邮件订阅
当期目录
2026年 第48卷 第4期
2026, 48(4): 1401-1411.
doi: 10.11999/JEIT250873
摘要:
随着工业互联网的发展，Web管理平台与工业路由器等边界组件被广泛配置为可达生产内网，显著扩大了工业控制系统的攻击面。针对这一风险，渗透测试已成为保障工控系统安全的重要手段。近年来，部分研究尝试引入大语言模型(LLMs)以实现智能化渗透测试，进而降低人力消耗。然而，工控安全测试任务空间庞大且利用链条复杂，同时测试过程容错空间有限、语义约束严格，现有系统在此类场景下易出现“策略漂移”和“意图漂移”问题，导致无法有效完成测试任务。为此，该文提出了一种智能化Web漏洞测试与利用系统AutoPenGPT。该系统通过引入与测试目标一致的上下文约束，引导LLMs收敛测试空间，以缓解复杂任务场景下的策略漂移问题；同时，AutoPenGPT基于语义分析从反馈数据中提取并组织关键信息，对多步骤漏洞利用过程进行依赖建模，从而降低意图漂移对测试连贯性的影响。针对工控系统测试任务参数复杂且上下文动态变化的特点，系统进一步设计了高灵活性的半结构化提示词框架，以支持不同测试场景下的语义对齐与任务适配，最终实现与用户需求一致的自动化漏洞检测与利用。实验结果显示，AutoPenGPT在CTF测试集中漏洞类型探测准确率达97.62%，需求完成率为80.95%；在多个工控、通用Web平台的脆弱性测试中达到约70%的需求完成率，并成功发现7个未披露漏洞，其中已有两个漏洞获得CVE和CNVD编号，验证了其在真实场景下的实用性。
随着工业互联网的发展，Web管理平台与工业路由器等边界组件被广泛配置为可达生产内网，显著扩大了工业控制系统的攻击面。针对这一风险，渗透测试已成为保障工控系统安全的重要手段。近年来，部分研究尝试引入大语言模型(LLMs)以实现智能化渗透测试，进而降低人力消耗。然而，工控安全测试任务空间庞大且利用链条复杂，同时测试过程容错空间有限、语义约束严格，现有系统在此类场景下易出现“策略漂移”和“意图漂移”问题，导致无法有效完成测试任务。为此，该文提出了一种智能化Web漏洞测试与利用系统AutoPenGPT。该系统通过引入与测试目标一致的上下文约束，引导LLMs收敛测试空间，以缓解复杂任务场景下的策略漂移问题；同时，AutoPenGPT基于语义分析从反馈数据中提取并组织关键信息，对多步骤漏洞利用过程进行依赖建模，从而降低意图漂移对测试连贯性的影响。针对工控系统测试任务参数复杂且上下文动态变化的特点，系统进一步设计了高灵活性的半结构化提示词框架，以支持不同测试场景下的语义对齐与任务适配，最终实现与用户需求一致的自动化漏洞检测与利用。实验结果显示，AutoPenGPT在CTF测试集中漏洞类型探测准确率达97.62%，需求完成率为80.95%；在多个工控、通用Web平台的脆弱性测试中达到约70%的需求完成率，并成功发现7个未披露漏洞，其中已有两个漏洞获得CVE和CNVD编号，验证了其在真实场景下的实用性。
2026, 48(4): 1412-1423.
doi: 10.11999/JEIT251155
摘要:
多智能体系统是实现协同协作的重要途径，弹性一致性则是其安全支撑技术之一。该文针对2阶多智能体系统，研究在存在异常行为节点(包括恶意攻击和意外故障)情况下保证系统协同性能的弹性平均一致性问题。该问题面临双重挑战：如何实现分布式异常检测，以及如何通过一维加速度输入精确补偿二维状态误差。为解决该问题，该文首先推导了2阶平均一致性实现的充分条件。基于此，通过引入两跳通信信息设计了分布式检测机制，并提出能够精确补偿有限控制输入误差的方案。针对输入、速度、位置维度可能遭受的持续攻击，进一步提出具有容错机制的扩展算法。理论证明表明，所提算法能使节点在存在异常节点情况下渐近实现2阶平均一致性。最后，通过大量数值仿真和实验验证了所提方法的有效性。
多智能体系统是实现协同协作的重要途径，弹性一致性则是其安全支撑技术之一。该文针对2阶多智能体系统，研究在存在异常行为节点(包括恶意攻击和意外故障)情况下保证系统协同性能的弹性平均一致性问题。该问题面临双重挑战：如何实现分布式异常检测，以及如何通过一维加速度输入精确补偿二维状态误差。为解决该问题，该文首先推导了2阶平均一致性实现的充分条件。基于此，通过引入两跳通信信息设计了分布式检测机制，并提出能够精确补偿有限控制输入误差的方案。针对输入、速度、位置维度可能遭受的持续攻击，进一步提出具有容错机制的扩展算法。理论证明表明，所提算法能使节点在存在异常节点情况下渐近实现2阶平均一致性。最后，通过大量数值仿真和实验验证了所提方法的有效性。
2026, 48(4): 1424-1433.
doi: 10.11999/JEIT250746
摘要:
基于学习策略和切换系统理论，该文研究了拒绝服务(DoS)攻击下未知信息物理系统(CPS)的安全分析与控制问题。考虑到攻击能量有限性，采用攻击频率和持续时间来描述DoS攻击。特别地，不同于现有的安全学习方法，该文利用切换系统理论提出了一种在线模态依赖的切换-Q-学习控制新算法及相应的数据驱动安全评估新准则。首先，将休眠和活跃DoS攻击下的未知CPS分别转化为一类含有稳定和不稳定子系统的未知切换系统。随后设计了一种新颖的在线模态依赖的切换-Q-学习算法，进而获得数据驱动的最优安全控制增益。同时通过约束子系统阶段和切换阶段的能量函数，提出了一种具有攻击频率和持续时间约束的数据驱动安全评估准则。最后通过网络化轮式机器人系统的对比实验验证了该方法的高效性和优越性。
基于学习策略和切换系统理论，该文研究了拒绝服务(DoS)攻击下未知信息物理系统(CPS)的安全分析与控制问题。考虑到攻击能量有限性，采用攻击频率和持续时间来描述DoS攻击。特别地，不同于现有的安全学习方法，该文利用切换系统理论提出了一种在线模态依赖的切换-Q-学习控制新算法及相应的数据驱动安全评估新准则。首先，将休眠和活跃DoS攻击下的未知CPS分别转化为一类含有稳定和不稳定子系统的未知切换系统。随后设计了一种新颖的在线模态依赖的切换-Q-学习算法，进而获得数据驱动的最优安全控制增益。同时通过约束子系统阶段和切换阶段的能量函数，提出了一种具有攻击频率和持续时间约束的数据驱动安全评估准则。最后通过网络化轮式机器人系统的对比实验验证了该方法的高效性和优越性。
2026, 48(4): 1434-1443.
doi: 10.11999/JEIT250537
摘要:
随着信息物理系统(CPS)在关键基础设施中的广泛部署，其面临的安全威胁日益严峻，特别是虚假数据注入攻击对系统感知与控制能力构成了实质性挑战。针对这一问题，该文提出了一种融合攻击检测、状态估计与控制策略学习的安全控制框架。该方法通过构建传感器数据的安全评估指标，实现对潜在虚假观测数据的实时检测，并在无攻击先验信息的条件下，动态估计可能存在的攻击信号。在此基础上，进一步提出融合多源传感器观测的状态估计策略，以提高对系统真实状态的重构精度。此外，该文还提出了一种基于动态权重在线更新的自适应学习控制方法，利用梯度下降法逼近最优控制策略，从而增强系统在复杂环境中的稳态性能与抗攻击能力。仿真实验结果验证了该方法在虚假数据注入攻击环境下的有效性与安全性能。
随着信息物理系统(CPS)在关键基础设施中的广泛部署，其面临的安全威胁日益严峻，特别是虚假数据注入攻击对系统感知与控制能力构成了实质性挑战。针对这一问题，该文提出了一种融合攻击检测、状态估计与控制策略学习的安全控制框架。该方法通过构建传感器数据的安全评估指标，实现对潜在虚假观测数据的实时检测，并在无攻击先验信息的条件下，动态估计可能存在的攻击信号。在此基础上，进一步提出融合多源传感器观测的状态估计策略，以提高对系统真实状态的重构精度。此外，该文还提出了一种基于动态权重在线更新的自适应学习控制方法，利用梯度下降法逼近最优控制策略，从而增强系统在复杂环境中的稳态性能与抗攻击能力。仿真实验结果验证了该方法在虚假数据注入攻击环境下的有效性与安全性能。
2026, 48(4): 1444-1453.
doi: 10.11999/JEIT250651
摘要:
控制器局域网(CAN)因安全机制缺失易遭受网络攻击，现有入侵检测系统在多类攻击识别和车载部署上仍存在挑战。该文提出一种融合时序与深度特征的二阶段CAN总线攻击识别方法，通过“先检测、后分类”的策略，将复杂任务分解，实现效率与精度统一。第1阶段设计了数据负载熵(PDE)与ID频率均值偏差(IFMD)特征，从内容与行为2个维度量化报文异常，并利用双向长短期记忆网络(BiLSTM)捕捉时序依赖，实现高效异常检测；第2阶段针对异常样本，引入一维轻量化ParC1D-Net，通过深度特征精细分析实现多类攻击分类。公开数据集实验表明，该方法在Car-Hacking数据集上准确率和F1分数均达99.99%，优于多种先进方法；消融实验验证PDE与IFMD特征在提升异常检测敏感性和鲁棒性方面的关键作用。此外，方法在GPU和模拟嵌入式CPU环境下测试，模型大小仅0.39 MB，实时检测时延分别为0.62 ms和0.93 ms，具备良好部署与实时处理能力。
控制器局域网(CAN)因安全机制缺失易遭受网络攻击，现有入侵检测系统在多类攻击识别和车载部署上仍存在挑战。该文提出一种融合时序与深度特征的二阶段CAN总线攻击识别方法，通过“先检测、后分类”的策略，将复杂任务分解，实现效率与精度统一。第1阶段设计了数据负载熵(PDE)与ID频率均值偏差(IFMD)特征，从内容与行为2个维度量化报文异常，并利用双向长短期记忆网络(BiLSTM)捕捉时序依赖，实现高效异常检测；第2阶段针对异常样本，引入一维轻量化ParC1D-Net，通过深度特征精细分析实现多类攻击分类。公开数据集实验表明，该方法在Car-Hacking数据集上准确率和F1分数均达99.99%，优于多种先进方法；消融实验验证PDE与IFMD特征在提升异常检测敏感性和鲁棒性方面的关键作用。此外，方法在GPU和模拟嵌入式CPU环境下测试，模型大小仅0.39 MB，实时检测时延分别为0.62 ms和0.93 ms，具备良好部署与实时处理能力。
2026, 48(4): 1454-1468.
doi: 10.11999/JEIT250659
摘要:
智能电网(Smart Grid, SG)基于大量传感与检测单元，通过先进的网络通信、监测、调度与优化技术，显著提升了传统电网的管理和调节能力。然而，智能电网的开放性和互联性大幅提高的同时，也加剧了遭受恶意攻击的风险。特别是，攻击者可能通过同时干扰信息层和物理层的感知与决策过程，削弱系统的控制和恢复能力。以往研究通常根据攻击的对象或类型进行分类，而该文提出了一种涵盖智能电网主要组件和通信链路的综合性架构，从整体性的抽象视角对涉及智能电网组件的多种攻击类型进行系统性的信息物理风险评估。此外，该文还从多个角度探讨了智能电网中信息物理融合攻击的检测与防御问题。最后，基于现有的研究进展和趋势，该文对未来智能电网信息物理安全的研究方向进行了讨论与展望。
智能电网(Smart Grid, SG)基于大量传感与检测单元，通过先进的网络通信、监测、调度与优化技术，显著提升了传统电网的管理和调节能力。然而，智能电网的开放性和互联性大幅提高的同时，也加剧了遭受恶意攻击的风险。特别是，攻击者可能通过同时干扰信息层和物理层的感知与决策过程，削弱系统的控制和恢复能力。以往研究通常根据攻击的对象或类型进行分类，而该文提出了一种涵盖智能电网主要组件和通信链路的综合性架构，从整体性的抽象视角对涉及智能电网组件的多种攻击类型进行系统性的信息物理风险评估。此外，该文还从多个角度探讨了智能电网中信息物理融合攻击的检测与防御问题。最后，基于现有的研究进展和趋势，该文对未来智能电网信息物理安全的研究方向进行了讨论与展望。
2026, 48(4): 1469-1479.
doi: 10.11999/JEIT251159
摘要:
随着空天地一体化网络日益发展，成为国家战略前沿，其深度融合的卫星遥感、导航定位和通信应用，均对人工智能的可靠性与透明度提出了严苛要求。特别地，空天信息系统面临着物理层、网络层到应用层的复合式安全挑战，在这些高风险敏感性场景中，发展具备高稳健性与可信度的智能检测技术已成为当务之急。为应对这一挑战，该文提出一个新颖的可信人工智能框架ReXNet。该框架深度整合了不确定性量化与可解释人工智能技术，并允许灵活替换骨干模型，以适配多样化的空天安全任务。通过在入侵检测、故障诊断及广播式自动相关监测(ADS-B)注入攻击等空天地3层典型安全场景数据集上的实验验证，ReXNet框架在保持高精度异常检测性能的同时，能有效量化预测置信度、识别模型知识边界外的未知样本，并为决策提供逻辑一致且可追溯的归因解释。该框架的模块化与灵活性创新，为解决人工智能在安全关键系统中的应用瓶颈提供了有效的技术路径。通过系统性地提升模型的可靠性与透明度，该研究旨在推动智能检测技术在空天安全领域的应用范式从追求单一的“高精度”向兼顾“高可信”转变，显著增强了其场景适用性与整体可信度。
随着空天地一体化网络日益发展，成为国家战略前沿，其深度融合的卫星遥感、导航定位和通信应用，均对人工智能的可靠性与透明度提出了严苛要求。特别地，空天信息系统面临着物理层、网络层到应用层的复合式安全挑战，在这些高风险敏感性场景中，发展具备高稳健性与可信度的智能检测技术已成为当务之急。为应对这一挑战，该文提出一个新颖的可信人工智能框架ReXNet。该框架深度整合了不确定性量化与可解释人工智能技术，并允许灵活替换骨干模型，以适配多样化的空天安全任务。通过在入侵检测、故障诊断及广播式自动相关监测(ADS-B)注入攻击等空天地3层典型安全场景数据集上的实验验证，ReXNet框架在保持高精度异常检测性能的同时，能有效量化预测置信度、识别模型知识边界外的未知样本，并为决策提供逻辑一致且可追溯的归因解释。该框架的模块化与灵活性创新，为解决人工智能在安全关键系统中的应用瓶颈提供了有效的技术路径。通过系统性地提升模型的可靠性与透明度，该研究旨在推动智能检测技术在空天安全领域的应用范式从追求单一的“高精度”向兼顾“高可信”转变，显著增强了其场景适用性与整体可信度。
2026, 48(4): 1480-1494.
doi: 10.11999/JEIT250704
摘要:
随着《中华人民共和国数据安全法》、欧盟《通用数据保护条例》(GDPR)等国内外法规条例的逐步施行，数据合规检测成为规范数据处理活动、保障数据安全、保护个人与组织合法权益的重要手段。然而，物联网场景下异构设备数据冗长多变、非结构化、内容模糊等特点加剧了数据合规检测的难度，导致传统规则匹配方法容易产生大量的误报。针对上述挑战，该文提出一种新型面向物联网场景的大模型驱动数据合规检测方法：第1阶段，基于全量规则库，利用快速正则匹配算法高效筛查出所有潜在违规数据，并输出结构化初步检测结果；第2阶段，利用大语言模型进行语义级合规复核，设计差异化分类检测策略，针对不同违规类型构建基于思维链与少样本提示融合的增强提示词，用于减少规则差异性与语义模糊性带来的错误结果。该文采集了52种物联网设备的日志与流量数据，形成共计55 080条原始违规检测数据，并在8个主流大模型底座以及不同影响设置参数上开展对比实验。研究结果表明原有仅第1阶段基于规则匹配的检测方法在真实物联网环境下误报率为64.3%，而经第2阶段大模型驱动的复核检测后降至6.9%，且大模型自身引入的错误率控制在0.01%以下。
随着《中华人民共和国数据安全法》、欧盟《通用数据保护条例》(GDPR)等国内外法规条例的逐步施行，数据合规检测成为规范数据处理活动、保障数据安全、保护个人与组织合法权益的重要手段。然而，物联网场景下异构设备数据冗长多变、非结构化、内容模糊等特点加剧了数据合规检测的难度，导致传统规则匹配方法容易产生大量的误报。针对上述挑战，该文提出一种新型面向物联网场景的大模型驱动数据合规检测方法：第1阶段，基于全量规则库，利用快速正则匹配算法高效筛查出所有潜在违规数据，并输出结构化初步检测结果；第2阶段，利用大语言模型进行语义级合规复核，设计差异化分类检测策略，针对不同违规类型构建基于思维链与少样本提示融合的增强提示词，用于减少规则差异性与语义模糊性带来的错误结果。该文采集了52种物联网设备的日志与流量数据，形成共计55 080条原始违规检测数据，并在8个主流大模型底座以及不同影响设置参数上开展对比实验。研究结果表明原有仅第1阶段基于规则匹配的检测方法在真实物联网环境下误报率为64.3%，而经第2阶段大模型驱动的复核检测后降至6.9%，且大模型自身引入的错误率控制在0.01%以下。
2026, 48(4): 1495-1504.
doi: 10.11999/JEIT251172
摘要:
滤波正交频分复用(f-OFDM)使用子带滤波器对不同子带进行了有效隔离，实现了子带参数的灵活配置和异步传输，但代价是引入了一定量的固有干扰，尤其是由于子带的带外辐射(OOBE)而导致的子带间干扰(ITBI)，造成了系统性能下降。因此抑制子带的OOBE对于降低ITBI，提升f-OFDM系统性能具有重要作用。该文根据f-OFDM的系统结构特点，构建了f-OFDM中的降复杂度主动干扰抵消(CRAIC)优化模型，并设计了对应的数域转换和类型转换方法，将CRAIC的优化模型转化为2阶锥规划问题进行了求解。该文还通过计算机仿真对所提CRAIC算法进行了验证，仿真结果显示，该文所提CRAIC算法可以有效降低f-OFDM子带的OOBE，从而降低对相邻子带的ITBI，提高其性能。此外，该文还对消除子载波(CCs)个数、参与生成CCs的数据子载波个数，以及带外目标抑制频点个数等主要参数对CRAIC算法性能的影响进行了仿真分析，从功率谱密度、误码率等角度揭示了f-OFDM中CRAIC算法参数设置的内在特性。
滤波正交频分复用(f-OFDM)使用子带滤波器对不同子带进行了有效隔离，实现了子带参数的灵活配置和异步传输，但代价是引入了一定量的固有干扰，尤其是由于子带的带外辐射(OOBE)而导致的子带间干扰(ITBI)，造成了系统性能下降。因此抑制子带的OOBE对于降低ITBI，提升f-OFDM系统性能具有重要作用。该文根据f-OFDM的系统结构特点，构建了f-OFDM中的降复杂度主动干扰抵消(CRAIC)优化模型，并设计了对应的数域转换和类型转换方法，将CRAIC的优化模型转化为2阶锥规划问题进行了求解。该文还通过计算机仿真对所提CRAIC算法进行了验证，仿真结果显示，该文所提CRAIC算法可以有效降低f-OFDM子带的OOBE，从而降低对相邻子带的ITBI，提高其性能。此外，该文还对消除子载波(CCs)个数、参与生成CCs的数据子载波个数，以及带外目标抑制频点个数等主要参数对CRAIC算法性能的影响进行了仿真分析，从功率谱密度、误码率等角度揭示了f-OFDM中CRAIC算法参数设置的内在特性。
2026, 48(4): 1505-1516.
doi: 10.11999/JEIT251100
摘要:
针对多层低轨星座在软件定义网络架构下节点数量庞大、网络拓扑动态性强以及控制器对全网状态的感知滞后导致难以确定端到端数据传输时延的问题，该文提出一种基于控制器间协作的多层低轨星座确定性时延路由算法。首先，构建多层低轨星座的区域划分与控制器部署策略，以及星间链路的建立准则，消除节点数量和状态感知滞后的影响；其次，设计时变增量图模型刻画卫星网络拓扑与链路资源属性，在链路的带宽、卫星队列大小与链路间持续时间的约束下，提出基于控制器间协作的确定性时延路由算法，并通过控制器间状态实时感知和交互，及多目的拉格朗日的松弛聚合算法优化传输路径；最后，构建基于NS-3和Ryu的仿真平台验证可行性。结果表明，相较链路效用的自适应路由算法，所提算法在平均端到端时延、时延抖动与丢包率上分别降低16.0%, 37.9%, 37.2%，平均吞吐量提升约2%，且具有较低计算复杂度与信令开销。
针对多层低轨星座在软件定义网络架构下节点数量庞大、网络拓扑动态性强以及控制器对全网状态的感知滞后导致难以确定端到端数据传输时延的问题，该文提出一种基于控制器间协作的多层低轨星座确定性时延路由算法。首先，构建多层低轨星座的区域划分与控制器部署策略，以及星间链路的建立准则，消除节点数量和状态感知滞后的影响；其次，设计时变增量图模型刻画卫星网络拓扑与链路资源属性，在链路的带宽、卫星队列大小与链路间持续时间的约束下，提出基于控制器间协作的确定性时延路由算法，并通过控制器间状态实时感知和交互，及多目的拉格朗日的松弛聚合算法优化传输路径；最后，构建基于NS-3和Ryu的仿真平台验证可行性。结果表明，相较链路效用的自适应路由算法，所提算法在平均端到端时延、时延抖动与丢包率上分别降低16.0%, 37.9%, 37.2%，平均吞吐量提升约2%，且具有较低计算复杂度与信令开销。
2026, 48(4): 1517-1527.
doi: 10.11999/JEIT250729
摘要:
信息物理系统(CPS)完整性攻击针对系统数据流发起攻击，破坏输入输出数据一致性，由于其攻击方式多变、隐蔽性强的特性，较其他CPS攻击在检测及防护上更为困难。为此，该文提出一种控制-输出双通道的数据加性-乘性联合编码检测方案，旨在检测完整性攻击并在3种典型攻击上进行验证，包括控制通道偏置攻击、输出通道重放攻击以及双通道隐蔽攻击。完整性攻击通过部分或全面系统信息的获取及掌控可使卡方检测器检测值小于阈值，从而实现对CPS系统“隐形”。为此，该文方案创新性地在通道两侧布置加性正负水印对以及乘性编码/解码矩阵对，未知信号及部件的引入为攻击者带来了信息不确定性，使残差统计特性偏离其期望数值。此外，水印对与矩阵对之间通过不同机制实现了解耦，其正负或互逆形式使得无攻击时不影响系统的控制性能，并且以时变形式防止攻击者对其重构。最后，通过计算推导出引入该文方案后3种攻击前后残差统计特性的变化，并以飞行器飞行轨迹仿真为例，说明方案的有效性和先进性。
信息物理系统(CPS)完整性攻击针对系统数据流发起攻击，破坏输入输出数据一致性，由于其攻击方式多变、隐蔽性强的特性，较其他CPS攻击在检测及防护上更为困难。为此，该文提出一种控制-输出双通道的数据加性-乘性联合编码检测方案，旨在检测完整性攻击并在3种典型攻击上进行验证，包括控制通道偏置攻击、输出通道重放攻击以及双通道隐蔽攻击。完整性攻击通过部分或全面系统信息的获取及掌控可使卡方检测器检测值小于阈值，从而实现对CPS系统“隐形”。为此，该文方案创新性地在通道两侧布置加性正负水印对以及乘性编码/解码矩阵对，未知信号及部件的引入为攻击者带来了信息不确定性，使残差统计特性偏离其期望数值。此外，水印对与矩阵对之间通过不同机制实现了解耦，其正负或互逆形式使得无攻击时不影响系统的控制性能，并且以时变形式防止攻击者对其重构。最后，通过计算推导出引入该文方案后3种攻击前后残差统计特性的变化，并以飞行器飞行轨迹仿真为例，说明方案的有效性和先进性。
2026, 48(4): 1528-1538.
doi: 10.11999/JEIT250805
摘要:
配电网动态状态估计是保障电力物理信息系统安全稳定运行的关键技术，但系统的强非线性、高维特性及虚假数据注入攻击(FDIA)严重制约了其精度与安全。针对上述问题，该文提出一种融合高阶容积卡尔曼滤波(HCKF)与长短期记忆网络(LSTM)的动态状态估计方法。首先，建立基于混合量测的配电系统状态估计模型，并利用HCKF通过高阶容积点生成策略提升对强非线性高维配电网的状态估计精度；其次，结合加权最小二乘法(WLS)与HCKF的状态估计值，基于残差分析实现FDIA的快速检测；最后，当检测到FDIA时，利用LSTM模型对受攻击节点的量测数据进行时序预测与重构，修正状态估计结果。在IEEE33节点配电系统上的实验表明，在无FDIA时基于HCKF的动态状态估计算法对电压幅值和相角的估计精度高于现有方法。在FDIA场景下，验证了基于残差分析的攻击检测方法、基于LSTM的量测数据预测，以及所提动态状态估计算法的有效性。
配电网动态状态估计是保障电力物理信息系统安全稳定运行的关键技术，但系统的强非线性、高维特性及虚假数据注入攻击(FDIA)严重制约了其精度与安全。针对上述问题，该文提出一种融合高阶容积卡尔曼滤波(HCKF)与长短期记忆网络(LSTM)的动态状态估计方法。首先，建立基于混合量测的配电系统状态估计模型，并利用HCKF通过高阶容积点生成策略提升对强非线性高维配电网的状态估计精度；其次，结合加权最小二乘法(WLS)与HCKF的状态估计值，基于残差分析实现FDIA的快速检测；最后，当检测到FDIA时，利用LSTM模型对受攻击节点的量测数据进行时序预测与重构，修正状态估计结果。在IEEE33节点配电系统上的实验表明，在无FDIA时基于HCKF的动态状态估计算法对电压幅值和相角的估计精度高于现有方法。在FDIA场景下，验证了基于残差分析的攻击检测方法、基于LSTM的量测数据预测，以及所提动态状态估计算法的有效性。
2026, 48(4): 1539-1548.
doi: 10.11999/JEIT250846
摘要:
随着智能航运系统的快速发展，船舶定位数据在无线传输过程中面临严重的隐私泄露风险。传统隐私保护方法如差分隐私和同态加密存在数据失真、计算开销大或依赖高成本通信链路等问题，难以在保证数据完整性的同时实现高效防护。本文针对船舶稳定系统的特点，提出一种基于时间扰动增强的动态编码方案。该方案结合扩展卡尔曼滤波(EKF)，在编码过程中引入不稳定的时间扰动项，利用接收方对发送方发出的信息进行确认这一机制(ACK反馈)实现参考时间同步，并利用共享随机种子独立生成同步的扰动项。理论分析与仿真实验表明，该方案能够在合法接收方实现近乎零精度损失的状态估计的同时，使窃听者在单次丢包后解码误差随时间呈指数增长趋势，有效阻断单通道与多通道窃听攻击。方案采用共享随机种子同步机制，避免了复杂的密钥管理，显著降低了通信与计算开销，适用于资源受限的海上无线传感器网络环境，为船舶安全定位提供了有效保障。
随着智能航运系统的快速发展，船舶定位数据在无线传输过程中面临严重的隐私泄露风险。传统隐私保护方法如差分隐私和同态加密存在数据失真、计算开销大或依赖高成本通信链路等问题，难以在保证数据完整性的同时实现高效防护。本文针对船舶稳定系统的特点，提出一种基于时间扰动增强的动态编码方案。该方案结合扩展卡尔曼滤波(EKF)，在编码过程中引入不稳定的时间扰动项，利用接收方对发送方发出的信息进行确认这一机制(ACK反馈)实现参考时间同步，并利用共享随机种子独立生成同步的扰动项。理论分析与仿真实验表明，该方案能够在合法接收方实现近乎零精度损失的状态估计的同时，使窃听者在单次丢包后解码误差随时间呈指数增长趋势，有效阻断单通道与多通道窃听攻击。方案采用共享随机种子同步机制，避免了复杂的密钥管理，显著降低了通信与计算开销，适用于资源受限的海上无线传感器网络环境，为船舶安全定位提供了有效保障。
2026, 48(4): 1549-1568.
doi: 10.11999/JEIT251063
摘要:
该文聚焦人脸识别生态，系统梳理了面向人脸识别可信应用的隐私保护计算研究进展。首先，概述了人脸识别系统的基本架构与流程，剖析非授权采集、信息泄露、梯度泄露、成员推理、人脸重建及非授权识别等关键隐私风险。随后，围绕数据变换、分布式、图像合成和对抗扰动4类主流隐私保护范式，解析加密计算、联邦学习、频域学习、特征模板保护、合成图像训练、身份保持匿名化、虚拟身份识别、差分隐私、重建攻击防御与对抗性隐私保护等10类代表性技术。最后，展望未来研究方向，包括隐私保护计算的效率提升、生成式大模型带来的新机遇与挑战、新型识别范式的构建以及标准化评估体系的建立。该文旨在为可信人脸识别研究提供系统性参考，推动其在信息物理系统中的安全与可信应用，进一步强化个人信息保护。
该文聚焦人脸识别生态，系统梳理了面向人脸识别可信应用的隐私保护计算研究进展。首先，概述了人脸识别系统的基本架构与流程，剖析非授权采集、信息泄露、梯度泄露、成员推理、人脸重建及非授权识别等关键隐私风险。随后，围绕数据变换、分布式、图像合成和对抗扰动4类主流隐私保护范式，解析加密计算、联邦学习、频域学习、特征模板保护、合成图像训练、身份保持匿名化、虚拟身份识别、差分隐私、重建攻击防御与对抗性隐私保护等10类代表性技术。最后，展望未来研究方向，包括隐私保护计算的效率提升、生成式大模型带来的新机遇与挑战、新型识别范式的构建以及标准化评估体系的建立。该文旨在为可信人脸识别研究提供系统性参考，推动其在信息物理系统中的安全与可信应用，进一步强化个人信息保护。
2026, 48(4): 1569-1590.
doi: 10.11999/JEIT250738
摘要:
因果特征学习(CFL)是深度学习图像分类模型实现因果推断的重要途径。该文系统综述了深度学习图像分类模型因果特征学习的研究与进展。首先，给出了因果推断相关概念定义及其统计学实现方法。其次，从前向、反向、横向3个角度介绍了面向深度学习图像分类模型的相关性分析方法。然后，根据深度学习图像分类模型因果特征学习的不同实现，分类归纳了因果特征发现、因果特征效应评估、因果表征学习、伪相关剔除4类方法。最后，在总结深度学习图像分类模型因果特征学习现状基础上对未来研究进行了展望。
因果特征学习(CFL)是深度学习图像分类模型实现因果推断的重要途径。该文系统综述了深度学习图像分类模型因果特征学习的研究与进展。首先，给出了因果推断相关概念定义及其统计学实现方法。其次，从前向、反向、横向3个角度介绍了面向深度学习图像分类模型的相关性分析方法。然后，根据深度学习图像分类模型因果特征学习的不同实现，分类归纳了因果特征发现、因果特征效应评估、因果表征学习、伪相关剔除4类方法。最后，在总结深度学习图像分类模型因果特征学习现状基础上对未来研究进行了展望。
2026, 48(4): 1591-1607.
doi: 10.11999/JEIT251076
摘要:
变压器作为电网的核心枢纽设备，其运行状态直接影响电力系统的安全性与稳定性。传统监测技术存在依赖人工经验、实时性不足等问题，声纹故障诊断技术凭借非接触式监测等优势成为当前变压器故障诊断领域的研究热点。该文梳理了变压器声纹故障诊断领域的研究进展，明晰变压器主要故障类型与监测技术差异，归纳时域、频域及时频域3类声纹特征提取方法，剖析主流机器学习与深度学习模型的优劣势及适用场景等，并针对当前研究中存在的噪声鲁棒性不足、样本分布不平衡、模型可解释性差、标准化体系缺失和跨模态融合不足等关键问题深入分析，展望未来研究方向，以期为该领域的理论研究与工程应用提供系统性参考。
变压器作为电网的核心枢纽设备，其运行状态直接影响电力系统的安全性与稳定性。传统监测技术存在依赖人工经验、实时性不足等问题，声纹故障诊断技术凭借非接触式监测等优势成为当前变压器故障诊断领域的研究热点。该文梳理了变压器声纹故障诊断领域的研究进展，明晰变压器主要故障类型与监测技术差异，归纳时域、频域及时频域3类声纹特征提取方法，剖析主流机器学习与深度学习模型的优劣势及适用场景等，并针对当前研究中存在的噪声鲁棒性不足、样本分布不平衡、模型可解释性差、标准化体系缺失和跨模态融合不足等关键问题深入分析，展望未来研究方向，以期为该领域的理论研究与工程应用提供系统性参考。
2026, 48(4): 1608-1622.
doi: 10.11999/JEIT250818
摘要:
随着遥感应用不断从静态图像分析迈向智能化认知决策任务，构建覆盖多任务、多模态的信息融合数据体系已成为推动遥感基础模型发展的关键前提。该文围绕遥感智能体中的感知、认知需求，提出并构建了一个面向多任务图文指令的遥感多模态数据集，系统组织图像、文本指令、空间坐标与行为轨迹等多模态信息，统一支撑多阶段任务链路的训练与评估。该数据集涵盖9类核心任务，包括关系推理、指令分解、任务调度、定位描述与多模态感知等，共计21个子数据集，覆盖光学、SAR与红外3类遥感模态，总体数据规模超过2 000 000样本。在数据构建过程中，该文针对遥感图像的特性设计了标准化的指令格式，提出统一的输入输出范式，确保不同任务间的互通性与可迁移性。同时，设计自动化数据生成与转换流程，以提升多模态样本生成效率与一致性。此外，该文还介绍了在遥感基础模型上的基线性能评估结果，验证了该数据集在多任务泛化学习中的实用价值。该数据集可广泛服务于遥感领域多模态基础模型的构建与评估，尤其适用于统一感知-认知-决策闭环流程的智能体模型开发，具有良好的研究推广价值与工程应用前景。
随着遥感应用不断从静态图像分析迈向智能化认知决策任务，构建覆盖多任务、多模态的信息融合数据体系已成为推动遥感基础模型发展的关键前提。该文围绕遥感智能体中的感知、认知需求，提出并构建了一个面向多任务图文指令的遥感多模态数据集，系统组织图像、文本指令、空间坐标与行为轨迹等多模态信息，统一支撑多阶段任务链路的训练与评估。该数据集涵盖9类核心任务，包括关系推理、指令分解、任务调度、定位描述与多模态感知等，共计21个子数据集，覆盖光学、SAR与红外3类遥感模态，总体数据规模超过2 000 000样本。在数据构建过程中，该文针对遥感图像的特性设计了标准化的指令格式，提出统一的输入输出范式，确保不同任务间的互通性与可迁移性。同时，设计自动化数据生成与转换流程，以提升多模态样本生成效率与一致性。此外，该文还介绍了在遥感基础模型上的基线性能评估结果，验证了该数据集在多任务泛化学习中的实用价值。该数据集可广泛服务于遥感领域多模态基础模型的构建与评估，尤其适用于统一感知-认知-决策闭环流程的智能体模型开发，具有良好的研究推广价值与工程应用前景。
2026, 48(4): 1623-1632.
doi: 10.11999/JEIT250690
摘要:
在轻量级密码领域，S盒作为核心非线性组件，其硬件实现的面积与电路深度优化始终是轻量级密码研究的热点。公开文献针对小规模S盒硬件实现占用资源、电路深度的优化等进行了大量研究，取得了很多优秀成果，能够对规模不大于5 bit的S盒给出面积或电路深度优化的实现方案，现有针对小规模S盒硬件实现的研究多以面积最小化或电路深度最小化为单一优化目标，对两者之间的协同优化工作较少。该文从面积与电路深度协同优化的角度出发，构建了一个深度为\begin{document}$ k $\end{document} \begin{document}$ w $\end{document}
在轻量级密码领域，S盒作为核心非线性组件，其硬件实现的面积与电路深度优化始终是轻量级密码研究的热点。公开文献针对小规模S盒硬件实现占用资源、电路深度的优化等进行了大量研究，取得了很多优秀成果，能够对规模不大于5 bit的S盒给出面积或电路深度优化的实现方案，现有针对小规模S盒硬件实现的研究多以面积最小化或电路深度最小化为单一优化目标，对两者之间的协同优化工作较少。该文从面积与电路深度协同优化的角度出发，构建了一个深度为
2026, 48(4): 1633-1645.
doi: 10.11999/JEIT251156
摘要:
随着新能源汽车的快速发展，其使用规模不断扩大，电池组故障的概率和严重程度随之增加，迫切需要高效的故障诊断方法。近年来，尽管基于深度学习的电池故障诊断方法已取得显著进展，但现有研究在内短路(ISC)、传感器噪声、传感器漂移及荷电状态(SOC)不平衡故障的多故障下的工况的覆盖性以及故障间耦合关系的挖掘方面仍存在不足。针对既有挑战，该文提出一种双视角频谱注意力融合算法。该算法由两大核心模块组成：一是双视角分词模块，负责全链路捕捉电池组的时空信息；二是频谱注意力机制，负责非平稳特征处理与长期依赖挖掘。这种特征工程与频域分析的深度结合，有效增强了模型的故障诊断鲁棒性。所提方法在联邦城市驾驶循环(FUDS)、城市测功机行驶工况(UDDS)和补充联邦测试程序(US06)3种典型工况下的诊断性能均显著优于现有主流算法，其平均精确率提升了10.98%，召回率提升了12.64%，F1分数提升了13.84%，准确率提升了13.45%。此外，该文设计并实施了系统的消融实验与鲁棒性分析，对比了各核心模块对模型整体性能的贡献机理，同时充分验证了所提方法在复杂噪声环境下的抗干扰能力与鲁棒性。该文所提双视角频谱注意力框架不仅提升了多故障诊断性能，也为复杂时空特征建模提供了新思路，为提升汽车安全性提供新的方案。
随着新能源汽车的快速发展，其使用规模不断扩大，电池组故障的概率和严重程度随之增加，迫切需要高效的故障诊断方法。近年来，尽管基于深度学习的电池故障诊断方法已取得显著进展，但现有研究在内短路(ISC)、传感器噪声、传感器漂移及荷电状态(SOC)不平衡故障的多故障下的工况的覆盖性以及故障间耦合关系的挖掘方面仍存在不足。针对既有挑战，该文提出一种双视角频谱注意力融合算法。该算法由两大核心模块组成：一是双视角分词模块，负责全链路捕捉电池组的时空信息；二是频谱注意力机制，负责非平稳特征处理与长期依赖挖掘。这种特征工程与频域分析的深度结合，有效增强了模型的故障诊断鲁棒性。所提方法在联邦城市驾驶循环(FUDS)、城市测功机行驶工况(UDDS)和补充联邦测试程序(US06)3种典型工况下的诊断性能均显著优于现有主流算法，其平均精确率提升了10.98%，召回率提升了12.64%，F1分数提升了13.84%，准确率提升了13.45%。此外，该文设计并实施了系统的消融实验与鲁棒性分析，对比了各核心模块对模型整体性能的贡献机理，同时充分验证了所提方法在复杂噪声环境下的抗干扰能力与鲁棒性。该文所提双视角频谱注意力框架不仅提升了多故障诊断性能，也为复杂时空特征建模提供了新思路，为提升汽车安全性提供新的方案。
2026, 48(4): 1646-1658.
doi: 10.11999/JEIT250929
摘要:
多项式乘法作为格密码算法的核心运算，通过快速数论变换(NTT)/快速傅里叶变换(FFT)设计成多项式乘法架构能够降低计算复杂度，提升格密码算法的运算速度。为支持多参数的多项式乘法运算，并提升多项式乘法的运算速度，该文提出一种双域可重构多项式乘法运算单元架构。首先基于Kyber, Dilithium和Falcon算法中的参数特征，提取多项式乘法的运算网络，并对内部双域乘法运算在算法层进行优化设计。其次，基于多项式乘法运算网络设计出双域可重构多项式乘法运算单元架构，并对双域可重构乘法单元进行优化设计以提升运算速度。最后，为提高运算单元架构的资源利用率，该文对多项式乘法运算单元架构进行并行度分析，当支持1路64 bit、2路32 bit或4路16 bit的运算时，多项式乘法运算架构的面积效率最高。该文在Xilinx FPGA xc7v2000tflg1925上进行实验验证，能够支持Kyber, Dilithium和Falcon算法中所有多项式乘法运算，工作频率达到169 MHz，面积时间积降低了50%以上。
多项式乘法作为格密码算法的核心运算，通过快速数论变换(NTT)/快速傅里叶变换(FFT)设计成多项式乘法架构能够降低计算复杂度，提升格密码算法的运算速度。为支持多参数的多项式乘法运算，并提升多项式乘法的运算速度，该文提出一种双域可重构多项式乘法运算单元架构。首先基于Kyber, Dilithium和Falcon算法中的参数特征，提取多项式乘法的运算网络，并对内部双域乘法运算在算法层进行优化设计。其次，基于多项式乘法运算网络设计出双域可重构多项式乘法运算单元架构，并对双域可重构乘法单元进行优化设计以提升运算速度。最后，为提高运算单元架构的资源利用率，该文对多项式乘法运算单元架构进行并行度分析，当支持1路64 bit、2路32 bit或4路16 bit的运算时，多项式乘法运算架构的面积效率最高。该文在Xilinx FPGA xc7v2000tflg1925上进行实验验证，能够支持Kyber, Dilithium和Falcon算法中所有多项式乘法运算，工作频率达到169 MHz，面积时间积降低了50%以上。
2026, 48(4): 1659-1667.
doi: 10.11999/JEIT251034
摘要:
针对通信与感知一体化(ISAC)系统中存在的信息泄露问题，该文提出一种面向ISAC的物理层密钥生成(PLKG)方法。首先，提出一种面向ISAC系统的PLKG协议，并推导了总密钥生成速率(SKGR) 和感知精度克拉美罗界(CRB)的闭式表达式。其次，在感知精度的约束下，建立了一个总密钥生成速率SKGR最大化问题。最后，提出一种基于双延迟深度确定性策略梯度(TD3)的联合通信与感知波束赋形算法，进一步提升系统安全性。仿真结果表明，所提方法相较于基准方法具有更好的有效性和优越性。
针对通信与感知一体化(ISAC)系统中存在的信息泄露问题，该文提出一种面向ISAC的物理层密钥生成(PLKG)方法。首先，提出一种面向ISAC系统的PLKG协议，并推导了总密钥生成速率(SKGR) 和感知精度克拉美罗界(CRB)的闭式表达式。其次，在感知精度的约束下，建立了一个总密钥生成速率SKGR最大化问题。最后，提出一种基于双延迟深度确定性策略梯度(TD3)的联合通信与感知波束赋形算法，进一步提升系统安全性。仿真结果表明，所提方法相较于基准方法具有更好的有效性和优越性。
2026, 48(4): 1668-1677.
doi: 10.11999/JEIT250743
摘要:
针对车联网中无人机辅助移动边缘计算场景下，基于深度强化学习的时延优化方法因车辆规模增大导致动作空间维度爆炸、训练效率低的问题，该文提出一种无人机辅助移动边缘计算的双层混合优化方案。首先，通过联合优化任务卸载、计算与通信资源分配以及无人机飞行控制，构建满足飞行与能耗约束条件下最小化系统计算任务总时延的模型。其次，该文通过双层算法结构将深度强化学习与贪婪算法相结合，提出混合分层深度强化学习(Hybrid Hierarchical Deep Reinforcement Learning, HHDRL)算法对问题求解，以降低训练复杂度并加快收敛。仿真结果表明，该算法在保持时延性能接近传统深度强化学习算法的同时，提升了收敛速度。
针对车联网中无人机辅助移动边缘计算场景下，基于深度强化学习的时延优化方法因车辆规模增大导致动作空间维度爆炸、训练效率低的问题，该文提出一种无人机辅助移动边缘计算的双层混合优化方案。首先，通过联合优化任务卸载、计算与通信资源分配以及无人机飞行控制，构建满足飞行与能耗约束条件下最小化系统计算任务总时延的模型。其次，该文通过双层算法结构将深度强化学习与贪婪算法相结合，提出混合分层深度强化学习(Hybrid Hierarchical Deep Reinforcement Learning, HHDRL)算法对问题求解，以降低训练复杂度并加快收敛。仿真结果表明，该算法在保持时延性能接近传统深度强化学习算法的同时，提升了收敛速度。
2026, 48(4): 1678-1687.
doi: 10.11999/JEIT251086
摘要:
在5G非地面网络(5G-NTN)低轨卫星通信系统中，多普勒效应会带来载波频偏(CFO)、采样频偏(SFO)以及子载波间频偏(ISFO)。研究发现，当正交频分复用(OFDM)信号子载波数量较大且采用高阶调制时，ISFO会成为制约接收机性能的关键因素。现有算法多针对CFO和SFO的估计及补偿展开研究，极少考虑ISFO的影响。另外，采用传统的最大似然估计算法对CFO和SFO进行联合估计时，需要进行一维或二维网格搜索，计算复杂度非常高。针对上述问题，该文利用5G-NTN中导频信号的分布特点，提出两种低复杂度的CFO和SFO联合估计算法。首先，利用5G-NTN中解调参考信号的互相关向量在主瓣内的单峰特性，设计一种基于二分搜索的联合估计算法，可以实现快速收敛。然后，设计基于观测量自相关的L&R估计算法，推导了待估参数的近似闭式解。典型实例分析和仿真表明，两种算法性能接近采用一维或二维搜索的最大似然估计算法，且所提二分搜索估计算法运算量仅为二维搜索最大似然估计算法的4%、一维搜索最大似然估计算法的44%。
在5G非地面网络(5G-NTN)低轨卫星通信系统中，多普勒效应会带来载波频偏(CFO)、采样频偏(SFO)以及子载波间频偏(ISFO)。研究发现，当正交频分复用(OFDM)信号子载波数量较大且采用高阶调制时，ISFO会成为制约接收机性能的关键因素。现有算法多针对CFO和SFO的估计及补偿展开研究，极少考虑ISFO的影响。另外，采用传统的最大似然估计算法对CFO和SFO进行联合估计时，需要进行一维或二维网格搜索，计算复杂度非常高。针对上述问题，该文利用5G-NTN中导频信号的分布特点，提出两种低复杂度的CFO和SFO联合估计算法。首先，利用5G-NTN中解调参考信号的互相关向量在主瓣内的单峰特性，设计一种基于二分搜索的联合估计算法，可以实现快速收敛。然后，设计基于观测量自相关的L&R估计算法，推导了待估参数的近似闭式解。典型实例分析和仿真表明，两种算法性能接近采用一维或二维搜索的最大似然估计算法，且所提二分搜索估计算法运算量仅为二维搜索最大似然估计算法的4%、一维搜索最大似然估计算法的44%。
2026, 48(4): 1688-1697.
doi: 10.11999/JEIT250452
摘要:
该文研究了智能反射面(IRS)辅助基于速率分割多址接入(RSMA)技术的无人机(UAV)系统安全传输问题。针对存在多个窃听者的通信场景，提出一种联合优化预编码向量、公共安全速率分配、IRS相移和UAV位置的资源分配方案。针对该非凸优化问题，采用分层优化方法将其分解为内层和外层优化两部分。对于内层优化，给定UAV位置，交替优化预编码向量、公共安全速率分配子问题和IRS相移子问题，通过逐次凸逼近、1阶泰勒展开和半正定松弛等方法将非凸问题转化为凸优化问题求解；外层优化，给定其他优化变量，采用粒子群优化算法实现UAV的位置优化。仿真结果表明，所提算法能够有效提高系统安全速率，并优于现有的基准方案。
该文研究了智能反射面(IRS)辅助基于速率分割多址接入(RSMA)技术的无人机(UAV)系统安全传输问题。针对存在多个窃听者的通信场景，提出一种联合优化预编码向量、公共安全速率分配、IRS相移和UAV位置的资源分配方案。针对该非凸优化问题，采用分层优化方法将其分解为内层和外层优化两部分。对于内层优化，给定UAV位置，交替优化预编码向量、公共安全速率分配子问题和IRS相移子问题，通过逐次凸逼近、1阶泰勒展开和半正定松弛等方法将非凸问题转化为凸优化问题求解；外层优化，给定其他优化变量，采用粒子群优化算法实现UAV的位置优化。仿真结果表明，所提算法能够有效提高系统安全速率，并优于现有的基准方案。
2026, 48(4): 1698-1707.
doi: 10.11999/JEIT250821
摘要:
针对多网联无人机协同作业场景中，因冲突规避引发的个体服务质量不均衡问题，该文提出了一种基于无线电地图辅助的协同路径规划方案。该方案以最小化所有无人机中最大任务完成时间与通信断联时间加权和为目标，构建了多无人机路径规划模型，并设计了一种改进的冲突搜索(ICBS)算法进行求解。该算法采用分层搜索架构：高层结构通过引入邻近冲突检测以确保满足安全距离约束，并基于重构的代价函数引导以公平性为导向的冲突消解与路径选择；低层结构则采用基于双向A*的最优路径算法，通过双向并行搜索机制提升寻优效率。仿真结果表明，相较于基准方案，所提方案能够有效降低所有无人机中最大加权时间，显著提升多无人机协同的公平性与整体性能。
针对多网联无人机协同作业场景中，因冲突规避引发的个体服务质量不均衡问题，该文提出了一种基于无线电地图辅助的协同路径规划方案。该方案以最小化所有无人机中最大任务完成时间与通信断联时间加权和为目标，构建了多无人机路径规划模型，并设计了一种改进的冲突搜索(ICBS)算法进行求解。该算法采用分层搜索架构：高层结构通过引入邻近冲突检测以确保满足安全距离约束，并基于重构的代价函数引导以公平性为导向的冲突消解与路径选择；低层结构则采用基于双向A*的最优路径算法，通过双向并行搜索机制提升寻优效率。仿真结果表明，相较于基准方案，所提方案能够有效降低所有无人机中最大加权时间，显著提升多无人机协同的公平性与整体性能。
2026, 48(4): 1708-1718.
doi: 10.11999/JEIT250694
摘要:
针对自然灾害应急救援中无人机路径规划面临的复杂约束和时效性要求，该文提出一种熵增强量子涟漪协同优化算法(E2QRSA)。该文构建了以受困人员生存概率最大化为目标的数学模型，将生存概率随时间指数衰减的特征融入目标函数，并综合考虑禁飞区、警戒区、动态障碍物等多重约束；设计了基于信息熵的量子态初始化策略，通过评估搜索空间的不确定性分布引导初始种群生成；提出多涟漪协同干涉机制，利用干涉场的建设性叠加强化优质解特征传播；建立了熵驱动的参数自适应调控方法，根据搜索熵变化率动态调整涟漪传播参数。结果表明：与PSO, QRO, ATLA, IVCSA, SEWOA等5种算法相比，E2QRSA的平均生存概率较次优算法提升4.3%～5.4%，显著提升了复杂灾害环境下无人机路径规划的时效性、安全性与决策科学性。
针对自然灾害应急救援中无人机路径规划面临的复杂约束和时效性要求，该文提出一种熵增强量子涟漪协同优化算法(E2QRSA)。该文构建了以受困人员生存概率最大化为目标的数学模型，将生存概率随时间指数衰减的特征融入目标函数，并综合考虑禁飞区、警戒区、动态障碍物等多重约束；设计了基于信息熵的量子态初始化策略，通过评估搜索空间的不确定性分布引导初始种群生成；提出多涟漪协同干涉机制，利用干涉场的建设性叠加强化优质解特征传播；建立了熵驱动的参数自适应调控方法，根据搜索熵变化率动态调整涟漪传播参数。结果表明：与PSO, QRO, ATLA, IVCSA, SEWOA等5种算法相比，E2QRSA的平均生存概率较次优算法提升4.3%～5.4%，显著提升了复杂灾害环境下无人机路径规划的时效性、安全性与决策科学性。
2026, 48(4): 1719-1728.
doi: 10.11999/JEIT250888
摘要:
正交时频空间(OTFS)调制虽然能够有效对抗高速移动通信场景中的多普勒频移，但仍存在高峰均功率比(PAPR)问题。既有OTFS框架多采用常模酉矩阵预编码，在不牺牲误码率(BER)的前提下能兼顾一定的PAPR抑制效果，然而常模约束压缩了可设计维度，使得进一步抑制PAPR成为瓶颈。为此，该文首先将OTFS常模酉矩阵构造推广到更一般的非零酉矩阵预编码，并在混合与谱衰减等条件下证明了非零酉矩阵的理论是多种OTFS变体保持优异BER性能的原因。此外，该文将扩展理论表述为含酉性与均匀性约束的PAPR最小化，以CVX获得近似最优基准，并提出基于交替方向乘子法(ADMM)的高效算法以克服CVX的复杂度瓶颈。仿真结果表明，该框架能够实现约2.7\begin{document}$ \sim $\end{document}
正交时频空间(OTFS)调制虽然能够有效对抗高速移动通信场景中的多普勒频移，但仍存在高峰均功率比(PAPR)问题。既有OTFS框架多采用常模酉矩阵预编码，在不牺牲误码率(BER)的前提下能兼顾一定的PAPR抑制效果，然而常模约束压缩了可设计维度，使得进一步抑制PAPR成为瓶颈。为此，该文首先将OTFS常模酉矩阵构造推广到更一般的非零酉矩阵预编码，并在混合与谱衰减等条件下证明了非零酉矩阵的理论是多种OTFS变体保持优异BER性能的原因。此外，该文将扩展理论表述为含酉性与均匀性约束的PAPR最小化，以CVX获得近似最优基准，并提出基于交替方向乘子法(ADMM)的高效算法以克服CVX的复杂度瓶颈。仿真结果表明，该框架能够实现约2.7
2026, 48(4): 1729-1739.
doi: 10.11999/JEIT251119
摘要:
在雷达海上探测场景中，当舰船与漂浮目标处于同一距离单元中，形成信号混叠的混合体目标时，如何实现混合体中单个目标的准确识别，当前仍未得到有效解决。针对该问题，该文提出一种基于模态重构与时频域差异特征的海上目标识别方法。不同于将混合体目标整体处理的传统思路，该方法采用变分模态分解(VMD)有效分离混合体中的多普勒通道，针对虚假模态和目标信息碎片化表达问题，提出基于能量约束的模态滤波方法和基于频谱一致性的模态聚类方法，实现多目标场景下回波模态重构处理。在此基础上，分别从图像层面和数据层面出发，提取微多普勒频率全变差(VF)和主多普勒通道等级熵(REDDC ) 两个识别特征，对目标的微多普勒和混乱度差异进行量化表征与联合识别。结果表明，所提算法在2～4级海况条件下对混合体中各目标的平均识别准确率达97.32%，整体性能优于已有方法。
在雷达海上探测场景中，当舰船与漂浮目标处于同一距离单元中，形成信号混叠的混合体目标时，如何实现混合体中单个目标的准确识别，当前仍未得到有效解决。针对该问题，该文提出一种基于模态重构与时频域差异特征的海上目标识别方法。不同于将混合体目标整体处理的传统思路，该方法采用变分模态分解(VMD)有效分离混合体中的多普勒通道，针对虚假模态和目标信息碎片化表达问题，提出基于能量约束的模态滤波方法和基于频谱一致性的模态聚类方法，实现多目标场景下回波模态重构处理。在此基础上，分别从图像层面和数据层面出发，提取微多普勒频率全变差(VF)和主多普勒通道等级熵(REDDC ) 两个识别特征，对目标的微多普勒和混乱度差异进行量化表征与联合识别。结果表明，所提算法在2～4级海况条件下对混合体中各目标的平均识别准确率达97.32%，整体性能优于已有方法。
2026, 48(4): 1740-1750.
doi: 10.11999/JEIT251087
摘要:
毫米波雷达三维点云能精准捕捉人体动作的空间变化细节，为动作识别提供了强鲁棒性的数据源。然而，点云固有的无序性与稀疏性限制了特征提取效率，传统方法难以有效建模其局部与全局的空间依赖关系，导致识别精度受限。为解决上述问题，该文提出一种基于动态图卷积与多特征融合的轻量化动作识别网络。该网络核心包含3个模块：(1)动态图卷积模块，通过动态构建局部邻域图结构，自适应学习鲁棒的点云特征，减少动作过渡阶段的误判；(2)多尺度特征融合模块，分层聚合局部细节与全局上下文信息，增强空间表征与行为理解能力；(3)自适应帧加权模块，依据信息熵与数据可靠性为不同时序帧分配权重，聚焦关键时序片段。在公开数据集mmWave-3DPCHM-1.0上的实验表明，所提方法对TI与Vayyar数据集上的平均识别准确率分别达到98.32%与99.48%，且仅需2.06 M参数量与4.51 GFLOPs计算量，在识别精度与模型轻量化方面均优于现有主流方法。
毫米波雷达三维点云能精准捕捉人体动作的空间变化细节，为动作识别提供了强鲁棒性的数据源。然而，点云固有的无序性与稀疏性限制了特征提取效率，传统方法难以有效建模其局部与全局的空间依赖关系，导致识别精度受限。为解决上述问题，该文提出一种基于动态图卷积与多特征融合的轻量化动作识别网络。该网络核心包含3个模块：(1)动态图卷积模块，通过动态构建局部邻域图结构，自适应学习鲁棒的点云特征，减少动作过渡阶段的误判；(2)多尺度特征融合模块，分层聚合局部细节与全局上下文信息，增强空间表征与行为理解能力；(3)自适应帧加权模块，依据信息熵与数据可靠性为不同时序帧分配权重，聚焦关键时序片段。在公开数据集mmWave-3DPCHM-1.0上的实验表明，所提方法对TI与Vayyar数据集上的平均识别准确率分别达到98.32%与99.48%，且仅需2.06 M参数量与4.51 GFLOPs计算量，在识别精度与模型轻量化方面均优于现有主流方法。
2026, 48(4): 1751-1762.
doi: 10.11999/JEIT250760
摘要:
单目视角下的立体图像生成通常依赖深度真值作为先验，易存在几何错位、遮挡伪影及纹理模糊等问题。为此，该文提出一种多尺度可变形对齐感知的双向门控特征聚合立体图像生成网络，在无需深度真值监督的条件下实现端到端训练。该方法引入多尺度可变形对齐模块(MSDA)根据内容自适应调整采样位置，在不同尺度上自适应对齐源特征与目标特征，缓解固定卷积难以适应几何变形和视差变化引起的错位问题；此外，构建纹理结构双向门控特征聚合模块(Bi-GFA)，提出一种约束网络浅层学习纹理、深层建模结构的特征解耦策略，实现纹理与结构信息的动态互补与高效融合；同时，设计可学习的对齐引导损失(LAG)，进一步提升特征对齐精度与语义一致性。在KITTI, MPEG-FTV及多视点深度视频序列数据集上的实验结果表明，所提方法在结构还原性、纹理质量及视角一致性等方面优于现有先进方法。
单目视角下的立体图像生成通常依赖深度真值作为先验，易存在几何错位、遮挡伪影及纹理模糊等问题。为此，该文提出一种多尺度可变形对齐感知的双向门控特征聚合立体图像生成网络，在无需深度真值监督的条件下实现端到端训练。该方法引入多尺度可变形对齐模块(MSDA)根据内容自适应调整采样位置，在不同尺度上自适应对齐源特征与目标特征，缓解固定卷积难以适应几何变形和视差变化引起的错位问题；此外，构建纹理结构双向门控特征聚合模块(Bi-GFA)，提出一种约束网络浅层学习纹理、深层建模结构的特征解耦策略，实现纹理与结构信息的动态互补与高效融合；同时，设计可学习的对齐引导损失(LAG)，进一步提升特征对齐精度与语义一致性。在KITTI, MPEG-FTV及多视点深度视频序列数据集上的实验结果表明，所提方法在结构还原性、纹理质量及视角一致性等方面优于现有先进方法。
2026, 48(4): 1763-1773.
doi: 10.11999/JEIT251126
摘要:
无人机航拍图像因其分辨率高、视角广、部署灵活的特点，在智能交通领域得到广泛应用。针对无人机航拍图像中目标尺度变化大、背景复杂、小目标密集等问题，该文提出一种面向复杂环境的无人机航拍目标检测算法HAR-DETR。首先，对骨干网络的最后两层BasicBlock重新设计，添加聚合感知注意力以提取目标的多尺度特征，增大感受野和对细粒度目标的感知效果；其次，设计高分辨率检测分支，提高模型对小目标检测的敏感度。最后，提出基于特征金字塔的重校准特征融合网络(RFF-FPN)，将小目标的浅层边界特征与深层语义特征结合，更好地捕捉多尺度目标的语义信息，同时简化颈部网络的结构。实验结果表明，在VisDrone2019数据集上，HAR-DETR算法的mAP50相比原RT-DETR模型提升3.8%，mAP50-95提升3.2%。在RSOD数据集上展现出良好的泛化性能，在小目标检测任务中表现优异，具有较强的实用价值和推广前景。
无人机航拍图像因其分辨率高、视角广、部署灵活的特点，在智能交通领域得到广泛应用。针对无人机航拍图像中目标尺度变化大、背景复杂、小目标密集等问题，该文提出一种面向复杂环境的无人机航拍目标检测算法HAR-DETR。首先，对骨干网络的最后两层BasicBlock重新设计，添加聚合感知注意力以提取目标的多尺度特征，增大感受野和对细粒度目标的感知效果；其次，设计高分辨率检测分支，提高模型对小目标检测的敏感度。最后，提出基于特征金字塔的重校准特征融合网络(RFF-FPN)，将小目标的浅层边界特征与深层语义特征结合，更好地捕捉多尺度目标的语义信息，同时简化颈部网络的结构。实验结果表明，在VisDrone2019数据集上，HAR-DETR算法的mAP50相比原RT-DETR模型提升3.8%，mAP50-95提升3.2%。在RSOD数据集上展现出良好的泛化性能，在小目标检测任务中表现优异，具有较强的实用价值和推广前景。
2026, 48(4): 1774-1784.
doi: 10.11999/JEIT251083
摘要:
针对超声成像分辨率低及易受伪影干扰问题，该文提出基于扩散模型(DM)的U-DM超声成像质量优化方法。通过构建差值训练机制与解剖结构引导策略，结合改进型U-Net网络架构实现多尺度特征融合，建立从含噪超声数据到高质量图像的映射关系，进而生成高质量超声图像。基于PICMUS数据集的实验结果表明，该文所提U-DM方法在噪声抑制与结构保持方面显著优于UNet和UNet-GAN等方法，能有效消除人工伪影并恢复解剖细节，其图像重建质量达到临床诊断要求。相较于生成对抗网络(GAN)，该文所提融合扩散模型的超声成像方法展现出更稳定的训练特性和更优的泛化能力，克服了模式坍塌等固有问题，为突破超声成像质量瓶颈提供了新途径。
针对超声成像分辨率低及易受伪影干扰问题，该文提出基于扩散模型(DM)的U-DM超声成像质量优化方法。通过构建差值训练机制与解剖结构引导策略，结合改进型U-Net网络架构实现多尺度特征融合，建立从含噪超声数据到高质量图像的映射关系，进而生成高质量超声图像。基于PICMUS数据集的实验结果表明，该文所提U-DM方法在噪声抑制与结构保持方面显著优于UNet和UNet-GAN等方法，能有效消除人工伪影并恢复解剖细节，其图像重建质量达到临床诊断要求。相较于生成对抗网络(GAN)，该文所提融合扩散模型的超声成像方法展现出更稳定的训练特性和更优的泛化能力，克服了模式坍塌等固有问题，为突破超声成像质量瓶颈提供了新途径。
2026, 48(4): 1785-1794.
doi: 10.11999/JEIT250785
摘要:
动态视觉机制具有数据冗余低、事件采样频率高等优点，是远距离光电监视系统的理想探测方式，但其中的目标表现为稀疏事件流中的运动微小目标，针对常规有形态目标的方法难以适用。针对此问题，该文受类脑处理中的第3代神经网络启发，结合动态视觉机制的异步感知和脉冲表征特点，设计针对运动微小目标的长短时融合脉冲神经网络。针对目标形态扩散性，设计脉冲Swin Transformer模块，以脉冲自注意力机制自适应学习微小目标与相邻时空像素的关联性；针对目标运动连续性，对ConvLSTM神经元进行脉冲化建模，形成适应事件数据的脉冲ConvLSTM模块，自动学习长时域中的运动信息；并结合脉冲金字塔模块等结构，融合双链路多尺度特征，实现了从极其有限表层特征中挖掘高维度深度特征。基于实测数据测试表明，该文设计方法针对运动微小目标的召回率可达95%以上，消融实验验证了增加长时域特征学习模块并利用更长时间的事件数据，可有效提升性能。
动态视觉机制具有数据冗余低、事件采样频率高等优点，是远距离光电监视系统的理想探测方式，但其中的目标表现为稀疏事件流中的运动微小目标，针对常规有形态目标的方法难以适用。针对此问题，该文受类脑处理中的第3代神经网络启发，结合动态视觉机制的异步感知和脉冲表征特点，设计针对运动微小目标的长短时融合脉冲神经网络。针对目标形态扩散性，设计脉冲Swin Transformer模块，以脉冲自注意力机制自适应学习微小目标与相邻时空像素的关联性；针对目标运动连续性，对ConvLSTM神经元进行脉冲化建模，形成适应事件数据的脉冲ConvLSTM模块，自动学习长时域中的运动信息；并结合脉冲金字塔模块等结构，融合双链路多尺度特征，实现了从极其有限表层特征中挖掘高维度深度特征。基于实测数据测试表明，该文设计方法针对运动微小目标的召回率可达95%以上，消融实验验证了增加长时域特征学习模块并利用更长时间的事件数据，可有效提升性能。
2026, 48(4): 1795-1805.
doi: 10.11999/JEIT251188
摘要:
现有的主流时序预测方法在多尺度建模与频域特征提取方面，难以协同应对数据中复杂的周期性模式与局部动态变化，导致无法充分捕获关键时序特性。针对此问题，该文提出一种基于多尺度频域适配器和双路注意力(MFADA)的时序预测方法。该方法采用多尺度频域适配器(MFA)自适应提取时序数据的关键频率成分，获得其全局周期性先验。此外，还通过多尺度双路注意力(MDA)机制，将频域先验嵌入时序与特征两条路径，实现跨粒度的动态协同建模，以增强对时序数据复杂演化规律的刻画能力。实验结果表明，所提MFADA在8个公开时序数据集上显著超越现有主流预测方法，在预测精度与计算效率方面均取得优异表现，验证了所提“频域引导-时域协同”框架的有效性和优越性，为复杂时序任务提供了新思路和解决方案。
现有的主流时序预测方法在多尺度建模与频域特征提取方面，难以协同应对数据中复杂的周期性模式与局部动态变化，导致无法充分捕获关键时序特性。针对此问题，该文提出一种基于多尺度频域适配器和双路注意力(MFADA)的时序预测方法。该方法采用多尺度频域适配器(MFA)自适应提取时序数据的关键频率成分，获得其全局周期性先验。此外，还通过多尺度双路注意力(MDA)机制，将频域先验嵌入时序与特征两条路径，实现跨粒度的动态协同建模，以增强对时序数据复杂演化规律的刻画能力。实验结果表明，所提MFADA在8个公开时序数据集上显著超越现有主流预测方法，在预测精度与计算效率方面均取得优异表现，验证了所提“频域引导-时域协同”框架的有效性和优越性，为复杂时序任务提供了新思路和解决方案。
2026, 48(4): 1806-1819.
doi: 10.11999/JEIT250844
摘要:
在考虑地球扁率J2摄动的影响下，该文针对限定携带燃料和限定转移时间下的异面轨道航天器远距离快速转移的最省燃料轨迹优化问题，基于近端策略优化(PPO)设计脉冲机动的时长与脉冲增量大小，实现最省燃料消耗的转移轨迹设计。首先构筑J2摄动下航天器转移变轨的动力学模型，并进行航天器在轨运行中的不确定性分析，其次，将问题转化为最优控制问题，并建立强化学习训练框架；此后，设计基于过程约束和终端约束的合适的奖励函数，提高算法的探索能力和训练过程的稳定性；最后，在该强化学习框架下进行训练得到模型，生成变轨机动策略，通过仿真并进行对比实验验证算法性能。相较已有深度强化学习(DRL)方法，该文设计的改进型密集奖励函数结合位置势函数与速度引导机制，显著提升了算法的收敛速度、鲁棒性与燃料优化性能，仿真结果表明，该方法能够很好地生成策略并达到预期抵近要求。
在考虑地球扁率J2摄动的影响下，该文针对限定携带燃料和限定转移时间下的异面轨道航天器远距离快速转移的最省燃料轨迹优化问题，基于近端策略优化(PPO)设计脉冲机动的时长与脉冲增量大小，实现最省燃料消耗的转移轨迹设计。首先构筑J2摄动下航天器转移变轨的动力学模型，并进行航天器在轨运行中的不确定性分析，其次，将问题转化为最优控制问题，并建立强化学习训练框架；此后，设计基于过程约束和终端约束的合适的奖励函数，提高算法的探索能力和训练过程的稳定性；最后，在该强化学习框架下进行训练得到模型，生成变轨机动策略，通过仿真并进行对比实验验证算法性能。相较已有深度强化学习(DRL)方法，该文设计的改进型密集奖励函数结合位置势函数与速度引导机制，显著提升了算法的收敛速度、鲁棒性与燃料优化性能，仿真结果表明，该方法能够很好地生成策略并达到预期抵近要求。
2026, 48(4): 1820-1831.
doi: 10.11999/JEIT251066
摘要:
图像去雨是计算机视觉领域的基础任务，现有方法过度依赖假设雨模型或合成雨数据集，导致真实场景去雨效果泛化性能不足。该文分析发现对比语言-图像预训练(CLIP)模型图像编码器对雨纹干扰的鲁棒性，将去雨任务转化为基于视觉语义引导的像素级回归问题，提出基于冻结对比语言-图像预训练(FCLIP)策略的图像去雨模型FCLIP-UNet。该模型采用对称的编码器-解码器结构(U-Net)：编码器截取CLIP-RN50图像编码器的4层结构实现雨纹与图像内容语义的自动解耦；解码阶段采用(ConvNeXt-T)与上采样深度卷积模块(UpDWBlock)串行结构，结合跳跃连接中嵌入层级差异化扰动策略实现高层语义引导下的细节恢复与泛化能力的协同增强。定量和定性实验结果表明，FCLIP-UNet在公开合成数据集和真实雨图数据集上均取得最优或具有竞争力的性能，并在包含真实雨图的多个独立数据集上表现出良好的泛化性能。
图像去雨是计算机视觉领域的基础任务，现有方法过度依赖假设雨模型或合成雨数据集，导致真实场景去雨效果泛化性能不足。该文分析发现对比语言-图像预训练(CLIP)模型图像编码器对雨纹干扰的鲁棒性，将去雨任务转化为基于视觉语义引导的像素级回归问题，提出基于冻结对比语言-图像预训练(FCLIP)策略的图像去雨模型FCLIP-UNet。该模型采用对称的编码器-解码器结构(U-Net)：编码器截取CLIP-RN50图像编码器的4层结构实现雨纹与图像内容语义的自动解耦；解码阶段采用(ConvNeXt-T)与上采样深度卷积模块(UpDWBlock)串行结构，结合跳跃连接中嵌入层级差异化扰动策略实现高层语义引导下的细节恢复与泛化能力的协同增强。定量和定性实验结果表明，FCLIP-UNet在公开合成数据集和真实雨图数据集上均取得最优或具有竞争力的性能，并在包含真实雨图的多个独立数据集上表现出良好的泛化性能。
2026, 48(4): 1832-1842.
doi: 10.11999/JEIT251080
摘要:
该文通过单一材料平台集成宽带微波散射(7.4 GHz带宽)与被动红外抑制，为跨波段隐身提供了一种解决方案，克服了传统隐身材料同时兼顾微波吸收与热管理之间的设计挑战。该文提出一种新型全金属随机编码超表面，实现了跨波段隐身功能，兼具微波频段雷达散射截面(RCS)缩减和红外隐身效果。该超表面整体采用铜结构，通过计算机数控(CNC)加工制造，相比传统复合材料设计，消除了界面脱层的风险。同时，其单一材料构造使其能够同时调控微波散射特性和红外辐射特性。该结构通过遗传算法优化相位分布后，在11\begin{document}$ \sim $\end{document} \begin{document}$ \sim $\end{document}
该文通过单一材料平台集成宽带微波散射(7.4 GHz带宽)与被动红外抑制，为跨波段隐身提供了一种解决方案，克服了传统隐身材料同时兼顾微波吸收与热管理之间的设计挑战。该文提出一种新型全金属随机编码超表面，实现了跨波段隐身功能，兼具微波频段雷达散射截面(RCS)缩减和红外隐身效果。该超表面整体采用铜结构，通过计算机数控(CNC)加工制造，相比传统复合材料设计，消除了界面脱层的风险。同时，其单一材料构造使其能够同时调控微波散射特性和红外辐射特性。该结构通过遗传算法优化相位分布后，在11
2026, 48(4): 1843-1852.
doi: 10.11999/JEIT251058
摘要:
连续微流控生物芯片因其微型化、高可靠性和低样品消耗等优势，广泛应用于生物医学领域。然而，随着芯片集成度提升，其设计复杂性显著增加，传统分步式设计方法将绑定、调度、布局和布线等任务分步处理，各环节间信息交互不足，导致方案质量低、设计周期长。为此，该文提出一种基于深度强化学习的连续微流控生物芯片一步式架构综合方法。首先，通过图卷积神经网络提取状态特征，有效捕捉节点及其关系的信息；其次，在近端策略优化算法中结合A*算法和列表调度算法，从而得到具体的架构设计方案；最后，设计了一种多目标奖励函数，将生化反应时间、流道总长度及阀门数量进行归一化加权组合，并通过近端策略优化算法的策略梯度更新机制实现复杂决策空间的高效探索。实验表明，在基准测试用例上，与现有方法相比，该文方法在生化反应时间上优化了2.1%，流道总长度减少21.3%，阀门数量减少65.0%，且在较大规模芯片上仍能生成可行解。
连续微流控生物芯片因其微型化、高可靠性和低样品消耗等优势，广泛应用于生物医学领域。然而，随着芯片集成度提升，其设计复杂性显著增加，传统分步式设计方法将绑定、调度、布局和布线等任务分步处理，各环节间信息交互不足，导致方案质量低、设计周期长。为此，该文提出一种基于深度强化学习的连续微流控生物芯片一步式架构综合方法。首先，通过图卷积神经网络提取状态特征，有效捕捉节点及其关系的信息；其次，在近端策略优化算法中结合A*算法和列表调度算法，从而得到具体的架构设计方案；最后，设计了一种多目标奖励函数，将生化反应时间、流道总长度及阀门数量进行归一化加权组合，并通过近端策略优化算法的策略梯度更新机制实现复杂决策空间的高效探索。实验表明，在基准测试用例上，与现有方法相比，该文方法在生化反应时间上优化了2.1%，流道总长度减少21.3%，阀门数量减少65.0%，且在较大规模芯片上仍能生成可行解。
2026, 48(4): 1853-1862.
doi: 10.11999/JEIT250825
摘要:
状态同步技术是三模冗余(TMR)抗辐照加固的关键环节，用于故障后保障寄存器同步到正确状态。该文提出一种降低资源开销的三模冗余同步表决器插入算法，算法通过提取数字电路的记忆电路和求解有向图反馈顶点集问题(DFVSP)实现。该文分析了模拟退火算法(SA)解决DFVSP的具体实现，在此基础上提出一种利用停滞感知的概率重排优化方案，方案的重排序过程通过引入优先级的拓扑排序实现，并增加了一种最优邻域策略来提高算法性能，同时设计了该优化SA算法用于三模冗余同步表决器插入的完整流程，证明了算法的高效性与完备性。最后使用ISCAS89和ITC'99基准测试电路进行测试，并与基于关键路径的插入算法和最高扇出触发器算法进行了对比，测试结果说明了该文优化方案在算法运行速度、鲁棒性和硬件开销方面更有优势，尤其是硬件开销，在所有测试电路中均得到了最小同步表决器插入数量，对比其他两种算法最高资源的减少量分别达到了78.88%和74.05%，大幅节约了硬件开销。
状态同步技术是三模冗余(TMR)抗辐照加固的关键环节，用于故障后保障寄存器同步到正确状态。该文提出一种降低资源开销的三模冗余同步表决器插入算法，算法通过提取数字电路的记忆电路和求解有向图反馈顶点集问题(DFVSP)实现。该文分析了模拟退火算法(SA)解决DFVSP的具体实现，在此基础上提出一种利用停滞感知的概率重排优化方案，方案的重排序过程通过引入优先级的拓扑排序实现，并增加了一种最优邻域策略来提高算法性能，同时设计了该优化SA算法用于三模冗余同步表决器插入的完整流程，证明了算法的高效性与完备性。最后使用ISCAS89和ITC'99基准测试电路进行测试，并与基于关键路径的插入算法和最高扇出触发器算法进行了对比，测试结果说明了该文优化方案在算法运行速度、鲁棒性和硬件开销方面更有优势，尤其是硬件开销，在所有测试电路中均得到了最小同步表决器插入数量，对比其他两种算法最高资源的减少量分别达到了78.88%和74.05%，大幅节约了硬件开销。
2026, 48(4): 1863-1874.
doi: 10.11999/JEIT250759
摘要:
为实现最优不确定多目标分布式融合跟踪，该文提出一种高斯混合-概率假设密度(GM-PHD)滤波器的联邦均值融合算法，该算法具有分层式结构。每个传感器节点运行1个局域GM-PHD滤波器，从传感器量测中提取多目标状态估计。融合节点负责1个仅预测上一时刻融合结果的主滤波器，对所有滤波器的GM-PHD进行关联与合并，且为各滤波器分配融合结果和若干滤波器参数。关联将多目标密度融合分解为4种单目标估计融合，该文推导了有无漏检时的单目标最优估计融合方法。信息分配利用协方差上界理论消除了滤波器间的相关性，进而使所提算法能够获得与贝叶斯融合相同的精度。仿真结果表明，所提算法能够获得最优的跟踪精度，优于现有的算术平均(AA)融合算法，且可以灵活地调节各滤波器的相对可靠性。
为实现最优不确定多目标分布式融合跟踪，该文提出一种高斯混合-概率假设密度(GM-PHD)滤波器的联邦均值融合算法，该算法具有分层式结构。每个传感器节点运行1个局域GM-PHD滤波器，从传感器量测中提取多目标状态估计。融合节点负责1个仅预测上一时刻融合结果的主滤波器，对所有滤波器的GM-PHD进行关联与合并，且为各滤波器分配融合结果和若干滤波器参数。关联将多目标密度融合分解为4种单目标估计融合，该文推导了有无漏检时的单目标最优估计融合方法。信息分配利用协方差上界理论消除了滤波器间的相关性，进而使所提算法能够获得与贝叶斯融合相同的精度。仿真结果表明，所提算法能够获得最优的跟踪精度，优于现有的算术平均(AA)融合算法，且可以灵活地调节各滤波器的相对可靠性。
