最新刊期
2025年第53卷第7期
- 摘要：现在的移动通信系统中信源信道联合编码（Joint Source-Channel Coding，JSCC）可以达到端到端的优化效果，提升频谱效率.而混合自动重传请求（Hybrid Automatic Repeat reQuest，HARQ）则通过灵活的重传机制，改善链路的可靠性和自适应性，增强系统的鲁棒性.将JSCC和HARQ进行联合优化可以进一步提高可靠性和频谱效率.本文提出了HARQ系统中的基于极化矩阵扩展（Polarizing Matrix Extension，PME）的信源信道联合编码方案，简记为PME-JSCC-HARQ方案.PME-JSCC-HARQ方案首先进行信源极化编码，然后扩展信源极化矩阵，并将信道比特放置在扩展位上.重传过程依次对极化矩阵进行扩展，并将重传比特放置在扩展位上.由于极化矩阵的下三角结构，在联合编码过程中每次传输的比特都不会影响信源比特和之前传输的编码比特.为了提高PME-JSCC-HARQ方案的译码可靠性，要选取扩展后的长极化码的最可靠的比特子信道作为信息比特子信道.仿真结果表明，在列表大小等于32时，与分离式的基于信源极化编码和具有重传的信道极化编码方案相比大约可以获得2.8 dB以上的性能增益.关键词：极化码;信源信道联合编码;HARQ;极化矩阵扩展153|50|0更新时间：2025-12-10
- 摘要：5G新型业务场景要求传输的低时延和高可靠性，应用层前向纠错编码（Forward Error Coding，FEC）可以快速恢复丢失数据包，但是在高突发丢包信道的译码恢复性能不佳.针对这个问题，本文提出基于交织的流式随机线性网络编码（Interleaving Stream-Random Linear Network Coding，IS-RLNC）方案，通过等间隔编码源数据包，并将编码包分散插入源数据包的发送队列中.该方案在保持低译码复杂度和实时性的同时，提高突发情况下的恢复性能.仿真实验表明，在高突发信道环境下，IS-RLNC具有比里德-所罗门码（Reed-Solomon，RS）和滑动RLNC（Caterpillar RLNC，CRLNC）更低的译码失败概率.此外，在限制时延的应用场景中，IS-RLNC能够比RS码恢复更多的数据包.最后，为了达到最佳性能，实验表明了不同突发长度信道具有不同的交织深度.关键词：URLLC;应用层FEC;RLNC;交织编码;流式编码111|38|0更新时间：2025-12-10
- 摘要：无线图像传输面临着带宽和计算资源的双重挑战，在节点计算能力有限的物联网等应用场景中尤为突出.联合信源信道编码（Joint Source-Channel Coding，JSCC）能够同时优化信源和信道编码，逐渐成为无线图像传输中一个重要研究方向.近年来，基于深度学习的JSCC方法受到广泛关注，其通过端到端训练实现编码器与解码器的联合优化.然而，大多数基于深度学习的JSCC方法的编码器涉及大量的线性与非线性运算，导致计算复杂度较高，难以应用于物联网边缘计算节点等计算资源受限的设备.为实现轻量化的编码过程，本文提出了一种基于深度压缩感知的联合信源信道编码方法BCS-JSCC（Block Compressive Sensing-Joint Source Channel Coding），实现对于编解码器的端到端优化.该方法在编码端设计可学习尺度二值化测量的压缩感知采样，实现噪声环境下匹配解码器的轻量化编码方法；在解码端，基于MMSE（Minimum Mean Squared Error）准则求解测量值传输的线性逆问题，获得信道噪声敏感的初始重建，抑制噪声对参数复用重建网络的影响.与现有的基于深度学习的JSCC方法相比，在保持编码端每像素浮点计算次数（FLOating Point operations per pixel，FLOPs per pixel）相同的条件下，本文所提出的BCS-JSCC方法在高信噪比条件下可以取得更好的传输性能.在低算力（0.10 K FLOPs/pixel）情况下，优势更为明显.本文提出的BCS-JSCC方法编码器构造简单、计算量低，适用于物联网边缘计算节点等低算力设备部署.关键词：无线图像传输;联合信源信道编码;深度学习;编码器;压缩感知151|53|0更新时间：2025-12-10
- 摘要：信道编码参数的盲识别作为非合作通信和自适应调制编码（Adaptive Modulation and Coding， AMC）系统中的一项重要技术，近些年受到了更多关注.在第五代移动通信技术（5th Generation mobile networks， 5G）中，其采用了低密度奇偶检验（Low-Density Parity-Check， LDPC）码作为数据信道的前向纠错码，但其使用了删余和填充导致传统的盲识别技术不再适用.本文提出了一种新的方案，借鉴置信传播（Belief Propagation， BP）译码迭代思路来进行盲识别.该方案基于传统平均对数似然比（Log-Likelihood Ratio， LLR）算法，进一步采用BP译码的思想对删余和填充比特进行迭代，以解决传统算法无法识别这部分比特的问题.仿真结果表明：与现有的相关算法相比，本文算法具有更好的性能.关键词：自适应调制编码;盲识别;低密度奇偶检验码;删余与填充;置信传播译码70|25|0更新时间：2025-12-10
- 摘要：猜测随机加性噪声译码算法（Guessing Random Additive Noise Decoding，GRAND）是线性码的一类通用译码算法.其中，ORBGRAND（Ordered Reliability Bits GRAND）算法是一种软判决猜测随机加性噪声译码算法，具有运算简单、易于实现等优点，引发了广泛的研究和关注.但是，在限定查询次数的条件下，ORBGRAND算法的译码性能与软判决最大似然译码有一定差距.针对这一问题，本文提出了一种基于校正子译码（Syndrome Decoding，SD）算法和ORBGRAND算法的混合译码算法.该算法为ORBGRAND算法引入一种辅助度量，将接收序列并行输入SD算法和ORBGRAND算法进行译码，选择二者中与接收软判决序列具有最大相关值的码字估计作为译码输出.仿真结果表明，提出的混合译码算法在增加不多复杂度的条件下相对ORBGRAND算法能够获得译码性能改善，并且随着信噪比的增加改善更明显.此外，提出的混合译码算法保持了ORBGRAND算法的通用性，适合于各种类型的线性码译码.关键词：通用译码算法;猜测随机加性噪声译码;最大似然译码;校正子译码;混合译码;相关77|21|0更新时间：2025-12-10
- 摘要：为了缩短奇偶校验极化码串行抵消列表（Parity-Check Successive Cancellation List，PC-SCL）译码算法的时延，本文提出了快速奇偶校验串行抵消列表（Fast Parity-Check Successive Cancellation List，Fast-PC-SCL）译码算法.该算法首先分析并研究了奇偶校验极化码（Parity-Check Polar，PC-Polar）中存在的2类特殊节点——奇偶校验重复（PC-REPetition，PC-REP）类节点和单奇偶校验（PC-Single-Parity-Check，PC-SPC）类节点，并通过理论证明了PC-REP类节点具有码字序列周期性重复、PC-SPC类节点具有码字和为特定值的性质.其次根据上述性质，给出了这2类节点的码字列表估计方法，使得包含这2类节点的极化码在译码时可以通过并行执行来大幅度缩短译码的时间延迟.最后结合这2类节点的码字列表估计方法，提出了Fast-PC-SCL译码算法.该算法可以在不完全遍历串行抵消（Successive Cancellation，SC）译码树的情况下进行译码，同时充分保留PC比特校验的效果.与PC-SCL译码算法相比，在不损失性能的前提下，该算法显著缩短了译码时延.实验数据表明，最多可缩短55.13%的时间延迟.关键词：极化码;串行抵消列表;奇偶校验;译码时延;特殊节点46|43|0更新时间：2025-12-10
- 摘要：空间耦合量子LDPC（Spatially- Coupled Quantum Low-Density Parity-Check，SC-QLDPC）码在分布式量子计算体系中有着重要应用，然而如何实现相应的低时延高效译码是其在实际应用中面临的核心挑战.本文聚焦SC-QLDPC码在滑窗译码过程中，由窗口译码错误传播引起的连锁反应对译码性能所造成的严重影响这一问题，针对适用于SC-QLDPC码的量子双窗口滑动译码算法提出了双窗口回溯优化译码策略，给出了译码过程中扩大窗口的性价比度量方法，讨论了在量子滑窗回溯时，选择最佳回溯窗口大小的策略.实验表明，本文提出的量子滑窗译码的回溯策略可以在译码复杂度和性能上实现优化均衡，解决了量子滑窗译码过程中由窗口大小的不当选择带来的错误传播所造成的译码性能显著下降的问题.关键词：量子计算;量子纠错;空间耦合码;滑窗译码;错误抑制;量子LDPC码52|48|0更新时间：2025-12-10
编码理论与技术的进展与未来
- 摘要：正常照度环境下的图像小目标检测具有挑战性，而低照度环境下的图像因低亮度、低对比度、低信噪比等，信息丢失严重，使得小目标特征信息更加弱化，更加难以获取特征等信息，从而导致低照度环境下小目标检测的研究极少.本文针对这一问题，提出一个低照度小目标检测方法MC-YOLO.该方法包含多尺度特征融合增强（Multi-Scale Feature Fusion Enhancement，MFFE）模块、细节特征提取（Detail Feature Extraction，DFE）模块、Neck模块和Head模块.该方法的第一部分由MFFE模块采用可变形卷积和多尺度特征融合来提取低照度环境下的小目标特征，再通过全局平均池化进行全局特征增强，从而使小目标特征信息更加显著；第二部分由DFE模块在充分利用上下文信息提取小目标特征的同时保留小目标的位置信息，解决低照度小目标物体细节特征信息易丢失的问题；第三部分由Neck模块进行特征提取和多尺度特征融合；最后，在Head模块的大分辨率特征图上引入小目标检测层，实现低照度小目标的检测.实验结果表明，本文方法在低照度小目标检测精度方面具有良好的表现，在自制低照度小目标数据集LLSOD上的mAP为83.2%，比目前先进的目标检测方法YOLOv11高出3.6%.关键词：低照度小目标;多尺度;特征融合;特征增强;细节特征121|43|0更新时间：2025-12-10
- 摘要：在图像增强方法中，基于曲线映射的修饰策略因其能够很好地保留图像的原始内容信息而成为研究的热点.现有的基于曲线映射方法通常只关注修饰前后图像色彩空间的映射关系，而忽略了图像内容对修饰结果的影响，导致具有相似色彩的不同图像内容修饰得不够精细和自然.针对上述问题，本文提出了一种基于内容语义感知多模态融合的图像增强方法，旨在通过引入描述图像内容语义感知信息的文本特征作为图像特征的补充，将图像和文本两个模态的特征进行融合得到内容语义感知的多模态特征，从而实现对图像不同内容的精细化修饰.首先，本文利用多模态大语言模型生成描述图像内容的文本信息，并将文本信息对图像的内容进行多模态提示学习，该方法能够使模型学习在内容文本信息的提示下对图像进行辅助增强；随后，提出了一种注意力机制将文本特征与图像特征进行充分交互融合生成多模态特征；最后，利用多模态特征建立修饰图像的曲线映射关系，从而可以有效地根据图像的内容进行针对性的修饰与增强.实验结果表明，本文提出方法在多个公开的基准数据集上取得了最优的性能表现，充分证明了融入内容语义感知信息在图像修饰任务上的有效性和优越性.关键词：图像增强;文本生成;内容感知;多模态融合;曲线映射152|66|0更新时间：2025-12-10
- 摘要：高分遥感图像目标检测是遥感信息智能化处理的研究热点，具有广泛的应用背景和重要的应用价值.相比于自然图像，高分遥感图像目标检测面临目标朝向任意、尺度变化大、背景复杂易受干扰以及排列密集度高等诸多难点.为了进一步提升高分遥感图像目标检测算法的性能，本文从特征融合与特征增强的角度出发，以YOLO11为基准算法提出一种旋转框遥感图像目标检测算法EIMYOLO，并设计了边缘特征增强、多尺度特征增强提取器和多尺度注意力机制动态融合3个即插即用的模块.边缘特征增强模块通过提取目标的边缘特征，提高了算法对旋转目标的方向敏感度以及复杂背景下的特征提取能力.多尺度特征增强提取器和多尺度注意力机制动态融合模块，分别从层内特征增强及层间特征融合角度出发，提高了算法对密集目标和细长目标的检测能力.为了验证本文算法的性能，在公共遥感数据集HRSC2016和DIOR-R上进行了实验.结果表明，所提算法的平均检测准精度分别达到了90.80%和72.40%，优于基准算法和对比算法.关键词：高分遥感图像;深度学习;特征融合;特征增强;注意力机制144|55|0更新时间：2025-12-10
- 摘要：检测变换器（DEtection TRansformer，DETR）是计算机视觉和多模态学习等领域的研究热点，但其解码器学习偏差存在层间传递，且不同层交叉注意力计算使用相同参考点、编码器输出特征语义模糊，严重影响模型性能.本文针对DETR的上述缺陷，以Conditional DETR为基线模型，将交叉注意力机制解耦为权重和值向量两部分，提出层间自适应注意力权重更新（Inter-layer Adaptive Attention Weight Refinement，IAAWR）方法，动态调节解码器不同层的交叉注意力权重，削弱学习偏差层间传递；提出值向量自适应增强（Adaptive Feature Enhancement，AFE）方法，采用分治思想改善编码器各层对目标局部区域的特征提取能力，显著增强输出特征的语义性；提出无参数迭代矫正预测框参考点（Iterative Reference Point Refinement，IRPR）方法，实现预测框参考点动态更新，增强回归预测的灵活性和精细度.融合以上三个创新点改进基线模型Conditional DETR，得到自适应的可解释目标检测变换器（Adaptive and Interpretable DETR，AI-DETR）.新模型AI-DETR仅增加了11个可学习参数，其平均精度（Average Precision，AP）指标在公开数据集MS-COCO（MicroSoft Common Objects in COntext）上比基线模型Conditional DETR提升1.8个百分点，在更具挑战性的野外环境下蝴蝶数据集Butterfly_2018和Butterfly_2023上分别提升1.3个百分点和0.8个百分点.通过定性、定量分析及结果可视化，详细阐述和论证了AI-DETR模型各创新点的具体贡献.关键词：目标检测;蝴蝶检测;深度学习;检测变换器（DETR）模型;交叉注意力机制99|37|0更新时间：2025-12-10
- 摘要：现有无监督视频目标分割（Unsupervised Video Object Segmentation，UVOS）方法多采用像素级密集匹配策略，通过对齐融合多帧之间或单帧与光流之间的信息来提升模型性能.然而，在遮挡、相机抖动、运动模糊等挑战性场景中，光流估计误差易产生大量错误匹配，导致融合后的时空表征易过拟合运动噪声.为此，本文提出一种运动提示引导的自适应学习UVOS框架.通过设计一种无监督光流提示生成算法，将光流编码的密集运动信息转换为稀疏点和框提示，借助提示学习引导分割一切模型（Segment Anything Model，SAM）通过本文设计的两个轻量级适配器来自适应学习，从而获得更为鲁棒的时空表征，增强模型的抗噪能力.为获得有效的提示，设计了一种无监督运动提示生成算法.该算法基于光流特征计算一系列统计量，筛选出显著区域，再利用运动边缘信息去除伪显著区域的干扰，并设定自适应阈值进行过滤，生成提示显著运动目标所在区域的点和框坐标.为提升SAM在下游UVOS任务中的泛化性，提出一种自适应表征学习SAM模型.通过设计两个轻量级特征适配器，从SAM的通用知识库中自适应学习与下游UVOS任务相关的知识，以准确地粗定位目标.针对SAM基于纯Transformer架构在细节处理上的不足，基于卷积神经网络（Convolutional Neural Networks，CNN）架构设计了表观聚焦细化模块.由SAM得到的定位注意力图渐进式地引导细化过程，使模型的注意力从全局粗定位聚焦到局部细化，最终得到更加精确的分割掩码.本文方法在DAVIS16（DAVIS 2016）、FBMS（Financial and Business Management System）和YTOBJ（YouTube-OBJects）三个主流数据集上进行了充分验证.结果表明：本文方法在区域相似度指标上较当前先进方法分别提升了1.8%、1.6%和2.6%，充分表明了本文方法的有效性.关键词：无监督视频目标分割（UVOS）;光流噪声;分割一切模型（SAM）;提示学习;自适应表征学习;运动外观解耦;多模态40|51|0更新时间：2025-12-10
- 摘要：基于Transformer的图像恢复方法在单图像超分辨率（Single Image Super-Resolution，SISR）任务中展现了卓越的性能，这得益于其自注意力（Self-Attention，SA）机制能够有效捕捉非局部信息，从而实现更高质量的高分辨率（High Resolution，HR）图像重建.然而，SA机制中的矩阵乘法操作需要消耗大量计算资源，这使得基于Transformer的模型通常难以适配计算能力和内存受限的低功耗设备.此外，SA机制的低通特性限制了其捕获高频局部细节的能力，从而导致平滑的重建结果.为了解决以上问题，本文提出了一种基于多尺度特征自适应调制的单图像超分辨率网络（Multi-scale Feature Adaptive Modulation Network，MFAMNet），其核心是多尺度特征自适应调制（Multi-scale Feature Adaptive Modulation，MFAM）模块，该模块通过下采样操作获取不同尺度的低频内容，计算输入特征的全局方差来调制处理后的低频特征，然后使用调制后的特征自适应地聚合输入特征，从而实现对非局部信息的高效建模.在聚合输入特征之后，本文引入通道注意力机制，从通道维度对融合特征进行细化处理，以增强所有通道间公共信息的提取能力，同时实现跨通道权重的动态重分配.此外，由于MFAM从远程角度处理输入特征，因此需要补充局部上下文信息.为此，本文还设计了空间增强模块（Spatial Enhancement Module，SEM），作为复杂自注意机制的有效替代方案，以显著提高空间局部聚合能力，在空间和通道维度上进一步细化从MFAM输出的特征.大量实验表明：所提出的MFAMNet，在公共基准数据集上实现了重建性能和计算效率之间的更佳权衡.特别是在4倍超分辨率（Super-Resolution，SR）下，与最新的自调制特征聚合网络（Self-Modulation Feature Aggregation Network，SMFANet）相比，MFAMNet在五个公共测试集上的平均性能提高了0.15 dB，而模型复杂性，如每秒浮点运算次数（FLoating-point Operations Per second，FLOPs），与前者几乎相同.关键词：单图像超分辨率（SISR）;轻量化;自注意力（SA）;特征调制;多尺度特征75|41|0更新时间：2025-12-10
- 摘要：在处理高维分类数据集时，多目标特征选择进化算法存在计算资源耗费高、收敛速度慢的问题.多任务优化作为一种可以有效降低搜索维度、提升搜索效率的手段，已被引入该领域，但现有算法多仅考虑特征重要性，忽视了特征间的冗余关系.针对这一不足，本文提出了一种基于特征冗余分析的多任务多目标特征选择算法MTGA.该算法首先基于特征冗余度对所有特征进行聚类，将高维特征划分为多个冗余度较低的特征簇.随后从各个特征簇中选择少量的重要特征构建多个子任务，在保留关键信息的同时有效剔除大量冗余特征.此外，针对各子任务，设计了基于特征重要性的繁殖算子，并通过知识迁移策略实现不同子任务间的重要特征共享，避免算法陷入局部最优.在14个高维UCI数据集上的对比实验结果表明，所提算法优于多种经典特征选择方法，展现出良好性能.关键词：高维特征选择;特征冗余性;多目标进化算法;多任务优化;知识迁移机制79|28|0更新时间：2025-12-10
- 摘要：面向多智能体路径寻找（Multi-Agent Path Finding，MAPF）问题，基于优先级搜索（Priority-Based Search，PBS）算法融合了优先级机制和冲突搜索（Conflict-Based Search，CBS）的节点拓展框架，在路径规划效率方面具有显著优势.然而，PBS算法中对路径代价优先的贪婪机制会导致算法在优先级树（Priority Tree，PT）拓展过程中冲突消减速度慢.因此，本文提出基于冲突代价Bayesian权重的改进PBS算法IPBS-ccbw（Improved Priority-Based Search with conflict cost bayesian weight）.在路径代价的基础上，引入冲突数量构造了基于路径代价和冲突数量的综合指标，并在规划拓展时对子节点的冲突代价权重进行Bayesian更新，以此在冲突数量与路径代价之间进行有效权衡.进一步设计了冲突数据监测和策略性重构机制，避免算法在特定分支上陷入深度搜索陷阱.在Benchmark标准测试地图上的仿真对比实验以及小规模实物实验的结果显示，IPBS-ccbw算法在不同环境下均展现出优越的路径优化能力.与PBS算法相比，在大规模密集场景中，IPBS-ccbw算法展现出更强的冲突消减能力和更高的求解效率.其求解时间可减少27.3%~91.9%，在智能体数量达到最大值时，求解成功率提升幅度可达40%~85%.关键词：多智能体;路径规划;贝叶斯更新;动态权重;冲突消减43|25|0更新时间：2025-12-10
- 摘要：安卓系统占据移动操作系统七成以上的市场份额，成为许多不法分子传播恶意软件的平台.其中，重打包恶意软件通过嵌入少量恶意代码到良性软件中，利用大量良性行为掩盖恶意行为，从而绕过普通恶意软件检测方法.然而，当前学术界对重打包恶意软件的研究相对较少，现有基于函数调用图分区的检测方法存在通用性不足的问题，且在敏感API（Application Programming Interface）中心性特征方面未充分考虑恶意行为的语义特征.本文提出了一种安卓重打包恶意软件检测方法Partdroid，该方法通过分析清单文件和smali代码，提取应用程序的组件信息并生成组件函数调用图，将所有含有敏感API的组件的函数调用图合并，利用污点分析的方法发掘组件间调用关系，形成敏感组件函数调用图来避免函数调用图分区的局限性.同时，该方法通过挖掘敏感API与入口函数、交互函数的关系突出恶意行为的特征，并结合中心性算法综合计算敏感API的重要性，避免直接使用中心性算法提取特征的局限性.实验结果表明，本方法对安卓重打包恶意软件检测的综合性能优于其他同类工具，随机森林分类器的F1值和准确率分别达到91.34%和91.93%，投票算法则为91.63%和92.15%.此外，Partdroid在新恶意软件检测中表现突出，从谷歌应用商店随机选取的2 000个应用中检出3个可疑软件.关键词：安卓重打包恶意软件;函数调用图;敏感API;恶意行为;机器学习72|43|0更新时间：2025-12-10
- 摘要：双模行为识别旨在通过学习不同数据模态间的互补信息，弥补单一模态的局限性，提升复杂场景下的行为识别性能.现有方法通常采用独立主干网络分别提取各模态特征后再融合，但未能充分考虑模态间的语义差异（如特征不对齐），且难以有效处理模态遮挡问题，导致融合过程中易引入干扰并影响识别性能.为此，本文提出一种基于时空自适应融合的双模行为识别方法.具体而言，本文设计了时序关键帧选择模块，通过竞争机制突出时序关键帧；同时提出空间显著区域选择模块，自适应筛选模态间有效特征区域以抑制无关信息干扰，进而引导网络高效学习动作相关的时空特征.此外，本文引入自蒸馏机制，结合预测分布损失和区域蒸馏损失，引导网络聚焦关键动作区域.为进一步优化双模态特征融合效果，本文设计自适应掩码融合模块，在多头自注意力和多层感知器计算中，通过掩码过滤无效区域，降低其对特征融合的负面影响.相比于基线方法，本文方法在InfRA和NTU RGB+D数据集上Top-1准确率分别提升3.75%和3.49%，验证了网络能有效实现双模态特征的自适应选择与融合，提升行为识别性能.关键词：双模行为识别;关键帧;显著区域;自蒸馏;自适应融合61|32|0更新时间：2025-12-10
- 摘要：在空间态势感知任务中常存在绕飞机动航天器，其持续的自旋、自旋轴变化和绕飞机动矢量构成了三维转动，导致相邻逆合成孔径雷达（Inverse Synthetic Aperture Radar，ISAR）图像帧间散射特性差异较大，难以识别.为此本文提出基于关键部件特征关联的ISAR空间目标多角度识别模型，构建基于自监督学习策略的对比学习模块，减少成像和目标姿态参数变化对图像识别的影响；构建关键部件特征关联模块，利用图信息推理方法挖掘图像关键部件之间的局部关联信息；构建复数域Transformer层，提取图像区域块之间的全局上下文特征，并通过特征融合实现对目标的有效表达.基于实测雷达数据的实验结果表明所提方法可显著提升多角度识别效果，在相同数据量识别条件下，与现有目标识别方法相比识别率提高了5.58%，验证了对目标多角度识别的性能.关键词：逆合成孔径雷达;空间目标;机动目标;复数域网络;目标识别61|24|0更新时间：2025-12-10
- 摘要：驾驶场景中的静态智能体、动态智能体、道路结构及各元素间的交互通常是复杂且随时空快速变化的.因此，自动驾驶车辆的运动预测是一项十分具有挑战性的任务，其中一个尚未解决的难题就是如何高效表征和融合多模态场景信息，包括路况信息、不同智能体状态及其历史交互信息.现有方法大多依靠独立设计的模块并行处理多个模态的数据，但这种方式会造成系统灵活度较差、调整困难，且独立组件往往会引起较高的计算冗余，系统计算效率较低.此外，由自动驾驶场景的时间信息和空间信息解码获得保障安全驾驶的动作指令本身就是一项十分具有挑战性的任务.本文提出基于时空注意力Transformer的自动驾驶运动规划方法，由分阶段多模态场景编码器和时空融合解码器组成，能够逐过程构建多模态运动场景描述，同时在时空融合下预测自车的未来安全运动.本文在大规模自动驾驶数据集nuScenes上搭建了全新的比较基线，取得了较为领先的结果.关键词：自动驾驶运动预测;分阶段多模态编码器;时空融合解码器;Transformer;全新基线74|35|0更新时间：2025-12-10
- 摘要：深亚微米工艺下传统时序模型的延时计算不再准确，针对米勒效应愈发不可忽视、互连线电阻性增大和互连线延时比重越来越大等问题，本文提出一种基于动态电容的复合电流源阶段延时计算方法.首先，本文引入基于电压的插值方法支持复合电流源的延时计算；其次，构建Π模型为负载的单元延时计算方法，采用多阈值分析改进有效电容并推导动态电容，实现迭代计算流程；随后，扩展动态电容概念到阶段延时计算中，实现以分布式RC网络作为负载的阶段延时计算方法，并使用机器学习优化互连线延时.基于ASAP 7 nm Predictive PDK （ASAP 7）工艺，本文提出的阶段延时计算方法与SPICE（Simulation Program with Integrated Circuit Emphasis）对比分别实现了1.49%、3.16%、1.70%、0.88%的单元延时、单元转换时间、互连线延时与互连线转换时间的平均相对误差，平均在4~5次迭代后达到收敛.关键词：时序模型;阶段延时计算;复合电流源模型;米勒效应;动态电容31|35|0更新时间：2025-12-10
- 摘要：传统超表面器件可实现的功能较单一，难以满足复杂多变的实际应用需求.针对这一问题，本文提出了一种基于二氧化钒（VO2）的多功能可调控太赫兹超表面，该超表面单元由VO2与金属组成的2个双裂环、介质层和金属衬底组成.利用VO2材料的相变特性以及几何（Pancharatnam-Berry，PB）相位原理，超表面单元可以在低频（0.8~1.2 THz）和高频（1.2~1.8 THz）2个频段上呈现出2种不同的相位分布，实现对反射圆极化波的独立调控.在此基础上，本文排布了3个具有不同功能的太赫兹超表面阵列，分别在宽带范围内产生了携带多拓扑荷数的涡旋波束和偏转涡旋波束，以及在1.2 THz处实现了平面聚焦波束与涡旋波束之间的功能切换.所设计的超表面在动态调控、宽带响应、多功能集成方面表现出优异性能，为光学元件的小型化、多功能化提供新的可能性，在太赫兹通信和自适应光学系统等方面具有潜在的应用价值.关键词：太赫兹超表面;多功能;涡旋波束;偏转波束;聚焦波束;二氧化钒55|15|0更新时间：2025-12-10
- 摘要：本文研究了一种适用于±45°极化的十字型偶极子天线阵列的解耦方法，主要基于一个共线排布的天线阵列进行讨论，天线在1.7~2.3 GHz的带宽范围内驻波比小于1.5.2个±45°极化共线排布的十字型偶极子天线之间的相互耦合可以分解为3种耦合类型：E面共极化耦合（E耦合）、H面共极化耦合（H耦合）和交叉极化耦合.首先对E面单极化天线阵列进行研究，将天线的辐射臂垂直弯曲一定长度，可以引入一个自解耦零点；接着在2个天线之间引入一根垂直金属枝节，可以调节该自解耦零点的位置.在2个共线水平排布的十字型偶极子天线之间，水平辐射臂末端之间的距离较近，因此E耦合对端口隔离影响较大.当采用弯折辐射臂并引入垂直金属枝节的方法后，可以同时改善2个天线之间的45°端口隔离度和-45°端口隔离度.为了抑制45°端口与-45°端口之间的交叉极化耦合，引入一个额外的U型金属带.通过弯折辐射臂，垂直金属枝节和U型金属带的结合，2个十字型偶极子天线之间的隔离度可以从16 dB提高到25 dB以上.此外，由于在阵列上方无需加载具有较大尺寸和厚度的超材料、介质层、多层超表面等寄生结构，天线阵列的总体剖面和体积没有显著增加.关键词：天线阵列;基站天线;解耦;偶极子天线;双极化天线;自解耦41|33|0更新时间：2025-12-10
- 摘要：Turbo码已被广泛应用于第三代移动通信技术（3rd Generation mobile communication technology，3G）、第四代移动通信技术（4th Generation mobile communication technology，4G）等通信系统中.为了提高信道编码效率，在Turbo码的实际应用中常结合删余技术.由于部分校验位的缺失，删余Turbo码的盲识别难度更高，且目前针对删余Turbo码的交织识别研究较少.本文在删余Turbo码的随机交织器识别中，基于对数符合度的概念，提出利用软输出维特比算法（Soft Output Viterbi Algorithm，SOVA）对后验信息进行更新以辅助识别，从而弥补对数符合度的近似计算所导致的性能损失.仿真结果表明：与现有的相关算法相比，本文算法具有更好的性能；加之对数符合度和SOVA两者的计算复杂度均相对较低，所以本文算法也具备较高的实时性.关键词：删余Turbo码;随机交织器;对数符合度;软输出维特比算法;软判决33|21|0更新时间：2025-12-10
- 摘要：智能反射面（Intelligent Reflecting Surface，IRS）辅助通信被认为是未来无线网络中最具前景的技术之一.然而，当电磁干扰存在时，IRS在放大有用信号的同时也会放大干扰信号，从而导致IRS辅助通信系统的性能显著恶化.超可靠低延时通信（Ultra Reliable and Low Latency Communication，URLLC）是未来无线网络的一个重要应用场景.本文研究了电磁干扰对IRS辅助短包通信（Short Packet Communication，SPC）实现URLLC的影响.在假设小尺度衰落服从莱斯分布且IRS基于统计信道状态信息（Channel State Information，CSI）进行相位偏移调整的情况下，本文首先利用中心极限定理（Central Limit Theorem，CLT）、矩匹配方法以及SPC相关理论，推导出了用户平均块错误率（BLock Error Rate，BLER）闭合表达式；其次，在用户可靠性约束下，提出了一种基于二分法的优化算法，以最小化系统传输时延；最后，通过仿真验证了理论分析的准确性.仿真结果表明：在用户可靠性约束条件下，相较于无电磁干扰环境，电磁干扰的存在显著削弱了通过增加IRS单元数目来降低SPC传输时延的能力.关键词：电磁干扰;智能反射面（IRS）;超可靠低延时通信（URLLC）;短包通信（SPC）;统计信道状态信息（CSI）61|31|0更新时间：2025-12-10
- 摘要：联邦学习可以在云边端构建一个分布式、安全的计算环境，以适应数据隐私保护和实时性要求高的应用场景.其作为一种跨设备分布式学习，其中客户端异构及隐私安全是两个关键性的问题.首先，在客户端数据异构和设备异构的条件下，其响应速度和数据分布均存在较大差异，会导致客户端之间存在滞后问题，对联邦学习的性能造成很大影响；其次，在隐私安全方面，联邦学习仍存在中心服务器遭受单点攻击、客户端不可信以及推理攻击的安全性问题.本文设计了分层联邦学习系统FATChain来解决以上问题.首先针对客户端异构的问题，提出一种高效的客户端选择机制，将被选中客户端按响应速度分组，对每组客户端采用基于代表性梯度的聚类采样，保证具有独特数据分布的客户被选中，通过分层桥接的方式将同步和异步训练相结合，降低全局同步带来的压力，并解决了数据异构和设备异构造成的客户端间的滞后问题；同时设计了基于影响力函数的加权聚合算法，通过提高高质量局部模型的聚合权重，解决由于数据异构造成低质量局部模型权重过高而影响全局精度的问题，加速全局模型的收敛，提升了模型训练准确率.其次针对隐私安全问题，将联邦学习算法与区块链相结合，实现了去中心化，解决单点攻击问题；系统中设置投毒攻击检测模块，在聚合前过滤掉不合格的本地更新，解决投毒攻击问题；利用区块链组网中群组里参与方节点只上传更新而不生成区块的办法，有效预防了恶意参与方造成的推理攻击.分析表明，本文提出的联邦学习系统很好地实现了各方的隐私安全防护，同时性能相较于同类方案有了很大的提升，具有很好的可扩展性，适用于大规模且对隐私保护要求较高的应用场景.关键词：区块链;联邦学习;隐私保护;聚类采样;模型聚合;云边端59|48|0更新时间：2025-12-10
- 摘要：智能超表面（Reconfigurable Intelligent Surface，RIS）具有重构无线环境的能力，有望为未来通信网络提供新范式.然而，目前广泛研究的集中式RIS在服务多用户系统时具有覆盖能力差、复用增益低等诸多局限性.为此，本文提出了基于泊松点过程（Poisson Point Process，PPP）的分布式RIS部署架构，来增强多用户毫米波大规模多输入多输出（Multi-Input Multi-Output，MIMO）系统的通信性能.另外，本文根据毫米波信道最大增益路径的阵列响应设计了有源波束赋形与无源波束赋形，并在此基础上推导了遍历频谱效率的闭合表达式以便于分析功率缩放率，结果显示频谱效率与收发端天线数目、单个RIS上电磁元件数目的平方以及分布式RIS的部署密度成正比.仿真结果验证了理论分析的准确性，并表明RIS在性能提升方面优于其他有源器件.关键词：智能超表面;毫米波通信;大规模MIMO;泊松点过程;频谱效率61|26|0更新时间：2025-12-10
- 摘要：中轨（Medium Earth Orbit，MEO）合成孔径雷达（Synthetic Aperture Radar，SAR）具有中等分辨率、宽幅观测、短重访周期等优势，结合机载SAR接收机构成双基系统，可突破传统低轨（Low Earth Orbit，LEO）星机双基地SAR的覆盖限制，具有广阔的应用前景.然而，MEO SAR因轨道曲率显著、回波传播时延较长，其成像几何构型更为复杂，导致传统LEO星机双基地SAR成像算法失效；相比之下，尽管地球同步轨道（Geosynchronous Earth Orbit，GEO）SAR也面临“走停”假设和轨迹曲率引起的偏差，但由于其平台高度高、运行速度缓慢、加速度极小，引起的非线性误差通常可通过二阶多项式近似模型予以补偿.MEO SAR平台运动速度与加速度均大得多，引发的高阶非线性相位误差更为严重，使得GEO斜距模型在MEO场景下难以满足精度要求.针对这些挑战，本文提出了一种基于改进等效单基的频域成像算法.首先结合MEO的轨道特性，创新性地引入轨道弯曲补偿因子，提出改进的非“走停”等效单基斜距模型，突破传统等效单基方法对高机动非线性轨迹的建模局限.在此基础上，本文利用级数反演的方法推导信号精确的频域形式，并考虑了场景的方位空变效应，精确补偿了MEO曲线轨迹及长传播时延引起的相位误差，且具有低计算复杂度.实验表明：相比传统方法，所提算法的点目标峰值旁瓣比、积分旁瓣比和分辨率均接近理论值，在扩展面目标仿真中，图像熵降低约30%，对比度提升约20%，可有效抑制MEO SAR复杂轨迹导致的散焦现象.关键词：中轨SAR;改进等效单基算法;双基地SAR;非“走停”模型;曲线轨迹41|24|0更新时间：2025-12-10
- 摘要：在分布式电磁攻防对抗场景中，我方设备对敌释放干扰的同时，也极可能对己方电磁设备造成误伤，为此提出一种分布式同频干扰抑制架构与方法.通过对分布式同频干扰节点与授权接收节点之间时延误差与残余频偏进行建模，利用递归最小二乘算法求解模型系数，有效匹配高维信道和时频变化，并利用干扰参考信号完成分布式干扰重建与抑制.仿真结果表明，在归一化时延误差为0.2，归一化残余频偏为10-4时，本文所提出的分布式同频干扰抑制方法的干扰抑制能力相较于单节点同频干扰抑制方法提升13.1 dB，且残余干扰接近于底噪.关键词：分布式干扰;干扰抑制;区域共生;频谱管控48|27|0更新时间：2025-12-10
学术论文
- 摘要：电磁无损检测（Non-Destructive Testing，NDT）是一种非侵入型介质内部信息检测与评估方法，广泛应用于生物医学检测、建筑内部损伤探测与定位、地下空间及介质内部目标识别与成像等领域.在检测过程中，信号进入待测介质（Material Under Test，MUT）内部前会在空气-MUT交界面产生反射，反射信号不仅不携带任何有用信息，还减弱了探测信号的总能量.因此，通过阻抗匹配的方式消除空气-MUT交界面的反射，能够提高信号透射率，进而有效增加NDT回波信号的强度.电磁超表面作为一种新颖的匹配层结构，在NDT信号增强领域得到了广泛应用.本文从阻抗匹配的原理出发，综述其在生物医学检测、水体内外信号传输、室内信息穿墙交互及地下管线增强探测等方面的发展与应用，总结现阶段超表面阻抗匹配层在应用中的需求、面临的困难与挑战，为NDT及信号传输增强领域中阻抗匹配技术的发展提供参考与启发.关键词：无损检测（NDT）;阻抗匹配;超表面;信号增强;探地雷达;目标识别84|40|0更新时间：2025-12-10
- 摘要：随着量子计算技术的不断发展，依赖传统公钥密码体制三大功能（密钥协商/数字签名/公钥加密）的各种应用系统将不再安全.为应对量子威胁，以美国国家标准与技术研究院（National Institute of Standards and Technology，NIST）为首的国际标准组织积极征集与部署后量子密码（Post Quantum Cryptography，PQC）算法的标准化工作，致力于在真正实用型量子计算机问世之前，提前完成传统公钥密码算法到PQC算法的迁移过渡.Crystals-Dilithium是NIST-PQC标准中的一种基于格的数字签名算法，其安全性高，运算速度快，是实现抵抗量子攻击数字签名算法的重要路径之一.本文从主流Crystals-Dilithium数字签名算法的理论基础出发，从底层关键组件的优化方法和整体硬件构架设计方法着手，围绕硬件资源优化和性能优化等现有方法和成果对比展开分析介绍，为研究者们后续研究探明方向，希望为设计性能与硬件资源均衡的后量子数字签名密码芯片提供有力参考.关键词：后量子密码;格密码;Crystals-Dilithium数字签名;硬件实现;优化方案59|22|0更新时间：2025-12-10
- 摘要：区块链存在资源消耗大、吞吐量低等问题，严重影响区块链技术的落地应用.分片技术为解决区块链可扩展性问题提供了可行的方案.本文首先结合区块链逻辑结构对不同层级的区块链可扩展性方案进行总结.然后从分片结构层次、系统运行流程、研究问题、功能组件4个不同的角度对分片区块链进行概述.本文将分片区块链的设计分为9个功能组件，在此基础上，从功能组件视角总结了分片区块链的研究现状，详细地介绍了典型的分片方案.最后，从安全、性能以及均衡性角度讨论了分片技术当前所面临的挑战，并对未来研究进行了展望.关键词：分片方案;区块链;功能组件;可扩展性;逻辑层级81|26|0更新时间：2025-12-10
综述评论
- 技术支持由北京北大方正电子有限公司提供 京ICP备09064830号-19
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
0