<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005">
<channel>
<title cf:type="text"><![CDATA[《高技术通讯》编辑部 -->2026年第7期文章目次]]></title>
<item>
<title><![CDATA[封面]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202607001&flag=1]]></link>
<description><![CDATA[]]></description>
<pubDate>2026/9/29 16:06:32</pubDate>
<category><![CDATA[]]></category>
<author><![CDATA[封面]]></author>
</item>
<item>
<title><![CDATA[目录]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202607002&flag=1]]></link>
<description><![CDATA[]]></description>
<pubDate>2026/9/29 16:06:32</pubDate>
<category><![CDATA[]]></category>
<author><![CDATA[目录]]></author>
</item>
<item>
<title><![CDATA[大语言模型推理优化研究综述]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202607003&flag=1]]></link>
<description><![CDATA[大语言模型（large language model，LLM）快速增长的参数规模以及自回归特性使得推理的高服务成本与低资源使用效率之间出现巨大的矛盾。推理系统的服务性能依赖于系统架构、算法、模型等各方面。本文总结了推理系统面临的问题和挑战，并且从请求处理流程和模型服务架构出发，重点介绍了请求调度、资源管理、令牌生成、分布式推理以及推理缓存方面的研究进展，分析了提升推理系统效率所采用的关键技术。最后，本文探讨了异构硬件资源与文生图场景下降低推理服务成本的挑战，认为软硬协同、硬件能力感知的设计有助于进一步提升资源效率以及降低推理成本。]]></description>
<pubDate>2026/9/29 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[胡存琛* ** ***，孙凝晖* **，王卅* **]]></author>
</item>
<item>
<title><![CDATA[基于反残差自注意力模块与多模态、多特征融合的步态识别算法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202607004&flag=1]]></link>
<description><![CDATA[基于可穿戴设备的步态识别是实现下肢穿戴设备人机交互的基础。考虑到单一模态、单一特征不能提供完整的信息来识别步态，且当前步态识别领域缺少结合注意力机制的轻量化多模态算法研究，本文提出一种融合深度学习特征与传统时域特征的轻量化多模态步态识别算法，探索多模态信号融合中2种特征新的融合范式。该算法分别对姿态信号和肌电(electromyography，EMG)信号同时提取时域特征与深度学习特征，采取层级式融合方式将二者分步融合。基于自注意力机制和倒置残差结构设计了一个轻量化的特征提取模块，在保留卷积神经网络提取能力的同时也增加了远程信息交互能力。同时，设计了一个融合模块来融合不同模态的特征，增强特征中有用信息同时忽略次要信息。该模型在公开数据集ENABL3S和自建数据集上的准确率分别为98.16%和95.38%。此外，本文还分析了惯性测量单元(inertial measurement unit，IMU)和EMG这2种模态的2种特征分别对步态识别精度的贡献，为后续步态识别算法的研究者提供了参考。]]></description>
<pubDate>2026/9/29 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[赵昶辰*，刘凯*，黄斌**，冯远静*]]></author>
</item>
<item>
<title><![CDATA[基于特征拟合蒸馏度量网络的低分辨率人脸识别]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202607005&flag=1]]></link>
<description><![CDATA[在实际应用场景中，人脸识别系统很容易采集到低分辨率的人脸图像，这些图像中的面部细节特征大量丢失，同时还存在光照、遮挡以及姿态等干扰因素的叠加，将导致现有经典的人脸识别算法难以取得满足实际应用需求的识别精度。针对上述问题，提出了一种特征拟合蒸馏度量(feature fitting distillation metric，FFDM)网络。首先，在教师网络与学生网络的多个阶段的卷积层之间进行特征拟合蒸馏，使学生网络各阶段卷积层所提取特征尽可能接近教师网络各阶段卷积层特征，从而达到增强学生网络对低分辨率样本的特征描述能力的目标；随后，在教师网络和学生网络的相似度量子网间引入相似度量蒸馏损失函数，使学生网络通过该蒸馏损失函数学习到教师网络强大的细粒度特征的分类能力，使学生网络能够在非限制性复杂场景中具备较强的鲁棒性。最后，在多个数据集上的实验结果表明，所提出的 FFDM模型在低分辨率人脸识别任务中展现出更高的识别精度和泛化能力。]]></description>
<pubDate>2026/9/29 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[钟锐，刘林彬，陈斌]]></author>
</item>
<item>
<title><![CDATA[基于多尺度分形维数加权损失和注意力机制的鸡胚胎血管分割方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202607006&flag=1]]></link>
<description><![CDATA[活体显微镜图像具有噪声高、动态性强的特点，而传统血管分割方法在应对这些挑战时经常会出现血管断连、预测错误的问题。为了解决这一问题，本研究设计了一种基于多尺度分形维数加权损失和注意力机制的深度学习模型，该模型通过分形维数加权损失和浅层注意力机制将血管网络的空间复杂度融入训练过程，同时通过多尺度结构和深层注意力机制保留了模型多层特征提取的优势和全局信息。在提出的私有数据集鸡胚血管网络图像数据上进行训练和测试，并通过血管断连数量和传统指标测试了其分割性能。结果显示，本研究提出的模型在整体上将Dice系数(Dice coefficient)从0.896提升至0.906，平均交并比(mean intersection of union，mIoU)从0.813提升至0.830，准确率(accuracy)从0.885提升至0.938，ROC曲线下面积(area under curve，AUC)从0.914提升至0.930，血管断连点的平均数量从15.7减少到11.3。这表明模型在维持分割性能的同时，能够有效地减少血管断连的数量，提高了血管网络结构的连接性。]]></description>
<pubDate>2026/9/29 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[潘清，王硕，吕雪倩]]></author>
</item>
<item>
<title><![CDATA[基于纹理结构与CA-Transformer的深度图帧内快速编码算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202607007&flag=1]]></link>
<description><![CDATA[对三维高效视频编码(three-dimensional high efficiency video coding，3D-HEVC)在深度图编码中复杂度过高的问题，本文提出了一种基于纹理划分结构与深度学习并行的算法实现深度图的快速编码算法。首先，提出了基于纹理图划分结构加速深度图编码的方法，提前识别并简化编码树单元（coding tree unit，CTU），得到快速划分结果。其次，针对无法使用纹理图划分结构快速划分的CTU，设计了一种名为CA-Transformer的神经网络。应用卷积神经网络对局部特征的敏感性与视觉Transformer对全局特征的敏感性，将结构复杂的深度图图像输入到本文的CA-Transformer网络中，得到对深度图CTU划分结构的预测。使用本文算法替换原始编码标准的CTU划分过程，实验结果表明，本文算法在保证率失真性能与合成视点质量几乎不受影响的前提下，平均减少了56.00%的编码时间。]]></description>
<pubDate>2026/9/29 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李竟泽，贾克斌]]></author>
</item>
<item>
<title><![CDATA[基于数据湖的非结构化医疗数据高效检索方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202607008&flag=1]]></link>
<description><![CDATA[随着智能医疗设备广泛应用，非结构化医疗数据呈现爆炸性增长，其高效检索与管理对医疗领域中数据挖掘、数据探索和人工智能应用具有重要意义，可辅助医生优化治疗决策。然而，现有数据检索方法注重数据实体语义表达能力，缺乏对检索算法优化，导致大规模数据检索效率低下。高维索引和分布式存储平台是提高检索效率的有效途径，但现存研究没有将二者有效结合，在检索效率和存储灵活性方面仍存在不足。针对上述挑战，本文提出一种基于数据湖的非结构化医疗数据高效检索方法EMUD(efficient retrieval method for unstructured medical data based on data lake)，它使用新颖高维索引，结合分布式计算能力，显著提升非结构化医疗数据检索效率。同时，EMUD通过集成数据湖灵活数据存储特性，实现非结构化医疗数据高效管理，为医疗前沿应用提供灵活数据支撑接口。实验结果表明，在使用较小存储空间条件下，EMUD在检索精度、检索效率以及索引创建时间方面均优于其他高维索引。]]></description>
<pubDate>2026/9/29 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王凯歌，王炜凡，胡振涛，金勇]]></author>
</item>
<item>
<title><![CDATA[新型π翼布局零舵面技术验证机的教学设计与实践]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202607009&flag=1]]></link>
<description><![CDATA[油动无人机气动效率的提升成为当前研究的热点。本文设计了一种新型π翼布局零舵面无人机的技术验证机，旨在通过新的布局形式和创新技术提升常规油动无人机的气动效率。验证机采用新型π翼布局，前后两对平直翼共同提供正升力，增大升阻比；在前后双翼的翼尖处安装电机，驱动螺旋桨转动，提供飞行所需的动力，采用翼尖主动减阻技术，根据不同飞行阶段产生不同强度的滑流，能主动削弱翼尖涡流，减少翼尖气流下洗，进一步提升其气动效率。此外，验证机还采用零舵面飞行控制技术，利用翼尖电机驱动螺旋桨实现差速转动，产生操纵力矩进行姿态控制，实现了去舵面化设计，避免舵面操纵产生的附加阻力，进一步提升了气动效率。经过计算校核、气动仿真实验、地面试验和飞行试验验证，该验证机在飞行状态上保持正常，最大起飞重量为6.5kg，最大飞行速度可达60km·h-1，最大升阻比在17~18之间，是同等重量级常规无人机升阻比的1.5倍，显著提升了气动效率。该验证机的布局和创新技术有望应用于未来无人机的设计中。]]></description>
<pubDate>2026/9/29 0:00:00</pubDate>
<category><![CDATA[先进制造与自动化]]></category>
<author><![CDATA[王耀坤*，韦嘉宁*，邱玉婷**，谢林博*]]></author>
</item>
<item>
<title><![CDATA[面向复杂环境的W-QMIX-ATT多智能体协同对战研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202607010&flag=1]]></link>
<description><![CDATA[多智能体强化学习在复杂协同作战任务中应用广泛，但仍存在协作效率低和环境适应性差的问题。其根本原因在于QMIX（monotonic value function factorisation）算法无法处理非单调价值函数，且难以捕捉智能体间动态交互关系。首先，本文提出W-QMIX算法，引入加权机制并构建联合权重函数，对不同联合动作的Q值进行动态加权处理，有效突破了QMIX算法在单调性约束下的表达能力限制。其次，引入多头注意力机制构建QMIX-ATT算法，实现对智能体间动态交互关系的建模与捕捉，增强系统对协作过程中复杂依赖关系的适应能力。此外，贴近实际的模拟对战环境是保证对抗结果准确性的首要条件。最后，本文提出构建多地形、多天气融合的模拟对战环境，自定义各个智能体的状态空间，并进行实验研究。结果表明，改进后的算法胜率可达93.0%，相比原始QMIX算法，在3种不同环境下的胜率分别提升了7.8%、10.8%和9.7%，证明了其在多智能体协同任务中的有效性。]]></description>
<pubDate>2026/9/29 0:00:00</pubDate>
<category><![CDATA[先进制造与自动化]]></category>
<author><![CDATA[陈亮*，赵振开*，王珺琳**]]></author>
</item>
<item>
<title><![CDATA[一种多腔室气动软体驱动器的设计与建模研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202607011&flag=1]]></link>
<description><![CDATA[针对目前软体驱动器自由度单一和数学建模研究不足的问题，提出了一种可变刚度的多腔室气动软体驱动器。该驱动器仿照章鱼腕足的生物结构，设有1个刚度调节腔和3个弯曲驱动腔，内嵌约束弹簧，由多腔气压耦合驱动，能够实现任意方向上的弯曲运动。基于驱动器变形后的几何构型分析以及等效弹簧模型，建立了软体驱动器的静态模型和运动学模型，给出了输入气压与弯曲几何参数之间的映射关系。搭建实验系统进行了静态模型验证实验和静态控制弯曲实验，结果表明，在0.200MPa的气压范围内，实验数据与理论数值基本一致，验证了理论模型的正确性。]]></description>
<pubDate>2026/9/29 0:00:00</pubDate>
<category><![CDATA[先进制造与自动化]]></category>
<author><![CDATA[李泽桐，郑义骁，许宗贵，蔡世波，鲍官军]]></author>
</item>
<item>
<title><![CDATA[一种基于足底压力的踝关节角度估计方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202607012&flag=1]]></link>
<description><![CDATA[针对目前行走状态下关节角度估计方法存在的问题，本文提出了一种基于足底压力的踝关节角度估计方法。首先，本文开发了一套分布式足底压力采集系统，该系统可以实时采集人体双足各8个点位的分布式足底压力数据。随后，本文使用动作捕捉系统与足底压力采集系统进行了足底压力与关节角度同步采集实验，并构建了足底压力-关节角度数据集。基于该数据集，本文使用多项式特征方法对输入的足底压力进行了预处理，随后使用机器学习中的岭回归算法对系数矩阵进行求解，构建了足底压力数据与关节角度数据之间的映射模型，该模型在测试集上表现出的均方根误差为4.04°。该结果表明本文模型可以成为一种良好的踝关节角度估计模型。]]></description>
<pubDate>2026/9/29 0:00:00</pubDate>
<category><![CDATA[先进制造与自动化]]></category>
<author><![CDATA[吕博文，蔡世波，都明宇，张科文，李刚]]></author>
</item>
<item>
<title><![CDATA[5PUS/RPUR并联机器人可操作性能研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202607013&flag=1]]></link>
<description><![CDATA[本文以一种新型的五自由度并联机器人为研究对象，提供了一种逆运动学下求解其可操作度的方法。首先，对五自由度机器人建立运动学模型，分析得到机器人存在一条约束支链和5条驱动支链，利用Denavit-Hartenberg (DH)法和闭环矢量法得到了平台约束条件和速度、加速度映射方程；然后，利用逆雅克比矩阵得到机器人力椭球特征值与正向运动学定义的可操作度椭球相互结合的方法，分析平台的力和可操作性能。该研究对一些难以求解正向运动学的机器人分析可操作性能提供了计算方法，为本文所研究的五自由度机器人的进一步研究奠定了基础。]]></description>
<pubDate>2026/9/29 0:00:00</pubDate>
<category><![CDATA[先进制造与自动化]]></category>
<author><![CDATA[孙鹏，朱奕名，叶家铭，李研彪]]></author>
</item>
</channel>
</rss>