最新刊期
- 摘要：无线射频反向散射具有共享频谱、低功耗、低成本等特点，使其在通信、感知领域的终端设备、中继器市场占据一席之地。移动通信技术一直是发展的热点，5G到6G的发展不仅是带宽的拓展，更是从万物互联发展到万物智联；然而移动通信技术和物联网技术都存在频谱稀缺、节能等需求，因此它们与无线射频反向散射产生交集。首先通过移动通信技术、物联网技术等研究热点进行分析，引出全面的无线射频反向散射。且通过回顾环境反向散射各种信号首篇论文、近几年论文、基本原理，梳理出较为清晰的发展脉络，并按不同维度对现状进行分类。随后通过对其发展脉络和现状分类进行梳理，找出现存问题及部分问题解决方法。最后通过对前面章节汇总和思考，预测下一阶段发展趋势。关键词：反向散射;无线射频;综述;移动通信技术;物联网6|3|0更新时间：2026-04-10
- 摘要：为解决基于视觉的手势感知中存在的隐私泄露风险以及其他非视觉信号感知成本高的问题，本文研究基于超声波信号的手势重建和识别。对采集的超声回波和手势图片数据处理构造出一个超声-手势框架数据集Ultrasonic Gesture。基于该数据集，提出了一种具有高性能局部感知与全局建模能力的CAMT-Net神经网络，实现从超声波信号到二维手势关键点坐标的高精度端到端映射。在包含六种静态手势的数据集上进行实验，所提方法生成的关键点精度接近基于RGB图像的重建方法；进一步基于重建关键点进行手势识别，准确率达到89%。结果表明，超声波信号可有效支持细粒度手势感知任务。关键词：超声波;感知;手势;深度学习3|1|0更新时间：2026-04-10
- 摘要：随着物联网中敏感数据规模持续扩大，隐蔽通信因能够隐藏“通信存在”而成为重要的安全机制。在此背景下，分析了监听者Willie部署迪斯科式可重构智能超表面（DRIS, disco reconfigurable intelligent surface）条件下物联网（IoT, Internet-of-Things）隐蔽通信的检测与性能问题。由于DRIS反射系数随机时变，接收端等效信道在相干时间内不再近似恒定，从而引入主动信道老化（ACA, active channel aging）并导致信道状态信息失配。为此，设计了适用于时变DRIS的Willie检测规则；在非等概先验概率下，以总检测差错概率衡量检测性能，以信号-干扰-噪声比（SJNR, signal-to-jamming-plus-noise ratio）衡量通信性能，并推导了最优检测阈值及相关理论表达式。仿真结果表明：在发射功率为5 dBm时，相比无DRIS方案，DRIS可使Willie的总检测差错概率降低约63.4%，同时使Bob侧可达速率下降约41.9%；固定RIS虽可使可达速率提升约5.7%，但其总检测差错概率却比无DRIS方案高8.43倍。结果表明，DRIS会同时增强Willie的检测能力并破坏合法隐蔽链路，对IoT隐蔽通信构成严重安全威胁。关键词：物联网;隐蔽通信;可重构智能表面;信号检测;信道老化5|1|0更新时间：2026-04-10
- 摘要：低空经济作为国家战略性新兴产业，正加速推动先进空中交通系统（Advanced Air Mobility，AAM）从传统地面交通向全域化、高密度低空运行模式转型。然而，复杂城市场景中的通信干扰、感知精度不足、飞行安全隐患及能耗约束等因素，严重制约了AAM系统的实际应用效能。本文针对AAM场景下无人机编队协同感知与控制的关键挑战，提出一种融合感知优化与能耗控制的协同编队方法。首先，创新性地构建了以编队飞行能耗最小化为目标函数、以面向协同感知的克拉美罗下界（CRLB）和通信信噪比为约束条件的联合优化模型；基于Lyapunov稳定性理论设计梯度控制算法，求解满足感知精度要求的最优编队方位构型。其次，提出一种改进型势场控制方法，通过优化斥力生效范围、引入相对速度动态调节机制、设计补偿力突破局部极小值陷阱，并融合空气阻力物理模型，显著提升了编队在复杂环境中的避障能力与飞行稳定性。仿真实验表明，所提方法能在满足协同感知精度阈值的前提下，实现无人机编队能耗的显著优化，同时确保复杂干扰环境下的协同感知能力，保障安全飞行。关键词：先进空中交通;编队协同感知;Lyapunov方法;改进势场方法;飞行能耗8|2|0更新时间：2026-04-10
- 摘要：在低轨卫星网络中，受卫星轨道参数和地面站位置分布的影响，当遇到大规模交叉流量并行传输时，许多流量会同时经过关键节点导致链路拥塞，从而降低整个系统的性能甚至无法正常通信。针对这个问题，首先利用虚拟拓扑法将卫星轨迹的动态变化转化成一系列时序静态拓扑图。其次，结合节点的度属性与其邻边的边介数信息，从信息传输角度对每个时隙的卫星节点重要度进行评估，并进一步提出基于关键节点分析的低轨卫星通信系统负载优化策略，依据每个节点的重要度评估值对路径进行规划，缓解高负载下关键节点的传输压力，为处理低轨卫星网络中的节点拥塞问题提出了一个新思路。最后，在Hypatia平台的基础上对所提出的负载优化策略进行了仿真验证。结果表明，与常用的最短路径路由方法相比，所提出的负载优化策略能够在高负载情况下有效利用原本闲置的链路，并合理规避易拥塞的卫星节点，在提升系统吞吐量的同时降低信息传输的端到端时延。关键词：低轨卫星系统;复杂网络;负载优化;关键节点22|10|0更新时间：2026-03-03
- 摘要：无人机通感一体化（UAV - ISAC，Unmanned Aerial Vehicle Integrated Sensing and Communication）场景中，由于干扰的存在使得总传输数据速率与总功耗性能变差，本文针对该问题提出基于干扰消除的多维能量有效方案。首先建立干扰模型，全面考虑通信信号、感知信号以及感知信号与通信信号之间的干扰,本文把通信和感知总传输数据速率与总功耗之比作为能量效率优化的目标，以通信权重和感知权重为维度参数，构建多维能效函数，并提出基于粒子群优化算法（PSO，Particle Swarm Optimization）的丁克巴赫（Dinkelbach）算法优化二维权重参数来最大化能效。仿真结果表明，PSO+Dinkelbach算法的的复杂度比传统Dinkelbach算法提高了44%，能效提升了63%。不仅在能量效率(EE, Energy-Efficient)上有所提高，还能更快收敛到最优解。关键词：通感一体化;无人机;干扰建模;能效优化22|17|0更新时间：2026-03-03
- 摘要：针对海上移动边缘网络中用户移动性强、任务依赖关系复杂及空中辅助节点（AAN）轨迹规划受限等问题，本文提出一种用户移动感知的空海协同任务卸载方法。通过构建由用户层、AAN层和边缘层组成的空海协同计算架构，建立以最小化系统平均成本（时延与能耗）为目标的优化模型，综合考虑任务间依赖关系、资源分配约束及AAN三维空间位移安全限制。创新性地提出基于K-means的动态用户集群划分机制，周期性地根据移动设备（MD）位置更新集群归属关系，确保AAN高效跟踪动态用户；设计异构多智能体深度强化学习框架（TD3-HAO算法），实现依赖性子任务卸载决策、计算资源分配与AAN三维飞行轨迹的联合优化。仿真结果表明，相较于LOCAL、DDPG等基准算法，所提方案在MD数量增至25时仍能维持平均系统成本较最优解偏差小于3%，时延降低16.94%-38.34%，有效解决传统方法中因忽略任务依赖性和节点同质性导致的资源利用率低下问题，为空海协同边缘计算提供理论支撑。关键词：海上移动边缘网络;空中辅助节点;任务依赖性卸载;三维轨迹优化;异构多智能体强化学习10|10|0更新时间：2026-03-03
- 摘要：建筑工地的复杂环境给工人安全帽佩戴检测带来了极大的挑战。为精准辨识复杂施工环境中作业人员安全帽佩戴情况，有效降低安全事故发生率，提出了一种基于可变形卷积的工人安全帽佩戴检测算法。该算法在YOLOv8骨干网络部分融合可变形卷积模块，缓解了传统标准卷积层使用固定几何结构提取特征时限制模型建模能力的问题，提升了对复杂施工环境的分析识别能力；通过图像几何变换和像素级处理方法，丰富训练样本数量以提升检测模型在不同工地场景中的泛化能力。将该算法部署到Jetson TX2，编写目标检测软件，实现了实际建筑工地场景的现场检测。实验表明：该模型能在复杂施工环境下完成工人的安全帽佩戴检测，在标准数据集上识别准确率为95.2%，且具有一定鲁棒性，可向各类施工现场进行推广。关键词：YOLOv8;工地现场;不安全行为检测;可变形卷积;目标识别17|40|0更新时间：2026-03-03
- 摘要：近年来，深度学习技术被广泛地应用于基于信道状态信息(Channel State Information，CSI)的指纹定位领域，并展现出高可靠的定位精度。然而，基于深度学习的指纹定位方法大多依赖于多层次的网络模型结构来提取具有判别性的位置特征，此过程伴随着大量的模型参数和密集的计算操作，对设备的硬件资源占用较高。特别是对于资源有限的智能手机而言，这会为其带来不容忽视的负担。为此，本文提出一种新颖的智能手机CSI轻量级指纹定位模型，（1）通过设计简洁高效的特征提取模块，仅用少量参数的线性层与卷积层结合特征融合机制，兼顾模型轻量化与特征提取能力；（2）引入数据增强模块，通过生成非参考点CSI数据，扩充训练样本空间，显著提升模型对未经训练位置的鉴别能力。本文在两种典型的室内场景下开展实验，与最优的基准模型相比，本文提出的定位模型在两种场景下的平均RMSE降低了12.5%，并且单次定位的推理时间仅为0.08秒。实验结果表明，本文提出的定位模型不仅能够有效提高定位精度，还明显缩短了定位所需时间。关键词：智能手机CSI;室内定位;深度学习;轻量级模型22|15|0更新时间：2026-03-03
- 摘要：在低轨卫星（LEO, low earth orbit）通信系统中，针对星地链路高速运动引发的时延动态变化以及低信噪比的信道环境，传统的信道估计算法性能表现较差等问题，在正交频分复用（OFDM, Orthogonal Frequency Division Mul-tiplexing）的框架下，提出一种基于深度神经网络（DNN, deep neural networks）与信道响应分块合并结合的低轨卫星通信系统的信道估计算法，可有效提升低轨卫星非地面网络（NTN, non-terrestrial networks）通信环境中数据传输的可靠性与稳定性。该算法将频域导频信道响应矩阵进行分块平均，并结合深度神经网络，在不同时延与噪声的信道场景下，自适应得到导频信道响应分块合并数的最优映射。将该算法与现有的信道估计算法在动态随机时延情况下的误码率性能曲线进行仿真对比。仿真结果表明，该算法相对于传统信道估计算法，在添加动态随机时延情况下，同一信噪比下误码率更低，具有较强的鲁棒性，同时相比于现有的神经网络信道估计算法，能适应较大时延与时延变化情况，具有更强的泛化性。关键词：低轨卫星;非地面网络;信道估计;深度神经网络;正交频分复用20|7|0更新时间：2026-03-03
- 摘要：基于物联网的环境监测体系是森林火灾早期预警的重要基础设施，对遏制灾害蔓延具有决定性作用。然而，部署于野外的监测终端存在通信带宽受限、计算能力弱、能源供给有限的问题，使其既难以将大量高清图像实时回传，又无法在设备端部署并运行复杂的神经网络模型。为此，本文设计了一种基于“端-云”协同的森林火灾识别方法。通过在监测终端上部署轻量级识别模型和卸载模型，终端采集到的大部分图像可以在边缘侧完成本地识别；仅当轻量级模型难以准确识别的少量图像，才通过物联网网络卸载到森林防火指挥中心进行云端识别，从而在满足物联网应用对低延迟、低带宽和低能耗核心需求的同时，兼顾了识别准确性。所设计的轻量级森林火灾图像识别模型结合了Ghost Module和ShuffleNetv2，并引入ECA（Efficient Channel Attention）注意力模块，显著降低了对计算和存储资源的需求。为了提高卸载决策在动态物联网环境下的有效性，提出了一种融合噪声网络的双缓冲区近端策略优化算法（Noisy Double Proximal Policy Optimization，NDPPO）来训练卸载模型。通过对比实验验证了所提出的面向物联网的轻量级森林火灾协同识别方法的有效性。关键词：森林火灾识别;轻量级模型;协同识别;策略优化算法;物联网监测终端11|12|0更新时间：2026-03-03
- 摘要：肺结节的精准分割是肺癌早期筛查与临床诊断的关键前提，然而 CT 影像中结节存在形态不规则、边界模糊、尺寸差异大（从几毫米到数十毫米）等问题，且易受血管、胸膜等周围组织干扰，导致传统深度学习分割方法（如 U-Net、基线 V-Net）存在边界定位误差大、小病灶漏诊率高、分割一致性差等局限；此外，固定感兴趣区域（ROI）的设置易造成目标信息冗余或关键细节丢失，进一步制约分割精度。针对上述挑战，本研究提出一种两阶段肺结节分割方法，结合自适应ROI算法与多视角三维分割策略。第一阶段采用V-Net架构沿轴向进行初始分割，通过创新的 A-ROI 算法动态调整ROI位置和尺寸，保持结节与ROI面积比低于阈值 RT（经实验确定为 0.6），减少无关组织干扰；第二阶段沿冠状和矢状轴进行补丁式分析，最终通过共识模块整合多平面预测结果（一致性比率设为 50%），提升分割稳定性。在 LUNA16和LNDb公开数据集上的实验表明，该方法Dice 系数分别达92.6%和92.3%，较基线V-Net提升6.2和6.1个百分点，Hausdorff 距离降低至 2.92±1.89mm；相较于传统 U-Net，分割精度亦有显著提升。消融实验验证：自适应 ROI 使边界误差减少 37.5%，多平面协同分析提升形状相似度 29.8%，能有效解决CT 影像中结节分割的核心挑战，为临床肺癌早期精准诊断与疗效评估提供可靠技术支持。关键词：肺结节;自适应ROI算法;多视角分割;V-Net架构;分割稳定性16|10|0更新时间：2026-03-03
- 摘要：电致发光（EL）成像技术结合基于特征提取的监督学习方法常常被用于光伏电池的异常检测，但监督学习不仅标记成本高昂，且难以检测出训练集中没有的异常模式。无监督学习方法有助于解决上述问题，然而如何高效利用多尺度特征进行无监督异常检测仍缺乏成熟的范式。对此，本文提出了一种新颖的基于EL图像的无监督光伏电池异常检测方案—MFRAD。首先，利用深度卷积网络提取光伏电池EL图像的多尺度特征。其次，针对高维多尺度特征设计了高效的对抗重构模块。最后，综合特征空间和潜在空间中的重构误差组成异常评分，实现光伏电池异常的有效检测。实验结果表明，MFRAD在单晶和多晶光伏电池EL数据集上各取得了0.956，0.868的ROC-AUC，优于其他无监督异常检测方法。关键词：电致发光;无监督学习;深度卷积网络;多尺度特征;对抗性重构18|7|0更新时间：2026-03-03
- 摘要：无源物联网（AIoT，ambient internet of things）、低功耗广域覆盖（LPWA，low power wide area）、低功耗唤醒信号和接收机（LP-WUS/WUR，low power wake up signal and radio）等技术，是低功耗系统设计的关键使能技术。面向第六代移动通信（6G，6th generation mobile networks）低功耗系统，需要设计一种低功耗、广覆盖的波形技术。幅度键控（ASK，amplitude shift keying）、相位键控（PSK，phase shift keying）等波形虽然实现简单，但因其抗干扰能力差而无法满足6G广覆盖需求；正交频分复用（OFDM，orthogonal frequency division multiplexing）的波形技术存在实现复杂且功耗较高的缺点。基于此，主要论述基于啁啾（Chirp）波形的6G低功耗系统统一波形设计，包括原理介绍、性能分析、硬件架构、6G标准化分析等；最后，讨论基于Chirp波形的未来研究方向和技术挑战。关键词：6G;蜂窝网络;啁啾波形;啁啾扩频通信;标准化研究22|1|0更新时间：2026-03-03
- 摘要：为解决物联网（Internet of Things，IoT）设备产生的异构计算任务需要高效调度的问题，提出基于扩散强化学习（Diffusion Reinforcement Learning，DiffRL）的无人机（Unmanned Aerial Vehicle，UAV）通信网络与任务卸载系统，主要创新点包括：(1)扩散强化学习卸载决策框架，通过去噪扩散隐式模型（Denoising Diffusion Implicit Model，DDIM）采样技术将采样步数从50步减少到15步，加速70%的采样过程，同时保持98%的决策质量；(2)能量导向无人机轨迹规划算法，降低系统总能耗15.3%；(3) 实现DiffRL决策与轨迹规划的紧耦合，解决动态环境下多目标优化问题。实验表明，本系统在能耗和任务延迟方面较传统方法均有提升，在任务卸载决策中比传统深度Q网络（Deep Q-Network，DQN）和深度确定性策略梯度（Deep Deterministic Policy Gradient，DDPG）算法分别降低任务延迟30.2%和9.2%。关键词：UAV通信网络;扩散强化学习;移动边缘计算;任务卸载决策19|8|0更新时间：2026-03-03
- 摘要：针对类增量目标检测模型在检测过程中存在噪声干扰、旧类边界不稳定以及新旧类学习不平衡等问题，本文对CL-DETR模型进行改进，提出了一种基于课程式学习蒸馏的类增量目标检测模型CC-DETR。首先，构建噪声抗扰的协同净化模块，在伪标签净化与前景引导蒸馏的同时，实现了标签噪声的过滤和背景噪声干扰的抑制；其次，引入基于知识巩固的边界蒸馏，仅对旧类通道应用KL蒸馏以稳定旧类决策边界；最后，设计课程式学习蒸馏策略，使得模型在训练前期能够快速学习新类，而且随着训练进程的变化动态调度蒸馏权重，在学习新类的同时稳定旧类。实验表明，在COCO数据集70+10和40+40划分设置下，检测精度分别达到了40.9%和39.1%，较CL-DETR分别提升了1.9%和2.4%，并优于目前主流的类增量目标检测算法；同时在推理结构相同的前提下FPS提高了9.7%，训练时长缩短了25.4%，能够更好的适用于实际类增量目标检测场景。关键词：目标检测;类增量;知识蒸馏;动态权重引导6|0|0更新时间：2026-03-03
- 摘要：为解决电容式浓度预测在样本稀疏与噪声干扰下精度下降的问题，本研究提出一种基于数据增强的图卷积神经网络（GCN, Graph Convolutional Network）的浓度预测方法。对射频识别（RFID, Radio Frequency Identification）无线传感系统采集的实验数据，先采用插值提高数据密度，再通过卡尔曼滤波从观测序列中提取隐变量并与原特征拼接以扩充维度；然后构建含深度残差连接的GCN，学习电容与浓度之间的非线性映射，并采用不同图卷积方法进行性能评估。实验结果表明，该方法浓度预测的平均相对误差（MRE, Mean Relative Error）为2.35%，明显低于线性递减权重的粒子群优化等现有方法。此外，在不同的图卷积方法下，其预测性能仍保持稳定。由此可见，本研究提出的基于数据增强的图卷积神经网络架构，能有效解决数据稀疏、含噪情况下盐溶液浓度检测的准确性与鲁棒性问题，具有向多盐体系与复杂工况推广应用的潜力。关键词：浓度预测;数据增强;插值;卡尔曼滤波;图卷积网络（GCN）;残差连接17|7|0更新时间：2026-03-03
- 摘要：在智能反射面（Reconfigurable Intelligent Surface, RIS）辅助的去蜂窝（Cell-Free, CF）大规模多输入多输出（massive Multiple-Input Multiple-Output, m-MIMO）的上行链路中，中央处理单元（Central Processing Unit, CPU）在检测海量信号时需要进行大规模运算的同时，重复且频繁的RIS相位设计和调控将会导致其负荷急剧增长，尤其是在RIS具有成百上千的反射单元的情况下，将会导致CPU硬件负荷严重过载。鉴于此，面向具有大量RIS反射单元的RIS-CF-m-MIMO系统，为了在降低CPU负荷的同时提升上行链路的检测效果，本文引入了数据处理中心来分担RIS的调控任务，并在此基础上提出了RIS-CF-m-MIMO上行链路基于分组卷积神经网络（Group-Convolutional-Neural-Network，G-CNN）的检测方法，推导了其所能获得的理论误比特率（Bit Error Rate, BER）和可达和频谱效率（Achievable sum-Spectral Efficiency, ASSE）的闭式表达式。仿真结果验证了其有效性和正确性。在4发32收且采用4-正交幅度调制信号且存在0.05信道估计误差的RIS-CF-m-MIMO上行链路中，在CPU对级联信道状态信息均未知的情况下，且在平均接收信噪比为14dB处：本文提出的G-CNN检测方法在BER和ASSE两项性能上均能达到其理论值，且该方法的BER相较于传统迫零检测方法与CNN检测方法降低了约5个数量级，其ASSE相较于迫零检测方法提升了约5.5倍，相较CNN检测方法提升了约64.2%。关键词：智能反射面;去蜂窝大规模MIMO上行链路;分组CNN检测方法11|0|0更新时间：2026-03-03
- 摘要：超宽带雷达通过无线感知实现人数检测和生命体征监测，现有方法依赖统计特征或轻量级神经网络，在多种任务间的迁移与泛化能力有限。鉴于大语言模型的优异跨模态学习能力，提出了基于大语言模型的超宽带雷达多任务微调框架UWB-LLM，结合混合专家与低秩适应方法实现将雷达信号的时序特征映射至大语言模型嵌入空间并高效微调。在自采集数据集和公开数据集上，分别对人数检测任务及呼吸、心电图与连续血压三种生命体征信号估计任务进行训练和评估。实验结果表明UWB-LLM在人数检测准确率和三种生命体征信号估计任务的相关系数较现有算法平均提升了37.62%、7.47%、18.16%和14.70%（相关代码与数据集已开源
1 ）。关键词：大语言模型;超宽带雷达;人数检测;生命体征监测;多任务学习;混合专家35|8|0更新时间：2026-03-03 - 摘要：随着智能座舱交互技术的发展，非接触式手势识别已成为车载人机交互的重要补充。针对传统视觉与雷达方案在隐私保护、部署成本及覆盖范围方面的固有局限，提出了一种新型的手势静音控制系统。该方案复用车载分布式的多扬声器与多麦克风阵列，构建低成本的近场手势识别系统。该系统通过发送高频声学信号，并提取手部动作引起的信道冲激响应变化来识别静音手势。具体而言，为消除系统延迟，首先创建一个电回环通道以提取参考信号，该信号可用于动态计算系统延迟，实现准确的信道冲激响应的时间对齐。其次，提出了单通道多维特征判决与多通道协同决策的融合方案，通过两者的协同优化实现预设手势与环境干扰的精准区分。在多场景下开展的实验验证表明，系统静音手势识别准确率超过98%，误报率低于1.5%，响应时间小于0.05秒。关键词：车载声学感知;手势静音控制;非接触式手势识别;智能座舱16|0|0更新时间：2026-03-03
- 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
- 总访问量：202611 今日访问量：12
0