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/JEIT260171
摘要:
速率拆分多址接入技术(RSMA)凭借灵活的干扰管理能力，被视为提升6G网络的频谱效率的关键使能技术。然而，现有RSMA方案仍存在用户公平性不足、可扩展性差及固定信道约束等问题。为此，该文提出双智能反射面(RIS)协作的RSMA通信系统，以充分挖掘RIS的信道重构潜力。系统通过双RIS间的联合反射建立级联视距链路，从而增强公共流解码性能并抑制复杂干扰。在满足用户服务质量(QoS)约束下，该文建立了以系统总传输速率最大化为目标的资源分配方案，对基站侧波束成形(BF)、速率拆分(RS)以及双RIS相位配置进行联合优化。针对变量强耦合与非凸性，该文提出了基于半正定松弛(SDR)和逐次凸逼近(SCA)的低复杂度交替优化算法。仿真结果表明，所提算法能有效收敛至高质量次优解；与现有先进方案相比，双RIS协作的RSMA系统在总传输速率上至少提升11.9%的增益，并显著改善了用户公平性和系统鲁棒性。
速率拆分多址接入技术(RSMA)凭借灵活的干扰管理能力，被视为提升6G网络的频谱效率的关键使能技术。然而，现有RSMA方案仍存在用户公平性不足、可扩展性差及固定信道约束等问题。为此，该文提出双智能反射面(RIS)协作的RSMA通信系统，以充分挖掘RIS的信道重构潜力。系统通过双RIS间的联合反射建立级联视距链路，从而增强公共流解码性能并抑制复杂干扰。在满足用户服务质量(QoS)约束下，该文建立了以系统总传输速率最大化为目标的资源分配方案，对基站侧波束成形(BF)、速率拆分(RS)以及双RIS相位配置进行联合优化。针对变量强耦合与非凸性，该文提出了基于半正定松弛(SDR)和逐次凸逼近(SCA)的低复杂度交替优化算法。仿真结果表明，所提算法能有效收敛至高质量次优解；与现有先进方案相比，双RIS协作的RSMA系统在总传输速率上至少提升11.9%的增益，并显著改善了用户公平性和系统鲁棒性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260216
摘要:
工业物联网(IIoT)往往具有节点数量多、通信可靠性与时延要求严格等特点。大规模节点导致信道状态信息(CSI)反馈开销大，难以实时获取。然而，基于过期CSI的资源分配，往往需要以冗余的发射功率、码长等资源配置来保障通信的可靠性，严重制约了系统能效。针对该问题，该文以最大化能效为目标，提出一种基于连续凸近似(SCA)辅助深度强化学习(DRL)的功率码长联合分配算法。首先，基于SCA算法对功率和码长进行预分配，获得具有物理可解释性的基准解；进而，以基准解为先验信息，设计基于双延迟深度确定性策略梯度(TD3)的DRL算法进行增量式优化。仿真表明，所提算法能有效应对信道动态变化，显著提升系统能效。
工业物联网(IIoT)往往具有节点数量多、通信可靠性与时延要求严格等特点。大规模节点导致信道状态信息(CSI)反馈开销大，难以实时获取。然而，基于过期CSI的资源分配，往往需要以冗余的发射功率、码长等资源配置来保障通信的可靠性，严重制约了系统能效。针对该问题，该文以最大化能效为目标，提出一种基于连续凸近似(SCA)辅助深度强化学习(DRL)的功率码长联合分配算法。首先，基于SCA算法对功率和码长进行预分配，获得具有物理可解释性的基准解；进而，以基准解为先验信息，设计基于双延迟深度确定性策略梯度(TD3)的DRL算法进行增量式优化。仿真表明，所提算法能有效应对信道动态变化，显著提升系统能效。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260149
摘要:
针对高比例新能源并网加剧电网供需不平衡的问题，聚合大规模变频空调集群作为虚拟储能参与需求响应，是提升电网灵活性的有效途径。然而，现有调度策略常面临高维寻优的维数灾难，且传统基于罚函数的软约束方法难以严格满足聚合功率的等式约束，易产生稳态误差。为此，该文提出一种基于约束面投影的位势协同自适应粒子群算法(SFA-PSO)。首先，基于等效热参数模型构建了兼顾群体热舒适度与响应公平性的多目标优化框架；其次，针对传统算法易出现功率越限的局限性，设计了约束面投影机制，将粒子的搜索路径严格限制在功率守恒超平面内，从而实现对网侧调度指令的精确跟踪；此外，针对高维空间寻优易早熟的难题，提出空间-适应度协同演化策略，通过量化粒子适应度与空间距离的认知偏差动态调节学习因子，以提升算法跳出局部最优的能力。最后，在包含多源热扰动与通信丢包等复杂动态环境下进行了连续调度仿真实验。结果表明，SFA-PSO算法在千节点级高维场景中表现出良好的鲁棒性，能够在严格满足电网侧功率管控要求的前提下，以较低的计算开销实现用户侧舒适度与公平性的有效协同。
针对高比例新能源并网加剧电网供需不平衡的问题，聚合大规模变频空调集群作为虚拟储能参与需求响应，是提升电网灵活性的有效途径。然而，现有调度策略常面临高维寻优的维数灾难，且传统基于罚函数的软约束方法难以严格满足聚合功率的等式约束，易产生稳态误差。为此，该文提出一种基于约束面投影的位势协同自适应粒子群算法(SFA-PSO)。首先，基于等效热参数模型构建了兼顾群体热舒适度与响应公平性的多目标优化框架；其次，针对传统算法易出现功率越限的局限性，设计了约束面投影机制，将粒子的搜索路径严格限制在功率守恒超平面内，从而实现对网侧调度指令的精确跟踪；此外，针对高维空间寻优易早熟的难题，提出空间-适应度协同演化策略，通过量化粒子适应度与空间距离的认知偏差动态调节学习因子，以提升算法跳出局部最优的能力。最后，在包含多源热扰动与通信丢包等复杂动态环境下进行了连续调度仿真实验。结果表明，SFA-PSO算法在千节点级高维场景中表现出良好的鲁棒性，能够在严格满足电网侧功率管控要求的前提下，以较低的计算开销实现用户侧舒适度与公平性的有效协同。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260189
摘要:
遥感图文检索(RS-ITR)通过建立遥感影像与自然语言描述之间的跨模态语义关联，为海量地理空间数据的语义理解与智能检索提供了重要支撑。随着高分辨率对地观测数据持续积累，复杂场景、多尺度结构、专业语义表达及标注稀缺等因素，使传统手工特征方法和常规深度跨模态模型在语义建模、跨场景泛化和开放环境适应方面受到明显制约。围绕视觉-语言基础模型(VLM)驱动的遥感图文检索研究，该文系统梳理了任务建模、领域挑战、评价基准与技术演进脉络，重点归纳了模型架构范式、遥感领域适配策略和跨模态语义对齐机制，并结合代表性数据集、典型方法及性能比较总结了当前研究进展。分析表明，视觉-语言基础模型在缓解语义鸿沟、提升零样本迁移能力和增强复杂语义理解方面展现出显著优势，但多源异构数据统一建模、地理知识增强、开放场景持续学习以及轻量化部署仍是该方向亟待突破的关键问题。相关综述可为遥感多模态信息理解、跨模态检索模型设计及工程应用提供系统参考。
遥感图文检索(RS-ITR)通过建立遥感影像与自然语言描述之间的跨模态语义关联，为海量地理空间数据的语义理解与智能检索提供了重要支撑。随着高分辨率对地观测数据持续积累，复杂场景、多尺度结构、专业语义表达及标注稀缺等因素，使传统手工特征方法和常规深度跨模态模型在语义建模、跨场景泛化和开放环境适应方面受到明显制约。围绕视觉-语言基础模型(VLM)驱动的遥感图文检索研究，该文系统梳理了任务建模、领域挑战、评价基准与技术演进脉络，重点归纳了模型架构范式、遥感领域适配策略和跨模态语义对齐机制，并结合代表性数据集、典型方法及性能比较总结了当前研究进展。分析表明，视觉-语言基础模型在缓解语义鸿沟、提升零样本迁移能力和增强复杂语义理解方面展现出显著优势，但多源异构数据统一建模、地理知识增强、开放场景持续学习以及轻量化部署仍是该方向亟待突破的关键问题。相关综述可为遥感多模态信息理解、跨模态检索模型设计及工程应用提供系统参考。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260631
摘要:
侧信道泄露严重威胁密码核设计的实现安全性。现有侧信道泄露检测方法主要依赖数据驱动的量化评估，缺乏严格的数学模型，完备性有限。针对上述问题，提出了一种密码侧信道安全建模与形式化验证方法。该方法通过构建侧信道安全模型，利用信息流分析实现对时间侧信道泄露、能量侧信道泄露和故障传播行为的统一建模，进一步提取侧信道安全属性，并通过形式化验证所提取的安全属性来识别密码核设计中潜在的侧信道泄露风险。实验结果表明，本文所提出的方法能够准确识别出AES、SM4、LED、PRESENT和IDEA密码核设计中潜在的侧信道泄露风险，并可评估掩码与故障感染防御机制的有效性。
侧信道泄露严重威胁密码核设计的实现安全性。现有侧信道泄露检测方法主要依赖数据驱动的量化评估，缺乏严格的数学模型，完备性有限。针对上述问题，提出了一种密码侧信道安全建模与形式化验证方法。该方法通过构建侧信道安全模型，利用信息流分析实现对时间侧信道泄露、能量侧信道泄露和故障传播行为的统一建模，进一步提取侧信道安全属性，并通过形式化验证所提取的安全属性来识别密码核设计中潜在的侧信道泄露风险。实验结果表明，本文所提出的方法能够准确识别出AES、SM4、LED、PRESENT和IDEA密码核设计中潜在的侧信道泄露风险，并可评估掩码与故障感染防御机制的有效性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260464
摘要:
针对低信噪比环境下传统射频指纹识别方法特征提取鲁棒性较弱，且现有深度学习模型参数量庞大、无法适配战术边缘设备部署的问题，本文提出一种面向无人机射频识别的轻量化双流卷积网络特征融合方法。该方法构建静态与动态双分支并行架构，依托元素级相加融合策略实现特征互补优化。静态分支以短时傅里叶变换时频图为输入，通过卷积模块提取信号频谱纹理特征；动态分支引入时间梯度一阶差分运算，有效抑制静态背景噪声，提升低信噪比下信号时频特征的表征对比度。基于DroneRF公开数据集的实验结果表明，该方法识别准确率可达95.65%，相较单流网络提升5个百分点，平均信噪比提升1 dB以上；模型参数量仅0.58 M，可满足战术边缘设备实时识别需求。消融实验与特征可视化结果证明，静态频谱特征与动态时间梯度特征的互补特性，是提升无人机射频识别性能的核心关键。
针对低信噪比环境下传统射频指纹识别方法特征提取鲁棒性较弱，且现有深度学习模型参数量庞大、无法适配战术边缘设备部署的问题，本文提出一种面向无人机射频识别的轻量化双流卷积网络特征融合方法。该方法构建静态与动态双分支并行架构，依托元素级相加融合策略实现特征互补优化。静态分支以短时傅里叶变换时频图为输入，通过卷积模块提取信号频谱纹理特征；动态分支引入时间梯度一阶差分运算，有效抑制静态背景噪声，提升低信噪比下信号时频特征的表征对比度。基于DroneRF公开数据集的实验结果表明，该方法识别准确率可达95.65%，相较单流网络提升5个百分点，平均信噪比提升1 dB以上；模型参数量仅0.58 M，可满足战术边缘设备实时识别需求。消融实验与特征可视化结果证明，静态频谱特征与动态时间梯度特征的互补特性，是提升无人机射频识别性能的核心关键。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260499
[摘要](57)
摘要:
在复杂电磁环境下，无人机群执行协同通信与动态频谱接入任务时，亟需对频谱占用状态及干扰重叠区域进行准确、快速的感知。现有频谱感知方法多将任务简化为单一信号检测，普遍存在低信噪比条件下鲁棒性不足、重叠干扰识别能力有限以及预处理开销较大等问题，难以满足复杂场景下无人机群对精细化电磁环境认知与实时感知的需求。针对上述问题，本文提出一种面向无人机群复杂电磁环境的复数域频谱联合感知方法。该方法构建复数域深度感知网络RadioSEUnet，直接对原始同相/正交(In-phase/Quadrature, I/Q)信号，并结合极坐标特征变换与通道注意力机制，形成幅度—相位双通道输入表征，实现频谱占用状态与干扰重叠区域的联合检测。实验在包含48000 条仿真数据与24000 条实测数据的频谱感知数据集上开展评估。结果表明，在–15 dB低信噪比条件下，所提方法在频谱占用检测任务上取得0.768的交并比和0.846召回率，在干扰重叠识别任务上取得0.456的交并比和0.768的精确率，均优于主流基线方法，同时，得益于高效的端到端处理范式，单次感知总时延仅约26 ms。上述结果表明，所提方法在检测精度、环境鲁棒性与实时处理能力上实现了良好平衡，可为无人机群复杂电磁环境下的动态频谱接入与抗干扰通信提供有效的感知支撑。
在复杂电磁环境下，无人机群执行协同通信与动态频谱接入任务时，亟需对频谱占用状态及干扰重叠区域进行准确、快速的感知。现有频谱感知方法多将任务简化为单一信号检测，普遍存在低信噪比条件下鲁棒性不足、重叠干扰识别能力有限以及预处理开销较大等问题，难以满足复杂场景下无人机群对精细化电磁环境认知与实时感知的需求。针对上述问题，本文提出一种面向无人机群复杂电磁环境的复数域频谱联合感知方法。该方法构建复数域深度感知网络RadioSEUnet，直接对原始同相/正交(In-phase/Quadrature, I/Q)信号，并结合极坐标特征变换与通道注意力机制，形成幅度—相位双通道输入表征，实现频谱占用状态与干扰重叠区域的联合检测。实验在包含
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260523
摘要:
语义通信若面向实际系统部署，既需要与现有数字调制体制适配，又需要适应不同信道条件下的传输需求。语义导向调制(Semantic-Oriented Modulation, SOM)能够将连续语义特征映射为分层数字星座符号，但其离散映射与分层量化过程会引入结构化非高斯失真，从而增加数字语义接收端的恢复难度。针对该问题，该文提出一种面向数字语义通信的信道自适应降噪器。该方法由量化噪声预测器(Quantization Noise Predictor, QNP)和扩散恢复模块构成。其中，QNP对SOM引入的结构化量化失真进行前置补偿，扩散模块依据接收信噪比自适应选择降噪步数，对补偿后的语义表示进行进一步恢复。QNP采用分类分支与回归分支相结合的双分支结构，通过特征级线性调制融合SOM参数与信道状态，并在损失函数中引入分布约束项以改善补偿后残差的统计特性。实验结果表明，QNP单独使用可以稳定改善数字语义恢复性能，在不同信道条件下相较于未使用QNP的基线平均提升1.77 dB的PSNR和26.08%的MS-SSIM。在此基础上，与扩散恢复联合后可进一步获得最优效果，相较于未降噪的SOM数字语义基线和仅采用扩散降噪的SOM数字语义基线，PSNR和MS-SSIM平均分别提升3.67 dB、58.79%以及1.89 dB、18.64%。该文结果表明，所提方法能够在保持数字通信体制兼容性的前提下有效缓解SOM结构化失真对后续恢复的不利影响，从而提升数字语义通信系统的恢复性能与信道自适应能力。
语义通信若面向实际系统部署，既需要与现有数字调制体制适配，又需要适应不同信道条件下的传输需求。语义导向调制(Semantic-Oriented Modulation, SOM)能够将连续语义特征映射为分层数字星座符号，但其离散映射与分层量化过程会引入结构化非高斯失真，从而增加数字语义接收端的恢复难度。针对该问题，该文提出一种面向数字语义通信的信道自适应降噪器。该方法由量化噪声预测器(Quantization Noise Predictor, QNP)和扩散恢复模块构成。其中，QNP对SOM引入的结构化量化失真进行前置补偿，扩散模块依据接收信噪比自适应选择降噪步数，对补偿后的语义表示进行进一步恢复。QNP采用分类分支与回归分支相结合的双分支结构，通过特征级线性调制融合SOM参数与信道状态，并在损失函数中引入分布约束项以改善补偿后残差的统计特性。实验结果表明，QNP单独使用可以稳定改善数字语义恢复性能，在不同信道条件下相较于未使用QNP的基线平均提升1.77 dB的PSNR和26.08%的MS-SSIM。在此基础上，与扩散恢复联合后可进一步获得最优效果，相较于未降噪的SOM数字语义基线和仅采用扩散降噪的SOM数字语义基线，PSNR和MS-SSIM平均分别提升3.67 dB、58.79%以及1.89 dB、18.64%。该文结果表明，所提方法能够在保持数字通信体制兼容性的前提下有效缓解SOM结构化失真对后续恢复的不利影响，从而提升数字语义通信系统的恢复性能与信道自适应能力。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260442
摘要:
根据语言指令准确地抓取目标物体，是服务机器人实现自然人机交互的必要前提。现有研究多采用大规模数据驱动训练或层次化特征融合策略实现视觉信息与指令文本的模态对齐，普遍忽视了底层视觉特征中目标与环境的强耦合特性，导致其在跨视角和未知背景下的组合泛化能力显著下降。针对上述挑战，该文构建了一个双视角跨场景同步抓取检测和定位数据集，用于系统评估并针对性提升现有模型的组合泛化能力。在此基础上，提出一种指令驱动下的同步抓取检测和物体定位网络(SGL-Net)。首先，引入跨模态全局上下文调制模块(CGCMM)，利用自然语言指令的语义先验，在视觉特征提取的早期阶段对网络视觉通道进行自适应视角校正与背景干扰抑制。其次，设计了词-像素跨模态交叉对齐模块(WPCAM)，采用扁平化注意力机制实现细粒度语义解耦，用以提升网络对动态复杂场景的语义理解能力。最后，采用统一解码器架构解耦融合后的多模态特征，实现目标物体位置与最优抓取位姿的同步输出。充足的定量与可视化实验结果表明，所提网络在多种不同场景视角的组合情况下均取得了最优的性能，并具备在真实物理世界中部署应用的能力。
根据语言指令准确地抓取目标物体，是服务机器人实现自然人机交互的必要前提。现有研究多采用大规模数据驱动训练或层次化特征融合策略实现视觉信息与指令文本的模态对齐，普遍忽视了底层视觉特征中目标与环境的强耦合特性，导致其在跨视角和未知背景下的组合泛化能力显著下降。针对上述挑战，该文构建了一个双视角跨场景同步抓取检测和定位数据集，用于系统评估并针对性提升现有模型的组合泛化能力。在此基础上，提出一种指令驱动下的同步抓取检测和物体定位网络(SGL-Net)。首先，引入跨模态全局上下文调制模块(CGCMM)，利用自然语言指令的语义先验，在视觉特征提取的早期阶段对网络视觉通道进行自适应视角校正与背景干扰抑制。其次，设计了词-像素跨模态交叉对齐模块(WPCAM)，采用扁平化注意力机制实现细粒度语义解耦，用以提升网络对动态复杂场景的语义理解能力。最后，采用统一解码器架构解耦融合后的多模态特征，实现目标物体位置与最优抓取位姿的同步输出。充足的定量与可视化实验结果表明，所提网络在多种不同场景视角的组合情况下均取得了最优的性能，并具备在真实物理世界中部署应用的能力。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260362
摘要:
高光谱图像与激光雷达在光谱表征和空间结构刻画方面具有天然互补性，其有效融合被认为是提升遥感地物分类性能的重要途径。然而，现有方法多将融合过程建模为固定映射下的一次性静态聚合，隐含地假设同一融合策略能够适用于不同区域，因而难以应对遥感影像中普遍存在的空间异质性和样本复杂性。为此，该文提出一种决策-学习-修正网络，将传统静态融合重构为面向局部上下文的序列决策过程，使模型能够在连续交互中学习上下文依赖的自适应融合策略。针对关键样本易被忽视的问题，构建关键样本导向采样模块，依据样本决策困难度提高复杂区域样本的训练参与度。针对融合动作可能破坏模态特性的问题，设计模态保真约束机制，对不合理动作进行修正，以保证融合特征质量。实验结果表明，所提方法在Houston2013, Trento和MUUFL 3个基准数据集上的总体精度分别提升0.82%, 0.38%和1.76%，验证了该方法在复杂场景下的有效性与优越性。
高光谱图像与激光雷达在光谱表征和空间结构刻画方面具有天然互补性，其有效融合被认为是提升遥感地物分类性能的重要途径。然而，现有方法多将融合过程建模为固定映射下的一次性静态聚合，隐含地假设同一融合策略能够适用于不同区域，因而难以应对遥感影像中普遍存在的空间异质性和样本复杂性。为此，该文提出一种决策-学习-修正网络，将传统静态融合重构为面向局部上下文的序列决策过程，使模型能够在连续交互中学习上下文依赖的自适应融合策略。针对关键样本易被忽视的问题，构建关键样本导向采样模块，依据样本决策困难度提高复杂区域样本的训练参与度。针对融合动作可能破坏模态特性的问题，设计模态保真约束机制，对不合理动作进行修正，以保证融合特征质量。实验结果表明，所提方法在Houston2013, Trento和MUUFL 3个基准数据集上的总体精度分别提升0.82%, 0.38%和1.76%，验证了该方法在复杂场景下的有效性与优越性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260396
摘要:
该文提出一种具备抗单粒子烧毁(SEB)能力的复合叉指栅柱结构氧化镓金属氧化物半导体场效应晶体管(CSG-MOSFET)。该器件在N型Ga2O3沟道层上方引入P型NiO层，并通过叉指栅柱将其与延伸栅场板实现电气连接。基于P-NiO/N-Ga2O3异质结的电荷补偿效应，该结构显著优化了沟道内的电场分布。同时，叉指栅柱作为关键的电场调制单元，与延伸场板协同作用，不仅有效抑制了传统器件(C-MOSFET)中栅极场板边缘的电场拥挤效应，更将易诱发单粒子雪崩击穿的峰值电场区域从脆弱的栅极边缘主动转移至最外侧栅柱边缘。TCAD仿真结果表明，在重离子辐照下，所提CSG-MOSFET将其SEB阈值电压(VSEB)从传统器件的240 V大幅提升至2280 V，充分证实了该复合结构在提升Ga2O3功率器件抗辐射性能方面的优势。
该文提出一种具备抗单粒子烧毁(SEB)能力的复合叉指栅柱结构氧化镓金属氧化物半导体场效应晶体管(CSG-MOSFET)。该器件在N型Ga2O3沟道层上方引入P型NiO层，并通过叉指栅柱将其与延伸栅场板实现电气连接。基于P-NiO/N-Ga2O3异质结的电荷补偿效应，该结构显著优化了沟道内的电场分布。同时，叉指栅柱作为关键的电场调制单元，与延伸场板协同作用，不仅有效抑制了传统器件(C-MOSFET)中栅极场板边缘的电场拥挤效应，更将易诱发单粒子雪崩击穿的峰值电场区域从脆弱的栅极边缘主动转移至最外侧栅柱边缘。TCAD仿真结果表明，在重离子辐照下，所提CSG-MOSFET将其SEB阈值电压(VSEB)从传统器件的240 V大幅提升至
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT251021
摘要:
针对室内可见光定位(VLP)系统中接收器姿态扰动会破坏接收光功率(RSS)与空间位置的对应关系，导致定位精度下降的问题，该文提出一种光电传感器(PD)阵列结合机器学习(ML)的特征融合定位方法。首先利用阵列中不同PD接收光功率的差异构建约束方程，采用高斯–牛顿迭代算法估计入射角余弦值。其次设计融合卷积神经网络(CNN)与多层感知机(MLP)的优化模型，实现对RSS与入射角余弦特征的联合建模，缓解了单一RSS在接收器随机扰动条件下位置映射关系不稳定的问题，增强系统对接收器姿态扰动的鲁棒性。最后引入拉丁超立方抽样(LHS)策略构建训练数据集，提升训练样本的空间代表性。仿真结果表明，在4 m×4 m×2.5 m的室内环境，平均定位误差约4.6 cm；即使接收器倾斜至55°时，平均误差仍在11.7 cm以内。与现有方法相比，定位精度提升约2.5 cm，均方根误差(RMSE)降低31.58%，实现了接收器在姿态发生扰动时的高精度室内三维定位。
针对室内可见光定位(VLP)系统中接收器姿态扰动会破坏接收光功率(RSS)与空间位置的对应关系，导致定位精度下降的问题，该文提出一种光电传感器(PD)阵列结合机器学习(ML)的特征融合定位方法。首先利用阵列中不同PD接收光功率的差异构建约束方程，采用高斯–牛顿迭代算法估计入射角余弦值。其次设计融合卷积神经网络(CNN)与多层感知机(MLP)的优化模型，实现对RSS与入射角余弦特征的联合建模，缓解了单一RSS在接收器随机扰动条件下位置映射关系不稳定的问题，增强系统对接收器姿态扰动的鲁棒性。最后引入拉丁超立方抽样(LHS)策略构建训练数据集，提升训练样本的空间代表性。仿真结果表明，在4 m×4 m×2.5 m的室内环境，平均定位误差约4.6 cm；即使接收器倾斜至55°时，平均误差仍在11.7 cm以内。与现有方法相比，定位精度提升约2.5 cm，均方根误差(RMSE)降低31.58%，实现了接收器在姿态发生扰动时的高精度室内三维定位。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260061
摘要:
词义消歧(WSD)是生物医学文本理解与信息挖掘的核心技术，广泛应用于医学文献分析、临床数据处理等领域。为解决现有模型在生物医学场景中面临的术语语义易受噪声干扰、细粒度语义类区分难、小样本泛化不足等问题，该文提出了一种将生物医学术语中的词形、词性、语义类作为核心消歧特征，输入至Electra、mDeBERTa与T5三路模型中来获取领域适配的动态词向量，使用Focal loss和Margin loss组合的复合损失函数三路并行架构。通过卡方统计量引导的注意力机制，来获取更加具有代表性的特征，以抑制冗余噪声干扰。训练过程中采用第一阶段挖掘困难样本第二阶段克服困难样本的困难样本挖掘策略。引入基于生物医学术语裁剪的对比学习方法，生成两个语义相同的视图进行对比与学习，来强化特征的语义鲁棒性与区分性。实验结果证明，该方法能够显著地提升模型对近义语义类的区分能力，并增强模型在噪声高、少样本场景下的鲁棒性与泛化能力，表现出更优秀的生物医学词义消歧性能。
词义消歧(WSD)是生物医学文本理解与信息挖掘的核心技术，广泛应用于医学文献分析、临床数据处理等领域。为解决现有模型在生物医学场景中面临的术语语义易受噪声干扰、细粒度语义类区分难、小样本泛化不足等问题，该文提出了一种将生物医学术语中的词形、词性、语义类作为核心消歧特征，输入至Electra、mDeBERTa与T5三路模型中来获取领域适配的动态词向量，使用Focal loss和Margin loss组合的复合损失函数三路并行架构。通过卡方统计量引导的注意力机制，来获取更加具有代表性的特征，以抑制冗余噪声干扰。训练过程中采用第一阶段挖掘困难样本第二阶段克服困难样本的困难样本挖掘策略。引入基于生物医学术语裁剪的对比学习方法，生成两个语义相同的视图进行对比与学习，来强化特征的语义鲁棒性与区分性。实验结果证明，该方法能够显著地提升模型对近义语义类的区分能力，并增强模型在噪声高、少样本场景下的鲁棒性与泛化能力，表现出更优秀的生物医学词义消歧性能。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260401
摘要:
针对高脉冲丢失环境下多站辐射源时差分选中真实峰难以累积、高重频条件下脉冲重复间隔模糊易诱发伴生伪峰、大量孤立脉冲难归并以及跨片轨迹易断裂的问题，提出一种以到达时间序列为核心观测量的多站辐射源闭环时差分选方法。首先，对候选脉冲对构造多尺度核密度估计(Kernel Density Estimation, KDE)，重构稀疏时差分布并自适应提取候选到达时间差(Time Difference of Arrival, TDOA)峰；其次，利用主峰提取后伪峰显著坍塌的特性，构建动态记忆矩阵，对候选峰进行坍塌率校验与伪峰屏蔽；然后，针对未配对孤立脉冲，采用动态时间规整(Dynamic Time Warping, DTW)度量残缺序列与已提取序列的间隔相似性，实现孤立脉冲归并；最后，利用卡尔曼滤波对多基线TDOA轨迹进行跨片关联与平滑，降低高丢失场景下的身份标识切换。构建高重频、参数混叠、消融实验和10部多体制混合四组测试场景，并与现有方法进行对比。结果表明，在10部多体制混合且整体丢失率为50%的场景下，所提方法的脉冲提取正确率达到92.72%，TDOA检测虚警率控制在8%以内，且身份标识切换均值低于对比方法。
针对高脉冲丢失环境下多站辐射源时差分选中真实峰难以累积、高重频条件下脉冲重复间隔模糊易诱发伴生伪峰、大量孤立脉冲难归并以及跨片轨迹易断裂的问题，提出一种以到达时间序列为核心观测量的多站辐射源闭环时差分选方法。首先，对候选脉冲对构造多尺度核密度估计(Kernel Density Estimation, KDE)，重构稀疏时差分布并自适应提取候选到达时间差(Time Difference of Arrival, TDOA)峰；其次，利用主峰提取后伪峰显著坍塌的特性，构建动态记忆矩阵，对候选峰进行坍塌率校验与伪峰屏蔽；然后，针对未配对孤立脉冲，采用动态时间规整(Dynamic Time Warping, DTW)度量残缺序列与已提取序列的间隔相似性，实现孤立脉冲归并；最后，利用卡尔曼滤波对多基线TDOA轨迹进行跨片关联与平滑，降低高丢失场景下的身份标识切换。构建高重频、参数混叠、消融实验和10部多体制混合四组测试场景，并与现有方法进行对比。结果表明，在10部多体制混合且整体丢失率为50%的场景下，所提方法的脉冲提取正确率达到92.72%，TDOA检测虚警率控制在8%以内，且身份标识切换均值低于对比方法。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260400
摘要:
工业物联网路由转发设备相关的控制指令、状态信息及感知数据，但在洪泛攻击下可引发网络拥塞与通信资源耗尽。现有安全路由方法采用强化学习基于网络拓扑等信息优化下一跳，绕开拥塞节点以缓解洪泛攻击的影响。然而，工业物联网节点在链路带宽和队列容量等方面存在异构性，导致网络负载分布不均，在洪泛攻击下易引发区域拥塞。为此，提出防御洪泛攻击的大模型辅助工业物联网安全路由方法，云服务器部署大模型获取全局负载分布和异常流量分布等全局安全态势，以此优化多路径选择，均衡网络负载，抵御洪泛攻击。基于各感知节点、交换节点和工业网关等节点获取的链路状态信息，采用参数量不小于270亿的大模型推断全局安全态势，反馈至物联网节点以辅助强化学习状态构建和路由风险评估。设计基于洪泛攻击行为特征以及时延和数据包到达率等业务需求的风险评估网络，降低路由中断风险，支撑设备协同控制、系统安全运行和环境监测等业务，提升工业物联网安全。在节点资源异构的工业物联网环境下，恶意设备发起数据包洪泛攻击，结果表明所提方案可提升数据包到达率，降低路由能耗和端到端时延。
工业物联网路由转发设备相关的控制指令、状态信息及感知数据，但在洪泛攻击下可引发网络拥塞与通信资源耗尽。现有安全路由方法采用强化学习基于网络拓扑等信息优化下一跳，绕开拥塞节点以缓解洪泛攻击的影响。然而，工业物联网节点在链路带宽和队列容量等方面存在异构性，导致网络负载分布不均，在洪泛攻击下易引发区域拥塞。为此，提出防御洪泛攻击的大模型辅助工业物联网安全路由方法，云服务器部署大模型获取全局负载分布和异常流量分布等全局安全态势，以此优化多路径选择，均衡网络负载，抵御洪泛攻击。基于各感知节点、交换节点和工业网关等节点获取的链路状态信息，采用参数量不小于270亿的大模型推断全局安全态势，反馈至物联网节点以辅助强化学习状态构建和路由风险评估。设计基于洪泛攻击行为特征以及时延和数据包到达率等业务需求的风险评估网络，降低路由中断风险，支撑设备协同控制、系统安全运行和环境监测等业务，提升工业物联网安全。在节点资源异构的工业物联网环境下，恶意设备发起数据包洪泛攻击，结果表明所提方案可提升数据包到达率，降低路由能耗和端到端时延。
2026, 48(7): 2765-2780.
doi: 10.11999/JEIT260026
摘要:
处理器芯片安全是信息安全的基石。长期以来，各种密码算法、应用程序和操作系统都以处理器作为可信基础。然而，随着摩尔定律的减缓，现代处理器在微架构设计中不断追求高性能和低功耗的目标，而忽视了安全性，导致近期安全漏洞频发。其中，以Meltdown和Spectre为代表的微架构时间信道漏洞备受关注，它们利用微架构状态变化引起的时间差异来突破基础的软硬件隔离，影响数十亿台主流CPU厂商的设备。此外，由于架构与微架构之间的界限变得模糊，催生了一系列新的攻击方式，使得时间信道从“硬件漏洞”发展为系统级安全问题。然而，现有文献主要基于硬件组件进行分类，掩盖了时序泄露的潜在共性，并限制了对软件信道分析的能力。该文对时间信道进行跨层综述，将基于硬件的和基于软件的泄漏统一在1个共同的抽象模型下。具体而言，该文首先分析了时间信道产生的4个基本条件，并根据核心泄露条件中共享可变状态的性质以及时间观测能力产生的机制将现有的软硬件攻击统一在1个分类模型下。基于该分类，该文全面回顾了近10年的攻击方法，系统地分析了它们的攻击步骤，并揭示了它们之间的共性。其次，基于阻断的泄露条件，对现有的防御技术进行分类，并指出防御的作用范围与失效原因。最后，总结了当前的自动化检测方法并对新兴平台下的时间信道安全研究与未来发展趋势进行了前瞻性的讨论。
处理器芯片安全是信息安全的基石。长期以来，各种密码算法、应用程序和操作系统都以处理器作为可信基础。然而，随着摩尔定律的减缓，现代处理器在微架构设计中不断追求高性能和低功耗的目标，而忽视了安全性，导致近期安全漏洞频发。其中，以Meltdown和Spectre为代表的微架构时间信道漏洞备受关注，它们利用微架构状态变化引起的时间差异来突破基础的软硬件隔离，影响数十亿台主流CPU厂商的设备。此外，由于架构与微架构之间的界限变得模糊，催生了一系列新的攻击方式，使得时间信道从“硬件漏洞”发展为系统级安全问题。然而，现有文献主要基于硬件组件进行分类，掩盖了时序泄露的潜在共性，并限制了对软件信道分析的能力。该文对时间信道进行跨层综述，将基于硬件的和基于软件的泄漏统一在1个共同的抽象模型下。具体而言，该文首先分析了时间信道产生的4个基本条件，并根据核心泄露条件中共享可变状态的性质以及时间观测能力产生的机制将现有的软硬件攻击统一在1个分类模型下。基于该分类，该文全面回顾了近10年的攻击方法，系统地分析了它们的攻击步骤，并揭示了它们之间的共性。其次，基于阻断的泄露条件，对现有的防御技术进行分类，并指出防御的作用范围与失效原因。最后，总结了当前的自动化检测方法并对新兴平台下的时间信道安全研究与未来发展趋势进行了前瞻性的讨论。
2026, 48(7): 2781-2791.
doi: 10.11999/JEIT260011
摘要:
脑-机接口(BCI)在外部设备运动控制中的应用不断拓展，但以离散指令为主的控制方式难以满足连续控制与自然交互的需求，非侵入式连续运动控制BCI因兼具安全性与可推广性而受到广泛关注。该文系统综述了非侵入式连续运动控制BCI的研究进展，从控制范式、解码方法、应用场景及评价指标等方面进行了综合分析，重点讨论了连续控制实现机制及其对系统性能的影响。综述结果表明，非侵入式连续运动控制BCI已由早期概念验证任务逐步拓展至多类实际应用场景，但在范式优化、解码性能提升、真实场景适配和评价标准完善等方面仍有待进一步发展。基于此，该文对相关研究进行了归纳总结，并对未来发展方向进行了展望，为非侵入式连续运动控制BCI的进一步研究与应用提供参考。
脑-机接口(BCI)在外部设备运动控制中的应用不断拓展，但以离散指令为主的控制方式难以满足连续控制与自然交互的需求，非侵入式连续运动控制BCI因兼具安全性与可推广性而受到广泛关注。该文系统综述了非侵入式连续运动控制BCI的研究进展，从控制范式、解码方法、应用场景及评价指标等方面进行了综合分析，重点讨论了连续控制实现机制及其对系统性能的影响。综述结果表明，非侵入式连续运动控制BCI已由早期概念验证任务逐步拓展至多类实际应用场景，但在范式优化、解码性能提升、真实场景适配和评价标准完善等方面仍有待进一步发展。基于此，该文对相关研究进行了归纳总结，并对未来发展方向进行了展望，为非侵入式连续运动控制BCI的进一步研究与应用提供参考。
2026, 48(7): 2792-2804.
doi: 10.11999/JEIT260022
摘要:
当前交通场景感知依赖大规模高分辨率图像与雷达点云数据，在“感知-存储-计算”链路上面临采集成本高、存储压力大及计算资源消耗高等瓶颈。基于此，该文创新性地从轮胎视角出发，构建了一种新的多模态交通场景感知数据集(TTSPD)。具体地，该文采用橡胶基复合材料封装策略与低功耗蓝牙5.0自适应跳频技术，构建了一套集轮胎内置多参数传感与车载摄像头为一体的多模态传感器系统。该系统可在车辆行驶过程中同步采集径向加速度、胎温和胎压等6类轮胎传感器数据(约1 550 万字节，超过180万个传感器采样点)，并同时获取309 GB的交通场景图像数据(涵盖水泥、沥青、破损与积水4类典型路面)。通过对轮胎传感器数据与交通场景图像数据进行统一时间标记与跨模态关联，构建了具有场景一致性的多模态交通场景感知数据集TTSPD。进一步，为验证数据集的合理性和有效性，该文将TTSPD数据集应用于路面分类任务。实验结果表明，主流路面分类算法在该数据集上能够实现较高的分类精度(精度范围87.25%～93.75%)。同时，融合轮胎传感器数据(低维度)使模型在仅使用约38.75%原始数据量的情况下即可达到全量数据95%的分类精度，显著降低对高维度图像数据的依赖，减少了数据存储压力(存储规模下降约61.25%)、降低了计算资源开销，缩短了整体训练时间(缩短约54.10%)。该数据集为构建车规级算力约束下多模态环境感知与智能决策系统提供了新的数据形态，为我国智能交通技术的自主创新与可持续发展提供了助力。
当前交通场景感知依赖大规模高分辨率图像与雷达点云数据，在“感知-存储-计算”链路上面临采集成本高、存储压力大及计算资源消耗高等瓶颈。基于此，该文创新性地从轮胎视角出发，构建了一种新的多模态交通场景感知数据集(TTSPD)。具体地，该文采用橡胶基复合材料封装策略与低功耗蓝牙5.0自适应跳频技术，构建了一套集轮胎内置多参数传感与车载摄像头为一体的多模态传感器系统。该系统可在车辆行驶过程中同步采集径向加速度、胎温和胎压等6类轮胎传感器数据(约
2026, 48(7): 2805-2814.
doi: 10.11999/JEIT260122
摘要:
红外识别在安防监控、人机交互和无人系统中具有重要应用，但红外图像对比度低、边缘模糊等特性，导致传统算法难以在资源受限的边缘端兼顾识别精度与实时性。为突破深度学习算法在边缘端部署时面临的高算力需求与高能耗预算之间的矛盾，该文设计一种基于忆阻器阵列加速的红外识别系统，将两层全连接网络的前向推理映射到忆阻器阵列中执行，并通过计算机实现层间非线性激活与最终判决，从而有效减轻传统CPU/GPU架构下的数据搬迁开销。基于该架构，该文搭建了可运行的3分类红外手势识别系统。实验结果表明，该系统在低分辨率输入下仍能获得约95%的识别准确率，推理延迟约26.4 ms，能耗相较嵌入式GPU平台降低约6倍，体现出显著的能效优势和实时性潜力。本研究为构建高能效的红外边缘智能系统提供了一种可行思路。
红外识别在安防监控、人机交互和无人系统中具有重要应用，但红外图像对比度低、边缘模糊等特性，导致传统算法难以在资源受限的边缘端兼顾识别精度与实时性。为突破深度学习算法在边缘端部署时面临的高算力需求与高能耗预算之间的矛盾，该文设计一种基于忆阻器阵列加速的红外识别系统，将两层全连接网络的前向推理映射到忆阻器阵列中执行，并通过计算机实现层间非线性激活与最终判决，从而有效减轻传统CPU/GPU架构下的数据搬迁开销。基于该架构，该文搭建了可运行的3分类红外手势识别系统。实验结果表明，该系统在低分辨率输入下仍能获得约95%的识别准确率，推理延迟约26.4 ms，能耗相较嵌入式GPU平台降低约6倍，体现出显著的能效优势和实时性潜力。本研究为构建高能效的红外边缘智能系统提供了一种可行思路。
2026, 48(7): 2815-2828.
doi: 10.11999/JEIT251291
摘要:
传统目标识别常基于闭集假设，即测试目标类别均属训练集。然而真实世界具有开放性，除训练集已知类外，识别任务还关注未知新目标的解译，要求模型兼具已知类识别与未知类发现并聚类的能力。针对上述问题，该文提出一种显式鉴别驱动-未知类自动聚类的直推式开放世界半监督学习(OWSSL)方法，综合利用少量标记已知类训练样本与大量无标记待测已知类/未知类样本学习模型，实现已知类识别与未知类聚类。所提方法重点包含基于已知类边界极值分布动态扩展的无标记已知类-未知类鉴别模块，结合极值理论建模标记已知类边界分布，并在半监督学习中对该分布进行动态完善，提升模型鉴别能力；对所鉴别高置信未知类样本，基于近邻交并比关系合并的未知类自动聚类模块进行近邻聚类簇合并，实现未知类自动聚类。鉴别模块和未知类自动聚类模块迭代优化。基于光学CIFAR-10与实测雷达数据的实验表明所提方法具有良好的已知类识别与未知类聚类性能。
传统目标识别常基于闭集假设，即测试目标类别均属训练集。然而真实世界具有开放性，除训练集已知类外，识别任务还关注未知新目标的解译，要求模型兼具已知类识别与未知类发现并聚类的能力。针对上述问题，该文提出一种显式鉴别驱动-未知类自动聚类的直推式开放世界半监督学习(OWSSL)方法，综合利用少量标记已知类训练样本与大量无标记待测已知类/未知类样本学习模型，实现已知类识别与未知类聚类。所提方法重点包含基于已知类边界极值分布动态扩展的无标记已知类-未知类鉴别模块，结合极值理论建模标记已知类边界分布，并在半监督学习中对该分布进行动态完善，提升模型鉴别能力；对所鉴别高置信未知类样本，基于近邻交并比关系合并的未知类自动聚类模块进行近邻聚类簇合并，实现未知类自动聚类。鉴别模块和未知类自动聚类模块迭代优化。基于光学CIFAR-10与实测雷达数据的实验表明所提方法具有良好的已知类识别与未知类聚类性能。
2026, 48(7): 2829-2842.
doi: 10.11999/JEIT260031
摘要:
为提高遥感图像域自适应语义分割(DASS)的跨域适应效果，该文提出基于协同训练与空间引导扩散模型的域自适应语义分割框架(CoSG-DASS)。CoSG-DASS使用空间引导扩散模型构成图像翻译减少域间差异，并利用协同训练提升模型对目标域的自适应能力：在图像翻译阶段，设计新型空间信息引导扩散模型，通过向潜在扩散模型注入水平语义分布伪标签与垂直语义分布深度估计重构空间引导信息，实现源域到目标域的语义无偏转换。其中针对伪标签质量问题，提出基于熵的引导强度自适应模块，通过熵值筛选高置信度区域特征以抑制噪声干扰，有效提升跨域成像差异下的语义对齐精度；在协同训练阶段，提出融合深度信息与对抗损失的训练策略，通过增强多维知识表征缩减类内差异并增大类间差异，提升模型的跨域自适应能力。通过在3类典型遥感跨域差异任务(跨地理环境、跨成像模式、标签语义异质)中仿真验证，该文所提CoSG-DASS表现优异，相较于已有方法在平均交并比(mIoU)分别有1.14%, 3.78%和2.49%的提升。
为提高遥感图像域自适应语义分割(DASS)的跨域适应效果，该文提出基于协同训练与空间引导扩散模型的域自适应语义分割框架(CoSG-DASS)。CoSG-DASS使用空间引导扩散模型构成图像翻译减少域间差异，并利用协同训练提升模型对目标域的自适应能力：在图像翻译阶段，设计新型空间信息引导扩散模型，通过向潜在扩散模型注入水平语义分布伪标签与垂直语义分布深度估计重构空间引导信息，实现源域到目标域的语义无偏转换。其中针对伪标签质量问题，提出基于熵的引导强度自适应模块，通过熵值筛选高置信度区域特征以抑制噪声干扰，有效提升跨域成像差异下的语义对齐精度；在协同训练阶段，提出融合深度信息与对抗损失的训练策略，通过增强多维知识表征缩减类内差异并增大类间差异，提升模型的跨域自适应能力。通过在3类典型遥感跨域差异任务(跨地理环境、跨成像模式、标签语义异质)中仿真验证，该文所提CoSG-DASS表现优异，相较于已有方法在平均交并比(mIoU)分别有1.14%, 3.78%和2.49%的提升。
2026, 48(7): 2843-2853.
doi: 10.11999/JEIT260018
摘要:
该文针对移动群智感知(MCS)系统复杂任务的协作需求，建立了一种融合社交协作关系的任务分配优化模型，不仅考虑平台参与者间的协作，还将社交网络作为辅助执行资源，构建了“平台参与者-社交好友”双层协作框架。该文提出基于生殖分工的多目标蚁群优化算法，根据社会分工将蚁群划分为4个协作子种群；基于统计学习选择交配对象以强化精英基因的交流；采用多策略混合搜索以提高探索的多样性与深度；引入贡献度预测自适应配置种群资源。在8个合成和4个真实算例上的对比实验表明，所提算法在收敛性与多样性测度上，比第2优算法平均提升16.41%和18.04%，上述结果验证了所提算法在解决复杂MCS任务分配问题上的精度优势与应用价值。
该文针对移动群智感知(MCS)系统复杂任务的协作需求，建立了一种融合社交协作关系的任务分配优化模型，不仅考虑平台参与者间的协作，还将社交网络作为辅助执行资源，构建了“平台参与者-社交好友”双层协作框架。该文提出基于生殖分工的多目标蚁群优化算法，根据社会分工将蚁群划分为4个协作子种群；基于统计学习选择交配对象以强化精英基因的交流；采用多策略混合搜索以提高探索的多样性与深度；引入贡献度预测自适应配置种群资源。在8个合成和4个真实算例上的对比实验表明，所提算法在收敛性与多样性测度上，比第2优算法平均提升16.41%和18.04%，上述结果验证了所提算法在解决复杂MCS任务分配问题上的精度优势与应用价值。
2026, 48(7): 2854-2864.
doi: 10.11999/JEIT251111
摘要:
唇部运动的微小变化和相似音素的视觉歧义导致唇语识别模型的时空特征提取能力不足。为此，该文提出多维时空特征增强的唇语识别方法。首先设计自调节时空注意力(SaSTA)，关注全局时空关键特征；其次提出三维增强残差块(TE-ResBlock)，通过时序位移、多尺度卷积与通道混洗增强时空特征提取能力；然后设计多维时空增强网络(MSTEN)，逐层提取时空特征并深度融合时间、空间和通道特征；最后基于MSTEN和DC-TCN构建唇语识别模型，并在LRW数据集和GRID数据集上验证模型性能。实验结果表明，所提方法在LRW和GRID上的准确率分别达到91.18%和97.82%，优于所有对比方法。
唇部运动的微小变化和相似音素的视觉歧义导致唇语识别模型的时空特征提取能力不足。为此，该文提出多维时空特征增强的唇语识别方法。首先设计自调节时空注意力(SaSTA)，关注全局时空关键特征；其次提出三维增强残差块(TE-ResBlock)，通过时序位移、多尺度卷积与通道混洗增强时空特征提取能力；然后设计多维时空增强网络(MSTEN)，逐层提取时空特征并深度融合时间、空间和通道特征；最后基于MSTEN和DC-TCN构建唇语识别模型，并在LRW数据集和GRID数据集上验证模型性能。实验结果表明，所提方法在LRW和GRID上的准确率分别达到91.18%和97.82%，优于所有对比方法。
2026, 48(7): 2865-2875.
doi: 10.11999/JEIT251120
摘要:
网络指标是网络设计、运维与优化的基础。为此，有必要厘清网络指标的整体分布、场景依赖与关联规律，进而构建面向网络架构设计及全生命周期管理的多维分析框架。该文提出一种基于大语言模型(LLM)的文献挖掘方案，对《IEEE/ACM Transactions on Networking》2023～2024年刊载的583篇文献进行指标提取、术语规范化、场景标注与指标关联量化，并通过双LLM交叉验证和人工抽样复核检验挖掘结果。结果表明，网络指标呈现“少量共性指标+大量长尾专有指标”的结构，不同应用场景所关注的核心指标集及指标关联均具有场景依赖性。该文提出服务质量(S)、资源复用成本 (M)以及场景适配重构能力(V)3类相互独立且可组合的分析维度，为网络架构的设计、部署、运维和优化提供指导。
网络指标是网络设计、运维与优化的基础。为此，有必要厘清网络指标的整体分布、场景依赖与关联规律，进而构建面向网络架构设计及全生命周期管理的多维分析框架。该文提出一种基于大语言模型(LLM)的文献挖掘方案，对《IEEE/ACM Transactions on Networking》2023～2024年刊载的583篇文献进行指标提取、术语规范化、场景标注与指标关联量化，并通过双LLM交叉验证和人工抽样复核检验挖掘结果。结果表明，网络指标呈现“少量共性指标+大量长尾专有指标”的结构，不同应用场景所关注的核心指标集及指标关联均具有场景依赖性。该文提出服务质量(S)、资源复用成本 (M)以及场景适配重构能力(V)3类相互独立且可组合的分析维度，为网络架构的设计、部署、运维和优化提供指导。
2026, 48(7): 2876-2886.
doi: 10.11999/JEIT251129
摘要:
针对现有水下目标检测方法在成像退化类型多样与背景干扰等复杂场景中鲁棒性差以及在设备资源受限条件下难以兼顾检测精度与模型轻量化的问题，该文提出一种基于冗余信息优化的轻量化水下目标检测网络(UnderWater Faster YOLO network based on redundancy information optimization, UWF-YOLO)，并进一步构建了复杂场景水下目标检测数据集(Underwater Object Detection dataset with Complex Scene, CSUOD)。UWF-YOLO采用FasterNet Block重构C2f模块优化主干和颈部网络，通过特征通道选择机制减少冗余特征，并引入Ghost卷积增强颈部网络的多尺度特征融合能力；同时，通过基于分组卷积的参数共享检测头降低计算开销；最后，应用结构化通道剪枝进一步压缩网络规模。CSUOD数据集通过收集真实水下图像进行标注和分辨率标准化处理，覆盖雾化、色偏、非均匀照明等各种退化类型，可用于复杂场景下水下目标检测模型的鲁棒性训练与性能评测。在DUO，RUOD和TrashCan数据集上进行实验分析，相较于YOLOv8s，所提方法在计算量、权重大小与参数量3个指标上分别降低了60.4%, 77.3%和78.4%；与参数量相当的YOLOv9-tiny相比，mAP指标在3个数据集上分别提升了0.3%, 2.3%和3.4%。同时，在自建CSUOD数据集上的主客观对比实验，进一步证实所提模型在实现显著轻量化的同时，能够有效避免背景干扰导致的误检、漏检等问题，特别在复杂水下环境中展现出优异的检测性能。此外，该文构建的复杂场景水下数据集将有助于推动水下目标检测方法的发展。
针对现有水下目标检测方法在成像退化类型多样与背景干扰等复杂场景中鲁棒性差以及在设备资源受限条件下难以兼顾检测精度与模型轻量化的问题，该文提出一种基于冗余信息优化的轻量化水下目标检测网络(UnderWater Faster YOLO network based on redundancy information optimization, UWF-YOLO)，并进一步构建了复杂场景水下目标检测数据集(Underwater Object Detection dataset with Complex Scene, CSUOD)。UWF-YOLO采用FasterNet Block重构C2f模块优化主干和颈部网络，通过特征通道选择机制减少冗余特征，并引入Ghost卷积增强颈部网络的多尺度特征融合能力；同时，通过基于分组卷积的参数共享检测头降低计算开销；最后，应用结构化通道剪枝进一步压缩网络规模。CSUOD数据集通过收集真实水下图像进行标注和分辨率标准化处理，覆盖雾化、色偏、非均匀照明等各种退化类型，可用于复杂场景下水下目标检测模型的鲁棒性训练与性能评测。在DUO，RUOD和TrashCan数据集上进行实验分析，相较于YOLOv8s，所提方法在计算量、权重大小与参数量3个指标上分别降低了60.4%, 77.3%和78.4%；与参数量相当的YOLOv9-tiny相比，mAP指标在3个数据集上分别提升了0.3%, 2.3%和3.4%。同时，在自建CSUOD数据集上的主客观对比实验，进一步证实所提模型在实现显著轻量化的同时，能够有效避免背景干扰导致的误检、漏检等问题，特别在复杂水下环境中展现出优异的检测性能。此外，该文构建的复杂场景水下数据集将有助于推动水下目标检测方法的发展。
2026, 48(7): 2887-2897.
doi: 10.11999/JEIT260063
摘要:
针对多模态情感分析中图文不一致、视觉模态置信度低、模态贡献不均衡等问题，该文提出一种多源知识引导的视觉置信度感知模型(MKVP)。首先，通过多源知识引导构建视觉置信度感知(VCP)模块，利用文本句法与细粒度属性先验对视觉特征进行质量评估，有效过滤图像中受环境干扰的冗余信息，并引导其特征分布。其次，为避免模型对文本模态产生过度依赖并平衡模态贡献，设计双流并行交互模块，通过跨模态注意力机制促进图文特征的深层对等交互，强化图像特征对文本语义的补充与修正作用。最后，引入全局门控融合机制，根据各模态的全局贡献程度动态调节融合权重，实现从单模态主导向多模态均衡协同决策的转变。在MVSA-Single, MVSA-Multiple及HFM数据集上识别准确率和F1分数分别达到了77.56%和76.70%、72.72%和70.66%、87.26%和86.78%，对比基线模型识别准确率和F1分数分别提升2.45%和3.68%、2.19%和2.21%、1.83%和1.91%。说明该模型能有效挖掘样本中图文之间更深层次的情感表达。
针对多模态情感分析中图文不一致、视觉模态置信度低、模态贡献不均衡等问题，该文提出一种多源知识引导的视觉置信度感知模型(MKVP)。首先，通过多源知识引导构建视觉置信度感知(VCP)模块，利用文本句法与细粒度属性先验对视觉特征进行质量评估，有效过滤图像中受环境干扰的冗余信息，并引导其特征分布。其次，为避免模型对文本模态产生过度依赖并平衡模态贡献，设计双流并行交互模块，通过跨模态注意力机制促进图文特征的深层对等交互，强化图像特征对文本语义的补充与修正作用。最后，引入全局门控融合机制，根据各模态的全局贡献程度动态调节融合权重，实现从单模态主导向多模态均衡协同决策的转变。在MVSA-Single, MVSA-Multiple及HFM数据集上识别准确率和F1分数分别达到了77.56%和76.70%、72.72%和70.66%、87.26%和86.78%，对比基线模型识别准确率和F1分数分别提升2.45%和3.68%、2.19%和2.21%、1.83%和1.91%。说明该模型能有效挖掘样本中图文之间更深层次的情感表达。
2026, 48(7): 2898-2908.
doi: 10.11999/JEIT260002
摘要:
在无人机实时视频流传输场景中，可利用多路径传输协议的带宽聚合优势提升视频体验质量(QoE)。针对该协议在无人机网络环境下面临的动态异构挑战，该文提出一种基于神经置信上界(NeuralUCB)算法的多路径调度框架NeuroFly。首先，将多路径流量调度建模为上下文多臂老虎机(CMAB)问题。然后，基于NeuralUCB设计在线学习策略：融合多维度异构特征构建上下文空间，引入帧优先级驱动的冗余传输机制构建动作空间，并结合多目标奖励函数设计，实现动态异构网络下的自适应流量调度。此外，还设计一种上下文监控机制，能够实时检测上下文分布变化并适时重启学习过程，以提升NeuroFly对环境突变的应对能力。最后，仿真和野外环境下的实验结果表明，与现有先进调度算法和传输方案相比，NeuroFly第99百分位延迟降低19.9%～51.0%，并在多项视频QoE指标上取得显著领先：平均视频帧率提升最高达24.6%，图像结构相似性提升最高达49.2%，缓冲时间占比减少13.4%～77.6%，证明其在无人机动态异构网络下具有更为出色的持续传输优化能力，能够有效降低传输延迟并提升视频QoE。
在无人机实时视频流传输场景中，可利用多路径传输协议的带宽聚合优势提升视频体验质量(QoE)。针对该协议在无人机网络环境下面临的动态异构挑战，该文提出一种基于神经置信上界(NeuralUCB)算法的多路径调度框架NeuroFly。首先，将多路径流量调度建模为上下文多臂老虎机(CMAB)问题。然后，基于NeuralUCB设计在线学习策略：融合多维度异构特征构建上下文空间，引入帧优先级驱动的冗余传输机制构建动作空间，并结合多目标奖励函数设计，实现动态异构网络下的自适应流量调度。此外，还设计一种上下文监控机制，能够实时检测上下文分布变化并适时重启学习过程，以提升NeuroFly对环境突变的应对能力。最后，仿真和野外环境下的实验结果表明，与现有先进调度算法和传输方案相比，NeuroFly第99百分位延迟降低19.9%～51.0%，并在多项视频QoE指标上取得显著领先：平均视频帧率提升最高达24.6%，图像结构相似性提升最高达49.2%，缓冲时间占比减少13.4%～77.6%，证明其在无人机动态异构网络下具有更为出色的持续传输优化能力，能够有效降低传输延迟并提升视频QoE。
2026, 48(7): 2909-2918.
doi: 10.11999/JEIT251273
摘要:
针对非线性量测条件下的多机动群目标跟踪问题，该文提出一种基于交互式多模型的伽马箱粒子δ-广义标签多伯努利(IMM-GBP-δ-GLMB)算法。基于箱粒子滤波框架和区间分析理论，以区间覆盖代替多点概率近似，实现对量测不确定性和扩展状态的高效表示；通过改进似然函数和引入交互式多模型分别增强对群目标扩展外形和质心运动状态的跟踪能力，提升了算法的跟踪精度。最后，结合随机有限集理论推导了算法的δ-GLMB形式。仿真结果表明，所提算法以8.5%左右的跟踪精度代价，获得了3.8倍的时效性提升；对3个群目标和2个群目标的平均跟踪时间增长速度为原算法的96%，对群目标数量增加具有较好的时间鲁棒性，所提算法具有较好的实用价值。
针对非线性量测条件下的多机动群目标跟踪问题，该文提出一种基于交互式多模型的伽马箱粒子δ-广义标签多伯努利(IMM-GBP-δ-GLMB)算法。基于箱粒子滤波框架和区间分析理论，以区间覆盖代替多点概率近似，实现对量测不确定性和扩展状态的高效表示；通过改进似然函数和引入交互式多模型分别增强对群目标扩展外形和质心运动状态的跟踪能力，提升了算法的跟踪精度。最后，结合随机有限集理论推导了算法的δ-GLMB形式。仿真结果表明，所提算法以8.5%左右的跟踪精度代价，获得了3.8倍的时效性提升；对3个群目标和2个群目标的平均跟踪时间增长速度为原算法的96%，对群目标数量增加具有较好的时间鲁棒性，所提算法具有较好的实用价值。
2026, 48(7): 2919-2929.
doi: 10.11999/JEIT251162
摘要:
为解决现有眼动追踪技术精度低，在高速眼动场景下时间分辨率受限等问题。该提出了一种基于事件相机与双通道差分照明的眼动追踪方法。相比于传统相机，事件相机能够异步输出有关亮度变化的事件流，具有高时间分辨率、高动态范围、低延迟等优势。首先，该文采用事件相机作为图像传感器，并结合双通道差分照明策略，增强高时间分辨率下角膜反射点事件的信噪比；其次，引入基于密度带有噪声的空间聚类算法(DBSCAN)，改善角膜反射点事件中大量离散点噪声导致的定位偏差，提升角膜反射点的定位精度。最后，重建世界坐标系下眼球的射线追踪模型，有效利用角膜反射点坐标并通过奇异值分解(SVD)和最小二乘法确定角膜曲率中心，从而完成注视方向的估计。在仿生眼数据集上的实验结果表明，该文提出的方法能够在25 kHz的时间分辨率下实现误差小于1°的注视方向估计，为下一代高性能眼动交互系统提供了可行的技术路径。
为解决现有眼动追踪技术精度低，在高速眼动场景下时间分辨率受限等问题。该提出了一种基于事件相机与双通道差分照明的眼动追踪方法。相比于传统相机，事件相机能够异步输出有关亮度变化的事件流，具有高时间分辨率、高动态范围、低延迟等优势。首先，该文采用事件相机作为图像传感器，并结合双通道差分照明策略，增强高时间分辨率下角膜反射点事件的信噪比；其次，引入基于密度带有噪声的空间聚类算法(DBSCAN)，改善角膜反射点事件中大量离散点噪声导致的定位偏差，提升角膜反射点的定位精度。最后，重建世界坐标系下眼球的射线追踪模型，有效利用角膜反射点坐标并通过奇异值分解(SVD)和最小二乘法确定角膜曲率中心，从而完成注视方向的估计。在仿生眼数据集上的实验结果表明，该文提出的方法能够在25 kHz的时间分辨率下实现误差小于1°的注视方向估计，为下一代高性能眼动交互系统提供了可行的技术路径。
2026, 48(7): 2930-2942.
doi: 10.11999/JEIT260043
摘要:
人脸深度伪造的非法滥用，会导致严重的人身财产损害。人脸伪造防御现阶段存在对抗样本的跨模型防御可迁移性不足、隐蔽性与攻击有效性难以平衡的问题，该文提出一种属性感知的对抗样本生成方法。为了达到改善对抗扰动隐蔽性的同时，兼顾跨模型防御性能的目的，一方面，该文在仅考虑人脸图像前景的基础上，使用属性显著掩码划分出的面部与发型区域，通过自适应扰动生成器生成特异性的对抗扰动，有效平衡了对抗样本的隐蔽性与攻击性。另一方面，该文从数据增强角度出发，通过融合参考人脸图像的频域相位信息，生成更具多样性的输入特征，防范扰动过拟合的同时提升可迁移性能。实验结果表明，所提方法在定量和定性测试中均取得较好的防御性能，适用于跨模型防御的应用场景。
人脸深度伪造的非法滥用，会导致严重的人身财产损害。人脸伪造防御现阶段存在对抗样本的跨模型防御可迁移性不足、隐蔽性与攻击有效性难以平衡的问题，该文提出一种属性感知的对抗样本生成方法。为了达到改善对抗扰动隐蔽性的同时，兼顾跨模型防御性能的目的，一方面，该文在仅考虑人脸图像前景的基础上，使用属性显著掩码划分出的面部与发型区域，通过自适应扰动生成器生成特异性的对抗扰动，有效平衡了对抗样本的隐蔽性与攻击性。另一方面，该文从数据增强角度出发，通过融合参考人脸图像的频域相位信息，生成更具多样性的输入特征，防范扰动过拟合的同时提升可迁移性能。实验结果表明，所提方法在定量和定性测试中均取得较好的防御性能，适用于跨模型防御的应用场景。
2026, 48(7): 2943-2954.
doi: 10.11999/JEIT260067
摘要:
虚拟现实(VR)流媒体传输中的突发分辨率变化会显著降低用户的体验质量(QoE)，尤其是在从高分辨率向低分辨率切换的过程中。现有的QoE模型与传输方案未能充分解决这类变化对感知的影响。为弥补这一空白，该文提出一种创新的、生理信号驱动的QoE建模与优化框架，该框架充分利用了用户的脑电图(EEG)、心电图(ECG)以及皮肤电活动，能够精确捕捉VR流媒体传输中生理反应与分辨率变化的时间动态，从而实现对分辨率上升所带来收益以及分辨率下降所造成影响的准确量化。通过在一个深度强化学习(DRL)框架下将所提出的QoE模型集成到无线接入网络(RAN)中，该文实现了自适应传输策略，以动态分配无线资源，从而缓解短期信道波动，并根据用户移动性引发的信道变化调整帧分辨率。通过优先保证长期分辨率并尽量减少突发切换，所提方案相较于基线方案实现了88.7%的分辨率提升，并使分辨率切换频率降低了81.0%。实验结果证明了该生理信号驱动策略的有效性，并凸显了边缘人工智能在沉浸式媒体服务中的应用前景。
虚拟现实(VR)流媒体传输中的突发分辨率变化会显著降低用户的体验质量(QoE)，尤其是在从高分辨率向低分辨率切换的过程中。现有的QoE模型与传输方案未能充分解决这类变化对感知的影响。为弥补这一空白，该文提出一种创新的、生理信号驱动的QoE建模与优化框架，该框架充分利用了用户的脑电图(EEG)、心电图(ECG)以及皮肤电活动，能够精确捕捉VR流媒体传输中生理反应与分辨率变化的时间动态，从而实现对分辨率上升所带来收益以及分辨率下降所造成影响的准确量化。通过在一个深度强化学习(DRL)框架下将所提出的QoE模型集成到无线接入网络(RAN)中，该文实现了自适应传输策略，以动态分配无线资源，从而缓解短期信道波动，并根据用户移动性引发的信道变化调整帧分辨率。通过优先保证长期分辨率并尽量减少突发切换，所提方案相较于基线方案实现了88.7%的分辨率提升，并使分辨率切换频率降低了81.0%。实验结果证明了该生理信号驱动策略的有效性，并凸显了边缘人工智能在沉浸式媒体服务中的应用前景。
2026, 48(7): 2955-2968.
doi: 10.11999/JEIT251112
摘要:
在大型集装箱港区堆场环境中，大量重复性语义特征以及部分退化场景导致无人机在大面积场景下难以实现高效可靠的三维重建。为此，该文提出一种基于无人机点云切片同步定位与建图(SLAM)的大型集装箱港区三维重建方法，基于地面约束与点云密度梯度变化自适应提取多层切片点云，高效精准获取堆场语义信息，并基于同层切片点云匹配有效改善了里程计以及回环检测的精度。首先提出一种面向快速特征提取的点云切片方法，通过快速提取主方向并将点云划分为多层切片，高效获取多层语义点云。其次基于集装箱堆场场景特点进一步优化切片提取方法，基于重力方向简化场景主平面提取过程，并通过点云梯度变化自适应获取各层集装箱所在高程区间，构建多层切片点云。然后构建基于切片点云的递进式自适应激光里程计，利用高程切片自适应判别退化场景，同时在层间利用增量式迭代策略实现切片融合匹配，从而提升激光里程计精度、效率与稳定性。此外，设计融合激光点云切片信息的因子图优化方法，通过对多层切片点云匹配结果进行融合投票，筛除错误结果并减少大量重复结构对回环检测的影响，并利用切片因子来构建因子图边，从而提升全局优化水平，实现高效稳定的三维重建。最后，通过Carla仿真场景以及武汉某大型集装箱港区的实际场景测试，证实了该方法的可行性和有效性。
在大型集装箱港区堆场环境中，大量重复性语义特征以及部分退化场景导致无人机在大面积场景下难以实现高效可靠的三维重建。为此，该文提出一种基于无人机点云切片同步定位与建图(SLAM)的大型集装箱港区三维重建方法，基于地面约束与点云密度梯度变化自适应提取多层切片点云，高效精准获取堆场语义信息，并基于同层切片点云匹配有效改善了里程计以及回环检测的精度。首先提出一种面向快速特征提取的点云切片方法，通过快速提取主方向并将点云划分为多层切片，高效获取多层语义点云。其次基于集装箱堆场场景特点进一步优化切片提取方法，基于重力方向简化场景主平面提取过程，并通过点云梯度变化自适应获取各层集装箱所在高程区间，构建多层切片点云。然后构建基于切片点云的递进式自适应激光里程计，利用高程切片自适应判别退化场景，同时在层间利用增量式迭代策略实现切片融合匹配，从而提升激光里程计精度、效率与稳定性。此外，设计融合激光点云切片信息的因子图优化方法，通过对多层切片点云匹配结果进行融合投票，筛除错误结果并减少大量重复结构对回环检测的影响，并利用切片因子来构建因子图边，从而提升全局优化水平，实现高效稳定的三维重建。最后，通过Carla仿真场景以及武汉某大型集装箱港区的实际场景测试，证实了该方法的可行性和有效性。
2026, 48(7): 2969-2978.
doi: 10.11999/JEIT251099
摘要:
药物响应预测是生物医学研究中的重要课题，对推动癌症个性化治疗具有重要意义。尽管目前已有方法在药物响应预测方面取得了一定进展，然而，细胞系多组学数据的有效整合与药物特征的高效提取仍是当前研究面临的关键挑战。针对这一问题，该文提出一种基于图拓扑注意力网络的药物分子特征提取方法，并使用注意力机制融合多组学特征，进而实现药物响应预测。实验结果表明，该文所提出的模型在CCLE和GDSC两个数据集上均优于现有主流方法，消融实验进一步验证了模型结构与特征提取策略在本任务中的有效性。
药物响应预测是生物医学研究中的重要课题，对推动癌症个性化治疗具有重要意义。尽管目前已有方法在药物响应预测方面取得了一定进展，然而，细胞系多组学数据的有效整合与药物特征的高效提取仍是当前研究面临的关键挑战。针对这一问题，该文提出一种基于图拓扑注意力网络的药物分子特征提取方法，并使用注意力机制融合多组学特征，进而实现药物响应预测。实验结果表明，该文所提出的模型在CCLE和GDSC两个数据集上均优于现有主流方法，消融实验进一步验证了模型结构与特征提取策略在本任务中的有效性。
2026, 48(7): 2979-2989.
doi: 10.11999/JEIT260084
摘要:
针对废旧家电塑料回收中低光谱分辨率条件下识别精度不足的问题，尤其是黑色塑料在可见-近红外波段因高吸光性与光谱重叠导致的特征可分性下降，该文提出一种面向受限光谱特征空间的自动识别方法。该方法基于可见-近红外多光谱传感系统，通过多层次特征工程增强低维光谱信息，并结合分阶段层级分类策略，将多类别识别分解为粗分类与细分类的联合推理过程，以抑制复杂样本的特征混叠对分类性能的干扰。在5折交叉验证条件下，模型取得97.4%的分类准确率，在独立测试集上取得93.1%的分类准确率，相较于单阶段分类及无特征增强方法表现出更优的分类性能。结果表明，该方法在低分辨率多光谱条件下对黑色塑料及其他常见家电塑料具有稳定的识别能力，有效提升了复杂样本的分类精度，为废旧家电塑料自动化分选系统的开发提供了理论与应用支持。
针对废旧家电塑料回收中低光谱分辨率条件下识别精度不足的问题，尤其是黑色塑料在可见-近红外波段因高吸光性与光谱重叠导致的特征可分性下降，该文提出一种面向受限光谱特征空间的自动识别方法。该方法基于可见-近红外多光谱传感系统，通过多层次特征工程增强低维光谱信息，并结合分阶段层级分类策略，将多类别识别分解为粗分类与细分类的联合推理过程，以抑制复杂样本的特征混叠对分类性能的干扰。在5折交叉验证条件下，模型取得97.4%的分类准确率，在独立测试集上取得93.1%的分类准确率，相较于单阶段分类及无特征增强方法表现出更优的分类性能。结果表明，该方法在低分辨率多光谱条件下对黑色塑料及其他常见家电塑料具有稳定的识别能力，有效提升了复杂样本的分类精度，为废旧家电塑料自动化分选系统的开发提供了理论与应用支持。
2026, 48(7): 2990-3001.
doi: 10.11999/JEIT260165
摘要:
航空对地观测在环境监测、灾害预警和城市规划等领域发挥着关键作用。然而，受限于飞行平台续航能力、任务窗口时效性等现实约束，所获取的航空图像往往难以完整刻画地表的长期演化过程。尽管预训练扩散模型在图像生成领域展现出巨大潜力，但其在航空领域的应用仍面临严峻挑战。一方面，航空观测易受天气及飞行条件制约，高质量的长时序标注样本获取困难，难以支撑模型的有效训练；另一方面，航空平台飞行高度灵活多变，地物尺度跨度大，使得文本描述语义难以与多尺度视觉特征精确匹配，进而引发语义-视觉对齐偏差问题。为应对上述挑战，该文提出一个用于航空时序图像生成的免训练框架(ASTIG)。该框架首先利用视觉语言模型构建航空时序地表演变描述，并引入动态语义分解过程将复杂的时序描述转化为帧级视觉提示，为推理阶段提供细粒度的语义引导。随后，创新性地提出一种语言绑定策略，在扩散模型的交叉注意力机制中建立文本中关键地物与对应视觉属性的显式关联，从而增强模型对语义特征的捕捉能力。最后，集成时序锚点注意力机制，利用双参考帧约束确保主体与背景在帧间的时序一致性，有效抑制帧间的时序内容偏移问题。定性和定量实验结果表明，所提方法在时序连续性及语义保真度上均优于基线模型，为航空时序图像生成提供了新范式。
航空对地观测在环境监测、灾害预警和城市规划等领域发挥着关键作用。然而，受限于飞行平台续航能力、任务窗口时效性等现实约束，所获取的航空图像往往难以完整刻画地表的长期演化过程。尽管预训练扩散模型在图像生成领域展现出巨大潜力，但其在航空领域的应用仍面临严峻挑战。一方面，航空观测易受天气及飞行条件制约，高质量的长时序标注样本获取困难，难以支撑模型的有效训练；另一方面，航空平台飞行高度灵活多变，地物尺度跨度大，使得文本描述语义难以与多尺度视觉特征精确匹配，进而引发语义-视觉对齐偏差问题。为应对上述挑战，该文提出一个用于航空时序图像生成的免训练框架(ASTIG)。该框架首先利用视觉语言模型构建航空时序地表演变描述，并引入动态语义分解过程将复杂的时序描述转化为帧级视觉提示，为推理阶段提供细粒度的语义引导。随后，创新性地提出一种语言绑定策略，在扩散模型的交叉注意力机制中建立文本中关键地物与对应视觉属性的显式关联，从而增强模型对语义特征的捕捉能力。最后，集成时序锚点注意力机制，利用双参考帧约束确保主体与背景在帧间的时序一致性，有效抑制帧间的时序内容偏移问题。定性和定量实验结果表明，所提方法在时序连续性及语义保真度上均优于基线模型，为航空时序图像生成提供了新范式。
2026, 48(7): 3002-3014.
doi: 10.11999/JEIT260051
摘要:
现有的基于知识图谱的推荐模型面临着噪声抑制不足、细粒度用户兴趣捕捉不充分以及信息利用不平衡等挑战，影响推荐的准确性。该文提出一种融合知识增强和多层抑噪的个性化推荐模型(KE-HNS)。首先，提出一种多层抑噪策略：在输入端构建降噪层，分别以2元掩码矩阵与掩盖低权重3元组的方式，剔除用户历史交互行为及知识图谱中的无关或误导性信息；在主干网络上设置抑噪层，利用实体关系空间隔离消除特征融合过程中的语义污染；同时构造对比学习压噪层，通过正负样本的比较压制无关实体噪声。其次，为更精准建模用户偏好与项目特性，利用图卷积网络、自适应权重层，借助降噪后的外部知识增强用户表征和项目表征。再次，通过构建用户-项目与项目-实体双视图对比学习机制，KE-HNS借助正负样本对自适应地平衡不同信息源的权重，从而缓解信息利用不平衡的问题。在3个公开基准数据集上的实验表明，与协同引导知识图谱推荐模型(CG-KGR)、知识图谱意图网络模型(KGIN)和知识图谱降噪双对比推荐模型(KG-DCRec)等多种先进方法对比，所提模型KE-HNS在AUC和F1指标上分别提升了0.94%～1.01%和0.43%～0.90%，在降噪性能对比和Recall@K等指标上也优于基准模型。
现有的基于知识图谱的推荐模型面临着噪声抑制不足、细粒度用户兴趣捕捉不充分以及信息利用不平衡等挑战，影响推荐的准确性。该文提出一种融合知识增强和多层抑噪的个性化推荐模型(KE-HNS)。首先，提出一种多层抑噪策略：在输入端构建降噪层，分别以2元掩码矩阵与掩盖低权重3元组的方式，剔除用户历史交互行为及知识图谱中的无关或误导性信息；在主干网络上设置抑噪层，利用实体关系空间隔离消除特征融合过程中的语义污染；同时构造对比学习压噪层，通过正负样本的比较压制无关实体噪声。其次，为更精准建模用户偏好与项目特性，利用图卷积网络、自适应权重层，借助降噪后的外部知识增强用户表征和项目表征。再次，通过构建用户-项目与项目-实体双视图对比学习机制，KE-HNS借助正负样本对自适应地平衡不同信息源的权重，从而缓解信息利用不平衡的问题。在3个公开基准数据集上的实验表明，与协同引导知识图谱推荐模型(CG-KGR)、知识图谱意图网络模型(KGIN)和知识图谱降噪双对比推荐模型(KG-DCRec)等多种先进方法对比，所提模型KE-HNS在AUC和F1指标上分别提升了0.94%～1.01%和0.43%～0.90%，在降噪性能对比和Recall@K等指标上也优于基准模型。
2026, 48(7): 3015-3026.
doi: 10.11999/JEIT260050
摘要:
不确定扰动环境下四旋翼无人机(UAV)集群往往面临建模不精确带来的编队控制难题，该文提出一种基于数据驱动的四旋翼无人机集群滑模抗扰编队控制方法。首先，根据四旋翼无人机及其邻居节点的输入输出状态，采用动态线性化方法建立了无人机集群数据驱动编队模型；其次，基于数据驱动模型设计了扩张状态观测器与积分滑模编队控制器，用于对不确定干扰进行在线估计与滑模抗扰编队；最后，对基于数据驱动的无人机集群滑模抗扰编队系统进行了稳定性分析，得到了只需通信拓扑连通和扰动有界的编队稳定性条件。Gazebo仿真与实验结果均表明，所提策略在无人机模型未知且在7 m/s风速的不确定扰动下，集群编队误差优于0.1 m，较传统基于模型控制的四旋翼无人机编队方法和现有数据驱动方法编队误差降低了41%，编队响应时间缩短了40%。
不确定扰动环境下四旋翼无人机(UAV)集群往往面临建模不精确带来的编队控制难题，该文提出一种基于数据驱动的四旋翼无人机集群滑模抗扰编队控制方法。首先，根据四旋翼无人机及其邻居节点的输入输出状态，采用动态线性化方法建立了无人机集群数据驱动编队模型；其次，基于数据驱动模型设计了扩张状态观测器与积分滑模编队控制器，用于对不确定干扰进行在线估计与滑模抗扰编队；最后，对基于数据驱动的无人机集群滑模抗扰编队系统进行了稳定性分析，得到了只需通信拓扑连通和扰动有界的编队稳定性条件。Gazebo仿真与实验结果均表明，所提策略在无人机模型未知且在7 m/s风速的不确定扰动下，集群编队误差优于0.1 m，较传统基于模型控制的四旋翼无人机编队方法和现有数据驱动方法编队误差降低了41%，编队响应时间缩短了40%。
2026, 48(7): 3027-3036.
doi: 10.11999/JEIT260115
摘要:
服务质量(QoS)感知云应用程序编程接口(API)推荐系统通过指导用户发现高质量云API，有效缓解了云API数量持续增长导致的信息过载挑战。然而，现有QoS感知云API推荐系统的研究主要聚焦于提升推荐精准性，忽略了投毒攻击带来的安全风险。为此，该研究从以攻学防的角度提出基于一步重构扩散模型的偏好引导投毒攻击框架(PDPA)模拟投毒攻击，揭示云API推荐系统的脆弱性。首先，PDPA使用一步重构扩散模型分别建模真实用户关于云API的QoS和调用分布，生成与真实用户相似的虚假用户QoS和调用行为。接着，PDPA选择对目标云API具有调用偏好的虚假用户模拟投毒攻击，有效降低目标云API对虚假用户隐蔽性的干扰并且确保了虚假用户的攻击效果。最后，在真实世界的数据集中进行了广泛实验，实验结果证明了QoS感知云API推荐系统在投毒攻击下的脆弱性，以及PDPA生成的虚假用户有着优于基线方法的攻击效果和隐蔽性。
服务质量(QoS)感知云应用程序编程接口(API)推荐系统通过指导用户发现高质量云API，有效缓解了云API数量持续增长导致的信息过载挑战。然而，现有QoS感知云API推荐系统的研究主要聚焦于提升推荐精准性，忽略了投毒攻击带来的安全风险。为此，该研究从以攻学防的角度提出基于一步重构扩散模型的偏好引导投毒攻击框架(PDPA)模拟投毒攻击，揭示云API推荐系统的脆弱性。首先，PDPA使用一步重构扩散模型分别建模真实用户关于云API的QoS和调用分布，生成与真实用户相似的虚假用户QoS和调用行为。接着，PDPA选择对目标云API具有调用偏好的虚假用户模拟投毒攻击，有效降低目标云API对虚假用户隐蔽性的干扰并且确保了虚假用户的攻击效果。最后，在真实世界的数据集中进行了广泛实验，实验结果证明了QoS感知云API推荐系统在投毒攻击下的脆弱性，以及PDPA生成的虚假用户有着优于基线方法的攻击效果和隐蔽性。
2026, 48(7): 3037-3046.
doi: 10.11999/JEIT260023
摘要:
针对通信感知一体化(ISAC)系统在近场宽带场景下存在的近场效应与波束分裂挑战，该文提出一种可旋转天线(RA)辅助的系统架构。通过引入天线视轴可调的旋转自由度并结合真时延器(TTD)全连接混合波束赋形结构，构建了以最大化系统和速率为目标的联合优化模型。针对模型的高度非凸与强耦合特性，该文提出一种基于罚函数的全数字逼近(PBFDA)优化算法，通过将原问题分解为3个子问题并采用交替迭代方式进行求解：第1个子问题利用粒子群(PSO)方法优化天线指向；第2个子问题结合降维技术与连续凸逼近(SCA)方法求解最优全数字波束赋形器；第3个子问题运用流形方法与块坐标下降(BCD)法协同优化混合波束赋形参数。仿真结果表明，该方案能在保证感知性能的前提下显著提升系统和速率，性能优于传统固定天线架构且接近全数字方案。该研究验证了RA辅助架构在近场宽带ISAC场景中的有效性，为系统能量聚焦与频率鲁棒性提升提供了新思路。
针对通信感知一体化(ISAC)系统在近场宽带场景下存在的近场效应与波束分裂挑战，该文提出一种可旋转天线(RA)辅助的系统架构。通过引入天线视轴可调的旋转自由度并结合真时延器(TTD)全连接混合波束赋形结构，构建了以最大化系统和速率为目标的联合优化模型。针对模型的高度非凸与强耦合特性，该文提出一种基于罚函数的全数字逼近(PBFDA)优化算法，通过将原问题分解为3个子问题并采用交替迭代方式进行求解：第1个子问题利用粒子群(PSO)方法优化天线指向；第2个子问题结合降维技术与连续凸逼近(SCA)方法求解最优全数字波束赋形器；第3个子问题运用流形方法与块坐标下降(BCD)法协同优化混合波束赋形参数。仿真结果表明，该方案能在保证感知性能的前提下显著提升系统和速率，性能优于传统固定天线架构且接近全数字方案。该研究验证了RA辅助架构在近场宽带ISAC场景中的有效性，为系统能量聚焦与频率鲁棒性提升提供了新思路。
2026, 48(7): 3047-3058.
doi: 10.11999/JEIT260059
摘要:
面向位置不确定恶意节点，该文研究准静态莱斯衰落下的多输入多输出(MIMO)短包安全隐蔽通信。基于随机几何，将监测节点Willie与窃听节点Eve建模为泊松点过程；Alice采用奇异值分解(SVD)预编码，Bob采用最大比合并(MRC)接收。在有限块长条件下，基于Chernoff界推导平均最小检测错误概率理论下界并推导了平均保密速率近似解析表达式。进一步提出平均有效安全隐蔽速率(AESCR)以统一表征系统隐蔽性、保密性与可靠性。在平均隐蔽约束下，构建AESCR最大化问题，提出包长与功率联合优化方法。仿真表明，AESCR随合法收发天线数增加而提升，随恶意节点密度及恶意节点天线数增加而下降，且系统存在最优包长。
面向位置不确定恶意节点，该文研究准静态莱斯衰落下的多输入多输出(MIMO)短包安全隐蔽通信。基于随机几何，将监测节点Willie与窃听节点Eve建模为泊松点过程；Alice采用奇异值分解(SVD)预编码，Bob采用最大比合并(MRC)接收。在有限块长条件下，基于Chernoff界推导平均最小检测错误概率理论下界并推导了平均保密速率近似解析表达式。进一步提出平均有效安全隐蔽速率(AESCR)以统一表征系统隐蔽性、保密性与可靠性。在平均隐蔽约束下，构建AESCR最大化问题，提出包长与功率联合优化方法。仿真表明，AESCR随合法收发天线数增加而提升，随恶意节点密度及恶意节点天线数增加而下降，且系统存在最优包长。
2026, 48(7): 3059-3070.
doi: 10.11999/JEIT251211
摘要:
针对高速移动通信场景下，多普勒频移与时变信道导致信号调制特征严重畸变，现有深度学习模型存在鲁棒性不足、推理延迟高的问题，该文提出了一种基于RollingQ动态融合与混合剪枝Transformer的调制识别方法。首先，引入RollingQ机制，动态评估与调整注意力查询方向，打破注意力固化，实现多维度信号表征的自适应均衡融合，提升模型在复杂信道下的泛化能力。其次，设计多头注意力频域增强Transformer结构，通过轻量级卷积、多头/空间/通道注意力以及频域选择模块的协同，有效融合信号的局部与全局、时域与频域特征。最后，采用注意力动态混合剪枝策略，在推理时根据输入信号稀疏化激活计算路径，在几乎不损失精度的情况下实现了模型的结构轻量化与推理加速。在公开数据集RadioML 2016.10a和RML22上的实验表明，该文方法平均分类准确率分别达到65.34%和73.42%，且单条信号推理时间仅需0.011 ms。与多种主流深度学习模型相比，平均分类准确率提升4%～10%，显著兼顾了高速移动通信场景下调制识别的鲁棒性与实时性。
针对高速移动通信场景下，多普勒频移与时变信道导致信号调制特征严重畸变，现有深度学习模型存在鲁棒性不足、推理延迟高的问题，该文提出了一种基于RollingQ动态融合与混合剪枝Transformer的调制识别方法。首先，引入RollingQ机制，动态评估与调整注意力查询方向，打破注意力固化，实现多维度信号表征的自适应均衡融合，提升模型在复杂信道下的泛化能力。其次，设计多头注意力频域增强Transformer结构，通过轻量级卷积、多头/空间/通道注意力以及频域选择模块的协同，有效融合信号的局部与全局、时域与频域特征。最后，采用注意力动态混合剪枝策略，在推理时根据输入信号稀疏化激活计算路径，在几乎不损失精度的情况下实现了模型的结构轻量化与推理加速。在公开数据集RadioML 2016.10a和RML22上的实验表明，该文方法平均分类准确率分别达到65.34%和73.42%，且单条信号推理时间仅需0.011 ms。与多种主流深度学习模型相比，平均分类准确率提升4%～10%，显著兼顾了高速移动通信场景下调制识别的鲁棒性与实时性。
2026, 48(7): 3071-3083.
doi: 10.11999/JEIT260054
摘要:
针对无人机辅助移动边缘计算环境下计算资源受限、系统处理任务总开销过高问题，该文提出基于协同缓存自适应的分层多元宇宙优化(CCAH-MVO)算法优化卸载策略。首先，构建微云-边缘-本地3层网络架构，在无人机边缘服务器上预制缓存程序，采用细粒度部分卸载策略，并针对多无人机覆盖的终端设备制定无人机选择策略。然后，提出CCAH-MVO算法协同优化缓存、卸载和资源分配，并引入动态权重机制自适应平衡时延与能耗，得到最优卸载策略。仿真结果表明，所提策略的时延更优、能耗在裕度区内可控，综合性能优于基准卸载策略。
针对无人机辅助移动边缘计算环境下计算资源受限、系统处理任务总开销过高问题，该文提出基于协同缓存自适应的分层多元宇宙优化(CCAH-MVO)算法优化卸载策略。首先，构建微云-边缘-本地3层网络架构，在无人机边缘服务器上预制缓存程序，采用细粒度部分卸载策略，并针对多无人机覆盖的终端设备制定无人机选择策略。然后，提出CCAH-MVO算法协同优化缓存、卸载和资源分配，并引入动态权重机制自适应平衡时延与能耗，得到最优卸载策略。仿真结果表明，所提策略的时延更优、能耗在裕度区内可控，综合性能优于基准卸载策略。
2026, 48(7): 3084-3093.
doi: 10.11999/JEIT260093
摘要:
针对受阻塞无源可重构智能表面(RIS)辅助的多用户毫米波(mmWave)上行链路通信系统，该文对信道估计与阻塞诊断问题展开研究。现有研究多聚焦于单用户或单路径场景，该文重点解决多用户多路径共存下的估计难题。通过充分挖掘多用户级联信道的稀疏性与路径间的相关性，提出一种低复杂度的两阶段联合估计与诊断策略。第1阶段选取目标用户，利用高斯-逆伽马先验对阻塞向量的稀疏性进行建模，结合贝叶斯压缩感知技术迭代恢复信道参数与阻塞信息；第2阶段则利用所有用户共享RIS-基站信道且受相同阻塞影响的关键特性，构建公共信道矩阵，以估计其余用户的信道参数。仿真结果表明，所提方法能实现高精度的信道估计与可靠的阻塞诊断。
针对受阻塞无源可重构智能表面(RIS)辅助的多用户毫米波(mmWave)上行链路通信系统，该文对信道估计与阻塞诊断问题展开研究。现有研究多聚焦于单用户或单路径场景，该文重点解决多用户多路径共存下的估计难题。通过充分挖掘多用户级联信道的稀疏性与路径间的相关性，提出一种低复杂度的两阶段联合估计与诊断策略。第1阶段选取目标用户，利用高斯-逆伽马先验对阻塞向量的稀疏性进行建模，结合贝叶斯压缩感知技术迭代恢复信道参数与阻塞信息；第2阶段则利用所有用户共享RIS-基站信道且受相同阻塞影响的关键特性，构建公共信道矩阵，以估计其余用户的信道参数。仿真结果表明，所提方法能实现高精度的信道估计与可靠的阻塞诊断。
2026, 48(7): 3094-3104.
doi: 10.11999/JEIT260014
摘要:
无蜂窝大规模多输入多输出(CF-mMIMO)系统通过密集部署接入点(AP)显著提升了频谱效率。然而，海量AP的持续激活会带来巨大的能量开销，尤其在低业务到达率场景下，这种能量浪费在长期来看将显著削弱系统的能量可持续性。为此，该文提出一种基于李雅普诺夫理论的动态资源调度策略。该策略构建了功率分配与AP开关控制的联合优化模型，利用李雅普诺夫理论将原随机优化问题分解为一系列逐时隙的优化问题，在保障队列稳定性的前提下，将每个时隙内的优化问题分解为功率分配和AP开关控制两个子问题，并采用交替优化算法求解，从而实现对网络状态及业务流量波动的自适应资源配置。仿真结果表明，相较于无AP开关控制方案，本文所提方案在功率放大器效率\begin{document}$ {\xi }_{m}=0.38 $\end{document} \begin{document}$ {\xi }_{m}=0.45 $\end{document}
无蜂窝大规模多输入多输出(CF-mMIMO)系统通过密集部署接入点(AP)显著提升了频谱效率。然而，海量AP的持续激活会带来巨大的能量开销，尤其在低业务到达率场景下，这种能量浪费在长期来看将显著削弱系统的能量可持续性。为此，该文提出一种基于李雅普诺夫理论的动态资源调度策略。该策略构建了功率分配与AP开关控制的联合优化模型，利用李雅普诺夫理论将原随机优化问题分解为一系列逐时隙的优化问题，在保障队列稳定性的前提下，将每个时隙内的优化问题分解为功率分配和AP开关控制两个子问题，并采用交替优化算法求解，从而实现对网络状态及业务流量波动的自适应资源配置。仿真结果表明，相较于无AP开关控制方案，本文所提方案在功率放大器效率
2026, 48(7): 3105-3122.
doi: 10.11999/JEIT260010
摘要:
点状波束可有效提高近程探测器空域低截获能力，该文聚焦于频控阵(FDA-MIMO)阵元频偏设置对波束合成的影响这一关键因素，提出基于阶段化引导深度确定性策略梯度(SG-DDPG)强化学习算法的低截获点状波束设计技术。首先构建了波束空域低截获性能评估模型，然后设计了多维阶段化引导奖励函数，通过Actor-Critic模型运用梯度上升的方法最大化奖励值，得到当前环境下波束汇聚性能较好的阵元频偏，突破了公式法计算阵元频偏需要近程探测器落角接近垂直的技术瓶颈。仿真表明，SG-DDPG算法优化后的阵元频偏使得FDA-MIMO波束在波束汇聚性能和低截获性能明显好于其他经典频偏设置方法，并适用于近程探测器各种落角下的低截获波束设计，有效提高了近程探测器的低截获性能。
点状波束可有效提高近程探测器空域低截获能力，该文聚焦于频控阵(FDA-MIMO)阵元频偏设置对波束合成的影响这一关键因素，提出基于阶段化引导深度确定性策略梯度(SG-DDPG)强化学习算法的低截获点状波束设计技术。首先构建了波束空域低截获性能评估模型，然后设计了多维阶段化引导奖励函数，通过Actor-Critic模型运用梯度上升的方法最大化奖励值，得到当前环境下波束汇聚性能较好的阵元频偏，突破了公式法计算阵元频偏需要近程探测器落角接近垂直的技术瓶颈。仿真表明，SG-DDPG算法优化后的阵元频偏使得FDA-MIMO波束在波束汇聚性能和低截获性能明显好于其他经典频偏设置方法，并适用于近程探测器各种落角下的低截获波束设计，有效提高了近程探测器的低截获性能。
2026, 48(7): 3123-3134.
doi: 10.11999/JEIT251289
摘要:
针对可重构智能表面(RIS)辅助多输入多输出(MIMO)索引调制系统中单块大规模RIS部署困难和发射端空间信号设计复杂度高的挑战，该文研究一种联合稀疏空间星座-双激活天线(SCTA)与多RIS块(MBRIS)选择的索引调制设计。该研究首先提出一种基于稀疏空间星座-双激活天线的RIS空间调制(SCTA-RIS-SM)系统，其核心是在发射端构造一种基于双激活天线的稀疏空间矢量，通过混合主、次级脉冲幅度调制(PAM)与次级PAM (SPAM)星座设计，优化发射矢量之间的最小欧氏距离，从而显著提升了系统的抗干扰能力。为克服单块RIS的部署瓶颈，进一步提出一种增强型方案：基于稀疏空间星座-双激活天线的多RIS块空间调制(SCTA-MBRIS-SM)系统。该系统采用分布式多RIS块阵列替代传统单块面板，通过动态选择激活一组特定的RIS块进行协同反射，将不同的“RIS块选择组合”状态作为一个新的索引调制维度。此增强型方案在不增加射频链路的条件下，额外提升了频谱效率，同时增强了部署的灵活性。理论分析与蒙特卡罗仿真结果表明，所提的两种系统在误比特率性能与频谱效率方面均优于现有典型方案，为未来高能效、高灵活性的RIS-MIMO通信系统提供了有效的解决方案。
针对可重构智能表面(RIS)辅助多输入多输出(MIMO)索引调制系统中单块大规模RIS部署困难和发射端空间信号设计复杂度高的挑战，该文研究一种联合稀疏空间星座-双激活天线(SCTA)与多RIS块(MBRIS)选择的索引调制设计。该研究首先提出一种基于稀疏空间星座-双激活天线的RIS空间调制(SCTA-RIS-SM)系统，其核心是在发射端构造一种基于双激活天线的稀疏空间矢量，通过混合主、次级脉冲幅度调制(PAM)与次级PAM (SPAM)星座设计，优化发射矢量之间的最小欧氏距离，从而显著提升了系统的抗干扰能力。为克服单块RIS的部署瓶颈，进一步提出一种增强型方案：基于稀疏空间星座-双激活天线的多RIS块空间调制(SCTA-MBRIS-SM)系统。该系统采用分布式多RIS块阵列替代传统单块面板，通过动态选择激活一组特定的RIS块进行协同反射，将不同的“RIS块选择组合”状态作为一个新的索引调制维度。此增强型方案在不增加射频链路的条件下，额外提升了频谱效率，同时增强了部署的灵活性。理论分析与蒙特卡罗仿真结果表明，所提的两种系统在误比特率性能与频谱效率方面均优于现有典型方案，为未来高能效、高灵活性的RIS-MIMO通信系统提供了有效的解决方案。
2026, 48(7): 3135-3145.
doi: 10.11999/JEIT250562
摘要:
传统稀疏正则化递归最小二乘算法 L1/L0 Norm Recursive Least Squares (L1/L0-RLS)在稀疏参数空间估计中展现出理论的优越性，已成为系统辨识和信道均衡领域的重要方法。但在有限数值精度条件下其协方差矩阵迭代计算过程易导致舍入误差逐次累积，诱发最小二乘解发散失稳现象。为解决该问题，该文提出基于逆QR分解(IQRD)框架的改进算法，不仅有效抑制传统正则化RLS算法中舍入误差的积累，而且省去传统QR分解中权重系数回代的计算环节，从而显著提升算法在有限精度环境下的数值鲁棒性与系统辨识效率。具体而言，首先，系统构建L1/L0约束逆QR分解架构下的L1-IQRD-RLS与L0-IQRD-RLS算法，通过理论推导得到具有普适性的权重系数递推表达式，创新性地将自动参数选择机制引入算法框架，解决了稀疏正则化参数的动态优化难题。为验证所提算法在稀疏约束与鲁棒性方面的效果，该文采用蒙特卡罗仿真实验对算法性能进行定量评估，结果表明L1-IQRD-RLS与L0-IQRD-RLS在系统稀疏表征、参数估计方差以及协方差矩阵条件数等关键指标上均展现出显著的性能优势。实测数据验证进一步证实，改进算法在精度受限环境下仍能保持数值稳定性，较传统方法鲁棒性显著提升。
传统稀疏正则化递归最小二乘算法 L1/L0 Norm Recursive Least Squares (L1/L0-RLS)在稀疏参数空间估计中展现出理论的优越性，已成为系统辨识和信道均衡领域的重要方法。但在有限数值精度条件下其协方差矩阵迭代计算过程易导致舍入误差逐次累积，诱发最小二乘解发散失稳现象。为解决该问题，该文提出基于逆QR分解(IQRD)框架的改进算法，不仅有效抑制传统正则化RLS算法中舍入误差的积累，而且省去传统QR分解中权重系数回代的计算环节，从而显著提升算法在有限精度环境下的数值鲁棒性与系统辨识效率。具体而言，首先，系统构建L1/L0约束逆QR分解架构下的L1-IQRD-RLS与L0-IQRD-RLS算法，通过理论推导得到具有普适性的权重系数递推表达式，创新性地将自动参数选择机制引入算法框架，解决了稀疏正则化参数的动态优化难题。为验证所提算法在稀疏约束与鲁棒性方面的效果，该文采用蒙特卡罗仿真实验对算法性能进行定量评估，结果表明L1-IQRD-RLS与L0-IQRD-RLS在系统稀疏表征、参数估计方差以及协方差矩阵条件数等关键指标上均展现出显著的性能优势。实测数据验证进一步证实，改进算法在精度受限环境下仍能保持数值稳定性，较传统方法鲁棒性显著提升。
2026, 48(7): 3146-3161.
doi: 10.11999/JEIT260001
摘要:
针对超视距多目标的定位问题，该文提出一种基于最优加权子空间拟合(OWSF)的短波超短波协同直接定位(DPD)方法。首先建立了超视距定位场景下短波超短波信号传播模型，短波模型是通过电离层反射的二维到达方向(DoA)模型，涵盖了方位角和俯仰角信息；超短波模型是基于运动阵列观测的空时信号扩展模型，包含一维到达角度和多普勒频率信息。与现有依赖单频段信号的定位方法不同，新方法将两种观测信号的信号子空间与噪声子空间加权融合，实现了两种定位频段信号的优势互补，从而显著提高了定位精度。此外，该文还推导了地球椭球约束条件下定位估计误差克拉美罗界(CRB)。仿真结果显示，该方法在高信噪比条件下能够逼近克拉美罗界，且相较于已有算法具有更强的空间分辨能力，在低信噪比条件下具有显著的定位精度优势。
针对超视距多目标的定位问题，该文提出一种基于最优加权子空间拟合(OWSF)的短波超短波协同直接定位(DPD)方法。首先建立了超视距定位场景下短波超短波信号传播模型，短波模型是通过电离层反射的二维到达方向(DoA)模型，涵盖了方位角和俯仰角信息；超短波模型是基于运动阵列观测的空时信号扩展模型，包含一维到达角度和多普勒频率信息。与现有依赖单频段信号的定位方法不同，新方法将两种观测信号的信号子空间与噪声子空间加权融合，实现了两种定位频段信号的优势互补，从而显著提高了定位精度。此外，该文还推导了地球椭球约束条件下定位估计误差克拉美罗界(CRB)。仿真结果显示，该方法在高信噪比条件下能够逼近克拉美罗界，且相较于已有算法具有更强的空间分辨能力，在低信噪比条件下具有显著的定位精度优势。
2026, 48(7): 3162-3169.
doi: 10.11999/JEIT260105
摘要:
该文提出一种具有超宽带(UWB)性能和低剖面特征的偶极贴片天线。天线的偶极贴片层采用Gielis曲线形状的金属结构，通过曲折技术减小了天线的横向尺寸。在辐射层末端加载金属短路壁并与接地面连接，共同形成背腔，从而提升了天线的增益。为进一步优化性能，设计了人工磁导体(AMC)单元，并在辐射贴片下方布置AMC阵列。该结构不仅改善了阻抗匹配，还显著降低了天线的剖面高度。此外，在贴片末端加载吸收电阻，进一步改善了电压驻波比(VSWR)。对天线模型进行了加工，并在暗室中测量，仿真与测量结果表明，在电尺寸仅为0.38λL × 0.18λL × 0.07λL(其中λL对应最低频率工作波长)的情况下，该天线实现了100～366 MHz的带宽，并表现出良好的定向辐射特性，峰值增益达6 dBi。
该文提出一种具有超宽带(UWB)性能和低剖面特征的偶极贴片天线。天线的偶极贴片层采用Gielis曲线形状的金属结构，通过曲折技术减小了天线的横向尺寸。在辐射层末端加载金属短路壁并与接地面连接，共同形成背腔，从而提升了天线的增益。为进一步优化性能，设计了人工磁导体(AMC)单元，并在辐射贴片下方布置AMC阵列。该结构不仅改善了阻抗匹配，还显著降低了天线的剖面高度。此外，在贴片末端加载吸收电阻，进一步改善了电压驻波比(VSWR)。对天线模型进行了加工，并在暗室中测量，仿真与测量结果表明，在电尺寸仅为0.38λL × 0.18λL × 0.07λL(其中λL对应最低频率工作波长)的情况下，该天线实现了100～366 MHz的带宽，并表现出良好的定向辐射特性，峰值增益达6 dBi。
2026, 48(7): 3170-3180.
doi: 10.11999/JEIT260025
摘要:
基于布尔可满足性的自动测试向量生成系统作为芯片故障检测的关键环节，系统效率受故障压缩策略、布尔可满足性建模策略及求解器传播能力共同制约，随着集成电路复杂度持续提升，其性能面临严峻挑战。该文提出一种面向自动测试向量生成系统的统一优化框架。构建检测点驱动的动态故障集，在保持可测故障覆盖完备性的前提下压缩待测故障规模。提出基于新型故障敏化约束的布尔可满足建模方法，通过显式敏化条件替代故障电路复制并约束于故障扇出锥内，减少合取范式变量与子句规模。引入面向扇出-重汇聚结构的动态蕴含学习，将结构相关性转化为增量蕴含以加强传播并提升冲突剪枝效率。实验结果表明，该方法能平均压缩故障集规模57.59%，子句和变量数开销平均降低11.44%和3.50%，平均将求解时间缩短22.43%，性能优于已有的测试向量生成系统。
基于布尔可满足性的自动测试向量生成系统作为芯片故障检测的关键环节，系统效率受故障压缩策略、布尔可满足性建模策略及求解器传播能力共同制约，随着集成电路复杂度持续提升，其性能面临严峻挑战。该文提出一种面向自动测试向量生成系统的统一优化框架。构建检测点驱动的动态故障集，在保持可测故障覆盖完备性的前提下压缩待测故障规模。提出基于新型故障敏化约束的布尔可满足建模方法，通过显式敏化条件替代故障电路复制并约束于故障扇出锥内，减少合取范式变量与子句规模。引入面向扇出-重汇聚结构的动态蕴含学习，将结构相关性转化为增量蕴含以加强传播并提升冲突剪枝效率。实验结果表明，该方法能平均压缩故障集规模57.59%，子句和变量数开销平均降低11.44%和3.50%，平均将求解时间缩短22.43%，性能优于已有的测试向量生成系统。
2026, 48(7): 3181-3192.
doi: 10.11999/JEIT251059
摘要:
基于铁电场效应晶体管(FeFET)的非易失性触发器(NVFF)具有高效、快速数据备份与恢复能力，是提升非易失性处理器(NVPs)性能的有效途径。然而，研究表明，FeFET开关比降低时，传统单端结构触发器在断电恢复过程中易受锁存器内部MOS管竞争影响，导致FeFET存储状态改变，造成数据恢复失败。为解决这一问题，该文提出一种面向静态无争用单相时钟触发器(SSCFF)的单端恢复电路。该结构在CLK=0时保持FeFET写入节点维持高电平，从源头避免竞争导致FeFET存储状态改变；同时提出“预充电-状态调控放电”双阶段恢复机制，实现断电前数据精准恢复。实验结果表明，该方案在FeFET开关比降至102条件下，经过2 000次蒙特卡罗仿真仍能保持100%恢复率，较现有单端结构所需开关比降低两个数量级。此外，该设计在维持飞焦耳(fJ)量级恢复功耗下，最坏保持时间减少64.6%，时钟至输出延迟降低33.9%。
基于铁电场效应晶体管(FeFET)的非易失性触发器(NVFF)具有高效、快速数据备份与恢复能力，是提升非易失性处理器(NVPs)性能的有效途径。然而，研究表明，FeFET开关比降低时，传统单端结构触发器在断电恢复过程中易受锁存器内部MOS管竞争影响，导致FeFET存储状态改变，造成数据恢复失败。为解决这一问题，该文提出一种面向静态无争用单相时钟触发器(SSCFF)的单端恢复电路。该结构在CLK=0时保持FeFET写入节点维持高电平，从源头避免竞争导致FeFET存储状态改变；同时提出“预充电-状态调控放电”双阶段恢复机制，实现断电前数据精准恢复。实验结果表明，该方案在FeFET开关比降至102条件下，经过2 000次蒙特卡罗仿真仍能保持100%恢复率，较现有单端结构所需开关比降低两个数量级。此外，该设计在维持飞焦耳(fJ)量级恢复功耗下，最坏保持时间减少64.6%，时钟至输出延迟降低33.9%。
2026, 48(7): 3193-3202.
doi: 10.11999/JEIT251382
摘要:
光刻制程中的光学邻近效应(OPE)会导致晶圆上的打印图像偏离设计版图，需要对光刻掩模进行光学邻近校正(OPC)。该文提出一种频域自注意力机制引导的多尺度逆光刻技术(FMS-ILT)用于掩模优化。FMS-ILT采用基于残差卷积的多尺度编码器-解码器结构，通过残差连接融合局部细节与全局特征，并在编码器末端引入频域自注意力机制，将动态注意力与频域全局建模能力相结合，自适应关注影响打印图像质量的关键信息。在预训练阶段，模型通过掩模生成与目标图像重构增强物理一致性；在主训练阶段，进一步结合光刻仿真对掩模进行精细优化。实验结果表明，FMS-ILT的平均\begin{document}$ \mathcal{L}2 $\end{document} 1115 %，显示了FMS-ILT方法在优化掩模方面的显著优势。
光刻制程中的光学邻近效应(OPE)会导致晶圆上的打印图像偏离设计版图，需要对光刻掩模进行光学邻近校正(OPC)。该文提出一种频域自注意力机制引导的多尺度逆光刻技术(FMS-ILT)用于掩模优化。FMS-ILT采用基于残差卷积的多尺度编码器-解码器结构，通过残差连接融合局部细节与全局特征，并在编码器末端引入频域自注意力机制，将动态注意力与频域全局建模能力相结合，自适应关注影响打印图像质量的关键信息。在预训练阶段，模型通过掩模生成与目标图像重构增强物理一致性；在主训练阶段，进一步结合光刻仿真对掩模进行精细优化。实验结果表明，FMS-ILT的平均
2026, 48(7): 3203-3212.
doi: 10.11999/JEIT251073
摘要:
仲裁物理不可克隆函数(APUF)作为轻量级安全原语，已广泛应用于身份认证和密钥生成等安全场景，但其响应一致性易受温度、电压等环境因素干扰，导致同一激励在不同条件下产生不一致响应，严重降低应用的可靠性。针对现有基于硬件改进和激励筛选的APUF可靠性提升方案普遍存在资源开销大、效率低的问题，该文提出一种基于延迟差异约束的激励生成策略(DCGS)，旨在提升资源受限场景下APUF的可靠性。该策略首先利用逻辑回归模型建模APUF的路径延迟特性，构建延迟权重向量；随后通过前缀比特初始化与逐位扩展机制构造激励，实时控制生成激励的延迟差介于设定阈值区间，最终直接生成具有高可靠性和高随机性的激励序列，无须额外候选激励筛选环节。仿真结果表明：DCGS生成的激励在实际应用面临的最大噪声强度下，可靠性仍保持100%，响应均匀性达50.02%，唯一性达50.46%，且生成1万条高可靠激励仅需0.017 s，在可靠性提升效果、分布均匀性、唯一性和生成效率4个方面均优于基准方案。该策略无须增加硬件开销，能显著增强APUF在复杂环境中的适用性，适用于物联网节点、嵌入式设备等多类资源受限设备的双向认证和密钥生成场景。
仲裁物理不可克隆函数(APUF)作为轻量级安全原语，已广泛应用于身份认证和密钥生成等安全场景，但其响应一致性易受温度、电压等环境因素干扰，导致同一激励在不同条件下产生不一致响应，严重降低应用的可靠性。针对现有基于硬件改进和激励筛选的APUF可靠性提升方案普遍存在资源开销大、效率低的问题，该文提出一种基于延迟差异约束的激励生成策略(DCGS)，旨在提升资源受限场景下APUF的可靠性。该策略首先利用逻辑回归模型建模APUF的路径延迟特性，构建延迟权重向量；随后通过前缀比特初始化与逐位扩展机制构造激励，实时控制生成激励的延迟差介于设定阈值区间，最终直接生成具有高可靠性和高随机性的激励序列，无须额外候选激励筛选环节。仿真结果表明：DCGS生成的激励在实际应用面临的最大噪声强度下，可靠性仍保持100%，响应均匀性达50.02%，唯一性达50.46%，且生成1万条高可靠激励仅需0.017 s，在可靠性提升效果、分布均匀性、唯一性和生成效率4个方面均优于基准方案。该策略无须增加硬件开销，能显著增强APUF在复杂环境中的适用性，适用于物联网节点、嵌入式设备等多类资源受限设备的双向认证和密钥生成场景。
编辑部公告
more >
- 《电子与信息学报》“数据论文” 长期征稿启事
- 征文丨太空云系统：架构、技术和应用专刊
- 重磅丨【电子与信息年度前沿进展综述专刊】征文通知
- 关于EI数据库收录缺失文章的补录登记通知
- 征文丨“星航计划”专刊
- 《电子与信息学报》2026年“星航计划”决赛结果出炉
- 专刊征文丨面向下一代无线通信的编码理论、技术与应用
- 专题征文丨网电密态对抗技术
学术动态
more >
- 第五届电子与信息前沿学术会议在武汉顺利召开
- 2026《电子与信息学报》“星航计划”决赛详细议程及分组
- 第五届电子与信息前沿学术会议第二轮通知（详细议程）
- AI与6G双向赋能-空天通信与信息网络专题论坛在桐乡成功举办
- 第四届《电子与信息学报》领军论坛在宁波成功举办
- 第二届空天信息技术大会征文通知 (第二轮)
- 第五届电子与信息前沿学术会议征文通知
- 第二届空天信息技术大会首轮通知
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
