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/JEIT260189
摘要:
遥感图文检索(RS-ITR)通过建立遥感影像与自然语言描述之间的跨模态语义关联，为海量地理空间数据的语义理解与智能检索提供了重要支撑。随着高分辨率对地观测数据持续积累，复杂场景、多尺度结构、专业语义表达及标注稀缺等因素，使传统手工特征方法和常规深度跨模态模型在语义建模、跨场景泛化和开放环境适应方面受到明显制约。围绕视觉-语言基础模型(VLM)驱动的遥感图文检索研究，该文系统梳理了任务建模、领域挑战、评价基准与技术演进脉络，重点归纳了模型架构范式、遥感领域适配策略和跨模态语义对齐机制，并结合代表性数据集、典型方法及性能比较总结了当前研究进展。分析表明，视觉-语言基础模型在缓解语义鸿沟、提升零样本迁移能力和增强复杂语义理解方面展现出显著优势，但多源异构数据统一建模、地理知识增强、开放场景持续学习以及轻量化部署仍是该方向亟待突破的关键问题。相关综述可为遥感多模态信息理解、跨模态检索模型设计及工程应用提供系统参考。
遥感图文检索(RS-ITR)通过建立遥感影像与自然语言描述之间的跨模态语义关联，为海量地理空间数据的语义理解与智能检索提供了重要支撑。随着高分辨率对地观测数据持续积累，复杂场景、多尺度结构、专业语义表达及标注稀缺等因素，使传统手工特征方法和常规深度跨模态模型在语义建模、跨场景泛化和开放环境适应方面受到明显制约。围绕视觉-语言基础模型(VLM)驱动的遥感图文检索研究，该文系统梳理了任务建模、领域挑战、评价基准与技术演进脉络，重点归纳了模型架构范式、遥感领域适配策略和跨模态语义对齐机制，并结合代表性数据集、典型方法及性能比较总结了当前研究进展。分析表明，视觉-语言基础模型在缓解语义鸿沟、提升零样本迁移能力和增强复杂语义理解方面展现出显著优势，但多源异构数据统一建模、地理知识增强、开放场景持续学习以及轻量化部署仍是该方向亟待突破的关键问题。相关综述可为遥感多模态信息理解、跨模态检索模型设计及工程应用提供系统参考。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260609
摘要:
相较于传统的货架FPGA，嵌入式FPGA的最大区别在于允许开发者根据特定应用的需求独立选择最合适的硬件架构参数(K, N、互连拓扑等)，这就使得架构空间探索不再仅仅是纯学术领域的研究方法，也是必须评估数十上百份架构文件并反复迭代选型的实际工程任务。现有的架构描述框架仍以手工编写架构文件与批处理脚本为主，每次参数调整都要在多份后端文件间逐处同步，难以支撑规模化的架构探索。针对此问题该文提出一种支持多后端架构文件统一描述的参数化架构描述框架，该框架将架构参数按独立性分为工艺常量、耦合参数与独立参数3层，各后端描述由独立的渲染函数自动派生。目前该框架已适配VPR, OpenFPGA, Yosys 3路后端并成功扩展至COFFE，并已通过跨工具链全流程验证。依托该框架批量生成架构描述文件，提出基于参数扫描的架构探索方法，系统扫描了查找表(LUT)输入数K与簇规模N的取值组合，从面积、关键路径延迟及二者乘积3个维度衡量每种参数配置的质量结果。结果显示，面积与延迟在(K,N)参数的优化偏好上呈相反方向。还公开发布了一份涵盖5个应用域、包含同构与异构架构的Quality of Results(QoR)数据集，可作为eFPGA架构空间探索的公共标准测试集。
相较于传统的货架FPGA，嵌入式FPGA的最大区别在于允许开发者根据特定应用的需求独立选择最合适的硬件架构参数(K, N、互连拓扑等)，这就使得架构空间探索不再仅仅是纯学术领域的研究方法，也是必须评估数十上百份架构文件并反复迭代选型的实际工程任务。现有的架构描述框架仍以手工编写架构文件与批处理脚本为主，每次参数调整都要在多份后端文件间逐处同步，难以支撑规模化的架构探索。针对此问题该文提出一种支持多后端架构文件统一描述的参数化架构描述框架，该框架将架构参数按独立性分为工艺常量、耦合参数与独立参数3层，各后端描述由独立的渲染函数自动派生。目前该框架已适配VPR, OpenFPGA, Yosys 3路后端并成功扩展至COFFE，并已通过跨工具链全流程验证。依托该框架批量生成架构描述文件，提出基于参数扫描的架构探索方法，系统扫描了查找表(LUT)输入数K与簇规模N的取值组合，从面积、关键路径延迟及二者乘积3个维度衡量每种参数配置的质量结果。结果显示，面积与延迟在(K,N)参数的优化偏好上呈相反方向。还公开发布了一份涵盖5个应用域、包含同构与异构架构的Quality of Results(QoR)数据集，可作为eFPGA架构空间探索的公共标准测试集。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260595
摘要:
遥感影像建筑物变化检测可为城市规划、土地资源管理和违章建筑排查等提供重要信息，但像素级标注成本高昂，限制了其在大规模场景中的应用。针对现有图像级弱监督建筑物变化检测方法存在语义先验利用不足、变化区域缺乏空间约束以及定位结果不完整等问题，该文设计了一种差异感知提示学习与密集语义对齐的弱监督建筑物变化检测方法(DAPL−CD)。为了在降低像素级标注依赖的同时提升变化区域定位能力，该方法利用对比语言-图像预训练模型(CLIP)的跨模态表征能力，将文本语义与双时相影像差异特征映射至统一匹配空间，为变化区域定位提供语义参照。设计差异感知可学习文本提示自适应双时相影像中的复杂差异语义，缓解固定文本模板难以适配遥感场景的问题。针对CLIP全局图文对齐缺乏局部定位约束的问题，引入像素−文本密集对齐机制，约束局部视觉特征与前景、背景文本特征之间的匹配关系，增强变化区域与未变化区域的语义判别能力。实验结果表明，在仅依赖图像级标签的情况下，所提方法在WHU−CD和LEVIR−CD两个数据集上均取得了较优结果，能获得更完整、准确的变化区域定位效果，为大规模城市监测与违建排查等应用提供了一种低标注成本的技术思路。
遥感影像建筑物变化检测可为城市规划、土地资源管理和违章建筑排查等提供重要信息，但像素级标注成本高昂，限制了其在大规模场景中的应用。针对现有图像级弱监督建筑物变化检测方法存在语义先验利用不足、变化区域缺乏空间约束以及定位结果不完整等问题，该文设计了一种差异感知提示学习与密集语义对齐的弱监督建筑物变化检测方法(DAPL−CD)。为了在降低像素级标注依赖的同时提升变化区域定位能力，该方法利用对比语言-图像预训练模型(CLIP)的跨模态表征能力，将文本语义与双时相影像差异特征映射至统一匹配空间，为变化区域定位提供语义参照。设计差异感知可学习文本提示自适应双时相影像中的复杂差异语义，缓解固定文本模板难以适配遥感场景的问题。针对CLIP全局图文对齐缺乏局部定位约束的问题，引入像素−文本密集对齐机制，约束局部视觉特征与前景、背景文本特征之间的匹配关系，增强变化区域与未变化区域的语义判别能力。实验结果表明，在仅依赖图像级标签的情况下，所提方法在WHU−CD和LEVIR−CD两个数据集上均取得了较优结果，能获得更完整、准确的变化区域定位效果，为大规模城市监测与违建排查等应用提供了一种低标注成本的技术思路。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260823
摘要:
针对信道时变及链路相关条件下多标签双站反向散射通信系统的安全传输问题，该文提出一种基于反向散射链路信道增益排序的标签选择方案。充分考虑标签选择阶段与传输阶段之间的信道状态信息不一致，以及合法链路与窃听链路之间的相关性，在独立非同分布瑞利信道下，推导了系统保密中断概率的闭式表达式及高发射功率下的渐近表达式，并从合法链路与窃听链路增益比的角度分析了系统保密性能的变化规律。分析结果表明：信道状态信息过时会显著削弱系统保密性能；当合法链路与窃听链路增益比固定时，系统在高发射功率区域存在保密中断平层，而提高该增益比可有效缓解该性能瓶颈；此外，在该文考虑的模型下，合法链路与窃听链路的相关性能够降低窃听链路相对占优的概率，从而改善系统保密性能。最后，蒙特卡罗仿真验证了理论推导的准确性，并表明所提方案在信道状态信息过时条件下仍能有效提升系统保密性能。
针对信道时变及链路相关条件下多标签双站反向散射通信系统的安全传输问题，该文提出一种基于反向散射链路信道增益排序的标签选择方案。充分考虑标签选择阶段与传输阶段之间的信道状态信息不一致，以及合法链路与窃听链路之间的相关性，在独立非同分布瑞利信道下，推导了系统保密中断概率的闭式表达式及高发射功率下的渐近表达式，并从合法链路与窃听链路增益比的角度分析了系统保密性能的变化规律。分析结果表明：信道状态信息过时会显著削弱系统保密性能；当合法链路与窃听链路增益比固定时，系统在高发射功率区域存在保密中断平层，而提高该增益比可有效缓解该性能瓶颈；此外，在该文考虑的模型下，合法链路与窃听链路的相关性能够降低窃听链路相对占优的概率，从而改善系统保密性能。最后，蒙特卡罗仿真验证了理论推导的准确性，并表明所提方案在信道状态信息过时条件下仍能有效提升系统保密性能。
当前状态:
, 最新更新时间: ,
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，本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，本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
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT251297
摘要:
随着全球自然灾害频发以及各类突发事件风险上升，如何依托智能遥感技术对受灾目标开展快速、精准的评估，已成为支撑应急响应与灾后重建的重要任务。近年来，基于深度学习的遥感灾害评估方法不断涌现，大大提高了灾害评估的精度和智能化程度，然而，该领域发展迅速但仍缺乏系统性综述。该文全面梳理了遥感目标灾害智能评估的技术内涵；对现有研究中常用的目标损伤等级标准、公开数据集及性能评价指标进行了归纳；围绕双时相变化检测、多时相序列建模、多模态数据融合、数据受限场景下灾害评估4类技术框架进行深入分析，叙述了各类方法的技术路径及其优势与不足；最后，该文进一步探讨了该领域未来的发展方向，旨在为遥感智能灾害评估技术在人为及自然灾害应对中的应用提供理论支持与方法参考。
随着全球自然灾害频发以及各类突发事件风险上升，如何依托智能遥感技术对受灾目标开展快速、精准的评估，已成为支撑应急响应与灾后重建的重要任务。近年来，基于深度学习的遥感灾害评估方法不断涌现，大大提高了灾害评估的精度和智能化程度，然而，该领域发展迅速但仍缺乏系统性综述。该文全面梳理了遥感目标灾害智能评估的技术内涵；对现有研究中常用的目标损伤等级标准、公开数据集及性能评价指标进行了归纳；围绕双时相变化检测、多时相序列建模、多模态数据融合、数据受限场景下灾害评估4类技术框架进行深入分析，叙述了各类方法的技术路径及其优势与不足；最后，该文进一步探讨了该领域未来的发展方向，旨在为遥感智能灾害评估技术在人为及自然灾害应对中的应用提供理论支持与方法参考。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260522
摘要:
毫米波雷达步态识别在智能安防领域具有重要应用潜力，但在实际应用中，复杂着装(如大衣、背包等)会引入非稳定高频干扰，降低了现有模型的识别性能。其主要原因是现有方法没能充分考虑多普勒频率与人体运动之间的物理映射关系。针对上述问题，该文提出一种基于物理感知微多普勒重构与自适应干扰抑制的步态识别框架。该框架利用人体运动产生的多普勒频率与生物力学机理间的映射关系，将混叠的原始微多普勒频谱分离为躯干与四肢专属频带，从物理特征层面隔离复杂着装因素(如穿大衣、挎包等)引入的噪声干扰。在此基础上，设计加权注意力抑制机制，对衣服遮挡引起的高频异常噪声进行自适应建模，并增强判别性躯干特征表示，实现鲁棒特征融合。在公开数据集MMRGait-1.0上的实验结果表明，所提方法在仅0.75 GFLOPs的计算开销下取得了89.7%的平均Rank-1识别率；在大衣遮挡等复杂场景下仍可达到85.1%的识别精度，较基线方法提升近18%。实验结果验证了该方法在复杂着装条件下的有效性与鲁棒性。
毫米波雷达步态识别在智能安防领域具有重要应用潜力，但在实际应用中，复杂着装(如大衣、背包等)会引入非稳定高频干扰，降低了现有模型的识别性能。其主要原因是现有方法没能充分考虑多普勒频率与人体运动之间的物理映射关系。针对上述问题，该文提出一种基于物理感知微多普勒重构与自适应干扰抑制的步态识别框架。该框架利用人体运动产生的多普勒频率与生物力学机理间的映射关系，将混叠的原始微多普勒频谱分离为躯干与四肢专属频带，从物理特征层面隔离复杂着装因素(如穿大衣、挎包等)引入的噪声干扰。在此基础上，设计加权注意力抑制机制，对衣服遮挡引起的高频异常噪声进行自适应建模，并增强判别性躯干特征表示，实现鲁棒特征融合。在公开数据集MMRGait-1.0上的实验结果表明，所提方法在仅0.75 GFLOPs的计算开销下取得了89.7%的平均Rank-1识别率；在大衣遮挡等复杂场景下仍可达到85.1%的识别精度，较基线方法提升近18%。实验结果验证了该方法在复杂着装条件下的有效性与鲁棒性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260536
摘要:
当前，传统雷达天线通过发射高频电磁信号以及材料结构设计实现主动电磁干扰和雷达散射截面积缩小的带内隐身。同时，又需要大规模TR组件或机械控制实现多向雷达通信。因此，实现带内隐身与多向辐射的集成化动态调制，成为当前电磁调控领域面临的一项巨大技术挑战。在此，该文提出一种工作于X波段能够同时实现波束扫描和电磁隐身的时空编码超表面，该器件采用时-空相位联合编码策略，通过协同调控电磁波的空间域与频率域特性，重构传播方向并调控谐波功率分布，实现了谐波波束转向以及雷达散射截面积(RCS)缩减。作为概念验证，该文采用印制电路板(PCB)工艺制作了一个8×8的超表面模型，利用FPGA开发板进行控制并通过矢量网络分析仪采集回波信号增益。所设计的超表面成功实现–45°～+45°范围内波束扫描和回波增益降低最大值为14.83 dB的RCS缩减。相信该设计能够为自适应多维度电磁波调控及先进电磁对抗技术提供了新路径与实验支撑。
当前，传统雷达天线通过发射高频电磁信号以及材料结构设计实现主动电磁干扰和雷达散射截面积缩小的带内隐身。同时，又需要大规模TR组件或机械控制实现多向雷达通信。因此，实现带内隐身与多向辐射的集成化动态调制，成为当前电磁调控领域面临的一项巨大技术挑战。在此，该文提出一种工作于X波段能够同时实现波束扫描和电磁隐身的时空编码超表面，该器件采用时-空相位联合编码策略，通过协同调控电磁波的空间域与频率域特性，重构传播方向并调控谐波功率分布，实现了谐波波束转向以及雷达散射截面积(RCS)缩减。作为概念验证，该文采用印制电路板(PCB)工艺制作了一个8×8的超表面模型，利用FPGA开发板进行控制并通过矢量网络分析仪采集回波信号增益。所设计的超表面成功实现–45°～+45°范围内波束扫描和回波增益降低最大值为14.83 dB的RCS缩减。相信该设计能够为自适应多维度电磁波调控及先进电磁对抗技术提供了新路径与实验支撑。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260512
摘要:
在港口散货装卸作业中，抓斗作为门座式起重机的关键执行部件，其连续轨迹提取易受尺度变化、局部遮挡、边界退化和帧间形态波动等因素影响。为此，该文提出一种面向抓斗轨迹稳定提取的空间与时序协同优化方法。该方法从空间表征增强与时序一致性约束两个层面展开：前者通过多尺度特征交互和边界细节增强，提高复杂背景与遮挡条件下抓斗区域的分割完整性；后者在分割表征层引入时序一致性约束，减弱局部误分、边界波动和短时漏检对轨迹连续性的影响，并通过联合优化目标实现端到端训练。实验结果表明，该方法在DAVIS2016, SegTrackV2和实际门座式起重机抓斗数据集上均表现出较优综合性能，其中在DAVIS2016上区域相似度J和轮廓精度F分别达到74.79%和74.70%，在实际抓斗数据集上平均绝对误差MAE和均方根误差RMSE较YOLOv8-seg分别下降约55.3%和52.6%，漏检率Miss rate由2.95%降至0.56%。遮挡实验进一步表明，该方法能够减弱轨迹抖动与短时中断，在复杂港口作业场景下具有较强的连续目标提取能力。同时，改进后模型推理速度保持在33 fps以上，具备实时应用潜力。
在港口散货装卸作业中，抓斗作为门座式起重机的关键执行部件，其连续轨迹提取易受尺度变化、局部遮挡、边界退化和帧间形态波动等因素影响。为此，该文提出一种面向抓斗轨迹稳定提取的空间与时序协同优化方法。该方法从空间表征增强与时序一致性约束两个层面展开：前者通过多尺度特征交互和边界细节增强，提高复杂背景与遮挡条件下抓斗区域的分割完整性；后者在分割表征层引入时序一致性约束，减弱局部误分、边界波动和短时漏检对轨迹连续性的影响，并通过联合优化目标实现端到端训练。实验结果表明，该方法在DAVIS2016, SegTrackV2和实际门座式起重机抓斗数据集上均表现出较优综合性能，其中在DAVIS2016上区域相似度J和轮廓精度F分别达到74.79%和74.70%，在实际抓斗数据集上平均绝对误差MAE和均方根误差RMSE较YOLOv8-seg分别下降约55.3%和52.6%，漏检率Miss rate由2.95%降至0.56%。遮挡实验进一步表明，该方法能够减弱轨迹抖动与短时中断，在复杂港口作业场景下具有较强的连续目标提取能力。同时，改进后模型推理速度保持在33 fps以上，具备实时应用潜力。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260420
摘要:
针对太赫兹超大规模MIMO系统在混合场传播与AoSA架构下，现有压缩感知与深度展开方法在低信噪比(SNR)及噪声统计失配条件下易出现性能饱和与泛化性较差问题。为此，该文提出一种噪声条件化不动点展开网络(FPN-NCAS)。该方法在保持不动点理论框架的同时，将由重复导频差分获得的粗噪声功率估计值作为条件控制量耦合至非线性恢复过程，从而实现随噪声水平自适应调节的估计策略。在此基础上，设计噪声条件化的块稀疏近端恢复模块Block Shrink，通过噪声感知阈值与平滑切换机制增强混合场稀疏结构恢复能力；构造Token-Gate模块对子阵级特征进行轻量可靠性校准，并构建门控混合多尺度细化(G-HMTD)模块对主恢复后的残余误差进行全局-局部协同细化。仿真结果表明，所提方法在不同SNR条件下均取得更优的归一化均方误差(NMSE)性能；此外，在多种非理想信道与噪声条件下，所提方法仍表现出良好的鲁棒性。
针对太赫兹超大规模MIMO系统在混合场传播与AoSA架构下，现有压缩感知与深度展开方法在低信噪比(SNR)及噪声统计失配条件下易出现性能饱和与泛化性较差问题。为此，该文提出一种噪声条件化不动点展开网络(FPN-NCAS)。该方法在保持不动点理论框架的同时，将由重复导频差分获得的粗噪声功率估计值作为条件控制量耦合至非线性恢复过程，从而实现随噪声水平自适应调节的估计策略。在此基础上，设计噪声条件化的块稀疏近端恢复模块Block Shrink，通过噪声感知阈值与平滑切换机制增强混合场稀疏结构恢复能力；构造Token-Gate模块对子阵级特征进行轻量可靠性校准，并构建门控混合多尺度细化(G-HMTD)模块对主恢复后的残余误差进行全局-局部协同细化。仿真结果表明，所提方法在不同SNR条件下均取得更优的归一化均方误差(NMSE)性能；此外，在多种非理想信道与噪声条件下，所提方法仍表现出良好的鲁棒性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260462
摘要:
有源可重构智能表面(RIS)通过集成射频放大器可提升系统性能，但同时引入放大噪声与能耗挑战。此外，基站对RIS的高精度数字调相会带来较大的通信开销。鉴于此，该文研究离散有源RIS增强通信系统的能效性能。首先，基于大数定律与泰勒展开，推导了用户处能效损失及近似损失表达式。其次，结合费拉里法与朗伯W函数，获得了使能效最大化的功率分配因子与RIS元件数的近似最优解。最后，基于朗伯W函数揭示了RIS处与用户处能效关系。仿真表明：当总功率\begin{document}$ {P}_{\text{t}}=1 $\end{document} \begin{document}$ N=256 $\end{document}
有源可重构智能表面(RIS)通过集成射频放大器可提升系统性能，但同时引入放大噪声与能耗挑战。此外，基站对RIS的高精度数字调相会带来较大的通信开销。鉴于此，该文研究离散有源RIS增强通信系统的能效性能。首先，基于大数定律与泰勒展开，推导了用户处能效损失及近似损失表达式。其次，结合费拉里法与朗伯W函数，获得了使能效最大化的功率分配因子与RIS元件数的近似最优解。最后，基于朗伯W函数揭示了RIS处与用户处能效关系。仿真表明：当总功率
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260075
摘要:
高速移动场景下显著多普勒频移引发信道快速时变特性及子载波间干扰加剧，导致MIMO-OFDM系统信道估计精度下降及鲁棒性不足，该文提出一种基于特征线性调制(FiLM)的自适应Transformer信道估计模型——AdaFiT。首先，采用可分离二维线性上采样获取全时频域信道估计，并利用点卷积在通道维度对多天线复数信道的实部与虚部进行联合建模，结合卷积特征增强模块提取多尺度时频特征；然后，设计信道自适应特征调制模块，将信道参数作为先验条件信息，基于FiLM机制生成特征层面的缩放系数与偏移系数，仿射调制Transformer网络的块嵌入序列，实现对信道统计变化的条件自适应；最后，通过二维可学习位置编码的Transformer编码器全局建模块级特征，并结合残差重建结构融合局部与全局特征，完成高精度信道重建。结果表明，所提AdaFiT模型在C型簇延迟线信道(CDL-C)和A型簇延迟线信道(CDL-A)两种信道模型下均优于最小二乘双线性插值(LS-Blinear)、线性最小均方误差(LMMSE)及现有自适应方法，对不同信道模型具有较好的适应性。其中，在CDL-C信道模型下的动态信噪比、多普勒频移及不同时延扩展条件下，均方根误差最大可提升7 dB。
高速移动场景下显著多普勒频移引发信道快速时变特性及子载波间干扰加剧，导致MIMO-OFDM系统信道估计精度下降及鲁棒性不足，该文提出一种基于特征线性调制(FiLM)的自适应Transformer信道估计模型——AdaFiT。首先，采用可分离二维线性上采样获取全时频域信道估计，并利用点卷积在通道维度对多天线复数信道的实部与虚部进行联合建模，结合卷积特征增强模块提取多尺度时频特征；然后，设计信道自适应特征调制模块，将信道参数作为先验条件信息，基于FiLM机制生成特征层面的缩放系数与偏移系数，仿射调制Transformer网络的块嵌入序列，实现对信道统计变化的条件自适应；最后，通过二维可学习位置编码的Transformer编码器全局建模块级特征，并结合残差重建结构融合局部与全局特征，完成高精度信道重建。结果表明，所提AdaFiT模型在C型簇延迟线信道(CDL-C)和A型簇延迟线信道(CDL-A)两种信道模型下均优于最小二乘双线性插值(LS-Blinear)、线性最小均方误差(LMMSE)及现有自适应方法，对不同信道模型具有较好的适应性。其中，在CDL-C信道模型下的动态信噪比、多普勒频移及不同时延扩展条件下，均方根误差最大可提升7 dB。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT260140
摘要:
侧信道攻击是密码芯片物理安全的主要威胁之一，利用深度学习技术恢复密钥已成为侧信道攻击领域内研究热点。然而，现有基于深度学习的攻击方法在特征提取阶段往往缺乏对关键泄露区间的聚焦能力。特别是在长波形和高维噪声场景下，模型容易被无关背景噪声干扰，导致特征提取效率低下、猜测熵收敛缓慢。针对上述问题，该文提出一种融合卷积块注意力机制与3元组度量学习的侧信道攻击方法。该方法从泄露特征提取入手，在卷积神经网络中嵌入通道注意力与空间注意力模块，对不同特征通道和时域位置进行自适应加权，以增强泄露相关特征并减弱噪声干扰。在此基础上，引入3元组损失作为优化目标，用于引导注意力加权后的特征在嵌入空间中形成可分的簇结构。实验结果表明，该文方法在公开数据集上均优于度量学习及深度学习方法，其中在ASCAD_f(HW)场景下，攻击性能提升9.4%以上；在ASCAD_r(HW)场景下，该文方法实现猜测熵收敛所需的攻击轨迹数量减少10.7%以上。此外，去同步实验与消融实验进一步证实了该方法具备鲁棒性，并验证了核心组件协同设计的合理性。
侧信道攻击是密码芯片物理安全的主要威胁之一，利用深度学习技术恢复密钥已成为侧信道攻击领域内研究热点。然而，现有基于深度学习的攻击方法在特征提取阶段往往缺乏对关键泄露区间的聚焦能力。特别是在长波形和高维噪声场景下，模型容易被无关背景噪声干扰，导致特征提取效率低下、猜测熵收敛缓慢。针对上述问题，该文提出一种融合卷积块注意力机制与3元组度量学习的侧信道攻击方法。该方法从泄露特征提取入手，在卷积神经网络中嵌入通道注意力与空间注意力模块，对不同特征通道和时域位置进行自适应加权，以增强泄露相关特征并减弱噪声干扰。在此基础上，引入3元组损失作为优化目标，用于引导注意力加权后的特征在嵌入空间中形成可分的簇结构。实验结果表明，该文方法在公开数据集上均优于度量学习及深度学习方法，其中在ASCAD_f(HW)场景下，攻击性能提升9.4%以上；在ASCAD_r(HW)场景下，该文方法实现猜测熵收敛所需的攻击轨迹数量减少10.7%以上。此外，去同步实验与消融实验进一步证实了该方法具备鲁棒性，并验证了核心组件协同设计的合理性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT251384
摘要:
针对多航天器轨道追逃博弈问题，该文构建了一个尚未得到系统研究的新型研究场景。为提升航天器决策能力，使其在复杂多智能体博弈环境下生成更加稳健的博弈策略，文中提出一种基于渐进式对抗训练框架的多智能体深度强化学习算法，用于求解各航天器博弈策略。研究设置两组具备不同轨道特性的算例以及多组仿真条件开展数值模拟，并结合行为偏差分析完成策略鲁棒性验证，探究轨道特性、仿真条件与行为偏差对航天器博弈策略的影响规律。仿真结果表明，所提算法能够为各航天器生成有效博弈策略，所得策略满足全部约束条件，具备良好的鲁棒性能。
针对多航天器轨道追逃博弈问题，该文构建了一个尚未得到系统研究的新型研究场景。为提升航天器决策能力，使其在复杂多智能体博弈环境下生成更加稳健的博弈策略，文中提出一种基于渐进式对抗训练框架的多智能体深度强化学习算法，用于求解各航天器博弈策略。研究设置两组具备不同轨道特性的算例以及多组仿真条件开展数值模拟，并结合行为偏差分析完成策略鲁棒性验证，探究轨道特性、仿真条件与行为偏差对航天器博弈策略的影响规律。仿真结果表明，所提算法能够为各航天器生成有效博弈策略，所得策略满足全部约束条件，具备良好的鲁棒性能。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT251260
摘要:
网络安全领域命名实体识别作为支撑威胁情报分析、安全事件响应及漏洞管理的核心技术，面临着标注数据稀缺、专业术语密集与语义融合不足等严峻挑战，而现有的大语言模型方法又存在领域语义融合不足和稀有实体召回率低等缺陷。针对以上挑战，该文提出了一种面向大语言模型轻量化适配的语义增强型网络安全命名实体识别方法。该方法集成LLM2Vec与低秩适配的轻量化适配策略以保留深层语义编码并降低训练成本，设计稀疏门控注意力机制以强化领域关键词融合，并引入基于SecRoBERTa的语义增强组件以提升小样本场景下的特征鲁棒性，最终采用掩蔽条件随机场约束标签路径的合法性。在DNRTI和APTNER两个公开数据集上的实验结果表明，所提方法在精确率、召回率和F1分数上均优于现有主流方法，其中在DNRTI数据集上F1分数达到91.91%，较当前最优模型提升2.14%，验证了其在网络安全实体识别任务中的有效性。该方法为低资源场景下的网络安全命名实体识别提供了高效、轻量化的解决方案，对推动威胁情报自动化分析与安全防护体系智能化具有实际意义。
网络安全领域命名实体识别作为支撑威胁情报分析、安全事件响应及漏洞管理的核心技术，面临着标注数据稀缺、专业术语密集与语义融合不足等严峻挑战，而现有的大语言模型方法又存在领域语义融合不足和稀有实体召回率低等缺陷。针对以上挑战，该文提出了一种面向大语言模型轻量化适配的语义增强型网络安全命名实体识别方法。该方法集成LLM2Vec与低秩适配的轻量化适配策略以保留深层语义编码并降低训练成本，设计稀疏门控注意力机制以强化领域关键词融合，并引入基于SecRoBERTa的语义增强组件以提升小样本场景下的特征鲁棒性，最终采用掩蔽条件随机场约束标签路径的合法性。在DNRTI和APTNER两个公开数据集上的实验结果表明，所提方法在精确率、召回率和F1分数上均优于现有主流方法，其中在DNRTI数据集上F1分数达到91.91%，较当前最优模型提升2.14%，验证了其在网络安全实体识别任务中的有效性。该方法为低资源场景下的网络安全命名实体识别提供了高效、轻量化的解决方案，对推动威胁情报自动化分析与安全防护体系智能化具有实际意义。
2026, 48(7): 2765-2780.
doi: 10.11999/JEIT260026
摘要:
处理器芯片安全是信息安全的基石。长期以来，各种密码算法、应用程序和操作系统都以处理器作为可信基础。然而，随着摩尔定律的减缓，现代处理器在微架构设计中不断追求高性能和低功耗的目标，而忽视了安全性，导致近期安全漏洞频发。其中，以Meltdown和Spectre为代表的微架构时间信道漏洞备受关注，它们利用微架构状态变化引起的时间差异来突破基础的软硬件隔离，影响数十亿台主流CPU厂商的设备。此外，由于架构与微架构之间的界限变得模糊，催生了一系列新的攻击方式，使得时间信道从“硬件漏洞”发展为系统级安全问题。然而，现有文献主要基于硬件组件进行分类，掩盖了时序泄露的潜在共性，并限制了对软件信道分析的能力。该文对时间信道进行跨层综述，将基于硬件的和基于软件的泄漏统一在1个共同的抽象模型下。具体而言，该文首先分析了时间信道产生的4个基本条件，并根据核心泄露条件中共享可变状态的性质以及时间观测能力产生的机制将现有的软硬件攻击统一在1个分类模型下。基于该分类，该文全面回顾了近10年的攻击方法，系统地分析了它们的攻击步骤，并揭示了它们之间的共性。其次，基于阻断的泄露条件，对现有的防御技术进行分类，并指出防御的作用范围与失效原因。最后，总结了当前的自动化检测方法并对新兴平台下的时间信道安全研究与未来发展趋势进行了前瞻性的讨论。
处理器芯片安全是信息安全的基石。长期以来，各种密码算法、应用程序和操作系统都以处理器作为可信基础。然而，随着摩尔定律的减缓，现代处理器在微架构设计中不断追求高性能和低功耗的目标，而忽视了安全性，导致近期安全漏洞频发。其中，以Meltdown和Spectre为代表的微架构时间信道漏洞备受关注，它们利用微架构状态变化引起的时间差异来突破基础的软硬件隔离，影响数十亿台主流CPU厂商的设备。此外，由于架构与微架构之间的界限变得模糊，催生了一系列新的攻击方式，使得时间信道从“硬件漏洞”发展为系统级安全问题。然而，现有文献主要基于硬件组件进行分类，掩盖了时序泄露的潜在共性，并限制了对软件信道分析的能力。该文对时间信道进行跨层综述，将基于硬件的和基于软件的泄漏统一在1个共同的抽象模型下。具体而言，该文首先分析了时间信道产生的4个基本条件，并根据核心泄露条件中共享可变状态的性质以及时间观测能力产生的机制将现有的软硬件攻击统一在1个分类模型下。基于该分类，该文全面回顾了近10年的攻击方法，系统地分析了它们的攻击步骤，并揭示了它们之间的共性。其次，基于阻断的泄露条件，对现有的防御技术进行分类，并指出防御的作用范围与失效原因。最后，总结了当前的自动化检测方法并对新兴平台下的时间信道安全研究与未来发展趋势进行了前瞻性的讨论。
2026, 48(7): 2781-2791.
doi: 10.11999/JEIT260011
摘要:
脑-机接口(BCI)在外部设备运动控制中的应用不断拓展，但以离散指令为主的控制方式难以满足连续控制与自然交互的需求，非侵入式连续运动控制BCI因兼具安全性与可推广性而受到广泛关注。该文系统综述了非侵入式连续运动控制BCI的研究进展，从控制范式、解码方法、应用场景及评价指标等方面进行了综合分析，重点讨论了连续控制实现机制及其对系统性能的影响。综述结果表明，非侵入式连续运动控制BCI已由早期概念验证任务逐步拓展至多类实际应用场景，但在范式优化、解码性能提升、真实场景适配和评价标准完善等方面仍有待进一步发展。基于此，该文对相关研究进行了归纳总结，并对未来发展方向进行了展望，为非侵入式连续运动控制BCI的进一步研究与应用提供参考。
脑-机接口(BCI)在外部设备运动控制中的应用不断拓展，但以离散指令为主的控制方式难以满足连续控制与自然交互的需求，非侵入式连续运动控制BCI因兼具安全性与可推广性而受到广泛关注。该文系统综述了非侵入式连续运动控制BCI的研究进展，从控制范式、解码方法、应用场景及评价指标等方面进行了综合分析，重点讨论了连续控制实现机制及其对系统性能的影响。综述结果表明，非侵入式连续运动控制BCI已由早期概念验证任务逐步拓展至多类实际应用场景，但在范式优化、解码性能提升、真实场景适配和评价标准完善等方面仍有待进一步发展。基于此，该文对相关研究进行了归纳总结，并对未来发展方向进行了展望，为非侵入式连续运动控制BCI的进一步研究与应用提供参考。
2026, 48(7): 2792-2804.
doi: 10.11999/JEIT260022
摘要:
当前交通场景感知依赖大规模高分辨率图像与雷达点云数据，在“感知-存储-计算”链路上面临采集成本高、存储压力大及计算资源消耗高等瓶颈。基于此，该文创新性地从轮胎视角出发，构建了一种新的多模态交通场景感知数据集(TTSPD)。具体地，该文采用橡胶基复合材料封装策略与低功耗蓝牙5.0自适应跳频技术，构建了一套集轮胎内置多参数传感与车载摄像头为一体的多模态传感器系统。该系统可在车辆行驶过程中同步采集径向加速度、胎温和胎压等6类轮胎传感器数据(约1 550 万字节，超过180万个传感器采样点)，并同时获取309 GB的交通场景图像数据(涵盖水泥、沥青、破损与积水4类典型路面)。通过对轮胎传感器数据与交通场景图像数据进行统一时间标记与跨模态关联，构建了具有场景一致性的多模态交通场景感知数据集TTSPD。进一步，为验证数据集的合理性和有效性，该文将TTSPD数据集应用于路面分类任务。实验结果表明，主流路面分类算法在该数据集上能够实现较高的分类精度(精度范围87.25%～93.75%)。同时，融合轮胎传感器数据(低维度)使模型在仅使用约38.75%原始数据量的情况下即可达到全量数据95%的分类精度，显著降低对高维度图像数据的依赖，减少了数据存储压力(存储规模下降约61.25%)、降低了计算资源开销，缩短了整体训练时间(缩短约54.10%)。该数据集为构建车规级算力约束下多模态环境感知与智能决策系统提供了新的数据形态，为我国智能交通技术的自主创新与可持续发展提供了助力。
当前交通场景感知依赖大规模高分辨率图像与雷达点云数据，在“感知-存储-计算”链路上面临采集成本高、存储压力大及计算资源消耗高等瓶颈。基于此，该文创新性地从轮胎视角出发，构建了一种新的多模态交通场景感知数据集(TTSPD)。具体地，该文采用橡胶基复合材料封装策略与低功耗蓝牙5.0自适应跳频技术，构建了一套集轮胎内置多参数传感与车载摄像头为一体的多模态传感器系统。该系统可在车辆行驶过程中同步采集径向加速度、胎温和胎压等6类轮胎传感器数据(约
2026, 48(7): 2805-2814.
doi: 10.11999/JEIT260122
摘要:
红外识别在安防监控、人机交互和无人系统中具有重要应用，但红外图像对比度低、边缘模糊等特性，导致传统算法难以在资源受限的边缘端兼顾识别精度与实时性。为突破深度学习算法在边缘端部署时面临的高算力需求与高能耗预算之间的矛盾，该文设计一种基于忆阻器阵列加速的红外识别系统，将两层全连接网络的前向推理映射到忆阻器阵列中执行，并通过计算机实现层间非线性激活与最终判决，从而有效减轻传统CPU/GPU架构下的数据搬迁开销。基于该架构，该文搭建了可运行的3分类红外手势识别系统。实验结果表明，该系统在低分辨率输入下仍能获得约95%的识别准确率，推理延迟约26.4 ms，能耗相较嵌入式GPU平台降低约6倍，体现出显著的能效优势和实时性潜力。本研究为构建高能效的红外边缘智能系统提供了一种可行思路。
红外识别在安防监控、人机交互和无人系统中具有重要应用，但红外图像对比度低、边缘模糊等特性，导致传统算法难以在资源受限的边缘端兼顾识别精度与实时性。为突破深度学习算法在边缘端部署时面临的高算力需求与高能耗预算之间的矛盾，该文设计一种基于忆阻器阵列加速的红外识别系统，将两层全连接网络的前向推理映射到忆阻器阵列中执行，并通过计算机实现层间非线性激活与最终判决，从而有效减轻传统CPU/GPU架构下的数据搬迁开销。基于该架构，该文搭建了可运行的3分类红外手势识别系统。实验结果表明，该系统在低分辨率输入下仍能获得约95%的识别准确率，推理延迟约26.4 ms，能耗相较嵌入式GPU平台降低约6倍，体现出显著的能效优势和实时性潜力。本研究为构建高能效的红外边缘智能系统提供了一种可行思路。
2026, 48(7): 2815-2828.
doi: 10.11999/JEIT251291
摘要:
传统目标识别常基于闭集假设，即测试目标类别均属训练集。然而真实世界具有开放性，除训练集已知类外，识别任务还关注未知新目标的解译，要求模型兼具已知类识别与未知类发现并聚类的能力。针对上述问题，该文提出一种显式鉴别驱动-未知类自动聚类的直推式开放世界半监督学习(OWSSL)方法，综合利用少量标记已知类训练样本与大量无标记待测已知类/未知类样本学习模型，实现已知类识别与未知类聚类。所提方法重点包含基于已知类边界极值分布动态扩展的无标记已知类-未知类鉴别模块，结合极值理论建模标记已知类边界分布，并在半监督学习中对该分布进行动态完善，提升模型鉴别能力；对所鉴别高置信未知类样本，基于近邻交并比关系合并的未知类自动聚类模块进行近邻聚类簇合并，实现未知类自动聚类。鉴别模块和未知类自动聚类模块迭代优化。基于光学CIFAR-10与实测雷达数据的实验表明所提方法具有良好的已知类识别与未知类聚类性能。
传统目标识别常基于闭集假设，即测试目标类别均属训练集。然而真实世界具有开放性，除训练集已知类外，识别任务还关注未知新目标的解译，要求模型兼具已知类识别与未知类发现并聚类的能力。针对上述问题，该文提出一种显式鉴别驱动-未知类自动聚类的直推式开放世界半监督学习(OWSSL)方法，综合利用少量标记已知类训练样本与大量无标记待测已知类/未知类样本学习模型，实现已知类识别与未知类聚类。所提方法重点包含基于已知类边界极值分布动态扩展的无标记已知类-未知类鉴别模块，结合极值理论建模标记已知类边界分布，并在半监督学习中对该分布进行动态完善，提升模型鉴别能力；对所鉴别高置信未知类样本，基于近邻交并比关系合并的未知类自动聚类模块进行近邻聚类簇合并，实现未知类自动聚类。鉴别模块和未知类自动聚类模块迭代优化。基于光学CIFAR-10与实测雷达数据的实验表明所提方法具有良好的已知类识别与未知类聚类性能。
2026, 48(7): 2829-2842.
doi: 10.11999/JEIT260031
摘要:
为提高遥感图像域自适应语义分割(DASS)的跨域适应效果，该文提出基于协同训练与空间引导扩散模型的域自适应语义分割框架(CoSG-DASS)。CoSG-DASS使用空间引导扩散模型构成图像翻译减少域间差异，并利用协同训练提升模型对目标域的自适应能力：在图像翻译阶段，设计新型空间信息引导扩散模型，通过向潜在扩散模型注入水平语义分布伪标签与垂直语义分布深度估计重构空间引导信息，实现源域到目标域的语义无偏转换。其中针对伪标签质量问题，提出基于熵的引导强度自适应模块，通过熵值筛选高置信度区域特征以抑制噪声干扰，有效提升跨域成像差异下的语义对齐精度；在协同训练阶段，提出融合深度信息与对抗损失的训练策略，通过增强多维知识表征缩减类内差异并增大类间差异，提升模型的跨域自适应能力。通过在3类典型遥感跨域差异任务(跨地理环境、跨成像模式、标签语义异质)中仿真验证，该文所提CoSG-DASS表现优异，相较于已有方法在平均交并比(mIoU)分别有1.14%, 3.78%和2.49%的提升。
为提高遥感图像域自适应语义分割(DASS)的跨域适应效果，该文提出基于协同训练与空间引导扩散模型的域自适应语义分割框架(CoSG-DASS)。CoSG-DASS使用空间引导扩散模型构成图像翻译减少域间差异，并利用协同训练提升模型对目标域的自适应能力：在图像翻译阶段，设计新型空间信息引导扩散模型，通过向潜在扩散模型注入水平语义分布伪标签与垂直语义分布深度估计重构空间引导信息，实现源域到目标域的语义无偏转换。其中针对伪标签质量问题，提出基于熵的引导强度自适应模块，通过熵值筛选高置信度区域特征以抑制噪声干扰，有效提升跨域成像差异下的语义对齐精度；在协同训练阶段，提出融合深度信息与对抗损失的训练策略，通过增强多维知识表征缩减类内差异并增大类间差异，提升模型的跨域自适应能力。通过在3类典型遥感跨域差异任务(跨地理环境、跨成像模式、标签语义异质)中仿真验证，该文所提CoSG-DASS表现优异，相较于已有方法在平均交并比(mIoU)分别有1.14%, 3.78%和2.49%的提升。
2026, 48(7): 2843-2853.
doi: 10.11999/JEIT260018
摘要:
该文针对移动群智感知(MCS)系统复杂任务的协作需求，建立了一种融合社交协作关系的任务分配优化模型，不仅考虑平台参与者间的协作，还将社交网络作为辅助执行资源，构建了“平台参与者-社交好友”双层协作框架。该文提出基于生殖分工的多目标蚁群优化算法，根据社会分工将蚁群划分为4个协作子种群；基于统计学习选择交配对象以强化精英基因的交流；采用多策略混合搜索以提高探索的多样性与深度；引入贡献度预测自适应配置种群资源。在8个合成和4个真实算例上的对比实验表明，所提算法在收敛性与多样性测度上，比第2优算法平均提升16.41%和18.04%，上述结果验证了所提算法在解决复杂MCS任务分配问题上的精度优势与应用价值。
该文针对移动群智感知(MCS)系统复杂任务的协作需求，建立了一种融合社交协作关系的任务分配优化模型，不仅考虑平台参与者间的协作，还将社交网络作为辅助执行资源，构建了“平台参与者-社交好友”双层协作框架。该文提出基于生殖分工的多目标蚁群优化算法，根据社会分工将蚁群划分为4个协作子种群；基于统计学习选择交配对象以强化精英基因的交流；采用多策略混合搜索以提高探索的多样性与深度；引入贡献度预测自适应配置种群资源。在8个合成和4个真实算例上的对比实验表明，所提算法在收敛性与多样性测度上，比第2优算法平均提升16.41%和18.04%，上述结果验证了所提算法在解决复杂MCS任务分配问题上的精度优势与应用价值。
2026, 48(7): 2854-2864.
doi: 10.11999/JEIT251111
摘要:
唇部运动的微小变化和相似音素的视觉歧义导致唇语识别模型的时空特征提取能力不足。为此，该文提出多维时空特征增强的唇语识别方法。首先设计自调节时空注意力(SaSTA)，关注全局时空关键特征；其次提出三维增强残差块(TE-ResBlock)，通过时序位移、多尺度卷积与通道混洗增强时空特征提取能力；然后设计多维时空增强网络(MSTEN)，逐层提取时空特征并深度融合时间、空间和通道特征；最后基于MSTEN和DC-TCN构建唇语识别模型，并在LRW数据集和GRID数据集上验证模型性能。实验结果表明，所提方法在LRW和GRID上的准确率分别达到91.18%和97.82%，优于所有对比方法。
唇部运动的微小变化和相似音素的视觉歧义导致唇语识别模型的时空特征提取能力不足。为此，该文提出多维时空特征增强的唇语识别方法。首先设计自调节时空注意力(SaSTA)，关注全局时空关键特征；其次提出三维增强残差块(TE-ResBlock)，通过时序位移、多尺度卷积与通道混洗增强时空特征提取能力；然后设计多维时空增强网络(MSTEN)，逐层提取时空特征并深度融合时间、空间和通道特征；最后基于MSTEN和DC-TCN构建唇语识别模型，并在LRW数据集和GRID数据集上验证模型性能。实验结果表明，所提方法在LRW和GRID上的准确率分别达到91.18%和97.82%，优于所有对比方法。
2026, 48(7): 2865-2875.
doi: 10.11999/JEIT251120
摘要:
网络指标是网络设计、运维与优化的基础。为此，有必要厘清网络指标的整体分布、场景依赖与关联规律，进而构建面向网络架构设计及全生命周期管理的多维分析框架。该文提出一种基于大语言模型(LLM)的文献挖掘方案，对《IEEE/ACM Transactions on Networking》2023～2024年刊载的583篇文献进行指标提取、术语规范化、场景标注与指标关联量化，并通过双LLM交叉验证和人工抽样复核检验挖掘结果。结果表明，网络指标呈现“少量共性指标+大量长尾专有指标”的结构，不同应用场景所关注的核心指标集及指标关联均具有场景依赖性。该文提出服务质量(S)、资源复用成本 (M)以及场景适配重构能力(V)3类相互独立且可组合的分析维度，为网络架构的设计、部署、运维和优化提供指导。
网络指标是网络设计、运维与优化的基础。为此，有必要厘清网络指标的整体分布、场景依赖与关联规律，进而构建面向网络架构设计及全生命周期管理的多维分析框架。该文提出一种基于大语言模型(LLM)的文献挖掘方案，对《IEEE/ACM Transactions on Networking》2023～2024年刊载的583篇文献进行指标提取、术语规范化、场景标注与指标关联量化，并通过双LLM交叉验证和人工抽样复核检验挖掘结果。结果表明，网络指标呈现“少量共性指标+大量长尾专有指标”的结构，不同应用场景所关注的核心指标集及指标关联均具有场景依赖性。该文提出服务质量(S)、资源复用成本 (M)以及场景适配重构能力(V)3类相互独立且可组合的分析维度，为网络架构的设计、部署、运维和优化提供指导。
2026, 48(7): 2876-2886.
doi: 10.11999/JEIT251129
摘要:
针对现有水下目标检测方法在成像退化类型多样与背景干扰等复杂场景中鲁棒性差以及在设备资源受限条件下难以兼顾检测精度与模型轻量化的问题，该文提出一种基于冗余信息优化的轻量化水下目标检测网络(UnderWater Faster YOLO network based on redundancy information optimization, UWF-YOLO)，并进一步构建了复杂场景水下目标检测数据集(Underwater Object Detection dataset with Complex Scene, CSUOD)。UWF-YOLO采用FasterNet Block重构C2f模块优化主干和颈部网络，通过特征通道选择机制减少冗余特征，并引入Ghost卷积增强颈部网络的多尺度特征融合能力；同时，通过基于分组卷积的参数共享检测头降低计算开销；最后，应用结构化通道剪枝进一步压缩网络规模。CSUOD数据集通过收集真实水下图像进行标注和分辨率标准化处理，覆盖雾化、色偏、非均匀照明等各种退化类型，可用于复杂场景下水下目标检测模型的鲁棒性训练与性能评测。在DUO，RUOD和TrashCan数据集上进行实验分析，相较于YOLOv8s，所提方法在计算量、权重大小与参数量3个指标上分别降低了60.4%, 77.3%和78.4%；与参数量相当的YOLOv9-tiny相比，mAP指标在3个数据集上分别提升了0.3%, 2.3%和3.4%。同时，在自建CSUOD数据集上的主客观对比实验，进一步证实所提模型在实现显著轻量化的同时，能够有效避免背景干扰导致的误检、漏检等问题，特别在复杂水下环境中展现出优异的检测性能。此外，该文构建的复杂场景水下数据集将有助于推动水下目标检测方法的发展。
针对现有水下目标检测方法在成像退化类型多样与背景干扰等复杂场景中鲁棒性差以及在设备资源受限条件下难以兼顾检测精度与模型轻量化的问题，该文提出一种基于冗余信息优化的轻量化水下目标检测网络(UnderWater Faster YOLO network based on redundancy information optimization, UWF-YOLO)，并进一步构建了复杂场景水下目标检测数据集(Underwater Object Detection dataset with Complex Scene, CSUOD)。UWF-YOLO采用FasterNet Block重构C2f模块优化主干和颈部网络，通过特征通道选择机制减少冗余特征，并引入Ghost卷积增强颈部网络的多尺度特征融合能力；同时，通过基于分组卷积的参数共享检测头降低计算开销；最后，应用结构化通道剪枝进一步压缩网络规模。CSUOD数据集通过收集真实水下图像进行标注和分辨率标准化处理，覆盖雾化、色偏、非均匀照明等各种退化类型，可用于复杂场景下水下目标检测模型的鲁棒性训练与性能评测。在DUO，RUOD和TrashCan数据集上进行实验分析，相较于YOLOv8s，所提方法在计算量、权重大小与参数量3个指标上分别降低了60.4%, 77.3%和78.4%；与参数量相当的YOLOv9-tiny相比，mAP指标在3个数据集上分别提升了0.3%, 2.3%和3.4%。同时，在自建CSUOD数据集上的主客观对比实验，进一步证实所提模型在实现显著轻量化的同时，能够有效避免背景干扰导致的误检、漏检等问题，特别在复杂水下环境中展现出优异的检测性能。此外，该文构建的复杂场景水下数据集将有助于推动水下目标检测方法的发展。
2026, 48(7): 2887-2897.
doi: 10.11999/JEIT260063
摘要:
针对多模态情感分析中图文不一致、视觉模态置信度低、模态贡献不均衡等问题，该文提出一种多源知识引导的视觉置信度感知模型(MKVP)。首先，通过多源知识引导构建视觉置信度感知(VCP)模块，利用文本句法与细粒度属性先验对视觉特征进行质量评估，有效过滤图像中受环境干扰的冗余信息，并引导其特征分布。其次，为避免模型对文本模态产生过度依赖并平衡模态贡献，设计双流并行交互模块，通过跨模态注意力机制促进图文特征的深层对等交互，强化图像特征对文本语义的补充与修正作用。最后，引入全局门控融合机制，根据各模态的全局贡献程度动态调节融合权重，实现从单模态主导向多模态均衡协同决策的转变。在MVSA-Single, MVSA-Multiple及HFM数据集上识别准确率和F1分数分别达到了77.56%和76.70%、72.72%和70.66%、87.26%和86.78%，对比基线模型识别准确率和F1分数分别提升2.45%和3.68%、2.19%和2.21%、1.83%和1.91%。说明该模型能有效挖掘样本中图文之间更深层次的情感表达。
针对多模态情感分析中图文不一致、视觉模态置信度低、模态贡献不均衡等问题，该文提出一种多源知识引导的视觉置信度感知模型(MKVP)。首先，通过多源知识引导构建视觉置信度感知(VCP)模块，利用文本句法与细粒度属性先验对视觉特征进行质量评估，有效过滤图像中受环境干扰的冗余信息，并引导其特征分布。其次，为避免模型对文本模态产生过度依赖并平衡模态贡献，设计双流并行交互模块，通过跨模态注意力机制促进图文特征的深层对等交互，强化图像特征对文本语义的补充与修正作用。最后，引入全局门控融合机制，根据各模态的全局贡献程度动态调节融合权重，实现从单模态主导向多模态均衡协同决策的转变。在MVSA-Single, MVSA-Multiple及HFM数据集上识别准确率和F1分数分别达到了77.56%和76.70%、72.72%和70.66%、87.26%和86.78%，对比基线模型识别准确率和F1分数分别提升2.45%和3.68%、2.19%和2.21%、1.83%和1.91%。说明该模型能有效挖掘样本中图文之间更深层次的情感表达。
2026, 48(7): 2898-2908.
doi: 10.11999/JEIT260002
摘要:
在无人机实时视频流传输场景中，可利用多路径传输协议的带宽聚合优势提升视频体验质量(QoE)。针对该协议在无人机网络环境下面临的动态异构挑战，该文提出一种基于神经置信上界(NeuralUCB)算法的多路径调度框架NeuroFly。首先，将多路径流量调度建模为上下文多臂老虎机(CMAB)问题。然后，基于NeuralUCB设计在线学习策略：融合多维度异构特征构建上下文空间，引入帧优先级驱动的冗余传输机制构建动作空间，并结合多目标奖励函数设计，实现动态异构网络下的自适应流量调度。此外，还设计一种上下文监控机制，能够实时检测上下文分布变化并适时重启学习过程，以提升NeuroFly对环境突变的应对能力。最后，仿真和野外环境下的实验结果表明，与现有先进调度算法和传输方案相比，NeuroFly第99百分位延迟降低19.9%～51.0%，并在多项视频QoE指标上取得显著领先：平均视频帧率提升最高达24.6%，图像结构相似性提升最高达49.2%，缓冲时间占比减少13.4%～77.6%，证明其在无人机动态异构网络下具有更为出色的持续传输优化能力，能够有效降低传输延迟并提升视频QoE。
在无人机实时视频流传输场景中，可利用多路径传输协议的带宽聚合优势提升视频体验质量(QoE)。针对该协议在无人机网络环境下面临的动态异构挑战，该文提出一种基于神经置信上界(NeuralUCB)算法的多路径调度框架NeuroFly。首先，将多路径流量调度建模为上下文多臂老虎机(CMAB)问题。然后，基于NeuralUCB设计在线学习策略：融合多维度异构特征构建上下文空间，引入帧优先级驱动的冗余传输机制构建动作空间，并结合多目标奖励函数设计，实现动态异构网络下的自适应流量调度。此外，还设计一种上下文监控机制，能够实时检测上下文分布变化并适时重启学习过程，以提升NeuroFly对环境突变的应对能力。最后，仿真和野外环境下的实验结果表明，与现有先进调度算法和传输方案相比，NeuroFly第99百分位延迟降低19.9%～51.0%，并在多项视频QoE指标上取得显著领先：平均视频帧率提升最高达24.6%，图像结构相似性提升最高达49.2%，缓冲时间占比减少13.4%～77.6%，证明其在无人机动态异构网络下具有更为出色的持续传输优化能力，能够有效降低传输延迟并提升视频QoE。
2026, 48(7): 2909-2918.
doi: 10.11999/JEIT251273
摘要:
针对非线性量测条件下的多机动群目标跟踪问题，该文提出一种基于交互式多模型的伽马箱粒子δ-广义标签多伯努利(IMM-GBP-δ-GLMB)算法。基于箱粒子滤波框架和区间分析理论，以区间覆盖代替多点概率近似，实现对量测不确定性和扩展状态的高效表示；通过改进似然函数和引入交互式多模型分别增强对群目标扩展外形和质心运动状态的跟踪能力，提升了算法的跟踪精度。最后，结合随机有限集理论推导了算法的δ-GLMB形式。仿真结果表明，所提算法以8.5%左右的跟踪精度代价，获得了3.8倍的时效性提升；对3个群目标和2个群目标的平均跟踪时间增长速度为原算法的96%，对群目标数量增加具有较好的时间鲁棒性，所提算法具有较好的实用价值。
针对非线性量测条件下的多机动群目标跟踪问题，该文提出一种基于交互式多模型的伽马箱粒子δ-广义标签多伯努利(IMM-GBP-δ-GLMB)算法。基于箱粒子滤波框架和区间分析理论，以区间覆盖代替多点概率近似，实现对量测不确定性和扩展状态的高效表示；通过改进似然函数和引入交互式多模型分别增强对群目标扩展外形和质心运动状态的跟踪能力，提升了算法的跟踪精度。最后，结合随机有限集理论推导了算法的δ-GLMB形式。仿真结果表明，所提算法以8.5%左右的跟踪精度代价，获得了3.8倍的时效性提升；对3个群目标和2个群目标的平均跟踪时间增长速度为原算法的96%，对群目标数量增加具有较好的时间鲁棒性，所提算法具有较好的实用价值。
2026, 48(7): 2919-2929.
doi: 10.11999/JEIT251162
摘要:
为解决现有眼动追踪技术精度低，在高速眼动场景下时间分辨率受限等问题。该提出了一种基于事件相机与双通道差分照明的眼动追踪方法。相比于传统相机，事件相机能够异步输出有关亮度变化的事件流，具有高时间分辨率、高动态范围、低延迟等优势。首先，该文采用事件相机作为图像传感器，并结合双通道差分照明策略，增强高时间分辨率下角膜反射点事件的信噪比；其次，引入基于密度带有噪声的空间聚类算法(DBSCAN)，改善角膜反射点事件中大量离散点噪声导致的定位偏差，提升角膜反射点的定位精度。最后，重建世界坐标系下眼球的射线追踪模型，有效利用角膜反射点坐标并通过奇异值分解(SVD)和最小二乘法确定角膜曲率中心，从而完成注视方向的估计。在仿生眼数据集上的实验结果表明，该文提出的方法能够在25 kHz的时间分辨率下实现误差小于1°的注视方向估计，为下一代高性能眼动交互系统提供了可行的技术路径。
为解决现有眼动追踪技术精度低，在高速眼动场景下时间分辨率受限等问题。该提出了一种基于事件相机与双通道差分照明的眼动追踪方法。相比于传统相机，事件相机能够异步输出有关亮度变化的事件流，具有高时间分辨率、高动态范围、低延迟等优势。首先，该文采用事件相机作为图像传感器，并结合双通道差分照明策略，增强高时间分辨率下角膜反射点事件的信噪比；其次，引入基于密度带有噪声的空间聚类算法(DBSCAN)，改善角膜反射点事件中大量离散点噪声导致的定位偏差，提升角膜反射点的定位精度。最后，重建世界坐标系下眼球的射线追踪模型，有效利用角膜反射点坐标并通过奇异值分解(SVD)和最小二乘法确定角膜曲率中心，从而完成注视方向的估计。在仿生眼数据集上的实验结果表明，该文提出的方法能够在25 kHz的时间分辨率下实现误差小于1°的注视方向估计，为下一代高性能眼动交互系统提供了可行的技术路径。
2026, 48(7): 2930-2942.
doi: 10.11999/JEIT260043
摘要:
人脸深度伪造的非法滥用，会导致严重的人身财产损害。人脸伪造防御现阶段存在对抗样本的跨模型防御可迁移性不足、隐蔽性与攻击有效性难以平衡的问题，该文提出一种属性感知的对抗样本生成方法。为了达到改善对抗扰动隐蔽性的同时，兼顾跨模型防御性能的目的，一方面，该文在仅考虑人脸图像前景的基础上，使用属性显著掩码划分出的面部与发型区域，通过自适应扰动生成器生成特异性的对抗扰动，有效平衡了对抗样本的隐蔽性与攻击性。另一方面，该文从数据增强角度出发，通过融合参考人脸图像的频域相位信息，生成更具多样性的输入特征，防范扰动过拟合的同时提升可迁移性能。实验结果表明，所提方法在定量和定性测试中均取得较好的防御性能，适用于跨模型防御的应用场景。
人脸深度伪造的非法滥用，会导致严重的人身财产损害。人脸伪造防御现阶段存在对抗样本的跨模型防御可迁移性不足、隐蔽性与攻击有效性难以平衡的问题，该文提出一种属性感知的对抗样本生成方法。为了达到改善对抗扰动隐蔽性的同时，兼顾跨模型防御性能的目的，一方面，该文在仅考虑人脸图像前景的基础上，使用属性显著掩码划分出的面部与发型区域，通过自适应扰动生成器生成特异性的对抗扰动，有效平衡了对抗样本的隐蔽性与攻击性。另一方面，该文从数据增强角度出发，通过融合参考人脸图像的频域相位信息，生成更具多样性的输入特征，防范扰动过拟合的同时提升可迁移性能。实验结果表明，所提方法在定量和定性测试中均取得较好的防御性能，适用于跨模型防御的应用场景。
2026, 48(7): 2943-2954.
doi: 10.11999/JEIT260067
摘要:
虚拟现实(VR)流媒体传输中的突发分辨率变化会显著降低用户的体验质量(QoE)，尤其是在从高分辨率向低分辨率切换的过程中。现有的QoE模型与传输方案未能充分解决这类变化对感知的影响。为弥补这一空白，该文提出一种创新的、生理信号驱动的QoE建模与优化框架，该框架充分利用了用户的脑电图(EEG)、心电图(ECG)以及皮肤电活动，能够精确捕捉VR流媒体传输中生理反应与分辨率变化的时间动态，从而实现对分辨率上升所带来收益以及分辨率下降所造成影响的准确量化。通过在一个深度强化学习(DRL)框架下将所提出的QoE模型集成到无线接入网络(RAN)中，该文实现了自适应传输策略，以动态分配无线资源，从而缓解短期信道波动，并根据用户移动性引发的信道变化调整帧分辨率。通过优先保证长期分辨率并尽量减少突发切换，所提方案相较于基线方案实现了88.7%的分辨率提升，并使分辨率切换频率降低了81.0%。实验结果证明了该生理信号驱动策略的有效性，并凸显了边缘人工智能在沉浸式媒体服务中的应用前景。
虚拟现实(VR)流媒体传输中的突发分辨率变化会显著降低用户的体验质量(QoE)，尤其是在从高分辨率向低分辨率切换的过程中。现有的QoE模型与传输方案未能充分解决这类变化对感知的影响。为弥补这一空白，该文提出一种创新的、生理信号驱动的QoE建模与优化框架，该框架充分利用了用户的脑电图(EEG)、心电图(ECG)以及皮肤电活动，能够精确捕捉VR流媒体传输中生理反应与分辨率变化的时间动态，从而实现对分辨率上升所带来收益以及分辨率下降所造成影响的准确量化。通过在一个深度强化学习(DRL)框架下将所提出的QoE模型集成到无线接入网络(RAN)中，该文实现了自适应传输策略，以动态分配无线资源，从而缓解短期信道波动，并根据用户移动性引发的信道变化调整帧分辨率。通过优先保证长期分辨率并尽量减少突发切换，所提方案相较于基线方案实现了88.7%的分辨率提升，并使分辨率切换频率降低了81.0%。实验结果证明了该生理信号驱动策略的有效性，并凸显了边缘人工智能在沉浸式媒体服务中的应用前景。
2026, 48(7): 2955-2968.
doi: 10.11999/JEIT251112
摘要:
在大型集装箱港区堆场环境中，大量重复性语义特征以及部分退化场景导致无人机在大面积场景下难以实现高效可靠的三维重建。为此，该文提出一种基于无人机点云切片同步定位与建图(SLAM)的大型集装箱港区三维重建方法，基于地面约束与点云密度梯度变化自适应提取多层切片点云，高效精准获取堆场语义信息，并基于同层切片点云匹配有效改善了里程计以及回环检测的精度。首先提出一种面向快速特征提取的点云切片方法，通过快速提取主方向并将点云划分为多层切片，高效获取多层语义点云。其次基于集装箱堆场场景特点进一步优化切片提取方法，基于重力方向简化场景主平面提取过程，并通过点云梯度变化自适应获取各层集装箱所在高程区间，构建多层切片点云。然后构建基于切片点云的递进式自适应激光里程计，利用高程切片自适应判别退化场景，同时在层间利用增量式迭代策略实现切片融合匹配，从而提升激光里程计精度、效率与稳定性。此外，设计融合激光点云切片信息的因子图优化方法，通过对多层切片点云匹配结果进行融合投票，筛除错误结果并减少大量重复结构对回环检测的影响，并利用切片因子来构建因子图边，从而提升全局优化水平，实现高效稳定的三维重建。最后，通过Carla仿真场景以及武汉某大型集装箱港区的实际场景测试，证实了该方法的可行性和有效性。
在大型集装箱港区堆场环境中，大量重复性语义特征以及部分退化场景导致无人机在大面积场景下难以实现高效可靠的三维重建。为此，该文提出一种基于无人机点云切片同步定位与建图(SLAM)的大型集装箱港区三维重建方法，基于地面约束与点云密度梯度变化自适应提取多层切片点云，高效精准获取堆场语义信息，并基于同层切片点云匹配有效改善了里程计以及回环检测的精度。首先提出一种面向快速特征提取的点云切片方法，通过快速提取主方向并将点云划分为多层切片，高效获取多层语义点云。其次基于集装箱堆场场景特点进一步优化切片提取方法，基于重力方向简化场景主平面提取过程，并通过点云梯度变化自适应获取各层集装箱所在高程区间，构建多层切片点云。然后构建基于切片点云的递进式自适应激光里程计，利用高程切片自适应判别退化场景，同时在层间利用增量式迭代策略实现切片融合匹配，从而提升激光里程计精度、效率与稳定性。此外，设计融合激光点云切片信息的因子图优化方法，通过对多层切片点云匹配结果进行融合投票，筛除错误结果并减少大量重复结构对回环检测的影响，并利用切片因子来构建因子图边，从而提升全局优化水平，实现高效稳定的三维重建。最后，通过Carla仿真场景以及武汉某大型集装箱港区的实际场景测试，证实了该方法的可行性和有效性。
2026, 48(7): 2969-2978.
doi: 10.11999/JEIT251099
摘要:
药物响应预测是生物医学研究中的重要课题，对推动癌症个性化治疗具有重要意义。尽管目前已有方法在药物响应预测方面取得了一定进展，然而，细胞系多组学数据的有效整合与药物特征的高效提取仍是当前研究面临的关键挑战。针对这一问题，该文提出一种基于图拓扑注意力网络的药物分子特征提取方法，并使用注意力机制融合多组学特征，进而实现药物响应预测。实验结果表明，该文所提出的模型在CCLE和GDSC两个数据集上均优于现有主流方法，消融实验进一步验证了模型结构与特征提取策略在本任务中的有效性。
药物响应预测是生物医学研究中的重要课题，对推动癌症个性化治疗具有重要意义。尽管目前已有方法在药物响应预测方面取得了一定进展，然而，细胞系多组学数据的有效整合与药物特征的高效提取仍是当前研究面临的关键挑战。针对这一问题，该文提出一种基于图拓扑注意力网络的药物分子特征提取方法，并使用注意力机制融合多组学特征，进而实现药物响应预测。实验结果表明，该文所提出的模型在CCLE和GDSC两个数据集上均优于现有主流方法，消融实验进一步验证了模型结构与特征提取策略在本任务中的有效性。
2026, 48(7): 2979-2989.
doi: 10.11999/JEIT260084
摘要:
针对废旧家电塑料回收中低光谱分辨率条件下识别精度不足的问题，尤其是黑色塑料在可见-近红外波段因高吸光性与光谱重叠导致的特征可分性下降，该文提出一种面向受限光谱特征空间的自动识别方法。该方法基于可见-近红外多光谱传感系统，通过多层次特征工程增强低维光谱信息，并结合分阶段层级分类策略，将多类别识别分解为粗分类与细分类的联合推理过程，以抑制复杂样本的特征混叠对分类性能的干扰。在5折交叉验证条件下，模型取得97.4%的分类准确率，在独立测试集上取得93.1%的分类准确率，相较于单阶段分类及无特征增强方法表现出更优的分类性能。结果表明，该方法在低分辨率多光谱条件下对黑色塑料及其他常见家电塑料具有稳定的识别能力，有效提升了复杂样本的分类精度，为废旧家电塑料自动化分选系统的开发提供了理论与应用支持。
针对废旧家电塑料回收中低光谱分辨率条件下识别精度不足的问题，尤其是黑色塑料在可见-近红外波段因高吸光性与光谱重叠导致的特征可分性下降，该文提出一种面向受限光谱特征空间的自动识别方法。该方法基于可见-近红外多光谱传感系统，通过多层次特征工程增强低维光谱信息，并结合分阶段层级分类策略，将多类别识别分解为粗分类与细分类的联合推理过程，以抑制复杂样本的特征混叠对分类性能的干扰。在5折交叉验证条件下，模型取得97.4%的分类准确率，在独立测试集上取得93.1%的分类准确率，相较于单阶段分类及无特征增强方法表现出更优的分类性能。结果表明，该方法在低分辨率多光谱条件下对黑色塑料及其他常见家电塑料具有稳定的识别能力，有效提升了复杂样本的分类精度，为废旧家电塑料自动化分选系统的开发提供了理论与应用支持。
2026, 48(7): 2990-3001.
doi: 10.11999/JEIT260165
摘要:
航空对地观测在环境监测、灾害预警和城市规划等领域发挥着关键作用。然而，受限于飞行平台续航能力、任务窗口时效性等现实约束，所获取的航空图像往往难以完整刻画地表的长期演化过程。尽管预训练扩散模型在图像生成领域展现出巨大潜力，但其在航空领域的应用仍面临严峻挑战。一方面，航空观测易受天气及飞行条件制约，高质量的长时序标注样本获取困难，难以支撑模型的有效训练；另一方面，航空平台飞行高度灵活多变，地物尺度跨度大，使得文本描述语义难以与多尺度视觉特征精确匹配，进而引发语义-视觉对齐偏差问题。为应对上述挑战，该文提出一个用于航空时序图像生成的免训练框架(ASTIG)。该框架首先利用视觉语言模型构建航空时序地表演变描述，并引入动态语义分解过程将复杂的时序描述转化为帧级视觉提示，为推理阶段提供细粒度的语义引导。随后，创新性地提出一种语言绑定策略，在扩散模型的交叉注意力机制中建立文本中关键地物与对应视觉属性的显式关联，从而增强模型对语义特征的捕捉能力。最后，集成时序锚点注意力机制，利用双参考帧约束确保主体与背景在帧间的时序一致性，有效抑制帧间的时序内容偏移问题。定性和定量实验结果表明，所提方法在时序连续性及语义保真度上均优于基线模型，为航空时序图像生成提供了新范式。
航空对地观测在环境监测、灾害预警和城市规划等领域发挥着关键作用。然而，受限于飞行平台续航能力、任务窗口时效性等现实约束，所获取的航空图像往往难以完整刻画地表的长期演化过程。尽管预训练扩散模型在图像生成领域展现出巨大潜力，但其在航空领域的应用仍面临严峻挑战。一方面，航空观测易受天气及飞行条件制约，高质量的长时序标注样本获取困难，难以支撑模型的有效训练；另一方面，航空平台飞行高度灵活多变，地物尺度跨度大，使得文本描述语义难以与多尺度视觉特征精确匹配，进而引发语义-视觉对齐偏差问题。为应对上述挑战，该文提出一个用于航空时序图像生成的免训练框架(ASTIG)。该框架首先利用视觉语言模型构建航空时序地表演变描述，并引入动态语义分解过程将复杂的时序描述转化为帧级视觉提示，为推理阶段提供细粒度的语义引导。随后，创新性地提出一种语言绑定策略，在扩散模型的交叉注意力机制中建立文本中关键地物与对应视觉属性的显式关联，从而增强模型对语义特征的捕捉能力。最后，集成时序锚点注意力机制，利用双参考帧约束确保主体与背景在帧间的时序一致性，有效抑制帧间的时序内容偏移问题。定性和定量实验结果表明，所提方法在时序连续性及语义保真度上均优于基线模型，为航空时序图像生成提供了新范式。
2026, 48(7): 3002-3014.
doi: 10.11999/JEIT260051
摘要:
现有的基于知识图谱的推荐模型面临着噪声抑制不足、细粒度用户兴趣捕捉不充分以及信息利用不平衡等挑战，影响推荐的准确性。该文提出一种融合知识增强和多层抑噪的个性化推荐模型(KE-HNS)。首先，提出一种多层抑噪策略：在输入端构建降噪层，分别以2元掩码矩阵与掩盖低权重3元组的方式，剔除用户历史交互行为及知识图谱中的无关或误导性信息；在主干网络上设置抑噪层，利用实体关系空间隔离消除特征融合过程中的语义污染；同时构造对比学习压噪层，通过正负样本的比较压制无关实体噪声。其次，为更精准建模用户偏好与项目特性，利用图卷积网络、自适应权重层，借助降噪后的外部知识增强用户表征和项目表征。再次，通过构建用户-项目与项目-实体双视图对比学习机制，KE-HNS借助正负样本对自适应地平衡不同信息源的权重，从而缓解信息利用不平衡的问题。在3个公开基准数据集上的实验表明，与协同引导知识图谱推荐模型(CG-KGR)、知识图谱意图网络模型(KGIN)和知识图谱降噪双对比推荐模型(KG-DCRec)等多种先进方法对比，所提模型KE-HNS在AUC和F1指标上分别提升了0.94%～1.01%和0.43%～0.90%，在降噪性能对比和Recall@K等指标上也优于基准模型。
现有的基于知识图谱的推荐模型面临着噪声抑制不足、细粒度用户兴趣捕捉不充分以及信息利用不平衡等挑战，影响推荐的准确性。该文提出一种融合知识增强和多层抑噪的个性化推荐模型(KE-HNS)。首先，提出一种多层抑噪策略：在输入端构建降噪层，分别以2元掩码矩阵与掩盖低权重3元组的方式，剔除用户历史交互行为及知识图谱中的无关或误导性信息；在主干网络上设置抑噪层，利用实体关系空间隔离消除特征融合过程中的语义污染；同时构造对比学习压噪层，通过正负样本的比较压制无关实体噪声。其次，为更精准建模用户偏好与项目特性，利用图卷积网络、自适应权重层，借助降噪后的外部知识增强用户表征和项目表征。再次，通过构建用户-项目与项目-实体双视图对比学习机制，KE-HNS借助正负样本对自适应地平衡不同信息源的权重，从而缓解信息利用不平衡的问题。在3个公开基准数据集上的实验表明，与协同引导知识图谱推荐模型(CG-KGR)、知识图谱意图网络模型(KGIN)和知识图谱降噪双对比推荐模型(KG-DCRec)等多种先进方法对比，所提模型KE-HNS在AUC和F1指标上分别提升了0.94%～1.01%和0.43%～0.90%，在降噪性能对比和Recall@K等指标上也优于基准模型。
2026, 48(7): 3015-3026.
doi: 10.11999/JEIT260050
摘要:
不确定扰动环境下四旋翼无人机(UAV)集群往往面临建模不精确带来的编队控制难题，该文提出一种基于数据驱动的四旋翼无人机集群滑模抗扰编队控制方法。首先，根据四旋翼无人机及其邻居节点的输入输出状态，采用动态线性化方法建立了无人机集群数据驱动编队模型；其次，基于数据驱动模型设计了扩张状态观测器与积分滑模编队控制器，用于对不确定干扰进行在线估计与滑模抗扰编队；最后，对基于数据驱动的无人机集群滑模抗扰编队系统进行了稳定性分析，得到了只需通信拓扑连通和扰动有界的编队稳定性条件。Gazebo仿真与实验结果均表明，所提策略在无人机模型未知且在7 m/s风速的不确定扰动下，集群编队误差优于0.1 m，较传统基于模型控制的四旋翼无人机编队方法和现有数据驱动方法编队误差降低了41%，编队响应时间缩短了40%。
不确定扰动环境下四旋翼无人机(UAV)集群往往面临建模不精确带来的编队控制难题，该文提出一种基于数据驱动的四旋翼无人机集群滑模抗扰编队控制方法。首先，根据四旋翼无人机及其邻居节点的输入输出状态，采用动态线性化方法建立了无人机集群数据驱动编队模型；其次，基于数据驱动模型设计了扩张状态观测器与积分滑模编队控制器，用于对不确定干扰进行在线估计与滑模抗扰编队；最后，对基于数据驱动的无人机集群滑模抗扰编队系统进行了稳定性分析，得到了只需通信拓扑连通和扰动有界的编队稳定性条件。Gazebo仿真与实验结果均表明，所提策略在无人机模型未知且在7 m/s风速的不确定扰动下，集群编队误差优于0.1 m，较传统基于模型控制的四旋翼无人机编队方法和现有数据驱动方法编队误差降低了41%，编队响应时间缩短了40%。
2026, 48(7): 3027-3036.
doi: 10.11999/JEIT260115
摘要:
服务质量(QoS)感知云应用程序编程接口(API)推荐系统通过指导用户发现高质量云API，有效缓解了云API数量持续增长导致的信息过载挑战。然而，现有QoS感知云API推荐系统的研究主要聚焦于提升推荐精准性，忽略了投毒攻击带来的安全风险。为此，该研究从以攻学防的角度提出基于一步重构扩散模型的偏好引导投毒攻击框架(PDPA)模拟投毒攻击，揭示云API推荐系统的脆弱性。首先，PDPA使用一步重构扩散模型分别建模真实用户关于云API的QoS和调用分布，生成与真实用户相似的虚假用户QoS和调用行为。接着，PDPA选择对目标云API具有调用偏好的虚假用户模拟投毒攻击，有效降低目标云API对虚假用户隐蔽性的干扰并且确保了虚假用户的攻击效果。最后，在真实世界的数据集中进行了广泛实验，实验结果证明了QoS感知云API推荐系统在投毒攻击下的脆弱性，以及PDPA生成的虚假用户有着优于基线方法的攻击效果和隐蔽性。
服务质量(QoS)感知云应用程序编程接口(API)推荐系统通过指导用户发现高质量云API，有效缓解了云API数量持续增长导致的信息过载挑战。然而，现有QoS感知云API推荐系统的研究主要聚焦于提升推荐精准性，忽略了投毒攻击带来的安全风险。为此，该研究从以攻学防的角度提出基于一步重构扩散模型的偏好引导投毒攻击框架(PDPA)模拟投毒攻击，揭示云API推荐系统的脆弱性。首先，PDPA使用一步重构扩散模型分别建模真实用户关于云API的QoS和调用分布，生成与真实用户相似的虚假用户QoS和调用行为。接着，PDPA选择对目标云API具有调用偏好的虚假用户模拟投毒攻击，有效降低目标云API对虚假用户隐蔽性的干扰并且确保了虚假用户的攻击效果。最后，在真实世界的数据集中进行了广泛实验，实验结果证明了QoS感知云API推荐系统在投毒攻击下的脆弱性，以及PDPA生成的虚假用户有着优于基线方法的攻击效果和隐蔽性。
2026, 48(7): 3037-3046.
doi: 10.11999/JEIT260023
摘要:
针对通信感知一体化(ISAC)系统在近场宽带场景下存在的近场效应与波束分裂挑战，该文提出一种可旋转天线(RA)辅助的系统架构。通过引入天线视轴可调的旋转自由度并结合真时延器(TTD)全连接混合波束赋形结构，构建了以最大化系统和速率为目标的联合优化模型。针对模型的高度非凸与强耦合特性，该文提出一种基于罚函数的全数字逼近(PBFDA)优化算法，通过将原问题分解为3个子问题并采用交替迭代方式进行求解：第1个子问题利用粒子群(PSO)方法优化天线指向；第2个子问题结合降维技术与连续凸逼近(SCA)方法求解最优全数字波束赋形器；第3个子问题运用流形方法与块坐标下降(BCD)法协同优化混合波束赋形参数。仿真结果表明，该方案能在保证感知性能的前提下显著提升系统和速率，性能优于传统固定天线架构且接近全数字方案。该研究验证了RA辅助架构在近场宽带ISAC场景中的有效性，为系统能量聚焦与频率鲁棒性提升提供了新思路。
针对通信感知一体化(ISAC)系统在近场宽带场景下存在的近场效应与波束分裂挑战，该文提出一种可旋转天线(RA)辅助的系统架构。通过引入天线视轴可调的旋转自由度并结合真时延器(TTD)全连接混合波束赋形结构，构建了以最大化系统和速率为目标的联合优化模型。针对模型的高度非凸与强耦合特性，该文提出一种基于罚函数的全数字逼近(PBFDA)优化算法，通过将原问题分解为3个子问题并采用交替迭代方式进行求解：第1个子问题利用粒子群(PSO)方法优化天线指向；第2个子问题结合降维技术与连续凸逼近(SCA)方法求解最优全数字波束赋形器；第3个子问题运用流形方法与块坐标下降(BCD)法协同优化混合波束赋形参数。仿真结果表明，该方案能在保证感知性能的前提下显著提升系统和速率，性能优于传统固定天线架构且接近全数字方案。该研究验证了RA辅助架构在近场宽带ISAC场景中的有效性，为系统能量聚焦与频率鲁棒性提升提供了新思路。
2026, 48(7): 3047-3058.
doi: 10.11999/JEIT260059
摘要:
面向位置不确定恶意节点，该文研究准静态莱斯衰落下的多输入多输出(MIMO)短包安全隐蔽通信。基于随机几何，将监测节点Willie与窃听节点Eve建模为泊松点过程；Alice采用奇异值分解(SVD)预编码，Bob采用最大比合并(MRC)接收。在有限块长条件下，基于Chernoff界推导平均最小检测错误概率理论下界并推导了平均保密速率近似解析表达式。进一步提出平均有效安全隐蔽速率(AESCR)以统一表征系统隐蔽性、保密性与可靠性。在平均隐蔽约束下，构建AESCR最大化问题，提出包长与功率联合优化方法。仿真表明，AESCR随合法收发天线数增加而提升，随恶意节点密度及恶意节点天线数增加而下降，且系统存在最优包长。
面向位置不确定恶意节点，该文研究准静态莱斯衰落下的多输入多输出(MIMO)短包安全隐蔽通信。基于随机几何，将监测节点Willie与窃听节点Eve建模为泊松点过程；Alice采用奇异值分解(SVD)预编码，Bob采用最大比合并(MRC)接收。在有限块长条件下，基于Chernoff界推导平均最小检测错误概率理论下界并推导了平均保密速率近似解析表达式。进一步提出平均有效安全隐蔽速率(AESCR)以统一表征系统隐蔽性、保密性与可靠性。在平均隐蔽约束下，构建AESCR最大化问题，提出包长与功率联合优化方法。仿真表明，AESCR随合法收发天线数增加而提升，随恶意节点密度及恶意节点天线数增加而下降，且系统存在最优包长。
2026, 48(7): 3059-3070.
doi: 10.11999/JEIT251211
摘要:
针对高速移动通信场景下，多普勒频移与时变信道导致信号调制特征严重畸变，现有深度学习模型存在鲁棒性不足、推理延迟高的问题，该文提出了一种基于RollingQ动态融合与混合剪枝Transformer的调制识别方法。首先，引入RollingQ机制，动态评估与调整注意力查询方向，打破注意力固化，实现多维度信号表征的自适应均衡融合，提升模型在复杂信道下的泛化能力。其次，设计多头注意力频域增强Transformer结构，通过轻量级卷积、多头/空间/通道注意力以及频域选择模块的协同，有效融合信号的局部与全局、时域与频域特征。最后，采用注意力动态混合剪枝策略，在推理时根据输入信号稀疏化激活计算路径，在几乎不损失精度的情况下实现了模型的结构轻量化与推理加速。在公开数据集RadioML 2016.10a和RML22上的实验表明，该文方法平均分类准确率分别达到65.34%和73.42%，且单条信号推理时间仅需0.011 ms。与多种主流深度学习模型相比，平均分类准确率提升4%～10%，显著兼顾了高速移动通信场景下调制识别的鲁棒性与实时性。
针对高速移动通信场景下，多普勒频移与时变信道导致信号调制特征严重畸变，现有深度学习模型存在鲁棒性不足、推理延迟高的问题，该文提出了一种基于RollingQ动态融合与混合剪枝Transformer的调制识别方法。首先，引入RollingQ机制，动态评估与调整注意力查询方向，打破注意力固化，实现多维度信号表征的自适应均衡融合，提升模型在复杂信道下的泛化能力。其次，设计多头注意力频域增强Transformer结构，通过轻量级卷积、多头/空间/通道注意力以及频域选择模块的协同，有效融合信号的局部与全局、时域与频域特征。最后，采用注意力动态混合剪枝策略，在推理时根据输入信号稀疏化激活计算路径，在几乎不损失精度的情况下实现了模型的结构轻量化与推理加速。在公开数据集RadioML 2016.10a和RML22上的实验表明，该文方法平均分类准确率分别达到65.34%和73.42%，且单条信号推理时间仅需0.011 ms。与多种主流深度学习模型相比，平均分类准确率提升4%～10%，显著兼顾了高速移动通信场景下调制识别的鲁棒性与实时性。
2026, 48(7): 3071-3083.
doi: 10.11999/JEIT260054
摘要:
针对无人机辅助移动边缘计算环境下计算资源受限、系统处理任务总开销过高问题，该文提出基于协同缓存自适应的分层多元宇宙优化(CCAH-MVO)算法优化卸载策略。首先，构建微云-边缘-本地3层网络架构，在无人机边缘服务器上预制缓存程序，采用细粒度部分卸载策略，并针对多无人机覆盖的终端设备制定无人机选择策略。然后，提出CCAH-MVO算法协同优化缓存、卸载和资源分配，并引入动态权重机制自适应平衡时延与能耗，得到最优卸载策略。仿真结果表明，所提策略的时延更优、能耗在裕度区内可控，综合性能优于基准卸载策略。
针对无人机辅助移动边缘计算环境下计算资源受限、系统处理任务总开销过高问题，该文提出基于协同缓存自适应的分层多元宇宙优化(CCAH-MVO)算法优化卸载策略。首先，构建微云-边缘-本地3层网络架构，在无人机边缘服务器上预制缓存程序，采用细粒度部分卸载策略，并针对多无人机覆盖的终端设备制定无人机选择策略。然后，提出CCAH-MVO算法协同优化缓存、卸载和资源分配，并引入动态权重机制自适应平衡时延与能耗，得到最优卸载策略。仿真结果表明，所提策略的时延更优、能耗在裕度区内可控，综合性能优于基准卸载策略。
2026, 48(7): 3084-3093.
doi: 10.11999/JEIT260093
摘要:
针对受阻塞无源可重构智能表面(RIS)辅助的多用户毫米波(mmWave)上行链路通信系统，该文对信道估计与阻塞诊断问题展开研究。现有研究多聚焦于单用户或单路径场景，该文重点解决多用户多路径共存下的估计难题。通过充分挖掘多用户级联信道的稀疏性与路径间的相关性，提出一种低复杂度的两阶段联合估计与诊断策略。第1阶段选取目标用户，利用高斯-逆伽马先验对阻塞向量的稀疏性进行建模，结合贝叶斯压缩感知技术迭代恢复信道参数与阻塞信息；第2阶段则利用所有用户共享RIS-基站信道且受相同阻塞影响的关键特性，构建公共信道矩阵，以估计其余用户的信道参数。仿真结果表明，所提方法能实现高精度的信道估计与可靠的阻塞诊断。
针对受阻塞无源可重构智能表面(RIS)辅助的多用户毫米波(mmWave)上行链路通信系统，该文对信道估计与阻塞诊断问题展开研究。现有研究多聚焦于单用户或单路径场景，该文重点解决多用户多路径共存下的估计难题。通过充分挖掘多用户级联信道的稀疏性与路径间的相关性，提出一种低复杂度的两阶段联合估计与诊断策略。第1阶段选取目标用户，利用高斯-逆伽马先验对阻塞向量的稀疏性进行建模，结合贝叶斯压缩感知技术迭代恢复信道参数与阻塞信息；第2阶段则利用所有用户共享RIS-基站信道且受相同阻塞影响的关键特性，构建公共信道矩阵，以估计其余用户的信道参数。仿真结果表明，所提方法能实现高精度的信道估计与可靠的阻塞诊断。
2026, 48(7): 3094-3104.
doi: 10.11999/JEIT260014
摘要:
无蜂窝大规模多输入多输出(CF-mMIMO)系统通过密集部署接入点(AP)显著提升了频谱效率。然而，海量AP的持续激活会带来巨大的能量开销，尤其在低业务到达率场景下，这种能量浪费在长期来看将显著削弱系统的能量可持续性。为此，该文提出一种基于李雅普诺夫理论的动态资源调度策略。该策略构建了功率分配与AP开关控制的联合优化模型，利用李雅普诺夫理论将原随机优化问题分解为一系列逐时隙的优化问题，在保障队列稳定性的前提下，将每个时隙内的优化问题分解为功率分配和AP开关控制两个子问题，并采用交替优化算法求解，从而实现对网络状态及业务流量波动的自适应资源配置。仿真结果表明，相较于无AP开关控制方案，本文所提方案在功率放大器效率\begin{document}$ {\xi }_{m}=0.38 $\end{document} \begin{document}$ {\xi }_{m}=0.45 $\end{document}
无蜂窝大规模多输入多输出(CF-mMIMO)系统通过密集部署接入点(AP)显著提升了频谱效率。然而，海量AP的持续激活会带来巨大的能量开销，尤其在低业务到达率场景下，这种能量浪费在长期来看将显著削弱系统的能量可持续性。为此，该文提出一种基于李雅普诺夫理论的动态资源调度策略。该策略构建了功率分配与AP开关控制的联合优化模型，利用李雅普诺夫理论将原随机优化问题分解为一系列逐时隙的优化问题，在保障队列稳定性的前提下，将每个时隙内的优化问题分解为功率分配和AP开关控制两个子问题，并采用交替优化算法求解，从而实现对网络状态及业务流量波动的自适应资源配置。仿真结果表明，相较于无AP开关控制方案，本文所提方案在功率放大器效率
2026, 48(7): 3105-3122.
doi: 10.11999/JEIT260010
摘要:
点状波束可有效提高近程探测器空域低截获能力，该文聚焦于频控阵(FDA-MIMO)阵元频偏设置对波束合成的影响这一关键因素，提出基于阶段化引导深度确定性策略梯度(SG-DDPG)强化学习算法的低截获点状波束设计技术。首先构建了波束空域低截获性能评估模型，然后设计了多维阶段化引导奖励函数，通过Actor-Critic模型运用梯度上升的方法最大化奖励值，得到当前环境下波束汇聚性能较好的阵元频偏，突破了公式法计算阵元频偏需要近程探测器落角接近垂直的技术瓶颈。仿真表明，SG-DDPG算法优化后的阵元频偏使得FDA-MIMO波束在波束汇聚性能和低截获性能明显好于其他经典频偏设置方法，并适用于近程探测器各种落角下的低截获波束设计，有效提高了近程探测器的低截获性能。
点状波束可有效提高近程探测器空域低截获能力，该文聚焦于频控阵(FDA-MIMO)阵元频偏设置对波束合成的影响这一关键因素，提出基于阶段化引导深度确定性策略梯度(SG-DDPG)强化学习算法的低截获点状波束设计技术。首先构建了波束空域低截获性能评估模型，然后设计了多维阶段化引导奖励函数，通过Actor-Critic模型运用梯度上升的方法最大化奖励值，得到当前环境下波束汇聚性能较好的阵元频偏，突破了公式法计算阵元频偏需要近程探测器落角接近垂直的技术瓶颈。仿真表明，SG-DDPG算法优化后的阵元频偏使得FDA-MIMO波束在波束汇聚性能和低截获性能明显好于其他经典频偏设置方法，并适用于近程探测器各种落角下的低截获波束设计，有效提高了近程探测器的低截获性能。
2026, 48(7): 3123-3134.
doi: 10.11999/JEIT251289
摘要:
针对可重构智能表面(RIS)辅助多输入多输出(MIMO)索引调制系统中单块大规模RIS部署困难和发射端空间信号设计复杂度高的挑战，该文研究一种联合稀疏空间星座-双激活天线(SCTA)与多RIS块(MBRIS)选择的索引调制设计。该研究首先提出一种基于稀疏空间星座-双激活天线的RIS空间调制(SCTA-RIS-SM)系统，其核心是在发射端构造一种基于双激活天线的稀疏空间矢量，通过混合主、次级脉冲幅度调制(PAM)与次级PAM (SPAM)星座设计，优化发射矢量之间的最小欧氏距离，从而显著提升了系统的抗干扰能力。为克服单块RIS的部署瓶颈，进一步提出一种增强型方案：基于稀疏空间星座-双激活天线的多RIS块空间调制(SCTA-MBRIS-SM)系统。该系统采用分布式多RIS块阵列替代传统单块面板，通过动态选择激活一组特定的RIS块进行协同反射，将不同的“RIS块选择组合”状态作为一个新的索引调制维度。此增强型方案在不增加射频链路的条件下，额外提升了频谱效率，同时增强了部署的灵活性。理论分析与蒙特卡罗仿真结果表明，所提的两种系统在误比特率性能与频谱效率方面均优于现有典型方案，为未来高能效、高灵活性的RIS-MIMO通信系统提供了有效的解决方案。
针对可重构智能表面(RIS)辅助多输入多输出(MIMO)索引调制系统中单块大规模RIS部署困难和发射端空间信号设计复杂度高的挑战，该文研究一种联合稀疏空间星座-双激活天线(SCTA)与多RIS块(MBRIS)选择的索引调制设计。该研究首先提出一种基于稀疏空间星座-双激活天线的RIS空间调制(SCTA-RIS-SM)系统，其核心是在发射端构造一种基于双激活天线的稀疏空间矢量，通过混合主、次级脉冲幅度调制(PAM)与次级PAM (SPAM)星座设计，优化发射矢量之间的最小欧氏距离，从而显著提升了系统的抗干扰能力。为克服单块RIS的部署瓶颈，进一步提出一种增强型方案：基于稀疏空间星座-双激活天线的多RIS块空间调制(SCTA-MBRIS-SM)系统。该系统采用分布式多RIS块阵列替代传统单块面板，通过动态选择激活一组特定的RIS块进行协同反射，将不同的“RIS块选择组合”状态作为一个新的索引调制维度。此增强型方案在不增加射频链路的条件下，额外提升了频谱效率，同时增强了部署的灵活性。理论分析与蒙特卡罗仿真结果表明，所提的两种系统在误比特率性能与频谱效率方面均优于现有典型方案，为未来高能效、高灵活性的RIS-MIMO通信系统提供了有效的解决方案。
2026, 48(7): 3135-3145.
doi: 10.11999/JEIT250562
摘要:
传统稀疏正则化递归最小二乘算法 L1/L0 Norm Recursive Least Squares (L1/L0-RLS)在稀疏参数空间估计中展现出理论的优越性，已成为系统辨识和信道均衡领域的重要方法。但在有限数值精度条件下其协方差矩阵迭代计算过程易导致舍入误差逐次累积，诱发最小二乘解发散失稳现象。为解决该问题，该文提出基于逆QR分解(IQRD)框架的改进算法，不仅有效抑制传统正则化RLS算法中舍入误差的积累，而且省去传统QR分解中权重系数回代的计算环节，从而显著提升算法在有限精度环境下的数值鲁棒性与系统辨识效率。具体而言，首先，系统构建L1/L0约束逆QR分解架构下的L1-IQRD-RLS与L0-IQRD-RLS算法，通过理论推导得到具有普适性的权重系数递推表达式，创新性地将自动参数选择机制引入算法框架，解决了稀疏正则化参数的动态优化难题。为验证所提算法在稀疏约束与鲁棒性方面的效果，该文采用蒙特卡罗仿真实验对算法性能进行定量评估，结果表明L1-IQRD-RLS与L0-IQRD-RLS在系统稀疏表征、参数估计方差以及协方差矩阵条件数等关键指标上均展现出显著的性能优势。实测数据验证进一步证实，改进算法在精度受限环境下仍能保持数值稳定性，较传统方法鲁棒性显著提升。
传统稀疏正则化递归最小二乘算法 L1/L0 Norm Recursive Least Squares (L1/L0-RLS)在稀疏参数空间估计中展现出理论的优越性，已成为系统辨识和信道均衡领域的重要方法。但在有限数值精度条件下其协方差矩阵迭代计算过程易导致舍入误差逐次累积，诱发最小二乘解发散失稳现象。为解决该问题，该文提出基于逆QR分解(IQRD)框架的改进算法，不仅有效抑制传统正则化RLS算法中舍入误差的积累，而且省去传统QR分解中权重系数回代的计算环节，从而显著提升算法在有限精度环境下的数值鲁棒性与系统辨识效率。具体而言，首先，系统构建L1/L0约束逆QR分解架构下的L1-IQRD-RLS与L0-IQRD-RLS算法，通过理论推导得到具有普适性的权重系数递推表达式，创新性地将自动参数选择机制引入算法框架，解决了稀疏正则化参数的动态优化难题。为验证所提算法在稀疏约束与鲁棒性方面的效果，该文采用蒙特卡罗仿真实验对算法性能进行定量评估，结果表明L1-IQRD-RLS与L0-IQRD-RLS在系统稀疏表征、参数估计方差以及协方差矩阵条件数等关键指标上均展现出显著的性能优势。实测数据验证进一步证实，改进算法在精度受限环境下仍能保持数值稳定性，较传统方法鲁棒性显著提升。
2026, 48(7): 3146-3161.
doi: 10.11999/JEIT260001
摘要:
针对超视距多目标的定位问题，该文提出一种基于最优加权子空间拟合(OWSF)的短波超短波协同直接定位(DPD)方法。首先建立了超视距定位场景下短波超短波信号传播模型，短波模型是通过电离层反射的二维到达方向(DoA)模型，涵盖了方位角和俯仰角信息；超短波模型是基于运动阵列观测的空时信号扩展模型，包含一维到达角度和多普勒频率信息。与现有依赖单频段信号的定位方法不同，新方法将两种观测信号的信号子空间与噪声子空间加权融合，实现了两种定位频段信号的优势互补，从而显著提高了定位精度。此外，该文还推导了地球椭球约束条件下定位估计误差克拉美罗界(CRB)。仿真结果显示，该方法在高信噪比条件下能够逼近克拉美罗界，且相较于已有算法具有更强的空间分辨能力，在低信噪比条件下具有显著的定位精度优势。
针对超视距多目标的定位问题，该文提出一种基于最优加权子空间拟合(OWSF)的短波超短波协同直接定位(DPD)方法。首先建立了超视距定位场景下短波超短波信号传播模型，短波模型是通过电离层反射的二维到达方向(DoA)模型，涵盖了方位角和俯仰角信息；超短波模型是基于运动阵列观测的空时信号扩展模型，包含一维到达角度和多普勒频率信息。与现有依赖单频段信号的定位方法不同，新方法将两种观测信号的信号子空间与噪声子空间加权融合，实现了两种定位频段信号的优势互补，从而显著提高了定位精度。此外，该文还推导了地球椭球约束条件下定位估计误差克拉美罗界(CRB)。仿真结果显示，该方法在高信噪比条件下能够逼近克拉美罗界，且相较于已有算法具有更强的空间分辨能力，在低信噪比条件下具有显著的定位精度优势。
2026, 48(7): 3162-3169.
doi: 10.11999/JEIT260105
摘要:
该文提出一种具有超宽带(UWB)性能和低剖面特征的偶极贴片天线。天线的偶极贴片层采用Gielis曲线形状的金属结构，通过曲折技术减小了天线的横向尺寸。在辐射层末端加载金属短路壁并与接地面连接，共同形成背腔，从而提升了天线的增益。为进一步优化性能，设计了人工磁导体(AMC)单元，并在辐射贴片下方布置AMC阵列。该结构不仅改善了阻抗匹配，还显著降低了天线的剖面高度。此外，在贴片末端加载吸收电阻，进一步改善了电压驻波比(VSWR)。对天线模型进行了加工，并在暗室中测量，仿真与测量结果表明，在电尺寸仅为0.38λL × 0.18λL × 0.07λL(其中λL对应最低频率工作波长)的情况下，该天线实现了100～366 MHz的带宽，并表现出良好的定向辐射特性，峰值增益达6 dBi。
该文提出一种具有超宽带(UWB)性能和低剖面特征的偶极贴片天线。天线的偶极贴片层采用Gielis曲线形状的金属结构，通过曲折技术减小了天线的横向尺寸。在辐射层末端加载金属短路壁并与接地面连接，共同形成背腔，从而提升了天线的增益。为进一步优化性能，设计了人工磁导体(AMC)单元，并在辐射贴片下方布置AMC阵列。该结构不仅改善了阻抗匹配，还显著降低了天线的剖面高度。此外，在贴片末端加载吸收电阻，进一步改善了电压驻波比(VSWR)。对天线模型进行了加工，并在暗室中测量，仿真与测量结果表明，在电尺寸仅为0.38λL × 0.18λL × 0.07λL(其中λL对应最低频率工作波长)的情况下，该天线实现了100～366 MHz的带宽，并表现出良好的定向辐射特性，峰值增益达6 dBi。
2026, 48(7): 3170-3180.
doi: 10.11999/JEIT260025
摘要:
基于布尔可满足性的自动测试向量生成系统作为芯片故障检测的关键环节，系统效率受故障压缩策略、布尔可满足性建模策略及求解器传播能力共同制约，随着集成电路复杂度持续提升，其性能面临严峻挑战。该文提出一种面向自动测试向量生成系统的统一优化框架。构建检测点驱动的动态故障集，在保持可测故障覆盖完备性的前提下压缩待测故障规模。提出基于新型故障敏化约束的布尔可满足建模方法，通过显式敏化条件替代故障电路复制并约束于故障扇出锥内，减少合取范式变量与子句规模。引入面向扇出-重汇聚结构的动态蕴含学习，将结构相关性转化为增量蕴含以加强传播并提升冲突剪枝效率。实验结果表明，该方法能平均压缩故障集规模57.59%，子句和变量数开销平均降低11.44%和3.50%，平均将求解时间缩短22.43%，性能优于已有的测试向量生成系统。
基于布尔可满足性的自动测试向量生成系统作为芯片故障检测的关键环节，系统效率受故障压缩策略、布尔可满足性建模策略及求解器传播能力共同制约，随着集成电路复杂度持续提升，其性能面临严峻挑战。该文提出一种面向自动测试向量生成系统的统一优化框架。构建检测点驱动的动态故障集，在保持可测故障覆盖完备性的前提下压缩待测故障规模。提出基于新型故障敏化约束的布尔可满足建模方法，通过显式敏化条件替代故障电路复制并约束于故障扇出锥内，减少合取范式变量与子句规模。引入面向扇出-重汇聚结构的动态蕴含学习，将结构相关性转化为增量蕴含以加强传播并提升冲突剪枝效率。实验结果表明，该方法能平均压缩故障集规模57.59%，子句和变量数开销平均降低11.44%和3.50%，平均将求解时间缩短22.43%，性能优于已有的测试向量生成系统。
2026, 48(7): 3181-3192.
doi: 10.11999/JEIT251059
摘要:
基于铁电场效应晶体管(FeFET)的非易失性触发器(NVFF)具有高效、快速数据备份与恢复能力，是提升非易失性处理器(NVPs)性能的有效途径。然而，研究表明，FeFET开关比降低时，传统单端结构触发器在断电恢复过程中易受锁存器内部MOS管竞争影响，导致FeFET存储状态改变，造成数据恢复失败。为解决这一问题，该文提出一种面向静态无争用单相时钟触发器(SSCFF)的单端恢复电路。该结构在CLK=0时保持FeFET写入节点维持高电平，从源头避免竞争导致FeFET存储状态改变；同时提出“预充电-状态调控放电”双阶段恢复机制，实现断电前数据精准恢复。实验结果表明，该方案在FeFET开关比降至102条件下，经过2 000次蒙特卡罗仿真仍能保持100%恢复率，较现有单端结构所需开关比降低两个数量级。此外，该设计在维持飞焦耳(fJ)量级恢复功耗下，最坏保持时间减少64.6%，时钟至输出延迟降低33.9%。
基于铁电场效应晶体管(FeFET)的非易失性触发器(NVFF)具有高效、快速数据备份与恢复能力，是提升非易失性处理器(NVPs)性能的有效途径。然而，研究表明，FeFET开关比降低时，传统单端结构触发器在断电恢复过程中易受锁存器内部MOS管竞争影响，导致FeFET存储状态改变，造成数据恢复失败。为解决这一问题，该文提出一种面向静态无争用单相时钟触发器(SSCFF)的单端恢复电路。该结构在CLK=0时保持FeFET写入节点维持高电平，从源头避免竞争导致FeFET存储状态改变；同时提出“预充电-状态调控放电”双阶段恢复机制，实现断电前数据精准恢复。实验结果表明，该方案在FeFET开关比降至102条件下，经过2 000次蒙特卡罗仿真仍能保持100%恢复率，较现有单端结构所需开关比降低两个数量级。此外，该设计在维持飞焦耳(fJ)量级恢复功耗下，最坏保持时间减少64.6%，时钟至输出延迟降低33.9%。
2026, 48(7): 3193-3202.
doi: 10.11999/JEIT251382
摘要:
光刻制程中的光学邻近效应(OPE)会导致晶圆上的打印图像偏离设计版图，需要对光刻掩模进行光学邻近校正(OPC)。该文提出一种频域自注意力机制引导的多尺度逆光刻技术(FMS-ILT)用于掩模优化。FMS-ILT采用基于残差卷积的多尺度编码器-解码器结构，通过残差连接融合局部细节与全局特征，并在编码器末端引入频域自注意力机制，将动态注意力与频域全局建模能力相结合，自适应关注影响打印图像质量的关键信息。在预训练阶段，模型通过掩模生成与目标图像重构增强物理一致性；在主训练阶段，进一步结合光刻仿真对掩模进行精细优化。实验结果表明，FMS-ILT的平均\begin{document}$ \mathcal{L}2 $\end{document} 1115 %，显示了FMS-ILT方法在优化掩模方面的显著优势。
光刻制程中的光学邻近效应(OPE)会导致晶圆上的打印图像偏离设计版图，需要对光刻掩模进行光学邻近校正(OPC)。该文提出一种频域自注意力机制引导的多尺度逆光刻技术(FMS-ILT)用于掩模优化。FMS-ILT采用基于残差卷积的多尺度编码器-解码器结构，通过残差连接融合局部细节与全局特征，并在编码器末端引入频域自注意力机制，将动态注意力与频域全局建模能力相结合，自适应关注影响打印图像质量的关键信息。在预训练阶段，模型通过掩模生成与目标图像重构增强物理一致性；在主训练阶段，进一步结合光刻仿真对掩模进行精细优化。实验结果表明，FMS-ILT的平均
2026, 48(7): 3203-3212.
doi: 10.11999/JEIT251073
摘要:
仲裁物理不可克隆函数(APUF)作为轻量级安全原语，已广泛应用于身份认证和密钥生成等安全场景，但其响应一致性易受温度、电压等环境因素干扰，导致同一激励在不同条件下产生不一致响应，严重降低应用的可靠性。针对现有基于硬件改进和激励筛选的APUF可靠性提升方案普遍存在资源开销大、效率低的问题，该文提出一种基于延迟差异约束的激励生成策略(DCGS)，旨在提升资源受限场景下APUF的可靠性。该策略首先利用逻辑回归模型建模APUF的路径延迟特性，构建延迟权重向量；随后通过前缀比特初始化与逐位扩展机制构造激励，实时控制生成激励的延迟差介于设定阈值区间，最终直接生成具有高可靠性和高随机性的激励序列，无须额外候选激励筛选环节。仿真结果表明：DCGS生成的激励在实际应用面临的最大噪声强度下，可靠性仍保持100%，响应均匀性达50.02%，唯一性达50.46%，且生成1万条高可靠激励仅需0.017 s，在可靠性提升效果、分布均匀性、唯一性和生成效率4个方面均优于基准方案。该策略无须增加硬件开销，能显著增强APUF在复杂环境中的适用性，适用于物联网节点、嵌入式设备等多类资源受限设备的双向认证和密钥生成场景。
仲裁物理不可克隆函数(APUF)作为轻量级安全原语，已广泛应用于身份认证和密钥生成等安全场景，但其响应一致性易受温度、电压等环境因素干扰，导致同一激励在不同条件下产生不一致响应，严重降低应用的可靠性。针对现有基于硬件改进和激励筛选的APUF可靠性提升方案普遍存在资源开销大、效率低的问题，该文提出一种基于延迟差异约束的激励生成策略(DCGS)，旨在提升资源受限场景下APUF的可靠性。该策略首先利用逻辑回归模型建模APUF的路径延迟特性，构建延迟权重向量；随后通过前缀比特初始化与逐位扩展机制构造激励，实时控制生成激励的延迟差介于设定阈值区间，最终直接生成具有高可靠性和高随机性的激励序列，无须额外候选激励筛选环节。仿真结果表明：DCGS生成的激励在实际应用面临的最大噪声强度下，可靠性仍保持100%，响应均匀性达50.02%，唯一性达50.46%，且生成1万条高可靠激励仅需0.017 s，在可靠性提升效果、分布均匀性、唯一性和生成效率4个方面均优于基准方案。该策略无须增加硬件开销，能显著增强APUF在复杂环境中的适用性，适用于物联网节点、嵌入式设备等多类资源受限设备的双向认证和密钥生成场景。
编辑部公告
more >
- 《电子与信息学报》“数据论文” 长期征稿启事
- 征文丨太空云系统：架构、技术和应用专刊
- 重磅丨【电子与信息年度前沿进展综述专刊】征文通知
- 关于EI数据库收录缺失文章的补录登记通知
- 征文丨“星航计划”专刊
- 《电子与信息学报》2026年“星航计划”决赛结果出炉
- 专刊征文丨面向下一代无线通信的编码理论、技术与应用
- 专题征文丨网电密态对抗技术
学术动态
more >
- 第五届电子与信息前沿学术会议在武汉顺利召开
- 2026《电子与信息学报》“星航计划”决赛详细议程及分组
- 第五届电子与信息前沿学术会议第二轮通知（详细议程）
- AI与6G双向赋能-空天通信与信息网络专题论坛在桐乡成功举办
- 第四届《电子与信息学报》领军论坛在宁波成功举办
- 第二届空天信息技术大会征文通知 (第二轮)
- 第五届电子与信息前沿学术会议征文通知
- 第二届空天信息技术大会首轮通知
作者服务中心
融媒体平台
more >
友情链接
more >
官方微信，欢迎关注
电子与信息学报
微信学术论坛群
