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/JEIT260706
[摘要](0)
摘要:
本文针对无线通信中的隐蔽传输需求，提出了一种基于可移动天线(MA)阵列和深度展开网络的隐蔽通信联合优化方法。该系统通过引入可移动天线的空间位置自由度，联合优化发射端与接收端天线位置以及发射波束成形向量，在满足监听端隐蔽检测约束的条件下最大化合法用户端平均可达速率。具体而言，本文采用基于Kullback-Leibler(KL)散度的隐蔽约束刻画监听者在通信存在与不存在两种假设下观测分布的可区分性，并进一步将其转化为可处理的接收信号功率约束。针对所构建的非凸联合优化问题，本文设计了一种快坐标下降框架，将原问题分解为波束优化和天线位置优化两个子问题：其中，波束成形部分采用深度展开梯度投影网络(DU-GDPNet)进行求解；天线位置优化部分采用改进遗传算法(MGA)，通过多重重启、精英保留和局部搜索增强全局寻优能力。仿真结果表明，所提MGA与DU-GDPNet结合的方法在不同发射功率和不同天线数量条件下均能获得更高的平均可达速率，并能够稳定满足隐蔽约束。
本文针对无线通信中的隐蔽传输需求，提出了一种基于可移动天线(MA)阵列和深度展开网络的隐蔽通信联合优化方法。该系统通过引入可移动天线的空间位置自由度，联合优化发射端与接收端天线位置以及发射波束成形向量，在满足监听端隐蔽检测约束的条件下最大化合法用户端平均可达速率。具体而言，本文采用基于Kullback-Leibler(KL)散度的隐蔽约束刻画监听者在通信存在与不存在两种假设下观测分布的可区分性，并进一步将其转化为可处理的接收信号功率约束。针对所构建的非凸联合优化问题，本文设计了一种快坐标下降框架，将原问题分解为波束优化和天线位置优化两个子问题：其中，波束成形部分采用深度展开梯度投影网络(DU-GDPNet)进行求解；天线位置优化部分采用改进遗传算法(MGA)，通过多重重启、精英保留和局部搜索增强全局寻优能力。仿真结果表明，所提MGA与DU-GDPNet结合的方法在不同发射功率和不同天线数量条件下均能获得更高的平均可达速率，并能够稳定满足隐蔽约束。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260712
摘要:
Transformer网络在计算机视觉任务中展现出优异性能，但其端到端硬件部署仍受到量化再缩放和复杂非线性函数计算开销的限制。针对视觉Transformer中量化缩放因子处理复杂、层归一化(LN)、Softmax和高斯误差线性单元(GELU)等非线性函数硬件实现开销大的问题，本文提出一种基于非线性算子全整数计算的高能效视觉Transformer加速器。首先，采用尾数-指数(ME)再量化策略，将量化缩放因子表示为整数尾数与指数形式，通过少量整数乘法与移位操作实现片上数据对齐与再量化。其次，基于尾数-指数再量化计算模式和轻量化查找表，构建多种非线性函数的全整数计算方法，将除法、指数、平方根和倒数等复杂运算转换为整数乘法、移位和查表操作。进一步地，设计复用型非线性计算模块，实现片上缓存、乘移单元、ME域转换和查找表等底层资源共享。实验结果表明，在无需重训练或微调的情况下，所提出全整数计算方法相较量化基线的精度损失控制在 1% 以内。基于 28 nm工艺的ASIC综合结果显示，该加速器在500 MHz下实现1024 GOPS峰值吞吐量，能耗效率达到3.26 TOPS/W，面积效率达到332.47 GOPS/mm2。
Transformer网络在计算机视觉任务中展现出优异性能，但其端到端硬件部署仍受到量化再缩放和复杂非线性函数计算开销的限制。针对视觉Transformer中量化缩放因子处理复杂、层归一化(LN)、Softmax和高斯误差线性单元(GELU)等非线性函数硬件实现开销大的问题，本文提出一种基于非线性算子全整数计算的高能效视觉Transformer加速器。首先，采用尾数-指数(ME)再量化策略，将量化缩放因子表示为整数尾数与指数形式，通过少量整数乘法与移位操作实现片上数据对齐与再量化。其次，基于尾数-指数再量化计算模式和轻量化查找表，构建多种非线性函数的全整数计算方法，将除法、指数、平方根和倒数等复杂运算转换为整数乘法、移位和查表操作。进一步地，设计复用型非线性计算模块，实现片上缓存、乘移单元、ME域转换和查找表等底层资源共享。实验结果表明，在无需重训练或微调的情况下，所提出全整数计算方法相较量化基线的精度损失控制在 1% 以内。基于 28 nm工艺的ASIC综合结果显示，该加速器在500 MHz下实现
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260754
摘要:
随着具身智能向机器人、无人系统和多主体协作等场景拓展，主体运动与传播环境变化使6G无线网络面临持续的信道更新、波束管理、无线定位与协同传输需求。机器联觉框架将通信与多模态感知智能联系起来，为分析这些无线需求提供了应用背景。既有物理层学习模型多围绕特定任务和系统配置构建，研究者因而开始探索利用预训练与任务适配复用模型能力。本文从技术路径、文献已评估任务和适配机制三个维度梳理无线物理层基座模型，按预训练权重来源区分直接利用无线数据预训练的无线原生模型与迁移预训练大语言模型权重的物理层方法，并结合仿真和实测数据资源比较两条路径的建模基础。针对无线原生模型，重点分析无线观测的输入表示、预训练目标、相关任务的复用以及观测质量和计算开销；针对基于预训练大语言模型的方法，讨论无线数值输入与主干的映射、任务提示、参数更新及输出接口的协同作用。在此基础上，比较共享表征、任务专用头和上下文示例等机制的适用条件及已有研究的任务覆盖，并以代表模型在共同下游任务和独立传播场景中的实验，辅助分析训练条件、任务表现与运行代价的关系。最后，围绕动态环境适配、跨配置复用、多任务共享与边缘部署讨论后续研究问题，为具身系统中的无线物理层模型构建与评价提供参考。
随着具身智能向机器人、无人系统和多主体协作等场景拓展，主体运动与传播环境变化使6G无线网络面临持续的信道更新、波束管理、无线定位与协同传输需求。机器联觉框架将通信与多模态感知智能联系起来，为分析这些无线需求提供了应用背景。既有物理层学习模型多围绕特定任务和系统配置构建，研究者因而开始探索利用预训练与任务适配复用模型能力。本文从技术路径、文献已评估任务和适配机制三个维度梳理无线物理层基座模型，按预训练权重来源区分直接利用无线数据预训练的无线原生模型与迁移预训练大语言模型权重的物理层方法，并结合仿真和实测数据资源比较两条路径的建模基础。针对无线原生模型，重点分析无线观测的输入表示、预训练目标、相关任务的复用以及观测质量和计算开销；针对基于预训练大语言模型的方法，讨论无线数值输入与主干的映射、任务提示、参数更新及输出接口的协同作用。在此基础上，比较共享表征、任务专用头和上下文示例等机制的适用条件及已有研究的任务覆盖，并以代表模型在共同下游任务和独立传播场景中的实验，辅助分析训练条件、任务表现与运行代价的关系。最后，围绕动态环境适配、跨配置复用、多任务共享与边缘部署讨论后续研究问题，为具身系统中的无线物理层模型构建与评价提供参考。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260244
摘要:
在AI驱动的智能医疗体系与6G超高速网络基础设施快速发展的背景下，大规模医学影像数据的高效传输与存储成为制约远程诊疗与智能辅助决策的重要瓶颈。传统无损压缩方法受限于信息熵下界，压缩率提升空间有限；而现有近无损压缩方法多针对单帧图像独立建模，未能充分利用医学影像序列中的帧间相关性，导致压缩效率仍有提升空间。针对上述问题，该文提出一种基于隐式帧间建模的轻量化近无损医学影像压缩框架 LINC。在严格的误差约束条件下，该方法将有损编码与残差近无损编码统一于概率建模框架之中，并通过引入跨帧条件建模机制增强条件概率估计能力。在有损阶段，利用参考帧构建跨帧特征融合网络，提升时序冗余去除能力；在残差阶段，通过区间量化与块级并行自回归建模实现误差受控的高效编码。实验结果表明，在多个医学影像数据集上，该文方法相较现有近无损方法平均实现约15%的压缩性能提升，为AI与6G融合背景下的智能医疗提供了一种高效的数据传输途径。
在AI驱动的智能医疗体系与6G超高速网络基础设施快速发展的背景下，大规模医学影像数据的高效传输与存储成为制约远程诊疗与智能辅助决策的重要瓶颈。传统无损压缩方法受限于信息熵下界，压缩率提升空间有限；而现有近无损压缩方法多针对单帧图像独立建模，未能充分利用医学影像序列中的帧间相关性，导致压缩效率仍有提升空间。针对上述问题，该文提出一种基于隐式帧间建模的轻量化近无损医学影像压缩框架 LINC。在严格的误差约束条件下，该方法将有损编码与残差近无损编码统一于概率建模框架之中，并通过引入跨帧条件建模机制增强条件概率估计能力。在有损阶段，利用参考帧构建跨帧特征融合网络，提升时序冗余去除能力；在残差阶段，通过区间量化与块级并行自回归建模实现误差受控的高效编码。实验结果表明，在多个医学影像数据集上，该文方法相较现有近无损方法平均实现约15%的压缩性能提升，为AI与6G融合背景下的智能医疗提供了一种高效的数据传输途径。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260410
摘要:
应急场景下现场传输与计算资源受限，导致感知数据难以快速回传或现场处理。任务导向语义通信可在恶劣信道环境下实现对任务所需语义特征的高效传输，其关键在于增强通信系统发送端和接收端对语义特征的共性理解能力。基础模型经海量数据训练具备通用语义理解与生成能力，为构建高效的任务导向语义通信架构提供了新的思路。该文提出一种基于生成式基础模型Stable Diffusion(SD)的任务导向语义通信框架，支持在恶劣信道条件下高效完成图像分类任务 。 该框架在发送端设计任务-信道联合感知编码器，根据信噪比动态提取任务所需的语义特征；在接收端以预训练SD模型为核心生成器，结合ControlNet实现带噪条件的可控生成，并通过任务解码器输出分类结果。为降低端到端联合训练中扩散模型多步采样带来的高计算开销，该文提出一种两阶段训练框架：第1阶段在无噪声环境下利用信息瓶颈学习任务相关特征并训练任务解码器；第2阶段冻结扩散模型主干，仅训练任务编码器与ControlNet实现信道噪声适配，避免了多步采样带来的高昂的梯度回传成本。针对信道噪声在扩散生成过程中累积导致生成特征语义不一致的问题，进一步设计一种自适应条件引导策略，通过可学习权重网络动态调节噪声条件注入强度，使得模型在去噪各步中根据当前状态自适应地增强或减弱条件引导，以应对信道噪声的动态影响。实验结果表明，在不同信噪比条件下所提方法均取得了较优的分类性能。
应急场景下现场传输与计算资源受限，导致感知数据难以快速回传或现场处理。任务导向语义通信可在恶劣信道环境下实现对任务所需语义特征的高效传输，其关键在于增强通信系统发送端和接收端对语义特征的共性理解能力。基础模型经海量数据训练具备通用语义理解与生成能力，为构建高效的任务导向语义通信架构提供了新的思路。该文提出一种基于生成式基础模型Stable Diffusion(SD)的任务导向语义通信框架，支持在恶劣信道条件下高效完成图像分类任务 。 该框架在发送端设计任务-信道联合感知编码器，根据信噪比动态提取任务所需的语义特征；在接收端以预训练SD模型为核心生成器，结合ControlNet实现带噪条件的可控生成，并通过任务解码器输出分类结果。为降低端到端联合训练中扩散模型多步采样带来的高计算开销，该文提出一种两阶段训练框架：第1阶段在无噪声环境下利用信息瓶颈学习任务相关特征并训练任务解码器；第2阶段冻结扩散模型主干，仅训练任务编码器与ControlNet实现信道噪声适配，避免了多步采样带来的高昂的梯度回传成本。针对信道噪声在扩散生成过程中累积导致生成特征语义不一致的问题，进一步设计一种自适应条件引导策略，通过可学习权重网络动态调节噪声条件注入强度，使得模型在去噪各步中根据当前状态自适应地增强或减弱条件引导，以应对信道噪声的动态影响。实验结果表明，在不同信噪比条件下所提方法均取得了较优的分类性能。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT261031
摘要:
随着低空经济的快速发展，无人机违规飞行带来严重安全隐患。针对现有反无人机检测方法存在小目标特征易丢失、边缘算力受限，难以平衡检测精度与模型轻量化的问题，该文提出一种基于YOLOv26n改进的轻量化多模块协同优化检测方法(DCP-YOLO)。首先设计DPC3k2轻量化特征提取结构，增强小目标多方向特征提取能力并缩减参数。然后，提出反向上采样模块CUS，恢复目标高频纹理细节。最后，构建C2PSCAA注意力增强模块，提升模型多尺度特征学习能力。在多个公开数据集的实验结果表明，该方法参数量仅2.29M，推理速度达210.71 FPS，检测精度较基线模型显著提升。消融与泛化实验验证了各模块的有效性与模型的泛化能力，可有效兼顾检测精度与轻量化性能，适配资源受限场景下的低空无人机实时检测任务。
随着低空经济的快速发展，无人机违规飞行带来严重安全隐患。针对现有反无人机检测方法存在小目标特征易丢失、边缘算力受限，难以平衡检测精度与模型轻量化的问题，该文提出一种基于YOLOv26n改进的轻量化多模块协同优化检测方法(DCP-YOLO)。首先设计DPC3k2轻量化特征提取结构，增强小目标多方向特征提取能力并缩减参数。然后，提出反向上采样模块CUS，恢复目标高频纹理细节。最后，构建C2PSCAA注意力增强模块，提升模型多尺度特征学习能力。在多个公开数据集的实验结果表明，该方法参数量仅2.29M，推理速度达210.71 FPS，检测精度较基线模型显著提升。消融与泛化实验验证了各模块的有效性与模型的泛化能力，可有效兼顾检测精度与轻量化性能，适配资源受限场景下的低空无人机实时检测任务。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260619
摘要:
针对物联网设备安全防护中传统纯软件方案性能低且易受物理攻击，以及基于有限状态机(FSM)配置的硬件加速器存在状态爆炸、扩展困难及敏感数据易在总线暴露等问题，该文提出一种支持跨层信任闭环的指令驱动安全协处理器架构(IBSCA)。该架构摒弃传统FSM硬连线控制，引入精简指令集概念构建“译码-调度-执行”流水线，将物理不可克隆函数(PUF)、Hash及加解密等异构算子抽象为可独立寻址的原子操作；通过指令驱动范式解耦控制与数据通路，赋予运行时动态编程能力以解决FSM状态爆炸问题；同时实现算子级细粒度编排与关键数据片上驻留，构建从物理信任源到数据加密的跨层硬件信任闭环，杜绝总线监听风险。基于FPGA的原型验证结果表明，该架构可正确支撑物联网(IoT)场景复杂协议，相比传统FSM设计具备更高的协议扩展灵活性，为资源受限IoT终端提供了可靠的硬件安全底座。
针对物联网设备安全防护中传统纯软件方案性能低且易受物理攻击，以及基于有限状态机(FSM)配置的硬件加速器存在状态爆炸、扩展困难及敏感数据易在总线暴露等问题，该文提出一种支持跨层信任闭环的指令驱动安全协处理器架构(IBSCA)。该架构摒弃传统FSM硬连线控制，引入精简指令集概念构建“译码-调度-执行”流水线，将物理不可克隆函数(PUF)、Hash及加解密等异构算子抽象为可独立寻址的原子操作；通过指令驱动范式解耦控制与数据通路，赋予运行时动态编程能力以解决FSM状态爆炸问题；同时实现算子级细粒度编排与关键数据片上驻留，构建从物理信任源到数据加密的跨层硬件信任闭环，杜绝总线监听风险。基于FPGA的原型验证结果表明，该架构可正确支撑物联网(IoT)场景复杂协议，相比传统FSM设计具备更高的协议扩展灵活性，为资源受限IoT终端提供了可靠的硬件安全底座。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260772
摘要:
针对传统相控阵雷达在宽带宽角扫描下存在的波束偏移问题，提出了一种基于微波光子的双波束收发共用波束合成系统。该系统采用同一套硬件资源进行收发共用，并基于色散延时和波分复用技术实现了同时双波束扫描。研制了微波光子双波束收发共用波束合成原理样机并进行了8通道波束扫描验证，在15 GHz～26 GHz频率范围内实现了±52°的收发分时和双波束扫描，不存在波束偏移现象，在提高资源利用率的同时提高了波束扩展性。
针对传统相控阵雷达在宽带宽角扫描下存在的波束偏移问题，提出了一种基于微波光子的双波束收发共用波束合成系统。该系统采用同一套硬件资源进行收发共用，并基于色散延时和波分复用技术实现了同时双波束扫描。研制了微波光子双波束收发共用波束合成原理样机并进行了8通道波束扫描验证，在15 GHz～26 GHz频率范围内实现了±52°的收发分时和双波束扫描，不存在波束偏移现象，在提高资源利用率的同时提高了波束扩展性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260172
摘要:
6G是新一代智能化综合性数字信息基础设施，将一体化实现通信、感知、计算、智能等功能。基站作为6G无线接入网侧的核心产品形态，正在逐步演变为集通信、计算与AI服务于一体的边缘智能信息服务节点，国产NPU等AI算力芯片正在逐步引入基站侧。利用国产NPU算力实现通信物理层与AI服务的同平台部署，是提升基站算力资源利用率的重要路径。然而，作为物理层关键技术之一的LDPC算法的传统实现通常依赖不规则消息索引访问，其数据组织方式与NPU面向规则张量计算的数据流执行模式存在一定差异，难以直接高效部署。针对上述问题，本文面向昇腾Ascend处理器的达芬奇架构，提出了一种全张量化的并行LDPC译码框架DaVinci-LDPC。首先，针对稀疏矩阵的不规则性，构建了静态图拓扑映射机制，将因子图连接转化为固定的张量索引，大幅减少了运行时的动态分支开销；其次，针对稀疏图随机访存导致的显存带宽瓶颈，提出双重聚合消息传递策略，利用昇腾NPU的向量计算单元高效处理节点间的信息交互；最后，针对算法中双曲函数运算难以向量化以及NPU半精度计算易溢出的问题，设计了向量化双曲正切算子融合方案，在FP16半精度下实现了校验节点更新的高度并行。实验结果表明，DaVinci-LDPC方案在译码精度满足实际通信系统的规范下相较于CPU稀疏实现取得了14.09倍的峰值加速比。
6G是新一代智能化综合性数字信息基础设施，将一体化实现通信、感知、计算、智能等功能。基站作为6G无线接入网侧的核心产品形态，正在逐步演变为集通信、计算与AI服务于一体的边缘智能信息服务节点，国产NPU等AI算力芯片正在逐步引入基站侧。利用国产NPU算力实现通信物理层与AI服务的同平台部署，是提升基站算力资源利用率的重要路径。然而，作为物理层关键技术之一的LDPC算法的传统实现通常依赖不规则消息索引访问，其数据组织方式与NPU面向规则张量计算的数据流执行模式存在一定差异，难以直接高效部署。针对上述问题，本文面向昇腾Ascend处理器的达芬奇架构，提出了一种全张量化的并行LDPC译码框架DaVinci-LDPC。首先，针对稀疏矩阵的不规则性，构建了静态图拓扑映射机制，将因子图连接转化为固定的张量索引，大幅减少了运行时的动态分支开销；其次，针对稀疏图随机访存导致的显存带宽瓶颈，提出双重聚合消息传递策略，利用昇腾NPU的向量计算单元高效处理节点间的信息交互；最后，针对算法中双曲函数运算难以向量化以及NPU半精度计算易溢出的问题，设计了向量化双曲正切算子融合方案，在FP16半精度下实现了校验节点更新的高度并行。实验结果表明，DaVinci-LDPC方案在译码精度满足实际通信系统的规范下相较于CPU稀疏实现取得了14.09倍的峰值加速比。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260260
摘要:
联邦分割学习(FSL)在边缘智能(EI)场景中通过划分神经网络实现端边协同训练，有效缓解终端资源约束。但其面临通信开销高、对动态网络环境适应性不足等挑战，严重制约模型的部署效率。此外，数据异构性导致全局模型泛化性能下降，现有研究缺乏个性化精度与通信效率的协同优化。针对上述问题，该文首先构建基于强化学习的联邦分割学习框架，融合预训练初始化、激活重用与量化压缩降低通信开销，并利用强化学习算法自适应决策模型分割点以应对带宽变化。其次，针对非独立同分布(Non-IID)数据场景，基于多任务学习实现客户端模型个性化优化，引入私有个性化层适配本地数据分布，并结合量化与动态层级压缩感知技术降低双向通信成本。实验结果表明，所提方法在带宽变化条件下，可在保持与基线方法相当的全局模型精度的同时，实现最高117.61倍训练加速与最高72.75倍通信开销降低；在Non-IID数据异构场景下，对于两个数据集均能实现个性化测试精度的提升，且双向通信成本最高降低11.97倍。
联邦分割学习(FSL)在边缘智能(EI)场景中通过划分神经网络实现端边协同训练，有效缓解终端资源约束。但其面临通信开销高、对动态网络环境适应性不足等挑战，严重制约模型的部署效率。此外，数据异构性导致全局模型泛化性能下降，现有研究缺乏个性化精度与通信效率的协同优化。针对上述问题，该文首先构建基于强化学习的联邦分割学习框架，融合预训练初始化、激活重用与量化压缩降低通信开销，并利用强化学习算法自适应决策模型分割点以应对带宽变化。其次，针对非独立同分布(Non-IID)数据场景，基于多任务学习实现客户端模型个性化优化，引入私有个性化层适配本地数据分布，并结合量化与动态层级压缩感知技术降低双向通信成本。实验结果表明，所提方法在带宽变化条件下，可在保持与基线方法相当的全局模型精度的同时，实现最高117.61倍训练加速与最高72.75倍通信开销降低；在Non-IID数据异构场景下，对于两个数据集均能实现个性化测试精度的提升，且双向通信成本最高降低11.97倍。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260470
摘要:
调频连续波和多输入多输出(FMCW-MIMO)毫米波雷达通过稀疏成像和相位差分技术，可实现全场位移测量。然而，现有的稀疏成像方法容易导致多帧重建图像的目标位置集合(支撑集)出现波动，破坏跨帧相位一致性，从而影响位移测量的精度。为此，该文提出一种结合深度学习UNet增益模块与稀疏优化交替方向乘子法(UNetE-ADMM)的MIMO雷达成像方法。首先，将UNet目标感知模型嵌入ADMM近端算子中，使近端算子能够识别目标主瓣与旁瓣区域并进行差异化加权，以增强主瓣、抑制旁瓣；其次，在ADMM迭代框架下，利用结构先验引导迭代优化过程，快速抑制旁瓣干扰并纠正偏离主瓣的位置，以获得稳定的支撑集；最后，对多帧成像结果进行相位差分处理，提取得到目标径向位移信息。实验结果表明，该方法较于L1正则化交替乘子法(L1-ADMM)和即插即用(PnP)方法在主瓣漂移概率和位移均方误差根均有提升效果，在人体特征测量实验的心率谱尖峰更加清晰，表明该方法在稳定支撑集和位移测量精度具备优势。
调频连续波和多输入多输出(FMCW-MIMO)毫米波雷达通过稀疏成像和相位差分技术，可实现全场位移测量。然而，现有的稀疏成像方法容易导致多帧重建图像的目标位置集合(支撑集)出现波动，破坏跨帧相位一致性，从而影响位移测量的精度。为此，该文提出一种结合深度学习UNet增益模块与稀疏优化交替方向乘子法(UNetE-ADMM)的MIMO雷达成像方法。首先，将UNet目标感知模型嵌入ADMM近端算子中，使近端算子能够识别目标主瓣与旁瓣区域并进行差异化加权，以增强主瓣、抑制旁瓣；其次，在ADMM迭代框架下，利用结构先验引导迭代优化过程，快速抑制旁瓣干扰并纠正偏离主瓣的位置，以获得稳定的支撑集；最后，对多帧成像结果进行相位差分处理，提取得到目标径向位移信息。实验结果表明，该方法较于L1正则化交替乘子法(L1-ADMM)和即插即用(PnP)方法在主瓣漂移概率和位移均方误差根均有提升效果，在人体特征测量实验的心率谱尖峰更加清晰，表明该方法在稳定支撑集和位移测量精度具备优势。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260729
摘要:
语义分割是计算机视觉中场景理解的重要组成部分，然而传统方法大多基于可见光图像，在低亮度、强光照与遮挡等场景中性能急剧下降。尽管多模态融合能有效增强模型鲁棒性，现有方法普遍采用双支路网络架构，大幅增加模型参数量，难以部署在算力受限的嵌入式平台。针对上述问题，该文提出基于多模态特征融合提示网络的语义分割模型(MFFPNet)。该模型采用单支路骨干架构，引入轻量级动态视觉提示模块，将热红外或深度信息编码为动态提示向量，通过注意力机制注入预训练骨干网络，实现跨模态信息的高效交互。在此基础上，结合知识蒸馏对模型进行轻量化压缩，在硬件方面分层解耦架构屏蔽异构性，并引入多线程异步流水线，实现模型运行时推理优化，提升嵌入式平台上的语义分割实时性。实验结果表明，MFFPNet仅需更新9.4 M参数，约占模型总参数量的10.4%，在MFNet数据集上平均交并比(mIoU)达到63.3%，较基准方法提高1.9%，在NYUDv2数据集上mIoU达到60.6%，方法在精度与轻量化之间取得了较优平衡；轻量化变体MFFPNet-MFNet数据集上，以教师模型约20.0%的总参数量，保留其约88.8%的性能；所提运行时优化策略在3种异构硬件平台上将吞吐量提升了21.7%～40.9%，满足了主流商用嵌入式平台与国产自主平台的实时部署需求。
语义分割是计算机视觉中场景理解的重要组成部分，然而传统方法大多基于可见光图像，在低亮度、强光照与遮挡等场景中性能急剧下降。尽管多模态融合能有效增强模型鲁棒性，现有方法普遍采用双支路网络架构，大幅增加模型参数量，难以部署在算力受限的嵌入式平台。针对上述问题，该文提出基于多模态特征融合提示网络的语义分割模型(MFFPNet)。该模型采用单支路骨干架构，引入轻量级动态视觉提示模块，将热红外或深度信息编码为动态提示向量，通过注意力机制注入预训练骨干网络，实现跨模态信息的高效交互。在此基础上，结合知识蒸馏对模型进行轻量化压缩，在硬件方面分层解耦架构屏蔽异构性，并引入多线程异步流水线，实现模型运行时推理优化，提升嵌入式平台上的语义分割实时性。实验结果表明，MFFPNet仅需更新9.4 M参数，约占模型总参数量的10.4%，在MFNet数据集上平均交并比(mIoU)达到63.3%，较基准方法提高1.9%，在NYUDv2数据集上mIoU达到60.6%，方法在精度与轻量化之间取得了较优平衡；轻量化变体MFFPNet-MFNet数据集上，以教师模型约20.0%的总参数量，保留其约88.8%的性能；所提运行时优化策略在3种异构硬件平台上将吞吐量提升了21.7%～40.9%，满足了主流商用嵌入式平台与国产自主平台的实时部署需求。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260277
摘要:
随着车辆规模的持续扩大，车联网的应用日益广泛。车联网用户普遍将加密数据外包至云服务器，同时动态可搜索对称加密(DSSE)为解决加密数据动态更新与搜索提供了一种有效的手段。然而，传统的DSSE方案在实际应用中仍面临若干问题。一方面，DSSE无法同时支持多用户场景与搜索结果可验证。另一方面，DSSE还应实现前向与后向隐私从而保护敏感数据。此外，在设计方案时也需要考虑恶意用户与云服务器的合谋攻击风险与方案鲁棒性。因此，该文提出适用于车联网的抗合谋攻击的鲁棒动态可搜索对称加密方案(RDSSE-CR)。该方案通过双位图索引与布尔电路，构建了同时满足前后向隐私与鲁棒性的DSSE框架。同时，该文采用基于身份的密钥封装机制以适用于可能存在恶意用户与不可信云服务器合谋的多用户场景，该机制显著降低数据拥有者端的存储开销。此外，云服务器返回搜索结果的同时须根据验证标签提供工作量证明，以实现搜索结果完整性和正确性的有效验证。安全性分析证明RDSSE-CR方案实现了自适应安全性。性能分析表明，与现有同类方案相比，该方案在存储开销方面具有显著优势，在实现更多功能的同时仍保持了较高的运行效率，因而更加适用于车联网应用场景。
随着车辆规模的持续扩大，车联网的应用日益广泛。车联网用户普遍将加密数据外包至云服务器，同时动态可搜索对称加密(DSSE)为解决加密数据动态更新与搜索提供了一种有效的手段。然而，传统的DSSE方案在实际应用中仍面临若干问题。一方面，DSSE无法同时支持多用户场景与搜索结果可验证。另一方面，DSSE还应实现前向与后向隐私从而保护敏感数据。此外，在设计方案时也需要考虑恶意用户与云服务器的合谋攻击风险与方案鲁棒性。因此，该文提出适用于车联网的抗合谋攻击的鲁棒动态可搜索对称加密方案(RDSSE-CR)。该方案通过双位图索引与布尔电路，构建了同时满足前后向隐私与鲁棒性的DSSE框架。同时，该文采用基于身份的密钥封装机制以适用于可能存在恶意用户与不可信云服务器合谋的多用户场景，该机制显著降低数据拥有者端的存储开销。此外，云服务器返回搜索结果的同时须根据验证标签提供工作量证明，以实现搜索结果完整性和正确性的有效验证。安全性分析证明RDSSE-CR方案实现了自适应安全性。性能分析表明，与现有同类方案相比，该方案在存储开销方面具有显著优势，在实现更多功能的同时仍保持了较高的运行效率，因而更加适用于车联网应用场景。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260490
摘要:
针对复杂无线信道下无人机灾害图像传输中存在的结构信息易损、弱细节退化以及保真度与感知质量难以兼顾等问题，提出一种语义驱动自适应联合信源信道编码方法(Semantic-Driven Adaptive Joint Source-Channel Coding, SDAJSCC)。该方法在编码端，构建多尺度语义与结构特征协同提取机制，增强灾害图像关键目标与弱结构细节的表征能力；在传输链路中，引入层级式信道—语义自适应调制与潜表示校正策略，提升时变衰落及非理想信道状态信息条件下的传输鲁棒性；在解码端，设计感知增强的保真—感知双分支重建架构，进一步提升复杂背景下主体结构与局部纹理的重建质量。实验结果表明，SDAJSCC在加性高斯白噪声、瑞利衰落及非理想信道状态信息条件下均获得稳定的综合性能增益；相较现有代表性联合信源信道编码方法，其峰值信噪比最高提高4.86 dB，并进一步提升了灾害关键区域重建质量、边缘连续性和高层内容一致性，推理速度达到34.5 帧/s。所提方法能够有效提升灾害关键结构保持能力与复杂信道鲁棒性，同时兼顾实时传输需求。
针对复杂无线信道下无人机灾害图像传输中存在的结构信息易损、弱细节退化以及保真度与感知质量难以兼顾等问题，提出一种语义驱动自适应联合信源信道编码方法(Semantic-Driven Adaptive Joint Source-Channel Coding, SDAJSCC)。该方法在编码端，构建多尺度语义与结构特征协同提取机制，增强灾害图像关键目标与弱结构细节的表征能力；在传输链路中，引入层级式信道—语义自适应调制与潜表示校正策略，提升时变衰落及非理想信道状态信息条件下的传输鲁棒性；在解码端，设计感知增强的保真—感知双分支重建架构，进一步提升复杂背景下主体结构与局部纹理的重建质量。实验结果表明，SDAJSCC在加性高斯白噪声、瑞利衰落及非理想信道状态信息条件下均获得稳定的综合性能增益；相较现有代表性联合信源信道编码方法，其峰值信噪比最高提高4.86 dB，并进一步提升了灾害关键区域重建质量、边缘连续性和高层内容一致性，推理速度达到34.5 帧/s。所提方法能够有效提升灾害关键结构保持能力与复杂信道鲁棒性，同时兼顾实时传输需求。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260926
摘要:
近年来，融合卷积神经网络(Convolutional Neural Networks, CNN)与脉冲神经网络(Spiking Neural Network, SNN)的脉冲卷积神经网络加速器在边缘智能中展现出显著优势。然而，现有设计多采用固定时间窗口(Time Windows, TW)执行积分迭代，难以适配不同任务的时序复杂度。本文提出一种基于可配置TW的低功耗混合硬件加速器架构。首先，基于不同任务的时空复杂度分析，提出可配置TW自定义指令集，减少推理延迟与计算开销；其次，构建支持零跳跃的数据复用计算阵列，并引入CNN/SNN多模式算子统一映射，提升计算资源利用率；最后，提出事件驱动执行机制与细粒度时钟门控策略，减少计算过程与数据传输过程中无效操作和冗余访存。在TSMC 28 nm工艺实现CNN/SNN混合加速器，芯片核心面积为0.75 mm2。在0.81 V供电电压和100 MHz工作频率下，该加速器面向MIT-BIH、N-TIDIGITS、N-MNIST、IMAGE-100和UniMiB SHAR等多类任务实现75.3%–98.4%的识别精度，最低单次推理能耗仅为147.78 nJ。与相关工作比较，所提出的可配置TW机制在保证识别精度的同时，可实现1.24×–30×的能耗降低，显著提升系统能效。
近年来，融合卷积神经网络(Convolutional Neural Networks, CNN)与脉冲神经网络(Spiking Neural Network, SNN)的脉冲卷积神经网络加速器在边缘智能中展现出显著优势。然而，现有设计多采用固定时间窗口(Time Windows, TW)执行积分迭代，难以适配不同任务的时序复杂度。本文提出一种基于可配置TW的低功耗混合硬件加速器架构。首先，基于不同任务的时空复杂度分析，提出可配置TW自定义指令集，减少推理延迟与计算开销；其次，构建支持零跳跃的数据复用计算阵列，并引入CNN/SNN多模式算子统一映射，提升计算资源利用率；最后，提出事件驱动执行机制与细粒度时钟门控策略，减少计算过程与数据传输过程中无效操作和冗余访存。在TSMC 28 nm工艺实现CNN/SNN混合加速器，芯片核心面积为0.75 mm2。在0.81 V供电电压和100 MHz工作频率下，该加速器面向MIT-BIH、N-TIDIGITS、N-MNIST、IMAGE-100和UniMiB SHAR等多类任务实现75.3%–98.4%的识别精度，最低单次推理能耗仅为147.78 nJ。与相关工作比较，所提出的可配置TW机制在保证识别精度的同时，可实现1.24×–30×的能耗降低，显著提升系统能效。
显示方式:
2026, 48(9): 3691-3704.
doi: 10.11999/JEIT260184
摘要:
面向第6代移动通信网络(6G)在超大规模连接、高可靠低时延等典型场景下的安全高效传输需求，语义隐蔽通信能够通过联合语义感知、语义压缩与隐蔽传输控制，在降低传输开销的同时实现信息的安全隐蔽传输，并提升低信噪比条件下的鲁棒性与资源利用率。此外，随着人工智能(AI)技术的快速发展，其具备的语义感知理解、智能决策优化与动态适应能力能够支撑语义重要性判别、自适应隐蔽策略优化以及语义驱动的智能隐蔽传输决策，为复杂动态场景下的智能语义隐蔽通信提供重要支撑。该文针对智能语义隐蔽通信展开综述。首先，介绍了语义通信、隐蔽通信以及语义隐蔽通信的基础概念。之后，探讨了人工智能赋能的智能语义隐蔽通信及其架构，并讨论了智能语义隐蔽通信的典型应用场景。然后，讨论了信道估计、频谱预测、波形设计等关键技术在智能语义隐蔽通信中的作用。最后，讨论了智能语义隐蔽通信面临的挑战和未来研究方向。
面向第6代移动通信网络(6G)在超大规模连接、高可靠低时延等典型场景下的安全高效传输需求，语义隐蔽通信能够通过联合语义感知、语义压缩与隐蔽传输控制，在降低传输开销的同时实现信息的安全隐蔽传输，并提升低信噪比条件下的鲁棒性与资源利用率。此外，随着人工智能(AI)技术的快速发展，其具备的语义感知理解、智能决策优化与动态适应能力能够支撑语义重要性判别、自适应隐蔽策略优化以及语义驱动的智能隐蔽传输决策，为复杂动态场景下的智能语义隐蔽通信提供重要支撑。该文针对智能语义隐蔽通信展开综述。首先，介绍了语义通信、隐蔽通信以及语义隐蔽通信的基础概念。之后，探讨了人工智能赋能的智能语义隐蔽通信及其架构，并讨论了智能语义隐蔽通信的典型应用场景。然后，讨论了信道估计、频谱预测、波形设计等关键技术在智能语义隐蔽通信中的作用。最后，讨论了智能语义隐蔽通信面临的挑战和未来研究方向。
2026, 48(9): 3705-3720.
doi: 10.11999/JEIT260177
摘要:
卫星隐蔽通信具有保护信息内容和隐藏通信行为的双重能力，已成为信息对抗和保障战略通信连续性的关键技术。该文全面综述卫星隐蔽通信的理论基础、关键技术现状及未来发展挑战。首先，基于Alice-Bob-Willie模型，深入分析卫星信道特性对隐蔽容量的影响机制，阐明多普勒频移等因素对隐蔽通信速率的制约关系，并探讨修正型平方根定律下的理论边界。其次，围绕天基、空基和地基3层协同架构，系统梳理信号伪装编码、波束成形、频谱分集、量子加密与人工智能辅助等核心技术，并总结抗监听与抗干扰的多层级防护机制。最后，结合当前典型安全威胁，探讨卫星隐蔽通信面临的主要挑战，展望低轨动态组网、非理想信道鲁棒传输、人工智能与量子技术深度融合等未来发展方向，为构建高安全性、强隐蔽性的空间通信网络提供理论依据和技术支撑。
卫星隐蔽通信具有保护信息内容和隐藏通信行为的双重能力，已成为信息对抗和保障战略通信连续性的关键技术。该文全面综述卫星隐蔽通信的理论基础、关键技术现状及未来发展挑战。首先，基于Alice-Bob-Willie模型，深入分析卫星信道特性对隐蔽容量的影响机制，阐明多普勒频移等因素对隐蔽通信速率的制约关系，并探讨修正型平方根定律下的理论边界。其次，围绕天基、空基和地基3层协同架构，系统梳理信号伪装编码、波束成形、频谱分集、量子加密与人工智能辅助等核心技术，并总结抗监听与抗干扰的多层级防护机制。最后，结合当前典型安全威胁，探讨卫星隐蔽通信面临的主要挑战，展望低轨动态组网、非理想信道鲁棒传输、人工智能与量子技术深度融合等未来发展方向，为构建高安全性、强隐蔽性的空间通信网络提供理论依据和技术支撑。
2026, 48(9): 3721-3729.
doi: 10.11999/JEIT260282
摘要:
随着通信网络安全需求的日益增长，隐蔽通信和量子通信领域技术研发不断演进。然而，当前隐蔽通信仍存在内生安全漏洞与信息泄露风险，且量子通信易受窃听干扰导致传输可靠性受限。因此，兼顾通信行为隐蔽与无条件安全的量子隐蔽通信成为近期研究热点。基于此，该文聚焦于量子隐蔽通信融合方案及应用场景展开综述。首先，介绍了隐蔽通信的原理与典型赋能技术。其次，介绍了量子通信协议与重要技术。进而，针对不同应用场景归纳出3类量子隐蔽通信融合方案：赋能融合方案、隐匿融合方案、共生融合方案。最后，该文提出了量子隐蔽通信的现有挑战与发展方向。该文对量子隐蔽通信的进一步发展，具有一定的推动作用与参考价值。
随着通信网络安全需求的日益增长，隐蔽通信和量子通信领域技术研发不断演进。然而，当前隐蔽通信仍存在内生安全漏洞与信息泄露风险，且量子通信易受窃听干扰导致传输可靠性受限。因此，兼顾通信行为隐蔽与无条件安全的量子隐蔽通信成为近期研究热点。基于此，该文聚焦于量子隐蔽通信融合方案及应用场景展开综述。首先，介绍了隐蔽通信的原理与典型赋能技术。其次，介绍了量子通信协议与重要技术。进而，针对不同应用场景归纳出3类量子隐蔽通信融合方案：赋能融合方案、隐匿融合方案、共生融合方案。最后，该文提出了量子隐蔽通信的现有挑战与发展方向。该文对量子隐蔽通信的进一步发展，具有一定的推动作用与参考价值。
2026, 48(9): 3730-3745.
doi: 10.11999/JEIT260348
摘要:
面向全球覆盖、高速移动、低延迟、高可靠的民用航空通信需求，近些年来正在蓬勃发展的非地面网络(NTN)显得愈加重要。在此背景下，该文回顾了面向民用航空的NTN技术发展历程，并追踪了国内外对民航NTN网络技术研究的最新动态。为了实现NTN网络更好服务我国民用航空这一美好愿景，分别介绍了NTN网络中的组网架构，接入和移动性管理以及新型资源管控等关键技术。首先建立了以低轨卫星与高空平台为枢纽的按需隔离的NTN组网框架，随后提出了以星历图为表征的接入和移动性管理技术，最后针对新型智能衍生的算存资源提出了面向民用航空的NTN网络资源管控方案。最后，该文也对面向民用航空的NTN网络关键技术的未来发展提出了展望。
面向全球覆盖、高速移动、低延迟、高可靠的民用航空通信需求，近些年来正在蓬勃发展的非地面网络(NTN)显得愈加重要。在此背景下，该文回顾了面向民用航空的NTN技术发展历程，并追踪了国内外对民航NTN网络技术研究的最新动态。为了实现NTN网络更好服务我国民用航空这一美好愿景，分别介绍了NTN网络中的组网架构，接入和移动性管理以及新型资源管控等关键技术。首先建立了以低轨卫星与高空平台为枢纽的按需隔离的NTN组网框架，随后提出了以星历图为表征的接入和移动性管理技术，最后针对新型智能衍生的算存资源提出了面向民用航空的NTN网络资源管控方案。最后，该文也对面向民用航空的NTN网络关键技术的未来发展提出了展望。
2026, 48(9): 3746-3756.
doi: 10.11999/JEIT260287
摘要:
针对物联网通信中通信距离短、覆盖能力差和信息泄露的问题，该文研究基于中继选择和模式选择的隐蔽通信系统。源节点通过中继与目的节点进行隐蔽信息传输，考虑中继分别工作在最优中继-半双工模式/全双工模式，最优中继-随机传输模式，最优传输模式-随机中继和最优中继-最优传输模式，在Nakagami-m衰落信道下推导非法监听者在半双工和全双工最优中继下的检测错误概率表达式，以及该通信系统在各传输方案下的传输中断概率和隐蔽速率的闭式表达式。结果表明检测阈值或干扰功率增大时，非法监听者检测隐蔽信息的能力减弱，检测错误概率增大并趋近于1；联合中继与模式选择方案在可靠性和隐蔽性方面始终表现最佳，在目标传输速率等于\begin{document}$ \text{6.5 bit/(s}\cdot \text{Hz)} $\end{document}
针对物联网通信中通信距离短、覆盖能力差和信息泄露的问题，该文研究基于中继选择和模式选择的隐蔽通信系统。源节点通过中继与目的节点进行隐蔽信息传输，考虑中继分别工作在最优中继-半双工模式/全双工模式，最优中继-随机传输模式，最优传输模式-随机中继和最优中继-最优传输模式，在Nakagami-m衰落信道下推导非法监听者在半双工和全双工最优中继下的检测错误概率表达式，以及该通信系统在各传输方案下的传输中断概率和隐蔽速率的闭式表达式。结果表明检测阈值或干扰功率增大时，非法监听者检测隐蔽信息的能力减弱，检测错误概率增大并趋近于1；联合中继与模式选择方案在可靠性和隐蔽性方面始终表现最佳，在目标传输速率等于
2026, 48(9): 3757-3767.
doi: 10.11999/JEIT260239
摘要:
无人机(UAV)因自身的机动性和按需覆盖能力，可作为空中基站实现空地之间的可见光通信(VLC)。然而，空地之间的通信链路暴露在开放环境中，这使得VLC容易受到数据窃听和恶意检测。针对此问题，从物理层安全和隐蔽通信的角度提出了面向UAV的VLC系统中的安全隐蔽传输策略。该策略在考虑隐蔽通信要求、照明目标要求、UAV发射功率和悬停高度限制的基础上，对UAV发射功率和部署高度进行了联合优化以最大化系统的保密容量。由于所构建的优化问题高度非凸，因此设计了基于粒子群优化的双层优化算法对该问题进行求解。仿真结果表明，所提算法能够较快收敛，并且相较于基准方案能够提高系统的保密性能。
无人机(UAV)因自身的机动性和按需覆盖能力，可作为空中基站实现空地之间的可见光通信(VLC)。然而，空地之间的通信链路暴露在开放环境中，这使得VLC容易受到数据窃听和恶意检测。针对此问题，从物理层安全和隐蔽通信的角度提出了面向UAV的VLC系统中的安全隐蔽传输策略。该策略在考虑隐蔽通信要求、照明目标要求、UAV发射功率和悬停高度限制的基础上，对UAV发射功率和部署高度进行了联合优化以最大化系统的保密容量。由于所构建的优化问题高度非凸，因此设计了基于粒子群优化的双层优化算法对该问题进行求解。仿真结果表明，所提算法能够较快收敛，并且相较于基准方案能够提高系统的保密性能。
2026, 48(9): 3768-3778.
doi: 10.11999/JEIT260217
摘要:
空天地一体化网络(SAGIN)通过低轨卫星(LEO)、无人机(UAV)与地面设备的协同，构建了面向计算密集型移动应用的高效融合架构。然而，由于无人机轨迹控制、任务卸载与资源分配之间存在强耦合关系，加之任务负载的动态性和不确定性，实现时延与能耗兼顾的高效任务卸载仍面临挑战。该文以任务完成时延与无人机飞行能耗的加权和最小化为优化目标，将优化问题建模为去中心化部分可观测马尔可夫决策过程(DEC-POMDP)，并提出一种任务预测增强的多智能体近端策略优化算法(PA-MAPPO)。该方法在多智能体强化学习框架中引入轻量化任务负载预测模块，以增强各智能体的前瞻性与协同决策能力，从而在动态SAGIN环境下实现无人机轨迹规划、任务卸载与计算资源分配的联合优化。仿真结果表明，所提算法能够有效降低系统综合成本，并在平均任务时延与无人机飞行能耗之间取得良好平衡。
空天地一体化网络(SAGIN)通过低轨卫星(LEO)、无人机(UAV)与地面设备的协同，构建了面向计算密集型移动应用的高效融合架构。然而，由于无人机轨迹控制、任务卸载与资源分配之间存在强耦合关系，加之任务负载的动态性和不确定性，实现时延与能耗兼顾的高效任务卸载仍面临挑战。该文以任务完成时延与无人机飞行能耗的加权和最小化为优化目标，将优化问题建模为去中心化部分可观测马尔可夫决策过程(DEC-POMDP)，并提出一种任务预测增强的多智能体近端策略优化算法(PA-MAPPO)。该方法在多智能体强化学习框架中引入轻量化任务负载预测模块，以增强各智能体的前瞻性与协同决策能力，从而在动态SAGIN环境下实现无人机轨迹规划、任务卸载与计算资源分配的联合优化。仿真结果表明，所提算法能够有效降低系统综合成本，并在平均任务时延与无人机飞行能耗之间取得良好平衡。
2026, 48(9): 3779-3789.
doi: 10.11999/JEIT260275
摘要:
针对低空无人机通感一体化(UAV-ISAC)系统中的数据到达量随机、机体抖动以及窃听威胁等问题，该文提出了一种基于队列稳定性约束的鲁棒安全波束成形算法。首先，构建以最小化系统长时隙平均发射功率为目标函数，以队列稳定性、安全通信速率下限、感知性能下限和发射功率上限为约束的长时隙队列稳定性优化问题。其次，由于长时隙优化问题难以直接求解，采用Lyapunov优化框架将长时隙随机性优化问题转化为前后时隙关联的短时隙优化问题；在短时隙优化中利用二阶泰勒展开对UAV机体抖动导致的通信链路角度误差进行近似处理，并提出一种基于惩罚连续凸逼近的鲁棒安全优化算法。仿真结果表明，所提算法与多种基准方案相比，可有效保障UAV-ISAC系统在抖动场景下的数据传输稳定性与安全性。
针对低空无人机通感一体化(UAV-ISAC)系统中的数据到达量随机、机体抖动以及窃听威胁等问题，该文提出了一种基于队列稳定性约束的鲁棒安全波束成形算法。首先，构建以最小化系统长时隙平均发射功率为目标函数，以队列稳定性、安全通信速率下限、感知性能下限和发射功率上限为约束的长时隙队列稳定性优化问题。其次，由于长时隙优化问题难以直接求解，采用Lyapunov优化框架将长时隙随机性优化问题转化为前后时隙关联的短时隙优化问题；在短时隙优化中利用二阶泰勒展开对UAV机体抖动导致的通信链路角度误差进行近似处理，并提出一种基于惩罚连续凸逼近的鲁棒安全优化算法。仿真结果表明，所提算法与多种基准方案相比，可有效保障UAV-ISAC系统在抖动场景下的数据传输稳定性与安全性。
2026, 48(9): 3790-3799.
doi: 10.11999/JEIT260119
摘要:
智能反射面(RIS)作为第6代移动通信中的关键技术之一，主要通过智能重构无线信道来改善通信的服务质量。然而，传统固定式RIS在面对非正对信号时存在角度失配损耗和高电路能耗问题，难以满足绿色通信的低功耗要求。该文研究一种基于可旋转混合式智能反射面(H-RIS)辅助的通信系统，旨在通过联合优化基站发射功率、子阵列开关状态、物理旋转角度及电子相移以解决机械旋转与开关控制下的下行通信资源分配问题，实现频谱效率与系统功耗的有效折中。针对该非凸的混合整数非线性规划(MINLP)优化问题，该文采用基于块坐标下降(BCD)的交替优化框架进行求解：首先，提出一种基于信道贡献度的排序策略以降低二元开关变量的搜索复杂度；其次，利用Dinkelbach算法将原分式目标函数转化为参数化减式形式进行功率优化；最后，通过黄金分割搜索法迭代求解旋转角度与电子相移。仿真结果表明，所提方案能根据用户位置灵活调整H-RIS的面板朝向与激活规模，在保证通信质量的同时，能够显著降低系统冗余功耗。
智能反射面(RIS)作为第6代移动通信中的关键技术之一，主要通过智能重构无线信道来改善通信的服务质量。然而，传统固定式RIS在面对非正对信号时存在角度失配损耗和高电路能耗问题，难以满足绿色通信的低功耗要求。该文研究一种基于可旋转混合式智能反射面(H-RIS)辅助的通信系统，旨在通过联合优化基站发射功率、子阵列开关状态、物理旋转角度及电子相移以解决机械旋转与开关控制下的下行通信资源分配问题，实现频谱效率与系统功耗的有效折中。针对该非凸的混合整数非线性规划(MINLP)优化问题，该文采用基于块坐标下降(BCD)的交替优化框架进行求解：首先，提出一种基于信道贡献度的排序策略以降低二元开关变量的搜索复杂度；其次，利用Dinkelbach算法将原分式目标函数转化为参数化减式形式进行功率优化；最后，通过黄金分割搜索法迭代求解旋转角度与电子相移。仿真结果表明，所提方案能根据用户位置灵活调整H-RIS的面板朝向与激活规模，在保证通信质量的同时，能够显著降低系统冗余功耗。
2026, 48(9): 3800-3810.
doi: 10.11999/JEIT260198
摘要:
针对深度学习侧信道分析(DL-SCA)模型评估中存在的维度单一、公平性不足以及与工程场景脱节的问题，该文提出一种基于系统工程的多维度场景化评估框架。该框架首先构建覆盖攻击效能、资源开销与环境适应性的层次化评估指标体系；其次，设计一种CRITIC-AHP混合多属性决策机制，融合数据驱动的客观赋权与场景导向的主观权重，实现评估与不同应用需求的精准匹配；在此基础上，定义多维度攻击性能指标，融合多维度信息，生成直观、可比的综合评分，为模型优选提供统一量化依据。基于ASCAD数据集的实验表明，所提框架在资源受限、高性能、高噪声及实时等典型场景下均能有效区分模型优势，如在资源受限场景中CNN综合评分最高(0.723)，在高噪声环境下CNN-LSTM表现最优(0.863)，显著提升了模型选型的科学性与可解释性。
针对深度学习侧信道分析(DL-SCA)模型评估中存在的维度单一、公平性不足以及与工程场景脱节的问题，该文提出一种基于系统工程的多维度场景化评估框架。该框架首先构建覆盖攻击效能、资源开销与环境适应性的层次化评估指标体系；其次，设计一种CRITIC-AHP混合多属性决策机制，融合数据驱动的客观赋权与场景导向的主观权重，实现评估与不同应用需求的精准匹配；在此基础上，定义多维度攻击性能指标，融合多维度信息，生成直观、可比的综合评分，为模型优选提供统一量化依据。基于ASCAD数据集的实验表明，所提框架在资源受限、高性能、高噪声及实时等典型场景下均能有效区分模型优势，如在资源受限场景中CNN综合评分最高(0.723)，在高噪声环境下CNN-LSTM表现最优(0.863)，显著提升了模型选型的科学性与可解释性。
2026, 48(9): 3811-3821.
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。
2026, 48(9): 3822-3832.
doi: 10.11999/JEIT260274
摘要:
空对地信道的精准预测是实现无人机通信链路自适应传输与高效资源调度的关键。然而，现有方法往往面临环境表征冗余、物理可解释性不足等问题。为此，该文提出一种无人机传播环境视觉信息辅助的毫米波空对地信道预测方法。首先，构建时空严格对齐的通信感知一体化数据集，实现视觉感知数据与信道参数的联合获取；其次，从RGB图像与深度图像中提取建筑物坐标、高度、体积和收发机距离等低维空间特征，以刻画传播环境的关键几何结构，并验证了空间特征与信道之间存在显著关联；最后，设计了Transformer与多层感知机融合网络，学习空间特征与路径损耗、接收功率及均方根时延扩展之间的非线性映射关系。实验结果表明，所提方法在3类信道参数预测任务上均优于对比模型，具有较高的预测精度和鲁棒性。
空对地信道的精准预测是实现无人机通信链路自适应传输与高效资源调度的关键。然而，现有方法往往面临环境表征冗余、物理可解释性不足等问题。为此，该文提出一种无人机传播环境视觉信息辅助的毫米波空对地信道预测方法。首先，构建时空严格对齐的通信感知一体化数据集，实现视觉感知数据与信道参数的联合获取；其次，从RGB图像与深度图像中提取建筑物坐标、高度、体积和收发机距离等低维空间特征，以刻画传播环境的关键几何结构，并验证了空间特征与信道之间存在显著关联；最后，设计了Transformer与多层感知机融合网络，学习空间特征与路径损耗、接收功率及均方根时延扩展之间的非线性映射关系。实验结果表明，所提方法在3类信道参数预测任务上均优于对比模型，具有较高的预测精度和鲁棒性。
2026, 48(9): 3833-3847.
doi: 10.11999/JEIT260289
摘要:
针对传统天然气能量计量方法在复杂工况下存在动态响应延迟、参数辨识困难、物理简化过度及抗干扰能力弱等问题，该文提出一种基于逆向混合建模的天然气能量计量数字孪生系统。系统以“算法-系统-场景”3层级架构为核心，整合热值、流量、能量机理模型与多源实时数据流，引入变分自编码器(VAE)实现无监督工况特征挖掘，结合动态贝叶斯网络与变分期望最大化(VEM)系统校准构建参数自矫正循环，解决传统模型对海量标注数据的依赖。集成超声波流量计、气相色谱仪等工业级设备，保障数据实时传输与闭环控制。覆盖动态压力波动、含氢混合气、多气源切换等核心工况，确保模型与实际应用高度适配。通过全尺寸工业级实验平台25周连续验证，结果表明，平均无故障工作时间(MTBF)≥4 100 h，能量计量误差≤0.25%，热值误差≤0.12%，流量示值误差≤0.2%。同时，系统通过工业以太网加密与权限分级控制满足安全需求，为智能管网优化与标准化集成提供工程支撑。
针对传统天然气能量计量方法在复杂工况下存在动态响应延迟、参数辨识困难、物理简化过度及抗干扰能力弱等问题，该文提出一种基于逆向混合建模的天然气能量计量数字孪生系统。系统以“算法-系统-场景”3层级架构为核心，整合热值、流量、能量机理模型与多源实时数据流，引入变分自编码器(VAE)实现无监督工况特征挖掘，结合动态贝叶斯网络与变分期望最大化(VEM)系统校准构建参数自矫正循环，解决传统模型对海量标注数据的依赖。集成超声波流量计、气相色谱仪等工业级设备，保障数据实时传输与闭环控制。覆盖动态压力波动、含氢混合气、多气源切换等核心工况，确保模型与实际应用高度适配。通过全尺寸工业级实验平台25周连续验证，结果表明，平均无故障工作时间(MTBF)≥4 100 h，能量计量误差≤0.25%，热值误差≤0.12%，流量示值误差≤0.2%。同时，系统通过工业以太网加密与权限分级控制满足安全需求，为智能管网优化与标准化集成提供工程支撑。
2026, 48(9): 3848-3857.
doi: 10.11999/JEIT260359
摘要:
针对具有批量到达特征的物联网(IoT)状态更新系统，该文以决策年龄(AuD)和决策失真(DaD)作为性能指标研究了系统决策的新鲜度和失真度。利用排队论，该文在批量大小服从一般分布的条件下推导得出平均AuD与平均DaD的解析表达式。在此基础上，考虑具有典型随机波动特征的几何分布批量大小，采用交替迭代优化算法对批到达率、平均批量大小和决策阈值进行联合优化，从而实现最小化平均AuD和平均DaD的加权和。仿真结果验证了理论分析的正确性。该研究发现，在一般分布的批量大小条件下，系统决策的新鲜度和失真度之间存在明显的权衡关系；在批量大小服从几何分布的典型场景下，该文所设计的算法能够在平均AuD和平均DaD之间实现帕累托最优权衡。
针对具有批量到达特征的物联网(IoT)状态更新系统，该文以决策年龄(AuD)和决策失真(DaD)作为性能指标研究了系统决策的新鲜度和失真度。利用排队论，该文在批量大小服从一般分布的条件下推导得出平均AuD与平均DaD的解析表达式。在此基础上，考虑具有典型随机波动特征的几何分布批量大小，采用交替迭代优化算法对批到达率、平均批量大小和决策阈值进行联合优化，从而实现最小化平均AuD和平均DaD的加权和。仿真结果验证了理论分析的正确性。该研究发现，在一般分布的批量大小条件下，系统决策的新鲜度和失真度之间存在明显的权衡关系；在批量大小服从几何分布的典型场景下，该文所设计的算法能够在平均AuD和平均DaD之间实现帕累托最优权衡。
2026, 48(9): 3858-3870.
doi: 10.11999/JEIT260263
摘要:
针对手机直连卫星(SD2D)系统对邻国边境国际移动通信(IMT)网络产生的同频下行干扰，该文推导了保护IMT终端和基站所需的功率通量密度(PFD)和等效功率通量密度(EPFD) 限值，并构建了动态仿真框架进行验证。仿真基于典型低轨星座，并按ITU-R推荐的信道传播、地物遮挡及天线辐射模型建立；综合考虑同频波束隔离、波束调度与建链策略等工程约束，采用分段搜索算法确定满足IMT保护要求的最小隔离距离及其对应的PFD/EPFD统计值。基线仿真及其稳定性验证结果表明，在I/N 门限–6 dB、百分位99.5%的保护准则下，典型系统 Starlink-1满足边境IMT终端/基站保护所需最小隔离距离的基线值为195 km/290 km，稳定性验证范围为195～210 km/290～300 km；Starlink-2对应基线值为272 km/420 km，稳定性验证范围为266～290 km/370～420 km。敏感性测试显示：地物遮挡可显著降低终端侧干扰并压缩所需隔离距离，但对基站侧影响有限；保护百分位仅改变从样本中提取“尾部事件”的统计口径；最低工作仰角、极化复用、同频波束数以及建链策略等参数会改变活跃波束的选择与分布，从而导致隔离距离呈现非线性甚至非单调变化。
针对手机直连卫星(SD2D)系统对邻国边境国际移动通信(IMT)网络产生的同频下行干扰，该文推导了保护IMT终端和基站所需的功率通量密度(PFD)和等效功率通量密度(EPFD) 限值，并构建了动态仿真框架进行验证。仿真基于典型低轨星座，并按ITU-R推荐的信道传播、地物遮挡及天线辐射模型建立；综合考虑同频波束隔离、波束调度与建链策略等工程约束，采用分段搜索算法确定满足IMT保护要求的最小隔离距离及其对应的PFD/EPFD统计值。基线仿真及其稳定性验证结果表明，在I/N 门限–6 dB、百分位99.5%的保护准则下，典型系统 Starlink-1满足边境IMT终端/基站保护所需最小隔离距离的基线值为195 km/290 km，稳定性验证范围为195～210 km/290～300 km；Starlink-2对应基线值为272 km/420 km，稳定性验证范围为266～290 km/370～420 km。敏感性测试显示：地物遮挡可显著降低终端侧干扰并压缩所需隔离距离，但对基站侧影响有限；保护百分位仅改变从样本中提取“尾部事件”的统计口径；最低工作仰角、极化复用、同频波束数以及建链策略等参数会改变活跃波束的选择与分布，从而导致隔离距离呈现非线性甚至非单调变化。
2026, 48(9): 3871-3883.
doi: 10.11999/JEIT260151
摘要:
在移动多站协同电子侦察场景中，观测站位置随时间变化使雷达辐射源信号的到达时间差(TDOA)呈现明显的时变特性。传统多站信号分选方法通常基于固定时差模型构建，当观测站运动发生运动时，难以准确表征到达时间差的演化过程，易引发雷达簇误分裂与增批现象，导致分选稳定性下降。针对上述问题，该文提出一种面向移动多站协同雷达信号分选的时差先验增量密度聚类方法。该方法首先对多站到达时间差观测数据进行在线微簇构建，并利用微簇之间的时空关联关系实现初始聚合成宏簇；在此基础上，根据观测站运动信息建立时差随时间变化的线性先验状态模型，采用卡尔曼滤波(KF)对宏簇的时差演化轨迹进行递推预测。预测得到的时差先验被引入增量聚类更新过程，通过构建时空联合得分函数约束新到样本与微簇的关联判定。在增量聚类更新过程中，基于预测得到的时差先验，结合双重马氏距离统计判据，对发生漂移的雷达簇进行合并，从而有效抑制雷达簇增批现象。仿真结果表明，在到达时间(TOA)测量误差为150 ns、干扰率为15%的移动多站场景下，所提方法的分选正确率达到96.5%。
在移动多站协同电子侦察场景中，观测站位置随时间变化使雷达辐射源信号的到达时间差(TDOA)呈现明显的时变特性。传统多站信号分选方法通常基于固定时差模型构建，当观测站运动发生运动时，难以准确表征到达时间差的演化过程，易引发雷达簇误分裂与增批现象，导致分选稳定性下降。针对上述问题，该文提出一种面向移动多站协同雷达信号分选的时差先验增量密度聚类方法。该方法首先对多站到达时间差观测数据进行在线微簇构建，并利用微簇之间的时空关联关系实现初始聚合成宏簇；在此基础上，根据观测站运动信息建立时差随时间变化的线性先验状态模型，采用卡尔曼滤波(KF)对宏簇的时差演化轨迹进行递推预测。预测得到的时差先验被引入增量聚类更新过程，通过构建时空联合得分函数约束新到样本与微簇的关联判定。在增量聚类更新过程中，基于预测得到的时差先验，结合双重马氏距离统计判据，对发生漂移的雷达簇进行合并，从而有效抑制雷达簇增批现象。仿真结果表明，在到达时间(TOA)测量误差为150 ns、干扰率为15%的移动多站场景下，所提方法的分选正确率达到96.5%。
2026, 48(9): 3884-3899.
doi: 10.11999/JEIT260373
摘要:
面对无人机集群和智能巡飞弹等大规模、高速度饱和攻击威胁带来的海量、突发且异质预警任务的严峻挑战，如何依托组网雷达设计可拓展的协同调度架构，释放防空预警体系抗饱和攻击潜力亟待解决。针对现有架构动态协同僵化和异质任务调度能力不足等局限，该文深入分析饱和攻击场景多雷达多目标多任务调度难题，将非凸的协同调度问题解耦为多维资源动态协同和自适应异质任务调度多阶段决策过程，通过针对性引入派单机制和分层强化学习，以可拓展性为目标提出了一种决策层次上融合了集中式动态目标分配和分布式异质任务调度的混合架构，并具体设计了执行-再派单认知闭环、目标派单算法和分层式指挥调度方法。仿真表明所提架构面对大规模高速度饱和攻击时，能实时动态协同组网雷达以调度搜索、确认和跟踪3类异质预警任务，并在适用处理规模、环境自适应能力、长期调度能力、可拓展性和可解释性等方面具有改进。
面对无人机集群和智能巡飞弹等大规模、高速度饱和攻击威胁带来的海量、突发且异质预警任务的严峻挑战，如何依托组网雷达设计可拓展的协同调度架构，释放防空预警体系抗饱和攻击潜力亟待解决。针对现有架构动态协同僵化和异质任务调度能力不足等局限，该文深入分析饱和攻击场景多雷达多目标多任务调度难题，将非凸的协同调度问题解耦为多维资源动态协同和自适应异质任务调度多阶段决策过程，通过针对性引入派单机制和分层强化学习，以可拓展性为目标提出了一种决策层次上融合了集中式动态目标分配和分布式异质任务调度的混合架构，并具体设计了执行-再派单认知闭环、目标派单算法和分层式指挥调度方法。仿真表明所提架构面对大规模高速度饱和攻击时，能实时动态协同组网雷达以调度搜索、确认和跟踪3类异质预警任务，并在适用处理规模、环境自适应能力、长期调度能力、可拓展性和可解释性等方面具有改进。
2026, 48(9): 3900-3911.
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。
2026, 48(9): 3912-3924.
doi: 10.11999/JEIT260240
摘要:
基于毫米波雷达的手势识别已经成为一种很有前景的人机交互方式并应用于多个领域。然而，大规模训练数据的不足严重阻碍了开发鲁棒和普适的深度学习模型，尤其在用户躺姿场景更为显著。现有的毫米波雷达数据生成方法由于缺乏足够的数据源而效果不佳。为此，该文提出了一种新颖的雷达数据生成系统VT2R，其利用视频或文本数据生成大规模逼真的雷达数据，解决了视频和文本到雷达数据的映射关系难构建的关键问题。VT2R由4个组件组成：视频特征编码网络、文本特征编码网络和雷达特征编码网络分别建模3种模态输入的特征表示，随后数据拟合与解码网络基于变分自编码器机制对潜在分布进行对齐与解码，从而生成逼真的大规模雷达数据。最后，在生成与自采数据集上进行了广泛的实验验证，结果表明VT2R在识别躺姿场景下的手势方面显著优于现有最先进方法。
基于毫米波雷达的手势识别已经成为一种很有前景的人机交互方式并应用于多个领域。然而，大规模训练数据的不足严重阻碍了开发鲁棒和普适的深度学习模型，尤其在用户躺姿场景更为显著。现有的毫米波雷达数据生成方法由于缺乏足够的数据源而效果不佳。为此，该文提出了一种新颖的雷达数据生成系统VT2R，其利用视频或文本数据生成大规模逼真的雷达数据，解决了视频和文本到雷达数据的映射关系难构建的关键问题。VT2R由4个组件组成：视频特征编码网络、文本特征编码网络和雷达特征编码网络分别建模3种模态输入的特征表示，随后数据拟合与解码网络基于变分自编码器机制对潜在分布进行对齐与解码，从而生成逼真的大规模雷达数据。最后，在生成与自采数据集上进行了广泛的实验验证，结果表明VT2R在识别躺姿场景下的手势方面显著优于现有最先进方法。
2026, 48(9): 3925-3934.
doi: 10.11999/JEIT260024
摘要:
针对非正交椭圆球面波函数(PSWFs)信号间相互干扰严重，传统检测方法难以有效分离干扰导致性能下降的难题，该文提出一种基于时序-空间特征自适应融合(ATSFF)的非正交PSWFs信号检测方法。该方法构建时序-空间双路径并行特征提取架构，分别提取信号的一维时序相关特征与二维空间结构特征，设计基于预测置信度的自适应概率加权融合机制实现特征互补增强。仿真结果表明，在误比特率为 4×10–5时，所提方法系统误码性能比交叉项检测方法提升约0.2 dB。
针对非正交椭圆球面波函数(PSWFs)信号间相互干扰严重，传统检测方法难以有效分离干扰导致性能下降的难题，该文提出一种基于时序-空间特征自适应融合(ATSFF)的非正交PSWFs信号检测方法。该方法构建时序-空间双路径并行特征提取架构，分别提取信号的一维时序相关特征与二维空间结构特征，设计基于预测置信度的自适应概率加权融合机制实现特征互补增强。仿真结果表明，在误比特率为 4×10–5时，所提方法系统误码性能比交叉项检测方法提升约0.2 dB。
2026, 48(9): 3935-3942.
doi: 10.11999/JEIT260392
摘要:
针对目标宽带电磁散射特性分析中待求频点阻抗矩阵重复计算、矩阵方程重复求解的问题，该文提出一种基于压缩感知框架的自适应交叉近似(ACA)驱动测量矩阵插值(MMI)的高效计算方法。该方法首先在最高频率点通过ACA提取主导行索引并全频段复用，实现测量矩阵确定性构建；其次采用MMI技术，通过少量采样频点的低维测量矩阵插值避免完整阻抗矩阵冗余计算；最后对插值后矩阵的远场组再次进行ACA分解，进一步加速矩阵向量积运算，实现传感矩阵的快速构建，将电流系数求解转换成压缩感知模型下超定方程的求解，实现待求频点电流快速求解。研究结果表明，该方法在保证计算精度的前提下，有效提高了测量矩阵的构造效率，显著降低插值的矩阵维数，大幅提升了目标宽带散射分析的效率。
针对目标宽带电磁散射特性分析中待求频点阻抗矩阵重复计算、矩阵方程重复求解的问题，该文提出一种基于压缩感知框架的自适应交叉近似(ACA)驱动测量矩阵插值(MMI)的高效计算方法。该方法首先在最高频率点通过ACA提取主导行索引并全频段复用，实现测量矩阵确定性构建；其次采用MMI技术，通过少量采样频点的低维测量矩阵插值避免完整阻抗矩阵冗余计算；最后对插值后矩阵的远场组再次进行ACA分解，进一步加速矩阵向量积运算，实现传感矩阵的快速构建，将电流系数求解转换成压缩感知模型下超定方程的求解，实现待求频点电流快速求解。研究结果表明，该方法在保证计算精度的前提下，有效提高了测量矩阵的构造效率，显著降低插值的矩阵维数，大幅提升了目标宽带散射分析的效率。
2026, 48(9): 3943-3953.
doi: 10.11999/JEIT260237
摘要:
针对野外生态监测录音数据中包括人为干扰声在内的背景噪声导致生物多样性声学指数失真问题，利用声学指数典型应用场景中人为干扰声通常具有的空域点声源和时域多线谱特征，结合对麦克风阵列空时二维频响起伏不敏感的依频声学多样性指数，该文提出一种基于间距互质子阵融合的空时自适应降噪方法，进而形成一种新的噪声鲁棒声学指数——自适应干扰对消依频声学多样性指数(AIC-FADI)。该方法采用3个麦克风构建两个间距较宽且互质的双元子阵组成非均匀线阵，两个子阵分别进行空时自适应白化滤波滤除平稳定向干扰，然后利用宽间距阵列的高空间分辨性质及间距互质子阵空时二维频响之间的空域混叠零陷交错特性，通过对两者输出信号的二值化时频谱进行逐点取大互补融合，重构生物声信号在干扰方向二维零陷之外的二值化时频分布结构特征，缓解无约束干扰对消导致的目标自消问题，使所提AIC-FADI的计算结果能在抑制定向干扰及其他背景噪声影响的同时，尽可能完整保留全空域生物声学信息的统计特征，从而推动声学指数的实际应用场景和时空覆盖范围实现实质性拓展。
针对野外生态监测录音数据中包括人为干扰声在内的背景噪声导致生物多样性声学指数失真问题，利用声学指数典型应用场景中人为干扰声通常具有的空域点声源和时域多线谱特征，结合对麦克风阵列空时二维频响起伏不敏感的依频声学多样性指数，该文提出一种基于间距互质子阵融合的空时自适应降噪方法，进而形成一种新的噪声鲁棒声学指数——自适应干扰对消依频声学多样性指数(AIC-FADI)。该方法采用3个麦克风构建两个间距较宽且互质的双元子阵组成非均匀线阵，两个子阵分别进行空时自适应白化滤波滤除平稳定向干扰，然后利用宽间距阵列的高空间分辨性质及间距互质子阵空时二维频响之间的空域混叠零陷交错特性，通过对两者输出信号的二值化时频谱进行逐点取大互补融合，重构生物声信号在干扰方向二维零陷之外的二值化时频分布结构特征，缓解无约束干扰对消导致的目标自消问题，使所提AIC-FADI的计算结果能在抑制定向干扰及其他背景噪声影响的同时，尽可能完整保留全空域生物声学信息的统计特征，从而推动声学指数的实际应用场景和时空覆盖范围实现实质性拓展。
2026, 48(9): 3954-3965.
doi: 10.11999/JEIT260335
摘要:
当前卫星遥感已成为国土资源普查和防灾减灾的关键工具，随着卫星制造和发射能力不断增强，卫星数量规模快速扩展，遥感星群任务规划显得尤为重要，星群任务规划算法面临从单星静态调度到星群动态协同的范式跃迁。星群任务规划需要根据各颗卫星轨道分布、载荷约束条件以及任务要求，为每颗卫星制定观测计划，实现星群整体观测效益最大化。然而当前学术界对遥感卫星星群任务规划算法测评尚未形成统一的量化标准，不同研究涉及的问题规模和场景跨度巨大，这使得跨论文的性能比较几乎不可能。该文提出面向遥感卫星星群任务规划算法的通用测评框架RSCMP-Bench，主要贡献体现为3个方面： 多场景标准任务库、多维效能评估指标体系、仿真与评测平台。通过开展基准测试，验证了RSCMP-Bench测试流程的可行性、可复现性及其对算法性能评估的区分能力。测评框架及运行环境已发布在天智杯在线平台，RSCMP-Bench旨在为领域建立类似大规模标注图像数据集(ImageNet)之于计算机视觉、通用语言理解评测集(GLUE)之于自然语言处理的统一基准，推动卫星任务规划算法从“孤立实验”走向“标准化竞技”，最终加速面向下一代智能遥感星群的规划技术突破。
当前卫星遥感已成为国土资源普查和防灾减灾的关键工具，随着卫星制造和发射能力不断增强，卫星数量规模快速扩展，遥感星群任务规划显得尤为重要，星群任务规划算法面临从单星静态调度到星群动态协同的范式跃迁。星群任务规划需要根据各颗卫星轨道分布、载荷约束条件以及任务要求，为每颗卫星制定观测计划，实现星群整体观测效益最大化。然而当前学术界对遥感卫星星群任务规划算法测评尚未形成统一的量化标准，不同研究涉及的问题规模和场景跨度巨大，这使得跨论文的性能比较几乎不可能。该文提出面向遥感卫星星群任务规划算法的通用测评框架RSCMP-Bench，主要贡献体现为3个方面： 多场景标准任务库、多维效能评估指标体系、仿真与评测平台。通过开展基准测试，验证了RSCMP-Bench测试流程的可行性、可复现性及其对算法性能评估的区分能力。测评框架及运行环境已发布在天智杯在线平台，RSCMP-Bench旨在为领域建立类似大规模标注图像数据集(ImageNet)之于计算机视觉、通用语言理解评测集(GLUE)之于自然语言处理的统一基准，推动卫星任务规划算法从“孤立实验”走向“标准化竞技”，最终加速面向下一代智能遥感星群的规划技术突破。
2026, 48(9): 3966-3976.
doi: 10.11999/JEIT260317
摘要:
面对遥感影像中广泛分布的小目标，现有遥感影像目标检测方法仍面临严峻挑战，检测精度尚显不足。遥感影像小目标检测核心瓶颈在于小目标正样本匮乏与特征表示弱两大问题。因此，该文提出一种跨域协同增强的遥感影像小目标检测方法(CDCEDet)，通过在空间域优化小目标标签分配，在频域提高小目标特征表示，以提升小目标检测性能。具体而言，该文首先设计尺度自适应锚框生成器，依据目标空间分布与几何尺度特性动态生成匹配锚框集合，有效缓解了锚框与小目标之间的尺度失配问题，显著提升了小目标正样本数量。在此基础上，提出分位数自适应标签分配机制，通过建模每个目标与其对应锚框的交并比统计分布动态调整标签分配阈值，有效缓解了固定阈值标签分配下的尺度偏差问题。此外，针对小目标特征表示弱的问题，从频域视角出发，构建频率自适应融合模块，利用自适应高通滤波器以增强小目标细节信息，并结合自适应低通滤波器维持上采样后小目标内部特征的语义一致性，从而提升小目标的特征表示能力。实验结果表明，在AI-TODv2数据集上，所提方法在AP50和AP50-95指标上较现有最优方法提升1.8%和0.7%；在AI-TOD-R数据集上，两项指标分别提升2.6%和0.7%，展现出良好的小目标检测能力和泛化能力。
面对遥感影像中广泛分布的小目标，现有遥感影像目标检测方法仍面临严峻挑战，检测精度尚显不足。遥感影像小目标检测核心瓶颈在于小目标正样本匮乏与特征表示弱两大问题。因此，该文提出一种跨域协同增强的遥感影像小目标检测方法(CDCEDet)，通过在空间域优化小目标标签分配，在频域提高小目标特征表示，以提升小目标检测性能。具体而言，该文首先设计尺度自适应锚框生成器，依据目标空间分布与几何尺度特性动态生成匹配锚框集合，有效缓解了锚框与小目标之间的尺度失配问题，显著提升了小目标正样本数量。在此基础上，提出分位数自适应标签分配机制，通过建模每个目标与其对应锚框的交并比统计分布动态调整标签分配阈值，有效缓解了固定阈值标签分配下的尺度偏差问题。此外，针对小目标特征表示弱的问题，从频域视角出发，构建频率自适应融合模块，利用自适应高通滤波器以增强小目标细节信息，并结合自适应低通滤波器维持上采样后小目标内部特征的语义一致性，从而提升小目标的特征表示能力。实验结果表明，在AI-TODv2数据集上，所提方法在AP50和AP50-95指标上较现有最优方法提升1.8%和0.7%；在AI-TOD-R数据集上，两项指标分别提升2.6%和0.7%，展现出良好的小目标检测能力和泛化能力。
2026, 48(9): 3977-3986.
doi: 10.11999/JEIT260357
摘要:
针对动态环境下无人机集群避障过程中出现的行为模式切换不连续和控制抖振的问题，该文提出一种多稳态势能场驱动的无人机集群相变避障方法。该方法基于局部环境风险感知构建全局风险共识机制，并通过非线性映射生成形态因子作为集群行为演化的序参量；进一步构建包含编队势、避障势与导航势的统一时变势能场模型，通过形态因子驱动势能场的连续重构，使集群不同相态对应于势能场中的多稳态势阱，设计了基于势能场负梯度的分布式一致性控制律，引入阻尼项耗散系统动能，从而将集群行为变化刻画为势能场稳态结构的连续相变过程。仿真结果表明，相较阈值切换法，集群控制输入变化率降低约26%，控制峰值降低约18%。相较仿生分流方法，平均恢复时间缩短约16%，表明所提方法在动态环境下能够实现行为模式的连续演化与平滑控制，有效抑制抖振并提升集群整体稳定性与协同效率。
针对动态环境下无人机集群避障过程中出现的行为模式切换不连续和控制抖振的问题，该文提出一种多稳态势能场驱动的无人机集群相变避障方法。该方法基于局部环境风险感知构建全局风险共识机制，并通过非线性映射生成形态因子作为集群行为演化的序参量；进一步构建包含编队势、避障势与导航势的统一时变势能场模型，通过形态因子驱动势能场的连续重构，使集群不同相态对应于势能场中的多稳态势阱，设计了基于势能场负梯度的分布式一致性控制律，引入阻尼项耗散系统动能，从而将集群行为变化刻画为势能场稳态结构的连续相变过程。仿真结果表明，相较阈值切换法，集群控制输入变化率降低约26%，控制峰值降低约18%。相较仿生分流方法，平均恢复时间缩短约16%，表明所提方法在动态环境下能够实现行为模式的连续演化与平滑控制，有效抑制抖振并提升集群整体稳定性与协同效率。
2026, 48(9): 3987-3998.
doi: 10.11999/JEIT260188
摘要:
面向长航时固定翼无人机推进系统关键状态预测的工程应用需求，该文优化设计出一种融合多尺度嵌入与分组通道注意力的时序卷积模型(Grouped Squeeze-and-Excitation Multi-Scale Temporal Convolutional Networks, GEMS-TCN)。该模型采用多尺度嵌入层自适应提取短期波动与长期趋势的混合时序表征，通过分组通道注意力实现变量内与跨变量特征的层次化加权。基于实飞数据集的实验结果表明，GEMS-TCN在推进系统16维关键状态的单步预测精度优越，测试集中平均绝对误差(Mean Absolute Error, MAE)、均方误差(Mean Squared Error, MSE)分别达到0.171, 0.069，且在不同特征及昼夜工况下均保持一致的精度优势，为固定翼无人机推进系统多维状态预测提供了切实可行且性能优异的实现方案。
面向长航时固定翼无人机推进系统关键状态预测的工程应用需求，该文优化设计出一种融合多尺度嵌入与分组通道注意力的时序卷积模型(Grouped Squeeze-and-Excitation Multi-Scale Temporal Convolutional Networks, GEMS-TCN)。该模型采用多尺度嵌入层自适应提取短期波动与长期趋势的混合时序表征，通过分组通道注意力实现变量内与跨变量特征的层次化加权。基于实飞数据集的实验结果表明，GEMS-TCN在推进系统16维关键状态的单步预测精度优越，测试集中平均绝对误差(Mean Absolute Error, MAE)、均方误差(Mean Squared Error, MSE)分别达到0.171, 0.069，且在不同特征及昼夜工况下均保持一致的精度优势，为固定翼无人机推进系统多维状态预测提供了切实可行且性能优异的实现方案。
2026, 48(9): 3999-4009.
doi: 10.11999/JEIT260267
摘要:
在智能家居场景中，WiFi网络将多个物联网(IoT)设备相连，为实现室内被动人体跟踪提供了新路径。然而，多链路跟踪需要考虑信号融合、设备自定位等问题。为此，该文提出一种适用于商用WiFi的多链路协同跟踪方法。针对商用网卡的测量信号噪声，该方法首先进行信号预处理，从高维的原始信道状态信息(CSI)数据中提取多普勒频移(DFS)。随后，对多链路DFS进行融合，以实现协同跟踪。该方法在没有WiFi设备位置先验知识的条件下也能实现设备自定位，为跟踪算法提供输入。最后，该文搭建了一个多发单收网络结构的原型验证系统，在未知设备位置的情况下实现了小于50 cm的中位跟踪误差，相比传统方法提升了约70%。在复杂场景的测试中表明，该系统能达到亚米级的跟踪精度，对设备位置误差具有鲁棒性，并显示出一定实时运行潜力。
在智能家居场景中，WiFi网络将多个物联网(IoT)设备相连，为实现室内被动人体跟踪提供了新路径。然而，多链路跟踪需要考虑信号融合、设备自定位等问题。为此，该文提出一种适用于商用WiFi的多链路协同跟踪方法。针对商用网卡的测量信号噪声，该方法首先进行信号预处理，从高维的原始信道状态信息(CSI)数据中提取多普勒频移(DFS)。随后，对多链路DFS进行融合，以实现协同跟踪。该方法在没有WiFi设备位置先验知识的条件下也能实现设备自定位，为跟踪算法提供输入。最后，该文搭建了一个多发单收网络结构的原型验证系统，在未知设备位置的情况下实现了小于50 cm的中位跟踪误差，相比传统方法提升了约70%。在复杂场景的测试中表明，该系统能达到亚米级的跟踪精度，对设备位置误差具有鲁棒性，并显示出一定实时运行潜力。
2026, 48(9): 4010-4021.
doi: 10.11999/JEIT260327
摘要:
针对甲骨文识别场景中普遍存在的类别长尾分布问题，以及现有方法难以兼顾头部类别判别力与尾部稀缺样本识别性能的技术瓶颈，该文提出一种两阶段解耦学习方法。第1阶段结合混合数据增强与标签分布感知间隔损失，学习全局泛化的特征空间并构建鲁棒决策边界；第2阶段冻结骨干网络，提出基于类别识别难度的自适应采样策略，结合类别加权损失优化分类器，通过动态分配采样权重聚焦尾部与困难类别，实现头部与尾部类别识别性能的协同提升。在OBC306公开数据集上的实验结果表明，该文方法总识别准确率达94.34%，平均识别准确率达89.89%，综合性能优于主流方法，可为低资源古文字识别提供技术支撑。
针对甲骨文识别场景中普遍存在的类别长尾分布问题，以及现有方法难以兼顾头部类别判别力与尾部稀缺样本识别性能的技术瓶颈，该文提出一种两阶段解耦学习方法。第1阶段结合混合数据增强与标签分布感知间隔损失，学习全局泛化的特征空间并构建鲁棒决策边界；第2阶段冻结骨干网络，提出基于类别识别难度的自适应采样策略，结合类别加权损失优化分类器，通过动态分配采样权重聚焦尾部与困难类别，实现头部与尾部类别识别性能的协同提升。在OBC306公开数据集上的实验结果表明，该文方法总识别准确率达94.34%，平均识别准确率达89.89%，综合性能优于主流方法，可为低资源古文字识别提供技术支撑。
2026, 48(9): 4022-4034.
doi: 10.11999/JEIT260234
摘要:
闪电临近预报对气象预警与设施安全至关重要。然而，现有深度学习方法常受限于数据的极端稀疏性，且预测目标多为二值落区而非频次与区域的协同优化。该文提出一种多任务临近预报模型——时空聚焦感知与协同加权损失网络(STF-Net)，实现闪电频次与区域的联合预测。首先，设计闪电自适应注意力模块(LAAM)，显式建模长程时空依赖并精准聚焦对流敏感区；其次，构建时空加权混合损失函数，联合优化时间加权均方误差与双重加权交叉熵(DWCE)，以有效抑制极端稀疏分布诱发的优化偏误与虚警；最后，引入时空双分支生成对抗机制，提升预测场的细节保真度与时序连贯性。基于高分辨率甚低频闪电数据集的实验表明，STF-Net在1 h预报窗口内的临界成功指数(CSI)达0.663，较基线提升14.5%，虚警率(FAR)显著降至0.216，有效缓解了长时效预报的性能衰减。该研究为业务化闪电预警系统提供了一种高效、具备稀疏自适应能力的端到端解决方案。
闪电临近预报对气象预警与设施安全至关重要。然而，现有深度学习方法常受限于数据的极端稀疏性，且预测目标多为二值落区而非频次与区域的协同优化。该文提出一种多任务临近预报模型——时空聚焦感知与协同加权损失网络(STF-Net)，实现闪电频次与区域的联合预测。首先，设计闪电自适应注意力模块(LAAM)，显式建模长程时空依赖并精准聚焦对流敏感区；其次，构建时空加权混合损失函数，联合优化时间加权均方误差与双重加权交叉熵(DWCE)，以有效抑制极端稀疏分布诱发的优化偏误与虚警；最后，引入时空双分支生成对抗机制，提升预测场的细节保真度与时序连贯性。基于高分辨率甚低频闪电数据集的实验表明，STF-Net在1 h预报窗口内的临界成功指数(CSI)达0.663，较基线提升14.5%，虚警率(FAR)显著降至0.216，有效缓解了长时效预报的性能衰减。该研究为业务化闪电预警系统提供了一种高效、具备稀疏自适应能力的端到端解决方案。
2026, 48(9): 4035-4047.
doi: 10.11999/JEIT260214
摘要:
针对低信噪比环境下射频指纹特征易被噪声掩盖、多径效应引发非线性失真，以及现有方法在特征提取与未知设备检测能力上的不足，该文提出一种结合多尺度小波与超球面表示的射频指纹开集识别方法。首先，设计基于一维平稳小波变换的多尺度特征提取前端，实现对I/Q信号的全分辨率、多尺度分解，为后续网络提供高判别性输入。其次，构建多尺度残差注意力网络，融合深度残差学习、全局自注意力机制与双向长短时记忆网络，增强模型对微弱指纹特征的感知能力与长程时序依赖建模能力。最后，引入超球面度量学习，将特征空间约束至单位超球面，通过优化角度间隔构建类内紧凑、类间可分离的特征分布，并基于余弦相似度实现未知设备的有效检测。在基于IEEE 802.11协议的高保真仿真数据集上的实验结果表明，所提方法在–5～20 dB信噪比范围内均能保持较高的开集识别准确率，平均分类准确率达65.34%，在–5 dB低信噪比下曲线下面积(AUC)达0.81，显著优于现有对比方法，验证了其在极端恶劣信道环境下的鲁棒性与有效性。
针对低信噪比环境下射频指纹特征易被噪声掩盖、多径效应引发非线性失真，以及现有方法在特征提取与未知设备检测能力上的不足，该文提出一种结合多尺度小波与超球面表示的射频指纹开集识别方法。首先，设计基于一维平稳小波变换的多尺度特征提取前端，实现对I/Q信号的全分辨率、多尺度分解，为后续网络提供高判别性输入。其次，构建多尺度残差注意力网络，融合深度残差学习、全局自注意力机制与双向长短时记忆网络，增强模型对微弱指纹特征的感知能力与长程时序依赖建模能力。最后，引入超球面度量学习，将特征空间约束至单位超球面，通过优化角度间隔构建类内紧凑、类间可分离的特征分布，并基于余弦相似度实现未知设备的有效检测。在基于IEEE 802.11协议的高保真仿真数据集上的实验结果表明，所提方法在–5～20 dB信噪比范围内均能保持较高的开集识别准确率，平均分类准确率达65.34%，在–5 dB低信噪比下曲线下面积(AUC)达0.81，显著优于现有对比方法，验证了其在极端恶劣信道环境下的鲁棒性与有效性。
2026, 48(9): 4048-4058.
doi: 10.11999/JEIT260330
摘要:
针对现有基于心脏电影磁共振成像的瘢痕心肌分型方法中运动表征过于离散化且多模态融合机制难以挖掘深层病理关联的问题，该文提出一种基于运动引导纹理学习的瘢痕心肌分型方法(MGTNet)。该方法旨在通过精细化的运动场先验主动引导纹理特征的提取，实现运动与纹理的深度协同。首先引入流体力学中的雷诺分解思想构建雷诺分解运动网络，将心肌运动场解耦为规律性的平均运动与异常性的脉动运动以捕捉微小的运动异常。其次设计运动引导注意力模块，以提炼后的运动特征作为查询向量，通过交叉注意力机制定向增强纹理特征对病灶区域的感知能力。最后结合帧间运动交互与帧内纹理提取模块，实现端到端的精确分型。在CMRD与公开的ACDC数据集上的实验结果表明，该方法在各项关键指标上均优于现有的单模态及多模态融合方法。具体而言，MGTNet在两个数据集上的准确率分别达到95.6%和97.3%，AUC值均超过0.960。相比于基线网络运动与纹理网络(MTNet)，该方法在准确率和F1分数上最高分别提升了1.4%和2.3%。结果证实MGTNet通过利用运动先验信息引导纹理特征提取的策略，有效提升了瘢痕心肌的无创诊断精度。
针对现有基于心脏电影磁共振成像的瘢痕心肌分型方法中运动表征过于离散化且多模态融合机制难以挖掘深层病理关联的问题，该文提出一种基于运动引导纹理学习的瘢痕心肌分型方法(MGTNet)。该方法旨在通过精细化的运动场先验主动引导纹理特征的提取，实现运动与纹理的深度协同。首先引入流体力学中的雷诺分解思想构建雷诺分解运动网络，将心肌运动场解耦为规律性的平均运动与异常性的脉动运动以捕捉微小的运动异常。其次设计运动引导注意力模块，以提炼后的运动特征作为查询向量，通过交叉注意力机制定向增强纹理特征对病灶区域的感知能力。最后结合帧间运动交互与帧内纹理提取模块，实现端到端的精确分型。在CMRD与公开的ACDC数据集上的实验结果表明，该方法在各项关键指标上均优于现有的单模态及多模态融合方法。具体而言，MGTNet在两个数据集上的准确率分别达到95.6%和97.3%，AUC值均超过0.960。相比于基线网络运动与纹理网络(MTNet)，该方法在准确率和F1分数上最高分别提升了1.4%和2.3%。结果证实MGTNet通过利用运动先验信息引导纹理特征提取的策略，有效提升了瘢痕心肌的无创诊断精度。
2026, 48(9): 4059-4070.
doi: 10.11999/JEIT260121
摘要:
为解决侧信道安全领域暂无系统化攻防策略选择模型的现状，该文通过引入行为经济学和层次分析法，构建了一种侧信道攻防策略结构化成本量化模型。首先，从博弈论基本要素出发，将侧信道分析者与防护设计者映射为博弈双方，建立策略空间与收益函数。随后，提出基于层次分析法的成本量化框架，通过构建多维度判断矩阵，系统量化攻防策略的客观成本，克服传统主观赋值法的随意性与不可复现性。在此基础上，创新性地引入前景理论和风险规避理论，建立不完全信息静态博弈模型，并采用贝叶斯-纳什均衡求解最优策略。进一步结合安全工程ALARP原则，提出安全等级依赖的动态决策模型。结果表明，该模型能够为不同安全等级的场景提供基于风险偏好和成本效益原则量化的策略选择指导，明确识别出资产价值与防护强度的非线性临界关系，有效实现防护强度与资产价值的自适应匹配。通过构建“心理-经济-工程”三重维度的决策框架，不仅为侧信道攻防策略选择提供了首个系统化、可复现的理论模型，也为密码模块的“适度安全”设计提供了跨学科的量化决策依据。
为解决侧信道安全领域暂无系统化攻防策略选择模型的现状，该文通过引入行为经济学和层次分析法，构建了一种侧信道攻防策略结构化成本量化模型。首先，从博弈论基本要素出发，将侧信道分析者与防护设计者映射为博弈双方，建立策略空间与收益函数。随后，提出基于层次分析法的成本量化框架，通过构建多维度判断矩阵，系统量化攻防策略的客观成本，克服传统主观赋值法的随意性与不可复现性。在此基础上，创新性地引入前景理论和风险规避理论，建立不完全信息静态博弈模型，并采用贝叶斯-纳什均衡求解最优策略。进一步结合安全工程ALARP原则，提出安全等级依赖的动态决策模型。结果表明，该模型能够为不同安全等级的场景提供基于风险偏好和成本效益原则量化的策略选择指导，明确识别出资产价值与防护强度的非线性临界关系，有效实现防护强度与资产价值的自适应匹配。通过构建“心理-经济-工程”三重维度的决策框架，不仅为侧信道攻防策略选择提供了首个系统化、可复现的理论模型，也为密码模块的“适度安全”设计提供了跨学科的量化决策依据。
2026, 48(9): 4071-4080.
doi: 10.11999/JEIT260343
摘要:
电磁干扰(EMI)严重影响同步系统可靠性。现有5G方案采用全频带Zadoff-Chu(ZC)序列，在高密度接入场景下受限于正交码资源，面临明显的容量瓶颈。针对此挑战，该文提出一种跳频(FH)与ZC序列结合的方案。通过构造关于Peng-Fan-Lee界最优的多子集低碰撞区(LHZ)跳频序列集，利用其多子集结构为车联网局部簇同步资源划分提供序列支撑。仿真结果表明，在子带选择性阻塞干扰环境下，所提FH-ZC同步方案相较于全频带ZC基准方案具有更高的同步检测概率，同时，所提多子集按簇分配方式能够更好地适配局部簇同步场景的竞争结构，并在多用户并发条件下表现出更优的同步检测鲁棒性。
电磁干扰(EMI)严重影响同步系统可靠性。现有5G方案采用全频带Zadoff-Chu(ZC)序列，在高密度接入场景下受限于正交码资源，面临明显的容量瓶颈。针对此挑战，该文提出一种跳频(FH)与ZC序列结合的方案。通过构造关于Peng-Fan-Lee界最优的多子集低碰撞区(LHZ)跳频序列集，利用其多子集结构为车联网局部簇同步资源划分提供序列支撑。仿真结果表明，在子带选择性阻塞干扰环境下，所提FH-ZC同步方案相较于全频带ZC基准方案具有更高的同步检测概率，同时，所提多子集按簇分配方式能够更好地适配局部簇同步场景的竞争结构，并在多用户并发条件下表现出更优的同步检测鲁棒性。
2026, 48(9): 4081-4090.
doi: 10.11999/JEIT260152
摘要:
忆阻器门控循环单元 (GRU) 网络对于时序数据处理系统的嵌入式部署提供了新的解决途径，但是由于网络规模大、权值精度高，难以直接部署到嵌入式端侧设备。为此，该文对忆阻器轻量化GRU网络模型设计展开研究，构建能够部署在有限资源上的GRU网络模型，设计忆阻器交叉阵列的映射方式，提出基于性能分析与器件感知的融合量化方法，综合考虑网络性能与权值部署、激活函数计算的不同器件实现方式，使用权值对称量化、激活值非对称量化的策略对忆阻器GRU网络模型进行量化，采用权值加噪的方式提升网络模型对忆阻器件非理想因素的包容性。仿真实验表明，该文所设计的忆阻器GRU网络模型在公开的UrbanSound8K数据集上的分类准确率为93.94%，量化至6 bit后模型分类准确率为92.68%，相比全精度的Dilated Convolution, LM-MFCC+GRU及TFFS-DNN模型分别高出14.68%, 0.68%和3.94%，且权值加噪训练能够有效提升轻量化网络模型对忆阻器件非理想因素的适应能力。此外，还验证了该网络模型在真假轨迹判别任务上的性能，在自建的真假轨迹数据集上的分类准确率为97.35%，量化至6 bit后分类准确率仅下降0.84%。
忆阻器门控循环单元 (GRU) 网络对于时序数据处理系统的嵌入式部署提供了新的解决途径，但是由于网络规模大、权值精度高，难以直接部署到嵌入式端侧设备。为此，该文对忆阻器轻量化GRU网络模型设计展开研究，构建能够部署在有限资源上的GRU网络模型，设计忆阻器交叉阵列的映射方式，提出基于性能分析与器件感知的融合量化方法，综合考虑网络性能与权值部署、激活函数计算的不同器件实现方式，使用权值对称量化、激活值非对称量化的策略对忆阻器GRU网络模型进行量化，采用权值加噪的方式提升网络模型对忆阻器件非理想因素的包容性。仿真实验表明，该文所设计的忆阻器GRU网络模型在公开的UrbanSound8K数据集上的分类准确率为93.94%，量化至6 bit后模型分类准确率为92.68%，相比全精度的Dilated Convolution, LM-MFCC+GRU及TFFS-DNN模型分别高出14.68%, 0.68%和3.94%，且权值加噪训练能够有效提升轻量化网络模型对忆阻器件非理想因素的适应能力。此外，还验证了该网络模型在真假轨迹判别任务上的性能，在自建的真假轨迹数据集上的分类准确率为97.35%，量化至6 bit后分类准确率仅下降0.84%。
2026, 48(9): 4091-4104.
doi: 10.11999/JEIT260391
摘要:
Grain系列密码算法广泛应用于射频识别(RFID)、物联网等资源受限的硬件环境，但通用处理器(GPP)实现性能低，专用集成电路(ASIC)实现灵活性差且成本高。针对该问题，该文采用专用指令扩展方式，提出一种基于RISC-V协处理器的Grain密码算法可重构并行化实现方案。该方案分析Grain系列算法中线性反馈移位寄存器和非线性反馈移位寄存器结构共性与差异，采用相同移位寄存器架构与面向算法的抽头网络，设计可重构并行化实现架构及相应的扩展指令，可高效支持Grain-80, Grain-128, Grain-128a与Grain-128AEAD 4种算法，并行粒度1～8灵活可调。实验结果表明，与无指令扩展的软件实现相比，基于蜂鸟E203平台，该方案完成密码处理流程的时钟周期数与指令条数由数万级降至129个与53条，吞吐率由0.33～9.18 Mbit/(s·Hz)提升至约200 Mbit/(s·Hz)；硬件综合表明，该方案在65 nm工艺下面积为7252.55 μm2，吞吐率达1.56 Gbit/(s·Hz)，虽较单算法ASIC实现面积略有增加，但可在同一架构上支持4种算法。该文所提实现方案在灵活性、处理效率与硬件开销之间实现了良好平衡。
Grain系列密码算法广泛应用于射频识别(RFID)、物联网等资源受限的硬件环境，但通用处理器(GPP)实现性能低，专用集成电路(ASIC)实现灵活性差且成本高。针对该问题，该文采用专用指令扩展方式，提出一种基于RISC-V协处理器的Grain密码算法可重构并行化实现方案。该方案分析Grain系列算法中线性反馈移位寄存器和非线性反馈移位寄存器结构共性与差异，采用相同移位寄存器架构与面向算法的抽头网络，设计可重构并行化实现架构及相应的扩展指令，可高效支持Grain-80, Grain-128, Grain-128a与Grain-128AEAD 4种算法，并行粒度1～8灵活可调。实验结果表明，与无指令扩展的软件实现相比，基于蜂鸟E203平台，该方案完成密码处理流程的时钟周期数与指令条数由数万级降至129个与53条，吞吐率由0.33～9.18 Mbit/(s·Hz)提升至约200 Mbit/(s·Hz)；硬件综合表明，该方案在65 nm工艺下面积为
2026, 48(9): 4105-4116.
doi: 10.11999/JEIT260249
摘要:
物联网(IoT)设备通过移动边缘计算(MEC)技术将任务卸载到附近的MEC服务器以降低处理能耗和时延，多个MEC服务器在辅助单个移动用户处理计算任务时可通过共享信息实施联合推断攻击，带来更加严重的位置隐私泄露风险。因此，该文提出一种抗多服务器联合推断攻击的智能隐私感知计算卸载方法，构建一种基于差分隐私(DP)的任务卸载率扰动方案，通过增加卸载到不同MEC服务器任务量的随机性，实现保护用户位置隐私，同时使用隐私熵评估隐私保护程度；设计截断拉普拉斯机制约束扰动范围并证明其满足DP。此外，为了在隐私感知的计算卸载动态场景中实现系统效益最大化，提出一种基于异步优势演员-评论家(A3C)算法的抗多服务器联合推断攻击的智能隐私感知计算卸载(AIPCO)方案，利用多线程异步训练机制高效获取最优卸载决策。仿真结果表明所提方案相较于基准方案能够保障位置隐私，获得较高的系统效益。
物联网(IoT)设备通过移动边缘计算(MEC)技术将任务卸载到附近的MEC服务器以降低处理能耗和时延，多个MEC服务器在辅助单个移动用户处理计算任务时可通过共享信息实施联合推断攻击，带来更加严重的位置隐私泄露风险。因此，该文提出一种抗多服务器联合推断攻击的智能隐私感知计算卸载方法，构建一种基于差分隐私(DP)的任务卸载率扰动方案，通过增加卸载到不同MEC服务器任务量的随机性，实现保护用户位置隐私，同时使用隐私熵评估隐私保护程度；设计截断拉普拉斯机制约束扰动范围并证明其满足DP。此外，为了在隐私感知的计算卸载动态场景中实现系统效益最大化，提出一种基于异步优势演员-评论家(A3C)算法的抗多服务器联合推断攻击的智能隐私感知计算卸载(AIPCO)方案，利用多线程异步训练机制高效获取最优卸载决策。仿真结果表明所提方案相较于基准方案能够保障位置隐私，获得较高的系统效益。
2026, 48(9): 4117-4128.
doi: 10.11999/JEIT260413
摘要:
目前三值逻辑电路设计面临所需器件多、涉及无源元件以及与传统互补金属氧化物半导体(CMOS)工艺兼容性差等诸多挑战。对此，该文提出一种基于量子隧穿与漂移扩散机制相结合的新型隧穿-漂移扩散场效应晶体管(TDMOSFET)，该器件具有常数关态电流特性，适合于三值逻辑电路。该文分析了TDMOSFET工作原理，采用人工神经网络(ANN)对其建模，所建立ANN模型可以精确模拟器件电流-电压和电容-电压特性，预测精度高达99%。此外，将ANN模型转换为Verilog-A语言，嵌入到HSPICE工具中，仿真了基于TDMOSFET的标准三值反相器(STI)、负三值反相器(NTI)、正三值反相器(PTI)、三值与非门(T-NAND)及三值或非门(T-NOR)等基本单元电路，这些电路不涉及无源元件，可兼容于CMOS工艺，对于后续三值逻辑的研究具有重要参考意义。
目前三值逻辑电路设计面临所需器件多、涉及无源元件以及与传统互补金属氧化物半导体(CMOS)工艺兼容性差等诸多挑战。对此，该文提出一种基于量子隧穿与漂移扩散机制相结合的新型隧穿-漂移扩散场效应晶体管(TDMOSFET)，该器件具有常数关态电流特性，适合于三值逻辑电路。该文分析了TDMOSFET工作原理，采用人工神经网络(ANN)对其建模，所建立ANN模型可以精确模拟器件电流-电压和电容-电压特性，预测精度高达99%。此外，将ANN模型转换为Verilog-A语言，嵌入到HSPICE工具中，仿真了基于TDMOSFET的标准三值反相器(STI)、负三值反相器(NTI)、正三值反相器(PTI)、三值与非门(T-NAND)及三值或非门(T-NOR)等基本单元电路，这些电路不涉及无源元件，可兼容于CMOS工艺，对于后续三值逻辑的研究具有重要参考意义。
2026, 48(9): 4129-4138.
doi: 10.11999/JEIT260219
摘要:
细粒度图像识别任务中，模型需在类间差异较小的条件下，同时捕捉局部判别线索与全局结构特征，且在复杂背景、姿态变化及长尾数据分布下，仍能保持稳定的泛化性能。该文提出一种基于路由机制的多粒度专家集成模型(MG-MoE)，依托样本自适应条件计算机制，在可控推理开销内实现判别性能的提升。针对路由学习的稳定性与泛化性问题，提出两阶段优化策略。第1阶段为动态簇级训练，基于验证集统计构建簇级软教师分布，借助KL散度正则化稳定路由行为，推动专家间形成有效分工；第2阶段为残差微调，在保持特征驱动路由形式不变的前提下，按簇对Top-2专家的分类头进行解冻，并以分组学习率对门控与专家头联合微调，从而缓解专家融合偏差并增强模型对困难样本与长尾类别的判别能力。在CUB-200-2011与Bird-1445两个基准数据集上的实验结果表明，所提MG-MoE具有较好的有效性。其中，在CUB-200-2011上，MG-MoE取得了92.89%的准确率；在Bird-1445抽样集上，MG-MoE的准确率达到96.80%，均达到常见模型中的最佳准确率；消融分析进一步表明，受控的Top-2融合与4专家互补结构共同决定了性能上限，并在专家过少或同质扩展时呈现出可解释的退化规律。该研究为细粒度场景下的多粒度专家建模与路由训练提供了可复用的实现范式与分析框架。
细粒度图像识别任务中，模型需在类间差异较小的条件下，同时捕捉局部判别线索与全局结构特征，且在复杂背景、姿态变化及长尾数据分布下，仍能保持稳定的泛化性能。该文提出一种基于路由机制的多粒度专家集成模型(MG-MoE)，依托样本自适应条件计算机制，在可控推理开销内实现判别性能的提升。针对路由学习的稳定性与泛化性问题，提出两阶段优化策略。第1阶段为动态簇级训练，基于验证集统计构建簇级软教师分布，借助KL散度正则化稳定路由行为，推动专家间形成有效分工；第2阶段为残差微调，在保持特征驱动路由形式不变的前提下，按簇对Top-2专家的分类头进行解冻，并以分组学习率对门控与专家头联合微调，从而缓解专家融合偏差并增强模型对困难样本与长尾类别的判别能力。在CUB-200-2011与Bird-1445两个基准数据集上的实验结果表明，所提MG-MoE具有较好的有效性。其中，在CUB-200-2011上，MG-MoE取得了92.89%的准确率；在Bird-1445抽样集上，MG-MoE的准确率达到96.80%，均达到常见模型中的最佳准确率；消融分析进一步表明，受控的Top-2融合与4专家互补结构共同决定了性能上限，并在专家过少或同质扩展时呈现出可解释的退化规律。该研究为细粒度场景下的多粒度专家建模与路由训练提供了可复用的实现范式与分析框架。
2026, 48(9): 4139-4149.
doi: 10.11999/JEIT260163
摘要:
JESD204C串行(SerDes)接口作为高速芯片互连和边缘AI计算网络的核心器件，其链路初始化延迟长、同步过程功耗高等问题制约了系统实时性与能效。为此，该文提出一种基于迭代式集合筛查(ISS)的同步头(SH)检测方法，旨在提升检测效率。该方法利用同步头序列固有的极性翻转特性，构建并行筛查机制，动态压缩搜索空间，高效剔除无效候选位置，实现同步头的快速精准定位。所提电路已集成至JESD204C接收链路，并在FPGA平台完成验证。实验结果表明：对比典型方案，该设计将同步头锁定时间缩短70%，且检测时延对同步头的位置不敏感，同步过程稳定性与能效同步提升。
JESD204C串行(SerDes)接口作为高速芯片互连和边缘AI计算网络的核心器件，其链路初始化延迟长、同步过程功耗高等问题制约了系统实时性与能效。为此，该文提出一种基于迭代式集合筛查(ISS)的同步头(SH)检测方法，旨在提升检测效率。该方法利用同步头序列固有的极性翻转特性，构建并行筛查机制，动态压缩搜索空间，高效剔除无效候选位置，实现同步头的快速精准定位。所提电路已集成至JESD204C接收链路，并在FPGA平台完成验证。实验结果表明：对比典型方案，该设计将同步头锁定时间缩短70%，且检测时延对同步头的位置不敏感，同步过程稳定性与能效同步提升。
2026, 48(9): 4150-4162.
doi: 10.11999/JEIT260283
摘要:
随着生物计算与分子电路技术的发展，基于DNA链置换的分子器件因其高度并行性、可编程性及低功耗特性，已成为构建新一代信息处理系统的重要方向。该文以忆阻器及滤波电路现有研究为基础，开展DNA链置换忆阻器及其在滤波电路中的应用研究。首先，通过忆阻器的DNA链置换反应模块，完成多稳态忆阻器的构建，并通过调控忆阻器内部状态变量，验证了该DNA链置换忆阻器的多稳态性能。其次，基于所设计的忆阻器DNA链置换反应模块，设计1阶低通忆阻器滤波电路，选取方波信号与正弦波信号对该电路进行性能测试，结果表明，DNA链置换1阶忆阻器滤波电路的性能与电路结构及内部状态变量密切相关。最后，依托忆阻器DNA链置换反应模块搭建2阶低通忆阻器滤波电路，通过Visual DSD与MATLAB仿真软件验证了该电路设计的合理性与可行性。研究结果表明，相较于传统滤波电路，DNA链置换忆阻器滤波电路在电路参数调节与工作稳定性方面均具备显著优势。
随着生物计算与分子电路技术的发展，基于DNA链置换的分子器件因其高度并行性、可编程性及低功耗特性，已成为构建新一代信息处理系统的重要方向。该文以忆阻器及滤波电路现有研究为基础，开展DNA链置换忆阻器及其在滤波电路中的应用研究。首先，通过忆阻器的DNA链置换反应模块，完成多稳态忆阻器的构建，并通过调控忆阻器内部状态变量，验证了该DNA链置换忆阻器的多稳态性能。其次，基于所设计的忆阻器DNA链置换反应模块，设计1阶低通忆阻器滤波电路，选取方波信号与正弦波信号对该电路进行性能测试，结果表明，DNA链置换1阶忆阻器滤波电路的性能与电路结构及内部状态变量密切相关。最后，依托忆阻器DNA链置换反应模块搭建2阶低通忆阻器滤波电路，通过Visual DSD与MATLAB仿真软件验证了该电路设计的合理性与可行性。研究结果表明，相较于传统滤波电路，DNA链置换忆阻器滤波电路在电路参数调节与工作稳定性方面均具备显著优势。
编辑部公告
more >
- 《电子与信息学报》“数据论文” 长期征稿启事
- 填补反无人机多模态感知实测数据缺口！DroneRFa获“SDB科学数据奖”，同系列DroneRFc重磅上线！
- 专题征文丨资源约束下的自主智能感知与在轨/边缘部署
- “太空云”生态迎里程碑！重磅专刊火热征稿中
- 专题征文丨大模型与群体智能驱动的空地协同智联：体系、技术与应用
- 专题征文丨面向6G的物理AI：基础理论、关键技术与应用
- 中国科技期刊卓越行动计划维护学术诚信倡议
- 征文丨太空云系统：架构、技术和应用专刊
学术动态
more >
- 第五届《电子与信息学报》领军论坛暨全国电子信息学科与产业发展论坛在义乌成功举办
- 议程更新丨第五届《电子与信息学报》领军论坛暨全国电子信息学科与产业发展论坛
- 第五届《电子与信息学报》领军论坛暨全国电子信息学科与产业发展论坛通知（第一轮）
- 第三十六届电路与系统学术大会通知 (第一轮)
- 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
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
