配可以进一步提高和数据速率。此外，仿真结果和理论分析都表明系统和数据速率随RIS位置的变化而变化，该结论为RIS位置的选择提供参考依据。
针对可重构智能超表面(RIS)辅助多用户系统中基站和RIS联合波束成形设计问题，该文提出通用低复杂度联合波束成形设计方案。首先，分析RIS辅助多用户系统以最大化和数据速率为目标的联合波束成形非凸优化问题。其次，利用波束导向矢量近似正交性设计RIS反射矩阵，进一步利用迫零方法设计基站发射波束成形，并对多用户进行功率分配优化。最后，讨论该方案适用性并对比该方案的计算复杂度相比现有方案降低了一个数量级。仿真结果表明，所提通用低复杂度波束成形设计可以获得较高和数据速率，并且采用最优功率分配可以进一步提高和数据速率。此外，仿真结果和理论分析都表明系统和数据速率随RIS位置的变化而变化，该结论为RIS位置的选择提供参考依据。
, 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/JEIT240574
摘要:
随着6G技术的蓬勃发展和工业物联网的不断演进，联邦学习在工业领域的应用备受关注。因此，该文专注于探讨6G推动下工业物联网中联邦学习的发展与应用潜力，分析6G在工业物联网的应用前景，探索如何结合6G特性利用联邦学习技术满足数据隐私保护、资源优化和智能决策需求。首先，调研总结了现有相关工作，提出了联邦学习技术面向6G工业物联网应用场景的发展需求与愿景。在此基础上，构建了一种基于分层跨域架构的工业联邦学习新范式，旨在融合6G与数字孪生技术赋能实现泛在、灵活、层次化的联邦学习，以支撑典型工业物联网场景中按需、可靠的分布式智能业务，实现运营信息通信技术(OCIT)的融合。其次，分析归纳了面向6G工业物联网的联邦学习(6G IIoT-FL)可能面临的研究挑战，并提出了潜在的解决方案或建议。最后，指出了该技术未来值得关注的相关方向，旨在一定程度上为后续研究开拓思路。
随着6G技术的蓬勃发展和工业物联网的不断演进，联邦学习在工业领域的应用备受关注。因此，该文专注于探讨6G推动下工业物联网中联邦学习的发展与应用潜力，分析6G在工业物联网的应用前景，探索如何结合6G特性利用联邦学习技术满足数据隐私保护、资源优化和智能决策需求。首先，调研总结了现有相关工作，提出了联邦学习技术面向6G工业物联网应用场景的发展需求与愿景。在此基础上，构建了一种基于分层跨域架构的工业联邦学习新范式，旨在融合6G与数字孪生技术赋能实现泛在、灵活、层次化的联邦学习，以支撑典型工业物联网场景中按需、可靠的分布式智能业务，实现运营信息通信技术(OCIT)的融合。其次，分析归纳了面向6G工业物联网的联邦学习(6G IIoT-FL)可能面临的研究挑战，并提出了潜在的解决方案或建议。最后，指出了该技术未来值得关注的相关方向，旨在一定程度上为后续研究开拓思路。
, 最新更新时间 , doi: 10.11999/JEIT240502
摘要:
为解决360°全景图像显著目标检测(SOD)中的显著目标尺度变化和边缘不连续、易模糊的问题，该文提出一种基于相邻协调网络的360°全景图像显著目标检测方法(ACoNet)。首先，利用相邻细节融合模块获取相邻特征中的细节和边缘信息，以促进显著目标的精确定位。其次，使用语义引导特征聚合模块来聚合浅层特征和深层特征之间不同尺度上的语义特征信息，并抑制浅层特征传递的噪声，缓解解码阶段显著目标与背景区域不连续、边界易模糊的问题。同时构建多尺度语义融合子模块扩大不同卷积层的多尺度感受野，实现精确训练显著目标边界的效果。在2个公开的数据集上进行的大量实验结果表明，相比于其他13种先进方法，所提方法在6个客观评价指标上均有明显的提升，同时主观可视化检测的显著图边缘轮廓性更好，空间结构细节信息更清晰。
为解决360°全景图像显著目标检测(SOD)中的显著目标尺度变化和边缘不连续、易模糊的问题，该文提出一种基于相邻协调网络的360°全景图像显著目标检测方法(ACoNet)。首先，利用相邻细节融合模块获取相邻特征中的细节和边缘信息，以促进显著目标的精确定位。其次，使用语义引导特征聚合模块来聚合浅层特征和深层特征之间不同尺度上的语义特征信息，并抑制浅层特征传递的噪声，缓解解码阶段显著目标与背景区域不连续、边界易模糊的问题。同时构建多尺度语义融合子模块扩大不同卷积层的多尺度感受野，实现精确训练显著目标边界的效果。在2个公开的数据集上进行的大量实验结果表明，相比于其他13种先进方法，所提方法在6个客观评价指标上均有明显的提升，同时主观可视化检测的显著图边缘轮廓性更好，空间结构细节信息更清晰。
, 最新更新时间 , doi: 10.11999/JEIT240289
摘要:
无人机集群在对组网雷达进行航迹欺骗过程中通过延时转发截获的雷达信号生成虚假目标点，而雷达站址误差、无人机抖动误差及转发时延误差均会造成虚假目标点偏离预设位置，进而使航迹欺骗效果恶化。针对上述问题，该文在雷达量测位置、无人机预设位置和欺骗距离已知以及组网雷达空间分辨单元(SRC)一定的情况下，分析了雷达站址误差、无人机抖动误差及转发时延误差同时存在时无人机集群成功欺骗组网雷达的边界条件，并总结了上述误差对航迹欺骗效果的影响规律。数值仿真结果表明，当3种误差同时存在时，推导结果可以有效评估无人机集群对组网雷达的欺骗能力。
无人机集群在对组网雷达进行航迹欺骗过程中通过延时转发截获的雷达信号生成虚假目标点，而雷达站址误差、无人机抖动误差及转发时延误差均会造成虚假目标点偏离预设位置，进而使航迹欺骗效果恶化。针对上述问题，该文在雷达量测位置、无人机预设位置和欺骗距离已知以及组网雷达空间分辨单元(SRC)一定的情况下，分析了雷达站址误差、无人机抖动误差及转发时延误差同时存在时无人机集群成功欺骗组网雷达的边界条件，并总结了上述误差对航迹欺骗效果的影响规律。数值仿真结果表明，当3种误差同时存在时，推导结果可以有效评估无人机集群对组网雷达的欺骗能力。
, 最新更新时间 , doi: 10.11999/JEIT240505
摘要:
现阶段空间信息网络中各卫星子系统各成体系且相互割裂，使得网络呈现封闭、分裂态势，形成严峻资源壁垒，造成空间资源协同应用能力弱以及网络扩展能力低等难题。传统架构设计采用对现阶段空间网络架构的“完全颠覆”的思路，大大增加了实际部署的难度。为此，该文立足于卫星网络现状，采取“按步骤分阶段升级”的思路，促进现有网络架构的演进，从任务驱动角度开展动态可伸缩空间信息网络架构模型研究，实现空间资源在各卫星子系统间高效动态共享，促进空间资源根据任务需求变化而动态高效汇聚。首先，提出分阶段实现的网络架构模型，旨在兼容和升级现有网络架构。随后，介绍核心部件网络资源协调器的详细设计，包括网络结构与工作协议、超帧结构以及高效的网络资源动态分配策略，实现空间数据的高效传输。仿真结果表明，所提网络架构实现了网络资源高效共享，大大提升空间信息网络的网络性能。
现阶段空间信息网络中各卫星子系统各成体系且相互割裂，使得网络呈现封闭、分裂态势，形成严峻资源壁垒，造成空间资源协同应用能力弱以及网络扩展能力低等难题。传统架构设计采用对现阶段空间网络架构的“完全颠覆”的思路，大大增加了实际部署的难度。为此，该文立足于卫星网络现状，采取“按步骤分阶段升级”的思路，促进现有网络架构的演进，从任务驱动角度开展动态可伸缩空间信息网络架构模型研究，实现空间资源在各卫星子系统间高效动态共享，促进空间资源根据任务需求变化而动态高效汇聚。首先，提出分阶段实现的网络架构模型，旨在兼容和升级现有网络架构。随后，介绍核心部件网络资源协调器的详细设计，包括网络结构与工作协议、超帧结构以及高效的网络资源动态分配策略，实现空间数据的高效传输。仿真结果表明，所提网络架构实现了网络资源高效共享，大大提升空间信息网络的网络性能。
, 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。
