• SEAGNet：用于光场超分辨率的空间-极点-角度-全局特征学习方法

  该论文提出了一种名为MVD-NeRF（Multi-View Deblurring Neural Radiance Fields from Defocused Images）的新方法，专注于解决深度神经网络在处理动态模糊场景时的技术瓶颈。研究团队通过引入双重视觉建模机制，成功将神经辐射场（NeRF）技术扩展到带焦外模糊（defocus blur）的3D重建任务中。在传统NeRF框架中，输入图像需要满足静态、无噪声的条件。然而现实场景中，带模糊的图像由于光圈运动、镜头抖动等因素导致光线投射方式发生改变，传统方法难以有效建模这种动态模糊效应。论文指出，当前主流的Deblur-NeRF虽然能处理运动模

  来源：Image and Vision Computing

  时间：2025-12-22

• 一种基于跨模态特征对齐的视频异常检测与分类方法

  本文针对视频异常检测领域存在的两大核心问题展开研究：其一，传统方法在检测到异常行为后难以准确定位具体类型，导致应急响应缺乏针对性；其二，现有模型对复杂场景中持续异常与突发异常的动态关联捕捉不足，易产生特征混淆。研究团队通过构建双分支协同架构，创新性地融合视觉特征与语义知识，提出具有动态时空特征融合能力的解决方案。在技术实现层面，模型设计了独特的时空特征处理机制。粗粒度分支采用改进的ADCP模块，通过构建多尺度卷积金字塔结构，在保持全局时空信息的同时实现局部特征增强。这种模块化设计有效解决了传统方法存在的特征稀释问题，特别是在处理持续异常行为时，能够通过加法运算保持特征动态平衡，避免长时间训练导

  来源：Image and Vision Computing

  时间：2025-12-22

• 结合知识增强的动态多场景提示学习方法在图像情感分析中的应用

  图像情绪分析领域近年取得显著进展，但现有方法仍存在诸多局限。当前主流技术多依赖固定模板或随机生成的文本提示来引导视觉模型识别情绪，这种模式难以捕捉同一情绪类别下场景的细粒度差异。例如，在"喜悦"大类中，既有观赏花卉场景的温暖愉悦感，也有观看舞蹈表演时的兴奋感，现有方法常将这两种截然不同的情绪模式混为一谈，导致模型对细微情绪变化的识别能力受限。传统方法另一个显著缺陷在于过度依赖人工设计的情绪标签体系。心理学研究表明，人类情绪具有多维连续特征（Valence-Arousal-Dominance三维模型），而当前主流数据集如Flickr和Instagram构建的八分类体系（FI数据集）或九分类体系（

  来源：Image and Vision Computing

  时间：2025-12-22

• 利用响应面方法对基于锯末、石榴石废料和棕榈油燃料灰的混合沥青粘合剂进行建模和设计优化

  本研究针对沥青混合料中废弃材料的协同改性效果进行了系统性分析，重点探讨了木屑、石榴石废料和棕榈油燃料灰（POFA）三种工业与农业废弃物的复配机制及其对沥青 binders流变学性能的影响。通过响应面法（RSM）结合中心复合设计（CCD）技术，建立了包含掺量（0%-6%）和温度（50-70℃）双因素变量的优化模型，成功揭示了多组分废弃物协同作用下的流变学规律。### 1. 研究背景与意义道路基础设施的耐久性面临多重挑战，包括交通荷载、气候波动及材料老化等问题。传统沥青改性多依赖聚合物或橡胶，存在成本高、资源消耗大等局限性。本研究创新性地将三种废弃物（POFA、石榴石废料、木屑）进行协同改性，其核

  来源：Hybrid Advances

  时间：2025-12-22

• 面向5G/6G及未来无线通信的MHz-THz频谱融合技术前沿研究

  随着第五代移动通信（5G）技术的规模化商用和第六代移动通信（6G）研究序幕的拉开，无线通信领域正面临前所未有的机遇与挑战。频谱资源作为无线通信的基石，其开发与利用直接决定了系统性能的上限。当前，sub-6 GHz频段已日趋拥挤，难以满足未来万物互联时代对超高数据传输速率、超低时延和海量连接的需求。因此，将通信频谱向更高频段扩展，开发利用毫米波（millimeter-wave）、太赫兹（Terahertz, THz）等频段资源，成为国际学术界和工业界关注的焦点。然而，高频段信号传输存在路径损耗大、易受阻挡、器件设计复杂等一系列技术瓶颈，亟需在基础理论、关键器件及系统架构上进行创新突破。在此背景下

  来源：IEEE Transactions on Microwave Theory and Techniques

  时间：2025-12-22

• 采用双面PAPR控制的多方向微波功率传输技术，以提升功率传输能力

  摘要：对多接收器微波功率传输（MPT）的需求正在增加，这推动了提高传输效率和接收功率的研究。为了实现这一目标，必须考虑多个能量接收器（ERs）的功率转换效率（PCE）以及能量发射器（ET）的输出功率能力。本文提出了一种使用平面阵列天线中的多方向多正弦波形的多音调信号设计方法，该方法在保持ERs处较高的峰均功率比（PAPR）的同时，通过包络整形和相位偏移优化降低了ET处的PAPR。使用16通道数字波束成形系统的仿真和实验结果证实，所提出的方法提高了ER侧的PCE和ET侧的功率能力。在三方向MPT场景下，与传统连续波（CW）传输相比，所提出的方法使用双音调信号将中央ET元件的平均PAPR降低了0.

  来源：IEEE Transactions on Microwave Theory and Techniques

  时间：2025-12-22

• 基于Pound-Galani稳定技术的室温20 GHz蓝宝石负载腔体振荡器实现最大相位噪声性能

  在雷达系统、射电天文学和下一代通信系统等精密微波应用领域，高稳定性参考振荡器如同心脏般至关重要。然而，随着工作频率提升至微波甚至太赫兹范围，传统频率源如石英振荡器和介质谐振振荡器（DRO）的相位噪声性能面临瓶颈。虽然钇铁石榴石（YIG）振荡器提供出色的宽带可调性，但其频率漂移和相位稳定性问题突出，往往需要锁定到高稳定参考源才能有效工作。光学技术，如光电子振荡器（OEO）和光学频率梳技术，虽然能产生极低相位噪声的微波信号，但其系统通常复杂、庞大且对环境控制要求苛刻，难以广泛应用于实际场景。高温超导（HTS）振荡器虽能实现低相位噪声，却离不开笨重的专用冷却基础设施。因此，开发一种在室温下既能实现超

  来源：IEEE Transactions on Microwave Theory and Techniques

  时间：2025-12-22

• 基于策略迭代的异步控制技术：适用于具有隐藏模式观测特性的跳跃系统，并实现H∞级干扰衰减

  摘要：本文研究了一种基于无模型策略迭代（PI）算法的异步控制设计，适用于一类离散时间隐马尔可夫跳跃系统。该算法利用隐马尔可夫模型来描述控制器模式与系统模式之间的异步现象。文中构建了一对零和异步控制与干扰策略，以实现价值函数与控制性能之间的权衡。所提出的方法具有两个关键特点：1) 异步PI算法不依赖于控制器与系统动态之间的严格时间对齐，从而提高了控制方案的灵活性；2) 该方法依靠收集的数据迭代求解代数Reccati方程，无需系统内部信息和传输概率信息，同时规避了耦合项的干扰。通过仿真实验验证了所设计的PI算法能够单调收敛到最优解，并且基于该最优解的系统在均方意义上具有随机稳定性。最后，本文通过直

  来源：Cybernetics and Intelligence

  时间：2025-12-22

• 1500米深海直流交联聚乙烯电缆关键技术开发与性能验证

  随着全球碳中和目标的推进，海上风电作为清洁能源的重要组成部分迎来快速发展。然而优质风电场往往远离电力负荷中心，例如日本计划在千叶县和福岛县沿海建设的大型风电场距东京电力负荷区约65-90公里。传统交流输电在长距离传输时损耗较大，而直流输电具有更高效率。更棘手的是，最短输电路径需经过水深达1000米的深海区域，这对电缆的机械强度和绝缘性能提出极高要求。现有浸渍纸绝缘电缆虽有一定深海应用案例，但传输容量受限且存在绝缘油泄漏风险。为此，古河电气受日本新能源产业技术综合开发机构(NEDO)委托，开发了适用于1500米深海的500kV直流交联聚乙烯(XLPE)电缆，其传输容量达1GW，有望解决深远海风电

  来源：IEEE Electrical Insulation Magazine

  时间：2025-12-22

• 布达佩斯高电压实验室实景探秘：带电作业技术的前沿创新与应用

  想象一下，电力工程师需要在高达400千伏的带电高压线上进行维护作业，他们如何确保自身安全？随着电网规模扩大和可再生能源并网，传统的停电检修方式已难以满足现代电力系统对可靠性的高要求。在这一背景下，带电作业(Live-Line Maintenance, LLM)技术成为保障电网不间断运行的关键。然而，如何在真实操作环境中安全训练技术人员，并研发可靠的防护装备，一直是高压工程领域的重大挑战。位于多瑙河畔的布达佩斯技术经济大学高电压实验室，正是全球少数能够将教育、科研与产业化深度融合在这一领域的权威机构。该实验室的历史可追溯至变压器共同发明人Károly Zipernowsky建立的早期实验室，并于

  来源：IEEE Electrical Insulation Magazine

  时间：2025-12-22

• 相位分辨局部放电模式新分类及其在绝缘诊断中的创新应用

  随着电力设备向高电压、大容量方向发展，绝缘系统的可靠性评估成为保障电网安全运行的关键。传统绝缘诊断主要依赖相位分辨局部放电(Phase-Resolved Partial Discharge, PRPD)模式与缺陷类型的经验对应关系，但在实际应用中常出现模式演化、多重放电等复杂现象，导致诊断准确性受限。特别是对于旋转电机、复合绝缘子等关键设备，绝缘老化往往伴随多种物理化学变化，单一的模式识别方法难以满足精准诊断需求。为突破这一瓶颈，研究人员在《IEEE Electrical Insulation Magazine》上发表系列研究，从模式分类、材料失效机制到检测技术创新等多维度推进绝缘诊断技术发展

  来源：IEEE Electrical Insulation Magazine

  时间：2025-12-22

• 高电压应用下电介质绝缘材料创新与挑战——从可再生能源到交通电气化的前沿进展

  随着全球能源转型进程加速，高电压应用场景下的电介质绝缘技术正面临前所未有的挑战。从风力发电机组中巨型涡轮机的绝缘老化，到电动汽车充电桩的耐压需求，传统绝缘材料已难以满足新兴能源设施对可靠性、安全性与效率的严苛要求。特别是在可再生能源占比持续攀升的背景下，电网波动性加剧使得绝缘系统需承受更复杂的电热应力；而交通领域电气化的快速推进，则要求绝缘材料在有限空间内实现更高等级的介电强度。这些现实困境凸显了深化电介质研究、开发新一代绝缘解决方案的紧迫性。为应对上述挑战，IEEE电气绝缘杂志通过系统梳理前沿研究成果，构建了多维度技术交流平台。研究团队聚焦于高压应用场景，重点探索了聚合物纳米复合材料、生物基

  来源：IEEE Electrical Insulation Magazine

  时间：2025-12-22

• 利用突发脉冲CV测量技术对MOS器件进行可靠性分析

  摘要：对金属氧化物半导体（MOS）器件的可靠性进行表征需要快速的电容-电压（CV）测量技术，以便在缺陷状态恢复之前捕捉到它们的影响。偏压温度不稳定性（BTI）就是这样一个可靠性问题：在应力作用下，氧化物陷阱会积累，而在去除偏压后这些陷阱会释放。传统的CV测量方法需要较长的时间来扫描电压，这会在测量过程中改变缺陷状态。在这里，我们展示了一种突发CV（BCV）测量系统，它能够在不到2微秒的时间内测量完整的CV曲线，数据采样率为0.32纳秒。该系统提供的突发脉冲电压范围为±10伏特，且不会干扰器件的状态。通过施加从-10伏到-18伏的应力电压（持续时间从20毫秒到10秒不等），并测量平带电压的变化（

  来源：IEEE Transactions on Device and Materials Reliability

  时间：2025-12-22

• 基于Laguerre方法的分布式MPC算法，用于曲线道路上连接车辆车队的协同控制

  摘要：车辆编队行驶在提高交通效率和减少能源消耗方面具有显著优势。虽然在直路上实现稳定的跟踪控制相对容易，但在曲路上确保编队稳定性、能源效率和计算效率却面临巨大挑战，因为道路曲率带来了几何约束。为了解决这个问题，本文提出了一种改进的分布式模型预测控制方法，专为曲路上的车辆编队设计。该方法结合了模型预测控制和拉盖尔函数（Laguerre functions），以增强曲路上的编队稳定性，同时减轻计算负担。为了优化能源效率，将车辆的能源消耗纳入目标函数中；此外，目标函数中对控制变量的偏差进行了惩罚，以减少突然的控制动作，从而限制车辆加速度的快速变化，从而提高驾驶舒适性。理论分析进一步证实了所提出控制系

  来源：IEEE Transactions on Consumer Electronics

  时间：2025-12-22

• 一种基于可穿戴传感器的跨场景异常跑步姿势检测的迁移学习方法

  摘要：跑步是一项受欢迎的运动，但异常的跑步姿势可能导致受伤。随着可穿戴电子设备的日益普及，实时检测异常跑步姿势变得越来越可行。然而，现实世界中跑步场景的多样性对基于深度学习的检测方法的鲁棒性提出了重大挑战。在固定场景下训练的模型在应用于不同环境时通常会表现出显著的性能下降。为了解决这些问题，本文提出了一种跨场景迁移学习（CSTL）框架，利用可穿戴惯性传感器来检测异常跑步姿势，以应对高时间复杂性和适应各种跑步场景能力有限的问题。在预训练阶段，我们提出了一个Light-Norm Transformer（LNT）模型，利用从单一跑步场景收集的数据来提高识别精度。在微调阶段，将预训练的LNT模型转移到

  来源：IEEE Transactions on Consumer Electronics

  时间：2025-12-22

• HFSA：基于异构师生网络、频域-空间融合及轴向特征学习的工业异常检测方法

  摘要：知识蒸馏方法在工业系统中展示了良好的效果。然而，教师-学生（T-S）网络之间的高度结构相似性和一致的数据流可能导致学生网络无意中模仿教师的输出，从而在异常检测时消除激活差异，使学生模型无法区分异常样本和正常样本。此外，现有方法往往难以建立长期依赖关系，这也导致其在检测全局形状异常时的性能较差。为了解决这些问题，我们提出了HFSA，这是一种具有频率-空间融合和轴向特征学习的异构T-S模型。该模型采用预训练的教师编码器和频率-空间域融合的学生解码器（FSFD）。我们还设计了一个跨尺度注意力瓶颈（CSAB）模块来优化知识蒸馏的效率。CSAB作为连接T-S模型的桥梁，抑制冗余信号并增强教师提取的

  来源：IEEE Transactions on Consumer Electronics

  时间：2025-12-22

• 振兴烟气脱氮技术：一种利用太阳能驱动的循环系统，以实现可持续的Fe(II)EDTA再生

  中国科研团队在氮氧化物催化还原领域取得突破性进展，开发出具有自修复特性的新型催化体系。该研究针对传统Fe(II)EDTA脱硝技术存在的再生困难这一核心问题，通过构建石墨相氮化碳与氧空位富集氧化锌的异质结材料，成功将Fe(II)EDTA-NO还原效率提升至90.38%，并实现四次循环后仍保持88%以上活性。这项创新不仅解决了脱硝剂再生难题，更为工业尾气处理开辟了新路径。一、技术背景与挑战分析全球每年因化石燃料燃烧排放的氮氧化物达120亿吨，其中中国占比达25%。现有SCR/SNCR技术存在催化剂中毒、再生能耗高等问题，其脱硝效率普遍低于85%。Fe(II)EDTA技术虽具有高选择性和低运行成本优

  来源：Fuel

  时间：2025-12-22

• 综述：保护无线传感器网络：挑战与创新的综述

  无线传感器网络（WSNs）作为现代智能系统的重要组成部分，在环境监测、工业物联网、医疗健康等领域发挥着关键作用。然而，其低功耗、有限计算能力和无线传输特性使其面临多重安全威胁，包括数据篡改、中间人攻击、拒绝服务攻击以及物理层信号劫持等。近年来，学界围绕WSNs安全防护展开广泛研究，但现有方案仍存在性能瓶颈与实施障碍。本文通过系统梳理现有技术，提出整合人工智能与联邦学习的AIDE-FL框架，并指出未来研究方向。### 一、WSNs安全威胁与挑战WSNs的物理层、数据链路层、网络层和传输层均存在安全漏洞。物理层易受信号干扰和节点劫持，数据链路层面临MAC地址伪造和路由攻击，网络层存在黑洞攻击和 S

  来源：Franklin Open

  时间：2025-12-22

• 一种适用于无线传感器网络（WSNs）的自适应决策机制：结合深度强化学习路由技术与基于卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）的压缩算法，并通过改进的黏菌算法进行优化

  该研究针对无线传感器网络（WSNs）在物联网（IoT）感知层中面临的核心挑战，提出了一套基于群体智能优化与深度强化学习的全链路协同解决方案。研究聚焦于传统聚类路由协议存在的三大痛点：网络拓扑动态变化适应性不足、节点能耗分布失衡、数据传输冗余度高，通过创新性地将 slime mold 算法改进版（ISMA）、双深度Q网络（IDDQN）优化路由决策，以及卷积神经网络与双向长短期记忆网络结合的数据重建模型，构建了从网络组织优化到数据智能压缩的全流程协同框架。在聚类优化环节，研究突破了传统群体智能算法（如粒子群优化、遗传算法等）的局限性。改进的 slime mold 算法通过引入动态策略调控机制，在迭

  来源：Expert Systems with Applications

  时间：2025-12-22

• 基于物理集成双重合作学习的测试时重构方法，用于无监督模型自适应

  电磁测图（EMT）技术作为非破坏性成像领域的重要研究方向，其核心挑战在于如何准确重建介质内部电导率分布。当前主流的深度学习方法虽然在静态测量条件下表现出色，但面对实际场景中前向算子（FO）的动态变化时，系统性能往往显著下降。这种局限性源于传统方法对FO稳定性的过度依赖，而实际应用中设备老化、环境干扰等因素会导致FO参数发生不可预测的偏移。本文针对这一关键问题，提出了一种基于物理融合的双协作网络（TTR-PDCNet）的测试时间重建框架，通过解耦范围空间与零空间学习机制，实现了在无标注数据和FO动态变化条件下的自适应重建。EMT技术通过多匝线圈互感测量获取介质电导率分布，其重建过程本质上是求解线

  来源：Expert Systems with Applications

  时间：2025-12-22

知名企业招聘：