最新刊期
2025年第53卷第8期
- 摘要：语音是现有嵌入式移动设备广泛使用的一种输入接口.尽管现有的云端服务提供商提供了强大的语音语言理解（Spoken Language Understanding，SLU）服务，但也对用户隐私造成了极大的威胁.为此，基于信息解耦的隐私保护编码器被提出，以在不影响SLU功能的前提下，从语音信号中移除敏感信息.然而，这些编码器往往需要较高的内存和复杂的计算，因而在资源受限的小型设备上难以实际应用.本文基于大量实验观察到了一个关键现象，即SLU依赖于整个语句的全局信息，而隐私敏感词的识别则多为局部信息依赖.利用这一观察，我们提出了一个面向语音意图理解的高效编码器（SImpLe ENCodEr designed for efficient privacy-preserving SLU offloading，SILENCE）系统.我们在STM32H7微控制单元上实现了该系统，并在不同的攻击场景下评估了其效果.实验结果表明：SILENCE在语音意图提取任务的性能和隐私保护能力上可与传统隐私保护编码器媲美，同时实现了高达53.3倍的速度提升和134.1倍的内存占用减少，首次在内存仅有1 MB的微控制单元上实现了隐私保护的SLU服务.关键词：语音语言理解（SLU）;资源受限终端;隐私保护;微控制单元;语音意图提取;内存优化67|17|0更新时间：2025-12-27
- 摘要：面部识别和声纹识别是身份验证领域中两种核心的生物特征识别技术，广泛应用于多种场景.尽管如此，关于这两种模态特征之间关联性的研究相对较少.本研究旨在探索声音和面部特征之间的共通性.不同于已有研究直接从实现特征对应方式出发寻找解决方案，本文从身份特征特性出发，从对身份信息的准确表示来主动获取通用特征空间，通过引入人脸识别任务中的身份特征间距离关系作为先验信息，在特征对应方法的基础上，保持身份相关关系不被破坏.在声纹特征提取过程中，通过调整语音识别任务中的预训练参数，使模型更好地表示身份信息.实验结果表明，在相同的特征对应方法下，使用语音Transformer模型作为声纹信号提取器，在验证任务上的表现相较于时延网络有显著提升.此外，本文方法对数据要求较低，不需要额外训练分类器，在验证任务上能够取得与已有方法相近的表现.未来的研究可进一步引入声纹特征的先验知识，以期进一步提升跨模态特征匹配的性能.关键词：声音-面容关联;跨模态特征;最优传输;对比学习61|5|0更新时间：2025-12-27
- 摘要：太空环境的日益复杂使得对空间目标进行瞬时参数估计及威胁评估成为了空间态势感知领域的研究热点.目前空间目标成像监视主要由地基雷达或天基光学单一传感器完成，存在观测视角单一、时效性不足、目标状态参数难以估计等问题.为此本文首先构建了天基逆合成孔径雷达（Inverse Synthetic Aperture Radar，ISAR）与光学相机成像融合模型，推导出空间目标在光学及ISAR成像平面上的几何投影与瞬时姿态、动力学参数之间的关系表达式.在此基础上，基于鲸鱼迁徙优化算法（Whale Migration Algorithm，WMA）提出了天基光学图像与雷达ISAR图像融合的空间目标瞬时状态参数估计方法，最后利用融合估计得到等效旋转角速度和角加速度，实现空间目标几何定标及异动判断.本文所提方法将光雷融合应用于天基空间目标成像感知领域，不仅不受传统地基观测方法对观测范围的限制，同时也避免了天基单传感器单一观测视角的局限性，可适用于具有复杂运动的空间目标的瞬时状态参数估计.仿真实验结果表明所提方法可准确估计空间目标瞬时状态参数，从而有效实现ISAR图像方位几何定标及空间目标异动判断.关键词：光学-雷达图像融合;天基探测;瞬时状态参数估计;方位几何定标;异动判断50|9|0更新时间：2025-12-27
- 摘要：随着机器学习模型的参数量与训练数据集爆炸式增长，单一计算节点已无法满足人工智能（Artificial Intelligence，AI）大模型的算力需求，分布式机器学习系统成为支持模型训练的主要平台，该系统通过数万设备的并行训练缩短机器学习的训练时间.其中数据并行是一种常用的分布式训练并行框架，该框架将训练数据划分至不同的计算节点，通过节点间周期性参数同步实现训练任务的协同，由于计算节点在每轮迭代前需要传输大量数据以完成参数同步，通信成为影响计算效率的关键因素.经典参数同步策略存在通信次数较多或接收端链路拥塞的问题，基于网内聚合的参数同步策略则存在交换机计算、存储能力有限、服务器输出端口拥塞的问题，对此本文提出一种混合参数同步策略PASSING（hybrid Parameter Synchronization Strategy with In-host and In-network Aggregation），该策略首先在服务器内或机架内预先进行模型参数的本地同步，随后利用可编程交换机完成全局的参数同步，这种方式既保证了机内小规模计算节点间的高效通信，也减轻了交换机侧的计算和通信负载.本文使用多GPU（Graphics Processing Unit）服务器和可编程交换机搭建了实验平台，并部署了所提出的混合同步策略，实验结果表明PASSING相较于传统的参数服务器算法最多提升了65.25%的训练性能，有效加速了分布式训练的速度.关键词：分布式训练;数据并行;参数同步;网内聚合;混合同步策略33|5|0更新时间：2025-12-27
- 摘要：采用显式龙格-库塔（Runge-Kutta，RK）时间积分格式的时域间断伽辽金（Discontinuous Galerkin Time-Domain，DGTD）方法求解涉及有耗媒质的电磁问题时，时间步长会受到电导率或导磁率的严格限制.虽然已经有研究通过数值试验验证了有耗媒质对稳定性的影响，但缺乏严格的理论依据.因此，本文基于理论推导建立了有耗媒质中显式RK-DGTD方法的稳定性条件，得到时间步长上限的估计值，并对其准确性进行了数值验证.此外，为了提高计算效率，本文提出了一种适用于DGTD方法的隐式-显式时间离散格式，采用隐式Crank-Nicolson（CN）格式对损耗项进行离散，而对其余项采用显式RK格式，从理论上证明了该方法的时间稳定性不受媒质损耗的影响，并通过数值算例验证了其可靠性与效率.关键词：DGTD方法;有耗媒质;稳定性;隐式-显式30|2|0更新时间：2025-12-27
- 摘要：基于短语音的识别任务由于数据短缺、特征提取不精确，是说话人识别（Speaker Recognition，SR）领域目前面临的挑战之一.针对数据量匮乏场景下的短语音声纹特征提取和身份识别，本文设计了一种基于时频注意力和卷积增强的短语音说话人识别网络.本文在Transformer编码器中引入时频注意力和卷积，提出一种称为时频注意力Conformer（Time-Frequency Attention Convolution-augmented Transformer，TFA-Conformer）的模块，充分利用时频域通道中的信息来计算从全局到局部的有效性权重，帮助模型捕获精确的声学特征，使得特征编码器在短语音（3 s以内）环境下生成具有高判别性的说话人特征向量.本文在标准说话人数据集TIMIT和ST-CMDS上评估了所提出的有监督训练网络模型，在短语音条件下，其识别准确性等指标相比主流方法平均提升4.837%，并且在更短时间和更少数据量的语音段识别中有平均2.799%的相对提升.本文提出模型的参数更少且计算复杂度更低，其适用于短语音场景的同时也更轻量化.关键词：说话人识别;短语音;时频域;自注意力;Conformer;声纹特征20|4|0更新时间：2025-12-27
- 摘要：随着技术的不断革新，无线通信向着高层次和多维度发展，带来更高质量通信的同时也伴随着一系列技术难题.例如，多用户干扰导致互信息损失，异构网络下传输性能时变衰落增强，有限资源下的过载能力不足等.这些问题都亟需面向复杂场景的编码理论与传输架构研究.因此，为了改善两用户干扰信道中，用户间串扰导致的互信息损失和传输性能不佳等问题，本文在Han-Kobayashi等效的基础上，提出了一种结合多层叠加编码调制和可逆矩阵映射技术的收发策略和译码方案，为提高该信道场景下的通信可靠性提供了技术参考.在该策略中，发送端将多层叠加编码调制推广到两用户干扰信道，采用速率兼容低密度校验码作分层编码，并结合增加符号间距的映射变换提升传输的分层增益.接收端对应设计内外式多层译码器结构和复合嵌套译码算法，利用高斯近似简化计算复杂度.此外，在该收发策略的基础上，考虑进一步提高精确性，拓展设计了结合递增冗余混合自动重传的传输框架.仿真结果表明，复合嵌套译码算法在强干扰和弱干扰条件下均优于一般多级译码算法，并且性能随分层层数的增加而提升.同时，嵌套重传的算法可以在增加部分复杂度的情况下，获得更好的高信噪比性能.这些工作为干扰信道通信的实际传输应用提供了可选方案.关键词：两用户弱干扰信道;低密度校验码;多层叠加编码调制;可逆矩阵映射;递增冗余混合自动重传32|6|0更新时间：2025-12-27
- 摘要：针对灾后救援场景中多无人机（Unmanned Aerial Vehicle，UAV）任务分配所面临的任务信息的时空不确定性、复杂约束耦合及动态环境适应等挑战，本文提出了一种基于双种群协作的交互式改进粒子群算法.构建了双目标优化模型，将救援价值量化为时变区间函数，并结合航程约束引入惩罚机制，有效刻画了灾后环境的动态特性与多维度约束条件；在算法设计上，突破传统集中式框架的局限，构建了主-辅种群协同进化架构，采用问题导向的初始化策略生成高质量解集，确保算法初始解的优越性；进一步引入学习库驱动的双模态更新策略，结合种群交互的实例更新机制和局部精细化搜索，有效协调了多样性和算法收敛性.实验结果表明，在48架无人机的大规模场景下，所提算法相较于多种较新算法，在双重超体积评价指标上提升了11.8%~26.1%，且在多变体场景中表现出更强的鲁棒性和适应性.多种场景的测试结果验证了算法在求解效率、解集质量及环境适应性方面的综合优势，展现了显著的理论和应用价值.关键词：不确定;无人机任务分配;粒子群算法;多目标;多种群38|14|0更新时间：2025-12-27
- 摘要：现代雷达目标检测往往面临复杂多变的杂波环境，传统的基于模型驱动的恒虚警率（Constant False Alarm Rate，CFAR）检测器容易出现模型失配的问题，现有的基于数据驱动的有监督深度学习方法存在烦琐且昂贵的标签问题.针对上述问题，本文提出了一种基于深度无监督变分网络的杂波建模方法，该方法利用面向雷达回波高维分布特征学习的变分自编码器（Variational Auto-Encoder，VAE），针对雷达回波处理后的距离-多普勒谱，实现对复杂杂波分布的重构建模.首先，在VAE的无监督推理-生成构架中引入卷积神经网络（Convolutional Neural Network，CNN）和循环神经网络（Recurrent Neural Network，RNN），分别利用CNN网络的局部特征捕捉能力和RNN网络的时序相关性信息提取能力来实现对距离-多普勒谱的重构建模.其次，为了充分地捕获距离-多普勒谱中不同区域的杂波分布特征及二维时空信息，本文提出了一种基于时空变分Transformer的杂波建模方法，该方法将Transformer架构引入到所提的深度无监督杂波建模的变分网络中，借助Transformer网络的自注意力机制来捕获R-D谱数据的全局相关性.再次，为了充分挖掘不同场景下R-D谱的杂波分布特征及保留原始数据的二维时空信息，设计了开关机制和二维位置编码机制以匹配Transformer网络架构.最后，结合分布外（Out-Of-Distribution，OOD）检测策略，本文提出了一种基于深度无监督变分网络的杂波建模与雷达目标检测方法，重构似然表示无监督变分网络准确重构出输入样本的难易程度.重构似然越大，重构样本与输入样本越相似.因此，本文利用重构似然定义OOD分数，作为划分目标与杂波的依据，实现雷达目标检测任务.通过仿真数据验证，本文所提的无监督杂波建模方法能够实现对雷达距离-多普勒谱杂波分布的精细重构，且相比传统CFAR方法，当达到80%检测概率时，本文提出的方法所需信杂噪比（Signal to Clutter plus Noise Ratio，SCNR）优化了5.6 dB.关键词：雷达目标检测;无监督变分网络;变分自编码器（VAE）;杂波建模;距离-多普勒谱;重构似然53|14|0更新时间：2025-12-27
- 摘要：时频表征的准确性直接影响脑电信号内在含义和动态特性的解析.针对基于多小波的时频表征方法中存在的尺度固定、回归项选择不当等问题，本文提出一种基于尺度自适应稀疏多小波的时频表征框架，以提升表征精度.该方法通过稀疏贝叶斯学习-信息熵联合优化，从全局角度筛选时变模型的最优回归项，有效规避传统方法的局部收敛缺陷；进一步，为小波基分配尺度，从最优个体、粒子群变异和种群更新3个方面改进遗传算法并进行尺度寻优，实现小波基与最优尺度的自适应匹配，增强多小波基对时变信号的拟合能力.最终，估计的时变参数经由参数谱估计转化为准确的时频表征.在3个仿真模型的实验结果表明，所提方法至少降低23.08%的时变参数估计误差，增强2.93%的时频信息估计精度，在动态参数跟踪和时频信息估计上展现出强大竞争力.在BCI Competition II-data set III的实验结果显示，所提方法在估计事件相关同步/去同步的性能较先进时变建模方法增强（3.37→8.78）；进一步将所提方法提取的时频信息与简单卷积神经网络结合，即可在BCI Competition IV-data set 2b中取得与最先进但复杂的分类模型相当的识别准确率（88.04%），侧面证实了所提方法的时频表征能力.本文方法从模型结构筛选、寻优算法改进和基函数尺度配置3个方面进行设计，实现时变参数估计准确率与时频分辨率的协同提升，为脑电信号处理提供了一种新方法.关键词：运动想象脑电信号;稀疏建模;时变建模;时频分析;多尺度小波10|5|0更新时间：2025-12-27
- 摘要：在超大规模集成电路设计中，高效的时钟树综合对保障电路性能与可靠性至关重要.为应对大规模电路中时钟偏差、延迟和功耗的协同优化挑战，本文提出一种基于二分区四分支类H树的高效时钟树综合方法.该方法在自底向上阶段，首先采用贪婪聚类算法（Greedy-Based Clustering，GBC）提升底层缓冲器扇出利用率，显著减少了底层插入的缓冲器数量；随后，结合缓冲器重选位算法对局部时钟偏差进行精细控制.在自顶向下阶段，首先通过理论推导证明沿路径均匀插入特定数量缓冲器可使时钟延迟最小化，并基于此构建了查找表以指导缓冲器的最优插入.随后，本文将版图沿时钟源垂直划分为两个对称的半区，在每个半区内构建四分支的类H树结构.该结构不仅应用长路径缓冲器插入算法来最小化全局时钟延迟，还利用其对称性对对称路径上的缓冲器进行合并，在保证低时钟偏差和低延迟的同时，进一步优化了缓冲器数量.最后，针对综合过程中可能出现违反约束的情况，本文先基于布尔运算提取了缓冲器的可插入点，再根据曼哈顿矩形的性质确定了缓冲器的最优放置点.本文算法在1×105-2×105数量触发器规模的电路进行实例验证，结果表明本算法优势显著.相较于OpenROAD，时钟偏差与功耗分别降低32.3%和29.9%；相较于GH-Tree，时钟偏差与功耗分别降低59.9%和28.9%，同时全局时钟延迟均保持在同一水平．关键词：二分区四分支树;缓冲器插入;时钟偏差;时钟延迟;时钟树综合52|9|0更新时间：2025-12-27
- 摘要：本文提出了一种具备高口径效率与可重构散射特性的圆极化天线阵列设计方法.首先，基于p-i-n二极管设计了一种可重构天线单元，在保持圆极化辐射特性稳定的前提下，实现了相位差180°的两种散射状态切换.其次，通过创新性地采用馈电结构重叠设计，显著减少了单元中二极管的使用数量，从而提升了辐射性能.最终，基于该单元构建了2 × 8圆极化相控阵，其在9.4 GHz工作频率下实现了14.6 dBic的增益和86.5%的口径效率.此外，该阵列的辐射波束可在±45°范围内扫描，同时其散射波束能在±32°范围内有效调控，且不影响圆极化辐射特性的稳定.实测与仿真结果的高度一致性验证了设计方法的有效性.关键词：雷达散射截面;可重构散射特性;圆极化;天线阵列;高口径效率41|9|0更新时间：2025-12-27
- 摘要：为了解决在遮挡环境下的实时手势识别问题，本文提出了一种基于远距离无线电（Long range Radio，LoRa）信号的实时手势识别算法.该算法利用LoRa信号频段较低、穿透性较好的特性，通过两根接收天线计算信号比值，并结合短时傅里叶变换（Short-Time Fourier Transform，STFT）得到包含手部运动特征的时频图.在此基础上，设计了Gesture Encoder编码器进行手势时频图的特征提取，从而得到体现手势特征的特征向量，进而用于手势的分类识别.本算法不仅有效解决了实际应用中有物体遮挡场景下的识别问题，还提出了系统状态转换机（System status Transition Machine，STM）和数据增强方法，实现了对手势开始和结束时间的精准控制，从而完成了手势的自动分割与实时识别.最终，在搭载Android系统的边缘计算设备上进行了系统部署，并在遮挡场景下进行测试.实验结果表明：所提出的手势识别系统能够在边缘设备上高效、准确地完成手势分类，具有较强的实用价值和应用前景.关键词：射频感知;手势识别;实时推理;信号处理;神经网络33|6|0更新时间：2025-12-27
- 摘要：安全多方计算是现代密码学的一个重要研究分支，它能够有效保护数据，防止隐私数据被不当获取或利用，同时确保参与者在共享数据时仍能保持数据隐私和完整性.其中，集合子集的保密计算是支撑保密数据查询、保密数据外包、相似文档检索以及其他隐私数据安全共享的关键技术.现有方案主要聚焦于单一元素集合的子集判定，对元组集合缺乏有效支持，且在实用性、安全性与效率层面存在以下挑战：需对元组集合进行两次独立子集判定，导致计算效率低下，且中间结果可能暴露非子集关系的敏感数据；难以有效保护单一元素集合的隐私（尤其在需要保护集合交集与势的场景下），而元组集合所需保护的信息量更大，隐私泄露风险显著加剧；现有单一元素子集协议可能存在误判；同时，现有方案缺乏对某一参与方持有多个元组集合的高效批量判定.针对上述挑战，本文首次提出某个参与方有多个集合，且集合元素是元组情况下的集合子集的保密计算协议，针对参与方有无全集设计了不同的协议.所提协议通过单次执行即可同步判定一个元组集合是否为其他多个元组集合的子集，避免分步计算导致的中间结果泄露风险.本文协议可显著提升效率，并具备广泛的适用性，同时本文所提协议不仅保护了参与双方元组集合的势，也保护了元组集合子集的势与具体元素.在解决有全集的两方计算时，Alice只需从Bob发送的加密数据中进行选择，避免了复杂的模指数运算，从而降低了计算成本；在解决无全集的两方计算时，结合集合的多项式表示，Bob只需将自己的数据代入Alice发送的加密多项式中，即可计算集合的子集.最后，本文使用公认的模拟范式证明了两个协议是安全的，且实验表明了方案是可行的.关键词：密码学;安全多方计算;同态加密;加密选择;多项式17|3|0更新时间：2025-12-27
- 摘要：Spark作为通用的计算引擎，以其简单、快速、可扩展的优势，被广泛地应用于大数据的处理和分析中.然而，Spark默认采用哈希分区或范围分区对数据进行划分，导致其在处理键倾斜分布的数据时，常常出现各分区数据量严重不均衡的问题.诸多优化方法被提出，如迁移分区、贪心分区、反馈分区等，但往往存在数据传输量大、额外计算成本高、运行时间长等问题.为更好地缓解键倾斜分布问题带来的影响，本文提出了一种自适应的Spark数据均衡分区方法.该方法引入了奖惩思想对数据分区过程进行适当调控，同时对于数据量较大的键进行分割，使得各个分区的数据量相对均衡.该方法首先对数据采样并预估键权重.其次，按照键权重对样本数据降序排列，确保所有分区都有初始数据.再次，根据奖惩分配策略，自适应地更新各个分区的分配概率，并将待分配的键指向分配概率最高的分区.对于超过分区容量的键的数据，则分割为多个部分且指向不同分区.在所有样本数据分配完成后，获得自适应分区方案.在实际分区时，对于样本中出现的键对应的数据按照自适应分区方案进行分配；对于未出现的键对应的数据，则按照哈希方法进行分区.最后，通过实验验证，基于新方法设计的自适应均衡分区器（Adaptive Data Balanced Partitioner，ADBP）能够有效缓解键倾斜的负面影响.在真实数据集上，ADBP的WordCount程序总运行时间比自带分区器Hash、Range分别平均缩短了1.51%、29.90%，比现有基于学习自动机的自适应哈希分区器（Learning Automata Hash Partitioner，LAHP）、对倾斜的中间数据块进行拆分合并（Splitting and Combination algorithm for skew Intermediate Data block，SCID）算法、粗粒度放置和细粒度放置（Fined-Coarse Grained Intermediate Data Placement，FCGIDP）算法分别平均缩短了8.12%、21.64%、19.62%.关键词：数据倾斜;均衡分区;自适应分区;奖惩分配;Spark17|5|0更新时间：2025-12-27
- 摘要：针对图像分类方法缺乏对复杂场景的有效理解，导致模型对关键特征的捕捉能力受限，进而影响分类精度等问题，本文提出背景感知机制的图像分类网络（image classification Network of Background Perception Mechanism，BPMNet）.首先，提出背景感知（Background Perception，BP）模块，通过双分支结构分别处理前景与背景信息，动态调整输入特征的贡献度，强化背景信息对前景特征的上下文支撑作用，以增强模型对背景信息的感知能力；然后，结合BP模块，设计了背景感知注意力（Background Perceptual Attention，BPA）模块，考虑局部特征信息、长程依赖关系的同时关注图像前景与背景之间的关系，动态调控背景信息对主体目标特征的影响程度，增强关键目标特征的判别性和定位能力.最后，将背景感知模块与背景感知注意力模块嵌入残差块中，实现从浅层细节到深层语义的特征传递，结合局部细节与全局语义，增强复杂场景下前景目标的特征表示能力.在图像数据集CIFAR-10、CIFAR-100、SVHN、Imagenette、Imagewoof上，BPMNet分别达到了96.95%、80.85%、97.68%、90.10%、81.70%的分类准确率，与其他主流网络相比分别平均提高了2.39%、3.17%、2.36%、2.30%、2.67%.与当前先进的网络模型相比，本文方法能够增强模型对复杂场景的理解，提高关键区域表达能力，从而更有效地提取关键特征，进一步提高模型的鲁棒性和泛化能力.关键词：图像分类;背景感知机制;背景感知注意力;局部特征;神经网络29|4|0更新时间：2025-12-27
- 摘要：基于几何的点云压缩算法（Geometry-based Point Cloud Compression，G-PCC）可以实现显著的点云压缩效率，但在低比特率场景下解压缩点云会产生严重的几何压缩伪影，并对整体视觉体验产生负面影响.为解决这一问题，本文提出了一种基于注意力融合多尺度特征的解压缩点云几何质量增强方法.具体地，该方法设计了多尺度输入模块对解压缩点云进行下采样操作，得到不同尺度的点云数据.接着，多尺度的点云被并行输入到离散卷积网络中提取从局部到全局的多尺度特征信息.最后，本文设计了跨尺度注意力特征融合模块来对多尺度特征进行融合，以增强特征的完整性和准确性.实验结果表明，本文所提出的方法在公开数据集上的平均峰值信噪比达到了67.968 4 dB，相较于标准压缩算法G-PCC提高了1.629 4 dB，主客观实验结果均表明本文方法能进一步提高解压缩点云的质量.关键词：点云压缩;深度学习;伪影去除;质量增强;多尺度特征;离散卷积46|5|0更新时间：2025-12-27
- 摘要：现有会话推荐模型长于提取用户当前偏好，但不善于捕捉用户兴趣随时间和情境的动态演变，难以从短时交互序列数据中提取项目之间的隐性关系.本文提出了一种基于邻域与超图协作学习会话推荐模型（Neighborhood and Hypergraph Collaboration for session-based Recommendation model，NHG-Rec），首先综合利用自适应多跳超图卷积和邻域卷积，以同时捕捉项目间的显性和隐性关系；然后利用基于上下文感知的位置动态注意力机制，来挖掘会话内各项目的重要程度，从而捕捉用户实时兴趣；再采用多视图会话嵌入，通过局部-全局对比学习策略，以期捕捉项目间的多维特征、辨别语义差异.实验结果表明：对于Tmall、Diginetica、Nowplaying这3个基准数据集，相比SR-GNN、GCE-GNN、DHCN等主流基准模型，该模型的P@10、P@20、MRR@10、MRR@20性能指标分别平均提升了12.38%、5.47%、6.53%、6.39%.NHG-Rec模型能够捕捉用户兴趣的动态变化和项目间的多维关系.关键词：会话推荐;超图学习;邻域卷积;对比学习;注意力机制37|5|0更新时间：2025-12-27
- 摘要：KAN（Kolmogorov-Arnold Networks）模型通过新的线性函数拟合方式使得图像分割的精准度得到提升.然而，其拟合角度单一、提取标签位置信息差等问题，导致其对标签细节特征信息的处理能力较差，令网络精度提升受限.针对上述问题，设计了多尺度双通道三维影像分割模型，该模型通过整合多角度三维影像输入，将多角度KAN模块与多尺度卷积加权残差通道相结合，显著增强了网络对图像微小特征的提取能力.在网络注意力机制方面，设计了多视角自注意力残差模块，该模块通过多维度特征交互有效捕获标签空间位置信息，使占比较低（<10%）的标签区域仍能保持优异的分割精度.模型在BraTS2021 MRI多模态三维脑肿瘤数据集与LiTS2017肝肿瘤CT三维数据集中进行实验.改进模型精准度分别为86.54%与88.07%；在脑肿瘤数据集中，增强肿瘤、全部肿瘤和肿瘤核心区域的Dice评价指标达到83.67%、88.79%和85.28%，相较U-KAN网络分别提升3.38、2.85和1.62个百分点；在肝肿瘤数据集中，肝脏与肿瘤区域的Dice评价指标达到91.36%与84.77%，分别提升了1.69个百分点与1.02个百分点.实验结果表明该模型对三维肿瘤影像分割效果提升显著.关键词：三维影像分割;多角度;双通道;自注意力;标签区域强化19|6|0更新时间：2025-12-27
- 摘要：情感识别是人机交互智能化的关键环节.脑电（ElectroEncephaloGram，EEG）信号因其蕴含丰富的生物信息且难以伪装，成为情感分析的重要载体.然而，EEG信号特征复杂多变，且存在显著的个体间差异和时变性，导致传统机器学习方法的情感分类准确率低、泛化能力差.针对这一挑战，本文提出了一种基于重构迁移子空间多视角领域适应（Reconstructed Transfer Subspace based Multi-View Domain Adaptation，RTS-MVDA）方法.该方法将不同特征视为独立视角，通过多视角学习探索各视角的独特性和重要性，并探索其互补关系.其核心在于将源域与目标域的多视角数据投影到一个带有低秩约束的重构迁移子空间.在该子空间中，RTS-MVDA一方面利用重构项恢复原始数据信息，并通过低秩表示保留主要判别信息；另一方面，RTS-MVDA实施线性变换对齐源域和目标域，减少领域间的分布差异.此外，RTS-MVDA构建多视角监督判别项和全局结构保持项，多视角监督判别项利用源域标签信息增强类内紧凑性和类间分离性，全局结构保持项保持数据在迁移子空间中的全局结构分布，从而更有效地将源域的判别知识迁移至目标域.在公开DEAP（Database for Emotion Analysis using Physiological signals）数据集上的实验验证表明：所提RTS-MVDA方法在唤醒度和效价维度上分别达到了73.15%和72.91%的平均准确率，其Precision、Recall和F1-score指标均显著优于相关对比方法，有效提升了跨被试EEG情感识别的准确性和泛化能力.关键词：多视角学习;领域适应;子空间;低秩约束;脑电（EEG）;情感分类21|10|0更新时间：2025-12-27
- 摘要：多角度平面波相干复合（Multi-angle Plane Wave Coherent Compounding，MPWCC）实现了高帧率超声扫描，有助于彩色血流成像技术提供更准确的血流信息和组织图像.然而，MPWCC的低通效应会导致血流速度估计值偏低，且无法通过计算的方式确定杂波抑制滤波器的最佳阈值.对此，本文提出一种基于深度卷积神经网络（Deep Convolutional Neural Network，DCNN）的超快超声彩色血流成像方法.基于Field II平台搭建颈动脉仿真模型，以获得不同速度的血流超声多普勒信号，该信号经过奇异值分解（Singular Value Decomposition，SVD）、归一化等处理转换为训练数据.DCNN模型通过对训练数据进行有监督学习实现对不同速度多普勒信号的特征学习和杂波抑制，随后将特征信息转化为速度信息用于彩色成像.与高通滤波（High Pass Filtering，HPF）或SVD相结合的自相关测速法相比，本文方法在仿真、人体颈动脉的测试数据上均表现出了更好的性能：在估计正反向的仿真血流速度剖面时，该方法的归一化均方根误差（Normalized Root Mean Square Error，NRMSE）比HPF和SVD平均降低了45.65%和41.95%；在仿真及人体数据的彩色成像结果中，该方法呈现出最好的杂波抑制效果和血管完整度.综上，该方法能够实现超快超声彩色血流成像，在血流流态可视化方面具有应用价值.关键词：医学超声;超声平面波;彩色血流成像;深度卷积神经网络;奇异值分解23|3|0更新时间：2025-12-27
- 摘要：本文针对深度神经网络对抗样本在黑盒攻击中迁移性受限的核心问题，提出了一种基于类别语义关联的动态伪目标对抗攻击框架.现有方法因忽视类别间语义关联性，导致对抗扰动容易陷入模型特异性过拟合，严重制约对抗样本跨模型迁移效能.研究表明，对抗样本在迁移过程中倾向于被误分类为语义相近的类别，而非随机类别，揭示出类别相似性是影响迁移性的关键因素.本研究通过挖掘模型特征空间中相似类别的共享对抗子空间特性，创新性地提出了基于类别相似性驱动的动态伪目标对抗攻击方法.首先，构建一个动态伪目标筛选策略.在每一次扰动迭代中，根据当前模型对对抗样本的预测置信度分布，从所有非正确类别中选取预测概率最高类别作为“伪目标”.该目标并非固定，而是随迭代过程自适应调整，确保扰动方向始终指向最具迁移潜力的语义区域.其次，提出双梯度协同更新框架.将原始基于真实类别的对抗损失梯度与伪目标类别的误导梯度进行线性加权融合，通过梯度场的叠加效应，扰动更新不仅能逃离源模型的决策边界，还能同时朝向多个模型共享的语义子空间推进，从而显著提升对抗样本的跨模型可迁移性.此外，本文方法具有广泛的兼容性与可扩展性，可作为一种通用优化机制与多种主流梯度攻击策略无缝融合，在每次梯度更新计算中，通过引入动态伪目标梯度项，在不破坏原方法梯度结构的前提下，显著增强其跨模型迁移能力.实验表明，本文方法在跨架构（Convolutional Neural Network，CNN/Transformer）、跨规模（轻量化模型）攻击场景下均展现出优越的迁移鲁棒性.此外，该方法展现出良好的兼容性，可与多种梯度攻击策略及数据增强计算结合，在单一攻击、组合攻击与集成攻击模式下均优于现有方法.本研究为对抗攻击提供了一种基于语义相似性的通用优化范式，为提升黑盒攻击的迁移性提供了新思路.关键词：对抗样本;迁移性;类别相似性;动态伪目标;双梯度协同更新17|4|0更新时间：2025-12-27
- 摘要：准确预测学生答题表现是智能导学系统为学生提供个性化学习服务的先决条件.认知诊断和知识追踪作为主流的学生表现预测方法，均将学生表现仅归因于知识状态，而忽视了学生答题过程中的应试心理状态，限制了模型预测精准性的进一步提升.为此，本文将学生的应试心理状态融入以知识为中心的学生表现预测模型中，并结合认知诊断可解释与知识追踪动态预测的互补优势，提出了一种应试心理状态增强的学生表现预测模型（Test-taking psychological state enhanced Student Performance Prediction model，TSPP）.该模型通过捕捉习题与学生答题行为之间的复杂高阶关系，对学生应试心理状态进行建模；同时通过提取异构知识图中丰富的节点间关系对学生动态知识状态进行建模；最后设计了一种渐进式融合门，其采用可解释渐进式的方式融合应试心理状态与知识状态，得到可解释的预测结果.在3个真实世界数据集上的大量实验结果表明，TSPP模型在AUC（Area Under the Curve）和ACC（ACCuracy）2项指标上，相较于9种对比模型的平均表现，分别提升了6.05%和7.27%，在RMSE（Root Mean Square Error）指标上降低了6.76%.此外，通过对TSPP中的应试心理状态和知识状态进行可视化分析，并探究其可解释性参数的优势，本文进一步验证了TSPP的可解释性.关键词：学生表现预测;认知诊断;知识追踪;应试心理状态;多头注意力机制33|2|0更新时间：2025-12-27
- 摘要：针对现有视觉目标跟踪算法始终选择所有的历史模板与全部搜索区域进行交互，导致有强背景干扰或者目标发生形变时产生的跟踪失败问题，提出一种基于特征自适应选取的视觉目标跟踪算法.首先，通过模板特征过滤器将传统图像级模板更新优化为特征级动态更新，筛选当前帧的强相关模板特征并压缩弱相关特征，减少冗余信息干扰；其次，采用搜索特征鉴别器自适应划分搜索区域中潜在的目标特征与噪声特征，抑制无关区域的交互；最后，引入时空信息传播令牌，跨帧传递目标外观与位置信息，逐帧修正跟踪响应；设计基于分离注意力机制的特征交互编码器，将自注意力与交叉注意力分离，适配上述模块并增强判别能力.在多种大规模公开数据集上的实验取得了鲁棒结果，在OTB100、LaSOT和UAV123数据集上的精度分别达到93.0%、79.6%和91.2%，且算法能够实现跟踪成功率与跟踪速度的良好平衡，提升了跟踪器在复杂场景下的准确性和鲁棒性.关键词：计算机视觉;目标跟踪;特征自适应选取;模板特征过滤器;搜索特征鉴别器;时空信息传播令牌91|7|0更新时间：2025-12-27
- 摘要：从自然界中动物的正常生存到工业中机器的安全运作，碰撞感知能力始终至关重要.受蝗虫视觉神经元LGMD（Lobula Giant Movement Detector）的启发，许多仿生的计算模型已经被用于实时可靠的碰撞感知.然而，受限于二维单目的输入信号，目前的方法难以捕捉运动目标的深度特征，进而无法满足在复杂的真实动态场景下进行迫近感知的需求.因此，本研究提出一种融合生物似然性运动通路和视差通路的三维迫近感知模型.在突触前神经网络，通过对2种视觉通路从时空维度上进行实时神经信号整合，所提出的模型不仅能够有效排除大范围的背景杂波干扰，而且可以明显抑制前景非迫近运动所产生的视觉刺激，降低了对突然出现在感受野目标的关注度，进一步提高在未知现实环境中对迫近运动的选择.真实场景数据集的离线测试，以及在线机器人测试的实验结果显示，与目前最先进的方法相比，我们的模型在时间复杂度降低了一个数量级的前提下，准确率提升至96.09%，且能够协助移动机器人在自主导航时实时稳健检测，避免潜在的碰撞威胁.研究综合揭示出迫近感知神经网络对于运动通路的高效性以及视差通路的可靠性，具备显著的协同能力.关键词：迫近感知;视差;蝗虫视觉神经系统;生物似然;神经信号融合117|9|0更新时间：2025-12-27
- 摘要：为克服传统白鲸优化算法（Beluga Whale Optimization，BWO）在3-5-3多项式插值机械臂轨迹优化中存在的路径长、时间耗费高及易陷入局部最优的问题，本文提出了一种增强型白鲸-蝠鲼融合优化算法（Enhanced Beluga Whale and manta ray fusion Optimization algorithm，EBWO）.该算法以机械臂最优运动时间为目标，构建约束优化模型，并通过增广拉格朗日乘子法转化为无约束形式.首先，利用改进的对数非线性Halton混沌序列优化种群初始化，提高搜索多样性与质量；其次，设计多方向正余弦白鲸位置更新机制，增强开发阶段搜索能力；再次，在中期迭代阶段引入改进的蝠鲼旋风链式觅食策略，并结合Levy飞行机制构建新觅食因子，以强化局部开发与全局跳跃能力；最后，提出基于资源竞争耦合机制的自适应鲸落策略，并引入量子隧穿效应，以提升算法跳出局部最优的能力与收敛速度.实验结果表明：在3-5-3轨迹优化中，EBWO较于传统BWO将时间优化效果提升了8.69%，并且与未优化的轨迹相比，优化后的时间缩短了42.13%.这一结果验证了其在复杂优化任务时的有效性与实用性.关键词：白鲸优化算法（BWO）;Halton混沌序列;多方向正余弦抢食白鲸;旋风链式觅食;量子隧穿;机械臂轨迹25|3|0更新时间：2025-12-27
- 摘要：全同态加密和后量子密码严重依赖数论变换（Number Theory Transformation，NTT）来加速多项式乘法，随着NTT多项式维度的提升，旋转因子的存储和传输对系统的影响愈发严重，为了解决这一问题，本文设计了一款面向全同态加密的低面积成本的旋转因子发生器.本文首先分析了NTT算法的旋转因子调用规律，提出了一种动态旋转因子生成方案，通过数据生成和覆盖，将旋转因子压缩至原有存储空间的0.12%，在执行维度为65 536的NTT运算时，仅需78个单位的存储成本.其次，本文基于全同态加密中RNS-CKKS方案，评估出了120个具有低汉明权重的60位宽的素数模，并设计了一种轻量级的Barrett模乘算法，基于该算法设计出了一种低面积成本模乘单元.最后，本文基于动态旋转因子生成方案，实现了一款面向全同态加密的Radix-16 NTT蝶形单元的低成本动态旋转因子发生器，满足全同态加密中NTT运算的实际需求.为进一步验证本文硬件设计的优越性，在Zynq UltraScale+XCZU9EG器件上进行实验验证，工作频率达252 MHz，Slice资源消耗降低了15%；在40 nm CMOS（ss-corner）工艺节点进行综合实现，与现有的设计相比，本文的硬件设计TPG（Throughput Per Gate）提升5倍以上.关键词：全同态加密;数论变换;旋转因子发生器;RNS-CKKS19|4|0更新时间：2025-12-27
- 摘要：近年来，工业5.0已逐渐成为全球制造业发展的新兴方向，大量资源受限的智能设备广泛应用于开放环境中.针对现有工业5.0认证协议中计算开销过大、关键安全属性缺失等问题，本文提出了一种基于物理不可克隆函数（Physical Unclonable Functions，PUF）的轻量级匿名认证协议，有效解决了工业5.0环境下计算开销低与高安全性需求之间的矛盾.所提协议使用了可信执行环境（Trusted Execution Environment，TEE）增强PUF，优化了现有三方认证协议的信息流，提出了链式挑战-响应对（Challenge-Response Pair，CRP）更新机制，实现了用户、网关与工业5.0智能设备的三方认证与密钥协商.同时，基于形式化与非形式化的安全分析证明了该协议能够有效抵御智能设备窃取攻击及其他常见攻击类型.与近几年相关协议的对比分析表明，本文协议在平均降低了54%的计算开销的同时满足了更多安全需求.关键词：认证协议;身份认证;轻量级;工业5.0;物理不可克隆函数;密钥协商30|4|0更新时间：2025-12-27
- 摘要：本文介绍了一种高效率双频段圆极化缝隙耦合天线与氮化镓（Gallium Nitride，GaN）功率放大器（Power Amplifier，PA）的直接集成方案.通过电磁-电路协同优化，使天线输入阻抗在双频点直接与PA漏极输出的最佳负载阻抗匹配，消除传统PA输出匹配网络的插入损耗和失配损耗，在维持天线辐射性能稳定的同时有效提升系统效率.双频圆极化天线采用“I”型缝隙激励旋转式辐射贴片实现圆极化波辐射，同时可以调控天线输入阻抗特性.为验证设计的有效性，加工了工作在2.6 GHz和3.5 GHz的双频功率放大器集成天线（Power Amplifier Integrated Antenna，PAIA），并在微波暗室中进行了实验测试.测量结果表明，3 dB轴比（Axial Ratio，AR）带宽与阻抗带宽的重叠区域分别为200 MHz和300 MHz，中心频点处等效全向辐射功率（Effective Isotropic Radiated Power，EIRP）分别达到46 dBm和48.2 dBm，饱和功率附加效率（Power Added Efficiency，PAE）分别超过67%和71%，呈现出优异的整体效率和稳定的圆极化辐射特性.关键词：功率放大器;双频;圆极化天线;集成设计24|5|0更新时间：2025-12-27
- 摘要：针对现有电动汽车实时荷电状态（State-Of-Charge，SOC）预测模型在运行状态感知、动态校准与长时序预测精度方面存在的瓶颈问题，本文提出了一种融合因果思维树推理机制与深度强化学习策略的时序预测框架.该框架通过引入动态进化与多分支因果推理机制，使其在保持单模型高效计算结构的同时，实现对复杂工况下电池状态变化的感知建模与自适应优化.首先，设计了基于因果分级结构的多级近端策略优化（Proximal Policy Optimization，PPO）模型，并提出了以时间序列网络为核心的Actor网络架构.该架构分层建模温度、电阻等关键变量对电池SOC的直接与间接因果影响，并通过值函数迭代与长期回报优化策略，实现了模型参数的持续进化与泛化能力提升，增强了预测的可解释性与因果认知能力.其次，引入了思维树结构构建多路径策略评估网络，结合策略搜索、路径追踪与回溯修正机制，在动态工况中实现策略的逐层优化与异常分支校正，提升了模型的预测鲁棒性与泛化能力.实验结果表明：在不同运行工况下，本文算法在多个评价指标上均显著优于Transformer、FED former、Mamba和长短期记忆（Long Short-Term Memory，LSTM）网络模型.本文算法的平均绝对误差（Mean Absolute Error，MAE）低于0.26%，均方根误差（Root Mean Squared Error，RMSE）低于0.35%，决定系数（Coefficient of Determination，R²）高于99.5%，在不同车型条件下均表现出卓越的鲁棒性与稳定性.关键词：电动汽车实时荷电状态（SOC）预测;深度强化学习;因果思维树;时间序列网络11|4|0更新时间：2025-12-27
- 摘要：本文研究在无法稳定获取卫星导航信号的场景中，快速精准建立机载激光通信链路的方法.相比于空间激光通信，机载激光通信面临平台移动性更强，振动情况更复杂，以及大气损耗更多等不利因素.因此机载激光通信的瞄准、捕获与跟踪策略与技术有待进一步完善.针对上述问题，本文构建毫米波与激光相结合的机载通信系统，研究基于卡尔曼滤波原理，将毫米波阵面获取的测距、测角信息与平台的飞行状态信息相结合，提升位置估计精度，辅助快速建立机载激光通信链路的方法.首先，根据平台的飞行状态，建立飞行器沿等角航线的运动模型.接着，根据毫米波阵面测距、测角原理建立测量模型.而后，针对运动模型和测量模型的非线性特征，采用无迹变换生成采样点和权值，避免了扩展卡尔曼滤波中雅可比矩阵的复杂形式.最后，获取目标飞行器位置估计的均值和方差.仿真结果表明，本文提出的目标飞行器位置估计方法的误差显著低于毫米波的测量误差.位置估计误差被有效控制在激光通信终端快速捕获所需的范围之内，满足了机载激光链路建立并维持稳定的要求.综上所述，本文提出的毫米波辅助机载激光通信方法，能够在卫星导航信号受限的条件下，为机载平台间快速可靠建立激光通信链路提供技术支撑，在机间宽带组网、灾区应急中继、航空器编队协同等领域具备应用前景.关键词：机载激光通信;毫米波阵面;卡尔曼滤波;运动模型;测量模型16|4|0更新时间：2025-12-27
学术论文
- 摘要：随着物联网（Internet of Things，IoT）技术的快速发展和广泛应用，大规模IoT（Large Scale IoT，LS-IoT）的部署已成为实现智能化、高效化社会基础设施的必然趋势.然而，由于大规模网络具有异构化、高时变性和广分布的特点，导致网络与信息安全问题日益凸显.传统的基于边界防护（Perimeter Based Security，PBS）的安全模型难以有效应对LS-IoT中复杂且动态的威胁.零信任架构（Zero Trust Architecture，ZTA）强调“永不信任，始终验证”的安全理念，为保障LS-IoT的安全提供了一种潜在解决方案.本文首先系统综述了ZTA的三大核心能力，包括软件定义边界（Software-Defined Perimeter，SDP）、身份识别与访问管理（Identity and Access Management，IAM）、微隔离（Micro-SeGmentation，MSG）.其次，结合LS-IoT的特点和需求，深入探讨了实现ZTA核心能力所需的七大关键技术，包括持续身份认证、动态访问控制、轻量加密技术、身份治理与管理（Identity Governance and Administration，IGA）、终端安全、网络隔离以及持续监控.再次，以ZTA在工业IoT、5G医疗、自动驾驶和远程办公四个典型场景的实际应用为例，探讨了ZTA在提升网络安全性方面的有效性.最后，文章分析了大语言模型（Large Language Model，LLM）、生成式人工智能（Artificial Intelligence，AI）、可解释性人工智能（eXplainable Artificial Intelligence，XAI）、边缘计算和后量子加密（Post Quantum Cryptography，PQC）等前沿技术与ZTA的融合，并展望了ZTA未来的发展方向.通过上述工作，旨在为ZTA的实际应用和LS-IoT的安全保障提供参考.关键词：大规模物联网（LS-IoT）;零信任架构（ZTA）;网络安全;智能化42|13|0更新时间：2025-12-27
- 摘要：无人机因其灵活性高、机动性强，在军事和民用领域应用广泛.基于射频的通信方式面临频谱资源有限和干扰问题，自由空间光通信作为替代方案应用到无人机通信，具有高带宽、高速率、强抗干扰能力和高安全性等优势.然而，自由空间光通信易受大气环境影响，且无人机的高移动性和机载资源有限等因素给其带来诸多挑战.本文概述了基于自由空间光的无人机通信架构、特点和信道特征，介绍了多输入多输出、自由空间光和射频异构融合、中继通信/任务缓存、智能反射面等关键技术及最新进展，探讨了环境适应性、高精度定位、能量效率、网络架构与安全性等方面的挑战，并对自适应光束控制、多模态传感融合、能源高效硬件创新、混合通信架构与量子安全等未来发展方向进行了展望，为自由空间光在无人机通信领域的创新应用提供参考.关键词：无人机;自由空间光;通信架构;信道特征;中继通信59|8|0更新时间：2025-12-27
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