邮件订阅
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:
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240782
摘要:
2017年，PFP作为一种超轻量级分组密码被提出，而因其卓越的实现性能备受业界广泛关注。该算法不仅硬件开销需求低(仅需约1355 GE(等效门))、功耗小，而且加解密速度快(其速度甚至比国际著名算法 PRESENT的实现速度快1.5倍)，非常适合在物联网环境中使用。在PFP算法的设计文档中，作者声称该算法具有足够的能力抵御差分攻击、线性攻击及不可能差分攻击等多种密码攻击方法。然而该算法是否存在未知的安全漏洞是目前研究的难点。该文基于可满足性模理论(SMT)，结合PFP算法轮函数特点，构建两种区分器自动化搜索模型。实验测试结果表明：该算法在32轮加密中存在概率为2–62的相关密钥差分特征。由此，该文提出一种针对全轮PFP算法的相关密钥恢复攻击，即只需263个选择明文和248次全轮加密便可破译出80 bit的主密钥。这说明该算法无法抵抗相关密钥差分攻击。
2017年，PFP作为一种超轻量级分组密码被提出，而因其卓越的实现性能备受业界广泛关注。该算法不仅硬件开销需求低(仅需约
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240719
摘要:
当前车联网(V2X)环境普遍存在频谱资源紧缺和数据传输效率低的问题。该文通过集成感知、通信和计算车联网系统(ISCC-V2X)以提升车辆用户的数据传输能力。ISCC-V2X中采用雷达感知技术帮助次用户接入主用户频谱空洞进行车联网通信，在车辆用户中加入计算单元提升数据传输卸载能力，为了更好地提升车联网通信和计算性能并同时降低系统功耗，在ISCC-V2X中引入混合智能反射面(H-RIS)。该研究从时间和功率资源分配的角度出发，对H-RIS辅助的ISCC-V2X技术进行了深入探讨。该文采用了一种两阶段的优化方法，对功率分配、时间分配和反射元件进行交替优化求解，以找到最佳的优化方案，并通过定义联合吞吐量(JTC)的性能指标来表征次用户的数据传输能力和计算性能。通过仿真实验分析表明，在H-RIS辅助ISCC-V2X场景中存在一种时间功率联合分配的最优策略，能够显著提升次用户的联合吞吐量。
当前车联网(V2X)环境普遍存在频谱资源紧缺和数据传输效率低的问题。该文通过集成感知、通信和计算车联网系统(ISCC-V2X)以提升车辆用户的数据传输能力。ISCC-V2X中采用雷达感知技术帮助次用户接入主用户频谱空洞进行车联网通信，在车辆用户中加入计算单元提升数据传输卸载能力，为了更好地提升车联网通信和计算性能并同时降低系统功耗，在ISCC-V2X中引入混合智能反射面(H-RIS)。该研究从时间和功率资源分配的角度出发，对H-RIS辅助的ISCC-V2X技术进行了深入探讨。该文采用了一种两阶段的优化方法，对功率分配、时间分配和反射元件进行交替优化求解，以找到最佳的优化方案，并通过定义联合吞吐量(JTC)的性能指标来表征次用户的数据传输能力和计算性能。通过仿真实验分析表明，在H-RIS辅助ISCC-V2X场景中存在一种时间功率联合分配的最优策略，能够显著提升次用户的联合吞吐量。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240866
摘要:
为了应对智能反射面(RIS)辅助的无人机(UAV)在物联网数据收集过程中能量高效利用与信息收集时效性之间的均衡问题，该文提出一种基于深度强化学习的数据收集优化策略。针对无人机在数据采集过程中的飞行能耗、通信复杂性及采集信息时效性(AoI)约束，设计了一种基于双深度Q网络(DDQN)的联合优化方案，涵盖无人机轨迹规划、物联网设备调度以及智能反射面相位调整。该方案有效缓解了传统Q学习方法中Q值过估计的问题，使无人机能够根据实时环境动态调整飞行轨迹和通信策略，从而在提升数据传输效率的同时降低能量消耗。仿真结果表明，与传统方法相比，所提方案能够显著提高数据收集效率。此外，通过合理分配能量与通信资源，所提方案能够动态适应不同通信环境参数变化，确保系统在能耗与AoI之间达到最佳均衡。
为了应对智能反射面(RIS)辅助的无人机(UAV)在物联网数据收集过程中能量高效利用与信息收集时效性之间的均衡问题，该文提出一种基于深度强化学习的数据收集优化策略。针对无人机在数据采集过程中的飞行能耗、通信复杂性及采集信息时效性(AoI)约束，设计了一种基于双深度Q网络(DDQN)的联合优化方案，涵盖无人机轨迹规划、物联网设备调度以及智能反射面相位调整。该方案有效缓解了传统Q学习方法中Q值过估计的问题，使无人机能够根据实时环境动态调整飞行轨迹和通信策略，从而在提升数据传输效率的同时降低能量消耗。仿真结果表明，与传统方法相比，所提方案能够显著提高数据收集效率。此外，通过合理分配能量与通信资源，所提方案能够动态适应不同通信环境参数变化，确保系统在能耗与AoI之间达到最佳均衡。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240741
摘要:
联邦学习中，高模型贡献率的无线网络设备通常由于算力不足、能量有限成为掉队者，进而增加模型聚合时延并影响全局模型精度。针对此问题，该文设计了联合边缘服务器辅助训练和模型自适应稀疏联邦学习架构，并提出了基于边缘辅助训练的自适应稀疏联邦学习优化算法。首先，引入边缘服务器为算力不足或能量受限的设备提供辅助训练。构建了辅助训练和通信、计算资源分配的优化模型，并采用多种深度强化学习方法求解优化的辅助训练决策。其次，基于辅助训练决策，在每个通信轮次自适应地对全局模型进行非结构化剪枝，进一步降低设备的时延和能耗开销。实验结果表明，所提算法极大地减少了掉队设备，其模型测试精度优于经典联邦学习的测试精度；利用深度确定性策略梯度(DDPG)优化辅助资源分配的算法有效地减少了系统训练时延，提升了模型训练效率。
联邦学习中，高模型贡献率的无线网络设备通常由于算力不足、能量有限成为掉队者，进而增加模型聚合时延并影响全局模型精度。针对此问题，该文设计了联合边缘服务器辅助训练和模型自适应稀疏联邦学习架构，并提出了基于边缘辅助训练的自适应稀疏联邦学习优化算法。首先，引入边缘服务器为算力不足或能量受限的设备提供辅助训练。构建了辅助训练和通信、计算资源分配的优化模型，并采用多种深度强化学习方法求解优化的辅助训练决策。其次，基于辅助训练决策，在每个通信轮次自适应地对全局模型进行非结构化剪枝，进一步降低设备的时延和能耗开销。实验结果表明，所提算法极大地减少了掉队设备，其模型测试精度优于经典联邦学习的测试精度；利用深度确定性策略梯度(DDPG)优化辅助资源分配的算法有效地减少了系统训练时延，提升了模型训练效率。
当前状态:
, 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，该文提出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，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，该文提出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，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。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240560
摘要:
以广距鸟瞰视角拍摄获取的遥感图像通常具有目标种类多、尺度变化大以及背景信息丰富等特点，为目标检测任务带来巨大挑战。针对遥感图像成像特点，该文设计一种上下文感知多感受野融合网络，通过充分挖掘深度网络中遥感图像在不同尺寸特征描述下所包含的上下文关联信息，提高图像特征描述力，进而提升遥感目标检测精度。首先，在特征金字塔前4层网络中构建了感受野扩张模块，通过扩大网络在不同尺度特征图上的感受野范围，增强网络对不同尺度遥感目标的感知能力；进一步，构建了高层特征聚合模块，通过将特征金字塔网络中高层语义信息聚合到低层特征中，从而将特征图中所包含的多尺度上下文信息进行有效融合；最后，在双阶段定向目标检测框架下设计了特征细化区域建议网络。通过对一阶段提案进行精细化处理，提升提案准确性，进而提高二阶段兴趣区域对齐网络得到的不同成像方向下的遥感目标检测性能。在公测数据集DIOR-R和HRSC2016上的定性和定量的对比实验结果证明，所提方法对不同种类和尺度大小的遥感目标均能实现更加准确的检测。
以广距鸟瞰视角拍摄获取的遥感图像通常具有目标种类多、尺度变化大以及背景信息丰富等特点，为目标检测任务带来巨大挑战。针对遥感图像成像特点，该文设计一种上下文感知多感受野融合网络，通过充分挖掘深度网络中遥感图像在不同尺寸特征描述下所包含的上下文关联信息，提高图像特征描述力，进而提升遥感目标检测精度。首先，在特征金字塔前4层网络中构建了感受野扩张模块，通过扩大网络在不同尺度特征图上的感受野范围，增强网络对不同尺度遥感目标的感知能力；进一步，构建了高层特征聚合模块，通过将特征金字塔网络中高层语义信息聚合到低层特征中，从而将特征图中所包含的多尺度上下文信息进行有效融合；最后，在双阶段定向目标检测框架下设计了特征细化区域建议网络。通过对一阶段提案进行精细化处理，提升提案准确性，进而提高二阶段兴趣区域对齐网络得到的不同成像方向下的遥感目标检测性能。在公测数据集DIOR-R和HRSC2016上的定性和定量的对比实验结果证明，所提方法对不同种类和尺度大小的遥感目标均能实现更加准确的检测。
当前状态:
, 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。
当前状态:
, 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。
当前状态:
, 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。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240698
摘要:
在差异化服务共存的车联网场景中，针对基于平均信息年龄(AoI)优化无法降低极端事件发生概率的问题，该文提出一种信息新鲜度保障的用户功率控制和资源分配策略。首先，根据系统模型刻画出车辆到车辆(V2V)用户状态更新信息新鲜度约束下最大化车辆到基站(V2I)用户体验质量(QoE)的问题。然后，结合与AoI中断约束等价的队列积压约束，并引入极值理论以优化AoI尾部分布。接着，基于李雅普诺夫优化方法将原问题转化最小化李雅普诺夫漂移加惩罚函数的问题，在此基础上求解最优的用户发射功率。最后，在构建超图的基础上，提出了一种基于遗传算法改进粒子群算法(GA-PSO)的资源分配策略确定最优的用户信道复用方式。仿真结果表明，相比于基准方案，所提方案能够在降低V2V链路AoI中断的极端事件发生概率的同时，提高约7.03%的V2I链路信道容量，实现V2I用户平均QoE提升。
在差异化服务共存的车联网场景中，针对基于平均信息年龄(AoI)优化无法降低极端事件发生概率的问题，该文提出一种信息新鲜度保障的用户功率控制和资源分配策略。首先，根据系统模型刻画出车辆到车辆(V2V)用户状态更新信息新鲜度约束下最大化车辆到基站(V2I)用户体验质量(QoE)的问题。然后，结合与AoI中断约束等价的队列积压约束，并引入极值理论以优化AoI尾部分布。接着，基于李雅普诺夫优化方法将原问题转化最小化李雅普诺夫漂移加惩罚函数的问题，在此基础上求解最优的用户发射功率。最后，在构建超图的基础上，提出了一种基于遗传算法改进粒子群算法(GA-PSO)的资源分配策略确定最优的用户信道复用方式。仿真结果表明，相比于基准方案，所提方案能够在降低V2V链路AoI中断的极端事件发生概率的同时，提高约7.03%的V2I链路信道容量，实现V2I用户平均QoE提升。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240847
摘要:
无人机(UAV)辅助联邦边缘学习的通信能够有效解决终端设备数据孤岛问题和数据泄露风险。然而，窃听者可能利用联邦边缘学习中的模型更新来恢复终端设备的原始隐私数据，从而对系统的隐私安全构成极大威胁。为了克服这一挑战，该文在无人机辅助联邦边缘学习通信系统提出一种有效的安全聚合和资源优化方案。具体来说，终端设备利用其本地数据进行局部模型训练来更新参数，并将其发送给全局无人机，无人机据此聚合出新的全局模型参数。窃听者试图通过窃听终端设备发送的模型参数信号来恢复终端设备的原始数据。该文通过联合优化终端设备的传输带宽、CPU频率、发送功率以及无人机的CPU频率，最大化安全隐私能效。为了解决该优化问题，该文提出一种演进深度确定性策略梯度(DDPG)算法，通过和系统智能交互，在保证基本时延和能耗需求的情况下获得安全聚合和资源优化方案。最后，通过和基准方案对比，验证了所提方案的有效性。
无人机(UAV)辅助联邦边缘学习的通信能够有效解决终端设备数据孤岛问题和数据泄露风险。然而，窃听者可能利用联邦边缘学习中的模型更新来恢复终端设备的原始隐私数据，从而对系统的隐私安全构成极大威胁。为了克服这一挑战，该文在无人机辅助联邦边缘学习通信系统提出一种有效的安全聚合和资源优化方案。具体来说，终端设备利用其本地数据进行局部模型训练来更新参数，并将其发送给全局无人机，无人机据此聚合出新的全局模型参数。窃听者试图通过窃听终端设备发送的模型参数信号来恢复终端设备的原始数据。该文通过联合优化终端设备的传输带宽、CPU频率、发送功率以及无人机的CPU频率，最大化安全隐私能效。为了解决该优化问题，该文提出一种演进深度确定性策略梯度(DDPG)算法，通过和系统智能交互，在保证基本时延和能耗需求的情况下获得安全聚合和资源优化方案。最后，通过和基准方案对比，验证了所提方案的有效性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT231120
摘要:
卫星物联网终端低功耗、轻控制的设计需求导致系统采用常规随机接入协议时易发生大量碰撞，难以满足系统吞吐量要求。现有容碰撞随机接入技术依赖功率控制、波形积累的方式，在实际中难以实现。该文分析了功率域碰撞分离所需条件，提出面向功率域信号分离的辅助波束设计方案，在常规接收波束外增设辅助接收波束，通过优化辅助波束增益构造接收信号信噪比差异，支撑碰撞信号分离。仿真表明，所提方案能够显著提升随机接入的吞吐量。
卫星物联网终端低功耗、轻控制的设计需求导致系统采用常规随机接入协议时易发生大量碰撞，难以满足系统吞吐量要求。现有容碰撞随机接入技术依赖功率控制、波形积累的方式，在实际中难以实现。该文分析了功率域碰撞分离所需条件，提出面向功率域信号分离的辅助波束设计方案，在常规接收波束外增设辅助接收波束，通过优化辅助波束增益构造接收信号信噪比差异，支撑碰撞信号分离。仿真表明，所提方案能够显著提升随机接入的吞吐量。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240733
摘要:
为弥补可重构智能表面(RIS)半空间覆盖和“乘性衰落”等不足，该文提出一种有源同时透射和反射可重构智能表面(aSTAR-RIS)技术用于提升移动边缘计算(MEC)卸载性能增益。首先，考虑MEC服务器计算资源、aSTAR-RIS能耗以及相移耦合约束，联合设计任务卸载比例、计算资源配置、多用户检测矩阵(MUD)、aSTAR-RIS相移以及用户上传功率，建立一个多变量耦合的加权总时延最小化问题。然后，借助块坐标下降法(BCD)将原问题分解为两个子问题，使用拉格朗日乘子法和罚项对偶分解法(PDD)交替优化子问题。仿真结果表明，相较于无源STAR-RIS方案，所提aSTAR-RIS辅助MEC方案加权总时延降低了12.66%。
为弥补可重构智能表面(RIS)半空间覆盖和“乘性衰落”等不足，该文提出一种有源同时透射和反射可重构智能表面(aSTAR-RIS)技术用于提升移动边缘计算(MEC)卸载性能增益。首先，考虑MEC服务器计算资源、aSTAR-RIS能耗以及相移耦合约束，联合设计任务卸载比例、计算资源配置、多用户检测矩阵(MUD)、aSTAR-RIS相移以及用户上传功率，建立一个多变量耦合的加权总时延最小化问题。然后，借助块坐标下降法(BCD)将原问题分解为两个子问题，使用拉格朗日乘子法和罚项对偶分解法(PDD)交替优化子问题。仿真结果表明，相较于无源STAR-RIS方案，所提aSTAR-RIS辅助MEC方案加权总时延降低了12.66%。
当前状态:
, 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。
当前状态:
, 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。
2024, 46(12): 4335-4353.
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。
2024, 46(12): 4354-4362.
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%。
2024, 46(12): 4363-4372.
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。
2024, 46(12): 4373-4382.
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。
2024, 46(12): 4383-4390.
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。
2024, 46(12): 4391-4398.
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。
2024, 46(12): 4399-4408.
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。
2024, 46(12): 4409-4421.
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。
2024, 46(12): 4422-4431.
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。
2024, 46(12): 4432-4440.
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%。
2024, 46(12): 4441-4450.
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。
2024, 46(12): 4451-4458.
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。
2024, 46(12): 4459-4470.
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%。
2024, 46(12): 4471-4482.
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
2024, 46(12): 4483-4492.
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。
2024, 46(12): 4493-4503.
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。
2024, 46(12): 4504-4512.
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。
2024, 46(12): 4513-4521.
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。
2024, 46(12): 4522-4528.
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%。
2024, 46(12): 4529-4541.
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。
2024, 46(12): 4542-4552.
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)的特征提取模型，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)的特征提取模型，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。
2024, 46(12): 4553-4562.
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%。
2024, 46(12): 4563-4574.
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。
2024, 46(12): 4575-4588.
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。
编辑部公告
more >
- 《电子与信息学报》入选中国科技期刊卓越行动“中文领军期刊”
- 专题征文丨2025 “智慧医疗与工程创新——医工交叉的前沿探索”
- 专题征文丨6G通感算一体化
- 中国工程界最高奖项！电子与信息学报主编付琨研究员荣膺光华工程科技奖
- 专题征文 | “低空智能网联关键技术与应用”
- 专题征文 | “面向泛在互联的超可靠低时延卫星通信”
- 专题征文 | “面向物联网的通信-感知-计算融合技术”专题征文通知
- 专刊征文 | “先进集成电路技术”专刊（2024）
学术动态
more >
- 《电子与信息学报》领军论坛暨第九届编委会第三次工作会议在南京成功召开
- 2024“电路系统之星”获奖作者及作品（第三十四届中国电子学会电路与系统学术大会）
- 第三十四届中国电子学会电路与系统学术大会在桂林成功召开
- 第三届电子与信息前沿学术会议在南京隆重召开
- 详细议程 | 第三届电子与信息前沿学术会议第二轮通知
- 会议征文 | 第四届电子、信息与计算技术前沿国际会议 (ICFEICT 2024)
- 会议征文 | 第三届自动化，控制与通信工程国际学术研讨会(IWACCE 2024)
- 中国电子学会电路与系统分会第三十三届学术年会第二轮通知
作者服务中心
融媒体平台
more >
友情链接
more >
官方微信，欢迎关注
电子与信息学报
微信学术论坛群
