邮件订阅
2025年 第47卷 第7期
显示方式:
2025, 47(7): 2023-2035.
doi: 10.11999/JEIT250045
摘要:
为了应对目前设备到设备 (D2D) 隐蔽通信研究中引入额外不确定性源而带来高成本、高功耗的问题，该文提出一种智能超表面 (RIS) 赋能的D2D隐蔽传输方法。该方法借助RIS为合法用户创造更好的无线传播条件的同时，利用RIS的相移不确定性来混淆监听者的检测。为探究所提方法的隐蔽性能增益，在保证监听者低检测概率以及满足蜂窝用户服务质量的条件下，构建通过联合优化蜂窝用户、D2D发射机的发射功率以及RIS相移来最大化D2D用户的隐蔽速率的优化问题。为解决上述变量和约束高度耦合的非凸优化问题，提出一种高效的基于高斯随机化的交替优化算法，求解出最优的蜂窝用户和D2D发射机的发射功率以及RIS相移。仿真结果表明，RIS的辅助给D2D隐蔽传输系统带来了显著的性能提升，通过增加RIS反射元件数量，或提升蜂窝用户发射功率为D2D隐蔽传输提供更好的掩体，都可以进一步提升隐蔽通信性能。
为了应对目前设备到设备 (D2D) 隐蔽通信研究中引入额外不确定性源而带来高成本、高功耗的问题，该文提出一种智能超表面 (RIS) 赋能的D2D隐蔽传输方法。该方法借助RIS为合法用户创造更好的无线传播条件的同时，利用RIS的相移不确定性来混淆监听者的检测。为探究所提方法的隐蔽性能增益，在保证监听者低检测概率以及满足蜂窝用户服务质量的条件下，构建通过联合优化蜂窝用户、D2D发射机的发射功率以及RIS相移来最大化D2D用户的隐蔽速率的优化问题。为解决上述变量和约束高度耦合的非凸优化问题，提出一种高效的基于高斯随机化的交替优化算法，求解出最优的蜂窝用户和D2D发射机的发射功率以及RIS相移。仿真结果表明，RIS的辅助给D2D隐蔽传输系统带来了显著的性能提升，通过增加RIS反射元件数量，或提升蜂窝用户发射功率为D2D隐蔽传输提供更好的掩体，都可以进一步提升隐蔽通信性能。
2025, 47(7): 2036-2049.
doi: 10.11999/JEIT241086
摘要:
该文研究针对U6G频段同时同频全双工阵列中的近场耦合自干扰开展了近360万次的大规模测量。在室外环境下，采用模拟波束赋形相控阵平台测量了收发波束间以及收发阵元间的耦合自干扰信道，给出了U6G全双工阵列系统面临的潜在自干扰水平，分析了阵列天线收发隔离度的角度和物理空间分布特征，并揭示了波束间耦合与阵元间耦合的内在联系。测量分析结果表明，收发波束间隔离度分布呈现出较强的空间对称性和方向性。此外，在相同收发阵元间距下存在着多种隔离度映射，无法被传统球面波模型准确描述。特别地，通过为无方向性的阵元间耦合信道赋予波束赋形权重，能够重现波束间自干扰耦合特性并准确预测阵列收发隔离度。
该文研究针对U6G频段同时同频全双工阵列中的近场耦合自干扰开展了近360万次的大规模测量。在室外环境下，采用模拟波束赋形相控阵平台测量了收发波束间以及收发阵元间的耦合自干扰信道，给出了U6G全双工阵列系统面临的潜在自干扰水平，分析了阵列天线收发隔离度的角度和物理空间分布特征，并揭示了波束间耦合与阵元间耦合的内在联系。测量分析结果表明，收发波束间隔离度分布呈现出较强的空间对称性和方向性。此外，在相同收发阵元间距下存在着多种隔离度映射，无法被传统球面波模型准确描述。特别地，通过为无方向性的阵元间耦合信道赋予波束赋形权重，能够重现波束间自干扰耦合特性并准确预测阵列收发隔离度。
2025, 47(7): 2050-2061.
doi: 10.11999/JEIT250013
摘要:
正交时频空(OTFS)调制在解决高速移动通信中的性能瓶颈方面具有独特优势，但传统均衡算法难以有效消除复杂环境下的符号间干扰(ISI)和多普勒间干扰(IDI)，同时还存在复杂度高的问题。针对上述问题，该文提出一种低复杂度的基于分块矩阵的变换域OTFS信道均衡算法。首先，基于时延-多普勒(DD)域信道响应的分块稀疏性，结合保护间隔设计，逐步消除OTFS系统扩散引起的ISI，建立子块的均衡模型。其次，利用信道子矩阵托普利兹循环矩阵的性质，将其进行变换域处理变为对角矩阵，从而在均衡操作中消除IDI并降低算法复杂度。最后，在此算法的基础上引入判决反馈，进一步提升算法的性能增益。系统仿真表明，该文所提算法在复杂度与性能方面均具有良好的折中性能且适合多种实际场景，同时能在一定程度上降低信道估计过程中的导频开销，增加数据传输效率。
正交时频空(OTFS)调制在解决高速移动通信中的性能瓶颈方面具有独特优势，但传统均衡算法难以有效消除复杂环境下的符号间干扰(ISI)和多普勒间干扰(IDI)，同时还存在复杂度高的问题。针对上述问题，该文提出一种低复杂度的基于分块矩阵的变换域OTFS信道均衡算法。首先，基于时延-多普勒(DD)域信道响应的分块稀疏性，结合保护间隔设计，逐步消除OTFS系统扩散引起的ISI，建立子块的均衡模型。其次，利用信道子矩阵托普利兹循环矩阵的性质，将其进行变换域处理变为对角矩阵，从而在均衡操作中消除IDI并降低算法复杂度。最后，在此算法的基础上引入判决反馈，进一步提升算法的性能增益。系统仿真表明，该文所提算法在复杂度与性能方面均具有良好的折中性能且适合多种实际场景，同时能在一定程度上降低信道估计过程中的导频开销，增加数据传输效率。
2025, 47(7): 2062-2072.
doi: 10.11999/JEIT241140
摘要:
在现代电子战的通信对抗中，干扰效能评估能够为抗干扰策略的选择提供决策依据，是无人系统实现智能抗干扰的关键技术。借鉴数学统计领域中最新提出的CoCoSo (Combined Compromise Solution)算法思想，该文提出基于q阶序对模糊集和CoCoSo-BM的通信干扰效能评估方法。首先，根据通信系统与干扰的特点建立通信干扰效能评估指标体系，并采用层次分析法(AHP)与离差最大化法结合的方法确定组合权重。其次，提出采用q阶序对模糊集解决干扰效能评估维度单一的问题，并且引入BM (Bonferroni Mean)算子改进CoCoSo评估方法没有考虑参数权重的问题。最后，通过仿真实验验证了该方法在不同通信抗干扰技术与不同干扰条件下的效能评估有效性和对不同通信环境干扰效果的区分度、敏感度。
在现代电子战的通信对抗中，干扰效能评估能够为抗干扰策略的选择提供决策依据，是无人系统实现智能抗干扰的关键技术。借鉴数学统计领域中最新提出的CoCoSo (Combined Compromise Solution)算法思想，该文提出基于q阶序对模糊集和CoCoSo-BM的通信干扰效能评估方法。首先，根据通信系统与干扰的特点建立通信干扰效能评估指标体系，并采用层次分析法(AHP)与离差最大化法结合的方法确定组合权重。其次，提出采用q阶序对模糊集解决干扰效能评估维度单一的问题，并且引入BM (Bonferroni Mean)算子改进CoCoSo评估方法没有考虑参数权重的问题。最后，通过仿真实验验证了该方法在不同通信抗干扰技术与不同干扰条件下的效能评估有效性和对不同通信环境干扰效果的区分度、敏感度。
2025, 47(7): 2073-2079.
doi: 10.11999/JEIT241029
摘要:
可重构智能表面(RIS)被视为未来无线通信中前景广泛的关键技术之一。超对角可重构智能表面(BD-RIS)作为RIS的一种新型架构，相移矩阵不限于对角矩阵的结构，为通信系统设计带来了更高的自由度。该文针对组连接BD-RIS辅助的上行通信系统展开研究，通过联合优化均衡器、用户发射功率和BD-RIS的相移矩阵来降低通信系统的总发射功耗。具体来说，采用最小均方差(MMSE)均衡器使得各个用户接收信干噪比(SINR)最大，接着推导了用户发射功率与相移矩阵之间的表达式，并进一步将相移优化问题转化为无约束的单变量优化问题，最后交替优化均衡器、用户发射功率和BD-RIS相移矩阵使得系统发射功率最小。仿真结果表明，与多种基准方案相比，该文提出的组连接BD-RIS辅助的上行通信系统传输方案能有效降低系统功耗。
可重构智能表面(RIS)被视为未来无线通信中前景广泛的关键技术之一。超对角可重构智能表面(BD-RIS)作为RIS的一种新型架构，相移矩阵不限于对角矩阵的结构，为通信系统设计带来了更高的自由度。该文针对组连接BD-RIS辅助的上行通信系统展开研究，通过联合优化均衡器、用户发射功率和BD-RIS的相移矩阵来降低通信系统的总发射功耗。具体来说，采用最小均方差(MMSE)均衡器使得各个用户接收信干噪比(SINR)最大，接着推导了用户发射功率与相移矩阵之间的表达式，并进一步将相移优化问题转化为无约束的单变量优化问题，最后交替优化均衡器、用户发射功率和BD-RIS相移矩阵使得系统发射功率最小。仿真结果表明，与多种基准方案相比，该文提出的组连接BD-RIS辅助的上行通信系统传输方案能有效降低系统功耗。
2025, 47(7): 2080-2088.
doi: 10.11999/JEIT241091
摘要:
针对协作频谱感知易遭受频谱感知数据篡改(SSDF)攻击导致无法准确识别恶意用户的问题，该文提出一种基于多尺度熵的协作频谱感知方法。该方法通过滑动窗对用户进行多次本地感知以获取信誉值。随后引入多尺度熵算法，对用户的感知结果进一步实施多尺度分析，利用分析结果作为权重更新信誉值，归一化处理后对用户进行判定并做出最终全局判决。仿真结果表明，对于不同的攻击策略，在攻击概率超过0.4的情况下，所提算法与其它对比算法相比恶意用户检测率分别平均提升3.56%, 0.77%和6.45%, 36.92%，具有良好的抗攻击能力。且与熵加权算法相比，其复杂度更低。
针对协作频谱感知易遭受频谱感知数据篡改(SSDF)攻击导致无法准确识别恶意用户的问题，该文提出一种基于多尺度熵的协作频谱感知方法。该方法通过滑动窗对用户进行多次本地感知以获取信誉值。随后引入多尺度熵算法，对用户的感知结果进一步实施多尺度分析，利用分析结果作为权重更新信誉值，归一化处理后对用户进行判定并做出最终全局判决。仿真结果表明，对于不同的攻击策略，在攻击概率超过0.4的情况下，所提算法与其它对比算法相比恶意用户检测率分别平均提升3.56%, 0.77%和6.45%, 36.92%，具有良好的抗攻击能力。且与熵加权算法相比，其复杂度更低。
2025, 47(7): 2089-2097.
doi: 10.11999/JEIT241035
摘要:
正交时频空(OTFS)调制方案有望通过将复杂的时频(TF)域信道转换为稀疏的时延-多普勒(DD)域信道，实现高机动环境下的可靠通信。基于此，绝大多数研究都以DD域信道的稀疏性为前提展开讨论。然而，在市区车联网、无人机蜂群和多用户MIMO等复杂通信场景下，DD域信道可能无法保证具有一定的稀疏度。这将对接收端检测的复杂度和准确性构成极大的挑战。针对这一问题，该文提出一种结合波束成型的OTFS迭代双重最大比值合并(Dual MRC)检测算法。其主要思想是在接收端每个用户使用多天线阵列和波束成型初步分离信道多径中的不同接收角度的信号，从而提高对应信道矩阵的稀疏度并提供分集增益；进一步，利用OTFS信号在时延-时间(DT)域中具有简化运算的性质，对每个波束成型分支中的多径分量以及所有波束成型分支信号依次进行相干合并，通过不断迭代得到最优估计值。仿真结果表明，所提算法在误码率方面显著优于一些典型的检测方案；与现有性能较好的波束成型MP-MRC算法相比，在误码率性能提升的同时，达到最优值所需的迭代次数和迭代耗时均大幅降低。
正交时频空(OTFS)调制方案有望通过将复杂的时频(TF)域信道转换为稀疏的时延-多普勒(DD)域信道，实现高机动环境下的可靠通信。基于此，绝大多数研究都以DD域信道的稀疏性为前提展开讨论。然而，在市区车联网、无人机蜂群和多用户MIMO等复杂通信场景下，DD域信道可能无法保证具有一定的稀疏度。这将对接收端检测的复杂度和准确性构成极大的挑战。针对这一问题，该文提出一种结合波束成型的OTFS迭代双重最大比值合并(Dual MRC)检测算法。其主要思想是在接收端每个用户使用多天线阵列和波束成型初步分离信道多径中的不同接收角度的信号，从而提高对应信道矩阵的稀疏度并提供分集增益；进一步，利用OTFS信号在时延-时间(DT)域中具有简化运算的性质，对每个波束成型分支中的多径分量以及所有波束成型分支信号依次进行相干合并，通过不断迭代得到最优估计值。仿真结果表明，所提算法在误码率方面显著优于一些典型的检测方案；与现有性能较好的波束成型MP-MRC算法相比，在误码率性能提升的同时，达到最优值所需的迭代次数和迭代耗时均大幅降低。
2025, 47(7): 2098-2107.
doi: 10.11999/JEIT241107
摘要:
针对智能反射面(IRS)辅助的下行多用户多输入单输出(MISO)系统，该文以最大化系统频谱效率为目标，在满足基站发射功率和IRS反射单元模约束的条件下，设计基站处主动波束成形向量和IRS的相移矩阵。首先为了实现更高的波束形成自由度，采用了基于空间时间块编码(STBC)的秩二波束形成方案。随后为了求解非凸深度耦合的优化问题，提出了一种交替优化算法。针对IRS相移矩阵的求解，提出了一种改进的黎曼流形共轭梯度法(IRMG)进行优化，同时使用加权最小均方误差(WMMSE)设计主动波束形成向量。仿真结果验证了所提算法具有更快的收敛速度，同时能有效提升系统频谱效率。
针对智能反射面(IRS)辅助的下行多用户多输入单输出(MISO)系统，该文以最大化系统频谱效率为目标，在满足基站发射功率和IRS反射单元模约束的条件下，设计基站处主动波束成形向量和IRS的相移矩阵。首先为了实现更高的波束形成自由度，采用了基于空间时间块编码(STBC)的秩二波束形成方案。随后为了求解非凸深度耦合的优化问题，提出了一种交替优化算法。针对IRS相移矩阵的求解，提出了一种改进的黎曼流形共轭梯度法(IRMG)进行优化，同时使用加权最小均方误差(WMMSE)设计主动波束形成向量。仿真结果验证了所提算法具有更快的收敛速度，同时能有效提升系统频谱效率。
2025, 47(7): 2108-2116.
doi: 10.11999/JEIT241105
摘要:
在无人机应用、空中旅游、应急救援等新兴业务驱动下，到达时差(TDOA)定位技术不断发展，逐渐成为低空智能网联的关键技术之一。但现有解析类迭代定位算法计算量过高，难以满足低延迟实时定位需求。因此，该文提出基于空间栅格梯度的TDOA快速迭代定位方法。在定位前，首先进行预处理，包括构建空间栅格、根据已建立的空间栅格计算栅格间的TDOA梯度，并基于这些梯度构建栅格迭代矩阵。在定位过程中，根据定位初值调用迭代矩阵，计算并补偿定位初值相对于目标位置的偏差，从而避免传统迭代定位的大量计算，显著降低计算时间。该文借鉴空间栅格化思路，进一步挖掘利用了栅格间的内在梯度关系，从而将栅格化框架融入到迭代补偿模型，克服了栅格宽度对经典栅格化算法的性能制约，提升了迭代定位时效性。依据仿真和实测数据可知，所提算法在保证定位精度的同时，相比传统迭代定位算法节省了76%以上的计算时间，满足低空智能网络的实时定位需求。
在无人机应用、空中旅游、应急救援等新兴业务驱动下，到达时差(TDOA)定位技术不断发展，逐渐成为低空智能网联的关键技术之一。但现有解析类迭代定位算法计算量过高，难以满足低延迟实时定位需求。因此，该文提出基于空间栅格梯度的TDOA快速迭代定位方法。在定位前，首先进行预处理，包括构建空间栅格、根据已建立的空间栅格计算栅格间的TDOA梯度，并基于这些梯度构建栅格迭代矩阵。在定位过程中，根据定位初值调用迭代矩阵，计算并补偿定位初值相对于目标位置的偏差，从而避免传统迭代定位的大量计算，显著降低计算时间。该文借鉴空间栅格化思路，进一步挖掘利用了栅格间的内在梯度关系，从而将栅格化框架融入到迭代补偿模型，克服了栅格宽度对经典栅格化算法的性能制约，提升了迭代定位时效性。依据仿真和实测数据可知，所提算法在保证定位精度的同时，相比传统迭代定位算法节省了76%以上的计算时间，满足低空智能网络的实时定位需求。
2025, 47(7): 2117-2126.
doi: 10.11999/JEIT241083
摘要:
智能反射面(RIS)因其能调节电磁波的相位和幅度，被视为下一代无线通信的关键技术而被广泛研究。在RIS辅助多输入单输出(MISO)的通信系统中，信道状态维度随用户数量的增加呈平方级增长，导致深度强化学习(DRL)智能体在高维状态空间下面临训练开销大的挑战。针对此问题，该文提出一种基于局部线性嵌入(LLE)和软动作评论(SAC)的联合优化算法，通过随机搜索算法和LLE对信道状态进行降维，并将低维状态作为SAC算法的输入，联合优化基站波束成形与RIS相位偏移，最大化MISO系统的下行和速率。仿真结果表明，在用户数为40的场景下，所提算法在维持与SAC相当的和速率性能的同时，训练时间减少了18.3%，计算资源消耗降低了64.8%。且随着用户规模的扩大，算法的训练开销进一步下降，充分验证了其有效性。
智能反射面(RIS)因其能调节电磁波的相位和幅度，被视为下一代无线通信的关键技术而被广泛研究。在RIS辅助多输入单输出(MISO)的通信系统中，信道状态维度随用户数量的增加呈平方级增长，导致深度强化学习(DRL)智能体在高维状态空间下面临训练开销大的挑战。针对此问题，该文提出一种基于局部线性嵌入(LLE)和软动作评论(SAC)的联合优化算法，通过随机搜索算法和LLE对信道状态进行降维，并将低维状态作为SAC算法的输入，联合优化基站波束成形与RIS相位偏移，最大化MISO系统的下行和速率。仿真结果表明，在用户数为40的场景下，所提算法在维持与SAC相当的和速率性能的同时，训练时间减少了18.3%，计算资源消耗降低了64.8%。且随着用户规模的扩大，算法的训练开销进一步下降，充分验证了其有效性。
2025, 47(7): 2127-2139.
doi: 10.11999/JEIT241132
摘要:
针对现有基于深度强化学习的路由算法采用单一神经网络结构，无法全面感知各链路状态的复杂依赖关系，导致算法在网络状态时变条件下的路由决策准确性和鲁棒性受限的问题，该文提出一种基于链路状态感知增强的战术通信网络智能路由算法(DRL-SGA)。该算法在利用近端策略优化(PPO)智能体采集网络状态序列的基础上，构建替代PPO中全连接神经网络(FCNN)的链路状态感知增强模块，以捕获网络状态序列之间的时空依赖关系，提升路由决策模型对时变网络状态的适应能力。进一步，将链路状态感知增强模块输出的动作与网络环境进行周期性交互，以探索满足时延敏感、带宽敏感、可靠性敏感等异质业务差异化传输需求的最佳路由。实验结果表明，与OSPF, DQN, DDPG, A3C和DRL-ST等基准路由算法相比，该文提出的DRL-SGA路由算法在平均端到端时延、平均网络吞吐量、平均丢包率等性能上均有不同程度的优势，且对带宽资源受限、拓扑动态变化等复杂场景具有更强的适应能力。
针对现有基于深度强化学习的路由算法采用单一神经网络结构，无法全面感知各链路状态的复杂依赖关系，导致算法在网络状态时变条件下的路由决策准确性和鲁棒性受限的问题，该文提出一种基于链路状态感知增强的战术通信网络智能路由算法(DRL-SGA)。该算法在利用近端策略优化(PPO)智能体采集网络状态序列的基础上，构建替代PPO中全连接神经网络(FCNN)的链路状态感知增强模块，以捕获网络状态序列之间的时空依赖关系，提升路由决策模型对时变网络状态的适应能力。进一步，将链路状态感知增强模块输出的动作与网络环境进行周期性交互，以探索满足时延敏感、带宽敏感、可靠性敏感等异质业务差异化传输需求的最佳路由。实验结果表明，与OSPF, DQN, DDPG, A3C和DRL-ST等基准路由算法相比，该文提出的DRL-SGA路由算法在平均端到端时延、平均网络吞吐量、平均丢包率等性能上均有不同程度的优势，且对带宽资源受限、拓扑动态变化等复杂场景具有更强的适应能力。
2025, 47(7): 2140-2148.
doi: 10.11999/JEIT241084
摘要:
针对暗室近场信号模型且校正源位置存在误差情况下，校正精度低的问题，该文提出一种近场效应残差分离的高精度暗室大孔径阵列校正方法。该方法先后利用近场相位反补偿技术、标称坐标位置下的阵列幅相误差估计技术，估计受校正源位置误差影响的低精度阵列误差估计结果。然后利用近场相位残差分离技术，去除由校正源位置误差引起的近场效应相位残差，获得高精度阵列误差估计结果。仿真结果表明，该方法有效提升阵列校正性能，提升目标测向精度，并且对校正源位置坐标误差和大阵列孔径有较高的容忍度。相比于现有有源阵列校正算法，当信号频率高，阵列孔径较大时，该方法在空间有限的暗室中能够获得更良好的校正性能。
针对暗室近场信号模型且校正源位置存在误差情况下，校正精度低的问题，该文提出一种近场效应残差分离的高精度暗室大孔径阵列校正方法。该方法先后利用近场相位反补偿技术、标称坐标位置下的阵列幅相误差估计技术，估计受校正源位置误差影响的低精度阵列误差估计结果。然后利用近场相位残差分离技术，去除由校正源位置误差引起的近场效应相位残差，获得高精度阵列误差估计结果。仿真结果表明，该方法有效提升阵列校正性能，提升目标测向精度，并且对校正源位置坐标误差和大阵列孔径有较高的容忍度。相比于现有有源阵列校正算法，当信号频率高，阵列孔径较大时，该方法在空间有限的暗室中能够获得更良好的校正性能。
2025, 47(7): 2149-2162.
doi: 10.11999/JEIT240790
摘要:
螺旋桨广泛应用于各类航空与航海设备中，如无人机、直升机以及水下舰船，尤其在水下目标探测中，目标的螺旋桨能提供丰富的特征信息。螺旋桨的微动产生的微多普勒频率能够反映其结构和动态行为，成为识别海洋目标的重要指标。准确识别水下目标螺旋桨的参数，如桨叶数目、桨叶长度以及转速等，对于目标的身份识别具有重要意义。然而，水下探测环境复杂多变，杂波干扰成为常态，对微动特征精准提取构成了挑战，尤其是强杂波背景下，信号处理的难度显著增加。以水下目标螺旋桨参数识别为例，该文针对低信噪比条件下螺旋桨参数估计的挑战，提出一种基于复数域变分模态分解(CVMD)和正交匹配追踪(OMP)算法的新方法。首先分析了螺旋桨回波信号的复杂特性，探讨了传统方法在噪声环境下的局限性。随后，引入CVMD算法对信号进行分解和去噪处理，有效提高了信号的分离能力和抗噪声能力。通过时频分析获取目标闪烁参数，并将其作为先验信息对稀疏字典进行降维处理，降低正交匹配追踪算法的运算量，提高了微动特征参数的估计精度，利用OMP算法，精确提取了螺旋桨的微多普勒特征，实验结果验证了方法的有效性和稳定性。最后，比较了CVMD-OMP方法与传统方法在不同信噪比条件下的性能表现，展示了其在水下声学目标识别中的应用潜力和优势。
螺旋桨广泛应用于各类航空与航海设备中，如无人机、直升机以及水下舰船，尤其在水下目标探测中，目标的螺旋桨能提供丰富的特征信息。螺旋桨的微动产生的微多普勒频率能够反映其结构和动态行为，成为识别海洋目标的重要指标。准确识别水下目标螺旋桨的参数，如桨叶数目、桨叶长度以及转速等，对于目标的身份识别具有重要意义。然而，水下探测环境复杂多变，杂波干扰成为常态，对微动特征精准提取构成了挑战，尤其是强杂波背景下，信号处理的难度显著增加。以水下目标螺旋桨参数识别为例，该文针对低信噪比条件下螺旋桨参数估计的挑战，提出一种基于复数域变分模态分解(CVMD)和正交匹配追踪(OMP)算法的新方法。首先分析了螺旋桨回波信号的复杂特性，探讨了传统方法在噪声环境下的局限性。随后，引入CVMD算法对信号进行分解和去噪处理，有效提高了信号的分离能力和抗噪声能力。通过时频分析获取目标闪烁参数，并将其作为先验信息对稀疏字典进行降维处理，降低正交匹配追踪算法的运算量，提高了微动特征参数的估计精度，利用OMP算法，精确提取了螺旋桨的微多普勒特征，实验结果验证了方法的有效性和稳定性。最后，比较了CVMD-OMP方法与传统方法在不同信噪比条件下的性能表现，展示了其在水下声学目标识别中的应用潜力和优势。
2025, 47(7): 2163-2171.
doi: 10.11999/JEIT241082
摘要:
通感一体化波形的多普勒容忍性和低旁瓣电平对于通感一体化场景中的目标探测和信息传输至关重要，但其设计面临着诸多挑战。为此，该文提出一种基于多普勒容忍的通感一体化波形与接收滤波器联合设计方法。以最小化加权积分旁瓣电平和处理增益损失为优化指标，同时考虑发射波形的恒模约束、发射波形与通信波形之间的相位差约束以及失配滤波器的能量约束，提出了基于迭代扭曲近似算法的框架来解决波形优化设计问题。仿真结果表明，该文提出的一体化波形在小处理增益损失的情况下，在感兴趣时延区间宽度上实现了很低的旁瓣电平和误符号率，可有效提升雷达感知性能和通信质量。
通感一体化波形的多普勒容忍性和低旁瓣电平对于通感一体化场景中的目标探测和信息传输至关重要，但其设计面临着诸多挑战。为此，该文提出一种基于多普勒容忍的通感一体化波形与接收滤波器联合设计方法。以最小化加权积分旁瓣电平和处理增益损失为优化指标，同时考虑发射波形的恒模约束、发射波形与通信波形之间的相位差约束以及失配滤波器的能量约束，提出了基于迭代扭曲近似算法的框架来解决波形优化设计问题。仿真结果表明，该文提出的一体化波形在小处理增益损失的情况下，在感兴趣时延区间宽度上实现了很低的旁瓣电平和误符号率，可有效提升雷达感知性能和通信质量。
2025, 47(7): 2172-2182.
doi: 10.11999/JEIT240466
摘要:
大规模低轨小卫星星座近年来在卫星通信、遥感观测等领域已成为各国商业公司发展的重点，我国也正在发展各类低轨卫星星座，在轨卫星数量急剧上升，航天测控运控系统作为卫星在轨平稳运行的管理操作者，针对大规模低轨卫星的高效测控正面临着重大挑战。借鉴移动通信领域的技术思想，该文设计提出了一种全新的面向低轨大规模星座的航天测控随遇接入技术。该技术利用全空域天线设备，构建形成低功耗的全时全景波束，通过专用接入信道，可形成地面站对大批量过境低轨卫星的“基站式”自动随遇接入，基于随遇接入技术构建的航天测控网将能够为各类低轨卫星测控、运控用户提供分布式端到端的高效服务能力。该文全面介绍了航天测控随遇接入系统的工作原理、体系架构、技术体制设计与关键技术，建立了随遇接入系统的用户容量模型。通过系统分析设计，可实现20 000颗以上卫星在轨接入和测运控管理的服务能力，将有力支撑我各类低轨星座的建设与在轨高效应用。
大规模低轨小卫星星座近年来在卫星通信、遥感观测等领域已成为各国商业公司发展的重点，我国也正在发展各类低轨卫星星座，在轨卫星数量急剧上升，航天测控运控系统作为卫星在轨平稳运行的管理操作者，针对大规模低轨卫星的高效测控正面临着重大挑战。借鉴移动通信领域的技术思想，该文设计提出了一种全新的面向低轨大规模星座的航天测控随遇接入技术。该技术利用全空域天线设备，构建形成低功耗的全时全景波束，通过专用接入信道，可形成地面站对大批量过境低轨卫星的“基站式”自动随遇接入，基于随遇接入技术构建的航天测控网将能够为各类低轨卫星测控、运控用户提供分布式端到端的高效服务能力。该文全面介绍了航天测控随遇接入系统的工作原理、体系架构、技术体制设计与关键技术，建立了随遇接入系统的用户容量模型。通过系统分析设计，可实现20 000颗以上卫星在轨接入和测运控管理的服务能力，将有力支撑我各类低轨星座的建设与在轨高效应用。
2025, 47(7): 2183-2193.
doi: 10.11999/JEIT241036
摘要:
自举是实现全同态加密的有效方法，同时也是影响全同态加密效率的关键环节。FINAL方案是2022年亚密会提出的全同态密码方案，比TFHE方案自举速度快28%，可以进行高效的同态布尔运算。自举主要包括盲旋转算法和密钥转换算法。针对盲旋转算法，该文提出累加器压缩方法，即对基于容错学习(LWE)的加密方案的密钥生成引入块二进制分布，利用块二进制密钥特性，使得密钥的每个分块只需进行1次外积运算，减少盲旋转算法所需的外积数量。针对密钥转换算法，给出了密钥复用技术，即在生成NGS密钥时复用LWE密钥且复用部分不参与密钥转换的密钥生成，减小了密钥转换密钥规模，进而减少密钥转换算法运算次数，提高了密钥转换算法的效率。分析表明，在安全性相当的情况下，优化的FINAL方案自举所需要执行的外积数量和快速傅里叶变换的数量分别由610和3 940减少到305和1 970，数量上优化50%。密钥转换密钥规模由11 264减少到4 554，密钥转换中标量乘法以及标量加法的运算次数大约由13.8×106减少到5.6×106，密钥转换的密钥规模和计算开销均优化约60%。
自举是实现全同态加密的有效方法，同时也是影响全同态加密效率的关键环节。FINAL方案是2022年亚密会提出的全同态密码方案，比TFHE方案自举速度快28%，可以进行高效的同态布尔运算。自举主要包括盲旋转算法和密钥转换算法。针对盲旋转算法，该文提出累加器压缩方法，即对基于容错学习(LWE)的加密方案的密钥生成引入块二进制分布，利用块二进制密钥特性，使得密钥的每个分块只需进行1次外积运算，减少盲旋转算法所需的外积数量。针对密钥转换算法，给出了密钥复用技术，即在生成NGS密钥时复用LWE密钥且复用部分不参与密钥转换的密钥生成，减小了密钥转换密钥规模，进而减少密钥转换算法运算次数，提高了密钥转换算法的效率。分析表明，在安全性相当的情况下，优化的FINAL方案自举所需要执行的外积数量和快速傅里叶变换的数量分别由610和3 940减少到305和1 970，数量上优化50%。密钥转换密钥规模由11 264减少到4 554，密钥转换中标量乘法以及标量加法的运算次数大约由13.8×106减少到5.6×106，密钥转换的密钥规模和计算开销均优化约60%。
2025, 47(7): 2194-2210.
doi: 10.11999/JEIT241133
摘要:
近年来，医疗数据泄露频发，严重威胁患者隐私与健康安全，亟需有效的解决方案以保护医疗数据在传输过程中的隐私与安全性。该文提出了一种基于双忆阻类脑混沌神经网络的医疗物联网(Internet of Medical Things, IoMT)数据隐私保护方法，以应对这一挑战。首先，利用忆阻器的突触仿生特性，构建了一种基于Hopfield神经网络的双忆阻类脑混沌神经网络模型，并通过分岔图、Lyapunov指数谱、相图、时域图及吸引盆等非线性动力学工具，深入揭示了模型的复杂混沌动力学特性。研究结果表明，该网络不仅展现出复杂的网格多结构混沌吸引子特性，还具有平面初值位移调控能力，从而显著增强了其密码学应用潜力。为了验证其实用性与可靠性，基于微控制器单元(MCU)搭建了硬件平台，并通过硬件实验进一步确认了模型的复杂动力学行为。基于此模型，该文设计了一种结合双忆阻类脑混沌神经网络复杂混沌特性的高效IoMT数据隐私保护方法。在此基础上，对彩色医疗图像数据的加密效果进行了全面的安全性分析。实验结果表明，该方法在关键性能指标上表现优异，包括大密钥空间、低像素相关性、高密钥敏感性，以及对噪声与数据丢失攻击的强鲁棒性。该研究为IoMT环境下的医疗数据隐私保护提供了一种创新且有效的解决方案，为未来的智能医疗安全技术发展奠定了坚实基础。
近年来，医疗数据泄露频发，严重威胁患者隐私与健康安全，亟需有效的解决方案以保护医疗数据在传输过程中的隐私与安全性。该文提出了一种基于双忆阻类脑混沌神经网络的医疗物联网(Internet of Medical Things, IoMT)数据隐私保护方法，以应对这一挑战。首先，利用忆阻器的突触仿生特性，构建了一种基于Hopfield神经网络的双忆阻类脑混沌神经网络模型，并通过分岔图、Lyapunov指数谱、相图、时域图及吸引盆等非线性动力学工具，深入揭示了模型的复杂混沌动力学特性。研究结果表明，该网络不仅展现出复杂的网格多结构混沌吸引子特性，还具有平面初值位移调控能力，从而显著增强了其密码学应用潜力。为了验证其实用性与可靠性，基于微控制器单元(MCU)搭建了硬件平台，并通过硬件实验进一步确认了模型的复杂动力学行为。基于此模型，该文设计了一种结合双忆阻类脑混沌神经网络复杂混沌特性的高效IoMT数据隐私保护方法。在此基础上，对彩色医疗图像数据的加密效果进行了全面的安全性分析。实验结果表明，该方法在关键性能指标上表现优异，包括大密钥空间、低像素相关性、高密钥敏感性，以及对噪声与数据丢失攻击的强鲁棒性。该研究为IoMT环境下的医疗数据隐私保护提供了一种创新且有效的解决方案，为未来的智能医疗安全技术发展奠定了坚实基础。
2025, 47(7): 2211-2224.
doi: 10.11999/JEIT241115
摘要:
针对基于传统机器学习的网络流量异常检测方法受流量数据类别不平衡的影响检测性能较差的问题，该文提出一种无监督自适应抽样与改进孪生网络结合的网络流量异常检测方法。首先，设计基于K-medoids的自适应小样本抽样算法(KAFS)，利用无监督聚类对各类流量动态自适应地抽取更具代表性的少量样本，使正常和攻击流量均衡，提高训练小样本学习模型的数据质量。然后，构建具有鲁棒损失函数的孪生多层感知机(SMLP)模型用于流量异常检测，该模型利用两个相同结构的多层感知机对训练集中的成对流量样本进行训练，捕捉跨流量特征的非线性关系，学习流量数据的异同，进一步提高对攻击流量的分类精度。实验结果表明，所提方法在CICIDS2017和CICIDS2018数据集上的检测准确率分别可达99.80%和98.26%。与其他方法相比，该方法对未知攻击的检出率分别提高了至少2.85%和1.73%，有效提升流量异常检测性能。
针对基于传统机器学习的网络流量异常检测方法受流量数据类别不平衡的影响检测性能较差的问题，该文提出一种无监督自适应抽样与改进孪生网络结合的网络流量异常检测方法。首先，设计基于K-medoids的自适应小样本抽样算法(KAFS)，利用无监督聚类对各类流量动态自适应地抽取更具代表性的少量样本，使正常和攻击流量均衡，提高训练小样本学习模型的数据质量。然后，构建具有鲁棒损失函数的孪生多层感知机(SMLP)模型用于流量异常检测，该模型利用两个相同结构的多层感知机对训练集中的成对流量样本进行训练，捕捉跨流量特征的非线性关系，学习流量数据的异同，进一步提高对攻击流量的分类精度。实验结果表明，所提方法在CICIDS2017和CICIDS2018数据集上的检测准确率分别可达99.80%和98.26%。与其他方法相比，该方法对未知攻击的检出率分别提高了至少2.85%和1.73%，有效提升流量异常检测性能。
2025, 47(7): 2225-2236.
doi: 10.11999/JEIT241150
摘要:
为了提高场面监视效率，实现场面运动目标精准跟踪，考虑到传统交互多模型由于固定马尔可夫转移概率矩阵导致模型跟踪精度降低，该文提出一种转移概率自适应改进的交互多模型滤波算法。该算法利用观测数据和滤波残差数据，结合模糊推理算法，构建机动强弱模糊推理系统，推理出观测数据与隐马尔可夫显状态集合的映射关系，得到显状态集下的状态序列；根据隐马尔可夫模型中的Baum-Welch算法实时求解状态转移矩阵和更新观测概率矩阵，优化状态转移概率矩阵自适应更新策略；将机动强弱模糊推理系统和隐马尔可夫模型融入交互多模型算法中，构成机动目标实时估计的模糊隐马尔可夫-交互多模型算法，以提高跟踪精度；最后，基于实际场面ADS-B轨迹数据进行了验证，验证结果显示，改进后的交互多模型能够在非等间隔预测条件下实现参数的自适应调整，且在双维度4项统计指标中，位置跟踪精度方面分别提高了63.5%, 54.3%, 40.3%, 22.7%，速度和加速度的轨迹拟合精度均得到了提高，验证了改进算法的优越性。
为了提高场面监视效率，实现场面运动目标精准跟踪，考虑到传统交互多模型由于固定马尔可夫转移概率矩阵导致模型跟踪精度降低，该文提出一种转移概率自适应改进的交互多模型滤波算法。该算法利用观测数据和滤波残差数据，结合模糊推理算法，构建机动强弱模糊推理系统，推理出观测数据与隐马尔可夫显状态集合的映射关系，得到显状态集下的状态序列；根据隐马尔可夫模型中的Baum-Welch算法实时求解状态转移矩阵和更新观测概率矩阵，优化状态转移概率矩阵自适应更新策略；将机动强弱模糊推理系统和隐马尔可夫模型融入交互多模型算法中，构成机动目标实时估计的模糊隐马尔可夫-交互多模型算法，以提高跟踪精度；最后，基于实际场面ADS-B轨迹数据进行了验证，验证结果显示，改进后的交互多模型能够在非等间隔预测条件下实现参数的自适应调整，且在双维度4项统计指标中，位置跟踪精度方面分别提高了63.5%, 54.3%, 40.3%, 22.7%，速度和加速度的轨迹拟合精度均得到了提高，验证了改进算法的优越性。
2025, 47(7): 2237-2248.
doi: 10.11999/JEIT241063
摘要:
在量子图像传感器(QIS)搭建的单光子成像系统中，场景信息蕴含于QIS输出的二值量化数据中，从二值比特流重建原始图像为极度不适定问题。针对现有重建算法在低过采样率重建质量低，对读出噪声敏感的问题，该文提出一种基于扩散模型和边缘信息引导的QIS图像重建算法，以实现快速高质量重建。该算法将测量子空间约束引入无条件的扩散模型反向扩散过程以满足数据一致性和自然图像数据分布的要求，最大似然估计算法重建图像的边缘轮廓成分作为辅助信息引导采样，在减少采样步数的同时提升重建质量。该算法在多个通用数据集上进行测试，并与典型的QIS图像重建算法和基于扩散模型的方法进行比较，实验结果表明，该算法有效地改善了图像重建质量，且对读出噪声具有较强的鲁棒性。
在量子图像传感器(QIS)搭建的单光子成像系统中，场景信息蕴含于QIS输出的二值量化数据中，从二值比特流重建原始图像为极度不适定问题。针对现有重建算法在低过采样率重建质量低，对读出噪声敏感的问题，该文提出一种基于扩散模型和边缘信息引导的QIS图像重建算法，以实现快速高质量重建。该算法将测量子空间约束引入无条件的扩散模型反向扩散过程以满足数据一致性和自然图像数据分布的要求，最大似然估计算法重建图像的边缘轮廓成分作为辅助信息引导采样，在减少采样步数的同时提升重建质量。该算法在多个通用数据集上进行测试，并与典型的QIS图像重建算法和基于扩散模型的方法进行比较，实验结果表明，该算法有效地改善了图像重建质量，且对读出噪声具有较强的鲁棒性。
2025, 47(7): 2249-2262.
doi: 10.11999/JEIT241076
摘要:
针对交通流长期趋势性与非平稳性不易有效建模，以及交通流的隐藏动态时空特征难以捕捉的问题，该文提出一种基于长期Transformer和自适应傅里叶变换的动态图卷积交通流预测模型(ADGformer)。其中，长期门控卷积层通过掩码子序列Transformer从长历史序列中学习压缩的、上下文信息丰富的子序列表示，并利用膨胀门控卷积从子序列的时间表示中有效捕捉交通流的长期趋势特征。并设计一种动态图构造器生成动态可学习图，并利用可学习动态图卷积对节点间潜在的和时变的空间依赖关系进行建模以有效捕获交通流的动态隐藏空间特征。其次，自适应频谱块利用傅里叶变换来增强特征表示并捕获长短期的交互作用，同时通过自适应阈值处理来降低交通流的非平稳性。实验结果表明，所提ADGformer模型具有较好的预测性能。
针对交通流长期趋势性与非平稳性不易有效建模，以及交通流的隐藏动态时空特征难以捕捉的问题，该文提出一种基于长期Transformer和自适应傅里叶变换的动态图卷积交通流预测模型(ADGformer)。其中，长期门控卷积层通过掩码子序列Transformer从长历史序列中学习压缩的、上下文信息丰富的子序列表示，并利用膨胀门控卷积从子序列的时间表示中有效捕捉交通流的长期趋势特征。并设计一种动态图构造器生成动态可学习图，并利用可学习动态图卷积对节点间潜在的和时变的空间依赖关系进行建模以有效捕获交通流的动态隐藏空间特征。其次，自适应频谱块利用傅里叶变换来增强特征表示并捕获长短期的交互作用，同时通过自适应阈值处理来降低交通流的非平稳性。实验结果表明，所提ADGformer模型具有较好的预测性能。
2025, 47(7): 2263-2272.
doi: 10.11999/JEIT241022
摘要:
在传统AirComp系统中，汇聚节点接收到来自不同发送端的信号相位是否严格对齐将直接影响AirComp的计算精度，将AirComp引入分布式联邦学习和分布式推理系统中，由于相位对齐问题造成的计算误差则会导致模型训练精度和推理精度下降。目前，现有的AirComp分布式联邦学习和分布式推理系统，无论在训练还是推理过程中，基本上都未考虑信道对模型性能的影响，导致其推理精度远低于本地训练和推理的结果，这一点在低信噪比时表现得尤为突出。该文提出了一种MOSI-AirComp系统，其中同一轮参与计算的发射信号来自同一节点，因此可以忽略信号的相位对齐问题。此外，该文设计了一种双支路训练模型，上支路基于原始模型的基础上添加Loss层模拟信道干扰，而下支路保持原始的网络模型结构用于推理任务，以实现更好的抗衰落和抗噪声能力。该文还提出了一种基于权重的功率控制方案和路径选择算法，根据节点间距离和模型权重选择最优的传输回路，并将模型权重作为功率控制因子的一部分来调节传输功率，以此实现卷积过程中的乘法操作，同时利用AirComp的叠加特性完成加法操作，从而实现空中卷积。仿真结果证明了MOSI-AirComp系统的有效性。与传统模型相比，双支路训练模型在小尺度衰落场景下，MNIST数据集和CIFAR10数据集在不同信噪比下的推理精度分别提高了2%～18%和0.4%～11.2%。
在传统AirComp系统中，汇聚节点接收到来自不同发送端的信号相位是否严格对齐将直接影响AirComp的计算精度，将AirComp引入分布式联邦学习和分布式推理系统中，由于相位对齐问题造成的计算误差则会导致模型训练精度和推理精度下降。目前，现有的AirComp分布式联邦学习和分布式推理系统，无论在训练还是推理过程中，基本上都未考虑信道对模型性能的影响，导致其推理精度远低于本地训练和推理的结果，这一点在低信噪比时表现得尤为突出。该文提出了一种MOSI-AirComp系统，其中同一轮参与计算的发射信号来自同一节点，因此可以忽略信号的相位对齐问题。此外，该文设计了一种双支路训练模型，上支路基于原始模型的基础上添加Loss层模拟信道干扰，而下支路保持原始的网络模型结构用于推理任务，以实现更好的抗衰落和抗噪声能力。该文还提出了一种基于权重的功率控制方案和路径选择算法，根据节点间距离和模型权重选择最优的传输回路，并将模型权重作为功率控制因子的一部分来调节传输功率，以此实现卷积过程中的乘法操作，同时利用AirComp的叠加特性完成加法操作，从而实现空中卷积。仿真结果证明了MOSI-AirComp系统的有效性。与传统模型相比，双支路训练模型在小尺度衰落场景下，MNIST数据集和CIFAR10数据集在不同信噪比下的推理精度分别提高了2%～18%和0.4%～11.2%。
2025, 47(7): 2273-2284.
doi: 10.11999/JEIT241122
摘要:
在地铁隧道等退化场景下，主流的激光或视觉SLAM算法实用性低，无法有效完成三维重建工作。该文提出一种基于路径似然模型(PLM)与隐马尔可夫(HMM)序列匹配的大规模地铁隧道三维重建方法，将三维重建问题分解为里程计定位与基于图优化的高精度三维重建两个过程。针对里程计定位，该文提出一种融合路径似然模型的里程计方法。在粒子滤波框架下，将轨道约束转化为观测，并与IMU和轮速计数据融合，实现在轨机器人定位。此外，还提出一种基于HMM序列匹配的回环检测方法，将回环检测问题转化为序列匹配问题，提升回环检测的性能。针对重建问题，提出一种基于大规模因子图优化的三维重建方法，通过多约束条件完成位姿图优化，从而实现大规模地铁隧道的高精度三维重建。在成都韦家碾-双水碾和沙河源-洞子口两段地铁站之间进行了实地测试。实验结果表明，该文提出的PLM和HMM序列匹配可以有效提升里程计定位精度和回环检测性能，从而实现大规模地铁隧道场景的高精度三维重建。
在地铁隧道等退化场景下，主流的激光或视觉SLAM算法实用性低，无法有效完成三维重建工作。该文提出一种基于路径似然模型(PLM)与隐马尔可夫(HMM)序列匹配的大规模地铁隧道三维重建方法，将三维重建问题分解为里程计定位与基于图优化的高精度三维重建两个过程。针对里程计定位，该文提出一种融合路径似然模型的里程计方法。在粒子滤波框架下，将轨道约束转化为观测，并与IMU和轮速计数据融合，实现在轨机器人定位。此外，还提出一种基于HMM序列匹配的回环检测方法，将回环检测问题转化为序列匹配问题，提升回环检测的性能。针对重建问题，提出一种基于大规模因子图优化的三维重建方法，通过多约束条件完成位姿图优化，从而实现大规模地铁隧道的高精度三维重建。在成都韦家碾-双水碾和沙河源-洞子口两段地铁站之间进行了实地测试。实验结果表明，该文提出的PLM和HMM序列匹配可以有效提升里程计定位精度和回环检测性能，从而实现大规模地铁隧道场景的高精度三维重建。
2025, 47(7): 2285-2297.
doi: 10.11999/JEIT241027
摘要:
针对燃气站场机器人智能巡检过程中由于突发任务导致的巡检效率下降、任务延迟和能耗增加问题，该文提出基于数字孪生辅助强化学习的燃气站场巡检任务分配算法。首先基于多机器人、差异化任务的执行状况，建立面向能耗、任务延迟的多目标联合优化巡检任务分配模型；其次利用李雅普诺夫理论对时间-能耗耦合下的巡检目标进行解耦，简化多目标联合优化问题；最后通过结合数字孪生技术和PPO(Proximal Policy Optimization)算法，对解耦后的优化目标进行求解来构建多机器人巡检任务分配策略。仿真结果表明，与现有方法相比，所提方法具有较高的任务完成率，有效地提高了多机器人系统的巡检效率。
针对燃气站场机器人智能巡检过程中由于突发任务导致的巡检效率下降、任务延迟和能耗增加问题，该文提出基于数字孪生辅助强化学习的燃气站场巡检任务分配算法。首先基于多机器人、差异化任务的执行状况，建立面向能耗、任务延迟的多目标联合优化巡检任务分配模型；其次利用李雅普诺夫理论对时间-能耗耦合下的巡检目标进行解耦，简化多目标联合优化问题；最后通过结合数字孪生技术和PPO(Proximal Policy Optimization)算法，对解耦后的优化目标进行求解来构建多机器人巡检任务分配策略。仿真结果表明，与现有方法相比，所提方法具有较高的任务完成率，有效地提高了多机器人系统的巡检效率。
2025, 47(7): 2298-2307.
doi: 10.11999/JEIT241009
摘要:
焊接技术在工业制造中占据着举足轻重的作用，而X射线图像评定是保障焊缝内部质量的关键检测方式。鉴于焊缝X射线图像评定环节中存在工作量大、效率难以提升等问题，该文提出一种基于DETR网络改进的CADETR焊缝缺陷检测模型。此模型以DETR网络为基础，设计了CEC网络结构，拓宽了卷积核的感受野，增强了模型对于不同尺度缺陷的特征提取性能；同时设计了AFPN网络，该结构能够有效融合高分辨率与低分辨率的多尺度特征图；设计了PCE-Loss损失函数，增大了模型对缺陷图像预测错误的损失惩罚。构建了大型结构件焊缝X射线图像数据集，经过测试CADETR模型展现出良好的缺陷检测性能，其平均精度达到了91.6%，可作为后续焊缝缺陷智能检测系统的算法基础。
焊接技术在工业制造中占据着举足轻重的作用，而X射线图像评定是保障焊缝内部质量的关键检测方式。鉴于焊缝X射线图像评定环节中存在工作量大、效率难以提升等问题，该文提出一种基于DETR网络改进的CADETR焊缝缺陷检测模型。此模型以DETR网络为基础，设计了CEC网络结构，拓宽了卷积核的感受野，增强了模型对于不同尺度缺陷的特征提取性能；同时设计了AFPN网络，该结构能够有效融合高分辨率与低分辨率的多尺度特征图；设计了PCE-Loss损失函数，增大了模型对缺陷图像预测错误的损失惩罚。构建了大型结构件焊缝X射线图像数据集，经过测试CADETR模型展现出良好的缺陷检测性能，其平均精度达到了91.6%，可作为后续焊缝缺陷智能检测系统的算法基础。
2025, 47(7): 2308-2319.
doi: 10.11999/JEIT241059
摘要:
印章在文书认证、合同签署等场景中具有重要的法律效力，是确保文件真实性和合法性的重要标志。然而，随着数字技术的快速发展，印章伪造手段日益精进，对现有的印章核验技术提出了新的挑战，尤其是在图像质量不佳或存在模糊的情况下，核验难度显著增加。为应对此问题，该文提出一种基于双流模型的印章自动核验系统SealVerifier。该系统结合了EfficientNet与高效视觉Transformer(SViT)，SViT在Transformer编码器中引入高维多层感知器和去归一化机制，以增强特征表示能力和泛化能力。此外，该文引入数据分布适配器以应对实际场景中多样化的印章，并采用双重损失函数提升模型的精度和泛化能力。在包含30 699对图像的自建中文印章数据集上，SealVerifier的精确率、召回率和F1值分别达到了91.34%, 96.83%和93.57%，显著优于现有的印章核验技术。
印章在文书认证、合同签署等场景中具有重要的法律效力，是确保文件真实性和合法性的重要标志。然而，随着数字技术的快速发展，印章伪造手段日益精进，对现有的印章核验技术提出了新的挑战，尤其是在图像质量不佳或存在模糊的情况下，核验难度显著增加。为应对此问题，该文提出一种基于双流模型的印章自动核验系统SealVerifier。该系统结合了EfficientNet与高效视觉Transformer(SViT)，SViT在Transformer编码器中引入高维多层感知器和去归一化机制，以增强特征表示能力和泛化能力。此外，该文引入数据分布适配器以应对实际场景中多样化的印章，并采用双重损失函数提升模型的精度和泛化能力。在包含30 699对图像的自建中文印章数据集上，SealVerifier的精确率、召回率和F1值分别达到了91.34%, 96.83%和93.57%，显著优于现有的印章核验技术。
2025, 47(7): 2320-2333.
doi: 10.11999/JEIT241021
摘要:
由于烟雾具有非刚性结构、半透明性以及形态多变等特点，烟雾的语义分割相较于其他物体具有更大的挑战性。为此，该文设计了频域感知的跨特征融合烟雾分割网络(FCSNet)，用于应对真实场景中的烟雾分割任务。该网络由Transformer分支、卷积神经网络分支、特征融合分支以及多级高频感知分支组成。为了在获取全局上下文信息的同时降低Transformer分支的计算复杂度，提出频率Transformer分支，该分支基于傅里叶变换来获取全局特征，并使用频域中的低频幅值来代表大规模的语义结构。此外，还提出域间交互模块(DIM)，该模块通过加权融合操作和坐标注意力机制，促进了来自不同特征源信息的协同学习和整合，有效地融合全局和局部信息。为了充分利用边缘信息的固有分割能力来解决混淆区域的不准确分割问题，提出多级高频感知模块(MHFM)，以获取准确的高频边缘信息。考虑到烟雾的非刚性特征，设计多向交叉注意力模块(MHCA)，该模块计算边缘特征图和解码器特征图之间的相似性，从而指导混淆区域的分割结果。实验结果表明，该网络在真实场景烟雾分割数据集中的两个测试数据集上分别达到了58.95%和63.92%的平均交并比，在SMOKE5K数据集上达到了78.94%的平均交并比。与其他方法相比，该网络能够获得准确的烟雾定位和更精细的烟雾边缘。
由于烟雾具有非刚性结构、半透明性以及形态多变等特点，烟雾的语义分割相较于其他物体具有更大的挑战性。为此，该文设计了频域感知的跨特征融合烟雾分割网络(FCSNet)，用于应对真实场景中的烟雾分割任务。该网络由Transformer分支、卷积神经网络分支、特征融合分支以及多级高频感知分支组成。为了在获取全局上下文信息的同时降低Transformer分支的计算复杂度，提出频率Transformer分支，该分支基于傅里叶变换来获取全局特征，并使用频域中的低频幅值来代表大规模的语义结构。此外，还提出域间交互模块(DIM)，该模块通过加权融合操作和坐标注意力机制，促进了来自不同特征源信息的协同学习和整合，有效地融合全局和局部信息。为了充分利用边缘信息的固有分割能力来解决混淆区域的不准确分割问题，提出多级高频感知模块(MHFM)，以获取准确的高频边缘信息。考虑到烟雾的非刚性特征，设计多向交叉注意力模块(MHCA)，该模块计算边缘特征图和解码器特征图之间的相似性，从而指导混淆区域的分割结果。实验结果表明，该网络在真实场景烟雾分割数据集中的两个测试数据集上分别达到了58.95%和63.92%的平均交并比，在SMOKE5K数据集上达到了78.94%的平均交并比。与其他方法相比，该网络能够获得准确的烟雾定位和更精细的烟雾边缘。
2025, 47(7): 2334-2346.
doi: 10.11999/JEIT241017
摘要:
文本检测作为计算机视觉领域一项重要分支，在文字翻译、自动驾驶和票据信息处理等方面具有重要的应用价值。当前文本检测算法仍无法解决实际拍摄图像的部分文本分辨率低、尺度变化大和有效特征不足的问题。针对上述待解决的问题，该文提出一种基于高分辨扩展金字塔的场景文本检测方法(HREPNet)。首先，构造一种改进型特征金字塔，引入高分辨扩展层和超分辨特征模块，有效增强文本分辨率特征，解决部分文本分辨率低的问题；同时，在主干网络传递特征过程中引入多尺度特征提取模块，通过多分支空洞卷积结构与注意力机制，充分获取文本多尺度特征，解决文本尺度变化大的问题；最后，提出高效特征融合模块，选择性融合高分辨特征和多尺度特征，从而减少模型的空间信息的丢失，解决有效特征不足的问题。实验结果表明，HREPNet在公开数据集ICDAR2015, CTW1500和Total-Text上综合指标F值分别提高了7.6%, 5.5%和3.0%，在准确率召回率上都得到显著提升；此外，HREPNet对不同尺度和分辨率的文本检测效果均有明显提升，对小尺度和低分辨率文本提升尤为显著。
文本检测作为计算机视觉领域一项重要分支，在文字翻译、自动驾驶和票据信息处理等方面具有重要的应用价值。当前文本检测算法仍无法解决实际拍摄图像的部分文本分辨率低、尺度变化大和有效特征不足的问题。针对上述待解决的问题，该文提出一种基于高分辨扩展金字塔的场景文本检测方法(HREPNet)。首先，构造一种改进型特征金字塔，引入高分辨扩展层和超分辨特征模块，有效增强文本分辨率特征，解决部分文本分辨率低的问题；同时，在主干网络传递特征过程中引入多尺度特征提取模块，通过多分支空洞卷积结构与注意力机制，充分获取文本多尺度特征，解决文本尺度变化大的问题；最后，提出高效特征融合模块，选择性融合高分辨特征和多尺度特征，从而减少模型的空间信息的丢失，解决有效特征不足的问题。实验结果表明，HREPNet在公开数据集ICDAR2015, CTW1500和Total-Text上综合指标F值分别提高了7.6%, 5.5%和3.0%，在准确率召回率上都得到显著提升；此外，HREPNet对不同尺度和分辨率的文本检测效果均有明显提升，对小尺度和低分辨率文本提升尤为显著。
2025, 47(7): 2347-2360.
doi: 10.11999/JEIT241037
摘要:
不平衡数据分类是机器学习中的常见问题，过采样是解决方案之一。但现有过采样方法在处理复杂不均衡数据集时容易引入噪声样本导致类重叠，且无法有效解决低密度、小析取等子概念引起的类内不平衡问题。为此，该文提出一种基于超球体密度聚类的自适应过采样算法(DCHO)，该算法通过计算少数类样本密度动态确定聚类中心，构建超球体并将超球体内少数类样本归入相应簇，再按照不均衡比调整超球体半径。同时，根据超球体内样本局部密度和半径大小自适应分配过采样权重，进而解决类内不平衡问题。为防止类重叠，过采样过程均在每个超球体内部进行。此外，为进一步增强少数类边界以及探索未知区域，该文还构建一种新的边界偏好随机过采样策略。实验结果表明，所提算法在避免类重叠的同时，强化了低密度子概念的表达，有效解决了类间与类内不平衡问题。
不平衡数据分类是机器学习中的常见问题，过采样是解决方案之一。但现有过采样方法在处理复杂不均衡数据集时容易引入噪声样本导致类重叠，且无法有效解决低密度、小析取等子概念引起的类内不平衡问题。为此，该文提出一种基于超球体密度聚类的自适应过采样算法(DCHO)，该算法通过计算少数类样本密度动态确定聚类中心，构建超球体并将超球体内少数类样本归入相应簇，再按照不均衡比调整超球体半径。同时，根据超球体内样本局部密度和半径大小自适应分配过采样权重，进而解决类内不平衡问题。为防止类重叠，过采样过程均在每个超球体内部进行。此外，为进一步增强少数类边界以及探索未知区域，该文还构建一种新的边界偏好随机过采样策略。实验结果表明，所提算法在避免类重叠的同时，强化了低密度子概念的表达，有效解决了类间与类内不平衡问题。
2025, 47(7): 2361-2374.
doi: 10.11999/JEIT241159
摘要:
针对Transformer模型处理时域信号长度受限以及忽略有序特征元素相关性的问题，该文提出一种结合小波去噪卷积与稀疏Transformer的方法用于调制识别。首先，提出可学习的小波去噪卷积帮助深度学习模型提取合适的去噪信号表征，并将自适应的时频特征纳入目标函数的泛函策略中。然后，设计稀疏前馈神经网络替换传统Transformer中的注意力机制，用于对元素关系进行建模，并根据信号域中的少量关键元素对训练过程的梯度进行有效优化。在公开数据集RadioML 2016.10a和RML22的实验结果表明，稀疏Transformer模型能够分别取得63.84%和71.13%的平均分类准确率。与一系列深度学习模型对比，整体分类准确率提升了4%～10%，进一步证明了方法的有效性。此外，超参数消融实验验证了模型组件在复杂移动通信环境中的鲁棒性和实用性。
针对Transformer模型处理时域信号长度受限以及忽略有序特征元素相关性的问题，该文提出一种结合小波去噪卷积与稀疏Transformer的方法用于调制识别。首先，提出可学习的小波去噪卷积帮助深度学习模型提取合适的去噪信号表征，并将自适应的时频特征纳入目标函数的泛函策略中。然后，设计稀疏前馈神经网络替换传统Transformer中的注意力机制，用于对元素关系进行建模，并根据信号域中的少量关键元素对训练过程的梯度进行有效优化。在公开数据集RadioML 2016.10a和RML22的实验结果表明，稀疏Transformer模型能够分别取得63.84%和71.13%的平均分类准确率。与一系列深度学习模型对比，整体分类准确率提升了4%～10%，进一步证明了方法的有效性。此外，超参数消融实验验证了模型组件在复杂移动通信环境中的鲁棒性和实用性。
2025, 47(7): 2375-2384.
doi: 10.11999/JEIT241090
摘要:
视听零次学习需要理解音频和视觉信息之间的关系，以便能够推理未见过的类别。尽管领域做出了许多努力并取得了重大进展，但往往专注于学习强大的表征，从而忽视了音频和视频之间的依赖关系和输出分布与目标分布不一致的问题。因此，该文提出了基于Transformer的视听广义零次学习方法。具体来说，使用注意力机制来学习数据的内部信息，增强不同模态的信息交互，以捕捉视听数据之间的语义一致性；为了度量不同概率分布之间的差异和类别之间的一致性，引入了Kullback-Leibler(KL)散度和余弦相似度损失。为了评估所提方法，在VGGSound-GZSLcls, UCF-GZSLcls和ActivityNet-GZSLcls 3个基准数据集上进行测试。大量的实验结果表明，所提方法在3个数据集上都取得了最先进的性能。
视听零次学习需要理解音频和视觉信息之间的关系，以便能够推理未见过的类别。尽管领域做出了许多努力并取得了重大进展，但往往专注于学习强大的表征，从而忽视了音频和视频之间的依赖关系和输出分布与目标分布不一致的问题。因此，该文提出了基于Transformer的视听广义零次学习方法。具体来说，使用注意力机制来学习数据的内部信息，增强不同模态的信息交互，以捕捉视听数据之间的语义一致性；为了度量不同概率分布之间的差异和类别之间的一致性，引入了Kullback-Leibler(KL)散度和余弦相似度损失。为了评估所提方法，在VGGSound-GZSLcls, UCF-GZSLcls和ActivityNet-GZSLcls 3个基准数据集上进行测试。大量的实验结果表明，所提方法在3个数据集上都取得了最先进的性能。
2025, 47(7): 2385-2395.
doi: 10.11999/JEIT241112
摘要:
可信平台模块(TPM)作为提升系统安全性的核心技术，能够提供基于硬件的密钥管理、可信启动和远程认证等安全功能。然而，当前 RISC-V平台普遍缺乏TPM支持，限制了其在嵌入式和云计算场景中的安全能力。为解决这一问题，该文设计并实现了RfTPM—一种面向RISC-V平台的固件可信平台模块(fTPM)架构，无需额外硬件单元或安全扩展即可提供等效的安全功能。针对执行隔离、可信启动、高效通信和安全时钟等关键挑战，在RfTPM中，该文提出了创新解决方案，包括：基于RISC-V物理内存保护(PMP)机制的内存隔离以及结合DRAM物理不可克隆函数(PUF)与Flash锁定的静态数据保护、基于延迟度量扩展的可信启动机制、基于动态权限交换页的高效通信机制以及基于RISC-V硬件计时器的细粒度安全时钟。该文构建了RfTPM的原型系统，对其进行了安全性分析并在Genesys2 FPGA平台模拟的Rocket Core上进行了性能测试。实验结果表明，RfTPM在保证安全性的同时在大多数TPM命令处理中有比较显著的性能优势。
可信平台模块(TPM)作为提升系统安全性的核心技术，能够提供基于硬件的密钥管理、可信启动和远程认证等安全功能。然而，当前 RISC-V平台普遍缺乏TPM支持，限制了其在嵌入式和云计算场景中的安全能力。为解决这一问题，该文设计并实现了RfTPM—一种面向RISC-V平台的固件可信平台模块(fTPM)架构，无需额外硬件单元或安全扩展即可提供等效的安全功能。针对执行隔离、可信启动、高效通信和安全时钟等关键挑战，在RfTPM中，该文提出了创新解决方案，包括：基于RISC-V物理内存保护(PMP)机制的内存隔离以及结合DRAM物理不可克隆函数(PUF)与Flash锁定的静态数据保护、基于延迟度量扩展的可信启动机制、基于动态权限交换页的高效通信机制以及基于RISC-V硬件计时器的细粒度安全时钟。该文构建了RfTPM的原型系统，对其进行了安全性分析并在Genesys2 FPGA平台模拟的Rocket Core上进行了性能测试。实验结果表明，RfTPM在保证安全性的同时在大多数TPM命令处理中有比较显著的性能优势。
2025, 47(7): 2396-2404.
doi: 10.11999/JEIT241079
摘要:
随着重用方法学被引入到超大规模集成电路设计中，宏单元的使用率大幅提高。宏单元与标准单元之间巨大的尺寸差异给电路布局器带来了严峻的挑战。该文提出并实现了基于张力微调和线长驱动的宏单元布局器 WIMPlace。该文方法结合了基于权重的分割方法和受液体表面张力原理启发的宏单元微调技术，以实现有效的宏放置。WIMPlace算法采用4步流程：预处理、预布局、宏微调和宏合法化，并在其中宏微调阶段合理利用标准单元密度和线长函数进行优化。该文采用DREAMPlace2.0布局工具作为后端布局器，并在现代混合尺寸(MMS)测试集上进行实验。实验结果表明，与学术界领先的混合尺寸布局器ePlace-MS和最新的DREAMPlace4.0结果相比，在总共16个案例中的15个中，该文所提的WIMPlace算法都实现了最短的线长(HPWL)，这表明该文方法在优化线长方面非常有效。
随着重用方法学被引入到超大规模集成电路设计中，宏单元的使用率大幅提高。宏单元与标准单元之间巨大的尺寸差异给电路布局器带来了严峻的挑战。该文提出并实现了基于张力微调和线长驱动的宏单元布局器 WIMPlace。该文方法结合了基于权重的分割方法和受液体表面张力原理启发的宏单元微调技术，以实现有效的宏放置。WIMPlace算法采用4步流程：预处理、预布局、宏微调和宏合法化，并在其中宏微调阶段合理利用标准单元密度和线长函数进行优化。该文采用DREAMPlace2.0布局工具作为后端布局器，并在现代混合尺寸(MMS)测试集上进行实验。实验结果表明，与学术界领先的混合尺寸布局器ePlace-MS和最新的DREAMPlace4.0结果相比，在总共16个案例中的15个中，该文所提的WIMPlace算法都实现了最短的线长(HPWL)，这表明该文方法在优化线长方面非常有效。
