2026年, 第46卷, 第3期 刊出日期：2026-05-15
-
全选|
-
-
杭州电子科技大学学报. 2026, 46(3): 1-12. https://doi.org/10.13954/j.cnki.hdu.2026.03.001随着轨道交通网络持续扩展,辅助逆变器的可靠性直接影响列车安全与维修成本。为平衡可靠度与维修成本,提出一种基于改进双重深度Q网络(Double Deep Q-Network, DDQN)的维修策略优化方法。首先,结合四种工况建立故障分布模型,并采用最小二乘-遗传算法(Least Squares-Genetic Algorithm, LS-GA)拟合模型参数和可靠度函数;其次,以可靠度为中心,设计基于“不维修、常规修、高级修、更换修”的维修逻辑,考虑不完美维修与维修成本,建立维修决策模型;再次,在DDQN中引入长短期记忆网络-注意力机制(Long Short-Term Memory-Attention, LSTM-attention)、余弦衰减探索与优先经验回放机制,提高模型稳定性与收敛性;最后,加入模糊控制器动态调整奖励函数,优化维修策略并进行对比验证。结果表明:考虑四种工况下的改进DDQN算法显著降低了维修成本,可为轨道车辆智能维修提供参考。
-
杭州电子科技大学学报. 2026, 46(3): 13-21. https://doi.org/10.13954/j.cnki.hdu.2026.03.002随着原子磁力计性能的不断提升,线圈电流噪声导致的环境磁场噪声干扰逐渐成为制约其性能的主导因素。为了降低线圈供电中电流源引入的磁场噪声,突破经典技术噪声对测量灵敏度的制约,本文提出一种面向原子磁力计的低噪声电流源设计方案。该方案采用锂电池供电,结合LC低通滤波与超级电容实现噪声抑制,通过权电阻网络及反馈控制实现可编程输出,并利用三极管电流镜结构实现恒流输出。为评估电流源的噪声性能,本文分别采用自旋噪声谱与动态信号分析仪两种方式对其进行测量分析。结果表明,在20 mA输出条件下,该电流源在1 kHz和50 kHz处的电流噪声分别为557 pA/Hz与85.7 pA/Hz,整体噪声水平较实验室现有商用低噪声电流源降低约一个数量级。该设计能够有效降低背景磁场噪声,满足原子磁力计对线圈驱动电流低噪声、宽输出范围的应用需求,为提升原子磁力计测量性能提供了可靠的技术支撑。
-
杭州电子科技大学学报. 2026, 46(3): 22-40. https://doi.org/10.13954/j.cnki.hdu.2026.03.003随着现代有源相控阵雷达向高密度集成、轻量化及多功能化方向发展,传统微波环行器由于依赖体积庞大的外部偏置永磁体,已成为制约发射/接收(Transmit/Receive, T/R)组件进一步小型化与集成化的重要因素。自偏置环行器通过引入磁性材料内禀的磁晶各向异性场或结构诱导的形状各向异性场,实现对外部偏置磁场的替代,为微波非互易器件的平面化设计与高度集成提供了有效途径。本文围绕自偏置机制所依赖的关键磁性材料体系,系统综述了六角铁氧体块材、铁氧体厚膜及磁性纳米线阵列的研究进展。M型六角铁氧体通过离子取代与添加剂掺杂实现磁晶各向异性调控与微波损耗优化;铁氧体厚膜依托流延与丝网印刷等工艺展现出在低温共烧陶瓷集成及“准自偏置”器件中的应用潜力;磁性纳米线阵列则利用高长径比引入显著形状各向异性,在微带线与基片集成波导等结构中表现出良好的非互易器件性能。总体来看,自偏置环行器仍面临材料微波损耗偏高、制备工艺兼容性不足及规模化集成受限等关键问题,其未来发展有赖于材料各向异性调控与低损耗机制的协同优化,并将持续向更高工作频段与更高集成度方向演进。
-
杭州电子科技大学学报. 2026, 46(3): 41-57. https://doi.org/10.13954/j.cnki.hdu.2026.03.004脑电图(Electroencephalography, EEG)具有非侵入性、高时间分辨率和低成本等特点,在视觉神经解码研究中具有重要应用价值。基于EEG信号的视觉神经解码技术旨在从受试者大脑活动中重建或识别所感知的视觉内容。文章对基于EEG信号的视觉神经解码技术进行综述,包括理论基础、关键步骤、数据集、评价指标,并对EEG视觉语义分类、图像生成及三维目标重建等研究方向的技术进展进行了归纳分析。最后,针对该领域当前面临的共性挑战,从多模态融合、轻量化建模等角度展望了未来发展趋势。
-
杭州电子科技大学学报. 2026, 46(3): 58-65. https://doi.org/10.13954/j.cnki.hdu.2026.03.005研究了一种基于三耦合变压器技术的宽带低噪声放大器。该设计采用单个晶体管和三耦合变压器组合的方式,并基于130 nm SiGe 双极型互补金属氧化物半导体(Bipolar Complementary Metal-Oxide-Semiconductor, BiCMOS)工艺实现,在45~75 GHz范围内可获得30 GHz的3 dB带宽、22.42 dB的峰值增益、3.6 dB的最小噪声系数和0 dBm附近的输出1 dB压缩点,直流功耗为19 mW,实现了降噪与宽带匹配的双重功能。与其他的降噪技术对比,所提方案具有更优的降噪性能。
-
杭州电子科技大学学报. 2026, 46(3): 66-71. https://doi.org/10.13954/j.cnki.hdu.2026.03.006为克服特征参数提取不充分、在低信噪比下识别准确率欠佳以及感知耗时过长等不足,提出了基于协方差矩阵Crout分解和权重衰减的自适应矩估计(Adaptive Moment Estimation with Weight Decay, AdamWD)的卷积神经网络(Convolutional Neural Network, CNN)频谱感知分类方案。首先,对次用户接收信号采样矩阵的协方差矩阵进行Crout分解,得到下三角阵;根据元素特征构造新型统计量,充分凸显主用户与噪声信号之间的特征差异。然后,将多个次用户的统计量组成特征矩阵,并作为CNN的训练样本,以实现次用户之间协作感知与快速检测的双重目标。最后,采用AdamWD算法优化的CNN,完成特征矩阵的提取与频谱状态感知结果的判别。实验表明:在虚警概率为0.1时、信噪比为-13 dB的条件下,该方案的检测概率相比于支持向量机(Support Vector Machine, SVM)提高约74%。
-
杭州电子科技大学学报. 2026, 46(3): 72-82. https://doi.org/10.13954/j.cnki.hdu.2026.03.007现有脑机接口系统普遍将脑电信号采集或脑电信号解码功能迁移至嵌入式平台,存在系统结构复杂、功能模块分散等问题。针对这些问题,设计了一种基于树莓派小型单板计算机的嵌入式脑机接口系统。系统结合自主设计的模拟前端模块,将脑电信号的采集、预处理、特征提取、识别分类和应用接口等功能集成于树莓派平台,实现了脑电信号处理全流程的嵌入式部署。系统首先在稳态视觉诱发电位实验中进行了验证,其平均分类准确率达到97.1%;为了进一步评估系统的范式通用性,进行了运动想象实验,平均分类准确率为85.2%。实验结果表明,该系统不仅能够有效采集和解码脑电信号,还展现出良好的范式适应性与通用性,为高集成度的嵌入式脑机接口系统提供一种新的技术方案与发展路径。
-
杭州电子科技大学学报. 2026, 46(3): 83-87. https://doi.org/10.13954/j.cnki.hdu.2026.03.008Bent函数是密码学和编码理论领域中的一个重要概念,在各种密码应用中发挥了重要的作用。构造Bent函数具有挑战性,由于其重要的应用价值和广阔的研究前景,该领域吸引着众多研究者的关注。通过考虑乘法陪集上具有Dillon指数的单项式函数,研究了一种构造Bent函数的方法,得到了一类三元域上的Bent函数,对其性质进行了刻画,并给出了这类Bent函数的充分必要条件。
-
杭州电子科技大学学报. 2026, 46(3): 88-93. https://doi.org/10.13954/j.cnki.hdu.2026.03.009针对变色龙群算法易陷入局部最优解的问题,本文提出了新的变色龙群优化算法。该算法结合动态系数与F分布扰动,对变色龙群优化算法进行了改进。首先通过动态系数增强变色龙全局搜索能力,然后利用F分布扰动算子,对变色龙位置更新进行扰动,提升跳出局部最优解的能力。仿真结果表明,改进算法具有较强全局寻优能力,能够有效克服提前收敛现象。
-
杭州电子科技大学学报. 2026, 46(3): 94-102. https://doi.org/10.13954/j.cnki.hdu.2026.03.010人工智能时代,向量搜索算法已经成为了大数据信息检索的核心算法,广泛应用于搜索引擎、推荐系统等场景。在不同的向量搜索算法中,近邻图向量搜索算法是目前最高效的一种向量搜索算法,引起了学术界和工业界的共同关注。为了进一步提高性能,近邻图算法常利用图形处理器(Graphics Processing Unit, GPU)加速搜索过程,但随着大规模场景如辅助大模型检索增强场景的出现,传统的基于图的近似最近邻搜索算法由于生成的图索引过大难以放入有限的GPU显存,最优的基于图的 GPU 最近邻搜索算法(Graph-based GPU Nearest Neighbor Search, GGNN)由于加载图索引异步性差导致搜索延迟高,阻碍了GPU最近邻搜索算法的应用。为此,基于标量压缩和异步加载机制,提出一种适用于大规模场景的高效GPU加速近邻搜索算法GGNN++。首先,针对向量使用低开销的标量压缩编码替代近邻图中的原始高维向量,然后通过异步加载方式有效提高GPU带宽利用率,从而提升搜索效率、降低显存开销。实验表明,相比于当前最优的GGNN算法,该算法在大规模数据集上达到0.9召回率时的延迟从248 μs降低到了81 μs,显存占用降低了15%。
