-
DomSim:一种基于硬件特性的混合故障仿真技术,采用支配树引导的分区策略
摘要:门级故障仿真是在芯片设计过程中进行测试和功能安全验证的关键步骤,对于确保电路可靠性至关重要。随着用于自动驾驶汽车、医疗设备和军事系统等关键任务应用的芯片复杂性的增加,故障仿真的效率越来越成为制约芯片上市时间的瓶颈。然而,现有方法通常存在计算冗余、内存访问效率低下或未能针对
来源:IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems
时间:2026-05-26
-
通过生态工程方法设计的基于聚对苯二甲酸乙二醇酯(PET)的分子抑制剂,用于稳定铝阳极界面,从而实现安全、可持续的铝-空气电池
阿蒂拉·科南彻里·穆拉利德哈兰(Athira Konanchery Muraleedharan)、维贾亚库马尔·埃卢马拉莱(Vijayakumar Elumalai)、穆图库马尔·佩鲁马拉萨米(Muthukumar Perumalsamy)、阿吉兰·佩鲁马尔(Agilan Per
来源:Energy Storage Materials
时间:2026-05-26
-
光谱幅度编码光码分多址技术家族的综述
对高容量通信的追求促使研究界探索了众多技术。其中,光码分多址(OCDMA)技术在数据传输速率、覆盖范围和用户数量方面表现出色。OCDMA网络的发展始于一维(1D)码的设计与实现,这些码具有有效的相关性特性,可以减少多用户干扰(MAI)和相位诱导强度噪声(PIIN)的影响,从而提供
来源:Journal of Lightwave Technology
时间:2026-05-26
-
通过距离-角度解耦技术提升大规模阵列式脉冲调制连续波(PMCW)系统的感知性能
摘要: 近期,相位调制连续波(PMCW)系统因其具备集成传感和通信功能以及高分辨率的感知能力,而成为自动驾驶系统的下一代波形选择。然而,高分辨率的PMCW雷达系统需要较大的天线阵列口径和宽频带,这会导致严重的距离-角度耦合效应,从而降低感知性能。为了解决这一问题,我们首先建立了
来源:IEEE Access
时间:2026-05-26
-
MLDCSS:一种在CR-IoT网络中具有能效意识的多级协作频谱感知技术,该技术结合了分层融合和非相干MIMO技术
摘要:
本文提出了一种独特的多层次决策协作频谱感知(MLDCSS)框架,适用于支持多输入多输出(MIMO)技术的认知无线电物联网(CR-IoT)网络。该架构采用改进的k-means算法来考虑剩余能量和空间邻近性,从而将簇
来源:IEEE Access
时间:2026-05-26
-
基于强化学习的对话策略,结合大型语言模型(LLM)辅助的决策蒸馏技术
摘要: 对话策略是管道对话系统的基本组成部分,负责指导对话生成并确保符合既定的输出约束。传统的对话策略学习方法通常涉及基于深度强化学习(RL)的序列决策模型。然而,这些基于深度RL的对话策略经常面临样本效率低下的挑战,这会阻碍它们的性能。大型语言模型(LLMs)的最新进展在各个
来源:IEEE Access
时间:2026-05-26
-
用于雷达前视方位超分辨率成像的截断稀疏正则化调整方法
摘要: 在雷达前视方位超分辨率成像中,病态问题严重影响了参数估计的可靠性,进而影响了海洋探测与成像、海洋灾害救援、船舶导航等应用的准确性。对于雷达前视成像中的稀疏病态问题,现有的正则化方法缺乏基于MSE最小化的自适应正则化参数选择机制,这种机制未能充分考虑方差和偏差的联合影响。
来源:IEEE Transactions on Consumer Electronics
时间:2026-05-26
-
一款0.2–12 GHz频段的快速稳定宽带频率合成器,配备级联切换频率扩展器和连续补偿PFDCP技术
摘要:本文介绍了一种适用于多频段通信应用的快速锁定宽带频率合成器(FS)。通过将宽带低噪声压控振荡器(VCO)与提出的级联切换频率扩展器(SS-FEX)集成,该频率合成器实现了从0.2 GHz到12 GHz的连续频率覆盖,并具有较高的面积效率。SS-FEX配备了级间开关和唤醒晶
来源:IEEE Transactions on Circuits and Systems I: Regular Papers
时间:2026-05-26
-
采用协同相位反转调制和宽侧辐射稳定技术的双波束连续扫描SSPP漏波天线
摘要:本文从理论上研究了双螺旋涡旋电磁(EM)波天线的增益和模式纯度,并通过实验验证了高增益、高模式纯度的双螺旋阵列设计。首先提出了一种双臂阿基米德螺旋阵列结构,然后利用数值方法对其增益和模式纯度进行了理论分析,发现该结构的方位角依赖半径在场展开式中包含额外的方位角项。理论上,
来源:IEEE Antennas and Wireless Propagation Letters
时间:2026-05-26
-
MFDR++:一种基于深度重构的强大且高效的多变量时间序列预测方法
摘要:最近在基于深度学习的多变量时间序列(MTS)预测领域取得的进展表明,增加模型复杂性并不一定能带来更好的预测准确性,这主要是由于在建模序列内部和序列之间的关系时存在不当的归纳偏差。为了解决这些问题,本文提出了MFDR++这一改进的预测框架,它通过改进序列内部的建模和基于统计
来源:IEEE Access
时间:2026-05-26