-
ALVEARE:面向正则表达式匹配的全栈硬件-软件协同加速框架
摘要:正则表达式(RE)被广泛用于在从个性化医疗到计算机安全的多样化领域中标识功能数据模式。尽管其应用广泛,但基于正则表达式的模式匹配仍是最具挑战性的计算内核之一,因为其存在严格的数据依赖性,导致处理时间较长且能耗较高。目前,正则表达式引擎要么依赖于运行时正则表达式的灵活更改
来源:IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems
时间:2026-09-23
-
无人机辅助的优先级感知数字孪生车联网边缘计算资源联合调度框架
摘要:数字孪生赋能的车联网边缘计算使路边单元能够维护车辆的同步虚拟副本,同时处理其卸载的计算任务,然而这两种服务都在争夺相同的有限通信和边缘计算资源。当无人机作为低空感知节点检测到紧急车辆和获授权优先车辆时,这种竞争变得尤为关键,这些车辆比普通车辆需要更快的孪生同步和更严格
来源:IEEE Open Journal of the Communications Society
时间:2026-09-23
-
面向6G的OFDM兼容演进波形:仿射频分复用(AFDM)在双重弥散信道中的结构鲁棒性与高效实现
摘要:随着第六代移动通信(6G)标准化进程的加速,业界日益达成共识,支持采用演进型波形技术——即在保留与4G和5G正交频分复用(OFDM)核心兼容性的同时,赋予系统新的能力。本文将仿射频分复用(AFDM)定位为此类候选技术,它能够在双重弥散信道上为高速移动通信和感知通信一体化
来源:IEEE Open Journal of the Communications Society
时间:2026-09-23
-
广义λ-κ-μ衰落信道下卫星-地面通信链路中相干检测与MFSK的检测性能分析
摘要:在卫星-地面通信链路中,非均匀衰落和相位扰动会导致接收信号的幅度和相位波动,从而影响符号决策的可靠性。为了评估在这种条件下不同检测方案的误码性能,本文研究了广义λ-κ-μ衰落信道上的平均符号错误概率(ASEP)。考虑不完美的相位误差,推导了相干检测和M元非相干频移键控(
来源:IEEE Open Journal of the Communications Society
时间:2026-09-23
-
XAI与TinyML融合构建可信高效物联网系统综述
可解释人工智能(XAI)与微型机器学习(TinyML)的融合正逐渐成为构建可信且高效的物联网(IoT)系统的关键推动力。TinyML 使得实时智能可以直接部署在资源受限的边缘设备上,而 XAI 则通过为模型决策提供可解释的洞察来增强透明度。本综述全面回顾了 XAI、TinyM
来源:IEEE Access
时间:2026-09-23
-
基于多头自注意力多任务学习的无刷直流电机故障严重度评估与剩余使用寿命预测网络
无刷直流(BLDC)电机预测性维护的重要性正在迅速提升,这得益于对更高可靠性、运行效率、减少停机时间以及持续健康评估的持续需求。现有方法倾向于将故障诊断和剩余使用寿命(RUL)评估视为独立任务,这限制了它们为不同的诊断和预测目标使用相似表征的能力。在此,我们提出了一种基于多头
来源:IEEE Access
时间:2026-09-23
-
半盲导频校准汉克尔空时融合估计器用于低轨卫星宽带同频干扰下的期望波形恢复
摘要:在低地球轨道卫星链路中,当角度接近度和多径效应共同耦合空间与时间干扰结构时,宽带同频干扰极具挑战性。本文提出了一种半盲导频校准的汉克尔空时融合估计器(PC-HSTF),用于期望波形恢复。接收阵列序列通过精确的有限记忆汉克尔提升进行嵌入,随后利用接收机已知的帧头/导频符号
来源:IEEE Open Journal of the Communications Society
时间:2026-09-23
-
基于E类功率振荡器与低Q值RC反馈网络的鲁棒无线电力传输系统设计
植入式医疗设备的无线电力传输通常通过感应耦合实现。然而,这些系统中的功率传输效率(PTE)和负载功率(PDL)对线圈间距和位置不对准非常敏感。在本文中,我们提出了一种E类功率振荡器(PO)作为感应链路的驱动器。通过引入反馈网络,PO可以自动调整其振荡频率,以减少PTE和PDL
来源:IEEE Access
时间:2026-09-23
-
Wi-Fi信道状态信息无设备人体活动识别综述:物理约束学习、信息论压缩与跨领域适应的耦合失效机制
摘要:Wi-Fi信道状态信息(CSI)能够基于商用无线基础设施实现非侵入式无设备人体活动识别(DFHAR),但其能够解析亚毫米级运动的电磁敏感性也使训练模型对环境、硬件及用户变化极为脆弱。既有综述通常将跨领域适应、物理信息建模、自监督学习与边缘部署孤立讨论,很少解释测量不一致
来源:IEEE Access
时间:2026-09-23
-
SkinXViT:基于双骨干CNN-Transformer架构的皮肤病变诊断与可解释性研究
皮肤病变的准确诊断是皮肤科学中的一大挑战,尤其是在区分具有重叠视觉特征的多种病症时。先前的研究曾探讨将单一的基于CNN的架构与Transformer编码器相结合。我们提出了一种名为SkinXViT的双骨干CNN-Transformer架构,该架构整合了DenseNet-121
来源:IEEE Access
时间:2026-09-23