邮件订阅
优先发表
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:
, 最新更新时间 , doi: 10.11999/JEIT260207
摘要:
异质图因其能够表达多种类型的节点及连边，在建模与分析复杂系统方面表现出巨大潜力。异质图节点表示学习通过将异质图中不同类型的节点映射到低维向量空间，旨在保留节点的结构信息、语义关系和属性特征，以支撑节点分类、链路预测和个性化推荐等下游任务。异质图神经网络作为代表性的图节点表示学习方法，在上述图分析任务中表现优异。然而，现有方法大多对图结构的层次性与节点间高阶关系考虑不足，难以充分捕获异质图中丰富的结构与语义信息。为此，本文提出一种双曲空间下的异质超图神经网络表示学习方法。该方法首先根据下游任务确定目标节点，选取相关元路径构建异质超图以建模节点间高阶语义关系；其次，针对特定类型超边构成的同质子超图，将节点原始特征映射至双曲空间，经切空间投影与特征变换后重嵌入双曲空间，以提取该视角下的层次结构信息；最后，设计超边注意力机制，融合不同语义超边视角下的节点嵌入，生成最终节点表示。在多个真实数据集上的实验结果表明，在节点分类、聚类以及链接预测三类代表性图分析任务中，本文方法显著优于基线模型：节点分类准确率较最优基线最大提升4.27%，节点聚类ARI指标较最优基线最大提升9.8%，链路预测AUC指标较最优基线最高提升3.78%。
异质图因其能够表达多种类型的节点及连边，在建模与分析复杂系统方面表现出巨大潜力。异质图节点表示学习通过将异质图中不同类型的节点映射到低维向量空间，旨在保留节点的结构信息、语义关系和属性特征，以支撑节点分类、链路预测和个性化推荐等下游任务。异质图神经网络作为代表性的图节点表示学习方法，在上述图分析任务中表现优异。然而，现有方法大多对图结构的层次性与节点间高阶关系考虑不足，难以充分捕获异质图中丰富的结构与语义信息。为此，本文提出一种双曲空间下的异质超图神经网络表示学习方法。该方法首先根据下游任务确定目标节点，选取相关元路径构建异质超图以建模节点间高阶语义关系；其次，针对特定类型超边构成的同质子超图，将节点原始特征映射至双曲空间，经切空间投影与特征变换后重嵌入双曲空间，以提取该视角下的层次结构信息；最后，设计超边注意力机制，融合不同语义超边视角下的节点嵌入，生成最终节点表示。在多个真实数据集上的实验结果表明，在节点分类、聚类以及链接预测三类代表性图分析任务中，本文方法显著优于基线模型：节点分类准确率较最优基线最大提升4.27%，节点聚类ARI指标较最优基线最大提升9.8%，链路预测AUC指标较最优基线最高提升3.78%。
, 最新更新时间 , doi: 10.11999/JEIT260670
摘要:
毫米波车联网通信中的波束管理依赖快速而准确的波束选择，而传统基于实时信道估计或穷举扫描的方案通常会引入较高的训练与搜索开销。针对这一问题，该文研究环境辅助的多模态毫米波波束预测，并将其建模为面向低开销波束管理的候选波束生成任务。为充分利用动态车联网场景中的异构感知信息，提出一种不确定性感知的时空多模态多假设Mamba架构(Uncertainty-Aware Spatio-Temporal Multi-Modal Multi-Hypothesis Mamba, U-ST-M3)。该框架将RGB图像、激光雷达(Light Detection and Ranging, LiDAR)、雷达(Radio Detection and Ranging, Radar)、GPS以及历史射频(Radio Frequency, RF)功率统一纳入时序预测过程，通过RGB-LiDAR特征增强、GPS条件特征调制、RF感知时序编码和模态级不确定性感知融合，建模多源感知信息的时序依赖与跨模态互补性。进一步地，U-ST-M3构建多假设波束预测头，生成各假设下的波束预测得分及对应的假设评分，并从评分最高的假设中提取Top-3候选波束。为兼顾候选覆盖能力与预测偏差，设计面向基于距离的准确性评分(Distance-Based Accuracy, DBA)的学习目标，在训练中引入候选覆盖和波束索引距离相关约束。基于DeepSense 6G Scenario 32-34的实验结果表明，U-ST-M3在14.42M参数量下取得了0.7842 的Overall Top-3 Accuracy和0.9012 的DBA Score，其中DBA Score接近当前最优模型，Top-3指标优于现有对比方法。结合模型规模、推理时延及扫描时间的分析，所提方法能够在较小参数规模下生成具有较高覆盖率的候选波束集合，为动态车联网中的低开销毫米波波束管理提供支持。
毫米波车联网通信中的波束管理依赖快速而准确的波束选择，而传统基于实时信道估计或穷举扫描的方案通常会引入较高的训练与搜索开销。针对这一问题，该文研究环境辅助的多模态毫米波波束预测，并将其建模为面向低开销波束管理的候选波束生成任务。为充分利用动态车联网场景中的异构感知信息，提出一种不确定性感知的时空多模态多假设Mamba架构(Uncertainty-Aware Spatio-Temporal Multi-Modal Multi-Hypothesis Mamba, U-ST-M3)。该框架将RGB图像、激光雷达(Light Detection and Ranging, LiDAR)、雷达(Radio Detection and Ranging, Radar)、GPS以及历史射频(Radio Frequency, RF)功率统一纳入时序预测过程，通过RGB-LiDAR特征增强、GPS条件特征调制、RF感知时序编码和模态级不确定性感知融合，建模多源感知信息的时序依赖与跨模态互补性。进一步地，U-ST-M3构建多假设波束预测头，生成各假设下的波束预测得分及对应的假设评分，并从评分最高的假设中提取Top-3候选波束。为兼顾候选覆盖能力与预测偏差，设计面向基于距离的准确性评分(Distance-Based Accuracy, DBA)的学习目标，在训练中引入候选覆盖和波束索引距离相关约束。基于DeepSense 6G Scenario 32-34的实验结果表明，U-ST-M3在14.42M参数量下取得了
, 最新更新时间 , doi: 10.11999/JEIT260706
摘要:
本文针对无线通信中的隐蔽传输需求，提出了一种基于可移动天线(MA)阵列和深度展开网络的隐蔽通信联合优化方法。该系统通过引入可移动天线的空间位置自由度，联合优化发射端与接收端天线位置以及发射波束成形向量，在满足监听端隐蔽检测约束的条件下最大化合法用户端平均可达速率。具体而言，本文采用基于Kullback-Leibler(KL)散度的隐蔽约束刻画监听者在通信存在与不存在两种假设下观测分布的可区分性，并进一步将其转化为可处理的接收信号功率约束。针对所构建的非凸联合优化问题，本文设计了一种快坐标下降框架，将原问题分解为波束优化和天线位置优化两个子问题：其中，波束成形部分采用深度展开梯度投影网络(DU-GDPNet)进行求解；天线位置优化部分采用改进遗传算法(MGA)，通过多重重启、精英保留和局部搜索增强全局寻优能力。仿真结果表明，所提MGA与DU-GDPNet结合的方法在不同发射功率和不同天线数量条件下均能获得更高的平均可达速率，并能够稳定满足隐蔽约束。
本文针对无线通信中的隐蔽传输需求，提出了一种基于可移动天线(MA)阵列和深度展开网络的隐蔽通信联合优化方法。该系统通过引入可移动天线的空间位置自由度，联合优化发射端与接收端天线位置以及发射波束成形向量，在满足监听端隐蔽检测约束的条件下最大化合法用户端平均可达速率。具体而言，本文采用基于Kullback-Leibler(KL)散度的隐蔽约束刻画监听者在通信存在与不存在两种假设下观测分布的可区分性，并进一步将其转化为可处理的接收信号功率约束。针对所构建的非凸联合优化问题，本文设计了一种快坐标下降框架，将原问题分解为波束优化和天线位置优化两个子问题：其中，波束成形部分采用深度展开梯度投影网络(DU-GDPNet)进行求解；天线位置优化部分采用改进遗传算法(MGA)，通过多重重启、精英保留和局部搜索增强全局寻优能力。仿真结果表明，所提MGA与DU-GDPNet结合的方法在不同发射功率和不同天线数量条件下均能获得更高的平均可达速率，并能够稳定满足隐蔽约束。
, 最新更新时间 , doi: 10.11999/JEIT260712
摘要:
Transformer网络在计算机视觉任务中展现出优异性能，但其端到端硬件部署仍受到量化再缩放和复杂非线性函数计算开销的限制。针对视觉Transformer中量化缩放因子处理复杂、层归一化(LN)、Softmax和高斯误差线性单元(GELU)等非线性函数硬件实现开销大的问题，本文提出一种基于非线性算子全整数计算的高能效视觉Transformer加速器。首先，采用尾数-指数(ME)再量化策略，将量化缩放因子表示为整数尾数与指数形式，通过少量整数乘法与移位操作实现片上数据对齐与再量化。其次，基于尾数-指数再量化计算模式和轻量化查找表，构建多种非线性函数的全整数计算方法，将除法、指数、平方根和倒数等复杂运算转换为整数乘法、移位和查表操作。进一步地，设计复用型非线性计算模块，实现片上缓存、乘移单元、ME域转换和查找表等底层资源共享。实验结果表明，在无需重训练或微调的情况下，所提出全整数计算方法相较量化基线的精度损失控制在 1% 以内。基于 28 nm工艺的ASIC综合结果显示，该加速器在500 MHz下实现1024 GOPS峰值吞吐量，能耗效率达到3.26 TOPS/W，面积效率达到332.47 GOPS/mm2。
Transformer网络在计算机视觉任务中展现出优异性能，但其端到端硬件部署仍受到量化再缩放和复杂非线性函数计算开销的限制。针对视觉Transformer中量化缩放因子处理复杂、层归一化(LN)、Softmax和高斯误差线性单元(GELU)等非线性函数硬件实现开销大的问题，本文提出一种基于非线性算子全整数计算的高能效视觉Transformer加速器。首先，采用尾数-指数(ME)再量化策略，将量化缩放因子表示为整数尾数与指数形式，通过少量整数乘法与移位操作实现片上数据对齐与再量化。其次，基于尾数-指数再量化计算模式和轻量化查找表，构建多种非线性函数的全整数计算方法，将除法、指数、平方根和倒数等复杂运算转换为整数乘法、移位和查表操作。进一步地，设计复用型非线性计算模块，实现片上缓存、乘移单元、ME域转换和查找表等底层资源共享。实验结果表明，在无需重训练或微调的情况下，所提出全整数计算方法相较量化基线的精度损失控制在 1% 以内。基于 28 nm工艺的ASIC综合结果显示，该加速器在500 MHz下实现
, 最新更新时间 , doi: 10.11999/JEIT260754
摘要:
随着具身智能向机器人、无人系统和多主体协作等场景拓展，主体运动与传播环境变化使6G无线网络面临持续的信道更新、波束管理、无线定位与协同传输需求。机器联觉框架将通信与多模态感知智能联系起来，为分析这些无线需求提供了应用背景。既有物理层学习模型多围绕特定任务和系统配置构建，研究者因而开始探索利用预训练与任务适配复用模型能力。本文从技术路径、文献已评估任务和适配机制三个维度梳理无线物理层基座模型，按预训练权重来源区分直接利用无线数据预训练的无线原生模型与迁移预训练大语言模型权重的物理层方法，并结合仿真和实测数据资源比较两条路径的建模基础。针对无线原生模型，重点分析无线观测的输入表示、预训练目标、相关任务的复用以及观测质量和计算开销；针对基于预训练大语言模型的方法，讨论无线数值输入与主干的映射、任务提示、参数更新及输出接口的协同作用。在此基础上，比较共享表征、任务专用头和上下文示例等机制的适用条件及已有研究的任务覆盖，并以代表模型在共同下游任务和独立传播场景中的实验，辅助分析训练条件、任务表现与运行代价的关系。最后，围绕动态环境适配、跨配置复用、多任务共享与边缘部署讨论后续研究问题，为具身系统中的无线物理层模型构建与评价提供参考。
随着具身智能向机器人、无人系统和多主体协作等场景拓展，主体运动与传播环境变化使6G无线网络面临持续的信道更新、波束管理、无线定位与协同传输需求。机器联觉框架将通信与多模态感知智能联系起来，为分析这些无线需求提供了应用背景。既有物理层学习模型多围绕特定任务和系统配置构建，研究者因而开始探索利用预训练与任务适配复用模型能力。本文从技术路径、文献已评估任务和适配机制三个维度梳理无线物理层基座模型，按预训练权重来源区分直接利用无线数据预训练的无线原生模型与迁移预训练大语言模型权重的物理层方法，并结合仿真和实测数据资源比较两条路径的建模基础。针对无线原生模型，重点分析无线观测的输入表示、预训练目标、相关任务的复用以及观测质量和计算开销；针对基于预训练大语言模型的方法，讨论无线数值输入与主干的映射、任务提示、参数更新及输出接口的协同作用。在此基础上，比较共享表征、任务专用头和上下文示例等机制的适用条件及已有研究的任务覆盖，并以代表模型在共同下游任务和独立传播场景中的实验，辅助分析训练条件、任务表现与运行代价的关系。最后，围绕动态环境适配、跨配置复用、多任务共享与边缘部署讨论后续研究问题，为具身系统中的无线物理层模型构建与评价提供参考。
, 最新更新时间 , doi: 10.11999/JEIT261031
摘要:
随着低空经济的快速发展，无人机违规飞行带来严重安全隐患。针对现有反无人机检测方法存在小目标特征易丢失、边缘算力受限，难以平衡检测精度与模型轻量化的问题，该文提出一种基于YOLOv26n改进的轻量化多模块协同优化检测方法(DCP-YOLO)。首先设计DPC3k2轻量化特征提取结构，增强小目标多方向特征提取能力并缩减参数。然后，提出反向上采样模块CUS，恢复目标高频纹理细节。最后，构建C2PSCAA注意力增强模块，提升模型多尺度特征学习能力。在多个公开数据集的实验结果表明，该方法参数量仅2.29M，推理速度达210.71 FPS，检测精度较基线模型显著提升。消融与泛化实验验证了各模块的有效性与模型的泛化能力，可有效兼顾检测精度与轻量化性能，适配资源受限场景下的低空无人机实时检测任务。
随着低空经济的快速发展，无人机违规飞行带来严重安全隐患。针对现有反无人机检测方法存在小目标特征易丢失、边缘算力受限，难以平衡检测精度与模型轻量化的问题，该文提出一种基于YOLOv26n改进的轻量化多模块协同优化检测方法(DCP-YOLO)。首先设计DPC3k2轻量化特征提取结构，增强小目标多方向特征提取能力并缩减参数。然后，提出反向上采样模块CUS，恢复目标高频纹理细节。最后，构建C2PSCAA注意力增强模块，提升模型多尺度特征学习能力。在多个公开数据集的实验结果表明，该方法参数量仅2.29M，推理速度达210.71 FPS，检测精度较基线模型显著提升。消融与泛化实验验证了各模块的有效性与模型的泛化能力，可有效兼顾检测精度与轻量化性能，适配资源受限场景下的低空无人机实时检测任务。
, 最新更新时间 , doi: 10.11999/JEIT260619
摘要:
针对物联网设备安全防护中传统纯软件方案性能低且易受物理攻击，以及基于有限状态机(FSM)配置的硬件加速器存在状态爆炸、扩展困难及敏感数据易在总线暴露等问题，该文提出一种支持跨层信任闭环的指令驱动安全协处理器架构(IBSCA)。该架构摒弃传统FSM硬连线控制，引入精简指令集概念构建“译码-调度-执行”流水线，将物理不可克隆函数(PUF)、Hash及加解密等异构算子抽象为可独立寻址的原子操作；通过指令驱动范式解耦控制与数据通路，赋予运行时动态编程能力以解决FSM状态爆炸问题；同时实现算子级细粒度编排与关键数据片上驻留，构建从物理信任源到数据加密的跨层硬件信任闭环，杜绝总线监听风险。基于FPGA的原型验证结果表明，该架构可正确支撑物联网(IoT)场景复杂协议，相比传统FSM设计具备更高的协议扩展灵活性，为资源受限IoT终端提供了可靠的硬件安全底座。
针对物联网设备安全防护中传统纯软件方案性能低且易受物理攻击，以及基于有限状态机(FSM)配置的硬件加速器存在状态爆炸、扩展困难及敏感数据易在总线暴露等问题，该文提出一种支持跨层信任闭环的指令驱动安全协处理器架构(IBSCA)。该架构摒弃传统FSM硬连线控制，引入精简指令集概念构建“译码-调度-执行”流水线，将物理不可克隆函数(PUF)、Hash及加解密等异构算子抽象为可独立寻址的原子操作；通过指令驱动范式解耦控制与数据通路，赋予运行时动态编程能力以解决FSM状态爆炸问题；同时实现算子级细粒度编排与关键数据片上驻留，构建从物理信任源到数据加密的跨层硬件信任闭环，杜绝总线监听风险。基于FPGA的原型验证结果表明，该架构可正确支撑物联网(IoT)场景复杂协议，相比传统FSM设计具备更高的协议扩展灵活性，为资源受限IoT终端提供了可靠的硬件安全底座。
, 最新更新时间 , doi: 10.11999/JEIT260772
摘要:
针对传统相控阵雷达在宽带宽角扫描下存在的波束偏移问题，提出了一种基于微波光子的双波束收发共用波束合成系统。该系统采用同一套硬件资源进行收发共用，并基于色散延时和波分复用技术实现了同时双波束扫描。研制了微波光子双波束收发共用波束合成原理样机并进行了8通道波束扫描验证，在15 GHz～26 GHz频率范围内实现了±52°的收发分时和双波束扫描，不存在波束偏移现象，在提高资源利用率的同时提高了波束扩展性。
针对传统相控阵雷达在宽带宽角扫描下存在的波束偏移问题，提出了一种基于微波光子的双波束收发共用波束合成系统。该系统采用同一套硬件资源进行收发共用，并基于色散延时和波分复用技术实现了同时双波束扫描。研制了微波光子双波束收发共用波束合成原理样机并进行了8通道波束扫描验证，在15 GHz～26 GHz频率范围内实现了±52°的收发分时和双波束扫描，不存在波束偏移现象，在提高资源利用率的同时提高了波束扩展性。
, 最新更新时间 , doi: 10.11999/JEIT260172
摘要:
6G是新一代智能化综合性数字信息基础设施，将一体化实现通信、感知、计算、智能等功能。基站作为6G无线接入网侧的核心产品形态，正在逐步演变为集通信、计算与AI服务于一体的边缘智能信息服务节点，国产NPU等AI算力芯片正在逐步引入基站侧。利用国产NPU算力实现通信物理层与AI服务的同平台部署，是提升基站算力资源利用率的重要路径。然而，作为物理层关键技术之一的LDPC算法的传统实现通常依赖不规则消息索引访问，其数据组织方式与NPU面向规则张量计算的数据流执行模式存在一定差异，难以直接高效部署。针对上述问题，本文面向昇腾Ascend处理器的达芬奇架构，提出了一种全张量化的并行LDPC译码框架DaVinci-LDPC。首先，针对稀疏矩阵的不规则性，构建了静态图拓扑映射机制，将因子图连接转化为固定的张量索引，大幅减少了运行时的动态分支开销；其次，针对稀疏图随机访存导致的显存带宽瓶颈，提出双重聚合消息传递策略，利用昇腾NPU的向量计算单元高效处理节点间的信息交互；最后，针对算法中双曲函数运算难以向量化以及NPU半精度计算易溢出的问题，设计了向量化双曲正切算子融合方案，在FP16半精度下实现了校验节点更新的高度并行。实验结果表明，DaVinci-LDPC方案在译码精度满足实际通信系统的规范下相较于CPU稀疏实现取得了14.09倍的峰值加速比。
6G是新一代智能化综合性数字信息基础设施，将一体化实现通信、感知、计算、智能等功能。基站作为6G无线接入网侧的核心产品形态，正在逐步演变为集通信、计算与AI服务于一体的边缘智能信息服务节点，国产NPU等AI算力芯片正在逐步引入基站侧。利用国产NPU算力实现通信物理层与AI服务的同平台部署，是提升基站算力资源利用率的重要路径。然而，作为物理层关键技术之一的LDPC算法的传统实现通常依赖不规则消息索引访问，其数据组织方式与NPU面向规则张量计算的数据流执行模式存在一定差异，难以直接高效部署。针对上述问题，本文面向昇腾Ascend处理器的达芬奇架构，提出了一种全张量化的并行LDPC译码框架DaVinci-LDPC。首先，针对稀疏矩阵的不规则性，构建了静态图拓扑映射机制，将因子图连接转化为固定的张量索引，大幅减少了运行时的动态分支开销；其次，针对稀疏图随机访存导致的显存带宽瓶颈，提出双重聚合消息传递策略，利用昇腾NPU的向量计算单元高效处理节点间的信息交互；最后，针对算法中双曲函数运算难以向量化以及NPU半精度计算易溢出的问题，设计了向量化双曲正切算子融合方案，在FP16半精度下实现了校验节点更新的高度并行。实验结果表明，DaVinci-LDPC方案在译码精度满足实际通信系统的规范下相较于CPU稀疏实现取得了14.09倍的峰值加速比。
, 最新更新时间 , doi: 10.11999/JEIT260260
摘要:
联邦分割学习(FSL)在边缘智能(EI)场景中通过划分神经网络实现端边协同训练，有效缓解终端资源约束。但其面临通信开销高、对动态网络环境适应性不足等挑战，严重制约模型的部署效率。此外，数据异构性导致全局模型泛化性能下降，现有研究缺乏个性化精度与通信效率的协同优化。针对上述问题，该文首先构建基于强化学习的联邦分割学习框架，融合预训练初始化、激活重用与量化压缩降低通信开销，并利用强化学习算法自适应决策模型分割点以应对带宽变化。其次，针对非独立同分布(Non-IID)数据场景，基于多任务学习实现客户端模型个性化优化，引入私有个性化层适配本地数据分布，并结合量化与动态层级压缩感知技术降低双向通信成本。实验结果表明，所提方法在带宽变化条件下，可在保持与基线方法相当的全局模型精度的同时，实现最高117.61倍训练加速与最高72.75倍通信开销降低；在Non-IID数据异构场景下，对于两个数据集均能实现个性化测试精度的提升，且双向通信成本最高降低11.97倍。
联邦分割学习(FSL)在边缘智能(EI)场景中通过划分神经网络实现端边协同训练，有效缓解终端资源约束。但其面临通信开销高、对动态网络环境适应性不足等挑战，严重制约模型的部署效率。此外，数据异构性导致全局模型泛化性能下降，现有研究缺乏个性化精度与通信效率的协同优化。针对上述问题，该文首先构建基于强化学习的联邦分割学习框架，融合预训练初始化、激活重用与量化压缩降低通信开销，并利用强化学习算法自适应决策模型分割点以应对带宽变化。其次，针对非独立同分布(Non-IID)数据场景，基于多任务学习实现客户端模型个性化优化，引入私有个性化层适配本地数据分布，并结合量化与动态层级压缩感知技术降低双向通信成本。实验结果表明，所提方法在带宽变化条件下，可在保持与基线方法相当的全局模型精度的同时，实现最高117.61倍训练加速与最高72.75倍通信开销降低；在Non-IID数据异构场景下，对于两个数据集均能实现个性化测试精度的提升，且双向通信成本最高降低11.97倍。
, 最新更新时间 , doi: 10.11999/JEIT260470
摘要:
调频连续波和多输入多输出(FMCW-MIMO)毫米波雷达通过稀疏成像和相位差分技术，可实现全场位移测量。然而，现有的稀疏成像方法容易导致多帧重建图像的目标位置集合(支撑集)出现波动，破坏跨帧相位一致性，从而影响位移测量的精度。为此，该文提出一种结合深度学习UNet增益模块与稀疏优化交替方向乘子法(UNetE-ADMM)的MIMO雷达成像方法。首先，将UNet目标感知模型嵌入ADMM近端算子中，使近端算子能够识别目标主瓣与旁瓣区域并进行差异化加权，以增强主瓣、抑制旁瓣；其次，在ADMM迭代框架下，利用结构先验引导迭代优化过程，快速抑制旁瓣干扰并纠正偏离主瓣的位置，以获得稳定的支撑集；最后，对多帧成像结果进行相位差分处理，提取得到目标径向位移信息。实验结果表明，该方法较于L1正则化交替乘子法(L1-ADMM)和即插即用(PnP)方法在主瓣漂移概率和位移均方误差根均有提升效果，在人体特征测量实验的心率谱尖峰更加清晰，表明该方法在稳定支撑集和位移测量精度具备优势。
调频连续波和多输入多输出(FMCW-MIMO)毫米波雷达通过稀疏成像和相位差分技术，可实现全场位移测量。然而，现有的稀疏成像方法容易导致多帧重建图像的目标位置集合(支撑集)出现波动，破坏跨帧相位一致性，从而影响位移测量的精度。为此，该文提出一种结合深度学习UNet增益模块与稀疏优化交替方向乘子法(UNetE-ADMM)的MIMO雷达成像方法。首先，将UNet目标感知模型嵌入ADMM近端算子中，使近端算子能够识别目标主瓣与旁瓣区域并进行差异化加权，以增强主瓣、抑制旁瓣；其次，在ADMM迭代框架下，利用结构先验引导迭代优化过程，快速抑制旁瓣干扰并纠正偏离主瓣的位置，以获得稳定的支撑集；最后，对多帧成像结果进行相位差分处理，提取得到目标径向位移信息。实验结果表明，该方法较于L1正则化交替乘子法(L1-ADMM)和即插即用(PnP)方法在主瓣漂移概率和位移均方误差根均有提升效果，在人体特征测量实验的心率谱尖峰更加清晰，表明该方法在稳定支撑集和位移测量精度具备优势。
, 最新更新时间 , doi: 10.11999/JEIT260729
摘要:
语义分割是计算机视觉中场景理解的重要组成部分，然而传统方法大多基于可见光图像，在低亮度、强光照与遮挡等场景中性能急剧下降。尽管多模态融合能有效增强模型鲁棒性，现有方法普遍采用双支路网络架构，大幅增加模型参数量，难以部署在算力受限的嵌入式平台。针对上述问题，该文提出基于多模态特征融合提示网络的语义分割模型(MFFPNet)。该模型采用单支路骨干架构，引入轻量级动态视觉提示模块，将热红外或深度信息编码为动态提示向量，通过注意力机制注入预训练骨干网络，实现跨模态信息的高效交互。在此基础上，结合知识蒸馏对模型进行轻量化压缩，在硬件方面分层解耦架构屏蔽异构性，并引入多线程异步流水线，实现模型运行时推理优化，提升嵌入式平台上的语义分割实时性。实验结果表明，MFFPNet仅需更新9.4 M参数，约占模型总参数量的10.4%，在MFNet数据集上平均交并比(mIoU)达到63.3%，较基准方法提高1.9%，在NYUDv2数据集上mIoU达到60.6%，方法在精度与轻量化之间取得了较优平衡；轻量化变体MFFPNet-MFNet数据集上，以教师模型约20.0%的总参数量，保留其约88.8%的性能；所提运行时优化策略在3种异构硬件平台上将吞吐量提升了21.7%～40.9%，满足了主流商用嵌入式平台与国产自主平台的实时部署需求。
语义分割是计算机视觉中场景理解的重要组成部分，然而传统方法大多基于可见光图像，在低亮度、强光照与遮挡等场景中性能急剧下降。尽管多模态融合能有效增强模型鲁棒性，现有方法普遍采用双支路网络架构，大幅增加模型参数量，难以部署在算力受限的嵌入式平台。针对上述问题，该文提出基于多模态特征融合提示网络的语义分割模型(MFFPNet)。该模型采用单支路骨干架构，引入轻量级动态视觉提示模块，将热红外或深度信息编码为动态提示向量，通过注意力机制注入预训练骨干网络，实现跨模态信息的高效交互。在此基础上，结合知识蒸馏对模型进行轻量化压缩，在硬件方面分层解耦架构屏蔽异构性，并引入多线程异步流水线，实现模型运行时推理优化，提升嵌入式平台上的语义分割实时性。实验结果表明，MFFPNet仅需更新9.4 M参数，约占模型总参数量的10.4%，在MFNet数据集上平均交并比(mIoU)达到63.3%，较基准方法提高1.9%，在NYUDv2数据集上mIoU达到60.6%，方法在精度与轻量化之间取得了较优平衡；轻量化变体MFFPNet-MFNet数据集上，以教师模型约20.0%的总参数量，保留其约88.8%的性能；所提运行时优化策略在3种异构硬件平台上将吞吐量提升了21.7%～40.9%，满足了主流商用嵌入式平台与国产自主平台的实时部署需求。
, 最新更新时间 , doi: 10.11999/JEIT260277
摘要:
随着车辆规模的持续扩大，车联网的应用日益广泛。车联网用户普遍将加密数据外包至云服务器，同时动态可搜索对称加密(DSSE)为解决加密数据动态更新与搜索提供了一种有效的手段。然而，传统的DSSE方案在实际应用中仍面临若干问题。一方面，DSSE无法同时支持多用户场景与搜索结果可验证。另一方面，DSSE还应实现前向与后向隐私从而保护敏感数据。此外，在设计方案时也需要考虑恶意用户与云服务器的合谋攻击风险与方案鲁棒性。因此，该文提出适用于车联网的抗合谋攻击的鲁棒动态可搜索对称加密方案(RDSSE-CR)。该方案通过双位图索引与布尔电路，构建了同时满足前后向隐私与鲁棒性的DSSE框架。同时，该文采用基于身份的密钥封装机制以适用于可能存在恶意用户与不可信云服务器合谋的多用户场景，该机制显著降低数据拥有者端的存储开销。此外，云服务器返回搜索结果的同时须根据验证标签提供工作量证明，以实现搜索结果完整性和正确性的有效验证。安全性分析证明RDSSE-CR方案实现了自适应安全性。性能分析表明，与现有同类方案相比，该方案在存储开销方面具有显著优势，在实现更多功能的同时仍保持了较高的运行效率，因而更加适用于车联网应用场景。
随着车辆规模的持续扩大，车联网的应用日益广泛。车联网用户普遍将加密数据外包至云服务器，同时动态可搜索对称加密(DSSE)为解决加密数据动态更新与搜索提供了一种有效的手段。然而，传统的DSSE方案在实际应用中仍面临若干问题。一方面，DSSE无法同时支持多用户场景与搜索结果可验证。另一方面，DSSE还应实现前向与后向隐私从而保护敏感数据。此外，在设计方案时也需要考虑恶意用户与云服务器的合谋攻击风险与方案鲁棒性。因此，该文提出适用于车联网的抗合谋攻击的鲁棒动态可搜索对称加密方案(RDSSE-CR)。该方案通过双位图索引与布尔电路，构建了同时满足前后向隐私与鲁棒性的DSSE框架。同时，该文采用基于身份的密钥封装机制以适用于可能存在恶意用户与不可信云服务器合谋的多用户场景，该机制显著降低数据拥有者端的存储开销。此外，云服务器返回搜索结果的同时须根据验证标签提供工作量证明，以实现搜索结果完整性和正确性的有效验证。安全性分析证明RDSSE-CR方案实现了自适应安全性。性能分析表明，与现有同类方案相比，该方案在存储开销方面具有显著优势，在实现更多功能的同时仍保持了较高的运行效率，因而更加适用于车联网应用场景。
, 最新更新时间 , doi: 10.11999/JEIT260490
摘要:
针对复杂无线信道下无人机灾害图像传输中存在的结构信息易损、弱细节退化以及保真度与感知质量难以兼顾等问题，提出一种语义驱动自适应联合信源信道编码方法(Semantic-Driven Adaptive Joint Source-Channel Coding, SDAJSCC)。该方法在编码端，构建多尺度语义与结构特征协同提取机制，增强灾害图像关键目标与弱结构细节的表征能力；在传输链路中，引入层级式信道—语义自适应调制与潜表示校正策略，提升时变衰落及非理想信道状态信息条件下的传输鲁棒性；在解码端，设计感知增强的保真—感知双分支重建架构，进一步提升复杂背景下主体结构与局部纹理的重建质量。实验结果表明，SDAJSCC在加性高斯白噪声、瑞利衰落及非理想信道状态信息条件下均获得稳定的综合性能增益；相较现有代表性联合信源信道编码方法，其峰值信噪比最高提高4.86 dB，并进一步提升了灾害关键区域重建质量、边缘连续性和高层内容一致性，推理速度达到34.5 帧/s。所提方法能够有效提升灾害关键结构保持能力与复杂信道鲁棒性，同时兼顾实时传输需求。
针对复杂无线信道下无人机灾害图像传输中存在的结构信息易损、弱细节退化以及保真度与感知质量难以兼顾等问题，提出一种语义驱动自适应联合信源信道编码方法(Semantic-Driven Adaptive Joint Source-Channel Coding, SDAJSCC)。该方法在编码端，构建多尺度语义与结构特征协同提取机制，增强灾害图像关键目标与弱结构细节的表征能力；在传输链路中，引入层级式信道—语义自适应调制与潜表示校正策略，提升时变衰落及非理想信道状态信息条件下的传输鲁棒性；在解码端，设计感知增强的保真—感知双分支重建架构，进一步提升复杂背景下主体结构与局部纹理的重建质量。实验结果表明，SDAJSCC在加性高斯白噪声、瑞利衰落及非理想信道状态信息条件下均获得稳定的综合性能增益；相较现有代表性联合信源信道编码方法，其峰值信噪比最高提高4.86 dB，并进一步提升了灾害关键区域重建质量、边缘连续性和高层内容一致性，推理速度达到34.5 帧/s。所提方法能够有效提升灾害关键结构保持能力与复杂信道鲁棒性，同时兼顾实时传输需求。
, 最新更新时间 , doi: 10.11999/JEIT260926
摘要:
近年来，融合卷积神经网络(Convolutional Neural Networks, CNN)与脉冲神经网络(Spiking Neural Network, SNN)的脉冲卷积神经网络加速器在边缘智能中展现出显著优势。然而，现有设计多采用固定时间窗口(Time Windows, TW)执行积分迭代，难以适配不同任务的时序复杂度。本文提出一种基于可配置TW的低功耗混合硬件加速器架构。首先，基于不同任务的时空复杂度分析，提出可配置TW自定义指令集，减少推理延迟与计算开销；其次，构建支持零跳跃的数据复用计算阵列，并引入CNN/SNN多模式算子统一映射，提升计算资源利用率；最后，提出事件驱动执行机制与细粒度时钟门控策略，减少计算过程与数据传输过程中无效操作和冗余访存。在TSMC 28 nm工艺实现CNN/SNN混合加速器，芯片核心面积为0.75 mm2。在0.81 V供电电压和100 MHz工作频率下，该加速器面向MIT-BIH、N-TIDIGITS、N-MNIST、IMAGE-100和UniMiB SHAR等多类任务实现75.3%–98.4%的识别精度，最低单次推理能耗仅为147.78 nJ。与相关工作比较，所提出的可配置TW机制在保证识别精度的同时，可实现1.24×–30×的能耗降低，显著提升系统能效。
近年来，融合卷积神经网络(Convolutional Neural Networks, CNN)与脉冲神经网络(Spiking Neural Network, SNN)的脉冲卷积神经网络加速器在边缘智能中展现出显著优势。然而，现有设计多采用固定时间窗口(Time Windows, TW)执行积分迭代，难以适配不同任务的时序复杂度。本文提出一种基于可配置TW的低功耗混合硬件加速器架构。首先，基于不同任务的时空复杂度分析，提出可配置TW自定义指令集，减少推理延迟与计算开销；其次，构建支持零跳跃的数据复用计算阵列，并引入CNN/SNN多模式算子统一映射，提升计算资源利用率；最后，提出事件驱动执行机制与细粒度时钟门控策略，减少计算过程与数据传输过程中无效操作和冗余访存。在TSMC 28 nm工艺实现CNN/SNN混合加速器，芯片核心面积为0.75 mm2。在0.81 V供电电压和100 MHz工作频率下，该加速器面向MIT-BIH、N-TIDIGITS、N-MNIST、IMAGE-100和UniMiB SHAR等多类任务实现75.3%–98.4%的识别精度，最低单次推理能耗仅为147.78 nJ。与相关工作比较，所提出的可配置TW机制在保证识别精度的同时，可实现1.24×–30×的能耗降低，显著提升系统能效。
, 最新更新时间 , doi: 10.11999/JEIT261012
摘要:
物理不可克隆函数(Physical Unclonable Function, PUF)作为物联网设备身份认证的关键安全原语，但其实际应用场景中也面临机器学习攻击威胁。针对传统延时型强PUF底层结构存在的线性相关特性与安全隐患问题，提出一种动态空间耦合的强PUF(Dynamic Spatial Coupling Strong PUF, DSC-PUF)电路。首先采用主从双链协同结构，其中主链作为物理熵源，通过内部延时竞争过程提取不可预测的隐藏状态，从链用于生成响应。其次，设计动态空间耦合网络(Dynamic Spatial Coupling Network, DSCN)模块，利用隐藏状态作为动态控制信息，对输入挑战进行掩码调制、大跨度移位扩散以及对称交织异或等多级空间耦合操作，将动态耦合后的挑战输入从链生成响应，最终将双链路响应异或，进一步增强输出序列的非线性特征，提升抗机器学习攻击能力。最后，在Xilinx Artix-7 FPGA中实现电路并测试，结果表明，DSC-PUF面对逻辑回归、支持向量机、人工神经网络等典型机器学习攻击时的预测准确率均显著下降，预测率在50.28%至53.39%之间,同时，在–40 ℃至80 ℃的温度范围内，最低可靠性为98.49%，严格雪崩准则均值约为0.517，唯一性和自相关性分别为0.5152 和0.0141 ，且通过NIST800-22随机性测试。
物理不可克隆函数(Physical Unclonable Function, PUF)作为物联网设备身份认证的关键安全原语，但其实际应用场景中也面临机器学习攻击威胁。针对传统延时型强PUF底层结构存在的线性相关特性与安全隐患问题，提出一种动态空间耦合的强PUF(Dynamic Spatial Coupling Strong PUF, DSC-PUF)电路。首先采用主从双链协同结构，其中主链作为物理熵源，通过内部延时竞争过程提取不可预测的隐藏状态，从链用于生成响应。其次，设计动态空间耦合网络(Dynamic Spatial Coupling Network, DSCN)模块，利用隐藏状态作为动态控制信息，对输入挑战进行掩码调制、大跨度移位扩散以及对称交织异或等多级空间耦合操作，将动态耦合后的挑战输入从链生成响应，最终将双链路响应异或，进一步增强输出序列的非线性特征，提升抗机器学习攻击能力。最后，在Xilinx Artix-7 FPGA中实现电路并测试，结果表明，DSC-PUF面对逻辑回归、支持向量机、人工神经网络等典型机器学习攻击时的预测准确率均显著下降，预测率在50.28%至53.39%之间,同时，在–40 ℃至80 ℃的温度范围内，最低可靠性为98.49%，严格雪崩准则均值约为0.517，唯一性和自相关性分别为
, 最新更新时间 , doi: 10.11999/JEIT261058
摘要:
针对通信丢包、通道阻塞与机器人故障耦合条件下仓储机器人群任务状态不可达、局部拥堵扩散和服务恢复迟滞问题，提出通信可用性约束事件触发重构方法(communication-availability-constrained event-triggered reconfiguration, CAR-ETR)。其核心是以实际送达分组构造动态通信可用集，并由该集合同时约束故障确认、可分配机器人和任务匹配可行域；事件触发匹配、衰减占用拥堵场与不动点冲突消解分别支撑在线更新、交通疏导和安全执行。在结构化仓库、24台机器人和复合扰动条件下开展20组配对仿真。与SC-PR相比，CAR-ETR的完成任务数提高19.88%，平均流动时间、服务损失和单位任务全部分组尝试数分别降低24.61%、42.83%和37.54%；与RHCR-LNS2基线相比，完成任务数差异不显著，网关相关分组尝试数和决策时间分别降低48.85%和74.75%，但全部分组尝试数增加24.47%。0–12台同时临时故障试验表明，在恢复率不低于0.80且完成量不低于无故障条件90%的判据下，已验证容错下界为12台。参数敏感性和规模实验揭示了长最小重构间隔及48台比例负载下的性能退化。全部正式仿真均未出现离散安全约束违例。CAR-ETR适用于集中协调或计算资源受限的中等规模仓储机器人系统，实物有效性仍需进一步验证。
针对通信丢包、通道阻塞与机器人故障耦合条件下仓储机器人群任务状态不可达、局部拥堵扩散和服务恢复迟滞问题，提出通信可用性约束事件触发重构方法(communication-availability-constrained event-triggered reconfiguration, CAR-ETR)。其核心是以实际送达分组构造动态通信可用集，并由该集合同时约束故障确认、可分配机器人和任务匹配可行域；事件触发匹配、衰减占用拥堵场与不动点冲突消解分别支撑在线更新、交通疏导和安全执行。在结构化仓库、24台机器人和复合扰动条件下开展20组配对仿真。与SC-PR相比，CAR-ETR的完成任务数提高19.88%，平均流动时间、服务损失和单位任务全部分组尝试数分别降低24.61%、42.83%和37.54%；与RHCR-LNS2基线相比，完成任务数差异不显著，网关相关分组尝试数和决策时间分别降低48.85%和74.75%，但全部分组尝试数增加24.47%。0–12台同时临时故障试验表明，在恢复率不低于0.80且完成量不低于无故障条件90%的判据下，已验证容错下界为12台。参数敏感性和规模实验揭示了长最小重构间隔及48台比例负载下的性能退化。全部正式仿真均未出现离散安全约束违例。CAR-ETR适用于集中协调或计算资源受限的中等规模仓储机器人系统，实物有效性仍需进一步验证。
, 最新更新时间 , doi: 10.11999/JEIT261062
摘要:
人物交互(Human-Object Interaction, HOI)识别旨在识别图像中人与物体之间的交互关系，现有方法通常需要将压缩图像解码为像素后再进行识别，而显式像素重建可能增加隐私敏感场景中的内容暴露风险。为此，该文提出码流域人物交互识别(Bitstream HOI Recognition, BHOIR)，旨在直接从压缩图像的原始字节序列中识别交互关系，模型推理过程中无需解码和重建像素。针对该任务，该文提出ByteHOI基础模型框架，直接对图像码流进行建模理解。为缓解交互类别组合空间庞大及长尾分布带来的学习困难，ByteHOI引入动作-物体组合解耦分类，将交互预测分解为动作与物体两个语义子空间，并通过组合得到最终的交互类别得分；进一步设计字节-文本语义对齐分类器，利用可学习投影将码流特征映射至预训练视觉-语言模型的文本语义空间，并基于固定语义原型进行余弦相似度分类。实验结果表明，ByteHOI在HICO和V-COCO数据集上的默认mAP分别达到27.34%和21.38%，并在精确率、召回率和F1值等指标上显著优于对比方法。此外，ByteHOI在受损码流下仍展现出较强的识别鲁棒性，进一步验证了码流域人物交互识别的有效性，为隐私敏感场景下的应用提供了新的思路。
人物交互(Human-Object Interaction, HOI)识别旨在识别图像中人与物体之间的交互关系，现有方法通常需要将压缩图像解码为像素后再进行识别，而显式像素重建可能增加隐私敏感场景中的内容暴露风险。为此，该文提出码流域人物交互识别(Bitstream HOI Recognition, BHOIR)，旨在直接从压缩图像的原始字节序列中识别交互关系，模型推理过程中无需解码和重建像素。针对该任务，该文提出ByteHOI基础模型框架，直接对图像码流进行建模理解。为缓解交互类别组合空间庞大及长尾分布带来的学习困难，ByteHOI引入动作-物体组合解耦分类，将交互预测分解为动作与物体两个语义子空间，并通过组合得到最终的交互类别得分；进一步设计字节-文本语义对齐分类器，利用可学习投影将码流特征映射至预训练视觉-语言模型的文本语义空间，并基于固定语义原型进行余弦相似度分类。实验结果表明，ByteHOI在HICO和V-COCO数据集上的默认mAP分别达到27.34%和21.38%，并在精确率、召回率和F1值等指标上显著优于对比方法。此外，ByteHOI在受损码流下仍展现出较强的识别鲁棒性，进一步验证了码流域人物交互识别的有效性，为隐私敏感场景下的应用提供了新的思路。
, 最新更新时间 , doi: 10.11999/JEIT260210
摘要:
该文研究多无人机辅助的短包隐蔽通信，其中多架无人机为多个随机移动隐蔽用户提供通信服务，同时利用协作干扰机制对抗空中移动恶意检测无人机。提出一种基于多智能体近端策略优化(MAPPO)的短包隐蔽通信算法，通过联合优化多无人机轨迹、协作干扰用户选择以及隐蔽用户发射功率，最大化检测错误概率约束下的短包隐蔽通信速率。具体而言，利用MAPPO训练多智能体在动态环境下的多无人机协同轨迹控制策略，智能体根据轨迹控制策略输出多无人机速度，从而确定无人机轨迹及用户关联关系；随后，利用协作干扰选择方法和凸优化方法分别完成协作干扰用户选择与发射功率优化。仿真结果表明，所提算法具有良好的收敛性和有效性。
该文研究多无人机辅助的短包隐蔽通信，其中多架无人机为多个随机移动隐蔽用户提供通信服务，同时利用协作干扰机制对抗空中移动恶意检测无人机。提出一种基于多智能体近端策略优化(MAPPO)的短包隐蔽通信算法，通过联合优化多无人机轨迹、协作干扰用户选择以及隐蔽用户发射功率，最大化检测错误概率约束下的短包隐蔽通信速率。具体而言，利用MAPPO训练多智能体在动态环境下的多无人机协同轨迹控制策略，智能体根据轨迹控制策略输出多无人机速度，从而确定无人机轨迹及用户关联关系；随后，利用协作干扰选择方法和凸优化方法分别完成协作干扰用户选择与发射功率优化。仿真结果表明，所提算法具有良好的收敛性和有效性。
, 最新更新时间 , doi: 10.11999/JEIT260273
摘要:
针对移动传感器网络目标跟踪面临运动非线性、无线链路拓扑时变且易受恶意攻击等问题，该文设计了一种分布式弹性不变扩展卡尔曼融合滤波状态估计算法。首先，为应对扩展卡尔曼滤波直接泰勒展开破坏旋转矩阵正交性，该文在该滤波框架下引入李群-李代数映射机制定义估计误差，并在李代数空间中进行线性化处理。其次，设计一种相异性降维k-means攻击检测机制，将高维状态估计偏差映射为标量相异性度量计算，降低计算复杂度同时保留攻击引起的偏差信息，无需预知攻击模型便可识别并隔离受攻击节点及其局部后验估计。最后，构建时变拓扑协方差交集共识融合策略，融合经k-means识别的可信邻居节点后验估计与不可信邻居节点先验估计，仅依赖当前网络拓扑和节点连接关系，无需全局信息。仿真结果表明，该方法在时变拓扑结构及多种恶意攻击场景下均表现出良好的鲁棒性和较高的估计精度。
针对移动传感器网络目标跟踪面临运动非线性、无线链路拓扑时变且易受恶意攻击等问题，该文设计了一种分布式弹性不变扩展卡尔曼融合滤波状态估计算法。首先，为应对扩展卡尔曼滤波直接泰勒展开破坏旋转矩阵正交性，该文在该滤波框架下引入李群-李代数映射机制定义估计误差，并在李代数空间中进行线性化处理。其次，设计一种相异性降维k-means攻击检测机制，将高维状态估计偏差映射为标量相异性度量计算，降低计算复杂度同时保留攻击引起的偏差信息，无需预知攻击模型便可识别并隔离受攻击节点及其局部后验估计。最后，构建时变拓扑协方差交集共识融合策略，融合经k-means识别的可信邻居节点后验估计与不可信邻居节点先验估计，仅依赖当前网络拓扑和节点连接关系，无需全局信息。仿真结果表明，该方法在时变拓扑结构及多种恶意攻击场景下均表现出良好的鲁棒性和较高的估计精度。
, 最新更新时间 , doi: 10.11999/JEIT260339
摘要:
无人机辅助的接入回传一体化(IAB)网络凭借其全空间灵活部署和集成接入回传特性，有望克服复杂建筑应急场景网络覆盖范围受限与回传链路容量受限等瓶颈问题。然而，应急场景频谱资源稀缺性和数据流高并发性造成网络干扰严重，且复杂信道环境与无人机节点移动性导致干扰关系呈现时变非平稳特性，造成资源分配决策与网络拓扑失配。为此，该文提出了一种基于非平稳多臂老虎机的时频资源联合优化方法，首先建立分段复合信道模型以表征复杂建筑应急场景电磁传播特性，然后利用图论将时变非平稳干扰关系建模为非平稳定向冲突图，进而将时频资源联合优化问题转化为非平稳定向二重图着色问题，最后采用非平稳多玩家多臂老虎机模型来求解，并在此基础上引入指数遗忘策略以适应时变非平稳干扰关系。仿真结果表明，所提算法在保证决策时效性的同时显著降低了接入回传一体化网络的平均冲突率，能够适应复杂建筑应急场景中的时变非平稳环境。
无人机辅助的接入回传一体化(IAB)网络凭借其全空间灵活部署和集成接入回传特性，有望克服复杂建筑应急场景网络覆盖范围受限与回传链路容量受限等瓶颈问题。然而，应急场景频谱资源稀缺性和数据流高并发性造成网络干扰严重，且复杂信道环境与无人机节点移动性导致干扰关系呈现时变非平稳特性，造成资源分配决策与网络拓扑失配。为此，该文提出了一种基于非平稳多臂老虎机的时频资源联合优化方法，首先建立分段复合信道模型以表征复杂建筑应急场景电磁传播特性，然后利用图论将时变非平稳干扰关系建模为非平稳定向冲突图，进而将时频资源联合优化问题转化为非平稳定向二重图着色问题，最后采用非平稳多玩家多臂老虎机模型来求解，并在此基础上引入指数遗忘策略以适应时变非平稳干扰关系。仿真结果表明，所提算法在保证决策时效性的同时显著降低了接入回传一体化网络的平均冲突率，能够适应复杂建筑应急场景中的时变非平稳环境。
, 最新更新时间 , doi: 10.11999/JEIT260344
摘要:
联邦学习(FL)通过分布式协同训练保护数据隐私，但数据统计异构性、本地数据集动态更新及客户端参与异步性，导致现有方法在非独立同分布(Non-IID)场景下难以兼顾全局泛化与本地个性化需求。为此，该文提出了一种基于Fisher信息矩阵的自适应聚合与客户端协同优化的个性化联邦学习(FedFACO)方法，该方法通过自适应聚合(AA)机制与协同优化(CO)机制，增强了模型对异构数据的适应能力。首先，AA机制动态调整全局模型与本地模型的融合权重，有效缓解分布不匹配的问题并增强个性化能力；其次，CO机制执行双阶段协同优化，客户端采用参数对齐策略通过特征对齐与全局正则化约束实现全局知识与历史特征的平衡融合；服务器端采用基于Fisher信息矩阵(FIM)与数据量加权的复合客户端同步策略，有效抑制了训练不足客户端的负面影响，提升了算法在极端异步环境和动态客户端场景下的适应性。实验结果表明，FedFACO在处理数据异构性时不仅可以显著提高模型在各客户端上的泛化性能，同时也保证了通信效率和模型鲁棒性。在多个非独立同分布数据集(MNIST、CIFAR-10/100、Tiny-ImageNet)上的实验表明，FedFACO相较于现有主流方法在准确率上提升了约3.1%，并在更具挑战性的Tiny-ImageNet数据集上，相较于最优基线，达到收敛所需的总训练时间降低了约4.8%。
联邦学习(FL)通过分布式协同训练保护数据隐私，但数据统计异构性、本地数据集动态更新及客户端参与异步性，导致现有方法在非独立同分布(Non-IID)场景下难以兼顾全局泛化与本地个性化需求。为此，该文提出了一种基于Fisher信息矩阵的自适应聚合与客户端协同优化的个性化联邦学习(FedFACO)方法，该方法通过自适应聚合(AA)机制与协同优化(CO)机制，增强了模型对异构数据的适应能力。首先，AA机制动态调整全局模型与本地模型的融合权重，有效缓解分布不匹配的问题并增强个性化能力；其次，CO机制执行双阶段协同优化，客户端采用参数对齐策略通过特征对齐与全局正则化约束实现全局知识与历史特征的平衡融合；服务器端采用基于Fisher信息矩阵(FIM)与数据量加权的复合客户端同步策略，有效抑制了训练不足客户端的负面影响，提升了算法在极端异步环境和动态客户端场景下的适应性。实验结果表明，FedFACO在处理数据异构性时不仅可以显著提高模型在各客户端上的泛化性能，同时也保证了通信效率和模型鲁棒性。在多个非独立同分布数据集(MNIST、CIFAR-10/100、Tiny-ImageNet)上的实验表明，FedFACO相较于现有主流方法在准确率上提升了约3.1%，并在更具挑战性的Tiny-ImageNet数据集上，相较于最优基线，达到收敛所需的总训练时间降低了约4.8%。
, 最新更新时间 , doi: 10.11999/JEIT261119
摘要:
本文针对星载双波束顺轨干涉合成孔径雷达(dual-beam along-track interferometric synthetic aperture radar, DBATI-SAR)海面流场矢量观测中投影几何增益与干涉测速性能退化的相互制约关系，研究了下视角优化设计问题。基于双波束径向速度投影与线性协方差传播，构建贯通星地几何、海面散射、系统噪声等效后向散射系数、信噪比、干涉相干性、ATI相位噪声及二维流速反演的随机误差模型，并以误差协方差矩阵最大特征值的平方根表征二维随机测流误差。在正交投影和前、后视通道近似对称条件下，推导二维随机测流误差关于下视角的紧凑表达式，揭示内部最优下视角的形成机理。结果表明，增大下视角能够增强雷达视线方向的水平投影并减弱几何误差放大，但斜距和局部入射角随之增大，导致海面后向散射减弱以及信噪比和相干性退化。本文仿真了不同噪声等效后向散射系数(noise equivalent sigma zero, NESZ)、风速、轨道高度和基线长度等关键参数下的最优下视角，综合考虑各类代表性参数变化范围，得到多工况推荐下视角范围为25.75°～31.00°，可为星载DBATI-SAR观测几何与系统灵敏度的协同设计提供参考。
本文针对星载双波束顺轨干涉合成孔径雷达(dual-beam along-track interferometric synthetic aperture radar, DBATI-SAR)海面流场矢量观测中投影几何增益与干涉测速性能退化的相互制约关系，研究了下视角优化设计问题。基于双波束径向速度投影与线性协方差传播，构建贯通星地几何、海面散射、系统噪声等效后向散射系数、信噪比、干涉相干性、ATI相位噪声及二维流速反演的随机误差模型，并以误差协方差矩阵最大特征值的平方根表征二维随机测流误差。在正交投影和前、后视通道近似对称条件下，推导二维随机测流误差关于下视角的紧凑表达式，揭示内部最优下视角的形成机理。结果表明，增大下视角能够增强雷达视线方向的水平投影并减弱几何误差放大，但斜距和局部入射角随之增大，导致海面后向散射减弱以及信噪比和相干性退化。本文仿真了不同噪声等效后向散射系数(noise equivalent sigma zero, NESZ)、风速、轨道高度和基线长度等关键参数下的最优下视角，综合考虑各类代表性参数变化范围，得到多工况推荐下视角范围为25.75°～31.00°，可为星载DBATI-SAR观测几何与系统灵敏度的协同设计提供参考。
, 最新更新时间 , doi: 10.11999/JEIT260956
摘要:
随着低空具身智能的快速发展，低空空域安全问题日益凸显，多无人机协同围捕非法无人机成为一种重要的反制手段。针对局部环境感知受限条件下多架追捕无人机对高速逃逸者的协同围捕问题，提出一种协同围捕策略及渐进式对抗模仿学习训练框架。首先，构建带阻尼双积分器的无人机动力学模型，并据此建立马尔可夫决策模型。其次，为提升围捕性能，设计融合接近引导、包围构型、距离一致性、角度约束与安全约束的多尺度奖励函数，并采用多智能体软演员评论家算法开展协同围捕训练。针对复杂动力学模型导致的训练收敛困难问题，提出渐进式对抗模仿学习训练框架：一方面设计模仿奖励衰减机制，使专家引导作用随着训练进程指数衰减并自动退出；另一方面，针对逃逸无人机速度优势导致的策略训练难以收敛问题，通过动态调整逃逸无人机速度实现训练难度的逐步提升，使追捕策略由易到难逐步适应高机动目标。仿真结果表明，本文所提方法收敛速度提升约25%；在训练1万轮的情况下，追逃双方速度比1:1和1:1.3时，围捕成功率高达100%，速度比1:1.6时，围捕成功率可保持在85%以上。
随着低空具身智能的快速发展，低空空域安全问题日益凸显，多无人机协同围捕非法无人机成为一种重要的反制手段。针对局部环境感知受限条件下多架追捕无人机对高速逃逸者的协同围捕问题，提出一种协同围捕策略及渐进式对抗模仿学习训练框架。首先，构建带阻尼双积分器的无人机动力学模型，并据此建立马尔可夫决策模型。其次，为提升围捕性能，设计融合接近引导、包围构型、距离一致性、角度约束与安全约束的多尺度奖励函数，并采用多智能体软演员评论家算法开展协同围捕训练。针对复杂动力学模型导致的训练收敛困难问题，提出渐进式对抗模仿学习训练框架：一方面设计模仿奖励衰减机制，使专家引导作用随着训练进程指数衰减并自动退出；另一方面，针对逃逸无人机速度优势导致的策略训练难以收敛问题，通过动态调整逃逸无人机速度实现训练难度的逐步提升，使追捕策略由易到难逐步适应高机动目标。仿真结果表明，本文所提方法收敛速度提升约25%；在训练1万轮的情况下，追逃双方速度比1:1和1:1.3时，围捕成功率高达100%，速度比1:1.6时，围捕成功率可保持在85%以上。
, 最新更新时间 , doi: 10.11999/JEIT260875
摘要:
低空智能系统在空中巡检、智慧物流、应急搜救等场景中需要持续获取并回传图像感知信息，其传输质量影响着下游场景识别与任务决策。与以比特级精确恢复为目标的传统通信方式不同，任务导向语义通信更关注对下游任务真正有效的语义信息传递。然而，低空无线链路动态变化明显，低空图像又易受到语义噪声干扰，导致现有方法存在语义特征易失真、传输鲁棒性不足等问题。为此，本文提出一种面向低空图像感知的语义可靠传输框架。该框架由鲁棒特征提取模块、联合信源信道编解码模块和语义知识库模块组成。其中，鲁棒特征提取模块结合局部多尺度建模与全局状态空间对偶(SSD)建模，提取对语义噪声不敏感的任务相关特征；联合信源信道编码模块可以压缩鲁棒语义特征提升传输效率；语义知识库模块通过增大基元向量间距离以增强语义特征的判别性与抗干扰能力。在UCMerced-LandUse和NWPU-RESISC45数据集上的实验结果表明，在加性高斯白噪声(AWGN)与瑞利衰落信道以及不同语义噪声强度条件下，本文方法均优于现有方法，能够有效提升低空场景图像感知任务的传输精度与鲁棒性。
低空智能系统在空中巡检、智慧物流、应急搜救等场景中需要持续获取并回传图像感知信息，其传输质量影响着下游场景识别与任务决策。与以比特级精确恢复为目标的传统通信方式不同，任务导向语义通信更关注对下游任务真正有效的语义信息传递。然而，低空无线链路动态变化明显，低空图像又易受到语义噪声干扰，导致现有方法存在语义特征易失真、传输鲁棒性不足等问题。为此，本文提出一种面向低空图像感知的语义可靠传输框架。该框架由鲁棒特征提取模块、联合信源信道编解码模块和语义知识库模块组成。其中，鲁棒特征提取模块结合局部多尺度建模与全局状态空间对偶(SSD)建模，提取对语义噪声不敏感的任务相关特征；联合信源信道编码模块可以压缩鲁棒语义特征提升传输效率；语义知识库模块通过增大基元向量间距离以增强语义特征的判别性与抗干扰能力。在UCMerced-LandUse和NWPU-RESISC45数据集上的实验结果表明，在加性高斯白噪声(AWGN)与瑞利衰落信道以及不同语义噪声强度条件下，本文方法均优于现有方法，能够有效提升低空场景图像感知任务的传输精度与鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT260998
摘要:
针对正交频分复用(OFDM)通感一体化(ISAC)波形因高峰均功率比(PAPR)导致功率放大器效率受限的问题，提出一种基于广义布尔函数(GBF)的恒模OFDM波形设计方法。该方法利用GBF-Golay闭式构造互补序列对，经相位校正与正交叠加生成0 dB PAPR的严格恒模波形；同时，在波形构造中嵌入通信数据，使得接收端可基于GBF结构实现低复杂度解码。仿真结果表明，相较于迭代式CM-OFDM方法，所提方法频谱更平坦、逐元消除后有效信噪比更高，并具有较好的通信可靠性。
针对正交频分复用(OFDM)通感一体化(ISAC)波形因高峰均功率比(PAPR)导致功率放大器效率受限的问题，提出一种基于广义布尔函数(GBF)的恒模OFDM波形设计方法。该方法利用GBF-Golay闭式构造互补序列对，经相位校正与正交叠加生成0 dB PAPR的严格恒模波形；同时，在波形构造中嵌入通信数据，使得接收端可基于GBF结构实现低复杂度解码。仿真结果表明，相较于迭代式CM-OFDM方法，所提方法频谱更平坦、逐元消除后有效信噪比更高，并具有较好的通信可靠性。
, 最新更新时间 , doi: 10.11999/JEIT251093
摘要:
在磁共振成像(MRI)中通过对\begin{document}$ k $\end{document} 0.0037 , 0.0029 。
在磁共振成像(MRI)中通过对
, 最新更新时间 , doi: 10.11999/JEIT260089
摘要:
任务卸载作为多接入边缘计算(MEC)的关键技术，通常被研究并应用于终端设备向边缘节点的纵向卸载，由于边缘节点之间存在计算能力差异，系统出现负载不均衡。针对该问题，该文引入软件定义网络(SDN)技术构建支持边缘节点横向协作的任务卸载框架，将时延与负载均衡的多目标优化描述为随机整数规划问题，并提出了基于协作式多智能体近端策略优化(MAPPO)的任务卸载策略解决该问题。设计了共享Actor-Critic网络，通过SDN获得全局状态信息，在线更新网络并获得卸载策略。面对共享网络的表达能力不足，提出了观测独热编码与状态增广的方法。仿真结果表明，所提策略在不同任务数据量与网络带宽下相较于对比策略，均能使系统保持低时延与高负载均衡，同时具备动态感知网络拓扑的能力。
任务卸载作为多接入边缘计算(MEC)的关键技术，通常被研究并应用于终端设备向边缘节点的纵向卸载，由于边缘节点之间存在计算能力差异，系统出现负载不均衡。针对该问题，该文引入软件定义网络(SDN)技术构建支持边缘节点横向协作的任务卸载框架，将时延与负载均衡的多目标优化描述为随机整数规划问题，并提出了基于协作式多智能体近端策略优化(MAPPO)的任务卸载策略解决该问题。设计了共享Actor-Critic网络，通过SDN获得全局状态信息，在线更新网络并获得卸载策略。面对共享网络的表达能力不足，提出了观测独热编码与状态增广的方法。仿真结果表明，所提策略在不同任务数据量与网络带宽下相较于对比策略，均能使系统保持低时延与高负载均衡，同时具备动态感知网络拓扑的能力。
, 最新更新时间 , doi: 10.11999/JEIT260073
摘要:
针对大语言模型生成多模块寄存器传输级(RTL)代码时，端口名称、方向和位宽不一致易导致集成失败的问题，该文提出V-Agent协议驱动多智能体框架。框架由架构、控制单元、数据通路和验证4类智能体组成，以JSON接口契约显式描述模块边界，并通过Verilog抽象语法树(AST)比对、编译/仿真诊断和受限重试形成“生成—检查—反馈—修复”闭环。在RISC-V单周期内核集成32位有符号组合乘法器IP的任务上，对6种大语言模型后端进行评测。纯自动化模式下，DeepSeek-V3和Claude-4.5生成的设计均实现8/8个模块编译通过并通过70/78条自动测试；人工在环修复后，6个设计均通过统一的78条测试，平均行级代码变动率为4.37%。结果表明，接口契约能够将跨智能体的隐式接口假设转化为可检查对象，并利用工具诊断定位局部生成错误，为RISC-V自定义算术IP的部分自动化集成提供了可执行的工作流。
针对大语言模型生成多模块寄存器传输级(RTL)代码时，端口名称、方向和位宽不一致易导致集成失败的问题，该文提出V-Agent协议驱动多智能体框架。框架由架构、控制单元、数据通路和验证4类智能体组成，以JSON接口契约显式描述模块边界，并通过Verilog抽象语法树(AST)比对、编译/仿真诊断和受限重试形成“生成—检查—反馈—修复”闭环。在RISC-V单周期内核集成32位有符号组合乘法器IP的任务上，对6种大语言模型后端进行评测。纯自动化模式下，DeepSeek-V3和Claude-4.5生成的设计均实现8/8个模块编译通过并通过70/78条自动测试；人工在环修复后，6个设计均通过统一的78条测试，平均行级代码变动率为4.37%。结果表明，接口契约能够将跨智能体的隐式接口假设转化为可检查对象，并利用工具诊断定位局部生成错误，为RISC-V自定义算术IP的部分自动化集成提供了可执行的工作流。
, 最新更新时间 , doi: 10.11999/JEIT260326
摘要:
针对低成本PIN二极管在X波段因寄生参数、接地通孔寄生效应导致开关隔离度降低与插入损耗增加的问题，该文提出一种基于寄生参数补偿的X波段低成本高隔离度并联型射频开关电路设计方法。所提方法通过引入补偿短截线与T型结等效结构电容，分别抵消不同工作状态下的寄生电抗，解决了低成本器件的高频性能恶化问题。实测结果表明，该射频开关电路在9.5～10.4 GHz频段内回波损耗优于10 dB，隔离度高于20 dB，插入损耗低于2 dB。该设计具有结构简单、易于集成、成本较低等优势，验证了低成本二极管用于X波段高隔离度T/R组件射频开关的可行性。
针对低成本PIN二极管在X波段因寄生参数、接地通孔寄生效应导致开关隔离度降低与插入损耗增加的问题，该文提出一种基于寄生参数补偿的X波段低成本高隔离度并联型射频开关电路设计方法。所提方法通过引入补偿短截线与T型结等效结构电容，分别抵消不同工作状态下的寄生电抗，解决了低成本器件的高频性能恶化问题。实测结果表明，该射频开关电路在9.5～10.4 GHz频段内回波损耗优于10 dB，隔离度高于20 dB，插入损耗低于2 dB。该设计具有结构简单、易于集成、成本较低等优势，验证了低成本二极管用于X波段高隔离度T/R组件射频开关的可行性。
, 最新更新时间 , doi: 10.11999/JEIT260709
摘要:
SAR三维层析成像应用中要求对同一地点多次观测积累数据才能实现高分辨率、高精度成像，而星载系统需要多次的重轨观测实现这一任务，这就需要频繁的轨控以形成所需要的卫星高度进行观测，这需要巨大的系统代价才能实现，即便如此时间去相关的影响也无法消除。分布式编队卫星通过多颗卫星编队飞行的方式，可以无时间去相关的实现对同一地区的同时多站观测，通过合理设计编队构型，实现空中观测阵列，完成单次航过下的高精度高分辨率三维SAR成像。该文根据编队卫星相对运动模型，提出并建立了RTN坐标系下分布式卫星三维基线与轨道六根数的直接数学关系模型，以此作为理论依据设计了并排多星的嵌套车轮编队构型和横向并排编队构型，满足“一字形”编队观测阵列需求，并进一步分析了空间摄动下的编队构型发散变化分析，提出相应的构型维持策略，并对该构型进行了SAR三维成像仿真分析。仿真结果表明，所设计的编队构型经过合理的轨道参数设计，可以提供三维层析成像所需的垂直孔径基线，构型维持策略简单易操作，且该构型提供的稳定层析向基线可获得更好的SAR三维层析成像性能，更容易满足编队任务的执行，具有较好的工程实现价值。
SAR三维层析成像应用中要求对同一地点多次观测积累数据才能实现高分辨率、高精度成像，而星载系统需要多次的重轨观测实现这一任务，这就需要频繁的轨控以形成所需要的卫星高度进行观测，这需要巨大的系统代价才能实现，即便如此时间去相关的影响也无法消除。分布式编队卫星通过多颗卫星编队飞行的方式，可以无时间去相关的实现对同一地区的同时多站观测，通过合理设计编队构型，实现空中观测阵列，完成单次航过下的高精度高分辨率三维SAR成像。该文根据编队卫星相对运动模型，提出并建立了RTN坐标系下分布式卫星三维基线与轨道六根数的直接数学关系模型，以此作为理论依据设计了并排多星的嵌套车轮编队构型和横向并排编队构型，满足“一字形”编队观测阵列需求，并进一步分析了空间摄动下的编队构型发散变化分析，提出相应的构型维持策略，并对该构型进行了SAR三维成像仿真分析。仿真结果表明，所设计的编队构型经过合理的轨道参数设计，可以提供三维层析成像所需的垂直孔径基线，构型维持策略简单易操作，且该构型提供的稳定层析向基线可获得更好的SAR三维层析成像性能，更容易满足编队任务的执行，具有较好的工程实现价值。
, 最新更新时间 , doi: 10.11999/JEIT260379
摘要:
目前，第3代合作伙伴计划(3rd Generation Partnership Project, 3GPP)的业务与系统技术规范组第4工作组(TSG SA working group 4, SA4) 已经开始研究基于人工智能(Artificial Intelligence, AI)的语音编解码器。该文首次以3GPP地球静止轨道(Geostationary Earth Orbit, GEO)语音典型的物理层参数配置与目前SA4正在研究的Descript音频编解码器(Descript Audio Codec, DAC)作为评估基线，保证了基线结果的公平性，并首次提出了总功率限制的DAC信源信道调制联合优化方案、恒模限制的DAC信源信道调制联合优化方案和DAC信源信道联合编解码方案。在语音质量可接受的前提下，所提方案相比于基线方案有2.5～4 dB的覆盖增益。以期为GEO语音的后续研究提供有益思路。
目前，第3代合作伙伴计划(3rd Generation Partnership Project, 3GPP)的业务与系统技术规范组第4工作组(TSG SA working group 4, SA4) 已经开始研究基于人工智能(Artificial Intelligence, AI)的语音编解码器。该文首次以3GPP地球静止轨道(Geostationary Earth Orbit, GEO)语音典型的物理层参数配置与目前SA4正在研究的Descript音频编解码器(Descript Audio Codec, DAC)作为评估基线，保证了基线结果的公平性，并首次提出了总功率限制的DAC信源信道调制联合优化方案、恒模限制的DAC信源信道调制联合优化方案和DAC信源信道联合编解码方案。在语音质量可接受的前提下，所提方案相比于基线方案有2.5～4 dB的覆盖增益。以期为GEO语音的后续研究提供有益思路。
, 最新更新时间 , doi: 10.11999/JEIT260523
摘要:
语义通信若面向实际系统部署，既需要与现有数字调制体制适配，又需要适应不同信道条件下的传输需求。语义导向调制(SOM)能够将连续语义特征映射为分层数字星座符号，但其离散映射与分层量化过程会引入结构化非高斯失真，从而增加数字语义接收端的恢复难度。针对该问题，该文提出一种面向数字语义通信的信道自适应降噪器。该方法由量化噪声预测器(QNP)和扩散恢复模块构成。其中，QNP对SOM引入的结构化量化失真进行前置补偿，扩散模块依据接收信噪比自适应选择降噪步数，对补偿后的语义表示进行进一步恢复。QNP采用分类分支与回归分支相结合的双分支结构，通过特征级线性调制融合SOM参数与信道状态，并在损失函数中引入分布约束项以改善补偿后残差的统计特性。实验结果表明，QNP单独使用可以稳定改善数字语义恢复性能，在不同信道条件下相较于未使用QNP的基线平均提升1.77 dB的PSNR和26.08%的MS-SSIM。在此基础上，与扩散恢复联合后可进一步获得最优效果，相较于未降噪的SOM数字语义基线和仅采用扩散降噪的SOM数字语义基线，PSNR和MS-SSIM平均分别提升3.67 dB, 58.79%以及1.89 dB, 18.64%。该文结果表明，所提方法能够在保持数字通信体制兼容性的前提下有效缓解SOM结构化失真对后续恢复的不利影响，从而提升数字语义通信系统的恢复性能与信道自适应能力。
语义通信若面向实际系统部署，既需要与现有数字调制体制适配，又需要适应不同信道条件下的传输需求。语义导向调制(SOM)能够将连续语义特征映射为分层数字星座符号，但其离散映射与分层量化过程会引入结构化非高斯失真，从而增加数字语义接收端的恢复难度。针对该问题，该文提出一种面向数字语义通信的信道自适应降噪器。该方法由量化噪声预测器(QNP)和扩散恢复模块构成。其中，QNP对SOM引入的结构化量化失真进行前置补偿，扩散模块依据接收信噪比自适应选择降噪步数，对补偿后的语义表示进行进一步恢复。QNP采用分类分支与回归分支相结合的双分支结构，通过特征级线性调制融合SOM参数与信道状态，并在损失函数中引入分布约束项以改善补偿后残差的统计特性。实验结果表明，QNP单独使用可以稳定改善数字语义恢复性能，在不同信道条件下相较于未使用QNP的基线平均提升1.77 dB的PSNR和26.08%的MS-SSIM。在此基础上，与扩散恢复联合后可进一步获得最优效果，相较于未降噪的SOM数字语义基线和仅采用扩散降噪的SOM数字语义基线，PSNR和MS-SSIM平均分别提升3.67 dB, 58.79%以及1.89 dB, 18.64%。该文结果表明，所提方法能够在保持数字通信体制兼容性的前提下有效缓解SOM结构化失真对后续恢复的不利影响，从而提升数字语义通信系统的恢复性能与信道自适应能力。
, 最新更新时间 , doi: 10.11999/JEIT260408
摘要:
随着大规模卫星网络的广泛部署，卫星部署算力以提供自主服务各类应用成为新兴研究之一。考虑到算力资源受限于卫星硬件能力，如何权衡卫星部署算力的开销和算力服务覆盖的增益是亟待解决的重点难题之一。该文针对高动态卫星网络算力资源部署问题，设计了算力结构图以表征算力资源的分布与关联性，并通过卫星拓扑变化、算力部署限制等对卫星访问算力资源的传输时延、算力信息更新和算力部署开销等进行建模，旨在最小化部署算力资源的同时减少管控时延和部署能耗。由于在算力结构图嵌入动态网络拓扑中依赖卫星节点和星间链路的资源状态信息，该文提出了一种图神经网络-近端策略优化(GNN-PPO)驱动的算力结构图嵌入方法，通过图神经网络编码卫星拓扑及节点、链路资源状态，由智能体确定当前网络状态下的算力节点部署数量，并结合节点度、剩余算力和中心性筛选具体部署位置。仿真结果表明，在相同规模下与粒子群优化算法及DQN算法相比，在保障平均管控时延为约2跳下，所提算法生成的算力节点数量可减少29%，且部署能耗减少35.8%，验证了所提算法在算力资源部署决策上的有效性。
随着大规模卫星网络的广泛部署，卫星部署算力以提供自主服务各类应用成为新兴研究之一。考虑到算力资源受限于卫星硬件能力，如何权衡卫星部署算力的开销和算力服务覆盖的增益是亟待解决的重点难题之一。该文针对高动态卫星网络算力资源部署问题，设计了算力结构图以表征算力资源的分布与关联性，并通过卫星拓扑变化、算力部署限制等对卫星访问算力资源的传输时延、算力信息更新和算力部署开销等进行建模，旨在最小化部署算力资源的同时减少管控时延和部署能耗。由于在算力结构图嵌入动态网络拓扑中依赖卫星节点和星间链路的资源状态信息，该文提出了一种图神经网络-近端策略优化(GNN-PPO)驱动的算力结构图嵌入方法，通过图神经网络编码卫星拓扑及节点、链路资源状态，由智能体确定当前网络状态下的算力节点部署数量，并结合节点度、剩余算力和中心性筛选具体部署位置。仿真结果表明，在相同规模下与粒子群优化算法及DQN算法相比，在保障平均管控时延为约2跳下，所提算法生成的算力节点数量可减少29%，且部署能耗减少35.8%，验证了所提算法在算力资源部署决策上的有效性。
, 最新更新时间 , doi: 10.11999/JEIT260221
摘要:
视频场景图生成是一项从视频中提取目标及其相互关系的高级视觉理解任务。目前相关研究多聚焦于自然场景，在遥感领域仍有待深入探索。无人机视频视角变化明显且目标尺度差异大，使得数据标注成本显著增加，缺乏大规模基准数据集是现阶段无人机视频场景图生成研究的主要障碍。该文构建了一个无人机视频关系理解数据集，在50个无人机视频中标注了12个目标类别，共计876687 个目标框；并基于目标框标注了20个关系类别，共计459164 个关系三元组。同时，提出了一种时空超图增强关系理解方法，利用超图结构对无人机视频复杂目标关联进行建模，从而实现更有效的特征聚合，增强了无人机视频关系理解能力。为评估主流方法在该数据集上的性能表现，该文对目标检测任务及场景图生成的3个子任务进行了全面测试与对比。结果表明，所提方法在场景图生成3个子任务共18个精度指标中8个优于基线方法。
视频场景图生成是一项从视频中提取目标及其相互关系的高级视觉理解任务。目前相关研究多聚焦于自然场景，在遥感领域仍有待深入探索。无人机视频视角变化明显且目标尺度差异大，使得数据标注成本显著增加，缺乏大规模基准数据集是现阶段无人机视频场景图生成研究的主要障碍。该文构建了一个无人机视频关系理解数据集，在50个无人机视频中标注了12个目标类别，共计
, 最新更新时间 , doi: 10.11999/JEIT260912
摘要:
针对有限标注数据条件下船舶辐射噪声识别性能下降的问题，提出一种对比预训练与渐进式自蒸馏的两阶段识别方法。在对比预训练阶段，针对船舶信号特性设计组合数据增强方法，在无标签样本上通过对比学习完成编码器的预训练，得到不依赖标签的判别性特征；在渐进式自蒸馏阶段，对预训练编码器的浅层进行冻结，在少量带标签样本上引入模型的历史预测构造软标签，与硬标签共同监督分类模型的训练，实现对样本中监督信息的充分挖掘。在VTUAD(Vessel Type Underwater Acoustic Data)公开数据集上的试验结果表明，相较于常规有监督识别方法，所提方法在五种标注规模下的识别准确率平均提升6.17%，F1值平均提升8.11%。在仅使用1%标注训练样本的极端条件下，识别准确率和F1值分别提升了7.51%、8.27%。在ShipsEar公开数据集上的迁移试验结果表明，在船舶类别构成发生变化且标注训练样本更少的条件下，所提方法仍优于常规有监督方法，具有较好的跨数据集迁移能力。
针对有限标注数据条件下船舶辐射噪声识别性能下降的问题，提出一种对比预训练与渐进式自蒸馏的两阶段识别方法。在对比预训练阶段，针对船舶信号特性设计组合数据增强方法，在无标签样本上通过对比学习完成编码器的预训练，得到不依赖标签的判别性特征；在渐进式自蒸馏阶段，对预训练编码器的浅层进行冻结，在少量带标签样本上引入模型的历史预测构造软标签，与硬标签共同监督分类模型的训练，实现对样本中监督信息的充分挖掘。在VTUAD(Vessel Type Underwater Acoustic Data)公开数据集上的试验结果表明，相较于常规有监督识别方法，所提方法在五种标注规模下的识别准确率平均提升6.17%，F1值平均提升8.11%。在仅使用1%标注训练样本的极端条件下，识别准确率和F1值分别提升了7.51%、8.27%。在ShipsEar公开数据集上的迁移试验结果表明，在船舶类别构成发生变化且标注训练样本更少的条件下，所提方法仍优于常规有监督方法，具有较好的跨数据集迁移能力。
, 最新更新时间 , doi: 10.11999/JEIT260984
摘要:
少重量线性码在秘密共享、强正则图、关联方案和认证码等领域具有广泛应用。该文提出一种基于子群\begin{document}$ G $\end{document} \begin{document}$ G $\end{document} \begin{document}$ G $\end{document}
少重量线性码在秘密共享、强正则图、关联方案和认证码等领域具有广泛应用。该文提出一种基于子群
, 最新更新时间 , doi: 10.11999/JEIT260763
摘要:
无人机辅助移动边缘计算凭借其高机动性，显著提升了网络覆盖能力与服务灵活性。然而，这种机动性也使其可能成为动态的恶意干扰源，对计算安全构成严重威胁。为了克服这一挑战，本文考虑恶意飞行干扰下无人机辅助边缘计算安全传输系统，提出一种基于双延迟深度确定性策略梯度的智能轨迹与资源协作安全传输方案。该方案通过联合优化无人机飞行轨迹、传输功率及计算任务分配，以最大化系统的安全计算容量。由于该问题涉及多类耦合变量，呈现高维非凸特性，难以直接解决。本文设计双延迟深度确定性策略梯度算法，借助智能体与环境的持续交互，实现对通信与计算资源的高效调度及无人机轨迹的自主规划。仿真结果表明，所提方案能够有效适应存在恶意干扰的动态环境，并在收敛性与系统稳定性方面优于基准方案，显著提升了系统的安全计算容量，从而为高动态环境下无人机辅助边缘计算面临的恶意飞行干扰问题提供了可行的解决途径。
无人机辅助移动边缘计算凭借其高机动性，显著提升了网络覆盖能力与服务灵活性。然而，这种机动性也使其可能成为动态的恶意干扰源，对计算安全构成严重威胁。为了克服这一挑战，本文考虑恶意飞行干扰下无人机辅助边缘计算安全传输系统，提出一种基于双延迟深度确定性策略梯度的智能轨迹与资源协作安全传输方案。该方案通过联合优化无人机飞行轨迹、传输功率及计算任务分配，以最大化系统的安全计算容量。由于该问题涉及多类耦合变量，呈现高维非凸特性，难以直接解决。本文设计双延迟深度确定性策略梯度算法，借助智能体与环境的持续交互，实现对通信与计算资源的高效调度及无人机轨迹的自主规划。仿真结果表明，所提方案能够有效适应存在恶意干扰的动态环境，并在收敛性与系统稳定性方面优于基准方案，显著提升了系统的安全计算容量，从而为高动态环境下无人机辅助边缘计算面临的恶意飞行干扰问题提供了可行的解决途径。
, 最新更新时间 , doi: 10.11999/JEIT260899
摘要:
为兼顾不同业务数据的传输可靠性与频谱效率，提出一种双层多模正交时间序列复用索引调制(DLMM-OTSM)方案。在OTSM系统时延–序列域采用双层传输结构，基础层采用稀疏单模索引调制(IM)，以保障重要信息的可靠传输，增强层采用全载波双模IM，以提高信息传输效率。接收端在最大似然(ML)检测基础上，介绍了一种基于对数似然比(LLR)的低复杂度分层检测方法。进一步提出一种基于Top-K候选的检测算法，通过保留多个高可靠索引候选并进行欧氏距离校正，改善LLR单次判决造成的误码性能损失。文章对所提系统的检测复杂度、频谱效率和误比特率上界进行了理论分析和仿真。结果表明，在4-QAM调制条件下，所提方案频谱效率达到1.75 bit/s/Hz，较以往算法最高提高75%，同时误码性能优于现有方案。
为兼顾不同业务数据的传输可靠性与频谱效率，提出一种双层多模正交时间序列复用索引调制(DLMM-OTSM)方案。在OTSM系统时延–序列域采用双层传输结构，基础层采用稀疏单模索引调制(IM)，以保障重要信息的可靠传输，增强层采用全载波双模IM，以提高信息传输效率。接收端在最大似然(ML)检测基础上，介绍了一种基于对数似然比(LLR)的低复杂度分层检测方法。进一步提出一种基于Top-K候选的检测算法，通过保留多个高可靠索引候选并进行欧氏距离校正，改善LLR单次判决造成的误码性能损失。文章对所提系统的检测复杂度、频谱效率和误比特率上界进行了理论分析和仿真。结果表明，在4-QAM调制条件下，所提方案频谱效率达到1.75 bit/s/Hz，较以往算法最高提高75%，同时误码性能优于现有方案。
, 最新更新时间 , doi: 10.11999/JEIT260945
摘要:
随着低空经济、应急通信等行业的快速发展，多无人机通信系统在广域覆盖、灾害救援等场景中具有重要应用价值。然而，该系统面临链路强耦合、拓扑高动态等挑战，使无线资源分配呈现高维、时变和协同等特征。传统模型驱动优化方法在复杂动态环境下难以满足实时、自适应决策需求。为此，本文围绕多无人机通信系统智能资源分配展开综述。首先，梳理可重构智能表面、通感一体化和移动边缘计算等技术赋能多无人机通信网络架构，并阐明传输过程；其次，研究多无人机系统智能资源分配典型模型的作用机制与适用特点；再次，分析不同通信网络架构下的无线资源智能分配研究现状；最后，给出未来挑战与发展方向。本文可为低空智联网资源分配提供参考。
随着低空经济、应急通信等行业的快速发展，多无人机通信系统在广域覆盖、灾害救援等场景中具有重要应用价值。然而，该系统面临链路强耦合、拓扑高动态等挑战，使无线资源分配呈现高维、时变和协同等特征。传统模型驱动优化方法在复杂动态环境下难以满足实时、自适应决策需求。为此，本文围绕多无人机通信系统智能资源分配展开综述。首先，梳理可重构智能表面、通感一体化和移动边缘计算等技术赋能多无人机通信网络架构，并阐明传输过程；其次，研究多无人机系统智能资源分配典型模型的作用机制与适用特点；再次，分析不同通信网络架构下的无线资源智能分配研究现状；最后，给出未来挑战与发展方向。本文可为低空智联网资源分配提供参考。
, 最新更新时间 , doi: 10.11999/JEIT260618
摘要:
环面全同态加密(Torus Fully Homomorphic Encryption, TFHE)支持在密文域上直接评估布尔电路，是隐私计算领域的重要密码学技术。然而，TFHE在密文运算过程中会产生噪声累积，需通过自举操作刷新密文噪声。由于自举过程涉及大规模多项式运算和密钥数据访问，其计算复杂度高、访存开销大，已成为制约TFHE实用化部署的主要性能瓶颈。针对上述问题，本文设计并实现了一种基于现场可编程门阵列(Field-Programmable Gate Array, FPGA)的TFHE自举专用硬件加速器。该加速器采用全硬件化流水数据通路，可在无需中央处理器(Central Processing Unit, CPU)参与核心计算的情况下独立完成自举操作流程；同时设计了数论变换(Number Theoretic Transform, NTT)加速模块，以提高多项式乘法运算效率并降低自举延迟。针对自举密钥数据规模庞大、片外访存压力高的特点，本文进一步引入批处理机制，以提升密钥数据复用率和系统吞吐量，在保持合理单次自举延迟的同时，显著提升了批量自举吞吐率。本设计在Xilinx Alveo U280 FPGA平台上完成部署与验证，实验结果表明，在300 MHz工作频率下，其可在3.9 ms内完成8个密文的自举操作，平均单个密文自举延迟为0.49 ms。与现有CPU和GPU自举加速方案相比，本文设计在批处理吞吐能力方面分别实现约21.8倍和6.0倍提升。
环面全同态加密(Torus Fully Homomorphic Encryption, TFHE)支持在密文域上直接评估布尔电路，是隐私计算领域的重要密码学技术。然而，TFHE在密文运算过程中会产生噪声累积，需通过自举操作刷新密文噪声。由于自举过程涉及大规模多项式运算和密钥数据访问，其计算复杂度高、访存开销大，已成为制约TFHE实用化部署的主要性能瓶颈。针对上述问题，本文设计并实现了一种基于现场可编程门阵列(Field-Programmable Gate Array, FPGA)的TFHE自举专用硬件加速器。该加速器采用全硬件化流水数据通路，可在无需中央处理器(Central Processing Unit, CPU)参与核心计算的情况下独立完成自举操作流程；同时设计了数论变换(Number Theoretic Transform, NTT)加速模块，以提高多项式乘法运算效率并降低自举延迟。针对自举密钥数据规模庞大、片外访存压力高的特点，本文进一步引入批处理机制，以提升密钥数据复用率和系统吞吐量，在保持合理单次自举延迟的同时，显著提升了批量自举吞吐率。本设计在Xilinx Alveo U280 FPGA平台上完成部署与验证，实验结果表明，在300 MHz工作频率下，其可在3.9 ms内完成8个密文的自举操作，平均单个密文自举延迟为0.49 ms。与现有CPU和GPU自举加速方案相比，本文设计在批处理吞吐能力方面分别实现约21.8倍和6.0倍提升。
, 最新更新时间 , doi: 10.11999/JEIT260718
摘要:
基于通用零知识证明技术构造隐私保护匿名凭证，已成为学术界和企业界广泛关注的焦点。zk-creds范式匿名凭证构造机制，允许凭证持有者利用通用零知识证明技术将现有的长效凭证直接转化为匿名凭证，无需依赖可信第三方颁发机构。作为该范式的代表性方案，Crescent继承zk-creds的思想，并通过“准备-展示”两阶段解耦机制，实现了更加高效的凭证展示。然而，Crescent基于传统数论困难假设，不具备抵抗量子计算攻击的能力。因此，该文借鉴Crescent方案的思想，采用基于格密码的交互式证明系统LaBRADOR，提出一种抗量子攻击的zk-creds范式匿名凭证新方案LBAC。该方案首先引入随机掩码机制和Fiat-Shamir变换，将LaBRADOR系统改造为非交互的零知识证明系统；其次，针对LaBRADOR在处理复杂算术电路时面临的性能瓶颈，引入Sumcheck协议将庞大的算术电路验证问题归约为极小规模的证明任务，有效降低证明开销；第三，将改进后的LaBRADOR证明生成流程解耦，使其能够与Crescent的设计思想相契合；最后，该文在随机预言机模型中对LBAC方案的安全属性(如匿名性与不可伪造性)进行全面分析。此外，理论与实验分析表明LBAC与相关方案相比具有一定的优势，凭证展示耗时约为5.27 ms，证明大小约为50.17 kB，兼具轻量性和实用性。
基于通用零知识证明技术构造隐私保护匿名凭证，已成为学术界和企业界广泛关注的焦点。zk-creds范式匿名凭证构造机制，允许凭证持有者利用通用零知识证明技术将现有的长效凭证直接转化为匿名凭证，无需依赖可信第三方颁发机构。作为该范式的代表性方案，Crescent继承zk-creds的思想，并通过“准备-展示”两阶段解耦机制，实现了更加高效的凭证展示。然而，Crescent基于传统数论困难假设，不具备抵抗量子计算攻击的能力。因此，该文借鉴Crescent方案的思想，采用基于格密码的交互式证明系统LaBRADOR，提出一种抗量子攻击的zk-creds范式匿名凭证新方案LBAC。该方案首先引入随机掩码机制和Fiat-Shamir变换，将LaBRADOR系统改造为非交互的零知识证明系统；其次，针对LaBRADOR在处理复杂算术电路时面临的性能瓶颈，引入Sumcheck协议将庞大的算术电路验证问题归约为极小规模的证明任务，有效降低证明开销；第三，将改进后的LaBRADOR证明生成流程解耦，使其能够与Crescent的设计思想相契合；最后，该文在随机预言机模型中对LBAC方案的安全属性(如匿名性与不可伪造性)进行全面分析。此外，理论与实验分析表明LBAC与相关方案相比具有一定的优势，凭证展示耗时约为5.27 ms，证明大小约为50.17 kB，兼具轻量性和实用性。
, 最新更新时间 , doi: 10.11999/JEIT260255
摘要:
多模态情感分析(MSA)是人机交互领域的关键环节，但在实际应用中往往忽视了各模态之间的时间依赖关系，导致时序信息未能得到充分利用。同时，现有工作多通过简单的特征拼接来融合多模态信息，跨模态交互有限，容易引入冗余特征。针对上述问题，该文提出一种对抗优化三重软对比学习的多模态情感分析方法。该方法构建了三重软对比学习框架，即引入软对比学习策略，为样本赋予连续权重，以刻画样本间的细微差异。并在模态内、模态间以及时间序列3个层面开展对比任务，全面捕捉多模态数据在空间与时间维度中的关联信息。同时结合生成对抗网络，提升样本质量，缓解特征冗余问题，从而优化多模态情感特征的学习过程与分类效果。实验结果表明，在CMU-MOSI数据集上准确率和F1值分别提升了1.3%和1%；而在CMU-MOSEI数据集上准确率和F1值相较于最新模型均提升了0.7%，验证了所提模型在多模态情感分析任务中的有效性。
多模态情感分析(MSA)是人机交互领域的关键环节，但在实际应用中往往忽视了各模态之间的时间依赖关系，导致时序信息未能得到充分利用。同时，现有工作多通过简单的特征拼接来融合多模态信息，跨模态交互有限，容易引入冗余特征。针对上述问题，该文提出一种对抗优化三重软对比学习的多模态情感分析方法。该方法构建了三重软对比学习框架，即引入软对比学习策略，为样本赋予连续权重，以刻画样本间的细微差异。并在模态内、模态间以及时间序列3个层面开展对比任务，全面捕捉多模态数据在空间与时间维度中的关联信息。同时结合生成对抗网络，提升样本质量，缓解特征冗余问题，从而优化多模态情感特征的学习过程与分类效果。实验结果表明，在CMU-MOSI数据集上准确率和F1值分别提升了1.3%和1%；而在CMU-MOSEI数据集上准确率和F1值相较于最新模型均提升了0.7%，验证了所提模型在多模态情感分析任务中的有效性。
, 最新更新时间 , doi: 10.11999/JEIT260719
摘要:
针对汽车系统级芯片功能安全验证中传统故障注入成本过高、现有学习方法跨尺度迁移能力不足的问题，该文提出一种原语级故障数据集与专家引导图学习框架。该框架基于40个标准库原语构建统一图表示数据集，融入结构、时序等多维特征与节点级关键性标签。模型采用图注意力网络，并结合传播导向、安全上下文、置信度校正与电路自适应四层专家规则校准预测结果，实现跨尺度故障关键性预测；同时构建“预测-解释-加固”闭环，支持低开销选择性加固。在9个基准电路上的实验表明，该方法最高预测准确率达99.4%，较传统故障仿真最高加速1119 倍；与全局三重模块冗余相比，面积开销降低8.35%～14.95%，8个电路达到ISO 26262 ASIL-D对应目标值。
针对汽车系统级芯片功能安全验证中传统故障注入成本过高、现有学习方法跨尺度迁移能力不足的问题，该文提出一种原语级故障数据集与专家引导图学习框架。该框架基于40个标准库原语构建统一图表示数据集，融入结构、时序等多维特征与节点级关键性标签。模型采用图注意力网络，并结合传播导向、安全上下文、置信度校正与电路自适应四层专家规则校准预测结果，实现跨尺度故障关键性预测；同时构建“预测-解释-加固”闭环，支持低开销选择性加固。在9个基准电路上的实验表明，该方法最高预测准确率达99.4%，较传统故障仿真最高加速
, 最新更新时间 , doi: 10.11999/JEIT260780
摘要:
组合优化问题巨大的解空间使得基于穷举搜索的策略难以在可行时间内找到高质量解。受量子启发的伊辛机为加速求解组合优化问题提供了新的计算范式，但实现兼具高速度、高能效和高精度的CMOS基伊辛机仍然是一项重大挑战。针对这一问题，该文基于65 nm CMOS工艺设计并流片了一款面向组合优化问题的高并行度模拟绝热分岔专用处理器。该处理器利用模拟绝热分岔算法的全并行自旋更新特性，构建支持全连接拓扑的硬件架构，并提出自旋流水线更新策略，将耦合系数访问、动量更新和位置更新划分为3级流水线，实现无气泡迭代计算。为降低全连接耦合矩阵带来的存储开销，该文进一步设计了折叠式耦合系数存储阵列，利用矩阵对称性减少冗余存储，使存储面积降低52%。同时，动量更新单元和位置更新单元采用定点数实现，在较低硬件开销下完成模拟绝热分岔演化。测试结果表明，该芯片在200 MHz下功耗为14 mW，求解64节点最大割问题仅需要25 ns，求解40子句、8变量的SAT问题不超过16 μs，验证了所提架构在组合优化加速中的有效性。
组合优化问题巨大的解空间使得基于穷举搜索的策略难以在可行时间内找到高质量解。受量子启发的伊辛机为加速求解组合优化问题提供了新的计算范式，但实现兼具高速度、高能效和高精度的CMOS基伊辛机仍然是一项重大挑战。针对这一问题，该文基于65 nm CMOS工艺设计并流片了一款面向组合优化问题的高并行度模拟绝热分岔专用处理器。该处理器利用模拟绝热分岔算法的全并行自旋更新特性，构建支持全连接拓扑的硬件架构，并提出自旋流水线更新策略，将耦合系数访问、动量更新和位置更新划分为3级流水线，实现无气泡迭代计算。为降低全连接耦合矩阵带来的存储开销，该文进一步设计了折叠式耦合系数存储阵列，利用矩阵对称性减少冗余存储，使存储面积降低52%。同时，动量更新单元和位置更新单元采用定点数实现，在较低硬件开销下完成模拟绝热分岔演化。测试结果表明，该芯片在200 MHz下功耗为14 mW，求解64节点最大割问题仅需要25 ns，求解40子句、8变量的SAT问题不超过16 μs，验证了所提架构在组合优化加速中的有效性。
, 最新更新时间 , doi: 10.11999/JEIT260771
摘要:
正交时延多普勒分集复用(ODDM)是一种按照时延–多普勒(DD)平面分辨率进行正交传输的多载波调制技术，其正交性实现通常要求成型脉冲满足理想奈奎斯特条件。然而受工程可实现性限制，有限长成型脉冲难以严格满足此条件。在载波频率偏移作用下，该非理想成型脉冲会产生理想假设下不存在的残余干扰。基于此，本文分析了非理想成型脉冲与载波频率偏移共同作用下的DD域等效干扰特性，并在此基础上设计了一种线性残余干扰抵消检测算法，以补偿上述残余干扰所导致的性能损失。仿真结果表明，本文采用的干扰模型结果与仿真结果更为接近，所提检测算法能够有效补偿因忽略残余干扰导致的性能损失，并在复杂度低于完整最小均方误差(MMSE)检测的前提下获得接近其性能的检测结果。
正交时延多普勒分集复用(ODDM)是一种按照时延–多普勒(DD)平面分辨率进行正交传输的多载波调制技术，其正交性实现通常要求成型脉冲满足理想奈奎斯特条件。然而受工程可实现性限制，有限长成型脉冲难以严格满足此条件。在载波频率偏移作用下，该非理想成型脉冲会产生理想假设下不存在的残余干扰。基于此，本文分析了非理想成型脉冲与载波频率偏移共同作用下的DD域等效干扰特性，并在此基础上设计了一种线性残余干扰抵消检测算法，以补偿上述残余干扰所导致的性能损失。仿真结果表明，本文采用的干扰模型结果与仿真结果更为接近，所提检测算法能够有效补偿因忽略残余干扰导致的性能损失，并在复杂度低于完整最小均方误差(MMSE)检测的前提下获得接近其性能的检测结果。
, 最新更新时间 , doi: 10.11999/JEIT261132
摘要:
针对定向干扰条件下低轨通导一体化网络中星地链路质量下降、导航观测退化及多用户优质卫星竞争耦合的问题，该文研究面向关键用户的多用户多卫星抗干扰选星方法。首先，建立通导联合选星模型，刻画干扰对通信速率和定位精度的耦合影响。然后，将多用户多卫星抗干扰选星问题建模为可重叠联盟形成博弈，基于此，构造兼顾通导性能和联盟负载的势函数，采用局部势函数增益驱动的联盟切换准则，提出干扰感知选星重构算法。理论分析表明，所构造博弈为有限精确势博弈，联盟切换过程能够收敛至稳定可重叠联盟结构。仿真结果表明，相较典型选星方法，所提方法在干扰条件下能够有效规避受扰链路，提高用户平均归一化和速率并降低定位误差。
针对定向干扰条件下低轨通导一体化网络中星地链路质量下降、导航观测退化及多用户优质卫星竞争耦合的问题，该文研究面向关键用户的多用户多卫星抗干扰选星方法。首先，建立通导联合选星模型，刻画干扰对通信速率和定位精度的耦合影响。然后，将多用户多卫星抗干扰选星问题建模为可重叠联盟形成博弈，基于此，构造兼顾通导性能和联盟负载的势函数，采用局部势函数增益驱动的联盟切换准则，提出干扰感知选星重构算法。理论分析表明，所构造博弈为有限精确势博弈，联盟切换过程能够收敛至稳定可重叠联盟结构。仿真结果表明，相较典型选星方法，所提方法在干扰条件下能够有效规避受扰链路，提高用户平均归一化和速率并降低定位误差。
, 最新更新时间 , doi: 10.11999/JEIT260599
摘要:
随着WiFi技术在企业无线局域网、工业物联网、智慧城市、智能家居等场景中的广泛应用，其安全问题日益受到关注。射频指纹识别技术能够利用硬件固有差异实现设备身份验证，为WiFi设备的安全应用提供有效手段。该文提出一种基于轻量时序卷积网络的WiFi射频指纹识别方法，以应对多设备、动态信道环境下的鲁棒性与计算效率问题。首先，从WiFi物理层前导序列中提取由硬件差异引入的射频指纹，并通过I/Q信号、幅度和相位进行多维度表示；然后采用膨胀卷积层对长时序信号进行建模，捕捉其时序依赖关系，同时设计多尺度卷积分支以增强对短时局部波形的敏感度；进一步引入通道注意力机制，通过自适应加权突出关键特征并抑制冗余信息。实验结果表明，所提方法在不同信噪比及设备规模条件下均能保持较高的识别准确率(0 dB下93.12%， 20 dB下99.27%)和较低的推理时间(单条0.41 ms)。相比其他深度学习模型，该方法在维持高精度的同时显著降低计算开销，适用于资源受限的嵌入式平台。
随着WiFi技术在企业无线局域网、工业物联网、智慧城市、智能家居等场景中的广泛应用，其安全问题日益受到关注。射频指纹识别技术能够利用硬件固有差异实现设备身份验证，为WiFi设备的安全应用提供有效手段。该文提出一种基于轻量时序卷积网络的WiFi射频指纹识别方法，以应对多设备、动态信道环境下的鲁棒性与计算效率问题。首先，从WiFi物理层前导序列中提取由硬件差异引入的射频指纹，并通过I/Q信号、幅度和相位进行多维度表示；然后采用膨胀卷积层对长时序信号进行建模，捕捉其时序依赖关系，同时设计多尺度卷积分支以增强对短时局部波形的敏感度；进一步引入通道注意力机制，通过自适应加权突出关键特征并抑制冗余信息。实验结果表明，所提方法在不同信噪比及设备规模条件下均能保持较高的识别准确率(0 dB下93.12%， 20 dB下99.27%)和较低的推理时间(单条0.41 ms)。相比其他深度学习模型，该方法在维持高精度的同时显著降低计算开销，适用于资源受限的嵌入式平台。
, 最新更新时间 , doi: 10.11999/JEIT260503
摘要:
尽管现有许多隐私保护数据合成机制能够生成高可用性的合成数据集用于发布，但它们通常缺乏对多用户、多次发布场景下细粒度隐私保障的专门设计。这一局限性主要体现在两方面：一是缺乏系统性的隐私预算跟踪与管理方法，二是难以根据不同用户的具体分析需求进行定制化的数据合成。为此，该文提出了CuSyn，一种专为多用户、多次发布的数据分析环境而设计的新颖、可定制的差分隐私数据合成框架。CuSyn引入了一种可扩展的基于预算池的隐私管理策略，能够在不同用户与多次发布之间施加严格的隐私预算约束。同时，该框架还提供了一种定制化合成机制，能够为不同用户生成针对其查询需求优化的高可用合成数据。该文在真实数据集上对CuSyn进行了评估，实验结果表明，与现有数据合成机制相比，CuSyn能够在用户关注的查询上提供更高的数据效用，在NLTCS数据集上用户兴趣查询误差较基线降低约67%，同时在复杂的多用户发布场景下提供可靠的隐私保护。
尽管现有许多隐私保护数据合成机制能够生成高可用性的合成数据集用于发布，但它们通常缺乏对多用户、多次发布场景下细粒度隐私保障的专门设计。这一局限性主要体现在两方面：一是缺乏系统性的隐私预算跟踪与管理方法，二是难以根据不同用户的具体分析需求进行定制化的数据合成。为此，该文提出了CuSyn，一种专为多用户、多次发布的数据分析环境而设计的新颖、可定制的差分隐私数据合成框架。CuSyn引入了一种可扩展的基于预算池的隐私管理策略，能够在不同用户与多次发布之间施加严格的隐私预算约束。同时，该框架还提供了一种定制化合成机制，能够为不同用户生成针对其查询需求优化的高可用合成数据。该文在真实数据集上对CuSyn进行了评估，实验结果表明，与现有数据合成机制相比，CuSyn能够在用户关注的查询上提供更高的数据效用，在NLTCS数据集上用户兴趣查询误差较基线降低约67%，同时在复杂的多用户发布场景下提供可靠的隐私保护。
, 最新更新时间 , doi: 10.11999/JEIT261138
摘要:
针对低空无人机数字孪生(Digital Twin, DT)系统中感知与通信分离设计导致频谱资源利用率较低、状态更新时延较大以及虚实映射精度受限的问题，提出一种通感一体化(Integrated Sensing and Communication，ISAC)赋能的数字孪生同步性能联合优化方法。首先，构建由物理s层、ISAC模块和DT层组成的低空无人机数字孪生闭环架构，并建立通信时延、感知误差和数字孪生同步性能模型。在此基础上，分析带宽、发射功率与无人机轨迹之间的耦合关系，以数字孪生映射误差和更新时间的加权和最小为目标，建立长期联合优化问题。考虑到无人机轨迹控制属于长期序列决策，而带宽和发射功率配置需要在单个时隙内完成，设计一种由面向数字孪生的近端策略优化和交替资源优化模块组成的协同求解方法。其中，DT-aware PPO(Proximal Policy Optimization, PPO)用于优化无人机的长期飞行轨迹，资源优化模块根据当前轨迹和信道状态配置带宽与发射功率，并将数字孪生同步性能反馈给轨迹控制模块。在给定仿真参数下，与非ISAC PPO方案相比，所提方法将数字孪生映射误差由2.009降低至1.084，将平均通信时延由13.102 s降低至3.200 s。与随机轨迹、资源均分等资源分配及典型路径规划算法相比，所提方法能够进一步降低系统综合代价，并在动态扰动下保持较好的决策效率和稳定性。
针对低空无人机数字孪生(Digital Twin, DT)系统中感知与通信分离设计导致频谱资源利用率较低、状态更新时延较大以及虚实映射精度受限的问题，提出一种通感一体化(Integrated Sensing and Communication，ISAC)赋能的数字孪生同步性能联合优化方法。首先，构建由物理s层、ISAC模块和DT层组成的低空无人机数字孪生闭环架构，并建立通信时延、感知误差和数字孪生同步性能模型。在此基础上，分析带宽、发射功率与无人机轨迹之间的耦合关系，以数字孪生映射误差和更新时间的加权和最小为目标，建立长期联合优化问题。考虑到无人机轨迹控制属于长期序列决策，而带宽和发射功率配置需要在单个时隙内完成，设计一种由面向数字孪生的近端策略优化和交替资源优化模块组成的协同求解方法。其中，DT-aware PPO(Proximal Policy Optimization, PPO)用于优化无人机的长期飞行轨迹，资源优化模块根据当前轨迹和信道状态配置带宽与发射功率，并将数字孪生同步性能反馈给轨迹控制模块。在给定仿真参数下，与非ISAC PPO方案相比，所提方法将数字孪生映射误差由2.009降低至1.084，将平均通信时延由13.102 s降低至3.200 s。与随机轨迹、资源均分等资源分配及典型路径规划算法相比，所提方法能够进一步降低系统综合代价，并在动态扰动下保持较好的决策效率和稳定性。
, 最新更新时间 , doi: 10.11999/JEIT261177
摘要:
低空具身智能需要持续完成环境感知、信息传输、任务处理、决策生成与控制执行，传统面向单一功能的优化方式难以满足动态场景下的实时闭环需求。该文围绕低空具身任务中的通感算融合展开综述，梳理通信-感知、通信-计算和感知-计算等技术融合的发展脉络，重点总结环境信息获取与协同感知、感知任务卸载与云边端协同计算、通感算多任务资源协同及面向控制反馈的闭环优化方法。分析表明，相关研究正由资源与功能层面的局部融合，逐步向以任务目标为驱动、贯通感知、传输、计算、决策与控制全过程的闭环协同演进。最后，讨论通感算控统一建模、高动态环境实时协同、安全隐私与可信智能以及大规模集群协同等未来方向。
低空具身智能需要持续完成环境感知、信息传输、任务处理、决策生成与控制执行，传统面向单一功能的优化方式难以满足动态场景下的实时闭环需求。该文围绕低空具身任务中的通感算融合展开综述，梳理通信-感知、通信-计算和感知-计算等技术融合的发展脉络，重点总结环境信息获取与协同感知、感知任务卸载与云边端协同计算、通感算多任务资源协同及面向控制反馈的闭环优化方法。分析表明，相关研究正由资源与功能层面的局部融合，逐步向以任务目标为驱动、贯通感知、传输、计算、决策与控制全过程的闭环协同演进。最后，讨论通感算控统一建模、高动态环境实时协同、安全隐私与可信智能以及大规模集群协同等未来方向。
, 最新更新时间 , doi: 10.11999/JEIT260840
摘要:
本文提出了一种发送端译码判别驱动的低密度奇偶校验码(LDPC)自适应编码传输方案。不同于现有方法在得到压缩序列后直接进行后续传输，所提方案在发送端先对有偏信源数据进行压缩，并执行一次本地解压缩译码；随后根据译码结果选择传输方案。具体地，若解压缩译码成功则对压缩后数据进行信道编码保护并发送，若译码失败则直接对原始数据采用信道编码传输。针对所提传输方案，本文给出了相应的并行译码和阈值译码算法，其中，并行译码分别在压缩后信道编码和未压缩信道编码两种假设下执行置信传播译码，其需要执行两次LDPC信道译码；而阈值译码则根据接收软信息判别发送端采用的传输方案，从而仅需执行一次LDPC译码。为了分析所提方案的性能，本文提出了一种权重组合界，其本质是根据发送端解压缩译码成功概率，对压缩后信道编码方案和未压缩信道编码方案的误帧率(FER)进行加权组合。仿真结果表明，所提传输方案的FER低于未压缩信道编码方案，所得FER与权重组合界基本吻合，并接近精灵辅助界。
本文提出了一种发送端译码判别驱动的低密度奇偶校验码(LDPC)自适应编码传输方案。不同于现有方法在得到压缩序列后直接进行后续传输，所提方案在发送端先对有偏信源数据进行压缩，并执行一次本地解压缩译码；随后根据译码结果选择传输方案。具体地，若解压缩译码成功则对压缩后数据进行信道编码保护并发送，若译码失败则直接对原始数据采用信道编码传输。针对所提传输方案，本文给出了相应的并行译码和阈值译码算法，其中，并行译码分别在压缩后信道编码和未压缩信道编码两种假设下执行置信传播译码，其需要执行两次LDPC信道译码；而阈值译码则根据接收软信息判别发送端采用的传输方案，从而仅需执行一次LDPC译码。为了分析所提方案的性能，本文提出了一种权重组合界，其本质是根据发送端解压缩译码成功概率，对压缩后信道编码方案和未压缩信道编码方案的误帧率(FER)进行加权组合。仿真结果表明，所提传输方案的FER低于未压缩信道编码方案，所得FER与权重组合界基本吻合，并接近精灵辅助界。
, 最新更新时间 , doi: 10.11999/JEIT260907
摘要:
针对传统4H-SiC双沟槽MOSFET(Conventional Dual Trench MOSFET, CON-DTMOS)反向续流时寄生体二极管导通电压高、导通后易引发双极退化的性能缺陷，设计了一种集成平面-垂直沟道的4H-SiC双沟槽MOSFET(Lateral-Vertical Channel Dual Trench MOSFET, LV-DTMOS)，在此基础上引入内嵌反向沟道形成一种非对称阶梯式MOSFET(Reverse Channel Integrated Asymmetric Step MOSFET, RC-ASMOS)。RC-ASMOS以垂直沟道CH1和平面沟道CH2为正向导通沟道，不仅有效降低器件的导通电阻，优化器件静态特性，还可屏蔽器件的栅漏电容CGD，使其动态特性显著提升；此外，引入的反向沟道CH3，可凭借较低的反向开启电压抑制体二极管的导通，避免体二极管的双极退化效应。仿真结果表明，相比CON-DTMOS，RC-ASMOS的比导通电阻Ron,sp降低29.1%，反向开启电压VF降低42.9%，击穿电压BV提高36.5%，反向恢复电荷QRR减小46.2%，栅电荷QGD降低53.9%。因此RC-ASMOS兼具优异的静态性能与动态性能，这为其高频场景的应用打下了坚实的基础。
针对传统4H-SiC双沟槽MOSFET(Conventional Dual Trench MOSFET, CON-DTMOS)反向续流时寄生体二极管导通电压高、导通后易引发双极退化的性能缺陷，设计了一种集成平面-垂直沟道的4H-SiC双沟槽MOSFET(Lateral-Vertical Channel Dual Trench MOSFET, LV-DTMOS)，在此基础上引入内嵌反向沟道形成一种非对称阶梯式MOSFET(Reverse Channel Integrated Asymmetric Step MOSFET, RC-ASMOS)。RC-ASMOS以垂直沟道CH1和平面沟道CH2为正向导通沟道，不仅有效降低器件的导通电阻，优化器件静态特性，还可屏蔽器件的栅漏电容CGD，使其动态特性显著提升；此外，引入的反向沟道CH3，可凭借较低的反向开启电压抑制体二极管的导通，避免体二极管的双极退化效应。仿真结果表明，相比CON-DTMOS，RC-ASMOS的比导通电阻Ron,sp降低29.1%，反向开启电压VF降低42.9%，击穿电压BV提高36.5%，反向恢复电荷QRR减小46.2%，栅电荷QGD降低53.9%。因此RC-ASMOS兼具优异的静态性能与动态性能，这为其高频场景的应用打下了坚实的基础。
, 最新更新时间 , doi: 10.11999/JEIT260860
摘要:
针对原子磁力计脑磁图(Optically Pumped Magnetometer Magnetoencephalography, OPM-MEG)系统中刚性头盔设计缺乏统一方法、固定尺寸头盔适配范围尚不明确的问题，本文提出一套面向OPM-MEG刚性头盔的多维度量化设计与适配范围评估方法。该方法以标准脑模型为基础，结合头盔内壁曲面构建、传感器阵列布局、头部尺寸变化模拟以及多指标探测性能评价，实现了从头盔结构设计到适配范围判定的定量化分析。本文以ICBM152标准脑模板为基础构建头盔内壁曲面，结合64通道磁场传感器阵列完成刚性头盔结构设计，并进一步建立头部尺度变化条件下的适配范围评估框架。通过构建不同头部尺度模型，采用前向场F范数和不可探测体素等指标，对固定尺寸刚性头盔的探测能力和空间覆盖范围进行定量分析，并以306通道超导量子干涉仪脑磁图(Superconducting Quantum Interference Device Magnetoencephalography, SQUID-MEG)系统作为参考基线进行比较。结果表明，随着头部尺寸减小，固定尺寸刚性头盔的前向场强度和有效探测范围均呈下降趋势。当头部尺度降低至标准头模型的0.66～0.69倍时，整体探测能力下降至参考SQUID-MEG系统水平；若采用空间覆盖率作为更严格判据，适配下限约为标准头模型的0.89倍。不可探测体素分析结果显示，在0.5～1.0倍标准头模型范围内，所设计头盔的整体探测性能仍优于参考SQUID-MEG系统；若以新增局部探测盲区不显著增加作为工程适配标准，则较优适配下限约为标准头模型的0.7倍。研究结果表明，所提出的多维度量化评估方法能够为OPM-MEG刚性头盔的标准化设计、型号规划和临床适用人群分析提供定量依据。
针对原子磁力计脑磁图(Optically Pumped Magnetometer Magnetoencephalography, OPM-MEG)系统中刚性头盔设计缺乏统一方法、固定尺寸头盔适配范围尚不明确的问题，本文提出一套面向OPM-MEG刚性头盔的多维度量化设计与适配范围评估方法。该方法以标准脑模型为基础，结合头盔内壁曲面构建、传感器阵列布局、头部尺寸变化模拟以及多指标探测性能评价，实现了从头盔结构设计到适配范围判定的定量化分析。本文以ICBM152标准脑模板为基础构建头盔内壁曲面，结合64通道磁场传感器阵列完成刚性头盔结构设计，并进一步建立头部尺度变化条件下的适配范围评估框架。通过构建不同头部尺度模型，采用前向场F范数和不可探测体素等指标，对固定尺寸刚性头盔的探测能力和空间覆盖范围进行定量分析，并以306通道超导量子干涉仪脑磁图(Superconducting Quantum Interference Device Magnetoencephalography, SQUID-MEG)系统作为参考基线进行比较。结果表明，随着头部尺寸减小，固定尺寸刚性头盔的前向场强度和有效探测范围均呈下降趋势。当头部尺度降低至标准头模型的0.66～0.69倍时，整体探测能力下降至参考SQUID-MEG系统水平；若采用空间覆盖率作为更严格判据，适配下限约为标准头模型的0.89倍。不可探测体素分析结果显示，在0.5～1.0倍标准头模型范围内，所设计头盔的整体探测性能仍优于参考SQUID-MEG系统；若以新增局部探测盲区不显著增加作为工程适配标准，则较优适配下限约为标准头模型的0.7倍。研究结果表明，所提出的多维度量化评估方法能够为OPM-MEG刚性头盔的标准化设计、型号规划和临床适用人群分析提供定量依据。
, 最新更新时间 , doi: 10.11999/JEIT260845
摘要:
随着6G技术的发展，通感一体化(ISAC)技术逐渐被广泛关注和研究，在这个领域中，正交时频空(OTFS)信号由于优秀的抗时变特性而具有很大的应用潜力。然而，OTFS易受分数时延和多普勒频移的影响，二者会产生弥散效应，造成通信数据和雷达导频的相互干扰；并且，在目标检测中，强目标的旁瓣可能会淹没弱目标，降低雷达检测概率和信道估计准确度。本文结合多载波滤波器组(FBMC)的低旁瓣特性，提出了一种FBMC-OTFS波形设计方法，并建立了包含分数时延和分数多普勒的信道模型。多载波滤波器组的原型滤波器可以有效降低OTFS波形的多普勒旁瓣，缓解多普勒弥散效应。在分数时延和多普勒频移联合信道模型上，结合恒虚警率(CFAR)算法实现对信道的估计，并通过最大比合并(MRC)算法优化信道估计结果。仿真结果表明，在强弱目标功率差为18.5 dB时，FBMC-OTFS波形仍可实现弱目标的有效检测，而传统OTFS波形无法检测；在信噪比为20 dB且检测到全部目标时，系统误码率显著低于传统OTFS波形。外场实验的结果进一步验证了FBMC-OTFS波形在实际ISAC场景中的可行性与优越性。
随着6G技术的发展，通感一体化(ISAC)技术逐渐被广泛关注和研究，在这个领域中，正交时频空(OTFS)信号由于优秀的抗时变特性而具有很大的应用潜力。然而，OTFS易受分数时延和多普勒频移的影响，二者会产生弥散效应，造成通信数据和雷达导频的相互干扰；并且，在目标检测中，强目标的旁瓣可能会淹没弱目标，降低雷达检测概率和信道估计准确度。本文结合多载波滤波器组(FBMC)的低旁瓣特性，提出了一种FBMC-OTFS波形设计方法，并建立了包含分数时延和分数多普勒的信道模型。多载波滤波器组的原型滤波器可以有效降低OTFS波形的多普勒旁瓣，缓解多普勒弥散效应。在分数时延和多普勒频移联合信道模型上，结合恒虚警率(CFAR)算法实现对信道的估计，并通过最大比合并(MRC)算法优化信道估计结果。仿真结果表明，在强弱目标功率差为18.5 dB时，FBMC-OTFS波形仍可实现弱目标的有效检测，而传统OTFS波形无法检测；在信噪比为20 dB且检测到全部目标时，系统误码率显著低于传统OTFS波形。外场实验的结果进一步验证了FBMC-OTFS波形在实际ISAC场景中的可行性与优越性。
, 最新更新时间 , doi: 10.11999/JEIT260349
摘要:
通信辐射源调制参数的动态变化，给辐射源个体识别(SEI)性能带来严峻挑战。针对现有基于域适应的变调制SEI方法存在特征鲁棒性不足、过度依赖目标域数据重训练的问题，该文首次将域泛化方法引入该任务，提出一种调制信息引导的双分支训练框架(MIG-DTF)及测试阶段模型适应策略(TMA)。MIG-DTF采用个体识别主分支与调制分类辅助分支协同训练模式。主分支引入余弦聚合损失以强化指纹特征的区分度，辅助分支通过最大化交叉预测熵损失，引导主分支抑制指纹特征中的调制相关信息，从而实现对调制变化鲁棒的指纹特征提取。测试时采用TMA自适应策略单步微调批归一化层参数，以改善失配参数对特征造成的分布偏移，进一步提升识别准确率。基于真实数据集，在变调制样式、变载频、变符号速率3种典型场景下开展对比实验，结果表明，所提方法的识别率显著优于主流域泛化方法，较基线方法在3个场景中分别提升20.39%, 12.43%和14.51%。特征可视化分析与抗噪声实验进一步验证了该方法能够有效提取对调制变化鲁棒的指纹特征，以及良好的抗噪声鲁棒性。此外，得益于TMA单步微调的极低训练开销，及无需目标域训练样本特性，该方法更具实际部署前景。
通信辐射源调制参数的动态变化，给辐射源个体识别(SEI)性能带来严峻挑战。针对现有基于域适应的变调制SEI方法存在特征鲁棒性不足、过度依赖目标域数据重训练的问题，该文首次将域泛化方法引入该任务，提出一种调制信息引导的双分支训练框架(MIG-DTF)及测试阶段模型适应策略(TMA)。MIG-DTF采用个体识别主分支与调制分类辅助分支协同训练模式。主分支引入余弦聚合损失以强化指纹特征的区分度，辅助分支通过最大化交叉预测熵损失，引导主分支抑制指纹特征中的调制相关信息，从而实现对调制变化鲁棒的指纹特征提取。测试时采用TMA自适应策略单步微调批归一化层参数，以改善失配参数对特征造成的分布偏移，进一步提升识别准确率。基于真实数据集，在变调制样式、变载频、变符号速率3种典型场景下开展对比实验，结果表明，所提方法的识别率显著优于主流域泛化方法，较基线方法在3个场景中分别提升20.39%, 12.43%和14.51%。特征可视化分析与抗噪声实验进一步验证了该方法能够有效提取对调制变化鲁棒的指纹特征，以及良好的抗噪声鲁棒性。此外，得益于TMA单步微调的极低训练开销，及无需目标域训练样本特性，该方法更具实际部署前景。
, 最新更新时间 , doi: 10.11999/JEIT260760
摘要:
非正交多址接入(NOMA)与通信感知一体化(ISAC)融合能够有效提升频谱利用率和无线感知能力，夹持天线(PA)通过沿介质波导灵活调控辐射位置，为通感融合系统设计提供了新的实现途径。该文针对PA辅助的下行NOMA-ISAC系统展开研究，在通信服务质量(QoS)和感知性能约束下，通过联合优化功率分配与PA位置以最大化系统和速率。由于优化变量耦合且PA位置最小间距约束使可行域呈非连续分布，所建问题具有非凸性。为此，提出一种交替优化(AO)算法，将原问题分解为功率分配优化和夹持天线位置优化两个子问题，分别采用逐次凸逼近(SCA)和分段区间搜索方法求解。仿真结果表明，所提方法较基准方案能有效提升系统和速率，并在性能与计算复杂度之间取得较好折中。
非正交多址接入(NOMA)与通信感知一体化(ISAC)融合能够有效提升频谱利用率和无线感知能力，夹持天线(PA)通过沿介质波导灵活调控辐射位置，为通感融合系统设计提供了新的实现途径。该文针对PA辅助的下行NOMA-ISAC系统展开研究，在通信服务质量(QoS)和感知性能约束下，通过联合优化功率分配与PA位置以最大化系统和速率。由于优化变量耦合且PA位置最小间距约束使可行域呈非连续分布，所建问题具有非凸性。为此，提出一种交替优化(AO)算法，将原问题分解为功率分配优化和夹持天线位置优化两个子问题，分别采用逐次凸逼近(SCA)和分段区间搜索方法求解。仿真结果表明，所提方法较基准方案能有效提升系统和速率，并在性能与计算复杂度之间取得较好折中。
, 最新更新时间 , doi: 10.11999/JEIT260679
摘要:
我国新一代抗干扰卫星通信系统面临大带宽、快跳变、高稳定的抗干扰通信需求，传统通信系统受电子瓶颈限制，核心指标提升受限。该文提出一种基于声光移频的超宽带跳频信号生成方法，通过电光调制器级联生成两套自由谱范围不同的8线平坦光梳，利用声光调制器(AOM)对本振光梳移频并配合密集波分复用(DWDM)可实现超宽带跳频信号的产生。实验验证了0.2～15.8 GHz频段范围内，16个离散跳频信号的灵活跳变，生成的信号功率约为–35 dBm，每个通道的误差向量幅度(EVM)约为6.72%，仿真结果表明跳频信号生成速度可达到亚微秒量级，具有良好的动态响应特性。
我国新一代抗干扰卫星通信系统面临大带宽、快跳变、高稳定的抗干扰通信需求，传统通信系统受电子瓶颈限制，核心指标提升受限。该文提出一种基于声光移频的超宽带跳频信号生成方法，通过电光调制器级联生成两套自由谱范围不同的8线平坦光梳，利用声光调制器(AOM)对本振光梳移频并配合密集波分复用(DWDM)可实现超宽带跳频信号的产生。实验验证了0.2～15.8 GHz频段范围内，16个离散跳频信号的灵活跳变，生成的信号功率约为–35 dBm，每个通道的误差向量幅度(EVM)约为6.72%，仿真结果表明跳频信号生成速度可达到亚微秒量级，具有良好的动态响应特性。
, 最新更新时间 , doi: 10.11999/JEIT260610
摘要:
随着大模型推理在云端与边缘场景的规模化部署，FPGA凭借可重构计算、高资源效率与低推理时延等优势，已成为补充GPU的异构加速方案。然而，在FPGA上实现高效Softmax仍面临三重瓶颈：长序列分母累加引发舍入误差积累与数值漂移，固定并行度流水线在变长向量尾拍对齐时利用率显著下降，以及访存带宽与计算密度失衡制约系统吞吐。针对上述问题，该文提出QuadPipe Softmax加速器，以3项设计协同应对：(1)Q48.47格式96位扩展精度累加器抑制长序列分母误差传播；(2)基于负无穷填充的硬件级边界无关处理，消除变长向量的软件预补齐开销；(3)X-Y双维批处理命令调度与多级反压闭环，统一计算核心与AXI接口的吞吐节拍。在Xilinx Kintex-7 325T开发板上，QuadPipe以仅占器件总逻辑4.72%的LUT与8个DSP的轻量级资源占用，实现了59周期流水线深度、每周期4个结果的稳态吞吐与150 MHz下600 M elements/s的峰值吞吐。板级实测MAE维持在10–11～10–10量级，Q48.47扩展累加使长序列分母误差较标准FP32累加降低87.59%；硬件边界无关处理使非对齐向量有效吞吐较软件预补齐最高提升6.49%。该设计在统一流水线框架内协同应对了长序列数值稳定性、变长输入处理与系统吞吐匹配3项工程挑战，为FPGA平台上大模型推理的Softmax加速提供了一套高效的系统方案。
随着大模型推理在云端与边缘场景的规模化部署，FPGA凭借可重构计算、高资源效率与低推理时延等优势，已成为补充GPU的异构加速方案。然而，在FPGA上实现高效Softmax仍面临三重瓶颈：长序列分母累加引发舍入误差积累与数值漂移，固定并行度流水线在变长向量尾拍对齐时利用率显著下降，以及访存带宽与计算密度失衡制约系统吞吐。针对上述问题，该文提出QuadPipe Softmax加速器，以3项设计协同应对：(1)Q48.47格式96位扩展精度累加器抑制长序列分母误差传播；(2)基于负无穷填充的硬件级边界无关处理，消除变长向量的软件预补齐开销；(3)X-Y双维批处理命令调度与多级反压闭环，统一计算核心与AXI接口的吞吐节拍。在Xilinx Kintex-7 325T开发板上，QuadPipe以仅占器件总逻辑4.72%的LUT与8个DSP的轻量级资源占用，实现了59周期流水线深度、每周期4个结果的稳态吞吐与150 MHz下600 M elements/s的峰值吞吐。板级实测MAE维持在10–11～10–10量级，Q48.47扩展累加使长序列分母误差较标准FP32累加降低87.59%；硬件边界无关处理使非对齐向量有效吞吐较软件预补齐最高提升6.49%。该设计在统一流水线框架内协同应对了长序列数值稳定性、变长输入处理与系统吞吐匹配3项工程挑战，为FPGA平台上大模型推理的Softmax加速提供了一套高效的系统方案。
, 最新更新时间 , doi: 10.11999/JEIT260580
摘要:
在实际的多天线接收机中，天线方向图通常具有各向异性。当信号入射方向大幅偏离阵列法线或靠近方向图零陷区域时，阵列的接收功率将严重衰减，导致传统固定阵列难以满足低空通信网络极端入射场景下的感知需求，而该问题在学术界和工业界尚未得到充分的探索。针对单个低空无人机的波达方向估计问题，该文构建了一种基于可旋转阵列的接收系统框架，并设定各阵元具有相同方向增益特性。随后推导了对应的克拉美罗下界(CRLB)。最后，为实现高精度的方向感知，提出一种基于迭代旋转的求根多重信号分类(RR-Root-MUSIC)算法，并以推导的CRLB作为性能基准。在所考虑的理想仿真条件下，所提方法所需迭代次数较少，并具有较好的收敛稳定性；与固定阵列下的Root-MUSIC算法相比，所提方法的估计性能显著提升，且更逼近理想对准下的CRLB。进一步采用非理想Patch天线方向图的补充验证表明，阵列旋转改善大偏角观测条件并提高DOA估计性能的基本结论仍然成立。
在实际的多天线接收机中，天线方向图通常具有各向异性。当信号入射方向大幅偏离阵列法线或靠近方向图零陷区域时，阵列的接收功率将严重衰减，导致传统固定阵列难以满足低空通信网络极端入射场景下的感知需求，而该问题在学术界和工业界尚未得到充分的探索。针对单个低空无人机的波达方向估计问题，该文构建了一种基于可旋转阵列的接收系统框架，并设定各阵元具有相同方向增益特性。随后推导了对应的克拉美罗下界(CRLB)。最后，为实现高精度的方向感知，提出一种基于迭代旋转的求根多重信号分类(RR-Root-MUSIC)算法，并以推导的CRLB作为性能基准。在所考虑的理想仿真条件下，所提方法所需迭代次数较少，并具有较好的收敛稳定性；与固定阵列下的Root-MUSIC算法相比，所提方法的估计性能显著提升，且更逼近理想对准下的CRLB。进一步采用非理想Patch天线方向图的补充验证表明，阵列旋转改善大偏角观测条件并提高DOA估计性能的基本结论仍然成立。
, 最新更新时间 , doi: 10.11999/JEIT260591
摘要:
针对通感一体化感知信号处理中强静态杂波易掩盖“低慢小”目标，以及传统动目标显示(MTI)方法在低速场景下易损伤目标回波和微多普勒特征的问题，该文提出一种空-时联合杂波抑制方法。该方法利用杂波角度图(CLAM)构建空域投影算子，实现强静态杂波抑制；针对目标与杂波角度接近时空域抑制易将目标一并压制的问题， 进一步结合候选角度遍历与Taubin拟合，对慢时域残余直流偏置进行估计和消除。仿真结果表明，所提方法相比传统MTI方法，在低速目标场景下具有更低的角度估计误差，并能较好地保留目标微多普勒特征。
针对通感一体化感知信号处理中强静态杂波易掩盖“低慢小”目标，以及传统动目标显示(MTI)方法在低速场景下易损伤目标回波和微多普勒特征的问题，该文提出一种空-时联合杂波抑制方法。该方法利用杂波角度图(CLAM)构建空域投影算子，实现强静态杂波抑制；针对目标与杂波角度接近时空域抑制易将目标一并压制的问题， 进一步结合候选角度遍历与Taubin拟合，对慢时域残余直流偏置进行估计和消除。仿真结果表明，所提方法相比传统MTI方法，在低速目标场景下具有更低的角度估计误差，并能较好地保留目标微多普勒特征。
, 最新更新时间 , doi: 10.11999/JEIT260611
摘要:
量子计算的发展对传统公钥密码构成严重威胁，后量子密码(PQC)成为安全领域的研究热点。基于模格的密钥封装机制(ML-KEM)与基于模格的数字签名算法(ML-DSA)作为美国国家标准与技术研究院(NIST)选定的标准化算法，其核心的多项式乘法运算采用数论变换(NTT)实现，而NTT/INTT硬件加速器的效率直接影响系统实时性与功耗。为应对从资源受限到资源充裕等多样化应用场景对资源与性能的不同需求，以及在同一硬件平台上同时高效支持ML-KEM与ML-DSA的工程挑战，该文提出一种面向二者的可配置NTT/INTT硬件加速器设计方法。通过构建包含模乘单元实现策略(DSP密集型与LUT密集型)、存储器接口策略(双读单写与双读双写)及流水线策略的三维设计空间模型，量化各维度对资源、时序及综合指标的影响。基于FPGA平台，实例化多个代表性设计配置并完成综合验证。实验结果表明：LUT密集型Barrett模乘单元较DSP密集型方案节省60%以上DSP资源，且在大位宽场景下延迟更低；双读双写存储器接口使NTT计算吞吐率提升1倍；4级流水线使ML-KEM与ML-DSA模乘关键路径延迟分别从17.252 ns降至4.052 ns、从15.114 ns降至4.359 ns，面积-延迟积分别下降73%与71%。在整体NTT/INTT加速器层面，4级流水线相比3级流水线使ML-KEM与ML-DSA的功耗分别降低4.8%与12.9%。最终收敛至最优配置：LUT密集型模乘、双读双写接口、4级流水线，该配置下ML-KEM与ML-DSA的NTT加速器面积-时间积分别为1.782 kLUT·μs与3.073 kLUT·μs。
量子计算的发展对传统公钥密码构成严重威胁，后量子密码(PQC)成为安全领域的研究热点。基于模格的密钥封装机制(ML-KEM)与基于模格的数字签名算法(ML-DSA)作为美国国家标准与技术研究院(NIST)选定的标准化算法，其核心的多项式乘法运算采用数论变换(NTT)实现，而NTT/INTT硬件加速器的效率直接影响系统实时性与功耗。为应对从资源受限到资源充裕等多样化应用场景对资源与性能的不同需求，以及在同一硬件平台上同时高效支持ML-KEM与ML-DSA的工程挑战，该文提出一种面向二者的可配置NTT/INTT硬件加速器设计方法。通过构建包含模乘单元实现策略(DSP密集型与LUT密集型)、存储器接口策略(双读单写与双读双写)及流水线策略的三维设计空间模型，量化各维度对资源、时序及综合指标的影响。基于FPGA平台，实例化多个代表性设计配置并完成综合验证。实验结果表明：LUT密集型Barrett模乘单元较DSP密集型方案节省60%以上DSP资源，且在大位宽场景下延迟更低；双读双写存储器接口使NTT计算吞吐率提升1倍；4级流水线使ML-KEM与ML-DSA模乘关键路径延迟分别从17.252 ns降至4.052 ns、从15.114 ns降至4.359 ns，面积-延迟积分别下降73%与71%。在整体NTT/INTT加速器层面，4级流水线相比3级流水线使ML-KEM与ML-DSA的功耗分别降低4.8%与12.9%。最终收敛至最优配置：LUT密集型模乘、双读双写接口、4级流水线，该配置下ML-KEM与ML-DSA的NTT加速器面积-时间积分别为1.782 kLUT·μs与3.073 kLUT·μs。
, 最新更新时间 , doi: 10.11999/JEIT260621
摘要:
压缩稀疏行(CSR)格式广泛用于稀疏神经网络加速器的权重存储，其values, col_indices和row_ptr分别参与数值计算、激活寻址和行边界控制，单粒子翻转(SEU)引起的单比特错误因而可能产生不同的数值、地址和结构后果。为确定相应的字段保护范围，该文依据CSR执行过程和合法性约束建立故障分析方法，在翻转目标逻辑位后检查CSR合法性，并对可执行案例完成推理；根据分析结果，采用单错误纠正、双错误检测(SECDED)码比较不同保护范围与码字组织。LeNet-5/MNIST实验全量遍历227264 个逻辑存储位，values案例均可执行，col_indices字段内地址失效率和row_ptr字段内结构失效率分别为5.83%和61.20%；VGG16/CIFAR-10分层定额样本中亦观察到相应的字段故障后果。在每个码字至多发生1位错误的条件下，同时保护row_ptr和col_indices可消除结构失效与地址失效，元素级和64 bit存储字级附加存储开销分别为31.35%和6.35%；覆盖3个字段后，固定可执行案例集合的故障后推理准确率与无故障基线一致。模块级独立布局布线结果显示，64 bit流水译码核将最长内部数据路径由9.38 ns缩短至6.49 ns。以CSR结构完整性和访问地址合法性为首要目标时，可优先保护row_ptr和col_indices。
压缩稀疏行(CSR)格式广泛用于稀疏神经网络加速器的权重存储，其values, col_indices和row_ptr分别参与数值计算、激活寻址和行边界控制，单粒子翻转(SEU)引起的单比特错误因而可能产生不同的数值、地址和结构后果。为确定相应的字段保护范围，该文依据CSR执行过程和合法性约束建立故障分析方法，在翻转目标逻辑位后检查CSR合法性，并对可执行案例完成推理；根据分析结果，采用单错误纠正、双错误检测(SECDED)码比较不同保护范围与码字组织。LeNet-5/MNIST实验全量遍历
, 最新更新时间 , doi: 10.11999/JEIT260213
摘要:
针对自动调制分类在低信噪比环境下信号特征可分性下降、多径效应引发非线性失真，以及现有深度学习模型存在低信噪比鲁棒性不足与Transformer类模型复杂度过高的矛盾，该文提出一种结合自适应去噪与聚合注意力增强的门控循环网络调制识别方法。首先，设计基于卷积Kolmogorov-Arnold网络的自适应去噪单元，融合非线性函数逼近特性与卷积局部特征提取能力，自适应解耦信号与噪声的叠加关系，为特征提取提供高纯度输入。其次，构建聚合注意力机制，通过引入聚合矩阵降低传统注意力的计算复杂度，并设计交谈注意力模块与门控循环注意力单元，以强化跨头信息交互与长程时序依赖建模，抑制多径干扰对特征建模的影响。最后，提出正交双通道策略与多尺度特征融合架构，整合全局降噪特征与I/Q分量局部时频特征，提升对信号本质特征的判别能力。在公开数据集RadioML 2016.10a和RML22的实验结果表明，所提方法能够在模型参数量仅0.23 M，平均推理时间为9.1 ms的前提下，分别取得64.36%和71.52%的平均分类准确率。此外，超参数消融实验证实了自适应去噪单元、聚合注意力等核心组件在复杂移动通信环境中的鲁棒性和实用性，为资源受限场景下自动调制识别技术的部署提供了有效支撑。
针对自动调制分类在低信噪比环境下信号特征可分性下降、多径效应引发非线性失真，以及现有深度学习模型存在低信噪比鲁棒性不足与Transformer类模型复杂度过高的矛盾，该文提出一种结合自适应去噪与聚合注意力增强的门控循环网络调制识别方法。首先，设计基于卷积Kolmogorov-Arnold网络的自适应去噪单元，融合非线性函数逼近特性与卷积局部特征提取能力，自适应解耦信号与噪声的叠加关系，为特征提取提供高纯度输入。其次，构建聚合注意力机制，通过引入聚合矩阵降低传统注意力的计算复杂度，并设计交谈注意力模块与门控循环注意力单元，以强化跨头信息交互与长程时序依赖建模，抑制多径干扰对特征建模的影响。最后，提出正交双通道策略与多尺度特征融合架构，整合全局降噪特征与I/Q分量局部时频特征，提升对信号本质特征的判别能力。在公开数据集RadioML 2016.10a和RML22的实验结果表明，所提方法能够在模型参数量仅0.23 M，平均推理时间为9.1 ms的前提下，分别取得64.36%和71.52%的平均分类准确率。此外，超参数消融实验证实了自适应去噪单元、聚合注意力等核心组件在复杂移动通信环境中的鲁棒性和实用性，为资源受限场景下自动调制识别技术的部署提供了有效支撑。
, 最新更新时间 , doi: 10.11999/JEIT260555
摘要:
数字经济推动全球数据量指数级增长，对底层算力基础设施提出严苛挑战。算力网络通过算力与网络融合实现算力资源全局优化调度，但算力资源分布不均与任务到达不平衡性制约其性能。现有路由机制因缺乏计算和网络的全局视角和动态适应能力，导致任务失败率上升、系统负载不均衡。为此，该文提出基于深度强化学习的算力网络智能路由算法COMPASS。COMPASS通过学习任务、网络和计算复杂特征，融合网络拓扑、算力资源状态、任务特性的三维状态表征，采用目标算力节点与路由路径联合动作设计，并引入多目标加权奖励机制优化任务完成时间和失败率等关键指标。为验证方案有效性，该文开发了算力网络路由仿真平台并集成真实网络拓扑。实验表明，COMPASS较传统方法奖励值提升48%，负载均衡性能改善，在任务分布不均衡场景下将任务失败率从27.0%降至9.5%，展现强适应性。
数字经济推动全球数据量指数级增长，对底层算力基础设施提出严苛挑战。算力网络通过算力与网络融合实现算力资源全局优化调度，但算力资源分布不均与任务到达不平衡性制约其性能。现有路由机制因缺乏计算和网络的全局视角和动态适应能力，导致任务失败率上升、系统负载不均衡。为此，该文提出基于深度强化学习的算力网络智能路由算法COMPASS。COMPASS通过学习任务、网络和计算复杂特征，融合网络拓扑、算力资源状态、任务特性的三维状态表征，采用目标算力节点与路由路径联合动作设计，并引入多目标加权奖励机制优化任务完成时间和失败率等关键指标。为验证方案有效性，该文开发了算力网络路由仿真平台并集成真实网络拓扑。实验表明，COMPASS较传统方法奖励值提升48%，负载均衡性能改善，在任务分布不均衡场景下将任务失败率从27.0%降至9.5%，展现强适应性。
, 最新更新时间 , doi: 10.11999/JEIT260558
摘要:
针对医学图像在传输与存储过程中的安全防护需求，设计了一种DNA编码、块元胞自动机与忆阻超混沌协同的加密算法。该算法构建了“置乱-扩散-置乱-扩散”的安全架构：首先，利用五维忆阻超混沌系统及三组独立密钥产生序列；其次，采用全局置乱联合分块猫映射完成首次置乱；再次，通过DNA编码运算协同块元胞自动机实现首次扩散；最后，通过分块仿射变换与有限域扩散分别完成二次置乱及二次扩散。与采用全局元胞自动机演化的算法不同，该算法的分块机制使局部数据损坏仅局限于对应子块，显著提升抗噪声和裁剪能力；同时，基于五维忆超混沌系统与三组独立密钥的结构设计，有效扩大了密钥空间。仿真实验进一步证实了该算法的性能：其密钥空间大，密钥敏感性与抗差分攻击能力较强；面对噪声干扰与数据裁剪时，该算法亦表现出良好的鲁棒性与容错能力。因而该算法可为医学影像数据的机密性提供可靠保护。
针对医学图像在传输与存储过程中的安全防护需求，设计了一种DNA编码、块元胞自动机与忆阻超混沌协同的加密算法。该算法构建了“置乱-扩散-置乱-扩散”的安全架构：首先，利用五维忆阻超混沌系统及三组独立密钥产生序列；其次，采用全局置乱联合分块猫映射完成首次置乱；再次，通过DNA编码运算协同块元胞自动机实现首次扩散；最后，通过分块仿射变换与有限域扩散分别完成二次置乱及二次扩散。与采用全局元胞自动机演化的算法不同，该算法的分块机制使局部数据损坏仅局限于对应子块，显著提升抗噪声和裁剪能力；同时，基于五维忆超混沌系统与三组独立密钥的结构设计，有效扩大了密钥空间。仿真实验进一步证实了该算法的性能：其密钥空间大，密钥敏感性与抗差分攻击能力较强；面对噪声干扰与数据裁剪时，该算法亦表现出良好的鲁棒性与容错能力。因而该算法可为医学影像数据的机密性提供可靠保护。
, 最新更新时间 , doi: 10.11999/JEIT260109
摘要:
深度强化学习(DRL)融合深度学习的高维感知能力和强化学习的决策制定优势，在自动驾驶决策模型的开发中展现出显著潜力，然而作为安全攸关系统，自动驾驶决策模型在实际部署前需通过形式化验证以确保其安全性。为此，本文提出了一种基于反例引导抽象精化(CEGAR)的安全自动驾驶决策模型训练与验证方法，通过迭代优化和验证过程提升模型可靠性。首先，利用双深度Q网络(DDQN)算法训练决策模型，以学习高效的驾驶策略；随后，将基于深度强化学习的黑盒决策模型通过轨迹生成抽象为Kripke结构，并以预定义的安全属性为规约进行形式化验证。若验证失败，则通过反例引导抽象精化方法精化抽象域以消除虚假反例并重新验证；若检测到真实反例，则返回重新训练模型，迭代此过程直至所有属性通过验证，从而确保决策模型满足严格的安全性要求。为支持该方法的实施，本文基于CARLA仿真平台构建了符合OpenAI Gym接口的强化学习环境CarlaEnv，为模型的训练、验证和测试提供了多样化场景支持。相较于传统深度强化学习训练方法，该方法在保持决策性能的同时，通过形式化验证显著提升了模型可靠性，为安全攸关自动驾驶系统的开发提供了有效解决方案。
深度强化学习(DRL)融合深度学习的高维感知能力和强化学习的决策制定优势，在自动驾驶决策模型的开发中展现出显著潜力，然而作为安全攸关系统，自动驾驶决策模型在实际部署前需通过形式化验证以确保其安全性。为此，本文提出了一种基于反例引导抽象精化(CEGAR)的安全自动驾驶决策模型训练与验证方法，通过迭代优化和验证过程提升模型可靠性。首先，利用双深度Q网络(DDQN)算法训练决策模型，以学习高效的驾驶策略；随后，将基于深度强化学习的黑盒决策模型通过轨迹生成抽象为Kripke结构，并以预定义的安全属性为规约进行形式化验证。若验证失败，则通过反例引导抽象精化方法精化抽象域以消除虚假反例并重新验证；若检测到真实反例，则返回重新训练模型，迭代此过程直至所有属性通过验证，从而确保决策模型满足严格的安全性要求。为支持该方法的实施，本文基于CARLA仿真平台构建了符合OpenAI Gym接口的强化学习环境CarlaEnv，为模型的训练、验证和测试提供了多样化场景支持。相较于传统深度强化学习训练方法，该方法在保持决策性能的同时，通过形式化验证显著提升了模型可靠性，为安全攸关自动驾驶系统的开发提供了有效解决方案。
, 最新更新时间 , doi: 10.11999/JEIT260606
摘要:
车联网作为智能交通系统的重要组成部分，通过车车与车路信息交互提升交通运行效率，正逐步成为智慧城市建设的重要基础设施。车联网车辆通过周期性广播基本安全消息辅助协同感知与智能决策，但明文传输可能导致车辆身份和行驶轨迹泄露。针对现有匿名认证方案中计算与通信开销较高，以及长期密钥存储易受到物理提取和侧信道攻击等问题，该文提出一种面向车联网的物理不可克隆函数(PUF)驱动安全匿名认证协议。该协议利用集成电路制造过程中形成的随机工艺偏差构建设备相关硬件指纹，并基于PUF激励-响应机制生成会话密钥，结合激励信息构造和更新车辆伪名。该方案利用PUF固有的物理不可克隆特性增强认证安全性，并结合密码学机制实现无需片内存储长期敏感密钥的硬件辅助认证，从而降低物理提取和侧信道攻击导致的密钥泄漏风险。在Dolev–Yao攻击模型下，该文采用BAN逻辑、ProVerif形式化验证和非形式化方法对协议安全性进行分析。分析结果表明，所提方案能够抵御重放攻击、伪装攻击和中间人攻击，并满足匿名性、可追溯性以及协议层身份不可链接性等安全需求。性能分析结果表明，所提方案在保证多项安全功能的同时具有较低的计算与通信开销，适用于资源受限的车联网环境。
车联网作为智能交通系统的重要组成部分，通过车车与车路信息交互提升交通运行效率，正逐步成为智慧城市建设的重要基础设施。车联网车辆通过周期性广播基本安全消息辅助协同感知与智能决策，但明文传输可能导致车辆身份和行驶轨迹泄露。针对现有匿名认证方案中计算与通信开销较高，以及长期密钥存储易受到物理提取和侧信道攻击等问题，该文提出一种面向车联网的物理不可克隆函数(PUF)驱动安全匿名认证协议。该协议利用集成电路制造过程中形成的随机工艺偏差构建设备相关硬件指纹，并基于PUF激励-响应机制生成会话密钥，结合激励信息构造和更新车辆伪名。该方案利用PUF固有的物理不可克隆特性增强认证安全性，并结合密码学机制实现无需片内存储长期敏感密钥的硬件辅助认证，从而降低物理提取和侧信道攻击导致的密钥泄漏风险。在Dolev–Yao攻击模型下，该文采用BAN逻辑、ProVerif形式化验证和非形式化方法对协议安全性进行分析。分析结果表明，所提方案能够抵御重放攻击、伪装攻击和中间人攻击，并满足匿名性、可追溯性以及协议层身份不可链接性等安全需求。性能分析结果表明，所提方案在保证多项安全功能的同时具有较低的计算与通信开销，适用于资源受限的车联网环境。
, 最新更新时间 , doi: 10.11999/JEIT260338
摘要:
与网络加密技术不同，可见光通信(VLC)的物理层安全(PLS)作为一种新型安全传输技术备受关注。由于存在显著差异，传统射频无线通信的PLS技术并不能直接应用到VLC中。近年来，国内外学者对VLC的PLS技术进行了研究。遗憾的是，VLC的PLS技术所涉及的基础理论、关键技术以及未来挑战尚缺乏系统性的梳理。基于此，该文建立了VLC的PLS系统模型，构建了包括瞬时性能指标、统计性能指标和渐近性能指标的性能评估综合理论体系，进一步讨论了安全波束成形技术、人工辅助技术、物理区域防护技术、安全编码技术、安全分集技术等各种PLS性能提升关键技术，并结合当前研究的局限性对未来工作进行了展望。
与网络加密技术不同，可见光通信(VLC)的物理层安全(PLS)作为一种新型安全传输技术备受关注。由于存在显著差异，传统射频无线通信的PLS技术并不能直接应用到VLC中。近年来，国内外学者对VLC的PLS技术进行了研究。遗憾的是，VLC的PLS技术所涉及的基础理论、关键技术以及未来挑战尚缺乏系统性的梳理。基于此，该文建立了VLC的PLS系统模型，构建了包括瞬时性能指标、统计性能指标和渐近性能指标的性能评估综合理论体系，进一步讨论了安全波束成形技术、人工辅助技术、物理区域防护技术、安全编码技术、安全分集技术等各种PLS性能提升关键技术，并结合当前研究的局限性对未来工作进行了展望。
, 最新更新时间 , doi: 10.11999/JEIT260354
摘要:
阻变存储器中的SPI会引发不可预测的单元间相关性，显著提高信号检测的复杂度。传统检测方法通常依赖已知的信道噪声状态假设，在实际应用中泛化能力有限。为解决这一问题，该文提出了3种基于卷积神经网络(CNN)的数据检测方法，无须依赖先验信道信息即可有效建模并抑制干扰：其一，结合约束编码与多层CNN，通过约束编码判断潜路径干扰状态并进行数据恢复；其二，采用双CNN框架，首先利用轻量CNN进行SPI识别，再通过多层CNN实现精细化检测；其三，引入迁移学习机制，在保持检测精度的同时，将所需训练样本规模降低至传统方法的千分之一。仿真结果表明，所提方法在未知信道状态下均实现误码率性能的显著提升，误比特率相比现有算法至少降低一半，逼近性能极限。此外，迁移学习机制的引入将训练样本需求由\begin{document}$ {10}^{6} $\end{document} \begin{document}$ 1000 $\end{document}
阻变存储器中的SPI会引发不可预测的单元间相关性，显著提高信号检测的复杂度。传统检测方法通常依赖已知的信道噪声状态假设，在实际应用中泛化能力有限。为解决这一问题，该文提出了3种基于卷积神经网络(CNN)的数据检测方法，无须依赖先验信道信息即可有效建模并抑制干扰：其一，结合约束编码与多层CNN，通过约束编码判断潜路径干扰状态并进行数据恢复；其二，采用双CNN框架，首先利用轻量CNN进行SPI识别，再通过多层CNN实现精细化检测；其三，引入迁移学习机制，在保持检测精度的同时，将所需训练样本规模降低至传统方法的千分之一。仿真结果表明，所提方法在未知信道状态下均实现误码率性能的显著提升，误比特率相比现有算法至少降低一半，逼近性能极限。此外，迁移学习机制的引入将训练样本需求由
, 最新更新时间 , doi: 10.11999/JEIT260676
摘要:
低轨通信卫星(LEO-COS)凭借全球覆盖与高频次重访特性，为合成孔径雷达(SAR)成像提供了丰富的可持续照射机会，在广域动态遥感领域具有巨大的应用潜力。然而，将LEO-COS的通信信号作为SAR成像的机会照射源，存在成像信噪比低和有效带宽受限等问题。因此，该文提出将LEO-COS与无人机集群深度融合的“星座-机群”SAR协同成像新体制，并针对该体制下的无人机集群SAR构型优化，提出一种基于关联结构体编码的非支配排序遗传算法(AS-NSGA-II)。首先，针对“星座-机群”体制下无人机集群SAR波数谱几何分布受机群空间构型约束的特性，分析了成像性能与空间构型之间的内在联系，并将空间构型设计问题建模为多目标优化问题。其次，设计了一种结合Cubic混沌映射初始化种群与关联结构体编码的自适应动态调整机制，该机制在提高初始种群多样性的同时，有效保持了变量间的协同约束关系，并显著提升了无人机集群SAR构型的全局优化性能。仿真实验验证了该文所提算法的有效性。
低轨通信卫星(LEO-COS)凭借全球覆盖与高频次重访特性，为合成孔径雷达(SAR)成像提供了丰富的可持续照射机会，在广域动态遥感领域具有巨大的应用潜力。然而，将LEO-COS的通信信号作为SAR成像的机会照射源，存在成像信噪比低和有效带宽受限等问题。因此，该文提出将LEO-COS与无人机集群深度融合的“星座-机群”SAR协同成像新体制，并针对该体制下的无人机集群SAR构型优化，提出一种基于关联结构体编码的非支配排序遗传算法(AS-NSGA-II)。首先，针对“星座-机群”体制下无人机集群SAR波数谱几何分布受机群空间构型约束的特性，分析了成像性能与空间构型之间的内在联系，并将空间构型设计问题建模为多目标优化问题。其次，设计了一种结合Cubic混沌映射初始化种群与关联结构体编码的自适应动态调整机制，该机制在提高初始种群多样性的同时，有效保持了变量间的协同约束关系，并显著提升了无人机集群SAR构型的全局优化性能。仿真实验验证了该文所提算法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT260819
摘要:
面向地面网络覆盖薄弱和全球导航卫星系统受限环境中智能终端的差异化通信定位需求，该文研究了无地面基站场景下无人机网络通信定位一体化服务的资源分配与节点部署问题。具体而言，如何通过无人机网络的资源分配与节点部署，最大程度满足终端的差异化通信定位服务需求。由于网络中物理资源被通信与定位服务共享且节点部署位置同时影响数据传输与协同定位，导致上述问题高度耦合且具有海量状态空间，较难求解。该文综合考虑终端在传输数据量、最低通信速率、定位精度门限等方面的差异以及终端服务优先级的不同，构建依赖无人机拓扑的网络服务价值模型。针对资源分配与节点部署耦合形成的混合非凸问题，提出一种网络服务价值驱动的迭代优化算法：在每轮迭代中，首先针对当前节点部署构造服务级连续资源代理，以分段一维搜索和价格二分交替优化时频资源，并将连续解恢复为原问题的可行解；随后依据资源响应生成结构化部署候选，经代理排序与束搜索筛选后，对保留的候选部署在新的服务关系下执行资源响应，以网络服务价值作为新部署及其对应资源分配结果的验收依据，直至无候选部署能够带来超过阈值的改进从而结束迭代。仿真结果表明，所提方法能够有效提高无人机网络的服务价值，并在双功能服务之间实现面向终端需求的资源权衡。
面向地面网络覆盖薄弱和全球导航卫星系统受限环境中智能终端的差异化通信定位需求，该文研究了无地面基站场景下无人机网络通信定位一体化服务的资源分配与节点部署问题。具体而言，如何通过无人机网络的资源分配与节点部署，最大程度满足终端的差异化通信定位服务需求。由于网络中物理资源被通信与定位服务共享且节点部署位置同时影响数据传输与协同定位，导致上述问题高度耦合且具有海量状态空间，较难求解。该文综合考虑终端在传输数据量、最低通信速率、定位精度门限等方面的差异以及终端服务优先级的不同，构建依赖无人机拓扑的网络服务价值模型。针对资源分配与节点部署耦合形成的混合非凸问题，提出一种网络服务价值驱动的迭代优化算法：在每轮迭代中，首先针对当前节点部署构造服务级连续资源代理，以分段一维搜索和价格二分交替优化时频资源，并将连续解恢复为原问题的可行解；随后依据资源响应生成结构化部署候选，经代理排序与束搜索筛选后，对保留的候选部署在新的服务关系下执行资源响应，以网络服务价值作为新部署及其对应资源分配结果的验收依据，直至无候选部署能够带来超过阈值的改进从而结束迭代。仿真结果表明，所提方法能够有效提高无人机网络的服务价值，并在双功能服务之间实现面向终端需求的资源权衡。
, 最新更新时间 , doi: 10.11999/JEIT260525
摘要:
针对极低带宽条件下传统信源编码在低码率场景中易出现“数字悬崖”效应，且现有语义通信方法难以同时兼顾结构保真、色彩一致性与低时延的问题，该文提出一种面向低带宽网络的结构保真语义传输方法。该方法构建语义-结构-外观多模态解耦表示框架，通过引入对象感知的语义引导编码机制，实现关键区域驱动的自适应码率分配；同时设计确定性双流生成重建模型，以结构约束与语义调制协同引导图像重建，从而降低推理复杂度与时延。实验在Set14, DIV2K数据集及基于通用软件无线电平台(USRP)的LoRa实际物理链路环境下开展，结果表明，在约0.3 bpp的极低码率条件下，该方法可实现低于60 ms的端到端推理时延，并在主体结构一致性与视觉自然度方面优于传统编码方法。研究结果表明，所提方法在受限带宽条件下能够有效提升传输效率与重建质量，适用于高可靠低时延的边缘视觉通信场景。
针对极低带宽条件下传统信源编码在低码率场景中易出现“数字悬崖”效应，且现有语义通信方法难以同时兼顾结构保真、色彩一致性与低时延的问题，该文提出一种面向低带宽网络的结构保真语义传输方法。该方法构建语义-结构-外观多模态解耦表示框架，通过引入对象感知的语义引导编码机制，实现关键区域驱动的自适应码率分配；同时设计确定性双流生成重建模型，以结构约束与语义调制协同引导图像重建，从而降低推理复杂度与时延。实验在Set14, DIV2K数据集及基于通用软件无线电平台(USRP)的LoRa实际物理链路环境下开展，结果表明，在约0.3 bpp的极低码率条件下，该方法可实现低于60 ms的端到端推理时延，并在主体结构一致性与视觉自然度方面优于传统编码方法。研究结果表明，所提方法在受限带宽条件下能够有效提升传输效率与重建质量，适用于高可靠低时延的边缘视觉通信场景。
, 最新更新时间 , doi: 10.11999/JEIT260500
摘要:
针对广域海面非合作机动舰船位置不确定性随未观测时间持续扩散，以及星群多功能载荷在搜索-跟踪模式、姿态机动和能量消耗方面存在强耦合约束的问题，该文提出一种基于动态信息增益的协同搜索与跟踪方法。首先，依据目标上一确认状态、航速/航向扰动和未观测时长生成参数化概率网格，以离散信息熵表征目标位置不确定性，并结合连续命中状态构建状态驱动的双模收益模型：稳健跟踪态采用窄视场模式，以任务视场内的先验捕获概率评价观测收益；丢失搜索态采用宽视场模式，以Kullback-Leibler(KL)散度的信息论定义为基础，利用2元Hit/Miss事件熵近似评价候选区域的搜索信息价值。其次，建立同时考虑目标动态优先级、跟踪收益、搜索收益和能量消耗的滚动多目标规划模型，并将单星时域互斥、姿态切换稳定时间及能量预算作为物理硬约束。在此基础上，提出基于非支配排序遗传算法(NSGA-II)的多目标协同演化规划算法(CEP-MO)，通过全局整数索引编码、约束感知启发式初始化、卫星分组交叉、自适应修复和理想点决策，提高强约束大规模任务空间中的可行解生成与协同规划效率。仿真实验表明，在200艘机动目标的大规模场景下，相较于标准NSGA-II，所提CEP-MO算法保障了规划方案在星群能源与姿态等物理硬约束下的可行性，降低了目标位置不确定性对系统调度效能的影响，将平均重访间隔缩短了62.8%，提高不确定性目标的再捕获与持续监视能力。
针对广域海面非合作机动舰船位置不确定性随未观测时间持续扩散，以及星群多功能载荷在搜索-跟踪模式、姿态机动和能量消耗方面存在强耦合约束的问题，该文提出一种基于动态信息增益的协同搜索与跟踪方法。首先，依据目标上一确认状态、航速/航向扰动和未观测时长生成参数化概率网格，以离散信息熵表征目标位置不确定性，并结合连续命中状态构建状态驱动的双模收益模型：稳健跟踪态采用窄视场模式，以任务视场内的先验捕获概率评价观测收益；丢失搜索态采用宽视场模式，以Kullback-Leibler(KL)散度的信息论定义为基础，利用2元Hit/Miss事件熵近似评价候选区域的搜索信息价值。其次，建立同时考虑目标动态优先级、跟踪收益、搜索收益和能量消耗的滚动多目标规划模型，并将单星时域互斥、姿态切换稳定时间及能量预算作为物理硬约束。在此基础上，提出基于非支配排序遗传算法(NSGA-II)的多目标协同演化规划算法(CEP-MO)，通过全局整数索引编码、约束感知启发式初始化、卫星分组交叉、自适应修复和理想点决策，提高强约束大规模任务空间中的可行解生成与协同规划效率。仿真实验表明，在200艘机动目标的大规模场景下，相较于标准NSGA-II，所提CEP-MO算法保障了规划方案在星群能源与姿态等物理硬约束下的可行性，降低了目标位置不确定性对系统调度效能的影响，将平均重访间隔缩短了62.8%，提高不确定性目标的再捕获与持续监视能力。
, 最新更新时间 , doi: 10.11999/JEIT260630
摘要:
近年来，边缘设备对时序信息实时处理的需求持续增长。门控循环神经网络具有较强的序列建模能力，已广泛应用于相关任务，但其复杂的递归连接、较高的存储开销以及时间步内的串行计算依赖，制约了其在资源受限边缘系统中的高效部署。为此，本文提出了逐通道单门循环单元 P-SGRU，以逐通道递归调制替代传统全连接隐状态到隐状态(hidden-to-hidden，H2H)变换，将递归参数复杂度由二次形式降低为线性形式，从结构上压缩递归路径规模。实验结果表明，在相同网络维度下，相较于 LSTM 和 GRU，P-SGRU的H2H 递归参数量分别减少约 98.44% 和 97.92%。P-SGRU进一步通过解除保持系数分支与候选隐状态分支之间的串行依赖，提高了时间步内计算并行性。基于 40 nm 工艺的电路评估结果显示，其单时间步更新关键路径延时较GRU降低约66.1%，降低了边缘时序推理中的时间步内延时开销。为进一步提升P-SGRU在边缘硬件中的实现效率，本文设计了基于忆阻器的存内计算电路，以协同降低边缘时序推理中的存储、功耗和延时开销。部署后的 P-SGRU 电路在 Row-wise MNIST、IMDB和UCI HAR任务上的分类准确率分别达到 95.03%、86.76%和89.46%，相较于软件模型的最大准确率损失仅为0.02%。进一步的非理想性实验表明，在静态电导偏差和动态读噪声共同作用下，三项分类任务的准确率最大下降0.133%，所设计电路在测试范围内保持了较稳定的分类推理性能。
近年来，边缘设备对时序信息实时处理的需求持续增长。门控循环神经网络具有较强的序列建模能力，已广泛应用于相关任务，但其复杂的递归连接、较高的存储开销以及时间步内的串行计算依赖，制约了其在资源受限边缘系统中的高效部署。为此，本文提出了逐通道单门循环单元 P-SGRU，以逐通道递归调制替代传统全连接隐状态到隐状态(hidden-to-hidden，H2H)变换，将递归参数复杂度由二次形式降低为线性形式，从结构上压缩递归路径规模。实验结果表明，在相同网络维度下，相较于 LSTM 和 GRU，P-SGRU的H2H 递归参数量分别减少约 98.44% 和 97.92%。P-SGRU进一步通过解除保持系数分支与候选隐状态分支之间的串行依赖，提高了时间步内计算并行性。基于 40 nm 工艺的电路评估结果显示，其单时间步更新关键路径延时较GRU降低约66.1%，降低了边缘时序推理中的时间步内延时开销。为进一步提升P-SGRU在边缘硬件中的实现效率，本文设计了基于忆阻器的存内计算电路，以协同降低边缘时序推理中的存储、功耗和延时开销。部署后的 P-SGRU 电路在 Row-wise MNIST、IMDB和UCI HAR任务上的分类准确率分别达到 95.03%、86.76%和89.46%，相较于软件模型的最大准确率损失仅为0.02%。进一步的非理想性实验表明，在静态电导偏差和动态读噪声共同作用下，三项分类任务的准确率最大下降0.133%，所设计电路在测试范围内保持了较稳定的分类推理性能。
, 最新更新时间 , doi: 10.11999/JEIT260661
摘要:
针对可见光—红外行人重识别中跨模态光谱差异大、空间特征错位及现有方法过度依赖空间域建模的问题，该文提出频域解耦状态空间模型FD-Mamba。现有视觉Mamba方法主要面向通用单模态任务，缺少对跨模态行人结构与模态差异的针对性建模；现有频域方法多侧重频率响应建模，难以显式区分模态特异性噪声与共享结构信息。为此，FD-Mamba以双流ResNet-50为骨干，从空间域与频域协同增强跨模态表征。针对遮挡、姿态变化及局部特征错位导致的全局关系建模不足，设计混合空间Mamba注意力(HSMA)模块，通过多尺度卷积结合二维选择性扫描，以线性复杂度建立远距离身体区域依赖。针对高频模态噪声与低频共享结构相互纠缠的问题，构建跨尺度频域Mamba增强(CSFME)模块，利用多尺度离散余弦变换进行频率分解，并通过可学习频带门控与频率状态空间交互抑制高频模态干扰、增强低频共享结构。在SYSU-MM01、RegDB和LLCM数据集上的实验表明，FD-Mamba取得具有竞争力的性能，其中SYSU-MM01全搜索模式下Rank-1和mAP达到79.71%和77.52%。频谱统计、分频带识别、消融、运行效率及可视化分析进一步验证了频域解耦假设及HSMA与CSFME的有效性。
针对可见光—红外行人重识别中跨模态光谱差异大、空间特征错位及现有方法过度依赖空间域建模的问题，该文提出频域解耦状态空间模型FD-Mamba。现有视觉Mamba方法主要面向通用单模态任务，缺少对跨模态行人结构与模态差异的针对性建模；现有频域方法多侧重频率响应建模，难以显式区分模态特异性噪声与共享结构信息。为此，FD-Mamba以双流ResNet-50为骨干，从空间域与频域协同增强跨模态表征。针对遮挡、姿态变化及局部特征错位导致的全局关系建模不足，设计混合空间Mamba注意力(HSMA)模块，通过多尺度卷积结合二维选择性扫描，以线性复杂度建立远距离身体区域依赖。针对高频模态噪声与低频共享结构相互纠缠的问题，构建跨尺度频域Mamba增强(CSFME)模块，利用多尺度离散余弦变换进行频率分解，并通过可学习频带门控与频率状态空间交互抑制高频模态干扰、增强低频共享结构。在SYSU-MM01、RegDB和LLCM数据集上的实验表明，FD-Mamba取得具有竞争力的性能，其中SYSU-MM01全搜索模式下Rank-1和mAP达到79.71%和77.52%。频谱统计、分频带识别、消融、运行效率及可视化分析进一步验证了频域解耦假设及HSMA与CSFME的有效性。
, 最新更新时间 , doi: 10.11999/JEIT260266
摘要:
针对动态环境下视觉同步定位与地图构建(SLAM)易受运动物体干扰，且现有深度学习方法难以在定位精度与实时性之间取得平衡的问题，本文提出一种轻量化实时动态SLAM系统。首先，提出深度感知掩码算法，利用彩色-深度(RGB-D)深度一致性约束与形态学操作细化前景区域，在一定程度上缓解了基于包围框的目标检测带来的过度掩膜及背景特征误剔除问题。其次，设计轻量化检测网络，引入部分卷积(PConv)与倒残差移动模块重构检测主干，显著降低计算冗余；同时，采用渐进式知识蒸馏策略将教师网络的高维语义特征迁移至学生模型，以补偿模型轻量化带来的精度损失。在TUM与Bonn数据集上的实验表明，本文方法在TUM RGB-D的walking_xyz高动态序列上，绝对轨迹误差(ATE)较ORB-SLAM3降低约95.1%；在输入分辨率为640×640时，模型计算量以109次浮点运算(GFLOPs)计，由7.1降低至5.6，完整SLAM系统在TUM RGB-D和Bonn RGB-D数据集上的平均运行速度分别为24.71 帧/s和27.11 帧/s。该方法在定位鲁棒性与计算效率之间取得了较好的平衡，在中等算力图形处理器(GPU)平台上具备实时动态状态估计能力。
针对动态环境下视觉同步定位与地图构建(SLAM)易受运动物体干扰，且现有深度学习方法难以在定位精度与实时性之间取得平衡的问题，本文提出一种轻量化实时动态SLAM系统。首先，提出深度感知掩码算法，利用彩色-深度(RGB-D)深度一致性约束与形态学操作细化前景区域，在一定程度上缓解了基于包围框的目标检测带来的过度掩膜及背景特征误剔除问题。其次，设计轻量化检测网络，引入部分卷积(PConv)与倒残差移动模块重构检测主干，显著降低计算冗余；同时，采用渐进式知识蒸馏策略将教师网络的高维语义特征迁移至学生模型，以补偿模型轻量化带来的精度损失。在TUM与Bonn数据集上的实验表明，本文方法在TUM RGB-D的walking_xyz高动态序列上，绝对轨迹误差(ATE)较ORB-SLAM3降低约95.1%；在输入分辨率为640×640时，模型计算量以109次浮点运算(GFLOPs)计，由7.1降低至5.6，完整SLAM系统在TUM RGB-D和Bonn RGB-D数据集上的平均运行速度分别为24.71 帧/s和27.11 帧/s。该方法在定位鲁棒性与计算效率之间取得了较好的平衡，在中等算力图形处理器(GPU)平台上具备实时动态状态估计能力。
, 最新更新时间 , doi: 10.11999/JEIT260496
摘要:
为探究毫米波频段在室内复杂环境下的信道传播特性，丰富该频段下大规模MIMO信道实测数据库，该文在典型室内视距与非视距混合场景下开展了中心频率为32 GHz、带宽为16 GHz的超大带宽信道测量与特性分析。实验通过构建16×16虚拟接收阵列，结合矢量网络分析仪扫频测量，得到了多组视距与非视距的信道频率响应，获得了路径损耗、时延功率谱、均方根时延扩展及延迟-波数函数谱，并进一步对比评估了不同测量带宽下多径辅助定位的精度表现。结果表明，在时域特性上，视距信道能量集中于首达径与一次镜面多径分量，而非视距信道转变为由密集多径分量主导，呈现显著的能量长拖尾与较大的时延扩展；在空域特性上，延迟-波数谱验证了阵列的高角度分辨率。针对室内定位应用，16 GHz超大带宽的高时延分辨率能有效解耦密集的相邻多径，显著提升了目标多径参数提取的准确性，其单点定位精度显著优于较小带宽。该工作揭示了复杂室内环境的毫米波传播与多径演化规律，为未来室内通信系统的底层传输设计与高精度定位应用提供了关键的实测支撑。
为探究毫米波频段在室内复杂环境下的信道传播特性，丰富该频段下大规模MIMO信道实测数据库，该文在典型室内视距与非视距混合场景下开展了中心频率为32 GHz、带宽为16 GHz的超大带宽信道测量与特性分析。实验通过构建16×16虚拟接收阵列，结合矢量网络分析仪扫频测量，得到了多组视距与非视距的信道频率响应，获得了路径损耗、时延功率谱、均方根时延扩展及延迟-波数函数谱，并进一步对比评估了不同测量带宽下多径辅助定位的精度表现。结果表明，在时域特性上，视距信道能量集中于首达径与一次镜面多径分量，而非视距信道转变为由密集多径分量主导，呈现显著的能量长拖尾与较大的时延扩展；在空域特性上，延迟-波数谱验证了阵列的高角度分辨率。针对室内定位应用，16 GHz超大带宽的高时延分辨率能有效解耦密集的相邻多径，显著提升了目标多径参数提取的准确性，其单点定位精度显著优于较小带宽。该工作揭示了复杂室内环境的毫米波传播与多径演化规律，为未来室内通信系统的底层传输设计与高精度定位应用提供了关键的实测支撑。
, 最新更新时间 , doi: 10.11999/JEIT260534
摘要:
针对大语言模型在长文本强约束匹配任务中易出现条件遗漏和数值推理错误的问题，本文提出一种结合约束因子的多智能体协同匹配方法(FMAM)。该方法将约束条件和事实证据分别结构化为约束因子与事实因子，并以二者作为多阶段智能体之间的结构化信息传输载体。在本文构建的含5万个配对的政企匹配评测集上，FMAM的F1值达到90.17%，MCC为0.8942 ，优于零样本LLM和少样本思维链等基线方法。消融实验结果显示，采用约束因子表示的方法在精确率、召回率和F1值上均优于自然语言中间表示方法。实验验证了在长文本匹配与复杂逻辑约束场景下，基于约束因子的结构化协同方式优于基于自然语言交互的多智能体模式，为强约束匹配任务中多智能体中间表示的选择提供了实证依据。
针对大语言模型在长文本强约束匹配任务中易出现条件遗漏和数值推理错误的问题，本文提出一种结合约束因子的多智能体协同匹配方法(FMAM)。该方法将约束条件和事实证据分别结构化为约束因子与事实因子，并以二者作为多阶段智能体之间的结构化信息传输载体。在本文构建的含5万个配对的政企匹配评测集上，FMAM的F1值达到90.17%，MCC为
, 最新更新时间 , doi: 10.11999/JEIT260368
摘要:
针对低轨(LEO)卫星星座高动态拓扑导致的计算开销暴增问题，现有方法主要基于国际电信联盟(ITU)标准的全量物理迭代方法。然而，在轨LEO卫星数量的急剧增加导致干扰预测与检测的计算复杂度阶跃式上升。全量物理迭代仿真下，单个地面站完成单周期干扰评估需超过30个小时。为此，该文提出一种空间特征映射与时序Transformer协同驱动的低轨星座干扰预测与检测算法。首先，建立多星座共存场景下的干扰物理模型，解析出干扰函数的置换不变性、空间稀疏性和时间连续性。调整构建结合可变注意力机制的空间特征映射模块，通过自适应聚焦和对称聚合实现无序变长结构的高效降维压缩。最后，依托时序Transformer精准捕获干扰轨迹的全局演化规律，通过预测未来干扰噪声比(I/N)的时序轨迹，实现干扰事件的敏捷检测。模拟LEO卫星星座场景并以ITU标准为基准进行仿真验证。结果表明：在干扰预测方面，该文算法在20 s长程预测下的均方根误差为0.45 dB；在干扰检测方面，模型能精准刻画物理边界并维持较高的干扰召回率。单次推理耗时稳定在14.2 ms，仅为物理迭代的4.1%。与基线相比，该算法在多尺度预测步长和动态开销下具有更强自适应性。
针对低轨(LEO)卫星星座高动态拓扑导致的计算开销暴增问题，现有方法主要基于国际电信联盟(ITU)标准的全量物理迭代方法。然而，在轨LEO卫星数量的急剧增加导致干扰预测与检测的计算复杂度阶跃式上升。全量物理迭代仿真下，单个地面站完成单周期干扰评估需超过30个小时。为此，该文提出一种空间特征映射与时序Transformer协同驱动的低轨星座干扰预测与检测算法。首先，建立多星座共存场景下的干扰物理模型，解析出干扰函数的置换不变性、空间稀疏性和时间连续性。调整构建结合可变注意力机制的空间特征映射模块，通过自适应聚焦和对称聚合实现无序变长结构的高效降维压缩。最后，依托时序Transformer精准捕获干扰轨迹的全局演化规律，通过预测未来干扰噪声比(I/N)的时序轨迹，实现干扰事件的敏捷检测。模拟LEO卫星星座场景并以ITU标准为基准进行仿真验证。结果表明：在干扰预测方面，该文算法在20 s长程预测下的均方根误差为0.45 dB；在干扰检测方面，模型能精准刻画物理边界并维持较高的干扰召回率。单次推理耗时稳定在14.2 ms，仅为物理迭代的4.1%。与基线相比，该算法在多尺度预测步长和动态开销下具有更强自适应性。
, 最新更新时间 , doi: 10.11999/JEIT260009
摘要:
为解决传统音频分离方法在动态遮挡、同音异义干扰等复杂场景下存在的模态互补信息挖掘不足、场景适配性差等问题，本文提出一种改进多头注意力与门控注意力机制驱动的三模态语音分离方法。该方法首先构建音频/视频/文本三模态特征提取模块，语音特征由CNN提取，视频特征基于ResNet34优化唇部运动捕捉，文本特征通过BERT模型获取语义信息，随后设计门控增强跨模态注意力层，基于接收模态自身特征动态生成门控向量，筛选模态间关键互补信息，避免简单特征拼接的冗余问题，最后结合改进多头注意力机制完成三模态深度融合与语音分离。基于GRID数据集，以感知语音质量(PESQ)、短时客观可懂度(STOI)、信号失真比(SDR)为指标验证性能：相较于三模态简单融合模型，本文方法的 SDR、PESQ、STOI至少提升4.5 dB、0.47、0.081；最终模型的SDR达7.82 dB、PESQ达2.08、STOI达0.870。研究表明，该方法能有效适配复杂场景下的动态特征需求，为音频分离任务提供更优的多模态融合解决方案。
为解决传统音频分离方法在动态遮挡、同音异义干扰等复杂场景下存在的模态互补信息挖掘不足、场景适配性差等问题，本文提出一种改进多头注意力与门控注意力机制驱动的三模态语音分离方法。该方法首先构建音频/视频/文本三模态特征提取模块，语音特征由CNN提取，视频特征基于ResNet34优化唇部运动捕捉，文本特征通过BERT模型获取语义信息，随后设计门控增强跨模态注意力层，基于接收模态自身特征动态生成门控向量，筛选模态间关键互补信息，避免简单特征拼接的冗余问题，最后结合改进多头注意力机制完成三模态深度融合与语音分离。基于GRID数据集，以感知语音质量(PESQ)、短时客观可懂度(STOI)、信号失真比(SDR)为指标验证性能：相较于三模态简单融合模型，本文方法的 SDR、PESQ、STOI至少提升4.5 dB、0.47、0.081；最终模型的SDR达7.82 dB、PESQ达2.08、STOI达0.870。研究表明，该方法能有效适配复杂场景下的动态特征需求，为音频分离任务提供更优的多模态融合解决方案。
, 最新更新时间 , doi: 10.11999/JEIT260777
摘要:
高效生成具备强密码学特性的S盒始终是分组密码设计的核心挑战。本文提出一种基于梯度惩罚Wasserstein生成对抗网络(WGAN-GP)的大规模S盒高效智能生成算法，设计了融合不可微密码学属性的多目标优化策略，构建了高效的性能评估机制。首先通过对AES S盒施加随机仿射变换，生成具备优异密码学特性的大规模数据集，经归一化后输入判别器；生成器以随机噪声为输入，经神经网络输出伪造S盒送入判别器，由判别器计算两类样本的Wasserstein距离；将生成器输出经后处理得到合法S盒，通过GPU加速的性能评估模块快速计算非线性度(NL)与差分均匀度(DU)并转化为密码学损失。模型通过最大化生成样本在判别器的得分，最小化Wasserstein距离，驱动生成具备更优密码学性能的S盒。训练完成后加载最优生成器模型生成海量S盒候选，按预设阈值(NL>100，DU≤10)筛选，最终对前1000 个候选样本执行CPU精确计算。实验表明：该算法仅需382分钟即可生成1000 万个S盒，单盒平均生成耗时0.0023 秒；若不采用估计策略，同等规模生成需6520 分钟，效率提升94.2%。筛选后的前1000 个S盒平均NL达104.88，最高值107.5，全部超过100；平均DU为9.50，最低值为8，性能达到或超过现有动态S盒生成算法水平。此外，该算法有效缓解了现有GAN生成离散S盒时存在的训练不稳定、模式崩溃、不可微密码属性难以融入优化目标等问题。
高效生成具备强密码学特性的S盒始终是分组密码设计的核心挑战。本文提出一种基于梯度惩罚Wasserstein生成对抗网络(WGAN-GP)的大规模S盒高效智能生成算法，设计了融合不可微密码学属性的多目标优化策略，构建了高效的性能评估机制。首先通过对AES S盒施加随机仿射变换，生成具备优异密码学特性的大规模数据集，经归一化后输入判别器；生成器以随机噪声为输入，经神经网络输出伪造S盒送入判别器，由判别器计算两类样本的Wasserstein距离；将生成器输出经后处理得到合法S盒，通过GPU加速的性能评估模块快速计算非线性度(NL)与差分均匀度(DU)并转化为密码学损失。模型通过最大化生成样本在判别器的得分，最小化Wasserstein距离，驱动生成具备更优密码学性能的S盒。训练完成后加载最优生成器模型生成海量S盒候选，按预设阈值(NL>100，DU≤10)筛选，最终对前
, 最新更新时间 , doi: 10.11999/JEIT260859
摘要:
尽管半监督医学图像分割减少了对专家标注的依赖，但由于初始有标签样本稀缺，模型生成的伪标签常包含边界错误和拓扑畸变。这些错误在迭代训练中极易引发确认偏差，导致误差持续放大。为了解决该问题，提出一种基于原型不确定性驱动潜在扩散的半监督医学图像分割方法(Prototype Uncertainty-driven latent Diffusion, PU-Diff)。该方法包含两个优势：首先，利用高置信度预测样本构建类别原型，通过计算无标签像素与各类别原型的特征距离来量化分类不确定性，并生成不确定性引导图，从而精准定位伪标签中的潜在错误区域，为后续结构纠错提供指导；其次，将不确定性引导图与原始图像联合输入潜在扩散模型，在去噪过程中重点修复低置信度区域的边界与拓扑错误，从而增强模型对缺陷解剖结构的主动纠错能力，为参数优化提供更可靠的监督信号。实验表明，在ACDC、MS-CMRSeg、MSD Prostate和Kvasir-SEG四个数据集上，PU-Diff的分割性能均优于多种先进的半监督医学图像分割方法。
尽管半监督医学图像分割减少了对专家标注的依赖，但由于初始有标签样本稀缺，模型生成的伪标签常包含边界错误和拓扑畸变。这些错误在迭代训练中极易引发确认偏差，导致误差持续放大。为了解决该问题，提出一种基于原型不确定性驱动潜在扩散的半监督医学图像分割方法(Prototype Uncertainty-driven latent Diffusion, PU-Diff)。该方法包含两个优势：首先，利用高置信度预测样本构建类别原型，通过计算无标签像素与各类别原型的特征距离来量化分类不确定性，并生成不确定性引导图，从而精准定位伪标签中的潜在错误区域，为后续结构纠错提供指导；其次，将不确定性引导图与原始图像联合输入潜在扩散模型，在去噪过程中重点修复低置信度区域的边界与拓扑错误，从而增强模型对缺陷解剖结构的主动纠错能力，为参数优化提供更可靠的监督信号。实验表明，在ACDC、MS-CMRSeg、MSD Prostate和Kvasir-SEG四个数据集上，PU-Diff的分割性能均优于多种先进的半监督医学图像分割方法。
, 最新更新时间 , doi: 10.11999/JEIT260968
摘要:
自适应波束形成旨在设计一种能够根据环境变化自动提取期望信号并抑制干扰和噪声的空域滤波器。随着第六代(6G)移动通信、毫米波感知等技术的发展，远场源与近场源同时存在的混合远近场场景日益普遍。现有的单一远场或近场自适应波束形成算法在此类混合远近场场景中面临平面波与球面波模型失配导致的性能局限；同时，源位置参数未知且参数间存在耦合，进一步加剧了性能恶化。针对上述问题，本文基于子空间基变换框架，针对混合远近场中响应向量同时依赖于角度和距离的特点，提出一种面向混合远近场场景的稳健自适应波束形成算法。该算法的核心在于：首先，建立混合远近场信号模型，通过多起点L-BFGS-B优化策略求解空间距离最小化问题，实现混合远近场响应向量的高精度估计；其次，通过特征空间基变换方法重构干扰加噪声协方差矩阵—该方法在子空间基变换思想基础上，将基矩阵的构造从纯角度域拓展至角度-距离联合域，并通过基变换矩阵直接从样本协方差矩阵中去除期望信号成分，避免了传统方法中噪声功率估计引入的附加误差；最后，利用重构的干扰加噪声协方差矩阵修正导向向量，进而计算波束形成器的加权向量。仿真结果表明，所提算法在混合远近场场景下能够有效缓解源位置参数耦合导致的性能恶化，在高输入信噪比(Signal-to-Noise Ratio, SNR)条件下，输出信干噪比(Signal-to-Interference-and-Noise Ratio, SINR)与理论最优值的偏差保持在1 dB以内，显著优于所对比的七种算法。
自适应波束形成旨在设计一种能够根据环境变化自动提取期望信号并抑制干扰和噪声的空域滤波器。随着第六代(6G)移动通信、毫米波感知等技术的发展，远场源与近场源同时存在的混合远近场场景日益普遍。现有的单一远场或近场自适应波束形成算法在此类混合远近场场景中面临平面波与球面波模型失配导致的性能局限；同时，源位置参数未知且参数间存在耦合，进一步加剧了性能恶化。针对上述问题，本文基于子空间基变换框架，针对混合远近场中响应向量同时依赖于角度和距离的特点，提出一种面向混合远近场场景的稳健自适应波束形成算法。该算法的核心在于：首先，建立混合远近场信号模型，通过多起点L-BFGS-B优化策略求解空间距离最小化问题，实现混合远近场响应向量的高精度估计；其次，通过特征空间基变换方法重构干扰加噪声协方差矩阵—该方法在子空间基变换思想基础上，将基矩阵的构造从纯角度域拓展至角度-距离联合域，并通过基变换矩阵直接从样本协方差矩阵中去除期望信号成分，避免了传统方法中噪声功率估计引入的附加误差；最后，利用重构的干扰加噪声协方差矩阵修正导向向量，进而计算波束形成器的加权向量。仿真结果表明，所提算法在混合远近场场景下能够有效缓解源位置参数耦合导致的性能恶化，在高输入信噪比(Signal-to-Noise Ratio, SNR)条件下，输出信干噪比(Signal-to-Interference-and-Noise Ratio, SINR)与理论最优值的偏差保持在1 dB以内，显著优于所对比的七种算法。
, 最新更新时间 , doi: 10.11999/JEIT261074
摘要:
闪电临近预报对灾害预警及航空、电力安全至关重要，现有方法难以实现三维样本构建、多源异构特征融合和资料缺失条件下的稳定预报。针对上述问题，本文提出三维非极大值抑制(3D-NMS)的三维时空样本构建方法和闪电临近预报模型MG-SimVP。首先，提出3D-NMS方法，通过三维卷积计算候选区域的闪电密度，并利用非极大值抑制剔除低密度候选区域和高度重叠的冗余样本，以提取闪电聚集且主体完整的时空样本；其次，构建多源分组自适应融合编码器MGAF-Encoder，通过闪电、雷达和卫星特征的分组独立编码、全局通道响应感知、动态加权融合与共享特征回注，减弱强响应模态对稀疏闪电特征的掩盖，缓解多源异构资料混合造成的信息淹没；最后，面向多模态信息缺失场景，根据信息缺失引起的通道响应变化动态调整各模态融合权重，降低信息缺失的影响，提高模型预报稳定性。实验表明，训练样本中有效闪电信息更加集中，对流主体及其演变特征得到更完整保留，3D-NMS使基准模型的平均CSI提升13.0%，平均FAR降低20.2%；MG-SimVP在1小时预报窗口内的平均CSI达到0.670，较基准模型提升11.4%，平均FAR降低29.0%，且在信息缺失条件下CSI保持率不低于79.49%，表现出较好的预报精度与业务适应性。
闪电临近预报对灾害预警及航空、电力安全至关重要，现有方法难以实现三维样本构建、多源异构特征融合和资料缺失条件下的稳定预报。针对上述问题，本文提出三维非极大值抑制(3D-NMS)的三维时空样本构建方法和闪电临近预报模型MG-SimVP。首先，提出3D-NMS方法，通过三维卷积计算候选区域的闪电密度，并利用非极大值抑制剔除低密度候选区域和高度重叠的冗余样本，以提取闪电聚集且主体完整的时空样本；其次，构建多源分组自适应融合编码器MGAF-Encoder，通过闪电、雷达和卫星特征的分组独立编码、全局通道响应感知、动态加权融合与共享特征回注，减弱强响应模态对稀疏闪电特征的掩盖，缓解多源异构资料混合造成的信息淹没；最后，面向多模态信息缺失场景，根据信息缺失引起的通道响应变化动态调整各模态融合权重，降低信息缺失的影响，提高模型预报稳定性。实验表明，训练样本中有效闪电信息更加集中，对流主体及其演变特征得到更完整保留，3D-NMS使基准模型的平均CSI提升13.0%，平均FAR降低20.2%；MG-SimVP在1小时预报窗口内的平均CSI达到0.670，较基准模型提升11.4%，平均FAR降低29.0%，且在信息缺失条件下CSI保持率不低于79.49%，表现出较好的预报精度与业务适应性。
, 最新更新时间 , doi: 10.11999/JEIT260616
摘要:
经典多雷达融合检测常假设杂波幅度分布和目标信杂比一致，并在此基础上进行联合处理。然而，多部雷达的工作参数差异会导致杂波幅度分布和目标信杂比的差异，使现有检测器在实际应用时模型失配。针对这一问题，该文针对瑞利分布的S波段海杂波和韦布尔分布的X波段海杂波融合检测场景，提出一种双雷达自适应融合检测方法。该方法根据各雷达局部检验统计量与信杂比估计结果，自适应确定融合权重与全局检验统计量。同时推导了虚警概率与检测概率关于判决门限的闭式表达式，蒙特卡罗仿真验证了闭式表达式的准确性。基于实测海杂波数据的实验表明，在任意信杂比组合的条件下，所提方法比传统的OR融合和AND融合方法具有更优的检测性能。
经典多雷达融合检测常假设杂波幅度分布和目标信杂比一致，并在此基础上进行联合处理。然而，多部雷达的工作参数差异会导致杂波幅度分布和目标信杂比的差异，使现有检测器在实际应用时模型失配。针对这一问题，该文针对瑞利分布的S波段海杂波和韦布尔分布的X波段海杂波融合检测场景，提出一种双雷达自适应融合检测方法。该方法根据各雷达局部检验统计量与信杂比估计结果，自适应确定融合权重与全局检验统计量。同时推导了虚警概率与检测概率关于判决门限的闭式表达式，蒙特卡罗仿真验证了闭式表达式的准确性。基于实测海杂波数据的实验表明，在任意信杂比组合的条件下，所提方法比传统的OR融合和AND融合方法具有更优的检测性能。
, 最新更新时间 , doi: 10.11999/JEIT260582
摘要:
红外弱小目标检测因目标尺寸微小、信噪比低及背景杂波复杂而极具挑战性。因此，该文提出一种基于动态频率引导与语义净化的红外弱小目标检测方法。针对弱小目标在深度神经网络中易被淹没的问题，通过可学习的步进卷积替代传统的最大池化层，有效保留编码过程中的目标细节。其次，设计了动态频率引导模块，使用小型网络动态预测高通滤波截止半径，实现对不同场景下目标的自适应频率引导。为进一步抑制背景杂波，提出单向语义净化模块，利用高层语义特征生成空间注意力权重，对频率引导图进行过滤和强化，从而突出目标细节并增强模型的感知能力。在SIRST-Aug和IRSTD-1k两个公开数据集上的实验结果表明，所提方法性能优于现有的主流方法，特别是在SIRST-Aug数据集上的检测率Pd达到了99.17 %，有效克服了红外弱小目标检测中误检与漏检的问题。
红外弱小目标检测因目标尺寸微小、信噪比低及背景杂波复杂而极具挑战性。因此，该文提出一种基于动态频率引导与语义净化的红外弱小目标检测方法。针对弱小目标在深度神经网络中易被淹没的问题，通过可学习的步进卷积替代传统的最大池化层，有效保留编码过程中的目标细节。其次，设计了动态频率引导模块，使用小型网络动态预测高通滤波截止半径，实现对不同场景下目标的自适应频率引导。为进一步抑制背景杂波，提出单向语义净化模块，利用高层语义特征生成空间注意力权重，对频率引导图进行过滤和强化，从而突出目标细节并增强模型的感知能力。在SIRST-Aug和IRSTD-1k两个公开数据集上的实验结果表明，所提方法性能优于现有的主流方法，特别是在SIRST-Aug数据集上的检测率Pd达到了99.17 %，有效克服了红外弱小目标检测中误检与漏检的问题。
, 最新更新时间 , doi: 10.11999/JEIT260847
摘要:
针对红外弱小目标检测中目标尺度小、纹理弱导致的细节表征衰减、低频背景渗透，以及实时检测变换器(RT-DETR)在跨尺度融合中易传播背景冗余、空间约束不足的问题，该文提出一种频域解耦与空间先验约束的端到端检测模型。该模型以子空间渐进注意力补偿浅层局部细节，以频域非对称解耦交互分离目标细节与背景低频成分，并通过高阶空间关系建模与空间先验注入增强跨尺度融合，约束同质杂波关联。在IRSTD-1k和NUAA-SIRST数据集上，所提模型较RT-DETR基准的mAP@0.5分别提升3.39和3.08个百分点，参数量和计算量分别降低13.24%和11.42%。结果表明，该模型能在降低开销的同时提升检测精度与定位鲁棒性。
针对红外弱小目标检测中目标尺度小、纹理弱导致的细节表征衰减、低频背景渗透，以及实时检测变换器(RT-DETR)在跨尺度融合中易传播背景冗余、空间约束不足的问题，该文提出一种频域解耦与空间先验约束的端到端检测模型。该模型以子空间渐进注意力补偿浅层局部细节，以频域非对称解耦交互分离目标细节与背景低频成分，并通过高阶空间关系建模与空间先验注入增强跨尺度融合，约束同质杂波关联。在IRSTD-1k和NUAA-SIRST数据集上，所提模型较RT-DETR基准的mAP@0.5分别提升3.39和3.08个百分点，参数量和计算量分别降低13.24%和11.42%。结果表明，该模型能在降低开销的同时提升检测精度与定位鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT260694
摘要:
超图神经网络(HGNN)凭借高阶关系建模能力被广泛关注，但其计算量大、推理效率低，难以在实际场景部署。现有HGNN向多层感知机(MLP)知识蒸馏方法存在可解释性差、精度偏低等问题，主要原因在于：MLP激活函数单一且层间解耦、Softmax软标签存在信息丢失、未关注节点可靠性差异。为此，该文提出面向快速推理的超图神经网络知识蒸馏框架(DH2KAN)。该方法以柯尔莫哥洛夫阿诺德网络(KAN)为学生模型，用可学习单变量样条函数提升表征能力；设计表征相似性蒸馏，以节点表征监督KAN训练；提出高可靠节点感知蒸馏，基于信息熵量化节点可靠性并利用可靠节点软标签强化指导。在11个真实数据集上的实验表明，DH2KAN在精度与HGNN相当甚至更优的前提下，推理速度提升75倍；相比KAN在速度相近的情况下，准确率提升10.53%，适用于大规模低延迟场景。
超图神经网络(HGNN)凭借高阶关系建模能力被广泛关注，但其计算量大、推理效率低，难以在实际场景部署。现有HGNN向多层感知机(MLP)知识蒸馏方法存在可解释性差、精度偏低等问题，主要原因在于：MLP激活函数单一且层间解耦、Softmax软标签存在信息丢失、未关注节点可靠性差异。为此，该文提出面向快速推理的超图神经网络知识蒸馏框架(DH2KAN)。该方法以柯尔莫哥洛夫阿诺德网络(KAN)为学生模型，用可学习单变量样条函数提升表征能力；设计表征相似性蒸馏，以节点表征监督KAN训练；提出高可靠节点感知蒸馏，基于信息熵量化节点可靠性并利用可靠节点软标签强化指导。在11个真实数据集上的实验表明，DH2KAN在精度与HGNN相当甚至更优的前提下，推理速度提升75倍；相比KAN在速度相近的情况下，准确率提升10.53%，适用于大规模低延迟场景。
, 最新更新时间 , doi: 10.11999/JEIT260702
摘要:
针对地面无人平台在复杂多径环境下的短突发可靠通信问题，该文研究强多径、载波频率偏移(CFO)、定时偏移(TO)、采样频率偏移(SFO)与带内干扰共同作用下的鲁棒检测技术，构造前导参考循环互相关线性调频扩频(PRCC-CSS)方法。该方法联合设计帧结构、同步估计与载荷检测：前导up-chirp与帧同步定界符down-chirp的互补频域索引联合估计整数CFO与TO；相邻前导相位差、平均谱主峰邻域和跨符号bin漂移分别估计小数CFO、小数TO和SFO；载荷检测以前导平均谱构造帧参考谱，与载荷谱循环互相关完成符号判决。该文参数设置下的仿真表明，在加性高斯白噪声、扩展典型城市(ETU)信道模型及ETU叠加干扰场景下，PRCC-CSS较直接序列扩频获得更低能量门限；在ETU加干扰下较非相干和相干峰值检测获得更低信干噪比门限。此外，基于软件无线电的原型验证系统在ETU、5 dB干扰信号功率比条件下可靠帧保留率达90%以上，通过筛选的可靠帧内未观测到符号与比特错误。因此，所提技术将多径频域结构由不利扰动转化为可匹配参考特征，可作为复杂短突发可靠通信的候选物理层方案。
针对地面无人平台在复杂多径环境下的短突发可靠通信问题，该文研究强多径、载波频率偏移(CFO)、定时偏移(TO)、采样频率偏移(SFO)与带内干扰共同作用下的鲁棒检测技术，构造前导参考循环互相关线性调频扩频(PRCC-CSS)方法。该方法联合设计帧结构、同步估计与载荷检测：前导up-chirp与帧同步定界符down-chirp的互补频域索引联合估计整数CFO与TO；相邻前导相位差、平均谱主峰邻域和跨符号bin漂移分别估计小数CFO、小数TO和SFO；载荷检测以前导平均谱构造帧参考谱，与载荷谱循环互相关完成符号判决。该文参数设置下的仿真表明，在加性高斯白噪声、扩展典型城市(ETU)信道模型及ETU叠加干扰场景下，PRCC-CSS较直接序列扩频获得更低能量门限；在ETU加干扰下较非相干和相干峰值检测获得更低信干噪比门限。此外，基于软件无线电的原型验证系统在ETU、5 dB干扰信号功率比条件下可靠帧保留率达90%以上，通过筛选的可靠帧内未观测到符号与比特错误。因此，所提技术将多径频域结构由不利扰动转化为可匹配参考特征，可作为复杂短突发可靠通信的候选物理层方案。
, 最新更新时间 , doi: 10.11999/JEIT260452
摘要:
航天器的6自由度位姿估计，是指确定目标航天器相对于服务航天器在空间坐标系中的相对姿态的处理过程。该技术是失效卫星清理、太空垃圾捕获、航天器在轨操控、空间站交会对接等一系列近距离操作任务的关键步骤。近年来，基于卷积神经网络(CNN)的6D位姿估计方法受到广泛关注，但其过度依赖卷积网络结构，容易导致对图像纹理的敏感，并缺乏对远程上下文信息的有效建模能力。此外，当前主流方法通常采用由目标检测与姿态估计构成的流水线设计，其特征提取多样性有限，对低光照和复杂背景干扰较为敏感。针对上述问题，该文提出一种基于多频谱特征交互与动态融合的航天器位姿估计网络。首先，该网络利用不同感受野的主干网络分别提取图像的空间高频特征(如语义与边缘细节)和空间低频特征(如全局结构信息)；在此基础上，基于Transformer的特征匹配机制，进行自特征与跨特征注意力交互，实现长范围上下文信息的聚合；为进一步利用丰富的频域特征表示，引入频率引导特征模块，动态融合多频谱特征。最后，在航天器位姿估计数据集上的大量实验表明，所提方法具有竞争力，并展现了较强的泛化能力，相比于现有方法具有优势。
航天器的6自由度位姿估计，是指确定目标航天器相对于服务航天器在空间坐标系中的相对姿态的处理过程。该技术是失效卫星清理、太空垃圾捕获、航天器在轨操控、空间站交会对接等一系列近距离操作任务的关键步骤。近年来，基于卷积神经网络(CNN)的6D位姿估计方法受到广泛关注，但其过度依赖卷积网络结构，容易导致对图像纹理的敏感，并缺乏对远程上下文信息的有效建模能力。此外，当前主流方法通常采用由目标检测与姿态估计构成的流水线设计，其特征提取多样性有限，对低光照和复杂背景干扰较为敏感。针对上述问题，该文提出一种基于多频谱特征交互与动态融合的航天器位姿估计网络。首先，该网络利用不同感受野的主干网络分别提取图像的空间高频特征(如语义与边缘细节)和空间低频特征(如全局结构信息)；在此基础上，基于Transformer的特征匹配机制，进行自特征与跨特征注意力交互，实现长范围上下文信息的聚合；为进一步利用丰富的频域特征表示，引入频率引导特征模块，动态融合多频谱特征。最后，在航天器位姿估计数据集上的大量实验表明，所提方法具有竞争力，并展现了较强的泛化能力，相比于现有方法具有优势。
, 最新更新时间 , doi: 10.11999/JEIT260727
摘要:
针对空天地一体化网络(SAGIN)中局部观测不完备、拓扑时变和多业务资源耦合的协同决策难题，该文提出基于集体主动推理(CAI)的生智-传智一体化方法。该方法以集体变分自由能最小化推导精度加权语义信念更新律及几何收敛界，以垂直斯塔克尔伯格博弈和水平广义纳什均衡协调共享资源，并结合差分隐私联邦学习、模型无关元学习和知识蒸馏实现跨域适配与轻量部署。开放无线接入网系统级仿真中，满载吞吐量为93.2 Mb/s，任务调度成功率为0.92，95分位时延为20.5 ms；分布外扰动后23个周期恢复。Top-10%稀疏上传使通信量由321.79×103降至34.58×103个标量，学生模型由1 050 kB压缩至160 kB、推理时延由21 ms降至15 ms。结果表明，所提方法在既定仿真条件下兼顾语义共识、资源协调、扰动恢复与受限节点部署。
针对空天地一体化网络(SAGIN)中局部观测不完备、拓扑时变和多业务资源耦合的协同决策难题，该文提出基于集体主动推理(CAI)的生智-传智一体化方法。该方法以集体变分自由能最小化推导精度加权语义信念更新律及几何收敛界，以垂直斯塔克尔伯格博弈和水平广义纳什均衡协调共享资源，并结合差分隐私联邦学习、模型无关元学习和知识蒸馏实现跨域适配与轻量部署。开放无线接入网系统级仿真中，满载吞吐量为93.2 Mb/s，任务调度成功率为0.92，95分位时延为20.5 ms；分布外扰动后23个周期恢复。Top-10%稀疏上传使通信量由321.79×103降至34.58×103个标量，学生模型由1 050 kB压缩至160 kB、推理时延由21 ms降至15 ms。结果表明，所提方法在既定仿真条件下兼顾语义共识、资源协调、扰动恢复与受限节点部署。
, 最新更新时间 , doi: 10.11999/JEIT260482
摘要:
海上异构无线网络通信场景中多种通信体制并存，面临互联互通与资源协同双重挑战，而现有基于深度强化学习的路由算法对动态拓扑的表征能力不足，难以在网络拓扑频繁变化时做出高效的路由决策。这主要归因于现有主流框架多采用标准图神经网络(GNN)或全连接网络进行状态编码，难以有效捕捉高动态拓扑下的结构特征。为此，该文提出一种支持5G与自组网融合的多无线接入网关，并构建融合对比消息传递图神经网络与深度强化学习的路由方法，以提升网络服务质量与转发效率，实现资源的优化分配。实验结果表明，与最优基准方法相比，所提方法端到端时延降低20.8%～47.7%，丢包率降低0.3%～5.3%，吞吐量提升5.2%～14.2%，验证了其动态适应性与泛化能力。
海上异构无线网络通信场景中多种通信体制并存，面临互联互通与资源协同双重挑战，而现有基于深度强化学习的路由算法对动态拓扑的表征能力不足，难以在网络拓扑频繁变化时做出高效的路由决策。这主要归因于现有主流框架多采用标准图神经网络(GNN)或全连接网络进行状态编码，难以有效捕捉高动态拓扑下的结构特征。为此，该文提出一种支持5G与自组网融合的多无线接入网关，并构建融合对比消息传递图神经网络与深度强化学习的路由方法，以提升网络服务质量与转发效率，实现资源的优化分配。实验结果表明，与最优基准方法相比，所提方法端到端时延降低20.8%～47.7%，丢包率降低0.3%～5.3%，吞吐量提升5.2%～14.2%，验证了其动态适应性与泛化能力。
, 最新更新时间 , doi: 10.11999/JEIT260857
摘要:
针对现有单域图像隐写方法面临的难以同时兼顾隐蔽性、抗隐写分析能力与运行效率，以及高性能模型结构复杂、难以轻量化部署等问题，该文提出一种基于改进经验模态分解与双域图卷积的轻量化图像隐写网络模型。首先，利用改进的二维经验模态分解模块将秘密图像自适应分解为多尺度分量，以实现隐秘信息在不同形态组件中的自适应层级分散；其次，设计多尺度空频块，通过融合多分支扩张卷积、注意力机制与频域感知单元，实现空间域与频域特征的深度融合与协同优化，在增强抗检测能力的同时确保秘密信息的高保真提取；最后，引入改进的图特征神经网络作为瓶颈层，利用高效的稀疏图卷积操作显式建模远距离像素关联，在有效表征非连续纹理区修改模式的同时大幅降低模型计算复杂度。实验结果表明，该模型参数量仅为8.00 M，计算成本仅为7.88 GFLOPs，单幅图像推理时延低至76 ms，展现出显著的轻量化特征与高运行效率，更适用于资源受限的实际部署环境。
针对现有单域图像隐写方法面临的难以同时兼顾隐蔽性、抗隐写分析能力与运行效率，以及高性能模型结构复杂、难以轻量化部署等问题，该文提出一种基于改进经验模态分解与双域图卷积的轻量化图像隐写网络模型。首先，利用改进的二维经验模态分解模块将秘密图像自适应分解为多尺度分量，以实现隐秘信息在不同形态组件中的自适应层级分散；其次，设计多尺度空频块，通过融合多分支扩张卷积、注意力机制与频域感知单元，实现空间域与频域特征的深度融合与协同优化，在增强抗检测能力的同时确保秘密信息的高保真提取；最后，引入改进的图特征神经网络作为瓶颈层，利用高效的稀疏图卷积操作显式建模远距离像素关联，在有效表征非连续纹理区修改模式的同时大幅降低模型计算复杂度。实验结果表明，该模型参数量仅为8.00 M，计算成本仅为7.88 GFLOPs，单幅图像推理时延低至76 ms，展现出显著的轻量化特征与高运行效率，更适用于资源受限的实际部署环境。
, 最新更新时间 , doi: 10.11999/JEIT260636
摘要:
针对传统基于自回归(AR)模型的卡尔曼滤波语音增强算法在非平稳噪声环境下噪声模型难以自适应更新、突发噪声易导致模型失配以及协方差参数调节缺乏环境感知机制等问题，该文提出一种用于突发噪声抑制与双时间尺度感知驱动的自适应卡尔曼语音增强方法。首先，引入基于频谱能量熵(EER)构建的环境偏离比，用于刻画当前帧与背景环境统计特性的偏离程度。在此基础上，建立短时与长时双时间尺度EER跟踪机制，分别用于表示瞬时变化与稳定环境统计，并利用两者之间差异构造自适应偏离强度因子，从而实现对语音过程噪声协方差与观测噪声协方差的联合调节。其次，结合突发噪声的核心特性，提出一种基于能量突变阈值和频谱平坦度结合的突发噪声帧判断策略，用于有效区分时域能量突变且带有弱有色或白噪声特性的突发噪声，另外，提出一种基于线性预测残差方差比的语音可建模性因子判决准则，用于进一步区分语音结构与突发噪声成分，避免中等能量强度突发噪声误判导致语音模型污染，从而提升噪声建模的鲁棒性与可靠性。该文算法实验采用NOIZEUS数据库上的音频样本，结果表明，该文所用方法在短时客观可懂度(STOI)、感知语音质量评价指标(PESQ)和分段信噪比(SegSNR)等客观指标上优于传统的AR卡尔曼滤波，以及基于\begin{document}$ {J}_{1} $\end{document}
针对传统基于自回归(AR)模型的卡尔曼滤波语音增强算法在非平稳噪声环境下噪声模型难以自适应更新、突发噪声易导致模型失配以及协方差参数调节缺乏环境感知机制等问题，该文提出一种用于突发噪声抑制与双时间尺度感知驱动的自适应卡尔曼语音增强方法。首先，引入基于频谱能量熵(EER)构建的环境偏离比，用于刻画当前帧与背景环境统计特性的偏离程度。在此基础上，建立短时与长时双时间尺度EER跟踪机制，分别用于表示瞬时变化与稳定环境统计，并利用两者之间差异构造自适应偏离强度因子，从而实现对语音过程噪声协方差与观测噪声协方差的联合调节。其次，结合突发噪声的核心特性，提出一种基于能量突变阈值和频谱平坦度结合的突发噪声帧判断策略，用于有效区分时域能量突变且带有弱有色或白噪声特性的突发噪声，另外，提出一种基于线性预测残差方差比的语音可建模性因子判决准则，用于进一步区分语音结构与突发噪声成分，避免中等能量强度突发噪声误判导致语音模型污染，从而提升噪声建模的鲁棒性与可靠性。该文算法实验采用NOIZEUS数据库上的音频样本，结果表明，该文所用方法在短时客观可懂度(STOI)、感知语音质量评价指标(PESQ)和分段信噪比(SegSNR)等客观指标上优于传统的AR卡尔曼滤波，以及基于
, 最新更新时间 , doi: 10.11999/JEIT260843
摘要:
针对低光人脸图像增强中结构信息与细节信息难以协同恢复，关键区域易出现结构退化和细节失真的问题，提出一种结构先验引导的跨频协同低光人脸增强方法。首先，构建结构先验引导的跨频关联机制，利用低频人脸结构响应为空间对应的高频细节恢复提供引导，增强跨频结构与细节的协同建模能力。其次，结合局部卷积与二维选择性扫描建模高频细节和长程依赖，并通过人脸结构一致性调制，在跨频交互和跨尺度融合过程中选择性调节结构相关特征，提高关键区域结构传递的稳定性。最后，构建由基础增强约束、身份一致性约束、关键区域结构约束和跨频特征一致性正则项组成的联合优化目标，以兼顾整体增强质量、局部结构保持和身份表征稳定性。实验结果表明，所提方法在CelebA测试集的5项指标上均优于对比方法；在LaPa数据集上表现出较好的姿态变化适应能力；在Dark Face真实低光数据上具有一定的场景适应性。
针对低光人脸图像增强中结构信息与细节信息难以协同恢复，关键区域易出现结构退化和细节失真的问题，提出一种结构先验引导的跨频协同低光人脸增强方法。首先，构建结构先验引导的跨频关联机制，利用低频人脸结构响应为空间对应的高频细节恢复提供引导，增强跨频结构与细节的协同建模能力。其次，结合局部卷积与二维选择性扫描建模高频细节和长程依赖，并通过人脸结构一致性调制，在跨频交互和跨尺度融合过程中选择性调节结构相关特征，提高关键区域结构传递的稳定性。最后，构建由基础增强约束、身份一致性约束、关键区域结构约束和跨频特征一致性正则项组成的联合优化目标，以兼顾整体增强质量、局部结构保持和身份表征稳定性。实验结果表明，所提方法在CelebA测试集的5项指标上均优于对比方法；在LaPa数据集上表现出较好的姿态变化适应能力；在Dark Face真实低光数据上具有一定的场景适应性。
, 最新更新时间 , doi: 10.11999/JEIT260403
摘要:
随着智能网联汽车(ICV)的快速普及，原本封闭的车载网(IVN)与外部环境的交互日益频繁，面临消息注入、语义操纵等诸多外部恶意攻击风险。该文提出了一种融合时序图重参数化的车载网轻量级入侵检测技术(RepCAN) ，通过 “ 幽灵节点 ” 机制与架构无损变换，实现了高泛化检测能力与低资源占用的均衡。具体而言，该技术首先在图构建阶段将攻击引发的突发流量或时序偏差统一映射至幽灵节点，并结合实时流量统计特征生成动态连接权重，使得模型在保留静态通信拓扑先验的同时对节点间的动态关联过程进行建模，从而提升对复杂通信模式变化的表达能力；其次，利用结构重参数化技术构建了 “ 训练态多分支、推理态单路径 ” 的模型架构，大幅降低了边缘端的访存成本与推理延迟。在 Car-Hacking Dataset 上的实验结果表明， RepCAN在攻击下的整体区分能力 AUC (判别阈值无关)高达0.9942 ，且单条报文推理延迟低至 0.004827 ms。以1 Mbps满载车载网通信环境为基准，该延迟远低于单条报文的最短物理传输时间极限(约为0.1–0.15 ms)，有效避免了与核心驾驶任务的算力争夺，具备良好的实车部署潜力。
随着智能网联汽车(ICV)的快速普及，原本封闭的车载网(IVN)与外部环境的交互日益频繁，面临消息注入、语义操纵等诸多外部恶意攻击风险。该文提出了一种融合时序图重参数化的车载网轻量级入侵检测技术(RepCAN) ，通过 “ 幽灵节点 ” 机制与架构无损变换，实现了高泛化检测能力与低资源占用的均衡。具体而言，该技术首先在图构建阶段将攻击引发的突发流量或时序偏差统一映射至幽灵节点，并结合实时流量统计特征生成动态连接权重，使得模型在保留静态通信拓扑先验的同时对节点间的动态关联过程进行建模，从而提升对复杂通信模式变化的表达能力；其次，利用结构重参数化技术构建了 “ 训练态多分支、推理态单路径 ” 的模型架构，大幅降低了边缘端的访存成本与推理延迟。在 Car-Hacking Dataset 上的实验结果表明， RepCAN在攻击下的整体区分能力 AUC (判别阈值无关)高达
, 最新更新时间 , doi: 10.11999/JEIT260730
摘要:
针对现有无群体活动标签下的群体行为表征方法难以充分建模多主体连续交互的问题，该文提出一种隐空间掩码语义预测框架。该框架利用人物轨迹掩码构造预测任务，通过双路径Transformer编码可见个体的时空交互，并恢复被掩码个体的高层语义特征；进一步结合余弦语义对齐与跨视频InfoNCE约束，改善特征的语义一致性和实例级分布。在Volleyball数据集上，该方法的Hit@1达到86.5%，较基线提高1.7个百分点，并在mAP、K-NN等指标上取得改善，验证了所提框架在无群体活动标签条件下群体行为表征学习的有效性。在CAD数据集上，本文方法的Hit@1达到96.5%，高于基线的94.9%，进一步验证了所提框架的跨场景适用性。
针对现有无群体活动标签下的群体行为表征方法难以充分建模多主体连续交互的问题，该文提出一种隐空间掩码语义预测框架。该框架利用人物轨迹掩码构造预测任务，通过双路径Transformer编码可见个体的时空交互，并恢复被掩码个体的高层语义特征；进一步结合余弦语义对齐与跨视频InfoNCE约束，改善特征的语义一致性和实例级分布。在Volleyball数据集上，该方法的Hit@1达到86.5%，较基线提高1.7个百分点，并在mAP、K-NN等指标上取得改善，验证了所提框架在无群体活动标签条件下群体行为表征学习的有效性。在CAD数据集上，本文方法的Hit@1达到96.5%，高于基线的94.9%，进一步验证了所提框架的跨场景适用性。
, 最新更新时间 , doi: 10.11999/JEIT260796
摘要:
该文基于频谱资源共享策略，研究了车联网(IoV)与Wi-Fi异构系统中非授权频谱的优化分配问题。不同于现有频谱共享方法，本文提出了一种面向IoV有偿接入非授权频谱的优化方案，在保障Wi-Fi性能条件下，实现IoV对非授权频谱的公平使用。所提方案考虑到Wi-Fi系统的资源出让成本与传输需求，构建了兼顾IoV收益与Wi-Fi性能的整体效用函数，并将路边单元(RSU)频谱占用支出与Wi-Fi资源控制建模为整体效用最大化问题。随后，针对该非凸且NP-hard优化问题，结合连续时隙特性并改进传统粒子群(PSO)算法，设计了一种关联PSO(aPSO)算法，以获得次优解。仿真结果表明，所提方案及算法在保障Wi-Fi性能的同时，有效提升了IoV数据传输率和数据包传输成功率，并在收敛速度与综合性能上优于传统PSO及常见频谱共享算法。
该文基于频谱资源共享策略，研究了车联网(IoV)与Wi-Fi异构系统中非授权频谱的优化分配问题。不同于现有频谱共享方法，本文提出了一种面向IoV有偿接入非授权频谱的优化方案，在保障Wi-Fi性能条件下，实现IoV对非授权频谱的公平使用。所提方案考虑到Wi-Fi系统的资源出让成本与传输需求，构建了兼顾IoV收益与Wi-Fi性能的整体效用函数，并将路边单元(RSU)频谱占用支出与Wi-Fi资源控制建模为整体效用最大化问题。随后，针对该非凸且NP-hard优化问题，结合连续时隙特性并改进传统粒子群(PSO)算法，设计了一种关联PSO(aPSO)算法，以获得次优解。仿真结果表明，所提方案及算法在保障Wi-Fi性能的同时，有效提升了IoV数据传输率和数据包传输成功率，并在收敛速度与综合性能上优于传统PSO及常见频谱共享算法。
, 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。
, 最新更新时间 , doi: 10.11999/JEIT260346
摘要:
极化调整卷积码相当于极化码和卷积码的级联结构，在极化码的基础上显著提高了纠错性能，尤其在中短码下优势明显。针对高动态、强衰减的低轨卫星通信信道，传统的神经网络译码器难以适应复杂多变的信道环境。在本文中，我们提出了一种基于超网络的自适应多层感知机(HNA-MLP)极化调整卷积(PAC)码译码框架，该方案通过超网络分支对信道状态信息(CSI)生成主网络权重和偏置参数，再采用主网络对输入信号进行特征提取和译码，以实现不同信道条件下的自适应网络重构。我们将所提出的框架应用于不同衰落、多普勒频移和雨衰程度下的PAC码误码率(BER)的译码优化，通过计算加权交叉熵损失并反向传播优化网络参数，以最小化误码率。该方法为具有高适应性、低译码时间的卫星通信PAC码铺平了道路。仿真结果表明，所提出的自适应超网络译码在不同的降雨强度、信噪比和多普勒频移范围内，表现优于连续消除列表(SCL)译码、两阶段自适应循环冗余校验辅助的SCL(TA-SCL)译码以及其他神经网络译码。
极化调整卷积码相当于极化码和卷积码的级联结构，在极化码的基础上显著提高了纠错性能，尤其在中短码下优势明显。针对高动态、强衰减的低轨卫星通信信道，传统的神经网络译码器难以适应复杂多变的信道环境。在本文中，我们提出了一种基于超网络的自适应多层感知机(HNA-MLP)极化调整卷积(PAC)码译码框架，该方案通过超网络分支对信道状态信息(CSI)生成主网络权重和偏置参数，再采用主网络对输入信号进行特征提取和译码，以实现不同信道条件下的自适应网络重构。我们将所提出的框架应用于不同衰落、多普勒频移和雨衰程度下的PAC码误码率(BER)的译码优化，通过计算加权交叉熵损失并反向传播优化网络参数，以最小化误码率。该方法为具有高适应性、低译码时间的卫星通信PAC码铺平了道路。仿真结果表明，所提出的自适应超网络译码在不同的降雨强度、信噪比和多普勒频移范围内，表现优于连续消除列表(SCL)译码、两阶段自适应循环冗余校验辅助的SCL(TA-SCL)译码以及其他神经网络译码。
, 最新更新时间 , doi: 10.11999/JEIT260870
摘要:
星载双波束顺轨干涉合成孔径雷达(DBATI-SAR)可通过前、后视观测获取不同方向的海表径向速度，为二维海面流场矢量反演提供观测基础。二维流速反演的稳定性与两次雷达视线(RLOS)在目标点局部地表切平面内的投影关系密切相关，当前、后视RLOS地表投影接近正交时，径向速度误差向水平流速分量的几何放大较小。然而，传统前、后视几何参数求解多基于平地几何和匀速直线运动假设，难以刻画轨道曲率、地球曲率和地球自转共同作用下的星载非对称几何，易导致实际RLOS地表投影偏离理想正交构型。针对该问题，该文提出一种星载非对称几何下DBATI-SAR关键几何参数求解方法，以RLOS地表投影正交性作为直接约束。首先，在地心地固坐标系(ECEF)下建立星载观测几何模型，定义RLOS地表投影夹角、斜视角和下视角，并将观测时间、斜视角和下视角等关键几何参数的求解表述为满足RLOS地表投影正交约束的观测时间反问题。其次，在零斜视参考点邻域内推导观测时间偏置关于RLOS地表投影夹角的解析主项，用于解释观测时间尺度及主要几何控制因素。最后，基于完整ECEF正向几何采样构建多项式数值逆映射模型，实现给定投影夹角条件下关键几何参数的高精度求解。仿真结果表明，当采用7阶多项式且采样点数量不少于20时，500组随机轨道参数下的RLOS地表投影夹角平均误差约为0.04°；相比传统平地几何模型约6.5°的正交误差，几何约束精度显著提高，对应归一化几何放大因子由约1.12降至1.0007 。所提方法可在完整星载非对称几何下实现前、后视观测时间、斜视角和下视角等关键几何参数的高精度求解。
星载双波束顺轨干涉合成孔径雷达(DBATI-SAR)可通过前、后视观测获取不同方向的海表径向速度，为二维海面流场矢量反演提供观测基础。二维流速反演的稳定性与两次雷达视线(RLOS)在目标点局部地表切平面内的投影关系密切相关，当前、后视RLOS地表投影接近正交时，径向速度误差向水平流速分量的几何放大较小。然而，传统前、后视几何参数求解多基于平地几何和匀速直线运动假设，难以刻画轨道曲率、地球曲率和地球自转共同作用下的星载非对称几何，易导致实际RLOS地表投影偏离理想正交构型。针对该问题，该文提出一种星载非对称几何下DBATI-SAR关键几何参数求解方法，以RLOS地表投影正交性作为直接约束。首先，在地心地固坐标系(ECEF)下建立星载观测几何模型，定义RLOS地表投影夹角、斜视角和下视角，并将观测时间、斜视角和下视角等关键几何参数的求解表述为满足RLOS地表投影正交约束的观测时间反问题。其次，在零斜视参考点邻域内推导观测时间偏置关于RLOS地表投影夹角的解析主项，用于解释观测时间尺度及主要几何控制因素。最后，基于完整ECEF正向几何采样构建多项式数值逆映射模型，实现给定投影夹角条件下关键几何参数的高精度求解。仿真结果表明，当采用7阶多项式且采样点数量不少于20时，500组随机轨道参数下的RLOS地表投影夹角平均误差约为0.04°；相比传统平地几何模型约6.5°的正交误差，几何约束精度显著提高，对应归一化几何放大因子由约1.12降至
, 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。
, 最新更新时间 , doi: 10.11999/JEIT260236
摘要:
随着海上船舶密度的日益增加以及智能化海事监管需求的提升，利用多源异构传感器实现目标的持续稳健跟踪已成为提升航行感知能力的有效手段。针对近岸船舶监控中视觉模态易受环境干扰、船舶自动识别系统(AIS)与视频轨迹存在严重异步性及多目标跟踪身份关联不稳定的问题，该文提出一种基于AIS与视频信息深度融合及时空对比学习的船舶跟踪算法(Spatio-Temporal contrastive learning for AIS-Video Fusion Tracking, STAVFT)。首先，算法设计了基于AIS特征注入的视频图像Soft Mask特征增强与ROI重检测补偿策略，利用AIS空间先验引导视觉检测器在低能见度及遮挡环境下锁定目标，解决跟踪前端的目标丢失问题。其次，针对AIS与视频数据的异步匹配难题，提出一种时空感知序列Transformer编码器，通过空洞卷积与时间感知自注意力机制提取跨模态运动特征，实现异构轨迹的统一嵌入表示。最后，设计了时空增强负样本对比估计损失函数，通过引入物理空间约束强化了跟踪过程对邻近易混淆目标的判别能力。在FVessel数据集上的实验结果表明，该算法将船舶跟踪过程中的检测召回率从65.6%提升至79.4%，多目标融合跟踪准确率稳定在95.8%以上，身份一致性指标超过96.8%，显著提升了复杂环境下船舶跟踪的鲁棒性。
随着海上船舶密度的日益增加以及智能化海事监管需求的提升，利用多源异构传感器实现目标的持续稳健跟踪已成为提升航行感知能力的有效手段。针对近岸船舶监控中视觉模态易受环境干扰、船舶自动识别系统(AIS)与视频轨迹存在严重异步性及多目标跟踪身份关联不稳定的问题，该文提出一种基于AIS与视频信息深度融合及时空对比学习的船舶跟踪算法(Spatio-Temporal contrastive learning for AIS-Video Fusion Tracking, STAVFT)。首先，算法设计了基于AIS特征注入的视频图像Soft Mask特征增强与ROI重检测补偿策略，利用AIS空间先验引导视觉检测器在低能见度及遮挡环境下锁定目标，解决跟踪前端的目标丢失问题。其次，针对AIS与视频数据的异步匹配难题，提出一种时空感知序列Transformer编码器，通过空洞卷积与时间感知自注意力机制提取跨模态运动特征，实现异构轨迹的统一嵌入表示。最后，设计了时空增强负样本对比估计损失函数，通过引入物理空间约束强化了跟踪过程对邻近易混淆目标的判别能力。在FVessel数据集上的实验结果表明，该算法将船舶跟踪过程中的检测召回率从65.6%提升至79.4%，多目标融合跟踪准确率稳定在95.8%以上，身份一致性指标超过96.8%，显著提升了复杂环境下船舶跟踪的鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT260646
摘要:
在线社交网络已成为谣言滋生与传播的核心平台，对网络空间与社会治理构成严峻挑战。相较于直接阻断网络结构的谣言控制策略，基于信息竞争的“反谣言”传播策略因其灵活、非侵入性等更具应用前景。然而，现有研究主要基于静态网络假设，忽略了用户信念随自然衰减与外部事件冲击等因素而动态演化、进而导致信息传播概率与竞争优先级持续变化的现实。为应对此挑战，本文首先构建了时变信念驱动的竞争级联模型(DyBCC)，通过引入时变用户信念，突破了信息传播规则静态的局限。在此基础上，将反谣言种子用户选择问题形式化为动态多目标优化问题(DMOP-RC)。为求解该问题，设计了一种基于预测-记忆策略与多种群协同的动态多目标优化算法(PM3EA)，通过主种群精细搜索、记忆种群知识重用、探索种群全局探索的分工协作机制，实现对时变Pareto前沿的自适应追踪。实验结果表明PM3EA在综合性能指标上优于对比算法，同时本文通过案例研究从节点信念演化与信息传播趋势两个层面进一步验证了所提出的模型和算法对时变社交网络谣言控制的显著效果。
在线社交网络已成为谣言滋生与传播的核心平台，对网络空间与社会治理构成严峻挑战。相较于直接阻断网络结构的谣言控制策略，基于信息竞争的“反谣言”传播策略因其灵活、非侵入性等更具应用前景。然而，现有研究主要基于静态网络假设，忽略了用户信念随自然衰减与外部事件冲击等因素而动态演化、进而导致信息传播概率与竞争优先级持续变化的现实。为应对此挑战，本文首先构建了时变信念驱动的竞争级联模型(DyBCC)，通过引入时变用户信念，突破了信息传播规则静态的局限。在此基础上，将反谣言种子用户选择问题形式化为动态多目标优化问题(DMOP-RC)。为求解该问题，设计了一种基于预测-记忆策略与多种群协同的动态多目标优化算法(PM3EA)，通过主种群精细搜索、记忆种群知识重用、探索种群全局探索的分工协作机制，实现对时变Pareto前沿的自适应追踪。实验结果表明PM3EA在综合性能指标上优于对比算法，同时本文通过案例研究从节点信念演化与信息传播趋势两个层面进一步验证了所提出的模型和算法对时变社交网络谣言控制的显著效果。
, 最新更新时间 , doi: 10.11999/JEIT260388
摘要:
随着移动通信系统中天线阵列规模的持续增大，多用户多输入多输出(MU-MIMO)预编码在显著提高系统性能的同时，也带来了高计算复杂度与高能耗等挑战。该文针对MU-MIMO预编码策略学习问题，研究在神经网络结构设计中引入无线策略数学先验(简称“无线先验”)知识对深度学习计算和能耗的影响。为此，首先分析MU-MIMO预编码策略的多维联合置换等变性和不变性，在此基础上构建一种注意力图神经网络(AGNN)；然后，基于3GPP标准信道数据集开展仿真与硬件实测，对AGNN与传统数值算法和Transformer模型进行比较。研究结果表明，AGNN在频谱效率、计算复杂度和推理能耗方面均优于仅满足一维置换等变性的Transformer模型，表明充分利用无线先验对高效学习的重要影响。同时，随着天线规模与带宽的扩大，传统数值算法的计算复杂度和能耗增长速度明显高于性能增益；而AGNN能够在提高系统性能的同时，显著缩短推理时间并降低推理能耗，表明融入无线先验的学习方法是未来6G预编码优化的有效技术路径。
随着移动通信系统中天线阵列规模的持续增大，多用户多输入多输出(MU-MIMO)预编码在显著提高系统性能的同时，也带来了高计算复杂度与高能耗等挑战。该文针对MU-MIMO预编码策略学习问题，研究在神经网络结构设计中引入无线策略数学先验(简称“无线先验”)知识对深度学习计算和能耗的影响。为此，首先分析MU-MIMO预编码策略的多维联合置换等变性和不变性，在此基础上构建一种注意力图神经网络(AGNN)；然后，基于3GPP标准信道数据集开展仿真与硬件实测，对AGNN与传统数值算法和Transformer模型进行比较。研究结果表明，AGNN在频谱效率、计算复杂度和推理能耗方面均优于仅满足一维置换等变性的Transformer模型，表明充分利用无线先验对高效学习的重要影响。同时，随着天线规模与带宽的扩大，传统数值算法的计算复杂度和能耗增长速度明显高于性能增益；而AGNN能够在提高系统性能的同时，显著缩短推理时间并降低推理能耗，表明融入无线先验的学习方法是未来6G预编码优化的有效技术路径。
, 最新更新时间 , doi: 10.11999/JEIT260520
摘要:
针对6G多无人机中继网络在动态环境下面临的通信资源受限与传输效能瓶颈，该文引入语义通信范式以降低系统对高带宽的依赖，并提出一种基于两阶段混合强化学习的联合资源优化方法。首先，综合考虑语义符号数量、无人机飞行轨迹、功率控制与信道分配，构建了以最大化语义通信服务质量和长期用户公平性为目标的资源优化模型。其次，设计了两阶段资源分配框架，利用改进的容量感知K均值算法进行负载均衡预部署以规避无效探索，并采用带参数共享的循环独立近端策略优化算法求解动态联合策略。仿真结果表明，该文所提方法具有良好的收敛性，能在保证用户公平性的同时有效提升语义传输效率并降低传输时延。
针对6G多无人机中继网络在动态环境下面临的通信资源受限与传输效能瓶颈，该文引入语义通信范式以降低系统对高带宽的依赖，并提出一种基于两阶段混合强化学习的联合资源优化方法。首先，综合考虑语义符号数量、无人机飞行轨迹、功率控制与信道分配，构建了以最大化语义通信服务质量和长期用户公平性为目标的资源优化模型。其次，设计了两阶段资源分配框架，利用改进的容量感知K均值算法进行负载均衡预部署以规避无效探索，并采用带参数共享的循环独立近端策略优化算法求解动态联合策略。仿真结果表明，该文所提方法具有良好的收敛性，能在保证用户公平性的同时有效提升语义传输效率并降低传输时延。
, 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。
, 最新更新时间 , doi: 10.11999/JEIT260633
摘要:
受封装资源、微凸点数量和布线约束限制，2.5D芯粒系统的边界接口数量通常有限，并影响片内访问、中介层注入和接口失效后的流量重映射。该文将边界接口配置抽象为片间互连结构参数，建立节点到接口映射和接口服务区域模型，并定义距离、负载均衡和故障退化等图级评价指标。图级分析表明，增加接口数量能够缩短通信距离，但性能收益呈边际递减趋势；相同接口预算下，不同接口位置会诱导不同服务区域并改变接口负载分布；接口失效后，原服务区域向剩余健康接口迁移，主要风险表现为负载再集中。进一步在gem5中构建包含4个内部采用\begin{document}$ 4\times 4 $\end{document} \begin{document}$ 4\times 4 $\end{document} \begin{document}$ k=1 $\end{document} \begin{document}$ k=4 $\end{document}
受封装资源、微凸点数量和布线约束限制，2.5D芯粒系统的边界接口数量通常有限，并影响片内访问、中介层注入和接口失效后的流量重映射。该文将边界接口配置抽象为片间互连结构参数，建立节点到接口映射和接口服务区域模型，并定义距离、负载均衡和故障退化等图级评价指标。图级分析表明，增加接口数量能够缩短通信距离，但性能收益呈边际递减趋势；相同接口预算下，不同接口位置会诱导不同服务区域并改变接口负载分布；接口失效后，原服务区域向剩余健康接口迁移，主要风险表现为负载再集中。进一步在gem5中构建包含4个内部采用
, 最新更新时间 , doi: 10.11999/JEIT260556
摘要:
随着物联网与智能穿戴设备的普及，在本地进行低延迟、高隐私的中文文本分析已成为刚需。然而，基于神经网络的语言模型计算量大、参数量大，难以在资源受限的边缘设备上运行。超维计算(HDC)作为一种新兴的类脑计算范式，通过2 k～10 k维度的超向量表征文本，以轻量级的“编码-查询”机制替代了复杂的多层网络结构，提供了硬件友好型的技术路径。然而，现有HDC研究主要面向由少量字母构成的拼音文字系统如英文。对于拥有庞大字符集的中文，现有方法会因基超向量数量的剧增而导致存储开销显著上升，这直接破坏了其在边缘侧部署的轻量化优势。为突破中文文本在边缘侧的高效表征瓶颈，该文基于汉字独特的书写与结构特征，提出一种高效的汉字超维编码方法，并构建了专为边缘侧中文文本分类设计的超维计算框架HDChinese。此外，为进一步适配边缘硬件环境，该文还设计了与HDChinese适配的加速器架构。实验结果表明，在维持分类准确率相当的前提下，HDChinese及其硬件加速器能够将模型复杂度大幅缩减99%以上，同时实现4.91%～77.36%的训练时间缩短以及6.67%～47.25%的推理延迟降低。该研究有效兼顾了准确性与极低开销，为边缘设备上的中文文本分析任务提供了理想的硬件解决方案。
随着物联网与智能穿戴设备的普及，在本地进行低延迟、高隐私的中文文本分析已成为刚需。然而，基于神经网络的语言模型计算量大、参数量大，难以在资源受限的边缘设备上运行。超维计算(HDC)作为一种新兴的类脑计算范式，通过2 k～10 k维度的超向量表征文本，以轻量级的“编码-查询”机制替代了复杂的多层网络结构，提供了硬件友好型的技术路径。然而，现有HDC研究主要面向由少量字母构成的拼音文字系统如英文。对于拥有庞大字符集的中文，现有方法会因基超向量数量的剧增而导致存储开销显著上升，这直接破坏了其在边缘侧部署的轻量化优势。为突破中文文本在边缘侧的高效表征瓶颈，该文基于汉字独特的书写与结构特征，提出一种高效的汉字超维编码方法，并构建了专为边缘侧中文文本分类设计的超维计算框架HDChinese。此外，为进一步适配边缘硬件环境，该文还设计了与HDChinese适配的加速器架构。实验结果表明，在维持分类准确率相当的前提下，HDChinese及其硬件加速器能够将模型复杂度大幅缩减99%以上，同时实现4.91%～77.36%的训练时间缩短以及6.67%～47.25%的推理延迟降低。该研究有效兼顾了准确性与极低开销，为边缘设备上的中文文本分析任务提供了理想的硬件解决方案。
, 最新更新时间 , doi: 10.11999/JEIT260397
摘要:
指令采样是一种广泛应用于硬件设计评估的技术，能够在加快评估速度的同时保证评估精度。然而在大语言模型(LLM)推理场景下，模型结构、软件框架和专用加速器指令等软硬件技术快速演进，使得每一次加速器迭代评估时都需要在指令集模拟器(ISS)上重新执行完整的应用负载以获得最新指令流完成采样。此外，加速器指令在ISS中通常以解释执行的方式运行，导致指令采样时间长，因此ISS上的执行效率逐渐成为评估流程的主要瓶颈。针对上述问题，该文提出一种面向LLM推理负载的指令采样加速方法SkipSync。该方法基于如下观察：LLM算子内部的程序控制流通常与张量计算结果无关，因此可以在这类算子中跳过高开销的加速器指令执行过程，从而提升ISS的执行速度。同时为保障程序的后续执行与采样准确性，SkipSync通过轻量级数据同步机制用宿主机的正确计算结果校正模拟器上的运行状态。基于QEMU指令集模拟器的实验结果表明，在多种模型规模及推理阶段下，SkipSync可获得平均5.08倍的加速效果，显著提升了基于指令采样的LLM加速器性能评估效率，且不影响采样的准确性。另外，该方法无需针对新型加速器指令进行定制实现，具有良好的可扩展性，能够有效支撑快速演进背景下的LLM加速器性能评估与设计迭代。
指令采样是一种广泛应用于硬件设计评估的技术，能够在加快评估速度的同时保证评估精度。然而在大语言模型(LLM)推理场景下，模型结构、软件框架和专用加速器指令等软硬件技术快速演进，使得每一次加速器迭代评估时都需要在指令集模拟器(ISS)上重新执行完整的应用负载以获得最新指令流完成采样。此外，加速器指令在ISS中通常以解释执行的方式运行，导致指令采样时间长，因此ISS上的执行效率逐渐成为评估流程的主要瓶颈。针对上述问题，该文提出一种面向LLM推理负载的指令采样加速方法SkipSync。该方法基于如下观察：LLM算子内部的程序控制流通常与张量计算结果无关，因此可以在这类算子中跳过高开销的加速器指令执行过程，从而提升ISS的执行速度。同时为保障程序的后续执行与采样准确性，SkipSync通过轻量级数据同步机制用宿主机的正确计算结果校正模拟器上的运行状态。基于QEMU指令集模拟器的实验结果表明，在多种模型规模及推理阶段下，SkipSync可获得平均5.08倍的加速效果，显著提升了基于指令采样的LLM加速器性能评估效率，且不影响采样的准确性。另外，该方法无需针对新型加速器指令进行定制实现，具有良好的可扩展性，能够有效支撑快速演进背景下的LLM加速器性能评估与设计迭代。
, 最新更新时间 , doi: 10.11999/JEIT260414
摘要:
针对弱信号场景下导航直扩信号传统检测方法性能受限，以及现有深度学习检测模型普遍缺乏有效虚警率控制机制的问题，该文提出一种虚警率可控的直接序列扩频信号深度学习检测方法。该方法创新性地提出了基于噪声分数池的检测阈值自适应标定机制，同时设计了适配I/Q信号一维序列输入的改进的残差神经网络。通过统计噪声数据集经网络处理后输出的置信度分数的经验分布，根据预设虚警率来标定检测判决阈值，从而将深度学习模型纳入经典的恒虚警率评估框架。此外，该文验证了有无归一化处理的数据预处理策略对弱信号检测的影响。仿真结果表明，该文所提模型整体检测性能较传统自相关方法提升3～4 dB，无归一化处理策略相较于归一化处理性能提升约1 dB。在非理想的高斯色噪声环境下，该模型同样展现出优于传统方法的检测性能与稳健的泛化能力。
针对弱信号场景下导航直扩信号传统检测方法性能受限，以及现有深度学习检测模型普遍缺乏有效虚警率控制机制的问题，该文提出一种虚警率可控的直接序列扩频信号深度学习检测方法。该方法创新性地提出了基于噪声分数池的检测阈值自适应标定机制，同时设计了适配I/Q信号一维序列输入的改进的残差神经网络。通过统计噪声数据集经网络处理后输出的置信度分数的经验分布，根据预设虚警率来标定检测判决阈值，从而将深度学习模型纳入经典的恒虚警率评估框架。此外，该文验证了有无归一化处理的数据预处理策略对弱信号检测的影响。仿真结果表明，该文所提模型整体检测性能较传统自相关方法提升3～4 dB，无归一化处理策略相较于归一化处理性能提升约1 dB。在非理想的高斯色噪声环境下，该模型同样展现出优于传统方法的检测性能与稳健的泛化能力。
, 最新更新时间 , doi: 10.11999/JEIT260889
摘要:
多模态信息融合技术可有效改善反无人机探测系统的泛化能力、鲁棒性与场景适配能力。针对现有反无人机探测数据集在模态种类、无人机型号和标注信息等方面的缺陷，该文公开了DroneRFc-MM多模态反无人机探测数据集。该数据集同步采集了云台相机、广角相机、射频天线、激光雷达、毫米波雷达和传声器阵列6类传感器数据，覆盖6种消费级无人机机型，并提供机型、定位、姿态和速度等细粒度标注，可支持目标探测、机型识别和运动方向推理等任务，并提供了易用的样本提取工具代码。最后，作为该数据集的使用示范，该文评估了Qwen系列最新模型在无人机飞行方向推理任务的表现。
多模态信息融合技术可有效改善反无人机探测系统的泛化能力、鲁棒性与场景适配能力。针对现有反无人机探测数据集在模态种类、无人机型号和标注信息等方面的缺陷，该文公开了DroneRFc-MM多模态反无人机探测数据集。该数据集同步采集了云台相机、广角相机、射频天线、激光雷达、毫米波雷达和传声器阵列6类传感器数据，覆盖6种消费级无人机机型，并提供机型、定位、姿态和速度等细粒度标注，可支持目标探测、机型识别和运动方向推理等任务，并提供了易用的样本提取工具代码。最后，作为该数据集的使用示范，该文评估了Qwen系列最新模型在无人机飞行方向推理任务的表现。
, 最新更新时间 , doi: 10.11999/JEIT260565
摘要:
随着混合专家(MoE)的广泛应用，基于硅通孔(TSV)的三维集成电路(3D IC)成为突破诸多瓶颈的关键技术。然而，高密度TSV阵列在高吞吐量、高并发传输场景下面临严峻的信号完整性与可靠性问题，且MoE推理任务具有动态变化的通信模式，静态TSV分配难以适配突发性大批量数据传输。针对上述问题，该文面向大规模TSV阵列的高优化复杂度提出簇规模划分方案，提升优化效率和灵活性。此外，围绕MoE专用加速器高并发数据传输场景下不同阶段数据流特征差异，提出了基于容错机制的计算阶段和负载感知的动态数据映射(PLDM)优化策略，根据不同计算阶段的特点动态调整数据映射，并依据簇级误码率和簇负载状态动态分配数据。TSV簇传输仿真实验表明，相比静态映射，动态映射使得平均带宽利用率提升约12.6%，簇负载均衡度提升2.2倍。该文随后在三层堆叠系统上部署MoE推理并进行系统验证。在系统级错误注入情况下，本方案可以将模型推理困惑度损失控制在0.02以内，带宽利用率提升约15%，簇负载均衡性提升约3.4倍。
随着混合专家(MoE)的广泛应用，基于硅通孔(TSV)的三维集成电路(3D IC)成为突破诸多瓶颈的关键技术。然而，高密度TSV阵列在高吞吐量、高并发传输场景下面临严峻的信号完整性与可靠性问题，且MoE推理任务具有动态变化的通信模式，静态TSV分配难以适配突发性大批量数据传输。针对上述问题，该文面向大规模TSV阵列的高优化复杂度提出簇规模划分方案，提升优化效率和灵活性。此外，围绕MoE专用加速器高并发数据传输场景下不同阶段数据流特征差异，提出了基于容错机制的计算阶段和负载感知的动态数据映射(PLDM)优化策略，根据不同计算阶段的特点动态调整数据映射，并依据簇级误码率和簇负载状态动态分配数据。TSV簇传输仿真实验表明，相比静态映射，动态映射使得平均带宽利用率提升约12.6%，簇负载均衡度提升2.2倍。该文随后在三层堆叠系统上部署MoE推理并进行系统验证。在系统级错误注入情况下，本方案可以将模型推理困惑度损失控制在0.02以内，带宽利用率提升约15%，簇负载均衡性提升约3.4倍。
, 最新更新时间 , doi: 10.11999/JEIT260958
摘要:
利用截短输入消息构造校验节点(Check Node, CN)的网格图，可以实现多进制低密度奇偶校验(Low-Density Parity-Check, LDPC)码CN更新的高效并行处理。然而，该类译码算法的变量节点(Variable Node, VN)更新过程通常以串行方式逐一处理候选域元素，制约了译码复杂度的进一步降低。为此，该文提出了一种双网格图消息传递的多进制LDPC码译码算法。该算法在CN网格图更新的基础上，构造了基于截短输入消息的VN网格图，通过对VN网格图节点逐行剪枝，并差异化更新输出向量，实现了VN更新的高效并行处理。实验结果表明，在相同CN网格图消息传递方法下，所提VN并行更新方法较原始VN更新显著降低了计算复杂度，且纠错性能和收敛速度基本一致；与近似置信传播译码算法相比，所提译码算法具有相近的译码性能和更低的复杂度。
利用截短输入消息构造校验节点(Check Node, CN)的网格图，可以实现多进制低密度奇偶校验(Low-Density Parity-Check, LDPC)码CN更新的高效并行处理。然而，该类译码算法的变量节点(Variable Node, VN)更新过程通常以串行方式逐一处理候选域元素，制约了译码复杂度的进一步降低。为此，该文提出了一种双网格图消息传递的多进制LDPC码译码算法。该算法在CN网格图更新的基础上，构造了基于截短输入消息的VN网格图，通过对VN网格图节点逐行剪枝，并差异化更新输出向量，实现了VN更新的高效并行处理。实验结果表明，在相同CN网格图消息传递方法下，所提VN并行更新方法较原始VN更新显著降低了计算复杂度，且纠错性能和收敛速度基本一致；与近似置信传播译码算法相比，所提译码算法具有相近的译码性能和更低的复杂度。
, 最新更新时间 , doi: 10.11999/JEIT260922
摘要:
针对山地环境下对流层散射通信中的“开门见山”工程难题，首次将可重构智能超表面(Reconfigurable Intelligent Surface, RIS)引入散射通信领域，构建RIS辅助的散射通信系统框架模型，并对RIS部署优化开展系统性研究。提出了包含越障固有约束、优化上界约束、辐射近场区约束及硬件有效工作角度约束等工程约束在内的三维部署可行区域模型；建立了卡塞格伦天线仰角动态增益衰减的量化模型，并结合散射传输损耗和自由空间路径损耗(Free Space Path Loss, FSPL)，构建起RIS部署优化目标函数；提出并分析、验证目标函数的降维特性，将三维空间中的RIS部署优化问题降维至二维流形曲面求解；在此基础上，设计并提出带动量与自适应回溯线搜索的改进梯度下降(Gradient Descent, GD)算法IGD-M&ABLS，实现对RIS部署位置的高效解析寻优。理论分析和仿真实验测试结果表明，与基线算法相比，新算法能够稳定输出对应最佳目标函数值的RIS部署点位，且具有更低复杂度，其具体运行时间有数量级上的显著优势。
针对山地环境下对流层散射通信中的“开门见山”工程难题，首次将可重构智能超表面(Reconfigurable Intelligent Surface, RIS)引入散射通信领域，构建RIS辅助的散射通信系统框架模型，并对RIS部署优化开展系统性研究。提出了包含越障固有约束、优化上界约束、辐射近场区约束及硬件有效工作角度约束等工程约束在内的三维部署可行区域模型；建立了卡塞格伦天线仰角动态增益衰减的量化模型，并结合散射传输损耗和自由空间路径损耗(Free Space Path Loss, FSPL)，构建起RIS部署优化目标函数；提出并分析、验证目标函数的降维特性，将三维空间中的RIS部署优化问题降维至二维流形曲面求解；在此基础上，设计并提出带动量与自适应回溯线搜索的改进梯度下降(Gradient Descent, GD)算法IGD-M&ABLS，实现对RIS部署位置的高效解析寻优。理论分析和仿真实验测试结果表明，与基线算法相比，新算法能够稳定输出对应最佳目标函数值的RIS部署点位，且具有更低复杂度，其具体运行时间有数量级上的显著优势。
, 最新更新时间 , doi: 10.11999/JEIT260648
摘要:
针对水声通信网络中单源双汇多跳传输可靠性不足和冗余开销较高的问题，该文提出一种融合随机线性网络编码与协作转发的可靠传输协议(NCCRTP)。该协议构建多种传输模式，根据链路质量和剩余跳数计算不同模式下满足可靠性要求的发送预算，并结合结构收益评估选择更有利于编码信息互补利用的转发结构，使中继节点能够分布式积累并联合利用编码信息，从而提高多跳高误包率条件下的数据恢复能力。同时，NCCRTP采用轻量化编码表示降低编码头部开销，并结合冗余预算控制减少无效发送。仿真结果表明，相比基于向量的转发(VBF)、聚焦波路由(FBR)等典型路由协议与重复冗余传输、随机线性网络编码(RLNC)等传输层可靠性机制组合形成的对比方案，NCCRTP在规则拓扑和随机拓扑下均获得更高的联合投递率；在中高误包率或多跳传输条件下，联合投递率最高提升约50%，等效单位成功投递发送开销最高降低约40%。
针对水声通信网络中单源双汇多跳传输可靠性不足和冗余开销较高的问题，该文提出一种融合随机线性网络编码与协作转发的可靠传输协议(NCCRTP)。该协议构建多种传输模式，根据链路质量和剩余跳数计算不同模式下满足可靠性要求的发送预算，并结合结构收益评估选择更有利于编码信息互补利用的转发结构，使中继节点能够分布式积累并联合利用编码信息，从而提高多跳高误包率条件下的数据恢复能力。同时，NCCRTP采用轻量化编码表示降低编码头部开销，并结合冗余预算控制减少无效发送。仿真结果表明，相比基于向量的转发(VBF)、聚焦波路由(FBR)等典型路由协议与重复冗余传输、随机线性网络编码(RLNC)等传输层可靠性机制组合形成的对比方案，NCCRTP在规则拓扑和随机拓扑下均获得更高的联合投递率；在中高误包率或多跳传输条件下，联合投递率最高提升约50%，等效单位成功投递发送开销最高降低约40%。
, 最新更新时间 , doi: 10.11999/JEIT260375
摘要:
针对多波束低轨卫星(LEO)通信系统中全频率复用引发的波束间干扰，以及现有组播预编码算法计算复杂度高、用户分组公平性不足的挑战，该文提出一种高效的联合优化方案。首先，设计了一种基于卷积神经网络-长短期记忆网络(CNN-LSTM)混合架构的无监督深度学习预编码模型。该模型能够从信道状态信息(CSI)和信噪比(SNR)中有效提取特征，在满足单天线功率约束(PAC)的前提下最大化系统总速率，其在线计算复杂度仅随天线数量线性增长，显著低于传统方法的立方级复杂度。其次，针对DVB-S2X标准下基于帧的组播预编码对等容量用户分组的硬性要求，提出约束K-means(CK-means)和公平感知MAUG(FA-MAUG)用户分组算法。前者可在保证每组用户数量严格一致的同时维持较高的组内信道相似度；后者通过优先保障边缘弱用户分组质量，有效提升了系统公平性和整体鲁棒性。仿真结果表明，所提深度学习预编码方案在总速率性能上显著优于传统MMSE算法，在不同SNR下平均提升约48%。同时，改进的用户分组算法进一步增强了组内信道一致性并显著提高了系统吞吐量。研究结果展现了所提算法良好的实用价值和工程适用性，为多波束低轨卫星通信系统的资源优化提供了有效技术途径。
针对多波束低轨卫星(LEO)通信系统中全频率复用引发的波束间干扰，以及现有组播预编码算法计算复杂度高、用户分组公平性不足的挑战，该文提出一种高效的联合优化方案。首先，设计了一种基于卷积神经网络-长短期记忆网络(CNN-LSTM)混合架构的无监督深度学习预编码模型。该模型能够从信道状态信息(CSI)和信噪比(SNR)中有效提取特征，在满足单天线功率约束(PAC)的前提下最大化系统总速率，其在线计算复杂度仅随天线数量线性增长，显著低于传统方法的立方级复杂度。其次，针对DVB-S2X标准下基于帧的组播预编码对等容量用户分组的硬性要求，提出约束K-means(CK-means)和公平感知MAUG(FA-MAUG)用户分组算法。前者可在保证每组用户数量严格一致的同时维持较高的组内信道相似度；后者通过优先保障边缘弱用户分组质量，有效提升了系统公平性和整体鲁棒性。仿真结果表明，所提深度学习预编码方案在总速率性能上显著优于传统MMSE算法，在不同SNR下平均提升约48%。同时，改进的用户分组算法进一步增强了组内信道一致性并显著提高了系统吞吐量。研究结果展现了所提算法良好的实用价值和工程适用性，为多波束低轨卫星通信系统的资源优化提供了有效技术途径。
, 最新更新时间 , doi: 10.11999/JEIT260751
摘要:
针对卷积神经网络在复杂场景中过度依赖正相关特征响应，导致特征关注由目标主体向局部区域偏移的问题，该文提出互补衰减学习的图像分类网络(CDLNet)。首先，提出空间互补衰减(SCD)模块，将特征划分为正响应、负响应与全局响应三类分支，并分别进行幅值衰减调节，使前景细节、背景结构与整体信息在空间上得到保留；然后，设计通道互补衰减(CCD)模块，通过对通道幅值施加指数衰减处理，降低少数高响应通道的主导作用，保留中低幅值通道信息；随后，设计互补衰减注意力(CDA)模块，并嵌入残差块中，实现空间结构与通道语义的协同调节。在CIFAR-10、CIFAR-100、SVHN、Imagenette、Imagewoof和ImageNet数据集上分别取得96.68%、81.81%、97.38%、92.45%、85.46%和62.00%的分类准确率。实验结果表明，CDLNet能够有效缓解高响应特征主导引起的特征关注漂移问题，增强低幅值与负响应信息的表达能力，提升图像分类能力。
针对卷积神经网络在复杂场景中过度依赖正相关特征响应，导致特征关注由目标主体向局部区域偏移的问题，该文提出互补衰减学习的图像分类网络(CDLNet)。首先，提出空间互补衰减(SCD)模块，将特征划分为正响应、负响应与全局响应三类分支，并分别进行幅值衰减调节，使前景细节、背景结构与整体信息在空间上得到保留；然后，设计通道互补衰减(CCD)模块，通过对通道幅值施加指数衰减处理，降低少数高响应通道的主导作用，保留中低幅值通道信息；随后，设计互补衰减注意力(CDA)模块，并嵌入残差块中，实现空间结构与通道语义的协同调节。在CIFAR-10、CIFAR-100、SVHN、Imagenette、Imagewoof和ImageNet数据集上分别取得96.68%、81.81%、97.38%、92.45%、85.46%和62.00%的分类准确率。实验结果表明，CDLNet能够有效缓解高响应特征主导引起的特征关注漂移问题，增强低幅值与负响应信息的表达能力，提升图像分类能力。
, 最新更新时间 , doi: 10.11999/JEIT260365
摘要:
现有文本分类模型在标注数据稀缺场景下性能受限，其训练过程通常依赖单一视图的弱监督学习，易受噪声干扰，且难以挖掘难例样本在其他视图中的潜在判别信息。为解决上述问题，本文提出一种基于异构多视图语义融合的文本分类模型训练方法(HMVSF)。首先，在词频视图以双聚类一致性构建聚类一致样本集并进行一次轻量更新，提升伪监督可靠性；其次，开展主题建模，自适应选择主题数，生成硬标签与软分布，引导一次难例重训以充分挖掘其主题视图潜在特征；最后，两阶段共享同一编码器，在小规模标注集上统一微调，形成不依赖于特定的预训练起点的训练流程。在DBpedia、AG News、ISEAR、SMS Spam、Subjectivity、Polarity 6个公开数据集上，基于BERT分别设置两条初始化实验路线，实验结果表明，HMVSF整体优于代表性基线与单阶段变体，低标注预算下的提升尤为显著。
现有文本分类模型在标注数据稀缺场景下性能受限，其训练过程通常依赖单一视图的弱监督学习，易受噪声干扰，且难以挖掘难例样本在其他视图中的潜在判别信息。为解决上述问题，本文提出一种基于异构多视图语义融合的文本分类模型训练方法(HMVSF)。首先，在词频视图以双聚类一致性构建聚类一致样本集并进行一次轻量更新，提升伪监督可靠性；其次，开展主题建模，自适应选择主题数，生成硬标签与软分布，引导一次难例重训以充分挖掘其主题视图潜在特征；最后，两阶段共享同一编码器，在小规模标注集上统一微调，形成不依赖于特定的预训练起点的训练流程。在DBpedia、AG News、ISEAR、SMS Spam、Subjectivity、Polarity 6个公开数据集上，基于BERT分别设置两条初始化实验路线，实验结果表明，HMVSF整体优于代表性基线与单阶段变体，低标注预算下的提升尤为显著。
, 最新更新时间 , doi: 10.11999/JEIT260877
摘要:
随着高空电磁脉冲数字化实验和在线评估技术的快速发展，迫切需要对高空电磁脉冲波形分布进行实时计算。传统的高空电磁脉冲环境数值计算方法比较费时，需要2-3小时完成1次波形分布的计算，无法满足系统需要的实时在线计算需求。该文提出了一种贝叶斯优化的神经网络快速求解方法，结合数值推导，建立了不同条件下一定范围内任意爆炸高度、伽马当量和位置在地面高空电磁脉冲波形参数的预测模型。实验结果表明该方法预测波形参数与仿真计算的波形参数误差小于3.12%，计算时间从小时量级减低到了秒量级，时间复杂度从O(n5)减低到O(n2)。该方法为高空电磁脉冲的快速推演和依赖于环境激励的仿真计算提供了基础，支持大规模场景的快速对比分析，可在分钟内完成数百种不同场景的波形分布计算与横向对比。
随着高空电磁脉冲数字化实验和在线评估技术的快速发展，迫切需要对高空电磁脉冲波形分布进行实时计算。传统的高空电磁脉冲环境数值计算方法比较费时，需要2-3小时完成1次波形分布的计算，无法满足系统需要的实时在线计算需求。该文提出了一种贝叶斯优化的神经网络快速求解方法，结合数值推导，建立了不同条件下一定范围内任意爆炸高度、伽马当量和位置在地面高空电磁脉冲波形参数的预测模型。实验结果表明该方法预测波形参数与仿真计算的波形参数误差小于3.12%，计算时间从小时量级减低到了秒量级，时间复杂度从O(n5)减低到O(n2)。该方法为高空电磁脉冲的快速推演和依赖于环境激励的仿真计算提供了基础，支持大规模场景的快速对比分析，可在分钟内完成数百种不同场景的波形分布计算与横向对比。
, 最新更新时间 , doi: 10.11999/JEIT260436
摘要:
水体中的金属元素主要来源于人为活动与自然过程，其组成与含量直接影响着生态环境与生物健康。针对水体中Cu、Na、K等金属元素的现场实时快速检测问题，本研究设计并开发了一种基于超声雾化辉光放电(UNGD)的高灵敏快速探测器。该探测器的超声雾化单元设计带有空间约束转接口的雾化导流腔室与可快速拆卸的雾化片固定结构，采用路径较短的气路，以达到液体样品的快速雾化和高效输送；同时，为了实现激发能量的集中，等离子体激发单元的钨针电极对采用180°对向共轴放置方式，构成点对点式的放电结构，对样品进行激发。本研究系统评估并确定了UNGD探测器的最优参数条件：放电电流38 mA、氩气流速0.5 L/min、电极间距1 mm、采样距离22 mm。在最优参数条件下，Cu I 324.7 nm、Na I 589.0 nm和K I 766.5 nm的检出限分别为141.29 μg/L、9.54 μg/L和12.05 μg/L，相对标准偏差分别为6.8%、6.1%和5.5%。此外，UNGD探测器对样品中共存的高浓度Ca、Mg、Zn、Fe、Co、Ni等离子具有良好的抗干扰能力。上述结果表明，本研究提出的高敏快速微型探测器可在无需额外样品预处理和驱动泵设备的前提下，实现快速进样与定量分析，为水体中Cu、Na、K等金属元素的现场实时快速监测提供了一种可靠且具有应用前景的技术支持，并有望进一步拓展至其他金属元素的检测。
水体中的金属元素主要来源于人为活动与自然过程，其组成与含量直接影响着生态环境与生物健康。针对水体中Cu、Na、K等金属元素的现场实时快速检测问题，本研究设计并开发了一种基于超声雾化辉光放电(UNGD)的高灵敏快速探测器。该探测器的超声雾化单元设计带有空间约束转接口的雾化导流腔室与可快速拆卸的雾化片固定结构，采用路径较短的气路，以达到液体样品的快速雾化和高效输送；同时，为了实现激发能量的集中，等离子体激发单元的钨针电极对采用180°对向共轴放置方式，构成点对点式的放电结构，对样品进行激发。本研究系统评估并确定了UNGD探测器的最优参数条件：放电电流38 mA、氩气流速0.5 L/min、电极间距1 mm、采样距离22 mm。在最优参数条件下，Cu I 324.7 nm、Na I 589.0 nm和K I 766.5 nm的检出限分别为141.29 μg/L、9.54 μg/L和12.05 μg/L，相对标准偏差分别为6.8%、6.1%和5.5%。此外，UNGD探测器对样品中共存的高浓度Ca、Mg、Zn、Fe、Co、Ni等离子具有良好的抗干扰能力。上述结果表明，本研究提出的高敏快速微型探测器可在无需额外样品预处理和驱动泵设备的前提下，实现快速进样与定量分析，为水体中Cu、Na、K等金属元素的现场实时快速监测提供了一种可靠且具有应用前景的技术支持，并有望进一步拓展至其他金属元素的检测。
, 最新更新时间 , doi: 10.11999/JEIT260651
摘要:
针对人工表面等离激元(SSPPs)漏波天线多参数强耦合导致传统优化计算量大、效率低的问题，本文提出一种贴片正弦调制SSPPs漏波天线。该结构保持均匀槽深与完整接地，在传输线两侧加载宽度正弦变化的贴片阵列以灵活调控泄漏率。构建9维结构参数到6维性能指标的随机森林(RF)代理模型，平均决定系数达0.9554 ，并将其嵌入粒子群优化(PSO)算法中协同寻优。优化后天线增益由13.84 dBi提升至14.52 dBi，旁瓣电平由−17 dB降至−19 dB，峰值总效率由84.9% 升至92.9%，反射系数改善4.66 dB，扫描角扩展4.29°。全波仿真验证了该方法的有效性，相较于传统PSO直接调用全波仿真，全波仿真次数降低约90%。参数敏感性分析表明设计鲁棒性好。与近期同类SSPPs漏波天线相比，该天线在增益、旁瓣抑制和效率上均具明显优势，并将机器学习代理模型引入SSPPs漏波天线的优化设计。
针对人工表面等离激元(SSPPs)漏波天线多参数强耦合导致传统优化计算量大、效率低的问题，本文提出一种贴片正弦调制SSPPs漏波天线。该结构保持均匀槽深与完整接地，在传输线两侧加载宽度正弦变化的贴片阵列以灵活调控泄漏率。构建9维结构参数到6维性能指标的随机森林(RF)代理模型，平均决定系数达
, 最新更新时间 , doi: 10.11999/JEIT260867
摘要:
针对大规模机器类通信高负载随机接入场景中基于逐次干扰消除(SIC)的方案易因无碰撞时隙不足而出现译码停滞的问题。本文提出一种物理层网络编码辅助的极化时隙随机接入译码算法，该算法将多用户时隙碰撞等效建模为有限域上的网络编码(NC)方程组。接收端利用包级极化译码提取可靠叠加包构建稀疏线性方程组，引入广义矩阵求逆(GMI)判据解耦可恢复用户数据，并将已恢复数据反馈至SIC环节，形成“极化译码—NC求解—SIC消除”的闭环迭代，逐步降低剩余碰撞空间的维数。仿真结果表明，所提算法缓解了高并发下的译码停滞，系统峰值吞吐量达0.87包/时隙，较极化时隙ALOHA方案提升约15%，有效负载上限由0.75拓展至0.90。
针对大规模机器类通信高负载随机接入场景中基于逐次干扰消除(SIC)的方案易因无碰撞时隙不足而出现译码停滞的问题。本文提出一种物理层网络编码辅助的极化时隙随机接入译码算法，该算法将多用户时隙碰撞等效建模为有限域上的网络编码(NC)方程组。接收端利用包级极化译码提取可靠叠加包构建稀疏线性方程组，引入广义矩阵求逆(GMI)判据解耦可恢复用户数据，并将已恢复数据反馈至SIC环节，形成“极化译码—NC求解—SIC消除”的闭环迭代，逐步降低剩余碰撞空间的维数。仿真结果表明，所提算法缓解了高并发下的译码停滞，系统峰值吞吐量达0.87包/时隙，较极化时隙ALOHA方案提升约15%，有效负载上限由0.75拓展至0.90。
, 最新更新时间 , doi: 10.11999/JEIT260416
摘要:
面向6G智能空口、智能化网络及AI与通信的深度融合需求，如何从结构化环境信息中提取与传播路径相关的知识，是构建环境驱动信道模型的重要问题。针对传统信道建模方法难以刻画发射端(Tx)、接收端(Rx)与散射体间空间结构及交互关系的局限性，该文提出融合信号传播机制的环境图结构建模方法，将Tx, Rx及散射体抽象为图节点，根据节点间的空间距离与可视性构建边特征，并基于边增强图同构网络(EGIN)学习环境图中的结构关联，实现参与传播的有效散射体检测；进一步根据候选散射体构建单跳与双跳候选路径，设计路径特征学习网络与有效性排序模型，实现候选传播路径预测。该文在单一工业物联网室内仿真场景的3381 个Rx位置上进行验证，结果表明所提方法能够在该场景内提取与传播路径相关的结构特征，提高有效散射体检测与候选路径排序的准确性。
面向6G智能空口、智能化网络及AI与通信的深度融合需求，如何从结构化环境信息中提取与传播路径相关的知识，是构建环境驱动信道模型的重要问题。针对传统信道建模方法难以刻画发射端(Tx)、接收端(Rx)与散射体间空间结构及交互关系的局限性，该文提出融合信号传播机制的环境图结构建模方法，将Tx, Rx及散射体抽象为图节点，根据节点间的空间距离与可视性构建边特征，并基于边增强图同构网络(EGIN)学习环境图中的结构关联，实现参与传播的有效散射体检测；进一步根据候选散射体构建单跳与双跳候选路径，设计路径特征学习网络与有效性排序模型，实现候选传播路径预测。该文在单一工业物联网室内仿真场景的
, 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。
, 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。
, 最新更新时间 , doi: 10.11999/JEIT260442
摘要:
根据语言指令准确地抓取目标物体，是服务机器人实现自然人机交互的必要前提。现有研究多采用大规模数据驱动训练或层次化特征融合策略实现视觉信息与指令文本的模态对齐，普遍忽视了底层视觉特征中目标与环境的强耦合特性，导致其在跨视角和未知背景下的组合泛化能力显著下降。针对上述挑战，该文构建了一个双视角跨场景同步抓取检测和定位数据集，用于系统评估并针对性提升现有模型的组合泛化能力。在此基础上，提出一种指令驱动下的同步抓取检测和物体定位网络(SGL-Net)。首先，引入跨模态全局上下文调制模块(CGCMM)，利用自然语言指令的语义先验，在视觉特征提取的早期阶段对网络视觉通道进行自适应视角校正与背景干扰抑制。其次，设计了词-像素跨模态交叉对齐模块(WPCAM)，采用扁平化注意力机制实现细粒度语义解耦，用以提升网络对动态复杂场景的语义理解能力。最后，采用统一解码器架构解耦融合后的多模态特征，实现目标物体位置与最优抓取位姿的同步输出。充足的定量与可视化实验结果表明，所提网络在多种不同场景视角的组合情况下均取得了最优的性能，并具备在真实物理世界中部署应用的能力。
根据语言指令准确地抓取目标物体，是服务机器人实现自然人机交互的必要前提。现有研究多采用大规模数据驱动训练或层次化特征融合策略实现视觉信息与指令文本的模态对齐，普遍忽视了底层视觉特征中目标与环境的强耦合特性，导致其在跨视角和未知背景下的组合泛化能力显著下降。针对上述挑战，该文构建了一个双视角跨场景同步抓取检测和定位数据集，用于系统评估并针对性提升现有模型的组合泛化能力。在此基础上，提出一种指令驱动下的同步抓取检测和物体定位网络(SGL-Net)。首先，引入跨模态全局上下文调制模块(CGCMM)，利用自然语言指令的语义先验，在视觉特征提取的早期阶段对网络视觉通道进行自适应视角校正与背景干扰抑制。其次，设计了词-像素跨模态交叉对齐模块(WPCAM)，采用扁平化注意力机制实现细粒度语义解耦，用以提升网络对动态复杂场景的语义理解能力。最后，采用统一解码器架构解耦融合后的多模态特征，实现目标物体位置与最优抓取位姿的同步输出。充足的定量与可视化实验结果表明，所提网络在多种不同场景视角的组合情况下均取得了最优的性能，并具备在真实物理世界中部署应用的能力。
, 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。
, 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。
, 最新更新时间 , doi: 10.11999/JEIT260426
摘要:
深度伪造检测模型在未知伪造方法、跨数据集和复杂退化场景中易受分布偏移影响。训练数据中的伪造样本既包含由生成方式、数据来源和后处理条件引起的模式差异，也包含跨潜在模式稳定存在的共享判别结构。针对二者难以协同建模的问题，提出层次化原型学习与共享子空间分解方法(HPL-SF)。该方法依次完成类内差异观测、共享结构分解和样本级结构利用。训练阶段，多个特异伪造原型在真伪二分类监督下形成差异化响应，以表征伪造类内部的潜在子模式。随后，从原型矩阵的主导低秩方向中分解共享伪造子空间，并聚合各原型的共享投影，构造共性伪造原型。推理阶段，固定真实原型、共性伪造原型和共享伪造子空间，并根据测试样本对两个语义原型的相对响应，自适应融合原始表征与共享投影表征。在跨数据集、跨伪造类型和扩散人脸伪造评估中，受试者工作特征曲线下面积的平均值分别达到91.67%、92.41%和84.39%。原型分配、共享—特异成分和测试时权重分析进一步支持了上述三个阶段之间的递进关系。
深度伪造检测模型在未知伪造方法、跨数据集和复杂退化场景中易受分布偏移影响。训练数据中的伪造样本既包含由生成方式、数据来源和后处理条件引起的模式差异，也包含跨潜在模式稳定存在的共享判别结构。针对二者难以协同建模的问题，提出层次化原型学习与共享子空间分解方法(HPL-SF)。该方法依次完成类内差异观测、共享结构分解和样本级结构利用。训练阶段，多个特异伪造原型在真伪二分类监督下形成差异化响应，以表征伪造类内部的潜在子模式。随后，从原型矩阵的主导低秩方向中分解共享伪造子空间，并聚合各原型的共享投影，构造共性伪造原型。推理阶段，固定真实原型、共性伪造原型和共享伪造子空间，并根据测试样本对两个语义原型的相对响应，自适应融合原始表征与共享投影表征。在跨数据集、跨伪造类型和扩散人脸伪造评估中，受试者工作特征曲线下面积的平均值分别达到91.67%、92.41%和84.39%。原型分配、共享—特异成分和测试时权重分析进一步支持了上述三个阶段之间的递进关系。
, 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
, 最新更新时间 , doi: 10.11999/JEIT260423
摘要:
工业系统中的信号常因传感器不稳定或通信丢包而出现不规则采样，传统插值与重采样易破坏底层动态特性，连续时间模型和深度学习方法虽能处理不均匀间隔，但训练开销大、对数据量要求高。针对该问题，本文提出一种自适应衰减储备池网络(Adaptive Decay Reservoir Network, ADRN)的模型空间学习框架。ADRN通过指数衰减机制在不规则时间间隔上更新隐藏状态，利用岭回归为每条信号拟合一个读出模型作为其表示，将后续分析转移到由拟合模型构成的模型空间中，并以时间间隔加权的重构损失和基于Fisher准则的可分离性损失联合优化模型空间的拟合质量与判别能力。在CWRU轴承数据集和SU齿轮箱数据集上的实验表明，所提方法在仅200条训练信号的低资源条件下于8个实验设置中的7个取得最高准确率，在SU数据集不同缺失率下的性能波动仅为2.8%，表现出更强的鲁棒性。在非旋转机械的TEP化工过程数据集上，本文方法在三种缺失率下的准确率均高于对比方法，验证了对不同工业对象的适应性。此外，训练时间较神经常微分方程方法降低约两个数量级。
工业系统中的信号常因传感器不稳定或通信丢包而出现不规则采样，传统插值与重采样易破坏底层动态特性，连续时间模型和深度学习方法虽能处理不均匀间隔，但训练开销大、对数据量要求高。针对该问题，本文提出一种自适应衰减储备池网络(Adaptive Decay Reservoir Network, ADRN)的模型空间学习框架。ADRN通过指数衰减机制在不规则时间间隔上更新隐藏状态，利用岭回归为每条信号拟合一个读出模型作为其表示，将后续分析转移到由拟合模型构成的模型空间中，并以时间间隔加权的重构损失和基于Fisher准则的可分离性损失联合优化模型空间的拟合质量与判别能力。在CWRU轴承数据集和SU齿轮箱数据集上的实验表明，所提方法在仅200条训练信号的低资源条件下于8个实验设置中的7个取得最高准确率，在SU数据集不同缺失率下的性能波动仅为2.8%，表现出更强的鲁棒性。在非旋转机械的TEP化工过程数据集上，本文方法在三种缺失率下的准确率均高于对比方法，验证了对不同工业对象的适应性。此外，训练时间较神经常微分方程方法降低约两个数量级。
, 最新更新时间 , doi: 10.11999/JEIT260600
摘要:
在数字集成电路物理设计中，跳变时间是表征数字电路信号边沿过渡快慢的重要电气特性参数，最大跳变时间违例会导致门延迟增大、时序裕量下降，并可能带来额外功耗和信号完整性风险。传统修复方法通常依赖工程师对目标违例路径进行手工分析与处理，效率较低，且在多负载网络场景下容易出现修复不准确和冗余插入等问题。该文提出一种面向多负载违例路径的缓冲器插入优化方法，首先根据目标网络的物理路由信息恢复其物理拓扑结构，并利用向量投影法将违例端点映射到物理拓扑图中，再结合Dijkstra最短路径搜索恢复驱动端到目标违例负载端之间的实际物理路径。基于Elmore模型，将路径中点设为初始插入候选点，并构建缓冲器有效插入候选区间；针对多条违例路径共享公共物理段的情况，进一步提出基于候选区间交集的共享缓冲器优化策略，以减少冗余缓冲器插入数量。基于UMC 28 nm下5个设计的测试结果表明，该文方法对最大跳变时间违例的整体修复率达到98.98%，多负载违例路径修复率达到99.39%，且对整体时序扰动小，为复杂数字集成电路设计后期多负载网络最大跳变时间违例的ECO修复提供了具有实用性的思路。
在数字集成电路物理设计中，跳变时间是表征数字电路信号边沿过渡快慢的重要电气特性参数，最大跳变时间违例会导致门延迟增大、时序裕量下降，并可能带来额外功耗和信号完整性风险。传统修复方法通常依赖工程师对目标违例路径进行手工分析与处理，效率较低，且在多负载网络场景下容易出现修复不准确和冗余插入等问题。该文提出一种面向多负载违例路径的缓冲器插入优化方法，首先根据目标网络的物理路由信息恢复其物理拓扑结构，并利用向量投影法将违例端点映射到物理拓扑图中，再结合Dijkstra最短路径搜索恢复驱动端到目标违例负载端之间的实际物理路径。基于Elmore模型，将路径中点设为初始插入候选点，并构建缓冲器有效插入候选区间；针对多条违例路径共享公共物理段的情况，进一步提出基于候选区间交集的共享缓冲器优化策略，以减少冗余缓冲器插入数量。基于UMC 28 nm下5个设计的测试结果表明，该文方法对最大跳变时间违例的整体修复率达到98.98%，多负载违例路径修复率达到99.39%，且对整体时序扰动小，为复杂数字集成电路设计后期多负载网络最大跳变时间违例的ECO修复提供了具有实用性的思路。
, 最新更新时间 , doi: 10.11999/JEIT260631
摘要:
侧信道泄露严重威胁密码核设计的实现安全性。现有侧信道泄露检测方法主要依赖数据驱动的量化评估，缺乏严格的数学模型，完备性有限。针对上述问题，提出了一种密码侧信道安全建模与形式化验证方法。该方法通过构建侧信道安全模型，利用信息流分析实现对时间侧信道泄露、能量侧信道泄露和故障传播行为的统一建模，进一步提取侧信道安全属性，并通过形式化验证所提取的安全属性来识别密码核设计中潜在的侧信道泄露风险。实验结果表明，本文所提出的方法能够准确识别出AES、SM4、LED、PRESENT和IDEA密码核设计中潜在的侧信道泄露风险，并可评估掩码与故障感染防御机制的有效性。
侧信道泄露严重威胁密码核设计的实现安全性。现有侧信道泄露检测方法主要依赖数据驱动的量化评估，缺乏严格的数学模型，完备性有限。针对上述问题，提出了一种密码侧信道安全建模与形式化验证方法。该方法通过构建侧信道安全模型，利用信息流分析实现对时间侧信道泄露、能量侧信道泄露和故障传播行为的统一建模，进一步提取侧信道安全属性，并通过形式化验证所提取的安全属性来识别密码核设计中潜在的侧信道泄露风险。实验结果表明，本文所提出的方法能够准确识别出AES、SM4、LED、PRESENT和IDEA密码核设计中潜在的侧信道泄露风险，并可评估掩码与故障感染防御机制的有效性。
, 最新更新时间 , doi: 10.11999/JEIT260464
摘要:
针对低信噪比环境下传统射频指纹识别方法特征提取鲁棒性较弱，且现有深度学习模型参数量庞大、无法适配战术边缘设备部署的问题，本文提出一种面向无人机射频识别的轻量化双流卷积网络特征融合方法。该方法构建静态与动态双分支并行架构，依托元素级相加融合策略实现特征互补优化。静态分支以短时傅里叶变换时频图为输入，通过卷积模块提取信号频谱纹理特征；动态分支引入时间梯度一阶差分运算，有效抑制静态背景噪声，提升低信噪比下信号时频特征的表征对比度。基于DroneRF公开数据集的实验结果表明，该方法识别准确率可达95.65%，相较单流网络提升5个百分点，平均信噪比提升1 dB以上；模型参数量仅0.58 M，可满足战术边缘设备实时识别需求。消融实验与特征可视化结果证明，静态频谱特征与动态时间梯度特征的互补特性，是提升无人机射频识别性能的核心关键。
针对低信噪比环境下传统射频指纹识别方法特征提取鲁棒性较弱，且现有深度学习模型参数量庞大、无法适配战术边缘设备部署的问题，本文提出一种面向无人机射频识别的轻量化双流卷积网络特征融合方法。该方法构建静态与动态双分支并行架构，依托元素级相加融合策略实现特征互补优化。静态分支以短时傅里叶变换时频图为输入，通过卷积模块提取信号频谱纹理特征；动态分支引入时间梯度一阶差分运算，有效抑制静态背景噪声，提升低信噪比下信号时频特征的表征对比度。基于DroneRF公开数据集的实验结果表明，该方法识别准确率可达95.65%，相较单流网络提升5个百分点，平均信噪比提升1 dB以上；模型参数量仅0.58 M，可满足战术边缘设备实时识别需求。消融实验与特征可视化结果证明，静态频谱特征与动态时间梯度特征的互补特性，是提升无人机射频识别性能的核心关键。
, 最新更新时间 , doi: 10.11999/JEIT260499
摘要:
在复杂电磁环境下，无人机群执行协同通信与动态频谱接入任务时，亟需对频谱占用状态及干扰重叠区域进行准确、快速的感知。现有频谱感知方法多将任务简化为单一信号检测，普遍存在低信噪比条件下鲁棒性不足、重叠干扰识别能力有限以及预处理开销较大等问题，难以满足复杂场景下无人机群对精细化电磁环境认知与实时感知的需求。针对上述问题，本文提出一种面向无人机群复杂电磁环境的复数域频谱联合感知方法。该方法构建复数域深度感知网络RadioSEUnet，直接对原始同相/正交(In-phase/Quadrature, I/Q)信号，并结合极坐标特征变换与通道注意力机制，形成幅度—相位双通道输入表征，实现频谱占用状态与干扰重叠区域的联合检测。实验在包含48000 条仿真数据与24000 条实测数据的频谱感知数据集上开展评估。结果表明，在–15 dB低信噪比条件下，所提方法在频谱占用检测任务上取得0.768的交并比和0.846召回率，在干扰重叠识别任务上取得0.456的交并比和0.768的精确率，均优于主流基线方法，同时，得益于高效的端到端处理范式，单次感知总时延仅约26 ms。上述结果表明，所提方法在检测精度、环境鲁棒性与实时处理能力上实现了良好平衡，可为无人机群复杂电磁环境下的动态频谱接入与抗干扰通信提供有效的感知支撑。
在复杂电磁环境下，无人机群执行协同通信与动态频谱接入任务时，亟需对频谱占用状态及干扰重叠区域进行准确、快速的感知。现有频谱感知方法多将任务简化为单一信号检测，普遍存在低信噪比条件下鲁棒性不足、重叠干扰识别能力有限以及预处理开销较大等问题，难以满足复杂场景下无人机群对精细化电磁环境认知与实时感知的需求。针对上述问题，本文提出一种面向无人机群复杂电磁环境的复数域频谱联合感知方法。该方法构建复数域深度感知网络RadioSEUnet，直接对原始同相/正交(In-phase/Quadrature, I/Q)信号，并结合极坐标特征变换与通道注意力机制，形成幅度—相位双通道输入表征，实现频谱占用状态与干扰重叠区域的联合检测。实验在包含
, 最新更新时间 , doi: 10.11999/JEIT260396
摘要:
该文提出一种具备抗单粒子烧毁(SEB)能力的复合叉指栅柱结构氧化镓金属氧化物半导体场效应晶体管(CSG-MOSFET)。该器件在N型Ga2O3沟道层上方引入P型NiO层，并通过叉指栅柱将其与延伸栅场板实现电气连接。基于P-NiO/N-Ga2O3异质结的电荷补偿效应，该结构显著优化了沟道内的电场分布。同时，叉指栅柱作为关键的电场调制单元，与延伸场板协同作用，不仅有效抑制了传统器件(C-MOSFET)中栅极场板边缘的电场拥挤效应，更将易诱发单粒子雪崩击穿的峰值电场区域从脆弱的栅极边缘主动转移至最外侧栅柱边缘。TCAD仿真结果表明，在重离子辐照下，所提CSG-MOSFET将其SEB阈值电压(VSEB)从传统器件的240 V大幅提升至2280 V，充分证实了该复合结构在提升Ga2O3功率器件抗辐射性能方面的优势。
该文提出一种具备抗单粒子烧毁(SEB)能力的复合叉指栅柱结构氧化镓金属氧化物半导体场效应晶体管(CSG-MOSFET)。该器件在N型Ga2O3沟道层上方引入P型NiO层，并通过叉指栅柱将其与延伸栅场板实现电气连接。基于P-NiO/N-Ga2O3异质结的电荷补偿效应，该结构显著优化了沟道内的电场分布。同时，叉指栅柱作为关键的电场调制单元，与延伸场板协同作用，不仅有效抑制了传统器件(C-MOSFET)中栅极场板边缘的电场拥挤效应，更将易诱发单粒子雪崩击穿的峰值电场区域从脆弱的栅极边缘主动转移至最外侧栅柱边缘。TCAD仿真结果表明，在重离子辐照下，所提CSG-MOSFET将其SEB阈值电压(VSEB)从传统器件的240 V大幅提升至
, 最新更新时间 , doi: 10.11999/JEIT260401
摘要:
针对高脉冲丢失环境下多站辐射源时差分选中真实峰难以累积、高重频条件下脉冲重复间隔模糊易诱发伴生伪峰、大量孤立脉冲难归并以及跨片轨迹易断裂的问题，提出一种以到达时间序列为核心观测量的多站辐射源闭环时差分选方法。首先，对候选脉冲对构造多尺度核密度估计(Kernel Density Estimation, KDE)，重构稀疏时差分布并自适应提取候选到达时间差(Time Difference of Arrival, TDOA)峰；其次，利用主峰提取后伪峰显著坍塌的特性，构建动态记忆矩阵，对候选峰进行坍塌率校验与伪峰屏蔽；然后，针对未配对孤立脉冲，采用动态时间规整(Dynamic Time Warping, DTW)度量残缺序列与已提取序列的间隔相似性，实现孤立脉冲归并；最后，利用卡尔曼滤波对多基线TDOA轨迹进行跨片关联与平滑，降低高丢失场景下的身份标识切换。构建高重频、参数混叠、消融实验和10部多体制混合四组测试场景，并与现有方法进行对比。结果表明，在10部多体制混合且整体丢失率为50%的场景下，所提方法的脉冲提取正确率达到92.72%，TDOA检测虚警率控制在8%以内，且身份标识切换均值低于对比方法。
针对高脉冲丢失环境下多站辐射源时差分选中真实峰难以累积、高重频条件下脉冲重复间隔模糊易诱发伴生伪峰、大量孤立脉冲难归并以及跨片轨迹易断裂的问题，提出一种以到达时间序列为核心观测量的多站辐射源闭环时差分选方法。首先，对候选脉冲对构造多尺度核密度估计(Kernel Density Estimation, KDE)，重构稀疏时差分布并自适应提取候选到达时间差(Time Difference of Arrival, TDOA)峰；其次，利用主峰提取后伪峰显著坍塌的特性，构建动态记忆矩阵，对候选峰进行坍塌率校验与伪峰屏蔽；然后，针对未配对孤立脉冲，采用动态时间规整(Dynamic Time Warping, DTW)度量残缺序列与已提取序列的间隔相似性，实现孤立脉冲归并；最后，利用卡尔曼滤波对多基线TDOA轨迹进行跨片关联与平滑，降低高丢失场景下的身份标识切换。构建高重频、参数混叠、消融实验和10部多体制混合四组测试场景，并与现有方法进行对比。结果表明，在10部多体制混合且整体丢失率为50%的场景下，所提方法的脉冲提取正确率达到92.72%，TDOA检测虚警率控制在8%以内，且身份标识切换均值低于对比方法。
, 最新更新时间 , doi: 10.11999/JEIT260400
摘要:
工业物联网路由转发设备相关的控制指令、状态信息及感知数据，但在洪泛攻击下可引发网络拥塞与通信资源耗尽。现有安全路由方法采用强化学习基于网络拓扑等信息优化下一跳，绕开拥塞节点以缓解洪泛攻击的影响。然而，工业物联网节点在链路带宽和队列容量等方面存在异构性，导致网络负载分布不均，在洪泛攻击下易引发区域拥塞。为此，提出防御洪泛攻击的大模型辅助工业物联网安全路由方法，云服务器部署大模型获取全局负载分布和异常流量分布等全局安全态势，以此优化多路径选择，均衡网络负载，抵御洪泛攻击。基于各感知节点、交换节点和工业网关等节点获取的链路状态信息，采用参数量不小于270亿的大模型推断全局安全态势，反馈至物联网节点以辅助强化学习状态构建和路由风险评估。设计基于洪泛攻击行为特征以及时延和数据包到达率等业务需求的风险评估网络，降低路由中断风险，支撑设备协同控制、系统安全运行和环境监测等业务，提升工业物联网安全。在节点资源异构的工业物联网环境下，恶意设备发起数据包洪泛攻击，结果表明所提方案可提升数据包到达率，降低路由能耗和端到端时延。
工业物联网路由转发设备相关的控制指令、状态信息及感知数据，但在洪泛攻击下可引发网络拥塞与通信资源耗尽。现有安全路由方法采用强化学习基于网络拓扑等信息优化下一跳，绕开拥塞节点以缓解洪泛攻击的影响。然而，工业物联网节点在链路带宽和队列容量等方面存在异构性，导致网络负载分布不均，在洪泛攻击下易引发区域拥塞。为此，提出防御洪泛攻击的大模型辅助工业物联网安全路由方法，云服务器部署大模型获取全局负载分布和异常流量分布等全局安全态势，以此优化多路径选择，均衡网络负载，抵御洪泛攻击。基于各感知节点、交换节点和工业网关等节点获取的链路状态信息，采用参数量不小于270亿的大模型推断全局安全态势，反馈至物联网节点以辅助强化学习状态构建和路由风险评估。设计基于洪泛攻击行为特征以及时延和数据包到达率等业务需求的风险评估网络，降低路由中断风险，支撑设备协同控制、系统安全运行和环境监测等业务，提升工业物联网安全。在节点资源异构的工业物联网环境下，恶意设备发起数据包洪泛攻击，结果表明所提方案可提升数据包到达率，降低路由能耗和端到端时延。
, 最新更新时间 , doi: 10.11999/JEIT260798
摘要:
针对双鱼眼图像经等距柱状投影(Equirectangular Projection, ERP)展开后存在重叠带狭长、左右周期边界处不连续、以及平面单应模型在球面成像下引入冗余自由度而放大噪声等问题，该文提出一种基于SO(3)流形约束的双鱼眼全景图像配准方法。首先，设计ERP重叠带感兴趣区域(Region of Interest, ROI)提取与边界环绕机制，通过经度方向循环重排恢复跨边界的特征连续性；其次，构建三维旋转群SO(3)上的鲁棒估计模块，以球面角残差替代平面像素残差作为内点判据，消除冗余自由度；最后，在李代数so(3)上进行自适应非线性精化以抑制长尾残差。在PanoraMIS数据集上，以序列帧间相对旋转为定量评测，该方法配准成功率达97.10%，P95角残差0.549°，时序稳定性0.313°，较SuperPoint+LightGlue在P95残差和时序稳定性上分别降低22.8%和77.3%，较Efficient LoFTR峰值显存降低52.7%。在配准精度、时序稳定性与资源开销之间取得了良好平衡，具备面向端侧双鱼眼全景拼接前端的部署潜力。
针对双鱼眼图像经等距柱状投影(Equirectangular Projection, ERP)展开后存在重叠带狭长、左右周期边界处不连续、以及平面单应模型在球面成像下引入冗余自由度而放大噪声等问题，该文提出一种基于SO(3)流形约束的双鱼眼全景图像配准方法。首先，设计ERP重叠带感兴趣区域(Region of Interest, ROI)提取与边界环绕机制，通过经度方向循环重排恢复跨边界的特征连续性；其次，构建三维旋转群SO(3)上的鲁棒估计模块，以球面角残差替代平面像素残差作为内点判据，消除冗余自由度；最后，在李代数so(3)上进行自适应非线性精化以抑制长尾残差。在PanoraMIS数据集上，以序列帧间相对旋转为定量评测，该方法配准成功率达97.10%，P95角残差0.549°，时序稳定性0.313°，较SuperPoint+LightGlue在P95残差和时序稳定性上分别降低22.8%和77.3%，较Efficient LoFTR峰值显存降低52.7%。在配准精度、时序稳定性与资源开销之间取得了良好平衡，具备面向端侧双鱼眼全景拼接前端的部署潜力。
, 最新更新时间 , doi: 10.11999/JEIT260567
摘要:
为抑制非正交多址接入(Non-Orthogonal Multiple Access, NOMA)方案多用户组内干扰导致的可靠性差问题，通常是引入空时块编码(Space-Time Block Coding, STBC)技术中最经典的Alamouti编码设计来实现分集提升。然而，现有基于Alamouti辅助的NOMA方案是一种中心与边缘用户需求符号采用等额发送的编码模式。这种模式传承的是传统正交方案所需的Alamouti编码风格，它忽视了非正交传输下中心与边缘用户存在的显著信道差异的事实，不仅浪费中心用户天然信道好的优势，还无形中削弱了STBC技术抑制用户组内干扰的性能。基于此，本文根据用户信道差异显著的特点，提出了非正交通信场景下边缘与中心用户需求符号采用不等额发送的Alamouti编码设计，即构造Alamouti分组发送码的边缘用户需求符号通常比中心用户少。这种通过减少发送符号的做法，一方面对本身信道质量就差的边缘用户来说非常有好处，它可以极大地降低了组内的多用户干扰；另一方面，边缘用户自身符号发送数量的减少会带来它单位发送符号所获得功率的增大，在极大地提升接收端的信干噪比的同时提供更宽的功率优化空间，使得低信噪比场景下还可以获得更高的系统和速率。我们还推导了所提方案在可达和速率与中断概率的精确闭式解。数值仿真显示了所提方案的有效性。
为抑制非正交多址接入(Non-Orthogonal Multiple Access, NOMA)方案多用户组内干扰导致的可靠性差问题，通常是引入空时块编码(Space-Time Block Coding, STBC)技术中最经典的Alamouti编码设计来实现分集提升。然而，现有基于Alamouti辅助的NOMA方案是一种中心与边缘用户需求符号采用等额发送的编码模式。这种模式传承的是传统正交方案所需的Alamouti编码风格，它忽视了非正交传输下中心与边缘用户存在的显著信道差异的事实，不仅浪费中心用户天然信道好的优势，还无形中削弱了STBC技术抑制用户组内干扰的性能。基于此，本文根据用户信道差异显著的特点，提出了非正交通信场景下边缘与中心用户需求符号采用不等额发送的Alamouti编码设计，即构造Alamouti分组发送码的边缘用户需求符号通常比中心用户少。这种通过减少发送符号的做法，一方面对本身信道质量就差的边缘用户来说非常有好处，它可以极大地降低了组内的多用户干扰；另一方面，边缘用户自身符号发送数量的减少会带来它单位发送符号所获得功率的增大，在极大地提升接收端的信干噪比的同时提供更宽的功率优化空间，使得低信噪比场景下还可以获得更高的系统和速率。我们还推导了所提方案在可达和速率与中断概率的精确闭式解。数值仿真显示了所提方案的有效性。
, 最新更新时间 , doi: 10.11999/JEIT260645
摘要:
从大规模门级网表中学习高质量电路表示是将机器学习技术应用于电子设计自动化的核心挑战之一。随着数字集成电路规模的跃升，现有基于图Transformer的方法因计算与内存开销过高而难以扩展。为此，该文提出一种功能感知划分驱动的层次化电路表示学习框架。该框架受大语言模型分词机制启发，提出以功能独立性比率(FIR)为优化目标将大规模网表划分为功能内聚的电路元作为表示学习的基本单元。在此基础上，该文设计二阶段自监督预训练框架以适配电路元级表示学习。第一阶段通过掩码自编码器与边预测学习电路元级全局表示；第二阶段在冻结电路元嵌入的条件下，通过布尔等价变换驱动的对比学习算法，学习具有全局上下文感知的门级判别性表示。在多个从小规模到超大规模电路上的实验表明，基于FIR的划分相较当前最佳方案提升超过24%，在下游全电路功能识别与门级功能识别任务中，该文方法在所有可比较数据集上均显著优于当前最先进方法，且是唯一可扩展至BOOM(8.12M门)与OpenC910(22.3M门)的方案。
从大规模门级网表中学习高质量电路表示是将机器学习技术应用于电子设计自动化的核心挑战之一。随着数字集成电路规模的跃升，现有基于图Transformer的方法因计算与内存开销过高而难以扩展。为此，该文提出一种功能感知划分驱动的层次化电路表示学习框架。该框架受大语言模型分词机制启发，提出以功能独立性比率(FIR)为优化目标将大规模网表划分为功能内聚的电路元作为表示学习的基本单元。在此基础上，该文设计二阶段自监督预训练框架以适配电路元级表示学习。第一阶段通过掩码自编码器与边预测学习电路元级全局表示；第二阶段在冻结电路元嵌入的条件下，通过布尔等价变换驱动的对比学习算法，学习具有全局上下文感知的门级判别性表示。在多个从小规模到超大规模电路上的实验表明，基于FIR的划分相较当前最佳方案提升超过24%，在下游全电路功能识别与门级功能识别任务中，该文方法在所有可比较数据集上均显著优于当前最先进方法，且是唯一可扩展至BOOM(8.12M门)与OpenC910(22.3M门)的方案。
, 最新更新时间 , doi: 10.11999/JEIT260695
摘要:
集中式多输入多输出(MIMO)雷达资源分配算法可有效提升多目标跟踪精度，而传统优化算法仅优化下一时刻跟踪性能，难以实现全时域多目标累积跟踪精度提升；同时，传统优化算法的计算复杂度较高，难以满足资源分配过程的实时性要求。针对该问题，该文提出一种强化学习(RL)驱动的集中式MIMO雷达功率分配算法。首先，利用后验克拉美罗界(PCRLB)构建RL模型的状态与奖励函数，将功率资源分配过程建模为马尔可夫决策过程(MDP)，建立RL驱动的资源分配优化模型；其次，结合工程实际与算法收敛性要求，采用对决双深度Q网络(D3QN)算法对模型进行求解。仿真结果表明，相较于固定功率分配与传统优化分配算法，所提算法可实现功率资源的自适应合理分配，显著提升全时域累积跟踪精度；并且训练后的网络可以根据状态进行实时决策输出资源分配结果，提升了算法实时性。
集中式多输入多输出(MIMO)雷达资源分配算法可有效提升多目标跟踪精度，而传统优化算法仅优化下一时刻跟踪性能，难以实现全时域多目标累积跟踪精度提升；同时，传统优化算法的计算复杂度较高，难以满足资源分配过程的实时性要求。针对该问题，该文提出一种强化学习(RL)驱动的集中式MIMO雷达功率分配算法。首先，利用后验克拉美罗界(PCRLB)构建RL模型的状态与奖励函数，将功率资源分配过程建模为马尔可夫决策过程(MDP)，建立RL驱动的资源分配优化模型；其次，结合工程实际与算法收敛性要求，采用对决双深度Q网络(D3QN)算法对模型进行求解。仿真结果表明，相较于固定功率分配与传统优化分配算法，所提算法可实现功率资源的自适应合理分配，显著提升全时域累积跟踪精度；并且训练后的网络可以根据状态进行实时决策输出资源分配结果，提升了算法实时性。
, 最新更新时间 , doi: 10.11999/JEIT260296
摘要:
无人智能系统在复杂电磁环境下的可靠通信是保障其自主任务能力的关键。尤其对于无人机这类典型的空中通信节点，其通信链路直接暴露于开放电磁空间，面临的干扰威胁尤为突出。然而，在实际应用中，由于对干扰特征、期望信号来向及多径传播等信息认知不足，导致传统空域抗干扰方法的性能严重下降。针对先验信息缺失场景，该文研究了一种面向无人系统空域抗干扰方法。具体而言，首先采用空间平滑算法对接收信号进行解相干处理，随后进行空间谱估计以检测出潜在入射信号的来向。然后，遍历估计的谱峰，采用协方差矩阵重构波束形成算法依次提取该方向的信号，实现混合信号的分离。最后，设计了一种基于频谱相似度和时延的信号类型识别方法，将分离的信号分别归类为干扰、直射和多径信号，并根据信号类型，在保留直射信号、抑制干扰的前提下，对多径信号进行选择性合并或抑制等灵活处理。仿真实验验证了所提算法的可行性与有效性。结果表明，所提算法能够在先验信息缺失的条件下有效抑制干扰并灵活处理多径，改善了通信性能。
无人智能系统在复杂电磁环境下的可靠通信是保障其自主任务能力的关键。尤其对于无人机这类典型的空中通信节点，其通信链路直接暴露于开放电磁空间，面临的干扰威胁尤为突出。然而，在实际应用中，由于对干扰特征、期望信号来向及多径传播等信息认知不足，导致传统空域抗干扰方法的性能严重下降。针对先验信息缺失场景，该文研究了一种面向无人系统空域抗干扰方法。具体而言，首先采用空间平滑算法对接收信号进行解相干处理，随后进行空间谱估计以检测出潜在入射信号的来向。然后，遍历估计的谱峰，采用协方差矩阵重构波束形成算法依次提取该方向的信号，实现混合信号的分离。最后，设计了一种基于频谱相似度和时延的信号类型识别方法，将分离的信号分别归类为干扰、直射和多径信号，并根据信号类型，在保留直射信号、抑制干扰的前提下，对多径信号进行选择性合并或抑制等灵活处理。仿真实验验证了所提算法的可行性与有效性。结果表明，所提算法能够在先验信息缺失的条件下有效抑制干扰并灵活处理多径，改善了通信性能。
, 最新更新时间 , doi: 10.11999/JEIT260516
摘要:
忆阻Hopfield神经网络是将忆阻器引入传统Hopfield神经网络(HNN)，借助忆阻器模拟神经元突触来实现突触权重动态调节的类脑神经网络模型。该文提出一种含符号函数的多分段非线性磁控忆阻器，并将其应用于三神经元HNN系统的自连接突触，构建了四维忆阻HNN系统。首先，利用分岔图和李雅普诺夫指数谱，分析忆阻自连接突触耦合强度对系统动力学行为的调控作用，揭示了与系统初值相关的共存吸引子及其演化规律。同时，发现该系统具备多涡卷吸引子的单向拓展特性，以及多涡卷吸引子数目随忆阻器控制参数的变化而改变。在此基础上，通过施加多级逻辑脉冲电流进行调控，构建了一种新型嵌套多涡卷忆阻HNN系统，促使系统产生具有嵌套结构的特殊多涡卷吸引子，并分析了加入多级逻辑脉冲电流前后系统复杂度的变化情况。最后，采用Multisim模拟电路仿真与FPGA数字电路实验，双重验证了MATLAB数值仿真结果的正确性。
忆阻Hopfield神经网络是将忆阻器引入传统Hopfield神经网络(HNN)，借助忆阻器模拟神经元突触来实现突触权重动态调节的类脑神经网络模型。该文提出一种含符号函数的多分段非线性磁控忆阻器，并将其应用于三神经元HNN系统的自连接突触，构建了四维忆阻HNN系统。首先，利用分岔图和李雅普诺夫指数谱，分析忆阻自连接突触耦合强度对系统动力学行为的调控作用，揭示了与系统初值相关的共存吸引子及其演化规律。同时，发现该系统具备多涡卷吸引子的单向拓展特性，以及多涡卷吸引子数目随忆阻器控制参数的变化而改变。在此基础上，通过施加多级逻辑脉冲电流进行调控，构建了一种新型嵌套多涡卷忆阻HNN系统，促使系统产生具有嵌套结构的特殊多涡卷吸引子，并分析了加入多级逻辑脉冲电流前后系统复杂度的变化情况。最后，采用Multisim模拟电路仿真与FPGA数字电路实验，双重验证了MATLAB数值仿真结果的正确性。
, 最新更新时间 , doi: 10.11999/JEIT260514
摘要:
Ka波段是未来新一代高通量卫星的核心频段，卫星通信发射系统对功率放大器提出了高回退效率的严苛要求。Doherty功率放大器(DPA)通过有源负载调制显著提高了功率回退状态下的工作效率，但Doherty架构的固有阻抗变换网络严重限制了其工作带宽，同时，其在毫米波段的饱和与回退效率均大幅下降，这成为制约其在毫米波高通量卫星通信系统中应用的关键瓶颈。针对上述问题，该文提出一种超宽带增强型有源负载调制技术，有效突破Doherty功率放大器带宽和回退效率相互制约的瓶颈，实现毫米波Doherty架构的效率增强和带宽扩展。同时，创新地提出了一种超宽带相位补偿非等分功率分配网络，扩展了高效率带宽，同时缩小了芯片面积。为验证所提理论，基于0.15 μm GaN工艺，设计了一款毫米波超宽带高效率Doherty功率放大器芯片，最终在24～33 GHz(相对带宽达到31.6%)的超宽频带内，实现了21.8～23.8 dB的小信号增益，28.9～31.0 dBm的饱和输出功率，饱和功率附加效率(PAE)为25.2%～33.5%，6 dB回退PAE为15.5%～19.8%。在目前所报道的相近频带的毫米波GaN Doherty功放中，具有最高的小信号增益及饱和PAE，高的饱和输出功率和6 dB回退PAE等一系列优异性能，同时在目前所报道的2～3级DPA芯片中具有最小的芯片面积。
Ka波段是未来新一代高通量卫星的核心频段，卫星通信发射系统对功率放大器提出了高回退效率的严苛要求。Doherty功率放大器(DPA)通过有源负载调制显著提高了功率回退状态下的工作效率，但Doherty架构的固有阻抗变换网络严重限制了其工作带宽，同时，其在毫米波段的饱和与回退效率均大幅下降，这成为制约其在毫米波高通量卫星通信系统中应用的关键瓶颈。针对上述问题，该文提出一种超宽带增强型有源负载调制技术，有效突破Doherty功率放大器带宽和回退效率相互制约的瓶颈，实现毫米波Doherty架构的效率增强和带宽扩展。同时，创新地提出了一种超宽带相位补偿非等分功率分配网络，扩展了高效率带宽，同时缩小了芯片面积。为验证所提理论，基于0.15 μm GaN工艺，设计了一款毫米波超宽带高效率Doherty功率放大器芯片，最终在24～33 GHz(相对带宽达到31.6%)的超宽频带内，实现了21.8～23.8 dB的小信号增益，28.9～31.0 dBm的饱和输出功率，饱和功率附加效率(PAE)为25.2%～33.5%，6 dB回退PAE为15.5%～19.8%。在目前所报道的相近频带的毫米波GaN Doherty功放中，具有最高的小信号增益及饱和PAE，高的饱和输出功率和6 dB回退PAE等一系列优异性能，同时在目前所报道的2～3级DPA芯片中具有最小的芯片面积。
, 最新更新时间 , doi: 10.11999/JEIT260418
摘要:
在环境反向散射通信(AmBC)中，阅读器利用能量检测器恢复出标签信号，其检测门限所需参数由含有标签未知符号“1”和“0”的接收信号平均功率确定。现有参数估计方法假设标签以等概率发送符号“1”和“0”，因此直接对排序后的接收信号样本功率进行等分。但标签发送的符号数有限，因此符号“1”和“0”的数量并非严格相等，此时等分会导致样本错分，使得检测门限偏离最优值。为此，该文设计了一种基于迭代更新的检测门限参数估计方法，其核心思想是利用已有的判决结果对排序样本进行重新分组，并对门限参数进行迭代更新，实现检测门限的逐步修正。为了验证所提方法的有效性，在复高斯源、PSK源和QAM源3种典型环境射频源条件下进行了仿真。仿真结果表明，该方法能有效降低门限参数估计偏差，相较于现有排序分组的参数估计方法，仅需1次迭代更新，其检测误码率在复高斯源、PSK源和QAM源下即可实现约0.1, 1.5和1.3个数量级的性能提升。
在环境反向散射通信(AmBC)中，阅读器利用能量检测器恢复出标签信号，其检测门限所需参数由含有标签未知符号“1”和“0”的接收信号平均功率确定。现有参数估计方法假设标签以等概率发送符号“1”和“0”，因此直接对排序后的接收信号样本功率进行等分。但标签发送的符号数有限，因此符号“1”和“0”的数量并非严格相等，此时等分会导致样本错分，使得检测门限偏离最优值。为此，该文设计了一种基于迭代更新的检测门限参数估计方法，其核心思想是利用已有的判决结果对排序样本进行重新分组，并对门限参数进行迭代更新，实现检测门限的逐步修正。为了验证所提方法的有效性，在复高斯源、PSK源和QAM源3种典型环境射频源条件下进行了仿真。仿真结果表明，该方法能有效降低门限参数估计偏差，相较于现有排序分组的参数估计方法，仅需1次迭代更新，其检测误码率在复高斯源、PSK源和QAM源下即可实现约0.1, 1.5和1.3个数量级的性能提升。
, 最新更新时间 , doi: 10.11999/JEIT260447
摘要:
到达方向(DOA)估计是声纳目标定位的关键环节，随着复杂环境下高精度方向估计需求的不断提升，用于估计的阵元数量也趋向大规模化，这在提高测向精度与分辨率的同时，也导致了传统方向估计算法面临着巨大的计算负担。针对这一问题，该文构建了一种低复杂度复合分级接收阵列结构，并基于此结构提出了两种快速相位模糊消除方法复合分级全局近邻匹配算法和复合分级互相关协方差合并算法。其中，复合分级全局近邻匹配算法充分利用复合分级阵列所形成的各子阵相位差关系和信号源的一致性特征，以较低的计算代价完成模糊解算与角度匹配，但由于未充分考虑所有阵元之间的相关信息，其估计性能存在一定的性能损失；复合分级互相关协方差合并算法首先对复合分级结构进行均分调整。在保持较低计算复杂度的前提下，同时利用组内子阵及组间阵元之间的相关信息，并结合协方差分块处理策略，从而获得更高精度的方向估计。仿真结果表明，所提的两种算法在阵元数量增多的情况下能够显著降低计算压力。其中，复合分级全局近邻匹配算法能够以较低的计算复杂度实现粗略的方向估计，更适用于对实时性要求较高的场景；复合分级互相关协方差合并算法则通过增加少量计算开销，实现了方向估计精度与计算复杂度之间的良好平衡。
到达方向(DOA)估计是声纳目标定位的关键环节，随着复杂环境下高精度方向估计需求的不断提升，用于估计的阵元数量也趋向大规模化，这在提高测向精度与分辨率的同时，也导致了传统方向估计算法面临着巨大的计算负担。针对这一问题，该文构建了一种低复杂度复合分级接收阵列结构，并基于此结构提出了两种快速相位模糊消除方法复合分级全局近邻匹配算法和复合分级互相关协方差合并算法。其中，复合分级全局近邻匹配算法充分利用复合分级阵列所形成的各子阵相位差关系和信号源的一致性特征，以较低的计算代价完成模糊解算与角度匹配，但由于未充分考虑所有阵元之间的相关信息，其估计性能存在一定的性能损失；复合分级互相关协方差合并算法首先对复合分级结构进行均分调整。在保持较低计算复杂度的前提下，同时利用组内子阵及组间阵元之间的相关信息，并结合协方差分块处理策略，从而获得更高精度的方向估计。仿真结果表明，所提的两种算法在阵元数量增多的情况下能够显著降低计算压力。其中，复合分级全局近邻匹配算法能够以较低的计算复杂度实现粗略的方向估计，更适用于对实时性要求较高的场景；复合分级互相关协方差合并算法则通过增加少量计算开销，实现了方向估计精度与计算复杂度之间的良好平衡。
, 最新更新时间 , doi: 10.11999/JEIT260404
摘要:
超大规模天线阵列场景下用户多处于近场区域，现有通信与感知算法面临离格功率泄露、幅度衰减导致模型失配等问题，且大多依赖导频辅助感知。为此，该文提出一种离格盲近场通信感知一体化(NF-ISAC)算法，可在无导频条件下实现近场用户的高精度坐标感知、信道估计与符号检测。该算法首先构建NF-ISAC系统的因子图模型，提出幅度-相位分离的混合导向矢量建模方法，通过神经网络实现拟合，并将其作为函数节点嵌入因子图；其次结合矩阵分解与消息传递算法，实现因子图中神经网络的穿透计算，完成离格盲NF-ISAC算法的完整推导；同时推导了基于神经网络的近场感知克拉美罗下界，明确了近场位置感知的理论极限。仿真结果表明，所提算法以与主流算法同阶的计算复杂度，在通信误码率与感知精度上均取得显著性能提升，感知精度较现有近场离格算法提升2～3 dB，且性能最接近理论下界。
超大规模天线阵列场景下用户多处于近场区域，现有通信与感知算法面临离格功率泄露、幅度衰减导致模型失配等问题，且大多依赖导频辅助感知。为此，该文提出一种离格盲近场通信感知一体化(NF-ISAC)算法，可在无导频条件下实现近场用户的高精度坐标感知、信道估计与符号检测。该算法首先构建NF-ISAC系统的因子图模型，提出幅度-相位分离的混合导向矢量建模方法，通过神经网络实现拟合，并将其作为函数节点嵌入因子图；其次结合矩阵分解与消息传递算法，实现因子图中神经网络的穿透计算，完成离格盲NF-ISAC算法的完整推导；同时推导了基于神经网络的近场感知克拉美罗下界，明确了近场位置感知的理论极限。仿真结果表明，所提算法以与主流算法同阶的计算复杂度，在通信误码率与感知精度上均取得显著性能提升，感知精度较现有近场离格算法提升2～3 dB，且性能最接近理论下界。
, 最新更新时间 , doi: 10.11999/JEIT260458
摘要:
面向低地球轨道(LEO)卫星多用户下行大规模多输入多输出(MIMO)通信系统，该文研究结合低分辨率移相器(PSs)与天线-射频(RF)链自适应映射的混合波束赋形设计问题，以提升系统频谱效率。具体地，该文首先建立了LEO卫星多用户下行混合波束赋形系统模型，并以系统频谱效率最大化为目标构建优化问题。针对所构建的变量耦合非凸优化问题，该文通过加权最小均方误差(WMMSE)等价转化，并引入辅助变量对问题进行重构。在此基础上，结合块坐标下降(BCD)方法与惩罚对偶分解(PDD)方法进行交替迭代求解。进一步地，针对天线-RF链自适应映射设计，该文提出一种基于匈牙利算法的自适应映射方法，以获得在所构造线性指派模型下的最优映射结果。为降低大规模天线阵列下的计算开销，进一步提出一种基于天线优先级排序的自适应映射方法。仿真结果表明，该文所提方法相较于传统固定子阵和贪心动态子阵方案具有显著性能优势，并能够在系统性能与计算复杂度之间实现较好的权衡。
面向低地球轨道(LEO)卫星多用户下行大规模多输入多输出(MIMO)通信系统，该文研究结合低分辨率移相器(PSs)与天线-射频(RF)链自适应映射的混合波束赋形设计问题，以提升系统频谱效率。具体地，该文首先建立了LEO卫星多用户下行混合波束赋形系统模型，并以系统频谱效率最大化为目标构建优化问题。针对所构建的变量耦合非凸优化问题，该文通过加权最小均方误差(WMMSE)等价转化，并引入辅助变量对问题进行重构。在此基础上，结合块坐标下降(BCD)方法与惩罚对偶分解(PDD)方法进行交替迭代求解。进一步地，针对天线-RF链自适应映射设计，该文提出一种基于匈牙利算法的自适应映射方法，以获得在所构造线性指派模型下的最优映射结果。为降低大规模天线阵列下的计算开销，进一步提出一种基于天线优先级排序的自适应映射方法。仿真结果表明，该文所提方法相较于传统固定子阵和贪心动态子阵方案具有显著性能优势，并能够在系统性能与计算复杂度之间实现较好的权衡。
, 最新更新时间 , doi: 10.11999/JEIT260328
摘要:
单晶钨针尖是常用的场致发射阴极材料，其尖端形貌直接影响场发射性能。然而，传统电化学腐蚀法制备的针尖呈现尖锥形貌，涂覆氧化锆涂层后很难获得有效发射。为此，本文提出电化学腐蚀与高温通氧处理相结合的工艺路线，系统研究了氧分压、温度及通氧时间对针尖形貌演化的影响。研究发现，氧分压决定重构方向：富氧条件下发生钝化重构，针尖形貌演变为“圆柱段+半球冠”结构，适用于热场发射阴极；欠氧条件下发生锐化重构，尖端曲率半径可缩减至28 nm，适用于冷场发射阴极。基于上述机制，本研究实现了对不同曲率半径针尖形貌尺寸的精确调控，突破了传统电化学腐蚀工艺的局限，实现了钨针尖的定制化制备与缺陷修正，为高性能场发射阴极的可控制备提供了新的技术路径。
单晶钨针尖是常用的场致发射阴极材料，其尖端形貌直接影响场发射性能。然而，传统电化学腐蚀法制备的针尖呈现尖锥形貌，涂覆氧化锆涂层后很难获得有效发射。为此，本文提出电化学腐蚀与高温通氧处理相结合的工艺路线，系统研究了氧分压、温度及通氧时间对针尖形貌演化的影响。研究发现，氧分压决定重构方向：富氧条件下发生钝化重构，针尖形貌演变为“圆柱段+半球冠”结构，适用于热场发射阴极；欠氧条件下发生锐化重构，尖端曲率半径可缩减至28 nm，适用于冷场发射阴极。基于上述机制，本研究实现了对不同曲率半径针尖形貌尺寸的精确调控，突破了传统电化学腐蚀工艺的局限，实现了钨针尖的定制化制备与缺陷修正，为高性能场发射阴极的可控制备提供了新的技术路径。
, 最新更新时间 , doi: 10.11999/JEIT260370
摘要:
针对资源受限的无人机(UAV)平台，如何在图像传输过程中实现高效且个性化的语义通信仍面临重要挑战。为此，该文提出一种轻量级个性化UAV语义通信(LPUSC)系统，旨在实现计算开销、传输带宽与个性化需求之间的有效平衡。该系统基于低开销的语义索引交互实现用户个性化内容传输，且无需对新接入用户进行兴趣预训练。首先，针对UAV端计算资源受限的问题，提出的LPUSC系统采用轻量且灵活的语义提取模块，利用YOLO11s实现高效的语义目标识别从而定位用户感兴趣区域，并结合MobileSAM模型实现基于目标框的精准分割，从而提取出个性化的语义内容，兼顾语义提取的轻量化、精准度与个性化。其次，该文构建了高质量语义图像重建的端到端传输网络，针对语义图像特性设计一种面向语义区域的加权混合损失训练策略，有效提升了个性化语义内容的重建质量。仿真结果表明，相较于传统的DeepJSCC和JPEG方法，所提LPUSC在语义图像重建质量上获得了显著提升，包括峰值信噪比分别提高了4.8%和79.5%，结构相似性指数分别提高了1.3%和43%，且在不同信道下保持了良好的鲁棒性。
针对资源受限的无人机(UAV)平台，如何在图像传输过程中实现高效且个性化的语义通信仍面临重要挑战。为此，该文提出一种轻量级个性化UAV语义通信(LPUSC)系统，旨在实现计算开销、传输带宽与个性化需求之间的有效平衡。该系统基于低开销的语义索引交互实现用户个性化内容传输，且无需对新接入用户进行兴趣预训练。首先，针对UAV端计算资源受限的问题，提出的LPUSC系统采用轻量且灵活的语义提取模块，利用YOLO11s实现高效的语义目标识别从而定位用户感兴趣区域，并结合MobileSAM模型实现基于目标框的精准分割，从而提取出个性化的语义内容，兼顾语义提取的轻量化、精准度与个性化。其次，该文构建了高质量语义图像重建的端到端传输网络，针对语义图像特性设计一种面向语义区域的加权混合损失训练策略，有效提升了个性化语义内容的重建质量。仿真结果表明，相较于传统的DeepJSCC和JPEG方法，所提LPUSC在语义图像重建质量上获得了显著提升，包括峰值信噪比分别提高了4.8%和79.5%，结构相似性指数分别提高了1.3%和43%，且在不同信道下保持了良好的鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT260430
摘要:
空地行人重识别(AG-PReID)旨在实现无人机视角与地面摄像视角下同一身份行人的跨平台匹配。由于空地视角差异显著且跨域分布偏移严重，现有方法中依赖线性特征变换的分类监督分支难以充分建模复杂非线性判别关系。针对上述问题，该文提出一种柯尔莫哥洛夫-阿诺德非线性增强模块(KANEM)，置于主干网络输出特征与线性分类层之间，用于替代传统的线性特征变换过程。该模块借鉴柯尔莫哥洛夫-阿诺德表示思想，通过可学习的样条函数对特征进行自适应非线性重构与增强，从而强化监督映射过程，促进更具判别性的空地跨视角表征学习。在CARGO和AG-ReID数据集上的实验结果表明，所提方法优于现有同类前沿方法。尤其在最具挑战性的空地跨视角检索协议下，两个数据集上的Rank-1分别达到58.75%和84.41%，较基线方法分别提升10.63%和1.99%，表明该方法具有较强的跨视角检索能力。
空地行人重识别(AG-PReID)旨在实现无人机视角与地面摄像视角下同一身份行人的跨平台匹配。由于空地视角差异显著且跨域分布偏移严重，现有方法中依赖线性特征变换的分类监督分支难以充分建模复杂非线性判别关系。针对上述问题，该文提出一种柯尔莫哥洛夫-阿诺德非线性增强模块(KANEM)，置于主干网络输出特征与线性分类层之间，用于替代传统的线性特征变换过程。该模块借鉴柯尔莫哥洛夫-阿诺德表示思想，通过可学习的样条函数对特征进行自适应非线性重构与增强，从而强化监督映射过程，促进更具判别性的空地跨视角表征学习。在CARGO和AG-ReID数据集上的实验结果表明，所提方法优于现有同类前沿方法。尤其在最具挑战性的空地跨视角检索协议下，两个数据集上的Rank-1分别达到58.75%和84.41%，较基线方法分别提升10.63%和1.99%，表明该方法具有较强的跨视角检索能力。
, 最新更新时间 , doi: 10.11999/JEIT260505
摘要:
随着5G毫米波通信系统对终端天线高增益、宽波束扫描及高信道容量的需求，该文针对兼具宽频带与稳定辐射特性的磁电偶极子天线，提出并设计了一种加载差分馈电的双极化天线阵列。旨在通过差分馈电结构抑制共模干扰、实现低交叉极化特性，并解决差分天线与单端射频电路的高效集成问题。首先设计了一种基于带状线-缝隙-带状线的叠层差分馈电巴伦。该巴伦采用T型缝隙-微带转换结构，实现了单端信号至差分信号的高效、宽带转换，为后续天线设计提供了良好的馈电基础。在此基础上，完成了单极化差分馈电磁电偶极子天线的设计与性能验证。进而，将研究扩展至双极化阵列。通过优化双极化差分馈电单元结构，并合理规划阵列排布，最终研制了一款1×4双极化差分馈电磁电偶极子天线阵列。该设计有效平衡了宽频带、宽角波束扫描与高集成度等多重性能指标。结果表明，所提阵列方案能够满足5G毫米波终端对高性能天线模组的要求，为相关工程应用提供了一种有效的技术路径。
随着5G毫米波通信系统对终端天线高增益、宽波束扫描及高信道容量的需求，该文针对兼具宽频带与稳定辐射特性的磁电偶极子天线，提出并设计了一种加载差分馈电的双极化天线阵列。旨在通过差分馈电结构抑制共模干扰、实现低交叉极化特性，并解决差分天线与单端射频电路的高效集成问题。首先设计了一种基于带状线-缝隙-带状线的叠层差分馈电巴伦。该巴伦采用T型缝隙-微带转换结构，实现了单端信号至差分信号的高效、宽带转换，为后续天线设计提供了良好的馈电基础。在此基础上，完成了单极化差分馈电磁电偶极子天线的设计与性能验证。进而，将研究扩展至双极化阵列。通过优化双极化差分馈电单元结构，并合理规划阵列排布，最终研制了一款1×4双极化差分馈电磁电偶极子天线阵列。该设计有效平衡了宽频带、宽角波束扫描与高集成度等多重性能指标。结果表明，所提阵列方案能够满足5G毫米波终端对高性能天线模组的要求，为相关工程应用提供了一种有效的技术路径。
, 最新更新时间 , doi: 10.11999/JEIT260399
摘要:
随着以智能网联新能源汽车、人工智能终端、智能机器人为代表的新型智能终端快速普及，多模态大模型等新兴应用不断向端侧落地，泛在智能业务持续拓展。在此背景下，终端算力开销急剧增长。受制于体积、功耗与成本，智能终端设备普遍面临能耗过高、续航不足的问题。第6代(6G)无线通信网络通过无线接入网(RAN)架构增强与算力下沉，有望承接终端侧高能耗、高算力任务，赋能新型终端实现轻量化、低成本、长续航升级。该文首先阐述了增强型RAN赋能的6G端–边协同服务框架，并建立终端计算与传输能耗理论模型。然后，该文系统梳理了面向端–边协同推理的典型节能技术，并提出面向动态无线环境的通算联合自适应优化机制，实现通信与计算能耗的协同优化。最后，以具身智能终端为典型场景验证所提机制的节能效果，并总结当前研究在资源协同、全局优化与标准化落地等方面的挑战与未来方向。
随着以智能网联新能源汽车、人工智能终端、智能机器人为代表的新型智能终端快速普及，多模态大模型等新兴应用不断向端侧落地，泛在智能业务持续拓展。在此背景下，终端算力开销急剧增长。受制于体积、功耗与成本，智能终端设备普遍面临能耗过高、续航不足的问题。第6代(6G)无线通信网络通过无线接入网(RAN)架构增强与算力下沉，有望承接终端侧高能耗、高算力任务，赋能新型终端实现轻量化、低成本、长续航升级。该文首先阐述了增强型RAN赋能的6G端–边协同服务框架，并建立终端计算与传输能耗理论模型。然后，该文系统梳理了面向端–边协同推理的典型节能技术，并提出面向动态无线环境的通算联合自适应优化机制，实现通信与计算能耗的协同优化。最后，以具身智能终端为典型场景验证所提机制的节能效果，并总结当前研究在资源协同、全局优化与标准化落地等方面的挑战与未来方向。
, 最新更新时间 , doi: 10.11999/JEIT260218
摘要:
在网络边缘部署大语言模型(Large Language Models, LLMs)对泛在人工智能(Artificial Intelligence, AI)至关重要。与单一LLM相比，多LLM协同推理可以显著提高系统的稳健性，但严格的资源约束对可靠推理提出了挑战。本文提出了门控自适应重复查询(Gating Adaptive Repeat Query, G-ARQ)框架，将协同推理转化为语义驱动的闭环过程，增强了系统的健壮性。在G-ARQ中，语义空间对齐和错误引导重传(Semantic-Space Alignment and Error-Guided Retransmission, SEMAR)机制将不同类型的LLM输出对齐到一个统一的语义空间，并使用推理错误信息来指导下一次重复查询LLM的选择，而轨迹优化器在不需要显式系统动态的情况下联合优化LLM门控和资源分配。在SQuAD和TriviaQA混合数据集上的实验表明，在严格的时延和能耗约束下，G-ARQ相比基线方案的准确率最大提高2.2%。G-ARQ框架建立了一个帕累托边界来表征准确率和时延之间的权衡，为可靠的第六代(Sixth-Generation, 6G)边缘智能提供了一条实用的路径。
在网络边缘部署大语言模型(Large Language Models, LLMs)对泛在人工智能(Artificial Intelligence, AI)至关重要。与单一LLM相比，多LLM协同推理可以显著提高系统的稳健性，但严格的资源约束对可靠推理提出了挑战。本文提出了门控自适应重复查询(Gating Adaptive Repeat Query, G-ARQ)框架，将协同推理转化为语义驱动的闭环过程，增强了系统的健壮性。在G-ARQ中，语义空间对齐和错误引导重传(Semantic-Space Alignment and Error-Guided Retransmission, SEMAR)机制将不同类型的LLM输出对齐到一个统一的语义空间，并使用推理错误信息来指导下一次重复查询LLM的选择，而轨迹优化器在不需要显式系统动态的情况下联合优化LLM门控和资源分配。在SQuAD和TriviaQA混合数据集上的实验表明，在严格的时延和能耗约束下，G-ARQ相比基线方案的准确率最大提高2.2%。G-ARQ框架建立了一个帕累托边界来表征准确率和时延之间的权衡，为可靠的第六代(Sixth-Generation, 6G)边缘智能提供了一条实用的路径。
, 最新更新时间 , doi: 10.11999/JEIT260494
摘要:
针对传统掘进机轴承故障诊断方法难以有效感知跨模态多尺度故障信息的问题，该文提出跨模态核聚球空间学习(CKFSL)的掘进机轴承故障诊断方法。该方法首先在高维核空间中采用对偶极值点锚定和极向近邻分配机制来捕获核空间中具有相似同构信息的故障样本集群以形成核聚球。随后设计了新颖的自适应二叉剖分策略，该策略根据核聚球内部故障样本的几何跨度进行自适应剖分，形成微近邻核聚球空间，在微尺度上实现了对掘进机轴承故障样本的高同构性流形聚合。为进一步刻画微近邻核聚球间的广域拓扑关联，该文提出广域拓扑同构约束，该约束在微近邻核聚球空间中量化故障样本的秩次散度与相对散度因子，从而构建微近邻核聚球间的广域动态同构图，实现微近邻核聚球广域拓扑关联的重构。最后整合跨模态故障样本的局部流形同构性与广域拓扑关联，形成了CKFSL模型的目标优化函数，实现模型对跨模态多尺度故障信息的感知。该文在理论上推导出微近邻核聚球空间投影方向解析解，进而利用空间投影来直接获得掘进机跨模态故障样本的跨模态核聚球空间同构特征，该特征不仅能够有效感知掘进机轴承跨模态多尺度故障信息，且具有良好的鉴别力。在自建的AUST掘进机数据集和帕德博恩轴承数据集上进行的实验结果表明了CKFSL方法的有效性。
针对传统掘进机轴承故障诊断方法难以有效感知跨模态多尺度故障信息的问题，该文提出跨模态核聚球空间学习(CKFSL)的掘进机轴承故障诊断方法。该方法首先在高维核空间中采用对偶极值点锚定和极向近邻分配机制来捕获核空间中具有相似同构信息的故障样本集群以形成核聚球。随后设计了新颖的自适应二叉剖分策略，该策略根据核聚球内部故障样本的几何跨度进行自适应剖分，形成微近邻核聚球空间，在微尺度上实现了对掘进机轴承故障样本的高同构性流形聚合。为进一步刻画微近邻核聚球间的广域拓扑关联，该文提出广域拓扑同构约束，该约束在微近邻核聚球空间中量化故障样本的秩次散度与相对散度因子，从而构建微近邻核聚球间的广域动态同构图，实现微近邻核聚球广域拓扑关联的重构。最后整合跨模态故障样本的局部流形同构性与广域拓扑关联，形成了CKFSL模型的目标优化函数，实现模型对跨模态多尺度故障信息的感知。该文在理论上推导出微近邻核聚球空间投影方向解析解，进而利用空间投影来直接获得掘进机跨模态故障样本的跨模态核聚球空间同构特征，该特征不仅能够有效感知掘进机轴承跨模态多尺度故障信息，且具有良好的鉴别力。在自建的AUST掘进机数据集和帕德博恩轴承数据集上进行的实验结果表明了CKFSL方法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT260194
摘要:
在智能网联车路云协同系统部署背景下，从路侧视角理清微观车流交互行为与风险场分布的相互作用机理，具有重要理论与应用价值。该文针对多车交互风险的统一建模与动态演化问题，提出一种基于多车动态风险场与双模型预测控制(MPC)的轨迹规划方法。建立面向车路协同的智能网联交通风险场模型，实现驾驶环境风险的连续空间化表征，并引入方向不均匀系数刻画车辆对前向与侧后方风险的感知非对称性。设计基于双MPC的分层决策与运动规划架构，上层基于风险场评估候选驾驶行为，输出最优行为模式；下层根据行为模式激活纵向速度规划MPC或换道轨迹规划MPC，将风险场嵌入代价函数以引导轨迹生成。选用HighD数据集(高速公路)与NGSIM数据集(城市快速路)进行验证，实验结果表明，所提方法能够有效刻画车流风险的时空演化特征，在RMSE、MAE、MAPE等指标上优于现有对比模型，有助于增强路侧系统对局部车流的实时感知与动态风险评估能力。
在智能网联车路云协同系统部署背景下，从路侧视角理清微观车流交互行为与风险场分布的相互作用机理，具有重要理论与应用价值。该文针对多车交互风险的统一建模与动态演化问题，提出一种基于多车动态风险场与双模型预测控制(MPC)的轨迹规划方法。建立面向车路协同的智能网联交通风险场模型，实现驾驶环境风险的连续空间化表征，并引入方向不均匀系数刻画车辆对前向与侧后方风险的感知非对称性。设计基于双MPC的分层决策与运动规划架构，上层基于风险场评估候选驾驶行为，输出最优行为模式；下层根据行为模式激活纵向速度规划MPC或换道轨迹规划MPC，将风险场嵌入代价函数以引导轨迹生成。选用HighD数据集(高速公路)与NGSIM数据集(城市快速路)进行验证，实验结果表明，所提方法能够有效刻画车流风险的时空演化特征，在RMSE、MAE、MAPE等指标上优于现有对比模型，有助于增强路侧系统对局部车流的实时感知与动态风险评估能力。
, 最新更新时间 , doi: 10.11999/JEIT260090
摘要:
针对低空边缘网络中因任务数据量的突发性与无人机飞行位置抖动所引起的服务质量下降问题，该文提出一种基于分布鲁棒优化的系统能耗最小化方法。首先，综合考虑任务大小和飞行位置不确定性因素，建立以最小化系统加权总能耗为目标的网络模型，并对无人机飞行轨迹、任务划分以及计算与通信资源进行协同设计。其次，将该非凸且复杂的优化问题建模为马尔可夫决策过程，并提出基于分布鲁棒优化的软演员-评论家算法。该算法通过构建任务需求分布的模糊集以处理分布不确定性，并借助最大熵强化学习框架，在连续动作空间中求解最坏概率分布下的最优策略。仿真结果表明，所提算法在动态环境中具有更快的收敛速度，且在不同任务负载及位置扰动下均能显著降低系统加权能耗，其中用户和无人机能耗分别降低了21.1%和15.9%。
针对低空边缘网络中因任务数据量的突发性与无人机飞行位置抖动所引起的服务质量下降问题，该文提出一种基于分布鲁棒优化的系统能耗最小化方法。首先，综合考虑任务大小和飞行位置不确定性因素，建立以最小化系统加权总能耗为目标的网络模型，并对无人机飞行轨迹、任务划分以及计算与通信资源进行协同设计。其次，将该非凸且复杂的优化问题建模为马尔可夫决策过程，并提出基于分布鲁棒优化的软演员-评论家算法。该算法通过构建任务需求分布的模糊集以处理分布不确定性，并借助最大熵强化学习框架，在连续动作空间中求解最坏概率分布下的最优策略。仿真结果表明，所提算法在动态环境中具有更快的收敛速度，且在不同任务负载及位置扰动下均能显著降低系统加权能耗，其中用户和无人机能耗分别降低了21.1%和15.9%。
, 最新更新时间 , doi: 10.11999/JEIT260377
摘要:
真随机数发生器(TRNG)作为一种重要的硬件安全原语，通过提取物理随机变量产生无法预测的真随机序列，为安全系统构建硬件可信根。然而，为了提升TRNG的随机性，往往需要引入大量熵源，导致整体硬件开销较高。为解决这一问题，本文提出一种基于链式耦合振荡环的轻量级TRNG。首先，通过推导伽罗瓦振荡环的状态方程，分析不规则振荡机理，为熵源电路设计提供指导。然后，设计延迟反馈异或环，以此构建链式熵源电路，并进行不规则振荡行为建模。最后通过实验验证，所提出的TRNG通过了NIST SP 800-22和NIST SP 800-90B测试，在Xilinx Artix-7 FPGA上的吞吐量为200Mbps，且硬件开销仅为11个LUT和4个DFF，在资源受限的轻量级场景具有良好的应用前景。
真随机数发生器(TRNG)作为一种重要的硬件安全原语，通过提取物理随机变量产生无法预测的真随机序列，为安全系统构建硬件可信根。然而，为了提升TRNG的随机性，往往需要引入大量熵源，导致整体硬件开销较高。为解决这一问题，本文提出一种基于链式耦合振荡环的轻量级TRNG。首先，通过推导伽罗瓦振荡环的状态方程，分析不规则振荡机理，为熵源电路设计提供指导。然后，设计延迟反馈异或环，以此构建链式熵源电路，并进行不规则振荡行为建模。最后通过实验验证，所提出的TRNG通过了NIST SP 800-22和NIST SP 800-90B测试，在Xilinx Artix-7 FPGA上的吞吐量为200Mbps，且硬件开销仅为11个LUT和4个DFF，在资源受限的轻量级场景具有良好的应用前景。
, 最新更新时间 , doi: 10.11999/JEIT251300
摘要:
在智能物联网(AIoT)中，边缘服务器可以通过利用存储的人工智能生成内容(AIGC)模型向AIoT设备提供智能服务。然而，边缘服务器的计算能力和模型存储容量有限，难以支撑大规模的模型存储以实现异构AIGC服务。针对此问题，该文基于AIGC服务的异构性，将AIGC服务划分为请求轻量型、计算密集型以及预处理型，并提出一种云边协同与边边协同相结合的通算存资源优化方案。该方案协同云计算与边缘计算的优势，在考虑边缘服务器计算和存储资源限制的基础上，联合优化AIoT设备和基站的发射功率、计算资源分配、AIGC模型部署及服务请求决策以最小化AIGC服务总时延。由于所构建的优化问题是一个混合整数非线性规划问题，因此设计了一种基于交替优化的算法，该算法将问题分解为3个子问题，并分别采用连续凸逼近方法、卡罗需-库恩-塔克条件和改进的哈里斯鹰算法进行求解。仿真结果表明，所提方案具有较快的收敛速度，并且与基准方案相比能够降低AIGC服务总时延。
在智能物联网(AIoT)中，边缘服务器可以通过利用存储的人工智能生成内容(AIGC)模型向AIoT设备提供智能服务。然而，边缘服务器的计算能力和模型存储容量有限，难以支撑大规模的模型存储以实现异构AIGC服务。针对此问题，该文基于AIGC服务的异构性，将AIGC服务划分为请求轻量型、计算密集型以及预处理型，并提出一种云边协同与边边协同相结合的通算存资源优化方案。该方案协同云计算与边缘计算的优势，在考虑边缘服务器计算和存储资源限制的基础上，联合优化AIoT设备和基站的发射功率、计算资源分配、AIGC模型部署及服务请求决策以最小化AIGC服务总时延。由于所构建的优化问题是一个混合整数非线性规划问题，因此设计了一种基于交替优化的算法，该算法将问题分解为3个子问题，并分别采用连续凸逼近方法、卡罗需-库恩-塔克条件和改进的哈里斯鹰算法进行求解。仿真结果表明，所提方案具有较快的收敛速度，并且与基准方案相比能够降低AIGC服务总时延。
, 最新更新时间 , doi: 10.11999/JEIT251244
摘要:
在复杂且动态变化的海洋环境中，通信性能起伏显著且难以预估，传统依赖反馈链路进行信道状态估计与参数调整的方法难以适用于深海远程水声通信。为此，该文提出一种基于深度学习声场不确定预估的水声通信性能分析与快速预报方法，在无反馈条件下实现通信参数与信道状态的高效匹配。该方法基于深度学习快速预测的传播损失概率分布，构建了从传播损失到信噪比，再到统计信道容量与中断容量的链式映射模型，实现环境不确定性与通信性能的量化映射。进一步结合典型深海单载波通信系统在特定信道条件下的链路性能与传播损失的统计特性，提出通信“速率-可靠性”预报方法，评估不同速率下的可靠通信概率，从而为复杂动态环境下的系统参数匹配提供依据。海上试验结果表明，所提方法在复杂信道环境下对通信“速率-可靠性”的预报与实测结果高度一致：会聚区与影区各速率点上的可靠概率偏差分别为0.9%～4%和1%～9%；以90%可靠通信概率为阈值时，预报的最大可靠速率与实测结果一致，验证了该方法在深海远程水声通信中的准确性和实用性。
在复杂且动态变化的海洋环境中，通信性能起伏显著且难以预估，传统依赖反馈链路进行信道状态估计与参数调整的方法难以适用于深海远程水声通信。为此，该文提出一种基于深度学习声场不确定预估的水声通信性能分析与快速预报方法，在无反馈条件下实现通信参数与信道状态的高效匹配。该方法基于深度学习快速预测的传播损失概率分布，构建了从传播损失到信噪比，再到统计信道容量与中断容量的链式映射模型，实现环境不确定性与通信性能的量化映射。进一步结合典型深海单载波通信系统在特定信道条件下的链路性能与传播损失的统计特性，提出通信“速率-可靠性”预报方法，评估不同速率下的可靠通信概率，从而为复杂动态环境下的系统参数匹配提供依据。海上试验结果表明，所提方法在复杂信道环境下对通信“速率-可靠性”的预报与实测结果高度一致：会聚区与影区各速率点上的可靠概率偏差分别为0.9%～4%和1%～9%；以90%可靠通信概率为阈值时，预报的最大可靠速率与实测结果一致，验证了该方法在深海远程水声通信中的准确性和实用性。
, 最新更新时间 , doi: 10.11999/JEIT251221
摘要:
通过整合多模态信息，多模态联邦学习(MFL)在医疗保健和智能感知等领域往往优于单模态联邦学习(FL)。但在无线边缘场景下，能量受限且样本常缺失模态，直接对所有样本进行补全会放大计算与通信开销，整体能耗随之上升。为此该文提出基于跨模态检索增强的高能效多模态联邦学习(CREEMFL)框架。该框架的核心思想是选择性插补：仅对缺失模态的部分样本从公共多模态库中检索补充，剩余样本采用零填充以限制计算量。进一步，在系统级建立能耗模型，并将检索率作为变量纳入联合优化，以在单轮成本与整体能耗之间取得平衡。该文构造两层优化：外层用经验搜索确定检索率，内层在给定检索率下对上行传输时间、发射功率与中央处理器(CPU)频率进行协同分配，并给出闭式或半闭式更新。基于MIMIC-CXR胸部X射线数据集的实验表明，CREEMFL在保证或提升准确率的同时显著缩短完成时间并降低总能耗，验证了所提框架的有效性。
通过整合多模态信息，多模态联邦学习(MFL)在医疗保健和智能感知等领域往往优于单模态联邦学习(FL)。但在无线边缘场景下，能量受限且样本常缺失模态，直接对所有样本进行补全会放大计算与通信开销，整体能耗随之上升。为此该文提出基于跨模态检索增强的高能效多模态联邦学习(CREEMFL)框架。该框架的核心思想是选择性插补：仅对缺失模态的部分样本从公共多模态库中检索补充，剩余样本采用零填充以限制计算量。进一步，在系统级建立能耗模型，并将检索率作为变量纳入联合优化，以在单轮成本与整体能耗之间取得平衡。该文构造两层优化：外层用经验搜索确定检索率，内层在给定检索率下对上行传输时间、发射功率与中央处理器(CPU)频率进行协同分配，并给出闭式或半闭式更新。基于MIMIC-CXR胸部X射线数据集的实验表明，CREEMFL在保证或提升准确率的同时显著缩短完成时间并降低总能耗，验证了所提框架的有效性。
, 最新更新时间 , doi: 10.11999/JEIT250352
摘要:
该研究报道了一种新型电子探针计算机(EPC60)在解决NP完全问题方面取得的重大突破。该系统采用混合串并行计算模型，通过7种探针算子实现大规模并行计算。在2000顶点图的三着色问题测试中，EPC60以100%准确率完胜主流算法Gurobi(仅6%)，并将计算时间从15天缩短至54 s。该系统具有高度可扩展性，为供应链、金融、通信等领域的复杂优化问题提供了通用解决方案。
该研究报道了一种新型电子探针计算机(EPC60)在解决NP完全问题方面取得的重大突破。该系统采用混合串并行计算模型，通过7种探针算子实现大规模并行计算。在2000顶点图的三着色问题测试中，EPC60以100%准确率完胜主流算法Gurobi(仅6%)，并将计算时间从15天缩短至54 s。该系统具有高度可扩展性，为供应链、金融、通信等领域的复杂优化问题提供了通用解决方案。
, 最新更新时间 , doi: 10.11999/JEIT221203
摘要:
为克服联邦学习(FL)客户端数据和模型均需同构的局限性并且提高训练精度，该文提出一种基于合作博弈和知识蒸馏的个性化联邦学习(pFedCK)算法。在该算法中，每个客户端将在公共数据集上训练得到的局部软预测上传到中心服务器并根据余弦相似度从服务器下载最相近的k个软预测形成一个联盟，然后利用合作博弈中的夏普利值来衡量客户端之间多重协作的影响，量化所下载软预测对本地个性化学习效果的累计贡献值，以此确定联盟中每个客户端的最佳聚合系数，从而得到更优的聚合模型。最后采用知识蒸馏将聚合模型的知识迁移到本地模型，并在隐私数据集上进行本地训练。仿真结果表明，与其他算法相比，pFedCK算法可以将个性化精度提升约10%。
为克服联邦学习(FL)客户端数据和模型均需同构的局限性并且提高训练精度，该文提出一种基于合作博弈和知识蒸馏的个性化联邦学习(pFedCK)算法。在该算法中，每个客户端将在公共数据集上训练得到的局部软预测上传到中心服务器并根据余弦相似度从服务器下载最相近的k个软预测形成一个联盟，然后利用合作博弈中的夏普利值来衡量客户端之间多重协作的影响，量化所下载软预测对本地个性化学习效果的累计贡献值，以此确定联盟中每个客户端的最佳聚合系数，从而得到更优的聚合模型。最后采用知识蒸馏将聚合模型的知识迁移到本地模型，并在隐私数据集上进行本地训练。仿真结果表明，与其他算法相比，pFedCK算法可以将个性化精度提升约10%。
, 最新更新时间 , doi: 10.11999/JEIT210265
摘要:
应用频控阵式多输入多输出(FDA-MIMO)雷达实现目标距离-角度联合估计越来越受到人们的重视，利用FDA同时获得发射波束图在角度和距离的自由度。但其性能因波束图的周期性和时变性而降低。因此，该文基于时间调制和距离补偿FDA-MIMO(TMRC-FDA-MIMO)雷达的新波形合成模型，提出了一种改进的基于旋转不变技术的信号参数估计(ESPRIT)算法。最后，通过距离和角度估计的克拉美罗下界和均方根误差，与固定频偏FDA-MIMO、对数频偏FDA-MIMO雷达系统和多信号分类(MUSIC)算法进行了对比，验证了所提方法的优异性能。
应用频控阵式多输入多输出(FDA-MIMO)雷达实现目标距离-角度联合估计越来越受到人们的重视，利用FDA同时获得发射波束图在角度和距离的自由度。但其性能因波束图的周期性和时变性而降低。因此，该文基于时间调制和距离补偿FDA-MIMO(TMRC-FDA-MIMO)雷达的新波形合成模型，提出了一种改进的基于旋转不变技术的信号参数估计(ESPRIT)算法。最后，通过距离和角度估计的克拉美罗下界和均方根误差，与固定频偏FDA-MIMO、对数频偏FDA-MIMO雷达系统和多信号分类(MUSIC)算法进行了对比，验证了所提方法的优异性能。
, 最新更新时间 , doi: 10.11999/JEIT260244
摘要:
在AI驱动的智能医疗体系与6G超高速网络基础设施快速发展的背景下，大规模医学影像数据的高效传输与存储成为制约远程诊疗与智能辅助决策的重要瓶颈。传统无损压缩方法受限于信息熵下界，压缩率提升空间有限；而现有近无损压缩方法多针对单帧图像独立建模，未能充分利用医学影像序列中的帧间相关性，导致压缩效率仍有提升空间。针对上述问题，该文提出一种基于隐式帧间建模的轻量化近无损医学影像压缩框架 LINC。在严格的误差约束条件下，该方法将有损编码与残差近无损编码统一于概率建模框架之中，并通过引入跨帧条件建模机制增强条件概率估计能力。在有损阶段，利用参考帧构建跨帧特征融合网络，提升时序冗余去除能力；在残差阶段，通过区间量化与块级并行自回归建模实现误差受控的高效编码。实验结果表明，在多个医学影像数据集上，该文方法相较现有近无损方法平均实现约15%的压缩性能提升，为AI与6G融合背景下的智能医疗提供了一种高效的数据传输途径。
在AI驱动的智能医疗体系与6G超高速网络基础设施快速发展的背景下，大规模医学影像数据的高效传输与存储成为制约远程诊疗与智能辅助决策的重要瓶颈。传统无损压缩方法受限于信息熵下界，压缩率提升空间有限；而现有近无损压缩方法多针对单帧图像独立建模，未能充分利用医学影像序列中的帧间相关性，导致压缩效率仍有提升空间。针对上述问题，该文提出一种基于隐式帧间建模的轻量化近无损医学影像压缩框架 LINC。在严格的误差约束条件下，该方法将有损编码与残差近无损编码统一于概率建模框架之中，并通过引入跨帧条件建模机制增强条件概率估计能力。在有损阶段，利用参考帧构建跨帧特征融合网络，提升时序冗余去除能力；在残差阶段，通过区间量化与块级并行自回归建模实现误差受控的高效编码。实验结果表明，在多个医学影像数据集上，该文方法相较现有近无损方法平均实现约15%的压缩性能提升，为AI与6G融合背景下的智能医疗提供了一种高效的数据传输途径。
, 最新更新时间 , doi: 10.11999/JEIT260410
摘要:
应急场景下现场传输与计算资源受限，导致感知数据难以快速回传或现场处理。任务导向语义通信可在恶劣信道环境下实现对任务所需语义特征的高效传输，其关键在于增强通信系统发送端和接收端对语义特征的共性理解能力。基础模型经海量数据训练具备通用语义理解与生成能力，为构建高效的任务导向语义通信架构提供了新的思路。该文提出一种基于生成式基础模型Stable Diffusion(SD)的任务导向语义通信框架，支持在恶劣信道条件下高效完成图像分类任务 。 该框架在发送端设计任务-信道联合感知编码器，根据信噪比动态提取任务所需的语义特征；在接收端以预训练SD模型为核心生成器，结合ControlNet实现带噪条件的可控生成，并通过任务解码器输出分类结果。为降低端到端联合训练中扩散模型多步采样带来的高计算开销，该文提出一种两阶段训练框架：第1阶段在无噪声环境下利用信息瓶颈学习任务相关特征并训练任务解码器；第2阶段冻结扩散模型主干，仅训练任务编码器与ControlNet实现信道噪声适配，避免了多步采样带来的高昂的梯度回传成本。针对信道噪声在扩散生成过程中累积导致生成特征语义不一致的问题，进一步设计一种自适应条件引导策略，通过可学习权重网络动态调节噪声条件注入强度，使得模型在去噪各步中根据当前状态自适应地增强或减弱条件引导，以应对信道噪声的动态影响。实验结果表明，在不同信噪比条件下所提方法均取得了较优的分类性能。
应急场景下现场传输与计算资源受限，导致感知数据难以快速回传或现场处理。任务导向语义通信可在恶劣信道环境下实现对任务所需语义特征的高效传输，其关键在于增强通信系统发送端和接收端对语义特征的共性理解能力。基础模型经海量数据训练具备通用语义理解与生成能力，为构建高效的任务导向语义通信架构提供了新的思路。该文提出一种基于生成式基础模型Stable Diffusion(SD)的任务导向语义通信框架，支持在恶劣信道条件下高效完成图像分类任务 。 该框架在发送端设计任务-信道联合感知编码器，根据信噪比动态提取任务所需的语义特征；在接收端以预训练SD模型为核心生成器，结合ControlNet实现带噪条件的可控生成，并通过任务解码器输出分类结果。为降低端到端联合训练中扩散模型多步采样带来的高计算开销，该文提出一种两阶段训练框架：第1阶段在无噪声环境下利用信息瓶颈学习任务相关特征并训练任务解码器；第2阶段冻结扩散模型主干，仅训练任务编码器与ControlNet实现信道噪声适配，避免了多步采样带来的高昂的梯度回传成本。针对信道噪声在扩散生成过程中累积导致生成特征语义不一致的问题，进一步设计一种自适应条件引导策略，通过可学习权重网络动态调节噪声条件注入强度，使得模型在去噪各步中根据当前状态自适应地增强或减弱条件引导，以应对信道噪声的动态影响。实验结果表明，在不同信噪比条件下所提方法均取得了较优的分类性能。
, 最新更新时间 , doi: 10.11999/JEIT251357
摘要:
针对现有基于图表示学习的下一个兴趣点推荐方法无法有效平衡不同域的节点分布、未充分考虑异质关系之间的特征差异等问题，该文提出基于语义关系增强的自适应图表示学习下一个兴趣点推荐方法(SR-GRL)。该方法利用兴趣点(POI)、POI类别、区域3种类型实体构建异构转移图，设计自适应平衡随机游走算法进行跨域节点采样，通过跳跃和停留动态平衡不同域上的节点分布，避免采样序列偏向于局部结构。然后建立类型感知注意力机制捕捉不同类型节点之间的语义关联关系形成POI解耦表示，有效区分了不同类型节点间的特征差异。在此基础上，结合自注意力机制聚合用户行为的时序偏好特征，通过Softmax函数实现下一个POI推荐。3个真实数据集上的对比实验结果表明，SR-GRL方法相比于其他对比方法具有更好的推荐性能。
针对现有基于图表示学习的下一个兴趣点推荐方法无法有效平衡不同域的节点分布、未充分考虑异质关系之间的特征差异等问题，该文提出基于语义关系增强的自适应图表示学习下一个兴趣点推荐方法(SR-GRL)。该方法利用兴趣点(POI)、POI类别、区域3种类型实体构建异构转移图，设计自适应平衡随机游走算法进行跨域节点采样，通过跳跃和停留动态平衡不同域上的节点分布，避免采样序列偏向于局部结构。然后建立类型感知注意力机制捕捉不同类型节点之间的语义关联关系形成POI解耦表示，有效区分了不同类型节点间的特征差异。在此基础上，结合自注意力机制聚合用户行为的时序偏好特征，通过Softmax函数实现下一个POI推荐。3个真实数据集上的对比实验结果表明，SR-GRL方法相比于其他对比方法具有更好的推荐性能。
, 最新更新时间 , doi: 10.11999/JEIT201066
摘要:
针对增强型罗兰(eLORAN)系统增补发射台站建设中的组重复周期(GRI)选择问题，该文主要从数学的角度出发，提出一种基于交叉干扰率的筛选算法。该算法首先考虑了最小可用组重复周期以及秒信息量的要求，并在此基础上通过比较与临近的罗兰C台站间的相对交叉干扰率进行1次筛选；之后通过排列组合进行两两比较并2次筛选；最后，综合考虑数据率要求、系统规范、无交叉干扰等条件，得到最优组重复周期组合。随后，鉴于新型eLORAN系统的高精度授时要求，在GRI最优组合中进行了优选。分析结果表明，该方法得出的优选组合的平均交叉干扰率与现有导航台链相当，同时可兼顾授时需求，可以为高精度地基授时系统建设提供参考性建议和理论依据。
针对增强型罗兰(eLORAN)系统增补发射台站建设中的组重复周期(GRI)选择问题，该文主要从数学的角度出发，提出一种基于交叉干扰率的筛选算法。该算法首先考虑了最小可用组重复周期以及秒信息量的要求，并在此基础上通过比较与临近的罗兰C台站间的相对交叉干扰率进行1次筛选；之后通过排列组合进行两两比较并2次筛选；最后，综合考虑数据率要求、系统规范、无交叉干扰等条件，得到最优组重复周期组合。随后，鉴于新型eLORAN系统的高精度授时要求，在GRI最优组合中进行了优选。分析结果表明，该方法得出的优选组合的平均交叉干扰率与现有导航台链相当，同时可兼顾授时需求，可以为高精度地基授时系统建设提供参考性建议和理论依据。
