本文提出几何感知对比学习框架DyCo-CL，解决小样本自动调制识别(AMR)中自监督学习的三大痛点：各向同性增强失效、注意力谱不稳定和语义漂移。DyCo-CL包含动态一致性对比学习策略（虚拟对抗增强+语义一致性损失）、信号自适应Swin骨干网络和层级混合知识融合模块，从算法、结构和先验融合三个维度协同优化。理论证明该方法能约束编码器Lipschitz常数，实现流形空间稳定探索。在RML数据集上，1

电磁频谱环境的日益拥挤与智能化对抗手段的不断升级，使得传统跳频通信策略面临严峻挑战。当干扰机具备自适应感知与动态攻击能力时，固定或随机跳频模式还能否保证可靠通信？本文将系统阐述跳频抗干扰通信的理论模型，分析经典跳频策略的局限性，并引入深度强化学习框架，探讨如何让通信节点自主学习最优跳频决策，实现认知抗干扰。

本文提出了一种名为PGDB-HML-FC的新型高精度室内定位模型，该模型融合信号相位几何与距离衰减特征，通过反馈修正机制实现厘米级定位精度。模型核心采用双分支架构：Extra Trees处理角度估计，XGBoost处理距离预测，再将结果融合并通过反馈循环优化。实验采用标准化的850MHz/1M带宽数据集，通过四对天线特征提取和全流程自动化处理，显著提升了定位准确性。相比传统方法，该模型通过多天线融

摘要： 南洋理工大学MARS Lab联合团队在ICLR 2026发表RF-MatID数据集，突破传统视觉材料识别的光照、遮挡限制，通过射频感知技术实现细粒度材料识别。该数据集包含71k组4-43.5GHz超宽带频域/时域样本，覆盖16类工业材料，创新性地引入几何扰动变量模拟真实场景。研究建立了标准化评测基准，验证了频域信号的表征优势和深度学习方法的性能优势（精度提升超80%），为物理AI和射频感知

摘要：本文研究了分布式雷达系统的信号前向建模与多节点目标定位技术。通过构建3D雷达观测场景和5个运动目标模型，采用分阶段仿真策略生成符合工程实际的雷达信号。研究发现，基于3D球面相交的三角测量算法虽能实现多节点定位，但缺乏目标关联机制和多普勒信息融合导致虚假目标问题严重，初始定位结果中出现大量伪影目标。研究验证了信号前向建模的准确性，同时指出"去伪影"是分布式雷达定位的核心技术

本文研究了超越循环前缀(CP)限制的OFDM-ISAC系统性能分析与干扰抑制问题。针对CP时长不足导致的符号间干扰(ISI)和载波间干扰(ICI)，作者建立了结构化耦合回波模型，推导出感知信干噪比(SINR)和距离-多普勒峰值旁瓣比(PSLR)的闭式表达式，发现性能恶化与CP外时延呈近似线性关系。为缓解干扰影响，提出了两种串行干扰消除算法：低复杂度的SIC-DFT和超分辨的SIC-ESPRIT。仿

本文研究了超越循环前缀(CP)限制的OFDM-ISAC系统性能分析与干扰抑制问题。针对CP时长不足导致的符号间干扰(ISI)和载波间干扰(ICI)，作者建立了结构化耦合回波模型，推导出感知信干噪比(SINR)和距离-多普勒峰值旁瓣比(PSLR)的闭式表达式，发现性能恶化与CP外时延呈近似线性关系。为缓解干扰影响，提出了两种串行干扰消除算法：低复杂度的SIC-DFT和超分辨的SIC-ESPRIT。仿

阵列测向技术从经典波束形成到现代稀疏重构经历了显著演进。传统方法如CBF和Capon通过空间扫描实现测向，但分辨率受限；子空间方法MUSIC和ESPRIT利用信号子空间正交性实现超分辨。近年来，稀疏重构技术（如FOCUSS、OMP、EM-SBL）通过压缩感知理论突破了传统限制，能够处理相干信号并实现单快拍高精度测向。不同算法在分辨率、抗噪性、计算复杂度等方面各具优势，适用于雷达、通信等不同场景。未

本文针对OFDM-ISAC系统中循环前缀(CP)不足导致感知性能下降的问题，提出了一套完整的分析与解决方案。通过建立通用回波模型，揭示了CP不足引发的ISI/ICI结构化耦合效应，并推导出感知SINR和距离-多普勒PSLR的闭式表达式，表明性能随CP外时延线性恶化。为解决该问题，提出了两种兼容标准OFDM的串行干扰消除算法：低复杂度的SIC-DFT和超分辨的SIC-ESPRIT。仿真验证表明，两种

本文译自美国兰德公司2020年发布的研究报告《Joint All-Domain Command and Control for Modern Warfare: An Analytic Framework for Identifying and Developing Artificial Intelligence Applications》，该报告由兰德公司为美国空军空中作战司令部撰写，核心围绕全域