最新刊期
2026年第54卷第6期
-
- 摘要：随着集成电路设计复杂度呈指数级增长，传统电子设计自动化（Electronic Design Automation，EDA）工具面临着前所未有的挑战。近年来，大语言模型（Large Language Models，LLM）在自然语言处理领域取得的突破性进展为EDA领域带来了新的机遇。本文系统总结了LLM在EDA领域的应用研究，将其归纳为5个主要方向：寄存器传输级（Register Transfer Level，RTL）代码生成与优化、高层次综合与逻辑优化、后端实现验证与安全、模拟电路设计自动化，以及EDA工具流程自动化与辅助。本文同时总结了LLM在EDA领域所面临的挑战，包括高质量领域数据的稀缺性与多模态信息处理能力不足、EDA工具链的集成障碍等技术问题，以及知识产权风险、数据隐私保护和伦理合规性等应用层面的制约因素。未来研究方向主要集中在领域专用语料库的构建、跨模态信息融合的模型架构设计、标准化工具接口协议的制定，以及行业规范与伦理框架的建立等方面。关键词：大语言模型;电子设计自动化;硬件描述语言;代码生成;检索增强生成317|193|0更新时间：2026-10-16
- 摘要：阵列天线雷达散射截面（Radar Cross Section，RCS）等于天线散射单元因子与散射阵因子的乘积。通常采用稀疏阵列布局优化的方法，实现对散射阵因子峰值的抑制。近年来，基于深度学习的稀疏阵列RCS缩减方法有效提高了阵面的实时隐身性能。稀疏优化难以机械地实时拆除阵列中的天线，通常是通过负载匹配或自动相消的方法缩减无需工作的阵元RCS来实现，进而等效为“删除”阵元。但无论是负载匹配法，还是自动相消法，都无法使关闭阵元的RCS缩减至零，通常只能将其缩减到一个较小的值。然而，现有的基于深度学习的稀疏阵列RCS缩减方法都是针对关闭阵元RCS为零的场景，因此，已有方法不能适用于实际应用场景。为了解决该问题，提出了一种基于多模态与增强注意力机制的轻核网络（Light Kernel Network based on Multimodal and Augmentation Attention Mechanism，MAAM-LKN）模型的稀疏阵列双子阵RCS缩减方法。具体而言，考虑到关闭阵元RCS通常不为零，引入了关闭阵元RCS因子，建立了稀疏阵列双子阵优化的问题模型与目标函数，利用MAAM-LKN模型同时优化工作子阵与关闭子阵的阵列布局，从而缩减工作子阵与关闭子阵的RCS，最终实现整个阵面的RCS最小。此外，由于现有用于稀疏阵列RCS缩减的神经网络模型缺乏对重要信息的关注，在MAAM-LKN模型中，设计了增强注意力机制，根据特征的重要程度对特征进行加权，解决了特征传播过程中重点特征不够突出的问题，同时，为了提高模型的理解能力，引入多模态思想，实现更有效的重点特征提取与感知。仿真结果表明，在不同关闭阵元RCS因子下，双子阵优化与单子阵RCS优化相比，都能够有效提升稀疏阵列天线的RCS缩减性能，RCS最大缩减值能够提升2.72 dB以上，RCS平均缩减值能够提升0.19 dB以上。当关闭阵元RCS不为零时，MAAM-LKN模型的准确率为91.09%，RCS缩减均值为5.9 dB，均高于其他神经网络模型，同时保持模型复杂度相当。关键词：RCS缩减;关闭阵元RCS因子;稀疏阵列双子阵;深度学习;注意力机制;多模态108|117|0更新时间：2026-10-16
- 摘要：本研究提出了一种基于存内计算技术和多值阻变存储器的并行梯度硬件布尔可满足性求解器——Fold-SAT。如其名称所示，Fold-SAT将多个子句折叠存储到存内计算阵列的单个列中，即子句折叠策略。存内计算可以利用其高计算并行度对可满足性问题求解进行硬件加速。传统的存内可满足性求解器每列仅存储一个子句，其存储阵列稀疏度较高，常常占用较大存储空间。在迭代过程中，存内计算加速器通过阵列上的乘累加计算实现对子句可满足性的计算。本工作通过多电阻态表征不同子句的结构信息，可以在阵列中使用一列存储多个子句的信息，并在读出阶段解码得到各个子句对应的可满足性结果。并行梯度计算是一种面向可满足性求解的高效算法，其前向传播阵列与反向传播阵列均可使用子句折叠策略进行压缩。为了探究子句折叠策略对于可满足性问题的压缩存储效果，本研究面向并行梯度计算设计了阵列中多值存储的电阻比例并研究其对数据压缩的影响。结果表明，当前向传播阵列采用1∶4∶16的电阻态比例时，该方法能将存储阵列规模缩小至传统方案的1/3，并将总体存储稀疏度从97.0%降低至约92.8%，其中存储稀疏度定义为阵列中不存储有效信息的单元占比。此外，本研究还开发了在反向传播阵列中的数据压缩方案，通过多值映射可以将反向传播阵列所需阵列规模缩小至传统方案的1/2。本研究探讨了器件非理想效应及参数设计所带来的影响，仿真结果表明，器件编程与读出需要将器件偏差控制在1 μS以内，电导均值偏移需要控制在基准值的10%以内。而反向传播阵列中的多值器件具有一系列可选择范围，多值器件范围在1∶8~1∶16之间均可实现合理的计算精度。仿真结果显示，本工作N=50的问题平均求解时间约为19.74 μs，与当前领先的加速器速度接近，说明本工作可以在保持较高的计算速度同时缩小其所需存储器阵列规模。关键词：可满足性;阻变存储器;存内计算;数据压缩;多值存储93|106|0更新时间：2026-10-16
- 摘要：物理储备池计算（Physical Reservoir Computing，PRC）凭借其低训练成本与高并行效率，已成为时序信号处理与复杂动力学系统建模的新兴范式。该方法主要依赖于器件物理特性中的非线性与短时记忆动力学特性，实现对时序信号的高维映射，获得丰富的储备池状态，从而实现对复杂状态方程较为精确的求解及预测。PRC仅需求解输出层权重、推理功耗低、少样本数据驱动等优势，为在端侧硬件上实现混沌微分方程与偏微分方程的实时求解提供了全新路径。然而，如何将高阶复杂时序任务的处理算法与物理器件的本征调控机制有效适配，仍是制约其实际部署的关键瓶颈。本文提出了一种基于铟镓锌氧化物（Indium Gallium Zinc Oxide，IGZO）电解质晶体管的高效物理储备池计算系统，成功实现了混沌含时微分方程序列的求解预测，并提出了基于物理计算系统的偏微分方程求解。借助IGZO器件的低功耗特性、连续非线性映射能力，设计了轻量化的储备池训练推理与方程求解协同算法，对IGZO晶体管的电学响应与离子迁移动力学行为进行了精确建模表征，并在现场可编程门阵列（Field Programmable Gate Array，FPGA）平台上完成了系统级仿真验证。资源评估表明，相较于传统四阶Runge-Kutta算法实现，本方案在保持同等精度的前提下，数字信号处理单元（Digital Signal Processor，DSP）与触发器（Flip-Flop，FF）资源占用分别降低约64%与50%，整体逻辑开销显著优化。求解性能方面，实验选取Mackey-Glass、Lorenz这两类混沌微分方程及一维热扩散方程为基准，与主流数值方法（Runge-Kutta）及现有物理计算平台进行对比。结果表明，该系统在混沌微分方程求解中展现出约11 μs的延迟，相比Runge-Kutta方法功耗降低15%，归一化均方根误差（Normalized Root Mean Square Error，NRMSE≈0.04）与现有大多数高效物理计算系统相当；针对一维热扩散偏微分方程，计算时间较二阶Runge-Kutta缩短至1/400，且精度方面NRMSE≈0.008也与之相当。本研究不仅验证了IGZO基PRC系统在通用微分方程求解中的高效性与准确性，更为下一代轻量化、低功耗的端侧科学计算与神经形态硬件平台提供了可拓展的架构基础与工程实践参考。关键词：铟镓锌氧化物电解质晶体管;人工突触器件;储备池计算;混沌微分方程求解;偏微分方程求解72|44|0更新时间：2026-10-16
- 摘要：随着深度学习技术的飞速发展，卷积神经网络（Convolutional Neural Network，CNN）在图像识别与处理任务中展现出卓越的性能。然而，随着网络深度的增加，海量的中间数据传输给硬件加速器的片上存储和访存带宽带来了巨大的压力，“访存墙”问题日益凸显，严重制约了系统的整体吞吐量与能效比。针对该问题，现有的层间特征数据压缩方法主要分为两类。一类侧重于硬件实现的轻量化，其面积开销虽小，但受限于算法复杂度，压缩率较低，难以有效缓解高吞吐场景下的片外带宽压力。另一类追求压缩性能，导致过高的硬件面积开销，难以在资源受限的边缘设备上部署。针对上述挑战，本文提出了一种面向CNN层间特征图的统计感知混合压缩方法，核心设计目标是实现高压缩率和低硬件开销，解决压缩性能和资源消耗难以兼顾的问题。该方法通过深入挖掘数据的稀疏性与分布特征，结合“离线分析-在线压缩”的软硬件协同机制，实现了硬件友好的数据编码。离线分析阶段，对CNN层间特征数据进行统计分析，生成所需编码表及基准值。在线压缩阶段，对特征数据进行分类，划分为零值数据与非零值数据，对零值数据，采用结合熵编码的增强型零游程编码；对非零数据，采用动态基准-增量编码。该差异化编码机制在维持高压缩率的同时，将硬件面积开销降低了58.7%~72.9%，解决了传统压缩算法硬件复杂度高的问题。基于AlexNet、VGG16、ResNet34和MobileNetV2四种具有代表性的CNN层间特征图压缩实验，对本文所提方法在不同网络结构和数据格式下的压缩性能进行了系统评估。实验结果表明，相较于同类研究，本文所提数据压缩方法在INT8量化格式下的压缩率最高提升了58.5%，在FP32/FP16格式下最高提升了36.7%。在ALINX AXU5EV目标平台上部署VGG16模型，基于本文数据压缩方法的加速器的推理吞吐量可达242.8 GOPS，相比无压缩基准架构，运算性能与能效比分别提升了41.4%和27.8%。实验结果表明，本文所提方法平衡了CNN层间特征图压缩的压缩率和硬件开销，为资源受限边缘场景下的CNN加速器设计提供了新的解决方案。关键词：现场可编程门阵列;卷积神经网络加速器;硬件加速器;层间特征图;数据压缩61|40|0更新时间：2026-10-16
- 摘要：脉冲神经网络（Spiking Neural Network，SNN）作为第三代人工神经网络（Artificial Neural Network，ANN），通过离散脉冲事件进行信息编码与传递，具有事件驱动、时空信息融合以及低功耗计算等特点，在边缘智能、类脑计算和神经形态芯片等领域展现出广阔的应用前景。随着智能终端和物联网设备的快速发展，设备对环境自适应和持续学习能力的需求不断提升，在线学习逐渐成为边缘智能系统的重要研究方向。然而，现有在线学习方法主要分为两类：一类基于反向传播（BackPropagation，BP）机制，能够利用全局监督信息获得较高精度，但需存储大量中间状态和误差信息，导致计算复杂度、存储开销和能耗显著增加；另一类基于脉冲时序依赖可塑性（Spike-Timing-Dependent Plasticity，STDP）机制，具有局部更新和事件驱动等特点，易于硬件实现，但由于缺乏有效的监督信息，其学习能力和任务性能通常受到限制。针对上述问题，本文提出一种融合前向-前向（Forward-Forward，FF）学习范式与STDP机制的在线学习算法FF-STDP。该算法借鉴FF逐层局部优化思想，将教师信号引入脉冲学习过程，通过构建基于神经元脉冲发放率的局部优度（Goodness）评价机制，实现无需误差BP的半监督学习。在保留STDP局部权值更新特性的同时，引入FF提供的监督信息，使学习过程兼具较强的任务驱动能力与硬件友好性。针对传统FF算法在SNN中计算复杂、硬件实现成本较高的问题，本文采用脉冲计数近似梯度计算，并结合局部导数近似策略简化权值更新过程，使突触更新仅依赖于前后神经元的脉冲统计信息，显著降低计算复杂度和存储开销。基于所提出的FF-STDP算法，本文设计了一种面向边缘智能应用的事件驱动SNN加速器架构。该架构采用地址事件表示（Address Event Representation，AER）通信机制，结合并行突触后神经元处理、双口存储器和流水线执行策略，实现推理与学习的高效协同执行。为进一步降低硬件复杂度，设计了基于查找表（LookUp Table，LUT）的权值更新单元，实现低开销、高吞吐率的在线学习过程。为验证算法与硬件架构的有效性，本文在Xilinx ZYNQ-7010平台上完成系统实现，并采用混合国家标准与技术研究院数据库（Modified National Institute of Standards and Technology database，MNIST）和时尚-MNIST（Fashion-MNIST）数据集进行实验评估。实验结果表明：所提出的FF-STDP算法在MNIST和Fashion-MNIST数据集上的分类准确率分别达到90.43%和80.53%。在100 MHz工作频率下，加速器核心动态功耗仅为15 mW，推理速度达每秒1 887帧。与现有BP或传统STDP在线学习SNN硬件相比，所提方法在保持竞争性分类性能的同时，降低了硬件资源消耗和功耗开销，展现出良好的能效优势和边缘部署潜力。关键词：脉冲神经网络（SNN）;前向-前向（FF）学习;在线学习;现场可编程门阵列（FPGA）;硬件加速器;软硬件协同设计140|149|0更新时间：2026-10-16
- 摘要：机载射频（Radio Frequency，RF）系统正朝着智能蒙皮、多功能综合与智能化方向快速演进，系统数据规模、算力需求及产品迭代速度呈指数级增长。当前的基于SRIO互联的FPGA+DSP定制计算架构存在计算资源与任务强耦合、异构算力难以高效聚合以及系统扩展性受限等问题，已难以支撑新一代机载射频处理需求。为突破上述瓶颈，本文借鉴主流智算中心的计算架构理念，将其引入机载射频计算领域，提出了一种基于数据处理单元（Data Processing Unit，DPU）的射频综合处理系统。该系统采用IEEE 1588v2与同步以太网（Synchronous Ethernet，SyncE）协同的高精度时钟同步机制，解决了弹性分布式架构下多源射频海量数据的高精度时空对齐问题；基于远程内存直接访问（Remote Direct Memory Access，RDMA）实现领域特定架构数据直通（Domain-Specific Architecture Direct，DSA Direct）技术，支持数据从采集、处理到存储的端到端零拷贝传输，显著降低系统传输时延；通过融合PCIe与RDMA的异构算力互联机制，实现统一内存视图下的异构算力聚合与灵活配置。依托纳秒级同步接入、异构算力协同计算与分布式存储能力，构建了以数据为中心的射频综合处理体系。该体系由射频接入节点与异构算力资源池组成，通过高速以太网交换机互联，将智能、并行、通用和可重构四类异构算力节点及NVMe-oF（NVMe over Fabrics）分布式存储节点统一纳入算力网络，支持面向任务的弹性资源组合与动态部署。基于国产DPU FPGA原型，搭建了射频综合处理系统实验环境，并针对多通道射频数据接入、跨节点异构算力协同与分布式存储访问等典型数据流进行了验证。测试结果表明：相较于当前架构，该系统在数据传输延迟方面单次拷贝延迟约降至原来的1/360；NVMe-oF存储节点三盘顺序读写峰值带宽超过5 700 MB/s，较当前方式性能提升6到8倍；基于IEEE 1588v2+SyncE的时钟同步精度为8.33 ns。此外，通过构建典型雷达与通信信号处理链路，其中雷达场景下128 MB雷达原始数据接入延迟低至24.92 ms，通信场景下可稳定承载38路并行基带数据流实时接入，验证了系统在高吞吐原始数据注入及多级异构计算中的实时业务承载能力。实验证明，该架构为新一代机载射频综合处理系统提供了一种切实可行的技术路径。关键词：DPU;射频综合;算力网络;信号处理;边缘计算97|67|0更新时间：2026-10-16
面向高效人工智能的新型架构与电子系统
- 摘要：在毫米波通信技术快速发展的背景下，面向高质量、大容量数据传输的射频前端电路需求不断提升。作为接收机前端的关键模块，低噪声放大器（Low-Noise Amplifier，LNA）不仅需要具备低噪声系数（Noise Figure，NF）以提高系统对微弱信号的检测灵敏度，还需保持较高线性度，以应对强干扰和复杂调制信号环境下的增益压缩与信号失真问题。特别是在宽带工作条件下，如何在低噪声、高增益和高线性度之间实现有效平衡，仍是毫米波集成电路设计中的重要挑战。针对上述需求，本文基于55 nm互补金属氧化物半导体（Complementary Metal-Oxide-Semiconductor，CMOS）工艺，设计并实现了一款面向K/Ka波段的高线性度宽带低噪声放大器芯片。电路采用两级共源共栅（Cascode）拓扑结构，并在跨导管源极引入电感退化反馈，以拓展输入电压摆幅并改善大信号线性度。同时，本文定量分析了偏置条件对晶体管三阶非线性跨导项的影响，将主放大晶体管偏置在三阶跨导gm3零点附近，从而有效抑制非线性失真并提升输入1 dB压缩点（Input 1 dB compression Point，IP1 dB）。此外，利用栅极电容峰化策略对高频增益响应进行补偿，进一步改善了宽带范围内的增益性能。在版图设计方面，本文采用三维交错布局策略，通过优化晶体管指状结构及金属层间空间排布，降低毫米波频段下敏感的栅极寄生电阻和源极寄生电感，减小关键互连寄生效应对噪声、增益和稳定性的影响，从而提升电路在高频宽带条件下的综合性能。测试结果表明，所提出LNA在21.5~30.3 GHz频段内实现了16.8 dB的峰值增益、8.8 GHz的3 dB带宽和3.26 dB的最低噪声系数；实测IP1 dB最高可达
- 摘要：随着5G/6G通信技术的演进，高阶调制和宽带（百MHz量级）信号的应用导致射频功率放大器（Power Amplifiers，PAs）被迫工作在接近饱和的区域，从而呈现出显著的强记忆效应与非线性特性。为了在保证高能效的同时完成高线性度指标，数字预失真（Digital PreDistortion，DPD）已成为基带处理端的关键技术。而传统的记忆多项式行为模型受限于固定结构，其核系数数量随着记忆深度和非线性阶数的增加呈指数级增长，面临严重的“维数灾难”，使得数字预失真系统的实现复杂度较高。同时，现有的动态生成模型依然未脱离传统多项式乘积机制，在宽带场景下易引发字典空间急剧膨胀与巨大的计算开销等问题。针对上述问题，本文提出了一种基于线性B样条基的功放行为模型基函数自适应生成技术。该技术摒弃了繁冗的高阶多项式乘积运算，以具有严格局部支撑性和良好数值稳定性的线性B样条函数为基础构建单元，引入基于子空间系数重估的贪婪迭代搜索策略，通过探测残差方向自适应构建与特定记忆深度匹配的幅度增益函数。同时，该技术将非线性幅度映射扩展至复数域，显著增强了对宽带信号复杂幅相失真的捕获能力，从而实现对功率放大器特性的精确拟合。在实现层面，该生成技术充分发挥B样条函数局部渐进逼近的优势，其构建的模型可简化为硬件友好的查找表（Look-Up Table， LUT）配合线性插值的结构。这种结构成功将复杂的非线性代数计算转化为底层存储位置的索引与简单的加乘组合，在保证精度的同时显著降低了计算复杂度与乘法器逻辑资源的消耗。为了验证所提技术的性能，本文基于100 MHz宽带信号和功放搭建了测试平台。实验结果表明，在保证与传统模型相当的线性化性能下，模型系数缩减了近90%，实现复杂度减少了74%，提升了行为建模和数字预失真效率。最后，通过对不同非线性特性功放的扩展测试，结果表明该自适应算法不依赖特定功放的物理先验特征，进一步证实所提模型具备较好的泛化能力，且易于在实际工程应用。关键词：功率放大器;行为模型;数字预失真;B样条基函数;查找表;线性插值63|48|0更新时间：2026-10-16
- 摘要：在复杂电磁环境下，目标信号与干扰信号在时域、频域高度重叠，单通道接收条件下的同频盲信号分离面临较大挑战。现有基于卷积的分离方法在复杂非平稳干扰条件下，主要存在非局部相关性建模不足、目标信号与干扰信号隐空间解耦能力有限、对未知干扰模式泛化性较弱等问题。本文提出基于动态图神经网络与对比学习的单通道同频盲信号分离方法（Dynamic Graph and Contrastive Learning network，DGCL）。首先，将复基带混合序列映射为I/Q双通道表示，并依托动态图神经网络实现多尺度图时序特征的有效提取，通过多尺度分段、动态构图与图消息传递的协同作用，增强对复杂非平稳干扰的表征能力；其次，设计目标信号匹配驱动的对比学习自编码器，在结构匹配重构的基础上引入对比约束，提升目标信号与干扰信号在隐空间中的可分性；此外，在训练时设计隐空间流形混合增强策略，通过扩展深层特征分布，提升模型对未知干扰模式的鲁棒性。在单载波、多载波及多类干扰条件下的实验表明，DGCL在误码率与均方误差两项指标上均表现出显著优势。相较于常规基准模型WaveNet框架，DGCL的MSE（Mean Square Error）降低了6.7 dB，BER（Bit Error Rate）下降了1.72 × 10-2，这些结果验证了本文方法的有效性。关键词：单通道盲信号分离;同频干扰;图神经网络;对比学习;流形混合71|58|0更新时间：2026-10-16
- 摘要：随着无线通信技术的快速发展，无线通信辐射源数量呈现出指数级增长态势，电磁环境日益复杂，频谱资源日趋紧张。在这一背景下，如何在海量的设备中实现精准的身份识别与安全接入，已成为关乎社会稳定与经济发展的核心议题。传统的身份认证方式依赖协议层或应用层的数字凭证，存在易被窃取、伪造或攻击等安全漏洞。相比之下，基于射频指纹（Radio Frequency Fingerprinting，RFF）的特定辐射源识别技术（Specific Emitter Identification，SEI）作为一种物理层的安全手段，具有广阔应用前景。该技术通过提取发射机硬件电路中固有的物理缺陷进行身份认证，具有天然的唯一性与长期稳定性。然而，现有基于深度学习的通信辐射源识别方法普遍面临对标注数据依赖性强、泛化能力不足、长序列信号处理效率低等的挑战。为此，本文重点聚焦小样本条件下通信辐射源的高效识别问题，提出了一种基于自监督学习的低复杂度识别算法。首先，针对原始I/Q信号中指纹特征易被信道噪声和调制信息掩盖的问题，本文引入了无损的变分模态分解（Variational Mode Decomposition，VMD）方法，通过自适应地将原始I/Q信号转换为多个本征模态函数分量，增强了指纹特征的表示能力；其次，为克服传统序列建模模型在处理长序列信号时的二次计算复杂度瓶颈，本文引入了具有线性计算复杂度的Mamba架构，并构建了一个基于Mamba线性流编码器的自监督网络模型，利用大规模辅助数据集进行预训练，结合对比学习和监督学习，促使模型学习具有强判别性的通用特征表示；最后，针对实际应用中新增设备样本稀缺和存在未知干扰的问题，本文采用了迁移学习策略，利用少量的目标域辐射源样本微调一个轻量级线性分类器，以快速适应具体的下游分类任务。在WiSig数据集上的仿真实验结果表明，本文所提出的方法在6-way 1-shot场景下识别准确率达到91.20%，在显著降低了计算复杂度与样本集规模依赖的同时保持了较高的识别性能，具有良好的现实应用前景。关键词：特定辐射源识别;小样本学习;自监督学习;变分模态分解;Mamba;数据增强85|181|0更新时间：2026-10-16
- 摘要：无源物联网（Ambient Internet of Things，Ambient IoT）室内定位技术在智慧仓储、新零售等场景中具有重要应用价值，但室内复杂多径环境会引发两方面突出问题：一是多径遮挡和标签性能差异导致强弱标签样本严重不均衡，在典型服装陈列场景中，弱标签有效样本量仅为强标签的30%左右；二是多径混叠使信号的位置相关特征区分度显著下降，制约了定位精度的提升。为解决上述问题，本文提出一种融合物理约束数据增强与多径感知Transformer（Physically Constrained Data Augmentation and MultiPath-Aware Transformer，PCDA-MPAT）的定位方法。在数据增强层面，本文提出物理约束的数据增强（Physically Constrained Data Augmentation，PCDA）方法，以相位-频率斜率一致性作为物理约束条件，构建带有梯度惩罚的条件Wasserstein生成对抗网络（Wasserstein Generative Adversarial Network with Gradient Penalty，WGAN-GP），生成既匹配实测数据分布又符合无线传播物理特性的弱标签样本，从数据层面有效缓解了强弱标签样本不均衡问题。在模型设计层面，本文构建多径感知Transformer（MultiPath-Aware Transformer，MPAT）定位模型，设计适配准静态多径信道慢衰落特性的时域局部窗口注意力机制，结合时域相对位置编码，捕捉多径特征的时域演化规律，抑制长时域不相关的噪声干扰，增强模型对多径特征的提取与学习能力。在10 m × 10 m的服装陈列场景中开展实测实验，结果表明本文方法的标签级定位准确率达到83.57%，较现有最优基线方法提升5.71个百分点。消融实验进一步验证了PCDA与MPAT的有效性，其中，PCDA使标签级定位准确率提升4.29个百分点，MPAT在此基础上进一步提升2.14个百分点。上述结果验证了本文方法在复杂室内多径环境下的有效性，可满足智慧仓储、新零售等场景的定位需求。关键词：无源物联网;室内定位;多径效应;数据增强;生成对抗网络;Transformer68|80|0更新时间：2026-10-16
- 摘要：手势识别是人机交互中的关键支撑技术，已广泛应用于智能医疗、虚拟现实和智能家居等场景。相较于依赖视觉信息的方法，基于射频识别（Radio Frequency IDentification，RFID）的手势识别具有非接触、低成本和隐私友好等优势，展现出良好的应用前景。然而，现有RFID手势识别模型的性能高度依赖于训练数据的规模与多样性，而射频数据的采集成本较高、数据分布受限，从而制约了模型在未知样本上的泛化能力。为缓解上述问题，数据增强被视为提升识别性能的有效手段。然而，现有数据增强方法往往忽略了人类行为本身的固有差异性，导致合成样本在分布上的多样性不足。事实上，即便属于同一手势类别，不同样本之间仍普遍存在显著差异，其根本原因在于人类难以以完全一致的方式重复执行同一动作。在手势识别场景中，这种行为差异在直觉上主要源于手部相对于传感器的距离变化以及运动速度的差异。本文通过建立信号传播模型并结合先验实验，对这一直觉假设进行了系统验证。基于上述分析，本文提出一种面向行为多样性的RFID数据增强方法。该方法首先从射频信号传播机理出发，将手势的距离与速度信息显式编码为条件输入。随后，本文设计了一种新颖的条件扩散模型，在生成过程中沿距离和速度对应的条件方向进行受控偏移，从而合成在物理一致性约束下、分布范围更广的高质量样本。通过在手势识别模型的训练集中引入富含行为多样性的合成数据，可以有效提升模型对未知样本的泛化能力以及手势识别的准确率。本文在真实应用场景中搭建了RFID手势识别原型系统，并开展了系统性的物理实验。实验结果表明，在10类手势识别任务中，所提出的方法相较于基线模型的识别准确率提升超过20%，且显著优于现有的数据增强策略。此外，该方法的数据增强效果不会随着感知任务规模的扩大而明显衰减。在身份识别任务上的实验结果进一步表明，本文提出的方法同样适用于其他的人机交互应用场景。关键词：手势识别;射频识别;数据增强;多样性;扩散模型;无线感知89|115|0更新时间：2026-10-16
射频计算
-
- 摘要：随着低空经济的快速发展，典型低空应用对通信与感知能力的需求持续攀升，推动了通感一体化网络的快速演进。尽管通感一体化已被确立为6G六大典型应用场景之一，现有研究多聚焦于地面用户，在低空连续覆盖、三维移动性管理、高精度感知等方面存在显著局限，难以支撑无人机群规模化协作与精准控制，亟须构建面向低空经济特征的ISAC系统性解决方案。此外，现有综述多局限于空口设计、组网协议或安全机制等离散技术点的罗列，缺乏从场景需求到体系架构、关键技术的整体性逻辑框架。因此，本文系统梳理了面向低空经济的通感一体化系统架构与关键技术进展。首先，剖析城市管理、物流配送、应急救援等六大典型场景下，对通信速率、时延、感知精度与范围的差异化性能指标需求。进而，凝练出涵盖系统架构设计、低慢小目标感知、高动态连续通信覆盖和面向应用的计算资源分配与安全管理四大核心研究问题。针对上述问题，本论文逐一展开综述：从无人机辅助、卫星辅助及基于O-RAN的系统架构出发，构建低空通感一体化的总体框架，融合低空信道测量与建模揭示低空场景中的传播特性，为系统设计提供模型支撑；围绕目标检测、识别、定位、轨迹监视与成像等内容，系统分析低空感知关键技术，形成对空域目标与环境状态的实时获取能力；在此基础上，探讨感知驱动的移动性管理、通信覆盖增强以及计算资源分配问题，通过轨迹规划、波束管理、多站切换、任务调度与通感算协同优化，实现感知信息对通信决策与控制闭环的赋能；针对隐蔽接入、恶意干扰及窃听等安全威胁，研究感知驱动的安全管理机制，并结合智能超表面、可移动天线阵列等新型空中载体，提升系统的鲁棒性与演进能力。最后，本文展望基于生成式人工智能的环境-信道知识库构建、面向大规模无人机群的深度闭环协同机理、低空复杂电磁环境下的特征提取与抗干扰鲁棒性增强等未来研究方向，以期为低空经济的高质量发展提供理论支撑与技术参考。关键词：低空经济;通感一体化;信道建模;低空感知;立体通信覆盖203|241|0更新时间：2026-10-16
- 摘要：为支撑低空经济（Low-Altitude Economy，LAE）规模化、常态化运行需求，解决低空无线网络（Low-Altitude Wireless Network，LAWN）在复杂空域环境中通信可靠性不足、目标感知精度有限、通信与感知资源相互制约等核心技术瓶颈，提出一种基于网络化通感一体化（Integrated Sensing And Communication，ISAC）的LAWN系统框架。该系统依托无人机（Unmanned Aerial Vehicle，UAV）集群作为空中灵活部署节点，协同承担地面多信息用户的通信服务与空中多感知目标的感知任务，通过雷达接收机实现对感知目标回波信号的接收与处理，构建通信服务与环境感知深度融合的一体化LAWN。以系统用户和速率最大化为优化目标，综合雷达感知信干噪比约束、用户通信信干噪比约束及单架UAV最大发射功率限制，建立发射波束赋形、接收波束赋形及UAV部署位置的联合优化问题。针对原问题的非凸性，设计一种两阶段交替迭代优化算法，通过解耦耦合变量将原问题分解为波束赋形子问题与UAV部署子问题，实现分步迭代寻优。对于波束赋形子问题，采用半正定松弛技术对该子问题进行简化并基于柯西—施瓦茨不等式推导得到接收波束赋形的最优闭式解。在此基础上，提出一个基于连续凸近似的算法处理该子问题，实现发射与接收波束赋形的联合优化。对于UAV部署子问题，通过引入辅助变量将原非凸目标函数等价变换为凸函数，进而设计基于信赖域的迭代求解算法解决该子问题，得到UAV部署位置。理论分析所提基于连续凸近似算法和基于信赖域算法的收敛性、最优性和计算复杂度。仿真结果从单UAV和多UAV集群两种典型场景出发，验证了所提两阶段交替迭代优化算法的有效性与优越性。在单UAV场景下，算法迭代结果与遍历搜索获得的全局最优解基本一致，体现了所提算法的最优性。在多UAV集群场景中，相较于传统UAV中心部署方案和最小均方误差预编码方案，所提算法在用户和速率上取得了显著的性能增益。关键词：低空无线网络;低空经济;网络化通感一体化;无人机;交替优化91|74|0更新时间：2026-10-16
- 摘要：针对低空经济背景下6G网络通信与感知融合的基础技术需求，现有固定多基站协同通感一体化架构灵活性受限，无人机通感一体化研究多为单基站独立运行，缺少与地面基站的协同配合，且空地协同场景下轨迹规划、用户调度与功率分配存在强耦合关系，优化模型非凸且求解复杂。为此，本文提出无人机-地面基站协同通感一体化传输架构及其多维资源联合分配和无人机轨迹优化方案。该架构利用无人机灵活机动特性，与地面基站构建空地协同通信和感知一体化机制，同步完成边缘用户通信服务与移动目标感知任务。本文以最小化系统总发射功率为优化目标，在满足用户信干噪比与目标定位克拉美罗下界双重约束的前提下，建立空地协同场景下包含无人机轨迹、用户调度、功率的多维资源联合优化模型。针对该非凸优化问题中离散调度、连续功率、动态轨迹三类变量深度耦合、难以直接联合求解的特点，本文提出了基于深度强化学习的双层优化框架。外层采用深度确定性策略梯度算法，依托连续动作空间优势迭代优化无人机飞行轨迹，适配高移动性带来的动态拓扑变化；内层利用半正定松弛技术，将复杂非凸资源分配问题转化为可高效求解的半正定规划形式，快速获得给定无人机位置下的联合用户调度和功率分配近似最优解。本文将内层资源优化得到的最小发射功率构造为奖励函数反馈至外层，实现轨迹策略与资源分配的双向联动更新。该分层耦合设计既规避了全强化学习方案动作空间冗余、约束嵌入困难、训练波动明显的缺陷，又弥补了传统数学规划方法对初始点敏感、易陷入局部最优的不足，能够在动态场景下持续维持可行优化域。仿真结果表明，所提空地协同通感一体化方案相较非协同方法可实现30%~36%的功耗节约，同时本文提出的双层优化方案相较于全深度强化学习、固定轨迹方案功耗分别降低39%、17%。研究结果可为低空经济下空地协同通感一体化系统的轨迹设计与资源配置提供理论依据和技术参考。关键词：无人机-地面基站协同;通感一体化;深度强化学习;多维资源联合分配;轨迹设计;低空经济65|44|0更新时间：2026-10-16
- 摘要：随着低空经济的蓬勃发展，无人机（Unmanned Aerial Vehicle，UAV）作为低空网络的核心节点，其通信感知一体化能力对于实现全天候泛在连接与环境重构至关重要。然而，在建筑物密集的复杂城市环境中，低空UAV面临视距链路频繁遮挡与信道质量剧烈波动的严峻挑战，传统基于理想自由空间模型的轨迹规划难以适配实际应用需求，亟需设计能够主动规避遮挡并动态适应环境变化的智能规划方法。针对这一问题，本文提出一种面向复杂环境的基于概率视距信道模型的多阶段轨迹与资源联合优化方法。首先，构建依赖仰角的概率视距模型以量化城市峡谷遮挡效应，将轨迹规划导向无线链路可靠性最优。其次，设计多阶段规划框架，通过分阶段更新目标状态估计动态调整飞行策略，以应对环境不确定性与状态估计误差。在此基础上，考虑运动学与能量约束，构建最大化预期加权通信速率与有效感知费希尔信息矩阵的联合优化问题，在通信与感知性能之间实现自适应权衡。针对问题中概率指数项引发的强非凸性，提出一种基于块坐标下降与逐次凸逼近的迭代算法。仿真结果表明，该方法在高密度城市场景下能引导无人机主动规避盲区，保持链路稳定与感知精度。与传统方案相比，系统通信总容量提升约80.8%，目标定位误差降低约81.4%，显著增强了低空通感网络的鲁棒性与效能。关键词：无人机（UAV）;通感一体化;轨迹设计;资源分配;克拉美罗界59|39|0更新时间：2026-10-16
- 摘要：针对低空无人机（Unmanned Aerial Vehicle，UAV）集群在高速移动及复杂多径环境下，双选信道效应使通信链路与距离/速度等参数估计性能受限，同时远距离信息交互进一步带来可靠性下降与通-感-控闭环稳定性难题，提出一种MIMO-OTFS通感控一体化系统框架。该框架利用正交时频空间（Orthogonal Time Frequency Space，OTFS）在时延-多普勒（Delay-Doppler，DD）域的准静态表征能力，提升双选信道下的稳健传输与距离/速度等参数估计性能；结合多输入多输出技术（Multiple-Input Multiple-Output，MIMO）与功率域非正交多址接入技术（Non-Orthogonal Multiple Access，NOMA）实现集群规模接入与频谱复用。进一步地，构建DD域微多普勒结构化映射的物理层身份感知机制，将旋翼微多普勒作为“指纹”实现感知过程中的目标身份关联，为密集/交叉航迹条件下的鲁棒跟踪与协同控制提供可靠索引；同时，针对UAV集群上行回传链路，引入功率域NOMA传输机制，构建主UAV全频复用与从UAV分频接入的叠加传输架构，将复杂集群干扰解耦为若干并行的双用户NOMA模型，进一步设计基于消息传递算法与串行干扰消除的联合检测结构，有效地抑制若干个主UAV与从UAV的通信对回传所造成的用户间干扰，保障空地链路的传输可靠性。在此基础上，利用感知获得的距离/速度与微多普勒特征身份关联结果构建感知辅助的协同轨迹控制闭环，实现“通-感-控”一体化流程贯通。结果表明，与正交频分复用-非正交多址接入方案相比，所提方案在高移动双选信道中有约7 dB的误码率性能增益；感知侧可实现距离/速度等参数的稳定估计，其精度变化趋势与克拉美-罗界分析一致；在闭环协同验证中，基于感知反馈的UAV集群实现了三维编队轨迹跟踪，四架从UAV在持续机动巡航过程中的协同位置均方根误差分别控制在0.13、0.15、0.19、0.23 m，相对误差未出现发散，在仿真层面上初步验证了所提方案在“通-感-控”一体化流程中的闭环稳定性。关键词：通感控一体化系统;正交时频空间调制;微多普勒特征识别;非正交多址接入;控制补偿机制92|53|0更新时间：2026-10-16
- 摘要：低空经济作为新兴经济形态，对社会经济发展、城市管理、立体交通等方面具有重要意义。低空无线网络为各类低空应用提供通信、感知等一系列支撑，是低空经济发展的核心驱动之一。为进一步提升低空无线网络性能，本文研究了安全通信与感知一体化性能优化方法，以解决通感一体化技术赋能低空应用过程中的无线信号窃听问题。具体而言，首先构建低空安全通信与感知一体化网络模型，并设计了面向通信与感知性能的安全速率、传输数据平均信息年龄以及波束图误差指标，并在此基础上构建了多指标加权优化问题，旨在同时优化低空应用中无人机的安全通信以及感知性能。然后，提出了一种基于改进多算子差分演化的求解算法，通过优化基站数据生成速率以及功率分配以提升低空无线网络安全通信与感知性能，并对算法复杂度以及收敛性进行了理论分析。最后，通过仿真实验验证了所提算法的可行性与有效性。仿真结果表明，所提算法能够在提升低空无线网络安全速率、降低传输数据平均信息年龄的同时改善波束图误差性能，优于基线方案。关键词：低空无线网络;安全通信;通感一体化;信息年龄;性能优化124|86|0更新时间：2026-10-16
- 摘要：随着低空经济的快速发展，无人机在物流、安防等领域的应用日益广泛，低空空域的安全监管成为迫切需求。通信感知一体化（Integrated Sensing And Communication，ISAC）技术能够协同实现高可靠通信与高精度目标感知，已成为保障低空安全的重要技术手段。然而，低空无线信道的极度开放性使得ISAC系统在执行通感任务时，极易遭受物理层的窃听威胁。现有基于高精度感知的波束赋形设计往往忽略了安全传输需求，难以实现感知与安全的协同。针对这一问题，本文研究了低空场景下兼顾感知精度与抗窃听性能的安全波束赋形方案。为从理论下界提升感知性能，本文首先推导了关于低空感知目标角度估计的渐近克拉美罗界（Cramér-Rao Bound，CRB），进而建立了一个以最小化CRB为目标函数的非凸优化模型。其次，为在复杂的低空环境中同时兼顾通信服务质量与高度的隐蔽性需求，本文进一步对该模型施加了多重严格的系统约束。具体而言，模型引入了通信波形相似度约束，以灵活且高效地抑制多用户间的信号干扰。同时，为确保通信链路的可靠传输，模型引入了用户接收能量约束，以严格保障接收机正常工作所需的解调门限。再次，针对安全传输的核心要求，模型引入了窃听方向能量泄漏约束，意在通过波束能量的空间零陷，从物理层面上消除潜在的窃听威胁。最后，模型还需严格满足系统的总功率约束，以符合实际硬件的能耗限制。为了高效求解上述模型，本文利用增广拉格朗日函数与变量分裂技术，提出了一种基于交替方向惩罚法（Alternating Direction Penalty Method，ADPM）的迭代求解算法，将带有复杂约束的原始优化问题分解为多个存在闭式解或高精度数值解的子问题。仿真结果表明：相较于传统交替方向乘子法（Alternating Direction Method of Multipliers，ADMM），本文所提算法不仅具有更快的收敛速度，还能够稳定收敛至更低的目标函数值，表现出较强的数值稳定性与鲁棒性，成功实现了低空高精度感知与物理层安全传输的协同优化。关键词：波束赋形;克拉美罗界（CRB）;交替方向惩罚法（ADPM）;通信感知一体化（ISAC）;物理层安全;低空经济188|82|0更新时间：2026-10-16
面向低空经济的通信感知一体化技术
- 摘要：金刚石凭借其超宽禁带、超高热导率、高击穿场强以及优异的载流子输运和抗辐照潜力等特性，在抗辐照高压功率器件领域具有重要应用前景，尤其适用于空间电源系统、深空探测平台和高能粒子辐射环境下的功率调控单元。然而，针对决定器件在轨可靠性的关键失效模式——单粒子效应，目前国际上尚缺乏关于金刚石场效应管的实验报道，相关失效机制、耐受阈值及瞬态响应特性仍有待系统阐明。本文制备了p沟道氢终端金刚石高压金属-氧化物-半导体场效应晶体管（Metal-Oxide-Semiconductor Field-Effect Transistor，MOSFET），通过金属化后退火工艺优化了器件的界面质量与电学性能，器件关态击穿电压达-980 V，且漏电水平优于国外同类器件，表明所制备器件具备开展高压偏置辐照验证的基础条件。在此基础上，分别利用Ta离子（LET值为77.6 MeV·cm²/mg）和Kr离子（LET值为37.9 MeV·cm²/mg）开展了重离子单粒子辐照实验，首次从实验上揭示了金刚石FET的单粒子烧毁与单粒子瞬态特性。实验结果表明，器件在200 V工作偏置下，对两种LET值的重离子均未发生单粒子烧毁，抗烧毁LET阈值高于77.6 MeV·cm²/mg，初步验证了金刚石FET在高LET重离子辐照环境下的抗单粒子烧毁潜力；在Ta离子辐照下仅捕获到1次幅值约40 V的瞬态脉冲，在Kr离子辐照下未出现可分辨的瞬态事件，展现出对单粒子效应的强耐受性。本工作为金刚石抗辐照功率器件设计及其空间辐射效应研究提供了关键实验依据，并为后续开展更高偏置、更高LET条件下的器件可靠性评估奠定了基础。关键词：金刚石;场效应管;高压功率器件;抗辐照特性;单粒子烧毁;单粒子瞬态116|179|0更新时间：2026-10-16
- 摘要：随着物联网设备在智能家居、智慧建筑等场景中广泛部署，智能系统需要在设备状态持续变化、用户需求表达模糊和外部环境动态扰动的情况下完成可靠控制。现有触发-动作规则方法多依赖预先设定的静态逻辑，难以处理设备操作的前置约束、状态依赖和运行时环境变化等问题；而基于大语言模型（Large Language Model， LLM）的物联网代理虽然增强了自然语言理解和任务规划能力，但通常缺乏统一的结构化环境表征，容易产生环境依赖遗漏、设备选择错误或操作顺序不合理等问题。尤其在多设备协同、持续监测和异常反馈场景中，上述问题会进一步影响任务执行的稳定性。为解决上述问题，本文提出EnvAct（Environment-aware Action framework），一种基于LLM与结构化环境表征的物联网自动化执行框架。EnvAct将空间、设备、状态属性、操作约束和状态依赖统一建模，构建由约束表和依赖表组成的环境表征机制。约束表描述设备操作执行前需要满足的前置状态、操作效果及状态生效延迟；依赖表建立环境状态到候选操作的逆向映射，使系统能够在前置条件不满足时自动补全必要操作。为降低冷启动建模成本，本文从Home Assistant社区蓝图脚本中抽取事件-条件-动作规则，并利用LLM结合当前设备、可观测状态和物理常识过滤个性化或不适配规则，生成可持续更新的环境表征。系统由规划器、合规器、执行器、反思器和环境表征层组成。规划器融合用户需求、实时环境、设备接口和历史偏好生成初始操作序列；合规器基于约束表和依赖表进行合法性校验、依赖补全和偏序图构建；执行器按照偏序关系并行调度独立操作，并通过重试、反馈和状态验证实现闭环执行；反思器根据执行轨迹和用户反馈修正环境表征与偏好信息。实验结果表明，在六类物联网任务中，EnvAct在qwen-plus和GPT-4o驱动下的总体成功率分别达到88.3%和90.0%，优于Sasha和SAGE等基准方法；在动态干扰实验中，系统平均执行可靠性达到81.25%；在真实沙盘实验中，系统成功率保持在90%以上，平均操作响应时间低于30 s。结果表明，EnvAct能够提升动态物联网场景下自动化任务执行的可靠性、适应性和工程可用性。关键词：物联网;大语言模型;自动化执行;环境表征;闭环控制;智能系统57|133|0更新时间：2026-10-16
- 摘要：通信定位一体化（Integrated Localization And Communication，ILAC）网络通过通信与定位的深度融合，能够在提供通信服务的同时实现高精度位置感知，成为未来无线网络发展的重要方向之一。然而，在应急救援场景下，传统依赖地面基站的ILAC网络易受到地面基础设施损毁影响，将面临通信覆盖中断、链路质量恶化和定位精度下降等问题。为此，本文构建了一种低空无人机集群辅助的ILAC网络，为受灾区域用户提供临时与分布式的通信与定位服务，并提出了一种基于分布式架构的无人机关联、频谱与功率联合优化方法，以保障高效的通信与定位服务，支持应急救援等关键任务的顺利执行。首先，本文建立基于双边双向测距的用户定位模型，描述无人机空中锚点与地面用户之间的测距关系及其对定位精度的影响。之后，构建以最大化最小用户吞吐量为目标，定位精度、无人机关联、频谱与功率等为约束的联合优化问题。针对此复杂优化问题，我们将其划分为无人机关联与功率-子信道优化两个子问题。针对第一个子问题，提出三维快速空中锚点选择方法，通过空间划分降低空中锚点搜索空间，实现用户通信接入点与定位锚点的快速关联；针对第二个子问题，提出基于多智能体近端策略优化的联合功率控制与子信道分配算法，利用分布式多智能体学习实现功率与子信道的协同决策。通过与多种基线算法仿真对比，结果表明本文所提出方法能够在保障定位精度约束的同时有效提升最小用户吞吐量，提高用户间通信公平性，并在相同网络场景设置下获得更优的定位性能，从而为应急场景下实现高效通信与可靠定位服务提供有力支持。关键词：ILAC网络;无人机集群;无人机关联;资源优化;分布式强化学习;应急通信62|145|0更新时间：2026-10-16
- 摘要：面向智能网联汽车的4G/5G通信的新需求，本文提出了一种具有抗表面波功能的宽带高效率透明玻璃天线设计方法。车载玻璃的大尺寸和高介电常数特性容易使天线激励起强烈表面波，大量电磁波无法有效地辐射到自由空间中，导致天线辐射效率下降和方向图畸变，而鲜有研究工作对表面波问题进行深入探究。针对这一难题，本文深入分析呈奇对称分布电流的辐射特性，发现其激励的表面波会在垂直电流的方向上反相抵消，由此推出，
- 摘要：随着物联网技术的快速发展，海量低功耗微纳器件（如无线传感器节点）的供电问题日益突出。传统电池供电方式面临更换频繁、维护成本高、环境污染严重等挑战，因此发展自供电技术成为当前研究的热点。压电振动发电机因其能量密度高、结构简单、易于集成等优势，在解决低功耗器件自供电问题方面展现出巨大潜力。本文受蜂鸟鹰蛾在空中悬停时展现出的强稳定性调控能力启发，提出了一种仿生蜂鸟鹰蛾的无源全向自适应压电振动发电机。该发电机由深沟球轴承构成的旋转部件与安装在旋转部件中心的压电悬臂梁组成，其中压电悬臂梁的上下弯曲振动模仿蜂鸟鹰蛾翅膀的上下拍振，而压电悬臂梁的自适应旋转运动则模仿蜂鸟鹰蛾绕质心的自适应悬停运动，从而实现全向自适应调节与稳定性调控，显著提升了发电机对不同方向环境振动的适应能力。基于能量法建立了发电机的分布参数机电耦合非线性动力学模型，深入揭示了弯曲振动模态与旋转运动之间的耦合行为。通过数值仿真与实验测试相结合的方法，系统研究了发电机在不同初始旋转角度（0°~360°）条件下的自适应方向调节特性、稳定性机理及动力学响应。研究结果表明：所提出的仿生全向自适应压电振动发电机能够在任意方向的外部激励下，通过无源自适应旋转调节，使压电悬臂梁最终稳定在与激励方向一致的位置，并保持大幅值的弯曲振动输出。与传统固定式或阵列式多方向压电发电机相比，该发电机无需多悬臂梁组合或复杂异形结构，仅采用单一压电悬臂梁即可实现0°~360°全向高效能量采集，结构紧凑、空间利用率高、可靠性强。实验结果显示，在不同初始夹角下，发电机稳定后的输出电压均可达到约29 V，输出功率稳定在830 µW左右，平均功率密度高达29 340 µW/cm³。当外部激励方向与悬臂梁初始方向垂直时，传统线性压电发电机基本失效，而本文发电机仍能通过自适应调节恢复至最佳工作状态。本文提出的仿生全向自适应压电振动发电机对提升压电振动发电机的转换效率、解决低功耗微纳器件的自供电问题提供了重要的理论和技术参考。关键词：压电振动发电机;全向自适应调节机理;仿生设计;动力学特性;自供电问题51|93|0更新时间：2026-10-16
- 摘要：随着新一代无线网络向通信、感知、计算一体化的复杂网络演进，通信设备呈现爆发式增长。海量设备的并发接入引发了激烈的频谱冲突，叠加开放信道下复杂多变的电磁干扰威胁，导致大规模网络协同通信困难。现有基于多智能体的抗干扰算法虽能缓解上述冲突，但其优化参数往往随智能体数量呈线性或指数级增加，庞大的训练开销与内存消耗使其难以实现大规模扩展。针对面临的协同困难与扩展性受限问题，提出了一种通用知识与专用信息共驱动的具身智能抗干扰通信策略生成方法。该方法通过参数共享策略构建统一的共享神经网络架构，将优化参数的增长与智能体数量相分离，在显著降低模型参数规模的同时提升系统的可扩展性。在此基础上，利用共享卷积神经网络（Convolutional Neural Network，CNN）对电磁环境进行特征提取，从原始频谱观测中学习可供所有智能体共同使用的通用知识表示。同时，为区分个体，方法进一步引入可学习的身份嵌入向量作为专用信息，并与通用知识进行联合建模，从而实现同质智能体的差异化决策，进而生成高效的协同抗干扰通信策略。仿真结果表明，该方法在固定干扰、扫频干扰和智能干扰场景下均具有显著优势，有效缓解了大规模抗干扰通信中的协同冲突，特别是在扫频干扰场景下，该方法的自适应通信效率（Self-Adaptive Communication Efficiency，SACE）较多智能体近端策略优化（Multi-Agent Proximal Policy Optimization，MAPPO）方法和独立DQN（Independent Deep Q-Network，IDQN）方法分别提升约22%和38%，验证了协同机制的高效性。此外，在不改变网络架构的前提下，针对不同规模的多信道多用户场景进行仿真实验验证，结果表明该方法能够稳定收敛并达到优异性能，具有良好的可扩展性。关键词：具身智能;多智能体强化学习;协同抗干扰;参数共享;嵌入式身份;分布式决策67|128|0更新时间：2026-10-16
- 摘要：随着空天地一体化体系的快速发展，卫星端智能计算逐渐成为支撑遥感感知、态势分析与应急决策的重要技术基础，但其同时面临星载算力与存储受限、多模态异构数据噪声复杂以及任务语义动态变化等挑战。现有多模态融合方法多强调视觉-文本对齐或大模型驱动推理，知识图谱方法强调结构化语义建模，但二者大多面向地面高算力环境设计，缺乏面向卫星边缘计算场景的统一部署机制。针对上述问题，本文提出一种面向空天地一体化的知识引导多模态模块化卫星网络（Knowledge-guided Multi-Modal Modular Satellite Network，KM³-SatNet）。与直接引入全局知识图谱或采用固定融合结构的既有方法不同，本文围绕“任务相关知识裁剪-知识约束鲁棒融合-预算感知动态推理-端云协同自适应部署”开展一体化设计：首先构建卫星任务知识图谱，并通过语义匹配、关系感知扩展与个性化PageRank实现动态知识子图抽取；其次设计知识约束门控融合机制，在视觉、文本与知识之间建立可解释的动态交互约束；进一步提出模块化可裁剪推理结构与算力感知控制器，实现星载预算约束下的自适应模块选择；最后给出考虑链路波动与中断回退的端云协同优化策略。在多模态遥感任务数据集上的实验结果表明，与典型多模态融合模型相比，本文方法在目标识别任务上精度提高6.3%，在灾害场景识别任务上提高5.8%，同时相较于轻量级遥感多模态大语言模型（Remote Sensing Multimodal Large Language Model Lite，RS-MLLM-Lite）参数量减少50.0%，相较于Swin-L，参数量减少98.7%，推理时延降低67.7%。结果表明，KM³-SatNet能够在保持较高精度的同时兼顾模型规模、时延、能耗与鲁棒性，适用于卫星边缘环境下的多模态智能计算部署。关键词：空天地一体化;卫星计算;多模态融合;知识增强;任务推理;端云协同54|78|0更新时间：2026-10-16
- 摘要：近年来，全球可持续能源发展的需求日益增长，推动了光伏发电系统在居民、商业及工业场景中的应用。为了保障电网运行安全和提升能源调度效率，如何准确预测用户侧的电力负荷变化尤为关键。然而现有方法忽略了实际用户侧接入电表所采集的数据中往往同时包含光伏发电（源）和用电负荷（荷）信息，二者未被有效分离，导致预测结果存在偏差。本文提出基于多智能体强化学习的源荷分离方法SoLED，解决了用户之间复杂时空依赖关系建模能力不足，以及负荷与光伏发电混合数据未分离导致的预测偏差的问题。具体地，本文首先设计了一种特征提取模块，能够捕捉用户负荷短期与长期尺度上的变化规律，从而提升对电网时序特征的表达能力。然后，基于物理世界的电网结构构建仿真电网环境，通过在仿真环境中模拟增强时序特征对空间关系的敏感性。最后，提出了基于多智能体强化学习的源荷分离方法，利用仿真环境生成反馈来训练解耦模型，解决了数据分离困难导致的解耦不准确问题。通过仿真实验和实际系统验证，本文提出方法的准确率在两个城镇电网真实数据集中的不同天气条件下相较现有方法分别提升5.7%~24.6%和6.6%~24.2%。该实验结果表明，提出的方法能够准确解耦功率，有效地解决了用户之间复杂时空依赖关系建模能力不足，以及负荷与光伏发电混合数据未分离导致的预测偏差的问题。关键词：光伏发电系统;时空特征建模;原型学习;强化学习;多智能体强化学习;源荷解耦50|28|0更新时间：2026-10-16
- 摘要：远距离目标定位在无线通信、电子侦察、目标监视及智能感知等领域具有重要的应用价值。然而，随着目标与接收站距离的增加，信号传播过程中将面临严重的路径损耗、阴影衰落及非视距效应等挑战。这些因素会显著降低接收信号质量，从而削弱传统无源定位系统的性能。利用中继收发器辅助信号放大与转发，构建视距传播路径，可以在一定程度上克服上述问题。尽管如此，现有中继辅助的定位研究多聚焦于主动或合作定位场景，且需要依赖多次获取目标-中继-接收站传播时间以实现高精度定位。在电子侦察、隐蔽目标探测等无源目标定位场景中，观测系统难以与目标进行协同交互，现有中继辅助定位方法无法直接应用。针对上述问题，本文开展中继位置未知条件下的远距离无源目标定位研究，并提出一种基于时空观测信息的目标与中继联合定位算法。首先，利用目标-同一中继-不同接收站和目标-不同中继-同一接收站这两路信号传播路径，构建两组瞬时到达时间差（Time Difference Of Arrival，TDOA）观测模型，并结合参考接收站获取的目标信号到达角（Angle Of Arrival，AOA）信息，建立角度观测模型。随后，基于TDOA观测信息分别构建中继位置和目标位置的优化问题，并利用半定松弛（Semidefinite Relaxation，SdR）技术将非凸问题转化为凸优化问题，从而获得中继与目标位置的粗略估计。由于所提算法前两步未能充分利用观测信息，第三步分别基于TDOA及联合TDOA-AOA修正估计误差以提升定位精度。此外，通过理论推导给出了仅利用TDOA信息与联合TDOA-AOA信息的克拉美罗下界（Cramér-Rao Lower Bound，CRLB），并明确了实现定位所需的节点条件。理论分析证明了在适度测量噪声或误差条件下，所提联合定位算法对于目标与中继位置估计均可实现CRLB性能。数值仿真实验进一步验证了理论分析的正确性，同时表明引入单一接收站的角度信息能够显著提升目标与中继的联合定位精度。关键词：远距离目标;中继收发器;无源定位;到达时间差;克拉美罗下界84|92|0更新时间：2026-10-16
- 摘要：极化信息是雷达目标识别与特征提取的重要参数。现有对极化信号的研究多聚焦于全极化信号，然而当雷达照射海面舰船或空中机动目标时，目标姿态的连续变化、多散射中心干涉以及时变环境杂波等因素耦合作用，使得回波往往呈现部分极化特性，其极化状态并非恒定，而是随时间不断演化，蕴含丰富的目标物理信息。当前对实际雷达回波中广泛存在的部分极化信号的分析仅限于静态统计描述，缺乏对其时变极化状态动态演化机理的建模与分析。针对上述问题，本文建立了一种适用于海空动态目标的统一动态极化状态模型。该模型将接收信号分解为全极化分量与动态非极化分量，并引入基于随机微分方程的目标姿态动态模型、极化参数‑姿态角非线性耦合模型以及双尺度非极化功率模型，构建了统一表征海面目标低频周期运动与空中目标高频机动特性的动态极化状态框架。基于此框架，理论推导了时变极化度与斯托克斯参数的统计特性及谱结构，进而揭示目标微动与散射起伏是驱动其极化状态演化的关键物理机理。实测数据的验证结果表明，所提模型能够有效模拟海空目标部分极化信号的动态极化行为，其极化度起伏与谱特征和实测数据基本一致，验证了模型在揭示目标微动与散射机制方面的有效性。本文所建立的模型为动态部分极化信号的特征提取与目标识别提供了一个机理清晰、可解释性强的统一建模框架，有助于从回波信号中定量反演目标的物理状态。关键词：部分极化信号;时变极化状态;极化度;非极化分量;斯托克斯参数;庞加莱球66|46|0更新时间：2026-10-16
- 摘要：已有方法往往将加权预测误差（Weighted Prediction Error，WPE）去混响方法与独立成分分析（Independent Component Analysis，ICA）技术、独立向量分析（Independent Vector Analysis，IVA）技术结合以实现混响环境下的卷积盲源分离。然而，ICA和IVA没有构建灵活的声源模型，因此独立低秩矩阵分析（Independent Low Rank Matrix Analysis，ILRMA）技术被提出，进而组成WPE与ILRMA的联合优化，即WPE-ILRMA。但是，WPE-ILRMA的性能依然依赖迭代次数和滤波器阶数设置，迭代次数较少时，方法性能较差，固定的滤波器阶数设置也无法应对复杂多变的混响环境，并且分离滤波器的更新依然需要对矩阵求逆，消耗硬件资源较大。利用梯度下降法优化预滤波器的脉冲响应重构（Impulse Response Remodeling，IRR）模型被提出以缩短脉冲响应长度和降低高混响环境的影响，但是这些方法基于IRR模型构建的目标函数需要设置范数值，范数值仅凭经验设置，设置不当易导致IRR效果下降，而在盲信号处理场景下，根据IRR效果不断调整目标函数的范数值是不实际的。针对现有卷积盲源分离方法性能依赖于范数值或者滤波器阶数设置的难题，首次将压缩变换概念引入IRR技术中，推导证明了压缩变换可以实现优于p范数的混响抑制性能，进而可以用压缩变换替代传统IRR模型中的p范数，创新性地设计了一种压缩变换与无穷范数相结合的脉冲响应压缩（Impulse Response Compression，IRC）模型，所提出的IRC模型既实现了更优越的混响抑制性能，又无需像传统去混响方法一样凭经验设置范数值或滤波器阶数以调节混响抑制性能。另外引入迭代源控制（Iterative Source Steering，ISS）技术与ILRMA结合，规避了矩阵求逆运算，使所提方法更易于硬件实现。仿真结果表明，在高混响环境下，不论是针对成分差异较小的动物声音信号分离问题、成分复杂的音乐信号分离问题，还是成分差异较大的语音信号分离问题，所提出的方法相比于其他方法均实现了更优越的信号分离性能，这表明了所提出方法拥有较强的鲁棒性，应用范围广泛。已有方法采用固定的范数值或滤波器阶数设置，参数设置不当会导致方法性能下降，而所提出方法的性能不依赖于范数值或滤波器阶数的调整。所提出的方法突破了已有方法的应用局限，并且IRC技术也可移植应用于其他与去混响相关的工程问题中。关键词：去混响;卷积盲源分离;独立低秩矩阵分析;脉冲响应重构;脉冲响应压缩;迭代源控制47|25|0更新时间：2026-10-16
- 摘要：约束多目标优化问题（Constrained Multi-objective Optimization Problems，CMOPs）广泛存在于实际工程与科学领域，这类问题通常同时包含多个相互冲突的优化目标与复杂多样的约束条件。在约束多目标进化算法（Constrained Multi-Objective Evolutionary Algorithms，CMOEAs）中，环境选择策略（Environmental Selection Strategy，ESS）的设计与集成至关重要，它直接决定了算法能否在可行性（满足约束条件的程度）、收敛性（逼近帕累托前沿的速度）和多样性（解集的分布均匀性）三者之间取得有效平衡。然而，现有方法多依赖静态或预定义的策略调度机制，难以根据种群在进化过程中的实时状态自适应调整选择压力，导致在应对复杂约束、非连续可行域及昂贵目标评估等实际场景时，算法往往表现出明显的局限性：一方面，在进化初期种群完全不可行的情况下，缺乏足够的驱动力引导搜索快速进入可行域；另一方面，在找到可行解之后，难以动态地在收敛加速与多样性维持之间进行合理权衡，容易出现早熟收敛或多样性丧失，甚至在某些极端约束条件下长期无法找到任何可行解。这些问题严重限制了CMOEAs的整体性能与鲁棒性。鉴于此，本文提出一种基于强化学习（Reinforcement Learning，RL）的多环境选择策略集成方法，增强约束多目标进化算法的自主决策与动态适应能力。该方法首先根据种群在决策空间与目标空间的分布特征，从可行性、收敛性和多样性三个维度刻画进化状态：利用ε-可行解比例反映种群满足约束的整体水平，利用归一化质心位移表征收敛趋势，利用ε-可行解方差在种群总方差中的占比评估多样性。进而，受物理学中相互作用力原理的启发，本文设计了三种各具侧重且内在耦合的环境选择策略：第一种策略着重强化可行性保持，通过引入约束违背度排名构建排斥力模型，优先筛选可行解；第二种策略聚焦收敛加速，采用目标函数排名引导种群向帕累托前沿逼近；第三种策略则致力于多样性维持，仅依据个体间的空间距离产生排斥力，避免种群过度聚集。这三种策略相互耦合，即使某一次策略选择出现偏差也不会导致算法性能急剧恶化，从而为强化学习提供了稳定的决策基础。最后，通过强化学习构建种群状态与环境选择策略之间的映射模型。在三个基准测试集（LIR-CMOP、DASCMOP、DOC）与模拟集成电路优化设计问题上的实验表明，本文方法在大多数测试问题上显著优于六种先进的约束多目标进化算法，尤其在可行域狭窄、约束复杂、帕累托前沿不连续的困难场景下表现出更强的鲁棒性与适应性，能够以更少的函数评价次数获得更高质量的解集，从而充分验证了其在处理实际复杂约束多目标优化问题中的有效性、可扩展性与工程应用价值。关键词：约束多目标优化;多环境选择策略;进化优化;强化学习;模拟集成电路99|48|0更新时间：2026-10-16
- 摘要：低频电磁波（300 kHz以下）具有穿透性强、传输损耗低等天然优势，能够在海水、土壤、建筑物等复杂损耗介质中实现稳定可靠的无线通信。然而，受电尺寸原理限制，天线的物理尺寸需与工作波长可比（通常大于十分之一波长）才能获得足够的辐射效率，因此传统低频天线往往需要上百米，难以满足现代跨介质通信应用中对设备便携性与快速部署的迫切需求。本文提出一种基于特斯拉线圈磁谐振原理并采用高压脉冲激励的小型化低频天线设计方案，在千分之一工作波长尺寸下实现远距离信号传输。该设计利用磁谐振结构使次级回路电流显著放大，并采用阻抗匹配变压器将信号源能量高效传输至高阻磁谐振线圈，从而实现磁场增强；同时，引入高压脉冲激励，使天线在相同平均功耗下获得更高的瞬时峰值磁场，且有效抑制连续大电流导致的发热问题，兼顾了辐射能力与系统可靠性。通过系统参数优化，本文制备了工作于200 kHz低频（Low Frequency，LF）、尺寸为70 cm的天线样机。实验结果表明，该天线采用高压脉冲激励时，接收端信号峰值电压达到连续波激励的2.07倍；相较于同匝数单线圈结构，磁谐振耦合结构使接收功率提升约13.8 dB，信号强度增强4.9倍，验证了脉冲激励与磁谐振协同作用对辐射场强的提升效果。在此基础上，本文开展室外远距离通信测试，该天线在800 W峰值功率驱动下，于校园复杂电磁环境中实现了400 m远距离通信，接收磁场强度达0.27 pT。面向应急通信对超便携与强穿透能力的需求，本文进一步研制了工作于30 kHz甚低频（Very Low Frequency，VLF）、整机尺寸仅10 cm × 7 cm × 4 cm的便携式天线，在20 W输入功率下，该天线成功穿透三层钢筋混凝土楼板，实现15 m跨介质可靠传输。本文所提方案通过高压脉冲激励与磁谐振放大的协同设计，在厘米至分米尺度下实现远距离空气通信与跨介质强穿透，为应急通信、地下救援及水下传感器网络等场景提供了小型化解决方案。关键词：低频天线;特斯拉线圈;磁谐振;跨介质通信;磁感应通信;无线传输71|66|0更新时间：2026-10-16
- 摘要：近期利用大规模未标注数据进行提示学习受到广泛关注。其中，判断标记学习范式通过从候选集中随机采样类别，并借助预训练视觉-语言模型进行二值化（True/False）判断，从而生成高精度的弱监督标记，大幅提升了标注效率，推动了提示学习领域的快速发展。然而，其随机均匀的采样机制不可避免地导致部分类别监督样本缺失，致使下游任务模型难以构建精确的类别语义空间，并且现有方法切断了文本与视觉特征之间的跨模态联合优化路径，破坏了预训练模型原有的跨模态泛化能力。针对上述局限性，本文提出一种基于多模态一致性协同提示微调的判断标记学习方法（true-false labels learning method based on Multi-modal Consistency Collaborative Prompt tuning，MCCP）。该方法在文本和视觉双模态上分别引入一致性约束，并设计了跨模态协同优化机制。具体而言，在文本模态，设计了大语言模型驱动的知识协同机制，利用大语言模型为各个类别生成细粒度的文本描述，通过约束原始文本提示与类别文本描述之间的语义一致性，补齐监督样本缺失类别的语义信息盲区，并且隐式缓解监督信息不足的不利影响；在视觉模态，提出了基于自监督学习的一致性提示学习机制，通过构建多视图，约束原始图像、弱增强视图与强增强视图两两之间的特征分布一致性，迫使视觉提示网络提取对数据增强操作不敏感的深层语义特征，显著提升了视觉语义表征的鲁棒性与泛化能力；在跨模态联合优化方面，引入了基于训练轮次的余弦动态加权策略，以实现预训练先验知识与领域适应性学习表征之间的平滑过渡与渐进式融合，同时采用了分阶段梯度更新策略，分别优化文本、视觉特定模态的一致性损失与跨模态图像分类的经验风险一致性交叉熵损失，有效避免了多模态学习中的梯度冲突问题，促进了跨模态语义空间的深度协同对齐。在CIFAR-100、Tiny-ImageNet、Caltech-101、Food-101、Stanford Cars、DTD（Describable Textures Dataset）、FGVC-Aircraft（Fine-Grained Visual Classification of Aircraft）、ImageNet-A和ImageNet-R九个多类别图像分类数据集上的实验结果表明，该方法在利用对比语言-图像预训练模型（Contrastive Language-Image Pre-training，CLIP）标注和人工标注的两种判断标记数据集上，分别取得了73.58%和74.20%的最优平均分类准确率，同时在跨数据集迁移设置下的绝大多数目标数据集上均展现出最优的迁移泛化性能，验证了该方法的有效性。本文有效解决了判断标记学习范式的监督信号缺失挑战，并为实现高效、鲁棒的多模态跨域知识迁移提供了方法支持。关键词：判断标记;提示学习;视觉-语言模型;弱监督学习;多模态一致性;图像分类78|24|0更新时间：2026-10-16
- 摘要：本研究设计了一种用于瞬态脉冲测量的宽频带电流探头及其转移阻抗的测量校准方法。首先，通过理论计算，得到了在特定尺寸及转移阻抗目标下的磁芯磁导率要求，选取新型纳米晶磁芯结合低寄生电感的圆环盘式电阻负载对传感器进行了实现。改进了现有电流传感器转移阻抗特性的测量装置，并采用矢量网络分析仪实现了对设计的电流传感器转移阻抗特性的测量验证，测试结果表明其转移阻抗在20 kHz ~ 1 GHz测量范围内均能保持很好的平坦特性。在时域验证中采用上升沿为700 ps的IEC 61000-4-2标准发生器直接放电产生的瞬态电流波形，不同测试电压等级下，电流传感器测试电流波形和标准电流靶输出结果均吻合较好。最后，将设计的电流传感器成功应用于某手机终端系统在静电枪激励下的注入电流测量，以及电力系统变电站电子式电容电压互感器（Electronic Capacitor Voltage Transformer，ECVT）电子装置在电快速瞬变（Electrical Fast Transient，EFT）脉冲传导骚扰下的端口骚扰电流测量，并且实现了传输线脉冲（Transmission Line Pulse，TLP）测试中的注入电流测量，为进一步系统级分析提供了可靠的数据参考。关键词：瞬态脉冲;静电放电;电流探头;校准装置;转移阻抗60|29|0更新时间：2026-10-16
学术论文
- 摘要：可重构智能表面（Reconfigurable Intelligent Surface，RIS）与无人机（Unmanned Aerial Vehicle，UAV）的协同部署为提升未来无线网络的覆盖范围、传输容量和服务灵活性提供了新的技术路径，其核心在于UAV轨迹、RIS相移矩阵、主动波束成形及资源分配变量的联合优化。该问题具有跨时隙耦合、动作维度高、约束非凸和环境动态变化等特征，传统交替优化、逐次凸近似和半正定松弛方法在大规模或快速时变场景中面临迭代开销较高、在线适应性不足以及对精确信道状态信息依赖较强等问题。深度强化学习（Deep Reinforcement Learning，DRL）能够将上述联合优化表述为序贯决策过程，为复杂动态环境下的在线策略生成提供新的求解思路。本文围绕基于DRL的RIS辅助UAV通信轨迹—相移联合优化开展系统综述。首先，建立包含轨迹、相移和波束成形变量的统一优化框架，并从动作空间、状态空间和奖励函数三个维度分析马尔可夫决策过程建模的关键选择。随后，依据联合动作的表示与分解方式，将现有研究归纳为离散决策、连续决策和分布式协同三类技术路线，比较其算法机制、适用场景、样本效率、收敛稳定性、可扩展性与工程代价。进一步，从可扩展性、信道状态信息假设、仿真—部署迁移和公平比较基准四个方面提炼该领域的共性瓶颈。综合分析表明，离散方法适用于中小规模RIS和低比特相移控制；连续方法具有较高控制精度，但易受高维策略学习与样本效率限制；多智能体方法与分布式系统架构较为匹配，但会引入环境非平稳性和信用分配问题。在大规模场景下，现有方法普遍依赖结构化降维或DRL与传统优化相结合的混合分解，严格意义上的端到端联合求解仍较少。最后，从结构化DRL、离线强化学习与数字孪生、标准化评测平台、近场与太赫兹通信以及通感算一体化等方面讨论未来研究方向，为相关算法设计、性能评估与系统部署提供参考。关键词：可重构智能表面;无人机通信;深度强化学习;轨迹优化;相移优化103|187|0更新时间：2026-10-16
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