<?xml version="1.0" encoding="UTF-8"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:prism="http://prismstandard.org/namespaces/basic/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:syn="http://purl.org/rss/1.0/modules/syndication/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns="http://purl.org/rss/1.0/">
  <channel rdf:about="https://jeit.ac.cn/">
    <title>电子与信息学报</title>
    <link>https://jeit.ac.cn/</link>
    <description>Journal of Electronics & Information Technology</description>
    <dc:creator>jeit@mail.ie.ac.cn</dc:creator>
    <dc:publisher>jeit@mail.ie.ac.cn</dc:publisher>
    <dc:language>en</dc:language>
	<prism:rightsAgent>jeit@mail.ie.ac.cn</prism:rightsAgent>
    <prism:issn>1009-5896</prism:issn>
    <items>
		<rdf:Seq>
		<rdf:li rdf:resource="https://jeit.ac.cn/article/id/6a15a070-0aa8-45d3-89de-27e10c781ec4"/><rdf:li rdf:resource="https://jeit.ac.cn/article/id/4e0fd731-176c-4f2b-9c35-42dbf63bf49c"/><rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240804?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240655?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240840?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240874?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240596?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240732?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240344?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240741?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240447?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240773?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240789?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240631?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240818?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240528?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240517?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240782?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT241067?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240796?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240767?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240477?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240836?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240824?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240867?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240720?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240702?pageType=en"/>
  		<rdf:li rdf:resource="https://jeit.ac.cn/article/doi/10.11999/JEIT240294?pageType=en"/>
  				</rdf:Seq>
    </items>
  </channel>
    <item rdf:about="https://jeit.ac.cn/article/id/6a15a070-0aa8-45d3-89de-27e10c781ec4?pageType=en">
    <title><![CDATA[2025 年 3 期封面]]></title>
    <link>https://jeit.ac.cn/article/id/6a15a070-0aa8-45d3-89de-27e10c781ec4</link>    <description>
		<![CDATA[  电子与信息学报. 2025 47(3): -.]]>
	</description>
    <content:encoded>
		<![CDATA[  电子与信息学报. 2025 47(3): -.]]>
	</content:encoded>
    <dc:title><![CDATA[2025 年 3 期封面]]></dc:title>
    <dc:creator><![CDATA[]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): -.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:</dc:identifier>
    <prism:doi></prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/id/6a15a070-0aa8-45d3-89de-27e10c781ec4</prism:url>	<prism:startingPage></prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/id/4e0fd731-176c-4f2b-9c35-42dbf63bf49c?pageType=en">
    <title><![CDATA[2025 年 3 期目次]]></title>
    <link>https://jeit.ac.cn/article/id/4e0fd731-176c-4f2b-9c35-42dbf63bf49c</link>    <description>
		<![CDATA[  电子与信息学报. 2025 47(3): 1-4.]]>
	</description>
    <content:encoded>
		<![CDATA[  电子与信息学报. 2025 47(3): 1-4.]]>
	</content:encoded>
    <dc:title><![CDATA[2025 年 3 期目次]]></dc:title>
    <dc:creator><![CDATA[]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 1-4.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:</dc:identifier>
    <prism:doi></prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/id/4e0fd731-176c-4f2b-9c35-42dbf63bf49c</prism:url>	<prism:startingPage>1</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240804?pageType=en">
    <title><![CDATA[DroneRFb-DIR: 用于非合作无人机个体识别的射频信号数据集]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240804?pageType=en</link>
	    <description>
		<![CDATA[任俊宇, 俞宁宁, 周成伟, 史治国, 陈积明 无人机射频检测是实现非合作无人机管控的手段之一，而基于射频信号的无人机个体识别(DIR)是无人机检测的重要环节。鉴于当前DIR开源数据集缺失，该文公开了一个名为DroneRFb-DIR的无人机射频信号数据集。该数据集使用软件无线电设备采集无人机与遥控器间通信的射频信号，包含城市场景下的无人机种类共6类(每类无人机各包含3架不同个体)以及1类背景参考信号。采样信号存储为最原始的I/Q数据，每类数据包含不少于40个片段，每个片段包含不少于4 M个采样点。信号采集范围为2.4～2.48 GHz，包含无人机飞控信号、图传信号以及周围干扰设备的信号。该数据集包含详细的个体编号和视距或非视距场景标注，并已划分训练集与测试集，以便于用户进行识别算法验证和性能对比分析。与此同时，该文提供了一种基于快速频率估计和时域相关分析的无人机个体识别方法，并在该数据集上验证了所提方法的有效性。 电子与信息学报. 2025 47(3): 573-581.]]>
	</description>
    <content:encoded>
		<![CDATA[任俊宇, 俞宁宁, 周成伟, 史治国, 陈积明 无人机射频检测是实现非合作无人机管控的手段之一，而基于射频信号的无人机个体识别(DIR)是无人机检测的重要环节。鉴于当前DIR开源数据集缺失，该文公开了一个名为DroneRFb-DIR的无人机射频信号数据集。该数据集使用软件无线电设备采集无人机与遥控器间通信的射频信号，包含城市场景下的无人机种类共6类(每类无人机各包含3架不同个体)以及1类背景参考信号。采样信号存储为最原始的I/Q数据，每类数据包含不少于40个片段，每个片段包含不少于4 M个采样点。信号采集范围为2.4～2.48 GHz，包含无人机飞控信号、图传信号以及周围干扰设备的信号。该数据集包含详细的个体编号和视距或非视距场景标注，并已划分训练集与测试集，以便于用户进行识别算法验证和性能对比分析。与此同时，该文提供了一种基于快速频率估计和时域相关分析的无人机个体识别方法，并在该数据集上验证了所提方法的有效性。 电子与信息学报. 2025 47(3): 573-581.]]>
	</content:encoded>
    <dc:title><![CDATA[DroneRFb-DIR: 用于非合作无人机个体识别的射频信号数据集]]></dc:title>
    <dc:creator><![CDATA[任俊宇, 俞宁宁, 周成伟, 史治国, 陈积明]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 573-581.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240804</dc:identifier>
    <prism:doi>10.11999/JEIT240804</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240804?pageType=en</prism:url>
		<prism:startingPage>573</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240655?pageType=en">
    <title><![CDATA[面向大尺度战场的信道仿真加速算法]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240655?pageType=en</link>
	    <description>
		<![CDATA[刘畅, 李维实, 徐强, 时成哲, 邵士海 大尺度战场环境中电磁频谱作战装备测试和演训需要依靠大规模数字化电磁环境进行仿真，然而大尺度电磁信道计算复杂度较高，难以提升计算速度。针对这一问题，该文提出一种迭代时域辐射度算法。该算法通过递推方法建模信道，利用空间相干性复用前一时刻的信道数据，并经过修正后用于当前时刻的信道计算。同时，采用面元信道搜索方法对面元中的信道进行低复杂度近似，有效降低了计算复杂度。仿真结果表明，与传统时域辐射度算法相比，所提算法在保证计算精度的基础上计算速度提升了1个数量级。与频域辐射度算法相比，所提算法的时延分辨率更高，更适用于大规模战场环境。 电子与信息学报. 2025 47(3): 582-589.]]>
	</description>
    <content:encoded>
		<![CDATA[刘畅, 李维实, 徐强, 时成哲, 邵士海 大尺度战场环境中电磁频谱作战装备测试和演训需要依靠大规模数字化电磁环境进行仿真，然而大尺度电磁信道计算复杂度较高，难以提升计算速度。针对这一问题，该文提出一种迭代时域辐射度算法。该算法通过递推方法建模信道，利用空间相干性复用前一时刻的信道数据，并经过修正后用于当前时刻的信道计算。同时，采用面元信道搜索方法对面元中的信道进行低复杂度近似，有效降低了计算复杂度。仿真结果表明，与传统时域辐射度算法相比，所提算法在保证计算精度的基础上计算速度提升了1个数量级。与频域辐射度算法相比，所提算法的时延分辨率更高，更适用于大规模战场环境。 电子与信息学报. 2025 47(3): 582-589.]]>
	</content:encoded>
    <dc:title><![CDATA[面向大尺度战场的信道仿真加速算法]]></dc:title>
    <dc:creator><![CDATA[刘畅, 李维实, 徐强, 时成哲, 邵士海]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 582-589.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240655</dc:identifier>
    <prism:doi>10.11999/JEIT240655</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240655?pageType=en</prism:url>
		<prism:startingPage>582</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240840?pageType=en">
    <title><![CDATA[基于期望传播的差分空间调制信号检测算法]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240840?pageType=en</link>
	    <description>
		<![CDATA[邵华, 王淳, 曹荻非, 李卫, 张海君 设计高效且复杂度低的检测算法是差分空间调制(DSM)系统中的一大关键问题。该文提出了一种多相移键控差分空间调制系统的贝叶斯期望传播(EP)信号检测方法，将DSM的信号检测问题转化为待检测信号的参数估计问题，通过迭代估计先验和后验分布的参数，获得检测信号的估计值。该算法将原始的信号检测问题分解为天线域信息和星座域信息两部分，其中天线域检测通过期望传播算法迭代求取，星座域比特通过迭代过程中最优解调获得，降低了算法复杂度。进一步地，该文针对传统期望传播方法中噪声参数进行了扩展，在迭代过程中不断调整噪声项的矩估计，获得了比传统方案更好的性能。该文对所提近最优解调方案进行了仿真验证，结果表明所提方案性能优于传统线性检测方案；所提的基于期望传播的噪声修正方案性能优于传统恒值方案；在不同天线配置和调制阶数情况下，所提方案均能够快速收敛。 电子与信息学报. 2025 47(3): 590-599.]]>
	</description>
    <content:encoded>
		<![CDATA[邵华, 王淳, 曹荻非, 李卫, 张海君 设计高效且复杂度低的检测算法是差分空间调制(DSM)系统中的一大关键问题。该文提出了一种多相移键控差分空间调制系统的贝叶斯期望传播(EP)信号检测方法，将DSM的信号检测问题转化为待检测信号的参数估计问题，通过迭代估计先验和后验分布的参数，获得检测信号的估计值。该算法将原始的信号检测问题分解为天线域信息和星座域信息两部分，其中天线域检测通过期望传播算法迭代求取，星座域比特通过迭代过程中最优解调获得，降低了算法复杂度。进一步地，该文针对传统期望传播方法中噪声参数进行了扩展，在迭代过程中不断调整噪声项的矩估计，获得了比传统方案更好的性能。该文对所提近最优解调方案进行了仿真验证，结果表明所提方案性能优于传统线性检测方案；所提的基于期望传播的噪声修正方案性能优于传统恒值方案；在不同天线配置和调制阶数情况下，所提方案均能够快速收敛。 电子与信息学报. 2025 47(3): 590-599.]]>
	</content:encoded>
    <dc:title><![CDATA[基于期望传播的差分空间调制信号检测算法]]></dc:title>
    <dc:creator><![CDATA[邵华, 王淳, 曹荻非, 李卫, 张海君]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 590-599.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240840</dc:identifier>
    <prism:doi>10.11999/JEIT240840</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240840?pageType=en</prism:url>
		<prism:startingPage>590</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240874?pageType=en">
    <title><![CDATA[空中可重构智能面辅助车辆通信信道建模研究]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240874?pageType=en</link>
	    <description>
		<![CDATA[潘旭婷, 石旺旗, 熊柏苹, 郭道省, 江浩 可重构智能表面(RIS)能够调控入射电磁波以优化通信系统性能，是第6代(6G)无线通信技术的关键创新。将可重构智能表面部署于无人机(UAV)上，借助无人机的灵活运动轨迹和按需部署特性，可以有效解决因树木和建筑等障碍物遮挡所引起的信息传输效率下降的问题。针对空中可重构智能表面辅助的车对车(V2V)通信场景，该文提出了一种基于几何的3维信道模型，该模型综合考虑了无人机在3个自由度下的旋转和任意轨迹移动，以及无人姿态变化对于信道模型的影响，引入了时变空间相位。此外，还考虑了发射端、接收端和无人机的实时运动速度和方向，给出了复信道脉冲响应(CIRs)的表达式，并对空域互相关函数(CCFs)、时域自相关函数(ACFs)和信道容量等关键信道统计特性进行了详细分析。仿真结果表明，所提信道模型能够准确捕获信道特性，为未来可重构智能面辅助无线通信的系统设计和优化提供了有价值的理论参考。 电子与信息学报. 2025 47(3): 600-611.]]>
	</description>
    <content:encoded>
		<![CDATA[潘旭婷, 石旺旗, 熊柏苹, 郭道省, 江浩 可重构智能表面(RIS)能够调控入射电磁波以优化通信系统性能，是第6代(6G)无线通信技术的关键创新。将可重构智能表面部署于无人机(UAV)上，借助无人机的灵活运动轨迹和按需部署特性，可以有效解决因树木和建筑等障碍物遮挡所引起的信息传输效率下降的问题。针对空中可重构智能表面辅助的车对车(V2V)通信场景，该文提出了一种基于几何的3维信道模型，该模型综合考虑了无人机在3个自由度下的旋转和任意轨迹移动，以及无人姿态变化对于信道模型的影响，引入了时变空间相位。此外，还考虑了发射端、接收端和无人机的实时运动速度和方向，给出了复信道脉冲响应(CIRs)的表达式，并对空域互相关函数(CCFs)、时域自相关函数(ACFs)和信道容量等关键信道统计特性进行了详细分析。仿真结果表明，所提信道模型能够准确捕获信道特性，为未来可重构智能面辅助无线通信的系统设计和优化提供了有价值的理论参考。 电子与信息学报. 2025 47(3): 600-611.]]>
	</content:encoded>
    <dc:title><![CDATA[空中可重构智能面辅助车辆通信信道建模研究]]></dc:title>
    <dc:creator><![CDATA[潘旭婷, 石旺旗, 熊柏苹, 郭道省, 江浩]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 600-611.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240874</dc:identifier>
    <prism:doi>10.11999/JEIT240874</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240874?pageType=en</prism:url>
		<prism:startingPage>600</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240596?pageType=en">
    <title><![CDATA[低轨卫星通信系统跳波束图案设计算法]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240596?pageType=en</link>
	    <description>
		<![CDATA[石会鹏, 郭丁, 牟瑞硕, 钟奇, 李方圆 低轨卫星资源调度是长时间的连续资源分配过程，这一过程中低轨卫星保持高速移动，跳波束图案的设计需要考虑星地链路的切换。针对这种切换，即卫星覆盖区域间的服务目标迁移，所导致的多星资源联合调度需求，该文提出一种资源自适应权衡分配的多星联合跳波束图案设计算法。该算法通过设计星间联合调度框架和多星联合调度权重，将多星资源联合分配问题转化为星座内单星资源调度问题，轻量化设计跳波束图案。经过与多种权重设计方法的对比验证，仿真结果表明，所提算法的轻量化设计思路合理，并且可以有效地保障受迁移影响区域内小区的服务质量，可为低轨卫星系统长时资源调度设计提供参考。 电子与信息学报. 2025 47(3): 612-622.]]>
	</description>
    <content:encoded>
		<![CDATA[石会鹏, 郭丁, 牟瑞硕, 钟奇, 李方圆 低轨卫星资源调度是长时间的连续资源分配过程，这一过程中低轨卫星保持高速移动，跳波束图案的设计需要考虑星地链路的切换。针对这种切换，即卫星覆盖区域间的服务目标迁移，所导致的多星资源联合调度需求，该文提出一种资源自适应权衡分配的多星联合跳波束图案设计算法。该算法通过设计星间联合调度框架和多星联合调度权重，将多星资源联合分配问题转化为星座内单星资源调度问题，轻量化设计跳波束图案。经过与多种权重设计方法的对比验证，仿真结果表明，所提算法的轻量化设计思路合理，并且可以有效地保障受迁移影响区域内小区的服务质量，可为低轨卫星系统长时资源调度设计提供参考。 电子与信息学报. 2025 47(3): 612-622.]]>
	</content:encoded>
    <dc:title><![CDATA[低轨卫星通信系统跳波束图案设计算法]]></dc:title>
    <dc:creator><![CDATA[石会鹏, 郭丁, 牟瑞硕, 钟奇, 李方圆]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 612-622.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240596</dc:identifier>
    <prism:doi>10.11999/JEIT240596</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240596?pageType=en</prism:url>
		<prism:startingPage>612</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240732?pageType=en">
    <title><![CDATA[密集低轨卫星网络辅助地面通信的鲁棒波束赋形方法]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240732?pageType=en</link>
	    <description>
		<![CDATA[郑斌, 曾令昕, 黄辉, 王晓洪, 丁昌峰, 王金元 面向密集低轨道卫星网络辅助的星地无线通信系统，该文提出一种基于非完美信道状态信息的多低轨卫星鲁棒波束赋形方法来改善频谱效率。具体地，在多低轨卫星全频复用场景下，提出了一个多卫星下行通信系统和速率最大化问题，并联合考虑卫星发射功率、卫星与用户关联关系，以及馈线链路容量约束。为了求解该优化问题，原优化问题被分解成卫星-用户关联和卫星传输波束赋形两个子问题，然后使用加权最小均方误差方法和连续凸近似方法对问题进行求解。仿真结果验证了即使在非理想信道条件下，该文所提出的多星频率复用和鲁棒波束赋形设计方法能有效提高系统吞吐量。 电子与信息学报. 2025 47(3): 623-632.]]>
	</description>
    <content:encoded>
		<![CDATA[郑斌, 曾令昕, 黄辉, 王晓洪, 丁昌峰, 王金元 面向密集低轨道卫星网络辅助的星地无线通信系统，该文提出一种基于非完美信道状态信息的多低轨卫星鲁棒波束赋形方法来改善频谱效率。具体地，在多低轨卫星全频复用场景下，提出了一个多卫星下行通信系统和速率最大化问题，并联合考虑卫星发射功率、卫星与用户关联关系，以及馈线链路容量约束。为了求解该优化问题，原优化问题被分解成卫星-用户关联和卫星传输波束赋形两个子问题，然后使用加权最小均方误差方法和连续凸近似方法对问题进行求解。仿真结果验证了即使在非理想信道条件下，该文所提出的多星频率复用和鲁棒波束赋形设计方法能有效提高系统吞吐量。 电子与信息学报. 2025 47(3): 623-632.]]>
	</content:encoded>
    <dc:title><![CDATA[密集低轨卫星网络辅助地面通信的鲁棒波束赋形方法]]></dc:title>
    <dc:creator><![CDATA[郑斌, 曾令昕, 黄辉, 王晓洪, 丁昌峰, 王金元]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 623-632.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240732</dc:identifier>
    <prism:doi>10.11999/JEIT240732</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240732?pageType=en</prism:url>
		<prism:startingPage>623</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240344?pageType=en">
    <title><![CDATA[数字孪生边缘网络端到端时延优化的任务卸载与资源分配方法]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240344?pageType=en</link>
	    <description>
		<![CDATA[李松, 李顺, 王博文, 孙彦景 针对移动边缘计算(MEC)场景中任务卸载、计算和结果反馈全过程时延优化问题，该文提出了一种数字孪生(DT)辅助的联合MEC任务卸载、设备关联与资源分配的端到端时延优化方法。首先，在数字孪生边缘网络(DITEN)框架下，为包含传感器、边缘服务器以及执行器构成的边缘计算网络建立了物理模型与数字孪生模型，以及全过程边缘网络任务模型并推导了任务端到端时延，进而建立了时延、能耗等约束下的端到端时延优化问题。其次，为解决所提出的混合整数非凸优化问题，将原问题分解为4个子问题，并提出了一种基于内部凸近似方法和匈牙利算法的交替优化算法。在DT辅助下联合优化了设备关联、卸载比例、发射功率、传输带宽以及DT估计处理速率。最后，仿真结果表明，与其他基准方案相比，所提联合优化方案显著降低了端到端时延。 电子与信息学报. 2025 47(3): 633-644.]]>
	</description>
    <content:encoded>
		<![CDATA[李松, 李顺, 王博文, 孙彦景 针对移动边缘计算(MEC)场景中任务卸载、计算和结果反馈全过程时延优化问题，该文提出了一种数字孪生(DT)辅助的联合MEC任务卸载、设备关联与资源分配的端到端时延优化方法。首先，在数字孪生边缘网络(DITEN)框架下，为包含传感器、边缘服务器以及执行器构成的边缘计算网络建立了物理模型与数字孪生模型，以及全过程边缘网络任务模型并推导了任务端到端时延，进而建立了时延、能耗等约束下的端到端时延优化问题。其次，为解决所提出的混合整数非凸优化问题，将原问题分解为4个子问题，并提出了一种基于内部凸近似方法和匈牙利算法的交替优化算法。在DT辅助下联合优化了设备关联、卸载比例、发射功率、传输带宽以及DT估计处理速率。最后，仿真结果表明，与其他基准方案相比，所提联合优化方案显著降低了端到端时延。 电子与信息学报. 2025 47(3): 633-644.]]>
	</content:encoded>
    <dc:title><![CDATA[数字孪生边缘网络端到端时延优化的任务卸载与资源分配方法]]></dc:title>
    <dc:creator><![CDATA[李松, 李顺, 王博文, 孙彦景]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 633-644.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240344</dc:identifier>
    <prism:doi>10.11999/JEIT240344</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240344?pageType=en</prism:url>
		<prism:startingPage>633</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240741?pageType=en">
    <title><![CDATA[边缘辅助的自适应稀疏联邦学习优化算法]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240741?pageType=en</link>
	    <description>
		<![CDATA[陈晓, 仇洪冰, 李燕龙 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。 电子与信息学报. 2025 47(3): 645-656.]]>
	</description>
    <content:encoded>
		<![CDATA[陈晓, 仇洪冰, 李燕龙 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。 电子与信息学报. 2025 47(3): 645-656.]]>
	</content:encoded>
    <dc:title><![CDATA[边缘辅助的自适应稀疏联邦学习优化算法]]></dc:title>
    <dc:creator><![CDATA[陈晓, 仇洪冰, 李燕龙]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 645-656.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240741</dc:identifier>
    <prism:doi>10.11999/JEIT240741</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240741?pageType=en</prism:url>
		<prism:startingPage>645</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240447?pageType=en">
    <title><![CDATA[基于深度强化学习的IRS辅助认知无线电系统波束成形算法]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240447?pageType=en</link>
	    <description>
		<![CDATA[李国权, 程涛, 郭永存, 庞宇, 林金朝 为进一步提升多用户无线通信系统的频谱利用率，该文提出了一种基于深度强化学习的智能反射面(IRS)辅助认知无线电网络次用户和速率最大化算法。首先在考虑次基站最大发射功率约束、次基站对主用户的干扰容限约束以及IRS相移矩阵单位模量约束的情况下，建立一个联合优化次基站波束成形和IRS相移矩阵的资源分配模型；然后提出了一种基于深度确定性策略梯度的主被动波束成形算法，联合进行变量优化以最大化次用户和速率。仿真结果表明，所提算法相对于传统优化算法在和速率性能接近的情况下具有更低的时间复杂度。 电子与信息学报. 2025 47(3): 657-665.]]>
	</description>
    <content:encoded>
		<![CDATA[李国权, 程涛, 郭永存, 庞宇, 林金朝 为进一步提升多用户无线通信系统的频谱利用率，该文提出了一种基于深度强化学习的智能反射面(IRS)辅助认知无线电网络次用户和速率最大化算法。首先在考虑次基站最大发射功率约束、次基站对主用户的干扰容限约束以及IRS相移矩阵单位模量约束的情况下，建立一个联合优化次基站波束成形和IRS相移矩阵的资源分配模型；然后提出了一种基于深度确定性策略梯度的主被动波束成形算法，联合进行变量优化以最大化次用户和速率。仿真结果表明，所提算法相对于传统优化算法在和速率性能接近的情况下具有更低的时间复杂度。 电子与信息学报. 2025 47(3): 657-665.]]>
	</content:encoded>
    <dc:title><![CDATA[基于深度强化学习的IRS辅助认知无线电系统波束成形算法]]></dc:title>
    <dc:creator><![CDATA[李国权, 程涛, 郭永存, 庞宇, 林金朝]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 657-665.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240447</dc:identifier>
    <prism:doi>10.11999/JEIT240447</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240447?pageType=en</prism:url>
		<prism:startingPage>657</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240773?pageType=en">
    <title><![CDATA[基于生成对抗网络辅助多智能体强化学习的边缘计算网络联邦切片资源管理]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240773?pageType=en</link>
	    <description>
		<![CDATA[林艳, 夏开元, 张一晋 为满足动态边缘计算网络场景下用户差异化服务需求，该文提出一种基于生成对抗网络(GAN)辅助多智能体强化学习(RL)的联邦切片资源管理方案。首先，考虑未知时变信道和随机用户流量到达的场景，以同时优化长期平均服务等待时延和服务满意率为目标，构建联合带宽和计算切片资源管理优化问题，并进一步建模为分布式部分可观测马尔可夫决策过程 (Dec-POMDP)。其次，运用多智能体竞争双深度Q网络(D3QN)方法，结合GAN算法对状态值分布多模态学习的优势，以及利用联邦学习框架促使智能体合作学习，最终实现仅需共享各智能体生成网络加权参数即可完成切片资源管理协同决策。仿真结果表明，所提方案相较于基准方案能够在保护用户隐私的前提下，降低用户平均服务等待时延28%以上，且同时提升用户平均服务满意率8%以上。 电子与信息学报. 2025 47(3): 666-677.]]>
	</description>
    <content:encoded>
		<![CDATA[林艳, 夏开元, 张一晋 为满足动态边缘计算网络场景下用户差异化服务需求，该文提出一种基于生成对抗网络(GAN)辅助多智能体强化学习(RL)的联邦切片资源管理方案。首先，考虑未知时变信道和随机用户流量到达的场景，以同时优化长期平均服务等待时延和服务满意率为目标，构建联合带宽和计算切片资源管理优化问题，并进一步建模为分布式部分可观测马尔可夫决策过程 (Dec-POMDP)。其次，运用多智能体竞争双深度Q网络(D3QN)方法，结合GAN算法对状态值分布多模态学习的优势，以及利用联邦学习框架促使智能体合作学习，最终实现仅需共享各智能体生成网络加权参数即可完成切片资源管理协同决策。仿真结果表明，所提方案相较于基准方案能够在保护用户隐私的前提下，降低用户平均服务等待时延28%以上，且同时提升用户平均服务满意率8%以上。 电子与信息学报. 2025 47(3): 666-677.]]>
	</content:encoded>
    <dc:title><![CDATA[基于生成对抗网络辅助多智能体强化学习的边缘计算网络联邦切片资源管理]]></dc:title>
    <dc:creator><![CDATA[林艳, 夏开元, 张一晋]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 666-677.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240773</dc:identifier>
    <prism:doi>10.11999/JEIT240773</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240773?pageType=en</prism:url>
		<prism:startingPage>666</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240789?pageType=en">
    <title><![CDATA[基于太赫兹智能反射面波束色散和分裂的快速感知方法]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240789?pageType=en</link>
	    <description>
		<![CDATA[郝万明, 杨兰, 朱政宇, 李兴旺 针对太赫兹智能反射面(RIS)系统中基于波束扫描感知耗时较长问题，该文提出一种基于太赫兹RIS波束色散和分裂的快速感知方法。通过在每个RIS元件处部署实时延(TTD)以动态调整波束色散程度，设置大阵列RIS单元间距以形成波束分裂效应，进而联合波束色散和分裂实现目标区域快速感知。具体地，将感知区域分为多个子区域，并基于RIS波束色散优化TTD和RIS反射元件相移，以覆盖单一子区域。同时，利用波束分裂无缝覆盖多个子区域，相比使用单一波束扫描感知显著降低了时间开销。而后，为减少回波信号路径损耗，在RIS处配置主动感知元件，用于直接接收并分析回波信号。在此基础上，推导出感知目标角度估计值及其均方根误差(RMSE)。仿真结果表明了所提快速感知方案的有效性。 电子与信息学报. 2025 47(3): 678-686.]]>
	</description>
    <content:encoded>
		<![CDATA[郝万明, 杨兰, 朱政宇, 李兴旺 针对太赫兹智能反射面(RIS)系统中基于波束扫描感知耗时较长问题，该文提出一种基于太赫兹RIS波束色散和分裂的快速感知方法。通过在每个RIS元件处部署实时延(TTD)以动态调整波束色散程度，设置大阵列RIS单元间距以形成波束分裂效应，进而联合波束色散和分裂实现目标区域快速感知。具体地，将感知区域分为多个子区域，并基于RIS波束色散优化TTD和RIS反射元件相移，以覆盖单一子区域。同时，利用波束分裂无缝覆盖多个子区域，相比使用单一波束扫描感知显著降低了时间开销。而后，为减少回波信号路径损耗，在RIS处配置主动感知元件，用于直接接收并分析回波信号。在此基础上，推导出感知目标角度估计值及其均方根误差(RMSE)。仿真结果表明了所提快速感知方案的有效性。 电子与信息学报. 2025 47(3): 678-686.]]>
	</content:encoded>
    <dc:title><![CDATA[基于太赫兹智能反射面波束色散和分裂的快速感知方法]]></dc:title>
    <dc:creator><![CDATA[郝万明, 杨兰, 朱政宇, 李兴旺]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 678-686.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240789</dc:identifier>
    <prism:doi>10.11999/JEIT240789</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240789?pageType=en</prism:url>
		<prism:startingPage>678</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240631?pageType=en">
    <title><![CDATA[MIMO雷达通信一体化：波束图增益最大化波束成形设计]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240631?pageType=en</link>
	    <description>
		<![CDATA[张若愚, 任红, 陈光毅, 林志, 吴文 无线通信设备数量的骤增造成频谱资源日益稀缺，通信用频逐渐向更高频段扩展，从而导致通信与雷达频段出现越来越多的重叠，雷达通信一体化被视为解决频谱拥挤实现高效共生的潜在技术。该文考虑一个多输入多输出(MIMO)雷达通信一体化系统，在实现目标探测的同时进行多用户通信。首先，在满足多用户信干噪比和总功率约束的条件下，最大化目标方向的波束图增益。然后，针对一体化发射波束成形设计问题，提出基于半正定松弛(SDR)和优化最小化(MM)的两种波束成形设计方案，求解得到发射波束成形矢量。最后，仿真结果表明基于MM的方案复杂度更低，并且能够实现与基于SDR的方案几乎相同的波束图增益。此外，随着发射天线数量的增加，基于MM的方案相比于基于SDR的方案复杂度的降低程度变得更为显著。 电子与信息学报. 2025 47(3): 687-695.]]>
	</description>
    <content:encoded>
		<![CDATA[张若愚, 任红, 陈光毅, 林志, 吴文 无线通信设备数量的骤增造成频谱资源日益稀缺，通信用频逐渐向更高频段扩展，从而导致通信与雷达频段出现越来越多的重叠，雷达通信一体化被视为解决频谱拥挤实现高效共生的潜在技术。该文考虑一个多输入多输出(MIMO)雷达通信一体化系统，在实现目标探测的同时进行多用户通信。首先，在满足多用户信干噪比和总功率约束的条件下，最大化目标方向的波束图增益。然后，针对一体化发射波束成形设计问题，提出基于半正定松弛(SDR)和优化最小化(MM)的两种波束成形设计方案，求解得到发射波束成形矢量。最后，仿真结果表明基于MM的方案复杂度更低，并且能够实现与基于SDR的方案几乎相同的波束图增益。此外，随着发射天线数量的增加，基于MM的方案相比于基于SDR的方案复杂度的降低程度变得更为显著。 电子与信息学报. 2025 47(3): 687-695.]]>
	</content:encoded>
    <dc:title><![CDATA[MIMO雷达通信一体化：波束图增益最大化波束成形设计]]></dc:title>
    <dc:creator><![CDATA[张若愚, 任红, 陈光毅, 林志, 吴文]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 687-695.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240631</dc:identifier>
    <prism:doi>10.11999/JEIT240631</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240631?pageType=en</prism:url>
		<prism:startingPage>687</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240818?pageType=en">
    <title><![CDATA[基于多域雷达回波数据融合的海面小目标分类网络模型]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240818?pageType=en</link>
	    <description>
		<![CDATA[赵子健, 许述文, 水鹏朗 海面小目标识别是海事雷达监视任务中一个重要且具有挑战性的问题。由于海面小目标类型多样、环境复杂多变，对其进行有效分类存在较大困难。在高分辨体制雷达下，海面小目标通常只占据一或几个距离单元，缺乏足够的空间散射结构信息，因此目标的雷达截面积(RCS)起伏和径向速度变化成为分类的主要依据。为此，该文提出一种基于多域雷达回波数据融合的分类网络模型，用于海面小目标的分类任务。由于不同域的数据具有其特殊的物理意义，因此该文构建了时域LeNet(T-LeNet)神经网络模块和时频特征提取神经网络模块，分别从雷达海面回波信号的幅度序列和时频分布(TFD)即时频图中提取特征。其中幅度序列主要反映了目标RCS的起伏特性，而时频图不仅反映RCS起伏特性，还能体现目标径向速度的变化。最后，利用IPIX, CSIR数据库和自测的无人机数据集构建了包括4种海面小目标的数据集：锚定漂浮小球、漂浮船只、低空无人机(UAV)和移动的快艇。实验结果表明所提方法具有良好的识别能力。 电子与信息学报. 2025 47(3): 696-706.]]>
	</description>
    <content:encoded>
		<![CDATA[赵子健, 许述文, 水鹏朗 海面小目标识别是海事雷达监视任务中一个重要且具有挑战性的问题。由于海面小目标类型多样、环境复杂多变，对其进行有效分类存在较大困难。在高分辨体制雷达下，海面小目标通常只占据一或几个距离单元，缺乏足够的空间散射结构信息，因此目标的雷达截面积(RCS)起伏和径向速度变化成为分类的主要依据。为此，该文提出一种基于多域雷达回波数据融合的分类网络模型，用于海面小目标的分类任务。由于不同域的数据具有其特殊的物理意义，因此该文构建了时域LeNet(T-LeNet)神经网络模块和时频特征提取神经网络模块，分别从雷达海面回波信号的幅度序列和时频分布(TFD)即时频图中提取特征。其中幅度序列主要反映了目标RCS的起伏特性，而时频图不仅反映RCS起伏特性，还能体现目标径向速度的变化。最后，利用IPIX, CSIR数据库和自测的无人机数据集构建了包括4种海面小目标的数据集：锚定漂浮小球、漂浮船只、低空无人机(UAV)和移动的快艇。实验结果表明所提方法具有良好的识别能力。 电子与信息学报. 2025 47(3): 696-706.]]>
	</content:encoded>
    <dc:title><![CDATA[基于多域雷达回波数据融合的海面小目标分类网络模型]]></dc:title>
    <dc:creator><![CDATA[赵子健, 许述文, 水鹏朗]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 696-706.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240818</dc:identifier>
    <prism:doi>10.11999/JEIT240818</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240818?pageType=en</prism:url>
		<prism:startingPage>696</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240528?pageType=en">
    <title><![CDATA[基于特征时序性的海杂波环境小目标检测方法]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240528?pageType=en</link>
	    <description>
		<![CDATA[董云龙, 罗霄, 丁昊, 王国庆, 刘宁波 特征检测作为海杂波环境下小目标检测的有效手段，受到了广泛关注与深入研究。过去对特征的研究大多关注于当前帧，近年来使用帧间时序信息融合当前帧特征的方法也被提出并在检测方面取得一定效果。但该方法不能很好地适应具有时变性的海杂波数据，且仅采用静态加权算法融合特征，对历史帧信息的利用不够充分。针对上述问题，该文提出基于模型稳定的修正Burg方法进行特征自回归(AR)建模与一步预测，使模型能够自适应调整极点分布，提高了海杂波特征预测的准确性，并基于求解多变量极值问题提出了一种动态加权算法得到了最小方差的融合特征。该文结合IPIX数据集和海军航空大学共享数据集进行实验，利用相对平均幅度(RAA)、相对多普勒峰高(RDPH)、频域峰均值比(FPAR)3特征构建凸包检测器验证了所提方法的有效性。 电子与信息学报. 2025 47(3): 707-719.]]>
	</description>
    <content:encoded>
		<![CDATA[董云龙, 罗霄, 丁昊, 王国庆, 刘宁波 特征检测作为海杂波环境下小目标检测的有效手段，受到了广泛关注与深入研究。过去对特征的研究大多关注于当前帧，近年来使用帧间时序信息融合当前帧特征的方法也被提出并在检测方面取得一定效果。但该方法不能很好地适应具有时变性的海杂波数据，且仅采用静态加权算法融合特征，对历史帧信息的利用不够充分。针对上述问题，该文提出基于模型稳定的修正Burg方法进行特征自回归(AR)建模与一步预测，使模型能够自适应调整极点分布，提高了海杂波特征预测的准确性，并基于求解多变量极值问题提出了一种动态加权算法得到了最小方差的融合特征。该文结合IPIX数据集和海军航空大学共享数据集进行实验，利用相对平均幅度(RAA)、相对多普勒峰高(RDPH)、频域峰均值比(FPAR)3特征构建凸包检测器验证了所提方法的有效性。 电子与信息学报. 2025 47(3): 707-719.]]>
	</content:encoded>
    <dc:title><![CDATA[基于特征时序性的海杂波环境小目标检测方法]]></dc:title>
    <dc:creator><![CDATA[董云龙, 罗霄, 丁昊, 王国庆, 刘宁波]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 707-719.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240528</dc:identifier>
    <prism:doi>10.11999/JEIT240528</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240528?pageType=en</prism:url>
		<prism:startingPage>707</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240517?pageType=en">
    <title><![CDATA[基于区块链的协作式车联网信任管理方案]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240517?pageType=en</link>
	    <description>
		<![CDATA[张海波, 谭茂煌, 徐勇军, 李方伟, 王明月 针对车联网(IoV)中传统信任管理方案对恶意车辆的识别假阳率高、无法满足多样化服务且传统共识算法不适用于当前车联网环境的问题，该文提出了基于区块链的协作式车联网信任管理方案。构建了基于狄利克雷分布的信任管理模型，将车辆信任和协作服务划分为多个等级，针对不同服务调整信任等级阈值。设计了具有反馈机制的信任等级评价算法，考虑协作车辆当前状态、邻居推荐、历史信任信息、服务质量4方面因素，从协作前、后两阶段对协作车辆信任等级进行评价。改进了传统的工作量证明(PoW)共识算法，动态调整矿工节点出块难度。仿真结果表明，相比同类方案，所提方案在保证能够高效识别恶意节点的前提下，还能够进一步降低识别假阳率，提高协作成功率和共识效率。 电子与信息学报. 2025 47(3): 720-728.]]>
	</description>
    <content:encoded>
		<![CDATA[张海波, 谭茂煌, 徐勇军, 李方伟, 王明月 针对车联网(IoV)中传统信任管理方案对恶意车辆的识别假阳率高、无法满足多样化服务且传统共识算法不适用于当前车联网环境的问题，该文提出了基于区块链的协作式车联网信任管理方案。构建了基于狄利克雷分布的信任管理模型，将车辆信任和协作服务划分为多个等级，针对不同服务调整信任等级阈值。设计了具有反馈机制的信任等级评价算法，考虑协作车辆当前状态、邻居推荐、历史信任信息、服务质量4方面因素，从协作前、后两阶段对协作车辆信任等级进行评价。改进了传统的工作量证明(PoW)共识算法，动态调整矿工节点出块难度。仿真结果表明，相比同类方案，所提方案在保证能够高效识别恶意节点的前提下，还能够进一步降低识别假阳率，提高协作成功率和共识效率。 电子与信息学报. 2025 47(3): 720-728.]]>
	</content:encoded>
    <dc:title><![CDATA[基于区块链的协作式车联网信任管理方案]]></dc:title>
    <dc:creator><![CDATA[张海波, 谭茂煌, 徐勇军, 李方伟, 王明月]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 720-728.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240517</dc:identifier>
    <prism:doi>10.11999/JEIT240517</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240517?pageType=en</prism:url>
		<prism:startingPage>720</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240782?pageType=en">
    <title><![CDATA[全轮超轻量级分组密码PFP的相关密钥差分分析]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240782?pageType=en</link>
	    <description>
		<![CDATA[严智广, 韦永壮, 叶涛 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&lt;styled-content style-type="number"&gt;1355&lt;/styled-content&gt; 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&lt;sup&gt;–62&lt;/sup&gt;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2&lt;sup&gt;63&lt;/sup&gt;个选择明文和2&lt;sup&gt;48&lt;/sup&gt;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。 电子与信息学报. 2025 47(3): 729-738.]]>
	</description>
    <content:encoded>
		<![CDATA[严智广, 韦永壮, 叶涛 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&lt;styled-content style-type="number"&gt;1355&lt;/styled-content&gt; 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&lt;sup&gt;–62&lt;/sup&gt;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2&lt;sup&gt;63&lt;/sup&gt;个选择明文和2&lt;sup&gt;48&lt;/sup&gt;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。 电子与信息学报. 2025 47(3): 729-738.]]>
	</content:encoded>
    <dc:title><![CDATA[全轮超轻量级分组密码PFP的相关密钥差分分析]]></dc:title>
    <dc:creator><![CDATA[严智广, 韦永壮, 叶涛]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 729-738.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240782</dc:identifier>
    <prism:doi>10.11999/JEIT240782</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240782?pageType=en</prism:url>
		<prism:startingPage>729</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT241067?pageType=en">
    <title><![CDATA[满足本地差分隐私的混合噪音感知的模糊C均值聚类算法]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT241067?pageType=en</link>
	    <description>
		<![CDATA[张朋飞, 程俊, 张治坤, 方贤进, 孙笠, 王杰, 姜茸 在大数据和物联网应用中，本地差分隐私(LDP)技术用于保护聚类分析中的用户隐私，但现有方法要么在LDP下交互式地进行聚类，需要消耗大量隐私预算，要么没有同时考虑到聚类数据中蕴含的表示数据质量的高斯噪音以及为满足LDP保护的拉普拉斯噪音，致使聚类精度低下。同时，对于衡量用户提交数据和簇心之间的距离选择较为武断，没有充分利用到用户提交的噪音数据中蕴含的噪音模式。为此，该文创新性地提出一种满足LDP的混合噪音感知的模糊C均值聚类算法(mnFCM)，该算法的主要思想是同时建模用户上传数据中蕴含的表示用户质量的高斯噪音以及为保护用户数据注入的拉普拉斯噪音，进而设计出混合噪音感知的距离替代传统的欧式距离，来衡量样本数据与簇心间的相似性。特别地，在mnFCM中，该文首先设计了混合噪音感知的距离计算方法，在此基础上给出算法新的目标函数，并基于拉格朗日乘子法设计了求解方法，最后理论上分析了求解算法的收敛性。该文进一步理论分析了mnFCM的隐私、效用和复杂度，分析结果表明所提算法严格满足LDP、相对于对比算法更接近非隐私下的簇心以及和非隐私算法具有接近的复杂度。在两个真实数据集上的实验结果表明，mnFCM在满足LDP下，聚类精度提高了10%～15%。 电子与信息学报. 2025 47(3): 739-757.]]>
	</description>
    <content:encoded>
		<![CDATA[张朋飞, 程俊, 张治坤, 方贤进, 孙笠, 王杰, 姜茸 在大数据和物联网应用中，本地差分隐私(LDP)技术用于保护聚类分析中的用户隐私，但现有方法要么在LDP下交互式地进行聚类，需要消耗大量隐私预算，要么没有同时考虑到聚类数据中蕴含的表示数据质量的高斯噪音以及为满足LDP保护的拉普拉斯噪音，致使聚类精度低下。同时，对于衡量用户提交数据和簇心之间的距离选择较为武断，没有充分利用到用户提交的噪音数据中蕴含的噪音模式。为此，该文创新性地提出一种满足LDP的混合噪音感知的模糊C均值聚类算法(mnFCM)，该算法的主要思想是同时建模用户上传数据中蕴含的表示用户质量的高斯噪音以及为保护用户数据注入的拉普拉斯噪音，进而设计出混合噪音感知的距离替代传统的欧式距离，来衡量样本数据与簇心间的相似性。特别地，在mnFCM中，该文首先设计了混合噪音感知的距离计算方法，在此基础上给出算法新的目标函数，并基于拉格朗日乘子法设计了求解方法，最后理论上分析了求解算法的收敛性。该文进一步理论分析了mnFCM的隐私、效用和复杂度，分析结果表明所提算法严格满足LDP、相对于对比算法更接近非隐私下的簇心以及和非隐私算法具有接近的复杂度。在两个真实数据集上的实验结果表明，mnFCM在满足LDP下，聚类精度提高了10%～15%。 电子与信息学报. 2025 47(3): 739-757.]]>
	</content:encoded>
    <dc:title><![CDATA[满足本地差分隐私的混合噪音感知的模糊C均值聚类算法]]></dc:title>
    <dc:creator><![CDATA[张朋飞, 程俊, 张治坤, 方贤进, 孙笠, 王杰, 姜茸]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 739-757.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT241067</dc:identifier>
    <prism:doi>10.11999/JEIT241067</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT241067?pageType=en</prism:url>
		<prism:startingPage>739</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240796?pageType=en">
    <title><![CDATA[基于同态加密和群签名的可验证联邦学习方案]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240796?pageType=en</link>
	    <description>
		<![CDATA[李亚红, 李一婧, 杨小东, 张源, 牛淑芬 在车载网络(VANETs)中，联邦学习(FL)通过协同训练机器学习模型，实现了车辆间的数据隐私保护，并提高了整体模型的性能。然而，FL在VANETs中的应用仍面临诸多挑战，如模型泄露风险、训练结果验证困难以及高计算和通信成本等问题。针对这些问题，该文提出一种面向联邦学习的可验证隐私保护批量聚合方案。首先，该方案基于Boneh-Lynn-Shacham (BLS)动态短群聚合签名技术，保护了客户端与路边单元(RSU)交互过程中的数据完整性，确保全局梯度模型更新与共享过程的不可篡改性。当出现异常结果时，方案利用群签名的特性实现车辆的可追溯性。其次，结合改进的Cheon-Kim-Kim-Song (CKKS)线性同态哈希算法，对梯度聚合结果进行验证，确保在联邦学习的聚合过程中保持客户端梯度的机密性，并验证聚合结果的准确性，防止服务器篡改数据导致模型训练无效的问题。此外，该方案还支持车辆在部分掉线的情况下继续更新模型，保障系统的稳定性。实验结果表明，与现有方案相比，该方案在提升数据隐私安全性和结果的可验证性的同时，保证了较高效率。 电子与信息学报. 2025 47(3): 758-768.]]>
	</description>
    <content:encoded>
		<![CDATA[李亚红, 李一婧, 杨小东, 张源, 牛淑芬 在车载网络(VANETs)中，联邦学习(FL)通过协同训练机器学习模型，实现了车辆间的数据隐私保护，并提高了整体模型的性能。然而，FL在VANETs中的应用仍面临诸多挑战，如模型泄露风险、训练结果验证困难以及高计算和通信成本等问题。针对这些问题，该文提出一种面向联邦学习的可验证隐私保护批量聚合方案。首先，该方案基于Boneh-Lynn-Shacham (BLS)动态短群聚合签名技术，保护了客户端与路边单元(RSU)交互过程中的数据完整性，确保全局梯度模型更新与共享过程的不可篡改性。当出现异常结果时，方案利用群签名的特性实现车辆的可追溯性。其次，结合改进的Cheon-Kim-Kim-Song (CKKS)线性同态哈希算法，对梯度聚合结果进行验证，确保在联邦学习的聚合过程中保持客户端梯度的机密性，并验证聚合结果的准确性，防止服务器篡改数据导致模型训练无效的问题。此外，该方案还支持车辆在部分掉线的情况下继续更新模型，保障系统的稳定性。实验结果表明，与现有方案相比，该方案在提升数据隐私安全性和结果的可验证性的同时，保证了较高效率。 电子与信息学报. 2025 47(3): 758-768.]]>
	</content:encoded>
    <dc:title><![CDATA[基于同态加密和群签名的可验证联邦学习方案]]></dc:title>
    <dc:creator><![CDATA[李亚红, 李一婧, 杨小东, 张源, 牛淑芬]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 758-768.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240796</dc:identifier>
    <prism:doi>10.11999/JEIT240796</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240796?pageType=en</prism:url>
		<prism:startingPage>758</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240767?pageType=en">
    <title><![CDATA[探索快递物流网的离散数学模型]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240767?pageType=en</link>
	    <description>
		<![CDATA[张明军, 张玉婧, 杨见青, 姚兵 针对快递物流网络，该文研究：(1) 构建全新的快递物流网的离散数学模型 (又称拓扑模型)；(2) 根据理论基础从图论学科的角度对快递物流网络拓扑模型进行定性分析，通过数学模型法结合参数统计、优化算法等数学手段对模型进行定量分析。对拓扑模型中的边赋予路长权重，并为快递物流网拓扑模型设计了新的优化算法(集散算法、控制集算法、预先指定子图算法)；(3) 以兰州市城关区主城区作为快递物流网拓扑模型的应用实例，实施了相应的优化算法。同时针对模型计算面临的复杂度等困难提出了解决办法，为进一步完善、优化快递物流网络提供了一定参考。 电子与信息学报. 2025 47(3): 769-779.]]>
	</description>
    <content:encoded>
		<![CDATA[张明军, 张玉婧, 杨见青, 姚兵 针对快递物流网络，该文研究：(1) 构建全新的快递物流网的离散数学模型 (又称拓扑模型)；(2) 根据理论基础从图论学科的角度对快递物流网络拓扑模型进行定性分析，通过数学模型法结合参数统计、优化算法等数学手段对模型进行定量分析。对拓扑模型中的边赋予路长权重，并为快递物流网拓扑模型设计了新的优化算法(集散算法、控制集算法、预先指定子图算法)；(3) 以兰州市城关区主城区作为快递物流网拓扑模型的应用实例，实施了相应的优化算法。同时针对模型计算面临的复杂度等困难提出了解决办法，为进一步完善、优化快递物流网络提供了一定参考。 电子与信息学报. 2025 47(3): 769-779.]]>
	</content:encoded>
    <dc:title><![CDATA[探索快递物流网的离散数学模型]]></dc:title>
    <dc:creator><![CDATA[张明军, 张玉婧, 杨见青, 姚兵]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 769-779.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240767</dc:identifier>
    <prism:doi>10.11999/JEIT240767</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240767?pageType=en</prism:url>
		<prism:startingPage>769</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240477?pageType=en">
    <title><![CDATA[基于图神经网络模型校准的成员推理攻击]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240477?pageType=en</link>
	    <description>
		<![CDATA[谢丽霞, 史镜琛, 杨宏宇, 胡泽, 成翔 针对图神经网络(GNN)模型在其预测中常处于欠自信状态，导致该状态下实施成员推理攻击难度大且攻击漏报率高的问题，该文提出一种基于GNN模型校准的成员推理攻击方法。首先，设计一种基于因果推断的GNN模型校准方法，通过基于注意力机制的因果图提取、因果图与非因果图解耦、后门路径调整策略和因果关联图生成过程，构建用于训练GNN模型的因果关联图。其次，使用与目标因果关联图在相同数据分布下的影子因果关联图构建影子GNN模型，模拟目标GNN模型的预测行为。最后，使用影子GNN模型的后验概率构建攻击数据集以训练攻击模型，根据目标GNN模型对目标节点的后验概率输出推断其是否属于目标GNN模型的训练数据。在4个数据集上的实验结果表明，该文方法在2种攻击模式下面对不同架构的GNN模型进行攻击时，攻击准确率最高为92.6%，性能指标优于基线攻击方法，可有效地实施成员推理攻击。 电子与信息学报. 2025 47(3): 780-791.]]>
	</description>
    <content:encoded>
		<![CDATA[谢丽霞, 史镜琛, 杨宏宇, 胡泽, 成翔 针对图神经网络(GNN)模型在其预测中常处于欠自信状态，导致该状态下实施成员推理攻击难度大且攻击漏报率高的问题，该文提出一种基于GNN模型校准的成员推理攻击方法。首先，设计一种基于因果推断的GNN模型校准方法，通过基于注意力机制的因果图提取、因果图与非因果图解耦、后门路径调整策略和因果关联图生成过程，构建用于训练GNN模型的因果关联图。其次，使用与目标因果关联图在相同数据分布下的影子因果关联图构建影子GNN模型，模拟目标GNN模型的预测行为。最后，使用影子GNN模型的后验概率构建攻击数据集以训练攻击模型，根据目标GNN模型对目标节点的后验概率输出推断其是否属于目标GNN模型的训练数据。在4个数据集上的实验结果表明，该文方法在2种攻击模式下面对不同架构的GNN模型进行攻击时，攻击准确率最高为92.6%，性能指标优于基线攻击方法，可有效地实施成员推理攻击。 电子与信息学报. 2025 47(3): 780-791.]]>
	</content:encoded>
    <dc:title><![CDATA[基于图神经网络模型校准的成员推理攻击]]></dc:title>
    <dc:creator><![CDATA[谢丽霞, 史镜琛, 杨宏宇, 胡泽, 成翔]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 780-791.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240477</dc:identifier>
    <prism:doi>10.11999/JEIT240477</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240477?pageType=en</prism:url>
		<prism:startingPage>780</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240836?pageType=en">
    <title><![CDATA[基于改进U型网络的火焰光场图像降噪及温度场重建]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240836?pageType=en</link>
	    <description>
		<![CDATA[单良, 孙健, 洪波, 孔明 火焰光场图像在形成过程中夹杂的辐射噪声和成像噪声会降低火焰温度场3维重建精度，该文提出一种基于改进U型网络(UNet)的降噪模型，该模型针对辐射噪声和成像噪声的特性以及复杂火焰图像的纹理信息设计了背景净化模块和边缘信息优化模块。通过密集卷积操作对图像背景层进行特征提取，着重净化夹杂在图像背景层的辐射噪声。通过UNet模块中对称的编码器-解码器网络结构和跳跃连接，对通道间的辐射噪声和表层的成像噪声降噪。最后利用边缘优化模块对图像细节信息进行提取，从而获得更高质量的火焰光场图像。数值模拟部分，在火焰光场图像上混合加入信噪比为10 dB的辐射噪声和成像噪声，经该文模型降噪后的峰值信噪比(PSNR)和结构相似指数(SSIM)高达47 dB和&lt;styled-content style-type="number"&gt;0.9931&lt;/styled-content&gt;，与其他降噪模型相比有明显优势。随后，将火焰光场图像先经该文降噪模型降噪，再进行温度场重建，测得重建平均相对误差比未降噪时降低了约37%～57%，明显提升了火焰温度场3维重建的精度。实验部分，获取真实蜡烛火焰和丁烷火焰光场图像，经该文降噪模型降噪后的蜡烛火焰图像SSIM高达&lt;styled-content style-type="number"&gt;0.9870&lt;/styled-content&gt;，降噪后的丁烷燃烧火焰图像SSIM为&lt;styled-content style-type="number"&gt;0.9808&lt;/styled-content&gt;。 电子与信息学报. 2025 47(3): 792-802.]]>
	</description>
    <content:encoded>
		<![CDATA[单良, 孙健, 洪波, 孔明 火焰光场图像在形成过程中夹杂的辐射噪声和成像噪声会降低火焰温度场3维重建精度，该文提出一种基于改进U型网络(UNet)的降噪模型，该模型针对辐射噪声和成像噪声的特性以及复杂火焰图像的纹理信息设计了背景净化模块和边缘信息优化模块。通过密集卷积操作对图像背景层进行特征提取，着重净化夹杂在图像背景层的辐射噪声。通过UNet模块中对称的编码器-解码器网络结构和跳跃连接，对通道间的辐射噪声和表层的成像噪声降噪。最后利用边缘优化模块对图像细节信息进行提取，从而获得更高质量的火焰光场图像。数值模拟部分，在火焰光场图像上混合加入信噪比为10 dB的辐射噪声和成像噪声，经该文模型降噪后的峰值信噪比(PSNR)和结构相似指数(SSIM)高达47 dB和&lt;styled-content style-type="number"&gt;0.9931&lt;/styled-content&gt;，与其他降噪模型相比有明显优势。随后，将火焰光场图像先经该文降噪模型降噪，再进行温度场重建，测得重建平均相对误差比未降噪时降低了约37%～57%，明显提升了火焰温度场3维重建的精度。实验部分，获取真实蜡烛火焰和丁烷火焰光场图像，经该文降噪模型降噪后的蜡烛火焰图像SSIM高达&lt;styled-content style-type="number"&gt;0.9870&lt;/styled-content&gt;，降噪后的丁烷燃烧火焰图像SSIM为&lt;styled-content style-type="number"&gt;0.9808&lt;/styled-content&gt;。 电子与信息学报. 2025 47(3): 792-802.]]>
	</content:encoded>
    <dc:title><![CDATA[基于改进U型网络的火焰光场图像降噪及温度场重建]]></dc:title>
    <dc:creator><![CDATA[单良, 孙健, 洪波, 孔明]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 792-802.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240836</dc:identifier>
    <prism:doi>10.11999/JEIT240836</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240836?pageType=en</prism:url>
		<prism:startingPage>792</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240824?pageType=en">
    <title><![CDATA[非平稳异常噪声条件下的扩展目标跟踪方法]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240824?pageType=en</link>
	    <description>
		<![CDATA[陈辉, 张欣雨, 连峰, 韩崇昭, 张光华 针对非平稳异常噪声环境下扩展目标跟踪问题，该文提出一种基于高斯-学生t混合(GSTM)扩展目标跟踪方法。首先，将过程噪声和量测噪声建模为GSTM分布，以表征非平稳厚尾噪声，并通过引入伯努利随机变量，将目标的运动状态和量测似然函数建模为分层高斯形式。其次，在随机矩阵(RMM)滤波框架下，使用变分贝叶斯方法详细推导了非平稳厚尾噪声下的GSTM扩展目标跟踪算法。该算法通过建模高斯噪声与厚尾噪声之间的非平稳过程，精确表征噪声特性，从而在非平稳异常噪声环境下稳健捕捉扩展目标的质心位置和轮廓形态。最后，构建非平稳异常噪声环境下的扩展目标跟踪仿真实验，并通过高斯-瓦瑟斯坦距离对实验结果进行效果评估，验证了所提出算法的合理性。此外，真实场景实验结果进一步证明了该算法在实际应用中的有效性和鲁棒性。 电子与信息学报. 2025 47(3): 803-813.]]>
	</description>
    <content:encoded>
		<![CDATA[陈辉, 张欣雨, 连峰, 韩崇昭, 张光华 针对非平稳异常噪声环境下扩展目标跟踪问题，该文提出一种基于高斯-学生t混合(GSTM)扩展目标跟踪方法。首先，将过程噪声和量测噪声建模为GSTM分布，以表征非平稳厚尾噪声，并通过引入伯努利随机变量，将目标的运动状态和量测似然函数建模为分层高斯形式。其次，在随机矩阵(RMM)滤波框架下，使用变分贝叶斯方法详细推导了非平稳厚尾噪声下的GSTM扩展目标跟踪算法。该算法通过建模高斯噪声与厚尾噪声之间的非平稳过程，精确表征噪声特性，从而在非平稳异常噪声环境下稳健捕捉扩展目标的质心位置和轮廓形态。最后，构建非平稳异常噪声环境下的扩展目标跟踪仿真实验，并通过高斯-瓦瑟斯坦距离对实验结果进行效果评估，验证了所提出算法的合理性。此外，真实场景实验结果进一步证明了该算法在实际应用中的有效性和鲁棒性。 电子与信息学报. 2025 47(3): 803-813.]]>
	</content:encoded>
    <dc:title><![CDATA[非平稳异常噪声条件下的扩展目标跟踪方法]]></dc:title>
    <dc:creator><![CDATA[陈辉, 张欣雨, 连峰, 韩崇昭, 张光华]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 803-813.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240824</dc:identifier>
    <prism:doi>10.11999/JEIT240824</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240824?pageType=en</prism:url>
		<prism:startingPage>803</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240867?pageType=en">
    <title><![CDATA[一种基于时空频多维特征的短时窗口脑电听觉注意解码网络]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240867?pageType=en</link>
	    <description>
		<![CDATA[王春丽, 李金絮, 高玉鑫, 王晨名, 张珈豪 在鸡尾酒会场景中，听力正常的人有能力选择性地注意特定的说话者语音，但听力障碍者在这种场景中面临困难。听觉注意力解码(AAD)的目的是通过分析听者的脑电信号(EEG)响应特征来推断听者关注的是哪个说话者。现有的AAD模型只考虑脑电信号的时域或频域单个特征或二者的组合(如时频特征)，而忽略了时-空-频域特征之间的互补性，这在一定程度上限制了模型的分类能力，进而影响了模型在决策窗口上的解码精度。同时，已有AAD模型大多在长时决策窗口(1～5 s)中有较高的解码精度。该文提出一种基于时-空-频多维特征的短时窗口脑电信号听觉注意解码网络(TSF-AADNet)，用于提高短时决策窗口(0.1～1 s)的解码精度。该模型由两个并行的时空、频空特征提取分支以及特征融合和分类模块组成，其中，时空特征提取分支由时空卷积块和高阶特征交互模块组成，频空特征提取分支采用基于频空注意力的3维卷积模块(FSA-3DCNN)，最后将双分支网络提取的时空和频空特征进行融合，得到最终的听觉注意力二分类解码结果。实验结果表明，TSF-AADNet模型在听觉注意检测数据集KULeuven(KUL)和听觉注意检测的脑电和音频数据集(DTU)的0.1 s决策窗口下，解码精度分别为91.8%和81.1%，与最新的AAD模型一种基于时频融合的双分支并行网络(DBPNet)相比，分别提高了5.40%和7.99%。TSF-AADNet作为一种新的短时决策窗口的AAD模型，可为听力障碍诊断以及神经导向助听器研发提供有效参考。 电子与信息学报. 2025 47(3): 814-824.]]>
	</description>
    <content:encoded>
		<![CDATA[王春丽, 李金絮, 高玉鑫, 王晨名, 张珈豪 在鸡尾酒会场景中，听力正常的人有能力选择性地注意特定的说话者语音，但听力障碍者在这种场景中面临困难。听觉注意力解码(AAD)的目的是通过分析听者的脑电信号(EEG)响应特征来推断听者关注的是哪个说话者。现有的AAD模型只考虑脑电信号的时域或频域单个特征或二者的组合(如时频特征)，而忽略了时-空-频域特征之间的互补性，这在一定程度上限制了模型的分类能力，进而影响了模型在决策窗口上的解码精度。同时，已有AAD模型大多在长时决策窗口(1～5 s)中有较高的解码精度。该文提出一种基于时-空-频多维特征的短时窗口脑电信号听觉注意解码网络(TSF-AADNet)，用于提高短时决策窗口(0.1～1 s)的解码精度。该模型由两个并行的时空、频空特征提取分支以及特征融合和分类模块组成，其中，时空特征提取分支由时空卷积块和高阶特征交互模块组成，频空特征提取分支采用基于频空注意力的3维卷积模块(FSA-3DCNN)，最后将双分支网络提取的时空和频空特征进行融合，得到最终的听觉注意力二分类解码结果。实验结果表明，TSF-AADNet模型在听觉注意检测数据集KULeuven(KUL)和听觉注意检测的脑电和音频数据集(DTU)的0.1 s决策窗口下，解码精度分别为91.8%和81.1%，与最新的AAD模型一种基于时频融合的双分支并行网络(DBPNet)相比，分别提高了5.40%和7.99%。TSF-AADNet作为一种新的短时决策窗口的AAD模型，可为听力障碍诊断以及神经导向助听器研发提供有效参考。 电子与信息学报. 2025 47(3): 814-824.]]>
	</content:encoded>
    <dc:title><![CDATA[一种基于时空频多维特征的短时窗口脑电听觉注意解码网络]]></dc:title>
    <dc:creator><![CDATA[王春丽, 李金絮, 高玉鑫, 王晨名, 张珈豪]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 814-824.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240867</dc:identifier>
    <prism:doi>10.11999/JEIT240867</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240867?pageType=en</prism:url>
		<prism:startingPage>814</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240720?pageType=en">
    <title><![CDATA[基于一致性生成对抗的遥感多时相建筑物变化检测数据对生成技术]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240720?pageType=en</link>
	    <description>
		<![CDATA[陈昊, 周光尧, 王乾通, 高斌, 王文志, 唐皓 虽然目前可以获取海量的多时相遥感数据，但是由于建筑物变化时间周期过长，难以获取充足的建筑物变化数据对来支撑数据驱动的深度学习变化检测模型构建，呈现多时相遥感建筑物变化检测处理精度差的问题。因此，为提升变化检测算法模型处理性能，该文从建筑物变化检测训练数据对生成开展研究，基于一致性对抗生成机理提出了多时相建筑物变化检测数据对生成网络(BAG-GAN)。其主要在多时相图像生成过程中采用对抗一致性损失函数约束，在保证生成图像和输入图像关联性的同时，保证了生成模型的多模态输出能力。此外，还通过重组原数据集中的变化标签和多时相遥感图像来进一步提升建筑物变化信息生成的多样性，解决了训练数据中有效建筑物变化信息占比少的问题，为变化监测算法模型的充分训练奠定了基础。最后，在LEVIR-CD和WHU-CD建筑物变化检测数据集上进行了数据生成实验，并使用生成扩充后的数据集训练了多种较为经典的遥感图像变化检测模型，实验结果表明该文提出的BAG-GAN多时相建筑物变化检测数据对生成网络及相应的生成策略可以有效提升变化检测模型的处理精度。 电子与信息学报. 2025 47(3): 825-838.]]>
	</description>
    <content:encoded>
		<![CDATA[陈昊, 周光尧, 王乾通, 高斌, 王文志, 唐皓 虽然目前可以获取海量的多时相遥感数据，但是由于建筑物变化时间周期过长，难以获取充足的建筑物变化数据对来支撑数据驱动的深度学习变化检测模型构建，呈现多时相遥感建筑物变化检测处理精度差的问题。因此，为提升变化检测算法模型处理性能，该文从建筑物变化检测训练数据对生成开展研究，基于一致性对抗生成机理提出了多时相建筑物变化检测数据对生成网络(BAG-GAN)。其主要在多时相图像生成过程中采用对抗一致性损失函数约束，在保证生成图像和输入图像关联性的同时，保证了生成模型的多模态输出能力。此外，还通过重组原数据集中的变化标签和多时相遥感图像来进一步提升建筑物变化信息生成的多样性，解决了训练数据中有效建筑物变化信息占比少的问题，为变化监测算法模型的充分训练奠定了基础。最后，在LEVIR-CD和WHU-CD建筑物变化检测数据集上进行了数据生成实验，并使用生成扩充后的数据集训练了多种较为经典的遥感图像变化检测模型，实验结果表明该文提出的BAG-GAN多时相建筑物变化检测数据对生成网络及相应的生成策略可以有效提升变化检测模型的处理精度。 电子与信息学报. 2025 47(3): 825-838.]]>
	</content:encoded>
    <dc:title><![CDATA[基于一致性生成对抗的遥感多时相建筑物变化检测数据对生成技术]]></dc:title>
    <dc:creator><![CDATA[陈昊, 周光尧, 王乾通, 高斌, 王文志, 唐皓]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 825-838.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240720</dc:identifier>
    <prism:doi>10.11999/JEIT240720</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240720?pageType=en</prism:url>
		<prism:startingPage>825</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240702?pageType=en">
    <title><![CDATA[利用可选择多尺度图卷积网络的骨架行为识别]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240702?pageType=en</link>
	    <description>
		<![CDATA[曹毅, 李杰, 叶培涛, 王彦雯, 吕贤海 针对目前骨架行为识别方法忽视骨架关节点多尺度依赖关系和无法合理利用卷积核进行时间建模的问题，该文提出了一种可选择多尺度图卷积网络(SMS-GCN)的行为识别模型。首先，介绍了人体骨架图的构建原理和通道拓扑细化图卷积网络的结构；其次，构建成对关节邻接矩阵和多关节邻接矩阵以生成多尺度通道拓扑细化邻接矩阵，并引入图卷积网络，进一步提出多尺度图卷积(MS-GC)模块，以期实现对骨架关节点的多尺度依赖关系的建模；然后，基于多尺度时序卷积和可选择大核网络，提出可选择多尺度时序卷积(SMS-TC)模块，以期实现对有用的时间上下文特征的充分提取，同时结合MS-GC和SMS-TC模块，进而提出可选择多尺度图卷积网络模型并在多支流数据输入下进行训练；最后，在NTU-RGB+D和NTU-RGB+D 120数据集上进行大量实验，实验结果表明，该模型能够捕获更多的关节特征和学习有用的时间信息，具有优异的准确率和泛化能力。 电子与信息学报. 2025 47(3): 839-849.]]>
	</description>
    <content:encoded>
		<![CDATA[曹毅, 李杰, 叶培涛, 王彦雯, 吕贤海 针对目前骨架行为识别方法忽视骨架关节点多尺度依赖关系和无法合理利用卷积核进行时间建模的问题，该文提出了一种可选择多尺度图卷积网络(SMS-GCN)的行为识别模型。首先，介绍了人体骨架图的构建原理和通道拓扑细化图卷积网络的结构；其次，构建成对关节邻接矩阵和多关节邻接矩阵以生成多尺度通道拓扑细化邻接矩阵，并引入图卷积网络，进一步提出多尺度图卷积(MS-GC)模块，以期实现对骨架关节点的多尺度依赖关系的建模；然后，基于多尺度时序卷积和可选择大核网络，提出可选择多尺度时序卷积(SMS-TC)模块，以期实现对有用的时间上下文特征的充分提取，同时结合MS-GC和SMS-TC模块，进而提出可选择多尺度图卷积网络模型并在多支流数据输入下进行训练；最后，在NTU-RGB+D和NTU-RGB+D 120数据集上进行大量实验，实验结果表明，该模型能够捕获更多的关节特征和学习有用的时间信息，具有优异的准确率和泛化能力。 电子与信息学报. 2025 47(3): 839-849.]]>
	</content:encoded>
    <dc:title><![CDATA[利用可选择多尺度图卷积网络的骨架行为识别]]></dc:title>
    <dc:creator><![CDATA[曹毅, 李杰, 叶培涛, 王彦雯, 吕贤海]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 839-849.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240702</dc:identifier>
    <prism:doi>10.11999/JEIT240702</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240702?pageType=en</prism:url>
		<prism:startingPage>839</prism:startingPage>
  </item>
    <item rdf:about="https://jeit.ac.cn/article/doi/10.11999/JEIT240294?pageType=en">
    <title><![CDATA[应用于航空航天领域的低功耗多节点抗辐射静态随机存取存储器设计]]></title>
    <link>https://jeit.ac.cn/article/doi/10.11999/JEIT240294?pageType=en</link>
	    <description>
		<![CDATA[柏娜, 李钢, 许耀华, 王翊 随着对太空的探索的深入，人们发现应用于航天领域的静态随机存取存储器(SRAM)易受到高能粒子轰击发生电节点翻转(SEU)和多节点翻转(SEMNU)。该文为解决SRAM的单粒子翻转问题提出一种16TSRAM单元可以用于SRAM的抗翻转应用，该单元包含3个敏感节点，使用金属氧化物半导体(MOS)管堆叠结构，较大提高了单元的稳定性。在65 nm CMOS工艺下仿真证明该单元可以解决SEU和SEMNU问题。相比于SARP12T, LWS14T, SAR14T, RSP14T, EDP12T和SIS10T, MNRS16T的保持静态噪声容限(HSNM)分别提升了1.4%, 54.9%, 58.9%, 0.7%, 59.1%和107.4%。相比于SARP12T, RH12T, SAR14T, RSP14T, S8N8P16T, EDP12T和SIS10T, MNRS16T的读取静态噪声容限(RSNM)分别提升了94.3%, 31.4%, 90.3%, 8.9%, 71.5%, 90.4%和90.3%。相较于SAR14T, RSP14T和EDP12T, MNRS16T的保持功率(Hpwr)降低了24.7%, 33.9% 和25.7%。 电子与信息学报. 2025 47(3): 850-858.]]>
	</description>
    <content:encoded>
		<![CDATA[柏娜, 李钢, 许耀华, 王翊 随着对太空的探索的深入，人们发现应用于航天领域的静态随机存取存储器(SRAM)易受到高能粒子轰击发生电节点翻转(SEU)和多节点翻转(SEMNU)。该文为解决SRAM的单粒子翻转问题提出一种16TSRAM单元可以用于SRAM的抗翻转应用，该单元包含3个敏感节点，使用金属氧化物半导体(MOS)管堆叠结构，较大提高了单元的稳定性。在65 nm CMOS工艺下仿真证明该单元可以解决SEU和SEMNU问题。相比于SARP12T, LWS14T, SAR14T, RSP14T, EDP12T和SIS10T, MNRS16T的保持静态噪声容限(HSNM)分别提升了1.4%, 54.9%, 58.9%, 0.7%, 59.1%和107.4%。相比于SARP12T, RH12T, SAR14T, RSP14T, S8N8P16T, EDP12T和SIS10T, MNRS16T的读取静态噪声容限(RSNM)分别提升了94.3%, 31.4%, 90.3%, 8.9%, 71.5%, 90.4%和90.3%。相较于SAR14T, RSP14T和EDP12T, MNRS16T的保持功率(Hpwr)降低了24.7%, 33.9% 和25.7%。 电子与信息学报. 2025 47(3): 850-858.]]>
	</content:encoded>
    <dc:title><![CDATA[应用于航空航天领域的低功耗多节点抗辐射静态随机存取存储器设计]]></dc:title>
    <dc:creator><![CDATA[柏娜, 李钢, 许耀华, 王翊]]></dc:creator>
    <dc:date>2025-03-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>电子与信息学报. 2025 47(3): 850-858.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.11999/JEIT240294</dc:identifier>
    <prism:doi>10.11999/JEIT240294</prism:doi>
    <prism:publicationName>电子与信息学报</prism:publicationName>
    <prism:volume>47</prism:volume>
    <prism:number>3</prism:number>
    <prism:publicationDate>2025-03-01</prism:publicationDate>
	<prism:url>https://jeit.ac.cn/article/doi/10.11999/JEIT240294?pageType=en</prism:url>
		<prism:startingPage>850</prism:startingPage>
  </item>
  </rdf:RDF>
