最新刊期
- 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10|0|0更新时间：2026-06-16
- 摘要：相比于传统的机械硬盘，基于闪存的固态盘（Solid-state Drives，SSD）具有高性能、低功耗、小体积以及抗震动等诸多良好特性，已经被广泛应用于嵌入式设备、个人电脑、数据中心服务器、超级计算机等多种存储系统中。固态盘内部实现了一个称为闪存转换层（Flash Translation Layer，FTL）的软件层次，屏蔽底层闪存特性并实现管理功能，使固态盘可以作为传统块接口设备使用。固态盘数据放置技术是指根据不同的存储需求，确定不同类型的写入数据在固态盘中存储位置的策略或机制，对于优化固态盘的性能、寿命和服务质量至关重要。传统固态盘在FTL中实现“冷热”数据分离算法，根据写请求的起始地址、长度、时间等信息判断数据类型从而确定数据存储位置，但是由于固态盘内写请求可用信息有限导致数据分类准确度较低。近年来，各类新型固态盘不断涌现，如多流固态盘、开放通道固态盘、分区命名空间固态盘以及灵活数据放置固态盘，它们普遍采用软硬件协同设计思想，拓宽主机与固态盘的数据语义通路，为固态盘数据放置技术提供新的设计思路。本文梳理了上述新型固态盘的数据放置技术的发展历程，详细介绍了每类技术的研究现状，重点分析它们的设计思想、实现方法、优缺点以及部署应用状态等。同时，还探讨了固态盘数据放置技术面临的挑战与未来的研究方向。关键词：闪存;固态盘;闪存转换层;数据放置;新型固态盘;软硬件协同设计5|0|0更新时间：2026-06-16
- 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5|0|0更新时间：2026-06-16
- 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4|0|0更新时间：2026-06-16
- 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7|0|0更新时间：2026-06-15
- 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7|0|0更新时间：2026-06-15
- 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，本文提出的方法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%的准确率。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7|0|0更新时间：2026-06-15
- 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5|0|0更新时间：2026-06-15
- 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，无线电地图构建精度（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5|0|0更新时间：2026-06-15
- 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4|0|0更新时间：2026-06-15
- 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3|0|0更新时间：2026-06-15
- 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;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16|4|0更新时间：2026-06-12
- 摘要：随着5G无线通信、物联网、高速互连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%左右。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17|1|0更新时间：2026-06-11
- 摘要：随着6G通信、感知与计算深度融合发展，以及大模型持续向边缘侧渗透落地，群智感知等新兴应用场景对边缘算力的需求呈现爆发式增长。在此背景下，算力供需失衡问题日益突出，算力池化与虚拟化技术成为破解这一难题的核心支撑技术。面向算力设备动态接入、移动性强、接入不确定性高的复杂场景，本文提出一种基于近场感知与语义驱动协同的算力资源发现与池化机制。在算力设备接入阶段，本文利用近场传播的球面波特性赋予接收阵列高精度空间分辨能力，将多设备随机接入场景下的设备检测任务建模为具备距离与方位感知能力的能量感知任务，从而实现对未知移动算力节点的高可靠空间感知。在算力池化管理阶段，本文构建统一的算力资源语义模型以消除异构设备在资源描述上的差异，搭建融合空间信息的资源快速索引架构，并采用空间微池与语义能力层级池的两级池化组织方式，实现了算力资源低时延匹配与灵活编排。实验结果表明，本文所提的近场感知方法在多用户随机接入与复杂传播环境下，检测性能显著优于传统方法；同时，语义驱动的资源管理机制在资源匹配精度、召回率与响应时延三项指标上均展现出优越性能。该方案有效适配动态边缘算力环境，为大模型边缘部署与动态边缘算力池化的规模化发展提供技术支撑。关键词：近场感知;算力资源发现;随机接入检测;语义建模;动态算力池化;边缘算力网络9|2|0更新时间：2026-06-11
- 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）40|4|0更新时间：2026-06-09
- 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。本文报道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，并首次报道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13|1|0更新时间：2026-06-09
- 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;层间特征图;数据压缩18|5|0更新时间：2026-06-09
- 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18|1|0更新时间：2026-06-09
- 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22|4|0更新时间：2026-06-08
- 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11|0|0更新时间：2026-06-08
- 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