• 基于改进合成孔径雷达的RFID室内定位方法：概率全息与多径抑制技术

  在智能仓储、医疗设备管理等场景中，室内精准定位技术需求日益迫切。然而，传统无线定位方法如蓝牙或Wi-Fi易受环境干扰，而基于射频识别（RFID）的合成孔径雷达（SAR）技术虽具有低成本、无源优势，却面临多径效应和测量误差的挑战。现有解决方案或需增加硬件成本，或牺牲计算效率，难以兼顾精度与实用性。针对这一技术瓶颈，杭州电子科技大学的研究团队在《Sensors and Actuators A: Physical》发表论文，提出了一种创新性的改进SAR定位方法。该方法通过分析标签反向散射信号相位构建概率全息图，首次将目标定位转化为寻找概率极值点的数学问题。为克服环境干扰，研究人员设计了双重改进策略：

  来源：Sensors and Actuators A: Physical

  时间：2025-06-21

• 辅助描述生成技术：构建图像-文本匹配与图像描述间的语义桥梁

  在多媒体社会蓬勃发展的今天，图像与文本的跨模态匹配(ITM)技术已成为智能工业、缺陷检测等领域的基石任务。然而，现有方法直接对齐视觉与语言特征时，常因图像关键内容未被凸显而导致匹配效果受限。这种"语义鸿沟"现象促使研究者思考：能否借鉴人类"先理解后匹配"的认知过程来优化算法？针对这一挑战，西安交通大学的研究团队在《Signal Processing: Image Communication》发表创新研究，提出将辅助描述生成作为图像与文本间的"语义桥梁"。该方法通过融合图像特征与其描述文本特征，构建具有高层语义的新表征。更突破性的是，团队设计了Caption-to-Text(C2T)指标——以描

  来源：Signal Processing: Image Communication

  时间：2025-06-21

• 基于信息解耦的无监督域自适应甲骨文检测方法研究

  甲骨文作为商周时期的重要文字载体，其研究对揭示中国古代文明具有不可替代的价值。随着计算机技术的发展，利用深度学习自动检测甲骨文成为可能。然而，甲骨文数据存在多种形式——拓片（rubbing）、手写体（handwriting）和照片（photo），不同域之间因采集方式差异导致显著的分布差异（domain shift）。传统方法依赖大量标注数据，而手写体和照片域的标注成本高昂且需专业知识。更棘手的是，直接迁移拓片域训练的模型至其他域时，性能会因域偏移和噪声信息而急剧下降。为解决这一挑战，河南师范大学等机构的研究团队在《Signal Processing: Image Communication》发

  来源：Signal Processing: Image Communication

  时间：2025-06-21

• 基于解码器控制与注意力掩模的动漫风格图像面部表情转换方法研究

  在动漫产业蓬勃发展的当下，角色设计的工作量呈指数级增长。尽管计算机视觉在交通标识识别等现实场景中表现出色，但动漫图像的自动化处理仍面临巨大挑战。尤其当涉及到面部表情转换时，现有方法往往难以平衡两个核心需求：既要精确控制眉毛、嘴唇等细节部位的变形，又要维持角色身份特征（如发色、瞳色）的稳定性。更复杂的是，动漫面部具有高度抽象化和风格化的特点，不同作品间的画风差异使得传统基于连续动作单元（如FACS系统）的真实人脸表情转换方法完全失效。针对这些难题，中国的研究团队提出了一种基于生成对抗网络（Generative Adversarial Network, GAN）的创新框架。该研究通过三个关键技术突

  来源：Signal Processing: Image Communication

  时间：2025-06-21

• 触觉表面建模的信号处理方法综述：从感知特征到虚拟交互的跨学科研究

  在虚拟与现实边界日益模糊的今天，触觉反馈技术成为打破"次元壁"的最后一道难关。虽然现代VR头显能呈现4K级视觉体验，空间音频技术可精准定位声源，但当用户试图触摸虚拟物体时，那种真实的触感却始终难以复现。这种"看得见摸不着"的割裂感，严重制约着医疗培训、远程操作等关键领域的发展。究其根源，在于触觉信号处理缺乏像视觉(RGB/CIELAB)和听觉(频率/振幅)那样标准化的表征体系，使得从物理特征到人类感知的映射关系成为亟待解决的"黑箱"问题。针对这一挑战，研究人员在《Signal Processing: Image Communication》发表了系统性综述。研究首先创新性地将触觉处理流程解构为

  来源：Signal Processing: Image Communication

  时间：2025-06-21

• 基于多尺度形态学块与组稀疏表征学习的图像修复方法研究

  图像修复技术作为数字图像处理的核心课题，长期面临两大难题：传统方法难以平衡结构连贯性与纹理细节的保留，而深度学习又依赖海量数据且计算成本高昂。现有稀疏表征方法中，基于块的方法(PSR)易产生伪影，基于组的方法(GSR)则导致细节丢失，这种"顾此失彼"的困境严重制约了修复质量。更棘手的是，复杂形态结构（如曲线、角点）的修复始终是算法性能的"阿喀琉斯之踵"。针对这些挑战，研究人员创新性地将数学形态学与稀疏表征理论相结合，提出多尺度形态学块稀疏表征(M-PSR)与组稀疏表征(GSR)的协同框架。该研究通过k-SVD算法构建形态学特征字典捕捉局部结构，同时采用PCA提取组间非局部自相似性(NSS)特征

  来源：Signal Processing: Image Communication

  时间：2025-06-21

• 行人动力学模拟中动态队列形成与路径决策的建模创新研究

  在现代化城市中，地铁站售票窗口前的蜿蜒长队、演唱会散场时的有序分流，这些看似平常的场景背后隐藏着复杂的行人集体行为机制。尽管前人通过流体力学模型、元胞自动机(CA)和社会力模型(SFM)等工具研究了行人流的基本图、碰撞避免等基础问题，但对动态队列形成机制及其如何影响路径选择这一关键科学问题仍缺乏系统性研究。现有模型多依赖物理隔离强制形成单列队列，或局限于特定实验场景的决策模拟，难以反映真实场景中队列自组织与动态路径调整的耦合效应。西班牙Severo Ochoa卓越研究中心的研究团队在《Simulation Modelling Practice and Theory》发表的研究中，创新性地将队列

  来源：Simulation Modelling Practice and Theory

  时间：2025-06-21

• 基于非凸低秩与全广义变分的混合噪声高光谱图像去噪方法研究

  高光谱图像(HSI)在农业、地质等领域应用广泛，但其采集过程中常受高斯噪声、脉冲噪声、死线及条纹等混合噪声干扰，严重影响数据质量。传统方法如TV正则化易产生阶梯效应，低秩方法可能丢失空间细节。为此，国内研究人员在《Signal Processing: Image Communication》发表论文，提出结合全广义变分(TGV)与非凸低秩(NLR)的NLRTGV模型，通过TGV保留空间结构并抑制高斯噪声，非凸核范数挖掘光谱低秩特性，ℓ1-范数检测稀疏噪声，最终采用改进的ADMM算法（融合加权ℓ1迭代、奇异值阈值及原始-对偶框架）实现高效求解。主要技术方法研究采用模拟与真实HSI数据集，对比LR

  来源：Signal Processing: Image Communication

  时间：2025-06-21

• 基于三维链码的体素化实体表面表示算法研究：一种支持孔洞和空腔的高效压缩方法

  在数字几何建模领域，如何高效表示三维实体表面一直是核心挑战。随着3D扫描技术的普及，空间枚举（SE）方法因实现简单而广泛应用，但传统体素网格直接存储会带来巨大内存开销。更棘手的是，现有链码编码方法如Lemus等提出的9符号方案虽能压缩数据，却无法处理含孔洞或空腔的复杂实体，且存在描述冗余问题。捷克布尔诺理工大学的研究团队在《Signal Processing: Image Communication》发表创新成果，开发了基于分层链表（HLoC）的3D链码算法。该方法通过三阶段处理：首先构建包含分支结构的链码序列，继而采用无分支剪枝和分支插入剪枝双重优化，最终生成支持{、}标记的压缩格式。研究首

  来源：Signal Processing: Image Communication

  时间：2025-06-21

• 基于LS-DYNA近场动力学方法的TBM盘形滚刀破岩机理数值模拟研究

  在硬岩隧道掘进工程中，隧道掘进机（TBM）的盘形滚刀犹如"地质雕刻师"，其破岩效率直接决定工程进度与成本。然而，岩石在极端载荷下的破碎过程充满谜团——接触区压碎与张拉剥落的复杂博弈、裂纹动态扩展的不可预测性，使得传统实验方法难以捕捉微观损伤机制，而经典连续介质力学模型又难以处理这类非连续性问题。面对这些挑战，近场动力学（Peridynamics）这一革命性的非局部理论应运而生，它通过引入"键"（bond）的概念，让材料点在一定范围（称为"视域"δ）内相互作用，完美规避了传统方法对空间导数的依赖，成为模拟岩石断裂的利器。研究人员选择科罗拉多矿业大学经典的线性切割机（LCM）试验作为研究对象，以科

  来源：Simulation Modelling Practice and Theory

  时间：2025-06-21

• 基于改进证据理论的数字孪生可信度评估方法研究

  随着数字孪生（Digital Twin）技术在通信网络建模与优化中的广泛应用，其可信度评估成为制约技术落地的关键瓶颈。物理建模误差、参数漂移和动态环境干扰导致传统评估方法难以应对多源异构数据的融合挑战，尤其在高冲突证据场景下，经典概率论和模糊集理论存在先验分布依赖性强、冲突建模能力不足等缺陷。为突破这一困境，中国国家自然科学基金资助的研究团队在《Simulation Modelling Practice and Theory》发表论文，创新性地将改进证据理论（DSET）引入数字孪生评估领域。该方法通过三阶段技术路线实现突破：首先采用云模型将异构指标转化为统一的基本概率分配（BPA）；其次基于J

  来源：Simulation Modelling Practice and Theory

  时间：2025-06-21

• 基于优化深度学习模型与分解非下采样剪切波结构块变换的红外与可见光图像高效融合方法研究

  在计算机视觉领域，红外与可见光图像融合(Infrared and Visible image Fusion, IVF)始终是提升目标检测性能的核心技术。可见光图像虽能提供丰富的纹理细节，却在低光照或雾霾条件下表现欠佳；而红外图像虽能穿透恶劣环境捕捉热辐射差异，却缺乏必要的场景细节。传统融合方法如非下采样轮廓波变换(NSCT)和离散小波变换(DWT)依赖人工设计特征，难以平衡互补信息与冗余抑制。尽管基于卷积神经网络(CNN)和生成对抗网络(GAN)的深度学习方法如FusionGAN有所突破，但夜间场景的亮度损失问题仍未解决，且缺乏标准化数据集制约了模型泛化能力。针对这些挑战，研究人员开展了一项突

  来源：Signal Processing: Image Communication

  时间：2025-06-21

• 基于数字孪生与新型分布差异度量的不平衡故障诊断方法研究

  在工业制造领域，齿轮箱如同机械系统的"心脏"，其稳定运行直接关系到直升机、风力发电机等关键设备的可靠性。然而现实场景中，齿轮故障往往如同"隐形的杀手"——在高温、重载等恶劣工况下潜伏发展，但故障发生的频率却远低于正常状态。这种数据不平衡的困境，使得基于深度学习的故障诊断方法陷入"巧妇难为无米之炊"的尴尬：模型容易被海量正常样本"带偏"，对稀少却关键的故障样本识别能力大幅下降。传统解决方案分为两类：通过重采样、焦点损失(FL)等实现类别再平衡，或借助生成对抗网络(GAN)进行数据增强。但前者可能牺牲多数类性能，后者则受限于故障样本不足导致的特征信息缺失。更棘手的是，虚拟生成的故障数据与真实数据间

  来源：Simulation Modelling Practice and Theory

  时间：2025-06-21

• 基于DEV-YOLOv8与数字孪生的虚拟隧道火焰检测增强技术研究

  公路隧道火灾因其封闭空间内温度骤升、毒气积聚的特性，常引发灾难性后果。传统传感器检测受限于硬件依赖和环境干扰，而深度学习虽在火焰识别中展现优势，却面临真实场景数据匮乏的瓶颈。西南交通大学智能与绿色桥梁建造国家重点实验室团队创新性地将数字孪生（Digital Twin, DT）技术与改进的YOLOv8模型结合，在《Simulation Modelling Practice and Theory》发表的研究中，构建了虚拟隧道火灾检测新范式。研究采用Unity-ROS2框架搭建数字孪生系统生成仿真数据，通过三大关键技术提升模型性能：可变形卷积网络（C2f-DCN）增强火焰几何特征捕捉，高效多尺度注意

  来源：Simulation Modelling Practice and Theory

  时间：2025-06-21

• 面向广义信号分类的分析判别式卷积图字典学习方法研究

  在信号处理与计算机视觉领域，稀疏表示技术通过过完备字典的线性组合实现高效特征表达，已成为图像分类的核心方法。然而，传统分析判别式字典学习(ADDL)存在两大瓶颈：一是依赖重叠图像分块导致平移敏感性，二是忽视信号拓扑结构（如球形图像、3D点云中的图结构），严重制约了不规则信号的分类性能。针对这些问题，上海交通大学等机构的研究团队在《Signal Processing: Image Communication》发表研究，创新性地将图嵌入理论与卷积操作相结合，提出分析判别式卷积图字典学习(ADCGDL)框架。关键技术包括：1) 构建类别专属卷积图子字典，通过图拉普拉斯矩阵编码信号拓扑；2) 引入解析

  来源：Signal Processing: Image Communication

  时间：2025-06-21

• CASK-Net融合多分支方法：跨年龄素描人脸识别的创新解决方案

  在法医刑侦领域，通过目击者描述生成的素描画像与嫌疑人实际照片间的识别长期面临双重挑战：一是素描与照片的模态差异，二是嫌疑人年龄变化导致的面部特征改变。现有研究多单独处理素描识别或跨年龄识别，但现实案件中常需通过历史素描画像识别当前年龄段的嫌疑人，这种协同问题尚未被系统研究。传统方法依赖复杂的素描-照片模态转换，不仅计算效率低，更无法解决年龄变化带来的特征漂移。针对这一空白，研究人员创新性提出CASK-Net融合架构，直接从未经转换的素描图像中提取年龄不变特征，为跨时间维度的身份识别提供新范式。关键技术包括：1）构建包含6种特征提取分支的融合网络（HOG、SIFT-BoVW、CNN、LBP、OR

  来源：Signal Processing: Image Communication

  时间：2025-06-21

• 居家胎儿心率远程监测的伴侣体验：一项揭示时间效益与技术挑战的质性研究

  在围产期医疗领域，复杂妊娠（如妊娠糖尿病GDM或胎膜早破PPROM）往往需要频繁的胎儿监测。传统医院监护不仅消耗大量时间（每次就诊平均需4小时），还加剧家庭经济负担。更关键的是，现有研究多聚焦孕妇体验，而伴侣作为重要支持者的角色长期被忽视——这种认知空白可能影响家庭整体应对妊娠风险的能力。丹麦奥尔堡大学医院的研究团队敏锐捕捉到这一缺口，通过质性访谈揭示伴侣对胎儿心率远程监测的真实感受，相关成果发表于《Sexual》期刊。研究采用现象学实践框架，对14位伴侣进行半结构化在线访谈（时长7-35分钟）。样本来自丹麦大学医院产科门诊，涵盖GDM、1型糖尿病和PPROM孕妇的配偶。数据分析采用Braun

  来源：Sexual & Reproductive Healthcare

  时间：2025-06-21

• 基于多特征融合的水下图像盲质量评估方法研究

  水下世界蕴藏着丰富的资源，但光线在水中的吸收和散射效应导致拍摄的图像普遍存在色彩失真、模糊和结构退化等问题，严重影响了水下目标识别、生物追踪等应用的准确性。传统的图像质量评估方法（如全参考FR-IQA和半参考RR-IQA）需要清晰参考图像，而水下环境难以获取此类图像；现有的无参考评估方法（如NIQE、NPQI）虽能直接评估图像质量，但仅依赖色彩或锐度等单一特征，预测结果常与人类主观评分（MOS）不符。更棘手的是，水下图像特有的纹理退化特征长期被忽视。为此，青岛大学的研究团队在《Signal Processing: Image Communication》发表论文，提出多特征评估指标MFEM，通

  来源：Signal Processing: Image Communication

  时间：2025-06-21

• 压缩视频中感知带状伪影的智能检测与自适应消除新方法研究

  在当今视频流量占据互联网主导地位的时代，视频压缩技术如H.264/AVC、VP9等虽大幅提升了编码效率，但由此产生的带状伪影（banding artifacts）——表现为平滑区域出现的阶梯状色带——成为影响高清晰度视频观感的重要问题。这类伪影在天空、水面等大面积平滑区域尤为明显，由于人眼视觉系统对梯度变化的敏感性（Mach带效应），即使微小的亮度阶跃也会产生显著的视觉不适。尽管现有质量评估指标如PSNR、VMAF等对块效应和模糊较为敏感，但对带状伪影的检测能力不足，亟需开发专用评估工具和增强方案。为解决这一挑战，来自Google和德克萨斯大学奥斯汀分校的研究团队开展了系统性研究。通过分析带状

  来源：Signal Processing: Image Communication

  时间：2025-06-21

• 基于动态时间规整模板融合的可穿戴设备动作识别方法研究

  随着人口老龄化加剧和智能穿戴设备普及，基于传感器的动作识别技术成为研究热点。传统图像识别存在计算资源消耗大、易受环境干扰等问题，而可穿戴设备搭载的加速度计和陀螺仪为连续动作监测提供了新途径。动态时间规整(DTW)作为成熟的序列匹配算法，虽在语音识别领域表现优异，但在应用于多传感器动作识别时，其模板选择策略成为制约准确率的关键瓶颈。中国台湾地区的研究团队在《Signal Processing: Image Communication》发表论文，创新性地提出模板融合方法解决上述问题。研究采用PAMAP2等公开数据集，通过组合加速度、角速度和角度特征，构建用户专属模板；进而通过固定距离分组和模板混合

  来源：Signal Processing: Image Communication

  时间：2025-06-21

知名企业招聘：