2026年 02期
边缘计算赋能的低空网络中基于主动推理的联合优化算法
杜剑波;裴政钦;邓智翔;曹滋榕;方慧芳;李树磊;为了解决低空网络空域资源短缺、无人机(Unmanned Aerial Vehicle, UAV)能源受限及动态环境下算法泛化性不足的核心难题，提出一种边缘计算赋能的低空网络中基于主动推理的联合优化算法。考虑一个多接入边缘计算(Multi-Access Edge Computing, MEC)赋能的低空网络场景，UAV配备传感器用于收集数据，边缘计算平台负责处理所有数据。在保证服务质量的同时，通过优化UAV感知时间和发送功率以最大化运营商的经济效益。由于系统的高度动态特性及变量间的紧密耦合，将问题重新建模为马尔可夫决策过程(Markov Decision Process, MDP),并采用基于主动推理的深度强化学习(Deep Reinforcement Learning, DRL)算法进行求解。实验结果表明，所提算法与感知时间随机算法及发送功率固定算法相比，经济效益平均提升了16%,总时延平均降低了23%,总能耗也显著低于对比算法。
降雨环境下自由空间光通信链路性能预测与优化模型
马保科;张佳欣;傅思昂;寇恒越;丁冠中;孙嘉祺;李阳;自由空间光(Free-Space Optical, FSO)通信在降雨环境中受到严重的链路衰减，为缓解衰减并提升通信性能，提出一种基于极限学习机(Extreme Learning Machine, ELM)与Adaboost算法相结合的降雨环境下FSO通信链路性能预测与优化模型。通过Mie理论建立降雨衰减的物理模型，分析不同的雨滴谱分布模型对激光通信的影响，构建以降雨强度、波长、雨滴谱类型和气压为输入的预测模型，实现衰减系数的高精度估计，进一步得到信噪比与误码率，并结合智能寻优算法，实现对工作波长、发射孔径和发射功率等关键参数的自适应调控，以优化通信性能。实验结果表明，所建模型对衰减预测的耗时仅为0.59 s,较传统Mie理论计算效率提升了近2 000倍；经参数优化后，在不同降雨场景下平均误码率降低了约5.98%～44.95%。
IRS与AN辅助的SR网络安全卸载方案
刘超文;曾安玲;蔡雨卓;李玉泽;刘伯阳;针对物联网用户任务处理期间面临的频谱资源短缺和安全问题，提出一种基于智能反射面(Intelligent Reflecting Surfaces, IRS)和人工噪声(Artificial Noise, AN)辅助共生无线电(Symbiotic Radio, SR)网络安全卸载方案。在满足次级用户安全通信需求、能量消耗等约束条件下，通过联合优化主发射机(Primary Transmitter, PT)的本地计算频率、发射功率、IRS的反射系数，以及全双工基站的发射和接收波束成形矢量，最大化主发射机的计算任务量。由于所构建的优化问题具有非凸性，采用分块迭代(Block Coordinate Descent, BCD)算法、半正定松弛(Semidefinite Relaxation, SDR)算法以及连续凸近似(Successive Convex Approximation, SCA)算法对其进行求解。仿真结果表明，与IRS随机相位方案和随机接收波束成形方案相比，所提方案使PT计算任务量分别提升了约4.1%和9.2%。
硅半导体器件电离辐射及电磁脉冲协同效应研究综述
张磊;张帅;董磊;段鑫沛;邱一武;殷亚楠;周昕杰;宇航用航天器、卫星及激光惯性约束聚变装置中的电子系统常面临辐射环境的影响，硅半导体器件作为集成电路和电子设备的基本组成单元，在辐射环境下易发生瞬态失效与长期退化，严重影响电子系统的电磁兼容性与电磁脉冲抗扰度。电离辐射与电磁脉冲共存使得辐射环境复杂性加剧，对航天器在轨运行及国防安全均造成重大威胁。然而，电离辐射与电磁脉冲的协同效应对硅半导体器件性能和可靠性的影响尚未得到充分关注与深入研究。通过阐明硅半导体器件辐射损伤机制，系统归纳典型硅半导体器件在电离辐射与电磁脉冲协同效应的研究成果，分析提升硅半导体器件的加固技术并探讨其发展趋势，旨在为未来相关领域的深入研究提供理论参考。
抗DDoS攻击下的鲁棒负荷频率控制
钱正浩;刘冯政;何明东;李波;李雪武;傅格话;胡一凡;针对网络化电力系统在分布式拒绝服务(Distributed Denial of Service, DDoS)攻击与控制器增益偏差并存导致的频率调节退化问题，提出一种将非脆弱比例积分(Non-fragile Proportional Integral, NFPI)与Q-learning自适应采样结合的采样数据负荷频率控制(Load Frequency Control, LFC)框架。采用伯努利随机门控刻画由DDoS引发的指令丢失与阻塞，构建含状态、采样保持与能量积分项的Lyapunov-Krasovskii泛函，并配合线性矩阵不等式(Linear Matrix Inequalities, LMIs)给出H_∞稳定性判据与控制器综合。同时以频差和攻击指示等构成学习状态，将候选采样间隔离散为动作空间并设计兼顾误差与通信代价的回报函数以在线优化采样策略。仿真表明，在较高攻击概率下该方案仍能实现频率快速且近乎无过冲的收敛，并在保持可比稳态精度的前提下显著减少采样与控制更新，从而在增益不确定与对抗性丢包并存时兼顾鲁棒性与通信效率，适于现代网络化电力系统部署。
电网负荷侧变压器多工况无功节能优化方法
张杰;刘生春;马勇飞;侯元红;针对电网负荷侧变压器在多工况运行下因无功补偿不足导致的功率因数低下、能耗增加问题，提出一种电网负荷侧变压器多工况无功节能优化方法。计算电网负荷侧变压器多工况无功节能优化参数，考虑多差异性进行寻优，确定变压器的开关操作允许上限，生成平衡约束式；进行负载与温升调整，考虑潮流约束关系计算优化潮流，对各个优化节点进行线性化近似处理；对负荷等级进行分类，融合流动特性结合近端优化算法构建电网负荷侧变压器多工况无功节能优化模型，计算此时的适应度，将目标函数映射到较大的取值空间中，判断约束条件，获取每个个体求解的变量值，完成电网负荷侧变压器多工况无功节能优化。实验结果表明，所提方法在轻载、中载、重载工况下可将功率因数分别提升至0.92、0.95、0.91,且电压波动率降至1.2%。所提方法能够显著提升变压器多工况下的无功优化能力与经济运行水平，为电力系统节能降耗提供有效技术支撑。
基于深度学习的SAR与光学遥感图像配准技术综述
熊博莅;郭青;周家鑫;匡纲要;光学图像与合成孔径雷达(Synthetic Aperture Radar, SAR)图像的跨模态配准是遥感数据融合与解译的关键预处理技术，但其长期受两种模态非线性辐射差异的制约。为系统性梳理现有解决方案，对基于深度学习的配准方法进行归纳，摒弃传统的功能模块划分，提出更能反映其内在逻辑的技术范式分类。深入阐述基于模态统一、基于深度学习增强的模块化配准，以及基于端到端框架3种主流范式的核心原理。通过对比得出：模态统一致力于从根源上缓解辐射差异，模块化增强便于融合传统算子与深度学习优势，而端到端框架是提升配准精度与效率的关键发展方向。最后，总结当前方法在复杂场景鲁棒性、模型泛化能力与数据依赖性方面的共性挑战，并指明未来的主要研究趋势。
注意力残差聚合的高分辨率图像修复算法
张雪锋;潘义婷;针对图像修复方法中修复图像分辨率过小导致使用场景受限的问题，提出一种注意力残差聚合的高分辨率图像修复算法。该算法通过生成器和判别器的协同作用，在生成器中使用带有注意力机制的聚合上下文转换块，使网络能够精准地聚焦于破损区域；在判别器中引入软掩码机制，有效模拟破损区域的边界，生成平滑的过渡效果，进一步提升修复图像的质量。实验结果表明，在CelebA-HQ人脸数据集和DIV2K+Flickr2K综合数据集上，所提算法的修复效果均优于其他对比方法，能够生成更加细腻的纹理和高质量的修复图像。
信息熵自适应生成对抗网络的水下图像增强方法
张三;李吴唐;韩旭东;丁倩文;周曼丽;王浚安;针对水下图像普遍存在偏色、细节模糊以及现有网络模型推理速度较慢、复杂度较高等问题，提出一种信息熵自适应生成对抗网络(Generative Adversarial Networks,GAN)的水下图像增强方法。在GAN生成器中使用U-Net网络提取水下图像特征，并计算U-Net网络中各层的信息熵，根据预先设定的阈值自适应地选择参与细节特征增强模块训练的特征层。同时，利用去偏色模块对原始图像进行处理，采用特征提取模块提取去偏色后的图像特征。最后，通过细节特征增强模块完成特征融合，并利用判别器对重构增强的图像进行判别。实验结果表明，所提方法在峰值信噪比和结构相似度两个指标上分别达到21.92和0.95,较FUnIE-GAN方法提升了14.65%和3.51%。此外，在非参考指标水下图像质量度量和自然图像评价指标上，所提方法也表现出显著优势，验证了其在色彩校正、细节恢复和对比度提升方面的有效性。
双分支动态蛇形卷积网络的髋部DXA图像股骨分割方法
魏秋月;姚可;谈伟;孙敏;汤少杰;为提高髋部双能X线吸收法(Dual-energy X-ray Absorptiometry, DXA)图像中股骨的分割精度，提出一种双分支动态蛇形卷积网络的髋部DXA图像股骨分割方法。该方法基于经典U-Net网络，由动态蛇形卷积模块、注意力机制模块和多层感知机模块构成。利用动态蛇形卷积模块的可变形卷积自适应调整感受野，深入捕捉股骨边缘细节。采用多维度注意力融合的方式设计注意力机制模块，包含位置注意力模块、通道注意力模块以及坐标注意力模块，提升模型对关键信息的关注能力，减少无关特征干扰。结合局部图像块处理与全局信息协同的联动机制，通过多层感知机模块有效融合局部与全局特征，进而定位并识别股骨相关目标区域。实验结果表明，所提方法在验证数据集上与对比方法相比，Dice系数、召回率以及交并比分别最大提高了0.86%、0.93%和1.74%,Hausdorff距离最大降低了3.96%,细节与边缘特征捕捉方面更具优势，有效提升了髋部DXA图像股骨的分割精度。