• 基于DDS的正弦载波发生器中阶梯逼近正弦波基本振幅稳定性的理论研究

  摘要：正弦载波在电气通信和科学测量等许多领域被广泛用于信息的调制。特别是在高精度测量中，具有超高幅度稳定性的正弦载波至关重要。本文基于直接数字合成（DDS）技术，介绍了一种正弦载波发生器，该发生器产生的正弦波采用阶梯逼近法（SASW）生成，并经过带通滤波处理。通过联合优化多个参数，提出了一种新的理论方法来提高SASW的基本幅度稳定性（FAS）。最后，利用自乘评估系统模型进行了仿真，仿真结果很好地验证了这一理论。

  来源：IEEE Transactions on Circuits and Systems II: Express Briefs

  时间：2025-11-22

• 用于流水线式SAR ADC中电容不匹配和增益非线性的偏移免疫分段LSB权重校准

  摘要：本文提出了一种数字背景校准技术，该技术利用“分裂最小有效位”（Split-LSB）权重同时解决流水线式逐次逼近寄存器模数转换器（SAR ADC）中的电容不匹配和增益非线性问题。该方法的关键创新在于使用从LSB电容中分离出来的子LSB权重来检测和纠正非线性误差。通过将1位动态元件匹配（DEM）技术与独立平均算法相结合，该技术实现了首个能够同时校准这两种误差源的、不受偏移影响的背景校准方法。对14位流水线式SAR ADC的行为仿真表明，其性能得到了显著提升：信噪失真比（SNDR）从52.4 dB提高到84.2 dB，无杂散动态范围（SFDR）从56.3 dB提高到104.5 dB。这些结果

  来源：IEEE Transactions on Circuits and Systems II: Express Briefs

  时间：2025-11-22

• 一种32-QAM、50-Gbps的D波段接收机射频前端，具备中频带宽扩展功能

  摘要：本文介绍了一种D波段接收机（RX）射频前端（RFE），该前端集成了低噪声放大器（LNA）、混频器、具有前置和后置缓冲阶段的本振（LO）倍频器以及中频（IF）信号处理链（SPC）。通过采用寄生电容补偿技术，并针对差分信号到单端信号（D2S）转换器提出电容峰值控制方法，同时对前置阶段的品质因数（Q）降低和高频增益进行补偿，该中频信号处理链实现了71%的相对带宽。该接收机射频前端采用40纳米CMOS工艺制造，工作频率范围为118至140 GHz，峰值增益为28.8 dB，功耗为245 mW。在10 GHz带宽内采用32-QAM调制方式时，系统的数据传输速率可达50 Gbps，相应的能效为4.9

  来源：IEEE Transactions on Circuits and Systems II: Express Briefs

  时间：2025-11-22

• 一款亚GHz宽带CMOS接收机前端，具有49 dB的增益范围，并且在增益降低过程中OIP3值保持恒定

  摘要：本文介绍了一种工作在亚GHz频段（400 MHz至950 MHz）的宽带CMOS接收前端电路，该电路具有49 dB的增益范围以及在增益降低过程中保持恒定的输出参考三阶截断点（OIP3）。该电路采用130纳米CMOS工艺制造，适用于物联网（IoT）应用。为了提高环路增益并改善噪声系数（NF），同时实现宽带输入阻抗匹配，单端到差分（S2D）转换器的差分输出通过基于电压减法的差分到单端（D2S）缓冲器转换为单端信号，然后通过反馈电阻将该单端信号反馈至S2D转换器的输入端。此外，通过使用两个优化设计的S2D转换器（一个针对低噪声性能，另一个针对高线性性能）来实现双路增益控制，从而在保持几乎恒定的

  来源：IEEE Transactions on Circuits and Systems II: Express Briefs

  时间：2025-11-22

• 一种新型的广义电容耦合器模型及其在单边补偿电容式电力传输系统中的应用

  摘要：单边补偿为无线电力传输系统的紧凑和轻量化设计提供了一种有前景的解决方案。受基于广义变压器模型设计的单边补偿感应式电力传输（IPT）转换器的启发，本文提出了一种用于电容式电力传输（CPT）转换器的广义电容耦合器模型。该模型通过引入额外的设计自由度，比传统的T型或Π型模型提供了更灵活的补偿网络设计，并建立了一个统一的分析框架。随后，基于该模型很容易推导出一系列单边补偿网络，这些网络具有接近单位功率因数、负载独立的可调恒压（CV）或恒流（CC）输出、软开关等优点。最后，构建了一个采用LLL-None(N)单边网络的100瓦CPT原型机来验证分析结果。

  来源：IEEE Transactions on Circuits and Systems II: Express Briefs

  时间：2025-11-22

• 一种21个晶体管的单相时钟触发器，具有低漏电流特性，适用于接近阈值电压的工作环境

  摘要：本文介绍了一种低漏电功率的21晶体管单相时钟触发器。该触发器的架构基于对传统24晶体管传输门触发器（TGFF）的拓扑修改和器件合并。它采用了非对称的主从设计，能够在单相时钟下工作，从而无需互补时钟信号，提高了面积效率。在28nm CMOS工艺上的布局后评估显示，与TGFF相比，其面积减少了6%。由于晶体管数量减少，该触发器在广泛的供电范围内降低了漏电功率：在0.4V时降低了17%，在0.9V时降低了7%。即使在没有任何器件尺寸优化的情况下，其在0.4V 20MHz和0.9V 1GHz下的总功耗仍降低了10%以上。通过5000次蒙特卡洛仿真（涵盖工艺和温度变化范围），该触发器能够在接近阈

  来源：IEEE Transactions on Circuits and Systems II: Express Briefs

  时间：2025-11-22

• 利用层次相关学习提升少样本条件下的人体对象识别能力

  摘要：在计算机视觉中，利用稀缺数据识别新型的人机交互（HOI）类别是一项具有挑战性且至关重要的任务。现有方法主要依赖粗粒度的全局视觉信息来构建元学习中的类别原型。尽管这些方法取得了有希望的结果，但它们往往无法捕捉到细粒度的交互语义，并且难以有效学习类别间方差较小的数据，从而导致在区分相似类别时的性能不佳。为了解决这些问题，我们提出了一种名为分层关系网络（FS-HOI）的新模型，用于少样本人机交互识别。该模型整合了从粗粒度到细粒度的多级交互线索，以增强人机交互特征。它采用统一的图网络来捕捉人体各部分之间的内在和外在关系，并通过语言引导的注意力机制在每个交互子图中进行语义挖掘。与依赖全局类别原型比

  来源：IEEE Transactions on Circuits and Systems for Video Technology

  时间：2025-11-22

• GC3VG：具有粗粒度到细粒度一致性约束的通用多任务视觉地面定位

  摘要：在这项工作中，我们提出了一种高效且简化的方法来解决泛化多任务视觉定位中的一致性预测问题。虽然大多数现有方法主要关注整合多模态信息并利用多任务学习来提升视觉和语言理解能力，但它们通常依赖于区域和像素级别的联合监督来利用任务之间的互补性。相比之下，C3VG探索了多任务预测之间一致性这一相对较少被关注的问题。为此，我们引入了一个基于粗到细层次架构的多任务视觉定位框架。实证研究表明，结合隐式和显式的一致性约束显著增强了检测结果与分割结果之间的连贯性。然而，C3VG仅适用于单参照对象的视觉定位场景，并且在处理现实世界应用（这些应用通常涉及多个参照对象或甚至没有参照对象）时表现出有限的泛化能力。为了

  来源：IEEE Transactions on Circuits and Systems for Video Technology

  时间：2025-11-22

• 迈向自适应、以人为中心的视频异常检测：一个全面的框架与一个新的基准测试

  摘要：以人为中心的视频异常检测（VAD）旨在识别偏离正常行为的人类行为。从根本上说，这种检测方法面临诸多挑战，例如人类行为的多样性、异常事件的稀有性以及伦理限制。这些因素限制了高质量数据集的获取，凸显了需要一个支持持续学习的数据集和框架的必要性。为了朝着自适应的以人为中心的VAD方向发展，我们推出了HuVAD（以人为中心、增强隐私的视频异常检测）数据集和一种新颖的无监督持续异常学习（UCAL）框架。UCAL实现了增量学习，使模型能够随时间进行适应，从而架起了传统训练与实际应用之间的桥梁。HuVAD通过提供去标识化的注释来保护隐私，并包含了七种室内/室外场景，其包含的带姿态注释的帧数比之前的数据

  来源：IEEE Transactions on Circuits and Systems for Video Technology

  时间：2025-11-22

• 从图像到点云：一种无需标注训练的跨媒体盲质量评估高效解决方案

  摘要：我们提出了一种新颖的质量评估方法，该方法能够利用图像中的丰富先验知识，预测新场景中点云的感知质量，而无需额外的注释。该方法被称为“分布加权图像迁移点云质量评估”（Distribution-Weighted Image-Transferred Point Cloud Quality Assessment，简称DWIT-PCQA）。考虑到人类视觉系统（HVS）在质量评估中的核心作用，无论媒体类型如何，我们都可以通过神经网络模拟人类的感知标准，并进一步将图像的质量预测能力迁移至点云。具体而言，可以通过领域适应（Domain Adaptation，简称DA）来实现图像与点云之间的关联，方法是在同

  来源：IEEE Transactions on Circuits and Systems for Video Technology

  时间：2025-11-22

• ReFHD-Net：一种用于深度神经网络的可逆功能隐藏框架

  摘要：随着人工智能的快速发展，深度神经网络（DNN）已成为宝贵的数字资产，因此迫切需要对其进行版权保护和安全传输。尽管传统的模型水印技术和主动防御技术能够在一定程度上防止未经授权的使用，但它们通常存在可检测性较低的问题，并且可能会降低模型性能。为了解决这些挑战，本文提出了一种基于结构化掩码矩阵的DNN可逆功能隐藏框架ReFHD-Net。所谓可逆功能隐藏，是指在传输过程中将秘密任务的功能隐藏在隐写模型中，并允许接收端的授权用户无损地恢复该功能。具体而言，ReFHD-Net采用了两阶段策略来实现这一目标：在第一阶段，利用带有同方差不确定性的多任务学习框架对公共任务和秘密任务进行联合训练；在第二阶段

  来源：IEEE Transactions on Circuits and Systems for Video Technology

  时间：2025-11-22

• DPCA-Net：一种用于鲁棒多模态小样本动作识别的双原型一致性对齐网络

  摘要：少样本动作识别旨在在标注样本有限的情况下识别新的动作。虽然结合视频和文本模态的双模态方法能够提供更丰富的语义上下文，但现有方法通常依赖于简单的特征融合策略，无法捕捉到跨模态的深层语义关联，从而限制了模型的泛化能力。我们提出了DPCA-Net，这是一个双模态度量学习框架，它构建了一个统一的双原型一致性对齐空间。DPCA-Net明确地建模了跨模态的分布一致性、结构一致性和度量一致性，以提高原型的质量和相似性估计。该框架整合了三个核心组件：（1）基于文本的帧级建模（FTM），它利用条件提示学习将视频帧级的视觉特征嵌入到文本空间中，实现结构一致性；（2）通过双路径动态时间规整（Dual-DTW）

  来源：IEEE Transactions on Circuits and Systems for Video Technology

  时间：2025-11-22

• 基于稀疏张量恢复与展开式Transformer的视频SAR图像重建

  摘要：视频合成孔径雷达（Video Synthetic Aperture Radar, Video SAR）能够在各种天气条件和日夜环境下实现对观测场景的高分辨率、连续成像。然而，视频SAR图像重建仍然面临数据量庞大和计算复杂度高的挑战。本研究通过利用连续帧数据中的时间冗余性来解决这些限制。通过对视频SAR数据特性的系统分析，我们将视频SAR成像问题表述为一个稀疏张量恢复问题，并引入了一种专门的相关函数来利用帧与帧之间的依赖关系。通过结合交替方向乘子法（Alternating Direction Method of Multipliers, ADMM）和近端交替不精确最小化（Proximal-

  来源：IEEE Transactions on Circuits and Systems for Video Technology

  时间：2025-11-22

• 语言辅助重建用于自监督的类别级6D物体姿态估计，结合粗到细的对应关系优化

  摘要：自监督的类别级6D姿态估计在计算机视觉领域已成为一项具有极其重要意义的任务。尽管近期取得了进展，但目前的自监督方法仍面临两个关键挑战。首先，现有网络准确重建物体模型的能力受到特定类别中显著的部分级形状变化的限制。其次，像素到点云对应关系中存在的多对一不确定性严重阻碍了性能的提升。为了解决这些问题，我们提出了一种新颖的方法，该方法包括语言辅助记忆编码形状重建（LMR）模块和粗到细对应关系优化（CFCO）模块。在LMR模块中，利用语言描述来弥合虚拟图像和真实图像之间的差距，从而提高学习到的表示与真实世界物体外观之间的对齐度。此外，引入了记忆编码机制以通过捕捉细粒度形状变化来提高重建精度。CF

  来源：IEEE Transactions on Circuits and Systems for Video Technology

  时间：2025-11-22

• FastPillars：一种易于部署的基于柱状结构的3D检测器

  摘要：在现实世界的自动驾驶场景中，3D检测器的部署是一个主要挑战。现有的基于Bird Eye View（BEV）的检测器倾向于使用稀疏卷积（SPConv）来加速训练和推理过程，但这给实际应用带来了很大障碍，尤其是在设备端的应用中。为了解决这一挑战，本文从行业角度出发，提出了一种易于部署的基于柱状结构的3D检测器——FastPillars。具体来说，我们首先设计了一种新型的轻量级Max-and-Attention Pillar Encoding（MAPE）模块，用于增强对小物体的检测能力；其次，我们提出了一种简单而有效的基于柱状结构的3D检测框架，以提升柱状数据的表示效果。基于这些设计，Fast

  来源：IEEE Transactions on Circuits and Systems for Video Technology

  时间：2025-11-22

• 基于草图的极端水下图像压缩网络

  摘要：水下应用（如勘探和打捞作业）需要捕获水下图像（UWIs），以评估水下目标的形状和结构完整性等属性。然而，由于水下通信系统中可用的无线声学通道有限，水下图像传输面临重大挑战。现有的图像压缩算法在压缩比方面存在不足，导致关键结构信息丢失和重建质量较差，因此不适合实际的水下应用。为克服这些限制，我们提出了一种基于稀疏草图的极端水下压缩框架（SEUCN），该框架主要包括两个子网络：稀疏草图生成网络（SSGN）和水下先验引导的重建网络（UPRN）。为了减少冗余并确保在极低比特率下的有效压缩，SSGN通过两种方式生成适合压缩的稀疏结构草图。首先，它专注于在有限比特率的约束下提取重要的结构信息以支持分

  来源：IEEE Transactions on Circuits and Systems for Video Technology

  时间：2025-11-22

• 基于解耦-联合适应的视觉语言增强网络在少样本动作识别中的应用

  摘要：学习强大且具有泛化能力的特征提取器以生成具有区分性的原型对于少样本动作识别至关重要。然而，大多数现有方法依赖于对大型预训练图像模型进行微调，这容易导致迁移能力和过拟合问题。在本文中，我们提出了一种基于解耦-联合适应（VEDA）的新型视觉-语言增强网络，用于少样本动作识别。该网络将视觉特征分解为时间和空间两个分支，然后通过一种适配器调优范式将这两个分支整合在一起。VEDA能够逐步赋予模型时空推理能力。由于仅依赖局部帧特征匹配会导致性能不准确，我们设计了一个视频级关系模块（VLR），通过全局特征匹配来增强视频上下文感知。此外，我们还设计了一个视觉-语言融合模块（VLF），引入多模态信息以缓解

  来源：IEEE Transactions on Circuits and Systems for Video Technology

  时间：2025-11-22

• 评论：亲水性丙烯酸人工晶状体上的新型孢子样钙化现象

  我们饶有兴趣地阅读了那篇描述“新型孢子样钙化现象”出现在亲水性丙烯酸材质人工晶状体上的文章1。作者认为这是一个新的发现。然而，我们团队早在近20年前就在《白内障与屈光手术杂志》（Journal of Cataract & Refractive Surgery）上报道过这种术后表面沉积现象：Kleinmann G, Apple DJ, Werner L, Pandey SK, Neuhann IM, Assia EI, Laws DE, de Borin OA, Mamalis N. 儿童人工晶状体上的术后表面沉积物。《白内障与屈光手术杂志》（J Cataract Refract Surg.）2

  来源：JRCS

  时间：2025-11-22

• 评论：超声乳化手术中两种侧切口方式的比较

  我饶有兴趣地阅读了郭等人的论文，但对该研究有一些问题我想提出。1 尽管作者指出在超声乳化手术过程中确实会有大量的液体流失（见补充图1，网址：https://links.lww.com/JRS/B491），但通过使用与侧端口器械相匹配的侧端口切口，这种情况在很大程度上是可以避免的。然而，论文中对切口的具体制作方法以及刀具与角膜之间的位置关系并未进行说明。从两张侧端口切口的照片来看，这些切口似乎几乎垂直于角膜。 论文中也没有提到各刀具的实际穿透深度。对于22号针头，建议不要让针杆进入前房，而应该通过圆形针杆来制造切口，以便进行后续的操作。 虽然手术过程使用了高清摄像机进行记录，但我不明白记录

  来源：JRCS

  时间：2025-11-22

• 多模态生成式AI：多模态大语言模型、扩散模型及其统一性

  摘要：多模态生成式人工智能（AI）日益受到学术界和工业界的关注。特别是，出现了两大主要技术流派：i) 多模态大型语言模型（LLMs）在多模态理解方面表现出色；ii) 扩散模型在多模态生成方面具有显著的能力。因此，本文全面概述了多模态生成式AI，包括多模态LLMs、扩散模型以及用于理解和生成的统一模型。为了为统一模型奠定坚实的基础，我们首先分别详细回顾了多模态LLMs和扩散模型，包括它们的概率建模过程、多模态架构设计，以及它们在图像/视频LLMs和文本到图像/视频生成中的高级应用。此外，我们还探讨了面向理解和生成的统一模型的新兴研究方向。为了实现理解和生成的统一，我们研究了基于自回归和基于扩散的

  来源：IEEE Transactions on Circuits and Systems for Video Technology

  时间：2025-11-22

知名企业招聘：