Journal of Zhejiang University

Current Issue: <FITEE>

Frontiers of Information Technology & Electronic Engineering (former title: Journal of Zhejiang University SCIENCE C (Computers & Electronics), 2010-2014)

ISSN 2095-9184 (print); ISSN 2095-9230 (online); CN 33-1389/TP; Monthly.

FITEE is an international peer-reviewed journal indexed by SCI-E, Ei Compendex, DBLP, IC, Scopus, JST, CSA, etc. It covers research in Electrical and Electronic Engineering, including Computer Science, Information Sciences, Control, Automation, Telecommunications, and related disciplines.

Impact factor: 0.308 (2011), 0.297 (2012), 0.380 (2013), 0.415 (2014), 0.392 (2015), 0.622 (2016), 0.910 (2017), 1.033 (2018), 1.604 (2019), 2.161 (2020), 2.526 (2021).

Frontiers of Information Technology & Electronic Engineering

ISSN 2095-9184 (print), ISSN 2095-9230 (online), monthly

2025 Vol.26 No.8 P.1243-1508

Cover:

<43>

Contents:

<24>

<<< CONTENTS

Position Paper

Position Paper: Active cybersecurity: vision, model, and key technologies

Xiaosong ZHANG, Yukun ZHU, Xiong LI, Yongzhao ZHANG, Weina NIU, Fenghua XU, Junpeng HE, Ran YAN, Shiping HUANG

DOI: 10.1631/FITEE.2500053 Downloaded: 689 Clicked: 253 Cited: 0 Commented: 0(p.1243-1278) <Full Text>

Chinese summary <1> 主动网络安全：愿景、模型和关键技术

张小松，朱宇坤，李雄，张永昭，牛伟纳，许峰华，何俊鹏，严然，黄世平
电子科技大学计算机科学与工程学院，中国成都市，611731
摘要：非合作性计算机系统与网络对抗构成了网络空间安全的核心挑战。传统网络安全技术主要依赖被动响应机制，在应对现实世界复杂多变的未知威胁时展现出显著局限性。本文提出"主动网络安全"理念，旨在通过融合技术手段与战略级防御体系，全面提升网络安全水平。该理念的核心假设是：网络对抗环境中的攻击者与防御者均为追求各自目标最大化的理性决策主体。本文引入博弈论分析攻防双方的复杂依存关系并优化其策略选择。基于该理念，构建了主动网络安全模型SAPC，旨在构建一种集威胁感知、分析、追踪和响应于一体的综合防御能力。该模型由4大核心组件构成：智感、透析、活现和反制。SAPC通过基于博弈论的对抗行为理论分析与策略优化方法，将对抗过程建模为博弈过程，建立兼具理论深度与实践指导价值的网络安全框架。SAPC标志着网络防御理念从被动防御到主动感知对抗的范式转变，有力推动网络安全技术向具有前瞻预测、预防控制和战略引导特征的新模式演进。

关键词组：主动网络安全；智感；透析；活现；反制

Research Articles

Output difference feedback and system benefit control based dynamic heterogeneous redundancy architecture

Sisi SHAO, Zhibo HE, Shangdong LIU, Weili ZHANG, Fei WU, Fukang ZENG, Jun ZUO, Longfei ZHOU, Yukun NIU, Yimu JI

DOI: 10.1631/FITEE.2400251 Downloaded: 24 Clicked: 98 Cited: 0 Commented: 0(p.1279-1292) <Full Text>

Chinese summary <1> 基于输出差异反馈和系统效益控制的动态异构冗余架构

邵思思^1,7，贺之博²，刘尚东^3,7,8，张伟丽⁴，吴飞^6,7,8，曾福康^3,7，
左军^3,7，周龙飞^3,7，牛玉坤⁵，季一木^3,5,7,8
¹南京邮电大学物联网学院，中国南京市，210023
²西交利物浦大学国际商学院，中国苏州市，215123
³南京邮电大学计算机学院，中国南京市，210023
⁴信息工程大学外国语学院，中国郑州市，450006
⁵紫金山实验室，中国南京市，211111
⁶南京邮电大学自动化学院，中国南京市，210023
⁷南京邮电大学高性能计算与大数据研究所，中国南京市，210003
⁸中国高性能计算南京分中心，中国南京市，210003
摘要：拟态主动防御技术通过引入动态异构冗余架构来有效扰乱攻击路线，降低攻击成功率。然而，现有方法忽略裁决机制在复杂可变网络环境中的适应性，往往聚焦系统安全性而忽视系统性能。为解决前述局限，本文提出一种基于输出差异反馈和系统效益控制的动态异构冗余架构。该架构引入一种基于输出差异反馈的裁决机制，通过量化各执行体输出偏差对全局裁决结果的影响来增强适应性。此外，该架构结合一种基于系统效益的调度策略，将服务质量和切换开销建模为双目标优化问题，在降低计算成本和系统开销的同时平衡系统安全。仿真结果表明，该架构增强了对不同网络环境的适应能力，有效降低了攻击成功率和平均裁决失败率。

关键词组：拟态防御；裁决机制；调度策略；执行体输出差异；系统效益

Temporal fidelity enhancement for video action recognition

Shaowu XU, Xibin JIA, Qianmei SUN, Jing CHANG

DOI: 10.1631/FITEE.2500164 Downloaded: 58 Clicked: 108 Cited: 0 Commented: 0(p.1293-1304) <Full Text>

Chinese summary <1> 视频行为识别中的时序保真度增强

许少武¹，贾熹滨¹，孙倩美²，常晶²
¹北京工业大学信息学部，中国北京市，100124
²首都医科大学附属北京朝阳医院，中国北京市，100020
摘要：时序注意力机制对于视频行为识别至关重要，它使模型能够聚焦于具有丰富语义信息的关键片段。然而，这些模型常因训练多样性有限和缺乏细粒度时序监督而出现时序失真现象--即注意力权重与语义内容错位。尽管视频级标签提供了粗粒度的行为指引，但细节约束的缺失导致注意力噪声持续存在，尤其在包含干扰性空间元素的复杂场景中。针对这一问题，本文提出时序保真度增强（TFE）——一种基于解耦信息瓶颈（DisenIB）理论的对抗性学习范式。TFE通过对抗性特征解耦将行为相关语义与虚假相关性分离，从而缓解时序失真问题。该方法利用预训练表征进行初始化，建立对抗学习流程，即高时序注意力片段与行为相关性弱化的上下文相互竞争。该方法无需细粒度监督标签即可确保时序一致性，并提升注意力权重的保真度。在UCF101、HMDB-51和Charades基准数据集上的大量实验验证了该方法的有效性，结果表明TFE可令行为识别准确率显著提升。

关键词组：行为识别；解耦信息瓶颈；时序建模；时序保真度

Q-space-coordinate-guided neural networks for high-fidelity diffusion tensor estimation from minimal diffusion-weighted images

Maokun ZHENG, Zhi LI, Long ZHENG, Weidong WANG, Dandan LI, Guomei WANG

DOI: 10.1631/FITEE.2400766 Downloaded: 534 Clicked: 597 Cited: 0 Commented: 0(p.1305-1323) <Full Text>

Chinese summary <1> Q空间坐标引导的神经网络从最小数量扩散加权图像中实现高保真扩散张量估计

郑茂坤，李智，郑龙，王卫东，李丹丹，王国美
贵州大学计算机科学与技术学院公共大数据国家重点实验室，中国贵阳市，550025
摘要：扩散张量成像（DTI）是一种广泛应用于绘制活体人脑组织微观结构和结构连接的成像方法。最近，学者提出多种仅用少量扩散加权（DW）图像快速估计扩散张量的深度学习方法。然而，这些方法通常使用固定q空间采样方案获取的DW图像作为训练数据，从而限制了其应用场景。为解决这一问题，我们开发了一种新的深度神经网络，称作QCG-DTI，能够在灵活的q空间采样方案条件下，实现高效、准确的扩散张量估计。首先，提出一个q空间坐标嵌入特征一致性策略，保证q空间坐标与其相应的DW图像之间的对应关系。在此基础上，提出一个q空间坐标融合（QCF）模块，该模块通过线性调节特征图的方式，将q空间坐标高效嵌入到相应DW图像的多尺度特征中，从而消除对固定扩散采样方案的依赖。最后，提出一个多尺度特征残差密集（MRD）模块，通过使用不同核大小的双分支卷积提取不同尺度的特征，以此提升特征提取和图像重建能力。与依赖于固定采样方案的最先进方法相比，所提网络即使在使用灵活q空间采样方案获取的DW图像情况下，也能获得高质量扩散张量及其衍生参数。与最先进的使用深度学习方法相比，QCG-DTI在分数各向异性指标上将平均绝对误差降低约15%，在平均扩散率指标上降低约25%。

关键词组：扩散张量成像；扩散纤维束成像；深度学习；快速扩散张量估计；Q空间坐标信息

End-to-end object detection using a query-selection encoder with hierarchical feature-aware attention

Zuyi WANG, Zhimeng ZHENG, Jun MENG, Li XU

DOI: 10.1631/FITEE.2400960 Downloaded: 577 Clicked: 420 Cited: 0 Commented: 0(p.1324-1340) <Full Text>

Chinese summary <2> 基于分层特征感知注意力与查询选择编码器的端到端目标检测

王足毅¹，郑智萌¹，孟濬^1,2，许力^1,2
¹浙江大学电气工程学院，中国杭州市，310027
²浙江大学机器人研究院，中国余姚市，315400
摘要：由于无需设计复杂人工组件且简化了检测流程，端到端目标检测方法近年来受到广泛关注。然而，与传统检测器相比，这类方法存在训练收敛速度较慢、检测性能不足的问题，究其原因是在特征融合与选择过程中算法受限于正样本监督信号不足。针对此问题，本文提出一种用于端到端目标检测器的查询选择编码器（QSE），可以提升训练收敛速度与检测精度。QSE由多个编码器层组成，且在每个编码器层后添加了轻量级网络，以级联方式持续优化特征，为高效训练提供更充分的正样本监督。此外，每个编码器层引入分层特征感知注意力（HFA）机制，包括层内以及跨层特征注意力，以增强不同层级特征间的交互融合。HFA能有效抑制相似特征表征并强化判别性特征，从而加速特征选择过程。该方法可灵活应用于基于卷积神经网络和基于Transformer的检测器；在目标检测主流基准数据集MSCOCO、CrowdHuman以及PASCALVOC上的大量实验表明，使用QSE的基于卷积神经网络或基于Transformer的检测器均能在更少训练周期内获得更优的端到端检测性能。

关键词组：端到端目标检测；查询选择编码器；分层特征感知注意力

Building accurate translation-tailored large language models with language-aware instruction tuning

Changtong ZAN, Liang DING, Li SHEN, Yibing ZHAN, Xinghao YANG, Weifeng LIU

DOI: 10.1631/FITEE.2400458 Downloaded: 1096 Clicked: 697 Cited: 0 Commented: 0(p.1341-1355) <Full Text>

Chinese summary <1> 构建基于语言感知指令微调的精准翻译定制大语言模型

昝畅通¹，丁亮²，沈力^3,4，詹忆冰³，杨兴浩¹，刘伟锋¹
¹中国石油大学（华东）控制科学与工程学院，中国青岛市，266580
²悉尼大学计算机科学学院，澳大利亚新南威尔士州，2006
³京东集团京东探索研究院，中国北京市，100101
⁴中山大学深圳校区网络空间安全学院，中国深圳市，518107
摘要：大语言模型（LLM）在诸如机器翻译等自然语言处理任务中展现出了卓越的能力。然而，大语言模型庞大的参数规模在推理过程中会带来显著的计算成本。先前研究尝试通过在翻译数据上对中等规模的模型进行微调，来训练翻译定制的大语言模型。然而，在处理未包含在微调数据集内的零样本翻译方向时，模型往往会忽视指令要求，从而将内容翻译成错误的目标语言，即出现翻译脱靶问题。为此，本文提出一种两阶段的微调算法，以提高翻译定制大语言模型的指令遵循能力，尤其是保持翻译方向的准确性。首先在翻译数据集上对模型进行微调，以激发其基本的翻译能力。在第二阶段，通过将指令随机替换为错误的指令，构建指令冲突样本。随后，引入额外的非似然损失，以降低模型对这些样本的分配概率。针对16个零样本翻译方向，使用LLaMA 2和LLaMA 3模型在两个基线数据集上进行的实验结果表明，与强基线（翻译数据微调的大模型LLaMA）相比，本文的方法能显著降低翻译偏离目标语种的比例（最高可降低62.4个百分点），从而提升翻译质量（双语评估替补指标最高可提高9.7）。分析表明，本文的方法能在其他任务（如监督翻译和通用任务）中保持优异性能。代码可在以下网址获取：https://github.com/alphadl/LanguageAware_Tuning。

关键词组：零样本机器翻译；脱靶问题；大语言模型；语言感知指令微调；指令冲突样本

Enhanced hippopotamus optimization algorithm for tuning proportional–integral–derivative controllers

Kailong MOU, Mengjian ZHANG, Deguang WANG, Ming YANG, Chengbin LIANG

DOI: 10.1631/FITEE.2400492 Downloaded: 1098 Clicked: 782 Cited: 0 Commented: 0(p.1356-1377) <Full Text>

Chinese summary <1> 用于调节比例——积分——微分控制器的增强型河马优化算法

牟凯龙¹，张孟健²，王德光¹，杨明¹，梁成斌¹
¹贵州大学电气工程学院，中国贵阳市，550025
²华南理工大学计算机科学与工程学院，中国广州市，510006
摘要：有效调节比例——积分——微分（PID）控制器参数一直是控制工程领域中的挑战性难题。本文提出一种增强型河马优化算法（EHO）以应对这一挑战。采用拉丁超立方体抽样和自适应透镜反向学习初始化种群，以提高种群多样性，并增强全局搜索能力。此外，在探索阶段引入自适应扰动机制以优化位置更新。为验证EHO性能，使用CEC2022测试函数对其与原始河马优化算法及4种经典或先进的智能算法进行基准测试。通过在不同类型的系统中应用EHO调节PID控制器，进一步评估其有效性。将EHO与其他5种算法及经典的齐格勒-尼科尔斯方法进行比较。对收敛曲线、阶跃响应、箱形图和雷达图的分析表明，EHO在精度、收敛速度和稳定性方面均优于对比方法。最后，采用EHO对四旋翼无人机轨迹跟踪的级联PID控制器进行参数调整，以评估其适用性。仿真结果表明，使用EHO优化的系统在80秒内的位置通道(x,y,z)的时间绝对误差积分分别为59.979、22.162和0.017。这些数值明显低于原始河马优化算法和手动参数调整方法的结果。

关键词组：PID控制器；参数调节；河马优化；拉丁超立方体抽样；自适应透镜反向学习；自适应扰动机制

FedMcon: an adaptive aggregation method for federated learning via meta controller

Tao SHEN, Zexi LI, Ziyu ZHAO, Didi ZHU, Zheqi LV, Kun KUANG, Shengyu ZHANG, Chao WU, Fei WU

DOI: 10.1631/FITEE.2400530 Downloaded: 966 Clicked: 694 Cited: 0 Commented: 0(p.1378-1393) <Full Text>

Chinese summary <1> FedMcon：一种通过元控制器实现的联邦学习自适应聚合方法

沈弢¹，李则熹¹，赵子瑜¹，朱迪迪¹，吕喆奇¹，况琨¹，张圣宇²，吴超^3,4，吴飞¹
¹浙江大学计算机科学与技术学院，中国杭州市，310027
²浙江大学软件学院，中国杭州市，310027
³浙江大学公共管理学院，中国杭州市，310027
⁴浙江大学社会治理研究院，中国杭州市，310027
摘要：联邦学习作为一种新型机器学习框架，能在满足隐私约束的前提下，通过去中心化的客户端协作训练深度模型。在经典的联邦学习算法（FedAvg）中，全局模型是通过本地模型的加权线性组合生成的，其权重与客户端本地的数据量成正比。然而，这种方法在面对异构且未知的客户端数据分布时会遭遇挑战，往往导致偏离预期的全局优化目标。基于线性组合的聚合方法难以有效应对联邦学习场景内在的多样化设置、数据分布以及动态变化，从而出现收敛困难和泛化能力下降。本文提出一种基于元学习框架的全新聚合方法FedMcon。引入一个可学习的聚合器，在小规模代理数据集上训练，并用于自适应地将异构的本地模型聚合为一个更符合目标的全局模型。实验结果表明，本文方法能够处理极端非独立同分布数据，在单个联邦学习设置中实现19倍的通信效率提升。

关键词组：联邦学习；元学习；自适应聚合

A digital simulation platform with human-interactive immersive design for navigation, motion, and teleoperated manipulation of work-class remotely operated vehicle

Fanghao HUANG, Xiao YANG, Xuanlin CHEN, Deqing MEI, Zheng CHEN

DOI: 10.1631/FITEE.2400486 Downloaded: 1073 Clicked: 792 Cited: 0 Commented: 0(p.1394-1410) <Full Text>

Chinese summary <1> 一种具有人机交互沉浸式设计的数字仿真平台——用于作业级水下遥控潜水器的导航、运动与遥操作

黄方昊^1,2,3，杨霄^1,3，陈宣霖^1,3，梅德庆^1,2,3，陈正^1,2,3
¹浙江大学海洋精准感知技术全国重点实验室，中国杭州市，310058
²浙江省智能运维机器人重点实验室，中国杭州市，311121
³浙江大学海洋学院，中国舟山市，316021
摘要：由于水下测试具有高难度、高成本和长时耗等特点，针对水下遥控潜水器（ROV）的全流程模拟仿真成为一种经济可行的方案，能够用于实际水下任务前的算法预测试和操作者培训。本文针对作业级ROV的导航、运动与遥操作，开发了一种人机交互数字仿真平台，为操作者提供可视化的全流程操作体验。该平台设计了两种机制：一是为操作者培训提供虚拟仿真环境，二是在执行实际任务时提供实时的视觉与力觉反馈。此外，该平台为研究人员设计了开放的数据接口，便于在实际水下任务前对相关算法进行验证和预测试。本文选取了两种典型的水下作业场景进行基于流体动力学的仿真测试，具体包括水下沉积物采样和管道对接任务。在ROV导航至预定位置后，操作者能够获得视觉与力觉反馈，并通过主端机械臂操控ROV上的从端机械臂。在整个运行过程中，利用基于动态窗口法的局部导航算法、滑模运动控制器和遥操作控制框架，以展示所设计平台的有效性。最后，对ROV操作模式进行了具有量化指标的用户调研，以评估数字仿真平台在沉浸式水下遥操作中的优越性和准确性。

关键词组：水下遥操作；遥操作；导航和运动控制；虚拟现实；视觉与力觉辅助

A unified shared control architecture for underwater vehicle–manipulator systems using task priority

Zhangpeng TU, Yuanchao ZHU, Xin WU, Canjun YANG

DOI: 10.1631/FITEE.2400471 Downloaded: 471 Clicked: 350 Cited: 0 Commented: 0(p.1411-1427) <Full Text>

Chinese summary <1> 基于任务优先级的水下机器人—机械手系统统一共享控制架构

涂章鹏¹，朱元超^1,3，武鑫¹，杨灿军^1,2
¹浙江大学流体动力与机电系统国家重点实验室，中国杭州市，310027
²浙江大学宁波研究院，中国宁波市，315100
³南京电子技术研究所，中国南京市，210007
摘要：在非结构化的水下环境中，实现水下机器人—机械手系统（UVMS）的自主操作具有挑战性。仅依靠遥操作同时控制水下航行器与水下机械手会给操作者带来巨大的认知与体力负担。本文提出一种统一共享控制（USC）架构，该架构融合了分离式共享控制（DSC）与交互式共享控制（ISC），以减轻操作者的负担。通过基于DSC的任务优先级划分，将整机任务分解为约束、操作与姿态优化子任务。机器人系统自主地避免自身碰撞，并根据用户的视觉偏好调整姿态。将触觉反馈融入操作任务的交互式共享控制以增强人机协作，并通过整机控制将其无缝集成于UVMS的操作任务中。通过仿真与水池实验来验证该方法的可行性。相比手动控制，本方法在仿真中的任务完成时间减少17.50%，操作输入长度降低25.00%，认知负荷下降35.53%；水池实验中对应指标分别降低22.73%、40.00%与29.91%。主观测量结果表明该方法能有效降低操作者工作负荷。

关键词组：统一共享控制；水下机器人—机械手系统；人机交互；任务优先级

Few-shot exemplar-driven inpainting with parameter-efficient diffusion fine-tuning

Shiyuan YANG, Zheng GU, Wenyue HAO, Yi WANG, Huaiyu CAI, Xiaodong CHEN

DOI: 10.1631/FITEE.2400395 Downloaded: 1266 Clicked: 674 Cited: 0 Commented: 0(p.1428-1440) <Full Text>

Chinese summary <1> 基于参数高效扩散微调的少样本参考图驱动图像补全

杨诗远¹，顾峥²，郝文月¹，汪毅¹，蔡怀宇¹，陈晓冬¹
¹天津大学精密仪器与光电子工程学院光电信息技术教育部重点实验室，中国天津市，300072
²南京大学计算机软件新技术国家重点实验室，中国南京市，210008
摘要：文本到图像的扩散模型在图像生成方面展现了卓越的能力，并已广泛应用于图像补全任务。尽管文本提示能够为有条件的图像补全提供直观指导，但用户往往希望通过提供参考图像为特定对象补全个性化外观。然而，现有的参考图驱动图像补全方法难以实现高保真度的补全效果。为解决这一问题，我们基于预训练的文本驱动图像补全模型提出一种即插即用的低秩适配（LoRA）模块。该模块通过少样本微调学习参考图像的特定特征，显著提升了对自定义参考图像的拟合能力，并且无需在大规模数据集上进行大量训练。此外，引入GPT-4V提示词和先验噪声初始化技术，进一步提升补全结果的保真度。简而言之，去噪扩散过程首先从由复合参考-背景图像派生的初始噪声开始，进而由GPT-4V从参考图中生成的丰富提示词引导后续生成过程。大量实验表明，我们的方法在定性和定量指标上都达到目前最高水平，为用户提供了一个具有更强定制化能力的参考图驱动图像补全工具。

关键词组：扩散模型；图像补全；参考图驱动；少样本微调

E-CGL: an efficient continual graph learner

Jianhao GUO, Zixuan NI, Yun ZHU, Siliang TANG

DOI: 10.1631/FITEE.2500162 Downloaded: 64 Clicked: 102 Cited: 0 Commented: 0(p.1441-1453) <Full Text>

Chinese summary <1> E-CGL：一个高效的图连续学习器

郭鉴豪，倪子烜，朱赟，汤斯亮
浙江大学计算机科学与技术学院数字媒体计算与设计实验室，中国杭州市，310027
摘要：连续学习已成为从序列数据中学习新知识并保留先前知识的关键范式。图连续学习（CGL）具有流式数据带来的动态演化图特征，其独特挑战要求高效算法以防止灾难性遗忘。首要挑战源于不同图数据间的相互依赖性--历史图数据会影响新数据的特征分布。第二个挑战在于如何高效地处理大规模图数据。为应对这些挑战，本文提出一种高效的图连续学习器（E-CGL）。通过验证回放策略的有效性，提出兼顾节点重要性与多样性的组合采样方法，成功解决图数据相互依赖问题。在效率提升方面，E-CGL采用一种简单而有效的多层感知机模型，该模型与图神经网络共享权重，在训练过程中解耦耗时的消息传递机制实现计算加速。本方法在两种实验设置下的4个数据集上取得先进的成果，同时将灾难性遗忘率显著降低至−1.1%的平均水平。此外，在4个数据集上，E-CGL的训练与推理速度分别提升了15.83倍和4.89倍。这些结果表明，E-CGL不仅在模型更新过程中有效保留图数据间的关联性，更在大规模图连续学习场景中显著提升效率。

关键词组：图神经网络；连续学习；动态图；图连续学习；图学习加速

Single-layer chiral metasurface for circularly polarized light detection

Xinjie SUN, Xin HE, Zixin CAI, Xiang HAO

DOI: 10.1631/FITEE.2400081 Downloaded: 1553 Clicked: 1615 Cited: 0 Commented: 0(p.1454-1460) <Full Text>

Chinese summary <1> 用于圆偏振光探测的单层手性超表面

孙昕婕，何欣，蔡子信，郝翔
浙江大学光电科学与工程学院，中国杭州市，310027
摘要：基于超表面的圆偏振器件往往面临着结构复杂度和偏振消光比之间的权衡。提出一种具有强圆二色性的单层手性超表面。该结构能够将圆偏振入射光转化为线偏振光，并且能够实现高的圆偏振消光比。所设计的超表面可以通过改变几何参数的方式改变工作波长。该超表面结构之间的局域表面等离子体共振产生了强手性光学效应。此外，通过实验表征了该超表面的圆二色性。

关键词组：光学超表面；偏振探测；平面光学元件；手性超表面

Design of omnidirectional Rydberg atomic sensors loaded with electric field enhancement structure using characteristic mode analysis

Zhenke DING, Yi LIU, Bo WU, Kai YANG, Ruibing RAN, Yi LIN, Yunqi FU

DOI: 10.1631/FITEE.2400700 Downloaded: 537 Clicked: 404 Cited: 0 Commented: 0(p.1461-1472) <Full Text>

Chinese summary <1> 基于特征模式分析的电场增强结构加载型全向里德堡原子传感器设计

丁振珂，刘燚，武博，杨凯，冉瑞冰，林沂，付云起
国防科技大学电子科学学院，中国长沙市，410073
摘要：电场增强结构（EFES）与里德堡原子传感器（RAS）的集成技术因其在量子测量系统中增强检测灵敏度的潜力而受到广泛关注。然而，目前关于EFES方向响应的研究仍然较稀缺，RAS的三维方向图分析依然是一个严峻的挑战。RAS主要作为接收设备，可被用于无损测量技术，对电场产生响应。然而，分析其接收方向图是一项复杂的任务，需要运用复杂的方法。为此，我们采用特征模式（CM）分析来说明RAS的全向性能。根据CM理论，接收方向图可以通过一系列模式电流及其相应的系数来计算。这些系数的解析表示消除了耗时的全波（FW）数值模拟的需求，而后者通常需要扫描大量角度参数才能生成EFES方向图。这一方法显著降低了解决EFES方向图的复杂性，并为设计过程提供了有意义的指导。为验证所提方法的有效性，构建了3个原型。结果表明，最终模型在1.96 GHz时共振，达到25 dB的电场增益和2.4 dB的不圆度。这些发现突显了我们的方法在EFES方向图分析中的有效性，展示了其在该领域的应用潜力。

关键词组：里德伯原子传感器；特征模式；电场增强结构

Joint target tracking using an autonomous underwater vehicle and underwater sensor networks for underwater applications

Zhaohong LV, Zhenkai ZHANG, Boon-Chong SEET, Yi YANG

DOI: 10.1631/FITEE.2400869 Downloaded: 1212 Clicked: 680 Cited: 0 Commented: 0(p.1473-1485) <Full Text>

Chinese summary <1> 面向水下应用的水下自主航行器与传感器网络联合目标跟踪方法

吕招洪¹，张贞凯¹，Boon-Chong SEET²，杨毅³
¹江苏科技大学海洋学院，中国镇江市，212003
²奥克兰理工大学电气与电子工程系，新西兰奥克兰，1010
³武汉船舶通信研究所，中国武汉市，430223
摘要：由于受到环境限制，水下传感器网络（USNs）能源资源有限，因此提高其能源利用效率至关重要。为此，本文采用搭载较强计算能力的自主水下航行器（AUV）来处理测量数据，并利用AUV的机动性优化USN拓扑，从而提高跟踪精度。首先，针对水声信号传输时延，提出一种结合时间延迟估计的集中式扩展卡尔曼滤波器（TD-CEKF）算法。其次，建立AUV位置与USN拓扑结构之间的数学关系，并基于此构建优化目标。最后，引入罚函数对目标函数进行无约束化处理，并通过梯度下降法搜索最佳AUV位置以优化USN拓扑结构。仿真结果表明，所提算法能有效克服传输延迟对目标跟踪的影响，提高跟踪性能。

关键词组：水下传感网络；目标跟踪；时延估计；自主水下航行器

Reconfigurable intelligent surface-aided secret key generation using an autoencoder and K-means quantization

Zhenling LI, Panpan XU, Qiangqiang GAO, Chunguo LI, Weijie TAN

DOI: 10.1631/FITEE.2400799 Downloaded: 827 Clicked: 719 Cited: 0 Commented: 0(p.1486-1500) <Full Text>

Chinese summary <1> 基于自编码器与K均值量化的可重构智能表面辅助密钥生成

李珍玲¹，徐盼盼¹，高强强^2,3，李春国⁴，谭伟杰^2,3
¹贵州大学数学与统计学院，中国贵阳市，550025
²贵州大学公共大数据国家重点实验室，中国贵阳市，550025
³贵州大学计算机科学与技术学院，中国贵阳市，550025
⁴东南大学信息科学与工程学院，中国南京市，212013
摘要：在准静态无线信道场景下，物理层密钥的生成面临着信道特性不变带来的挑战，导致高密钥不一致率（KDR）和低密钥生成率（KGR）。为解决这些问题，提出一种新颖的可重构智能表面（RIS）辅助密钥生成方法，该方法结合了自编码器和K均值量化算法。本文提出的方法利用信道状态信息进行信道估计，动态调整RIS的反射系数，以创建快速波动的信道。该策略从动态信道参数中提取信息，从而增强信道随机性。通过集成自编码器与K均值聚类量化算法，该方法高效地从复杂、模糊且高维的信道参数中提取随机比特，显著降低了KDR。仿真实验表明，在不同信噪比条件下，该方法在KDR和KGR方面均表现出色。此外，用美国国家标准与技术研究院测试套件验证了该方法所生成密钥的随机性。

关键词组：可重构智能表面；物理层密钥生成；量化；自编码器

Three-dimensional-printed low-sidelobe dual-band dual-polarized antenna array for Ku-bandsatellite communications

Yuqi XIA, Xiuping LI, Genqiang KOU, Wenyu ZHAO, Jie ZHANG, Muhammad ISHFAQ, Zihang QI

DOI: 10.1631/FITEE.2400709 Downloaded: 828 Clicked: 590 Cited: 0 Commented: 0(p.1501-1508) <Full Text>

Chinese summary <1> 用于Ku波段卫星通信的3D打印低旁瓣双频双极化阵列天线

夏宇琪^1,2,3,4，李秀萍^1,2,3,4，寇根强^1,2,3,4，赵文禹^1,2,3,4，张洁^1,2,3,4，Muhammad ISHFAQ^1,2,3,4，齐紫航^1,2,3,4
¹信息光子学与光通信全国重点实验室，中国北京市，100876
²泛网无线通信教育部重点实验室，中国北京市，100876
³安全生产智能监控北京市重点实验室，中国北京市，100876
⁴北京邮电大学电子工程学院，中国北京市，100876
摘要：介绍了一种用于Ku波段卫星通信（SATCOM）的3D打印双频双极化间隙波导（GWG）缝隙阵列天线。两个堆叠的GWG通过正交槽分别激发腔内的准TE₄₂₀和准TE₂₄₀模式。基于脊间隙波导（RGW），提出一种具有大功率分配比的不等分功率分配器。实现了双极化功率锥形分布馈电网络，抑制了旁瓣电平（SLL）。天线通过直接金属激光烧结（DMLS）分层打印，整个天线通过螺钉组装在一起。测量的阻抗带宽覆盖了Ku波段SATCOM所需的发射频段（Tx，从14.0到14.5 GHz）和接收频段（Rx，从12.25到12.75 GHz）。测量结果显示，最大增益达到25.6 dBi，双频段的辐射效率超过72%。

关键词组：低旁瓣；缝隙天线阵列；锥形分布馈网；卫星通信；间隙波段天线