本期电子书封面故事整期封面整期目录
优先出版刊期浏览栏目浏览
- 摘要：电磁频谱作为无线通信与感知的核心资源，在智能化技术的推动下正经历着从被动管理向主动认知的范式跃迁。电磁频谱具身智能通过将智能体与电磁环境深度耦合，实现对频谱资源的自主感知、认知与控制。本文系统综述了电磁频谱具身智能的理论框架、关键技术与应用前景。从具身认知理论出发，论证了“电磁器官”作为智能体身体组成部分的合理性，将电磁频谱重新定义为与三维物理空间并列的关键环境维度，构建了电磁具身闭环的数学模型，揭示了电磁频谱具身智能“智能源于身体与环境动态耦合”的本质。基于“感知—认知—行动”三层架构，系统分析了电磁频谱具身智能的核心使能技术。在电磁感知层，从信号域、空间域、多域融合三个维度阐述了软件定义无线电、认知雷达、协同频谱感知、多模态融合感知等关键技术如何实现从物理信号到语义理解的跨越；在认知与决策层，针对载体约束与多载体协同两类场景，详细分析了轻量级强化学习、在线元学习、多智能体协同决策、博弈论优化等方法如何支撑智能体在动态对抗环境中的自主决策与群体协同；在行动与反馈层，从电磁环境交互与具身载体重构两个方面，探讨了动态频谱接入、干扰对抗、波形重构、硬件可重构等技术如何将认知策略转化为电磁行为并形成闭环反馈。总结了电磁频谱具身智能在6G移动通信、低轨巨星座智能电磁体系、智慧城市频谱治理、智能战场电磁作战等典型场景中的应用实践与技术优势。针对当前研究面临的实时性约束、样本效率、安全鲁棒性、可解释性等挑战，展望了电磁频谱具身智能的未来发展趋势，包括标准化体系建设、产业生态培育、跨学科理论融合、大规模工程部署等方向。本文的研究为电磁频谱智能化应用提供了系统性的理论参考与技术路线，对推动电磁频谱治理体系现代化和支撑国家信息基础设施建设具有重要意义。关键词：电磁频谱;具身智能;电磁器官;强化学习;多智能体系统358|256|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：具身智能导航是无人机在低空复杂场景下实现自主作业的关键技术，但现有研究通常假设通信链路高度可靠，忽略了低空电磁频谱环境的动态干扰影响。为此，需将无人机具身导航从物理几何空间拓展至电磁频谱空间，实现物理障碍与电磁干扰的协同规避。然而，物理与电磁域的强耦合建模会导致状态空间指数膨胀，难以满足实时性与泛化要求。针对上述挑战，本文首次将中间件思想引入电磁频谱具身智能领域，提出无人机具身抗干扰导航中间件架构，作为嵌入任务规划层与飞控执行层之间的可插拔服务模块。该中间件通过构建残差马尔可夫决策过程（Residual Markov Decision Process，RMDP）将联合优化问题解耦为基准航向与抗干扰残差航向的叠加选择，使抗干扰校正策略仅需学习局部连续修正量，显著降低决策复杂度，在保证全局任务收敛的同时聚焦局部电磁风险抑制。在此基础上，设计残差强化学习算法，引入预测性状态编码机制将稀疏观测推演为广域干扰态势，从而实现前瞻性干扰规避，并结合离线预训练与受控在线微调的协同训练范式，有效解决未知电磁环境下的快速自适应与跨场景泛化难题。基于真实城市地图与真实机载设备的高保真仿真结果表明，所提方法单步决策仅需49.7 ms，多干扰源场景下任务成功率达到93.6%，体现出具身主动抗干扰能力。此外，挂载测试进一步验证该架构向上兼容多种异构全局规划器、向下满足物理几何域与电磁频谱域双重约束，具有可复用优势。关键词：电磁频谱具身智能;无人机导航;抗干扰导航中间件;残差马尔可夫决策过程;残差强化学习136|122|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：在电子侦察、频谱监测与应急搜救等任务中，单架无人机仅凭接收信号强度指示（Received Signal Strength Indicator， RSSI）对非合作机动辐射源进行被动追踪具有重要的战略与工程意义。然而，现有RSSI定位方法高度依赖环境传播参数先验，且将参数估计、状态滤波与路径规划串行割裂，难以适应以发射功率与路径损耗指数为代表的核心传播参数未知且目标持续机动的动态场景；同时，单通道标量RSSI固有的低空间分辨力进一步加剧了探索与利用之间的结构性矛盾。为此，本文提出一种基于具身智能的单无人机闭环追踪方法，以结构化不确定度指标作为跨层信息流的统一载体，将感知、认知与决策通过不确定度的双向传递进行深度耦合，形成以闭环信息流驱动的协同追踪架构。在感知层，构建参数先验推断网络，从历史时空观测序列中提取传播参数的经验分布，为后续贝叶斯推断提供数据驱动的初始化依据。在认知层，针对未知传播参数与机动状态的联合估计难题，设计基于Rao-Blackwellized条件分解的双链解耦推断机制，外层粒子滤波在线估计大尺度衰落参数，内层自适应交互多模型滤波器精确推断目标机动状态，并引入有效样本量监测下的粒子复苏与信念继承机制，避免参数重采样对状态追踪连续性的破坏。在决策层，为缓解上述探索-利用矛盾，构建融合信息增益与模型预测控制的分层规划策略，并引入可学习的排序门控网络对追踪、探测与保守等候选策略进行实时效用评估，使无人机依据信念不确定度自适应地从广域探索转换为紧密伴飞。仿真结果表明，所提方法在传播参数完全未知的冷启动条件下各项核心指标均优于所对比的基线方法，且在无人工标定先验模式下的追踪性能接近乃至在部分指标上超越若干基线在参数已知条件下的理想表现，验证了所提架构在恶劣感知条件下的自适应能力与鲁棒性。关键词：具身智能;目标导航;接收信号强度指示;主动路径规划;信息驱动决策135|76|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：无线电地图构建与非合作辐射源定位是电磁环境精确认知与动态管控的核心任务，二者高度耦合、相互制约。本文借鉴认知学习与具身智能理论，提出基于智能体协同交互、智能内生的无线电地图构建与辐射源定位双任务统一架构，实现感知-认知-行为的反馈闭环。首先利用众包概率共识思想，结合高斯回归过程与二维位置编码，将多智能体的离散稀疏采样数据转换为包含连续信号场的预测分布、几何拓扑及辐射源目标空间位置存在概率估计的空间注意力图，建立多智能体关于辐射源目标的共识感知先验；在此基础上，构建多智能体统一语义空间中的辐射源目标一致性联合表征，利用多头自注意力机制设计任务驱动和目标驱动的智能体交互策略，以同时完成无线电地图构建和非合作辐射源定位双任务；基于近端策略优化强化学习方法，设计双任务信息交互反馈策略，实现自组织与自学习，以形成感知、认知与交互决策的具身行为闭环。仿真结果验证了所提方案的可行性：在5%稀疏采样条件下，本系统对无线电地图构建与辐射源定位双任务进行协同优化，相较于独立执行单任务，无线电地图构建与辐射源定位的精度分别提升18.2%和43.5%。其中，无线电地图构建的均方根误差（Root Mean Square Error，RMSE）相比克里金算法和全卷积深度补全自动编码器分别提升了60.95%和32.55%；辐射源定位精度相较于传统的RSS定位基准算法，定位误差降低了65.7%，扩展到10 km × 10 km的典型定位场景时，辐射源定位任务仍能稳定维持在1.2%以内的相对精度。关键词：智能体交互;具身智能;共识感知;无线电地图;非合作辐射源定位185|76|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：在城市密集环境中，高层建筑遮挡、多系统并发辐射及多源干扰叠加使电磁环境呈现显著时变性和空间异质性，传统离线构建并低频更新的频谱地图难以及时反映真实信道状态，难以满足动态频谱管理、无线资源调度及低空通信保障对精度与时效性的要求，尤其是在复杂任务场景下对在线感知与快速决策能力提出了更高要求。针对上述问题，本文提出一种基于不确定度驱动的无人机频谱地图主动感知方法。首先，将无人机在线频谱地图更新与路径规划联合建模为马尔可夫决策过程，在状态中显式引入地图不确定度统计量、无人机位姿、飞行时间、目标距离和任务进度等信息，以增强策略对环境变化和任务阶段的综合表征能力。其次，利用预训练U-Net实现SINR（Signal to Interference plus Noise Ratio）频谱地图在线重构，并输出像素级不确定度估计，以不确定度下降表征信息增益，引导无人机优先感知高价值未知区域。进一步，设计基于特征线性调制的FiLM-D3QN决策网络，利用不确定度与任务进程条件动态调制中间特征和价值估计，实现信息获取与航迹效率之间的自适应权衡。仿真结果表明，在多干扰城市场景下，所提方法在到达率保持90%以上的同时，可有效降低地图重构误差，RMSE（Root Mean Square Error）较经典IPP方法下降约7.1%，较原始D3QN下降约9.8%，并具有更短的平均回合长度，验证了该方法在复杂城市电磁环境中开展在线频谱地图更新与主动感知任务的有效性。关键词：城市电磁环境;无人机;频谱地图;主动感知;不确定性估计;深度强化学习180|88|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：具身智能体在长时序任务中，常因感知不确定与环境语义结构复杂导致决策失败。尤其在电磁频谱约束场景下，频谱占用与干扰引起的观测缺失及链路时延，会进一步削弱长时序决策的鲁棒性。在此背景下，智能体不仅需要在关键时刻触发求助，还需基于时变风险动态评估提问时机，并在求助后对残余不确定性进行持续校验。现有主动提问机制多基于静态不确定性判据并默认提问后立即恢复执行，缺乏对环境语义风险与内部认知状态的联合建模与推理时持续校验的能力。为此，本文提出一种元认知多模态具身决策（Metacognitive and Multimodal Embodied Decision，M²ED）框架。首先，基于通用视觉-语言模型构建任务导向的语义环境复杂度提取机制，将当前观测与动态指令转化为结构化的实体密度、关系复杂度与描述熵，形成可解释的语义环境复杂度向量。其次，设计元认知不确定性引导的主动求助控制器（Metacognitive Uncertainty-guided Querying Controller，MUQC），以环境复杂度向量和策略困惑度为联合输入，采用离线软标签监督预训练与在线近端策略优化（Proximal Policy Optimization，PPO）微调的双阶段范式学习提问时机决策网络，实现简单场景少问、复杂场景多问的自适应求助。最后，提出推理时迭代式元认知验证闭环（Iterative Metacognitive Verification Loop，IMVL），在触发提问后暂停任务执行，通过多轮受限感知与持续风险校验，直至策略困惑度与语义环境复杂度向量对应的风险评分均落入低风险区间后再恢复动作执行，从而抑制残余不确定性在长时序中的累积传播。实验结果表明，在基于真实环境与指令的动作学习（Action Learning From Realistic Environments and Directives，ALFRED）标准具身基准的未见场景中，M²ED将任务成功率提升至19.6%，同时保持高效交互，将平均提问次数控制在4.9次，展现出优异的跨场景迁移能力和长时序鲁棒性。关键词：具身智能体;视觉-语言模型;主动提问;强化学习106|69|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：随着低空经济的快速发展，无人机（Unmanned Aerial Vehicles，UAV）在环境感知、智慧巡检、应急救援及智能交通等场景中的应用不断增加，传统通信系统由于缺乏对环境状态的持续感知与实时决策能力，难以在高速移动与复杂时变环境中兼顾波束跟踪效率与数据传输时延。面向低空UAV高动态场景下的数据卸载与波束跟踪需求，本文提出了一种基于具身智能的电磁频谱资源分配方法。具体而言，本文结合通感一体化（Integrated Sensing And Communication，ISAC）技术，构建了一种具备“感知-认知-执行（Perception-Cognition-Execution，PCE）”闭环能力的具身智能基站（Base Station，BS）架构，将BS建模为能够持续与环境交互并在线演化的智能体。该架构利用感知功能实时获取UAV位置信息，并基于感知结果辅助波束预测与资源分配，从而有效降低传统导频搜索带来的波束对齐开销。进一步地，本文建立了感知精度与波束对齐扇区宽度之间的定量映射关系，实现了感知性能对通信过程影响的统一建模，并将低空UAV数据卸载中的频谱资源分配问题建模为多目标马尔可夫决策问题（Multi-Objective Markov Decision Problem，MOMDP），以同时优化感知精度与数据卸载时延。在此基础上，本文进一步分析了感知与通信共享频谱资源条件下的性能制约关系，使资源分配策略能够根据环境变化动态调整感知与通信资源占比，从而提升系统整体运行效率与任务完成时效性。为解决该问题，本文提出了一种多目标强化-监督联合在线学习算法（Multi-Objective Reinforcement-Supervised hybrid Online Learning，MO-RSOL）。该算法通过环境交互生成多目标经验数据，并结合监督学习机制实现策略网络稳定更新，同时利用面向帕累托覆盖的数据集维护机制持续扩展策略性能边界，从而增强系统在动态环境中的在线适应能力与持续演化能力。仿真结果表明：所提具身智能BS架构相较于传统非具身智能BS设计，可将数据卸载时延降低约21.7%；相较于现有基准算法，所提MO-RSOL算法在系统时延与感知性能方面分别提升约21%和69%，并能够有效适应UAV数量变化、业务负载波动以及环境动态变化等复杂场景，验证了所提方法在低空智能频谱管理与高动态无线资源分配中的有效性与优越性，同时也为未来6G低空智能网络中的具身智能通信系统设计提供了新的研究思路与理论参考。关键词：数据卸载;波束跟踪;具身智能;通感一体化（ISAC）;资源分配160|76|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
电磁频谱具身智能技术
- 摘要：氢终端金刚石诱导的二维空穴气是金刚石实现半导体化的重要途径。机械抛光作为金刚石衬底制备的关键工艺，会不可避免引入亚表面损伤层，导致表面晶格畸变、缺陷密度升高，并在氢等离子体处理时的选择性刻蚀中，引发表面形貌恶化、粗糙度上升，显著抑制二维空穴气输运特性，制约氢终端金刚石电性能与器件应用。本文以（001）取向的化学气相沉积单晶金刚石衬底为研究对象，通过调控电感耦合等离子体（Inductively Coupled Plasma， ICP）刻蚀时间实现亚表面损伤层的去除，系统研究ICP刻蚀时间对金刚石表面形貌、损伤层结构及氢终端电性能的影响。研究结果表明：随着ICP刻蚀时间的增加，氢处理后的样品表面刻蚀坑与划痕逐渐消失，形貌恶化得到有效抑制；透射电子显微镜显示，精抛光后金刚石存在约80 nm的亚表面损伤层，经15 min的ICP刻蚀后可基本去除，仅残留约1.5 nm的表面重构层；且随着损伤层的逐步去除，氢终端金刚石载流子浓度由
- 摘要：气-海跨介质通信是实现空-海跨域高速互联的关键技术，蓝绿光波段（450~550 nm）凭借其良好的海洋穿透特性，已成为水下无线光通信链路的理想传输窗口，为跨介质高速通信提供了重要支撑。然而，受大气、随机海面波浪及海水散射吸收的非线性耦合影响，跨介质信道呈现出显著的非平稳性与强时变特征。在此类快速时变信道环境中，依赖信道准静态假设的传统固定编码调制策略，会因为与实际信道失配而导致系统误码性能下降。针对这一问题，本文提出一种气-海跨介质通信信道特征动态学习传输方案，通过构建“周期性探测-动态学习-重构”的闭环反馈机制，使编码结构能够随海况变化而动态优化。具体而言，发送端周期性地发送预先设计好的导频序列，接收端利用该导频信号进行信道估计，实时统计当前信道的瞬时特征，进而生成与当前海况最匹配的极化码构造方案；随后通过反馈链路将该构造信息回传至发送端，发送端据此完成编码重构，对待传信息序列实施自适应极化编码。该闭环反馈过程周期性进行，确保编码重构紧紧跟随跨介质时变信道的非平稳性变化，从而克服了固定编码策略与真实物理信道失配的问题。为验证系统方案的性能，搭建了涵盖大气、气-海界面、海水介质的跨介质通信信道，选取了Jerlov IB、Jerlov II、Jerlov Ⅲ三种典型水质，分别模拟由弱到强的海水吸收与散射环境。仿真结果表明，所提信道特征动态学习策略能够适应当前海水介质的变化，与未编码系统相比，在相同Jerlov水质类型下采用极化编码可获得显著的编码增益，误比特率（Bit Error Rate，BER）明显降低。与3GPP-5G标准中采用的固定极化码构造策略相比，所提出的信道特征动态学习策略在三种不同Jerlov水质条件下均实现了显著的性能提升，且随着水体浑浊度增加、信道条件恶化，性能增益越高。上述结果证明，基于信道特征动态学习的自适应编码传输能够感知并适应海水介质的动态改变，为构建高可靠性的气-海跨介质自适应通信系统提供了坚实的理论依据与技术支撑。关键词：气-海跨介质通信;极化码;信道特征动态学习;信道估计;闭环反馈;自适应编码44|45|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：随着5G-A、通感一体化及低空经济的迅猛发展，算力资源正加速向城域边缘及空天维度延伸。然而，现有的算力治理体系面临场景割裂、资源异构性度量困难、社会化节点动态不确定性高以及多尺度调度粒度失衡等严峻挑战，导致大量碎片化算力形成“算力黑洞”。针对上述问题，本文提出了一种新型的算力基础设施架构——算力星网（Computing Star Network， CSN）。CSN旨在打破物理设施的归属边界，构建覆盖城域、区域及空天联动的空天地立体算力资源池。在物理层面，CSN采用了“骨干宏核稳态支撑、边缘微核敏态补位”的二元架构，既保证了区域级大算力的确定性底座，又实现了城域与低空海量散点的泛在接入。在逻辑层面，本文设计了自底向上的四层架构：全谱系资源抽象层利用数字孪生和归一化算力单位（Normalized Computing Unit，NCU）屏蔽硬件差异，并内嵌生存分析引擎预判掉线风险；概率语义控制层引入基于信息年龄（Age of Information，AoI）的语义触发更新机制，在保障状态时效性的同时极大降低了控制信令开销；多尺度意图编排层通过自然语言处理技术实现业务意图转译，并部署核心调度引擎；泛在信任安全层则通过持续认证与沙箱隔离技术确保社会化节点接入的安全性。在核心数学建模方面，本文构建了一个高维对偶特征空间。在供给侧，建立了包含算力属性、网络感知、时空生存及语义信任四个维度的节点特征向量，特别引入了韦伯分布来描述节点的条件留存概率。在需求侧，将计算任务建模为包含工作负载、QoS约束、语义属性及可拆分标识的特征向量。基于此模型，本文提出了一种基于图注意力机制的调度算法——CSN-GAM。该算法通过三级硬约束门控（安全、生存、时延）进行快速剪枝，并利用多头注意力评分实现任务与资源的精准匹配。在100 km×100 km城域级场景的仿真实验表明，CSN-GAM在500 tasks/s的高并发压力下，任务完成率仍能保持在85%以上，显著优于传统的仅云端（Cloud-Only，CO）和边缘贪婪（Greedy-Edge，GE）策略。同时，该机制将平均服务时延稳定在50 ms左右，实现了异构任务的合理分流。实验数据进一步证实，基于AoI的语义触发机制可节省约60%的信令开销，且在30 m/s的高速移动场景下，通过生存分析模型的主动重路由，系统仍能维持70%以上的任务成功率。综上所述，算力星网通过归一化度量、概率性建模与多尺度协同，为解决全谱系异构算力的统一纳管与高效调度提供了可行的技术路径，对于推动未来空天地一体化算力网络的发展具有重要的理论意义与应用价值。关键词：算力星网;全谱系资源;生存分析;图注意力机制;低空经济87|54|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：自动驾驶、高清地图更新及车载娱乐等车联网应用的规模化落地引发数据量爆发式增长，对缓存任务调度、内容处理推荐及网络资源分配提出了更高要求。协同缓存作为缓解车联网核心网络负载、降低内容获取端到端时延的关键技术，其性能高度依赖车辆匹配、内容推荐与资源优化三个核心环节的深度协同，而现有方案普遍存在车辆匹配稳定性差、推荐适配性不足、资源优化效率偏低等问题，难以适配高动态车联网环境的需求。为了应对这些挑战，本文从通信匹配、内容适配、资源优化三个维度展开研究，提出一套车联网智能协同缓存策略。首先，针对车辆高移动性导致的通信链路稳定性差、频繁切换等问题，设计短期车道预测驱动的车辆协同匹配算法，综合挖掘车道流量时空相关性、车辆通信速率及节点资源占用率等多维度特征，实现需求车辆与服务车辆、路边单元的协同匹配，为内容推荐与资源优化构建稳定的通信基础。其次，针对传统缓存推荐策略对新老用户群体适配性不足、个性化指标优化不充分等问题，构建融合协同过滤与内容特征的混合推荐算法，针对新用户设计流行度-多样性双维度推荐策略解决冷启动问题，针对老用户依据历史行为动态调整协同过滤与内容特征的推荐权重，有效提升缓存内容与用户需求的契合度，较基准算法，推荐命中率提升21.11%，F1分数等推荐指标提升20.94%，减少冗余数据传输与对远程云端资源的依赖。最后，面向协同匹配关系与内容推荐分布形成的动态环境状态，提出基于软演员评论家的资源优化算法，通过最大化策略熵实现缓存任务分解与带宽资源分配的自适应动态决策，较TD3（Twin Delayed Deep Deterministic policy gradient）和DDPG（Deep Deterministic Policy Gradient）算法，缓存任务成本分别降低5.80%和13.27%。仿真实验结果表明，所提智能协同缓存策略在通信效率、推荐指标、资源调度经济性等方面均优于现有基准算法，能有效适配车联网高动态特性，为“车路云一体化”场景下的协同缓存系统设计提供了有效理论支撑。关键词：车联网;协同缓存;推荐算法;深度强化学习;资源优化203|289|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：近年来，可重构智能表面（Reconfigurable Intelligent Surface，RIS）辅助无线通信技术快速发展，被业界视为6G通信的关键技术之一。RIS是一种由大量可控反射元件构成的表面，可根据不同的无线电磁环境与通信需求动态调整反射元件的幅度和相位，为物理层安全提供了新的维度和能力。然而，传统RIS存在半区域覆盖和“双衰落”的弊端，导致其在实际场景中无法进行灵活的部署，且严重限制了通信系统的性能提升。有源同时透射与反射可重构智能表面（Simultaneous Transmitting And Reflecting Reconfigurable Intelligent Surface，STAR-RIS）能对信号进行放大并为通信提供全空间的覆盖，能够有效克服上述缺陷，在增强无线安全通信系统方面具有更大潜力。此外，协同干扰作为一种重要的物理层安全技术，可以利用独立的协作节点发射干扰信号来阻止非法传输或干扰窃听者。因此，本文将有源STAR-RIS与协同干扰技术相结合，探索一种有源STAR-RIS辅助的协同干扰下行安全传输系统，并构建一个联合优化基站和干扰机波束成形向量以及有源STAR-RIS相移和幅度的安全和速率最大化问题。为求解所构建的非凸优化问题，本文利用交替优化算法将原问题中的波束成形向量以及有源STAR-RIS相移和幅度进行解耦。首先，在有源STAR-RIS的相移和幅度给定的条件下，用半正定松弛算法求解基站与干扰机的发射波束成形向量；接着，在基站与干扰机的发射波束成形向量给定的条件下，用逐次凸逼近算法求解有源STAR-RIS的相移和幅度；最后，采用迭代的方法交替优化基站与干扰机的发射波束成形向量，以及有源STAR-RIS的相移和幅度。仿真结果表明，在给定条件下，所提方案可获得的安全和速率相比无源STAR-RIS辅助的协同干扰方案提升超过20 bps/Hz，相比有源STAR-RIS辅助的无协同干扰方案能够提高约1 bps/Hz，验证了通过借助有源STAR-RIS对信号的灵活调控和主动放大能力，所生成的友好干扰信号可以更有效地对窃听者进行干扰，从而提高系统的安全通信质量。关键词：有源同时透射与反射可重构智能表面;协同干扰;安全传输;波束成形;安全和速率58|52|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：语义通信（Semantic Communication，SC）是实现通信系统智能化与高效化的重要途径之一。然而，复杂多变的无线信道环境，给SC系统的稳健性带来了严峻挑战。为此，在多任务SC系统中，本文针对信道衰落导致的语义失真问题，提出一种面向Nakagami-m衰落信道的信道参数选择与同义映射联合优化方法。首先，设计了同义映射模块，用于动态表示文本与图像的语义特征。其次，以最大化语义互信息为目标，构建了联合损失函数。最后，提出了端到端的任务自适应算法，通过联合优化信道参数选择与语义映射关系，增强多任务语义传输的鲁棒性。实验表明，相较于基准方案，所提方法在显著降低模型复杂度的同时，有效提升了多任务传输性能。其中，模型参数量减少了48.85%，并在低信噪比（Signal-to-Noise Ratio，SNR）环境下，分类任务准确率平均提升了约4%。此外，在重建任务中，文本生成的双语评估替补（BiLingual Evaluation Understudy，BLEU）分数提高了约0.1，图像重建的峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）提升了约4 dB。关键词：语义通信（SC）;同义映射;信道参数;任务自适应86|39|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：反向散射通信作为一种新兴的低成本、低能耗绿色通信范式，已成为未来物联网（Internet of Things，IoT）应用的关键候选技术之一，在工业界和学术界受到广泛关注。然而，反向散射信道固有的双重深度衰落特性会导致信号传输过程中失真加剧，同时无源（无电池）通信机制下终端能量供应完全依赖射频能量收集，能量获取与通信传输性能之间的固有矛盾进一步限制了反向散射通信系统的传输可靠性和覆盖范围。虽然正交空时分组码（Orthogonal Space-Time Block Code，OSTBC）可以有效降低信道的双重深度衰落对系统可靠性的影响，然而传统OSTBC的设计多面向系统可靠性这一单一性能参数，未能兼顾反向散射通信无源传输这一特殊机制。针对上述问题，本文结合反向散射标签的无源通信机制和反向散射信道统计特性，将EH性能纳入四天线反向散射标签空时分组码（Space-Time Block Code，STBC）设计，为四天线反向散射标签设计了一种堆叠旋转Alamouti编码（Stacked Rotating Alamouti Code，SRAC）。该编码方案能够实现能量收集（Energy Harvesting，EH）效率与通信传输可靠性的协同优化。研究结果表明，在线性EH模型和非线性EH模型下，SRAC在EH性能方面均优于传统的OSTBC。这种性能的提升受益于SRAC编码代数结构中存在的轮换休眠时隙，该时隙下反向散射标签天线能够以最大效率收集能量。此外，本文还推导了SRAC在反向散射信道中误码率（Symbol Error Rate，SER）的渐近闭合表达式，以具体说明SRAC的性能。结果表明，在多根接收天线的情况下，即接收天线不少于两根时，SRAC可以充分利用反向散射信道的固有分集增益。另外，研究结果还表明，在相同的频谱效率下，由于SRAC具有全速率结构，SRAC的SER相较于传统OSTBC有着5~6 dB的性能提升。上述观察结果意味着与传统的OSTBC相比，SRAC对需要能量自持的无电池反散射标签更加友好。大量的数值模拟结果验证了本文分析的正确性。关键词：反向散射通信;空时分组码;能量收集;分集阶数;误码率46|39|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：针对大规模相控阵天线中非规则子阵划分所面临的多目标、高维度及强约束混合整数组合优化问题，本文提出了一种基于最大熵准则的大规模相控阵非规则子阵分层优化设计方法。通过构建分层优化模型，将原始复杂问题分解为子阵级拓扑优化与模块级拓扑优化两个低维、相对解耦且可分层求解的子问题，从而有效降低设计复杂度。在子阵级拓扑优化阶段，以小规模相控阵为设计载体，基于图论原理将阵列结构建模为无向图，将阵面精确覆盖问题抽象为图论中的匹配问题。在此基础上，引入一种约束引导的随机增长算法，实现阵面的精确子阵划分。进一步结合子阵相位中心的空间分布特性，引入信息熵作为评价指标，对不同子阵划分方案进行量化评估，并筛选出熵值较高的若干子阵拓扑结构，构建性能优良的模块库，为后续模块级拓扑优化提供候选基础。在模块级拓扑优化阶段，按照预定的模块铺设顺序对模块进行组合排布，并将模块组合方式作为优化对象。通过计算模块组合后大规模相控阵子阵相位中心分布的信息熵，对模块铺设质量进行评价。进一步对模块铺设顺序进行编码，构建相应的染色体结构，并采用遗传算法对该离散组合优化问题进行搜索求解，从而在保证阵面完全覆盖的前提下，通过最大化阵列信息熵实现阵列拓扑结构的高度非周期性，以有效抑制栅瓣的产生。基于中心频率为30 GHz的真实阵列结构开展电磁仿真验证，结果表明，所提出的方法可在 ± 60°的波束扫描范围内实现-10 dB以下的副瓣电平。与传统非周期子阵布局相比，在大扫描角度下副瓣电平最高可降低6.138 3 dB。同时，在保证阵列电性能的前提下，收发（Transmit/Receive，T/R）组件数量减少至原来的50%，显著降低了大规模相控阵的系统成本与设计复杂度。该方法创新性地将模块化设计思想与最大熵优化准则相结合，为大规模相控阵非规则子阵设计提供了一种新的技术途径，具有良好的工程应用价值和推广前景。关键词：大规模相控阵;非规则子阵设计;最大熵准则;分层优化设计;模块化设计;栅瓣抑制;降低成本37|46|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：分支线耦合器作为微波射频系统中的核心无源器件，广泛应用于混频器、功率分配网络及天线馈电网络等关键部件。传统制造工艺与低阶拓扑普遍存在带宽较窄、高频损耗大等缺陷，难以满足现代通信系统对宽频带、高效率的苛刻要求。而高阶宽带拓扑则依赖高阻抗传输线，不仅工艺实现困难，也难以满足毫米波宽带、低损耗的工程应用需求。针对上述问题，本文提出一种基于微结构电铸化学制程（Micro-structure Electrochemical FABrication，MEFAB）的超低损耗宽带毫米波分支线耦合器，其工作频带覆盖24.5~41.3 GHz的5G通信波段。在工艺实现方面，采用三维空气质铜基电铸成型技术，构建封闭式微米级同轴传输线结构，以空气为主要介质，铜壁提供全屏蔽电磁环境，从而从根本上抑制毫米波频段由介质损耗与空间辐射损耗引起的能量衰减。在拓扑结构方面，采用加载短路匹配枝节的三阶分支线拓扑，在实现优于传统四阶拓扑电性能并避免使用高阻抗传输线的同时，利用短路结构在同轴传输线中更好的稳定性，显著降低了工艺要求并增强了整体结构的可靠性。在理论与设计阶段，本文首先对加载短路枝节的三阶分支线耦合器拓扑电路进行奇偶模分析，并依据理论拓扑建立初始物理模型。然而，受物理结构中弯折及T型结等不连续性的影响，该模型的性能与理论结果之间存在一定偏差。为修正上述偏差，本文对弯折结构引入切角补偿策略，以削弱电磁波在转角处的反射；同时针对T型结建立等效电路模型，通过参数提取与结构尺寸的迭代优化，有效补偿了不连续性引入的寄生效应。上述补偿方法显著缩小了理论仿真与实际结构之间的性能差距。最终实现的耦合器阻抗带宽达51.1%，在中心频率处的插入损耗仅为0.6 dB，展现出突出的低损耗性能。测试结果与仿真数据吻合良好，充分验证了所提设计及制备工艺的可行性与有效性。该耦合器兼具宽带与低损耗优势，可为5G毫米波射频前端无源器件的高性能设计提供可靠技术参考，具有良好的工程应用价值与推广潜力。关键词：微结构电铸化学;分支线耦合器;短路枝节匹配网络;T型结优化90|100|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：在灾害发生后，传统通信基础设施往往遭受严重破坏，导致网络覆盖不稳定、链路质量波动剧烈。地面残余基站、无人机、卫星链路，以及救援人员携带的背负式设备等多种异构链路共同构成灾害应急通信网络，多路径传输技术通过利用多条异构链路提升了网络的可靠性与传输效率。然而，多路径数据包调度算法的性能高度依赖实时网络状态，会随着网络状况的变化而变化。不同灾害场景下链路的时延、带宽、丢包率和抖动差异显著，单一固定调度算法难以在异构多样的灾害网络场景下始终保持最佳性能。此外，灾害网络场景具有高度动态性，卫星、无人机、地面基站等链路状态频繁变化，现有调度算法难以快速响应。同时，应急通信需要即时部署，难以依赖大量历史数据的离线训练。针对上述挑战，本文提出了一种基于多路径快速UDP互联网连接（MultiPath Quick UDP Internet Connections，MPQUIC）协议的在线学习自适应择优调度算法（Online Learning of Adaptive Optimal Selection scheduling algorithm，OLAOS）。OLAOS不再试图构造单一的通用调度算法，而是根据当前网络条件在候选调度算法之间动态择优。它由3大核心模块组成：调度算法候选池、在线学习选择模块和网络状态感知模块。OLAOS将多个经典调度算法视为候选集，并将多路径调度过程建模为在线算法选择问题。然后，在粗粒度时隙内，OLAOS基于实时传输状态和历史性能反馈，采用上下文相关多臂老虎机算法（Contextual Multi-Armed Bandit，CMAB）在线选择当前最优的调度算法，在细粒度数据包层面，通过选定的调度算法具体执行调度。进一步地，针对链路动态变化，OLAOS引入基于滑动窗口的网络感知模块，通过监测奖励序列波动判断环境变化，并在检测到显著波动时重置模型参数，以避免历史模型在环境突变后失效。多个典型场景下的实验结果表明，与固定采用单一调度算法相比，OLAOS能够根据网络状态在线选择适合当前场景的调度算法，在各场景取得接近最优的综合性能。OLAOS在保持轻量级实现和易于部署的同时，实现了较短的完成时间和较高的整体吞吐量，验证了其在异构动态的灾害应急通信场景下的有效性与适应性。关键词：多路径传输;灾害网络;数据包调度;QUIC;在线学习;自适应调度30|45|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：为解决恶劣无线通信环境下分散计算网络中高保密传输和高服务质量（Quality of Service，QoS）的协同需求，本文提出了一种智能反射面（Intelligent Reconfigurable Surface，IRS）辅助的分散计算网络保密通信与资源优化方案。首先，由于分散计算网络中的无人机（Unmanned Aerial Vehicle，UAV）节点受到自身能源的限制，本文研究了一种新颖的能量收集（Energy Harvesting，EH）方案，通过在几何空间上对IRS被动反射阵列进行功能划分，使部分反射单元用于信息反射，部分单元用于EH，从而实现信息传输与能量采集的协同进行。其次，构建了IRS辅助分散计算网络中的保密速率和最大化优化模型。该模型通过联合优化用户发射功率、IRS反射元件相移、EH约束以及通信QoS等多个耦合变量，以提升系统整体保密性能和资源利用效率。由于优化问题具有高度非凸性和变量强耦合特性，传统优化方法难以直接获得全局最优解。此外，考虑到分散计算网络中用户移动性强、无线信道动态变化快以及环境状态不确定等特点，本文设计了一种基于鲁棒深度强化学习（Deep Reinforcement Learning，DRL）的动态资源优化算法，以在动态分散计算网络环境中保证QoS。仿真结果表明：所提出的基于鲁棒DRL的IRS辅助分散计算网络方案性能不仅优于现有的其他基于学习的解决方案，还接近穷举法性能，最终验证了所提方案的有效性和优越性。关键词：分散计算网络;智能反射面（IRS）;能量收集（EH）;保密速率和;鲁棒深度强化学习（DRL）84|51|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：基于张量的辐射场方法通过张量回归建立输入（三维空间位置）与输出（体密度、外观特征）之间的映射关系，依托紧凑的场景表示，在保持高质量渲染效果的同时，显著提升了新视图合成效率。然而，现有方法无论是采用传统张量分解还是张量链（Tensor Train，TT）分解，均难以充分挖掘三维场景空间结构信息，对场景深层特征刻画不足。针对这一问题，本文在向量-矩阵（Vector-Matrix，VM）分解框架的基础上，引入张量环（Tensor Ring，TR）分解，提出了向量-矩阵张量环辐射场（Vector-Matrix Tensor Ring Radiance Fields，VMTR-RF）模型用于新视图合成。与现有的张量辐射场方法不同，VMTR分解采用分层建模策略：首先，利用VM分解将场景表示为一系列向量与矩阵因子外积的组合，实现对三维场景的初步紧凑表示；随后，将向量矩阵因子重组为高阶张量，并利用TR分解将其表示为多个核张量构成的张量环网络，从而更充分地捕获三维场景深层特征信息。得益于VMTR分解的优势，VMTR-RF在体密度估计和外观特征学习方面表现出更强的建模能力；最后，利用体渲染技术，结合学习到的体密度与外观特征合成新视图。实验结果表明，VMTR-RF优于现有最先进方法，尤其在保持细节方面表现突出，能够更好地重建锐利边缘、复杂结构和自然纹理，在保持紧凑场景表示的同时实现了更高质量的新视图合成结果。关键词：神经辐射场;张量网络;新视图合成;紧凑表示;VMTR分解57|49|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：在模型互联网中，部署在边缘的小模型（Small Language Models，SLMs）可通过词元级并联协作提高推理准确率。然而，受限于其自身能力，仅依靠小模型进行协作能够实现的性能增益相对有限。引入大模型（Large Language Model，LLM）辅助小模型推理过程以提高其推理上限，已被证实是一种有效策略。然而，这将不可避免地引入额外的开销。因此，如何以低成本提高小模型协作推理性能成为了该策略下的一个核心挑战。对此，本文提出一种以小模型共识驱动的大模型引导推理机制——DuGui，旨在在控制推理成本的同时充分利用小模型自身能力和边缘算力。通过量化协作小模型预测词元向量分布的共识程度来衡量推理时的不确定性，在推理出现分歧时由大模型进行引导，从而有效缓解可能的错误累积，提高推理性能。进一步地，该机制可根据共识度自适应执行不同的推理策略。共识充足表明协作小模型对当前词元推理的预测理解趋于一致，此时无需大模型介入，由协作小模型联合采样输出最优词元。若共识不足，则路由至大模型，由其生成词元序列进行引导推理。通过小模型协作推理和大模型引导推理的动态切换，实现在充分利用边缘小模型协作优势的同时减少大模型参与。实验表明，在MMLU数据集中对于qw1.5&glm组合，该机制仅使用大模型26.7%的输出成本即可达到93%推理准确率，实现小模型推理准确率31%的增益，推理性能接近于大模型。同时，与其他机制相比，其高质量回答占比高达43.5%~63.9%，实现了低成本与高性能之间的平衡。关键词：模型互联网;大模型引导;小模型共识;模型并联推理;推理成本94|71|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：阿尔茨海默病（Alzheimer’s Disease，AD）是一种隐匿且不可逆的进行性神经退行性疾病，早期精准识别对于延缓病程进展和辅助临床干预具有重要意义。结构磁共振成像（structural Magnetic Resonance Imaging，sMRI）能够反映脑萎缩、灰质退化等解剖结构异常，功能磁共振成像（functional Magnetic Resonance Imaging，fMRI）能够刻画脑区间功能活动及动态交互模式，二者从结构与功能层面为AD诊断提供互补信息。然而，面向sMRI与fMRI的多模态联合诊断仍面临三方面关键挑战：一方面，3D sMRI与4D fMRI在空间分辨率、时间维度和信号分布上存在明显差异，如何构建统一的端到端跨模态建模框架仍较困难；另一方面，基于Vision Transformer的sMRI特征提取方法虽然具有全局建模能力，但标准多头注意力机制存在注意力头冗余、头间协同不足以及局部结构细节表达不充分等问题，限制了模型对海马体、嗅皮质等AD相关关键脑区的敏感性；此外，现有多模态融合方法多采用特征拼接、单向注意力或稠密交互策略，难以在高维异构影像特征中有效筛选关键区域并建立结构—功能之间的细粒度双向关联。针对上述问题，本文提出一种面向AD诊断的sMRI-fMRI跨模态双向稀疏交互融合模型BiSparseFusion。BiSparseFusion采用双分支端到端架构，在sMRI分支中构建集成动态可组合多头注意力机制（Dynamic Composable Multi-Head Attention，DCMHA）与多层特征融合模块（Multi-level Feature Fusion Module，MFFM）的3D Vision Transformer，通过动态组合不同注意力头之间的关系降低冗余响应，并利用多层特征聚合增强局部病灶细节与全局语义信息的一致表达；在fMRI分支中引入SwiFT模型直接对原始4D fMRI进行时空依赖建模，以避免传统功能连接或感兴趣区分析法对动态信息的压缩损失；在跨模态融合阶段设计双向稀疏交叉注意力融合模块（Bidirectional Sparse Cross-Attention Fusion，BSCAF），通过模态内稀疏注意力抑制冗余特征，并通过双向交叉注意力实现sMRI结构表征与fMRI功能表征之间的深度互补交互。DCMHA与MFFM为结构分支提供更具判别性的多尺度解剖特征，SwiFT为功能分支提供时空动态特征，BSCAF则在统一特征空间内完成关键模态信息筛选、对齐与融合，从而形成结构与功能协同的AD诊断框架。本文基于ADNI数据集在AD/NC、MCI/NC和AD/MCI三个分类任务上对所提方法进行验证，实验结果表明，BiSparseFusion分别取得97.67%、93.27%和96.72%的分类准确率，优于各种单模态和多模态对比模型。可视化结果表明，模型能够聚焦海马体、嗅皮质、杏仁核等与AD病理相关的脑区，并形成类别区分度更高的融合特征空间，验证了BiSparseFusion在多模态神经影像特征建模、跨模态细粒度融合以及AD辅助诊断任务中的有效性。关键词：阿尔茨海默病;多模态融合;结构磁共振成像;功能磁共振成像;动态可组合多头注意力;双向稀疏交叉注意力融合60|68|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：高级持续性威胁（Advanced Persistent Threats，APTs）凭借其高度隐蔽性、长周期性及多阶段攻击的特性，已成为当前网络安全防御体系面临的最严峻挑战之一。尽管基于主机日志的溯源图分析技术能够将孤立的系统事件关联为细粒度的行为审计路径，为威胁检测提供了结构化支撑，但现有研究仍面临核心瓶颈：在复杂的系统环境中，攻击者往往通过低频操作来模拟良性行为，导致传统的基于特征码或静态规则的检测方案在应对零日攻击（Zero-day）时极易失效。针对上述挑战，本文提出一种层次化感知的图掩码自动编码器APT威胁检测框架。本框架的核心创新在于引入了层次化拓扑知识来指导掩码过程，而非采用盲目的随机遮蔽。具体而言，模型集成了全局感知遮蔽、局部感知遮蔽与元素感知遮蔽三种策略：全局感知遮蔽旨在保留溯源图的宏观结构稳定性，局部感知遮蔽侧重于刻画实体间的邻域交互逻辑，而元素感知遮蔽则关注实体属性的细粒度特征。这种层次化设计能够在预训练阶段有效过滤非结构性的系统噪声，同时最大程度地保留关键的因果逻辑链条。特别地，节点级一致性约束通过在原子尺度上建模，有效规避了传统图表征学习中全局聚合带来的信号稀释风险。这确保了即便在极端不平衡的样本分布下，微弱的攻击信号仍能通过损失函数获得充分的梯度响应，从而在数学逻辑上保障了训练目标与单点异常检测任务的一致性。在检测阶段，框架采用无监督异常检测算法，基于实体类型的嵌入分布量化节点异常分数，从而精准识别破坏局部因果链的恶意行为。本文在StreamSpot、Unicorn Wget以及DARPA E3等多个公开权威数据集上进行了全面评估。实验结果表明，该框架在平均精确率上达到了98.49%，F1分数达到98.97%。相比于现有基准模型，本文方法在极低攻击基本比率场景下表现出更强的鲁棒性与召回能力，能够有效识别APT攻击全生命周期中的微弱异常信号。关键词：高级持续性威胁;异常检测;图掩码自编码器;图神经网络;自监督学习;系统溯源图46|53|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：2017年，黄玉划等人提出了超轻量级分组密码算法PFP。该算法由于结构简单、实现代价低和适用于资源受限环境而受到较多关注。设计者在原始论文中指出，15轮PFP至少存在56个活跃S盒，并据此推出其最大线性偏差不超过2-57的结论。从现有研究来看，围绕PFP的分析工作主要集中在差分分析、不可能差分分析和积分分析等方向，而对其在单密钥模型下抵抗线性密码分析的能力仍缺乏系统、独立且量化的第三方评估。基于此，本文首次对PFP开展了较为全面的第三方线性密码分析研究，获得了目前在单密钥设置下最优的区分器与密钥恢复攻击结果。本文使用基于混合整数线性规划的自动化搜索方法，结合PFP的Feistel结构、PRESENT型4比特S盒以及基于比特置换的扩散层的特点，构建了适用于该算法的线性特征与线性闭包的自动化搜索模型。具体而言，本文将线性掩码在PFP各基本组件中的传播行为刻画为一组线性不等式，并通过目标函数高效搜索具有较大相关度的主导线性特征。在Gurobi求解器的帮助下，本文不仅搜索了最优线性特征，还在固定输入输出掩码的条件下枚举了大量主导线性特征，以便更准确地评估相应的线性闭包。结果表明，PFP存在一条覆盖26轮的线性迹，其相关度为2-31，这是目前单密钥设置下PFP已知最优的区分器。进一步地，在固定输入和输出掩码的条件下，进一步枚举得到670条主导线性特征，并估算出相应26轮线性闭包的期望线性势为2-60.46。这些结果表明，PFP具有比此前已知更长轮的线性区分器。为了验证理论估算的合理性，本文还在较低轮数情形下进行了实验统计，实验结果与理论分析基本吻合，进一步说明了所估算期望线性势的合理性以及所构造线性近似的有效性。在此基础上，本文将26轮线性区分器前后各扩展2轮，并结合部分和技术与密钥桥技术，构造了针对30轮PFP的单密钥线性密钥恢复攻击，攻击数据复杂度为263，总时间复杂度约为278.92。此外，在相同攻击轮数下，本文提出的29轮线性攻击相比已有最优结果可将复杂度降低了51.79%。不同于部分已有工作在复杂度统计时未计入穷搜阶段，本文将由攻击优势决定的穷搜开销统一计入总复杂度，从而给出更加公平、客观的评估结果。综合本文得到的最佳区分器与密钥恢复攻击结果可知，在单密钥设置下，34轮PFP仅剩约4轮，即约11.8%的安全冗余。上述分析表明，PFP在线性安全性方面仍存在进一步研究和分析的必要性，也可为后续轻量级分组密码的安全性评估与设计改进提供有价值的参考。关键词：PFP算法;线性攻击;密钥恢复攻击;混合整数线性规划;部分和技术;密钥桥技术89|54|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：频分电力线载波通信（Frequency Division Power Line Communication， FD-PLC）技术以其灵活的多频段通信能力与高效的前导竞争接入机制，有效解决了工业物联网本地通信网络中由电力线信道复杂环境引起的通信可靠性与组网效率问题，但现有FD-PLC节点硬件实现存在资源占用高、功耗大的问题，难以满足工业物联网通信节点低成本、低功耗的实际需求。针对上述问题，本文提出一种基于动态频段检测的多频同步系统，将传统多路并行检测结构重构为频谱实时感知与单通道同步检测相结合的实现方式，在保持同步性能基本不变的前提下降低硬件实现复杂度。该系统采用流水线式快速傅里叶变换实现实时功率谱分析，通过信号功率谱与背景噪声谱的归一化除法运算计算各频段内归一化功率累积值，完成动态的信号频段盲检测，再通过改进的定时机制与峰值搜索算法完成帧同步。本文在典型电力线多径信道以及背景噪声、脉冲噪声和窄带干扰等条件下建立仿真模型，并引入实测电力线噪声对系统性能进行验证，同时与传统FD-PLC 8路并行检测结构进行了对比。结果表明，在高信噪比条件下，所提系统的同步性能与传统方案基本一致；在低信噪比及多种非平稳噪声条件下，同步性能退化不超过1 dB，虚警性能与传统并行架构保持高度一致，并在窄带干扰和实测噪声条件下表现出良好的鲁棒性。复杂度分析结果表明，该方案在仅引入约3.43%额外带宽开销的前提下，持续监听阶段的实数加法与乘法开销分别降低54%和57%，捕获阶段分别降低23%和28%。进一步地，本文在Altera公司Cyclone Ⅳ E系列现场可编程门阵列（Field-Programmable Gate Array， FPGA）上完成了系统实现。综合结果显示，与传统8路并行检测方案相比，所提系统总逻辑元件占用降低72%，组合逻辑函数降低73%，专用逻辑寄存器降低75%，嵌入式9位乘法器减少62%，总功耗下降40%。研究结果表明，所提系统在同步性能、计算复杂度与硬件资源之间实现了有效平衡，适用于工业物联网场景下FD-PLC通信节点的大规模、低成本和低功耗部署。关键词：工业物联网;FD-PLC;帧同步;多频检测;FPGA66|48|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：弹载末制导雷达在跟踪阶段利用单脉冲测角对舰船目标进行精确角跟踪。质心式角反干扰利用单脉冲测角指向回波能量质心而非目标几何中心的固有缺陷，将高雷达散射截面（Radar Cross Section，RCS）的角反布设于舰船同一距离分辨单元内，诱偏跟踪点，致使导弹脱靶。在距离-多普勒图像中，舰船与质心式角反处于同一距离-多普勒单元，角反的辨识与抑制极为困难，根本原因在于二者在距离-方位参数域邻近混叠，而雷达的极化、空域等多维特征长期被孤立处理，联合辨识能力不足。前视成像可联合距离-方位-极化信息，有望在图像域实现目标与干扰的辨识与定位。然而，在前视条件下，平台运动方向与波束指向接近一致，目标多普勒频率变化极小，依赖多普勒效应的合成孔径、多普勒波束锐化等高分辨方法失效；单脉冲成像、扫描波束解卷积成像和阵列谱估计成像等方法，在近距离末端质心式干扰场景中分别面临指示错误、扫描依赖和低信杂比等性能瓶颈。极化作为电磁波的矢量属性，蕴含目标几何结构与散射机理的丰富信息，舰船与角反在极化域的散射特性差异天然存在，但极化匹配、极化滤波等经典极化处理方法以回波能量的增强或抑制为设计准则，未能充分挖掘极化域中目标间信号成分的可分性差异。本文立足极化域变焦超分辨理论，推导了极化阵列回波模型，建立了自适应变焦准则，提出了基于极化态筛选的并行迭代优化方法；在此基础上，结合舰船与角反的极化散射特性差异，提出了基于极化主成分的角反抑制方法，形成了抗质心式角反干扰的前视成像方法。仿真结果表明，在10 dB信杂比下，对于间隔0.2倍波束宽度的三面角与二面角组合目标，本文方法测角精度达到0.05倍波束宽度；在8 km弹目距和20 dB信杂比条件下，所提前视成像方法相比单极化方法和极化-空域联合方法，舰船-角反信干比在舰船机动前分别提升23.3 dB和11.4 dB，在舰船机动后分别提升14 dB和2.4 dB。关键词：极化域变焦;前视成像;超分辨;质心式干扰;角反抑制38|64|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：在基于无线传感网络的分布式估计架构中，传统周期性时间触发机制存在通信频次高、冗余数据交互量大等固有缺陷，极易导致网络通信资源过度消耗，继而影响分布式估计性能。鉴于此，本文提出一种随机事件触发通信机制，研究基于无线传感网络的事件触发分布式非线性估计方法。考虑实际传感观测系统普遍存在显著的强非线性特征，传统线性估计方法无法适配非线性系统状态演化规律，难以保证估计性能。为此，本文依托无迹卡尔曼滤波（Unscented Kalman Filtering， UKF）框架，利用无迹变换技术精准近似系统非线性状态传递过程，设计适配非线性观测模型的UKF型局部估计器，有效改善局部估计性能。为有效降低邻居节点间持续高频信息交互带来的高昂通信成本，首先结合局部状态估计偏差特征，构建局部估计依赖的随机事件触发通信策略，并基于贝叶斯估计理论设计具备递推形式的事件触发局部估计器。其次，进一步利用协方差交叉融合技术，对交互的事件触发局部估计进行实时融合，设计得到事件触发分布式估计器，以确保节点在局部估计信息不完全交互的情况下分布式估计的一致性。再次，在网络全局可观意义下分析事件触发分布式估计器的收敛性，给出确保分布式估计方差有界的充分条件。最后，以机动目标跟踪场景进行仿真实验，验证所提算法在保障估计精度的同时能够显著降低网络通信负载。关键词：随机事件触发通信;无迹卡尔曼滤波（UKF）;协方差交叉融合;非线性估计;无线传感网络63|66|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：针对电磁环境监测范围广泛、地形复杂等问题导致电磁图谱态势难以精准获取的难题，本文提出了一种基于生成对抗网络（Generative Adversarial Network，GAN）和物理信息神经网络（Physical-Informed Neural Network，PINN）的多无人机（Unmanned Aerial Vehicles，UAVs）协同电磁图谱生成的高效联邦学习算法。该算法构建了一个终端设备-边缘计算节点-无人机的GAN-PINN联邦学习框架。首先，将GAN和PINN融入联邦学习中，加速电磁图谱生成模型的收敛，提高了模型的泛化性和物理一致性。然后，考虑无人机的带宽资源分配、通信信道、模型汇聚及其飞行轨迹以及边缘节点的计算资源分配等，形成了以最大化模型平均相对精度为目标，综合时延、能耗、带宽等约束条件的优化问题，并提出了基于多智能体深度确定性策略梯度算法用来进行求解，使无人机在动态环境中仍能作出有效决策。仿真结果表明，本文提出的方法在模型准确度和收敛速度方面均有较好的性能，同时优化了无人机的时延和能耗。关键词：电磁图谱;多智能体深度确定性策略梯度;联邦学习;生成对抗网络;物理信息神经网络;无人机73|52|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：随着5G无线通信、物联网、高速互联及人工智能技术的发展，射频电子器件对互连材料的高频传输能力、柔性集成特性和工艺兼容性提出了更高要求。传统金属导体在微型化、高频化和柔性电子应用中存在弹性模量高、质量较大及表面粗糙度引起附加损耗等问题，难以满足新一代集成系统的发展需求。二维层状碳化钛（Ti3C2Tx，MXene）因具有较高电导率、轻量化、柔韧性及溶液加工特性，在射频传输线和高频互连器件中展现出良好应用潜力。然而，目前关于MXene薄膜制备工艺、表面形貌及粗糙度特征对射频传输性能影响的研究仍较为缺乏。本研究以MXene薄膜共面波导射频传输线为对象，通过调控制备工艺实现导体表面粗糙度调控，并研究其对射频传输性能的影响。实验采用滴涂法和刮涂法制备厚度为1.4 ± 0.2 μm、2.6 ± 0.3 μm和3.6 ± 0.2 μm的MXene薄膜，结合原子力显微镜、扫描电子显微镜、矢量网络分析仪进行测试及电磁仿真，对表面粗糙度、激光切割断面形貌、插入损耗及单位长度衰减率进行分析。结果表明，不同成膜工艺会显著影响MXene纳米片的堆叠状态、薄膜均匀性和表面粗糙度。滴涂工艺主要依靠毛细力驱动纳米片随机组装，易形成起伏较大的粗糙表面；刮涂工艺通过剪切作用诱导纳米片沿面内方向排列，有利于获得更平整、致密的薄膜结构。3种厚度下，刮涂薄膜的表面粗糙度均仅为滴涂薄膜的30%~40%。射频测试结果表明，较低表面粗糙度有助于降低MXene传输线的插入损耗和衰减率，且该优势在薄膜厚度较小、工作频率较高时更为明显。在1.4 μm厚度、18 GHz频率下，刮涂样品较滴涂样品插入损耗降低约2.7 dB，传输性能提高约36.5%，衰减率降低约1.7 dB/cm。进一步研究表明，激光切割断面粗糙度同样会影响传输性能。其中，25 W功率、150 mm/s切割速度可获得较规整断面形貌和较优传输性能。最后，结合粗糙度梯度电导率模型，揭示了表面粗糙度对传输系数的影响规律。该研究为基于非金属、新型层状导电材料的电子器件射频传输线的工艺优化和器件设计提供了实验和理论依据。关键词：MXene;射频传输;表面粗糙度;薄膜制备;传输系数48|42|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：低照度有雾环境具有低照度、雾气遮盖和局部辉光散射的联合退化特征，这一联合退化特征严重阻碍了汽车、无人机（Unmanned Aerial Vehicles，UAVs）、机器人等设备视觉功能的正常发挥，限制了这些设备的应用场景，导致低照度有雾环境中智能设备的缺位。因此，如何从夜间的低照度、雾气遮盖和局部辉光带来的极端图像退化中恢复清晰图像，提升自动驾驶、无人机、安防等系统的全天候安全性与可靠性，是当今亟待解决的问题。针对这个问题，本文从照度与雾气对成像的物理扰动机理出发，联合深度信息与照度和雾气的潜在扰动关系，提出了一种基于深度信息辅助高斯混合物理引导的低照度去雾增强网络（low-light dehazing enhancement network guided by Deep information-assisted Gaussian mixture Physics，DGP-Net），有效解决了低照度有雾图像增强领域中由多光源、雾气和噪声引发的联合退化问题，实现了低照度有雾图像增强。具体来说，该网络首先基于退化图像和深度图特征，提出了一种基于深度信息的高斯混合物理模型扰动（Gaussian Hybrid-Physics Perturbation System，GHPPS）的图像再退化方法，通过对退化图像进行高斯模糊、高斯噪声注入和偏振光干扰操作，得到随机独立的高斯混合物理模型扰动图像组，该退化扰动图像组能够为网络提供充分的增强图像数据。其次，设计了基于深度信息的混合物理先验引导机制（Depth-guided Blended Physical prior Mechanism，DBPM），该机制通过引导网络关注原始图像与再退化图像组的共同潜在结构特征，使用深度信息辅助网络正确估计退化图像的光照分量，设计轻量级的扰动交叉注意力（Perturbation Cross-Attention，PCA）机制，使网络能够高效地学习原始图像与再退化图像组的联合退化特征，强化网络对联合退化特征的感知能力。最后，设计了基于空域物理特征引导的频域特征去雾模块（Spatial Physics-Guided Frequency Dehazing block，SPGFD），通过融合空间域与频率域的退化特征表征，有效解决了单一空域低照度有雾图像增强方法或单一频域低照度有雾图像增强方法的缺陷，为网络提供低照度雾气去除与辉光抑制能力，实现更准确的雾下结构重建和全局照度恢复。实验结果表明，在低照度有雾数据集NHR上与最新的state-of-the-art（SOTA）方法CoA相比，本文方法PSNR性能指标提升了11.3%，SSIM性能指标提升了5.8%，取得了更好的性能与视觉表现。关键词：低照度有雾图像增强;高斯混合物理先验建模;扰动交叉注意力;空-频域联合45|60|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
学术论文
- 摘要：社交网络凭借其即时、开放与传播广泛的特性，在促进信息交流的同时，也沦为谣言滋生的温床。多模态谣言融合文本及图像等多种信息形式，呈现出更强的欺骗性与煽动性，增加了网络治理的难度。因此，实现高效准确的多模态谣言检测，已成为维护清朗网络空间与公共安全的关键任务。近年来，学界针对多模态谣言的数据特性提出了多种检测方法，技术体系日趋多样。为系统梳理该领域当前的研究进展，本文从信息构成与来源视角，构建了一个涵盖内容、外部知识、社交上下文与外部环境四大维度的多模态谣言检测分类体系。区别于现有综述对内容维度的单一侧重，本文通过这一四维分析框架，揭示了谣言检测正从局部的静态内容核查向融合动态社交演化与外部环境交叉验证演进的深层范式转移。在此框架下，深入剖析了基于图文内容交互、外部知识增强、社交上下文信息以及外部环境感知四类技术方法的核心机制、演进脉络与代表性模型，并总结了其技术优势与局限性。此外，本文归纳了常用数据集与评估指标，并从纵向技术演进脉络、跨方法类别统计趋势以及特定检测场景下模型表现三个维度，对比了各类模型的效能差异与适用边界。最后，本文探讨了模态异构与特征对齐瓶颈、外部知识依赖与大语言模型（Large Language Model，LLM）幻觉、动态社会与环境建模复杂性、跨域领域偏差以及高逼真人工智能生成内容（Artificial Intelligence Generated Content，AIGC）谣言鉴伪等五大关键挑战，并对未来的研究方向进行展望。关键词：社交网络;多模态谣言检测;多模态融合;知识增强;社交上下文;外部环境感知122|121|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
- 摘要：随着6G通信向高频段、大带宽、智能融合及动态可重构方向持续演进，传统位置固定天线系统受限于静态部署方式与单向调控能力，难以有效应对复杂电磁环境的多变性、用户移动行为的随机性，以及能效与可靠性之间的突出矛盾。可移动天线（Movable Antenna，MA）技术通过引入天线物理位置可调能力，为突破传统固定天线系统的静态空间自由度限制提供了新的技术路径。然而，MA技术并非单纯的天线结构改进，而是涉及电磁场响应、信息传输机制与位置控制过程之间的深度耦合，因此，亟需从整体性、关联性与动态性视角开展统一建模与协同优化。本文从系统论视角出发，以MA技术为核心载体，提出“电磁论—信息论—控制论”跨域融合为核心的理论框架，旨在构建面向下一代无线通信的协同设计与动态优化新范式。围绕上述目标，本文首先回顾传统固定天线系统、MA技术及电磁论、信息论和控制论在无线通信系统设计中的应用基础，分析单一理论框架在刻画MA动态优化问题时存在的局限性；随后，梳理了三论融合的相关研究进展，阐述了“电磁论—信息论—控制论”跨域融合的内在逻辑、关键挑战与实现路径，指出电磁论刻画信道物理响应，信息论界定系统性能边界，控制论实现实时动态调控，强调三者并非孤立并行，而是在系统目标驱动下深度耦合、闭环协同，是推动无线通信从“经验驱动”向“模型驱动”跃迁的一条核心路径；进一步，系统探讨了位置相关信道建模、系统容量优化、智能位置调控、机械移动约束、硬件实现及跨层协同设计等方面的研究进展；最后，展望了系统论指导下三论融合赋能MA技术的潜在发展方向，包括MA动力学与电磁响应耦合规律、面向通信性能增益的MA智能调控方法、机械延迟与传输时延联合优化机制，以及面向实际部署的MA系统级设计方法，以期为6G通信向“通信即感知、网络即智能、环境可重构”的愿景演进提供系统级理论支撑与方法参考。关键词：电磁论;信息论;控制论;可移动天线;闭环协同;跨域融合;智能调控132|115|0<HTML><网络PDF> <Meta-XML>更新时间：2026-10-16
综述评论
