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/JEIT251159
摘要:
随着空天地一体化网络日益发展，成为国家战略前沿，其深度融合的卫星遥感、导航定位和通信应用，均对人工智能的可靠性与透明度提出了严苛要求。特别地，空天信息系统面临着物理层、网络层到应用层的复合式安全挑战，在这些高风险敏感性场景中，发展高稳健性与可信度的智能检测技术已成为当务之急。为应对这一挑战，该文提出了一个新颖的可信人工智能框架ReXNet。该框架深度整合了不确定性量化(UQ)与可解释人工智能(XAI)技术，并允许灵活替换骨干模型，以适配多样化的空天安全任务。通过在UAV-GCS入侵检测、C-MAPSS故障诊断及ADS-B注入攻击等空天地三层典型安全场景数据集上的系统性实验验证，ReXNet框架在保持高精度异常检测性能的同时，能有效量化预测置信度、识别模型知识边界外的未知样本，并为决策提供逻辑一致且可追溯的归因解释。该框架的模块化与灵活性创新，为解决人工智能在安全关键系统中的应用瓶颈提供了有效的技术路径。通过系统性地提升模型的可靠性与透明度，本研究旨在推动智能检测技术在空天安全领域的应用范式从追求单一的“高精度”向兼顾“高可信”转变，显著增强了其场景适用性与整体可信度。
随着空天地一体化网络日益发展，成为国家战略前沿，其深度融合的卫星遥感、导航定位和通信应用，均对人工智能的可靠性与透明度提出了严苛要求。特别地，空天信息系统面临着物理层、网络层到应用层的复合式安全挑战，在这些高风险敏感性场景中，发展高稳健性与可信度的智能检测技术已成为当务之急。为应对这一挑战，该文提出了一个新颖的可信人工智能框架ReXNet。该框架深度整合了不确定性量化(UQ)与可解释人工智能(XAI)技术，并允许灵活替换骨干模型，以适配多样化的空天安全任务。通过在UAV-GCS入侵检测、C-MAPSS故障诊断及ADS-B注入攻击等空天地三层典型安全场景数据集上的系统性实验验证，ReXNet框架在保持高精度异常检测性能的同时，能有效量化预测置信度、识别模型知识边界外的未知样本，并为决策提供逻辑一致且可追溯的归因解释。该框架的模块化与灵活性创新，为解决人工智能在安全关键系统中的应用瓶颈提供了有效的技术路径。通过系统性地提升模型的可靠性与透明度，本研究旨在推动智能检测技术在空天安全领域的应用范式从追求单一的“高精度”向兼顾“高可信”转变，显著增强了其场景适用性与整体可信度。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT251220
摘要:
针对无参考图像质量评价方法在真实场景中存在鲁棒性不够、泛化能力不足、几何结构建模欠缺的问题，该文提出一种基于感知结构自适应质量网络(Perceptual Structure-Adaptive Quality Network, PSAQNet)的无参考图像质量评价方法。首先，利用预训练 CNN 提取多尺度特征，并通过高级失真增强模块对多分支特征进行门控筛选与适配，突出与失真相关的区域、抑制无关干扰；其次，引入通道感知自适应核卷积与空间引导卷积，从通道重标定、自适应采样以及空间引导调制等角度增强对旋转、扭曲等几何退化的建模与对齐能力；接着，将增强后的多尺度卷积特征经自适应池化与投影转换为token序列，并通过交叉注意力机制与Transformer全局表示进行选择性交互，实现局部细节与全局语义的有效融合；最后，在融合过程中结合分组卷积注意力进一步强调失真显著区域，通过预测头回归得到图像质量分数。在六个经典的数据库上进行实验结果显示，PSAQNet在PLCC/SRCC等相关性指标上优于多种代表性无参考图像质量评价方法。尤其在复杂失真和跨数据库测试中展现出更强的鲁棒性与泛化能力。
针对无参考图像质量评价方法在真实场景中存在鲁棒性不够、泛化能力不足、几何结构建模欠缺的问题，该文提出一种基于感知结构自适应质量网络(Perceptual Structure-Adaptive Quality Network, PSAQNet)的无参考图像质量评价方法。首先，利用预训练 CNN 提取多尺度特征，并通过高级失真增强模块对多分支特征进行门控筛选与适配，突出与失真相关的区域、抑制无关干扰；其次，引入通道感知自适应核卷积与空间引导卷积，从通道重标定、自适应采样以及空间引导调制等角度增强对旋转、扭曲等几何退化的建模与对齐能力；接着，将增强后的多尺度卷积特征经自适应池化与投影转换为token序列，并通过交叉注意力机制与Transformer全局表示进行选择性交互，实现局部细节与全局语义的有效融合；最后，在融合过程中结合分组卷积注意力进一步强调失真显著区域，通过预测头回归得到图像质量分数。在六个经典的数据库上进行实验结果显示，PSAQNet在PLCC/SRCC等相关性指标上优于多种代表性无参考图像质量评价方法。尤其在复杂失真和跨数据库测试中展现出更强的鲁棒性与泛化能力。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250929
摘要:
多项式乘法作为格密码算法的核心运算，通过快速数论变换(NTT)/快速傅里叶变换(FFT)设计成多项式乘法架构能够降低计算复杂度，提升格密码算法的运算速度。为支持多参数的多项式乘法运算，并提升多项式乘法的运算速度，该文提出一种双域可重构多项式乘法运算单元架构。该文首先基于Kyber、Dilithium和Falcon算法中的参数特征，提取多项式乘法的运算网络，并对内部双域乘法运算在算法层进行优化设计。其次，基于多项式乘法运算网络设计出双域可重构多项式乘法运算单元架构，并对双域可重构乘法单元进行优化设计以提升运算速度。最后，为提高运算单元架构的资源利用率，该文对多项式乘法运算单元架构进行并行度分析，当支持1路64 bit、2路32 bit或4路16 bit的运算时，多项式乘法运算架构的面积效率最高。该文在Xilinx FPGA xc7v2000tflg1925上进行实验验证，能够支持Kyber、Dilithium和Falcon算法中所有多项式乘法运算，工作频率达到169 MHz，面积时间积降低了50%以上。
多项式乘法作为格密码算法的核心运算，通过快速数论变换(NTT)/快速傅里叶变换(FFT)设计成多项式乘法架构能够降低计算复杂度，提升格密码算法的运算速度。为支持多参数的多项式乘法运算，并提升多项式乘法的运算速度，该文提出一种双域可重构多项式乘法运算单元架构。该文首先基于Kyber、Dilithium和Falcon算法中的参数特征，提取多项式乘法的运算网络，并对内部双域乘法运算在算法层进行优化设计。其次，基于多项式乘法运算网络设计出双域可重构多项式乘法运算单元架构，并对双域可重构乘法单元进行优化设计以提升运算速度。最后，为提高运算单元架构的资源利用率，该文对多项式乘法运算单元架构进行并行度分析，当支持1路64 bit、2路32 bit或4路16 bit的运算时，多项式乘法运算架构的面积效率最高。该文在Xilinx FPGA xc7v2000tflg1925上进行实验验证，能够支持Kyber、Dilithium和Falcon算法中所有多项式乘法运算，工作频率达到169 MHz，面积时间积降低了50%以上。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT251100
摘要:
针对多层低轨星座在软件定义网络架构下节点数量庞大、网络拓扑动态性强以及控制器对全网状态的感知滞后导致难以确定端到端数据传输时延的问题，提出了一种基于控制器间协作的多层低轨星座确定性时延路由算法。首先，构建多层低轨星座的区域划分与控制器部署策略，以及星间链路的建立准则，消除节点数量和状态感知滞后的影响；其次，设计时变增量图模型刻画卫星网络拓扑与链路资源属性，在链路的带宽、卫星队列大小与链路间持续时间的约束下，提出基于控制器间协作的确定性时延路由算法，并通过控制器间状态实时感知和交互，及多目的拉格朗日的松弛聚合算法优化传输路径；最后，构建基于NS-3和Ryu的仿真平台验证可行性。结果表明，相较链路效用的自适应路由算法，所提算法在平均端到端时延、时延抖动与丢包率上分别降低16.0%、37.9%、37.2%，平均吞吐量提升约 2%，且具有较低计算复杂度与信令开销。
针对多层低轨星座在软件定义网络架构下节点数量庞大、网络拓扑动态性强以及控制器对全网状态的感知滞后导致难以确定端到端数据传输时延的问题，提出了一种基于控制器间协作的多层低轨星座确定性时延路由算法。首先，构建多层低轨星座的区域划分与控制器部署策略，以及星间链路的建立准则，消除节点数量和状态感知滞后的影响；其次，设计时变增量图模型刻画卫星网络拓扑与链路资源属性，在链路的带宽、卫星队列大小与链路间持续时间的约束下，提出基于控制器间协作的确定性时延路由算法，并通过控制器间状态实时感知和交互，及多目的拉格朗日的松弛聚合算法优化传输路径；最后，构建基于NS-3和Ryu的仿真平台验证可行性。结果表明，相较链路效用的自适应路由算法，所提算法在平均端到端时延、时延抖动与丢包率上分别降低16.0%、37.9%、37.2%，平均吞吐量提升约 2%，且具有较低计算复杂度与信令开销。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT251172
摘要:
滤波正交频分复用(f-OFDM)使用子带滤波器对不同子带进行了有效隔离，实现了子带参数的灵活配置和异步传输，但代价是引入了一定量的固有干扰，尤其是由于子带的带外辐射(OOBE)而导致的子带间干扰(ITBI)，造成了系统性能下降。因此抑制子带的OOBE对于降低ITBI，提升f-OFDM系统性能具有重要作用。该文根据f-OFDM的系统结构特点，构建了f-OFDM中的降复杂度主动干扰抵消(CRAIC)优化模型，并设计了对应的数域转换和类型转换方法，将CRAIC的优化模型转化为二阶锥规划问题进行了求解。该文还通过计算机仿真对所提CRAIC算法进行了验证，仿真结果显示，该文提出的CRAIC算法可以有效降低f-OFDM子带的OOBE，从而降低对相邻子带的ITBI，提高其性能。此外，该文还对消除子载波(CCs)个数、参与生成CCs的数据子载波个数，以及带外目标抑制频点个数等主要参数对CRAIC算法性能的影响进行了仿真分析，从功率谱密度、误码率等角度揭示了f-OFDM中CRAIC算法参数设置的内在特性。
滤波正交频分复用(f-OFDM)使用子带滤波器对不同子带进行了有效隔离，实现了子带参数的灵活配置和异步传输，但代价是引入了一定量的固有干扰，尤其是由于子带的带外辐射(OOBE)而导致的子带间干扰(ITBI)，造成了系统性能下降。因此抑制子带的OOBE对于降低ITBI，提升f-OFDM系统性能具有重要作用。该文根据f-OFDM的系统结构特点，构建了f-OFDM中的降复杂度主动干扰抵消(CRAIC)优化模型，并设计了对应的数域转换和类型转换方法，将CRAIC的优化模型转化为二阶锥规划问题进行了求解。该文还通过计算机仿真对所提CRAIC算法进行了验证，仿真结果显示，该文提出的CRAIC算法可以有效降低f-OFDM子带的OOBE，从而降低对相邻子带的ITBI，提高其性能。此外，该文还对消除子载波(CCs)个数、参与生成CCs的数据子载波个数，以及带外目标抑制频点个数等主要参数对CRAIC算法性能的影响进行了仿真分析，从功率谱密度、误码率等角度揭示了f-OFDM中CRAIC算法参数设置的内在特性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT251274
摘要:
无人机(UAV)集群能够实现单平台无法完成的复杂任务，各节点之间的精密时间同步是无人机集群完成资源调度、协同定位以及数据融合的重要基础。随着UAV集群规模越来越大，UAV集群编队飞行中节点之间的时间比对链路连通性具有明显的时变特性，对连续、可靠的高精度时间同步实现提出了挑战。面向UAV集群全部节点的领导跟随一致性时间同步(LFCTS)，本文提出了观测时隙聚合(OTSA)模型和时变拓扑聚合(TVTA)模型，并进行了误差建模与仿真分析。OTSA模型通过系统时间同步周期内多个时隙同步样本的有效利用，可有效提升全局时间同步的鲁棒性和时间同步精度，实现的同步精度优于2.56ns，性能优于传统的分时比对同步体制。TVTA模型通过跨周期时间同步链路状态聚合和中继节点多跳时间同步措施，能够实现集群起飞集合、队形变换过程中的连续时间同步，典型的大规模集群全局同步的预测精度可优于8.60ns，并基于小规模UAV集群飞行试验验正了模型的鲁棒性。所提出的方法能够为无人机集群的复杂协同应用提供必要保障。
无人机(UAV)集群能够实现单平台无法完成的复杂任务，各节点之间的精密时间同步是无人机集群完成资源调度、协同定位以及数据融合的重要基础。随着UAV集群规模越来越大，UAV集群编队飞行中节点之间的时间比对链路连通性具有明显的时变特性，对连续、可靠的高精度时间同步实现提出了挑战。面向UAV集群全部节点的领导跟随一致性时间同步(LFCTS)，本文提出了观测时隙聚合(OTSA)模型和时变拓扑聚合(TVTA)模型，并进行了误差建模与仿真分析。OTSA模型通过系统时间同步周期内多个时隙同步样本的有效利用，可有效提升全局时间同步的鲁棒性和时间同步精度，实现的同步精度优于2.56ns，性能优于传统的分时比对同步体制。TVTA模型通过跨周期时间同步链路状态聚合和中继节点多跳时间同步措施，能够实现集群起飞集合、队形变换过程中的连续时间同步，典型的大规模集群全局同步的预测精度可优于8.60ns，并基于小规模UAV集群飞行试验验正了模型的鲁棒性。所提出的方法能够为无人机集群的复杂协同应用提供必要保障。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250760
摘要:
单目视角下的立体图像生成通常依赖深度真值作为先验，易存在几何错位、遮挡伪影及纹理模糊等问题。为此，本文提出一种多尺度可变形对齐感知的双向门控特征聚合立体图像生成网络，在无需深度真值监督的条件下实现端到端训练。该方法引入多尺度可变形对齐模块(MSDA)根据内容自适应调整采样位置，在不同尺度上自适应对齐源特征与目标特征，缓解固定卷积难以适应几何变形和视差变化引起的错位问题；此外，构建纹理结构双向门控特征聚合模块(Bi-GFA)，提出一种约束网络浅层学习纹理、深层建模结构的特征解耦策略，实现纹理与结构信息的动态互补与高效融合；同时，设计可学习的对齐引导损失(LAG)，进一步提升特征对齐精度与语义一致性。在KITTI、MPEG-FTV及多视点深度视频序列数据集上的实验结果表明，所提方法在结构还原性、纹理质量及视角一致性等方面优于现有先进方法。
单目视角下的立体图像生成通常依赖深度真值作为先验，易存在几何错位、遮挡伪影及纹理模糊等问题。为此，本文提出一种多尺度可变形对齐感知的双向门控特征聚合立体图像生成网络，在无需深度真值监督的条件下实现端到端训练。该方法引入多尺度可变形对齐模块(MSDA)根据内容自适应调整采样位置，在不同尺度上自适应对齐源特征与目标特征，缓解固定卷积难以适应几何变形和视差变化引起的错位问题；此外，构建纹理结构双向门控特征聚合模块(Bi-GFA)，提出一种约束网络浅层学习纹理、深层建模结构的特征解耦策略，实现纹理与结构信息的动态互补与高效融合；同时，设计可学习的对齐引导损失(LAG)，进一步提升特征对齐精度与语义一致性。在KITTI、MPEG-FTV及多视点深度视频序列数据集上的实验结果表明，所提方法在结构还原性、纹理质量及视角一致性等方面优于现有先进方法。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT251254
摘要:
分割一切模型(Segment Anything Model, SAM)作为通用分割大模型，在多类二维视觉任务中展现出强大迁移能力，但原生SAM主要针对2D平面图像设计，缺乏对360°全景图像球面几何特性的建模能力，难以直接应用于360°全景图像显著目标检测(360° SOD)。为了将SAM应用于360° SOD并解决其不足，本文提出一种采用球面几何引导和频率增强SAM的360° SOD网络，具体包括多认知适配器(Multi-Cognitive Adapter, MCA)，受人类视觉感知机制的启发，通过引入多尺度、多路径特征建模提升全景图像的上下文感知能力;球面几何引导注意力(Spherical Geometry-Guided Attention, SGGA)，利用球面几何先验缓解等矩形投影中的畸变与边界不连续性;以及空频域联合感知模块(Spatial-Frequency Joint Perception Module, SFJPM)，结合多尺度空洞卷积与频域注意力，增强全局与局部信息的协同建模，提升360° SOD性能。本文在现有的两个公开360° SOD数据集(360-SOD，360-SSOD)上进行了大量实验，结果表明，本文方法在客观指标和主观结果上的表现均优于现有的7种代表性2D SOD方法和7种360° SOD方法。
分割一切模型(Segment Anything Model, SAM)作为通用分割大模型，在多类二维视觉任务中展现出强大迁移能力，但原生SAM主要针对2D平面图像设计，缺乏对360°全景图像球面几何特性的建模能力，难以直接应用于360°全景图像显著目标检测(360° SOD)。为了将SAM应用于360° SOD并解决其不足，本文提出一种采用球面几何引导和频率增强SAM的360° SOD网络，具体包括多认知适配器(Multi-Cognitive Adapter, MCA)，受人类视觉感知机制的启发，通过引入多尺度、多路径特征建模提升全景图像的上下文感知能力;球面几何引导注意力(Spherical Geometry-Guided Attention, SGGA)，利用球面几何先验缓解等矩形投影中的畸变与边界不连续性;以及空频域联合感知模块(Spatial-Frequency Joint Perception Module, SFJPM)，结合多尺度空洞卷积与频域注意力，增强全局与局部信息的协同建模，提升360° SOD性能。本文在现有的两个公开360° SOD数据集(360-SOD，360-SSOD)上进行了大量实验，结果表明，本文方法在客观指标和主观结果上的表现均优于现有的7种代表性2D SOD方法和7种360° SOD方法。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250726
摘要:
病理图像分类对于癌症诊断至关重要，但现有方法存在依赖随机采样、多层级信息利用不足等问题。为此，该文提出一种层级融合多实例学习方法。首先，对病理图像的不同层级进行切分并用ResNet-50提取特征；然后，针对伪包标签不准确及背景噪声问题，提出基于注意力评价函数的伪包划分方法，利用门控注意力对低分辨率特征进行重要性评估，依据得分将特征划分为低分辨率伪包，并通过索引映射得到对应高分辨率伪包；最后，针对多层级信息利用不足的问题设计两阶段分类模型，第一阶段对低分辨率伪包进行初步分类，并依据预测置信度筛选出高判别性的关键区域及其对应的高分辨率特征；第二阶段通过交叉注意力机制，将筛选出的低分辨率特征与对应的高分辨率特征进行深度融合，随后将其与经过门控注意力聚合的高分辨率伪包特征进行拼接，以利用局部细节结合全局信息进行分析。在训练过程中，采用双分支交叉熵损失函数，联合优化低分辨率初步分类任务与高分辨率最终分类任务。实验使用了两个公开数据集Camelyon16、TCGA-LUNG及一个私有皮肤癌数据集NBU-Skin对模型进行测试，结果表明，该方法在多中心公开数据集和私有数据集上性能均优于CLAM、TransMIL等算法，其中在NBU-Skin数据集上五折交叉验证的平均准确率达到90.5%，平均AUC达到0.976。此外，该方法在跨病种、跨中心数据中表现稳定，为癌症病理的人工智能诊断提供了新的思路。
病理图像分类对于癌症诊断至关重要，但现有方法存在依赖随机采样、多层级信息利用不足等问题。为此，该文提出一种层级融合多实例学习方法。首先，对病理图像的不同层级进行切分并用ResNet-50提取特征；然后，针对伪包标签不准确及背景噪声问题，提出基于注意力评价函数的伪包划分方法，利用门控注意力对低分辨率特征进行重要性评估，依据得分将特征划分为低分辨率伪包，并通过索引映射得到对应高分辨率伪包；最后，针对多层级信息利用不足的问题设计两阶段分类模型，第一阶段对低分辨率伪包进行初步分类，并依据预测置信度筛选出高判别性的关键区域及其对应的高分辨率特征；第二阶段通过交叉注意力机制，将筛选出的低分辨率特征与对应的高分辨率特征进行深度融合，随后将其与经过门控注意力聚合的高分辨率伪包特征进行拼接，以利用局部细节结合全局信息进行分析。在训练过程中，采用双分支交叉熵损失函数，联合优化低分辨率初步分类任务与高分辨率最终分类任务。实验使用了两个公开数据集Camelyon16、TCGA-LUNG及一个私有皮肤癌数据集NBU-Skin对模型进行测试，结果表明，该方法在多中心公开数据集和私有数据集上性能均优于CLAM、TransMIL等算法，其中在NBU-Skin数据集上五折交叉验证的平均准确率达到90.5%，平均AUC达到0.976。此外，该方法在跨病种、跨中心数据中表现稳定，为癌症病理的人工智能诊断提供了新的思路。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250743
摘要:
针对车联网中无人机辅助移动边缘计算场景下，基于深度强化学习的时延优化方法因车辆规模增大导致动作空间维度爆炸、训练效率低的问题，该文提出一种无人机辅助移动边缘计算的双层混合优化方案。首先，通过联合优化任务卸载、计算与通信资源分配以及无人机飞行控制，构建满足飞行与能耗约束条件下最小化系统计算任务总时延的模型。其次，该文通过双层算法结构将深度强化学习与贪婪算法相结合，提出混合分层深度强化学习(Hybrid Hierarchical Deep Reinforcement Learning, HHDRL)算法对问题求解，以降低训练复杂度并加快收敛。仿真结果表明，该算法在保持时延性能接近传统深度强化学习算法的同时，提升了收敛速度。
针对车联网中无人机辅助移动边缘计算场景下，基于深度强化学习的时延优化方法因车辆规模增大导致动作空间维度爆炸、训练效率低的问题，该文提出一种无人机辅助移动边缘计算的双层混合优化方案。首先，通过联合优化任务卸载、计算与通信资源分配以及无人机飞行控制，构建满足飞行与能耗约束条件下最小化系统计算任务总时延的模型。其次，该文通过双层算法结构将深度强化学习与贪婪算法相结合，提出混合分层深度强化学习(Hybrid Hierarchical Deep Reinforcement Learning, HHDRL)算法对问题求解，以降低训练复杂度并加快收敛。仿真结果表明，该算法在保持时延性能接近传统深度强化学习算法的同时，提升了收敛速度。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250865
摘要:
脑肿瘤分类是医学影像分析中的关键任务，但现有深度学习方法在应对扫描参数差异、解剖位置偏移等因素时仍面临特征混淆问题，且难以建模肿瘤异质性引发的复杂非线性关系。针对这一挑战，本文提出一种因果推理引导的KAN注意力分类框架。首先，基于CLIP模型进行无监督特征提取，捕捉MRI数据中的高层语义特征；其次，基于K-means聚类设计混淆均衡度指标，筛选混淆因子图像。并设计因果干预机制，显式引入混淆样本，同时提出因果增强的损失函数以优化模型的判别能力；最后，在预训练ResNet主干网中引入KAN注意力模块，强化模型对肿瘤局部坏死区与强化边缘的非线性关联建模能力。实验表明，所提出的方法在脑肿瘤分类任务中优于传统CNN与Transformer模型，验证了其在判别能力和鲁棒性方面的优势。本研究为医学影像的因果推理与高阶非线性建模提供了新的技术路径。
脑肿瘤分类是医学影像分析中的关键任务，但现有深度学习方法在应对扫描参数差异、解剖位置偏移等因素时仍面临特征混淆问题，且难以建模肿瘤异质性引发的复杂非线性关系。针对这一挑战，本文提出一种因果推理引导的KAN注意力分类框架。首先，基于CLIP模型进行无监督特征提取，捕捉MRI数据中的高层语义特征；其次，基于K-means聚类设计混淆均衡度指标，筛选混淆因子图像。并设计因果干预机制，显式引入混淆样本，同时提出因果增强的损失函数以优化模型的判别能力；最后，在预训练ResNet主干网中引入KAN注意力模块，强化模型对肿瘤局部坏死区与强化边缘的非线性关联建模能力。实验表明，所提出的方法在脑肿瘤分类任务中优于传统CNN与Transformer模型，验证了其在判别能力和鲁棒性方面的优势。本研究为医学影像的因果推理与高阶非线性建模提供了新的技术路径。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250909
摘要:
随着人工智能技术的快速发展，大语言模型正在中医医疗领域广泛试点应用。但基层中医医院部署大模型面临GPU资源受限、中医非结构化病历利用率低的双重痛点。为此，本论文提出一种轻量化的中医病历智能结构化模型。所提模型不仅借助知识蒸馏实现文本编码器轻量化，更为重要是在传统文本编码其中引入多模态融合模块，实现轻量化舌诊图像表征。具体而言，提出了一种基于记忆约束的多模态表征轻量化方法。所提方法将长短时记忆网络作为剪枝决策器，分析历史信息中长时依赖关系，以此来学习并量化多模态表征中特征连接的重要性。在此基础上，引入增强学习方法对舌诊特征提取模型参数进行反向更新，进一步提升剪枝决策的准确性。实验采用多中心21家三甲医院的10500 份脱敏中医电子病历及舌像图像关联文本进行训练与验证。所提模型F1-score达91.7%，显存占用3.8GB，推理速度22rec/s，较BERT-Large提升27.2%效率且显存降低75%。消融实验表明，动态批次裁剪对显存节省贡献75%(较BERT-Large基准)，在模型自身消融对比中节省62%显存，中医术语增强词表使罕见实体F1提升6.2%。
随着人工智能技术的快速发展，大语言模型正在中医医疗领域广泛试点应用。但基层中医医院部署大模型面临GPU资源受限、中医非结构化病历利用率低的双重痛点。为此，本论文提出一种轻量化的中医病历智能结构化模型。所提模型不仅借助知识蒸馏实现文本编码器轻量化，更为重要是在传统文本编码其中引入多模态融合模块，实现轻量化舌诊图像表征。具体而言，提出了一种基于记忆约束的多模态表征轻量化方法。所提方法将长短时记忆网络作为剪枝决策器，分析历史信息中长时依赖关系，以此来学习并量化多模态表征中特征连接的重要性。在此基础上，引入增强学习方法对舌诊特征提取模型参数进行反向更新，进一步提升剪枝决策的准确性。实验采用多中心21家三甲医院的
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT250958
摘要:
磁异常延拓是地磁空间信息获取与处理的重要技术手段。针对现有的频率域方法在向下延拓中具有不适定性，以及传统等效源方法难以兼顾多尺度场源拟合精度的问题，该文提出了一种磁异常空间延拓的优化多层等效源方法。该方法采用基于功率谱分析的深度估计与变分模态分解技术构建多层等效源参数设定框架，并引入真菌生长算法对等效源反演过程进行协同优化。理论模型与EMAG2仿真实验表明，该方法显著降低了模型构建的主观性，在5%高斯噪声干扰下仍能保持较高的信号保真度与抗噪鲁棒性。基于澳大利亚实测磁异常网格数据的应用验证，该方法在复杂构造区与平缓基底区均具有优异的普适性与延拓精度。
磁异常延拓是地磁空间信息获取与处理的重要技术手段。针对现有的频率域方法在向下延拓中具有不适定性，以及传统等效源方法难以兼顾多尺度场源拟合精度的问题，该文提出了一种磁异常空间延拓的优化多层等效源方法。该方法采用基于功率谱分析的深度估计与变分模态分解技术构建多层等效源参数设定框架，并引入真菌生长算法对等效源反演过程进行协同优化。理论模型与EMAG2仿真实验表明，该方法显著降低了模型构建的主观性，在5%高斯噪声干扰下仍能保持较高的信号保真度与抗噪鲁棒性。基于澳大利亚实测磁异常网格数据的应用验证，该方法在复杂构造区与平缓基底区均具有优异的普适性与延拓精度。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT251017
摘要:
现有基于监督学习范式的短波信号调制识别方法通常假设训练数据(源域)与测试数据(目标域)服从同一分布。然而，短波信道易受电离层变化影响，导致域间分布差异显著，进而引发模型性能退化。此外，无人平台边缘侧部署还面临设备资源受限、标注样本稀缺以及数据隐私保护等多重挑战。针对上述问题，本文提出一种基于源模型迁移的轻量化识别方法，能够在不访问源域数据的条件下实现隐私安全的模型迁移。该方法的优势主要体现在三个方面：首先，具备良好的轻量化特性，仅需在无标签目标域上进行单轮训练即可快速收敛，显著降低了计算开销；其次，具备优异的小样本适应能力，在目标域样本极少的场景下仍能保持较高的识别精度；最后，通过融合涵盖同相/正交分量、幅度/相位信息及频谱特征的多模态信号特征，充分利用特征互补性增强了模型鲁棒性。仿真实验结果表明，该方法在大幅降低资源消耗的同时，在小样本条件下仍能保持稳定的识别性能，验证了其兼具快速收敛、低资源需求和良好泛化能力的特性。
现有基于监督学习范式的短波信号调制识别方法通常假设训练数据(源域)与测试数据(目标域)服从同一分布。然而，短波信道易受电离层变化影响，导致域间分布差异显著，进而引发模型性能退化。此外，无人平台边缘侧部署还面临设备资源受限、标注样本稀缺以及数据隐私保护等多重挑战。针对上述问题，本文提出一种基于源模型迁移的轻量化识别方法，能够在不访问源域数据的条件下实现隐私安全的模型迁移。该方法的优势主要体现在三个方面：首先，具备良好的轻量化特性，仅需在无标签目标域上进行单轮训练即可快速收敛，显著降低了计算开销；其次，具备优异的小样本适应能力，在目标域样本极少的场景下仍能保持较高的识别精度；最后，通过融合涵盖同相/正交分量、幅度/相位信息及频谱特征的多模态信号特征，充分利用特征互补性增强了模型鲁棒性。仿真实验结果表明，该方法在大幅降低资源消耗的同时，在小样本条件下仍能保持稳定的识别性能，验证了其兼具快速收敛、低资源需求和良好泛化能力的特性。
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，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，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。
2026, 48(1): 1-33.
doi: 10.11999/JEIT251246
摘要:
随着新质生产力与数字经济的深度发展，低空经济作为融合通用航空、无人机物流和空中出行等形态的新型产业体系，正成为全球经济增长的新引擎。无人机凭借其高性价比、可扩展性与高度智能化，在其中扮演着核心赋能者角色。该文系统性梳理并构建了面向低空经济的智能无人机技术体系，该体系遵循从底层基础到顶层应用的逻辑，通过通信网络贯通“感知-决策-行动”闭环，总结了无人机在物流运输、城市空中交通、公共安全和工业巡检等典型场景中的应用模式。剖析了其在感知与定位、通信与组网、智能决策与控制及空域集成与安全4大领域的关键技术内涵；归纳低空无人机通信3大关键网络类型，即无人机与蜂窝网络深度融合网络、无人机自组织专用网络、无人机计算应用网络，并详细分析了智能反射面(IRS)辅助的非正交多址接入(NOMA)通信、自组网拓扑优化和移动边缘计算分别在3类网络中的核心作用。解析了无人机在可靠通信、智能感知、自主协同和能源动力等方面面临的技术挑战以及在空域管理、法规标准、商业模式与社会接受度方面的非技术挑战。展望智能全域通信、认知群体智能、高置信度自主安全及绿色可持续技术等未来融合发展趋势的同时，提出基于“挑战驱动-技术融合-体系构建-反馈迭代”的低空经济无人系统技术闭环演进范式，揭示了其发展内在逻辑是以应用为导向、具备自我优化能力的动态递归过程。
随着新质生产力与数字经济的深度发展，低空经济作为融合通用航空、无人机物流和空中出行等形态的新型产业体系，正成为全球经济增长的新引擎。无人机凭借其高性价比、可扩展性与高度智能化，在其中扮演着核心赋能者角色。该文系统性梳理并构建了面向低空经济的智能无人机技术体系，该体系遵循从底层基础到顶层应用的逻辑，通过通信网络贯通“感知-决策-行动”闭环，总结了无人机在物流运输、城市空中交通、公共安全和工业巡检等典型场景中的应用模式。剖析了其在感知与定位、通信与组网、智能决策与控制及空域集成与安全4大领域的关键技术内涵；归纳低空无人机通信3大关键网络类型，即无人机与蜂窝网络深度融合网络、无人机自组织专用网络、无人机计算应用网络，并详细分析了智能反射面(IRS)辅助的非正交多址接入(NOMA)通信、自组网拓扑优化和移动边缘计算分别在3类网络中的核心作用。解析了无人机在可靠通信、智能感知、自主协同和能源动力等方面面临的技术挑战以及在空域管理、法规标准、商业模式与社会接受度方面的非技术挑战。展望智能全域通信、认知群体智能、高置信度自主安全及绿色可持续技术等未来融合发展趋势的同时，提出基于“挑战驱动-技术融合-体系构建-反馈迭代”的低空经济无人系统技术闭环演进范式，揭示了其发展内在逻辑是以应用为导向、具备自我优化能力的动态递归过程。
2026, 48(1): 34-44.
doi: 10.11999/JEIT250804
摘要:
物理层认证快速识别电子欺骗等攻击，但海域短包通信的信道估计误差大，且海域信道变化剧烈，造成认证精度低，速度慢，难以支撑基于大语言模型的智慧海洋业务。为此，该文研究面向大语言模型的海域通信物理层认证，根据终端无线信道和数据包的多种物理层特征，基于假设检验设计多模式认证机制，适配摄像头和温湿度传感器等多类型终端的长短包通信方式，并结合大语言模型推断结果的环境指示等，利用强化学习持续优化认证模式和检测阈值，提高认证精度和速度。设计漏报风险评估机制，修正认证策略分布，结合持续学习机制挖掘甲板和船舱等多场景下的多尺度认证经验，并在相似场景中快速回放，加速认证策略优化。基于LLaVA-1.5-7B大语言模型和海域实测信道数据的仿真结果表明，所提方案可显著提升认证精度和速度，防御多场景船载终端在大语言模型边缘推断过程中的电子欺骗等攻击，支撑智慧海洋业务。
物理层认证快速识别电子欺骗等攻击，但海域短包通信的信道估计误差大，且海域信道变化剧烈，造成认证精度低，速度慢，难以支撑基于大语言模型的智慧海洋业务。为此，该文研究面向大语言模型的海域通信物理层认证，根据终端无线信道和数据包的多种物理层特征，基于假设检验设计多模式认证机制，适配摄像头和温湿度传感器等多类型终端的长短包通信方式，并结合大语言模型推断结果的环境指示等，利用强化学习持续优化认证模式和检测阈值，提高认证精度和速度。设计漏报风险评估机制，修正认证策略分布，结合持续学习机制挖掘甲板和船舱等多场景下的多尺度认证经验，并在相似场景中快速回放，加速认证策略优化。基于LLaVA-1.5-7B大语言模型和海域实测信道数据的仿真结果表明，所提方案可显著提升认证精度和速度，防御多场景船载终端在大语言模型边缘推断过程中的电子欺骗等攻击，支撑智慧海洋业务。
2026, 48(1): 45-56.
doi: 10.11999/JEIT250854
摘要:
代表性顺序统计量译码(Representative Ordered Statistics Decoding, ROSD)是一类针对阶梯矩阵码提出的能够支持并行高斯消元(Gaussian Elimination, GE)的高效译码算法。该文将ROSD推广至一般线性分组码，并利用最小重量阶梯生成矩阵(Minimum-Weight Staircase Generator Matrix, MWSGM)构造方法，为任意线性分组码生成对应的阶梯矩阵结构。在此基础上，该文特别提出了基于MWSGM的多矩阵构造与选择策略。具体而言，构造阶段在第0行(第1个阶梯)分别保留前\begin{document}$ M $\end{document} \begin{document}$ M $\end{document}
代表性顺序统计量译码(Representative Ordered Statistics Decoding, ROSD)是一类针对阶梯矩阵码提出的能够支持并行高斯消元(Gaussian Elimination, GE)的高效译码算法。该文将ROSD推广至一般线性分组码，并利用最小重量阶梯生成矩阵(Minimum-Weight Staircase Generator Matrix, MWSGM)构造方法，为任意线性分组码生成对应的阶梯矩阵结构。在此基础上，该文特别提出了基于MWSGM的多矩阵构造与选择策略。具体而言，构造阶段在第0行(第1个阶梯)分别保留前
2026, 48(1): 57-66.
doi: 10.11999/JEIT250655
摘要:
无蜂窝大规模多输入多输出(CF-mMIMO)系统需要支持大量用户接入，这使得信道估计变得更加复杂。基于常规导频配置的信道估计方法占用较大开销，使得数据传输可用符号大大减少，导致传输速率下降，该问题在短包传输场景中尤为明显。对此，该文研究了CF-mMIMO系统中基于叠加导频(SP)的下行短包传输方案。首先，基于最大比传输预编码方案，在非完美信道状态信息下推导了下行可达速率的闭式表达式。为了减小SP配置下导频与数据之间的干扰，进一步提出基于几何规划和连续凸近似的迭代优化算法，以优化导频和数据间的功率分配。最后，仿真结果验证了下行可达速率闭式表达式的正确性，并表明所提SP功率优化算法能够显著提高短包传输性能。
无蜂窝大规模多输入多输出(CF-mMIMO)系统需要支持大量用户接入，这使得信道估计变得更加复杂。基于常规导频配置的信道估计方法占用较大开销，使得数据传输可用符号大大减少，导致传输速率下降，该问题在短包传输场景中尤为明显。对此，该文研究了CF-mMIMO系统中基于叠加导频(SP)的下行短包传输方案。首先，基于最大比传输预编码方案，在非完美信道状态信息下推导了下行可达速率的闭式表达式。为了减小SP配置下导频与数据之间的干扰，进一步提出基于几何规划和连续凸近似的迭代优化算法，以优化导频和数据间的功率分配。最后，仿真结果验证了下行可达速率闭式表达式的正确性，并表明所提SP功率优化算法能够显著提高短包传输性能。
2026, 48(1): 67-77.
doi: 10.11999/JEIT250836
摘要:
该文针对短包隐蔽通信场景，考虑信道估计误差导致的非理想信道条件，研究了最小化平均隐蔽信息年龄(CAoI)的通信参数优化问题。具体地，首先推导了非理想信道条件下的隐蔽约束和平均CAoI的闭式表达式；其次，推导了最小化平均CAoI的发送功率表达式。在此基础上，进一步基于黄金分割法对导频信号包长和数据信号包长进行优化，以最小化平均CAoI，从而实现通信隐蔽性和时效性之间的最优折中。此外，该文还分析了平均CAoI与收发距离、隐蔽容忍度等参数的变化关系。仿真结果表明，存在最优包长和最优导频信号包长，使得平均CAoI最小，并且与固定包长分配比例的情况相比，所提优化方法可以获得更好的性能。并且当隐蔽性约束更严格时，由于发送功率的降低，最优的导频信号包长随之增大。
该文针对短包隐蔽通信场景，考虑信道估计误差导致的非理想信道条件，研究了最小化平均隐蔽信息年龄(CAoI)的通信参数优化问题。具体地，首先推导了非理想信道条件下的隐蔽约束和平均CAoI的闭式表达式；其次，推导了最小化平均CAoI的发送功率表达式。在此基础上，进一步基于黄金分割法对导频信号包长和数据信号包长进行优化，以最小化平均CAoI，从而实现通信隐蔽性和时效性之间的最优折中。此外，该文还分析了平均CAoI与收发距离、隐蔽容忍度等参数的变化关系。仿真结果表明，存在最优包长和最优导频信号包长，使得平均CAoI最小，并且与固定包长分配比例的情况相比，所提优化方法可以获得更好的性能。并且当隐蔽性约束更严格时，由于发送功率的降低，最优的导频信号包长随之增大。
2026, 48(1): 78-85.
doi: 10.11999/JEIT250852
摘要:
在无人机辅助电力巡检场景中，为保障电网安全运行，无人机需实时采集并回传电网关键状态参数和图像、视频等多模态数据，控制中心基于此对电网进行调度与调控。无人机巡检任务中的数据采集与回传具有超可靠低时延和实时大带宽等通信需求。然而，无线通信资源的稀缺性和无人机能量约束使得上述异构需求难满足，进而导致巡检数据的时效性和巡检任务的有效性难保障。针对上述挑战，该文提出了数据传输调度与通信资源分配的协同优化算法，在任务性能与约束下，降低系统开销，并基于非正交多址接入技术设计长短包混合帧结构，满足异构通信需求。在无人机数据传输调度方面，将调度决策建模为马尔可夫决策过程，并将通信消耗纳入决策成本。在通信资源优化方面，联合优化长短包功率配置、短包包长和导频长度，进而在保障长包传输需求的前提下，提升短包传输的可靠性，满足异构通信需求，实现低开销的无人机电力巡检策略。仿真结果表明，该方法能够在保障传输可靠性的同时，显著降低通信成本，为无人机辅助电力巡检场景中的异构数据传输提供有效支撑。
在无人机辅助电力巡检场景中，为保障电网安全运行，无人机需实时采集并回传电网关键状态参数和图像、视频等多模态数据，控制中心基于此对电网进行调度与调控。无人机巡检任务中的数据采集与回传具有超可靠低时延和实时大带宽等通信需求。然而，无线通信资源的稀缺性和无人机能量约束使得上述异构需求难满足，进而导致巡检数据的时效性和巡检任务的有效性难保障。针对上述挑战，该文提出了数据传输调度与通信资源分配的协同优化算法，在任务性能与约束下，降低系统开销，并基于非正交多址接入技术设计长短包混合帧结构，满足异构通信需求。在无人机数据传输调度方面，将调度决策建模为马尔可夫决策过程，并将通信消耗纳入决策成本。在通信资源优化方面，联合优化长短包功率配置、短包包长和导频长度，进而在保障长包传输需求的前提下，提升短包传输的可靠性，满足异构通信需求，实现低开销的无人机电力巡检策略。仿真结果表明，该方法能够在保障传输可靠性的同时，显著降低通信成本，为无人机辅助电力巡检场景中的异构数据传输提供有效支撑。
2026, 48(1): 86-97.
doi: 10.11999/JEIT250533
摘要:
随着智能物联网的出现，海量物联网设备间的短包通信在低时延、高可靠和极短数据包长方面的严苛要求给信道编译码方案的设计带来了新的挑战。极化调整卷积(PAC)码在短码长下的某些码型下具有接近散度近似(DA)的纠错性能，但其极高的译码运算复杂度限制了在短包通信中的应用。针对这一问题，该文提出了低复杂度Fano序贯(LC-FS)译码算法和低复杂度堆栈(LC-S)译码算法。首先，LC-FS译码算法将译码码树中的特殊节点分为低码率和高码率两类，并提出了相应的特殊节点译码器和回溯策略，从而在译码码树更高层完成译码以避免冗余运算。其次，LC-FS译码算法中的特殊节点分类方法被扩展到堆栈类译码算法，进一步提出了LC-S译码算法。该算法在保留堆栈类译码算法低回溯次数特点的同时具有更低的运算复杂度。最后，仿真结果表明在对码长为256和信息长度为128的PAC码进行译码时，相较于快速Fano序贯(FFS)译码算法和传统堆栈译码算法，所提LC-FS译码算法和LC-S译码算法在保证纠错性能基本无损的同时运算复杂度平均降低了13.77%和56.48%。
随着智能物联网的出现，海量物联网设备间的短包通信在低时延、高可靠和极短数据包长方面的严苛要求给信道编译码方案的设计带来了新的挑战。极化调整卷积(PAC)码在短码长下的某些码型下具有接近散度近似(DA)的纠错性能，但其极高的译码运算复杂度限制了在短包通信中的应用。针对这一问题，该文提出了低复杂度Fano序贯(LC-FS)译码算法和低复杂度堆栈(LC-S)译码算法。首先，LC-FS译码算法将译码码树中的特殊节点分为低码率和高码率两类，并提出了相应的特殊节点译码器和回溯策略，从而在译码码树更高层完成译码以避免冗余运算。其次，LC-FS译码算法中的特殊节点分类方法被扩展到堆栈类译码算法，进一步提出了LC-S译码算法。该算法在保留堆栈类译码算法低回溯次数特点的同时具有更低的运算复杂度。最后，仿真结果表明在对码长为256和信息长度为128的PAC码进行译码时，相较于快速Fano序贯(FFS)译码算法和传统堆栈译码算法，所提LC-FS译码算法和LC-S译码算法在保证纠错性能基本无损的同时运算复杂度平均降低了13.77%和56.48%。
2026, 48(1): 98-106.
doi: 10.11999/JEIT250609
摘要:
在低轨卫星物联网(LEO-IoT)短包通信场景中，大规模设备随机接入过程面临前导码冲突与检测复杂度高的问题。传统随机接入方案受限于导码池容量有限、检测算法效率不足，难以实现海量设备高可靠接入。为此，该文在免授权随机接入(GFRA)框架下提出了一种新的前导码结构和检测方法。首先，构建了一种带循环前缀的叠加前导码结构，在不增加系统时频资源开销的前提下，将导码池容量提升至传统方案的3.2倍，有效缓解了多设备接入场景下的前导码冲突问题。进一步地，针对叠加前导码的检测需求，提出一种基于空闲前导码搜索的动态检测算法，与传统穷举搜索方法相比，该算法在保持99.5%检测准确率的同时，将计算复杂度降低至原方案的18.7%。与压缩感知方法相比，该算法在检测精度和计算复杂度之间取得了优异的平衡，其多项式级的复杂度使其更适合部署在低轨卫星物联网系统中。理论推导证明，所提方案在误码率(BER)为10–5时可实现3.8 dB的系统信干噪比(SINR)增益。仿真验证进一步证明，即使在设备激活率超过80%的高负载场景下，该方案仍能保持低于2%的漏检率，且在异步接入环境下具备良好鲁棒性。
在低轨卫星物联网(LEO-IoT)短包通信场景中，大规模设备随机接入过程面临前导码冲突与检测复杂度高的问题。传统随机接入方案受限于导码池容量有限、检测算法效率不足，难以实现海量设备高可靠接入。为此，该文在免授权随机接入(GFRA)框架下提出了一种新的前导码结构和检测方法。首先，构建了一种带循环前缀的叠加前导码结构，在不增加系统时频资源开销的前提下，将导码池容量提升至传统方案的3.2倍，有效缓解了多设备接入场景下的前导码冲突问题。进一步地，针对叠加前导码的检测需求，提出一种基于空闲前导码搜索的动态检测算法，与传统穷举搜索方法相比，该算法在保持99.5%检测准确率的同时，将计算复杂度降低至原方案的18.7%。与压缩感知方法相比，该算法在检测精度和计算复杂度之间取得了优异的平衡，其多项式级的复杂度使其更适合部署在低轨卫星物联网系统中。理论推导证明，所提方案在误码率(BER)为10–5时可实现3.8 dB的系统信干噪比(SINR)增益。仿真验证进一步证明，即使在设备激活率超过80%的高负载场景下，该方案仍能保持低于2%的漏检率，且在异步接入环境下具备良好鲁棒性。
2026, 48(1): 107-115.
doi: 10.11999/JEIT250720
摘要:
智能反射面(IRS)的部署能够提升短包通信的传输可靠性，现有研究大多通过优化IRS的反射相位来增强短包通信的性能，而该文则重点研究如何在无线网络中优化IRS的部署策略，以实现更高的通信时效性。该文研究一种IRS辅助的短包通信系统，其中多个终端设备在IRS的协助下向接入节点(AP)传输短包。针对该系统，该文考虑了2种典型IRS部署方案：分布式IRS与集中式IRS。在分布式IRS中，每个设备附近都部署一个配备M个反射单元的IRS，而在集中式IRS中，相同数量和规模的IRS均部署于AP附近。为了比较分布式IRS和集中式IRS辅助短包通信的时效性能，该文采用平均信息年龄(AoI)作为系统的性能指标。然而，复合信道增益的概率分布具有高度复杂性，导致平均AoI的闭式表达式难以直接推导，为此该文采用矩匹配(MM)近似法来获得复合信道增益的近似分布，并在考虑导频开销的情况下，推导出两种部署方案的平均AoI表达式。仿真结果表明：当IRS反射单元数量较大或AP与设备距离较远时，分布式IRS系统展现出更优的AoI性能；而当传输功率较高或系统带宽充足时，集中式IRS系统具有更好的时效性表现。
智能反射面(IRS)的部署能够提升短包通信的传输可靠性，现有研究大多通过优化IRS的反射相位来增强短包通信的性能，而该文则重点研究如何在无线网络中优化IRS的部署策略，以实现更高的通信时效性。该文研究一种IRS辅助的短包通信系统，其中多个终端设备在IRS的协助下向接入节点(AP)传输短包。针对该系统，该文考虑了2种典型IRS部署方案：分布式IRS与集中式IRS。在分布式IRS中，每个设备附近都部署一个配备M个反射单元的IRS，而在集中式IRS中，相同数量和规模的IRS均部署于AP附近。为了比较分布式IRS和集中式IRS辅助短包通信的时效性能，该文采用平均信息年龄(AoI)作为系统的性能指标。然而，复合信道增益的概率分布具有高度复杂性，导致平均AoI的闭式表达式难以直接推导，为此该文采用矩匹配(MM)近似法来获得复合信道增益的近似分布，并在考虑导频开销的情况下，推导出两种部署方案的平均AoI表达式。仿真结果表明：当IRS反射单元数量较大或AP与设备距离较远时，分布式IRS系统展现出更优的AoI性能；而当传输功率较高或系统带宽充足时，集中式IRS系统具有更好的时效性表现。
2026, 48(1): 116-125.
doi: 10.11999/JEIT251143
摘要:
稀疏矢量码(SVC)技术因其实施简单、传输可靠等优点在短包高可靠低时延通信方面获得了广泛关注。构造短稀疏矢量并使用小尺寸随机扩频码本是确保其系统性能的关键。为此，该文提出一种基于分组的SVC(Group-based SVC, GSVC)方案。该方案摒弃了经典的索引调制全局稀疏变换方式，通过对索引比特分组划分，以分组稀疏变换的形式在同一预定稀疏矢量上逐次选取出各分组的非零位置，从而实现位置资源对所有分组的共享，达到压缩稀疏矢量的目的。因此，所提GSVC方案具有高的位置资源利用率，能够构造出比常规全局选取方式要短的稀疏矢量来传输既定信息比特。与现有多种SVC改进方案的仿真对比结果表明，所提方案在低阶调制模式下具有更优的误块率性能。
稀疏矢量码(SVC)技术因其实施简单、传输可靠等优点在短包高可靠低时延通信方面获得了广泛关注。构造短稀疏矢量并使用小尺寸随机扩频码本是确保其系统性能的关键。为此，该文提出一种基于分组的SVC(Group-based SVC, GSVC)方案。该方案摒弃了经典的索引调制全局稀疏变换方式，通过对索引比特分组划分，以分组稀疏变换的形式在同一预定稀疏矢量上逐次选取出各分组的非零位置，从而实现位置资源对所有分组的共享，达到压缩稀疏矢量的目的。因此，所提GSVC方案具有高的位置资源利用率，能够构造出比常规全局选取方式要短的稀疏矢量来传输既定信息比特。与现有多种SVC改进方案的仿真对比结果表明，所提方案在低阶调制模式下具有更优的误块率性能。
2026, 48(1): 126-134.
doi: 10.11999/JEIT250761
摘要:
针对物联网(IoT)通信中海量设备接入、频谱资源受限与高可靠传输需求，该文在硬件损伤下，研究了双智能反射面(RIS)辅助的多天线协作非正交多址接入(NOMA)短包通信系统的可靠性能。特别地，一个RIS用于辅助多天线基站(BS)与近用户之间的通信，另一个RIS用于辅助近用户与远用户之间的通信。在最优天线选择方案下，推导出近用户和远用户平均误块率(BLER)的闭式表达式。在此基础上，该文进一步给出了系统有效吞吐量的闭式表达式，并在可靠性和传输时延约束下确定了使有效吞吐量最大化的最优块长。仿真结果验证了理论分析的正确性，并表明双RIS辅助传输方案相比单RIS辅助传输方案和无RIS辅助传输方案可以获得更优的性能。此外，受限于中继链路，远用户的平均BLER并不会随着BS天线数目的增加而一直减小。
针对物联网(IoT)通信中海量设备接入、频谱资源受限与高可靠传输需求，该文在硬件损伤下，研究了双智能反射面(RIS)辅助的多天线协作非正交多址接入(NOMA)短包通信系统的可靠性能。特别地，一个RIS用于辅助多天线基站(BS)与近用户之间的通信，另一个RIS用于辅助近用户与远用户之间的通信。在最优天线选择方案下，推导出近用户和远用户平均误块率(BLER)的闭式表达式。在此基础上，该文进一步给出了系统有效吞吐量的闭式表达式，并在可靠性和传输时延约束下确定了使有效吞吐量最大化的最优块长。仿真结果验证了理论分析的正确性，并表明双RIS辅助传输方案相比单RIS辅助传输方案和无RIS辅助传输方案可以获得更优的性能。此外，受限于中继链路，远用户的平均BLER并不会随着BS天线数目的增加而一直减小。
2026, 48(1): 135-144.
doi: 10.11999/JEIT250800
摘要:
针对短包多输入单输出(MISO)通信系统中面临窃听与检测双重安全威胁的问题，该文提出一种短包安全隐蔽通信设计与优化方案，分析了系统的隐蔽性能和物理层安全性能，在此基础上，提出衡量系统安全隐蔽性能的平均有效安全隐蔽速率(AESCR)，该指标统一量化了系统隐蔽性、保密性和可靠性，且主要受包长和发射功率影响。构建了最大化AESCR的双变量优化问题并求解。仿真结果表明，所提方案与优化发射功率的基准方案相比，可以有效提高系统中的AESCR；系统AESCR随发射天线数单调递增，且存在最优包长权衡传输效率与隐蔽性。
针对短包多输入单输出(MISO)通信系统中面临窃听与检测双重安全威胁的问题，该文提出一种短包安全隐蔽通信设计与优化方案，分析了系统的隐蔽性能和物理层安全性能，在此基础上，提出衡量系统安全隐蔽性能的平均有效安全隐蔽速率(AESCR)，该指标统一量化了系统隐蔽性、保密性和可靠性，且主要受包长和发射功率影响。构建了最大化AESCR的双变量优化问题并求解。仿真结果表明，所提方案与优化发射功率的基准方案相比，可以有效提高系统中的AESCR；系统AESCR随发射天线数单调递增，且存在最优包长权衡传输效率与隐蔽性。
2026, 48(1): 145-156.
doi: 10.11999/JEIT250814
摘要:
针对工业物联网短包通信的应用场景，该文研究了能量收集驱动短包通信LoRa网络中的信息新鲜度问题。该文将能量队列建模为马尔可夫链，推导出平均信息年龄的一般表达式。进一步地，在最小电池容量与理想无限电池容量两种情况下，给出平均信息年龄优化策略及最优参数的解析解。最后，仿真验证了理论优化结果，并分析了网络各参数对系统性能的影响，为能量收集驱动的工业物联网的设计与优化提供了理论参考。
针对工业物联网短包通信的应用场景，该文研究了能量收集驱动短包通信LoRa网络中的信息新鲜度问题。该文将能量队列建模为马尔可夫链，推导出平均信息年龄的一般表达式。进一步地，在最小电池容量与理想无限电池容量两种情况下，给出平均信息年龄优化策略及最优参数的解析解。最后，仿真验证了理论优化结果，并分析了网络各参数对系统性能的影响，为能量收集驱动的工业物联网的设计与优化提供了理论参考。
2026, 48(1): 157-167.
doi: 10.11999/JEIT250838
摘要:
状态更新是卫星物联网(S-IoT)的重要场景。该文研究了状态更新S-IoT中基于基站辅助的用户组网问题。首先，建立了地面用户经基站向卫星网络传输的双层正交接入状态更新模型，并分析推导了地面用户的平均信息年龄(aAoI)的闭合表达式和高信噪比下的渐进表达式。其次，基于联盟形成博弈(CFG)，提出一种双层CFG用户-基站-卫星组网算法。接着，利用精确势能博弈，证明了所提博弈算法具有纳什均衡解，能够形成稳定的基站-用户-卫星网络。最后，仿真结果表明，aAoI的理论分析的正确性以及所提算法的较传统算法的性能提升。
状态更新是卫星物联网(S-IoT)的重要场景。该文研究了状态更新S-IoT中基于基站辅助的用户组网问题。首先，建立了地面用户经基站向卫星网络传输的双层正交接入状态更新模型，并分析推导了地面用户的平均信息年龄(aAoI)的闭合表达式和高信噪比下的渐进表达式。其次，基于联盟形成博弈(CFG)，提出一种双层CFG用户-基站-卫星组网算法。接着，利用精确势能博弈，证明了所提博弈算法具有纳什均衡解，能够形成稳定的基站-用户-卫星网络。最后，仿真结果表明，aAoI的理论分析的正确性以及所提算法的较传统算法的性能提升。
2026, 48(1): 168-182.
doi: 10.11999/JEIT250855
摘要:
压缩感知凭借其突破奈奎斯特采样定理限制、实现超低采样率的高质量信号处理与重构的优势，成为通信信号高效接收处理的研究热点。该文依据压缩感知原理，按照字典矩阵设计、测量矩阵设计和信号重构3个主要研究方向对技术发展脉络进行了梳理，提出了当前压缩感知技术研究面临的挑战。基于现阶段工程应用面临的问题，对压缩感知技术发展趋势进行展望。
压缩感知凭借其突破奈奎斯特采样定理限制、实现超低采样率的高质量信号处理与重构的优势，成为通信信号高效接收处理的研究热点。该文依据压缩感知原理，按照字典矩阵设计、测量矩阵设计和信号重构3个主要研究方向对技术发展脉络进行了梳理，提出了当前压缩感知技术研究面临的挑战。基于现阶段工程应用面临的问题，对压缩感知技术发展趋势进行展望。
2026, 48(1): 183-190.
doi: 10.11999/JEIT250915
摘要:
针对语义通信网络在图像恢复任务中计算和传输能耗过高的问题，该文提出一种改进型多智能体近端策略优化算法驱动的网络能耗优化策略，在保障任务性能的同时最小化网络总能耗。首先，量化分析语义提取率、发射功率、计算资源与网络能耗间的耦合关系。随后，构建以小区总能耗最小化为目标，同时满足时延、图像恢复质量等多维约束的优化模型。最后，设计改进型多智能体近端策略优化算法对该模型进行求解。仿真结果表明，与基准算法相比，所提算法在维持相当能耗水平的同时，训练收敛速度提升66.7%～80%，网络能耗和用户时延稳定性显著提升，并能有效降低平均误符号率。
针对语义通信网络在图像恢复任务中计算和传输能耗过高的问题，该文提出一种改进型多智能体近端策略优化算法驱动的网络能耗优化策略，在保障任务性能的同时最小化网络总能耗。首先，量化分析语义提取率、发射功率、计算资源与网络能耗间的耦合关系。随后，构建以小区总能耗最小化为目标，同时满足时延、图像恢复质量等多维约束的优化模型。最后，设计改进型多智能体近端策略优化算法对该模型进行求解。仿真结果表明，与基准算法相比，所提算法在维持相当能耗水平的同时，训练收敛速度提升66.7%～80%，网络能耗和用户时延稳定性显著提升，并能有效降低平均误符号率。
2026, 48(1): 191-201.
doi: 10.11999/JEIT250165
摘要:
协方差向量具有比原始阵列输出更高的信噪比增益，该文将远近场混合源模型扩展到协方差域，并针对稀疏重构远近场混合源定位算法时间复杂度高的问题，提出了一种基于协方差域阵列信号模型和广义近似消息传递(GAMP)-变分贝叶斯推断(VBI)的远近场混合源定位改进算法(FN-GAMP-CVBI)，实现了计算效率与定位精度的有效平衡。数值仿真表明，与现有的远近场混合源定位算法相比，该文所提算法具有更高的远近场源定位精度和较低的计算时间。湖试数据结果进一步验证了该文所提算法的高效性和有效性。
协方差向量具有比原始阵列输出更高的信噪比增益，该文将远近场混合源模型扩展到协方差域，并针对稀疏重构远近场混合源定位算法时间复杂度高的问题，提出了一种基于协方差域阵列信号模型和广义近似消息传递(GAMP)-变分贝叶斯推断(VBI)的远近场混合源定位改进算法(FN-GAMP-CVBI)，实现了计算效率与定位精度的有效平衡。数值仿真表明，与现有的远近场混合源定位算法相比，该文所提算法具有更高的远近场源定位精度和较低的计算时间。湖试数据结果进一步验证了该文所提算法的高效性和有效性。
2026, 48(1): 202-211.
doi: 10.11999/JEIT250952
摘要:
波束形成技术在阵列信号处理，尤其是在波达方向估计方面发挥着关键作用。尽管传统的鲁棒波束形成方法能够处理导向矢量失配的问题，但它们未能充分利用阵列稀疏化带来的硬件优势，并且在存在干扰源时，难以有效抑制副瓣。因此，该文提出一种能够协同优化鲁棒性、波束性能、副瓣电平与阵列稀疏性的统一框架。通过将l0范数作为稀疏约束、引入导向矢量误差以增强鲁棒性，并联合副瓣抑制约束，构建了一个全面的凸优化问题。特别地，该文在建模时进一步考虑了实际天线间的互耦效应，通过引入包含互耦参数的精确导向矢量模型，显著提升了算法在实际天线阵列中的适用性。仿真结果表明，在信噪比为5 dB、存在单个干扰源的条件下，所提算法能实现低于–40 dB的干扰抑制深度，并将峰值旁瓣电平稳定在–24.5 dB以下，同时减少10%的激活阵元。在与现有方法的定量对比中，该算法在信噪比为5 dB场景下的输出信干噪比相较于最小方差无失真响应方法提升11.37 dB。实验结果证明该框架能够在导向矢量失配及低信噪比等非理想条件下，以较少的阵元实现较高的输出信干噪比和较强的干扰抑制能力，对导向矢量误差与阵元间的相互耦合均表现出良好的鲁棒性。
波束形成技术在阵列信号处理，尤其是在波达方向估计方面发挥着关键作用。尽管传统的鲁棒波束形成方法能够处理导向矢量失配的问题，但它们未能充分利用阵列稀疏化带来的硬件优势，并且在存在干扰源时，难以有效抑制副瓣。因此，该文提出一种能够协同优化鲁棒性、波束性能、副瓣电平与阵列稀疏性的统一框架。通过将l0范数作为稀疏约束、引入导向矢量误差以增强鲁棒性，并联合副瓣抑制约束，构建了一个全面的凸优化问题。特别地，该文在建模时进一步考虑了实际天线间的互耦效应，通过引入包含互耦参数的精确导向矢量模型，显著提升了算法在实际天线阵列中的适用性。仿真结果表明，在信噪比为5 dB、存在单个干扰源的条件下，所提算法能实现低于–40 dB的干扰抑制深度，并将峰值旁瓣电平稳定在–24.5 dB以下，同时减少10%的激活阵元。在与现有方法的定量对比中，该算法在信噪比为5 dB场景下的输出信干噪比相较于最小方差无失真响应方法提升11.37 dB。实验结果证明该框架能够在导向矢量失配及低信噪比等非理想条件下，以较少的阵元实现较高的输出信干噪比和较强的干扰抑制能力，对导向矢量误差与阵元间的相互耦合均表现出良好的鲁棒性。
2026, 48(1): 212-221.
doi: 10.11999/JEIT250705
摘要:
卫星双向时间比对(TWSTFT)技术因其高精度特性在时间同步领域具有重要应用价值，其中实时性是衡量系统性能的关键指标。传统硬件实现的TWSTFT存在显著的周日效应问题，而基于开环架构和高分辨率多相关器的软件定义无线电(SDR)实现方法虽能有效抑制该效应，却因计算复杂度高而面临实时性挑战。为提升SDR接收机的运算效率并改善其短期稳定性，该研究在传统信号压缩法基础上提出了一种基于带限信号压缩的高效SDR实现方法。该方法创新性地采用伪随机噪声(PRN)码整数倍抽取序列与接收信号进行相关运算以获得压缩值，并通过建立抽取序列采样频率与信号带宽的定量关系实现相关结果的高效重构。该机制通过消除传统算法的冗余计算环节，在保证测量精度的同时显著提升了运算效率并降低了系统资源开销。为验证方法有效性，该文设计了不同带宽和基线长度的对比实验，结果表明：相较于TWSTFT SDR中常用的多相关器法，该方法的运算速度提升了7～8倍，资源消耗量降低了85～90%，且信号预处理阶段的滤波操作能有效抑制带外噪声干扰。这种效率提升不仅增加了单位拟合周期内的有效测量数据量，通过统计平均效应降低了随机噪声影响，还显著提高了比对结果的短期稳定性，为高精度时间比对提供了新的技术途径。
卫星双向时间比对(TWSTFT)技术因其高精度特性在时间同步领域具有重要应用价值，其中实时性是衡量系统性能的关键指标。传统硬件实现的TWSTFT存在显著的周日效应问题，而基于开环架构和高分辨率多相关器的软件定义无线电(SDR)实现方法虽能有效抑制该效应，却因计算复杂度高而面临实时性挑战。为提升SDR接收机的运算效率并改善其短期稳定性，该研究在传统信号压缩法基础上提出了一种基于带限信号压缩的高效SDR实现方法。该方法创新性地采用伪随机噪声(PRN)码整数倍抽取序列与接收信号进行相关运算以获得压缩值，并通过建立抽取序列采样频率与信号带宽的定量关系实现相关结果的高效重构。该机制通过消除传统算法的冗余计算环节，在保证测量精度的同时显著提升了运算效率并降低了系统资源开销。为验证方法有效性，该文设计了不同带宽和基线长度的对比实验，结果表明：相较于TWSTFT SDR中常用的多相关器法，该方法的运算速度提升了7～8倍，资源消耗量降低了85～90%，且信号预处理阶段的滤波操作能有效抑制带外噪声干扰。这种效率提升不仅增加了单位拟合周期内的有效测量数据量，通过统计平均效应降低了随机噪声影响，还显著提高了比对结果的短期稳定性，为高精度时间比对提供了新的技术途径。
2026, 48(1): 222-229.
doi: 10.11999/JEIT250775
摘要:
少重量线性码在秘密共享、强正则图、关联方案和认证码等方面有着广泛的应用。该文基于有限域上Kloosterman和，完全确定了一类\begin{document}$ q $\end{document}
少重量线性码在秘密共享、强正则图、关联方案和认证码等方面有着广泛的应用。该文基于有限域上Kloosterman和，完全确定了一类
2026, 48(1): 230-238.
doi: 10.11999/JEIT250750
摘要:
动态开放的网络环境使车联网难免遭受窃听、数据篡改和伪造，传统云计算因高延迟难以满足海量数据的实时性需求，安全性和性能之间固有冲突制约着车联网发展。为了解决上述问题，该文专为车联网设计出边云协同可搜索属性签密方法，可允许授权用户无须解密密文，就能通过云端快速匹配机制高效检索所需信息。利用边缘计算下沉计算能力到网络边缘，协同云服务器、边缘服务器和车载终端设备共同工作。通过属性签密和线性秘密共享机制的融合，实现车联网数据的细粒度访问控制，更好地保障数据的安全性。针对车载设备资源受限问题，将解签密过程中的复杂运算外包给高性能边缘节点处理，减轻了车载终端的运算负担且提升了响应速度，能够很好地适应车联网这种动态的资源受限复杂环境。
动态开放的网络环境使车联网难免遭受窃听、数据篡改和伪造，传统云计算因高延迟难以满足海量数据的实时性需求，安全性和性能之间固有冲突制约着车联网发展。为了解决上述问题，该文专为车联网设计出边云协同可搜索属性签密方法，可允许授权用户无须解密密文，就能通过云端快速匹配机制高效检索所需信息。利用边缘计算下沉计算能力到网络边缘，协同云服务器、边缘服务器和车载终端设备共同工作。通过属性签密和线性秘密共享机制的融合，实现车联网数据的细粒度访问控制，更好地保障数据的安全性。针对车载设备资源受限问题，将解签密过程中的复杂运算外包给高性能边缘节点处理，减轻了车载终端的运算负担且提升了响应速度，能够很好地适应车联网这种动态的资源受限复杂环境。
2026, 48(1): 239-252.
doi: 10.11999/JEIT250057
摘要:
针对异质和噪声文本，该文通过改进目标函数、聚合方式和本地更新方式等综合考虑，提出基于可信度评估的抗噪异质医疗对话联邦，增强了医疗对话联邦学习的鲁棒性。将模型训练划分为本地训练阶段和异质联邦学习阶段。在本地训练阶段，通过对称交叉熵损失缓解噪声文本问题，防止本地模型在噪声文本上过拟合。在异质联邦学习阶段，通过度量客户端文本质量进行自适应聚合模型以考虑干净，噪声(随机/非随机文本语法和语义)和异质文本。同时在本地参数更新时考虑局部和全局参数以持续自适应的更新参数，可以进一步提高抗噪和异质鲁棒性。实验结果显示，该方法在噪声和异质联邦学习场景下相比其他方法有显著提升。
针对异质和噪声文本，该文通过改进目标函数、聚合方式和本地更新方式等综合考虑，提出基于可信度评估的抗噪异质医疗对话联邦，增强了医疗对话联邦学习的鲁棒性。将模型训练划分为本地训练阶段和异质联邦学习阶段。在本地训练阶段，通过对称交叉熵损失缓解噪声文本问题，防止本地模型在噪声文本上过拟合。在异质联邦学习阶段，通过度量客户端文本质量进行自适应聚合模型以考虑干净，噪声(随机/非随机文本语法和语义)和异质文本。同时在本地参数更新时考虑局部和全局参数以持续自适应的更新参数，可以进一步提高抗噪和异质鲁棒性。实验结果显示，该方法在噪声和异质联邦学习场景下相比其他方法有显著提升。
2026, 48(1): 253-263.
doi: 10.11999/JEIT251062
摘要:
在发生自然灾害等紧急情况下，地面固定基站被损毁，可能无法及时恢复。同时，由于无人机的灵活性和低成本特性，基于无人机的应急通信需求吸引了学术界和工业界的广泛关注。然而，在探索应急通信中的带宽和功率分配方案时，现有的方案忽略了不同地面用户之间业务量需求的差异性，同时也未充分考虑信息新鲜度对应急决策的重要性。考虑到不同用户的业务量需求，且信息年龄(AoI)直接影响应急响应的时效性，该文提出一种用于应急场景下的基于AoI的多无人机部署及资源分配方案。首先，在满足用户总业务量需求下，求解所需最少无人机数量。然后，进一步优化无人机的带宽、功率和三维位置，以最小化系统的平均AoI。仿真结果表明，所提方案在保证AoI最小的同时，所需的无人机数量最少。此外，与未联合优化无人机位置及通信资源的基准方案相比，所提方案显著提升了信息新鲜度，使系统平均AoI降低了21.1%。
在发生自然灾害等紧急情况下，地面固定基站被损毁，可能无法及时恢复。同时，由于无人机的灵活性和低成本特性，基于无人机的应急通信需求吸引了学术界和工业界的广泛关注。然而，在探索应急通信中的带宽和功率分配方案时，现有的方案忽略了不同地面用户之间业务量需求的差异性，同时也未充分考虑信息新鲜度对应急决策的重要性。考虑到不同用户的业务量需求，且信息年龄(AoI)直接影响应急响应的时效性，该文提出一种用于应急场景下的基于AoI的多无人机部署及资源分配方案。首先，在满足用户总业务量需求下，求解所需最少无人机数量。然后，进一步优化无人机的带宽、功率和三维位置，以最小化系统的平均AoI。仿真结果表明，所提方案在保证AoI最小的同时，所需的无人机数量最少。此外，与未联合优化无人机位置及通信资源的基准方案相比，所提方案显著提升了信息新鲜度，使系统平均AoI降低了21.1%。
2026, 48(1): 264-276.
doi: 10.11999/JEIT250964
摘要:
无人机的飞控系统故障诊断主要面临以下两大挑战：其一，作为新兴的空中飞行平台，无人机可用于故障诊断的有效训练数据规模有限，存在显著的训练数据匮乏问题；其二，作为高机动性空中飞行平台，无人机在不同飞行姿态下的数据分布差异显著，存在数据环境高度变动的问题。针对这两种挑战，该文提出了一种结合姿态不变性特征和半监督复兴稠密生成对抗分类网络(RDC-GAN)模型的飞控系统故障诊断方法。方法首先通过基于微分平坦的数据筛选将无人机数据分为姿态相关数据和姿态不相关数据；对于姿态相关数据，利用经验模态挤压激励网络(EMD-SENet)提取对姿态变化具有鲁棒性的姿态不变性特征；之后采用自适应特征融合模块将姿态不相关数据、姿态相关数据和提取到的姿态不变性特征进行加权融合；最后将融合特征送入半监督RDC-GAN模型进行两阶段训练：第1阶段采用无监督训练，利用大量无标签数据对模型网络权重初始化，第2阶段采用有监督训练，通过少量有标签数据进一步对网络权重进行微调，从而实现仅用少量有效数据就能精确诊断出无人机飞控故障的目的。方法在公开数据集RflyMad上整体精度达到了95.71%，在真机故障诊断实验中的整体精度达到了92.78%。
无人机的飞控系统故障诊断主要面临以下两大挑战：其一，作为新兴的空中飞行平台，无人机可用于故障诊断的有效训练数据规模有限，存在显著的训练数据匮乏问题；其二，作为高机动性空中飞行平台，无人机在不同飞行姿态下的数据分布差异显著，存在数据环境高度变动的问题。针对这两种挑战，该文提出了一种结合姿态不变性特征和半监督复兴稠密生成对抗分类网络(RDC-GAN)模型的飞控系统故障诊断方法。方法首先通过基于微分平坦的数据筛选将无人机数据分为姿态相关数据和姿态不相关数据；对于姿态相关数据，利用经验模态挤压激励网络(EMD-SENet)提取对姿态变化具有鲁棒性的姿态不变性特征；之后采用自适应特征融合模块将姿态不相关数据、姿态相关数据和提取到的姿态不变性特征进行加权融合；最后将融合特征送入半监督RDC-GAN模型进行两阶段训练：第1阶段采用无监督训练，利用大量无标签数据对模型网络权重初始化，第2阶段采用有监督训练，通过少量有标签数据进一步对网络权重进行微调，从而实现仅用少量有效数据就能精确诊断出无人机飞控故障的目的。方法在公开数据集RflyMad上整体精度达到了95.71%，在真机故障诊断实验中的整体精度达到了92.78%。
2026, 48(1): 277-286.
doi: 10.11999/JEIT250424
摘要:
随着情感计算的不断发展，基于多模态信号的情绪识别方法得到了广泛关注。脑电情感信号因受试个体的不同存在较大的分布差异，导致分类识别率不高。为了解决现有情绪识别方法中单一模态存在的噪声大、个体差异明显等问题，该文结合脑电信号(EEG)与语音信号提出一种基于双流注意力与对抗互重建的双模态情绪识别方法。在脑电模态方面，设计集成时间帧-通道联合注意力与Mamba网络的双重特征提取器，实现对关键时序片段与频谱特征的深度建模。在语音模态方面，引入帧级随机掩码机制与双向长短时记忆网络结构，增强模型对语音情绪变化的建模能力及抗干扰能力。通过模态精炼融合模块引入梯度反转层与正交投影机制，提升模态对齐与判别能力；进一步地，结合对抗互重建机制，在共享隐空间中重建同类情绪特征，实现跨被试的一致性建模。实验在MAHNOB-HCI, EAV与SEED等多个基准数据集上验证了所提方法的有效性，结果表明该模型在跨个体情绪识别与模态信息融合方面具有显著优势，为多模态情感计算提供了一种有效解决方案。
随着情感计算的不断发展，基于多模态信号的情绪识别方法得到了广泛关注。脑电情感信号因受试个体的不同存在较大的分布差异，导致分类识别率不高。为了解决现有情绪识别方法中单一模态存在的噪声大、个体差异明显等问题，该文结合脑电信号(EEG)与语音信号提出一种基于双流注意力与对抗互重建的双模态情绪识别方法。在脑电模态方面，设计集成时间帧-通道联合注意力与Mamba网络的双重特征提取器，实现对关键时序片段与频谱特征的深度建模。在语音模态方面，引入帧级随机掩码机制与双向长短时记忆网络结构，增强模型对语音情绪变化的建模能力及抗干扰能力。通过模态精炼融合模块引入梯度反转层与正交投影机制，提升模态对齐与判别能力；进一步地，结合对抗互重建机制，在共享隐空间中重建同类情绪特征，实现跨被试的一致性建模。实验在MAHNOB-HCI, EAV与SEED等多个基准数据集上验证了所提方法的有效性，结果表明该模型在跨个体情绪识别与模态信息融合方面具有显著优势，为多模态情感计算提供了一种有效解决方案。
2026, 48(1): 287-296.
doi: 10.11999/JEIT250516
摘要:
文本生成图像是一项极具挑战的跨模态任务，其核心在于生成与文本描述高度一致、细节丰富的高质量图像。当前基于生成对抗网络的方法多依赖单一噪声输入，导致生成图像细粒度不足；同时，单词级特征利用不充分，也制约了文本与图像之间的语义对齐精度。为此，该文提出一种多码深度特征融合生成对抗网络(mDFA-GAN)。该方法通过设计多噪声输入生成器与多码先验融合模块，提升生成图像的细节表现力；在生成器中引入多头注意力机制，从多角度对齐单词与图像子区域，增强语义一致性；此外，提出多码先验融合损失以稳定训练过程。在CUB和COCO数据集上的实验结果表明，所提方法在IS与FID评价指标上均优于当前主流生成对抗网络方法，能够生成更逼真、细节更丰富、语义一致性更强的图像。
文本生成图像是一项极具挑战的跨模态任务，其核心在于生成与文本描述高度一致、细节丰富的高质量图像。当前基于生成对抗网络的方法多依赖单一噪声输入，导致生成图像细粒度不足；同时，单词级特征利用不充分，也制约了文本与图像之间的语义对齐精度。为此，该文提出一种多码深度特征融合生成对抗网络(mDFA-GAN)。该方法通过设计多噪声输入生成器与多码先验融合模块，提升生成图像的细节表现力；在生成器中引入多头注意力机制，从多角度对齐单词与图像子区域，增强语义一致性；此外，提出多码先验融合损失以稳定训练过程。在CUB和COCO数据集上的实验结果表明，所提方法在IS与FID评价指标上均优于当前主流生成对抗网络方法，能够生成更逼真、细节更丰富、语义一致性更强的图像。
2026, 48(1): 297-310.
doi: 10.11999/JEIT251103
摘要:
该文针对生物群体协同行为向无人机集群工程模型转化的难题，结合群体仿生智能与深度强化学习(BSI-DRL)的融合演进趋势，聚焦仿生映射理论与建模方法创新，梳理BSI-DRL驱动的无人机集群建模进展与挑战。首先，明确群体仿生智能概念与核心特征，分析其3阶段发展范式跃迁及技术价值，解析4类典型生物群体协同机制，提炼仿生映射3关键步骤；其次，围绕BSI-DRL核心范式，综合分析仿生规则参数化DRL优化、仿生规则生成式多智能体强化学习、动态角色分配与分层DRL协同优化3大方向的技术优势与挑战；最后，展望跨物种生物机制融合、BSI-DRL闭环协同、仿鸟群相变控制与DRL融合等未来方向，为技术工程化落地提供理论和方法支撑。
该文针对生物群体协同行为向无人机集群工程模型转化的难题，结合群体仿生智能与深度强化学习(BSI-DRL)的融合演进趋势，聚焦仿生映射理论与建模方法创新，梳理BSI-DRL驱动的无人机集群建模进展与挑战。首先，明确群体仿生智能概念与核心特征，分析其3阶段发展范式跃迁及技术价值，解析4类典型生物群体协同机制，提炼仿生映射3关键步骤；其次，围绕BSI-DRL核心范式，综合分析仿生规则参数化DRL优化、仿生规则生成式多智能体强化学习、动态角色分配与分层DRL协同优化3大方向的技术优势与挑战；最后，展望跨物种生物机制融合、BSI-DRL闭环协同、仿鸟群相变控制与DRL融合等未来方向，为技术工程化落地提供理论和方法支撑。
2026, 48(1): 311-320.
doi: 10.11999/JEIT250363
摘要:
深度学习已被广泛应用于漏洞检测，其主流方法可分为基于代码序列和基于代码图两类：前者易因忽视结构而误报，后者则难以捕获执行顺序。此外，两者普遍缺乏可解释性，难以定位漏洞根源。为此，该文提出一种基于图和代码切片的可解释性漏洞检测方法GSVD。该模型通过门控图卷积网络提取代码多维度图(AST, DDG, CDG)的结构语义，并结合“污点”分析驱动的代码切片与双向长短时记忆网络，精准捕获代码序列特征，实现二者优势互补。同时，引入HITS算法思想，设计VDExplainer解释器，直观揭示了模型的决策过程。实验表明，GSVD在Devign数据集上准确率达64.57%，优于多种基线模型，证明了其在有效检测漏洞的同时，能实现代码行级的可解释定位。
深度学习已被广泛应用于漏洞检测，其主流方法可分为基于代码序列和基于代码图两类：前者易因忽视结构而误报，后者则难以捕获执行顺序。此外，两者普遍缺乏可解释性，难以定位漏洞根源。为此，该文提出一种基于图和代码切片的可解释性漏洞检测方法GSVD。该模型通过门控图卷积网络提取代码多维度图(AST, DDG, CDG)的结构语义，并结合“污点”分析驱动的代码切片与双向长短时记忆网络，精准捕获代码序列特征，实现二者优势互补。同时，引入HITS算法思想，设计VDExplainer解释器，直观揭示了模型的决策过程。实验表明，GSVD在Devign数据集上准确率达64.57%，优于多种基线模型，证明了其在有效检测漏洞的同时，能实现代码行级的可解释定位。
2026, 48(1): 321-334.
doi: 10.11999/JEIT250035
摘要:
目前，基于机器视觉的抑郁症识别筛查的方法往往忽略脸部的局部特征，在实际应用中一旦脸部被部分遮挡，会严重影响筛查的准确性，甚至无法进行有效筛查。为此，该文提出一种边缘视觉的抑郁症筛查方法，该方法通过构建一个全局-局部融合注意力网络同步识别被筛查对象的面部表情和眼部局部特征。为了提高对眼部局部特征的提取能力，该文在网络中引入卷积注意力模块，强化对眼动轨迹特征的捕捉能力。实验结果表明，该方法在抑郁症识别上表现优异，在自建数据集上(包含脸部遮挡情况)的精确率、召回率、F1分数分别达0.76, 0.78和0.77，较最新方法召回率提升10.76%，在AVEC2013和AVEC2014数据集上，平均绝对误差(MAE)分别低至5.74和5.79，较最新方法提升3.53%和1.2%。此外，通过可视化分析直观展现了模型对面部不同区域的关注度，进一步验证了方法的有效性和合理性。该方法部署于边缘设备后，单帧平均处理时延不超过56.14ms，为抑郁症筛查提供了新方案。
目前，基于机器视觉的抑郁症识别筛查的方法往往忽略脸部的局部特征，在实际应用中一旦脸部被部分遮挡，会严重影响筛查的准确性，甚至无法进行有效筛查。为此，该文提出一种边缘视觉的抑郁症筛查方法，该方法通过构建一个全局-局部融合注意力网络同步识别被筛查对象的面部表情和眼部局部特征。为了提高对眼部局部特征的提取能力，该文在网络中引入卷积注意力模块，强化对眼动轨迹特征的捕捉能力。实验结果表明，该方法在抑郁症识别上表现优异，在自建数据集上(包含脸部遮挡情况)的精确率、召回率、F1分数分别达0.76, 0.78和0.77，较最新方法召回率提升10.76%，在AVEC2013和AVEC2014数据集上，平均绝对误差(MAE)分别低至5.74和5.79，较最新方法提升3.53%和1.2%。此外，通过可视化分析直观展现了模型对面部不同区域的关注度，进一步验证了方法的有效性和合理性。该方法部署于边缘设备后，单帧平均处理时延不超过56.14ms，为抑郁症筛查提供了新方案。
2026, 48(1): 335-345.
doi: 10.11999/JEIT250293
摘要:
针对肝肿瘤分割任务中由于边界复杂性以及肿瘤尺寸较小导致分割结果不准确的问题，该文提出一种高效的轻量化肝肿瘤分割方法。首先，提出一种基于张量列(TT)分解的多尺度卷积注意力(TT-MSCA)模块，通过张量列分解的线性层(TT_Layer)优化多尺度特征融合，提升复杂边界和小尺寸目标的分割准确性；其次，设计一种多分支残差结构的特征提取模块(IncepRes Block)，以较小的计算成本提取肝肿瘤图像中的全局上下文信息；最后，解耦标准3*3卷积为两个连续的条形卷积，减少参数量和计算成本。实验结果表明，该方法在LiTS2017和3Dircadb两个公开数据集上，肝脏分割的Dice值分别达到98.54%和97.95%，肿瘤分割的Dice值分别达到94.11%和94.35%。提出方法能够有效解决肝肿瘤边界复杂以及肿瘤目标较小等因素导致的分割结果不准确问题，且能够满足实时部署需求，为肝肿瘤分割提供了一种新的选择。
针对肝肿瘤分割任务中由于边界复杂性以及肿瘤尺寸较小导致分割结果不准确的问题，该文提出一种高效的轻量化肝肿瘤分割方法。首先，提出一种基于张量列(TT)分解的多尺度卷积注意力(TT-MSCA)模块，通过张量列分解的线性层(TT_Layer)优化多尺度特征融合，提升复杂边界和小尺寸目标的分割准确性；其次，设计一种多分支残差结构的特征提取模块(IncepRes Block)，以较小的计算成本提取肝肿瘤图像中的全局上下文信息；最后，解耦标准3*3卷积为两个连续的条形卷积，减少参数量和计算成本。实验结果表明，该方法在LiTS2017和3Dircadb两个公开数据集上，肝脏分割的Dice值分别达到98.54%和97.95%，肿瘤分割的Dice值分别达到94.11%和94.35%。提出方法能够有效解决肝肿瘤边界复杂以及肿瘤目标较小等因素导致的分割结果不准确问题，且能够满足实时部署需求，为肝肿瘤分割提供了一种新的选择。
2026, 48(1): 346-358.
doi: 10.11999/JEIT250926
摘要:
目前高质量深度伪造视频检测方法大多基于隐式注意力机制的监督二分类模型。虽然该类模型能够通过自学习，判别伪造痕迹，鉴别异常区域，但在面对未经学习的伪造技术时，对伪造区域的敏感性降低，泛化性不足。基于此，该文提出一种伪造注意图驱动的多任务深伪视频检测模型(F-BiFPN-MTLNet)。首先，设计了一种融合伪造注意图的新型加权双向特征金字塔网络(F-BiFPN)，通过伪造注意图监督低层和高层特征图的融合过程，在减少信息冗余的同时，增强模型对高质量伪造区域的敏感性。然后，定义了一种基于显式注意力机制的多任务学习网络(MTLNet)。一方面，该网络在原有基于监督二分类器的单任务模型的基础上，结合基于可学习掩码的注意策略与增强自一致性的注意策略，实现多任务加权判别，提高模型检测的可靠性；另一方面，引入显式注意力机制，通过生成的伪造位置标签对特征图进行监督，显式地指导模型聚焦于容易产生伪影的敏感区域，提高模型的泛化能力。实验结果表明，该文构建的F-BiFPN-MTLNet模型在多个基准测试中均表现出了较好性能，在曲线下面积(AUC)和平均精度(AP)等指标上取得了显著的提升。
目前高质量深度伪造视频检测方法大多基于隐式注意力机制的监督二分类模型。虽然该类模型能够通过自学习，判别伪造痕迹，鉴别异常区域，但在面对未经学习的伪造技术时，对伪造区域的敏感性降低，泛化性不足。基于此，该文提出一种伪造注意图驱动的多任务深伪视频检测模型(F-BiFPN-MTLNet)。首先，设计了一种融合伪造注意图的新型加权双向特征金字塔网络(F-BiFPN)，通过伪造注意图监督低层和高层特征图的融合过程，在减少信息冗余的同时，增强模型对高质量伪造区域的敏感性。然后，定义了一种基于显式注意力机制的多任务学习网络(MTLNet)。一方面，该网络在原有基于监督二分类器的单任务模型的基础上，结合基于可学习掩码的注意策略与增强自一致性的注意策略，实现多任务加权判别，提高模型检测的可靠性；另一方面，引入显式注意力机制，通过生成的伪造位置标签对特征图进行监督，显式地指导模型聚焦于容易产生伪影的敏感区域，提高模型的泛化能力。实验结果表明，该文构建的F-BiFPN-MTLNet模型在多个基准测试中均表现出了较好性能，在曲线下面积(AUC)和平均精度(AP)等指标上取得了显著的提升。
2026, 48(1): 359-369.
doi: 10.11999/JEIT250033
摘要:
手是人体至关重要的组成部分，其高度的灵巧性使我们能够执行各种复杂任务，然而，手部功能障碍会严重影响患者的日常生活，使其难以完成基本的日常活动。该文提出一种基于8通道表面肌电信号(sEMG)的新颖手部运动估计方法，用于解析15个手部关节的运动，旨在提高手部功能障碍患者的生活质量。该方法采用连续去噪网络，结合稀疏注意力机制和多通道注意力机制，有效提取sEMG信号中蕴含的时空特征。网络采用双译码器结构，分别解析含噪姿态和姿态修正范围，并利用双向长短期记忆网络对含噪姿态进行修正，最终实现精准的手部姿态估计。实验结果表明，相比现有方法，该方法在多通道sEMG信号拟合连续手部姿态估计方面表现出更优越的性能，能够解析更多关节，且估计误差更小。
手是人体至关重要的组成部分，其高度的灵巧性使我们能够执行各种复杂任务，然而，手部功能障碍会严重影响患者的日常生活，使其难以完成基本的日常活动。该文提出一种基于8通道表面肌电信号(sEMG)的新颖手部运动估计方法，用于解析15个手部关节的运动，旨在提高手部功能障碍患者的生活质量。该方法采用连续去噪网络，结合稀疏注意力机制和多通道注意力机制，有效提取sEMG信号中蕴含的时空特征。网络采用双译码器结构，分别解析含噪姿态和姿态修正范围，并利用双向长短期记忆网络对含噪姿态进行修正，最终实现精准的手部姿态估计。实验结果表明，相比现有方法，该方法在多通道sEMG信号拟合连续手部姿态估计方面表现出更优越的性能，能够解析更多关节，且估计误差更小。
2026, 48(1): 370-381.
doi: 10.11999/JEIT250476
摘要:
针对换衣行人重识别(CC Re-ID)任务中存在的有效特征提取困难和训练样本不足的问题，该文提出一种融合三重感知细粒度重构的换衣行人重识别方法，利用细粒度纹理感知模块处理后的纹理特征与深度特征进行拼接，提高服装变化下的识别能力，引入Transformer注意力机制的ResFormer50网络增强模型对图像特征提取的感知能力，通过自适应混合池化模块(AHP)进行通道级自主感知聚合，对特征进行深层次细粒度挖掘，从而达到整体表征一致性与服装变化泛化性并重的效果。新的自适应细粒度重构策略(AFR)通过细粒度级别的对抗性扰动与选择性重构，在不依赖显式监督的前提下，显著提升模型对服装变换、局部细节扰动的鲁棒性和泛化能力，从而提高模型在实际场景中的识别准确率。大量实验结果表明了所提方法的有效性，在LTCC和PRCC数据集换衣场景下，Rank-1/mAP分别达到了45.6%/19.8%和70.6%/69.1%，优于同类前沿方法。
针对换衣行人重识别(CC Re-ID)任务中存在的有效特征提取困难和训练样本不足的问题，该文提出一种融合三重感知细粒度重构的换衣行人重识别方法，利用细粒度纹理感知模块处理后的纹理特征与深度特征进行拼接，提高服装变化下的识别能力，引入Transformer注意力机制的ResFormer50网络增强模型对图像特征提取的感知能力，通过自适应混合池化模块(AHP)进行通道级自主感知聚合，对特征进行深层次细粒度挖掘，从而达到整体表征一致性与服装变化泛化性并重的效果。新的自适应细粒度重构策略(AFR)通过细粒度级别的对抗性扰动与选择性重构，在不依赖显式监督的前提下，显著提升模型对服装变换、局部细节扰动的鲁棒性和泛化能力，从而提高模型在实际场景中的识别准确率。大量实验结果表明了所提方法的有效性，在LTCC和PRCC数据集换衣场景下，Rank-1/mAP分别达到了45.6%/19.8%和70.6%/69.1%，优于同类前沿方法。
2026, 48(1): 382-393.
doi: 10.11999/JEIT250639
摘要:
针对口腔颌面全景X射线图像中存在的形态变异显著、牙体-牙龈边界模糊以及牙周组织灰度值重叠等问题，该研究提出基于双域多尺度状态空间网络的口腔颌面全景X射线图像分割算法。空间域利用视觉状态空间块建立牙弓动态传播模型，并利用微分方程实现跨象限长程关联捕捉。特征域构建可变形多尺度注意力金字塔，并利用通道-空间注意力动态加权关键解剖标志的灰度渐变特征，解析牙体-牙龈模糊边界。双域特征进一步通过三重注意力融合机制，强化解剖标注的语义表达。实验表明，该算法在颌面全景Ｘ射线图像分割任务中取得显著效果，戴斯系数(Dice)达93.8%，豪斯多夫距离(HD95)为18.73像素，充分验证了算法的有效性。
针对口腔颌面全景X射线图像中存在的形态变异显著、牙体-牙龈边界模糊以及牙周组织灰度值重叠等问题，该研究提出基于双域多尺度状态空间网络的口腔颌面全景X射线图像分割算法。空间域利用视觉状态空间块建立牙弓动态传播模型，并利用微分方程实现跨象限长程关联捕捉。特征域构建可变形多尺度注意力金字塔，并利用通道-空间注意力动态加权关键解剖标志的灰度渐变特征，解析牙体-牙龈模糊边界。双域特征进一步通过三重注意力融合机制，强化解剖标注的语义表达。实验表明，该算法在颌面全景Ｘ射线图像分割任务中取得显著效果，戴斯系数(Dice)达93.8%，豪斯多夫距离(HD95)为18.73像素，充分验证了算法的有效性。
2026, 48(1): 394-403.
doi: 10.11999/JEIT251090
摘要:
现有大规模MIMO信道预测多以广义平稳假设为前提，且多采用单步预测。面对非平稳场景，单步结果极易失效，频繁迭代亦显著抬高导频开销。为此，该文构建一套融合伪三维卷积(P3D)与注意力模块的时频联合多步预测框架。该方案以伪三维卷积替代3D卷积实现信道状态信息(CSI)在时域与频域的高效特征提取，并叠加通道与空间的混合注意力(CBAM)，增强网络对全局依赖的表征能力，从而提升预测精度。基于实测信道的实验验证显示，该方法在多步预测任务上具有明显优势。与此同时，结合迁移学习思路，完成了由单天线到多天线场景的平滑扩展。
现有大规模MIMO信道预测多以广义平稳假设为前提，且多采用单步预测。面对非平稳场景，单步结果极易失效，频繁迭代亦显著抬高导频开销。为此，该文构建一套融合伪三维卷积(P3D)与注意力模块的时频联合多步预测框架。该方案以伪三维卷积替代3D卷积实现信道状态信息(CSI)在时域与频域的高效特征提取，并叠加通道与空间的混合注意力(CBAM)，增强网络对全局依赖的表征能力，从而提升预测精度。基于实测信道的实验验证显示，该方法在多步预测任务上具有明显优势。与此同时，结合迁移学习思路，完成了由单天线到多天线场景的平滑扩展。
2026, 48(1): 404-416.
doi: 10.11999/JEIT250901
摘要:
人类视觉系统通过多层神经元相互配合，实现了具备自适应性、灵敏度高、响应速度快的光感知功能。该文通过研究人类视觉系统中感光细胞的工作原理，提出了一种基于忆阻器的视杆细胞光感电路，并应用于脉冲相机。首先，通过总结视杆细胞感光过程中离子变化机制提出了视杆细胞数学模型。其次，提出两种忆阻器模型以模拟感光细胞中钠离子和钙离子通道的特性。之后，构建了视杆细胞光感电路，实现光电转换，电路具备自适应性，同时具有速度高、功耗低、动态范围广等优势。最后将视杆细胞光感电路应用于脉冲相机，电路仿真结果表明，与采用简化神经元光感电路和传统CMOS方案的脉冲相机相比，基于视杆细胞光感电路的脉冲相机转换速度提升了20%和150%，系统功耗相比于传统CMOS电路降低了30%。
人类视觉系统通过多层神经元相互配合，实现了具备自适应性、灵敏度高、响应速度快的光感知功能。该文通过研究人类视觉系统中感光细胞的工作原理，提出了一种基于忆阻器的视杆细胞光感电路，并应用于脉冲相机。首先，通过总结视杆细胞感光过程中离子变化机制提出了视杆细胞数学模型。其次，提出两种忆阻器模型以模拟感光细胞中钠离子和钙离子通道的特性。之后，构建了视杆细胞光感电路，实现光电转换，电路具备自适应性，同时具有速度高、功耗低、动态范围广等优势。最后将视杆细胞光感电路应用于脉冲相机，电路仿真结果表明，与采用简化神经元光感电路和传统CMOS方案的脉冲相机相比，基于视杆细胞光感电路的脉冲相机转换速度提升了20%和150%，系统功耗相比于传统CMOS电路降低了30%。
2026, 48(1): 417-428.
doi: 10.11999/JEIT250972
摘要:
忆阻Hopfield神经网络是一种类脑神经网络，能够产生丰富的动力学行为。该文提出一种新型包含反正切函数序列的忆阻器，将忆阻器耦合至神经网络中，可构建出一类包含电磁辐射与忆阻突触权重的忆阻全连接Hopfield神经网络。理论分析和数值仿真结果均表明，该模型可在相空间内生成单向、双向和3向多双涡旋混沌吸引子。进一步研究还发现，通过改变初始条件，发现该模型存在多个具有初始偏移增强特征的多双涡卷混沌吸引子，它们形状相同但位置不同，并且吸引子的数量以及双涡卷的个数均可控。此外改变忆阻突触耦合强度，结合分岔图和Lyapunov指数谱，发现该系统还存在丰富的共存对称吸引子，包括对称的周期吸引子与单涡卷混沌吸引子。最后基于FPGA平台完成了该系统的硬件实现，验证了该系统的物理存在性与可行性。
忆阻Hopfield神经网络是一种类脑神经网络，能够产生丰富的动力学行为。该文提出一种新型包含反正切函数序列的忆阻器，将忆阻器耦合至神经网络中，可构建出一类包含电磁辐射与忆阻突触权重的忆阻全连接Hopfield神经网络。理论分析和数值仿真结果均表明，该模型可在相空间内生成单向、双向和3向多双涡旋混沌吸引子。进一步研究还发现，通过改变初始条件，发现该模型存在多个具有初始偏移增强特征的多双涡卷混沌吸引子，它们形状相同但位置不同，并且吸引子的数量以及双涡卷的个数均可控。此外改变忆阻突触耦合强度，结合分岔图和Lyapunov指数谱，发现该系统还存在丰富的共存对称吸引子，包括对称的周期吸引子与单涡卷混沌吸引子。最后基于FPGA平台完成了该系统的硬件实现，验证了该系统的物理存在性与可行性。
2026, 48(1): 429-435.
doi: 10.11999/JEIT250789
摘要:
现代无线通信系统对射频功率放大器在高动态范围的性能提出了严苛要求。Doherty功率放大器(DPA)虽然通过主功放与辅功放的动态负载调制显著提升了回退功率下的工作效率,但其工作在C类偏置下的辅功放因导通特性不足，导致输出电流受限，从而引发负载调制偏差，进而制约其性能表现。该文针对辅功放电流输出能力受限的问题，提出了等效跨导补偿的概念，通过引入补偿支路，精准矫正了C类偏压下辅功放较弱的输出电流，从而实现准理想的动态有源负载调制过程。为了验证所提方法的有效性，该文使用商用GaN HEMT器件CG2H40010F在1.3\begin{document}$ \sim $\end{document} \begin{document}$ \sim $\end{document} \begin{document}$ \sim $\end{document} \begin{document}$ \sim $\end{document} \begin{document}$ \sim $\end{document} \begin{document}$ \sim $\end{document}
现代无线通信系统对射频功率放大器在高动态范围的性能提出了严苛要求。Doherty功率放大器(DPA)虽然通过主功放与辅功放的动态负载调制显著提升了回退功率下的工作效率,但其工作在C类偏置下的辅功放因导通特性不足，导致输出电流受限，从而引发负载调制偏差，进而制约其性能表现。该文针对辅功放电流输出能力受限的问题，提出了等效跨导补偿的概念，通过引入补偿支路，精准矫正了C类偏压下辅功放较弱的输出电流，从而实现准理想的动态有源负载调制过程。为了验证所提方法的有效性，该文使用商用GaN HEMT器件CG2H40010F在1.3
2026, 48(1): 436-446.
doi: 10.11999/JEIT250724
摘要:
能实时准确测量雪层厚度并进行预警的设备对于保护冬季长时间暴露在外界环境中的供电、通信和雷达等设备具有重要的应用价值。该文研究了基于微波矩形波导开口双腔体的雪层厚度测试方法，设计了对应的测量装置，给出了相关的构造、参数获取和数据反演策略。在此过程中，提出了基于单舱内嵌入金属隔板或频率选择表面(FSS)隔板的双腔双馈电双频段测试方法，通过大腔体低频大动态范围和小腔体高频高精度的策略结合参数相关处理算法，合理解决了大量程和高测试精度之间的矛盾。论文分析了自然降落覆盖在谐振腔开口处的不同雪层厚度对腔体的反射系数谐振频率和S参数的影响，并讨论了雪的密度、湿度对厚度测量精度的影响，比较了不同反演算法的效果，实现了1～30 mm的雪层厚度的分段测量，反演算法精度达到0.16 mm。测试精度优于1 mm。对应的技术和设备可直接或扩展用于以雪厚测试为代表的介质几何参数测试。
能实时准确测量雪层厚度并进行预警的设备对于保护冬季长时间暴露在外界环境中的供电、通信和雷达等设备具有重要的应用价值。该文研究了基于微波矩形波导开口双腔体的雪层厚度测试方法，设计了对应的测量装置，给出了相关的构造、参数获取和数据反演策略。在此过程中，提出了基于单舱内嵌入金属隔板或频率选择表面(FSS)隔板的双腔双馈电双频段测试方法，通过大腔体低频大动态范围和小腔体高频高精度的策略结合参数相关处理算法，合理解决了大量程和高测试精度之间的矛盾。论文分析了自然降落覆盖在谐振腔开口处的不同雪层厚度对腔体的反射系数谐振频率和S参数的影响，并讨论了雪的密度、湿度对厚度测量精度的影响，比较了不同反演算法的效果，实现了1～30 mm的雪层厚度的分段测量，反演算法精度达到0.16 mm。测试精度优于1 mm。对应的技术和设备可直接或扩展用于以雪厚测试为代表的介质几何参数测试。
2026, 48(1): 447-458.
doi: 10.11999/JEIT250093
摘要:
针对现代社会中日益严重的应激障碍问题，该文设计开发了一个基于脑电(EEG)的神经反馈的调控系统(ENR)，旨在缓解因应激反应调节机制异常引起的创伤后应激障碍(PTSD)症状及相关焦虑问题，从而减轻其对个体身心健康的负面影响。该文详细介绍了系统的设计理念、功能模块构成，以及针对PTSD和健康人群设计的在线神经反馈实验范式。通过招募被试者进行系统功能测试，并采用频谱分析对实验数据进行评估，可行性测试表明，该系统具备良好的实时性和有效性，是一种应用前景广阔的应对应激反应失调的辅助干预手段。
针对现代社会中日益严重的应激障碍问题，该文设计开发了一个基于脑电(EEG)的神经反馈的调控系统(ENR)，旨在缓解因应激反应调节机制异常引起的创伤后应激障碍(PTSD)症状及相关焦虑问题，从而减轻其对个体身心健康的负面影响。该文详细介绍了系统的设计理念、功能模块构成，以及针对PTSD和健康人群设计的在线神经反馈实验范式。通过招募被试者进行系统功能测试，并采用频谱分析对实验数据进行评估，可行性测试表明，该系统具备良好的实时性和有效性，是一种应用前景广阔的应对应激反应失调的辅助干预手段。
编辑部公告
more >
- 《电子与信息学报》2025年度“优秀论文”入选名单揭晓
- 《电子与信息学报》2025年度“最具传播影响力论文”入选名单揭晓
- 征文丨“DeepSeek大模型赋能6G智能体通信”专题正式启动
- 征文丨“低空具身智能：通感算控融合技术”专题正式启动
- 征文丨 “无人智能”专刊正式启动
- 关于征集2026–2027年度前沿专题/专刊的通知
- 《电子与信息学报》2025年度优秀审稿人揭晓
- 《电子与信息学报》2025年度优秀编委揭晓
学术动态
more >
- 关于征集“第三十六届电路与系统学术大会”专题论坛的通知
- 2025年短包通信理论与技术研讨会暨第二届《电子与信息学报》领军论坛(CSPCT 2025)在深圳成功举办
- “多物理场高效飞行科学基础与调控机理”学术会议丨第一轮通知
- 第三十五届电路与系统学术大会在南京圆满落幕，聚焦
- 第四届电子与信息前沿学术会议在杭州顺利召开
- 重要会议丨第四届电子与信息前沿学术会议通知(第二轮)
- 关于举办“第三十五届电路与系统学术大会”的通知（第二轮）
- 《电子与信息学报》领军论坛暨第九届编委会第三次工作会议在南京成功召开
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
