• 耦合电容器互连电感的综合测量与横截面研究

  ```html摘要：去耦电容（decap）的感应值由其等效串联电感（ESL）表示。然而，供应商提供的ESL模型是基于特定的物理安装情况的。当去耦电容安装在印刷电路板上时，数据表中的ESL数值并不能准确反映实际电感值，因为受到安装方式以及与附近结构（包括通过走线和通孔连接到回流平面的连接）的耦合影响。这种电感值（

  来源：IEEE Transactions on Signal and Power Integrity

  时间：2025-11-20

• 通过考虑非线性电源引起的抖动效应来提高IBIS模型仿真精度

  摘要：输入/输出缓冲区信息规范（IBIS）模型在处理电源引起的抖动方面存在局限性。本文提出了一种直接的IBIS开关系数修改算法，通过考虑非线性抖动效应来提高IBIS仿真的准确性。与之前的IBIS修改算法相比，新算法更为简洁，因为它同时考虑了电源噪声对开关系数转换边沿和输出转换边沿的时间平均影响。通过解决非线性抖动问题，该模型在电源噪声较大的情况下具有更好的鲁棒性，无论是在输出波形还是抖动估计方面。该修改算法已在逆变器链电路和真实的双倍数据速率（DDR）模型上得到验证。在直流电源噪声、交流电源噪声以及多音调电源噪声条件下，新算法的性能得到了验证。与之前的算法相比，新算法显著提高了抖动建模的准确性

  来源：IEEE Transactions on Signal and Power Integrity

  时间：2025-11-20

• 多层陶瓷电容器源模型在声学噪声预测中的应用

  摘要：本文提出了一种多物理场建模方法，用于预测多层陶瓷电容器（MLCC）在移动电子设备中产生的声学噪声。建模过程包括使用规定的方法提取印刷电路板（PCB）在共振频率下的等效源，然后推导出宽带源多物理场电输入机械输出（EIMO）模型。随后，将得到的EIMO模型集成到PCB振动仿真中，利用生成的振动数据进行声学仿真。通过MLCC EIMO模型预测的A加权声压级能够准确反映被测试MLCC产生的声学噪声，在共振模式下与实测值之间的差异仅为2分贝。这种方法为降低电子系统中由MLCC引起的声学噪声提供了见解，并有助于制定更有效的设计策略。引言由于具有较高的电容密度和可靠性，多层陶瓷电容器（MLCC）是电子

  来源：IEEE Transactions on Signal and Power Integrity

  时间：2025-11-20

• Z向组件（ZDC）在系统级应用中的电源完整性保障

  摘要：电源分配网络（PDN）的设计涉及在集成电路（IC）周围精心布置多个去耦电容器，以减轻开关操作产生的噪声。一种新型技术电容器——Z-directional组件（ZDC）可以通过印刷电路板（PCB）直接作用于IC的封装球上。使用传统的表面贴装技术（SMT）去耦方案设计的商用PCB PDN，通过基于仿真的工具进行了分析，并通过阻抗测量进行了验证。通过用ZDC电容器模型替换选定的SMT电容器，预测了该系统中ZDC PDN的性能。验证是通过在PCB上进行双端口PDN测量来完成的。最后，利用腔体模型和平面-对部分元件等效电路技术开发了一个等效电路模型，以表示所有去耦电容器到IC的电流路径相关的物理特

  来源：IEEE Transactions on Signal and Power Integrity

  时间：2025-11-20

• 基于秩一模型的多任务网络分布式在线学习

  摘要：近年来，对分布式网络中多任务关系的建模引起了相当大的兴趣。在本文中，我们提出了一种新颖的秩一模型，其中所有需要估计的最优向量都是一个未知向量的缩放版本。通过考虑秩一关系，我们构建了一个受限的集中式优化问题，在解耦过程之后，使用投影梯度下降方法以分布式方式解决该问题。为了高效地进行这种投影计算，我们建议用计算效率更高的幂方法代替密集奇异值分解。此外，针对相同最优向量的局部估计值在邻域内进行组合，以进一步提高其准确性。对所提出算法在星形拓扑结构下的理论分析进行了研究，并推导出保证其在均值和均方意义上稳定性的条件。最后，通过仿真结果展示了所提算法的有效性。引言为了以分布式和在线的方式解决参数估

  来源：IEEE Transactions on Signal and Information Processing over Networks

  时间：2025-11-20

• 基于分布式级联样条的非线性系统自适应图滤波器：设计与性能分析

  ```html摘要：分布式非线性自适应图滤波器（DNAGF）是在单非线性图滤波器模型（NGFM）的基础上开发的，用于处理流式数据集。然而，当前的DNAGF在预测未知的非线性动态系统时往往表现不佳。这种性能不足是由于它们依赖于单个NGFM以及网络计算能力的限制。为了解决这些问题，本文提出了两种新型的级联DNAGF，即分布式维纳样条自适应图滤波器（DWSAGF）和分布式哈默斯坦样条自适应图滤波器（DHSAGF），以提高非线性预测的能力。通过使用分段低阶非线性样条函数，所提出的DWSAGF和DHSAGF能够局部适应，从而更好地拟合未知的非线性系统。在DWSAGF和DHSAGF中，采用了包含线性和非线

  来源：IEEE Transactions on Signal and Information Processing over Networks

  时间：2025-11-20

• 用于分数阶程序的分布式自适应信号融合

  摘要：分布式自适应信号融合（DASF）是一种算法框架，它允许在带宽受限的无线传感器网络中以分布式和自适应的方式解决空间滤波优化问题。DASF算法要求每个节点依次构建原始全网问题的压缩版本，并在本地进行求解。然而，这些本地问题仍然可能导致节点上的计算负载较大，尤其是当所需的求解器是迭代型时。在本文中，我们研究了分数规划的特殊情况，即目标函数是两个连续函数之比的问题，这类问题确实需要迭代求解器。通过利用一种常用的分数规划求解方法的结构，并将其与标准DASF算法的迭代过程相结合，我们得到了一种计算成本显著降低的分布式算法。我们证明了这种“分数DASF”（F-DASF）算法的收敛性和最优性，并通过数值

  来源：IEEE Transactions on Signal and Information Processing over Networks

  时间：2025-11-20

• 希尔伯特空间中的图分数傅里叶变换

  摘要：图信号处理（Graph Signal Processing，GSP）利用图中的固有信号结构来提取高维数据，而无需依赖平移不变性。它已成为多个领域中的关键工具，包括各种网络的学习与处理、数据分析和图像处理。在本文中，我们介绍了希尔伯特空间中的图分数傅里叶变换（Graph Fractional Fourier Transform，HGFRFT），该变换通过将希尔伯特空间和顶点域傅里叶分析扩展到分数阶，为广义图信号处理提供了额外的分析工具。首先，我们证明了所提出的HGFRFT扩展了传统的GSP，能够处理连续域上的图，并且在保持加性、交换性和可逆性等关键属性的同时，实现了时间和顶点域的联合变换。

  来源：IEEE Transactions on Signal and Information Processing over Networks

  时间：2025-11-20

• 时间顶点和边信号的自适应联合估计

  摘要：在图中同时估计共存的时间顶点（节点）和边信号是一项关键任务，因为边信号的变化会影响顶点信号的时间动态。现有的图信号处理算法已经广泛研究了图顶点上的信号，尽管最近的一些进展开始探索边上的信号，但一个系统地表示顶点、边和更高阶结构之间交互式时变信号的框架尚未完全实现。我们提出了一种自适应联合顶点-边估计（AJVEE）算法，通过时变回归联合估计时变顶点和边信号，同时结合了顶点信号过滤和边信号过滤。与AJVEE配套的是一种基于霍奇拉普拉斯算子的自适应最小均方（ALMS-Hodge）新方法，该方法受到了经典自适应滤波器的启发，结合了单纯形过滤和单纯形回归。AJVEE能够通过将两个分别应用于顶点和边

  来源：IEEE Transactions on Signal and Information Processing over Networks

  时间：2025-11-20

• 利用不变子图图神经网络（Invariant Subgraph GNN）学习不同脑部疾病的大脑网络表示

  摘要：来自各种脑部疾病的 数据分布变化给诊断带来了重大挑战。建立能够处理这些分布变化的一般特征表示对于准确诊断这些疾病至关重要。然而，这一领域在很大程度上仍未得到探索。本研究提出了一种不变的子图图神经网络（IS-GNN），用于学习用于分类静息态功能性磁共振成像（fMRI）中各种脑部疾病的一般脑网络表示。该模型采用不变的子图学习机制来捕捉不变的脑图并处理分布变化。此外，我们开发了一个自适应结构感知模块，通过评估脑图中节点的重要性来提高对不变子图特征的检测能力。为了进一步完善模型，我们提出了一种自监督损失函数用于不变子图学习，以确保生成不变的脑网络表示。该模型在来自三个公共数据集（分别对应自闭症谱

  来源：IEEE Transactions on Signal and Information Processing over Networks

  时间：2025-11-20

• 基于多重观测的社区检测：从产品图模型到大脑应用

  摘要：本文提出了一种基于多重观测的多层图模型用于社区检测。当使用不同的估计器从节点信号中推断图边，或者进行多种信号测量时，这种情况很常见。多层网络将这些图观测结果堆叠在不同的层中，并将相邻层中的副本节点连接起来。这种配置对应于真实图和路径图之间的笛卡尔积，其中节点的数量与观测结果的数量相匹配。利用笛卡尔多层网络的拉普拉斯矩阵的代数结构，我们推断出真实图的一部分特征向量并执行社区检测。在合成图上的实验结果证明了该方法的准确性，其在正确检测图社区方面优于现有的最先进方法。最后，我们将该方法应用于区分从运动想象实验中收集的真实脑电（EEG）数据得到的不同脑网络。我们得出结论，当有多个图观测结果时，我

  来源：IEEE Transactions on Signal and Information Processing over Networks

  时间：2025-11-20

• 面向二阶参与者的完全分布式博弈策略及其在网络电力市场中的应用

  摘要：在本文中，我们研究了多智能体系统的非合作博弈（NGs）。在我们的问题中，玩家拥有私有收益函数，他们的决策受到局部和耦合的非线性不等式约束。此外，我们的问题还包含了玩家的二阶动态系统。为了控制这些二阶玩家自主参与博弈，我们提出了一种基于状态反馈和原始-对偶方法的分布式自适应策略。通过我们的方法，所有玩家的控制输入更新仅依赖于他们自身和邻居的信息，而不依赖于全局参数或变量，这与其他相关方法不同。借助变分分析和LaSalle不变性原理，证明了我们的策略能够收敛到博弈的变分广义纳什均衡（v-GNE）。最后，所提出的方法被应用于智能电网的网络电力市场博弈中。引言非合作博弈（NGs）由于在智能电网、

  来源：IEEE Transactions on Signal and Information Processing over Networks

  时间：2025-11-20

• 基于事件触发的分布式积分卡尔曼滤波算法：针对传感器网络中的隐蔽攻击

  摘要：本文研究了在受到隐蔽攻击和能源限制的情况下，非线性系统分布式状态估计的安全问题。首先，设计了一种新的检测策略，用于非线性信息共识滤波器，以抵御能够修改通过无线网络传输的数据的隐蔽对手。与现有的攻击检测策略不同，所提出的防御策略能够同时验证接收到的本地估计值和误差协方差的真实性。随后，考虑到通信资源的限制，提出了一种结合上述检测策略的事件触发式分布式立方卡尔曼滤波算法，用于融合本地信息。该算法可以减少通信消耗，并保证在受到隐蔽攻击和能源限制的传感器网络中具有较高的估计精度。接着，阐述了所开发的非线性滤波算法的稳定性特性。最后，通过两个示例来证明所提出方法的有效性。引言由于分布式状态估计（或

  来源：IEEE Transactions on Signal and Information Processing over Networks

  时间：2025-11-20

• 基于标签引导的图优化卷积网络在半监督学习中的应用

  摘要：图卷积网络（GCNs）已被广泛用于半监督学习任务。众所周知，现有大多数GCNs中的图卷积操作由两部分组成：在邻域图上的特征传播（FP）和使用全连接网络的特征转换（FT）。对于半监督学习，现有的GCNs通常仅利用标签信息通过优化损失函数来训练FT部分的参数。然而，它们未能充分利用邻域特征传播中的标签信息。此外，由于FP使用了固定的图拓扑结构，现有的GCNs对结构噪声/攻击较为脆弱。为了解决这些问题，我们提出了一种新颖且鲁棒的标签引导图优化卷积网络（LabelGOCN）模型，该模型旨在通过成对约束传播来充分利用GCN特征传播中的标签信息。在LabelGOCN中，成对约束可以提供一种“弱”监督

  来源：IEEE Transactions on Signal and Information Processing over Networks

  时间：2025-11-20

• 在具有不精确过程噪声协方差的二进制传感器网络中进行分布式顺序状态估计：一种变分贝叶斯框架

  摘要：本文针对一类离散时变系统，在具有不精确过程噪声协方差的二进制传感器网络中，研究了分布式序贯状态估计问题。首先，为了降低通信成本，采用了仅输出一位数据的二进制传感器这一特殊类型的传感器。然后使用高斯尾部函数来描述二进制测量结果的概率分布。接下来，将过程噪声协方差矩阵建模为逆Wishart分布。通过结合变分贝叶斯方法和扩散滤波策略，对序贯估计器和序贯预测器的先验及后验概率密度函数的参数（即均值和方差）进行了形式化处理。接着利用固定点迭代算法获得系统状态和估计协方差矩阵的近似最优分布。最后，一个目标跟踪的仿真示例表明，我们的算法在采用二进制测量输出的情况下能够有效运行。引言在过去的几十年中，传

  来源：IEEE Transactions on Signal and Information Processing over Networks

  时间：2025-11-20

• 自动加权多视图深度非负矩阵分解与多核学习

  摘要：深度矩阵分解（DMF）通过逐层分解矩阵来发现原始数据中的层次结构，从而利用潜在信息实现更优的聚类性能。然而，基于DMF的方法在处理复杂和非线性的原始数据时存在局限性。为了解决这个问题，提出了结合多核学习的自动加权多视图深度非负矩阵分解（MvMKDNMF）。具体而言，样本被映射到核空间中，该核空间是由几个预定义核的凸组合构成的，无需手动选择核函数。此外，为了保持样本的局部流形结构，在每个视图中也嵌入了图正则化，并且权重会根据不同视图进行自适应分配。设计了一种替代的迭代算法来求解所提出的模型，并分析了其收敛性和计算复杂度。通过对九个多视图数据集与七种最先进的聚类方法进行比较实验，结果显示Mv

  来源：IEEE Transactions on Signal and Information Processing over Networks

  时间：2025-11-20

• 用于协同线性计算的增强内存的分布式加速算法

  摘要：本文提出了一种基于记忆增强的分布式加速算法，用于在多智能体系统的背景下解决大规模线性方程组问题。通过使用一个由节点当前值和先前值线性组合构成的局部预测器，引入两个记忆模块可以加速分布式求解算法的收敛速度，从而实现协调计算。此外，通过对与求解方程产生的误差系统相关的增广迭代矩阵的谱半径进行分析，建立了基于共识的收敛结果。通过研究迭代矩阵的谱半径，还探讨了收敛速率与可调参数之间的关系，并系统地推导出实现最快收敛速率的最优混合参数。研究表明，无论所关注的线性方程是具有唯一解还是多个解，所提出的分布式算法都能以指数速度收敛到解，且不依赖于初始条件。特别是，理论分析和仿真示例都表明，只要适当选择可

  来源：IEEE Transactions on Signal and Information Processing over Networks

  时间：2025-11-20

• E-Log：一种针对数据库的细粒度弹性日志异常检测与诊断系统

  摘要：数据库管理系统（DBMS）是现代大规模软件系统的核心，可靠的异常检测和诊断对于确保系统可用性至关重要。然而，现有的基于日志的方法通常会通过收集大量日志而带来显著的性能开销，这对于需要高读写吞吐量的DBMS来说是不切实际的。本文探讨了一个关键但尚未得到充分研究的挑战：如何在日志记录的粒度与运行时效率之间找到平衡，以实现有效的数据库异常管理。我们提出了E-Log，这是一种新颖的、细粒度的、基于日志的异常检测和诊断框架。E-Log能够根据系统状态智能地调整日志记录的数量和详细程度——在正常运行期间保持轻量级的日志记录以实现高效的异常检测，仅在怀疑出现异常时才触发详细、信息丰富的日志记录以进行准

  来源：IEEE Transactions on Services Computing

  时间：2025-11-20

• 提升对短视频流媒体感知质量的意识

  摘要：近年来，得益于高速移动网络的快速发展，通过移动设备流媒体播放短视频（例如TikTok）在移动用户中变得无处不在。尽管应用非常广泛，但基于真实视频数据源的调查发现，观众观看的许多短视频的视频质量并不理想（例如VMAF分数较低），这表明用户体验（QoE）实际上远未达到最佳状态。这一问题主要是由于缺乏根据视频内容特征（如场景复杂性）来优化视频质量的意识。为了解决这个问题，本研究开发了一种名为Quality Aware Short Video Streaming (QASVS)的新系统，该系统采用机器学习技术来学习视频内容特征，然后自动生成基于质量的比特率决策模型，以优化用户感知的视频质量和Qo

  来源：IEEE Transactions on Services Computing

  时间：2025-11-20

• 基于边缘终端协作的高效无缝任务卸载，用于AIoT弹性计算服务

  摘要：物联网人工智能（AIoT）结合了计算、存储和网络资源，为工业生产过程提供高度可靠且低延迟的信息服务。然而，随着大量智能终端被集成到实时感知、自主决策和精密制造执行系统中，现有的任务调度模式似乎无法满足计算密集型任务的延迟要求。为了解决这一挑战，本文提出了一种协作式边缘终端任务卸载方案。首先，通过李雅普诺夫优化将任务积压和多时隙调度（TBMS）问题从长期卸载问题转化为单时隙调度问题。然后，为了简化问题，将单时隙问题分解为三个子问题：本地资源分配问题、服务器资源分配问题和指标权重选择问题。这两个资源分配问题被证明是凸优化问题，分别采用二分法和Karush-Kuhn-Tucker（KKT）方法

  来源：IEEE Transactions on Services Computing

  时间：2025-11-20

知名企业招聘：