郵件訂閱
當(dāng)期目錄
2025年 第47卷 第1期
顯示方式:
2025,
47(1):
1-21. doi: 10.11999/JEIT240012
摘要:
通信感知一體化(ISAC)需要通信和感知共用無(wú)線電頻段和硬件資源。多頻段、大帶寬、通信感知對(duì)硬件的要求不同等特點(diǎn)對(duì)通信感知一體化硬件設(shè)計(jì)提出更高要求。該文對(duì)后5G, 6G, WiFi等通信感知一體化的硬件設(shè)計(jì)、驗(yàn)證技術(shù)，以及硬件系統(tǒng)性驗(yàn)證平臺(tái)進(jìn)行歸納，對(duì)國(guó)內(nèi)外近年相關(guān)硬件設(shè)計(jì)研究及其驗(yàn)證情況進(jìn)行綜述，關(guān)注通信感知兩種系統(tǒng)對(duì)硬件的需求矛盾、帶內(nèi)全雙工(IBFD)自干擾消除(SIC)、功放(PA)效率、電路性能對(duì)建模要求更高等硬件設(shè)計(jì)挑戰(zhàn)。首先，總結(jié)、比較已有研究中通信感知一體化收發(fā)信機(jī)架構(gòu)設(shè)計(jì)。然后，介紹、分析現(xiàn)有通信感知一體化帶內(nèi)全雙工自干擾抑制方案、低峰均功率比(PAPR)波形與高性能PA設(shè)計(jì)、器件高精度建模方法以及硬件系統(tǒng)性驗(yàn)證平臺(tái)。最后，總結(jié)全文并對(duì)未來(lái)通信感知一體化硬件設(shè)計(jì)所面臨的開(kāi)放性問(wèn)題進(jìn)行展望。
通信感知一體化(ISAC)需要通信和感知共用無(wú)線電頻段和硬件資源。多頻段、大帶寬、通信感知對(duì)硬件的要求不同等特點(diǎn)對(duì)通信感知一體化硬件設(shè)計(jì)提出更高要求。該文對(duì)后5G, 6G, WiFi等通信感知一體化的硬件設(shè)計(jì)、驗(yàn)證技術(shù)，以及硬件系統(tǒng)性驗(yàn)證平臺(tái)進(jìn)行歸納，對(duì)國(guó)內(nèi)外近年相關(guān)硬件設(shè)計(jì)研究及其驗(yàn)證情況進(jìn)行綜述，關(guān)注通信感知兩種系統(tǒng)對(duì)硬件的需求矛盾、帶內(nèi)全雙工(IBFD)自干擾消除(SIC)、功放(PA)效率、電路性能對(duì)建模要求更高等硬件設(shè)計(jì)挑戰(zhàn)。首先，總結(jié)、比較已有研究中通信感知一體化收發(fā)信機(jī)架構(gòu)設(shè)計(jì)。然后，介紹、分析現(xiàn)有通信感知一體化帶內(nèi)全雙工自干擾抑制方案、低峰均功率比(PAPR)波形與高性能PA設(shè)計(jì)、器件高精度建模方法以及硬件系統(tǒng)性驗(yàn)證平臺(tái)。最后，總結(jié)全文并對(duì)未來(lái)通信感知一體化硬件設(shè)計(jì)所面臨的開(kāi)放性問(wèn)題進(jìn)行展望。
2025,
47(1):
22-34. doi: 10.11999/JEIT240308
摘要:
反演光刻技術(shù)(ILT)相比傳統(tǒng)的光學(xué)臨近效應(yīng)修正(OPC)，生成的掩模具有成像效果更好，工藝窗口更大等優(yōu)點(diǎn)，在當(dāng)前芯片制造的工藝尺寸不斷減小的背景下，逐漸成為主流的光刻掩模修正技術(shù)。該文首先介紹了反演光刻算法的基本原理和幾種主流實(shí)現(xiàn)方法；其次，調(diào)研了當(dāng)前反演光刻技術(shù)應(yīng)用在光刻掩模優(yōu)化問(wèn)題上的研究進(jìn)展，分析了反演光刻技術(shù)的優(yōu)勢(shì)和存在的問(wèn)題。以希望為計(jì)算光刻及相關(guān)研究領(lǐng)域的研究人員提供參考，為我國(guó)先進(jìn)集成電路產(chǎn)業(yè)的發(fā)展提供技術(shù)支持。
反演光刻技術(shù)(ILT)相比傳統(tǒng)的光學(xué)臨近效應(yīng)修正(OPC)，生成的掩模具有成像效果更好，工藝窗口更大等優(yōu)點(diǎn)，在當(dāng)前芯片制造的工藝尺寸不斷減小的背景下，逐漸成為主流的光刻掩模修正技術(shù)。該文首先介紹了反演光刻算法的基本原理和幾種主流實(shí)現(xiàn)方法；其次，調(diào)研了當(dāng)前反演光刻技術(shù)應(yīng)用在光刻掩模優(yōu)化問(wèn)題上的研究進(jìn)展，分析了反演光刻技術(shù)的優(yōu)勢(shì)和存在的問(wèn)題。以希望為計(jì)算光刻及相關(guān)研究領(lǐng)域的研究人員提供參考，為我國(guó)先進(jìn)集成電路產(chǎn)業(yè)的發(fā)展提供技術(shù)支持。
2025,
47(1):
35-47. doi: 10.11999/JEIT240241
摘要:
第六代(6G)移動(dòng)通信網(wǎng)絡(luò)需要為大規(guī)模節(jié)點(diǎn)提供高可靠低時(shí)延通信(URLLC)服務(wù)。為此，該文針對(duì)多用戶大規(guī)模多輸入多輸出(MIMO)技術(shù)輔助的URLLC下行通信場(chǎng)景，基于有限碼長(zhǎng)( FBL)域理論表征系統(tǒng)性能，以用戶速率公平性為目標(biāo)，提出一種高效的功率分配算法。具體而言，該文首先針對(duì)傳統(tǒng)MIMO中基于全局奇異值分解(SVD)的線性預(yù)編碼方案復(fù)雜度高、不能兼顧用戶公平性等問(wèn)題，設(shè)計(jì)基于局部SVD的預(yù)編碼方案，以相對(duì)較低的復(fù)雜度實(shí)現(xiàn)對(duì)MIMO用戶間干擾和用戶內(nèi)干擾的有效抑制。其次，該文以功率分配因子為優(yōu)化變量、以最大化最小用戶速率(MMR)為目標(biāo)構(gòu)建優(yōu)化問(wèn)題。為解決所構(gòu)建的高維變量耦合非凸問(wèn)題，該文通過(guò)引入輔助變量、分段McCormick包絡(luò)將目標(biāo)函數(shù)中香農(nóng)容量相關(guān)項(xiàng)凸松弛處理，實(shí)現(xiàn)MMR問(wèn)題重構(gòu)。進(jìn)而該文提出基于連續(xù)凸近似(SCA)的優(yōu)化算法有效求解MMR問(wèn)題。仿真結(jié)果驗(yàn)證了所提優(yōu)化算法的收斂性與準(zhǔn)確性，同時(shí)也表明所提優(yōu)化方案相比于現(xiàn)有方案在系統(tǒng)MMR性能和魯棒性上均具有優(yōu)勢(shì)。
第六代(6G)移動(dòng)通信網(wǎng)絡(luò)需要為大規(guī)模節(jié)點(diǎn)提供高可靠低時(shí)延通信(URLLC)服務(wù)。為此，該文針對(duì)多用戶大規(guī)模多輸入多輸出(MIMO)技術(shù)輔助的URLLC下行通信場(chǎng)景，基于有限碼長(zhǎng)( FBL)域理論表征系統(tǒng)性能，以用戶速率公平性為目標(biāo)，提出一種高效的功率分配算法。具體而言，該文首先針對(duì)傳統(tǒng)MIMO中基于全局奇異值分解(SVD)的線性預(yù)編碼方案復(fù)雜度高、不能兼顧用戶公平性等問(wèn)題，設(shè)計(jì)基于局部SVD的預(yù)編碼方案，以相對(duì)較低的復(fù)雜度實(shí)現(xiàn)對(duì)MIMO用戶間干擾和用戶內(nèi)干擾的有效抑制。其次，該文以功率分配因子為優(yōu)化變量、以最大化最小用戶速率(MMR)為目標(biāo)構(gòu)建優(yōu)化問(wèn)題。為解決所構(gòu)建的高維變量耦合非凸問(wèn)題，該文通過(guò)引入輔助變量、分段McCormick包絡(luò)將目標(biāo)函數(shù)中香農(nóng)容量相關(guān)項(xiàng)凸松弛處理，實(shí)現(xiàn)MMR問(wèn)題重構(gòu)。進(jìn)而該文提出基于連續(xù)凸近似(SCA)的優(yōu)化算法有效求解MMR問(wèn)題。仿真結(jié)果驗(yàn)證了所提優(yōu)化算法的收斂性與準(zhǔn)確性，同時(shí)也表明所提優(yōu)化方案相比于現(xiàn)有方案在系統(tǒng)MMR性能和魯棒性上均具有優(yōu)勢(shì)。
2025,
47(1):
48-56. doi: 10.11999/JEIT240302
摘要:
隨著無(wú)人機(jī)(UAV)系統(tǒng)的規(guī)模持續(xù)擴(kuò)大以及對(duì)更高通信速率的需求增長(zhǎng)，UAV光移動(dòng)通信(UAV-OMC)已經(jīng)成為一個(gè)有前景的技術(shù)方向。然而，傳統(tǒng)的UAV-OMC難以支持多UAV之間的通信。該文基于光學(xué)智能反射表面(OIRS)技術(shù)，提出一個(gè)適用于UAV群的分布式OMC系統(tǒng)。通過(guò)在特定的UAV上設(shè)置OIRS，利用OIRS將光信號(hào)從單個(gè)UAV節(jié)點(diǎn)擴(kuò)散到多個(gè)UAV節(jié)點(diǎn)。這一系統(tǒng)在保留UAV-OMC系統(tǒng)的高能效和高速度的同時(shí)，能夠支持分布式UAV群的通信。對(duì)所提出的系統(tǒng)進(jìn)行了數(shù)學(xué)建模，考慮了一系列現(xiàn)實(shí)因素，如OIRS的光束控制、UAV之間的相對(duì)運(yùn)動(dòng)和UAV的抖動(dòng)等，這些因素都符合實(shí)際系統(tǒng)的特點(diǎn)。此外，該文還推導(dǎo)出了系統(tǒng)的誤比特率(BER)和漸進(jìn)中斷概率的閉式表達(dá)式?；诶碚摲治龊湍M結(jié)果，討論了各個(gè)參數(shù)和系統(tǒng)設(shè)計(jì)的影響。
隨著無(wú)人機(jī)(UAV)系統(tǒng)的規(guī)模持續(xù)擴(kuò)大以及對(duì)更高通信速率的需求增長(zhǎng)，UAV光移動(dòng)通信(UAV-OMC)已經(jīng)成為一個(gè)有前景的技術(shù)方向。然而，傳統(tǒng)的UAV-OMC難以支持多UAV之間的通信。該文基于光學(xué)智能反射表面(OIRS)技術(shù)，提出一個(gè)適用于UAV群的分布式OMC系統(tǒng)。通過(guò)在特定的UAV上設(shè)置OIRS，利用OIRS將光信號(hào)從單個(gè)UAV節(jié)點(diǎn)擴(kuò)散到多個(gè)UAV節(jié)點(diǎn)。這一系統(tǒng)在保留UAV-OMC系統(tǒng)的高能效和高速度的同時(shí)，能夠支持分布式UAV群的通信。對(duì)所提出的系統(tǒng)進(jìn)行了數(shù)學(xué)建模，考慮了一系列現(xiàn)實(shí)因素，如OIRS的光束控制、UAV之間的相對(duì)運(yùn)動(dòng)和UAV的抖動(dòng)等，這些因素都符合實(shí)際系統(tǒng)的特點(diǎn)。此外，該文還推導(dǎo)出了系統(tǒng)的誤比特率(BER)和漸進(jìn)中斷概率的閉式表達(dá)式?；诶碚摲治龊湍M結(jié)果，討論了各個(gè)參數(shù)和系統(tǒng)設(shè)計(jì)的影響。
2025,
47(1):
57-65. doi: 10.11999/JEIT240590
摘要:
針對(duì)農(nóng)村偏遠(yuǎn)地區(qū)通信不暢的臨時(shí)突發(fā)性問(wèn)題，該文提出一種自適應(yīng)的多無(wú)人機(jī)(UAV)輔助通感一體化(ISAC)機(jī)制，在地面用戶和感測(cè)目標(biāo)呈簇狀隨機(jī)分布的情況下，通過(guò)合理調(diào)度多無(wú)人機(jī)實(shí)現(xiàn)覆蓋式通信保障，為無(wú)人機(jī)使能的通感一體系統(tǒng)提供了一種新的解決思路和方案。該文主要研究了無(wú)人機(jī)空間部署及其對(duì)地面設(shè)備的波束成形等問(wèn)題，在空地關(guān)聯(lián)約束條件下，系統(tǒng)可通過(guò)優(yōu)化無(wú)人機(jī)的通信和感知波束成形變量組，最大限度地提高用戶傳輸可達(dá)速率的下限，同時(shí)保證基本的通感需求。為了有效解決所考慮的非凸優(yōu)化問(wèn)題，該文借助基于高斯核的均值漂移算法(MS)，用以處理關(guān)聯(lián)策略中的混合整型線性問(wèn)題，此外，結(jié)合2次變換與連續(xù)凸逼近(SCA)的相關(guān)技巧，采用塊坐標(biāo)下降(BCD)的方式優(yōu)化波束成形，以獲取次優(yōu)解。數(shù)值結(jié)果驗(yàn)證了自適應(yīng)機(jī)制的有效性。
針對(duì)農(nóng)村偏遠(yuǎn)地區(qū)通信不暢的臨時(shí)突發(fā)性問(wèn)題，該文提出一種自適應(yīng)的多無(wú)人機(jī)(UAV)輔助通感一體化(ISAC)機(jī)制，在地面用戶和感測(cè)目標(biāo)呈簇狀隨機(jī)分布的情況下，通過(guò)合理調(diào)度多無(wú)人機(jī)實(shí)現(xiàn)覆蓋式通信保障，為無(wú)人機(jī)使能的通感一體系統(tǒng)提供了一種新的解決思路和方案。該文主要研究了無(wú)人機(jī)空間部署及其對(duì)地面設(shè)備的波束成形等問(wèn)題，在空地關(guān)聯(lián)約束條件下，系統(tǒng)可通過(guò)優(yōu)化無(wú)人機(jī)的通信和感知波束成形變量組，最大限度地提高用戶傳輸可達(dá)速率的下限，同時(shí)保證基本的通感需求。為了有效解決所考慮的非凸優(yōu)化問(wèn)題，該文借助基于高斯核的均值漂移算法(MS)，用以處理關(guān)聯(lián)策略中的混合整型線性問(wèn)題，此外，結(jié)合2次變換與連續(xù)凸逼近(SCA)的相關(guān)技巧，采用塊坐標(biāo)下降(BCD)的方式優(yōu)化波束成形，以獲取次優(yōu)解。數(shù)值結(jié)果驗(yàn)證了自適應(yīng)機(jī)制的有效性。
2025,
47(1):
66-74. doi: 10.11999/JEIT240083
摘要:
為了解決6G通感一體化系統(tǒng)(ISAC)中信息傳輸安全以及頻譜緊張的問(wèn)題，該文提出一種智能反射面(IRS)輔助ISAC系統(tǒng)安全資源分配算法。首先，在IRS-ISAC系統(tǒng)中，用戶受到竊聽(tīng)者的惡意攻擊時(shí)，通過(guò)干擾機(jī)發(fā)射的干擾信號(hào)和IRS智能地調(diào)節(jié)反射相移，重新配置傳輸環(huán)境，以提高系統(tǒng)的物理層安全。其次，考慮在基站和干擾機(jī)的最大發(fā)射功率約束，IRS反射相移約束以及雷達(dá)的信干噪比約束下，建立一個(gè)聯(lián)合優(yōu)化基站發(fā)射波束成形、干擾機(jī)預(yù)編碼和IRS相移的系統(tǒng)保密率最大化優(yōu)化問(wèn)題。然后，利用交替優(yōu)化和半正定松弛(SDR)算法等方法對(duì)原非凸優(yōu)化問(wèn)題進(jìn)行轉(zhuǎn)換，求出一個(gè)能夠得到確定解的凸優(yōu)化問(wèn)題。最后提出一種基于交替迭代的安全資源分配算法。仿真結(jié)果驗(yàn)證了所提算法的安全性和有效性以及IRS-ISAC系統(tǒng)的優(yōu)越性。
為了解決6G通感一體化系統(tǒng)(ISAC)中信息傳輸安全以及頻譜緊張的問(wèn)題，該文提出一種智能反射面(IRS)輔助ISAC系統(tǒng)安全資源分配算法。首先，在IRS-ISAC系統(tǒng)中，用戶受到竊聽(tīng)者的惡意攻擊時(shí)，通過(guò)干擾機(jī)發(fā)射的干擾信號(hào)和IRS智能地調(diào)節(jié)反射相移，重新配置傳輸環(huán)境，以提高系統(tǒng)的物理層安全。其次，考慮在基站和干擾機(jī)的最大發(fā)射功率約束，IRS反射相移約束以及雷達(dá)的信干噪比約束下，建立一個(gè)聯(lián)合優(yōu)化基站發(fā)射波束成形、干擾機(jī)預(yù)編碼和IRS相移的系統(tǒng)保密率最大化優(yōu)化問(wèn)題。然后，利用交替優(yōu)化和半正定松弛(SDR)算法等方法對(duì)原非凸優(yōu)化問(wèn)題進(jìn)行轉(zhuǎn)換，求出一個(gè)能夠得到確定解的凸優(yōu)化問(wèn)題。最后提出一種基于交替迭代的安全資源分配算法。仿真結(jié)果驗(yàn)證了所提算法的安全性和有效性以及IRS-ISAC系統(tǒng)的優(yōu)越性。
2025,
47(1):
75-83. doi: 10.11999/JEIT240395
摘要:
環(huán)境反向散射通信(AmBC)是一種新型的低功耗通信技術(shù)，它能利用周?chē)h(huán)境中的射頻(RF)信號(hào)源實(shí)現(xiàn)無(wú)源信息傳輸，但由于其存在雙重衰落、障礙物阻擋等問(wèn)題，導(dǎo)致反射鏈路信號(hào)強(qiáng)度弱。為此，該文將智能反射面(IRS)引入到AmBC系統(tǒng)中用以增強(qiáng)反射鏈路增益。然而，IRS與標(biāo)簽均為無(wú)源器件使得信道估計(jì)極具挑戰(zhàn)性。為此，該文提出了一種IRS輔助的AmBC系統(tǒng)信道估計(jì)方案。首先，將信道分解為多個(gè)子信道，其中，反射鏈路的每個(gè)子信道對(duì)應(yīng)一個(gè)IRS反射單元。然后，將最小二乘(LS)法作為估計(jì)準(zhǔn)則，以最小化均方誤差(MSE)為目標(biāo)，探索了IRS反射模式與信道估計(jì)的聯(lián)合設(shè)計(jì)。仿真結(jié)果表明，該信道估計(jì)方案具有良好的估計(jì)性能。
環(huán)境反向散射通信(AmBC)是一種新型的低功耗通信技術(shù)，它能利用周?chē)h(huán)境中的射頻(RF)信號(hào)源實(shí)現(xiàn)無(wú)源信息傳輸，但由于其存在雙重衰落、障礙物阻擋等問(wèn)題，導(dǎo)致反射鏈路信號(hào)強(qiáng)度弱。為此，該文將智能反射面(IRS)引入到AmBC系統(tǒng)中用以增強(qiáng)反射鏈路增益。然而，IRS與標(biāo)簽均為無(wú)源器件使得信道估計(jì)極具挑戰(zhàn)性。為此，該文提出了一種IRS輔助的AmBC系統(tǒng)信道估計(jì)方案。首先，將信道分解為多個(gè)子信道，其中，反射鏈路的每個(gè)子信道對(duì)應(yīng)一個(gè)IRS反射單元。然后，將最小二乘(LS)法作為估計(jì)準(zhǔn)則，以最小化均方誤差(MSE)為目標(biāo)，探索了IRS反射模式與信道估計(jì)的聯(lián)合設(shè)計(jì)。仿真結(jié)果表明，該信道估計(jì)方案具有良好的估計(jì)性能。
2025,
47(1):
84-92. doi: 10.11999/JEIT240003
摘要:
作為一種基于軟硬件資源共享和信息共享的新型信息通信技術(shù)，通感一體化(ISAC)可將無(wú)線感知集成到Wi-Fi平臺(tái)，為低成本的室內(nèi)定位提供一種高效的方法。針對(duì)室內(nèi)定位參數(shù)估計(jì)實(shí)時(shí)性與準(zhǔn)確性問(wèn)題，該文提出一種基于3維矩陣束(MP)聯(lián)合參數(shù)估計(jì)算法。首先，對(duì)信道狀態(tài)信息(CSI)數(shù)據(jù)進(jìn)行分析，構(gòu)建包含到達(dá)角(AoA)、飛行時(shí)間(ToF)和多普勒頻移(DFS)的3維矩陣。其次，對(duì)3維矩陣進(jìn)行平滑處理并利用3維MP算法進(jìn)行參數(shù)估計(jì)，通過(guò)聚類(lèi)找到直達(dá)徑。最后，利用雙角定位法進(jìn)行定位，驗(yàn)證該文所提算法的有效性。實(shí)驗(yàn)結(jié)果表明，與多重信號(hào)分類(lèi)(MUSIC)參數(shù)估計(jì)算法相比，無(wú)需復(fù)雜的峰值搜索步驟，降低了90%計(jì)算復(fù)雜度。與2維MP算法相比，加入多普勒參數(shù)，使AoA估計(jì)誤差均值在會(huì)議室和教室兩種場(chǎng)景下分別降低了1.45°和2°。該文通過(guò)實(shí)際測(cè)試驗(yàn)證了所提算法在室內(nèi)可以達(dá)到在置信度67%處平均0.56 m的定位精度。因此，該文所提算法有效地改善了現(xiàn)有室內(nèi)定位參數(shù)估計(jì)的實(shí)時(shí)性和準(zhǔn)確性。
作為一種基于軟硬件資源共享和信息共享的新型信息通信技術(shù)，通感一體化(ISAC)可將無(wú)線感知集成到Wi-Fi平臺(tái)，為低成本的室內(nèi)定位提供一種高效的方法。針對(duì)室內(nèi)定位參數(shù)估計(jì)實(shí)時(shí)性與準(zhǔn)確性問(wèn)題，該文提出一種基于3維矩陣束(MP)聯(lián)合參數(shù)估計(jì)算法。首先，對(duì)信道狀態(tài)信息(CSI)數(shù)據(jù)進(jìn)行分析，構(gòu)建包含到達(dá)角(AoA)、飛行時(shí)間(ToF)和多普勒頻移(DFS)的3維矩陣。其次，對(duì)3維矩陣進(jìn)行平滑處理并利用3維MP算法進(jìn)行參數(shù)估計(jì)，通過(guò)聚類(lèi)找到直達(dá)徑。最后，利用雙角定位法進(jìn)行定位，驗(yàn)證該文所提算法的有效性。實(shí)驗(yàn)結(jié)果表明，與多重信號(hào)分類(lèi)(MUSIC)參數(shù)估計(jì)算法相比，無(wú)需復(fù)雜的峰值搜索步驟，降低了90%計(jì)算復(fù)雜度。與2維MP算法相比，加入多普勒參數(shù)，使AoA估計(jì)誤差均值在會(huì)議室和教室兩種場(chǎng)景下分別降低了1.45°和2°。該文通過(guò)實(shí)際測(cè)試驗(yàn)證了所提算法在室內(nèi)可以達(dá)到在置信度67%處平均0.56 m的定位精度。因此，該文所提算法有效地改善了現(xiàn)有室內(nèi)定位參數(shù)估計(jì)的實(shí)時(shí)性和準(zhǔn)確性。
2025,
47(1):
93-101. doi: 10.11999/JEIT231120
摘要:
衛(wèi)星物聯(lián)網(wǎng)終端低功耗、輕控制的設(shè)計(jì)需求導(dǎo)致系統(tǒng)采用常規(guī)隨機(jī)接入?yún)f(xié)議時(shí)易發(fā)生大量碰撞，難以滿足系統(tǒng)吞吐量要求?，F(xiàn)有容碰撞隨機(jī)接入技術(shù)依賴功率控制、波形積累的方式，在實(shí)際中難以實(shí)現(xiàn)。該文分析了功率域碰撞分離所需條件，提出面向功率域信號(hào)分離的輔助波束設(shè)計(jì)方案，在常規(guī)接收波束外增設(shè)輔助接收波束，通過(guò)優(yōu)化輔助波束增益構(gòu)造接收信號(hào)信噪比差異，支撐碰撞信號(hào)分離。仿真表明，所提方案能夠顯著提升隨機(jī)接入的吞吐量。
衛(wèi)星物聯(lián)網(wǎng)終端低功耗、輕控制的設(shè)計(jì)需求導(dǎo)致系統(tǒng)采用常規(guī)隨機(jī)接入?yún)f(xié)議時(shí)易發(fā)生大量碰撞，難以滿足系統(tǒng)吞吐量要求?，F(xiàn)有容碰撞隨機(jī)接入技術(shù)依賴功率控制、波形積累的方式，在實(shí)際中難以實(shí)現(xiàn)。該文分析了功率域碰撞分離所需條件，提出面向功率域信號(hào)分離的輔助波束設(shè)計(jì)方案，在常規(guī)接收波束外增設(shè)輔助接收波束，通過(guò)優(yōu)化輔助波束增益構(gòu)造接收信號(hào)信噪比差異，支撐碰撞信號(hào)分離。仿真表明，所提方案能夠顯著提升隨機(jī)接入的吞吐量。
2025,
47(1):
102-115. doi: 10.11999/JEIT240464
摘要:
針對(duì)移動(dòng)用戶數(shù)量迅猛增長(zhǎng)和地面基礎(chǔ)設(shè)施分布稀疏所帶來(lái)的挑戰(zhàn)，該文提出一種能量收集輔助的空地協(xié)同計(jì)算卸載架構(gòu)。該架構(gòu)充分利用無(wú)人機(jī)(UAVs)的靈活機(jī)動(dòng)性和路側(cè)單元(RSUs)及基站(BS)的強(qiáng)大算力，實(shí)現(xiàn)了任務(wù)計(jì)算的動(dòng)態(tài)實(shí)時(shí)分發(fā)。特別地，無(wú)人機(jī)通過(guò)能量收集來(lái)維持其持續(xù)運(yùn)行和穩(wěn)定的計(jì)算性能?？紤]到無(wú)人機(jī)與地面車(chē)輛的高動(dòng)態(tài)性、車(chē)輛計(jì)算任務(wù)的隨機(jī)性，以及信道模型的時(shí)變性，提出一個(gè)能耗受限的長(zhǎng)期優(yōu)化問(wèn)題，旨在從全局角度有效降低整個(gè)系統(tǒng)的平均時(shí)延。為了解決這一復(fù)雜的混合整數(shù)規(guī)劃(MIP)問(wèn)題，提出一種基于改進(jìn)演員-評(píng)論家(Actor-Critic)強(qiáng)化學(xué)習(xí)算法的計(jì)算卸載策略(IACA)。該算法運(yùn)用李雅普諾夫優(yōu)化技術(shù)，將長(zhǎng)期系統(tǒng)時(shí)延優(yōu)化問(wèn)題分解為一系列易于處理的幀級(jí)子問(wèn)題。然后，利用遺傳算法計(jì)算目標(biāo)Q值替代目標(biāo)神經(jīng)網(wǎng)絡(luò)輸出以調(diào)整強(qiáng)化學(xué)習(xí)進(jìn)化方向，有效避免了算法陷入局部最優(yōu)，從而實(shí)現(xiàn)動(dòng)態(tài)車(chē)輛網(wǎng)絡(luò)中的高效卸載和資源優(yōu)化。通過(guò)綜合仿真驗(yàn)證了所提計(jì)算卸載架構(gòu)和算法的可行性和優(yōu)越性。
針對(duì)移動(dòng)用戶數(shù)量迅猛增長(zhǎng)和地面基礎(chǔ)設(shè)施分布稀疏所帶來(lái)的挑戰(zhàn)，該文提出一種能量收集輔助的空地協(xié)同計(jì)算卸載架構(gòu)。該架構(gòu)充分利用無(wú)人機(jī)(UAVs)的靈活機(jī)動(dòng)性和路側(cè)單元(RSUs)及基站(BS)的強(qiáng)大算力，實(shí)現(xiàn)了任務(wù)計(jì)算的動(dòng)態(tài)實(shí)時(shí)分發(fā)。特別地，無(wú)人機(jī)通過(guò)能量收集來(lái)維持其持續(xù)運(yùn)行和穩(wěn)定的計(jì)算性能?？紤]到無(wú)人機(jī)與地面車(chē)輛的高動(dòng)態(tài)性、車(chē)輛計(jì)算任務(wù)的隨機(jī)性，以及信道模型的時(shí)變性，提出一個(gè)能耗受限的長(zhǎng)期優(yōu)化問(wèn)題，旨在從全局角度有效降低整個(gè)系統(tǒng)的平均時(shí)延。為了解決這一復(fù)雜的混合整數(shù)規(guī)劃(MIP)問(wèn)題，提出一種基于改進(jìn)演員-評(píng)論家(Actor-Critic)強(qiáng)化學(xué)習(xí)算法的計(jì)算卸載策略(IACA)。該算法運(yùn)用李雅普諾夫優(yōu)化技術(shù)，將長(zhǎng)期系統(tǒng)時(shí)延優(yōu)化問(wèn)題分解為一系列易于處理的幀級(jí)子問(wèn)題。然后，利用遺傳算法計(jì)算目標(biāo)Q值替代目標(biāo)神經(jīng)網(wǎng)絡(luò)輸出以調(diào)整強(qiáng)化學(xué)習(xí)進(jìn)化方向，有效避免了算法陷入局部最優(yōu)，從而實(shí)現(xiàn)動(dòng)態(tài)車(chē)輛網(wǎng)絡(luò)中的高效卸載和資源優(yōu)化。通過(guò)綜合仿真驗(yàn)證了所提計(jì)算卸載架構(gòu)和算法的可行性和優(yōu)越性。
2025,
47(1):
116-127. doi: 10.11999/JEIT240624
摘要:
基于單智能體強(qiáng)化學(xué)習(xí)的任務(wù)卸載算法在解決大規(guī)模多接入邊緣計(jì)算(MEC)系統(tǒng)任務(wù)卸載時(shí)，存在智能體之間相互影響，策略退化的問(wèn)題。而以多智能體深度確定性策略梯度(MADDPG)為代表的傳統(tǒng)多智能體算法的聯(lián)合動(dòng)作空間維度隨著系統(tǒng)內(nèi)智能體的數(shù)量增加而成比例增加，導(dǎo)致系統(tǒng)擴(kuò)展性變差。為解決以上問(wèn)題，該文將大規(guī)模多接入邊緣計(jì)算任務(wù)卸載問(wèn)題，描述為部分可觀測(cè)馬爾可夫決策過(guò)程(POMDP)，提出基于平均場(chǎng)多智能體的任務(wù)卸載算法。通過(guò)引入長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)解決局部觀測(cè)問(wèn)題，引入平均場(chǎng)近似理論降低聯(lián)合動(dòng)作空間維度。仿真結(jié)果表明，所提算法在任務(wù)時(shí)延與任務(wù)掉線率上的性能優(yōu)于單智能體任務(wù)卸載算法，并且在降低聯(lián)合動(dòng)作空間的維度情況下，任務(wù)時(shí)延與任務(wù)掉線率上的性能與MADDPG一致。
基于單智能體強(qiáng)化學(xué)習(xí)的任務(wù)卸載算法在解決大規(guī)模多接入邊緣計(jì)算(MEC)系統(tǒng)任務(wù)卸載時(shí)，存在智能體之間相互影響，策略退化的問(wèn)題。而以多智能體深度確定性策略梯度(MADDPG)為代表的傳統(tǒng)多智能體算法的聯(lián)合動(dòng)作空間維度隨著系統(tǒng)內(nèi)智能體的數(shù)量增加而成比例增加，導(dǎo)致系統(tǒng)擴(kuò)展性變差。為解決以上問(wèn)題，該文將大規(guī)模多接入邊緣計(jì)算任務(wù)卸載問(wèn)題，描述為部分可觀測(cè)馬爾可夫決策過(guò)程(POMDP)，提出基于平均場(chǎng)多智能體的任務(wù)卸載算法。通過(guò)引入長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)解決局部觀測(cè)問(wèn)題，引入平均場(chǎng)近似理論降低聯(lián)合動(dòng)作空間維度。仿真結(jié)果表明，所提算法在任務(wù)時(shí)延與任務(wù)掉線率上的性能優(yōu)于單智能體任務(wù)卸載算法，并且在降低聯(lián)合動(dòng)作空間的維度情況下，任務(wù)時(shí)延與任務(wù)掉線率上的性能與MADDPG一致。
2025,
47(1):
128-137. doi: 10.11999/JEIT240051
摘要:
針對(duì)可重構(gòu)智能超表面(RIS)輔助多用戶系統(tǒng)中基站和RIS聯(lián)合波束成形設(shè)計(jì)問(wèn)題，該文提出通用低復(fù)雜度聯(lián)合波束成形設(shè)計(jì)方案。首先，分析RIS輔助多用戶系統(tǒng)以最大化和數(shù)據(jù)速率為目標(biāo)的聯(lián)合波束成形非凸優(yōu)化問(wèn)題。其次，利用波束導(dǎo)向矢量近似正交性設(shè)計(jì)RIS反射矩陣，進(jìn)一步利用迫零方法設(shè)計(jì)基站發(fā)射波束成形，并對(duì)多用戶進(jìn)行功率分配優(yōu)化。最后，討論該方案適用性并對(duì)比該方案的計(jì)算復(fù)雜度相比現(xiàn)有方案降低了一個(gè)數(shù)量級(jí)。仿真結(jié)果表明，所提通用低復(fù)雜度波束成形設(shè)計(jì)可以獲得較高和數(shù)據(jù)速率，并且采用最優(yōu)功率分配可以進(jìn)一步提高和數(shù)據(jù)速率。此外，仿真結(jié)果和理論分析都表明系統(tǒng)和數(shù)據(jù)速率隨RIS位置的變化而變化，該結(jié)論為RIS位置的選擇提供參考依據(jù)。
針對(duì)可重構(gòu)智能超表面(RIS)輔助多用戶系統(tǒng)中基站和RIS聯(lián)合波束成形設(shè)計(jì)問(wèn)題，該文提出通用低復(fù)雜度聯(lián)合波束成形設(shè)計(jì)方案。首先，分析RIS輔助多用戶系統(tǒng)以最大化和數(shù)據(jù)速率為目標(biāo)的聯(lián)合波束成形非凸優(yōu)化問(wèn)題。其次，利用波束導(dǎo)向矢量近似正交性設(shè)計(jì)RIS反射矩陣，進(jìn)一步利用迫零方法設(shè)計(jì)基站發(fā)射波束成形，并對(duì)多用戶進(jìn)行功率分配優(yōu)化。最后，討論該方案適用性并對(duì)比該方案的計(jì)算復(fù)雜度相比現(xiàn)有方案降低了一個(gè)數(shù)量級(jí)。仿真結(jié)果表明，所提通用低復(fù)雜度波束成形設(shè)計(jì)可以獲得較高和數(shù)據(jù)速率，并且采用最優(yōu)功率分配可以進(jìn)一步提高和數(shù)據(jù)速率。此外，仿真結(jié)果和理論分析都表明系統(tǒng)和數(shù)據(jù)速率隨RIS位置的變化而變化，該結(jié)論為RIS位置的選擇提供參考依據(jù)。
2025,
47(1):
138-146. doi: 10.11999/JEIT240236
摘要:
作為一種通過(guò)算法智能地控制信號(hào)反射來(lái)重構(gòu)無(wú)線通信環(huán)境的新技術(shù)，智能反射面(IRS)近年來(lái)受到了廣泛關(guān)注。與傳統(tǒng)的中繼系統(tǒng)相比，IRS輔助的中繼系統(tǒng)可有效節(jié)約成本和能耗，并顯著提高系統(tǒng)性能。然而，配備離散移相器的IRS會(huì)導(dǎo)致相位量化誤差，從而降低接收機(jī)的接收性能。為了分析IRS相位量化誤差導(dǎo)致的性能損失，該文基于弱大數(shù)定律和瑞利分布，在瑞利信道下，推導(dǎo)了關(guān)于移相器量化比特?cái)?shù)的雙IRS輔助放大轉(zhuǎn)發(fā)中繼網(wǎng)絡(luò)的信噪比性能損失與可達(dá)速率的閉合表達(dá)式。此外，基于Taylor級(jí)數(shù)展開(kāi)表達(dá)式，推導(dǎo)了其近似性能損失閉合表達(dá)式。仿真結(jié)果表明，系統(tǒng)的信噪比和可達(dá)速率性能損失隨著量化比特?cái)?shù)的增加而逐漸減小，而隨著 IRS 相移元件數(shù)的增加而逐漸增大。當(dāng)量化比特?cái)?shù)為4時(shí)，系統(tǒng)的信噪比和可達(dá)速率性能損失分別小于0.06 dB 和0.03 bit/(s·Hz)。
作為一種通過(guò)算法智能地控制信號(hào)反射來(lái)重構(gòu)無(wú)線通信環(huán)境的新技術(shù)，智能反射面(IRS)近年來(lái)受到了廣泛關(guān)注。與傳統(tǒng)的中繼系統(tǒng)相比，IRS輔助的中繼系統(tǒng)可有效節(jié)約成本和能耗，并顯著提高系統(tǒng)性能。然而，配備離散移相器的IRS會(huì)導(dǎo)致相位量化誤差，從而降低接收機(jī)的接收性能。為了分析IRS相位量化誤差導(dǎo)致的性能損失，該文基于弱大數(shù)定律和瑞利分布，在瑞利信道下，推導(dǎo)了關(guān)于移相器量化比特?cái)?shù)的雙IRS輔助放大轉(zhuǎn)發(fā)中繼網(wǎng)絡(luò)的信噪比性能損失與可達(dá)速率的閉合表達(dá)式。此外，基于Taylor級(jí)數(shù)展開(kāi)表達(dá)式，推導(dǎo)了其近似性能損失閉合表達(dá)式。仿真結(jié)果表明，系統(tǒng)的信噪比和可達(dá)速率性能損失隨著量化比特?cái)?shù)的增加而逐漸減小，而隨著 IRS 相移元件數(shù)的增加而逐漸增大。當(dāng)量化比特?cái)?shù)為4時(shí)，系統(tǒng)的信噪比和可達(dá)速率性能損失分別小于0.06 dB 和0.03 bit/(s·Hz)。
2025,
47(1):
147-155. doi: 10.11999/JEIT240018
摘要:
同時(shí)透射和反射可重構(gòu)智能表面(STAR-RIS)能夠創(chuàng)建全空間智能無(wú)線電環(huán)境，有效提高無(wú)線通信系統(tǒng)性能，具有廣闊的研究潛力。因此，該文提出一種大規(guī)模STAR-RIS輔助的近場(chǎng)通感一體化(ISAC)方法，并對(duì)感知目標(biāo)3維參數(shù)估計(jì)的克拉美羅界(CRB)進(jìn)行優(yōu)化。首先，搭建近場(chǎng)系統(tǒng)模型，分別推導(dǎo)基站、STAR-RIS、通信用戶、感知目標(biāo)與傳感器之間的導(dǎo)向矢量。其次，通過(guò)設(shè)計(jì)基站發(fā)射波束成形矩陣、發(fā)射信號(hào)協(xié)方差矩陣和STAR-RIS透射反射系數(shù)，實(shí)現(xiàn)感知性能最優(yōu)化。再次，針對(duì)非凸優(yōu)化問(wèn)題利用半正定松弛方法進(jìn)行求解。仿真結(jié)果表明了所提出ISAC方案的有效性，以及近場(chǎng)額外距離自由度所帶來(lái)的定位性能優(yōu)勢(shì)。
同時(shí)透射和反射可重構(gòu)智能表面(STAR-RIS)能夠創(chuàng)建全空間智能無(wú)線電環(huán)境，有效提高無(wú)線通信系統(tǒng)性能，具有廣闊的研究潛力。因此，該文提出一種大規(guī)模STAR-RIS輔助的近場(chǎng)通感一體化(ISAC)方法，并對(duì)感知目標(biāo)3維參數(shù)估計(jì)的克拉美羅界(CRB)進(jìn)行優(yōu)化。首先，搭建近場(chǎng)系統(tǒng)模型，分別推導(dǎo)基站、STAR-RIS、通信用戶、感知目標(biāo)與傳感器之間的導(dǎo)向矢量。其次，通過(guò)設(shè)計(jì)基站發(fā)射波束成形矩陣、發(fā)射信號(hào)協(xié)方差矩陣和STAR-RIS透射反射系數(shù)，實(shí)現(xiàn)感知性能最優(yōu)化。再次，針對(duì)非凸優(yōu)化問(wèn)題利用半正定松弛方法進(jìn)行求解。仿真結(jié)果表明了所提出ISAC方案的有效性，以及近場(chǎng)額外距離自由度所帶來(lái)的定位性能優(yōu)勢(shì)。
2025,
47(1):
156-166. doi: 10.11999/JEIT240469
摘要:
針對(duì)存在突變測(cè)量偏差和未知時(shí)變量測(cè)噪聲場(chǎng)景下的目標(biāo)跟蹤問(wèn)題，該文提出一種偏差未補(bǔ)償自適應(yīng)邊緣化容積卡爾曼濾波跟蹤方法。首先通過(guò)建立差分量測(cè)方程來(lái)消除恒定的測(cè)量偏差，同時(shí)構(gòu)建滿足beta-Bernoulli分布的指示變量識(shí)別突變測(cè)量偏差，將相鄰時(shí)刻目標(biāo)狀態(tài)擴(kuò)維以滿足實(shí)時(shí)濾波需求，利用逆Wishart分布建模未知量測(cè)噪聲協(xié)方差矩陣，從而建立目標(biāo)狀態(tài)、指示變量、噪聲協(xié)方差矩陣的聯(lián)合分布，并通過(guò)變分貝葉斯推斷來(lái)求解各個(gè)參數(shù)的近似后驗(yàn)。為減小濾波負(fù)擔(dān)，對(duì)擴(kuò)維后的狀態(tài)向量進(jìn)行邊緣化處理，結(jié)合容積卡爾曼濾波方法實(shí)現(xiàn)邊緣化容積卡爾曼濾波跟蹤。仿真實(shí)驗(yàn)結(jié)果表明，所提方法能夠同時(shí)處理突變測(cè)量偏差和未知時(shí)變量測(cè)噪聲，從而對(duì)目標(biāo)進(jìn)行有效跟蹤。
針對(duì)存在突變測(cè)量偏差和未知時(shí)變量測(cè)噪聲場(chǎng)景下的目標(biāo)跟蹤問(wèn)題，該文提出一種偏差未補(bǔ)償自適應(yīng)邊緣化容積卡爾曼濾波跟蹤方法。首先通過(guò)建立差分量測(cè)方程來(lái)消除恒定的測(cè)量偏差，同時(shí)構(gòu)建滿足beta-Bernoulli分布的指示變量識(shí)別突變測(cè)量偏差，將相鄰時(shí)刻目標(biāo)狀態(tài)擴(kuò)維以滿足實(shí)時(shí)濾波需求，利用逆Wishart分布建模未知量測(cè)噪聲協(xié)方差矩陣，從而建立目標(biāo)狀態(tài)、指示變量、噪聲協(xié)方差矩陣的聯(lián)合分布，并通過(guò)變分貝葉斯推斷來(lái)求解各個(gè)參數(shù)的近似后驗(yàn)。為減小濾波負(fù)擔(dān)，對(duì)擴(kuò)維后的狀態(tài)向量進(jìn)行邊緣化處理，結(jié)合容積卡爾曼濾波方法實(shí)現(xiàn)邊緣化容積卡爾曼濾波跟蹤。仿真實(shí)驗(yàn)結(jié)果表明，所提方法能夠同時(shí)處理突變測(cè)量偏差和未知時(shí)變量測(cè)噪聲，從而對(duì)目標(biāo)進(jìn)行有效跟蹤。
2025,
47(1):
167-177. doi: 10.11999/JEIT240595
摘要:
在復(fù)雜的海洋環(huán)境中，目標(biāo)的可知信息受環(huán)境噪聲、混響等的干擾嚴(yán)重，導(dǎo)致目標(biāo)跟蹤效果較差，而從這些干擾中提取目標(biāo)的可利用特征及其困難。該文將目標(biāo)與環(huán)境的耦合特征融入目標(biāo)跟蹤算法中，提出了一種基于主動(dòng)波導(dǎo)不變量分布的改進(jìn)擴(kuò)展卡爾曼濾波跟蹤方法。首先基于淺海波導(dǎo)中目標(biāo)散射特性基本理論，推導(dǎo)了收發(fā)分置條件下的主動(dòng)波導(dǎo)不變量表征的數(shù)學(xué)模型，獲得了距離、頻率以及主動(dòng)波導(dǎo)不變量分布的約束關(guān)系；然后將該約束加入到擴(kuò)展卡爾曼濾波的狀態(tài)向量中，通過(guò)增加新的約束來(lái)提高目標(biāo)運(yùn)動(dòng)模型與真實(shí)目標(biāo)運(yùn)動(dòng)軌跡的契合度進(jìn)而提高目標(biāo)跟蹤的精度；最后通過(guò)仿真實(shí)驗(yàn)和實(shí)測(cè)數(shù)據(jù)驗(yàn)證了該方法的跟蹤性能，結(jié)果顯示：該方法較常規(guī)擴(kuò)展卡爾曼濾波跟蹤方法能夠更好地提高目標(biāo)跟蹤精度，仿真中結(jié)果的優(yōu)化率約能達(dá)到50%，實(shí)測(cè)數(shù)據(jù)處理結(jié)果的優(yōu)化率約在60%左右。
在復(fù)雜的海洋環(huán)境中，目標(biāo)的可知信息受環(huán)境噪聲、混響等的干擾嚴(yán)重，導(dǎo)致目標(biāo)跟蹤效果較差，而從這些干擾中提取目標(biāo)的可利用特征及其困難。該文將目標(biāo)與環(huán)境的耦合特征融入目標(biāo)跟蹤算法中，提出了一種基于主動(dòng)波導(dǎo)不變量分布的改進(jìn)擴(kuò)展卡爾曼濾波跟蹤方法。首先基于淺海波導(dǎo)中目標(biāo)散射特性基本理論，推導(dǎo)了收發(fā)分置條件下的主動(dòng)波導(dǎo)不變量表征的數(shù)學(xué)模型，獲得了距離、頻率以及主動(dòng)波導(dǎo)不變量分布的約束關(guān)系；然后將該約束加入到擴(kuò)展卡爾曼濾波的狀態(tài)向量中，通過(guò)增加新的約束來(lái)提高目標(biāo)運(yùn)動(dòng)模型與真實(shí)目標(biāo)運(yùn)動(dòng)軌跡的契合度進(jìn)而提高目標(biāo)跟蹤的精度；最后通過(guò)仿真實(shí)驗(yàn)和實(shí)測(cè)數(shù)據(jù)驗(yàn)證了該方法的跟蹤性能，結(jié)果顯示：該方法較常規(guī)擴(kuò)展卡爾曼濾波跟蹤方法能夠更好地提高目標(biāo)跟蹤精度，仿真中結(jié)果的優(yōu)化率約能達(dá)到50%，實(shí)測(cè)數(shù)據(jù)處理結(jié)果的優(yōu)化率約在60%左右。
2025,
47(1):
178-187. doi: 10.11999/JEIT240348
摘要:
互質(zhì)陣列因具有較低的互耦效應(yīng)而備受關(guān)注，但交替部署的子陣卻在一定程度上限制了連續(xù)自由度的提升。針對(duì)上述問(wèn)題，該文在分析子陣互差集中冗余虛擬陣元產(chǎn)生條件的基礎(chǔ)上，提出了兩種子陣移位互質(zhì)陣列(Coprime Array with Translated Subarray, CATrS)，以改善自由度性能。首先，將子陣平移至適當(dāng)位置以優(yōu)化布陣結(jié)構(gòu)，并分析了子陣的平移距離。隨后，推導(dǎo)了CATrS結(jié)構(gòu)的自由度、連續(xù)自由度、孔洞位置和虛擬陣元權(quán)重的閉合表達(dá)式。理論分析表明，CATrS結(jié)構(gòu)能夠在保持物理陣元數(shù)量不變的條件下，有效增加自由度和連續(xù)自由度，并抑制陣元互耦。最后，利用仿真實(shí)驗(yàn)驗(yàn)證了CATrS結(jié)構(gòu)在波達(dá)方向估計(jì)中的優(yōu)越性。
互質(zhì)陣列因具有較低的互耦效應(yīng)而備受關(guān)注，但交替部署的子陣卻在一定程度上限制了連續(xù)自由度的提升。針對(duì)上述問(wèn)題，該文在分析子陣互差集中冗余虛擬陣元產(chǎn)生條件的基礎(chǔ)上，提出了兩種子陣移位互質(zhì)陣列(Coprime Array with Translated Subarray, CATrS)，以改善自由度性能。首先，將子陣平移至適當(dāng)位置以優(yōu)化布陣結(jié)構(gòu)，并分析了子陣的平移距離。隨后，推導(dǎo)了CATrS結(jié)構(gòu)的自由度、連續(xù)自由度、孔洞位置和虛擬陣元權(quán)重的閉合表達(dá)式。理論分析表明，CATrS結(jié)構(gòu)能夠在保持物理陣元數(shù)量不變的條件下，有效增加自由度和連續(xù)自由度，并抑制陣元互耦。最后，利用仿真實(shí)驗(yàn)驗(yàn)證了CATrS結(jié)構(gòu)在波達(dá)方向估計(jì)中的優(yōu)越性。
2025,
47(1):
188-200. doi: 10.11999/JEIT240521
摘要:
非完備、高動(dòng)態(tài)有源干擾對(duì)抗作戰(zhàn)環(huán)境下，現(xiàn)階段針對(duì)庫(kù)內(nèi)多類(lèi)型單一有源干擾樣本所優(yōu)化訓(xùn)練的靜態(tài)模型，在面對(duì)庫(kù)外類(lèi)型多樣、參數(shù)多變、組合方式多元的復(fù)合干擾時(shí)，模型無(wú)法快速更新且難以應(yīng)對(duì)測(cè)試樣本數(shù)非均衡問(wèn)題。針對(duì)此問(wèn)題，該文提出一種基于零記憶增量學(xué)習(xí)的雷達(dá)復(fù)合有源干擾識(shí)別方法。首先，利用元學(xué)習(xí)訓(xùn)練模式對(duì)庫(kù)內(nèi)單一干擾進(jìn)行原型學(xué)習(xí)，訓(xùn)練出高效的特征提取器，使其具備對(duì)庫(kù)外復(fù)合干擾特征有效提取能力。進(jìn)而，基于超維空間和余弦相似度計(jì)算，構(gòu)建零記憶增量學(xué)習(xí)網(wǎng)絡(luò)(ZMILN)，將復(fù)合干擾原型向量映射到超維空間并存儲(chǔ)，從而實(shí)現(xiàn)識(shí)別模型動(dòng)態(tài)更新。此外，為解決樣本數(shù)非均衡下復(fù)合干擾識(shí)別問(wèn)題，設(shè)計(jì)直推式信息最大化(TIM)測(cè)試模塊，通過(guò)在互信息損失函數(shù)中加入散度約束，對(duì)識(shí)別模型進(jìn)一步強(qiáng)化訓(xùn)練以應(yīng)對(duì)非均衡測(cè)試樣本。實(shí)驗(yàn)結(jié)果表明，該文所提方法在非均衡測(cè)試條件下對(duì)4種單一干擾和7種復(fù)合干擾進(jìn)行增量學(xué)習(xí)后，平均識(shí)別準(zhǔn)確率達(dá)到了93.62%。該方法通過(guò)對(duì)庫(kù)內(nèi)多類(lèi)型單一干擾知識(shí)充分提取，實(shí)現(xiàn)對(duì)多種組合條件下庫(kù)外復(fù)合干擾的快速動(dòng)態(tài)識(shí)別。
非完備、高動(dòng)態(tài)有源干擾對(duì)抗作戰(zhàn)環(huán)境下，現(xiàn)階段針對(duì)庫(kù)內(nèi)多類(lèi)型單一有源干擾樣本所優(yōu)化訓(xùn)練的靜態(tài)模型，在面對(duì)庫(kù)外類(lèi)型多樣、參數(shù)多變、組合方式多元的復(fù)合干擾時(shí)，模型無(wú)法快速更新且難以應(yīng)對(duì)測(cè)試樣本數(shù)非均衡問(wèn)題。針對(duì)此問(wèn)題，該文提出一種基于零記憶增量學(xué)習(xí)的雷達(dá)復(fù)合有源干擾識(shí)別方法。首先，利用元學(xué)習(xí)訓(xùn)練模式對(duì)庫(kù)內(nèi)單一干擾進(jìn)行原型學(xué)習(xí)，訓(xùn)練出高效的特征提取器，使其具備對(duì)庫(kù)外復(fù)合干擾特征有效提取能力。進(jìn)而，基于超維空間和余弦相似度計(jì)算，構(gòu)建零記憶增量學(xué)習(xí)網(wǎng)絡(luò)(ZMILN)，將復(fù)合干擾原型向量映射到超維空間并存儲(chǔ)，從而實(shí)現(xiàn)識(shí)別模型動(dòng)態(tài)更新。此外，為解決樣本數(shù)非均衡下復(fù)合干擾識(shí)別問(wèn)題，設(shè)計(jì)直推式信息最大化(TIM)測(cè)試模塊，通過(guò)在互信息損失函數(shù)中加入散度約束，對(duì)識(shí)別模型進(jìn)一步強(qiáng)化訓(xùn)練以應(yīng)對(duì)非均衡測(cè)試樣本。實(shí)驗(yàn)結(jié)果表明，該文所提方法在非均衡測(cè)試條件下對(duì)4種單一干擾和7種復(fù)合干擾進(jìn)行增量學(xué)習(xí)后，平均識(shí)別準(zhǔn)確率達(dá)到了93.62%。該方法通過(guò)對(duì)庫(kù)內(nèi)多類(lèi)型單一干擾知識(shí)充分提取，實(shí)現(xiàn)對(duì)多種組合條件下庫(kù)外復(fù)合干擾的快速動(dòng)態(tài)識(shí)別。
2025,
47(1):
201-210. doi: 10.11999/JEIT240297
摘要:
隨著新興應(yīng)用的不斷涌現(xiàn)，頻譜擁堵問(wèn)題日益嚴(yán)重。通信雷達(dá)一體化(DFRC)是解決頻譜擁堵問(wèn)題的關(guān)鍵技術(shù)之一。然而，如何解決通信與雷達(dá)之間的相互干擾并實(shí)現(xiàn)高通信速率是通信雷達(dá)一體化亟待解決的基礎(chǔ)難題。該文以多載波互補(bǔ)碼分多址技術(shù)為基礎(chǔ)，設(shè)計(jì)一種適用于多用戶場(chǎng)景的新型通信雷達(dá)一體化信號(hào)。理論分析和仿真結(jié)果表明，與典型的擴(kuò)頻方案相比，所提方案可以實(shí)現(xiàn)通信雷達(dá)的無(wú)擾傳輸，并具有低的誤碼率與高的通信速率。
隨著新興應(yīng)用的不斷涌現(xiàn)，頻譜擁堵問(wèn)題日益嚴(yán)重。通信雷達(dá)一體化(DFRC)是解決頻譜擁堵問(wèn)題的關(guān)鍵技術(shù)之一。然而，如何解決通信與雷達(dá)之間的相互干擾并實(shí)現(xiàn)高通信速率是通信雷達(dá)一體化亟待解決的基礎(chǔ)難題。該文以多載波互補(bǔ)碼分多址技術(shù)為基礎(chǔ)，設(shè)計(jì)一種適用于多用戶場(chǎng)景的新型通信雷達(dá)一體化信號(hào)。理論分析和仿真結(jié)果表明，與典型的擴(kuò)頻方案相比，所提方案可以實(shí)現(xiàn)通信雷達(dá)的無(wú)擾傳輸，并具有低的誤碼率與高的通信速率。
2025,
47(1):
211-222. doi: 10.11999/JEIT240650
摘要:
低軌導(dǎo)航星座衛(wèi)星數(shù)量多，信號(hào)多普勒頻偏大，接收機(jī)冷啟動(dòng)搜索空間巨大，捕獲速度慢，該文提出一種偽碼調(diào)相-線性調(diào)頻(CSK-LFM)的導(dǎo)航信號(hào)波形，線性調(diào)頻提高信號(hào)的多普勒容限，不同偽碼相位實(shí)現(xiàn)不同衛(wèi)星的多址播發(fā)，可以極大壓縮衛(wèi)星號(hào)、時(shí)延、多普勒3維搜索空間，加快了捕獲信號(hào)捕獲速度。仿真和實(shí)驗(yàn)結(jié)果表明，當(dāng)信號(hào)強(qiáng)度為40 dBHz時(shí)，采用CSK-LFM調(diào)制的導(dǎo)航信號(hào)，其捕獲性能比同等條件下的傳統(tǒng)直接擴(kuò)頻序列(DSSS)調(diào)制的導(dǎo)航信號(hào)高1 dB左右，且信號(hào)搜索空間可降低為直接擴(kuò)頻序列調(diào)制的1/10。
低軌導(dǎo)航星座衛(wèi)星數(shù)量多，信號(hào)多普勒頻偏大，接收機(jī)冷啟動(dòng)搜索空間巨大，捕獲速度慢，該文提出一種偽碼調(diào)相-線性調(diào)頻(CSK-LFM)的導(dǎo)航信號(hào)波形，線性調(diào)頻提高信號(hào)的多普勒容限，不同偽碼相位實(shí)現(xiàn)不同衛(wèi)星的多址播發(fā)，可以極大壓縮衛(wèi)星號(hào)、時(shí)延、多普勒3維搜索空間，加快了捕獲信號(hào)捕獲速度。仿真和實(shí)驗(yàn)結(jié)果表明，當(dāng)信號(hào)強(qiáng)度為40 dBHz時(shí)，采用CSK-LFM調(diào)制的導(dǎo)航信號(hào)，其捕獲性能比同等條件下的傳統(tǒng)直接擴(kuò)頻序列(DSSS)調(diào)制的導(dǎo)航信號(hào)高1 dB左右，且信號(hào)搜索空間可降低為直接擴(kuò)頻序列調(diào)制的1/10。
2025,
47(1):
223-232. doi: 10.11999/JEIT240645
摘要:
針對(duì)變壓器油下圖像存在顏色失真、亮度低和細(xì)節(jié)失真問(wèn)題，該文提出一種多尺度加權(quán)Retinex變壓器油下圖像增強(qiáng)算法。首先，為了緩解變壓器油下圖像顏色失真問(wèn)題，提出一種混合動(dòng)態(tài)顏色通道補(bǔ)償算法，根據(jù)拍攝圖像各通道的衰減狀態(tài)對(duì)衰減通道進(jìn)行動(dòng)態(tài)補(bǔ)償。然后，為了解決細(xì)節(jié)失真問(wèn)題，提出一種銳化權(quán)重加權(quán)策略。最后，該文創(chuàng)新性采用金字塔多尺度融合策略對(duì)不同尺度Retinex反射分量和相應(yīng)權(quán)重圖進(jìn)行加權(quán)融合得到變壓器油下清晰圖像。實(shí)驗(yàn)結(jié)果表明所提算法可以有效解決變壓器油下圖像復(fù)雜退化問(wèn)題。
針對(duì)變壓器油下圖像存在顏色失真、亮度低和細(xì)節(jié)失真問(wèn)題，該文提出一種多尺度加權(quán)Retinex變壓器油下圖像增強(qiáng)算法。首先，為了緩解變壓器油下圖像顏色失真問(wèn)題，提出一種混合動(dòng)態(tài)顏色通道補(bǔ)償算法，根據(jù)拍攝圖像各通道的衰減狀態(tài)對(duì)衰減通道進(jìn)行動(dòng)態(tài)補(bǔ)償。然后，為了解決細(xì)節(jié)失真問(wèn)題，提出一種銳化權(quán)重加權(quán)策略。最后，該文創(chuàng)新性采用金字塔多尺度融合策略對(duì)不同尺度Retinex反射分量和相應(yīng)權(quán)重圖進(jìn)行加權(quán)融合得到變壓器油下清晰圖像。實(shí)驗(yàn)結(jié)果表明所提算法可以有效解決變壓器油下圖像復(fù)雜退化問(wèn)題。
2025,
47(1):
233-243. doi: 10.11999/JEIT240560
摘要:
以廣距鳥(niǎo)瞰視角拍攝獲取的遙感圖像通常具有目標(biāo)種類(lèi)多、尺度變化大以及背景信息豐富等特點(diǎn)，為目標(biāo)檢測(cè)任務(wù)帶來(lái)巨大挑戰(zhàn)。針對(duì)遙感圖像成像特點(diǎn)，該文設(shè)計(jì)一種上下文感知多感受野融合網(wǎng)絡(luò)，通過(guò)充分挖掘深度網(wǎng)絡(luò)中遙感圖像在不同尺寸特征描述下所包含的上下文關(guān)聯(lián)信息，提高圖像特征描述力，進(jìn)而提升遙感目標(biāo)檢測(cè)精度。首先，在特征金字塔前4層網(wǎng)絡(luò)中構(gòu)建了感受野擴(kuò)張模塊，通過(guò)擴(kuò)大網(wǎng)絡(luò)在不同尺度特征圖上的感受野范圍，增強(qiáng)網(wǎng)絡(luò)對(duì)不同尺度遙感目標(biāo)的感知能力；進(jìn)一步，構(gòu)建了高層特征聚合模塊，通過(guò)將特征金字塔網(wǎng)絡(luò)中高層語(yǔ)義信息聚合到低層特征中，從而將特征圖中所包含的多尺度上下文信息進(jìn)行有效融合；最后，在雙階段定向目標(biāo)檢測(cè)框架下設(shè)計(jì)了特征細(xì)化區(qū)域建議網(wǎng)絡(luò)。通過(guò)對(duì)一階段提案進(jìn)行精細(xì)化處理，提升提案準(zhǔn)確性，進(jìn)而提高二階段興趣區(qū)域?qū)R網(wǎng)絡(luò)得到的不同成像方向下的遙感目標(biāo)檢測(cè)性能。在公測(cè)數(shù)據(jù)集DIOR-R和HRSC2016上的定性和定量的對(duì)比實(shí)驗(yàn)結(jié)果證明，所提方法對(duì)不同種類(lèi)和尺度大小的遙感目標(biāo)均能實(shí)現(xiàn)更加準(zhǔn)確的檢測(cè)。
以廣距鳥(niǎo)瞰視角拍攝獲取的遙感圖像通常具有目標(biāo)種類(lèi)多、尺度變化大以及背景信息豐富等特點(diǎn)，為目標(biāo)檢測(cè)任務(wù)帶來(lái)巨大挑戰(zhàn)。針對(duì)遙感圖像成像特點(diǎn)，該文設(shè)計(jì)一種上下文感知多感受野融合網(wǎng)絡(luò)，通過(guò)充分挖掘深度網(wǎng)絡(luò)中遙感圖像在不同尺寸特征描述下所包含的上下文關(guān)聯(lián)信息，提高圖像特征描述力，進(jìn)而提升遙感目標(biāo)檢測(cè)精度。首先，在特征金字塔前4層網(wǎng)絡(luò)中構(gòu)建了感受野擴(kuò)張模塊，通過(guò)擴(kuò)大網(wǎng)絡(luò)在不同尺度特征圖上的感受野范圍，增強(qiáng)網(wǎng)絡(luò)對(duì)不同尺度遙感目標(biāo)的感知能力；進(jìn)一步，構(gòu)建了高層特征聚合模塊，通過(guò)將特征金字塔網(wǎng)絡(luò)中高層語(yǔ)義信息聚合到低層特征中，從而將特征圖中所包含的多尺度上下文信息進(jìn)行有效融合；最后，在雙階段定向目標(biāo)檢測(cè)框架下設(shè)計(jì)了特征細(xì)化區(qū)域建議網(wǎng)絡(luò)。通過(guò)對(duì)一階段提案進(jìn)行精細(xì)化處理，提升提案準(zhǔn)確性，進(jìn)而提高二階段興趣區(qū)域?qū)R網(wǎng)絡(luò)得到的不同成像方向下的遙感目標(biāo)檢測(cè)性能。在公測(cè)數(shù)據(jù)集DIOR-R和HRSC2016上的定性和定量的對(duì)比實(shí)驗(yàn)結(jié)果證明，所提方法對(duì)不同種類(lèi)和尺度大小的遙感目標(biāo)均能實(shí)現(xiàn)更加準(zhǔn)確的檢測(cè)。
2025,
47(1):
244-259. doi: 10.11999/JEIT240648
摘要:
針對(duì)單傳感器和單模態(tài)信號(hào)特征信息不足的問(wèn)題，該文提出一種基于多模態(tài)融合的端到端深度聚類(lèi)旋轉(zhuǎn)機(jī)械多傳感器故障診斷方法(EDCM-MFF)。首先，利用門(mén)控遞歸單元自編碼模塊提取多傳感器故障信號(hào)的深度時(shí)序特征。然后，應(yīng)用短時(shí)傅里葉變換(STFT)將故障信號(hào)轉(zhuǎn)換為時(shí)頻圖像，并通過(guò)卷積自編碼器提取這些圖像的深度空間特征。接著，設(shè)計(jì)了一種模態(tài)融合注意力機(jī)制，通過(guò)計(jì)算不同模態(tài)深度特征之間的親和矩陣，實(shí)現(xiàn)模態(tài)特征的融合。最后，采用Kullback-Leibler(KL)散度聚類(lèi)，以端到端方式實(shí)現(xiàn)故障類(lèi)型的識(shí)別。實(shí)驗(yàn)結(jié)果顯示，該方法在東南大學(xué)齒輪箱和軸承數(shù)據(jù)集上的識(shí)別準(zhǔn)確率分別為99.16%和98.63%。與現(xiàn)有的無(wú)監(jiān)督學(xué)習(xí)方法相比，所提方法能夠更有效地實(shí)現(xiàn)多傳感器和多模態(tài)的旋轉(zhuǎn)機(jī)械故障診斷。
針對(duì)單傳感器和單模態(tài)信號(hào)特征信息不足的問(wèn)題，該文提出一種基于多模態(tài)融合的端到端深度聚類(lèi)旋轉(zhuǎn)機(jī)械多傳感器故障診斷方法(EDCM-MFF)。首先，利用門(mén)控遞歸單元自編碼模塊提取多傳感器故障信號(hào)的深度時(shí)序特征。然后，應(yīng)用短時(shí)傅里葉變換(STFT)將故障信號(hào)轉(zhuǎn)換為時(shí)頻圖像，并通過(guò)卷積自編碼器提取這些圖像的深度空間特征。接著，設(shè)計(jì)了一種模態(tài)融合注意力機(jī)制，通過(guò)計(jì)算不同模態(tài)深度特征之間的親和矩陣，實(shí)現(xiàn)模態(tài)特征的融合。最后，采用Kullback-Leibler(KL)散度聚類(lèi)，以端到端方式實(shí)現(xiàn)故障類(lèi)型的識(shí)別。實(shí)驗(yàn)結(jié)果顯示，該方法在東南大學(xué)齒輪箱和軸承數(shù)據(jù)集上的識(shí)別準(zhǔn)確率分別為99.16%和98.63%。與現(xiàn)有的無(wú)監(jiān)督學(xué)習(xí)方法相比，所提方法能夠更有效地實(shí)現(xiàn)多傳感器和多模態(tài)的旋轉(zhuǎn)機(jī)械故障診斷。
2025,
47(1):
260-270. doi: 10.11999/JEIT240431
摘要:
顯著目標(biāo)檢測(cè)(SOD)旨在模仿人類(lèi)視覺(jué)系統(tǒng)注意力機(jī)制和認(rèn)知機(jī)制來(lái)自動(dòng)提取場(chǎng)景中的顯著物體。雖然現(xiàn)有基于卷積神經(jīng)網(wǎng)絡(luò) (CNN)或Transformer的模型不斷刷新該領(lǐng)域方法的性能，但較少研究關(guān)注以下兩個(gè)問(wèn)題：(1)此領(lǐng)域多數(shù)方法常采用逐像素點(diǎn)的密集預(yù)測(cè)方式以獲取像素顯著值，然而該方式不符合基于人類(lèi)視覺(jué)系統(tǒng)的場(chǎng)景解析機(jī)制，即人眼通常對(duì)語(yǔ)義區(qū)域進(jìn)行整體分析而非關(guān)注像素級(jí)信息；(2)增強(qiáng)上下文信息關(guān)聯(lián)在SOD任務(wù)中受到廣泛關(guān)注，但通過(guò)Transformer主干結(jié)構(gòu)獲取長(zhǎng)程關(guān)聯(lián)特征不一定具有優(yōu)勢(shì)。SOD應(yīng)更關(guān)注目標(biāo)在適當(dāng)區(qū)域內(nèi)其中心-鄰域差異性而非全局長(zhǎng)程依賴。針對(duì)上述問(wèn)題，該文提出一種新的顯著目標(biāo)檢測(cè)模型，將CNN形式的自適應(yīng)注意力和掩碼注意力集成到網(wǎng)絡(luò)中，以提高顯著目標(biāo)檢測(cè)的性能。該算法設(shè)計(jì)了基于掩碼感知的解碼模塊，通過(guò)將交叉注意力限制在預(yù)測(cè)的掩碼區(qū)域來(lái)感知圖像特征，有助于網(wǎng)絡(luò)更好地聚焦于顯著目標(biāo)的整體區(qū)域。同時(shí)，該文設(shè)計(jì)了基于卷積注意力的上下文特征增強(qiáng)模塊，與Transformer逐層建立長(zhǎng)程關(guān)系不同，該模塊僅捕獲最高層特征中的適當(dāng)上下文關(guān)聯(lián)，避免引入無(wú)關(guān)的全局信息。該文在4個(gè)廣泛使用的數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)評(píng)估，結(jié)果表明，該文提出的方法在不同場(chǎng)景下均取得了顯著的性能提升，具有良好的泛化能力和穩(wěn)定性。
顯著目標(biāo)檢測(cè)(SOD)旨在模仿人類(lèi)視覺(jué)系統(tǒng)注意力機(jī)制和認(rèn)知機(jī)制來(lái)自動(dòng)提取場(chǎng)景中的顯著物體。雖然現(xiàn)有基于卷積神經(jīng)網(wǎng)絡(luò) (CNN)或Transformer的模型不斷刷新該領(lǐng)域方法的性能，但較少研究關(guān)注以下兩個(gè)問(wèn)題：(1)此領(lǐng)域多數(shù)方法常采用逐像素點(diǎn)的密集預(yù)測(cè)方式以獲取像素顯著值，然而該方式不符合基于人類(lèi)視覺(jué)系統(tǒng)的場(chǎng)景解析機(jī)制，即人眼通常對(duì)語(yǔ)義區(qū)域進(jìn)行整體分析而非關(guān)注像素級(jí)信息；(2)增強(qiáng)上下文信息關(guān)聯(lián)在SOD任務(wù)中受到廣泛關(guān)注，但通過(guò)Transformer主干結(jié)構(gòu)獲取長(zhǎng)程關(guān)聯(lián)特征不一定具有優(yōu)勢(shì)。SOD應(yīng)更關(guān)注目標(biāo)在適當(dāng)區(qū)域內(nèi)其中心-鄰域差異性而非全局長(zhǎng)程依賴。針對(duì)上述問(wèn)題，該文提出一種新的顯著目標(biāo)檢測(cè)模型，將CNN形式的自適應(yīng)注意力和掩碼注意力集成到網(wǎng)絡(luò)中，以提高顯著目標(biāo)檢測(cè)的性能。該算法設(shè)計(jì)了基于掩碼感知的解碼模塊，通過(guò)將交叉注意力限制在預(yù)測(cè)的掩碼區(qū)域來(lái)感知圖像特征，有助于網(wǎng)絡(luò)更好地聚焦于顯著目標(biāo)的整體區(qū)域。同時(shí)，該文設(shè)計(jì)了基于卷積注意力的上下文特征增強(qiáng)模塊，與Transformer逐層建立長(zhǎng)程關(guān)系不同，該模塊僅捕獲最高層特征中的適當(dāng)上下文關(guān)聯(lián)，避免引入無(wú)關(guān)的全局信息。該文在4個(gè)廣泛使用的數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)評(píng)估，結(jié)果表明，該文提出的方法在不同場(chǎng)景下均取得了顯著的性能提升，具有良好的泛化能力和穩(wěn)定性。
2025,
47(1):
271-278. doi: 10.11999/JEIT240524
摘要:
Draco算法是首次基于初始向量和密鑰前綴組合(CIVK)方案構(gòu)造的一個(gè)流密碼設(shè)計(jì)實(shí)例，其聲稱對(duì)于時(shí)空數(shù)據(jù)折中(TMDTO)攻擊具有完全可證明的安全性。但因Draco算法的選擇函數(shù)存在周期小的結(jié)構(gòu)缺陷，攻擊者給出了突破其安全界限的分析結(jié)果。針對(duì)Draco算法存在的安全缺陷等問(wèn)題，該文提出一種基于狀態(tài)位索引和動(dòng)態(tài)初始化的改進(jìn)算法Draco-F算法。首先，Draco-F算法通過(guò)使用狀態(tài)位索引的方法增加了選擇函數(shù)的周期并降低硬件成本；其次，在保障非線性反饋移位寄存器(NFSR)狀態(tài)位使用均勻性的前提下，Draco-F算法通過(guò)簡(jiǎn)化輸出函數(shù)進(jìn)一步降低算法的硬件成本；最后，Draco-F算法引入動(dòng)態(tài)初始化技術(shù)以防止密鑰回溯。對(duì)Draco-F算法的安全性分析和軟硬件測(cè)試結(jié)果表明：相對(duì)于Draco算法，Draco-F算法避免了Draco算法的安全漏洞，可以以128 bit的實(shí)際內(nèi)部狀態(tài)提供128 bit的安全級(jí)別；同時(shí)，Draco-F算法具有更高的密鑰流吞吐率和更小的電路面積。
Draco算法是首次基于初始向量和密鑰前綴組合(CIVK)方案構(gòu)造的一個(gè)流密碼設(shè)計(jì)實(shí)例，其聲稱對(duì)于時(shí)空數(shù)據(jù)折中(TMDTO)攻擊具有完全可證明的安全性。但因Draco算法的選擇函數(shù)存在周期小的結(jié)構(gòu)缺陷，攻擊者給出了突破其安全界限的分析結(jié)果。針對(duì)Draco算法存在的安全缺陷等問(wèn)題，該文提出一種基于狀態(tài)位索引和動(dòng)態(tài)初始化的改進(jìn)算法Draco-F算法。首先，Draco-F算法通過(guò)使用狀態(tài)位索引的方法增加了選擇函數(shù)的周期并降低硬件成本；其次，在保障非線性反饋移位寄存器(NFSR)狀態(tài)位使用均勻性的前提下，Draco-F算法通過(guò)簡(jiǎn)化輸出函數(shù)進(jìn)一步降低算法的硬件成本；最后，Draco-F算法引入動(dòng)態(tài)初始化技術(shù)以防止密鑰回溯。對(duì)Draco-F算法的安全性分析和軟硬件測(cè)試結(jié)果表明：相對(duì)于Draco算法，Draco-F算法避免了Draco算法的安全漏洞，可以以128 bit的實(shí)際內(nèi)部狀態(tài)提供128 bit的安全級(jí)別；同時(shí)，Draco-F算法具有更高的密鑰流吞吐率和更小的電路面積。
2025,
47(1):
279-286. doi: 10.11999/JEIT250000
摘要:
該文總結(jié)了2024年度國(guó)家自然科學(xué)基金委員會(huì)信息科學(xué)部一處“電子科學(xué)與技術(shù)”領(lǐng)域重點(diǎn)、面上、青年、地區(qū)、優(yōu)青和杰青項(xiàng)目的申請(qǐng)與資助情況，從二級(jí)申請(qǐng)代碼、申請(qǐng)人年齡、依托單位情況、近年變化趨勢(shì)等不同角度梳理了項(xiàng)目分布特征，分析了領(lǐng)域自然科學(xué)基金項(xiàng)目構(gòu)成、研究方向熱度及其發(fā)展趨勢(shì)等，旨在為廣大科研人員了解領(lǐng)域自然科學(xué)基金重點(diǎn)項(xiàng)目布局、亟需加強(qiáng)的研究方向以及部分自然科學(xué)基金改革舉措對(duì)領(lǐng)域項(xiàng)目申請(qǐng)與資助的影響等提供參考。
該文總結(jié)了2024年度國(guó)家自然科學(xué)基金委員會(huì)信息科學(xué)部一處“電子科學(xué)與技術(shù)”領(lǐng)域重點(diǎn)、面上、青年、地區(qū)、優(yōu)青和杰青項(xiàng)目的申請(qǐng)與資助情況，從二級(jí)申請(qǐng)代碼、申請(qǐng)人年齡、依托單位情況、近年變化趨勢(shì)等不同角度梳理了項(xiàng)目分布特征，分析了領(lǐng)域自然科學(xué)基金項(xiàng)目構(gòu)成、研究方向熱度及其發(fā)展趨勢(shì)等，旨在為廣大科研人員了解領(lǐng)域自然科學(xué)基金重點(diǎn)項(xiàng)目布局、亟需加強(qiáng)的研究方向以及部分自然科學(xué)基金改革舉措對(duì)領(lǐng)域項(xiàng)目申請(qǐng)與資助的影響等提供參考。
